須子 統太 (スコ トウタ)

写真a

所属

社会科学総合学術院 社会科学部

職名

准教授

兼担 【 表示 / 非表示

  • 附属機関・学校   グローバルエデュケーションセンター

学内研究所等 【 表示 / 非表示

  • 2020年
    -
    2022年

    理工学術院総合研究所   兼任研究員

学位 【 表示 / 非表示

  • 早稲田大学   博士(工学)

 

研究分野 【 表示 / 非表示

  • 情報学基礎論

  • 知能情報学

  • 統計科学

研究キーワード 【 表示 / 非表示

  • ベイズ統計、統計的学習理論、ビジネス統計、データマイニング、情報理論

論文 【 表示 / 非表示

  • A new latent class model for analysis of purchasing and browsing histories on EC sites

    Masayuki Goto, Kenta Mikawa, Shigeichi Hirasawa, Manabu Kobayashi, Tota Suko, Shunsuke Horii

    Industrial Engineering and Management Systems   14 ( 4 ) 335 - 346  2015年12月

     概要を見る

    The electronic commerce site (EC site) has become an important marketing channel where consumers can purchase many kinds of products
    their access logs, including purchase records and browsing histories, are saved in the EC sites' databases. These log data can be utilized for the purpose of web marketing. The customers who purchase many product items are good customers, whereas the other customers, who do not purchase many items, must not be good customers even if they browse many items. If the attributes of good customers and those of other customers are clarified, such information is valuable as input for making a new marketing strategy. Regarding the product items, the characteristics of good items that are bought by many users are valuable information. It is necessary to construct a method to efficiently analyze such characteristics. This paper proposes a new latent class model to analyze both purchasing and browsing histories to make latent item and user clusters. By applying the proposal, an example of data analysis on an EC site is demonstrated. Through the clusters obtained by the proposed latent class model and the classification rule by the decision tree model, new findings are extracted from the data of purchasing and browsing histories.

    DOI

  • 詳細な学習ログを用いた英語リーディング過程の分析(2) ログデータから見た成績との関係

    中野美知子, 吉田諭史, 須子統太, 玉木欽也, ギエルモ エンリケズ

    情報処理学会第77回全国大会 講演論文集   4   503 - 504  2015年03月

  • 電子教材とワークシートを用いた統計基礎教育におけるブレンディッドラーニングに関する一考察

    小泉大城, 須子統太, 平澤茂一

    情報処理学会第77回全国大会 講演論文集   4   605 - 606  2015年03月

  • Asymptotics of Bayesian Inference for a Class of Probabilistic Models under Misspecification

    Nozomi Miya, Tota Suko, Goki Yasuda, Toshiyasu Matsushima

    IEICE Trans. FUNDAMENTALS   Vol.E97-A ( No.12 ) 2352 - 2360  2014年12月  [査読有り]

  • プライバシー保護機能を持つ分散型正則化最小二乗法について

    須子統太, 堀井俊佑, 小林学

    第37回情報理論とその応用シンポジウム予稿集(SITA2014)     300 - 305  2014年11月

全件表示 >>

書籍等出版物 【 表示 / 非表示

  • IT Text 確率統計学

    須子統太, 鈴木誠, 浮田善文, 小林学, 後藤正幸

    オーム社  2010年09月 ISBN: 9784274209130

共同研究・競争的資金等の研究課題 【 表示 / 非表示

  • 様々な低品質データに対応するロバストな分類アルゴリズムの開発

    研究期間:

