2017 Fiscal Year Research-status Report
| Project/Area Number |
16K12428
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
大澤 幸生 東京大学, 大学院工学系研究科(工学部), 教授 (20273609)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 短時間シーケンス / 説明性 / データ市場 |
|---|
| Outline of Annual Research Achievements |
学習なき発見を実現するアルゴリズムおよび、ヒューマンインタフェースの仕組み開発に入っている。特に、参照データの時間ウィンドウ幅Wを短くするため、新たなアルゴリズムを構築し、その企業利活用プロセスを回す段階に入った。
ここで「学習なき発見」ということの特に要求されるマーケティングにおける販促戦略立案などにおいて考案したアルゴリズムは、Graph based Entropy（GBE）という指標を計算する手法であり、直前の短い期間のデータだけから、学習を行わずに計算できる。この手法は計画通りマーケティングのほかコミュニケーション分析にも適用し、データ提供者からは結果の説明性、有用性について高い評価を受けた。データ市場構想の成功事例ともいえる。
また、実業領域における文脈の期待持続性を調査するという点を昨年度、２９年度の目標のひとつに挙げたが、これについても特に小売業のマーケティング領域で実践的に行ってきた。例えば、スーパーマーケットのＰＯＳデータの場合には上記の利活用プロセスにおいて市場挙動の期待持続性が約１か月との結論が得られたので、上記GBEも１か月の時系列に対して計算している。
さらに、本来は学習なき発見が本研究のテーマであるが、その本質は、学習機の獲得するパラメータに加え、そもそもパラメータの上位にあるハイパーパラメータが変動することが問題であったため、データの大きさや経時的変化の速さに応じて自動的に深さを変更するような深層学習のアプローチも検討した。この結果、ダイナミックな深層学習という従来にないアルゴリズムを構築し、国際会議ICONIPにおいてBest Paper Finalistとなった。その他、データ数の少ない場合に適用できるレビュー記事推薦やベイズ最適化の手法などを発表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
全体に、元々の研究動機であったデータ市場の要求に沿ってアルゴリズムおよびプロセスの構築を進めることができた。特に、参照データの時間ウィンドウ幅Wを短くするための新アルゴリズムをいくつか構築しその利活用プロセスを実施したことは、文脈の「期待持続性」すなわち、どの程度の長さに渡り同じ文脈が持続するかという幅を表出化および短縮する手法を開発したことになる。
中でも、Graph based Entropyが、直前の短い期間のデータだけから学習を行わずに計算できる点で本研究の目的を満たす。この手法は計画通りマーケティングのほかコミュニケーション分析、地震データにも適用し、データ提供者からは結果の説明性、有用性について高い評価を受けたことも、実社会における要求にこたえる目的に即している。
さらに、パラメータの上位にあるハイパーパラメータが変動することが「学習なき発見」という研究テーマの扱う根本的な問題であったが、データの大きさにおよび変化の速さに応じて、自動的に深さと幅（ユニット数）を変更するよイナミックなＤＮＮという従来になかったアルゴリズムを構築し、国際会議等において高い評価を受けたことは顕著な実績となった。
|
| Strategy for Future Research Activity |
Graph based Entropyは、きわめて単純な計算手順と、きわめて小さな対象データだけで計算が可能であり、この研究の目指す究極の成果である。しかし、説明性（機械学習でいう説明可能性とは異なり、学習精度以上に強くこれ自体がデータ市場において強く求められている）というものの数学的定義が未完成との理由により、いまだ査読付き論文として採択には至っていない。
今後は、時系列における変化の説明性ということの数学的定義について、説明性を実業において強く求めるマーケッターなどとの議論も深めることによって追及してゆく。しかし一方、そもそもデータ外の要素を含む因果関係を説明することが、限定された変数間の数学的制約によって定義できるとは限らない。このことから、従来のデータマイニング、人工知能、あるいはチャンス発見とは異なる、新たな研究領域を立ち上げる必要があるとも考えうる。その結論に到達した場合には、その新領域を主張した上で研究成果を発表してゆく活動も含めて目指してゆく。
|
| Causes of Carryover |
昨年度は、多くの論文を発刊したものの、投稿していたGraph based Entropy(GBE)に関する論文は研究実施状況報告書に記したように採択されず、そのための旅費や関連する広報活動などは２０１８年度以降に持ち越しとなった。GBEに関連するこのような活動に伴う学生アルバイトなどの人件費についても、同様に持ち越しとなったため次年度使用額が発生した。
|
