2023 年度研究成果報告書

教師ラベル無しビッグデータからの高速高精度分類器学習手法の探求

研究課題

PDF

研究課題/領域番号	20K21815
研究種目	挑戦的研究(萌芽)
配分区分	基金
審査区分	中区分61:人間情報学およびその関連分野
研究機関	大阪大学
研究代表者	鷲尾隆大阪大学, 産業科学研究所, 教授 (00192815)
研究期間 (年度)	2020-07-30 – 2024-03-31
キーワード	弱教師有り学習 / 分類器学習 / 機械学習 / UUC / 教師ラベル無しデータ
研究成果の概要	AI技術の普及に伴い、データ収集の制約やコストから教師ラベルなしビッグデータからの分類器学習ニーズが高まっている。これに対し、正負例割合の異なる２つのラベル無し事例集合から分類器を学習するUUC手法が提案されているが、既存手法はビッグデータに対して膨大な学習計算量を要し、また分類に偏り誤差を生じる問題があった。そこで、本研究ではより汎用性を有し、低計算量で偏り誤差の無いUUC手法を提案した。そして、実データを含む様々なデータに適用し、教師ラベルあり学習と同等以上の精度で、教師ラベルなし学習が可能であることを検証した。これにより、既存手法の適用範囲限界を遥かに超えるUUC手法を確立した。
自由記述の分野	人工知能
研究成果の学術的意義や社会的意義	IoT社会の深化とAI技術の普及に伴い、ビッグデータからの分類器学習ニーズが増しているが、多くの場合にデータ収集の制約やコストから教師ラベルが得られないことが問題となっている。これに対し近年、正負例割合の異なる２つのラベル無し事例集合から分類器を学習するUUC手法が提案されている。しかし、これらはカーネル法を用いており、訓練データ数NについてO(N3)の学習計算量を要し、またN→∞でも分類に偏り誤差を生じる場合がある。従って、複雑な事例分布を持つビッグデータに適用可能な高速高精度なUUC手法の開発が強く待たれていた。本研究成果は、この社会的要請に応えるものである。