講演抄録/キーワード |
講演名 |
2011-01-24 18:25
階層ベイズモデルによるモデル適応 ○麻生英樹(産総研) NLP2010-140 NC2010-104 |
抄録 |
(和) |
モデル適応は,大量の学習データで構築した汎用モデルを,
少量の適応用データによって個別の利用状況に適応させるプロセスである.
代表的な事例としては,音声認識における音韻モデルの個人適応や環境適応,言語モデルのトピック適応やタスク適応などが挙げられる.モデル適応は,より一般に転移学習と呼ばれている学習問題の一種であり,マルチタスク学習と呼ばれる学習問題の一種とも考えられる.一方,階層ベイズモデリングは,マルチタスク学習のための汎用的な手法として知られており,マーケティング,生態学,医療,教育等の多岐に亘る分野で,個体差やグループ差を考慮した対象や現象のモデル化に活用されている.本稿では,階層ベイズモデルを用いたモデル適応について概観するとともに,状況依存な食事嗜好のモデル化において,大量の仮想状況データと少量の現実状況データをあわせて用いる課題に適用して有効性を評価する. |
(英) |
Model adaptation is a process of modifying general model which is trained with large amount of training data to adapt a specific task/user using small amount of adaptation data regarding the task/user. Typical examples are acoustic model adaptation and language model adaptation for speech recognition systems. Model adaptation is a kind of transfer learning and multi-task learning. Bayesian hierarchical modeling is known as a general tool for multi-task learning and widely used in various areas such as marketing, ecology, medicine, education, etc. to model the heterogeneity of the phenomena. In this work, a model adaptation procedure using Bayesian hierarchical models is given and applied to the problem of preference modeling, where a model trained with large amount of virtual situation data is adapted to real situation. Experimental results with context-aware food preference data demonstrate effectiveness of the proposed method. |
キーワード |
(和) |
モデル適応 / 階層ベイズモデル / 転移学習 / 嗜好モデル / / / / |
(英) |
model adaptation / Bayesian hierarchical model / transfer learning / preference model / / / / |
文献情報 |
信学技報, vol. 110, no. 388, NC2010-104, pp. 93-98, 2011年1月. |
資料番号 |
NC2010-104 |
発行日 |
2011-01-17 (NLP, NC) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NLP2010-140 NC2010-104 |
研究会情報 |
研究会 |
NC NLP |
開催期間 |
2011-01-24 - 2011-01-26 |
開催地(和) |
北大 百年記念館 |
開催地(英) |
Hokakido Univ. |
テーマ(和) |
一般 および 雑音を有効利用する神経系やそのモデル |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2011-01-NC-NLP |
本文の言語 |
日本語 |
タイトル(和) |
階層ベイズモデルによるモデル適応 |
サブタイトル(和) |
|
タイトル(英) |
Model Adaptation with Bayesian Hierarchical Models |
サブタイトル(英) |
|
キーワード(1)(和/英) |
モデル適応 / model adaptation |
キーワード(2)(和/英) |
階層ベイズモデル / Bayesian hierarchical model |
キーワード(3)(和/英) |
転移学習 / transfer learning |
キーワード(4)(和/英) |
嗜好モデル / preference model |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
麻生 英樹 / Hideki Asoh / |
第1著者 所属(和/英) |
産業技術総合研究所 (略称: 産総研)
National Institute of Advanced Industrial Science and Technology (略称: AIST) |
第2著者 氏名(和/英/ヨミ) |
/ / |
第2著者 所属(和/英) |
(略称: )
(略称: ) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2011-01-24 18:25:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NLP2010-140, NC2010-104 |
巻番号(vol) |
vol.110 |
号番号(no) |
no.387(NLP), no.388(NC) |
ページ範囲 |
pp.93-98 |
ページ数 |
6 |
発行日 |
2011-01-17 (NLP, NC) |
|