WEKO3
アイテム
結合テンソル自己組織化写像による複合関係データの可視化
https://doi.org/10.18997/0002000297
https://doi.org/10.18997/0002000297222c1611-17cf-42fb-99fc-ba06b7ef644f
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
sei_k_472.pdf (13 MB)
|
|
| Item type | 学位論文 = Thesis or Dissertation(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2023-11-29 | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_db06 | |||||||||
| 資源タイプ | doctoral thesis | |||||||||
| タイトル | ||||||||||
| タイトル | 結合テンソル自己組織化写像による複合関係データの可視化 | |||||||||
| 言語 | ja | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| 著者 |
米田, 圭佑
× 米田, 圭佑
|
|||||||||
| 抄録 | ||||||||||
| 内容記述タイプ | Abstract | |||||||||
| 内容記述 | 本論文は多様体モデリングを用いた複合関係データのモデリングおよび可視化技術を提案するものである．現実のデータではしばしば複数の解析対象や複数のデータが組み合わさって複雑なデータ構造を持つことがある．このような組み合わさったデータを本論文では複合関係データと呼び，これを包括的にモデル化し，データ駆動的に知識発見することは現代において不可欠な技術である．しかしながら，複合関係データはデータ構造の複雑さのため，その全貌を矛盾なくモデル化したり，あるいは全体像を可視化したりすることは容易ではない． このような複雑なデータ構造は，２種のデータ結合様式によってもたらされる．第１は関係データであり，これは複数の解析対象（ドメイン）がひとつのデータで結ばれたものである．関係データの典型例はオンラインショップにおける商品評価データであり，顧客と商品の組み合わせに対して評価値というデータが紐付けられている．この場合，顧客ドメインと商品ドメインという２つのドメインの関係性をモデル化・可視化する必要がある．第２はマルチビューデータであり，これはひとつのドメインから複数の観点（ビュー）のデータが得られる場合である．たとえば同一の顧客から「好みの音楽」と「好みの映画」という２種のデータが得られた場合は，音楽ビューと映画ビューから成るマルチビューデータとなる．この場合は２つのビューを統合して顧客をモデル化・可視化する必要がある．さらに関係データとマルチビューデータが組み合わさると複合関係データとなり，複数のドメインと複数のビューを同時にモデル化・可視化する必要が生じる． 複合関係データのモデル化・可視化を行うには，以下の２つの困難を解決する必要がある．第一は異なるドメイン間の関係性をどのようにモデル化・可視化するかという問題である．とりわけ異なる関係データをまたいだ間接的なドメイン間関係の可視化は自明な問題ではない．第二は複数のビューをどのように矛盾なく統合してモデル化・可視化するかという問題である．とりわけ各ビューのデータの誤差を評価するメトリックを適切に推定することが重要な課題である．これらを解決する手法を開発することが本論文の主題である．これらの問題を解決するため，本論文では以下のキーアイデアを用いる．第一のキーアイデアでは，co-trainingを用いることで異なるビュー間のコンセンサスを得ることである．すなわちビュー間で解析結果に矛盾が生じないようにデータのメトリックを推定する方法である．これにより，マルチビューデータを矛盾なくモデル化可能になる．具体的には結合自己組織化写像(Coupled Self-Organizing Map: Coupled-SOM) として提案する．第二のキーアイデアは，複合関係データを積多様体の組み合わせでモデル化することである．これにより複合関係データを単一のモデルで包括的に表現が可能になり，またドメインをまたいだ可視化も可能になる．具体的には結合テンソル自己組織化写像(Coupled Tensor Self-Organizing Map: Coupled-TSOM)として提案する． 本論文の構成は以下のとおりである．第一章では序論として研究の背景と目的および本論文の構成について述べる． 第二章では本論文のテーマである複合関係データについて説明する．まずマルチビュー多変量データと関係データ，および複合関係データについて説明し，それらの既存の解析手法を紹介する．さらに本論文の基礎技術である多様体モデリングについても解説する． 第三章はマルチビュー多変量データの多様体モデリング法として，Coupled-SOMを提案する．Coupled-SOMではco-trainingによるメトリック推定を通してビュー間でコンセンサスを得るようにメトリック学習を行う．さらに実験を通してCoupled-SOMの有効性を示す． 第四章では複合関係データの結合積多様体モデリング法として，Coupled-TSOMを提案する．またモデリング結果の可視化法についても提案する．本章ではCoupled-TSOMをワインの香りデータに応用し，ガスクロマトグラフィーによる香気成分データと，ソムリエによるアロマ官能データの可視化を通して，提案手法の有効性を示す． 第五章は討論である．とりわけマルチビューデータのco-training法を取り上げ，シングルビューデータも含めたメトリック学習の一般化について検討する． 最後に第六章は総括であり論文全体をまとめる． |
|||||||||
| 言語 | ja | |||||||||
| 目次 | ||||||||||
| 内容記述タイプ | TableOfContents | |||||||||
| 内容記述 | 第1章 序論|第2章 データ構造と情報可視化法|第3章 Coupled-SOMによるマルチビュー多様体モデリング|第4章 Coupled-Tensor SOMによる複合関係データの可視化|第5章 討論|第6章 総括 | |||||||||
| 言語 | ja | |||||||||
| 備考 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 九州工業大学博士学位論文 学位記番号：生工博甲第472号 学位授与年月日: 令和5年9月25日 | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | ビッグデータ解析 | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 情報可視化 | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 関係データ | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | マルチビュー学習 | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 機械学習 | |||||||||
| 学位授与番号 | ||||||||||
| 学位授与番号 | 甲第472号 | |||||||||
| 学位名 | ||||||||||
| 学位名 | 博士（情報工学） | |||||||||
| 学位授与年月日 | ||||||||||
| 学位授与年月日 | 2023-09-25 | |||||||||
| 学位授与機関 | ||||||||||
| 学位授与機関識別子Scheme | kakenhi | |||||||||
| 学位授与機関識別子 | 17104 | |||||||||
| 学位授与機関名 | 九州工業大学 | |||||||||
| 学位授与年度 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 令和5年度 | |||||||||
| 出版タイプ | ||||||||||
| 出版タイプ | VoR | |||||||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||
| アクセス権 | ||||||||||
| アクセス権 | open access | |||||||||
| アクセス権URI | http://purl.org/coar/access_right/c_abf2 | |||||||||
| ID登録 | ||||||||||
| ID登録 | 10.18997/0002000297 | |||||||||
| ID登録タイプ | JaLC | |||||||||
