| 研究概要 |
本研究の目的は項目応答理論で与えられるデータマイニングモデルを基礎とし、そこにデータ間の相関をマルコフ確率場の知見を参考に導入し、データマイニングのための新たな確率モデルを提案することである。
(1)データ間の相関を考慮できる確率的データマイニング理論体系の構築と整備
(2)頑健な結果を得るための統計的近似理論の整備
本年度は(1)と(2)についての重要な成果を得ることができた。まず(1)に関して、今年度は本研究課題の中核と据えている項目間の相関を考慮に入れた確率モデルを定式化し、統計的機械学習理論と組み合わせることにより、実用的な学習アルゴリズムを提案した。この研究成果の一部を国内の学会であるNC研究会により発表し、現在学術論文として出版するべく結果を取りまとめている。また、当該研究成果に関する依頼講演も一件依頼されており、これは今年度の研究成果が高く評価されたという証拠であると考えられる。
次に(2)に関して,今年度は統計的機械学習理論の新規な近似学習アルゴリズムの設計に取り組んだ。確率伝搬法を利用した従来から知られる高速学習アルゴリズムはモデルに対して確率変数がバイナリに限るなど、比較的制約が強い。しかしながら現実的な問題設定においてはこの制約は些か強すぎる。そこで、離散空間上での直交関数展開と確率伝搬法を組み合わせて近似学習アルゴリズムを定式化することにより、その制約を緩和可能な新たな高速近似学習アルゴリズムの提案に成功した。この成果は学術論文として出版されている。本年度の研究成果は主に田中和之教授(東北大学)、樺島祥介教授(東京工業大学)らの助言の下遂行されたものであり、本報告書記載の学術論文・学術会議においてその一部を報告している。さらに本年度得られた他の成果に関する学術論文もさらに現在出筆・投稿中である。
|
