【研究領域課題番号】19K03642 (KAKENデータベースで見る）

【研究キーワード】

データ解析 / 機械学習 / Wasserstein距離 / グラフ埋め込み / 単語分散表現 / クラスタリング / 多様体学習 / 曲率 / 幾何学的統計学 / 距離空間

【研究成果の概要】

本年度の研究成果としては，これまでの本研究課題の成果である，①経験グラフ測地距離のα，β距離を用いたデータ解析手法，②正規分布の場合のエントロピー制約付きWasserstein距離の理論解析，③計量錐を用いたグラフ埋め込みによるデータの階層構造の抽出手法のそれぞれについて，Shoenberg理論の応用という見地からまとめた結果を統計関連学会連合大会において発表したことが挙げられる．また，Shoenberg理論は距離空間を特徴づける理論として統計学やで機械学習などの幅広い分野で応用されてきたが，それらを統合的にまとめることはこれまでなされてこなかったので，発表においては幾何学的なデータ解析という本研究課題に即した視点でのサーベイも行った．さらに，③の計量錐を用いたグラフ埋め込みについては，新たな実験結果を加えた論文を機械学習の国際会議に投稿した．
また，学習による英語心内辞書の推移に関するデンドログラムを用いたデータ解析およびその知見を用いた英語学習教材の開発に関する共同研究の成果を学会で発表し，成果をまとめた論文が受理され出版された．
以上に加えて，自然言語処理分野における質疑応答(QA)データセットの評価用データセットの役割と日本語QAデータセットの必要性についての共同研究と，強化学習の手法であるCounterfactual Regret Minimization(CFR)による不完全情報繰り返しゲームに対する近似的な均衡戦略に関する共同研究についても，その成果をそれぞれ国内会議で発表した．

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

【配分額】4,030千円 (直接経費: 3,100千円、間接経費: 930千円)

【研究領域課題番号】19K20336 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 凸最適化 / クラスタリング / 部分空間クラスタリング / 統計的機械学習

【研究成果の概要】

本研究の目的は大規模部分空間クラスタリングのための凸最適化スキームの構築とその理論保証である。
本研究ではS5Cと呼ばれる大規模部分空間クラスタリングのためのアルゴリズムを開発した。従来はデータ数の二乗以上の計算量が必要である学習を、本提案アルゴリズ
ムではデータ数に比例する計算量で達成できることを実験的にも理論的にも示した。本研究成果は機械学習の最も重要な国際会議の一つであるThirty-Third Conference on Neural Information Processing Systemsに採択され、バンクーバーにて発表を行った。

【研究の社会的意義】

部分空間クラスタリングは理論保証が難しいクラスタリング手法において理論的に美しい結果が知られているという意味で有意義な手法である。本研究ではこの部分空間クラスタリングが大規模データにも適用可能であることを示し、実験的にも有効性を検証した点に学術的な意義がある。部分空間クラスタリングに関する研究が機械学習の主要な国際会議に採択されたことで、機械学習の発展には実用性だけではなく理論的な美しさも重要であるという理念の補強の一助となったことにも社会的な意義があると考えられる。

【研究種目】若手研究

【研究期間】2019-04-01 - 2022-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究領域課題番号】18H03228 (KAKENデータベースで見る）

【研究キーワード】

携帯機器所持位置認識 / 行動認識 / コンテキストアウェアネス / スマートフォン / 能動学習 / 機械学習 / 加速度センサ / 携帯機器 / 新規性検出 / クラスタリング / 所持位置検出 / ゲーミフィケーション / パーソナライゼーション / コンテキスト推定 / 行動変容 / Novelty Detection / 動機付け / 個人化 / 説得工学 / 位置検出

【研究成果の概要】

本研究はスマートフォンに代表される携帯機器を所持する際の自由度を上げることを目的とした．その中で，1）分類器の2階層化とアンサンブル分類器構成により多様な行動の最中における高精度な所持位置認識，2）新規性検出とクラスタリング技術の利用によるユーザの手に渡った後でそのユーザ独自の所持位置を認識対象に追加する仕組み，3）既存の分類器と新規ユーザとの相性を用いて分類器を選択したのちに能動学習によりユーザ自身が認識器を強化する仕組み等を考案して有効性を明らかにした．

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2021-03-31

【配分額】9,100千円 (直接経費: 7,000千円、間接経費: 2,100千円)

【研究分野】知能情報学

【研究領域課題番号】17H00762 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 人工知能 / カーネル / 編集距離 / データの類似性 / データマイニング / アルゴリズム / 半構造化データ / 教師あり学習 / 分類 / クラスタリング / 距離 / パターン抽出 / 木

【研究成果の概要】

【理論】編集距離とマッピングカーネルの類似を着眼点とした本研究は、圏論の視点から理論を整理し、人工知能分野のトップ会議であるAAAIに論文が採録された。最終的には、測度空間を対象、測度を保存する部分一対一可測写像を射とし、離散データ構造に限定せず、広い範囲のデータ構造に適用する共通手法として距離やカーネルを定義することに成功した。
【実装】理論に基く概念をPythonから利用できるように実装し、GitHubなどで公開した。
【応用】100種類以上に及ぶ木カーネルの評価を行い、線形計算量を持ち、多くの領域で優れた性能を示す関数を特定した。また、情報セキュリティやSNS分析における応用事例を報告した。

【研究の社会的意義】

人工知能研究の基礎である機械学習では多くの手法や概念が提案されている。本研究の学術的意義は、これらの手法や概念のうち、重要な幾つかが共通の枠組みから導出できることを示した点にある。このことにより、例えば、文字列アラインメントを計算するために考案されたアルゴリズムを、共通枠組み中で抽象化し、次いで、木データに適用して具象化することで、木データのMAST問題に適用することが可能となる。このように、本研究が提案する共通枠組みにより、特定の分野における成果を他の分野に拡張・敷衍することが可能となる。この事実は、実用上でも重要な意義を持っており、データ分析において適用できる手法の幅を拡大する。

【研究種目】基盤研究(A)

【研究期間】2017-04-01 - 2021-03-31

【配分額】40,820千円 (直接経費: 31,400千円、間接経費: 9,420千円)

【研究分野】エンタテインメント・ゲーム情報学

【研究領域課題番号】17K00511 (KAKENデータベースで見る）

【研究キーワード】

マンガ / 自動要約 / 機械学習 / 顔画像検出 / キャラクター検出 / メタデータ / 深層学習 / キャラクター抽出 / コマ抽出 / セリフ抽出 / オブジェクト認識 / クラスタリング / 吹出し抽出 / ディジタルアーカイブズ / 情報システム / 画像

【研究成果の概要】

ユーザ主導型での高度なマンガ検索を実現することを目的として、機械学習を用いたマンガオブジェクト検出手法及びマンガ要約の自動生成手法の検討を行った。マンガメタデータの対象となるコマ、キャラクタ顔画像、吹出し、セリフの検出にはFaster R-CNNを用いた方式が有効であることが分かった。画像要約には、マンガの登場人物のキャラクタ顔画像検出した後に、クラスタリングによって分類することが必要でありDBSCANが有効であることが分かった。最後に、自動要約を生成し、主観評価実験により効果を確認した。提案方式は要約の満足度と情報量の点では不十分であるが、理解度については十分な結果が得られた。

【研究種目】基盤研究(C)

【研究期間】2017-04-01 - 2020-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究分野】地理学

【研究領域課題番号】15K01176 (KAKENデータベースで見る）

【研究キーワード】

地形分類 / DEM / 機械学習 / クラスタリング / 階層クラスタリング / 地形 / 地質 / Vs30 / 数値地形解析 / グローバル / MERIT DEM / 地形学図 / GMTED2010 / MERIT-DEM / 岩相分類 / 地盤強度 / デジタル地形分類図 / 世界の地形分類図

【研究成果の概要】

ポリゴンベースの地形分類データ作成手法を開発し、領域分割・機械学習・階層クラスタリングにより全球の地形分類図を完成させた。クラスタのグルーピングでは、日本の既存の地質・地形分類図と比較することにより、地形・地質的に異なる特徴を持つグループを検出した。成果の分類図は、1kmDEMを用いた先行研究より、段丘地形の抽出や1km以下のサイズの地形の分類について明らかに進歩した。また、岩盤山地、丘陵、高地の長大斜面、中間的地形（台地、段丘、低地の長大斜面）、平野の識別が概ね適当であった。さらに、Vs30（表層30mの平均S波速度）と地形分類図の比較検討を行い、地震ハザードへの利用の可能性も示された。

【研究種目】基盤研究(C)

【研究期間】2015-04-01 - 2018-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究分野】知能情報学

【研究領域課題番号】22300050 (KAKENデータベースで見る）

【研究キーワード】

自然言語処理 / World Wide Web / ウィキペディア / 情報検索 / 用語説明 / 説明の観点 / 機械学習 / クラスタリング

【研究成果の概要】

本研究は,様々な用語に関する説明を効率よく活用することを目的として,ウェブページの集合からウィキペディア記事のような解説型テキストを自動的に生成する手法について研究した.動物名や病名といった用語の種類によって説明に必要な観点が異なるため,ウィキペディアの記事集合から観点に基づく用語説明のパターンを学習する.用語の種類に応じて検索結果から必要な文章が抽出され,解説型テキストとして統合される.

【研究種目】基盤研究(B)

【研究期間】2010 - 2012

【配分額】17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円)

【研究分野】知能情報学

【研究領域課題番号】21240011 (KAKENデータベースで見る）

【研究キーワード】

知識発見 / データマイニング / 機械学習 / テキストマイニング / Web / ネットワークデータ / 統計 / 曖昧正解消 / プライバシー保護 / 言語学習 / クラスタリング / 曖昧性解消 / テキスト / 非負行列分解 / GPU / アルゴリズム

【研究成果の概要】

2009年度は当初の予定通り、Webにおける人名検索結果を同姓同名であるが異なる人物ごとにまとめるクラスタリングシステムを開発し、実験的に評価した。2010年度は大規模データ処理のために非負の確率行列分解アルゴリズムを提案し、既存のLDAと同様な性能を得ることを実証し、並列化アルゴリズムにおいては変分ベイズ法をロングテールに対応するPitMan-Yoモデルに適用し高い性能を得た。2011年度は最近注目されているプライバシー保護データマイニングをネットワークデータに応用した。2012年度は、プライバシー保護データマイニングの応用手法と大規模データに適したオンライン学習で、新規な正則化手法を提案した。

【研究種目】基盤研究(A)

【研究期間】2009 - 2012

【配分額】47,060千円 (直接経費: 36,200千円、間接経費: 10,860千円)

【研究分野】感性情報学・ソフトコンピューティング

【研究領域課題番号】20240020 (KAKENデータベースで見る）

【研究キーワード】

情報統計力学 / 可視化 / 次元圧縮 / クラスタリング / ビッグデータ / イメージング / 潜在構造 / ベイズ推論 / 機械学習 / イメージングデータ / マルコフ確率場 / 潜在構造推定 / 連想記憶モデル / モンテカルロ法 / パリティー検査符号 / CDMA / SAT / 大規模データ

【研究成果の概要】

本研究の目的は，経験や学習から形成されるヒトの心の中の描像を，数値計算や計測のデータから客観的手法で可視化する手法を研究することである．具体的には，情報科学と計算機科学での描像を，物理学のスピン系で発展した手法を用いて可視化する．脳の記憶のモデルである連想記憶モデルをテストケースとして，シナプス抑圧の影響，K-SAT問題，量子揺らぎの性質解明など，様々な事例において，描像の可視化を行った．

【研究種目】基盤研究(A)

【研究期間】2008-04-08 - 2013-03-31

【配分額】47,320千円 (直接経費: 36,400千円、間接経費: 10,920千円)