第32回統計的機械学習セミナー / The 32nd Statistical Machine Learning Seminar
- Date&Time
- 2016年10月20日（木）14:00 - 16:00
/ 20 October, 2016 (Thu) 14:00 - 16:00
- Place
- 統計数理研究所 セミナー室5 (3F)
/ Seminar Room 5 (3F) @ The Institute of Statistical Mathematics
- Speaker1
- 吉川友也 先生 【14:00 - 15:00】
(千葉工業大学 人工知能・ソフトウェア技術研究センター(STAIR Lab) 主任研究員)
- Title
- 分布のカーネル埋め込みに基づくBag-of-Wordsデータのための潜在変数モデル
- Abstract
- 特徴の多重集合で表現されるデータはBag-of-Words(BoW)データと呼ばれ、NLPや画像処理等のデータ表現として用いられる。 我々はBoWデータに対して、(1) 各特徴を潜在ベクトルで表現し、(2) 各BoWデータを潜在ベクトルの分布とみなし、(3) 潜在ベクトルの分布を「分布のカーネル埋め込み」によってノンパラメトリックに表現する、新しいデータ表現法を考案した。 本講演では、このアイディアの詳細を説明するとともに、このデータ表現法に基づく分類・回帰・異種データ間マッチングの問題を扱う潜在変数モデルを紹介する。
- Speaker2
- Dr. Mathieu Blondel 【15:00 - 16:00】
(Research scientist at NTT Communication Science Laboratories)
- Title
- Higher-Order Factorization Machines
- Abstract
- Factorization machines (FMs) are a supervised learning approach that can use second-order feature combinations even when the data is very high-dimensional. Unfortunately, despite increasing interest in FMs, there exists to date no efficient training algorithm for higher-order FMs (HOFMs). In this talk, I will present the first generic yet efficient algorithms for training arbitrary-order HOFMs. I will also present new variants of HOFMs with shared parameters, which greatly reduce model size and prediction times while maintaining similar accuracy. I will demonstrate the proposed approaches on four different link prediction tasks.
