1. ホーム
  2. 研究について
  3. コミュニケーション科学分野  田中研究室

コミュニケーション科学分野  田中研究室

社会的な複雑系を数理的に捉える

言語、金融、コミュニケーションは社会的な系で、このような大規模な社会的な系にはいくつか普遍的な共通の数理的性質があることが知られています。本研究室ではビッグデータを検証することを通して、この性質を正確に捉える試みを行い、得られた基礎的な理解に基づいて、社会実装につながる工学応用を模索しています。

社会的な複雑系に内在する数理

自然言語、金融、コミュニケーションネットワーク(Twitter)など、人が社会活動で用いる複雑系には、それぞれ統計物理的な経験則が知られており、共通する性質があることが伺えます。研究室では、大規模な実データに基づき、自己相似性、複雑さや揺らぎなどの観点から、系の数理的特性を探求しています。また、複数の複雑系に共通する現象の中の本質を捉える試みを行っています。

複雑系向き深層学習・機械学習手法

記号的な複雑系に関する数理的理解を元に、深層学習・機械学習が適切な処理を行いうるのか、その可能性と限界を吟味し、学習方法の改良の方向性を探ります。また、現行の学習の技法を基礎として、半教師有り・教師無し学習の手法を模索しています。

ビッグデータを利用した言語・金融・コミュニケーションの数理

多種多様の大規模なデータを用いて、言語や金融といった社会的な記号系がどのような性質を持つかを、統計、情報理論、ネットワーク科学の観点から探ります。個別分野に絞った研究に加え、分野横断的なアプローチをとることで、共通する現象の中に本質を捉える試みを行っています。たとえば、報道やTwitter、さらに会社のネットワークをふまえて金融の解析や予測など応用研究のほか、自然言語の生成モデルとしての複雑ネットワーク構造などの基礎的な探求も行っています。

さまざまなデータでの揺らぎの分布
さまざまなデータでの揺らぎの分布
マルコフモデル (左), 深層学習モデル(中)により確率的に生成された時系列と、人の文書 (右)におけるTaylor則
マルコフモデル (左), 深層学習モデル(中)により確率的に生成された時系列と、人の文書 (右)におけるTaylor則

メンバー

  •  田中 久美子 教授
  • 専門分野:離散的な時系列やネットワークの数理モデル、記号系の複雑系科学、機械学習/深層学習、計算言語学、情報記号論
<2019年5月現在>

関連タグ

ページの先頭へ戻る