JP6343591B2 - 部分行列領域抽出装置、方法、及びプログラム - Google Patents
部分行列領域抽出装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6343591B2 JP6343591B2 JP2015124687A JP2015124687A JP6343591B2 JP 6343591 B2 JP6343591 B2 JP 6343591B2 JP 2015124687 A JP2015124687 A JP 2015124687A JP 2015124687 A JP2015124687 A JP 2015124687A JP 6343591 B2 JP6343591 B2 JP 6343591B2
- Authority
- JP
- Japan
- Prior art keywords
- submatrix
- region
- matrix
- domain
- allocation
- 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.)
- Active
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
=(事前適合度)×(所属すると決めた場合のデータ適合度) ・・・(1)
=(事前適合度)+(所属すると決めた場合のデータ適合度) ・・・(2)
=(部分行列領域割当推定値Zに基づいて推定される、必要とされる部分行列領域の数Kに関する事前適合度)×(新たに生成されるL個の部分行列領域に、他方のドメインのオブジェクトが割り当てられる度合いを表す事前適合度)×(新たな部分行列領域内の観測値についての観測パラメータβに関する事前適合度)×(部分行列領域の数を増やしたことで観測行列Xをよく説明できるようになった度合いを表すデータ適合度)
・・・(3)
Z(2,j,k)〜BePBerP(α2) ・・・(5)
θk〜Normal−Wishart(βk) ・・・(6)
θ0〜Normal−Wishart(β0) ・・・(7)
X(i,j)〜Normal(m0+Σ_{k}mk,τ) ・・・(8)
α=(α1,α2)
Z=(Z1,Z2)
Z1={Z(1,i,k)}
Z2={Z(2,j,k)}
θ=(t,θ0,θ1,θ2,...)
θk=(mk,τk)
β=(β0,βk)
[非特許文献5]:Griffiths and Ghahramani, “The Indian Buffet Process: An Introduction and Reivew”, Journal of Machine Learning Research, Vol. 12, pp. 1185-1224, 2011.
上記(4)式〜(8)式の確率モデルに対して、事前適合度、及びデータ適合度の関数を設計することにより本発明の実施の形態における数学モデルの実装が完了する。設計の方法は任意であるが、確率的、統計的に最適な関数の設計方法はベイズ推定(上記非特許文献4参照)である。
∝p(X|Z(1,i,k),Z1(−ik),Z2,θ)×p(Z(1,i,k)|Z1(−ik)) ・・・(9)
両手法とも、Kの初期値K0を、(1)真の部分行列領域の数、(2)K0=10、(3)K0=20と変更して、既存手法はK=K0で固定、提案法はKを自動的に推定させた。表1に示すように、全てのケースで提案法の方が良好な数値を得ている。また、特に人工データ2〜4では提案法の示すNMIはKの数によらず高い値を維持している。これは、提案手法の構成の効果によって、潜在する部分行列領域の数を自動的に推定しながら部分行列領域を抽出することで正しい部分行列領域の数が予めわからなくても精度よく抽出が可能であることを示している。
20 演算部
26 初期化部
28 入力データ記憶部
30 変数推定部
32 部分行列領域割当推定部
34 部分行列領域ハイパーパラメータ推定部
36 観測パラメータ推定部
38 観測ハイパーパラメータ推定部
40 判定部
42 変数記憶部
50 出力部
100 部分行列領域抽出装置
Claims (5)
- 第1ドメインの各オブジェクトと第2ドメインの各オブジェクトとのペアの関係についての観測値の各々からなる観測行列から、特徴を持った部分行列領域を抽出する部分行列領域抽出装置であって、
前記部分行列領域の数と、前記第1ドメインの各オブジェクト及び第2ドメインの各オブジェクトに対して前記部分行列領域の数だけ存在する前記部分行列領域毎に割り当てられるか否かを表す部分行列領域割当推定値とを初期化する初期化部と、
前記第1ドメインの各オブジェクト及び第2ドメインの各オブジェクトに対し、前記部分行列領域の数だけ存在する前記部分行列領域毎に、前記観測行列、前記部分行列領域割当推定値、及び各オブジェクトに対する前記部分行列領域の割り当てに関する部分行列領域ハイパーパラメータに基づいて、前記オブジェクトが、前記部分行列領域に所属すべきか否かを推定して、前記部分行列領域に所属すべきであると推定された場合には前記オブジェクトに対して前記部分行列領域を割り当てると共に、前記観測行列及び前記部分行列領域割当推定値に基づいて、前記オブジェクトを表現するために新たな前記部分行列領域を生成するべきか否かを推定し、新たな前記部分行列領域を生成するべきであると推定された場合には新たな前記部分行列領域を生成し、前記オブジェクトに、生成された新たな前記部分行列領域を割り当てて、前記部分行列領域の数を更新し、
