ある事象が発生したときに他の事象を誘発していく現象をモデル化する手法に自己励起型点過程Hawkes Process がある。Hawkes Process は、地震の発生パターン分析に利用されて以降、金融や犯罪発生パターン、近年ではBitcoin 取引データやソーシャルネットワークサービス（SNS）の分析に利用されている。本研究では、SNSでのタグの使用をイベントと捉え、イベント発生時系列の分析をHawkes Process を用いて行っている。例えば、時系列データを一定の間隔に区切り、スライドさせながらHawkes Process のパラメータの推定を行うことで、タグの使用に関して内的なフィードバックの推移を分析し、予測することが可能となる。
Mizuki Oka, Yasuhiro Hashimoto, and Takashi Ikegami, Understanding Evolutionary Dynamics in Online Social Networks. Proceedings of the 2017 IEEE Symposium Series on Computational Intelligence (SSCI), 10.1109/SSCI.2017.8280796, 4 pages, 2017.
三宅雅矩, 池上高志, 岡瑞起, 橋本康弘: Hawkes Processと最適区間幅推定を用いたWeb Dataの解析, 2017年度人工知能学会全国大会, 2017.
岡瑞起, 伊原頌二, 池上高志: Hawkes Processによるソーシャルネットワーク時系列のモデル化, 日本物理学会第70回年次大会, 2015.
Mizuki Oka, Yasuhiro Hashimoto, and Takashi Ikegami, Open-ended evolution in a web system, Proceedings of the 13th European Conference on Artificial Life, York, UK, July 20-24, 2015.
Copyright © Oka Laboratory. All rights reserved.