JP2016024523A - 縮約素性生成装置、情報処理装置、方法、及びプログラム - Google Patents
縮約素性生成装置、情報処理装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP2016024523A JP2016024523A JP2014146548A JP2014146548A JP2016024523A JP 2016024523 A JP2016024523 A JP 2016024523A JP 2014146548 A JP2014146548 A JP 2014146548A JP 2014146548 A JP2014146548 A JP 2014146548A JP 2016024523 A JP2016024523 A JP 2016024523A
- Authority
- JP
- Japan
- Prior art keywords
- feature
- importance
- function
- functions
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
【解決手段】ベースモデル構築部24により、ベースモデルを学習し、原素性重要度計算部34により、正の重要度又は負の重要度を、複数の原素性関数の各々について計算し、縮約素性作成部35により、計算された複数の原素性関数の各々の正の重要度又は負の重要度に基づいて、正の重要度又は負の重要度の値が同一となる原素性関数からなるグループを作成し、作成したグループの各々について、グループの重要度の代表値を、同一となる値とし、グループに含まれる原素性関数をまとめた縮約素性関数を作成し、モデル再構築部52により、複数の正解データの各々の縮約素性関数の各々を用いて、入力に対応する最尤出力を出力するように構築される最終モデルを学習する。
【選択図】図9
Description
まず、本実施の形態の概要について説明する。
次に、本実施の形態の原理について説明する。
Yは、可能な全ての出力の集合である。
y^は、任意の一つの出力である。つまり、y^∈Yの関係が成り立つ。
次に、本発明の実施の形態に係る縮約素性生成装置の構成について説明する。図9に示すように、本発明の実施の形態に係る縮約素性生成装置100は、CPUと、RAMと、後述する縮約素性生成処理ルーチンを実行するためのプログラムや各種データを記憶したROMと、を含むコンピュータで構成することが出来る。この縮約素性生成装置100は、機能的には図9に示すように入力部10と、演算部20と、出力部90とを備えている。
前述の縮約素性生成装置100で得られた縮約素性関数集合を用いた最終モデルを用いて、情報処理装置200によって、未知の入力データに対して所定の情報処理を行う。最終モデルを用いる場合、原素性関数集合を用いたベースモデルを用いる場合よりも、高いシステム性能が得られることが期待できる。
次に、本実施の形態に係る縮約素性生成装置100の作用について説明する。まず、正解データの集合と、未解析データの集合と、縮約素性生成装置100に入力されると、縮約素性生成装置100によって、入力された正解データの集合が、正解データ記憶部22に記憶され、入力された未解析データの集合が、未解析データ記憶部28に記憶される。そして、縮約素性生成装置100によって、図12に示す縮約素性生成処理ルーチンが実行される。
次に、本実施の形態に係る情報処理装置200の作用について説明する。まず、縮約素性生成装置100から出力された最終モデルが情報処理装置200に入力されると、モデル記憶部220に格納される。そして、分類対象となる入力データx^が入力部210により受け付けられると、情報処理装置200によって、図14に示す実行処理ルーチンが実行される。
次に、本実施の形態の実験結果を示す。図15に原素性関数集合を使った場合、従来法を用いた場合、縮約素性関数集合を使った場合のテキスト分類精度を示す。
20 演算部
22 正解データ記憶部
24 ベースモデル構築部
26 ベースモデル記憶部
28 未解析データ記憶部
30 縮約素性関数構築部
34 原素性重要度計算部
35 縮約素性作成部
36 原素性選択部
38 原素性融合部
40 原素性重要度追加部
50 縮約素性集合定義記憶部
52 モデル再構築部
90 出力部
100 縮約素性生成装置
200 情報処理装置
210 入力部
220 モデル記憶部
230 情報処理部
240 出力部
Claims (6)
- 入力に対する正解出力が既知の複数の正解データの各々の特徴を表す複数の原素性関数の各々を用いて、入力に対応する最尤出力を出力するように構築されるベースモデルを学習するベースモデル構築部と、
前記ベースモデル構築部により学習されたベースモデルに、入力に対する正解出力が未知の複数の未解析データの各々を入力した際に、前記未解析データから抽出された前記複数の原素性関数の各々を用いて前記ベースモデルが選択した最尤出力に対する前記原素性関数の各々の値、及び前記ベースモデルにより選択されなかった出力に対する前記原素性関数の各々の値に基づいて、前記ベースモデルの最尤出力に対して、前記原素性関数の各々が与える正の影響又は負の影響を示す正の重要度又は負の重要度の値が、所定個の実数値と0とからなる離散値の集合に含まれる制約を満たすように、前記正の重要度又は負の重要度を、前記複数の原素性関数の各々について計算する原素性重要度計算部と、
前記原素性重要度計算部により計算された前記複数の原素性関数の各々の正の重要度又は負の重要度に基づいて、前記正の重要度又は前記負の重要度の値が同一となる原素性関数からなるグループを作成し、作成したグループの各々について、前記グループの重要度の代表値を、前記同一となる値とし、前記グループに含まれる原素性関数をまとめた縮約素性関数を作成する縮約素性作成部と、
