JPWO2017175434A1 - 情報処理装置、情報処理方法および情報提供方法 - Google Patents

Abstract

【課題】学習設定の選択に要する時間を短縮することが可能な技術が提供されることが望まれる。
【解決手段】ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として取得するデータ取得部と、前記推薦対象の学習設定に応じた表示を制御する表示制御部と、を備える、情報処理装置が提供される。
【選択図】図１

Description

本開示は、情報処理装置、情報処理方法および情報提供方法に関する。

近年、ニューラルネットワークを用いた学習に関する技術として様々な技術が存在する（例えば、特許文献１参照）。ニューラルネットワークは大きく三つの層（入力層、中間層および出力層）に分けられる。このうち、中間層を複数有するネットワークを用いた学習は、Ｄｅｅｐ Ｌｅａｒｎｉｎｇと呼ばれている。

特開平５−１３５０００号公報

ここで、Ｄｅｅｐ Ｌｅａｒｎｉｎｇにおいては、学習設定の選択が重要である。しかし、学習設定を選択するための指標を得るためには、長時間を要する学習処理を実行する必要があるのが一般的である。そこで、学習設定の選択に要する時間を短縮することが可能な技術が提供されることが望まれる。

本開示によれば、ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として取得するデータ取得部と、前記推薦対象の学習設定に応じた表示を制御する表示制御部と、を備える、情報処理装置が提供される。

本開示によれば、ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として取得することと、プロセッサにより、前記推薦対象の学習設定に応じた表示を制御することと、を含む、情報処理方法が提供される。

本開示によれば、ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として検索することと、プロセッサにより、前記推薦対象の学習設定の送信を制御することと、を含む、情報提供方法が提供される。

以上説明したように本開示によれば、適切な学習設定の選択に要する時間を短縮することが可能な技術が提供される。なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態に係る情報処理システムの構成例を示す図である。 同実施形態に係る情報処理装置の機能構成例を示すブロック図である。 同実施形態に係る情報提供装置の機能構成例を示すブロック図である。 情報提供装置の記憶部によって記憶されるデータベースの例を示す図である。 推薦対象の学習設定表示画面の例を示す図である。 データセット登録画面の例を示す図である。 推薦対象の学習設定表示画面の他の例を示す図である。 推薦対象の学習設定表示画面の他の例を示す図である。 学習設定探索履歴ツリー表示画面の例を示す図である。 情報処理装置のハードウェア構成について説明する。 情報提供装置のハードウェア構成について説明する。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、本明細書および図面において、実質的に同一の機能構成を有する複数の構成要素を、同一の符号の後に異なる数字を付して区別する場合もある。ただし、実質的に同一の機能構成を有する複数の構成要素の各々を特に区別する必要がない場合、同一符号のみを付する。

なお、説明は以下の順序で行うものとする。
０．背景
１．本開示の実施形態
１．１．システム構成例
１．２．機能構成例
１．３．情報処理システムの機能詳細
１．４．ハードウェア構成例
２．むすび

＜０．背景＞
ニューラルネットワークを用いた学習に関する技術として様々な技術が存在する（例えば、特開平５−１３５０００号公報参照）。ニューラルネットワークは大きく三つの層（入力層、中間層および出力層）に分けられる。このうち、中間層を複数有するネットワークを用いた学習は、Ｄｅｅｐ Ｌｅａｒｎｉｎｇと呼ばれている。

Ｄｅｅｐ Ｌｅａｒｎｉｎｇにおいては、学習設定の選択が重要である。しかし、学習設定を選択するための指標を得るためには、長時間を要する学習処理を実行する必要があるのが一般的である。そこで、本明細書においては、学習設定の選択に要する時間を短縮することが可能な技術について主に説明する。なお、本明細書においては、学習としてＤｅｅｐ Ｌｅａｒｎｉｎｇを用いることを主に想定するが、学習の形態は、特にＤｅｅｐ Ｌｅａｒｎｉｎｇに限定されない。

＜１．本開示の実施形態＞
［１．１．システム構成例］
まず、図面を参照しながら本開示の一実施形態に係る情報処理システムの構成例について説明する。図１は、本開示の一実施形態に係る情報処理システムの構成例を示す図である。図１に示したように、本実施形態に係る情報処理システム１は、情報処理装置１０および情報提供装置２０を備える。情報処理装置１０および情報提供装置２０は、通信ネットワーク９３１を介して通信を行うことが可能である。

本明細書においては、情報提供装置２０が情報処理装置１０に学習処理のクラウドサービスを提供する例を説明する。本クラウドサービスにおいては、情報処理装置１０によって表示されるブラウザから学習処理の実行と学習結果の取得を行うことが可能である。しかし、本実施形態は、かかる例に限定されない。例えば、情報提供装置２０によって情報処理装置１０に提供されるクラウドサービスは、情報提供装置２０の代わりに、情報処理装置１０によって自ら行われてもよい。

学習処理は、データセットおよび学習設定を選択し、データセットおよび学習設定に対してパラメータ最適化アルゴリズムを実行することによって実施される。学習結果は、学習設定と最適化されたパラメータとを含む。また、学習設定は、ネットワーク構造を含む。また、以下に示すように、学習設定は、最適化アルゴリズム、誤差関数、正則化、ミニバッチ数および入力データ前処理などをも含み得る。

なお、以下の説明において、「ハイパーパラメータ」は、最適化アルゴリズムの実施前に選択されるパラメータを意味し、「パラメータ」は、最適化アルゴリズムによって最適化されるパラメータを意味し、ネットワークの各層によって保持される。

ネットワーク構造は、ネットワークを構成する各層の連結関係を示すグラフ構造、ネットワークを構成する各層の種類、各層からの出力の形状、各層のハイパーパラメータなどを含む。ここで、各層の連結関係を示すグラフ構造は、層（Ａｆｆｉｎｅ層など）をエッジとし、層に対する入力および層からの出力となる数値群（例えば、ベクトル、テンソルなど）をノードとしたグラフ構造に相当する。

