長期的な視野を必要とするタスクでは遠い将来まで正確に予測できる世界モデルが必要不可欠となる．時系列をサブ系列とよばれるまとまりへ分割し，そのまとまり間の時間的に抽象化された遷移を学習する階層状態空間モデルは，長期予測を可能にする手法として注目されている．しかし，サブ系列長に関する制約や観測の劇的な変化に依存して階層構造を決定する既存手法は，最適なサブ系列長が変動する場合や観測の変化が緩やかである場合に性能が低下する問題がある．本研究では，時系列中に存在する再利用性の高い頻出パターンに基づいた階層状態空間モデルの構築方法を提案する．提案手法は，潜在状態の予測誤差および不確実性を手がかりにして頻出パターンを抽出する．それらのパターンに対応する高レベルの潜在表現を獲得することで，遷移の複雑さが軽減され，効率的な長期予測が可能となる．実験では，提案手法が動画予測性能において従来手法を上回ることが示され，頻出パターンに基づいた階層構造が長期予測に有用であることが示唆された．
