JP2019133496A - コンテンツ特徴量抽出装置、方法、及びプログラム - Google Patents
コンテンツ特徴量抽出装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP2019133496A JP2019133496A JP2018016372A JP2018016372A JP2019133496A JP 2019133496 A JP2019133496 A JP 2019133496A JP 2018016372 A JP2018016372 A JP 2018016372A JP 2018016372 A JP2018016372 A JP 2018016372A JP 2019133496 A JP2019133496 A JP 2019133496A
- Authority
- JP
- Japan
- Prior art keywords
- content
- feature amount
- digital content
- digital
- prediction model
- 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)
- Image Analysis (AREA)
Abstract
Description
・・・(1)
・・・(2)
・・・(3)
・・・(4)
(2)コンテンツ特徴量モデル学習部40により、固定したリンク予測モデルを用いて、コンテンツ特徴量モデルを学習する。
(3)コンテンツ特徴量算出部42により、固定したコンテンツ特徴量モデルを用いて、コンテンツ特徴量を学習する。
(4)(1)〜(3)を繰り返し実行する。繰り返しは、所定の条件を満たした際に停止する。繰り返し終了条件としては、更新回数が所定数を超える、リンク予測モデル及びコンテンツ特徴量モデルについて、更新前パラメータと更新後パラメータとの差分が所定の閾値よりも小さくなる、などの条件が考えられる。
・・・(5)
なお、第2の実施の形態の他の構成は第1の実施の形態と同様であるため、説明を省略する。
<本発明の第3の実施の形態に係るコンテンツ特徴量抽出装置の構成>
・・・(6)
・・・(7)
・・・(8)
・・・(9)
・・・(10)
<本発明の第3の実施の形態に係るコンテンツ特徴量抽出装置の作用>
<本発明の第3の実施の形態に係るコンテンツ特徴量抽出装置の作用>
・衣類画像の分類を目的としたデータセット: Apparel、Hipster
・画像から受ける印象の予測(positive or negative)を目的としたデータセット: Instagram
2.FT-GRP:リンク予測モデルを用いず、代わりにディジタルコンテンツ集合を正解ラベルとしてVGG-Netを再学習し、この再学習後のVGG-Netを各タスクの特徴量として利用。
3.FT-WORD:リンク予測モデルを用いず、代わりにディジタルコンテンツ集合に含まれるテキスト単語を正解ラベルとしてVGG-Netを再学習し、この再学習後のVGG-Netを各タスクの特徴量として利用。
4.PROP-SC:前記実施形態のうち、コンテンツ特徴量モデルを用いず、スパース符号化を用いてリンク予測モデルから直接コンテンツ特徴量を抽出する方法。
5.PROP-FT:前記実施形態のうち、コンテンツ特徴量モデルを学習して、このコンテンツ特徴量モデルからコンテンツ特徴量を抽出する方法。
6.VGG+SC:PROP-SCのコンテンツ特徴量とVGGのコンテンツ特徴量を連結して用いる方法。
7.VGG+FT:PROC-FTのコンテンツ特徴量とVGGのコンテンツ特徴量を連結して用いる方法。
20、220、320 演算部
22 リンク予測モデル記憶部
24 コンテンツ特徴量モデル記憶部
30 コンテンツ基本特徴量抽出部
32 コンテンツ集合基本特徴量抽出部
34 グラフ構築部
36 リンク予測モデル学習部
40 コンテンツ特徴量モデル学習部
42 コンテンツ特徴量算出部
44 モデル交互最適化部
46、246 リンク予測部
50、250、350 出力部
100、200、300 コンテンツ特徴量抽出装置
243 コンテンツ特徴量算出部
340 新規ディジタルコンテンツ集合リンク予測部
342 潜在変数予測モデル学習部
344 潜在変数予測部
Claims (7)
- 予め用意されたディジタルコンテンツからなる複数のディジタルコンテンツ集合を用いて、前記ディジタルコンテンツ集合に含まれるディジタルコンテンツ、及び前記ディジタルコンテンツ集合とは別に与えられた新規ディジタルコンテンツの少なくとも一方の特徴量を抽出する、コンテンツ特徴量抽出装置におけるコンテンツ特徴量抽出方法において、
コンテンツ基本特徴量抽出部が、前記ディジタルコンテンツ集合に含まれるディジタルコンテンツの各々について、前記ディジタルコンテンツの基本的な特徴量であるコンテンツ基本特徴量を抽出するステップと、
グラフ構築部が、前記ディジタルコンテンツの各々がいずれのディジタルコンテンツ集合に含まれるかを表現するグラフであるコンテンツグラフを構築するステップと、
リンク予測モデル学習部が、前記ディジタルコンテンツの各々から抽出したコンテンツ基本特徴量、及び前記コンテンツグラフに基づいて、前記ディジタルコンテンツ集合への所属の有無を前記ディジタルコンテンツの前記コンテンツ基本特徴量から予測するモデルであるリンク予測モデルを学習するステップと、
コンテンツ特徴量算出部が、学習された前記リンク予測モデルに基づいて、前記ディジタルコンテンツ集合に含まれるディジタルコンテンツ、及び新規ディジタルコンテンツの少なくとも一方について、前記ディジタルコンテンツの特徴量であるコンテンツ特徴量を計算するステップと、
を含むコンテンツ特徴量抽出方法。 - 前記コンテンツ特徴量抽出方法は、更に、
コンテンツ集合基本特徴量抽出部が、前記複数のディジタルコンテンツ集合の各々について、前記ディジタルコンテンツ集合の基本的な特徴量であるコンテンツ集合基本特徴量を抽出するステップを備え、
