JP4548472B2

JP4548472B2 - 情報処理装置、情報処理方法、およびプログラム

Info

Publication number: JP4548472B2
Application number: JP2007270931A
Authority: JP
Inventors: 由幸小林
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2007-10-18
Filing date: 2007-10-18
Publication date: 2010-09-22
Anticipated expiration: 2027-10-18
Also published as: CN101414353B; JP2009098999A; US20090106176A1; US8712936B2; US20130311410A1; CN101414353A; US8494986B2

Description

本発明は、情報処理装置、情報処理方法、およびプログラムに関し、特に、データ対の類似度を判定するアルゴリズムを自動的に構築できるようにした情報処理装置、情報処理方法、およびプログラムに関する。

従来、画像データや音楽データなどの類似度を判定する手法が数多く提案されている（例えば、特許文献１および２参照）。

例えば、複数の音楽データの類似度を判定する場合には、特徴量として複数の音楽データそれぞれからリズムやテンポなどを抽出し、抽出したリズムどうし、あるいはテンポどうしを比較する方法が用いられたりする。

また例えば、複数の画像データの類似度を判定する場合には、特徴量として画素のヒストグラムなどを抽出し、抽出したヒストグラムどうしを比較する方法が用いられたりする。

すなわち、複数のデータの類似度を判定する従来の手法では、類似度の判定対象とする複数のデータそれぞれから特徴量を抽出し、抽出した特徴量どうしを比較することが一般的である。

特開２００６−２８５６１５号公報特開２００５−７７８６５号公報

ただし、類似度の判定対象とするデータから抽出する特徴量については、人が設計しなければならない。このため、ユーザの手元で類似度判定アルゴリズムを動的に構築することはできなかった。また、類似度判定アルゴリズムの構築には多くの時間と労力を必要としていた

また、多くの場合類似度判定のために特定の特徴量が有効に働くデータの種類は限られているため、抽出する特徴量を予め決定した場合、類似度の判定対象とするデータの種類が音楽データなら音楽データに、画像データなら画像データに制限されてしまう。また、類似度の判定は設計時に人が決定した特徴量で表現できる範囲に限られ、将来にわたる新しいタイプのデータの出現や、新たな視点での類似度判定に対応できない可能性がある。

上述したように、データ対の類似度を、人が設計した特徴量に基づいて判定する手法は従来から存在する。しかしながら、音楽データ、画像データなどあらゆる種類のデータからどのような情報を特徴量として抽出するかについて自動的に決定し、データ対の類似度を判定するための類似度判定アルゴリズムを自動的に構築する手法は提案されていない。

本発明はこのような状況に鑑みてなされたものであり、類似度の判定対象とするデータから、どのような情報を特徴量として抽出するかについても自動的に決定することを含め、任意の種類のデータ対の類似度を、その特徴量に基づいて判定できるアルゴリズムを自動構築できるようにするものである。

本発明の一側面である情報処理装置は、データ対の類似度を判定するための類似度判定アルゴリズムを生成する情報処理装置において、複数の演算子から成る特徴量抽出式を複数含む特徴量抽出式リストを、前世代の前記特徴量抽出式の評価値に基づいて前世代の前記特徴量抽出式リストを更新することにより生成する特徴量抽出式リスト生成手段と、前記特徴量抽出式リストに含まれる各特徴量抽出式に、教師データとして与えられた第１および第２のデータを入力して、前記第１および第２のデータのそれぞれに対応する特徴量を計算する特徴量計算手段と、前記特徴量抽出式リストに含まれる各特徴量抽出式の前記評価値として、計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を推定した場合の精度を計算する評価値計算手段と、前記特徴量抽出式リストに含まれる前記特徴量抽出式を選択的に用いて計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を推定する類似度計算式推定手段とを含み、前記特徴量抽出式リスト生成手段は、第１世代の前記特徴量抽出式リストに含まれる複数の前記特徴量抽出式をランダムに生成し、第２世代以降の前記特徴量抽出式リストを、前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の評価値に基づく、選択処理、交差処理、または突然変異処理の少なくとも１つを含む遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新することにより生成し、前記類似度計算式推定手段は、教師データとして与えられた前記第１および第２のデータを入力して得られた前記第１のデータに対応する特徴量と前記第２のデータに対応する特徴量との距離から、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を回帰または判別によって推定する。

前記評価値計算手段は、前記特徴量抽出式リストに含まれる各特徴量抽出式の前記評価値として、計算された前記第１のデータに対応する特徴量と第２のデータに対応する特徴量との距離を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を推定した場合の精度を計算するようにすることができる。

