2020 Fiscal Year Annual Research Report
Development of advanced inference technologies for huge knowledge graphs in tensor spaces
| Project/Area Number |
18H03288
|
|---|
| Research Institution | Wakayama University |
|---|
Principal Investigator |
坂間 千秋 和歌山大学, システム工学部, 教授 (20273873)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
井上 克巳 国立情報学研究所, 情報学プリンシプル研究系, 教授 (10252321)
林 克彦 東京大学, 大学院情報理工学系研究科, 助教 (50725794)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | テンソル空間 / 論理推論 / アブダクション / 知識グラフ |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、人工知能における高次推論を知識グラフのような巨大知識ベースにおいて実現するための新しい計算手法を導入することである。研究3年目である2020年度は、(1)テンソル空間における論理推論の高速化と実装評価、(2)テンソル空間におけるアブダクションの効率的計算と実装評価、(3)知識グラフのテンソル分解モデルの自然言語処理応用の３つのサブテーマを設定して研究活動を行った。具体的成果は下記の通りである。
(1) ベクトル空間における論理推論高速化のためにスパース行列の技法を導入し、実験評価を行った。実験の結果、論理プログラムの最新のソルバーの一つである clingo を凌ぐ性能が得られた。
(2) アブダクションを行列計算を使って実現する枠組を開発し、実験評価を行った。実験の結果、提案手法は既存のアルゴリズムと同等もしくはそれ以上の性能を発揮し、並列計算への拡張可能性も確認できた。
(3) テンソル分解法を量子化し知識グラフを低次元のバイナリベクトル空間に埋め込む手法を開発した。この結果、低次元線形空間における高速推論が実現され、バイナリ埋め込みモデルが任意の知識グラフデータベースを再構成できることが保証された。
(4) 線形空間において論理推論の探索問題をコスト関数の極小化問題として捉え、アブダクションおよび確率推論をサンプリングに基づき計算する方式を導入し、実装評価した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2020年度は covid-19 の世界的蔓延により海外研究者との研究交流などに支障をきたしたが、国際会議や国際ジャーナルで複数の論文を発表することができ、概ね計画通りに進捗している。
|
| Strategy for Future Research Activity |
2021年度は研究計画最終年度であるため、これまでの成果をとりまとめると同時、後継プロジェクトへの発展可能性を検討する。
|
