著者
竹内 孝 石黒 勝彦 木村 昭悟 澤田 宏
出版者
一般社団法人電子情報通信学会
雑誌
電子情報通信学会技術研究報告. IBISML, 情報論的学習理論と機械学習 = IEICE technical report. IBISML, Information-based induction sciences and machine learning (ISSN:09135685)
巻号頁・発行日
vol.112, no.279, pp.67-74, 2012-10-31
参考文献数
25

本稿では,非負値制約下における複数行列の同時分解法(Stacked Non-negative Matrix Factorization:sNMF)を提案する.sNMFは,行列同士の関係を利用して複数の非負値行列を同時に分解する手法であり,NMFを一般化したモデルとして定式化される.sNMFは,未定義領域有りNMFの特殊な例とも解釈できる.本稿では,データマイニングの分野で関心を集めている,ソーシャルメディアからの話題トピックと話題に関するユーザクラスタの同時抽出問題にsNMFを適用した.NMFと比較して,定量的にも定性的にもsNMFの利用によって解析精度の向上が確認された.
著者
宮城 浩彰 井上 真郷
出版者
一般社団法人電子情報通信学会
雑誌
電子情報通信学会技術研究報告. IBISML, 情報論的学習理論と機械学習 = IEICE technical report. IBISML, Information-based induction sciences and machine learning (ISSN:09135685)
巻号頁・発行日
vol.110, no.265, pp.271-275, 2010-10-28
参考文献数
6

今日,ゲノムデータの統計的解析により疾患の原因となる遺伝的多型座が多々発見されている.この解析手法としてFisher正確確率検定もしくはこれを拡張したFisher-Freeman-Halton検定の多重検定補正(Bonferroni補正やHolm補正)が挙げられるが,これらの補正は保守的であり本来検出すべき遺伝的多型座を見逃している可能性が高い.このような問題に対し,本手法では多重性を考慮したp-値の正確計算を実現し,保守的でない多重検定補正手法を提案する.
著者
関野 正志
出版者
一般社団法人電子情報通信学会
雑誌
電子情報通信学会技術研究報告. IBISML, 情報論的学習理論と機械学習 = IEICE technical report. IBISML, Information-based induction sciences and machine learning (ISSN:09135685)
巻号頁・発行日
vol.110, no.265, pp.203-210, 2010-10-28
参考文献数
5
被引用文献数
2

確率的行列分解(Probabilistic Matrix Factorization : PMF)において、行列要素とは別の、行や列に対応する特徴量を反映させる確率的行列分解回帰(Probabilistic Matrix Factorized Regression : PMFR)を提案する。あわせて、変分ベイズ推定の新たな初期化方法も提案する。PMFRはPMFと縮小ランク回帰を特別な場合として含み、ベイズ推定により両者の特性を適切に反映させることができる。推薦システムでは、PMFRは協調フィルタリング(Collaborative Filtering : CF)と内容ベースフィルタリング(Content-Based Filtering : CBF)を統合した確率モデルの一つとしても考えられる。MovieLensデータに適用した結果、デモグラフィック属性をユーザの特徴量、ジャンル属性を映画の特徴量とするPMFRは、PMFよりも高精度であり、特にコールドスタート問題に有効であることがわかった。
著者
竹内 孝 石黒 勝彦 木村 昭悟 澤田 宏
出版者
一般社団法人電子情報通信学会
雑誌
電子情報通信学会技術研究報告. IBISML, 情報論的学習理論と機械学習 = IEICE technical report. IBISML, Information-based induction sciences and machine learning (ISSN:09135685)
巻号頁・発行日
vol.112, no.279, pp.67-74, 2012-10-31
参考文献数
25

本稿では,非負値制約下における複数行列の同時分解法(Stacked Non-negative Matrix Factorization:sNMF)を提案する.sNMFは,行列同士の関係を利用して複数の非負値行列を同時に分解する手法であり,NMFを一般化したモデルとして定式化される.sNMFは,未定義領域有りNMFの特殊な例とも解釈できる.本稿では,データマイニングの分野で関心を集めている,ソーシャルメディアからの話題トピックと話題に関するユーザクラスタの同時抽出問題にsNMFを適用した.NMFと比較して,定量的にも定性的にもsNMFの利用によって解析精度の向上が確認された.
著者
福永 修一 荒井 光
出版者
一般社団法人電子情報通信学会
雑誌
電子情報通信学会技術研究報告. IBISML, 情報論的学習理論と機械学習 = IEICE technical report. IBISML, Information-based induction sciences and machine learning (ISSN:09135685)
巻号頁・発行日
vol.110, no.476, pp.17-21, 2011-03-21

近年,Gaussian Process Bandits (GPB)をモンテカルロ木探索へ適用したアルゴリズムであるガウス過程木探索が提案された.ガウス過程木探索は従来のアルゴリズムよりも性能のよい手法である.そこで本研究では,ガウス過程木探索に基づくモンテカルロ碁を提案する.提案手法は,ガウス過程における共分散行列とカーネル関数を用いて,信頼上限関数を最大化する戦略を選択する.そして提案手法の有効性を数値シミュレーションにより確認する.