Management and Integration for Linked Open Multimedia Data

点击翻译按钮获取中文摘要

本研究は，様々な種類のデータが公開されており，テキスト，画像，動画などのコンテンツが Web 上に散在している現状に対して，データの統合管理を実現することが大きな目標である．この目標に対して，データ統合と横断的な検索を実現することが目的である．本年度は，データ統合技術に関連して，(!) 意図の読みにくいテキストを効果的に分類し，テキストを効果的に扱う研究，(2) 画像からその内容をデータ化する画像キャプショニングに関する研究を行った．また，異種データの横断的な検索については，最終的に LOD と同系統のグラフデータベースでデータを構成することを見据え，(3) グラフデータベースにおける効率的な問合せに関する研究を行った．具体的には，(1) テキスト分類において，分類の手がかりとなる情報を分類モデルに取り込む方法として，マルチタスク学習の方法論を活用した手法を提案した．この研究は，多クラス分類問題において，クラスごとのインスタンスの出現頻度が大きくばらつく不均衡なデータにおいて特に，最新研究よりも良い性能をしめした．(2) 画像データの内容を自動的に生成する画像キャプショニングにおいて，キャプションの内容が学習データに依存しすぎてしまう問題に対して，キャプションの内容を被写体に応じて調整する枠組みに関する研究を行った．これにより，画像に含まれる情報を様々な粒度で取得可能となり，様々な分析などに応用可能となる．また，画像単体では文脈を持たないキャプションが作成できるが，他の関連する画像と合わせてキャプショニングすることで，共通点などの文脈から画像集合に対するキャプショニング手法を構築した．(3) グラフデータベースにおいて，経路に基づく検索は多く用いられおり，効率的な検索システムがもとめられている．これに対し，適切な索引を構築することで効率的な検索を実現する研究を行った．