2016 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, コンテンツ科学研究系, 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モデル / 深層生成モデル / マルチモーダルデータ解析 / 社会データ解析 |
|---|
| Outline of Annual Research Achievements |
本課題では、実世界でしばしばみられる大規模で複雑なデータを想定し、その潜在構造を推定することによる高度な分析や予測を実現するとともに、効率的かつ効果的な推定技術の確立を目指している。2016年度は主として下記の項目の研究成果を達成した。
1. 大規模で時間変化を伴うネットワーク表現の潜在構造を推定して未知の関係を予測することを目的とし、混合メンバシップブロックモデルと呼ばれる潜在変数モデルに対して、活動状況に基づいて抽出したサンプルを用いて逐次的に推定するようなパーティクルフィルタを開発した。社会ネットワークデータを用いて提案手法の有効性と効率性を示した。
2. 映像データにおける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、映像データにおける潜在的な時変構造を推定する新たな解析手段を実現した。現実の映像データを用いて提案手法の有効性を示した。
3. マルチタスクを想定した教師付きトピックモデルと、そのための効率的かつ効果的な推定手法を提案し、金融分野のテキストデータから企業の財務指標などを予測する問題に展開した。
4. アノテーション付き画像データなどのマルチモーダルデータに対して、モダリティを横断して潜在トピックを推定する手法を開発し、アノテーション付き画像の感情極性を予測する問題や、言語を横断して関連する文書を発見する問題に応用した。
|
| 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、社会科学とくに経済分野への応用展開を目指す。
|
