| 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 | 2026-02-28 16:05 感情データの構造を補完する内挿・外挿型データ拡張フレームワーク ○井下敬翔（関西大）  NLC2025-12 |
|
| 抄録 | （和） | 深層学習の実運用では,データの少数性やラベル分布の不均衡により,実データ分布上に存在する意味的にカバーされていない領域が学習を阻害し,クラス境界近傍での誤判定や外縁領域での不安定な挙動を引き起こす.本研究では,クラスタ条件付けによる内挿・外挿的データ生成によって,実データ分布との整合性を保ちつつ,分布内外の意味的にカバーされていない領域を体系的に補完するデータ拡張手法Cluster-conditioned Interpolative and Extrapolative framework for Geometry-Aware and Domain-aligned data augmentation（CIEGAD）を提案する.CIEGADは,クラスタごとのドメインプロファイル構築,階層的頻度・幾何配分による生成割当,内挿・外挿を両立した方向制御,幾何制約フィルタとLLM-as-a-Judgeを併用した品質管理で構成される.4種類の分類タスクを用いた実験では,CIEGADが実データ分布の外縁を適切に拡張しながら,生成文の多様性と実データ分布との整合性を高い水準で両立させることを確認した. |
| （英） | In practical deep learning deployment, data scarcity and label distribution imbalance often lead to semantically uncovered regions within real-world data distributions, hindering model training and causing misclassification near class boundaries as well as unstable behavior in peripheral areas. This study proposes CIEGAD (Cluster-conditioned Interpolative and Extrapolative framework for Geometry-Aware and Domain-aligned data augmentation), a data augmentation method that systematically complements semantically uncovered regions both within and beyond the data distribution while maintaining alignment with real-world data through cluster-conditioned interpolative and extrapolative data generation. CIEGAD consists of domain profile construction for each cluster, generation allocation via hierarchical frequency-geometric allocation, directional control through combined interpolation and extrapolation, and quality control using geometric constraint filters combined with LLM-as-a-Judge. Experiments on four classification tasks confirmed that CIEGAD appropriately extends the periphery of real-world data distributions while achieving a high level of both diversity in generated text and alignment with real-world data distributions. | |
| キーワード | （和） | データ拡張 / 分布整合 / 意味的多様性 / データ品質 / 大規模言語モデル / / / |
| （英） | Data Augmentation / Distribution Alignment / Semantic Diversity / Data Quality / Large Language Models / / / | |
| 文献情報 | 信学技報, vol. 125, no. 366, NLC2025-12, pp. 1-6, 2026年2月. | |
| 資料番号 | NLC2025-12 | |
| 発行日 | 2026-02-21 (NLC) | |
| 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 | NLC2025-12 |
|
| 研究会情報 | |
| 研究会 | NLC |
| 開催期間 | 2026-02-28 - 2026-03-01 |
| 開催地（和） | アマホームPLAZA（奄美市市民交流センター） |
| 開催地（英） | |
| テーマ（和） | 方言と言語理解、その他言語処理一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLC |
| 会議コード | 2026-03-NLC |
| 本文の言語 | 日本語 |
| タイトル（和） | 感情データの構造を補完する内挿・外挿型データ拡張フレームワーク |
| サブタイトル（和） | |
| タイトル（英） | An Interpolative and Extrapolative Data Augmentation Framework for Complementing the Structure of Emotion Data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | データ拡張 / Data Augmentation |
| キーワード(2)（和/英） | 分布整合 / Distribution Alignment |
| キーワード(3)（和/英） | 意味的多様性 / Semantic Diversity |
| キーワード(4)（和/英） | データ品質 / Data Quality |
| キーワード(5)（和/英） | 大規模言語モデル / Large Language Models |
| 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） | 井下 敬翔 / Keito Inoshita / |
| 第1著者 所属（和/英） | 関西大学 (略称： 関西大) Kansai University (略称： KU) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-02-28 16:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLC |
| 資料番号 | NLC2025-12 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.366 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2026-02-21 (NLC) |
[研究会発表申込システムのトップページに戻る]