前記リンク予測モデル学習部のステップは、前記ディジタルコンテンツの各々から抽出したコンテンツ基本特徴量、前記複数のディジタルコンテンツ集合の各々から抽出したコンテンツ集合基本特徴量、及び前記コンテンツグラフに基づいて、前記ディジタルコンテンツ集合への所属の有無を、前記コンテンツ基本特徴量及び前記コンテンツ集合基本特徴量から予測するリンク予測モデルを学習する請求項1に記載のコンテンツ特徴量抽出方法。 - 前記コンテンツ特徴量抽出方法は、更に、
コンテンツ特徴量モデル学習部が、前記リンク予測モデル、及び前記ディジタルコンテンツ集合に含まれるディジタルコンテンツから、ディジタルコンテンツのコンテンツ特徴量を抽出するためのモデルであるコンテンツ特徴量モデルを学習するステップを備え、
前記コンテンツ特徴量算出部のステップは、学習された前記コンテンツ特徴量モデルを用いて、前記ディジタルコンテンツ集合に含まれるディジタルコンテンツ、及び前記新規ディジタルコンテンツの少なくとも一方から、前記コンテンツ特徴量を算出する請求項1又は請求項2に記載のコンテンツ特徴量抽出方法。 - 前記コンテンツ特徴量抽出方法は、更に、
モデル交互最適化部が、前記リンク予測モデル学習部のステップと、前記コンテンツ特徴量モデル学習部のステップとを交互に繰り返し実行することで、前記リンク予測モデル及び前記コンテンツ特徴量モデルを最適化するステップを備え、
前記リンク予測モデル学習部のステップは、学習された前記コンテンツ特徴量モデルを用いて前記ディジタルコンテンツの各々から抽出したコンテンツ特徴量、及び前記コンテンツグラフに基づいて、前記ディジタルコンテンツ集合への所属の有無を前記ディジタルコンテンツの前記コンテンツ特徴量から予測するモデルであるリンク予測モデルを学習する請求項3に記載のコンテンツ特徴量抽出方法。 - 前記コンテンツ特徴量抽出方法は、更に、
新規ディジタルコンテンツ集合リンク予測部が、新規に与えられたディジタルコンテンツ集合である新規ディジタルコンテンツ集合について、予め学習された、前記リンク予測モデルに含まれる潜在変数を予測する潜在変数予測モデルに基づいて、新規ディジタルコンテンツ集合についての潜在変数を予測し、予測された潜在変数と、前記リンク予測モデルとに基づいて、新規ディジタルコンテンツ集合へのディジタルコンテンツの所属の有無を予測するステップを備える請求項1〜請求項4のいずれか1項に記載のコンテンツ特徴量抽出方法。 - 予め用意されたディジタルコンテンツからなる複数のディジタルコンテンツ集合を用いて、前記ディジタルコンテンツ集合に含まれるディジタルコンテンツ、及び前記ディジタルコンテンツ集合とは別に与えられた新規ディジタルコンテンツの少なくとも一方の特徴量を抽出する、コンテンツ特徴量抽出装置において、
前記ディジタルコンテンツ集合に含まれるディジタルコンテンツの各々について、前記ディジタルコンテンツの基本的な特徴量であるコンテンツ基本特徴量を抽出するコンテンツ基本特徴量抽出部と、
前記ディジタルコンテンツの各々がいずれのディジタルコンテンツ集合に含まれるかを表現するグラフであるコンテンツグラフを構築するグラフ構築部と、
前記ディジタルコンテンツの各々から抽出したコンテンツ基本特徴量、及び前記コンテンツグラフに基づいて、前記ディジタルコンテンツ集合への所属の有無を前記ディジタルコンテンツの前記コンテンツ基本特徴量から予測するモデルであるリンク予測モデルを学習するリンク予測モデル学習部と、
学習された前記リンク予測モデルに基づいて、前記ディジタルコンテンツ集合に含まれるディジタルコンテンツ、及び新規ディジタルコンテンツの少なくとも一方について、前記ディジタルコンテンツの特徴量であるコンテンツ特徴量を計算するコンテンツ特徴量算出部と、
を含むコンテンツ特徴量抽出装置。 - コンピュータに、請求項1〜請求項5のいずれか1項に記載のコンテンツ特徴量抽出方法の各ステップを実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018016372A JP6993250B2 (ja) | 2018-02-01 | 2018-02-01 | コンテンツ特徴量抽出装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018016372A JP6993250B2 (ja) | 2018-02-01 | 2018-02-01 | コンテンツ特徴量抽出装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019133496A true JP2019133496A (ja) | 2019-08-08 |
JP6993250B2 JP6993250B2 (ja) | 2022-01-13 |
Family
ID=67547520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018016372A Active JP6993250B2 (ja) | 2018-02-01 | 2018-02-01 | コンテンツ特徴量抽出装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6993250B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113239924A (zh) * | 2021-05-21 | 2021-08-10 | 上海交通大学 | 一种基于迁移学习的弱监督目标检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014026455A (ja) * | 2012-07-26 | 2014-02-06 | Nippon Telegr & Teleph Corp <Ntt> | メディアデータ解析装置、方法、及びプログラム |