前記類似度計算式推定手段は、前記最終世代の特徴量抽出式リストに含まれる複数の特徴量抽出式を使用または不使用に分類した使用テーブルを複数含む使用テーブル群を生成し、各使用テーブルによって使用に分類された特徴量抽出式に、教師データとして与えられた第１および第２のデータを入力して得られた前記第１のデータに対応する特徴量と前記第２のデータに対応する特徴量との距離から、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を回帰または判別によって推定するとともに、推定結果の情報量基準を前記使用テーブルの評価値として算出し、前記使用テーブルを遺伝子とみなした遺伝的アルゴリズムを用いて前記使用テーブル群を更新するようにすることができる。

本発明の一側面である情報処理方法は、データ対の類似度を判定するための類似度判定アルゴリズムを生成する情報処理装置の情報処理方法において、複数の演算子から成る特徴量抽出式を複数含む第１世代の特徴量抽出式リストをランダムに生成し、前記特徴量抽出式リストに含まれる各特徴量抽出式に、教師データとして与えられた第１および第２のデータを入力して、前記第１および第２のデータのそれぞれに対応する特徴量を計算し、前記特徴量抽出式リストに含まれる前記特徴量抽出式を選択的に用いて計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を推定し、前記特徴量抽出式リストに含まれる各特徴量抽出式の前記評価値として、計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を推定した場合の精度を計算し、第２世代以降の前記特徴量抽出式リストを、前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の評価値に基づく、選択処理、交差処理、または突然変異処理の少なくとも１つを含む遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新することにより生成するステップを含み、前記類似度計算式を推定する処理では、教師データとして与えられた前記第１および第２のデータを入力して得られた前記第１のデータに対応する特徴量と前記第２のデータに対応する特徴量との距離から、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を回帰または判別によって推定する。

本発明の一側面であるプログラムは、データ対の類似度を判定するための類似度判定アルゴリズムを生成する情報処理装置の制御用のプログラムであって、複数の演算子から成る特徴量抽出式を複数含む第１世代の特徴量抽出式リストをランダムに生成し、前記特徴量抽出式リストに含まれる各特徴量抽出式に、教師データとして与えられた第１および第２のデータを入力して、前記第１および第２のデータのそれぞれに対応する特徴量を計算し、前記特徴量抽出式リストに含まれる前記特徴量抽出式を選択的に用いて計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を推定し、前記特徴量抽出式リストに含まれる各特徴量抽出式の前記評価値として、計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を推定した場合の精度を計算し、第２世代以降の前記特徴量抽出式リストを、前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の評価値に基づく、選択処理、交差処理、または突然変異処理の少なくとも１つを含む遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新することにより生成するステップを含む処理を情報処理装置のコンピュータに実行させ、前記類似度計算式を推定する処理では、教師データとして与えられた前記第１および第２のデータを入力して得られた前記第１のデータに対応する特徴量と前記第２のデータに対応する特徴量との距離から、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を回帰または判別によって推定する。

本発明の一側面においては、複数の演算子から成る特徴量抽出式を複数含む第１世代の特徴量抽出式リストがランダムに生成され、特徴量抽出式リストに含まれる各特徴量抽出式に、教師データとして与えられた第１および第２のデータが入力されて、第１および第２のデータのそれぞれに対応する特徴量が計算される。また、特徴量抽出式リストに含まれる特徴量抽出式を選択的に用いて計算された特徴量を用いて、教師データとして与えられた第１のデータと前記第２のデータとの類似度を計算するための類似度計算式が推定される。さらに、特徴量抽出式リストに含まれる各特徴量抽出式の評価値として、計算された特徴量を用いて、教師データとして与えられた第１のデータと第２のデータとの類似度を推定した場合の精度が計算される。そして、第２世代以降の特徴量抽出式リストが、前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の評価値に基づく、選択処理、交差処理、または突然変異処理の少なくとも１つを含む遺伝的アルゴリズムを用いて前世代の特徴量抽出式リストを更新することにより生成される。なお、前記類似度計算式を推定する処理では、教師データとして与えられた前記第１および第２のデータを入力して得られた前記第１のデータに対応する特徴量と前記第２のデータに対応する特徴量との距離から、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式が回帰または判別によって推定される。

