| 研究実績の概要 |
本年度は, 知識グラフ補完 (knowledge graph completion) および, ニューラルネットワークによる自己教師付き表現学習 (pretraining; self-supervised representation learning) における表現空間内のオブジェクト配置に関する研究を行った.
主な成果は以下の通り.
(1) 知識グラフ補完に関しては, 前年度までの二値表現に基づく知識グラフ埋め込みに関する研究成果をまとめ, IEEE Transactions on Knowledge and Database Engineering 誌に投稿・改訂を行い, 採択が決定した. 他方, テスト時のクエリが既知の場合 (transductive な設定), その情報の活用可能性について調査した. この成果は IEEE の国際会議 International Conference on Big Knowledge 2021 にて公表した.
(2) 自己教師付き表現学習においては, これまでの研究代表者・分担者の研究成果を発展・応用し, 高速化・省メモリ化の手法を考案した. 理論的分析を行ない, 画像を用いた予備実験では想定通りの結果を得た. 大規模なデータセットや, ビデオなど本質的に情報量が多く高次元表現が求められる場面で有効と予想できる. 2022 年度以降に成果を公開する予定をしている.
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
自己教師付き表現学習において, 考案した手法の理論的分析, 予備実験での有効性の確認はできたが, 実験環境の選択を見誤ってしまい, 大規模データを用いた必要な実験を完了することができなかった. その過程で実験環境の理解は進み, 2022 年5月時点で問題は解消できている. 実験の完了次第外部発表を行う予定である.
|
| 今後の研究の推進方策 |
われわれのこれまでの研究に基づく複数の知見を組み合わせ, 自己教師付き表現学習分野に適用する目処が立った. 最終年度の 2022 年度は, この分野に注力する. 同じアイディアは, 他の機械学習タスクにも応用できる可能性が高く, そちらについても検討する.
|
