研究代表者

山西 健司

東京大学 大学院情報理工学系研究科
教授

研究概要

本研究では、BigDataに潜在する知識の深さに着目し、これを抽出して価値に変える研究を行う。現在、注目すべきBigDataの多くは、SmallDataが混在して多様なデータと結びつき、広大なネットワークを構成している。それは空間的に巨大かつ非一様であるばかりでなく、多くの変化を伴っているという意味で時間的に多様である。BigDataの問題の本質は、そうした複雑なデータのプールから、如何に個々のデータを関連させながら、データの背後にある潜在世界の全体像をあぶり出し、その時間的空間的な変化・発展を予測制御するかといった問題にあると考える。我々はそのような世界の深い知識を「ディープナレッジ」と呼び、これを発見し、価値を与えることの普遍的な数理的方法論を構築することを目的とする。特に、潜在的ダイナミックス理論、関係データ最適統合予測、テンポラル・ネットワーク、逐次的意思決定最適化、認知モデルを主たるコア技術として、ディープナレッジの発見理論基盤とその活用基盤を構築する。これをマーケットデータ、行動データ、SNSデータ、教育データ、医療データ等の複合データに適用して有効性を検証する。