各層の種類の例としては、ｍａｘｏｕｔ層が挙げられる。ｍａｘｏｕｔ層は、出力の形状の例として、５０次元ベクトルが挙げられ、ハイパーパラメータの例として、出力の各次元でｍａｘを取る値の数が挙げられる。

最適化アルゴリズムは、最適化アルゴリズムの種類およびハイパーパラメータを含む。最適化アルゴリズムの例としては、ａｄａｇｒａｄが挙げられる。最適化アルゴリズムのハイパーパラメータの例としては、学習係数が挙げられる。

誤差関数は、誤差関数の種類およびハイパーパラメータを含む。誤差関数の種類の例としては、二乗誤差が挙げられる。

正則化は、正則化の種類およびハイパーパラメータを含む。正則化の種類の例としては、Ｌ１正則化が挙げられる。正則化のハイパーパラメータの例としては、正則化項の係数が挙げられる。

ミニバッチ数は、最適化でミニバッチ学習を行う場合において１回のミニバッチで使用されるデータ数に相当する。

入力データ前処理は、入力データ前処理の種類およびハイパーパラメータを含む。入力データ前処理の種類の例としては、正規化処理、Ａｕｔｏ Ｅｎｃｏｄｅｒによる事前学習などが挙げられる。

本明細書においては、上記のクラウドサービスを複数のユーザが利用し、学習設定の探索履歴を複数のユーザの間で共有することを考える。探索履歴は、探索履歴ツリーの集合である。また、探索履歴ツリーは、同一のデータセットＩＤとそれに対応する各種情報（例えば、学習設定、最適化アルゴリズムにより得られた学習設定の性能、最適化アルゴリズムの実行時刻および直前に最適化アルゴリズムが実行された学習設定など）の集合である。

本明細書においては、学習設定の性能として予測精度を用いる場合を主に説明する。予測精度は、データセットとしてパラメータ訓練用（学習用）と評価用とが設けられる場合に、パラメータ訓練用データセットを用いた学習処理の実行後に、評価用データセットを用いて誤差関数の値を算出し、各データサンプルによって算出された誤差関数の値の平均値であってよい。しかし、学習設定の性能は予測精度に限定されない。

学習設定の性能は、学習設定に含まれるパラメータ数であってもよいし（パラメータ数が小さいほど高性能）、ネットワーク構造における入力から出力までの計算量であってもよい（計算量が少ないほど高性能）。あるいは、学習設定の性能は、ネットワーク構造における入力から出力までに利用されるメモリサイズであってもよい（メモリサイズが小さいほど高性能）。あるいは、学習設定の性能は、予測精度、パラメータ数、計算量およびメモリサイズのうちの任意の組み合わせであってもよい。

本実施形態においては、クラウドサービスにおいて探索履歴が蓄積される。探索履歴には、学習設定の探索履歴が含まれ得る。また、探索履歴には、ユーザ自身の操作に基づいて実行された学習処理による探索履歴および他のユーザの操作に基づいて実行された学習処理の探索履歴が含まれ得る。ユーザは解決したい問題に対応するデータセットを指定する。そして、ユーザが学習設定を定めるに際して、探索履歴に基づいて学習設定の推薦がユーザに提供される。

なお、情報処理装置１０の形態は特に限定されない。例えば、情報処理装置１０は、ゲーム機であってもよいし、スマートフォンであってもよいし、携帯電話であってもよいし、タブレット端末であってもよいし、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）であってもよい。また、情報提供装置２０は、サーバなどのコンピュータであることが想定される。

以上、本実施形態に係る情報処理システム１の構成例について説明した。

［１．２．機能構成例］
続いて、本実施形態に係る情報処理装置１０の機能構成例について説明する。図２は、本実施形態に係る情報処理装置１０の機能構成例を示すブロック図である。図２に示したように、情報処理装置１０は、操作部１１０、制御部１２０、通信部１３０、記憶部１４０および表示部１５０を備える。以下、情報処理装置１０が備えるこれらの機能ブロックについて説明する。

操作部１１０は、ユーザの操作を受け付ける機能を有する。例えば、操作部１１０は、マウス、キーボードなどの入力装置を含んでよい。また、操作部１１０は、ユーザの操作を受け付ける機能を有していればよいため、タッチパネルを含んでもよい。タッチパネルが採用する方式は特に限定されず、静電容量方式であってもよいし、抵抗膜方式であってもよいし、赤外線方式であってもよいし、超音波方式であってもよい。また、操作部１１０は、カメラを含んでもよい。

制御部１２０は、情報処理装置１０の各部の制御を実行する。図２に示したように、制御部１２０は、操作取得部１２１、送信制御部１２２、データ取得部１２３および表示制御部１２４を有する。制御部１２０が有するこれらの機能ブロックの詳細は後に説明する。なお、制御部１２０は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ；中央演算処理装置）などで構成されていてよい。制御部１２０がＣＰＵなどといった処理装置によって構成される場合、かかる処理装置は、電子回路によって構成されてよい。

通信部１３０は、情報提供装置２０との間で通信を行う機能を有する。例えば、通信部１３０は、通信インターフェースにより構成される。例えば、通信部１３０は、通信ネットワーク９３１（図１）を介して、情報提供装置２０との間で通信を行うことが可能である。

記憶部１４０は、制御部１２０によって実行されるプログラムを記憶したり、プログラムの実行に必要なデータを記憶したりする記録媒体である。また、記憶部１４０は、制御部１２０による演算のためにデータを一時的に記憶する。記憶部１４０は、磁気記憶部デバイスであってもよいし、半導体記憶デバイスであってもよいし、光記憶デバイスであってもよいし、光磁気記憶デバイスであってもよい。

表示部１５０は、各種情報を表示する機能を有する。例えば、表示部１５０は、液晶ディスプレイであってもよいし、有機ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイであってもよいし、ＨＭＤ（Ｈｅａｄ Ｍｏｕｎｔ Ｄｉｓｐｌａｙ）であってもよい。しかし、表示部１５０は、各種情報を表示する機能を有すれば、他の形態のディスプレイであってもよい。

