抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ビジネスデータの主流な解析方法であるOLAP(online analytical processing)を効率的に行うため,例外的な分析観点や部分データを自動探索し有用性の高い分析結果を分析者に推薦する技術が注目されている。既存技術では,販売データ等の時期性や地域性の影響が大きいデータにおいて,局所性を考慮して時期性や地域性が例外的な部分データを特定することができない。しかしこれは,部分データの時期性や地域性を局所的に見て分析結果の例外度を評価することで解決できる。本研究では,1)局所例外部分データの自動探索手法と,2)自動探索手法の高速化手法を提案する。提案手法の特徴として,1)自動探索手法では部分データの例外度の定量化に局所外れ値検知手法LOFを用いている点,2)高速化手法では部分データ探索空間をセル分割することによる効率的なk近傍探索と,セルの重心点によるLOFの上限・下限の推定を行っている点が挙げられる。高速化手法の実行時間を計測した結果,高速化なしの手法と比較して最大約2倍の速度上昇を確認でき,部分データの数が増えるほど大幅に性能が改善する。(著者抄録)