2020 Fiscal Year Annual Research Report
複雑な関係データに基づく意思決定のための機械学習研究
| Project/Area Number |
20H04244
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 機械学習 / 人工知能 / 深層学習 / 因果推論 |
|---|
| Outline of Annual Research Achievements |
機械学習の適用可能性を広げることを目的として、グラフ構造データを対象とした深層学習法の高性能化を目指し、従来のモデルよりも表現力の高いモデルと、その効果的な学習法の開発を行った。
まず、近年その著しい性能向上によって研究が進んでいるグラフニューラルネットワーク（GNN）において、各頂点に対してランダムに生成された特徴量を付与するだけで、通常のGNNでは認識できない構造を認識できることが理論的に保証される手法を開発した。また、グラフ構造を対象とした機械学習問題の代表例のひとつであるリンク予測とよばれるグラフ構造を予測する問題において、明示的な共通部分のない複数のグラフへの拡張を、通常のグラフ埋め込み手法と最適輸送による正則化を組み合わせることで実現した。
一方、意思決定により直接的に寄与する因果効果、とりわけ個別のデータに対する因果効果の推定手法を、現実世界のより複雑な意思決定問題に対応できるようにするための研究を行った。具体的には、複数種類の介入が組合せ的に選択できるため、候補となる介入の種類が膨大になってしまう状況において、比較的よい介入を特定すればよいという評価指標や、介入の組み合わせを扱う表現学習手法を用いて、この問題を解決した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
グラフ構造に対する深層学習と、介入の数が極めて多い状況においける介入効果推定の研究において大きな進展があった。
|
| Strategy for Future Research Activity |
ひきつづき複雑な構造や選択肢をもつ機械学習問題おける要素技術を整備する。
|
-
-
[Journal Article] Inter-domain Multi-relational Link Prediction2021
Author(s)
Luu Huu Phuc, Koh Takeuchi, Seiji Okajima, Arseny Tolmachev, Tomoyoshi Takebayashi, Koji Maruhashi, Hisashi Kashima
-
Journal Title
Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD),
Volume: LNAI12979
Pages: 285-301
DOI
Peer Reviewed
-
[Journal Article] Crowdsourcing Evaluation of Saliency-Based XAI Methods2021
Author(s)
Lu Xiaotian, Arseny Tolmachev, Tatsuya Yamamoto, Koh Takeuchi, Seiji Okajima, Tomoyoshi Takebayashi, Koji Maruhashi, Hisashi Kashima
-
Journal Title
Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD),
Volume: LNAI12979
Pages: 431-446
DOI
Peer Reviewed
-
-
-
