• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2021 年度 研究成果報告書

テキストベースの深層学習における分類パターンの解釈支援

研究課題

  • PDF
研究課題/領域番号 19K12124
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
研究機関滋賀県立大学

研究代表者

砂山 渡  滋賀県立大学, 工学部, 教授 (40314398)

研究分担者 河原 吉伸  九州大学, マス・フォア・インダストリ研究所, 教授 (00514796)
西原 陽子  立命館大学, 情報理工学部, 教授 (70512101)
研究期間 (年度) 2019-04-01 – 2022-03-31
キーワード深層学習 / DNN / RNN / 学習結果の解釈 / 知識抽出
研究成果の概要

本研究においては,テキストベースの深層学習において,学習された分類パターンの意味を,人間が解釈できる環境の構築を目指した.すなわち,深層学習ネットワーク,DNN(Deep Neural Network)ならびに再帰構造をもつRNN(Recurrent Neural Network)による学習結果の解釈を人間に促すインタフェースを構築した.インタフェースにおいては,学習したネットワークを可視化して,単語のラベル付きで表示を行う.
評価実験においては,深層学習に不慣れな被験者に,インタフェース上に表示される,学習元のテキスト集合の分類パターンについての解釈を行ってもらい,その妥当性を検証した.

自由記述の分野

知能情報学

研究成果の学術的意義や社会的意義

ブラックボックス問題と言われている深層学習の学習結果を解釈するための手がかりを提示するシステムを構築したこと.ならびに,単純な全結合のDNNだけでなく,再帰構造を含むRNNにより,時系列データの学習にも対応している点で学術的意義がある.
また,深層学習で学習された知識が取り出せるようになることで,抽出した知識を人間が活用することや,コンピュータが対応できている点とできていない点を理解した上で,結果の根拠を利用できることは,結果を利用する際の納得感が異なると考えられる.また,抽出した知識を類似する他の分野に転用するなどの応用が可能となるため,社会的意義がある.

URL: 

公開日: 2023-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi