2022年11月18日 掲載
李瑞徳君と小林周平君の研究成果をWeb Intelligence に関する国際会議 IEEE/WIC/ACM WI-IAT で発表しました.今回はカナダの Niagara Falls でのハイブリッド開催です.朝食を食べた場所からナイアガラの滝がよく見えました.
今回はハイブリッド開催ということだったのですが,かなり多くの人がオンライン参加し,現地参加人数が比較的少なかったようで,コロナ以前の年の同じ会議と比べて,だいぶこじんまりした会場での開催でした.李瑞徳君も残念ながら事情によりオンライン参加で発表を行いました.小林周平君は下の写真のように現地で発表を行いました.
上の写真でも,発表の画面を見るとzoomでオンライン参加者にも配信しながら発表していることがわかると思います.
李君の研究の内容は機械学習の active learning に関するものです.active learning は,単に与えられた学習データを学習するのではなく,次に学習するデータを選択しながら学習するす手法で,代表的な手法としては,現時点での分類器にとってもっとも分類しにくい,すなわち,現時点の分類器にとって分離境界面に近く見えるデータを学習する手法です.それに対し,李君の手法は,テキストデータの分類器を学習する場合に,様々な尺度で学習用の各テキストデータの情報量を推定し,情報量が多そうなテキストデータをより優先しようという手法です.
一方,小林君の研究は,SNS上のユーザの実世界での実際の人気度を推定しようという研究です.SNSユーザの人気度の尺度としてはフォロワー数がよく使われますが,フォロワー数にはさまざまな要因が影響するため,必ずしも実世界での人気度を正確に反映しているとは限りません.そこで,今回の研究では,大学のミス/ミスター・コンテストを例題にとり,コンテスト出場者のSNSアカウントのフォロワー数で優勝者を予測するよりも,より高い精度で優勝者を予測する手法を提案しました.提案手法では,フォロワー数だけでなく,フォロワー間のつながり,すなわち,フォロワー達のコミュニティ構造も考慮して人気度を予測します.
下の写真はナイアガラの滝のそばまで行ってみた写真です.やや,CGのように見える写真ですが,実際に生で見ても,大きすぎて現実感がなく,ある意味,CGのように見えます.