2019 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)昨年度に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の見通しがあったが,さらなる数値実験により性能を確認することができた.重み係数に負の値を許す重み付き内積を用いた類似度関数が広いクラスの類似度を近似でき,関連性データからの学習も安定している.(2)関連性データからの表現学習において得られる分散表現について,加法構成性などの性質を一般化するための枠組みについて見通しが得られた.自然言語処理における単語埋め込みを例題として数値実験を行い,一般化した加法構成性の性質を確認した.(3)グラフ埋め込みを一般化するハイパーグラフ埋め込みの統計的性質を調べた.(4)単語分割を事前に行わずすべてのn-gramの埋め込みを行う手法を発展させて,n-gramの構成要素の分散表現を用いるモデリングにより性能向上が確認できた.(5)画像検索に関連してk近傍法を改良する着想と予備的な結果を得た.(6)ネットワーク成長の統計モデルやリサンプリングによる選択的推測についても進展があった.
|
Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
Research Products
(13 results)