割り当てられた前記第1ドメインのオブジェクト数又は前記第2ドメインのオブジェクト数が所定値以下となる前記部分行列領域を削除し、前記部分行列領域の数を更新する部分行列領域割当推定部と、
前記部分行列領域割当推定部による推定及び割り当てを予め定めた繰り返し終了条件を満たすまで繰り返す繰り返し判定部と、
を含む部分行列領域抽出装置。 - 前記部分行列領域割当推定部は、前記第1ドメインの各オブジェクト及び第2ドメインの各オブジェクトに対し、前記部分行列領域の数だけ存在する前記部分行列領域毎に、前記部分行列領域割当推定値に基づいて推定される、前記オブジェクトが前記部分行列領域に割り当てられる度合い、又は割り当てられない度合いを表す事前適合度と、前記観測行列、前記部分行列領域割当推定値、及び前記部分行列領域ハイパーパラメータに基づいて推定される、前記オブジェクトが前記部分行列領域に割り当てられる尤もらしさ、又は割り当てられない尤もらしさを表すデータ適合度とに基づいて、前記オブジェクトが前記部分行列領域に所属する可能性又は所属しない可能性を算出することにより、前記オブジェクトが、前記部分行列領域に所属すべきか否かを推定する請求項1に記載の部分行列領域抽出装置。
- 前記部分行列領域割当推定部は、前記第1ドメインの各オブジェクトに対し、前記部分行列領域割当推定値に基づいて推定される、必要とされる部分行列領域の数に関する事前適合度と、新たに生成される部分行列領域に、前記第2ドメインのオブジェクトが割り当てられる度合いを表す事前適合度と、前記新たな部分行列領域内の観測値についての観測パラメータに関する事前適合度と、前記部分行列領域の数を増やしたことで前記観測行列をよく説明できるようになった度合いを表すデータ適合度とに基づいて、前記新たな部分行列領域を加えた前記部分行列領域の数である可能性を算出することにより、前記オブジェクトを表現するために新たな前記部分行列領域を生成するべきか否かを推定し、
前記第2ドメインの各オブジェクトに対し、前記部分行列領域割当推定値に基づいて推定される、必要とされる部分行列領域の数に関する事前適合度と、新たに生成される部分行列領域に、前記第1ドメインのオブジェクトが割り当てられる度合いを表す事前適合度と、前記新たな部分行列領域内の観測値についての観測パラメータに関する事前適合度と、前記部分行列領域の数を増やしたことで前記観測行列をよく説明できるようになった度合いを表すデータ適合度とに基づいて、前記新たな部分行列領域を加えた前記部分行列領域の数である可能性を算出することにより、前記オブジェクトを表現するために新たな前記部分行列領域を生成するべきか否かを推定する請求項2に記載の部分行列領域抽出装置。 - 前記部分行列領域割当推定値に基づいて、前記部分行列領域ハイパーパラメータを推定する部分行列領域ハイパーパラメータ推定部を更に含み、
前記初期化部は、更に前記部分行列領域ハイパーパラメータを初期化し、
前記繰り返し判定部は、前記部分行列領域割当推定部による推定及び割り当て、並びに前記部分行列領域ハイパーパラメータ推定部による推定を予め定めた繰り返し終了条件を満たすまで繰り返す請求項1〜請求項3に記載の部分行列領域抽出装置。 - コンピュータを、請求項1〜請求項4のいずれか1項に記載の部分行列領域抽出装置の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 |
---|---|---|---|
JP2015124687A JP6343591B2 (ja) | 2015-06-22 | 2015-06-22 | 部分行列領域抽出装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015124687A JP6343591B2 (ja) | 2015-06-22 | 2015-06-22 | 部分行列領域抽出装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017010250A JP2017010250A (ja) | 2017-01-12 |
JP6343591B2 true JP6343591B2 (ja) | 2018-06-13 |
Family
ID=57761694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015124687A Active JP6343591B2 (ja) | 2015-06-22 | 2015-06-22 | 部分行列領域抽出装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6343591B2 (ja) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3557162B2 (ja) * | 2000-09-07 | 2004-08-25 | 株式会社東芝 | データ抽出方法、データ抽出装置および記録媒体 |
JP5851205B2 (ja) * | 2011-11-01 | 2016-02-03 | 日本電信電話株式会社 | クラスタリング装置、方法、及びプログラム |
-
2015
