JP2019200551A5 - - Google Patents

Claims (15)

1. ニューラルネットワークを備えるニューラルネットワーク環境において潜在因子をデータから発見する方法であって、
   入力データのセットに対してノイズをデータノイズ部によって付加する工程と、
   前記入力データのセットに基づいて、潜在コードのセットをエンコーダモデル及び非線形確率活性化部のセットによって計算する工程と、
   前記潜在コードのセットをデコーダモデルによって複合することで、再構築データのセットを取得する工程と、
   を含む潜在因子発見方法。
2. 請求項１に記載の潜在因子発見方法において、
   前記入力データのセットと、前記入力データのセットに対応し、エンコーダネットワークによって計算された前記潜在コードのセットとを用いて、分類モデルの訓練を行う工程と、
   を更に含む潜在因子発見方法。
3. 請求項１に記載の潜在因子発見方法において、
   前記ニューラルネットワークに対して損失関数を適用し、コード損失値を取得する工程と、
   前記再構築データのセットから、前記再構築データのセットの、前記入力データのセットに対する類似性を示す再構築損失値を計算する工程と、
   前記再構築損失値及び前記コード損失値を用いて、総損失値を算出する工程と、
   前記総損失値を低減するためのフィードバック手法を前記ニューラルネットワークに対して実行する工程と、
   を更に含む潜在因子発見方法。
4. 請求項３に記載の潜在因子発見方法において、
   所定のコードのセットをコード変換モデルに提供する工程と、
   前記再構築データのセットを、複数の所望の特徴属性を分類するように構成された分類モデルに提供する工程と、
   前記分類モデルから取得した前記総損失値を用いて、前記分類モデルの訓練を行う工程と、
   前記デコーダモデルに提供されると、所望の属性を生成するように構成された属性コードのセットを前記コード変換モデルによって生成する工程と、
   を更に含む潜在因子発見方法。
5. 請求項１に記載の潜在因子発見方法において、
   誤分類されたデータサンプルのセットを第１の分類モデルから受信する工程と、
   前記誤分類されたデータサンプルのセットに対応する潜在コードのセットを前記エンコーダモデルによって計算する工程と、
   前記誤分類されたデータサンプルに対応する潜在コードのセットに基づいて、データサンプルのセットを前記デコーダモデルによって生成する工程と、
   前記誤分類されたデータサンプルのセットに対応する潜在コードに基づいて生成された前記データサンプルのセットを用いて、機械学習手法を第２分類モデルに対して実行する工程と、
   を更に含む潜在因子発見方法。
6. 請求項１に記載の潜在因子発見方法において、
   暗号データのセットを用いて、分類モデルに対して機械学習手法を実行する工程と、
   非暗号データのセットに対応する第２潜在コードのセットを、前記エンコーダモデルによって計算する工程と、
   前記暗号データのセットを用いて機械学習手法を実行し、前記非暗号データのセットに対応する前記第２潜在コードのセットを計算した後、前記非暗号データのセット及び前記第２潜在コードのセットを用いて、前記分類モデルに対して微調整手法を実行する工程と、
   を更に含む潜在因子発見方法。
7. 請求項１に記載の潜在因子発見方法において、
   ノイズデータのセットを前記ニューラルネットワークによって受信する工程と、
   前記ノイズデータのセットに基づいて、第２潜在コードのセットを前記エンコーダモデル及び前記非線形確率活性化部のセットによって計算する工程と、
   前記第２潜在コードのセットを前記デコーダモデルによって複合することで、ノイズ除去データのセットを取得する工程と、
   を更に含む潜在因子発見方法。
8. 請求項１に記載の潜在因子発見方法において、
   第２入力データのセットを受信する工程と、
   前記第２入力データのセットに基づいて、第２潜在コードのセットをエンコーダモデル及び前記非線形確率活性化部のセットによって計算する工程と、
   前記第２入力データのセットに基づいて計算された前記第２潜在コードのセットに対応するラベルのセットを前記第２入力データのセットに割り当てる工程と、
