MENU

電気通信大学大学院情報理工学研究科
情報・ネットワーク工学専攻
English
 

研究内容概要

本講座では、人工知能・統計学・ベイズ理論・機械学習・自然言語処理・ベイジアンネットワーク・eラーニング・eテスティング・カーネル法・時系列モデルなどについて研究しています。理論研究と実践の繰り返しによる「真に社会貢献できる研究」を目指しています。

最近の研究テーマ

ベイジアンネットワークの理論研究とソフトウェア開発・応用研究及びベイズ的アプローチによる自然言語処理、データ解析システムおよび統計的手法の開発、情報処理技術者試験などの様々なeテスティングシステムの設計開発、eラーニングシステムの開発、複数評価者による評価点を評価者バイアスを取り除いて標準化できる潜在変数モデルの研究、カーネル法の最先端研究に基づくアルゴリズム開発(状態 空間モデル、強化学習、次元削減・変数選択、文書分類など)。以下にて代表例をいくつか紹介します。

ベイジアンネットワーク

ユーザーの事前知識を融合させて推論できるベイジアンネットワーク。ベイジアンネットワークの研究は主にそのネットワーク構造を構築する学習と確率推論、そしてベイジアンネットワークを分類器として用いるベイジアンネットワーク分類器の学習に分かれます。

本研究室では、3000変数以上の厳密構造学習を実現しました [1,2]。

また, 真のモデルがベイジアンネットワークに従わない場合でも、真の分類確率に漸近収束するベイジアンネットワーク分類器を提案しました [3]。 このモデルはDeep learningやランダムフォレスト等の他の機械学習モデルと比べて同等の分類精度をもちながら、真の分類確率を推定でき、解釈性が高いという利点があります。

さらに、最大で200変数を持つ構造で実現する厳密推論手法を開発しました。既存手法の10倍速い推論を実現しています [4]。

本研究室ではオリジナルベイジアンネットワークソフトウェア「Bayesian Discovery」を開発しました。

参考文献

  1. Kazuki Natori, Masaki Uto, and Maomi Ueno. Consistent Learning Bayesian Networks with Thousands of Variables. In The Third International Workshop on Advanced Methodologies for Bayesian Networks (AMBN 2017), Proceedings of Machine Learning Research (PMLR), pages 57‒68. PMLR, September 2017.
  2. 本田和雅,名取和樹,菅原聖太,磯崎隆司,植野真臣,“推 移性を利用した大規模ベイジアンネットワーク構造学習,” 信学論 (D),vol.102,no.12,pp.796–811,Dec. 2019.
  3. Shouta Sugahara, Koya Kato and Maomi Ueno: Learning Bayesian Network Classifiers to Minimize the Class Variable Parameters. Proceedings of the AAAI Conference on Artificial Intelligence, 38(18), 20540-20549. (2024)
  4. Chao Li, Maomi Ueno: An extended depth-first search algorithm for optimal triangulation of Bayesian networks, International Journal of Approximate Reasoning, Volume 80 Issue C, pp.294-312 (2017)

世界を獲ったEラーニング:Learning Management System “Samurai”

Eラーニングという言葉のない時代から研究し続けてきました!!「教えるのではなく、自然な学習を誘発する、学習をマネジメントするシステム」を目指しています。

ベイズ的アプローチによる自然言語処理

文章の内容(トピック)を自動的に学習し、トピックモデルを用いた潜在意味解析(LDA)を用いて、レポート推薦システムを開発しました。

さらに自然言語処理の手法を用いて、文章の自動構成ができる技術の開発を行っています。

国家プロジェクト!!eテスティングシステム

日本最大の国家試験であるIPA情報処理技術者試験を始め、多くの国家試験においてeテスティング化が急速に進められています。植野研究室では、これらのeテスティングの企画、設計を任されており、世界一のeテスティングシステムを目指して研究しています。

複数等質テストの自動構成技術の開発

膨大な項目の組み合わせから、目標の制約を満たす項目集合をできるだけ多く作る技術です。現在、世界で最も多くの等質テストを構成できる手法です。

ENGLISH