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
福田 茂紀 野呂 智哉 加藤 孝史 浅井 達哉 岩下 洋哲 藤重 雄大 福田 貴三郎 大堀 耕太郎
出版者
一般社団法人 経営情報学会
雑誌
経営情報学会 全国研究発表大会要旨集
巻号頁・発行日
vol.202011, pp.97-100, 2021

<p>各地域で実施されるCOVID-19の感染抑制施策は、非常に多くの要因によって成否が左右される。したがって、施策の効果を推定するには、それらの大量の要因を組み合わせて分析する必要がある。そこで、データ項目の組み合わせを網羅的かつ高速に探索し、重要な組み合わせを発見可能なWide Learningを活用し、2020年8月までの各地域における施策の成否を分析する。さらに、この結果に基づき、各地域・各時点においてそれぞれの施策が実施された場合の効果をWhat-If分析により推定する。</p>