大規模マルチラベル学習に対する単純かつ強力な閉形式解モデル

抄録

大規模マルチラベル学習（XML; Extream Multi-label Learning）は膨大なラベル集合から各データ事例に対して複数のラベルを付与するタスクである． XMLタスクにおいて，現在，高精度を達成しているモデルの多くは膨大なハイパーパラメータで構成されるため，再現性の観点から問題が残されている．また，モデル自体もXMLに特化した工夫がなされており，再実装も容易ではない． そこで，本稿ではXMLタスクに対して，リッジ回帰に基づく単純な手法を提案する．提案法は閉形式解を持つことに加え，単一のハイパーパラメータで構成される． XMLタスクに単純なリッジ回帰を適用した前例はないため，本稿では複数のXMLベンチマークデータを用いて，提案法の性能を検証した． 実験結果から，提案法のような非常に単純な方法でも既存モデルに匹敵，もしくは，それらを上回る性能を達成できることが明らかとなったのでここに報告する．