「大規模データストリームのための履歴情報を用いたカーネル法の拡張」

［論文概要］

　動的な大規模データストリームに有効に作用するストリームカーネル法を提唱した。これは、データストリームのある時点のデータだけでなく、そこから遡及して得られるいくつかの履歴情報をまとめた構造データを入力に用いるカーネル関数の枠組みであり、履歴情報から得られるデータストリームの時間的変化を特徴にするものである。約70万件の実データによる実験において、ストリームカーネルによる非線形サポートベクターマシン（SVM）は，従来の非線形SVMよりも1.4倍の顕著な識別精度の向上を示した。



［推薦理由］

　データストリームは，新しいタイプの大規模データとして注目を集めている．金融や流通における取引記録やネットワーク監視システムの通信記録などその典型例であり，今後その応用の拡大が見込まれている．このような背景を受け，本論文では非線形サポートベクターマシンを利用した新たなデータストリーム識別手法を提案している．従来の機械学習やデータマイニングの手法では，時間とともに複雑な変化を伴うデータストリームの識別は困難であった．これに対し著者らは，リアルタイムのデータと過去の履歴データを組み合わせた畳み込みカーネルを提案し，その結果，識別精度を大幅に改善することに成功している．本論文は，技術的な内容の高さに加えて，今後幅広い社会的応用が期待されることから，論文賞に値するものと判断した．