| 研究課題/領域番号 |
19H04215
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分62020:ウェブ情報学およびサービス情報学関連
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
于 海涛 筑波大学, 図書館情報メディア系, 准教授 (30751052)
|
|---|
| 研究分担者 |
吉川 正俊 大阪成蹊大学, データサイエンス学部, 教授 (30182736)
康 シン 徳島大学, 大学院社会産業理工学研究部(理工学域), 助教 (80777350)
Adam Jatowt 京都大学, 情報学研究科, 特定准教授 (00415861)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
15,860千円 (直接経費: 12,200千円、間接経費: 3,660千円)
2023年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2022年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2021年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2020年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2019年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
|
|---|
| キーワード | Federated Learning / Large Language Model / Conversational IR / Generative IR / Personalization / On-device Learning / User Modeling / Neural Tree Ensemble / Neural Tree Ensembles / privacy-preserving / federated learning / semantic matching / online learning-to-rank / interactive search / on-device learning / Metric Optimization / Policy Gradient / Differential Privacy / Privacy-preserving IR / Federated Optimization / policy gradient / learning to rank / probabilistic regression / Semantic Matching / Learning-To-Rank / Metric Optimisation / Privacy-preserving / Semantic matching / Federated learning / On-device intelligence |
|---|
| 研究開始時の研究の概要 |
This project aims to initiate research into privacy-preserving information retrieval (IR) and develop a scalable privacy-preserving IR system. The proposed IR system builds upon a federated paradigm which fuses on-device machine learning, federated optimization and semantic matching.
|
| 研究成果の概要 |
本プロジェクトは、プライバシーを考慮した高度な情報検索技術の開発を目指している。このプロジェクトの終了までに、以下の主要な視点を通じて顕著な成果を上げた：フェデレーテッドラーニングと差分プライバシーを組み合わせた新しい情報アクセス手法の提案、直接的評価指標の最適化、大規模言語モデルに基づく検索結果の再ランキング、個人化を考慮した会話型情報検索手法の提案。その結果、20篇以上の学会論文と10篇以上の雑誌論文を発表した。さらに、ランキング学習のための使いやすいオープンソースプロジェクトの研究開発を行い、代表的なランキング学習の手法を複数実装している。
|
| 研究成果の学術的意義や社会的意義 |
Our research achievements would deepen the understanding of privacy-preserving information seeking that goes beyond information retrieval (IR). By releasing the source codes and collections, we encourage the entire IR community to improve the research of privacy-preserving IR towards new stages.
|
