Dimension and variable selection, simultaneous estimation, and computational environment for information extraction from complex data

从复杂数据中提取信息的维度和变量选择、同时估计和计算环境

基本信息

批准号：
21K11799
负责人：
森裕一
金额：
$ 2.58万
依托单位：
Okayama University of Science
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究では、マーケティングや社会心理学の分野を想定し、(i)情報損失を最小限に抑えた大規模さの軽減、(ii)縮約した情報や複雑性の関係の効率的な把握、(iii)尺度混在データの処理とテキストデータの処理を含む分析手順の提供、(iv)対話的なインタフェースの提供、(v)計算の効率化を順に実現していくことを目的としており、本年度は、それぞれについて取り組んだ。(i)～(iii)については、昨年度に引き続き、テストや調査問題において無駄な項目を削除することで複雑さを軽減することに取り組んだ。特に、尺度混在データに焦点をあて、カテゴリカルデータを項目反応理論や非計量主成分分析で数量化して、カテゴリカルデータを量的に扱える手法を提案するとともに、項目反応理論で導かれる潜在特性値による変数の削減手順の開発と拡張主成分分析をカテゴリカルデータに応用する非計量拡張主成分分析の性能評価を行った。いずれも提案手法を実データに利用する場合の一般手順を示すことができた。また、(iii)の後半のテキストデータについては、テキストマイニングの結果から得られる情報をさらに分析する方法の可能性を検討した。(iv)については、R上で動く環境の1つであるShinyを利用して、対話的インタフェースの構築を試みた。(v)については、vectorε法による計算の加速化の効果をより精密に評価するため、ファジーc平均法での数値実験を行い、パラメータ（＝データの様相）の違いによる加速化の性質を明らかにした。これらの成果については、日本計算機統計学会のシンポジウム、国際計算機統計協会のアジア地区の大会などで発表した。また、９月に、シンガポールとドイツの研究者を招き、大規模・複雑化データの扱いに関する研究集会を岡山と京都で開き、計算方法や効率化について議論した。

本研究假设市场营销和社会心理学领域，旨在（i）通过最小化信息损失来缩小规模，（ii）有效掌握减少的信息与复杂性之间的关系，以及（iii）提供分析程序，包括处理混合尺度数据和文本数据，(iv) 提供交互界面，(v) 提高各自的计算效率。关于（i）至（iii），我们从去年开始，通过删除不必要的项目来降低测试和调查问题的复杂性。特别是，我们专注于混合尺度数据，使用项目响应理论和非度量主成分分析来量化分类数据，并提出一种定量处理分类数据的方法，以及从项目响应理论导出的潜在特征我们开发了一个程序。用于按值减少变量并评估非度量扩展主成分分析的性能，该分析将扩展主成分分析应用于分类数据。在这两种情况下，我们都能够演示将所提出的方法应用于实际数据的一般程序。关于(iii)后半部分的文本数据，我们研究了进一步分析从文本挖掘结果中获得的信息的可能性。关于(iv)，我们尝试使用Shiny（一个在R上运行的环境）构建一个交互界面。关于(v)，为了更精确地评估使用向量ε方法的加速计算的效果，我们使用模糊c均值方法进行了数值实验，并阐明了由于参数（=数据方面）的差异而导致的加速的性质。我做到了。这些结果在日本计算统计学会的研讨会和国际计算统计协会的亚洲区域会议上公布。此外，9月份，新加坡和德国的研究人员受邀在冈山和京都召开了处理大规模复杂数据的研究会议，讨论了计算方法和效率。