分類問題のためのプラグマティックルールベースによるクラス推定手法における重みづけの検討

摘要

機械学習技術の急速な発展が進み, 様々な技術が開発されている. 現在はその中でも深層学習が脚光をあびている[1]. 深層学習以外には, 様々な技術の基盤となったルールベースシステムが存在する[2] . しかし, 深層学習やルールベースシステムにはそれぞれ課題が存在する. 深層学習では現実データへの頑健性の強化や, 人間の手による微調整が困難であることが課題となっている[3]. また, ルールベースシステムでは人手により入力できるルールに限界があることや, 大規模な問題だとルールベースが巨大になるといったことが課題として挙げられる. これらの機械学習手法の課題に対応するために, 本研究では「より小さいサイズで高い正解率をもち, 柔軟性のあるルールベースを機械的に構築する手法」の開発を目的とする. ここで柔軟性とは, ノイズデータなど学習に不利な影響のあるデータに対してルールの操作を行うことで間違った判定を避ける, もしくは正しい判定に直すことが可能であるということを意味する.これが可能であれば, 間違って学習した内容を人手で修正することができ, 現実データへの応用性を高めることができると考えられる. このようなルールベースは, プラグマティックルール形式[4] に基づく機械学習手法を利用することで構築が可能であると考えている. 目的の達成にあたり, 現在3 つの課題に直面している.