JP2014238793A (ja) * | 2013-06-10 | 2014-12-18 | 日本電信電話株式会社 | ディジタルコンテンツ分類装置、ディジタルコンテンツ検索装置、方法、及びプログラム |
JP2015158739A (ja) * | 2014-02-21 | 2015-09-03 | 日本電信電話株式会社 | 画像分類装置、画像分類方法及び画像分類プログラム |
-
2018
- 2018-02-01 JP JP2018016372A patent/JP6993250B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014026455A (ja) * | 2012-07-26 | 2014-02-06 | Nippon Telegr & Teleph Corp <Ntt> | メディアデータ解析装置、方法、及びプログラム |
JP2014238793A (ja) * | 2013-06-10 | 2014-12-18 | 日本電信電話株式会社 | ディジタルコンテンツ分類装置、ディジタルコンテンツ検索装置、方法、及びプログラム |
JP2015158739A (ja) * | 2014-02-21 | 2015-09-03 | 日本電信電話株式会社 | 画像分類装置、画像分類方法及び画像分類プログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113239924A (zh) * | 2021-05-21 | 2021-08-10 | 上海交通大学 | 一种基于迁移学习的弱监督目标检测方法及系统 |
CN113239924B (zh) * | 2021-05-21 | 2022-04-26 | 上海交通大学 | 一种基于迁移学习的弱监督目标检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6993250B2 (ja) | 2022-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Progressive neural architecture search | |
WO2023000574A1 (zh) | 一种模型训练方法、装置、设备及可读存储介质 | |
CN112119411A (zh) | 用于统合不同数据模态的统计模型的系统和方法 | |
CN110347932B (zh) | 一种基于深度学习的跨网络用户对齐方法 | |
US20200167659A1 (en) | Device and method for training neural network | |
WO2021089013A1 (zh) | 空间图卷积网络的训练方法、电子设备及存储介质 | |
CN114298158A (zh) | 一种基于图文线性组合的多模态预训练方法 | |
CN110837602A (zh) | 基于表示学习和多模态卷积神经网络的用户推荐方法 | |
CN114398491A (zh) | 一种基于知识图谱的语义分割图像实体关系推理方法 | |
CN107491782B (zh) | 利用语义空间信息的针对少量训练数据的图像分类方法 | |
WO2022252455A1 (en) | Methods and systems for training graph neural network using supervised contrastive learning | |
CN113190688A (zh) | 基于逻辑推理和图卷积的复杂网络链接预测方法及系统 | |
CN116049459B (zh) | 跨模态互检索的方法、装置、服务器及存储介质 | |
WO2023087953A1 (zh) | 搜索神经网络集成模型的方法、装置和电子设备 | |
JP2018185771A (ja) | 文ペア分類装置、文ペア分類学習装置、方法、及びプログラム | |
CN114943017A (zh) | 一种基于相似性零样本哈希的跨模态检索方法 | |
CN113378938B (zh) | 一种基于边Transformer图神经网络的小样本图像分类方法及系统 | |
CN115062779A (zh) | 基于动态知识图谱的事件预测方法及装置 | |
JP6993250B2 (ja) | コンテンツ特徴量抽出装置、方法、及びプログラム | |
Janković Babić | A comparison of methods for image classification of cultural heritage using transfer learning for feature extraction | |
CN111126443A (zh) | 基于随机游走的网络表示学习方法 | |
CN115828100A (zh) | 基于深度神经网络的手机辐射源频谱图类别增量学习方法 | |
CN114298290A (zh) | 一种基于自监督学习的神经网络编码方法及编码器 | |
CN113051408A (zh) | 一种基于信息增强的稀疏知识图谱推理方法 | |
CN112085040A (zh) | 对象标签确定方法、装置和计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190426 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210104 |
|
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: 20211116 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211209 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6993250 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |