複雑な関係データに基づく意思決定のための機械学習研究
| Project/Area Number |
20H04244
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥17,550,000 (Direct Cost: ¥13,500,000、Indirect Cost: ¥4,050,000)
Fiscal Year 2023: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Fiscal Year 2022: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Fiscal Year 2021: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
Fiscal Year 2020: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000)
|
|---|
| Keywords | 機械学習 / 人工知能 / 因果推論 / グラフ / 意思決定 / 深層学習 / グラフ構造データ / グラフ深層学習 |
|---|
| Outline of Research at the Start |
社会実装が進む機械学習技術が一層の発展を遂げるために必要なのが、現実世界に現れる複雑なデータへの対応と、これらに基づく意思決定への直接的貢献である。本研究では、機械学習の適用範囲を一層拡大するべく、複雑な関係構造をもつデータを扱うグラフ深層学習法を発展させるとともに、より直接的に意思決定に寄与するデータ解析手法として、因果推論に着目し、様々な複雑な状況に対応できる因果効果推定法の研究を行う。
|
| Outline of Annual Research Achievements |
因果効果推定の適用範囲を大きく広げることを狙って、関係データ上の因果効果推定、たとえばソーシャルネットワークのように個々のデータ間に関係構造が存在し、この構造を通じてお互いの意思決定に干渉が存在する場合の因果効果推定問題に取り組んだ。とくに（１）複数の種類の関係が存在する場合 （２）階層的な構造が存在する場合 （３）データ間の関係が明示的に観測されない場合などの複雑なケースに対して、グラフ深層学習や注意機構などの深層学習手法と、因果効果推定のためのバイアス補正を組み合わせることでこれを解決する方法を提案した。いずれも機械学習・データマイニング分野における主要国際会議（KDD, ECML/PKDD, PAKDD）において発表・採択された。
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
Report
(4 results)
Research Products
(20 results)
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
[Journal Article] Inter-domain Multi-relational Link Prediction2021
Author(s)
Luu Huu Phuc, Koh Takeuchi, Seiji Okajima, Arseny Tolmachev, Tomoyoshi Takebayashi, Koji Maruhashi, Hisashi Kashima
-
Journal Title
Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD),
Volume: LNAI12979
Pages: 285-301
DOI
ISBN
9783030865191, 9783030865207
Related Report
Peer Reviewed
-
[Journal Article] Crowdsourcing Evaluation of Saliency-Based XAI Methods2021
Author(s)
Lu Xiaotian, Arseny Tolmachev, Tatsuya Yamamoto, Koh Takeuchi, Seiji Okajima, Tomoyoshi Takebayashi, Koji Maruhashi, Hisashi Kashima
-
Journal Title
Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD),
Volume: LNAI12979
Pages: 431-446
DOI
ISBN
9783030865160, 9783030865177
Related Report
Peer Reviewed
-
-
-
