2013 Fiscal Year Annual Research Report
大規模構造データに対する確率モデル推定に基づく知識の創出と活用
| Project/Area Number |
23300039
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
江口 浩二 神戸大学, システム情報学研究科, 准教授 (50321576)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高須 淳宏 国立情報学研究所, コンテンツ科学研究系, 教授 (90216648)
大川 剛直 神戸大学, システム情報学研究科, 教授 (30223738)
|
|---|
| Project Period (FY) |
2011-04-01 – 2015-03-31
|
| Keywords | 潜在変数モデル / 混合メンバシップモデル / トピックモデル / ノンパラメトリックベイズモデル / マルチモーダルデータ解析 / 動的ネットワーク解析 / パーティクルフィルタ / 大規模計算 |
|---|
| Research Abstract |
本年度は主として下記の項目の研究成果を達成した。
1. 潜在変数を用いたデータ解析手法である潜在的ディリクレ配分法（LDA）および階層ディリクレ過程（HDP）に関して、大規模データのための高速な推定を実現する分散並列アルゴリズムを開発し、対称型マルチプロセッシング（SMP）クラスタを用いた評価実験を行った。評価実験の一部はクラウド環境を利用して行った。評価実験を通して、提案した推定手法により、精度を維持しつつ高い効率性が実現することを明らかにした。
2. 映像データを構成するキーフレーム画像における視覚単語とそれに対応する発話単語に着目し、それらを統合する潜在トピックモデルを提案した。特に、各トピックに関して同一映像中では同じ視覚単語や発話単語による表現が頻出する傾向を考慮した。インターネット映像データを用いたジャンル分類に関して提案モデルが有効であることを示した。
3. 大規模で時間的変化を伴うネットワーク表現の潜在構造を推定し、未知の関係を予測するため、混合メンバーシップ・ブロックモデルと呼ばれる潜在変数モデルを高速かつ的確に推定する忘却型パーティクルフィルタを提案した。提案手法は、ネットワークにおいて時間経過にともなってノード（頂点）やリンク（辺）の追加が頻繁に起こり得ることと、ネットワークの潜在的な構造に関して時間変化が起こり得ることを考慮している。社会的ネットワークデータを用いた実験により、提案手法の有効性を示す結果を得た。
4. 複数種類のノードまたはリンクで構成されたネットワークの潜在構造をモデル化した。また、それを用いて、ユーザのアイテム利用履歴に基づいて構成された二部グラフと社会的ネットワークなどを合成して得られた異種ネットワークに適用し、上位N推薦問題における提案モデルの有効性を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
交付申請書に記載した研究計画にそって、おおむね計画通りの進展がみられた。
|
| Strategy for Future Research Activity |
国内外の研究者と情報交換しつつ研究を推進し、研究成果の発信にも努める予定である。
|
