| 研究成果の概要 |
本研究における主要な成果は以下の通りである. (1) 知識グラフ埋め込みの改良. 特に, 「経路問い合わせ」と呼ばれる問い合わせに従来モデルが不適当であることを指摘し, これを解消するモデルを提案した. また, 推論時のメモリ使用量削減のため, 知識グラフ埋め込みの二値量子化法を提案した. (2) ニューラルネットワークを用いた画像の事前表現学習で最近提案された非対照学習による手法が, 埋め込み次元が高い場合に非効率なことを指摘し, 下流タスクの精度を保ったまま, この欠点を取り除くスケーラブルな非対称学習法を提案した.
|
| 研究成果の学術的意義や社会的意義 |
多くのニューラルネットの応用分野において, 外部知識を, 知識グラフとして表現して活用する手法が多く提案されており, 我々の成果はこういったアプローチの補助となる. 表現学習に関する提案法は, スケーラブルな特徴量非相関化法であるが, これは画像のみならず多様なデータの表現学習にもほぼそのまま適用可能である. また, 提案法は特徴量の非相関化が必要な表現学習以外のタスクにも広く用いることができる.
|
