特許ウォッチ

公開番号2024171912
公報種別公開特許公報(A)
公開日2024-12-12
出願番号2023089269
出願日2023-05-30
発明の名称情報処理方法および情報処理プログラム
出願人富士通株式会社
代理人個人
主分類G06Q 10/04 20230101AFI20241205BHJP(計算;計数)
要約【課題】選択主体が複数の選択肢の中からいずれの選択肢を選択するのかを精度よく推定可能な離散選択モデルを学習し易くすること。
【解決手段】情報処理装置は、過去に選択肢Jを選択したことがある選択主体が、クラス501に確定的に所属するよう、クラス501に所属する確率の期待値を設定する。情報処理装置は、過去に選択肢Jを選択したことがない選択主体が、クラス501と、クラス502とに確率的に所属し、選択肢Jの効果が大きいほど、クラス501に所属する確率が小さくなるよう、クラス501に所属する確率の期待値を設定する。情報処理装置は、それぞれの選択主体が過去に選択した選択肢を表す記録と、設定したそれぞれの期待値とに基づいて、選択モデル511と選択モデル512とのパラメータを推定する。
【選択図】図5
特許請求の範囲【請求項１】
複数の選択肢のうち、過去に選択された選択肢をそれぞれ表す複数の記録を取得し、
取得した前記複数の記録のうち、第１の選択肢を認知済みの選択主体に対応する１以上の記録のそれぞれの記録に対して、前記第１の選択肢を認知済みの第１のクラスに選択主体が所属する確率の期待値として、確定的に所属することを表す第１の値を設定し、
前記第１のクラスに選択主体が所属する確率の基準値と、前記複数の選択肢のそれぞれの選択肢の効果を表す数式とに基づいて、取得した前記複数の記録のうち、前記１以上の記録とは異なる残余の記録のそれぞれの記録に対して、前記期待値として、確率的に所属することを表す第２の値を設定し、
取得した前記複数の記録のそれぞれの記録と、取得した前記複数の記録のそれぞれの記録に対して設定した前記期待値とに基づいて、前記基準値と、前記数式に含まれるパラメータとを学習する、
処理をコンピュータが実行することを特徴とする情報処理方法。
続きを表示（約 1,700 文字）【請求項２】
前記学習する処理は、
前記基準値と、前記数式のパラメータとを学習することにより、前記複数の選択肢のそれぞれの選択肢に関する特徴量が入力されたことに応じて前記数式を利用して前記複数の選択肢のそれぞれの選択肢が選択される確率を推定するモデルを学習する、ことを特徴とする請求項１に記載の情報処理方法。
【請求項３】
前記学習する処理は、
前記基準値と、前記数式のパラメータとを学習することにより、選択主体が前記第１のクラスに所属する場合に対して、前記複数の選択肢のそれぞれの選択肢に関する特徴量が入力されたことに応じて前記数式を利用して前記複数の選択肢のそれぞれの選択肢が選択される確率を推定する第１のモデルと、選択主体が前記第１のクラスに所属しない場合に対して、前記複数の選択肢のうち、前記第１の選択肢とは異なる残余の選択肢のそれぞれの選択肢に関する特徴量が入力されたことに応じて前記数式を利用して前記残余の選択肢のそれぞれの選択肢が選択される確率を推定する第２のモデルとを学習する、ことを特徴とする請求項２に記載の情報処理方法。
【請求項４】
前記第１の値を設定する処理は、
前記第１の選択肢を表す１以上の記録のそれぞれの記録に対して、前記期待値として、確定的に所属することを表す第１の値を設定する、ことを特徴とする請求項１または２に記載の情報処理方法。
【請求項５】
前記複数の記録は、それぞれ、選択主体の属性値を含み、
前記第１の値を設定する処理は、
前記第１の選択肢を表す記録と同一または類似の属性値を有する１以上の記録のそれぞれの記録に対して、前記期待値として、確定的に所属することを表す第１の値を設定する、ことを特徴とする請求項１または２に記載の情報処理方法。
【請求項６】
前記第２の値を設定する処理は、
前記基準値と、選択主体が前記第１のクラスに所属する場合における、前記複数の選択肢のそれぞれの選択肢の効果を表す数式と、選択主体が前記第１のクラスに所属しない場合における、前記複数の選択肢のうち、前記第１の選択肢とは異なる残余の選択肢のそれぞれの選択肢の効果を表す数式とに基づいて、前記残余の記録のそれぞれの記録に対して、前記期待値として、確率的に所属することを表す第２の値を設定する、ことを特徴とする請求項１または２に記載の情報処理方法。
【請求項７】
前記第２の値を設定する処理は、
前記基準値と、前記複数の選択肢のそれぞれの選択肢の効果を表す数式と、前記残余の記録のそれぞれの記録と前記第１の選択肢を表す記録との類似度とに基づいて、前記残余の記録のそれぞれの記録に対して、前記第１の選択肢を表す記録との類似度が大きいほど、前記期待値が大きくなるよう、前記期待値として、確率的に所属することを表す第２の値を設定する、ことを特徴とする請求項１または２に記載の情報処理方法。
【請求項８】
複数の選択肢のうち、過去に選択された選択肢をそれぞれ表す複数の記録を取得し、
取得した前記複数の記録のうち、第１の選択肢を認知済みの選択主体に対応する１以上の記録のそれぞれの記録に対して、前記第１の選択肢を認知済みの第１のクラスに選択主体が所属する確率の期待値として、確定的に所属することを表す第１の値を設定し、
前記第１のクラスに選択主体が所属する確率の基準値と、前記複数の選択肢のそれぞれの選択肢の効果を表す数式とに基づいて、取得した前記複数の記録のうち、前記１以上の記録とは異なる残余の記録のそれぞれの記録に対して、前記期待値として、確率的に所属することを表す第２の値を設定し、