   を更に含む潜在因子発見方法。
9. 請求項１に記載の潜在因子発見方法において、
   前記入力データのセットに基づいた前記潜在コードのセットをクライアント端末に送信する工程と、
   前記デコーダモデルを用いて、前記クライアント端末によって前記入力データのセットを前記潜在コードのセットから再構築する工程と、
   を更に含む潜在因子発見方法。
10. 請求項１に記載の潜在因子発見方法において、
    第１データのセットに対応する第１潜在コードのセットを受信する工程と、
    第２データのセットに対応する第２潜在コードのセットを受信する工程と、
    前記第１潜在コードのセットを前記第２潜在コードのセットに比較することで、前記第１データのセットが前記第２データのセットに対する類似性閾値を達成するか否かを判定する工程と、
    前記第１データのセットが、前記第２データのセットに対する類似性閾値を達成すると判定した場合、前記第１データのセットと前記第２データのセットとを統合し、結合データのセットを生成する工程と、
    を更に含む潜在因子発見方法。
11. ニューラルネットワークを備えるニューラルネットワーク環境において潜在因子をデータから発見する装置であって、
    前記装置は、
    コンピュータ可読のコンピュータ命令のセットを有するメモリと、
    前記コンピュータ可読の命令を実行するプロセッサと、
    を備え、
    前記コンピュータ可読の命令は、
    入力データのセットに対してノイズをデータノイズ部によって付加する工程と、
    前記入力データのセットに基づいて、潜在コードのセットをエンコーダモデル及び非線形確率活性化部のセットによって計算する工程と、
    前記潜在コードのセットをデコーダモデルによって複合することで、再構築データのセットを取得する工程と、
    を含む潜在因子発見装置。
12. 請求項１１に記載の潜在因子発見装置において、
    前記コンピュータ可読の命令は、
    前記入力データのセットと、前記入力データのセットに対応し、エンコーダネットワークによって計算された前記潜在コードのセットとを用いて、分類モデルの訓練を行う工程と、
    を更に含む潜在因子発見装置。
13. 請求項１１に記載の潜在因子発見装置において、
    前記コンピュータ可読の命令は、
    前記ニューラルネットワークに対して損失関数を適用し、コード損失値を取得する工程と、
    前記再構築データのセットから、前記再構築データのセットの、前記入力データのセットに対する類似性を示す再構築損失値を計算する工程と、
    前記再構築損失値及び前記コード損失値を用いて、総損失値を算出する工程と、
    前記総損失値を低減するためのフィードバック手法を前記ニューラルネットワークに対して実行する工程と、
    を更に含む潜在因子発見装置。
14. 複数の情報源を含むネットワーク通信環境におけるデータオーケストレーションプラットフォーム管理用のコンピュータプログラム製品であって、
    前記コンピュータプログラム製品は、
    プログラム命令を含み、一時的な信号ではないコンピュータ可読記憶媒体を備え、
    前記プログラム命令は、
    入力データのセットに対してノイズをデータノイズ部によって付加する工程と、
    前記入力データのセットに基づいて、潜在コードのセットをエンコーダモデル及び非線形確率活性化部のセットによって計算する工程と、
    前記潜在コードのセットをデコーダモデルによって複合することで、再構築データのセットを取得する工程と、
    をプロセッサに実行させることを特徴とするコンピュータプログラム製品。
15. 請求項１４に記載のコンピュータプログラム製品において、
    前記プログラム命令は、
    所定のコードのセットをコード変換モデルに提供する工程と、
    前記再構築データのセットを、複数の所望の特徴属性を分類するように構成された分類モデルに提供する工程と、
    前記分類モデルから取得した総損失値を用いて、前記分類モデルの訓練を行う工程と、
    前記デコーダモデルに提供されると所望の属性を生成するように構成された属性コードのセットを前記コード変換モデルによって生成する工程と、
    を更に含むコンピュータプログラム製品。