本発明の一側面によれば、任意の種類のデータ対の類似度を判定するアルゴリズムを自動構築することができる。

また、本発明の一側面によれば、類似度の判定対象とするデータから、どのような情報を特徴量として抽出するかについても自動的に決定することが可能となる。

以下、本発明を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。

本発明を適用した類似度判定機構築システム１０（図２）は、予め類似度が与えられている２つの実データから成る複数の教師データを用いた学習に基づいて類似度算出機を生成するものである。生成された類似度算出機は、図１に示すような、類似度の比較対象とする複数のデータ（図１の場合、比較データＣ１と比較データＣ２）を入力として当該複数のデータの類似度を出力する類似度判定装置１に適用される。

比較データＣ１およびＣ２は、多次元のデータであればよく、その種類は任意である。ただし、教師データと比較データＣ１およびＣ２とは、同じ種類のデータである必要がある。例えば、時間の次元とチャンネルの次元を有する音楽データ、Ｘ次元とＹ次元と画素の次元を有する画像データ、画像データに時間の次元を加えた動画像データなどを比較データＣ１およびＣ２とすることができる。

類似度判定装置１から出力される類似度は、類似の程度に応じて０．０乃至１．０の範囲の値とされ、全く類似していない場合には０．０とされ、完全に同一である場合には１．０とされる。

図２は、本発明を適用した類似度判定機構築システムの構成例を示している。この類似度判定機構築システム１０は、複数の特徴量抽出式からなる特徴量抽出式リストを生成、更新する特徴量抽出式リスト生成部１１、生成された特徴量抽出式に教師データを代入して特徴量を計算する特徴量計算部１２、特徴量計算部１２による計算結果を教師データに基づいて各特徴量抽出式の評価値を計算する評価値計算部１３、および、最終的に更新された特徴量抽出式リストに基づいて類似度計算式を生成する類似度計算式生成部１４から構成される。

特徴量抽出式リスト生成部１１は、入力データの特徴量を演算する特徴量抽出式を生成し、複数の特徴量抽出式から成る特徴量抽出式リストを特徴量計算部１２に出力する。

図３Ａ乃至図３Ｄは、特徴量抽出式リスト生成部１１によって生成される特徴量抽出式の例を示している。

特徴量抽出式には、その左端の入力データには、比較データＣ１およびＣ２の種類が記述され、入力データの右側に１種類以上のオペレータ（演算子）が演算される順序に従って記述される。各オペレータには、適宜、処理対称軸とパラメータが含まれる。

オペレータの種類としては、平均値（Mean）、高速フーリエ変換（FFT）、標準偏差(StDev)、出現率(Ratio)、ローパスフィルタ(LPF)、ハイパスフィルタ(HPF)、絶対値(ABS)、微分(Differential)、最大値(MaxIndex)、不偏分散(UVariance)、ダウンサンプリング(DownSampling)などを挙げることができる。なお、決定されたオペレータによっては処理対称軸が固定されていることがあるので、その場合、パラメータに固定されている処理対称軸を採用する。また、パラメータを必要とするオペレータが決定された場合、パラメータもランダムまたは予め設定されている値に決定する。

例えば、図３Ａに示された特徴量抽出式の場合、12TonesMが入力データであり、32#Differential，32#MaxIndex,16#LPF_1;O.861，16#UVarianceそれぞれがオペレータである。また、各オペレータ中の32#，16#などは処理対称軸を示している。

ここで、12TonesMはモノラルのPCM(pulse coded modulation sound source)波形データであり、32#は周波数軸と音程軸、16#は時間軸を示している。オペレータ中の0.861はローパスフィルタ処理におけるパラメータであり、例えば透過させる周波数の閾値を示している。

なお、第１の世代の特徴量抽出式リストを構成する各特徴量抽出式のオペレータの数と種類はランダムに決定されるが、特徴量抽出式を生成する際の制約として、図４に示すように、複数のオペレータに対応する演算が順次実行されるにつれて、演算結果の保有次元数が順次減少し、特徴量抽出式の最終的な演算結果がスカラになるか、あるいはその次元数が所定の小さい値（例えば、１，２など）となるようになされている。また、特徴量抽出式リストを構成する各特徴量抽出式の入力データを比較データＣ１およびＣ２と一致させる必要がある。

以下、特徴量抽出式リスト生成部１１によって生成される特徴量抽出式リストは、図５に示すように、ｍ本の特徴量抽出式ｆ１乃至ｆｍによって構成されているものとする。特徴量抽出式ｆ１乃至ｆｍの入力データであるWavMはPCM波形データであり、保有次元は時間軸のみである。

図２に戻る。また、特徴量抽出式リスト生成部１１は、作成した現世代の特徴量抽出式リストを遺伝的アルゴリズム(GA:genetic algorism)に従って更新することにより、次世代の特徴量抽出式リストを生成する。

