| Project/Area Number |
23K21726
|
|---|
| Project/Area Number (Other) |
21H03555 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62020:Web informatics and service informatics-related
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
Komamizu Takahiro 名古屋大学, 数理・データ科学・人工知能教育研究センター, 准教授 (30756367)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
井手 一郎 名古屋大学, 情報学研究科, 教授 (10332157)
石川 佳治 名古屋大学, 情報学研究科, 教授 (80263440)
波多野 賢治 同志社大学, 文化情報学部, 教授 (80314532)
|
|---|
| Project Period (FY) |
2024-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2024: ¥3,640,000 (Direct Cost: ¥2,800,000、Indirect Cost: ¥840,000)
Fiscal Year 2023: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000)
Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2021: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
|
|---|
| Keywords | 異種データ統合 / オープンデータ活用 / シーングラフ生成 / マルチモーダル情報処理 / メトリック学習 / データ統合 / マルチメディア / 探索的情報検索 / Linked Open Data / 異種データ / 不均衡性 / 検索 / 分類 / モデル軽量化 / テキスト / テキスト分類 / 画像キャプショニング / グラフデータベース / 不均衡データ / データ分類 / データ循環 |
|---|
| Outline of Research at the Start |
昨年度までに，異種データの統合に関する基礎技術（特に，データにラベルを付与する分類問題における不均衡性の問題や大量のデータから必要な情報を効果的かつ効率的に検索する手法）を構築してきた．依然として課題はあるため，これらを更に改善することが今年度の研究内容の一つである．
一方で，これらの成果を受け，さらなる発展として，特に異種モーダルにおいてデータの統合するための基礎技術から応用技術に向けて研究を進行する．
|
| Outline of Final Research Achievements |
This study aimed to develop an integration and management platform for effectively utilizing heterogeneous open data by leveraging multimodal information and graph structures. For tasks such as caption generation and summarization of image collections, semantic integration was achieved through the use of scene graphs combined with external knowledge. The research also proposed models addressing practical challenges involving heterogeneous data, including prescription matching, recipe recommendation, and disease detection in agriculture. Furthermore, techniques such as zero-shot learning and multi-task learning were applied to build flexible and reliable information processing methods, contributing to the cross-domain utilization of diverse open data.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、異種オープンデータを横断的に結び付け、意味的に統合するための基盤技術を構築した点で学術的意義がある。特に、シーングラフやマルチモーダル情報処理、メトリック学習などの先端技術を応用し、従来困難であったデータ連携を可能にした点が新しい。社会的には、医療・農業・行政など多様な分野でのオープンデータ活用を促進し、知識発見や意思決定支援、サービスの効率化に貢献できる可能性を示した。特に、軽量モデルによる省リソース環境での活用や、信頼性の高い情報提供による公共サービス向上が期待される。
|
