| 講演名 | 2021-03-01 時系列を考慮したモバイルユーザのコンテキスト分析と推定手法の比較検討 清水 寛生(早大), 菅沼 睦(早大), 亀山 渉(早大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年，顧客行動分析等の分野において，モバイルユーザの行動分析への需要が高まっている．筆者らの研究では，生体情報を含むセンサデータを用いて様々な機械学習によってモバイルユーザのコンテキストを分析及び推定する実験を行い，時系列を考慮した畳み込みニューラルネットワーク（CNN）によって97％を超える推定精度が得られている．しかしながら，被験者が2名と少なく，機械学習の各種パラメータの最適化についての検討が不十分であった．そこで，本稿では，8名の被験者による実験を行い，CNNを含んだ様々な機械学習のパラメータを検討し，コンテキストの分類精度を比較検討した．その結果，多くの被験者でCNNによるマクロ平均F1値が最も高く，その値も98％を超えたことから，時系列を考慮した解析手法の有用性及び汎用性が示唆された． |
| 抄録(英) | Recently, the demand for analyzing mobile user’s activities has been increasing in the fields such as customer behavior analysis. In our previous study, we conduct mobile user’s context analysis and estimation using various sensor data of mobile phone and user’s bio-signals, and achieve the accuracy of more than 97% by applying convolutional neural network (CNN) considering the time series of data. However, the number of subjects is limited to 2, and the optimization of various parameters for machine learning methods is not sufficiently studied. So, in this paper, we increase the number of subjects to 8, and compare the accuracy of context analysis and estimation by examining various parameters for machine learning methods including CNN. The results show that CNN achieves the highest macro F1-score for many of the subjects where its values are more than 98%. Therefore, it is suggested that the proposed methods considering the time series of data are effective and versatile. |
| キーワード(和) | モバイルユーザ / 行動分析 / コンテキスト分析 / コンテキスト推定 / 生体情報 / センサデータ / CNN |
| キーワード(英) | Mobile User / Behavior Analysis / Context Analysis / Context Estimation / Bio-signal / Sensor Data / CNN |
| 資料番号 | CQ2020-107 |
| 発行日 | 2021-02-22 (CQ) |
| 研究会情報 | |
| 研究会 | MVE / IMQ / IE / CQ |
|---|---|
| 開催期間 | 2021/3/1(から3日開催) |
| 開催地（和） | オンライン開催（崇城大学から変更） |
| 開催地（英） | Online |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般 （魅力工学（AC）研究会協賛） |
| テーマ（英） | |
| 委員長氏名（和） | 井原 雅行(NTT) / 中口 俊哉(千葉大) / 木全 英明(NTT) / 下西 英之(NEC) |
| 委員長氏名（英） | Masayuki Ihara(NTT) / Toshiya Nakaguchi(Chiba Univ.) / Hideaki Kimata(NTT) / Hideyuki Shimonishi(NEC) |
| 副委員長氏名（和） | 清川 清(奈良先端大) / 前田 充(キヤノン) / 魚森 謙也(阪大) / 児玉 和也(NII) / 高橋 桂太(名大) / 岡本 淳(NTT) / 平栗 健史(日本工大) |
| 副委員長氏名（英） | Kiyoshi Kiyokawa(NAIST) / Mitsuru Maeda(Canon) / Kenya Uomori(Osaka Univ.) / Kazuya Kodama(NII) / Keita Takahashi(Nagoya Univ.) / Jun Okamoto(NTT) / Takefumi Hiraguri(Nippon Inst. of Tech.) |
| 幹事氏名（和） | 西口 敏司(阪工大) / 横山 正典(NTT) / 福嶋 政期(東大) / 大橋 剛介(静岡大) / 齊藤 新一郎(ソニーセミコンダクタソリューションズ) / 海野 恭平(KDDI総合研究所) / 福嶋 慶繁(名工大) / 木村 共孝(同志社大) / 山中 広明(NICT) / アベセカラ ヒランタ(NTT) |
| 幹事氏名（英） | Satoshi Nishiguchi(Oosaka Inst. of Tech.) / Masanori Yokoyama(NTT) / Shogo Fukushima(Univ. of ToKyo) / Gosuke Ohashi(Shizuoka Univ.) / Shinichiro Saito(Sony Semiconductor Solutions) / Kyohei Unno(KDDI Research) / Norishige Fukushima(Nagoya Inst. of Tech.) / Tomotaka Kimura(Doshisha Univ.) / Hiroaki Yamanaka(NICT) / Hirantha Abeysekera(NTT) |
| 幹事補佐氏名（和） | 磯山 直也(奈良先端大) / 原 豪紀(大日本印刷) / 後藤 充裕(NTT) / 工藤 博章(名大) / 土田 勝(NTT) / 平井 経太(千葉大) / 岩村 俊輔(NHK) / 工藤 忍(NTT) / 西川 由明(NEC) / 木村 拓人(NTT) / 堅岡 良知(KDDI総合研究所) |
| 幹事補佐氏名（英） | Naoya Isoyama(NAIST) / Takenori Hara(DNP) / Mitsuhiro Goto(NTT) / Hiroaki Kudo(Nagoya Univ.) / Masaru Tsuchida(NTT) / Keita Hirai(Chiba Univ.) / Shunsuke Iwamura(NHK) / Shinobu Kudo(NTT) / Yoshiaki Nishikawa(NEC) / Takuto Kimura(NTT) / Ryoichi Kataoka(KDDI Research) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Media Experience and Virtual Environment / Technical Committee on Image Media Quality / Technical Committee on Image Engineering / Technical Committee on Communication Quality |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 時系列を考慮したモバイルユーザのコンテキスト分析と推定手法の比較検討 |
| サブタイトル（和） | |
| タイトル（英） | A Comparison of Context Analysis and Estimation Methods for Mobile Users Considering the Time Series of Data |
| サブタイトル（和） | |
| キーワード(1)（和/英） | モバイルユーザ / Mobile User |
| キーワード(2)（和/英） | 行動分析 / Behavior Analysis |
| キーワード(3)（和/英） | コンテキスト分析 / Context Analysis |
| キーワード(4)（和/英） | コンテキスト推定 / Context Estimation |
| キーワード(5)（和/英） | 生体情報 / Bio-signal |
| キーワード(6)（和/英） | センサデータ / Sensor Data |
| キーワード(7)（和/英） | CNN / CNN |
| 第 1 著者 氏名（和/英） | 清水 寛生 / Hiromi Shimizu |
| 第 1 著者 所属（和/英） | 早稲田大学(略称：早大) Waseda University(略称：Waseda Univ.) |
| 第 2 著者 氏名（和/英） | 菅沼 睦 / Mutsumi Suganuma |
| 第 2 著者 所属（和/英） | 早稲田大学(略称：早大) Waseda University(略称：Waseda Univ.) |
| 第 3 著者 氏名（和/英） | 亀山 渉 / Wataru Kameyama |
| 第 3 著者 所属（和/英） | 早稲田大学(略称：早大) Waseda University(略称：Waseda Univ.) |
| 発表年月日 | 2021-03-01 |
| 資料番号 | CQ2020-107 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | CQ-392 |
| ページ範囲 | pp.1-5(CQ), |
| ページ数 | 5 |
| 発行日 | 2021-02-22 (CQ) |