ここで、遺伝的アルゴリズムとは、現世代の遺伝子から、選択処理、交差処理、突然変異処理、およびランダム生成処理により、次世代の遺伝子を生成するアルゴリズムを指す。具体的には、特徴量抽出式リストを構成する複数の各特徴量抽出式を遺伝子とみなし、現世代の特徴量抽出式リストを構成する複数の特徴量抽出式の評価値に応じて選択処理、交差処理、突然変異処理、およびランダム生成処理を行い、次世代の特徴量抽出式リストを生成する。

すなわち、図６に示すように、選択処理では、現世代の特徴量抽出式リストを構成する複数の特徴量抽出式のうち、評価値の高い特徴量抽出式を選択して次世代の特徴量抽出式リストに含める。交差処理では、現世代の特徴量抽出式リストを構成する複数の特徴量抽出式のうち、評価値の高い複数の特徴量抽出式を交差させて（組み合わせて）特徴量抽出式を生成し、次世代の特徴量抽出式リストに含める。

突然変異処理では、現世代の特徴量抽出式リストを構成する複数の特徴量抽出式のうち、評価値の高い特徴量抽出式を部分的に突然変異させて（変更して）特徴量抽出式を生成し、次世代の特徴量抽出式リストに含める。ランダム生成処理では、新たな特徴量抽出式をランダムに生成して次世代の特徴量抽出式リストに含める。

図２に戻る。特徴量計算部１２は、特徴量抽出式リスト生成部１１によって生成された特徴量抽出式リストを構成する特徴量抽出式に、外部から供給される教師データを代入して教師データの特徴量を算出する。

ここで、特徴量計算部１２に供給される教師データについて図７を参照して説明する。特徴量計算部１２には、複数（図６の場合、Ｌ個）の教師データＴ１乃至ＴＬが供給される。各教師データＴｉ（ｉ＝１，２，・・・，Ｌ）には、比較データＣ１およびＣ２と同じ種類のデータ組ＡＴｉおよびＢＴｉ、並びにデータＡＴｉとデータＢＴｉとの類似度が含まれている。

なお、データＡＴｉとデータＢＴｉとの類似度は、例えば、データ組ＡＴｉおよびＢＴｉとを実際に比較して得られた値（例えば、複数の人に比較させて得られた値の平均値など）であり、類似の程度に応じて０．０乃至１．０の範囲の値とされ、全く類似していない場合には０．０とされ、完全に同一である場合には１．０とされている。

したがって、特徴量計算部１２では、Ｌ個の教師データＴｉに含まれるデータ組ＡＴｉおよびＢＴｉそれぞれをｍ本の特徴量抽出式ｆｊ（ｊ＝１，２，・・・，ｍ）に代入して演算することにより、（Ｌ×２×ｍ）個の特徴量が算出される。以下、算出された（Ｌ×２×Ｍ）個の特徴量を、図８に示すとおりとする。

すなわち、例えば、教師データＴ１に含まれるデータ組ＡＴ１およびＢＴ１それぞれが特徴量抽出式ｆ１に代入されて、特徴量ｆ１［ＡＴ１］＝0.563725と特徴量ｆ１［ＢＴ１］＝0.42116が算出されたとする。また、例えば、教師データＴ１に含まれるデータ組ＡＴ１およびＢＴ１それぞれが特徴量抽出式ｆ２に代入されて、特徴量ｆ２［ＡＴ１］＝0.431047と特徴量ｆ２［ＢＴ１］＝0.790596が算出されたとする。

さらに、特徴量計算部１２は、教師データＴｉに含まれるデータ組ＡＴｉおよびＢＴｉを同じ特徴量抽出式ｆｊに代入して得られた特徴量ｆｊ［ＡＴｉ］と特徴量ｆｊ［ＢＴｉ］とのユークリッド距離（以下、教師データＴｉの特徴量抽出式ｆｊにおける距離と称する）を算出する。

先に算出された（Ｌ×２×ｍ）個の特徴量が図８に示されたとおりである場合、図９に示すように、（Ｌ×ｍ）個のユークリッド距離が算出される。

すなわち、例えば、教師データＴ１の特徴量抽出式ｆ１における距離として0.142565が算出される。また例えば、教師データＴ１の特徴量抽出式ｆ２における距離として0.359549が算出される。なお、教師データにＴ１に含まれるデータＡＴ１とデータＢＴ１の類似度0.170257は、予め教師データＴ１に含まれて供給されている値である。