    2018年04月
    -
    2021年03月
     

     概要を見る

    蓄積されたデータをもとに,ある特徴量に対応するラベル(離散値)を予測する分類問題は,古くから統計学や機械学習,人工知能の分野で盛んに研究されている.近年様々な高精度な分類アルゴリズムが開発されたことにより,手書き文字認識,文書分類,購買行動予測など様々な場面でこれら分類アルゴリズムが活用されるようになってきた.その一方,必ずしも理想的な状況でデータが得られるとは限らず,低品質なデータに対する分類アルゴリズムの必要性が増してきている.そのため,ノイズを含むラベルからの学習や半教師あり学習など,様々な低品質なデータ取得状況に応じた分類手法の研究が個別に行われている.本研究では,分類問題におけるこれら低品質データの得られる状況を単一のモデルとして表現し,そのもとで高性能な分類アルゴリズムを構成することで,データの取得状況によらないロバストな分類アルゴリズムの開発を目的としている.本研究ではデータの発生構造として生成モデルおよび識別モデルと呼ばれる確率的な発生モデルを仮定し,それぞれにラベルノイズモデルを仮定した場合の分類アルゴリズムの提案および性能評価を行う計画を立てていた.2019年度は,当初予定を一部変更し,ノイズモデルのさらなる拡張を行い,潜在構造を持つ分類問題に対しラベルノイズモデルを適応した高性能な分類アルゴリズムの開発を行った.また,2018年度に行った漸近的な性能の理論解析の結果について,一部不十分な点が判明したため追加の研究を行い,提案したアルゴリズムの理論性能について詳細な解析結果を得た.2019年度の当初予定(研究課題申請時の計画)では,2018年度に行った,基本的な生成モデルを仮定した場合の分類アルゴリズムの開発および,そのアルゴリズムの性能評価を拡張し,生成モデルに対するカーネル法への拡張と識別モデルへの拡張を計画していた.しかし,2018年度の実績報告の際に報告した通り,2019年度開始時には計画を変更しており,2018年度に利用したラベルノイズモデルの更なる一般化および他のラベルノイズモデルを提案し,そのもとでデータの発生モデルとしては生成モデルを仮定した場合の分類アルゴリズムの提案およびその性能評価を行うことを計画していた.(尚この変更は,当初計画における「計画が予定通り進まない場合の対応」で想定していた範囲内の変更である.)本年度は変更された計画に従い,ラベルノイズモデルの更なる一般化として,潜在構造を持つ分類問題に対しラベルノイズモデルを拡張し分類アルゴリズムの開発とその性能評価を行った.また,2018年度に行った漸近的な性能の理論解析の結果について,一部不十分な点が判明したため追加の研究を行い,提案したアルゴリズムの理論性能について詳細な解析結果を得た.以上より,課題申請時の計画からは変更は出ているものの,2019年度当初に変更した計画通りに研究は進んでいる.2019年度の研究結果より,提案したモデルに対する新たな分類アルゴリズムについて,実験上の性能と理論解析における性能限界との間に大きな乖離がある事が分かった.これは提案したアルゴリズムの性能を更に向上させる事ができる可能性を示唆した結果であると考えられる.そこで2020年度は分類アルゴリズムの性能を理論限界に近づけるべく,アルゴリズムの挙動に対する詳細な調査および,それを元にしたアルゴリズムの改良を進めて行く予定である

  • 大規模データ時代のビジネスアナリティクス手法に関する基礎的研究

    研究期間:

    2014年04月
    -
    2017年03月
     

     概要を見る

    本研究では,大規模かつ多様なビジネスデータの分析技術(ビジネスアナリティクス)の体系化と深化を研究の目的とし,様々なビジネスデータに対応した分析モデルの提案と評価を行った.具体的には,1)ECサイトのデータベース情報を対象とした情報分析技術の開発,2)テキストデータとして蓄積されるマーケティング情報の分析技術の開発,3)情報推薦のための統計モデルの開発,4)情報検索や推薦の技術を活用したWebマーケティングモデルの理論解析,5)高次元かつ疎な大規模データを対象とした分析手法の開発,6)プライバシー保護データ解析の方法論の開発,などの個別研究課題を軸として研究を推進した

  • 確率的要素を含む情報セキュリティシステムの利便性と安全性からの最適化と統合評価

    研究期間:

    2013年04月
    -
    2016年03月
     

     概要を見る

    確率的要素を含む情報セキュリティ問題に対し確率モデルにより定式化を行い,安全性や利便性等の評価基準を明確にし,最適な攻撃法や認証法等を理論的に明らかにした.個々の符号やシステムに対して安全性を評価するのではなく,統一的数理モデルの枠組のもとで安全性の理論的な限界を不変的に評価した.さらに,安全性と利便性のトレードオフ関係についても,理論的限界や最適性を明らかにし,情報セキュリティシステムの新たな評価指標を示した.また,学習理論や最適化理論等の周辺研究分野における等価な確率モデルを用いた問題の成果を応用することで,最適法を近似する高性能アルゴリズムを構成し,安全性や利便性を具体的に評価した

  • プライバシー保護データマイニングにおける分散型回帰分析の実用化

    研究期間:

