社会グルーミングは、社会的絆の強化、社会的階層の強化、ストレスの軽減など、さまざまな社会的機能に役立つ多くの霊長類の種の広範な行動です。以前の研究では、視覚的な観察または動物の取り付けセンサーから収集された加速信号の手動注釈によって、社会的グルーミングが特定できることが示されています。ただし、このような手動のラベルは時間がかかり、専門知識が必要です。野生の霊長類における社会グルーミング行動の大規模な監視を促進するために、加速信号からの社会グルーミングの自動識別のための機械学習アプローチを提案します。 100時間以上のソーシャルグルーミングと500時間以上の非社会的グルーミングアクティビティを含む、野生のヒヒから収集された加速信号のデータセットを開発しました。データセットは、サポートベクターマシン、決定ツリー、ランダムフォレストなど、さまざまな機械学習モデルをトレーニングおよびテストするために使用されました。私たちの結果は、最良のモデルであるランダムフォレストが、社会グルーミングイベントを特定する際に96.2％の精度と94.5％のF1スコアを達成したことを示しています。提案されたアプローチは、野生動物における社会グルーミング行動の自動および大規模な特定のために有望であり、霊長類の社会的行動の理解に貢献し、保全と管理の取り組みに貴重な情報を提供することができます。