| 山西 健司 |
| 題名: 潜在空間からのディープナレッジの発見 |
| アブストラクト:
ビッグデータからの知識発見のニーズが高まる現在、単にデータの大量性だけでな
く、
その複雑性（高次元、非定常、ヘテロ性）に対応することが重要になってきている。
本講演では、そのような複雑なデータから、その背景にある深い知識（ディープナ
レッジ）
を読み解くための技術動向を紹介する。鍵となるのは、潜在変数モデルを用いて
ビッグデータをモデル化し、潜在的構造の変化を捉えることである。そのための
数学的手段として、変化検知、動的モデル選択、スイッチング理論、Tracking Best
Expert
などを紹介しつつ、その応用事例として、多変量時系列データからを対象とした、
マーケティング、広告効果測定、教育データ解析、イベント検知への適用例を紹介す
る。
キーワード： データマイニング、ビッグデータ、潜在的構造変化検知、潜在変数モデル、動的モデ ル選択、変化検知 |
| Yamanishi Kenji |
| Title: Knowledge Discovery from Latent Space |
| Abstract:
In big data analysis, the main difficulty may come from the complexity of data (high-dimensionality, non-stationarity, heterozygosis) rather than its volume. In this talk I introduce some novel technologies to discover deep knowledge from such complex data. Specifically we are concerned with the issue of discovering latent dynamics. The key ideas of the technology are to employ probabilistic models with latent variables (of network types) and to detect changes of their structures. I introduce a number of mathematical tools for such analysis, including tracking best experts, dynamic model selection, and switching distributions. I also show examples of their applications into the real domains, e.g. marketing, ad impact relation analysis, event detection, educational data mining.
keyword： Data mining, big data, latent dynamics, latent variable model, dynamic model selection, change detection |