2019 Fiscal Year Research-status Report
行列分解に基づく効率的なニューラルネットワーク学習法の研究
| Project/Area Number |
18K11457
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
林 克彦 東京大学, 大学院情報理工学系研究科, 助教 (50725794)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高瀬 翔 日本電信電話株式会社NTTコミュニケーション科学基礎研究所, 協創情報研究部, リサーチアソシエイト (40817483) [Withdrawn]
上垣外 英剛 東京工業大学, 科学技術創成研究院, 助教 (40817649) [Withdrawn]
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 行列分解 / テンソル分解 / 高速フーリエ変換 |
|---|
| Outline of Annual Research Achievements |
19年4月にケルンで開催された国際会議ECIR19において，テンソル分解モデルのバイナリ化に基づくモデル効率化に関する研究を発表した．また，19年11月に香港で開催された国際会議EMNLP19において，ブロック巡回制約に基づいた非可換な行列積によるベクトル空間モデルを使った質問応答システムに関する研究を発表した．また，これら成果をまとめた招待講演を19年4月に東北大学みちのく情報伝達学セミナーで行った．
これらの研究成果はニューラルネットの写像，特に，テンソル写像をバイナリ化あるいはブロック巡回化することでそれを軽量化，高速化する狙いがある．特に知識データに対する質問応答タスクでその有効性を示す事に成功した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2名の分担者が所属機関の異動に伴い，分担が外れることになったため，提案したモデルをニューラルネットワークの機構に入れる研究が部分的なものに留まっている．一方，国際会議NAACL18で発表した論文では巡回行列による制限がニューラルテンソルネットワークモデルで一定の効果があることは確認しており，プロジェクト全体の趣旨に支障はない．
|
| Strategy for Future Research Activity |
これまでの研究成果をまとめて国際論文誌に投稿している段階であり，それの採録が目標となる．また，それに関わるプログラムコードを整備して，一般公開を行う予定でいる（既に一部のプログラムはgithub上で公開している）．
|
