いつどこで何が起きるかを理解し、予測し、制御する
点過程と機械学習を組み合わせたイベント時系列解析とその応用
NTT コミュニケーション科学基礎研究所 協創情報研究部 知能創発環境研究グループ 特別研究員
金秀明
金秀明
ある出来事（イベント）の発生タイミングを事前に予測することができれば、事前対策によってリスクを軽減、あるいはその機を最大限活用することができます。例えば、機器が故障する前に予防保全を実施する、顧客が来店する直前に割引クーポンを配布し購買を促進するなどが挙げられます。イベントに関するデータを解析し発生タイミングを予測する枠組みは「イベント時系列解析」と呼ばれます。本講演では、機械学習に基づくイベント時系列解析を通じて、イベントの発生メカニズムの特定と将来予測に関する最新の取り組みをご紹介します。
関連文献
[1] S. Flaxman, Y. W. Teh, D. Sejdinovic, “Poisson intensity estimation with reproducing kernels,” in Proc. 20th International Conference on Artificial Intelligence and Statistics (AISTATS), 2017.
[2] H. Kim, “Survival permanental processes for survival analysis with time-varying covariates,” in Advances in Neural Information Processing Systems (NeurIPS), 2023.
[3] H. Kim, T. Iwata, A. Fujino, “K2IE: Kernel method-based kernel intensity estimators for inhomogeneous Poisson processes,” in Proc. 42nd International Conference on Machine Learning (ICML), 2025.
[4] H. Kim, T. Iwata, “A representer theorem for Hawkes processes via penalized least squares minimization,” in Proc. 14th International Conference on Learning Representations (ICLR), 2026.
[5] H. Kim, T. Kurashima, “Effective strategy of financial incentive for exercise adherence,” Jxiv 298, 2023.
金秀明
2007 年東北大学理学部物理学科卒業。2013 年京都大学大学院理学研究科博士課程修了。博士（理学）。同年、日本電信電話株式会社（現 NTT 株式会社）入社。2017 年から NTT データ在籍を経て、2019 年より現職。機械学習、時系列解析の研究に従事。