武藤?
(1)複数トピックの流行遷移
- 人気のキーワード(トピック)がどのように変遷していくかをモデル化
方法
オプショングラフモデル
- 意思決定のプロセスを権利を行使/待機するモデルで表現する方法
- アクティビティ(意思決定)の状態遷移の分析に利用可能
- 時間と空間で分解することができ，各瞬間・各ノード(アクティビティ)でのアクティビティの価値を測定することができる
オプショングラフモデルの適用
- 従来の「複数トピック流行遷移モデル」に適用
- 変数や制約をオプショングラフモデルのモノに置き換える
オプショングラフモデルの適用に関して
- 時間と空間に分解する意味
- Lotka–Volterra遅延微分方程式(Lorenz-Spreen, P., Mønsted, B.M. et al., 2019)
で十分複数トピックの流行遷移を見れている(パラメータ同定も確立されている)
- 時間・空間で分解する意味を考える必要
- オプションと流行遷移
- 権利の行使・待機=意識的にアクティビティを切り替える戦略を立てている
- 流行の変遷自体には意思決定が働いていないのでは？
- 生き残るための戦略を単語が考えて動いていると捉えられる？
- 確率で変遷するor人の行動で人気が勝手に流れていった=単語が意図的にそうした？
→確率制御をもっと勉強すべき
修論の目的は？
本質的な面
- 流行遷移モデルで次に流行るトピックを予測マーケティングに生かせるようにする？
→さらに細かく
技術的な面
- 複数トピック遷移モデルを作成し，未知パラメータを同定すること？
→出てくる遷移曲線のデータセット当てはまりを見る？
(0)マルチエージェント×ソーシャルネットワークシミュレーション
大まかな流れ
- 世の中に存在する人と人が結び付いた社会ネットワークの中で起こっている現象を微分方程式でモデル化
- 実際に現象が起こっていることが分かるデータセットを収集する。
- もしくは、自分でデータを集めて「このような傾向がある」ことを分析する
- 微分方程式をエージェント間の相互作用を表現した行列で表す。
- 作ったモデルを基にマルチエージェントシミュレーションを実行し、データセット(or分析結果)通りのことが起こっているのか検証
- 生じている現象を解決できるor全エージェントが目的の動きとなるようなフィードバック行列を考え、微分方程式の行列に加えて変更
- 再シミュレーションを行い、現象が少しでも改善できていることを示す。
社会モデルの案
- Twitterネットワーク
- 災害や感染症流行などの話題に対するユーザのツイートの動きを分析する研究が多いため
現状の課題
実データの取集
- ぴったり当てはまるデータセットがあれば良いが、ない場合はそのデータセットに依存して社会現象をモデリングすることになる
- データセットが全くない場合、自分データを集め(Twitter APIなど)データにどんな傾向があるのかを分析する必要
モデル化
- どんな微分方程式モデルを採用するか？(or自分でどう作るか？)
シミュレーション
- 作ったモデルを適切に動かせるマルチエージェントシミュレーションのライブラリの選定が必要
シミュレーション結果と実データの妥当性
- 実データ通りの傾向がシミュレーションで見出せない場合のバックアップ策が必要
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
