2023/05/08 更新

写真a

ナカノ　ミユキ
中野　美由紀
NAKANO Miyuki
所属
学芸学部 情報科学科 教授
職名
教授

学位

  • 博士（情報理工学） （ 2007年3月   東京大学 ）

  • 理学士 （ 1980年3月   東京大学 ）

研究キーワード

  • データ工学

  • データサイエンス

  • データベース・システム

  • 情報学

研究分野

  • 情報通信 / ウェブ情報学、サービス情報学

  • 情報通信 / 計算機システム

  • 情報通信 / ソフトウェア

  • 情報通信 / データベース

学歴

  • 東京大学    

    1976年4月 - 1981年3月

経歴

  • 津田塾大学   学芸学部 情報科学科   教授

    2019年4月 - 現在

所属学協会

  • 日本データベース学会

    2002年6月 - 現在

  • IEEE

    1991年12月 - 現在

  • 電子情報通信学会

    1991年6月 - 現在

  • 情報処理学会

    1989年4月 - 現在

委員歴

  • 日本データベース学会   監事  

    2022年6月 - 現在   

    　 詳細を見る

    団体区分：学協会

  • 情報処理学会   監事  

    2021年6月 - 現在   

    　 詳細を見る

    団体区分：学協会

  • 内閣府評価専門調査委員会   委員  

    2019年4月 - 2021年4月   

    　 詳細を見る

    団体区分：学協会

 

論文

  • ウェブデータ分析による飲食店提案サービス”OAISO”におけるコンテンツ解析とその評価 査読

    中野美由紀, 大野隼一, 神原嘉人,五藤大介, 杉中宏亮, 須田真彦, 曽根啓佑

    産業技術大学院大学　紀要   ( 12 )   83 - 88   2019年1月

    　詳細を見る

    担当区分：筆頭著者   記述言語：日本語   掲載種別：研究論文（大学，研究機関等紀要）  

  • イベント参加者数を用いた都市における混雑度予測サービス eyekon 査読

    中野美由紀，新井教広，一ノ木繁，金丸正憲，鎌柄拓史，小林峻，吉野悦朗

    産業技術大学院大学　研究紀要   ( 11 )   85 - 90   2018年1月

    　詳細を見る

    担当区分：筆頭著者   記述言語：日本語   掲載種別：研究論文（大学，研究機関等紀要）  

  • Power-effective File Layout based on Large　Scale Data-intensive Application in Virtualized Environment 査読

    Shunsuke YAGAI Masato OGUCHI Miyuki NAKANO Saneyasu YAMAGUCHI

    IEICE TRANSACTIONS on Information and Systems, E100-D, No.12, pp.2761-2770   E100-D ( 12 )   2761 - 2770   2017年12月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

  • IXM:ロボット制御ソフトウエア向け プロセス間通信ミドルウエア 査読

    菅谷みどり, 松原豊, 住谷拓馬, 中野美由紀

    情報処理学会論文誌, 58巻-10号, pp.1578-1590   58 ( 10 )   1578 - 1590   2017年10月

    　詳細を見る

    記述言語：日本語   掲載種別：研究論文（学術雑誌）  

  • 価値を創造するためのビッグデータ利活用技術 査読

    中野美由紀

    産業技術大学院大学　紀要   ( 10 )   127 - 132   2017年1月

    　詳細を見る

    担当区分：筆頭著者   記述言語：日本語  

  • Energy aware RAID Configuration for Data Intensive　Applications in Enterprise Storages 査読

    Norifumi Nishikawa, Miyuki Nakano, Masaru Kitsuregawa

    International Journal of Computational Science and Engineering archive   11 ( 3 )   227 - 238   2015年10月

    　詳細を見る

    記述言語：英語   掲載種別：研究論文（学術雑誌）  

  • Application Sensitive Energy Management Framework for Storage Systems 査読

    Norifumi Nishikawa, Miyuki Nakano, Masaru Kitsuregawa

    IEEE Transactions on Knowledge and Data Engineering, Vol.27, No.9, pp.2335-2348   27 ( 9 )   2335 - 2348   2015年9月

    　詳細を見る

    担当区分：責任著者   記述言語：英語   掲載種別：研究論文（学術雑誌）  

    DOI： 10.1109/TKDE.2015.2416737

  • SSDを用いた大規模データベースにおける複数問合せ処理高速化手法とその評価 査読

    鈴木恵介、早水悠登、横山大作、中野美由紀、喜連川優

    日本データベース学会和文論文誌、Vol.13-j, No.2, pp.19-25   13-j ( 2 )   19 - 25   2015年2月

    　詳細を見る

    記述言語：日本語   掲載種別：研究論文（学術雑誌）  

▼全件表示

講演・口頭発表等

  • A Method for Estimating Online Chess Game Player Ratings with Decision Tree 国際会議

    Habuki Yamada; Nobuko Kishi; Masato Oguchi; Miyuki Nakano

    2023 IEEE International Conference on Big Data and Smart Computing (BigComp)  2023年2月15日  IEEE

    　詳細を見る

    開催年月日： 2023年2月14日 - 2023年2月16日

    記述言語：英語   会議種別：ポスター発表  

    開催地：Korea, chedu iland   国名：大韓民国  

    Chess is a popular game among many people worldwide and is frequently played online. Although players are ranked based on existing rating systems, automation is essential for coordinating matches in tournaments with thousands of participants. In this study, we analyzed the game records of highly skilled chess players and determined appropriate ratings for players without ratings by using a decision tree model. It was determined that high-rated and low-rated players could be identified with accuracy levels above 80%, even for players who were not included at the time of model training.

