しましま/DMSM011

第11回人工知能学会データマイニングと統計数理研究会†

このページはしましまが第11回人工知能学会データマイニングと統計数理研究会に参加してとったメモです．私の主観や勘違いが含まれていたり，私が全く分かってなかったりしていますので，その点を注意してご覧ください．誤りがあれば，指摘してください．

↑

10月18日†

↑

Blog情報を利用した書籍需要予測モデル †

○菊田剛，文健哲，寺野隆雄（東京工業大学）

出版も，取り次ぎも業績悪化
- 10年で2.5兆→2.0兆
- 返品率 40%

国内のBlog情報とAmazonの売上げの関連

Ammazonについて研究を適用
売上げと言及数の相関は高いものがあるが，そうでないものもが，
時間遅れ lag は正負があり，ひろがりがある．

↑

産業連関表の数理的な分析をめぐる話題について†

○ 田村肇 (筑波大学)

産業連関表：5年ごとに1年間などの財・サービスの産業間の取引量を示したもの
- 波及効果の調査：需要の連鎖を調べることができる
- 産業の入れ替えなどがあるので，時系列比較には問題も
- 統計的手法が確立した60〜70年の歴史があるが，作成手法はあまり変化がない

20年ぐらい連続してデータが入手できるようになったので，より高度な分析をしたい
- 産業構造の変化とかを検出したい
- 産業部門をまとめる→次元削減・テンソル分解・グラフマイニング

↑

安全工学領域へのテキストマイニング技術の利用計画†

○ 嶋津恵子 (慶應義塾大学)

原発の安全性に関するインタビュー調査 → 人手がかかる → 情報技術で，安全性を確保しつつ効率化したい
大規模複雑システムの事故 → ヒューマンエラーがおおきい
- ヒューマンエラーは個人の問題ではなく，組織とプロセスの問題
- 事前解決をしたい

そのための，訪問調査

表現の幅の検討や，発話の様子なども調べるので 20〜30人で半年とかかかってしまう

↑

隠れ状態の継続時間長を考慮した確率モデルに関する調査†

○黒川茂莉，横山浩之 (KDDI研究所)，吉井和佳，麻生英樹 (産業技術総合研究所)

ライフログ：隠れ状態の継続時間に広がりがあるモデルが必要

離散隠れマルコフ
連続隠れマルコフ：遷移確率の時間極限＝推移率→遷移確率が計算できる
隠れセミマルコフ：継続時間が直前の状態に依存
VT(variable transition)隠れマルコフ：遷移確率が状態の継続時間に依存
隠れマルコフモデルのトポロジーの拡張もいくつか

↑

統計的学習による演奏表情付け†

○寺村佳子，前田新一 (京都大学)

演奏表情付け：楽譜以外の強弱や抑揚

今は，音楽を打ち込むときに，表情を知って，それをデータ化する必要 → 自動化したい

ルールベース

演奏と楽譜の対応関係を明示できる
ルールを人間が作らないといけない，それらの整合性の問題

事例ベース

明示的にルール化しにくい特徴
類似性尺度の定義が難しい，データの量に関するトレードオフの発生

機械学習を導入すると

パラメータ探索などは省力化できる
学習事例に似せるだけで，オリジナルの導入

Usapiモデル：著者の提案モデル，ガウス過程を使った回帰

CrestMustPEDB：自動演奏用のデータベース

↑

確率モデルを用いたテンソル因子化法の拡張に関するサーベイ†

○林浩平，池田和司 (奈良先端科学技術大学院大学)

テンソル

いわゆる多次元配列

テンソル因子化

元のテンソルを少数のパラメータで記述する
Tucker分解
```
x_ijk≒ΣΣΣ t_qrs u_iq v_jr z_ks
```
U，V，Z が基底のようなもの，Tがコアテンソル．
- 分解の一意性は通常はない
PARAFAC：Tuckerの特殊な場合コアテンソルは立方体で，対角要素が 1 で他は 0 のもの
- 分解が一意になる十分条件が存在
Tensor PCA：テンソルが n 個観測されたとき
- コアテンソルは各サンプルにあるが，UVZの基底は共通
アルゴリズム：2乗誤差を ALS (Alternating Least Square; 各変数を交互に最適化) で最小化する

確率モデルへの拡張

pTucker：コアテンソル+ガウスノイズ
probabilistic 2D PCA：Tensor PCAの確率をいれたもの
Bayesian Tensor 分析：UVZの精度パラメータが異なるprobabilistic 2D PCA
Dynamic Exponential Familty Matrix Factorization：PARAFACモデルで，テンソル X と z の間に状態空間モデル

↑