以上、本実施形態に係る情報処理装置１０の機能構成例について説明した。

続いて、本実施形態に係る情報提供装置２０の機能構成例について説明する。図３は、本実施形態に係る情報提供装置２０の機能構成例を示すブロック図である。図３に示したように、情報提供装置２０は、制御部２２０、通信部２３０および記憶部２４０を備える。以下、情報提供装置２０が備えるこれらの機能ブロックについて説明する。

制御部２２０は、情報提供装置２０の各部の制御を実行する。図３に示したように、制御部２２０は、取得部２２１、学習処理部２２２、検索処理部２２３および送信制御部２２４を有する。制御部２２０が有するこれらの機能ブロックの詳細は後に説明する。なお、制御部２２０は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ；中央演算処理装置）などで構成されていてよい。制御部２２０がＣＰＵなどといった処理装置によって構成される場合、かかる処理装置は、電子回路によって構成されてよい。

通信部２３０は、情報処理装置１０との間で通信を行う機能を有する。例えば、通信部２３０は、通信インターフェースにより構成される。例えば、通信部２３０は、通信ネットワーク９３１（図１）を介して、情報処理装置１０との間で通信を行うことが可能である。

記憶部２４０は、制御部２２０によって実行されるプログラムを記憶したり、プログラムの実行に必要なデータを記憶したりする記録媒体である。また、記憶部２４０は、制御部２２０による演算のためにデータを一時的に記憶する。記憶部２４０は、磁気記憶部デバイスであってもよいし、半導体記憶デバイスであってもよいし、光記憶デバイスであってもよいし、光磁気記憶デバイスであってもよい。

以上、本実施形態に係る情報提供装置２０の機能構成例について説明した。

［１．３．情報処理システムの機能詳細］
続いて、情報処理システム１の機能詳細について説明する。図４は、情報提供装置２０の記憶部２４０によって記憶されるデータベースの例を示す図である。図４に示すように、記憶部２４０は、データセットデータベース２６０と学習設定探索履歴データベース２７０とを含む。また、記憶部２４０は、ユーザデータベース２８０を記憶する。

データセットデータベース２６０は、データセットＩＤ２６１とデータセット２６２とが関連付けられた情報を格納する。また、学習設定探索履歴データベース２７０は、データセットＩＤ２７１と学習設定２７２と精度２７３とユーザＩＤ２７４とが関連付けられた情報を格納する。ユーザデータベース２８０は、グループＩＤ２８１とユーザＩＤ２８２とが関連付けられた情報を格納する。

ユーザは、自身のユーザＩＤと自身の所属するグループＩＤとをユーザデータベース２８０に登録する必要がある。すなわち、ユーザデータベース２８０には、ユーザ自身のユーザＩＤとユーザ自身の所属するグループＩＤとが関連付けられた情報が格納されている。ユーザＩＤは、ユーザを一意に識別可能な情報であればよく、ユーザのアカウントなどであってよい。また、ユーザデータベース２８０には、他のユーザとの関係性を示す情報がさらに登録されてもよい。

学習処理の実行にはデータセットが必要となる。そこで、ユーザは、学習処理の実行に際して、学習処理に用いるデータセットを指定する。ユーザによって指定されたデータセットが情報提供装置２０にアップロードされると、データセットＩＤ２６１と関連付けられてデータセット２６２として格納される。また、学習処理の実行には学習設定が必要となる。そこで、ユーザは、学習処理の実行に際して、学習設定を指定する。ユーザによって指定された学習設定は、情報提供装置２０にアップロードされる。

情報提供装置２０においては、ユーザによって指定されたデータセットおよび学習設定に基づいて学習処理が学習処理部２２２によって実行される。また、情報提供装置２０においては、学習処理が実行された後は、学習処理によって得られた学習設定の精度が算出され、データセットＩＤ、学習処理によって得られた学習設定、精度およびユーザＩＤが、データセットＩＤ２７１、学習設定２７２、精度２７３およびユーザＩＤ２７４として格納される。情報提供装置２０においては、かかるデータベースに格納された各種情報を用いて、ユーザに学習設定を推薦する。

本実施形態はどのような場面に適用されてもよい。例えば、本実施形態は、ユーザが画像分類用のデータセットを情報提供装置２０に登録し、情報提供装置２０に学習処理を実行させて画像分類問題を解決する場面に適用され得る。一例として、部品工場において部品が欠陥品か否かの識別を画像分類によって行う場合が想定される。かかる場合、データセットには、複数の部品の写真と各写真に対する欠陥品か否かを示すラベルとが含まれる。このデータセットを利用してクラウドサービスから取得された学習結果を利用すれば、工場のラインにおいて部品の画像から部品が欠陥品か否かの予測を実行できるようになる。

具体的に、本実施形態において、ユーザが学習処理に関連する情報を指定する操作を行うと、操作取得部１２１によってかかる操作が取得される。ユーザによって指定された学習処理に関連する情報は、送信制御部１２２によって情報提供装置２０に送信制御される。情報提供装置２０においては、取得部２２１によって学習処理に関連する情報が取得され、検索処理部２２３によって学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定が検索される。

検索処理部２２３によって得られた学習設定は、送信制御部２２４によって情報処理装置１０に送信制御される。情報処理装置１０において、通信部１３０によって学習設定が受信されると、データ取得部１２３は、通信部１３０によって受信された学習設定をユーザへの推薦対象の学習設定として取得する。そして、表示制御部１２４は、推薦対象の学習設定に応じた表示を制御する。かかる構成によれば、学習設定の選択に要する時間を短縮することが可能となる。

このとき、データ取得部１２３は、推薦対象の学習設定の精度を探索履歴から取得し、表示制御部１２４は、精度の表示を制御するとよい。図５は、推薦対象の学習設定表示画面の例を示す図である。図５を参照すると、表示制御部１２４によって表示制御される学習設定表示画面Ｇ１０には、推薦対象の学習設定（図５に示した例では、ネットワーク構造、最適化アルゴリズム、誤差関数、正則化、ミニバッチ数および入力データ前処理）と推薦対象の学習設定の精度とが含まれている。