図２に戻る。評価値計算部１３は、教師データＴｉの特徴量抽出式ｆ１における距離から、教師データＴｉとして与えられている類似度をどの程度類推できるかを示す値として、Pearsonの相関係数を計算し、この相関係数を特徴量抽出式ｆ１の評価値とする。

例えば、図９に示されたように、教師データＴｉの特徴量抽出式ｆ１における距離が0.142565、0.104266，0.868273，0.101298，・・・，0.322262であり、教師データＴｉとして与えられている類似度が0.170257，0.397595，0.632679，0.247863，・・・，0.6628である場合、教師データＴｉの特徴量抽出式ｆ１における距離と類似度とのPearsonの相関係数は０．７１と計算されるので、特徴量抽出式ｆ１の評価値は０．７１とされる。

同様にして、特徴量抽出式ｆ２乃至ｆｍの評価値も算出される。

図２に戻る。類似度計算式生成部１４は、特徴量抽出式リスト生成部１１によって最終的に更新された、すなわち、最終世代の特徴量抽出式リストに基づいて類似度計算式を推定する。

具体的には、教師データＴｉのデータ組ＡＴｉおよびＢＴｉをそれぞれ特徴量抽出式ｆｊに代入して得られる特徴量ｆｊ［ＡＴｉ］と特徴量ｆｊ［ＢＴｉ］との距離と、教師データＴｉに含まれるデータＡＴｉとデータＢＴｉの類似度Ｓｉを利用した線形回帰により、次式の示す類似度計算式の線形結合係数b1乃至bmを推定する。
Ｓｉ＝b1(f1[ATi]-f1[BTi])²＋b2(f2[ATi]-f2[BTi])²＋・・・＋bm(fm[ATi]-fm[BTi])²

なお、類似度計算式の推定に際しては、最終世代の特徴量抽出式リストを構成する全ての特徴量抽出式ｆ１乃至ｆｍを用いてもよいし、特徴量抽出式ｆ１乃至ｆｍのうちの一部を用いるようにしてもよい。

類似度計算式の推定に特徴量抽出式ｆ１乃至ｆｍのうちの一部を用いる場合、図１０に示すように、特徴量抽出式ｆ１乃至ｆｍのうち、どの特徴量抽出式を用いるかを示す使用テーブルＴＢｋ（ｋ＝１，２，・・・，ｐ）（丸印○が使用、バツ印×不使用を示す）をランダムに生成する。以下、生成した複数の使用テーブルＴＢｋを使用テーブル群と称する。

そして、各テーブルＴＢｋに対応し、特徴量抽出式ｆ１乃至ｆｍのうちの一部を用いて、上述した類似度計算式を推定し、推定結果をAICなどの情報量基準を評価値として各使用テーブルＴＢｋを評価する。

さらに、各使用テーブルＴＢｋを遺伝子とみなし、使用テーブル群を遺伝的アルゴリズムにより、各使用テーブルＴＢｋのうちの最も良い評価のものの評価が上昇しなくなるまで更新する。そして、最終的な使用テーブルＴＢｋのうち、最も良い評価の（AICの値が最小となった）使用テーブルＴＢｋに基づいて推定された類似度計算式を最終的な類似度計算式として後段に出力する。

以上のように構成される類似度判定機構築システム１０の動作について、図１１のフローチャートを参照して説明する。

ステップＳ１において、特徴量抽出式リスト生成部１１は、第１世代の特徴量抽出式リストを構成するｍ本の特徴量抽出式をランダムに生成し、ｍ本の特徴量抽出式から成る特徴量抽出式リストを特徴量計算部１２に供給する。

ステップＳ２において、特徴量計算部１２は、特徴量抽出式リスト生成部１１から供給された特徴量抽出式リストを構成する各特徴量抽出式ｆｊに、外部から供給される教師データＴｉに含まれるデータＡＴｉおよびＢＴｉをそれぞれ代入して、図８に示されたように、（Ｌ×２×ｍ）個の特徴量を算出する。

ステップＳ３において、特徴量計算部１２は、教師データＴｉの特徴量抽出式ｆｊにおける距離を算出し、図９に示されたような（Ｌ×ｍ）個のユークリッド距離を評価値計算部１３に供給する。

