| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-07-12 12:15 大規模言語モデルと弱教師付き学習を利用したゼロショット分類：スマートホームにおける行動認識への適用 ○武田直人・西村康孝・山崎悠大・池田和史（KDDI総合研究所）  LOIS2024-11 |
|
| 抄録 | （和） | スマートホームに設置した環境センサを用いた居住者の行動認識により，健康モニタリングや異常検知等のサービスを提供できる．居住者やスマートホームごとに生活習慣やセンサ種別が異なるため，行動認識モデルの構築には，居住者本人によるラベリングが必要だが負担が大きい．GPT-4やGemini等の大規模言語モデル（Large Language Models: LLMs）を活用することで，居住者にラベリングを依頼することなく，入居の初期段階からサービスを提供できる可能性がある．本研究では，LLMを用いた行動認識のゼロショット性能を向上させる手法を提案する．具体的には，LLMからゼロショット推定結果だけでなく，推定根拠となったセンサ群の情報を収集し，分類のためのラベリング関数群を自動構築する．さらにラベリング関数に含まれるノイズの影響を低減するために弱教師付き学習の枠組みを利用し推定結果を統合する．7名の実験参加者によるデータセットを用いた実験の結果，ゼロショット性能よりも平均で0.40から0.51へと0.11のF1値の向上が確認された．この性能の達成には，従来の方法では，約40日間にわたる居住者によるラベリングが必要であった． |
| （英） | Sensor-based activity recognition in smart homes enables applications like health monitoring and anomaly detection. Due to the varying lifestyles of residents and the different sensor types in smart homes, self-labeling is needed to build an activity recognition model, which can be burdensome. By leveraging LLMs such as GPT-4 and Gemini, smart home services can be offered from the start without labeled data. We propose a method to enhance zero-shot activity recognition using LLM. This involves collecting zero-shot estimations and the sensor information underlying them to automatically create labeling functions for classification. We integrate the estimation results using a weak supervision framework to reduce noise. Experiments with data from seven participants showed an average F1 score improvement of 0.11 from 0.40 to 0.51 compared to zero-shot performance. Achieving this performance with traditional methods, which require labeling by the residents, would necessitate about 40 days. | |
| キーワード | （和） | 行動認識 / スマートホーム / 大規模言語モデル / 弱教師付き学習 / / / / |
| （英） | Human activity recognition / Smart home / Large language models / Weak supervision / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 102, LOIS2024-11, pp. 59-64, 2024年7月. | |
| 資料番号 | LOIS2024-11 | |
| 発行日 | 2024-07-04 (LOIS) | |
| ISSN | 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 | LOIS2024-11 |
|
| 研究会情報 | |
| 研究会 | LOIS IPSJ-DC |
| 開催期間 | 2024-07-11 - 2024-07-12 |
| 開催地（和） | 御影公会堂（301・302集会室） |
| 開催地（英） | Mikage Kokaido |
| テーマ（和） | ライフログ活用技術、オフィス情報システム、ドキュメントのデジタル化、行動認識／行動推定と情報通信システムおよび一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | LOIS |
| 会議コード | 2024-07-LOIS-DC |
| 本文の言語 | 日本語 |
| タイトル（和） | 大規模言語モデルと弱教師付き学習を利用したゼロショット分類：スマートホームにおける行動認識への適用 |
| サブタイトル（和） | |
| タイトル（英） | Zero-Shot Classification Using Large Language Models and Weak Supervision: Application of Human Activity Recognition in Smart Home |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 行動認識 / Human activity recognition |
| キーワード(2)（和/英） | スマートホーム / Smart home |
| キーワード(3)（和/英） | 大規模言語モデル / Large language models |
| キーワード(4)（和/英） | 弱教師付き学習 / Weak supervision |
| 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） | 武田 直人 / Naoto Takeda / タケダ ナオト |
| 第1著者 所属（和/英） | 株式会社KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research, Inc.) |
| 第2著者 氏名（和/英/ヨミ） | 西村 康孝 / Yasutaka Nishimura / ニシムラ ヤスタカ |
| 第2著者 所属（和/英） | 株式会社KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research, Inc.) |
| 第3著者 氏名（和/英/ヨミ） | 山崎 悠大 / Yudai Yamazaki / ヤマザキ ユウダイ |
| 第3著者 所属（和/英） | 株式会社KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research, Inc.) |
| 第4著者 氏名（和/英/ヨミ） | 池田 和史 / Kazushi Ikeda / イケダ カズシ |
| 第4著者 所属（和/英） | 株式会社KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc. (略称： KDDI Research, Inc.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-07-12 12:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | LOIS |
| 資料番号 | LOIS2024-11 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.102 |
| ページ範囲 | pp.59-64 |
| ページ数 | 6 |
| 発行日 | 2024-07-04 (LOIS) |
[研究会発表申込システムのトップページに戻る]