研究課題/領域番号 |
20H04244
|
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61030:知能情報学関連
|
研究機関 | 京都大学 |
研究代表者 |
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
|
研究期間 (年度) |
2020-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2023年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2022年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2021年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2020年度: 5,460千円 (直接経費: 4,200千円、間接経費: 1,260千円)
|
キーワード | 機械学習 / 人工知能 / 因果推論 / グラフ / 意思決定 / 深層学習 / グラフ構造データ / グラフ深層学習 |
研究開始時の研究の概要 |
社会実装が進む機械学習技術が一層の発展を遂げるために必要なのが、現実世界に現れる複雑なデータへの対応と、これらに基づく意思決定への直接的貢献である。本研究では、機械学習の適用範囲を一層拡大するべく、複雑な関係構造をもつデータを扱うグラフ深層学習法を発展させるとともに、より直接的に意思決定に寄与するデータ解析手法として、因果推論に着目し、様々な複雑な状況に対応できる因果効果推定法の研究を行う。
|
研究実績の概要 |
因果効果推定の適用範囲を大きく広げることを狙って、関係データ上の因果効果推定、たとえばソーシャルネットワークのように個々のデータ間に関係構造が存在し、この構造を通じてお互いの意思決定に干渉が存在する場合の因果効果推定問題に取り組んだ。とくに(1)複数の種類の関係が存在する場合 (2)階層的な構造が存在する場合 (3)データ間の関係が明示的に観測されない場合などの複雑なケースに対して、グラフ深層学習や注意機構などの深層学習手法と、因果効果推定のためのバイアス補正を組み合わせることでこれを解決する方法を提案した。いずれも機械学習・データマイニング分野における主要国際会議(KDD, ECML/PKDD, PAKDD)において発表・採択された。
|
現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|