こちらに共通ヘッダが追加されます。

同志社大学学術リポジトリ

English

このアイテムのアクセス数:202020-07-10 00:25 集計

この文献の参照には次のURLをご利用ください : http://doi.org/10.14988/di.2020.0000000064

閲覧可能ファイル  

※PDFが開かない場合は、IE以外のブラウザで閲覧してください。

ファイル フォーマット サイズ 閲覧数 説明
k1041 pdf  326. KB  10 要旨
zk1041 pdf  793. KB  3

論文情報


データ種別:学位論文

RefWorksRefWorks出力

メタデータID 27119
JaLC DOI 10.14988/di.2020.0000000064
タイトル Clustering and visualization for enhancing interpretation of categorical data
タイトル(その他) カテゴリカルデータの解釈容易性を向上させるためのクラスタリングと視覚化法について
カテゴリカル データ ノ カイシャク ヨウイセイ オ コウジョウ サセル タメ ノ クラスタリング ト シカクカホウ ニツイテ
著者 髙岸, 茉莉子
著者(ヨミ) タカギシ, マリコ
著者(その他) Takagishi, Mariko
高岸, 茉莉子
所属 文化情報学研究科
刊行年月日 2019-09-20
学位種別 課程博士
学位名 博士(文化情報学)
学位記番号 甲 第1041号
学位授与機関 同志社大学
学位授与年月日 2019-09-20
抄録 本論文では大規模カテゴリカルデータのデータ解釈の場面で生じる問題を考えた.データが大規模な場合,クラスター分析や視覚化などで,データの潜在的な構造を調べる方法が有用とされるが,対象ごとにカテゴリの解釈が異なったり,同じ属性でも回答傾向が異なったりすると解釈が複雑になる.本論文ではそのように既存手法をシンプルに適用するのでは解釈が難しいようなデータに対して,よりわかりやすい解釈をするための手法を開発した.
Large-scale categorical data are often obtained in various fields. As an interpretation of large-scale data tends to be complicated, methods to capture the latent structure in data, such as a cluster analysis and a visualization method are often used to make data more interpretable. However, there are some situations where these methods failed to capture the latent structure that is interpretable (e.g., interpretation of categories by each respondent is different). Therefore in this paper, two problems that often occur in large-scale categorical data analysis is considered, and new methods to address these issues are proposed.
本文言語 English (英語)
Japanese (日本語)
カテゴリ 文化情報学研究科
原本所蔵情報へのリンク https://doors.doshisha.ac.jp/opac/opac_link/bibid/BB13112135/?lang=0