マルチウェイカットによる学習を行うグラフベース手法

大規模データから学習を行う際には,クラス分類に必要十分なラベルデータが手に入らない場面がある. このため,大量かつ容易に入手できる,ラベルなしデータも用いて精度を改善する半教師付き学習が研究されている.本論文では,ラベルデータとラベルなしデータの両方を含むデータ集合を用いて,各データを節点とし,データ間の類似関係を枝としたグラフ表現で表し,マルチウェイカットによる学習を行う,グラフベース手法を提案する.さらに,半教師付き学習では困難な問題とされている特徴選択問題に対し,グラフの密度という概念を導入して,ラベルデータが少量でも有効属性を評価できる評価関数を新たに定義し,グラフ中のクリーク発見によって最適な有効属性の組合せを求める手法を提案する.

[Back]