2014 Fiscal Year Annual Research Report
大規模構造データに対する確率モデル推定に基づく知識の創出と活用
| Project/Area Number |
23300039
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
江口 浩二 神戸大学, システム情報学研究科, 准教授 (50321576)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高須 淳宏 国立情報学研究所, コンテンツ科学研究系, 教授 (90216648)
大川 剛直 神戸大学, システム情報学研究科, 教授 (30223738)
|
|---|
| Project Period (FY) |
2011-04-01 – 2015-03-31
|
| Keywords | 潜在変数モデル / 混合メンバシップモデル / トピックモデル / ノンパラメトリックベイズモデル / マルチモーダルデータ解析 / 動的ネットワーク解析 / パーティクルフィルタ / 大規模計算 |
|---|
| Outline of Annual Research Achievements |
本年度は主として下記の項目の研究成果を達成した。
1. ノンパラメトリックベイズモデルと呼ばれるデータ解析手法の一つである階層ディリクレ過程（HDP）に関して、大規模データのための高速な推定を実現する分散並列アルゴリズムを開発し、クラウド環境を用いた評価実験を行った。その結果、提案した推定手法により、予測性能を維持しつつ高い効率性が実現することを明らかにした。
2. 映像データを構成するキーフレーム画像における視覚単語とそれに対応する発話単語に着目し、それらを統合する潜在トピックモデルを提案した。特に、各トピックに関して同一映像中では同じ視覚単語や発話単語による表現が頻出する傾向を考慮した。インタネット映像データのジャンル分類に関する評価実験により、提案モデルの有効性を示した。
3. 大規模で時間的変化を伴うネットワーク表現の潜在構造を推定し、未知の関係を予測することを目的として、混合メンバシップ・ブロックモデル（MMSB）と呼ばれる潜在変数モデルを高速かつ高精度に推定する忘却型パーティクルフィルタを提案した。社会ネットワークデータを用いた評価実験により、提案手法の有効性を示す結果を得た。
4. 多言語比較可能データなどのマルチモーダルデータを想定して、潜在トピックに基づいてモード間の関係をモデル化するマルチモーダル関係トピックモデルを開発し、リンク予測性能ならびに単語予測性能に関する評価実験を行った。
|
| Research Progress Status |
26年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
26年度が最終年度であるため、記入しない。
|
