著者

久保田 康裕 楠本 聞太郎 塩野 貴之 五十里 翔吾 深谷 肇一 高科 直 吉川 友也 重藤 優太郎 新保 仁 竹内 彰一 三枝 祐輔 小森 理

出版者

日本計量生物学会

雑誌

計量生物学 (ISSN:09184430)

巻号頁・発行日

vol.43, no.2, pp.145-188, 2023 (Released:2023-06-28)

参考文献数

110

---

Biodiversity big data plays an essential role in better understanding of biodiversity pattern in space and time and its underpinning macroecological mechanisms. Biodiversity as a concept is inductively quantified by the measurable multivariate data relative to taxonomic, functional and phylogenetic/genetic aspects. Therefore, conservation is also argued by using particular biodiversity metrics, context dependently, e.g., spatial conservation prioritization, design of protected areas network.Individual descriptive information accumulated in biogeography, ecology, physiology, molecular biology, taxonomy, and paleontology are aggregated through the spatial coordinates of biological distributions. Such biodiversity big data enables to visualize geography of 1) the richness of nature, 2) the value of nature, and 3) the uncertainty of nature, based on statistical models including maximum likelihood, machine learning, deep learning techniques. This special issue focuses on statistical and mathematical methods in terms of the quantitative visualization of biodiversity concepts. We hope that this special issue serves as an opportunity to involve researchers from different fields interested in biodiversity information and to develop into new research projects related to Nature Positive by 2030 that aims at halting and reversing the loss of biodiversity and ecosystem service.

著者

松林 達史 吉川 友也 山本 泰生 森下 壮一郎

出版者

一般社団法人 人工知能学会

雑誌

人工知能 (ISSN:21882266)

巻号頁・発行日

vol.37, no.5, pp.681-685, 2022-09-01 (Released:2022-09-01)

著者

吉川 友也 岩田 具治

出版者

人工知能学会

雑誌

2020年度 人工知能学会全国大会(第34回)

巻号頁・発行日

2020-04-01

著者

吉川 友也

出版者

人工知能学会

雑誌

人工知能学会全国大会論文集 (ISSN:13479881)

巻号頁・発行日

vol.30, 2016

著者

吉川 友也 今井 優作

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会全国大会論文集 第32回 (2018)

巻号頁・発行日

pp.1N202, 2018 (Released:2018-07-30)

---

インターネット広告業界において,コンバージョン率(CVR)予測は,表示する広告の効果測定やユーザの興味を理解する上で重要になるため,CVR予測のためのモデルがここ数年よく研究されている. 基本的に,広告のクリックとコンバージョンの間には時間遅れ(delayed feedback)が発生するため,この時間遅れを考慮するCVR予測モデルが必要となる. 本論文では,時間遅れに対してパラメトリックな分布を仮定しないCVR予測のためのノンパラメトリックdelayed feedbackモデルを提案する. Criteoデータセットを用いた実験では,時間遅れに対して指数分布を仮定するCVR予測モデル等と比較して,提案法が精度良くCVRを予測できることを示す.

著者

吉川 友也 岩田 具治 澤田 宏

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会論文誌 (ISSN:13460714)

巻号頁・発行日

vol.30, no.2, pp.485-490, 2015-03-01 (Released:2015-03-05)

参考文献数

13

---

Group recommendation is a task to recommend items to groups such as households and communities. In this paper, we propose a non-linear matrix factorization method for group recommendation. The proposed method assumes that each member in groups has its own latent vector, and behavior of each group is determined by the probability distribution of the members' latent vectors. Recommending items is performed by using non-linear functions that map the distributions of the groups into scores for items. The non-linear functions are generated from Gaussian processes, which are defined by the similarities between distributions of the groups. We can efficiently calculate the similarities by embedding each distribution as an element in a reproducing kernel Hilbert space. We demonstrate the effectiveness of the method using two synthetic datasets and two real datasets in two prediction tasks.

著者

吉川 友也 岩田 具治 澤田 宏

出版者

人工知能学会

雑誌

人工知能学会全国大会論文集 (ISSN:13479881)

巻号頁・発行日

vol.26, 2012

---

ソーシャルネットワーク上では,情報はリンクを介してノード間を伝わる.どのように情報が広がるかは,ネットワーク構造や情報の内容によって決まると考えられる.本論文では,情報の内容の違いによって拡散の挙動が異なることを表すために,トピック依存情報拡散モデルを提案する.また,EMアルゴリズムに基づいたモデルパラメータ更新式を導出し,観測した拡散現象からモデルパラメータが推定できることを示す.

著者

吉川 友也 斉藤 和巳 元田 浩 大原 剛三 木村 昌弘

出版者

一般社団法人電子情報通信学会

雑誌

電子情報通信学会論文誌. D, 情報・システム (ISSN:18804535)

巻号頁・発行日

vol.94, no.11, pp.1899-1908, 2011-11-01

被引用文献数

2 5

---

本論文では,非同期時間遅れ付き独立カスケード(AsIC)モデルと非同期時間遅れ付き線形しきい値(AsLT)モデルのそれぞれの場合を仮定して,観測した単一の拡散系列から各時刻における期待影響度(期待影響度曲線)を高精度で推定する問題に取り組む.単純な方法として,観測した拡散系列のアクティブノード数を数えて期待影響度曲線とすることが考えられるが,拡散系列は情報拡散の確率的な動作によって多様な結果になるため,この方法での期待影響度曲線推定には本質的な限界がある.本論文の提案法では,観測した拡散系列から各モデルのパラメータをEMアルゴリズムによって学習し,学習したモデルパラメータを使って,シミュレーションによって期待影響度曲線を推定する.提案法を評価するために,現実のソーシャルネットワーク構造データを用いて人工的に拡散系列を生成して評価実験を行う.生成される拡散系列の長さは,同じ条件であっても多様な長さになる.我々は,提案法を使うことによって,多様な長さの拡散系列からでも期待影響度曲線を高精度で推定できることを示す.