ステップＳ４において、評価値計算部１３は、教師データＴｉの特徴量抽出式ｆ１における距離から、教師データＴｉとして与えられている類似度をどの程度類推できるかを示す値として、Pearsonの相関係数を計算し、この相関係数を特徴量抽出式ｆ１の評価値とする。同様にして、特徴量抽出式ｆ２乃至ｆｍの評価値も算出し、算出した特徴量抽出式ｆ１乃至ｆｍの評価値を特徴量抽出式リスト生成部１１に出力する。

ステップＳ５において、特徴量抽出式リスト生成部１１は、特徴量抽出式リストを更新するか否かを判定する。ここでは、評価値計算部１３によって算出された現世代の特徴量抽出式リストを構成する特徴量抽出式ｆ１乃至ｆｍの評価値が所定の条件を満たしていない場合には更新すると判定され、所定の条件を満たしていない場合には更新しないと判定される。

ここで、所定の条件は、例えば、現世代の特徴量抽出式リストを構成する特徴量抽出式ｆ１乃至ｆｍのうち、評価値が所定の閾値を越えるものが存在するなどとすることができる。

ステップＳ５において、現世代の特徴量抽出式リストを更新すると判定された場合、処理はステップＳ６に進められる。ステップＳ６において、特徴量抽出式リスト生成部１１は、現世代の特徴量抽出式リストを遺伝的アルゴリズムに従って更新することにより、次世代の特徴量抽出式リストを生成して特徴量計算部１２に供給する。

具体的には、遺伝的アルゴリズムの選択処理として、現世代の特徴量抽出式リストを構成する複数の特徴量抽出式のうち、評価値の高いｍｓ本の特徴量抽出式を選択して次世代の特徴量抽出式リストに含める。また、遺伝的アルゴリズムの交差処理として、現世代の特徴量抽出式リストを構成する複数の特徴量抽出式のうち、評価値の高いものほど選択され易いように重み付けをして２本の特徴量抽出式を選択し、選択した２本の特徴量抽出式を交差させる（組み合わせる）ことにより、ｍｘ本の特徴量抽出式を生成し、次世代の特徴量抽出式リストに含める。

さらに、遺伝的アルゴリズムの突然変異処理として、現世代の特徴量抽出式リストを構成する複数の特徴量抽出式のうち、評価値の高いものほど選択され易いように重み付けをして１本の特徴量抽出式を選択し、選択した１本の特徴量抽出式を部分的に突然変異させる（変更する）ことにより、ｍｍ本の特徴量抽出式を生成し、次世代の特徴量抽出式リストに含める。さらにまた、遺伝的アルゴリズムのランダム生成処理として、新たにｍｒ（＝ｍ−ｍｓ−ｍｘ−ｍｍ）本の特徴量抽出式をランダムに生成して次世代の特徴量抽出式リストに含める。

以上のようにして次世代の特徴量抽出式リストが生成され、特徴量計算部１２に供給された後、処理はステップＳ２に戻り、ステップＳ２乃至Ｓ６の処理が繰り返される。そして、ステップＳ５において、現世代の特徴量抽出式リストを更新しないと判定された場合、処理はステップＳ７に進められる。

ステップＳ７において、特徴量抽出式リスト生成部１１は、現世代の特徴量抽出式リスト、すなわち、最終世代の特徴量抽出式リストを類似度計算式生成部１４に供給する。

ステップＳ８において、類似度計算式生成部１４は、特徴量抽出式リスト生成部１１から供給された最終世代の特徴量抽出式リストに基づいて類似度計算式を推定する。

ステップＳ８の処理について、図１２のフローチャートを参照して詳述する。

ステップＳ２１において、類似度計算式生成部１４は、図１０に示されたように、最終世代の特徴量抽出式を構成する特徴量抽出式ｆ１乃至ｆｍのうち、どの特徴量抽出式を用いるかを示す使用テーブルＴＢｋ（ｋ＝１，２，・・・，ｐ）からなる使用テーブル群をランダムに生成する。

ステップＳ２２において、類似度計算式生成部１４は、各テーブルＴＢｋに対応し、特徴量抽出式ｆ１乃至ｆｍのうちの一部を用いて、上述した類似度計算式を推定する。そして、ステップＳ２３において、類似度計算式生成部１４は、推定結果をAICなどの情報量基準を評価値として各使用テーブルＴＢｋを評価する。

ステップＳ２４において、類似度計算式生成部１４は、使用テーブル群を更新するか否かを判定する。ここでは、例えば、現世代の使用テーブル群を構成する使用テーブルＴＢｋのうち、最も良い評価のものの評価が過去数世代前から上昇しなった場合には更新しないと判定され、現世代の使用テーブル群を構成する使用テーブルＴＢｋのうち、最も良い評価のものの評価が世代を重ねる度に上昇している場合には更新すると判定される。

