著者
福田 茂紀 野呂 智哉 加藤 孝史 浅井 達哉 岩下 洋哲 藤重 雄大 福田 貴三郎 大堀 耕太郎
出版者
一般社団法人 経営情報学会
雑誌
経営情報学会 全国研究発表大会要旨集
巻号頁・発行日
vol.202011, pp.97-100, 2021

<p>各地域で実施されるCOVID-19の感染抑制施策は、非常に多くの要因によって成否が左右される。したがって、施策の効果を推定するには、それらの大量の要因を組み合わせて分析する必要がある。そこで、データ項目の組み合わせを網羅的かつ高速に探索し、重要な組み合わせを発見可能なWide Learningを活用し、2020年8月までの各地域における施策の成否を分析する。さらに、この結果に基づき、各地域・各時点においてそれぞれの施策が実施された場合の効果をWhat-If分析により推定する。</p>
著者
吉田 由起子 柳瀬 隆史 加藤 孝史 小柳 佑介 浅井 達哉 大堀 耕太郎
出版者
一般社団法人 経営情報学会
雑誌
経営情報学会 全国研究発表大会要旨集 2019年秋季全国研究発表大会
巻号頁・発行日
pp.70-73, 2019-12-25 (Released:2019-12-23)

選挙候補者の当落を根拠付きで高精度に判定することを目指して、富士通研究所が開発したAI技術「Wide Learning」による選挙当落判定フレームワークを構築した。従来の選挙予測は分析者のスキルや情報源に強く依存する。一方、本研究では AIの入力データとして候補者の公認政党・趣味・主張、選挙区の特性等の公開情報と、有権者からの支持率等の一般的に用いられる調査データを使用することにより、一定の普遍性を有する選挙予測を可能としている。また、高精度の当落予測のみならず当落要因の知識発見も実現している。2016年参院選データで学習したモデルによる 2019年参院選選挙区の候補者の当落判定結果を評価しモデルの有用性について考察する。