    2013年04月
    -
    2015年03月
     

     概要を見る

    本研究ではプライバシー保護回帰分析を扱った.複数のユーザがそれぞれ個別にデータを保持している状況において,ユーザが持つそれぞれのデータはユーザ間で共有しないもとで,全てのデータを用いた場合と同等の分析結果を得ることを考える.従来よりいくつかのプロトコルが提案されているが,本研究ではより実用的な状況に適用するために,いくつかの種類の分散計算法を新しく提案した.これにより多重共線性がある場合や,スパース性がある場合にもプライバシー保護回帰分析が適用可能となった

  • 古今東西の全言語を対象にしたテキストマイニングに関する研究

    基盤研究(C)

    研究期間:

    2010年
    -
    2012年
     

     概要を見る

    文字N-グラムに基づく言語独立なテキスト分類手法である蓄積手法を提案した。蓄積手法は、索引語を形成する際に文字N-グラムを使用するので、言語固有の文法構造に依存しない。テキスト文書がUnicodeで表現されてさえいれば、蓄積手法は異なる言語に対しても同一のプログラムを用いて文書を分類することができる。そこで、この蓄積手法を用いて英語と日本語と韓国語と中国語のテキスト文書の分類実験をした。その結果、英語のReuters-21578は94.5%、日本語の毎日新聞の実験データは88.5%、韓国語のハンギョレー新聞の実験データは90.2%、中国語の人民日報の実験データに対しても92.6%の精度で分類することができた。このように、蓄積手法が様々な言語で比較的高い精度で分類できることを確認した。さらに、蓄積手法の数理モデルを構築し、その数理的な意味を解明することができた。

特定課題研究 【 表示 / 非表示

  • 低品質データ解析アルゴリズムの一般化と実データへの適用

    2020年  

     概要を見る

    様々な低品質データに対するデータ解析手法の開発を目的とし研究を行った.まず,ラベルにノイズを含む分類問題に関する研究を行った.誤りや欠損など様々なノイズ混入を一般的に表現可能なモデルを提案し,それに対応する分類アルゴリズムの提案を行い,その理論性能について評価を行った.また,日本語文書における同音異義語誤りを検出するアルゴリズムを提案し,実験によりその性能評価を行った.

  • 先端データ科学アルゴリズムの人文社会科学分野への応用

    2019年  

     概要を見る

    本研究課題では自身や他の研究者が開発した最新のデータ分析アルゴリズムを様々な実データに対して適用することで,様々な分析対象における実問題の解決を図るとともに,分析アルゴリズムの欠点や問題点を明らかにし,新たな分析アルゴリズムの開発に繋がる知見を得る事を目的としていた.本年度は,実際の大規模な消費者アンケートデータを分析対象とし,信頼度の低いアンケートデータにおける分析アルゴリズムの開発を行った.更に,半導体中での電子ダイナミクス計算によって得られたデータを対象とし,ナノスケールデバイスの設計における機械学習アルゴリズムの応用に関する研究を行った.

  • 低品質データのための次世代データ解析基盤の構築

    2017年  

     概要を見る

     様々な低品質データに対するデータ解析手法の開発を目的とし研究を行った.まず,ラベルにノイズを含む分類問題に関する研究を行った.誤りや欠損など様々なノイズ混入を一般的に表現可能なモデルを提案し,それに対応する分類アルゴリズムの提案を行った.次に,Web調査などのランダムサンプリングの前提が崩れているアンケートデータを用いて,母集団の回答分布を推定する研究を行った.最後に,重回帰分析におけるスパース推定について研究した.説明変数に複雑な交互作用や,高次の項を含む多項式回帰モデルにおいて,最大次数が未知の場合のスパース推定アルゴリズムを提案した.それぞれの研究成果については国内学会で発表を行った.

