2020 Fiscal Year Annual Research Report
多ドメイン関連性データのグラフ埋め込みによる表現学習
| Project/Area Number |
20H04148
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
下平 英寿 京都大学, 情報学研究科, 教授 (00290867)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 多変量解析 / 次元削減 / 分散表現 / 表現学習 / グラフ埋め込み / 自然言語処理 / ニューラルネットワーク / 加法構成性 |
|---|
| Outline of Annual Research Achievements |
画像，タグ，文書等の様々なドメインのマルチモーダルデータから関連性を考慮したグラフ埋め込みによって情報統合し共通空間で表現する新しい柔軟な多変量解析の方法論を提案・発展させる．線形変換だけでなくニューラルネットによる非線形変換の次元削減によりグラフ構造を保存する埋め込みの最適化をおこなう．画像認識や自然言語処理などの大規模データに取り組み，その経験を理論にフィードバックすることによって，埋め込んだベクトルの加減算など共通空間の演算による推論の枠組みと，その演算の汎化性能に適した埋め込み空間や類似度関数のモデル選択の方法論の発展を目指す．
本年度は次の成果が得られた．
（１）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として，AND，OR，NOTなど論理演算に対応するベクトル表現の公式を導出した．（２）一般化した加法構成性について，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，性質を確認した．（３）マルチモーダル関連性データを低次元に埋め込み可視化する手法について新たに検討，いくつかのデータへの適用，および一般への利用を想定した実装を行った．（４）ｋ近傍法を改良するマルチスケール手法を実際に画像検索に適用して有効性について検証した．（５）オミクスデータのマルチモーダル情報統合解析に関連して，ある種のダイナミクスを埋め込む方法を検討して，シミュレーションデータを用いて検証した．（６）グラフ埋め込みに関連して，ネットワーク成長メカニズムの統計推測のモデルを改良して有効性を検証した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
理論研究と自然言語処理等への応用で一定の成果があった．
|
| Strategy for Future Research Activity |
今後も自然言語処理，画像検索，オミクスデータ解析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．
|