取得した前記複数の記録のそれぞれの記録と、取得した前記複数の記録のそれぞれの記録に対して設定した前記期待値とに基づいて、前記基準値と、前記数式に含まれるパラメータとを学習する、
処理をコンピュータに実行させることを特徴とする情報処理プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理方法および情報処理プログラムに関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
従来、選択主体が複数の選択肢の中からいずれの選択肢を選択するのかを推定する離散選択モデルが存在する。離散選択モデルは、具体的には、それぞれの選択肢の効果を表す数式を利用して、選択主体がいずれの選択肢を選択するのかを推定する機能を有する。それぞれ異なる選択主体が過去に複数の選択肢の中から選択した選択肢を表す複数の記録に基づいて、離散選択モデルを学習する技術がある。
【０００３】
先行技術としては、例えば、ユーザが希望するテーマに合致または近いカテゴリに分類された画像の集合の中から、よい評価のコメントが付いた画像と、よい評価のコメントが付いた画像以外とを分類するものがある。
【先行技術文献】
【特許文献】
【０００４】
特開２０１９－１１４２４３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来技術では、選択主体が複数の選択肢の中からいずれの選択肢を選択するのかを精度よく推定可能な離散選択モデルを学習することが難しい。具体的には、複数の選択主体のうち、いずれかの選択肢を認知する第１の選択主体と、いずれかの選択肢を認知しない第２の選択主体とが混在する場合が考えられる。この場合、第１の選択主体が過去に選択した選択肢を表す第１の記録と、第２の選択主体が過去に選択した選択肢を表す第２の記録とを同列に扱ってしまうと、離散選択モデルを適切に学習することが難しくなってしまう。
【０００６】
１つの側面では、本発明は、選択主体が複数の選択肢の中からいずれの選択肢を選択するのかを精度よく推定可能な離散選択モデルを学習し易くすることを目的とする。
【課題を解決するための手段】
【０００７】
１つの実施態様によれば、複数の選択肢のうち、過去に選択された選択肢をそれぞれ表す複数の記録を取得し、取得した前記複数の記録のうち、第１の選択肢を認知済みの選択主体に対応する１以上の記録のそれぞれの記録に対して、前記第１の選択肢を認知済みの第１のクラスに選択主体が所属する確率の期待値として、確定的に所属することを表す第１の値を設定し、前記第１のクラスに選択主体が所属する確率の基準値と、前記複数の選択肢のそれぞれの選択肢の効果を表す数式とに基づいて、取得した前記複数の記録のうち、前記１以上の記録とは異なる残余の記録のそれぞれの記録に対して、前記期待値として、確率的に所属することを表す第２の値を設定し、取得した前記複数の記録のそれぞれの記録と、取得した前記複数の記録のそれぞれの記録に対して設定した前記期待値とに基づいて、前記基準値と、前記数式に含まれるパラメータとを学習する情報処理方法および情報処理プログラムが提案される。
【発明の効果】
【０００８】
一態様によれば、選択主体が複数の選択肢の中からいずれの選択肢を選択するのかを精度よく推定可能な離散選択モデルを学習し易くすることが可能になる。
【図面の簡単な説明】
【０００９】
図１は、実施の形態にかかる情報処理方法の一実施例を示す説明図である。
図２は、情報処理システム２００の一例を示す説明図である。
図３は、情報処理装置１００のハードウェア構成例を示すブロック図である。
図４は、情報処理装置１００の機能的構成の一例を示すブロック図である。
図５は、情報処理装置１００の動作の流れを示す説明図である。
図６は、情報処理装置１００の第１の動作例を示す説明図（その１）である。
図７は、情報処理装置１００の第１の動作例を示す説明図（その２）である。
図８は、情報処理装置１００の第１の動作例を示す説明図（その３）である。
図９は、情報処理装置１００の第１の動作例を示す説明図（その４）である。
図１０は、情報処理装置１００の第１の動作例を示す説明図（その５）である。
図１１は、情報処理装置１００の第１の動作例を示す説明図（その６）である。
図１２は、情報処理装置１００の第１の動作例を示す説明図（その７）である。
図１３は、情報処理装置１００の第１の動作例を示す説明図（その８）である。
図１４は、第１学習処理手順の一例を示すフローチャートである。
図１５は、第１予測処理手順の一例を示すフローチャートである。
図１６は、情報処理装置１００の第２の動作例を示す説明図（その１）である。
図１７は、情報処理装置１００の第２の動作例を示す説明図（その２）である。
図１８は、情報処理装置１００の第２の動作例を示す説明図（その３）である。
図１９は、情報処理装置１００の第２の動作例を示す説明図（その４）である。
図２０は、情報処理装置１００の第２の動作例を示す説明図（その５）である。
図２１は、情報処理装置１００の第２の動作例を示す説明図（その６）である。
図２２は、第２予測処理手順の一例を示すフローチャートである。
【発明を実施するための形態】
【００１０】
以下に、図面を参照して、本発明にかかる情報処理方法および情報処理プログラムの実施の形態を詳細に説明する。
（【００１１】以降は省略されています）

関連特許