| 研究課題/領域番号 |
20K11960
|
|---|
| 研究機関 | 明治大学 |
|---|
研究代表者 |
櫻井 義尚 明治大学, 総合数理学部, 専任教授 (30408653)
|
|---|
| 研究分担者 |
櫻井 恵里子 産業能率大学, 経営学部, 准教授 (00763567)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 機械学習 / 転移学習 / ドメイン知識 / メタラーニング / 自然言語処理 / 蒸留モデル / 教師データ |
|---|
| 研究実績の概要 |
本研究の目的は、大量の教師データだけに頼らず、ドメイン知識やノウハウを活用することで、少ない教師データから精度の高い機械学習モデルを構築することである。現在、機械学習による高精度な予測、分類を実現するためには、教師データと呼ばれる正解ラベル付けされたデータが大量に必要となるが、実問題への適用では、「十分なデータが用意できない」、「教師データを人手で作成する工数が膨大」などの理由で機械学習モデルを構築できないケースが多数存在する。そこで、ドメイン知識を活用することで、データ不足を補う方法について、実験と検証を進めた。
今年度は特に、少ない教師データから精度の高い機械学習モデルを構築するための転移学習手法を中心に研究を進めた。転移学習とは、ある課題で学習したこと(学習済みモデル)を別の課題において活用することで、効率的に教師あり学習を行う方法である。ある特定の課題に対して、有効に機能する別課題、学習済みモデルについて実験・検証を重ね、その有効性を検証したり、転移学習に適したニューラルネットワークモデルを提案し、その検証をおこなった。
また、マーケティングなど市場調査において重要となるSNSからの意見抽出、市場環境を把握するための自然言語処理による政策不確実性評価、自然言語処理を駆使して人間と対話を行う人工知能であるカウンセリングエージェントなど様々な応用課題において、その検証を行い、国際ジャーナルでの出版、学会発表を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
コロナ禍の影響もあり、国際会議参加ができなったり、実験が難しいなどの影響もあったが、転移学習を中心に少ない教師データから精度の高い機械学習モデルを構築するための知見が得られており、国際ジャーナルでの出版や学会発表も行えたことから、おおむね順調に研究は進展しているものと判断する。
|
| 今後の研究の推進方策 |
少ない教師データから精度の高い機械学習モデルを構築するためのアルゴリズム、データについての研究を引き続き進めていく。特に、ドメインに特化した転移学習や教師データの特性の分析、ルールベースを活用した機械学習モデルの構築などを行っていく。
|
| 次年度使用額が生じた理由 |
コロナ感染拡大に伴い、国際会議への出席が無くったため、今年度は旅費の出費が無くなった。残りは、今後の国際会議への旅費で利用する予定。
|
