ハイパーグラフを用いた多項関係の学習・予測手法の提案と情報抽出・検索への応用
| Project/Area Number |
14J09329
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Web informatics, Service informatics
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
則 のぞみ 京都大学, 情報学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2014-04-25 – 2017-03-31
|
| Project Status |
Completed (Fiscal Year 2016)
|
| Budget Amount *help |
¥3,200,000 (Direct Cost: ¥3,200,000)
Fiscal Year 2016: ¥1,000,000 (Direct Cost: ¥1,000,000)
Fiscal Year 2015: ¥1,000,000 (Direct Cost: ¥1,000,000)
Fiscal Year 2014: ¥1,200,000 (Direct Cost: ¥1,200,000)
|
|---|
| Keywords | 個別化モデリング / リスク予測 / 転移学習 / 医療支援 / 多項関係予測 / テンソル分解 / 診療支援 / 患者のリスク予測 / マルチタスク学習 |
|---|
| Outline of Annual Research Achievements |
本年度特別研究員は、ICU入室患者が有する複数の疾病の組合せを反映する患者に個別化されたリスク予測手法を開発した。特別研究員はこれまでの研究で、疾病をタスクの単位とするマルチタスク学習手法により、疾病に個別化された予測モデルを構築した。しかし、患者は通常複数の疾病を有するため、これら複数の疾病の組合せを考慮することで、患者の個別性をより捉えたモデル構築が可能になると期待される。一方、患者の有する疾病の組合せは多くの場合、当該患者に固有の組合せとなるため、疾病の組合せごとにタスクを明示的に構築するようなナイーブな手法は有効ではない。特別研究員は患者の個別性を捉えたモデリングのため、患者が有する複数の疾病群から患者の潜在的なタスクを学習するマルチタスク学習手法を開発した。また、実データを用いた実験により、提案手法の有用性を予測精度や予測モデルに基づく知見抽出等の観点から評価した。提案手法により、患者に個別化されたリスク予測および学習モデルの分析等を通じた患者の個別性に対する知見抽出が期待された。更に、その他のこれまでの研究テーマについても、より網羅的な評価実験等を行い研究を進めた。
|
| Research Progress Status |
28年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
28年度が最終年度であるため、記入しない。
|
Report
(3 results)
Research Products
(17 results)
