研究課題
本課題では、機械学習による予測の問題において、予測情報の利用者が、自身の情報との関連性をコントロールするための手法について取り組んだ。具体的には、機械学習によって行われる分類や予測は、自身の情報との関連において、差別，不公平，偏見などが生まれる可能性があり、これを中立化と呼ばれる操作によってコントロールすることをめざす。研究期間全体を通しては、（１）分類問題と（２）推薦問題に取り組んだ。（１）では、経験損失最小化の目的関数に対して，視点と分類器の出力が相関していることに対する罰則項である中立性リスクを加えることによって中立化を行う neutralized empirical riskminimization (NERM) という枠組みにおいて、未知の事例に対する汎化的な中立性について理論的な解析を行った。（２）では、推薦による提供上の個別化によって、知らないうちに，自身が関心があるとされる限定された話題の情報のみにしか接しないようになるフィルターバブルの問題において、利用者が視点を制御出来るようにした情報中立推薦システム (information-neutral recommender systerm) を提案し、その効果を実験的に考察した。
すべて 2014
すべて 雑誌論文 (1件) (うち査読あり 1件) 学会発表 (1件)
Proceedings of Machine Learning and Knowledge Discovery in Databases - European Conference, ECML PKDD 2014. Lecture Notes in Computer Science 8724, Springer 2014
巻: 1 ページ: 418-433
10.1007/978-3-662-44848-9_27
