|
確率的潜在変数モデルは、柔軟なモデル設計能力により様々な科学分野で注目を集めている。例えば、ソーシャルネットワークデータ分析では、隠れたコミュニティ構造を潜在変数として抽出することができる。しかしながら、確率的潜在変数モデルの学習は局所解を多く含む最適化問題として定式化され、一般的に難しい問題である。本研究では、確率的潜在変数モデルに対して、決定論的・確率的の２つの側面から効率的な学習アルゴリズムを提案する。１つ目は、周辺化変分ベイズ法に基づく学習アルゴリズムで、２つ目は、量子アニーリングに基づくアルゴリズムである。学術文書やネットワークデータの解析で提案手法の有効性を確認した。
|
