| 研究課題/領域番号 |
21K12036
|
|---|
| 研究機関 | 成蹊大学 |
|---|
研究代表者 |
松田 源立 成蹊大学, 理工学部, 准教授 (40433700)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 機械学習 / 独立成分分析 / 信号処理 / 特徴抽出 / 深層学習 / 自然言語処理 |
|---|
| 研究実績の概要 |
独立成分分析の応用としてEEG信号の分析を行い、これまでに筆者らが提案した独立成分分析手法が、InfoMaxやFastICAといった既存手法における分析結果の大きな変動と比較して、試行によらない一意に安定したパターンを抽出できることを確認した。
チェスや麻雀といったボードゲームにおける棋譜に対して、シーケンシャルパターンマイニングを適用して時系列パターンを抽出することで、人間にも分かりやすい有用なルールが発見可能であることを示した。SNSにおける日本語の様々な一人称の扱われ方を調査し、潜在的ディリクレ配分法によるトピック抽出を行うことで、一人称の種類に依存して書き込みのトピック内容に変化があることを示した。深層学習を用いた機械翻訳における翻訳性能評価について、BLEUやBERTScore等のこれまでに提案された様々な評価指標の挙動を検証した。さらに、実際の翻訳データを教師例として、既存の指標を線形に組み合わせて重みを学習させることにより、新しい評価指標の構築を行い、その性質を調査した。
情報科学分野における基本的な教科書群の自然言語処理を行い、トピック抽出および動的時間伸縮法を活用することによって、教科書群の適切なクラスタリングが行えることを示した。
ウェブ上で提供されている大量のシラバスを効率的に発見するために、キーワード検索とコンテンツベースの検索を組み合わせたツールを開発した。
議論グラフを分析するためのコスト関数を利用した新たな枠組みを構築し、その挙動について調査した。
|
| 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
本研究の根幹となる独立成分分析に関する研究を着実に進めてきた。さらに機械学習全般として、様々なデータからの有用な特徴抽出に成功しており、本研究全体で目標としているネットワーク構造の自動抽出に有用な知見が得られた。
|
| 今後の研究の推進方策 |
多層構造の独立成分分析手法の構築や、様々なデータにおける独立成分分析の応用について引き続き研究を進めていく予定である。さらに機械学習全般における特徴抽出や構造抽出について、様々な応用事例を通して研究を進めていく予定である。
|
| 次年度使用額が生じた理由 |
本研究を進めるにあたっては最終的に高性能計算サーバの導入が必要であるが、機器・部品の性能及び価格状況から見て、初年度予算内で購入する場合は必ずしも十分な性能が得られないと判断した。部品の追加で徐々にサーバを増強するよりも、翌年度予算と合算して新規サーバを導入した方がより効率的な予算利用となるとも判断したため、大半の助成金を繰り越した。今後は、合算の上、高性能計算サーバの導入に使用する予定である。
|