前記複数の正解データの各々の前記縮約素性関数の各々を用いて、入力に対応する最尤出力を出力するように構築される最終モデルを学習するモデル再構築部と、
を含む、縮約素性生成装置。 - 前記原素性重要度計算部は、以下(1)式、及び(2)式に従って、前記ベースモデルの最尤出力に対して、i番目の前記原素性関数の各々について、正の重要度又は負の重要度(δi、ui)を計算する請求項1記載の縮約素性生成装置。
- ベースモデル構築部と、原素性重要度計算部と、縮約素性作成部と、モデル再構築部と、を含む縮約素性生成装置における、縮約素性生成方法であって、
前記ベースモデル構築部は、入力に対する正解出力が既知の複数の正解データの各々の特徴を表す複数の原素性関数の各々を用いて、入力に対応する最尤出力を出力するように構築されるベースモデルを学習し、
前記原素性重要度計算部は、前記ベースモデル構築部により学習されたベースモデルに、入力に対する正解出力が未知の複数の未解析データの各々を入力した際に、前記未解析データから抽出された前記複数の原素性関数の各々を用いて前記ベースモデルが選択した最尤出力に対する前記原素性関数の各々の値、及び前記ベースモデルにより選択されなかった出力に対する前記原素性関数の各々の値に基づいて、前記ベースモデルの最尤出力に対して、前記原素性関数の各々が与える正の影響又は負の影響を示す正の重要度又は負の重要度の値が、所定個の実数値と0とからなる離散値の集合に含まれる制約を満たすように、前記正の重要度又は負の重要度を、前記複数の原素性関数の各々について計算し、
前記縮約素性作成部は、前記原素性重要度計算部により計算された前記複数の原素性関数の各々の正の重要度又は負の重要度に基づいて、前記正の重要度又は前記負の重要度の値が同一となる原素性関数からなるグループを作成し、作成したグループの各々について、前記グループの重要度の代表値を、前記同一となる値とし、前記グループに含まれる原素性関数をまとめた縮約素性関数を作成し、
前記モデル再構築部は、前記複数の正解データの各々の前記縮約素性関数の各々を用いて、入力に対応する最尤出力を出力するように構築される最終モデルを学習する
縮約素性生成方法。 - 前記原素性重要度計算部が計算することは、以下(3)式、及び(4)式に従って、前記ベースモデルの最尤出力に対して、i番目の前記原素性関数の各々について、正の重要度又は負の重要度(δi、ui)を計算する請求項3記載の縮約素性生成方法。
- 入力データを受け付ける入力部と、
前記入力部において受け付けた入力データに対して、前記縮約素性関数を抽出し、前記抽出された縮約素性関数と、請求項1又は請求項2記載の縮約素性生成装置によって構築された最終モデルとに基づいて、最尤出力を出力する情報処理部と、
を含む、情報処理装置。 - コンピュータを、請求項1又は請求項2記載の縮約素性生成装置、若しくは請求項5記載の情報処理装置を構成する各部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014146548A JP6230501B2 (ja) | 2014-07-17 | 2014-07-17 | 縮約素性生成装置、情報処理装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014146548A JP6230501B2 (ja) | 2014-07-17 | 2014-07-17 | 縮約素性生成装置、情報処理装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016024523A true JP2016024523A (ja) | 2016-02-08 |
JP6230501B2 JP6230501B2 (ja) | 2017-11-15 |
Family
ID=55271258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014146548A Active JP6230501B2 (ja) | 2014-07-17 | 2014-07-17 | 縮約素性生成装置、情報処理装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6230501B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020177507A (ja) * | 2019-04-19 | 2020-10-29 | 株式会社サイトビジット | 試験問題予測システム及び試験問題予測方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012256198A (ja) * | 2011-06-08 | 2012-12-27 | Nippon Telegr & Teleph Corp <Ntt> | 縮約素性生成装置、方法、プログラム、モデル構築装置及び方法 |
-
2014