ステップＳ２４において、現世代の使用テーブル群を更新すると判定された場合、処理はステップＳ２５に進められる。ステップ２５６において、類似度計算式生成部１４は、現世代の使用テーブル群を遺伝的アルゴリズムに従って更新することにより、次世代の仕様テーブル群を生成する。

この後、処理はステップＳ２２に戻り、ステップＳ２２乃至Ｓ２５の処理が繰り返される。そして、ステップＳ２４において、現世代の使用テーブル群を更新しないと判定された場合、処理はステップＳ２６に進められる。

ステップＳ２６において、類似度計算式生成部１４は、最終世代の使用テーブル群のうち、最も良い評価の（AICの値が最小となった）使用テーブルＴＢｋに基づいて推定された類似度計算式を最終的な類似度計算式として後段に出力する。

以上で、類似度判定機構築システム１０の動作の説明を終了する。

以上説明したように、本発明を適用した類似度判定機構築システム１０によれば、任意の種類の２つの比較データＣ１およびＣ２の類似度を判定できる類似度判定式を生成できる。

このようにして生成された類似度計算式は、図１の示された類似度判定装置１に適用される。この類似度判定装置１は、例えば、多数の音楽データが蓄積されているデータベースの中から、入力される音楽データ（楽曲の断片でもよい）に類似した他の音楽データを検索するシステムの構築に利用したりすることができる。また、例えば、複数の画像を順次切り替えて表示させる、いわゆるスライドショーを実現するアプリケーションプログラムにおいて、複数の画像の中から類似した画像の組を検出し、類似した画像の組については、そのうちの１枚の画像だけをスライドショーに含めるような利用方法が考えられる。

なお、本実施の形態においては、２つの入力データの類似度を判定する場合について説明したが、例えば類似度判定を複数データの全ての組み合わせについて行うことで、本発明は、より多くのデータの類似度を判定する場合にも応用することができる。

ところで、上述した一連の処理は、ハードウェアにより実行することもできるし、ソフトウェアにより実行することもできる。一連の処理をソフトウェアにより実行する場合には、そのソフトウェアを構成するプログラムが、専用のハードウェアに組み込まれているコンピュータ、または、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどに、プログラム記録媒体からインストールされる。

図１３は、上述した一連の処理をプログラムにより実行するコンピュータのハードウェアの構成例を示すブロック図である。

このコンピュータ１００において、CPU（Central Processing Unit）１０１，ROM（Read Only Memory）１０２，RAM（Random Access Memory）１０３は、バス１０４により相互に接続されている。

バス１０４には、さらに、入出力インタフェース１０５が接続されている。入出力インタフェース１０５には、キーボード、マウス、マイクロホンなどよりなる入力部１０６、ディスプレイ、スピーカなどよりなる出力部１０７、ハードディスクや不揮発性のメモリなどよりなる記憶部１０８、ネットワークインタフェースなどよりなる通信部１０９、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどの着脱可能な記録媒体１１１を駆動するドライブ１１０が接続されている。

以上のように構成されるコンピュータでは、CPU１０１が、例えば、記憶部１０８に記憶されているプログラムを、入出力インタフェース１０５およびバス１０４を介して、RAM１０３にロードして実行することにより、上述した一連の処理が行われる。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

また、プログラムは、１台のコンピュータにより処理されるものであってもよいし、複数のコンピュータによって分散処理されるものであってもよい。さらに、プログラムは、遠方のコンピュータに転送されて実行されるものであってもよい。

また、本明細書において、システムとは、複数の装置により構成される装置全体を表すものである。

なお、本発明の実施の形態は、上述した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能である。

本発明が適用された類似度判定機構築システムによって生成される類似度計算式が適用される類似度判定装置の一例を示すブロック図である。本発明が適用された類似度判定機構築システムの構成例を示すブロック図である。特徴量抽出式の例を示す図である。特徴量抽出式の構成を説明する図である。特徴量抽出式リストの例を示す図である。遺伝的アルゴリズムを説明するための図である。教師データのデータ構造を示す図である。教師データに対応する特徴量を示す図である。教師データの特徴量抽出式における距離を示す図である。使用テーブル群の例を示す図である。本発明が適用された類似度判定機構築システムの動作を説明するフローチャートである。図１１のステップＳ８の処理を説明するフローチャートである。コンピュータの構成例を示すブロック図である。