ここで、ユーザによって指定される学習処理に関連する情報および探索履歴の具体的な内容は限定されない。第一の例として、ユーザによって指定される学習処理に関連する情報は、ユーザによって指定されるデータセットを含み、過去の学習処理に関連する情報は、過去の学習処理に用いられたデータセットを含んでよい。また、第二の例として、学習処理に関連する情報は、ユーザによって指定される学習設定を含み、過去の学習処理に関連する情報は、過去に学習処理が実施された学習設定を含んでよい。まず、第一の例について説明する。

例えば、第一の例において、検索処理部２２３は、ユーザによって指定されるデータセットとの類似度が所定の類似度よりも高いデータセットを用いて過去に学習処理が実施された学習設定を探索履歴から取得し、送信制御部２２４は、検索処理部２２３によって取得された学習設定の情報処理装置１０への送信を制御してよい。このとき、データ取得部１２３は、情報提供装置２０から受信された学習設定を推薦対象の学習設定として取得してよい。ここで、データセット同士の類似度の算出はどのようになされてもよい。

一例として、データセット同士の類似度は、データセットの特徴情報同士の類似度によって算出されてもよいし、データセットの統計量同士の類似度によって算出されてもよいし、双方によって算出されてもよい（例えば、双方の和によって算出されてもよい）。例えば、データセットの特徴情報および統計量は、データセットとともにデータセットデータベース２６０に登録されてよい。図６は、データセット登録画面の例を示す図である。

図６に示すように、表示制御部１２４によって表示制御されるデータセット登録画面Ｇ３０には、データセットが格納されたディレクトリＧ３１、データセットの特徴情報（図６に示した例では、データタイプＧ３２、タスクＧ３３およびデータセットの説明Ｇ３４）および登録ボタンＧ３５が含まれる。

ユーザによって、データセットが格納されたディレクトリＧ３１が指定され、データタイプＧ３２の項目のいずれかが選択され、タスクＧ３３の項目のいずれかが選択され、データセットの説明Ｇ３４に自由記述され、登録ボタンＧ３５が選択された場合を想定する。かかる場合、学習処理部２２２によってデータセットの統計量（例えば、学習サンプルの数、学習データに含まれる画像サイズの平均値、ラベルの偏り値など）が算出され、データセットの統計量とデータセットの特徴情報とデータセットとがデータセットデータベース２６０に登録される。

データセットの特徴情報同士の類似度はどのように算出されてもよい（データセットの統計量同士の類似度もデータセットの特徴情報同士の類似度と同様に算出され得る。）。例えば、データセットの特徴情報同士の類似度は離散値によって表されてもよい。このとき、データセットの特徴情報同士が一致すれば、データセットの特徴情報同士の類似度は「１：類似している」であってよく、データセットの特徴情報同士が一致しなければ、データセットの特徴情報同士の類似度は「０：類似していない」であってよい。

あるいは、データセットの特徴情報同士の類似度は連続値によって表されてもよい。このとき、データセットの特徴情報同士の類似度は、データセットの特徴情報同士のユークリッド距離を用いて、ｅｘｐ（−（ユークリッド距離））によって表されてよい。あるいは、データセットの特徴情報がテキスト情報である場合、データセットの特徴情報同士の類似度は、テキストから変換されたｂａｇ ｏｆ ｗｏｒｄｓベクトルのコサイン類似度によって表されてもよい。

また、データセット同士の類似度以外のデータが追加的に考慮されてもよい。例えば、検索処理部２２３は、ユーザによって指定されるデータセットとの類似度が所定の類似度よりも高いデータセットを用いた学習処理に関連する学習設定のうち、所定の精度よりも高い精度を有する学習設定を探索履歴から推薦対象の学習設定として取得してもよい。そして、データ取得部１２３は、情報提供装置２０から受信された学習設定を推薦対象の学習設定として取得してよい。

また、検索処理部２２３によって学習設定が複数取得される場合も想定される。すなわち、データ取得部１２３は、情報提供装置２０から受信された複数の学習設定を複数の推薦対象の学習設定として取得する場合がある。かかる場合、表示制御部１２４は、類似度および精度の少なくともいずれか一方に従って当該複数の推薦対象の学習設定に応じた表示を制御してもよい。

図７は、推薦対象の学習設定表示画面の他の例を示す図である。図７を参照すると、表示制御部１２４によって表示制御される学習設定表示画面Ｇ４０には、推薦対象の学習設定としての例としてのネットワーク構造と推薦対象の学習設定の精度とデータセット同士の類似度が含まれている。図７に示したように、学習設定は、精度の高い順に所定方向（例えば、上から下に）に配置されてよい。また、図７に示したように、学習設定は、データセット類似度の高い順に所定方向（例えば、上から下に）に配置されてよい。

なお、推薦対象の学習設定の表示は、ユーザによって選択可能であってもよい。推薦対象の学習設定の表示が選択された場合、表示制御部１２４は、推薦対象の学習設定の詳細（図５に示した学習設定表示画面Ｇ１０など）の表示を制御してもよい。あるいは、推薦対象の学習設定の表示が選択された場合、表示制御部１２４は、推薦対象の学習設定を含む学習設定探索履歴ツリー（図９に示した学習設定探索履歴ツリー表示画面Ｇ５０など）の表示を制御してもよい。

続いて、第二の例について説明する。上記したように、第二の例において、学習処理に関連する情報は、ユーザによって指定される学習設定を含み、過去の学習処理に関連する情報は、過去に学習処理が実施された学習設定を含む。

例えば、第二の例において、検索処理部２２３は、ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定を探索履歴から取得し、送信制御部２２４は、検索処理部２２３によって取得された学習設定の情報処理装置１０への送信を制御してよい。このとき、データ取得部１２３は、情報提供装置２０から受信された学習設定を推薦対象の学習設定として取得してよい。ここで、学習設定同士の類似度の算出はどのようになされてもよい。

