Knowledge Routing Method for Modality Networks

2020 Fiscal Year Final Research Report

• Project/Area Number: 19K22861
• Research Category: Grant-in-Aid for Challenging Research (Exploratory)
• Allocation Type: Multi-year Fund
• Review Section: Medium-sized Section 61:Human informatics and related fields
• Research Institution: The University of Tokyo
• Principal Investigator: Nakayama Hideki 東京大学, 大学院情報理工学系研究科, 准教授 (00643305)
• Project Period (FY): 2019-06-28 – 2021-03-31
• Keywords: 教師なし学習 / 少ラベル学習 / 連合学習 / マルチモーダル / 画像認識 / 自然言語処理

Outline of Final Research Achievements

In this study, we proposed and developed a fundamental technology for collaboratively utilizing various data resources that exist individually, while keeping the respective data secret. Specifically, we attempted to extract enough information from each local data by unsupervised learning and few-label learning, and to indirectly link them by open-set federated learning. The results of this research have been accepted by top international journals and conferences such as TACL and ECCV.

Free Research Field

コンピュータビジョン、自然言語処理、機械学習

Academic Significance and Societal Importance of the Research Achievements

現在成功している機械学習技術の多くは、入出力の事例（ラベル付きデータ）が十分に与えられる教師あり学習の枠組みに則っているが、実際の応用場面では大量のラベル付きデータを各人が用意することは必ずしも容易ではない。一つの解決策として、社会において個別に存在するデータを協調的に活用することが考えられるが、単純にデータを共有することはプライバシー等の観点から難しいことが多い。本研究で得られた技術により、さまざまなデータを各所有者が秘匿したまま統合的に活用することを可能とし、社会における新しいデータ活用の一助になると期待できる。