相互依存モデルによるマルチラベル分類
Multi-label Classification by Interdependence Model

概要

機械学習の分野の中で、よく知られている問題の一つに分類問題がある。普通、分類問題というと、対象物の特徴量か適切なラベルを一つ予測するシングルラベル分類のことを指す。しかし、対象となる問題によっては、対象物に当てはまるラベルを全て(複数個)の予測することを求める場合もある。このような分類問題を、特にマルチラベル分類と呼ぶ。
本研究では、元々多変量回帰の文脈で用いられていた相互依存モデルを改良することにより、新たなマルチラベル分類のための予測手法を提案する。提案法では、ラベル間の関係を捉えることができるだけでなく、訓練時に観測できなかったラベルの組み合わせを予測することが可能である。
いくつかの実データセットと評価指標を用いて、提案法の性能評価実験も行った。

産業界への展開例・適用分野

マルチラベル分類問題の応用例は、世の中に多く存在している。具体的には、感情分類・薬物活性予測・カテゴリ分類・レコメンドなどである。本研究では、マルチラベル分類に対する一つの予測アプローチを提案するため、これらの例に限らず、一つの対象に対して複数のラベル付与を行いたい場合に活用できると考えられる。

研究者

氏名	専攻	研究室	役職/学年
吉村 皐亮	知能情報学専攻	鹿島研究室	修士2回生
馬場 雪乃	知能情報学専攻	鹿島研究室	助教
鹿島 久嗣	知能情報学専攻	鹿島研究室	教授

---