2015 Fiscal Year Annual Research Report
潜在変数モデルの逐次推定に基づく大規模複雑データ解析
| Project/Area Number |
15H02703
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
江口 浩二 神戸大学, システム情報学研究科, 准教授 (50321576)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高須 淳宏 国立情報学研究所, 大学共同利用機関等の部局等, 教授 (90216648)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | 潜在変数モデル / トピックモデル / ノンパラメトリックベイズ / 統計的ネットワークモデル / 確率的深層学習 / マルチモーダルデータ解析 |
|---|
| Outline of Annual Research Achievements |
本年度は主として下記の項目の研究成果を達成した。
1. アノテーション付き画像データ集合から潜在的な階層構造を推定する問題に着目し、ノンパラメトリックベイズ法に基づいて画像情報とテキストアノテーション情報の相互依存性を考慮するような階層的潜在トピックモデルを開発した。現実のデータを使用した実験により、提案モデルが汎化能力とクラスタリング能力の点で有効であることを明らかにした。
2. 映像データにおける時系列性とマルチモーダル性に着目し、階層ディリクレ過程に基づくノンパラメトリックベイズモデルを提案した。いわゆるインターネット映像に適用し、映像における潜在トピックの時変構造を発見し、ラベル予測などを有効に実現できることを示した。
3. 関係属性を伴う社会ネットワークに対して、各頂点の潜在特徴により未知の関係属性の予測を可能とするモデルを実現するため、無限潜在特徴関係モデルというノンパラメトリックベイズ法および双対分解という最適化手法に基づいてモデル化を行った。ソーシャルメディアデータを用いた実験により、提案モデルが未知関係属性に対して高い予測性能を示す結果を得た。
4. マルチモーダルデータにおける複数のモダリティを横断して推定した潜在トピックを利用して、マージン最大化を考慮しつつマルチラベル分類を可能とするモデルを提案した。多言語比較可能データ集合とアノテーション付き画像データ集合を用いた評価実験により提案モデルの有効性を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
おおむね当初の研究計画にそって研究が進展したため、順調であると言える。
|
| Strategy for Future Research Activity |
今後も当初の研究計画にそって研究を推進する。また、これまでの成果を研究分担者、連携研究者等と共有することにより更なる展開を目指す。
|