- 2015-06-22 JP JP2015124687A patent/JP6343591B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017010250A (ja) | 2017-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huh et al. | Adaptive data-driven inventory control with censored demand based on Kaplan-Meier estimator | |
Castle et al. | Automatic selection for non-linear models | |
Graversen et al. | Computational aspects of DNA mixture analysis: Exact inference using auxiliary variables in a Bayesian network | |
Chattopadhyay et al. | Fitting truncated geometric distributions in large scale real world networks | |
CN116304205A (zh) | 一种传播网络结构重构方法、装置、设备及存储介质 | |
Ülker | B-Spline curve approximation using Pareto envelope-based selection algorithm-PESA | |
JP6343591B2 (ja) | 部分行列領域抽出装置、方法、及びプログラム | |
KR102352036B1 (ko) | 확률적 경사 하강법을 이용한 변수 선택 장치 및 방법 | |
Sevilla et al. | Bayesian topology inference on partially known networks from input-output pairs | |
Martin et al. | Using process mining to model interarrival times: investigating the sensitivity of the arpra framework | |
Wang et al. | An estimation of distribution algorithm based on clayton copula and empirical margins | |
JP6190771B2 (ja) | パラメータ推定方法、装置、及びプログラム | |
JP7014069B2 (ja) | データ解析装置、方法、及びプログラム | |
JP2017151904A (ja) | 解析装置、方法、及びプログラム | |
de Angelis et al. | Line sampling for assessing structural reliability with imprecise failure probabilities | |
van Beek et al. | Global emulation through normative decision making and thrifty adaptive batch sampling | |
JP6745507B2 (ja) | パラメータ推定装置、方法、及びプログラム | |
Zvyagin | Iterative and non-iterative methods of Monte Carlo as actual computing methods Bayesian analysis | |
Roughan et al. | Estimating the parameters of the Waxman random graph | |
JP6517731B2 (ja) | 確率密度関数推定装置、連続値予測装置、方法、及びプログラム | |
JP6558860B2 (ja) | 推定装置、予測装置、方法、及びプログラム | |
Bartlett et al. | Estimation for non‐negative time series with heavy‐tail innovations | |
Iwasaki et al. | Comparing graph sampling methods based on the number of queries | |
CN112086135B (zh) | 状态分析方法、装置和设备 | |
JP7036344B2 (ja) | 通信品質劣化推定装置、通信品質劣化推定方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170621 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180427 |
|
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: 20180515 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180521 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6343591 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |