[2J1-GS-10] AI応用：移動・交通

[2J1-GS-10-05] ユーザー間の相関と周期性を活用した行動予測モデルにおける外れ値検出の最適化

〇設楽 朗人¹ (1. 京都大学)

キーワード：異常検知、時系列予測、ニューラルネットワーク

本研究においては時系列予測をアプリケーションに組み込むことを考える．時系列予測には基盤モデルを用い，ファインチューニングなどは行わず事前学習のみで予測を行う．また，本研究ではアプリケーションユーザー間の行動に相関関係，周期性が存在することを仮定している．
時系列予測を行う上で系列中に発生する外れ値が，日時に依存する特異な値（イベントと呼称する）であるのか，ユーザー固有の外れ値であるのかを識別するのは難しい．
なぜなら，どちらも似たようなパターンを示す上に，識別には外れ値を示した日時がイベント期間内であるかどうかの情報を予め知っておく必要があるためである．
本研究においては，イベント日時の情報を事前に与えず，さらに基盤モデルの一般性の維持のためモデル自体に変更を加えることなく，イベントのパターンと外れ値を識別する手法を提案する．
ユーザーの行動を模した模擬データを実際に時系列予測を取り入れたアプリケーションに導入し，本手法を使う場合と使わない場合の予測結果を比較することで，基盤モデルに対して本手法を用いることでイベントの発生傾向を踏まえた予測を行うことができるようになることを示した．