講演抄録/キーワード |
講演名 |
2012-11-07 15:30
サブセット無限関係モデル ○石黒勝彦・上田修功・澤田 宏(NTT) IBISML2012-37 |
抄録 |
(和) |
本論文ではソーシャルネットワーク上の友達関係やオンライン購買履歴のような関係データ解析のための新しい確率的生成モデルを提案する.通常,関係データは行列形式で表現されるが,多くの実データにおいてその行列は非常にスパースであり,あるいはノイズの影響を受ける.スパースなデータ要素あるいはノイズに起因するデータ要素は元々のデータがもつクラスタ構造とは関係がないはずであるが,多くの既存モデルではこのような要素の存在が構造の解析の妨げとなっている.そこで,我々は各関係データがクラスタリングの役に立つ(“relevant”) か否かを明示的に推定することで上記の問題を回避するモデルを考案した.複数の人工データおよび実データを用いた実験結果から,提案するモデルは定量的にも定性的にも非常に好ましい解析結果を実現することが可能であることを確認した. |
(英) |
We propose a new probabilistic generative model for analyzing sparse and noisy relational data, such as friend-links on social network services and customer records in online shops. Real-world relational data often include a large portion of non-informative data entries. Many existing stochastic blockmodels suffer from these irrelevant data entries. The proposed model incorporates a latent variable that explicitly indicates whether each data entry is relevant or not to diminish bad effects associated with such irrelevant data. Through experiments, we show that the proposed model can extract clusters with stronger relations among data within the cluster than clusters obtained by the conventional model. |
キーワード |
(和) |
クラスタリング / 関係データ / 特徴選択 / ノンパラメトリックベイズ / / / / |
(英) |
clustering / relational data / nonparametric Bayes / / / / / |
文献情報 |
信学技報, vol. 112, no. 279, IBISML2012-37, pp. 23-30, 2012年11月. |
資料番号 |
IBISML2012-37 |
発行日 |
2012-10-31 (IBISML) |
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 |
IBISML2012-37 |
研究会情報 |
研究会 |
IBISML |
開催期間 |
2012-11-07 - 2012-11-09 |
開催地(和) |
筑波大学 東京キャンパス文京校舎 |
開催地(英) |
Bunkyo School Building, Tokyo Campus, Tsukuba Univ. |
テーマ(和) |
第15回情報論的学習理論ワークショップ |
テーマ(英) |
the 15th Information-Based Induction Sciences Workshop |
講演論文情報の詳細 |
申込み研究会 |
IBISML |
会議コード |
2012-11-IBISML |
本文の言語 |
日本語 |
タイトル(和) |
サブセット無限関係モデル |
サブタイトル(和) |
|
タイトル(英) |
Subset Infinite Relational Model |
サブタイトル(英) |
|
キーワード(1)(和/英) |
クラスタリング / clustering |
キーワード(2)(和/英) |
関係データ / relational data |
キーワード(3)(和/英) |
特徴選択 / nonparametric Bayes |
キーワード(4)(和/英) |
ノンパラメトリックベイズ / |
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) |
石黒 勝彦 / Katsuhiko Ishiguro / イシグロ カツヒコ |
第1著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
NTT Corporation (略称: NTT) |
第2著者 氏名(和/英/ヨミ) |
上田 修功 / Naonori Ueda / ウエダ ナオノリ |
第2著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
NTT Corporation (略称: NTT) |
第3著者 氏名(和/英/ヨミ) |
澤田 宏 / Hiroshi Sawada / サワダ ヒロシ |
第3著者 所属(和/英) |
日本電信電話株式会社 (略称: NTT)
NTT Corporation (略称: NTT) |
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 |
2012-11-07 15:30:00 |
発表時間 |
150分 |
申込先研究会 |
IBISML |
資料番号 |
IBISML2012-37 |
巻番号(vol) |
vol.112 |
号番号(no) |
no.279 |
ページ範囲 |
pp.23-30 |
ページ数 |
8 |
発行日 |
2012-10-31 (IBISML) |