人工知能学会全国大会論文集
第34回全国大会(2020)
セッションID: 2P5-GS-3-01
会議情報

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
*水谷 守裕奥野 彰文福井 一輝KIM Geewook下平 英寿
著者情報
会議録・要旨集 フリー

詳細
抄録

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.

著者関連情報
© 2020 一般社団法人 人工知能学会
前の記事 次の記事
feedback
Top