2019 Fiscal Year Annual Research Report
Object Recognition by Deep Neural Network with Knowledge Graph Embedding - Proposal for Semantic Object Projection -
| Project/Area Number |
17K00236
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
有木 康雄 神戸大学, 都市安全研究センター, 名誉教授 (10135519)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | ゼロショット学習 / ImageNetデータセット / 意味的特徴 / 画像特徴 / 知識グラフ / 深層学習 / 対話システム / 意味ベクトル |
|---|
| Outline of Annual Research Achievements |
本研究は、物体の画像特徴と物体に関する知識を同時に学習させることにより、既知物体と未知物体の認識精度向上をめざすゼロショット学習を目的としている。平成31・令和元年度は精度向上を行うとともに(1)、ゼロショット学習を議論・雑談対話に応用・拡張する研究を行った(2,3,4)
１．新たなベンチマークの提案：ゼロショット学習の精度が低い理由について考察した結果、ベンチマークのデータベースに、ゼロショット学習にとって致命的な欠陥があることが分かった。この欠陥をなくすために構造的バイアスを導入し、新たなベンチマークテストのためのデータベースを、自動構築する方法について提案した。
２．議論対話への応用：人の意見に含まれる言語特徴と、それに関する知識や概念の意味的属性特徴を対応付けることにより、人の意見とは逆の意見を深層学習によって生成することができる。こうして、ゼロショット学習の拡張として、人と対立する意見を持ち、論議できる対話システムについて研究した。
３．単語概念の拡張に基づく雑談対話：雑談対話システムに、マイナーな単語や表現が入力された場合、意味的に関係性の低い応答が生成される。この問題に対して、大規模知識グラフである日本語WordNetの上位語の分散表現を、入力文の単語分散表現に加算する方法を提案した。これにより、学習不足の単語や未知語が入力されても、単語を概念的に拡張して、適切な応答を生成できる。
４．意味ベクトルの抽出に基づく対話：対話システムでは、学習に用いたデータと実際の入力の間には、発話スタイルのギャップが存在するため、適切な意味表現が生成できなくなり性能が低下する。この問題に対して、学習データとは異なるデータベース・知識ベースを併用して、敵対的生成ネットワークにより、意味ベクトルを抽出する。これを入力文に付加することにより、発話スタイルに頑健な対話システムを構築した。
|
