| 研究課題/領域番号 |
17K00315
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知能情報学
|
|---|
| 研究機関 | 日本大学 |
|---|
研究代表者 |
尾崎 知伸 日本大学, 文理学部, 教授 (40365458)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2017年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 頻出パターン発見 / 表現学習 / グラフマイニング / データマイニング / 分散表現 / パターンマイニング |
|---|
| 研究成果の概要 |
本研究課題では、低品質かつ理解困難なパターンの大量生成というパターンマイニング分野における本質的問題を軽減することを目的とし、頻出パターンに対する表現学習技術の開発と応用を行った。その結果として、特徴的なパターンの抽出や、頻出パターン、相関ルールに対する新たな評価関数の開発に成功した。また応用研究として、表現学習技術を用いた料理レシピの分析と不動産間取り図を対象とした解釈容易モデルも抽出を行った。
|
| 研究成果の学術的意義や社会的意義 |
頻出パターン発見分野において、パターンの理解容易性の向上と実応用における有益なパターンの獲得は、それぞれ重要な研究課題として認識されている。本研究課題は、表現学習技術を用いてこれらの研究課題にアプローチするものであり、パターン発見の実応用における障壁を軽減し、より現実的な応用への展開において大きな波及効果が期待される。一方、本研究課題で提案する枠組みの本質の一つは、表現学習技術を用いた分析結果の精緻化であり、深層学習における一段抽象度の高い応用であると考えている。
|
