| 講演名 | 2023-06-29 MMアルゴリズムによる行列式点過程の学習 川島 貴大(総研大), 日野 英逸(統計数理研/理研), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 行列式点過程はある全体集合から多様な要素をもつ部分集合をランダムに生成する確率モデルであり，一般に正定値カーネルによって特徴づけられる．とくに有限集合上の行列式点過程はカーネル行列によってパラメ トライズされることから近年機械学習コミュニティにおいて研究が進められており，応用範囲も広がりつつあるが，その効率的な学習法についてはいまだ研究の余地がある．本研究ではMMアルゴリズムに基づいて，行列式点過程の最尤推定問題を解くための単調かつ簡潔な学習則を提案する．またMMアルゴリズムの代理関数について，提案法が既存法より局所的にタイトに目的関数を抑えることを示した．人工データおよび実データに対する実験を通し，多くの実験設定において提案法による学習が既存法よりも高速に収束することを確かめた． |
| 抄録(英) | A determinantal point process (DPP) is a powerful probabilistic model that generates diverse random subsets from a ground set. Since a DPP is characterized by a positive de?nite kernel, a DPP on a ?nite ground set can be parameterized by a kernel matrix. Recently, DPPs have gained attention in the machine learning community and have been applied to various practical problems; however, there is still room for further research on the learning of DPPs. In this paper, we propose a simple learning rule for full-rank DPPs based on a minorization-maximization (MM) algorithm, which monotonically increases the likelihood in each iteration. We show that our minorizer of the MM algorithm provides a tighter lower-bound compared to an existing method locally. In our experiments on both synthetic and real-world datasets, our method outperforms existing methods in most settings. |
| キーワード(和) | 行列式点過程 / 最尤推定 / MMアルゴリズム / 推薦システム |
| キーワード(英) | Determinantal point processes / Maximum likelihood estimation / MM algorithm / Recommender systems |
| 資料番号 | NC2023-7,IBISML2023-7 |
| 発行日 | 2023-06-22 (NC, IBISML) |
| 研究会情報 | |
| 研究会 | NC / IBISML / IPSJ-BIO / IPSJ-MPS |
|---|---|
| 開催期間 | 2023/6/29(から3日開催) |
| 開催地（和） | 沖縄科学技術大学院大学カンファレンス・センター |
| 開催地（英） | OIST Conference Center |
| テーマ（和） | 機械学習によるバイオデータマイニング、一般 |
| テーマ（英） | |
| 委員長氏名（和） | 田中 宏和(東京都市大) / 杉山 将(東大) |
| 委員長氏名（英） | Hirokazu Tanaka(Tokyo City Univ.) / Masashi Sugiyama(Univ. of Tokyo) |
| 副委員長氏名（和） | 井澤 淳(筑波大) / 神嶌 敏弘(産総研) / 津田 宏治(東大) |
| 副委員長氏名（英） | Jun Izawa(Univ. of Tsukub) / Toshihiro Kamishima(AIST) / Koji Tsuda(Univ. of Tokyo) |
| 幹事氏名（和） | 寺島 裕貴(NTT) / 田中 沙織(奈良先端大) / 岩田 具治(NTT) / 中村 篤祥(北大) |
| 幹事氏名（英） | Hiroki Terashima(NTT) / Saori Tanaka(NAIST) / Tomoharu Iwata(NTT) / Atsuyoshi Nakamura(Hokkaido Univ.) |
| 幹事補佐氏名（和） | 田和辻 可昌(早大) / 堀井 隆斗(阪大) / 河原 吉伸(阪大) / 鈴木 大慈(東工大) |
| 幹事補佐氏名（英） | Yoshimasa Tawatsuji(Waseda Univ.) / Takato Horii(Osaka Univ.) / Yoshinobu Kawahara(Osaka Univ.) / Taiji Suzuki(Tokyo Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Information-Based Induction Sciences and Machine Learning / Special Interest Group on Bioinformatics and Genomics / Special Interest Group on Mathematical Modeling and Problem Solving |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | MMアルゴリズムによる行列式点過程の学習 |
| サブタイトル（和） | |
| タイトル（英） | Minorization-Maximization for Determinantal Point Processes |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 行列式点過程 / Determinantal point processes |
| キーワード(2)（和/英） | 最尤推定 / Maximum likelihood estimation |
| キーワード(3)（和/英） | MMアルゴリズム / MM algorithm |
| キーワード(4)（和/英） | 推薦システム / Recommender systems |
| 第 1 著者 氏名（和/英） | 川島 貴大 / Takahiro Kawashima |
| 第 1 著者 所属（和/英） | 総合研究大学院大学(略称：総研大) The Graduate University for Advanced Studies, SOKENDAI(略称：SOKENDAI) |
| 第 2 著者 氏名（和/英） | 日野 英逸 / Hideitsu Hino |
| 第 2 著者 所属（和/英） | 統計数理研究所/理化学研究所(略称：統計数理研/理研) The Institute of Statistical Mathematics/RIKEN(略称：ISM/RIKEN) |
| 発表年月日 | 2023-06-29 |
| 資料番号 | NC2023-7,IBISML2023-7 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | NC-90,IBISML-91 |
| ページ範囲 | pp.39-47(NC), pp.39-47(IBISML), |
| ページ数 | 9 |
| 発行日 | 2023-06-22 (NC, IBISML) |