多モードファジィ共クラスタリングと高度推薦システムへの応用に関する研究

多模模糊共聚类研究及其在高级推荐系统中的应用

基本信息

批准号：
18K11474
负责人：
本多克宏
金额：
$ 2.83万
依托单位：
Osaka Metropolitan University (2022)Osaka Prefecture University (2018-2021)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究では，多モード・多ソースからの共起関係データに内在する共クラスター構造の抽出に主眼を置き，関連性の強い多モード要素の対の抽出やソース間のプライバシー保護のための手法開発を目的としている．理論的・応用的側面の両面についての展開として，以下の成果を上げた．(1) 多モードの関連性行列からのクラスター抽出の手法の高度化として，Bezdek型のファジィ化法の導入による初期値依存性の軽減手法やクラスターコア抽出によるノイズへのロバスト化手法を開発し，可用性の高いデータ解析アプローチを実現した．これらの成果について，2件の国内学会発表を行ったほか，2021年度にJournal of Advanced Computational Intelligence and Intelligent Informatics誌で掲載された3モードファジィ共クラスタリングに関する学術誌論文に対して2022年度最優秀論文賞を受賞した．(2) 多ソースからのデータにおける関連性分析を目標に，ファジィクラスタリングに基づく局所的データ解析法の高性能化手法を開発し，商品推薦データや環境観測データの分析における有効性を確認した．これらの成果について，1件の国際会議における招待講演および3件の国内学会発表を行った．(3) ファジィ共クラスタリングの理論的基盤の展開として，組織横断型データの局所的主成分分析における欠測値処理モデルを開発した．(1)や(2)で開発した理論モデルを実データへ適用する際のモデル改良に必要となる知見が得られた．これらの成果について，1件の国際会議発表および1件の国内学会発表を行った．

在本研究中，我们专注于从多模式和多源中提取共现关系数据中固有的共簇结构，并开发提取具有强关联性的多模式元素对并保护源之间隐私的方法。是在理论和应用方面取得了以下成果。 (1)为了改进多模态关联矩阵的聚类提取方法，我们开发了一种通过引入Bezdek型模糊化方法来减少初始值依赖性的方法和一种通过提取聚类核心来使其对噪声具有鲁棒性的方法，我们实现了一种方法。高可用性的数据分析方法。这些成果在国内两次学术会议上发表，2022年最佳论文奖授予2021年发表在《高级计算智能与智能信息学杂志》上的关于3模模糊共聚类的学术期刊论文。 (2)针对多源数据的关系分析，开发了一种基于模糊聚类的高性能本地数据分析方法，并验证了其在分析产品推荐数据和环境观测数据方面的有效性。关于这些成果，我们在1次国际会议上做了特邀报告，在国内会议上做了3次报告。 (3)作为模糊协同聚类理论基础的发展，我们开发了跨组织数据局部主成分分析的缺失值处理模型。当将它们应用于实际数据时，我们获得了改进（1）和（2）中开发的理论模型所需的知识。这些结果在一场国际会议和一场国内会议上发表。