文献

J-GLOBAL ID：202002263278744894   整理番号：20A1701625

グラフと近傍グラフの確率的同時埋め込みを用いたマルチモーダル関連性データの可視化

Visualization for Multimodal Relational Data using t-Stochastic Graph and Neighbor Graph Joint Embedding

著者 (8件)： 水谷守裕 (京大) ,  奥野彰文 (理研 革新知能統合研究セ) ,  福井一輝 (京大) ,  福井一輝 (理研 革新知能統合研究セ) ,  KIM Geewook (京大) ,  KIM Geewook (理研 革新知能統合研究セ) ,  下平英寿 (京大) ,  下平英寿 (理研 革新知能統合研究セ)
資料名： 人工知能学会全国大会論文集(Web)  (Proceedings of the Annual Conference of JSAI (Web))
巻： 34th  ページ： ROMBUNNO.2P5-GS-3-01 (WEB ONLY)  発行年： 2020年 
JST資料番号： U1701A  ISSN： 2758-7347  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,FlickrやInstagramのような複数種類(例えば,テキストと画像)から構成されるマルチモーダル関連性データの分析が重要な課題となっている.また,可視化によってデータ分析を行う様々な手法が提案されている.t-Stochastic Neighbor Embedding(t-SNE)では,データベクトルからベクトル間類似度により計算される近傍グラフが保存されるような低次元ベクトルを計算し,可視化を行う.しかし,1ドメインデータを扱う既存のt-SNEではマルチモーダル関連性データを処理できない.本研究では,所与のドメイン間グラフに加え,特定のドメイン内でデータベクトルが与えられたマルチモーダル関連性データについて,所与の関連性をよく反映する低次元ベクトルを得ること,特に得られた2次元ベクトルのプロットによる可視化を目的とする.提案手法では,データベクトルから計算したドメイン内近傍グラフと,所与のドメイン間グラフを組み合わせたマルチモーダル関連性データのグラフを利用した,複数ドメインの確率的同時埋め込みを行う.最後に,本手法を用いたFlickr画像データの可視化と分析から有効性を示す.(著者抄録)

シソーラス用語： *可視化 ,  埋込み【写像】 ,  多モード ,  *グラフ理論 ,  特性曲線 ,  ベクトル ,  データ ,  統計解析 ,  ニューラルネットワーク ,  グラフ
準シソーラス用語： *データ可視化 ,  マルチモーダル ,  ROC曲線 ,  画像データ ,  相関解析 ,  CNN

分類 (1件)： グラフ理論基礎  (IA02020S)

タイトルに関連する用語 (7件)： グラフ ,  近傍 ,  確率 ,  埋め込み ,  マルチモーダル ,  関連性 ,  可視化