Enviar pesquisa
Carregar
首都圏における帰宅困難者のモデリング 中間報告
•
0 gostou
•
636 visualizações
ybenjo
Seguir
https://sites.google.com/site/prj311/
Leia menos
Leia mais
Tecnologia
Vista de apresentação de diapositivos
Denunciar
Compartilhar
Vista de apresentação de diapositivos
Denunciar
Compartilhar
1 de 8
Baixar agora
Baixar para ler offline
Recomendados
Overcoming browser cookie churn with clustering in wsdm2012 reading
Overcoming browser cookie churn with clustering in wsdm2012 reading
ybenjo
R's anti sparseness
R's anti sparseness
ybenjo
patent analysis(LDA) and spotfire
patent analysis(LDA) and spotfire
ybenjo
Personalized next-song recommendation in online karaokes(Recsys 2013)
Personalized next-song recommendation in online karaokes(Recsys 2013)
ybenjo
Nonlinear latent factorization by embedding multiple user interests(Recsys 2013)
Nonlinear latent factorization by embedding multiple user interests(Recsys 2013)
ybenjo
Topic Model Survey (wsdm2012)
Topic Model Survey (wsdm2012)
ybenjo
とあるサイトの禁書目録(アクセスログ)
とあるサイトの禁書目録(アクセスログ)
ybenjo
useR!2010 matome
useR!2010 matome
ybenjo
Recomendados
Overcoming browser cookie churn with clustering in wsdm2012 reading
Overcoming browser cookie churn with clustering in wsdm2012 reading
ybenjo
R's anti sparseness
R's anti sparseness
ybenjo
patent analysis(LDA) and spotfire
patent analysis(LDA) and spotfire
ybenjo
Personalized next-song recommendation in online karaokes(Recsys 2013)
Personalized next-song recommendation in online karaokes(Recsys 2013)
ybenjo
Nonlinear latent factorization by embedding multiple user interests(Recsys 2013)
Nonlinear latent factorization by embedding multiple user interests(Recsys 2013)
ybenjo
Topic Model Survey (wsdm2012)
Topic Model Survey (wsdm2012)
ybenjo
とあるサイトの禁書目録(アクセスログ)
とあるサイトの禁書目録(アクセスログ)
ybenjo
useR!2010 matome
useR!2010 matome
ybenjo
Preserving Personalized Pagerank in Subgraphs(ICML 2011)
Preserving Personalized Pagerank in Subgraphs(ICML 2011)
ybenjo
AJACS HONGO8 (mining in DBCLS)
AJACS HONGO8 (mining in DBCLS)
ybenjo
AJACS17
AJACS17
ybenjo
Predicting Cancel Users in Offline Events
Predicting Cancel Users in Offline Events
ybenjo
首都圏における帰宅困難者のモデリング 最終報告
首都圏における帰宅困難者のモデリング 最終報告
ybenjo
Link prediction
Link prediction
ybenjo
Modeling intransitivity in matchup and comparison data (WSDM 2016)
Modeling intransitivity in matchup and comparison data (WSDM 2016)
ybenjo
anohana
anohana
ybenjo
Query Suggestion @ tokyotextmining#2
Query Suggestion @ tokyotextmining#2
ybenjo
Mais conteúdo relacionado
Destaque
Preserving Personalized Pagerank in Subgraphs(ICML 2011)
Preserving Personalized Pagerank in Subgraphs(ICML 2011)
ybenjo
AJACS HONGO8 (mining in DBCLS)
AJACS HONGO8 (mining in DBCLS)
ybenjo
AJACS17
AJACS17
ybenjo
Predicting Cancel Users in Offline Events
Predicting Cancel Users in Offline Events
ybenjo
首都圏における帰宅困難者のモデリング 最終報告
首都圏における帰宅困難者のモデリング 最終報告
ybenjo
Link prediction
Link prediction
ybenjo
Modeling intransitivity in matchup and comparison data (WSDM 2016)
Modeling intransitivity in matchup and comparison data (WSDM 2016)
ybenjo
anohana
anohana
ybenjo
Query Suggestion @ tokyotextmining#2
Query Suggestion @ tokyotextmining#2
ybenjo
Destaque
(9)
Preserving Personalized Pagerank in Subgraphs(ICML 2011)
Preserving Personalized Pagerank in Subgraphs(ICML 2011)
AJACS HONGO8 (mining in DBCLS)
AJACS HONGO8 (mining in DBCLS)
AJACS17
AJACS17
Predicting Cancel Users in Offline Events
Predicting Cancel Users in Offline Events
首都圏における帰宅困難者のモデリング 最終報告
首都圏における帰宅困難者のモデリング 最終報告
Link prediction
Link prediction
Modeling intransitivity in matchup and comparison data (WSDM 2016)
Modeling intransitivity in matchup and comparison data (WSDM 2016)
anohana
anohana
Query Suggestion @ tokyotextmining#2
Query Suggestion @ tokyotextmining#2
首都圏における帰宅困難者のモデリング 中間報告
1.
首都圏における 帰宅困難者のモデリング
野良分析チーム @y_benjo, @harapon, 他2名
2.
問題意識
• 「何故帰宅困難者が発生したのか?」 • 発生要因は何か? • 地理的要因,鉄道網の停止,情報拡散,意思決定…? • 次の自然災害での帰宅困難者発生の軽減に繋げる http://ja.wikipedia.org/wiki/%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB:2011_Sendai_earthquake_Shinjuku_Station.JPG
3.
現状の取り組み • ✔ 基礎統計 •
首都圏での人口動向 • ✔ 帰宅困難者発生地域の抽出,予測 • 通勤者の帰宅意思決定行動モデル • 位置情報付きtweetからの情報抽出
4.
基礎統計 人口上位1000メッシュのday-to-dayの人口変化
200万人
5.
帰宅困難者発生地域抽出
・震災前と比べ大 きく人口が増加/減 少した地域の抽出 二子玉川 ・機械学習によっ ディズニー て精度75%ほどで 羽田空港 予測が可能に 川崎
6.
帰宅意思決定行動モデル • 帰宅しようとした人の意思決定をモデル化 • 何故職場/学校等に待機しなかったのか •
何が要因で帰宅しようとしたのか 帰宅するか 徒歩で帰宅 待機するか 公共交通で帰宅 朝まで待機 • 要因をラベリング,のちモデル化 • 位置情報付きtwからユーザーごとに手作業で要因抽出 • (110名での)モデリングはできそう,次は大規模化
7.
位置情報付きtwからの情報抽出 • 前アプローチとは真逆の自然言語処理的手法 •
対象: 首都圏の震災直後∼翌朝のtweet約25,000件 • 現状 • 地域と発言時間を考慮したモデル→微妙な結果に • 失敗例: 横浜近くで「横浜駅」が特徴的に • 動詞などに絞って再実験する必要あり
8.
課題・問題点 • 意志決定行動モデルについて •
特徴量の生成をNLP技術でもっと大規模にしたい • tweetからの情報抽出 • 位置関係と時間をもっと上手く扱うには? • ユーザの移動行動とtweetを結びつけるには?
Baixar agora