- 2014-07-17 JP JP2014146548A patent/JP6230501B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012256198A (ja) * | 2011-06-08 | 2012-12-27 | Nippon Telegr & Teleph Corp <Ntt> | 縮約素性生成装置、方法、プログラム、モデル構築装置及び方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020177507A (ja) * | 2019-04-19 | 2020-10-29 | 株式会社サイトビジット | 試験問題予測システム及び試験問題予測方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6230501B2 (ja) | 2017-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Semi-supervised learning via regularized boosting working on multiple semi-supervised assumptions | |
CN112529168B (zh) | 一种基于gcn的属性多层网络表示学习方法 | |
JP5881048B2 (ja) | 情報処理システム、及び、情報処理方法 | |
CN107220311B (zh) | 一种利用局部嵌入话题建模的文本表示方法 | |
Huang et al. | Large-scale heterogeneous feature embedding | |
Garreta et al. | Scikit-learn: machine learning simplified: implement scikit-learn into every step of the data science pipeline | |
CN107436942A (zh) | 基于社交媒体的词嵌入方法、系统、终端设备及存储介质 | |
Bonaccorso | Hands-on unsupervised learning with Python: implement machine learning and deep learning models using Scikit-Learn, TensorFlow, and more | |
Qian et al. | A survey on multi-label feature selection from perspectives of label fusion | |
Nakano et al. | Improving hierarchical classification of transposable elements using deep neural networks | |
Yang et al. | Generative counterfactuals for neural networks via attribute-informed perturbation | |
CN115293919A (zh) | 面向社交网络分布外泛化的图神经网络预测方法及系统 | |
Ouyang et al. | Missdiff: Training diffusion models on tabular data with missing values | |
CN112835798B (zh) | 聚类学习方法、测试步骤聚类方法及相关装置 | |
CN117349494A (zh) | 空间图卷积神经网络的图分类方法、系统、介质及设备 | |
Marconi et al. | Hyperbolic manifold regression | |
JP6230501B2 (ja) | 縮約素性生成装置、情報処理装置、方法、及びプログラム | |
CN111126443A (zh) | 基于随机游走的网络表示学习方法 | |
CN113297385B (zh) | 基于改进GraphRNN的多标签文本分类系统及分类方法 | |
Shah et al. | A hybrid approach of text summarization using latent semantic analysis and deep learning | |
JP5623344B2 (ja) | 縮約素性生成装置、方法、プログラム、モデル構築装置及び方法 | |
CN113159976B (zh) | 一种微博网络重要用户的识别方法 | |
Mor et al. | A genetic algorithm approach for clustering | |
Pineau et al. | Variational recurrent neural networks for graph classification | |
Krzyśko et al. | New variants of pairwise classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160907 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170725 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170721 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170922 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20171010 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171017 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6230501 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |