指数族行列因子化の状態空間モデルへの拡張と時系列関係データ解析への応用  [in Japanese] Dynamic relational data analysis based on exponential family matrix factorization  [in Japanese]

Search this Article

Author(s)

    • 林 浩平 HAYASHI Kohei
    • 奈良先端科学技術大学院大学情報科学研究科 Grad. School of Information Science, Nara Inst. of Science and Technology
    • 石井 信 ISHII Shin
    • 奈良先端科学技術大学院大学情報科学研究科 Grad. School of Information Science, Nara Inst. of Science and Technology

Abstract

Eメールの送受信履歴など,動的に変化しうる環境において関係データを解析するための新たな確率モデルを提案する.本モデルは高次元な関係データの変動に内在する特徴的なパターンを抽出し,低次元の特徴空間上で定義された潜在要因を用いた状態空間モデルとして定式化される.観測空間での不規則な変動を特徴空間で平滑化することにより,予測性能の向上が期待できる.我々は,提案したモデルについて,EMアルゴリズムに基づく学習則を導出した.特にEステップにおける事後分布の近似としてexpectation propagation法を用いた.計算機実験では,一般公開されているエンロン社社員のメール送受信データを用い,本モデルが変動を考慮した上で関係構造を適切に学習し,予測しうることを示す.

We propose a new probabilistic model to analyze time-varying relational data such as e-mail transaction profiles. Our model can extract patterns or features underlying on the dynamic relational data, and capture their evolution by introducing a latent variable on the low-dimensional feature space. We derive a learning procedure based on EM algorithm. In particular, E-step is approximated by expectation propagation. In the experiments using both artificial and real-world datasets, we demonstrate our method can appropriately estimate the structure of temporally changing relations and effectively predict them.

Journal

  • IEICE technical report

    IEICE technical report 108(480), 423-428, 2009-03-04

    The Institute of Electronics, Information and Communication Engineers

References:  17

Codes

  • NII Article ID (NAID)
    110007324923
  • NII NACSIS-CAT ID (NCID)
    AN10091178
  • Text Lang
    JPN
  • Article Type
    ART
  • ISSN
    09135685
  • NDL Article ID
    10206535
  • NDL Source Classification
    ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
  • NDL Call No.
    Z16-940
  • Data Source
    CJP  NDL  NII-ELS 
Page Top