著者

村田 剛志

出版者

日本地球惑星科学連合

雑誌

日本地球惑星科学連合2019年大会

巻号頁・発行日

2019-03-14

---

日本は世界有数の火山国であり、世界の活火山の約7%が存在する。火山の噴火は時として甚大な人的・物的被害を及ぼすものであり、2014年の御嶽山や2018年の草津白根山での火山災害は記憶に新しい。火山活動を正確に把握して必要な対応を取ることは、専門家のみならず周辺地域の多くの人々にとっての重大な関心事である。噴火予測などの火山の研究は、これまでは火山物理学からのアプローチが主であったが、火山周辺に設置された伸縮計や地震計などから観測される時系列データを用いた情報学的なアプローチによって、新たな展開や可能性が見えてくると期待される。火山の観測装置から得られる時系列データは噴火と大きな関係があるが、一般にデータは複雑で、専門家にとっても分析は容易ではない。我々は火山噴火分類と火山噴火予測の二つの問題に注目した。前者の目標は、100分間の時系列データからその100分間に火山が噴火するか否かを分類することであり、また後者の目標は、100分間の時系列データから兆候を認識してその直後の60分間に火山が噴火するか否かを予測することである。前者については、畳み込みニューラルネットワーク(CNN)を時系列データに対して適用するVolNetを提案した。実際のデータを用いて火山噴火分類を行ったところ、F-scoreで90%程度の精度を達成した。また後者については、時系列データにおける時間変化を検出するためにStacked 2-Layer LSTMを用いて実験を行った結果、噴火・非噴火の2クラス平均のF値による精度で66.1%であった。また、与えられた時系列データを”Non-eruption”, “May-eruption”, “Warning”, “Critial”の4つに分類する警告システムを構築したところ、”Critial”に分類された時系列データで噴火が起こったものの割合は51.9%であった。我々は京都大学防災研究所附属火山活動研究センター長の井口正人教授の協力のもと、火山に関する最大級の規模と質の時系列データを用いた実験によって、提案手法の有効性を示した。また国内および海外での火山噴火のニュースが多い昨今において、AIを用いて噴火を予測するというテーマは社会的にも関心を集め、日本経済新聞での記事、NHK鹿児島でのローカルニュース、南日本新聞での記事、月刊誌(みずほ総合研究所「Fole」)での記事など、多くのメディアで取り上げていただいた。

著者

大貫 陽平 貫井 駿 村田 剛志 稲木 誓哉 邱 シュウレ 渡部 雅夫 岡本 洋

雑誌

人工知能学会研究会資料

著者

仲田 圭佑 村田 剛志

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.28, 2014

---

近年,爆発的に普及したソーシャルメディアや生体内の化学反応の連鎖などをグラフ理論に基づいて解析する手法が数多く提案されてきた.しかしその多くは教師なし学習であり,データの背後に存在する知識を活用していなかったため,半教師付き学習により背景知識を利用する方法が提案された.この発表では半教師付き学習を用いたネットワーク構造のコミュニティ抽出手法の高速化およびユーザとの対話的環境について考察する.

著者

貫井 駿 村田 剛志

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

村田 剛志

出版者

日本知能情報ファジィ学会

雑誌

知能と情報 : 日本知能情報ファジィ学会誌 : journal of Japan Society for Fuzzy Theory and Intelligent Informatics (ISSN:13477986)

巻号頁・発行日

vol.21, no.4, pp.500-508, 2009-08-15

著者

山名 早人 村田 剛志

雑誌

情報処理

巻号頁・発行日

vol.46, no.9, pp.981-987, 2005-09-15

著者

山名 早人 村田 剛志

出版者

一般社団法人情報処理学会

雑誌

情報処理 (ISSN:04478053)

巻号頁・発行日

vol.46, no.9, pp.981-987, 2005-09-15

被引用文献数

4

著者

貫井 駿 村田 剛志

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29回全国大会(2015)

巻号頁・発行日

pp.1C55, 2015 (Released:2018-07-30)

---

ソーシャルメディアの多くは,ユーザ,リソース,タグからなる3部ネットワークとして表現できる.コミュニティ抽出はその構造を理解する手法である.しかし,大規模な3部ネットワークから高速にコミュニティを抽出する手法はまだ確立されていない.本研究では,Louvain法でエッジをクラスタリングし,ノードにコミュニティを割り当てるという方法で,劇的に高速かつ精度もあまり劣らないコミュニティ抽出手法を実現した.

