■ 論文概要
近年，様々な時系列データが蓄積されている．それらが持つ時間的周期性に着目した分析により，将来予測や状況推定の精度が向上し，リコメンデーションやマーケティングなどの経済効果が期待される．一般的に情報可視化では，まずデータ全体の傾向を俯瞰した上で，情報を縮約して興味深い情報を詳細観察する分析手順が提唱されている．しかしながら時系列データは大容量かつ多属性なため，効果的な俯瞰・縮約を実現する手法は少ない．本論文では，大規模時系列データに対し，データ特性や観察目的に応じた効果的な俯瞰・縮約を実現する．特に，複数の自動抽出指標の導入により，可視化の可読性を向上させるとともに，俯瞰表示の中から縮約による詳細観察にふさわしい興味深い部分を抽出する作業を支援する．
本稿では（１）一般的な多次元時系列データを扱う手法に加え，（２）ライフログや（３）楽譜情報のような，独特なデータにも対応した俯瞰・縮約のための可視化手法の構築を目指す．（１）においてはソート・クラスタリングによる縮約と統計量に基づく属性選択推薦を，（２）においては各ログがどの程度習慣に沿って記録されたものであるかを数値化した習慣度という指標に基づく俯瞰・縮約を，（３）においては楽曲が持つ繰り返し構造の俯瞰と楽曲の骨格となる部分だけを表示する縮約を提案する．

■ 学位を取得して
学位論文を執筆するにあたって，これまでの研究の軸を振り返り，固める機会を得られたことが一番大きな収穫であったと感じています．時代や分野によって，研究テーマは変化していくべきものではあると思いますが，これまでの研究や，これから実現したい研究に「自分らしさ」を見出せたことは，これからの研究者生活に多いに役立つのではないかと思います．また，評価が難しい可視化の分野において，主観評価・客観評価，定性評価・定量評価をどのように組み立てたら，聴き手・読み手を説得できるかを試行錯誤した経験も，非常に勉強になりました．
学位取得に際して多大なるサポートをいただきましたお茶の水女子大学の伊藤貴之教授，審査委員の皆様，伊藤研の皆様，勤務先のNTT研究所，DBSJの皆様に感謝いたします．今後ともご指導ご鞭撻のほど，よろしくお願いいたします．