一例として、学習設定同士の類似度は、２つの学習設定において対応する要素同士の類似度の和によって算出されてもよい。要素同士の類似度は、要素に含まれる情報の種類が一致する場合に算出されてよい（例えば、最適化アルゴリズムに含まれる情報の種類は、学習アルゴリズムの種類とハイパーパラメータの値である）。要素同士の類似度の算出は、データセット同士の類似度の算出と同様になされ得る。ネットワーク構造におけるグラフ構造の類似度の算出には、下記参考文献に記載のグラフカーネル手法が利用され得る。

（参考文献）鹿島久嗣，「カーネル法による構造データの解析」，電子情報通信学会技術研究報告．ＰＲＭＵ，パターン認識・メディア理解１０４（６７０），６１−６６，２００５−０２−１８．

また、学習設定同士の類似度以外のデータが追加的に考慮されてもよい。例えば、検索処理部２２３は、ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定であり、かつ、ユーザによって指定される学習設定よりも高い精度を有する学習設定を探索履歴から推薦対象の学習設定として取得してもよい。そして、データ取得部は、情報提供装置２０から受信された学習設定を推薦対象の学習設定として取得してよい。

あるいは、検索処理部２２３は、ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定であり、かつ、学習設定探索履歴データベース２７０に登場する頻度が最も高い学習設定を推薦対象の学習設定として取得してもよい。そして、データ取得部は、情報提供装置２０から受信された学習設定を推薦対象の学習設定として取得してよい。

また、精度と頻度との双方が考慮されてもよい。例えば、検索処理部２２３は、ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定であり、かつ、精度と学習設定探索履歴データベース２７０に登場する頻度とに応じた学習設定（例えば、精度と学習設定探索履歴データベース２７０に登場する頻度との積が最大となる学習設定）を推薦対象の学習設定として取得してもよい。そして、データ取得部は、情報提供装置２０から受信された学習設定を推薦対象の学習設定として取得してよい。

表示制御部１２４は、推薦対象の学習設定の表示を制御してよい。例えば、表示制御部１２４は、図５に示したような学習設定表示画面Ｇ１０の表示を制御してよい。あるいは、表示制御部１２４は、ユーザによって指定される学習設定に対する推薦対象の学習設定の差分の表示を制御してもよい。なお、差分の表示がなされる場合としては、学習設定同士の類似度が所定の類似度よりも高い場合に限定されてよい。

図８は、推薦対象の学習設定表示画面の他の例を示す図である。図８を参照すると、表示制御部１２４によって表示制御される学習設定表示画面Ｇ２０には、ユーザによって指定される学習設定に含まれる「Ｔａｎｈ層」を「Ｒｅｌｕ層」に変更する旨が差分Ｄ１として表示されている。また、学習設定表示画面Ｇ２０には、ユーザによって指定される学習設定に含まれる学習係数を「０．１」に変更する旨が差分Ｄ２として表示されている。

学習設定表示画面Ｇ２０には、それぞれの差分に対して予測精度が表示されている。予測精度は、推薦された変更における過去の精度の上昇の平均値を算出し、ユーザによって指定される学習設定の精度にその平均値を適用することによって計算される。また、ユーザによって推薦対象の学習設定要素が指定可能にされてもよい。この場合、指定された要素のみの変更が推薦されてもよい。

なお、推薦された変更（差分Ｄ１または差分Ｄ２）の表示は、ユーザによって選択可能であってもよい。推薦された変更が選択された場合、表示制御部１２４は、推薦対象の学習設定の詳細（図５に示した学習設定表示画面Ｇ１０など）の表示を制御してもよい。あるいは、推薦された変更の表示が選択された場合、表示制御部１２４は、推薦対象の学習設定を含む学習設定探索履歴ツリー（図９に示した学習設定探索履歴ツリー表示画面Ｇ５０など）の表示を制御してもよい。

上記においては、推薦対象の学習設定が表示される例を説明した。しかし、表示制御部１２４は、推薦対象の学習設定を含む学習設定探索履歴ツリーの表示を制御してもよい。図９は、学習設定探索履歴ツリー表示画面の例を示す図である。図９に示すように、表示制御部１２４は、推薦対象の学習設定を含む学習設定探索履歴ツリーとして学習設定探索履歴ツリー表示画面Ｇ５０の表示を制御することが可能である。

また、上記においては、データセット同士の類似度および学習設定同士の類似度に基づいて、推薦対象の学習設定が取得される例を説明したが、学習設定探索履歴ツリー同士の類似度に基づいて、推薦対象の学習設定が取得されるようにしてもよい。すなわち、検索処理部２２３は、ユーザの操作に基づいて実行された学習設定探索履歴ツリーとの類似度が所定の類似度よりも高い過去の学習設定探索履歴ツリーから最も精度の高い学習設定を取得する。そして、データ取得部１２３は、情報提供装置２０から受信された学習設定を推薦対象の学習設定として取得してよい。

学習設定探索履歴ツリー同士の類似度はどのように算出されてもよい。例えば、学習設定探索履歴ツリー同士の類似度は、２つの学習設定探索履歴ツリーにおいて対応する学習設定同士の類似度の和によって算出されてもよい。学習設定同士の類似度の算出については、既に説明した通りである。

なお、上記においては、類似度算出対象の類似度が、類似度算出対象に含まれる対応する要素同士の類似度の和によって算出される例を説明した。しかし、各要素の影響が考慮されてもよい。すなわち、各要素に重みスカラー値を割り当て、類似度算出対象の類似度は、類似度算出対象に含まれる対応する要素同士の類似度の重み付き和によって、類似度算出対象の類似度が算出されてもよい。

推薦対象の学習設定が表示されると、ユーザは、推薦対象の学習設定を利用して学習処理を実行させることが可能である。例えば、推薦対象の学習設定から選択された一部が学習処理の実行に利用されてもよいし、複数の推薦対象の学習設定が組み合わされて利用されてもよい。また、推薦対象の学習設定に含まれるパラメータが初期値として利用されてもよい。

続いて、グループとユーザフレンド情報に基づく探索履歴へのアクセス方法について説明する。本クラウドサービスでは、グループとユーザフレンド登録をすることができる。グループは、ユーザが作成することができ、作成したユーザがグループのホストとなる。ホストは、他のユーザをグループに招待することによって、グループに所属するユーザを定めることができる。

上記においては、学習設定探索履歴ツリーが参照されたが、ユーザによっては他のユーザ全員には自身の学習設定探索履歴ツリーを公開したくない場合がある。その場合、ユーザは、学習設定探索履歴ツリーの公開範囲を指定するための操作を行う。操作取得部１２１によってかかる操作が取得されると、検索処理部２２３は、ユーザと同じグループに属する他のユーザに対してのみユーザの学習設定探索履歴ツリーを公開する。これによって、学習設定探索履歴ツリーに対するアクセス権をコントロールすることができる。

同様に、ユーザがフレンド登録したユーザに対してのみ自身の学習設定探索履歴ツリーをアクセス可能とすることができる。また、ユーザは、自身の学習設定探索履歴ツリーのうち一部を公開し、一部をグループのみに公開し、一部を他のユーザに公開しない、といった設定をすることも可能である。

［１．４．ハードウェア構成例］
次に、図１０を参照して、本開示の実施形態に係る情報処理装置１０のハードウェア構成について説明する。図１０は、本開示の実施形態に係る情報処理装置１０のハードウェア構成例を示すブロック図である。

図１０に示すように、情報処理装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）８０１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）８０３、およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）８０５を含む。また、情報処理装置１０は、ホストバス８０７、ブリッジ８０９、外部バス８１１、インターフェース８１３、入力装置８１５、出力装置８１７、ストレージ装置８１９、ドライブ８２１、接続ポート８２３、通信装置８２５を含んでもよい。さらに、情報処理装置１０は、必要に応じて、撮像装置８３３、およびセンサ８３５を含んでもよい。情報処理装置１０は、ＣＰＵ８０１に代えて、またはこれとともに、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）またはＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）と呼ばれるような処理回路を有してもよい。

ＣＰＵ８０１は、演算処理装置および制御装置として機能し、ＲＯＭ８０３、ＲＡＭ８０５、ストレージ装置８１９、またはリムーバブル記録媒体８２７に記録された各種プログラムに従って、情報処理装置１０内の動作全般またはその一部を制御する。ＲＯＭ８０３は、ＣＰＵ８０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ８０５は、ＣＰＵ８０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一時的に記憶する。ＣＰＵ８０１、ＲＯＭ８０３、およびＲＡＭ８０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス８０７により相互に接続されている。さらに、ホストバス８０７は、ブリッジ８０９を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス８１１に接続されている。

入力装置８１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置８１５は、ユーザの音声を検出するマイクロフォンを含んでもよい。入力装置８１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置１０の操作に対応した携帯電話などの外部接続機器８２９であってもよい。入力装置８１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ８０１に出力する入力制御回路を含む。ユーザは、この入力装置８１５を操作することによって、情報処理装置１０に対して各種のデータを入力したり処理動作を指示したりする。また、後述する撮像装置８３３も、ユーザの手の動き、ユーザの指などを撮像することによって、入力装置として機能し得る。このとき、手の動きや指の向きに応じてポインティング位置が決定されてよい。

出力装置８１７は、取得した情報をユーザに対して視覚的または聴覚的に通知することが可能な装置で構成される。出力装置８１７は、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、ＰＤＰ（Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌ）、有機ＥＬ（Ｅｌｅｃｔｒｏ−Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ、プロジェクタなどの表示装置、ホログラムの表示装置、スピーカおよびヘッドホンなどの音声出力装置、ならびにプリンタ装置などであり得る。出力装置８１７は、情報処理装置１０の処理により得られた結果を、テキストまたは画像などの映像として出力したり、音声または音響などの音声として出力したりする。また、出力装置８１７は、周囲を明るくするためライトなどを含んでもよい。

ストレージ装置８１９は、情報処理装置１０の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置８１９は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。このストレージ装置８１９は、ＣＰＵ８０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

ドライブ８２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体８２７のためのリーダライタであり、情報処理装置１０に内蔵、あるいは外付けされる。ドライブ８２１は、装着されているリムーバブル記録媒体８２７に記録されている情報を読み出して、ＲＡＭ８０５に出力する。また、ドライブ８２１は、装着されているリムーバブル記録媒体８２７に記録を書き込む。

接続ポート８２３は、機器を情報処理装置１０に直接接続するためのポートである。接続ポート８２３は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポートなどであり得る。また、接続ポート８２３は、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）ポートなどであってもよい。接続ポート８２３に外部接続機器８２９を接続することで、情報処理装置１０と外部接続機器８２９との間で各種のデータが交換され得る。

通信装置８２５は、例えば、通信ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置８２５は、例えば、有線または無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、またはＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カードなどであり得る。また、通信装置８２５は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置８２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置８２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などである。

撮像装置８３３は、例えば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）またはＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）などの撮像素子、および撮像素子への被写体像の結像を制御するためのレンズなどの各種の部材を用いて実空間を撮像し、撮像画像を生成する装置である。撮像装置８３３は、静止画を撮像するものであってもよいし、また動画を撮像するものであってもよい。

センサ８３５は、例えば、加速度センサ、ジャイロセンサ、地磁気センサ、光センサ、音センサなどの各種のセンサである。センサ８３５は、例えば情報処理装置１０の筐体の姿勢など、情報処理装置１０自体の状態に関する情報や、情報処理装置１０の周辺の明るさや騒音など、情報処理装置１０の周辺環境に関する情報を取得する。また、センサ８３５は、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）信号を受信して装置の緯度、経度および高度を測定するＧＰＳセンサを含んでもよい。

次に、図１１を参照して、本開示の実施形態に係る情報提供装置２０のハードウェア構成について説明する。図１１は、本開示の実施形態に係る情報提供装置２０のハードウェア構成例を示すブロック図である。

図１１に示すように、情報提供装置２０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）９０１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０３、およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０５を含む。また、情報提供装置２０は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、通信装置９２５を含んでもよい。情報処理装置１０は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）またはＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）と呼ばれるような処理回路を有してもよい。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報提供装置２０内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一時的に記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス９１１に接続されている。

ストレージ装置９１９は、情報提供装置２０の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。このストレージ装置９１９は、ＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。

ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２７のためのリーダライタであり、情報提供装置２０に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録を書き込む。

接続ポート９２３は、機器を情報提供装置２０に直接接続するためのポートである。接続ポート９２３は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ Ｉｎｔｅｒｆａｃｅ）ポートなどであり得る。また、接続ポート９２３は、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）ポートなどであってもよい。接続ポート９２３に外部接続機器９２９を接続することで、情報提供装置２０と外部接続機器９２９との間で各種のデータが交換され得る。

通信装置９２５は、例えば、通信ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置９２５は、例えば、有線または無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、またはＷＵＳＢ（Ｗｉｒｅｌｅｓｓ ＵＳＢ）用の通信カードなどであり得る。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ Ｄｉｇｉｔａｌ Ｓｕｂｓｃｒｉｂｅｒ Ｌｉｎｅ）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などである。

＜２．むすび＞
以上説明したように、本開示の実施形態によれば、ユーザによって指定される学習処理に関連する情報と過去の学習処理における探索履歴との類似度に応じた学習設定をユーザへの推薦対象の学習設定として取得するデータ取得部と、前記推薦対象の学習設定に応じた表示を制御する表示制御部と、を備える、情報処理装置が提供される。

かかる構成によれば、学習設定の選択に要する時間を短縮することが可能となる。また、本開示の実施形態によれば、高性能な学習設定が自動的に決定される。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

例えば、上記した情報処理システム１の動作が実現されれば、各構成の位置は特に限定されない。例えば、上記では、学習処理部２２２、データセットデータベース２６０および学習設定探索履歴データベース２７０が情報提供装置２０に備えられる例を説明した。しかし、学習処理部２２２、データセットデータベース２６０および学習設定探索履歴データベース２７０の一部または全部は、情報処理装置１０に備えられてもよい。

例えば、学習処理部２２２、データセットデータベース２６０および学習設定探索履歴データベース２７０が情報処理装置１０に備えられる場合、情報処理システム１は情報提供装置２０を有していなくてもよい。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏し得る。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として取得するデータ取得部と、
前記推薦対象の学習設定に応じた表示を制御する表示制御部と、
を備える、情報処理装置。
（２）
前記データ取得部は、前記推薦対象の学習設定の性能を取得し、
前記表示制御部は、前記性能の表示を制御する、
前記（１）に記載の情報処理装置。
（３）
前記ユーザによって指定される学習処理に関連する情報は、前記ユーザによって指定されるデータセットを含み、
前記過去の学習処理に関連する情報は、過去の学習処理に用いられたデータセットを含む、
前記（１）または（２）に記載の情報処理装置。
（４）
前記データ取得部は、前記ユーザによって指定されるデータセットとの類似度が所定の類似度よりも高いデータセットを用いた過去に学習処理が実施された学習設定を前記推薦対象の学習設定として取得する、
前記（３）に記載の情報処理装置。
（５）
前記データ取得部は、前記ユーザによって指定されるデータセットとの類似度が所定の類似度よりも高いデータセットを用いた過去に学習処理が実施された学習設定のうち、所定の性能よりも高い性能を有する学習設定を前記推薦対象の学習設定として取得する、
前記（４）に記載の情報処理装置。
（６）
前記表示制御部は、前記データ取得部によって前記推薦対象の学習設定が複数取得された場合、前記類似度および性能の少なくともいずれか一方に従って当該複数の推薦対象の学習設定に応じた表示を制御する、
前記（４）または（５）に記載の情報処理装置。
（７）
前記類似度は、データセット同士の特徴情報および統計量の少なくともいずれか一方の類似度に基づいて算出される、
前記（４）〜（６）のいずれか一項に記載の情報処理装置。
（８）
前記表示制御部は、前記類似度の表示を制御する、
前記（４）〜（７）のいずれか一項に記載の情報処理装置。
（９）
前記学習処理に関連する情報は、前記ユーザによって指定される学習設定を含み、
前記過去の学習処理に関連する情報は、過去に学習処理が実施された学習設定を含む、
前記（１）または（２）に記載の情報処理装置。
（１０）
前記データ取得部は、前記ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定を前記推薦対象の学習設定として取得する、
前記（９）に記載の情報処理装置。
（１１）
前記データ取得部は、前記ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定であり、かつ、前記ユーザによって指定される学習設定よりも高い性能を有する学習設定を前記推薦対象の学習設定として取得する、
前記（９）または（１０）に記載の情報処理装置。
（１２）
前記データ取得部は、前記ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定であり、かつ、学習設定探索履歴に登場する頻度が最も高い学習設定を前記推薦対象の学習設定として取得する、
前記（９）または（１０）に記載の情報処理装置。
（１３）
前記データ取得部は、前記ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定であり、かつ、性能と学習設定探索履歴に登場する頻度とに応じた学習設定を前記推薦対象の学習設定として取得する、
前記（９）または（１０）に記載の情報処理装置。
（１４）
前記表示制御部は、前記推薦対象の学習設定の表示、または、前記ユーザによって指定される学習設定に対する前記推薦対象の学習設定の差分の表示を制御する、
前記（９）〜（１３）のいずれか一項に記載の情報処理装置。
（１５）
前記表示制御部は、前記推薦対象の学習設定の表示、または、前記差分の表示がユーザによって選択された場合、前記推薦対象の学習設定を含む学習設定探索履歴ツリー、または、前記推薦対象の学習設定の詳細の表示を制御する、
前記（１４）に記載の情報処理装置。
（１６）
前記表示制御部は、前記推薦対象の学習設定を含む学習設定探索履歴ツリーの表示を制御する、
前記（１）〜（１５）のいずれか一項に記載の情報処理装置。
（１７）
前記データ取得部は、前記ユーザの操作に基づいて実行された学習設定探索履歴ツリーとの類似度が所定の類似度よりも高い過去の学習設定探索履歴ツリーから最も性能の高い学習設定を取得する、
前記（１）に記載の情報処理装置。
（１８）
前記情報処理装置は、
前記ユーザの操作に基づいて実行された学習設定探索履歴の公開範囲を指定するための操作を取得する操作取得部を備える、
前記（１）に記載の情報処理装置。
（１９）
ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として取得することと、
プロセッサにより、前記推薦対象の学習設定に応じた表示を制御することと、
を含む、情報処理方法。
（２０）
ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として検索することと、
プロセッサにより、前記推薦対象の学習設定の送信を制御することと、
を含む、情報提供方法。