    DOI： 10.1109/BigComp57234.2023.00066

  • オンラインチェスログを用いたチェスプレイヤーランキングの推定に関する考察

    山田　飛、小口　正人、中野美由紀

    第21回情報科学技術フォーラム（FIT2022）  2022年9月13日  情報処理学会、電子情報通信学会

    　詳細を見る

    開催年月日： 2022年9月13日 - 2022年9月15日

    記述言語：日本語   会議種別：口頭発表（一般）  

    開催地：慶応大学日吉キャンパス   国名：日本国  

    オンライン対戦を含めたスポーツやゲームの対戦等では、 過去のゲーム実績をもとにプレイヤーのランキングを行っ たり、トーナメントの対戦配置を行なったりしている。具 体的には、初戦等の早い段階で強いプレイヤー同士が対戦 しないようにシード制の決定などが挙げられる。 チェスは世界的に多くの人に親しまれているゲームで、 大会も多く開催され、またオンライン上での対戦も頻繁に 行われている。例えば、オンラインチェスサーバ Lichess[1]では過去の棋譜が数多く公開され、オープント ーナメントには 4000 人の参加者がいる。すでに Elo レー ティング[2]や Glicko レーティング[2]といった既存のレー ティングシステムに基づくチェスプレイヤーのランキング が行われているが、数千人の参加者がいる大会などで対戦 を調整するための自動化は必須である。 本研究ではチェスプレイヤーを対象に棋譜の分析を行い、 レーティングのない選手に対し、適切なレーティングを決 定できるかについて検討する。

受賞

  • 電子情報通信学会　フェロー

    2015年6月   電子情報通信学会  

    　中野　美由紀

    　詳細を見る

    受賞区分：国内外の国際的学術賞  受賞国：日本国

  • 日本データベース学会　論文賞

    2015年6月   日本データベース学会  

    鈴木 恵介，早水 悠登，横山 大作，中野 美由紀，喜連川 優

    　詳細を見る

    受賞区分：国内学会・会議・シンポジウム等の賞  受賞国：日本国

  • 電子情報通信学会　会長特別表彰（i-Scover検索システム構築）

    2014年6月   電子情報通信学会  

    中野　美由紀

    　詳細を見る

    受賞国：日本国

  • Australasian Database Conference 2011 Best Paper Award

    2011年1月   Austrarian Database Society  

    Norifumi Nishikawa, Miyuki Nakano, Masaru Kitsuregawa

    　詳細を見る

    受賞区分：国際学会・会議・シンポジウム等の賞  受賞国：オーストラリア連邦

  • 電子情報通信学会　論文賞

    1992年6月   電子情報通信学会  

    喜連川　優, 中野　美由紀

    　詳細を見る

    受賞区分：国内学会・会議・シンポジウム等の賞  受賞国：日本国

共同研究・競争的資金等の研究

  • コンテンツ指向のデータモデルライフサイクルを支援するデータベースの研究開発

    研究課題/領域番号：18K11318  2018年04月 - 2022年03月

    科学研究費助成事業  基盤研究(C)

    中野 美由紀

    　 詳細を見る

    配分額：3900000円 （ 直接経費：3000000円 、 間接経費：900000円 ）

    本研究では、コンテンツを主体とした効率のよい「データモデルのライフサイクル」を支援するデータベース環境を確立するために、データモデルのライフサイクルを典型的なデータ解析処理（単純ベイズ、クラスタリング、深層学習等）と具体的事例（政府統計データ、オープンデータ）を用いてコンテンツ主体のデータ管理手法を設計し、「データモデルのライフサイクル」の支援の有効性について具体的事例を基に検討する。初年度から行っている「データモデルのライフサイクル」および「知識発見プロセス」の過程からコンテンツと共にあるべきログ情報（クレンジングの過程、特徴量抽出や学習過程等）およびライブラリィ情報（処理アルゴリズム、最終の予測・推定モデル等）に関する検討を行うための、実験環境の準備、整備を行い、予備実験として簡単なアプリケーションを構築を引き続き継続すると共に、得られた知見を基に機械学習のモデル・ルールのライフサイクルあるいは持続的な運用を支援するデータ基盤としての機能（モデルが利用するデータ群および特徴量、構築に用いられたデータログ、データ変化の統計量の保持・更新）について検討を行った。
    昨年度は主として新曲が多く発表される音楽を対象に、音楽配信サイトのデータを利用し、感情空間上にマッピングした音楽データベースの構築を行い、感情空間上における音楽データベースの特徴量の有用性について解析を行った。また、この感情空間上の音楽データベースを利用した音楽推薦システムを構築し、推薦のためのモデルを対象に、モデルのライフサイクルとして、人気度による時間的変動についての解析実験を行いを詳細に行い、ユーザ嗜好と合わせてモデルの精度との関連を記録するためのデータベースにおけるデータ変化の定量的指標に向けての検討を行った。また、短期間スケジュール推薦システムを構築し、短期間で変動するウェブ上のデータの変化を追跡した。
    データ解析とあわせて、モデルの精度の変化および関連したデータの変化のログ収集のフレームワークを設計した。
    音楽推薦システム、スケジュール推薦システムなどの異なるデータを用いたモデル・ルールを利用することで、さらなるデータ変化とモデル変化の関連性を明らかにし、機械学習のモデル・ルールのライフサイクルあるいは持続的な運用を支援するデータ基盤のフレームワークを確定する。