ビッグデータ解析を目指した自己組織化マップにおける学習の検討

抄録

近年、ビッグデータの解析が注目されている。そこで、SOMが有する可視化機能に着目して、大規模データの解析を試みた。本研究では、佐賀大学へ寄せられた求人票の中から、840社の企業情報を抽出してSOMの学習に用いた。先行研究によれば、ビッグデータ解析の本質は、競合層の大きさとデータ数の比率にあると予想される。そこで、本研究では、競合層のサイズを35x35、40x40、45x45、50x50、55x55の5段階で変化させて計算機シミュレーションを行い、そのときの学習について調査した。その結果，確かに競合層が大きくなると勝者ニューロンの重複の度合いが低下していき，分布も均一に近付き、当初、予想した特徴マップが獲得されることが判明した。