１ 情報処理システム
１０ 情報処理装置
１１０ 操作部
１２０ 制御部
１２１ 操作取得部
１２２ 送信制御部
１２３ データ取得部
１２４ 表示制御部
１３０ 通信部
１４０ 記憶部
１５０ 表示部
２０ 情報提供装置
２２０ 制御部
２２１ 取得部
２２２ 学習処理部
２２３ 検索処理部
２２４ 送信制御部
２３０ 通信部
２４０ 記憶部
２６０ データセットデータベース
２６２ データセット
２７０ 学習設定探索履歴データベース
２７２ 学習設定
２７３ 精度
２８０ ユーザデータベース

Claims (20)

1. ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として取得するデータ取得部と、
   前記推薦対象の学習設定に応じた表示を制御する表示制御部と、
   を備える、情報処理装置。
2. 前記データ取得部は、前記推薦対象の学習設定の性能を取得し、
   前記表示制御部は、前記性能の表示を制御する、
   請求項１に記載の情報処理装置。
3. 前記ユーザによって指定される学習処理に関連する情報は、前記ユーザによって指定されるデータセットを含み、
   前記過去の学習処理に関連する情報は、過去の学習処理に用いられたデータセットを含む、
   請求項１に記載の情報処理装置。
4. 前記データ取得部は、前記ユーザによって指定されるデータセットとの類似度が所定の類似度よりも高いデータセットを用いて過去に学習処理が実施された学習設定を前記推薦対象の学習設定として取得する、
   請求項３に記載の情報処理装置。
5. 前記データ取得部は、前記ユーザによって指定されるデータセットとの類似度が所定の類似度よりも高いデータセットを用いて過去に学習処理が実施された学習設定のうち、所定の性能よりも高い性能を有する学習設定を前記推薦対象の学習設定として取得する、
   請求項４に記載の情報処理装置。
6. 前記表示制御部は、前記データ取得部によって前記推薦対象の学習設定が複数取得された場合、前記類似度および性能の少なくともいずれか一方に従って当該複数の推薦対象の学習設定に応じた表示を制御する、
   請求項４に記載の情報処理装置。
7. 前記類似度は、データセット同士の特徴情報および統計量の少なくともいずれか一方の類似度に基づいて算出される、
   請求項４に記載の情報処理装置。
8. 前記表示制御部は、前記類似度の表示を制御する、
   請求項４に記載の情報処理装置。
9. 前記学習処理に関連する情報は、前記ユーザによって指定される学習設定を含み、
   前記過去の学習処理に関連する情報は、過去に学習処理が実施された学習設定を含む、
   請求項１に記載の情報処理装置。
10. 前記データ取得部は、前記ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定を前記推薦対象の学習設定として取得する、
    請求項９に記載の情報処理装置。
11. 前記データ取得部は、前記ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定であり、かつ、前記ユーザによって指定される学習設定よりも高い性能を有する学習設定を前記推薦対象の学習設定として取得する、
    請求項９に記載の情報処理装置。
12. 前記データ取得部は、前記ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定であり、かつ、学習設定探索履歴に登場する頻度が最も高い学習設定を前記推薦対象の学習設定として取得する、
    請求項９に記載の情報処理装置。
13. 前記データ取得部は、前記ユーザによって指定される学習設定との類似度が所定の類似度よりも高い学習設定であり、かつ、性能と学習設定探索履歴に登場する頻度とに応じた学習設定を前記推薦対象の学習設定として取得する、
    請求項９に記載の情報処理装置。
14. 前記表示制御部は、前記推薦対象の学習設定の表示、または、前記ユーザによって指定される学習設定に対する前記推薦対象の学習設定の差分の表示を制御する、
    請求項９に記載の情報処理装置。
15. 前記表示制御部は、前記推薦対象の学習設定の表示、または、前記差分の表示がユーザによって選択された場合、前記推薦対象の学習設定を含む学習設定探索履歴ツリー、または、前記推薦対象の学習設定の詳細の表示を制御する、
    請求項１４に記載の情報処理装置。
16. 前記表示制御部は、前記推薦対象の学習設定を含む学習設定探索履歴ツリーの表示を制御する、
    請求項１に記載の情報処理装置。
17. 前記データ取得部は、前記ユーザの操作に基づいて実行された学習設定探索履歴ツリーとの類似度が所定の類似度よりも高い過去の学習設定探索履歴ツリーから最も性能の高い学習設定を取得する、
    請求項１に記載の情報処理装置。
18. 前記情報処理装置は、
    前記ユーザの操作に基づいて実行された学習設定探索履歴の公開範囲を指定するための操作を取得する操作取得部を備える、
    請求項１に記載の情報処理装置。
19. ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として取得することと、
    プロセッサにより、前記推薦対象の学習設定に応じた表示を制御することと、
    を含む、情報処理方法。
20. ユーザによって指定される学習処理に関連する情報との類似度が所定の類似度よりも高い過去の学習処理に関連する情報に応じた学習設定をユーザへの推薦対象の学習設定として検索することと、
    プロセッサにより、前記推薦対象の学習設定の送信を制御することと、
    を含む、情報提供方法。

Images