| 研究課題/領域番号 |
20K11964
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 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 | 群馬大学 (2021-2022)
福岡看護大学 (2020) |
|---|
研究代表者 |
嶋田 香 群馬大学, 情報学部, 教授 (20454100)
|
|---|
| 研究分担者 |
荒平 高章 九州情報大学, 経営情報学部, 准教授 (30706958)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 知識発見 / データマイニング / 知識創出 / 進化計算 / アイテム集合 / 説明可能性 / 進化論的計算手法 |
|---|
| 研究開始時の研究の概要 |
大規模データから個別の事例の特徴を最大限に説明すると考えられる知識を従来のモデル構築の過程を経ずに発見する局所的な知識発見方法を開発する。また、発見された局所的な知識集合体から進化計算を応用した自己展開型の知識発見によって大規模データからの大域的な知識創出方法を開発する。本研究課題における知識の表現はすべて説明可能であるものとし、現在のAI技術の最大の課題とされる説明可能なAIの一つの在り方を提案する。
|
| 研究成果の概要 |
大規模データから個別の事例の特徴を最大限に説明すると考えられる知識を従来のモデル構築の過程を経ずに発見する局所的知識発見方法を提案した。説明可能な局所的知識表現として統計的な特徴を背景として持つアイテム集合を定義するとともに、その特性や発見実施における信頼性・再現性を評価した。また、発見された局所的知識集合体からの大域的知識創出方法の開発に取組み、従来手法とは異なる発想のクラスタリング的な技術、統計的な特徴を有する小集団を構成してその組合せで大域的な知識を表現しようとする技術の開発を行い、公開されている医療系データ等を用いて説明性や個別性からの知識創出の可能性を見出した。
|
| 研究成果の学術的意義や社会的意義 |
説明可能な局所的知識表現として提案した統計的な特徴を背景として持つアイテム集合（ItemSB：Itemsets with Statistically Distinctive Backgrounds）はデータ分析におけるアイテム集合ベース手法と統計学的方法を橋渡しして扱うことができるため、大規模データの分析に統計学的手法を効果的に導入可能とする技術と位置付けられる。大規模データの分析を統計的な背景をもつ小集団の組合せで扱おうとする新たなクラスタリング手法や、小集団にみられる統計的な特徴の連結により大域的な知識を扱おうとする方法の開発などの実用的で発展性のある独自方式による技術開発である。
|
