2018 Fiscal Year Annual Research Report
データベクトル間の関連を考慮した多ドメインデータの多変量解析
Project/Area Number |
16H02789
|
Research Institution | Kyoto University |
Principal Investigator |
下平 英寿 京都大学, 情報学研究科, 教授 (00290867)
|
Co-Investigator(Kenkyū-buntansha) |
清水 昌平 滋賀大学, データサイエンス学部, 教授 (10509871)
|
Project Period (FY) |
2016-04-01 – 2020-03-31
|
Keywords | 多変量解析 / パターン認識 / グラフ埋め込み / 漸近理論 / 自然言語処理 / 画像検索 / 分散表現 / ニューラルネットワーク |
Outline of Annual Research Achievements |
ソーシャルメディアでは画像,タグ,地理情報等の様々な種類(ドメインと呼ぶ)のデータが得られ,画像やタグは数百次元のベクトルで表される.このような多ドメインデータから情報統合する柔軟な多変量解析の方法論(Cross-Domain Matching Correlation Analysis; CDMCA)を発展させることが本研究の目的である.正準相関分析を多ドメインへ拡張する既存手法では各ドメインのサンプルサイズが同一でベクトルの対応が1対1対応のものしか扱えない.本研究の方法では各ドメインのサンプルサイズが異なり,ベクトル間の関連の強さを任意に設定できる.画像認識や自然言語処理の大規模データに取り組んで,多変量解析の方法論の発展を目指している. 本年度は次の成果が得られた.(1)CDMCAの線形変換を非線形変換(ニューラルネット)におきかえる理論研究に重要な進展があった.十分に大きなニューラルネットワークを学習させることによって,内積を用いた特徴ベクトルの類似度は任意の正定値関数を学習できることがわかった.(2)さらにバイアス項もニューラルネットワークで学習することにより,任意の条件付き正定値関数を学習できることがわかった.これは双曲空間への埋め込みなど広いクラスを実現できる.(3)さらに内積の差を用いることによって,より広いクラスの類似度を学習できることがわかった.負の値を許す重み付き内積のSGDによる最適化計算によって効率よく学習できる.(4)これらの手法は自然言語処理の単語埋め込みにおいて有効であることがわかった.(5)画像検索のベンチマークデータ作成について予備的検討をおこなった.(6)ロバスト化のための理論的な結果を得た.(7)ネットワーク解析,情報量規準,リサンプリングに関しても進展があった.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
理論研究で大きな進展があった.自然言語処理と画像検索への応用ではおおむね想定通り.
|
Strategy for Future Research Activity |
今後も自然言語処理,画像検索などの応用をすすめて得られる知見を理論研究に生かしつつ,理論的な興味に基づいた研究も発展させる
|
Research Products
(22 results)