第13回研究会プログラム

第13回研究会開催要領

• 日時　2016年７月９日（土）13:00 - 16:50
• 場所　東京大学駒場IキャンパスKOMCEE West レクチャホール
• 参加費　無料

13:00 - 13:10 ごあいさつ

時系列データの探索的分析を支援する可視化システム:記事と時系列データのアラインメント方式の提案

• ○内藤 峻（関西大学），古田 遼樹（数研出版），松下 光範（関西大学）

本研究の目的は，ユーザの興味や関心に応じて様々なモダリティの情報へのアクセスを繰り返しつつ時系列データを分析するための支援システムの実現である．著者らはこれまでに，新聞記事と地図，統計データを対象に，ユーザが時系列データの経時的変化とその変化の要因を把握できるようにする可視化インタフェースを提案してきた．本稿では，新聞記事と時系列データのアラインメント方式を提案する．この方式をシステムに組み込むことにより，効率的に時系列データと文章を対応付けることができる．さらに，新たに実装したインタフェースの機能について述べる．

レビュー閲覧履歴からの価値観モデリングを用いた情報推薦システム

• ○高間 康史，清水 涼人（首都大学東京）

本発表では，ユーザがレビューを評価した履歴に基づきその価値観をモデリングする手法，およびこれを利用した情報推薦システムを提案する．我々は，ユーザの投稿したレビューから価値観に関するユーザモデルを提案しているが，本発表では閲覧レビューからのモデル構築に拡張することで，価値観モデリングの適用範囲を拡大する．ユーザ実験により，提案する推薦システムの有効性を示す．

語の分散表現と上位下位関係 ー研究動向と今後への試案ー

• ○鷲尾 光樹（東京大学）

語の分散表現を用いて，与えられた二語が上位下位関係にあるかどうかを推測するタスクがある．本稿では，古典的な共起頻度ベクトルから上位下 位関係を推測するために提案されてきた方法から，近年の主流である，Skip-gramモデルなどのニューラルネットワークから獲得した分散表現を用 いて語のペアの分類を学習する方法にいたるまでの研究動向を概観し，近年の学習について指摘されている問題点などについて考察する．

14:30 - 14:50 休憩

これから始めるディープラーニング

• 岡本 一志（電気通信大学）

ディープラーニングとは多層ニューラルネットワークによる機械学習の方法論の総称です．ディープラーニングは，コンピュータビジョンや音声認識，自然言語処理などの分野での機械学習のタスクにおいて有力な選択肢であり，開発ツールの普及に伴って，利用が急速に広まっています．本講演では，こ れからディープラーニングを使ってみようとお考えの方々を想定し，ディープラーニングとはどういったものか？どのような時に使えばよいのか？どの ように使えばよいのか？といったことを概説的にお話いたします．ニューラルネットワークの基礎から多層化時の学習方法までの考え方やツールの紹介， 画像認識での応用例などについて，私の体験を交えつつお話できればと思います．

よく目にするサポートベクトルマシン，ブースティングって？

• 小野田 崇（青山学院大学）

サポートベクターマシンが世界的に注目さえてから20年が経とうとしています．様々な国でサポートベクターマシンを利用した様々なアプリケーション が研究開発され，実用化されてきました．ただし，日本では研究としてサポートベクターマシンが利用される場合は多かったものの，なかなか実用化まで には至りませんでした．本講演では，最近では当たり前のようになったサポートベクトルマシンの基礎をイメージとしてとらえることを目標にします．ま た，本講演では，サポートベクトルマシンと同時期に注目されたアンサンブル学習一つブースティングについて，その基礎をイメージとしてとらえるこ とを目標とします．