符号の説明

１類似度判定装置，１０類似度判定機構築システム，１１特徴量抽出式リスト生成部，１２特徴量計算部，１３評価値計算部，１４類似度計算式生成部，１０１ CPU，１１１記録媒体

Claims

データ対の類似度を判定するための類似度判定アルゴリズムを生成する情報処理装置において、
複数の演算子から成る特徴量抽出式を複数含む特徴量抽出式リストを、前世代の前記特徴量抽出式の評価値に基づいて前世代の前記特徴量抽出式リストを更新することにより生成する特徴量抽出式リスト生成手段と、
前記特徴量抽出式リストに含まれる各特徴量抽出式に、教師データとして与えられた第１および第２のデータを入力して、前記第１および第２のデータのそれぞれに対応する特徴量を計算する特徴量計算手段と、
前記特徴量抽出式リストに含まれる各特徴量抽出式の前記評価値として、計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を推定した場合の精度を計算する評価値計算手段と、
前記特徴量抽出式リストに含まれる前記特徴量抽出式を選択的に用いて計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を推定する類似度計算式推定手段と
を含み、
前記特徴量抽出式リスト生成手段は、第１世代の前記特徴量抽出式リストに含まれる複数の前記特徴量抽出式をランダムに生成し、第２世代以降の前記特徴量抽出式リストを、前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の評価値に基づく、選択処理、交差処理、または突然変異処理の少なくとも１つを含む遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新することにより生成し、
前記類似度計算式推定手段は、教師データとして与えられた前記第１および第２のデータを入力して得られた前記第１のデータに対応する特徴量と前記第２のデータに対応する特徴量との距離から、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を回帰または判別によって推定する
情報処理装置。
前記評価値計算手段は、前記特徴量抽出式リストに含まれる各特徴量抽出式の前記評価値として、計算された前記第１のデータに対応する特徴量と第２のデータに対応する特徴量との距離を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を推定した場合の精度を計算する
請求項１に記載の情報処理装置。
データ対の類似度を判定するための類似度判定アルゴリズムを生成する情報処理装置の情報処理方法において、
複数の演算子から成る特徴量抽出式を複数含む第１世代の特徴量抽出式リストをランダムに生成し、
前記特徴量抽出式リストに含まれる各特徴量抽出式に、教師データとして与えられた第１および第２のデータを入力して、前記第１および第２のデータのそれぞれに対応する特徴量を計算し、
前記特徴量抽出式リストに含まれる前記特徴量抽出式を選択的に用いて計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を推定し、
前記特徴量抽出式リストに含まれる各特徴量抽出式の前記評価値として、計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を推定した場合の精度を計算し、
第２世代以降の前記特徴量抽出式リストを、前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の評価値に基づく、選択処理、交差処理、または突然変異処理の少なくとも１つを含む遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新することにより生成する
ステップを含み、
前記類似度計算式を推定する処理では、教師データとして与えられた前記第１および第２のデータを入力して得られた前記第１のデータに対応する特徴量と前記第２のデータに対応する特徴量との距離から、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を回帰または判別によって推定する
情報処理方法。
データ対の類似度を判定するための類似度判定アルゴリズムを生成する情報処理装置の制御用のプログラムであって、
複数の演算子から成る特徴量抽出式を複数含む第１世代の特徴量抽出式リストをランダムに生成し、
前記特徴量抽出式リストに含まれる各特徴量抽出式に、教師データとして与えられた第１および第２のデータを入力して、前記第１および第２のデータのそれぞれに対応する特徴量を計算し、
前記特徴量抽出式リストに含まれる前記特徴量抽出式を選択的に用いて計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を推定し、
前記特徴量抽出式リストに含まれる各特徴量抽出式の前記評価値として、計算された前記特徴量を用いて、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を推定した場合の精度を計算し、
第２世代以降の前記特徴量抽出式リストを、前世代の前記特徴量抽出式リストに含まれる複数の特徴量抽出式を遺伝子とみなし、前記特徴量抽出式の評価値に基づく、選択処理、交差処理、または突然変異処理の少なくとも１つを含む遺伝的アルゴリズムを用いて前世代の前記特徴量抽出式リストを更新することにより生成する
ステップを含み、
前記類似度計算式を推定する処理では、教師データとして与えられた前記第１および第２のデータを入力して得られた前記第１のデータに対応する特徴量と前記第２のデータに対応する特徴量との距離から、教師データとして与えられた前記第１のデータと前記第２のデータとの類似度を計算するための類似度計算式を回帰または判別によって推定する
処理を情報処理装置のコンピュータに実行させるプログラム。