著者

立花 誠人 村田 剛志

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.34, no.5, pp.B-IC2_1-8, 2019-09-01 (Released:2019-09-01)

参考文献数

14

被引用文献数

1

---

Since several types of data can be represented as graphs, there has been a demand for generalizing neural network models for graph data. Graph convolution is a recent scalable method for performing deep feature learning on attributed graphs by aggregating local node information over multiple layers. Such layers only consider attribute information of node neighbors in the forward model and do not incorporate knowledge of global network structure in the learning task. In this paper, we present a scalable semi-supervised learning method for graph-structured data which considers not only neighbors information, but also the global network structure. In our method, we add a term preserving the network structural features such as centrality to the objective function of Graph Convolutional Network and train for both node classification and network structure preservation simultaneously. Experimental results showed that our method outperforms state-of-the-art baselines for the node classification tasks in the sparse label regime.

著者

西上 良祐 岸田 脩平 村田 剛志

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.31, 2017

---

ネットワークの枝刈りとK−Means法を用いたエッジの重みの量子化によりネットワークの圧縮を行う。 圧縮に必要なパラメーターを変化させた時、ネットワークの精度がどのように変化するかについて考察する。 またエッジの重みの量子化にX-Means法を用いた時のネットワークの精度を、K-Means法を用いた時と比較し考察する。

著者

仲田 圭佑 村田 剛志

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.1, pp.96-101, 2015-01-06 (Released:2015-01-06)

参考文献数

12

被引用文献数

1

---

Recent development of information technology and rise of social media enable us to access massive data. Large scale data such as hyperlink structure in WWW and friendship information in social media can be represented as networks based on graph theory. For analyzing such data, many methods have been proposed. Among them, the methods called community detection have advantages that they can make networks simple and easy to understand. However, most of them had not considered the background knowledge of data, thus some methods called constrained community detection which take such background knowledge into consideration have been proposed. Constrained community detection methods show robust performance on noisy data due to its background knowledge. In particular, constrained Hamiltonian-based community detection methods have advantages such as flexibility of output results. The Hamiltonian, energy in statistical mechanics, can be theoretically considered as a generalization of the Newman's modularity. In this paper, we propose a method for accelerating constrained community detection based on Hamiltonian. Our proposed method is a variant of Blondel's Louvain method which is known for its computational efficiency. We experimentally show that the proposed method is superior to the existing method based on simulated annealing in terms of computational efficiency, and its accuracy is as well as the existing method under the same conditions. Our method enables us to perform constrained community detection for larger networks compared with the existing method.

著者

杉原 貴彦 劉 欣 村田 剛志

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.28, no.1, pp.67-76, 2013 (Released:2013-01-05)

参考文献数

18

被引用文献数

2

---

Many real-world complex systems can be modeled as networks, and most of them exhibit community structures. Community detection from networks is one of the important topics in link mining. In order to evaluate the goodness of detected communities, Newman modularity is widely used. In real world, however, many complex systems can be modeled as signed networks composed of positive and negative edges. Community detection from signed networks is not an easy task, because the conventional detection methods for normal networks cannot be applied directly. In this paper, we extend Newman modularity for signed networks. We also propose a method for optimizing our modularity, which is an efficient hierarchical agglomeration algorithm for detecting communities from signed networks. Our method enables us to detect communities from large scale real-world signed networks which represent relationship between users on websites such as Wikipedia, Slashdot and Epinions.

著者

杉原 貴彦 村田 剛志

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.25, 2011

---

Freyらが提案したメッセージ交換型クラスタリング手法であるAffinity Propagationを用いてネットワークからのコミュニティ抽出を行った. メッセージとして頂点間の類似度を用いて実験を行い, いくつかのネットワークにおいては比較的高速な時間で高いモジュラリティを もつコミュニティの抽出に成功した. また,この手法が有効なネットワークの特徴についての考察も行った.

著者

村田 剛志 齋藤 皓太

出版者

日本知能情報ファジィ学会

雑誌

知能と情報 : 日本知能情報ファジィ学会誌 : journal of Japan Society for Fuzzy Theory and Intelligent Informatics (ISSN:13477986)

巻号頁・発行日

vol.18, no.5, pp.701-710, 2006-10-15

被引用文献数

2 2

---

ログデータからWebユーザの関心を抽出し視覚化することは,Web利用マイニングにおける挑戦的な研究テーマである.Webサイトや検索キーワードを頂点とし,時間順序を辺とすると,ユーザのWeb閲覧行動はグラフとして表現できる.我々はこれをサイト・キーワードグラフと呼ぶ.本論文ではWebログデータから生成されるサイト・キーワードグラフからユーザの関心サイト集合の部分グラフを抽出する手法について述べる.人手による分析を容易にするために,抽出された部分グラフの視覚化も行う.本手法において,元のサイト・キーワードグラフの約30パーセント程度の頂点数の部分グラフを抽出することに成功している.PageRankランキングアルゴリズム上位の頂点数を用いて,抽出された部分グラフの評価も行っている.