確率的潜在変数モデルの大規模学習アルゴリズム開発
佐藤一誠(東京大学)

潜在変数と呼ばれる確率変数を導入することで、データ中に隠れた情報を抽出する確率的潜在変数モデルは、近年のデータ解析の主要素技術となっている。本研究では、特に研究が盛んな確率的潜在変数モデルの１分野である潜在トピックモデルの学習アルゴリズムの開発を行う。潜在トピックモデルの学習には、決定的アルゴリズムと確率的アルゴリズムが存在し、これまで確率的アルゴリズムの汎化性能の良さが知られていた。しかし、近年、周辺化変分ベイズ法と呼ばれる決定的アルゴリズムが開発され、確率的アルゴリズムと同程度の性能が出ることが知られている。本研究では、より広範囲な応用を考えて、周辺化変分ベイズ法を大規模学習アルゴリズムへと拡張することを目的とする。周辺化変分ベイズ法の問題点は、使用メモリ量が非常に大きいことと原理的に並列計算ができないことであり、この２点の問題を解決する。

研究紹介ポスター／最終報告書