[3G1-GS-2g] 機械学習：分類

[3G1-GS-2g-02] マルチラベル分類におけるDeep Neural Networkの共有構造の構築法に関する一考察

〇石倉 滉大¹、北里 礼¹、雲居 玄道¹、後藤 正幸¹ (1. 早稲田大学)

キーワード：機械学習、深層学習、マルチラベル分類、DNN構造、クラスタリング

近年，1つの文書に複数のラベルが付与されることを想定するマルチラベル分類に関する技術の重要性が高まっている．このマルチラベル分類問題を解くためのアプローチの1つに，関係性の高いラベル同士でDeep Neural Networkの中間層を共有したネットワークを構築するBranched Multi-Task Networks（BMTN)がある．BMTNでは，中間層の共有構造をラベル間の類似度のクラスタリングによって決定するが，分析者が中間層ごとのクラスタ数を事前に設定する必要がある．そのため，ラベル間の関係性を適切に表現できるクラスタ数が決定されているとは限らない．そこで本研究では，クラスタリングにおいて，ラベル間の関係性を適切に表現できるクラスタ数の決定アルゴリズムを提案する．これにより，分析者に依らない適切なクラスタ数の決定が可能となる．そのため，関係性の低いラベルは独立に学習され，関係性の高いラベルに特化した学習が可能となり推定精度の向上が期待される．最後に，提案手法を読売新聞記事データに適用し，推定精度の向上と共有構造の解釈による有用性を示した．