2017 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 / ノンパラメトリックベイズモデル / トピックモデル / 深層生成モデル / マルチモーダルデータ解析 / ネットワーク解析 |
|---|
| 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って高度な分析や予測を実現するとともに、そのための効率的かつ効果的な推定技術の確立を目指している。2017年度は主として下記の項目の研究成果を達成した。
1. 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とその教師付きモデルを提案し、ラベル付き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たジャンル分類実験において提案手法の有効性を示した。
2. 複数種の辺属性を伴うネットワーク表現の潜在構造を推定して未知の辺属性を予測することを目的とし、潜在特徴関係モデル（Latent Feature Relational Models）と呼ばれるノンパラメトリックベイズモデルに対して、双対分解に基づく推定手法を提案した。銀行間取引に関する金融ネットワークデータを用いて提案手法の有効性を示した。
3. 多次元関係データまたは多モードネットワークデータに内在する潜在的構造を推定する問題に着目し、スパースブロックモデルと呼ばれるベイズモデルを基にしつつ、多モードに展開し、未知の関係を予測する手法を提案した。現実の検索履歴からクエリ間の多次元の関係を抽出することによって構築されたデータを用いて、提案手法の有効性を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
総じて当初の研究計画にそって研究が進展したため、おおむね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、社会科学とくに金融・経済分野への応用展開を目指す。
|
