著者

潮田 明 富士 秀 大倉清司 山下 達雄

雑誌

情報処理

巻号頁・発行日

vol.44, no.9, pp.931-939, 2003-09-15

著者

福田 貴三郎 小柳 佑介 福田 茂紀 大倉 清司 藤重 雄大 岩下 洋哲 大堀 耕太郎

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会第二種研究会資料 (ISSN:24365556)

巻号頁・発行日

vol.2021, no.SWO-053, pp.05, 2021-03-15 (Released:2021-09-17)

---

近年説明可能AI(Explainable AI)の技術が注目されており、ホワイトボックス型の機械学習モデルを設計する場合、モデルの予測結果の精度向上を追求するだけでなく、解釈性の高いモデルを設計する事が重要である。本研究では、学習データのリソースとしてナレッジグラフを使用する場合を想定し、エンティティ間の上位概念の関係性を利用した、解釈性の高いモデルを実現するための説明変数を選択する手法を提案する。また、実際にプロ野球選手の実データを利用した実験により、意図した通りの説明変数が選択出来る事を確認した。

著者

田中 正清 高橋 潤 大倉 清司

出版者

電子情報通信学会

雑誌

電子情報通信学会技術研究報告 = IEICE technical report : 信学技報 (ISSN:09135685)

巻号頁・発行日

vol.115, no.36, pp.73-77, 2015-05-19