  • クラウド環境における確率モデルに基づく無歪み高圧縮符号化に関する研究

    2011年  

     概要を見る

    膨大な量のディジタルデータが流通する現代において,データ圧縮(情報源符号化)技術は,ネットワーク社会を支える重要な基盤技術のひとつとなっている.現在,主に使われているデータ圧縮技術は80 年代にZiv らによって提案されたLempel-Ziv 法(LZ 法)を基礎においている.具体的には,gzip などの圧縮ツールに用いられている手法である.LZ 法が提案されて以来,LZ法をベースにした改良法の研究が数多くされてきたものの,90 年代後半になると一定の成果を得たことで大きな進展はなくなった.また情報ネットワークの高速化に伴い,アルゴリズムの改善によるメリットが薄れてきたため,圧縮技術に関する研究は1 度は収束を迎えたかのように見えた.しかし近年,ネットワークの高速化が頭打ちになりつつある中,クラウドコンピューティングの発達やディジタルコンテンツの大容量化により,ネットワークトラヒックやサーバの記憶容量は増加の一途を辿っている.そのため,データ圧縮技術のさらなる発展が求められるようになり,今後のネットワーク社会における重要な課題のひとつであると考えられる.データ圧縮アルゴリズムは,圧縮対象となるデータの出現構造に対し,陽に確率モデルを仮定するアルゴリズムと,陽には仮定しないアルゴリズムに分類することができる.前者にはCTW法やベイズ符号など,後者にはLZ 法やその改良法などが含まれる.圧縮アルゴリズムの性能評価は,データのサイズを伸ばしていった時に,圧縮後のファイルのサイズが,圧縮の理論限界であるエントロピーへ収束するのか,また収束する場合にはどれくらいの速さで収束するのか,によって評価される.確率モデルを陽に仮定するアルゴリズムは,エントロピーの収束速度が非常に速い代わりに,仮定した確率モデルに対してしかエントロピーへの収束を保証できない.それに対し,LZ 法などの確率モデルを陽に仮定しないアルゴリズムは,非常に広いモデルのクラスに対してエントロピーへの収束が保証できる代わりに,その収束速度は非常に遅く,有限時点での圧縮性能は必ずしも高くない.現在主流として用いられている圧縮技術のほとんどは,LZ 法をベースとした確率モデルを陽に仮定しないアルゴリズムを用いているため,汎用性は高いものの個々のファイルに対しての圧縮性能は必ずしも高いとは言えず,圧縮率の改善の余地はまだまだあると考えられる.その一方,ベイズ符号などの確率モデルを仮定するアルゴリズムに関する研究は,限られた確率モデルに対する研究しか行われておらず,実用的なデータ構造に対する研究が不十分であるため実用化には至っていない.そこで本研究では,高圧縮率である確率モデルを仮定した圧縮アルゴリズムを,実用的なデータ構造に対して適用することを目的として研究を行った.特に従来テキストデータに対して,非常に高い圧縮率を持ち,理論的最適性の保証することのできるベイズ符号を他のデータ構造に対し拡張し適用を行った.その結果,アルゴリズムを実装する際,ベイズ符号が仮定する確率モデルと,真の確率構造がことなる場合においても,ベイズ符号は一定の圧縮性能を持つ事を理論的に示すことができた.

  • 実用化に向けた高圧縮符号化アルゴリズムに関する研究

    2006年  

     概要を見る

    情報ネットワーク社会において,情報の圧縮技術は欠くことのできない基盤技術である.現在、主に使われている圧縮技術は80年代にZivらによって提案されたLempel-Ziv法(LZ法)を基礎においている.具体的には,gzipなどの圧縮ツールのアルゴリズムで使われている.LZ法が提案されて以来,LZ法をベースにした改良法の研究が数多くされてきた.90年代後半になると,一定の成果を得たことで,大きな進展はなくなり,また情報ネットワークの高速化に伴い,多少の改善によるメリットが薄れてきたため,圧縮技術に関する研究は,一度は収束を迎えたかのように見えた.しかし近年,情報ネットワークの高速化が頭打ちになりつつある中,情報コンテンツの大容量化の速度は依然衰えず,圧縮技術の重要性が増しつつある.そのため,圧縮技術の基礎理論のさらなる発展は今後のネットワーク社会における重要な課題のひとつである.90年代に研究されていたベイズ符号という符号化法がある.この符号は,理論限界を達成することが示されており,他の符号よりも高い圧縮率で圧縮することが可能であることが知られている.従来,ベイズ符号やその他の符号に関する研究では定常な情報源に対しての研究がほとんどであり,より一般的な情報源である非定常情報源に対する研究は少ない.実際に圧縮するデータが非定常性を有することは充分に考えられ,実用化に際しては非定常な情報源に対しても性能が保証される符号の構成が必要となってくる.そこで本研究ではある非定常な情報源のクラスに対し,効率的なベイズ符号の構成法を提案し,それに対する漸近的な性能評価を行った.

 

現在担当している科目 【 表示 / 非表示

全件表示 >>