データ駆動型社会の基盤をなす次世代実験計画技術の開発と実証的評価

构成数据驱动社会基础的下一代实验规划技术的开发和实证评估

• 批准号: 21H04600
• 负责人: 後藤 正幸
• 金额: $ 26.79万
• 依托单位: Waseda University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (A)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-05 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H04600/
• 关键词: データ駆動型社会; 機械学習; 人工知能; 実験計画; 因果推論; 施策効果

本研究では，以下の3つの基本的課題を設定し，研究に取り組んでいる．１．（機械学習モデルの設計） 施策の最適化を目的とした実験計画のために，「機械学習に基づく統計モデル」を「追加実験によるデータ取得」と「施策の最適化」に結び付けるプロセスの全体像，及び，効果的な実験計画を可能とする機械学習モデルを如何に設計すべきか．２．（効率的な追加実験の計画手法構築）大規模ログデータから構築された統計モデルが与えられたもとで，最小限の回数で最適施策の探索に結び付ける，効率的な追加実験を如何に計画することが可能か．３．（施策の最適化と因果効果の評価手法の開発） 大規模データから得られた統計モデルと実験データを統合し，どのような方法で施策を最適化するか．加えて，共変量やデータの選択バイアスを考慮し，施策の因果効果を精度よく評価することが可能であるか．2022年度は「１．機械学習モデルの設計」と「２．効率的な追加実験の計画手法構築」を統合的に捉え，いくつかの企業との共同研究をベースとして大規模ログデータの機械学習に基づく施策実験の計画手法の開発を行った．様々な具体的事例に対して機械学習モデルを活用する技術基盤についての成果を得ており，実ビジネス上での施策実験のデザインが完了し，2023年度の施策実験の準備を進めている段階である．また，これらの課題に関連する技術として“能動学習”，“ベイズ最適化”，“バンディッドアルゴリズム”，“因果推論”などの領域で扱われてきたモデルについて，ビジネスドメインでの活用可能性について検討を行い，実問題の特性を考慮した改良モデルの提案も行った．「３．施策の最適化と因果効果の評価手法の開発」については，ベイズ最適化と因果推論モデルの実活用と改良を行い，一定の成果を得ているが，上記で設計した実ビジネスドメイン上での施策実験の結果についての評価に結び付ける予定である．

The following 3 basic topics are set for this study: 1. (Mechanical learning design) Optimization of policy objectives, implementation planning, mechanical learning statistics, additional implementation data acquisition, optimization of policy results, implementation planning, possible mechanical learning design, how to design. 2. (Effective rate of additional implementation planning method construction) Large-scale implementation of statistical analysis and construction, the minimum number of cycles, the optimal policy exploration results, effective rate of additional implementation planning, how to plan, possible. 3. (Development of optimization and causality evaluation methods for policy) Large-scale statistical analysis of data acquisition and integration of data acquisition and optimization of policy. In 2022, we will focus on "1. Mechanical learning design" and "2. Efficient additional implementation of planning techniques" to integrate and develop joint research among enterprises and enterprises. We will focus on large-scale mechanical learning, basic implementation of planning techniques. The results of the technical base for mechanical learning and application are achieved, and the implementation of the policy in the field of production is completed. This topic is related to technology and "active learning","optimization","optimization","causal inference","domain","application possibility","problem characteristics", and "improvement". 3. Optimization of policy and development of evaluation methods for causal effects.

项目成果

Performance Evaluation of ECOC Considering Estimated Probability of Binary Classifiers

考虑二元分类器估计概率的 ECOC 性能评估

• 发表时间: 2022
• 期刊: Proceeding of 10th World Conference on Information Systems and Technologies 2022 (WORLD CIST 2022)
• 作者: Gendo Kumoi;Hideki Yagi;Manabu Kobayashi;Masayuki Goto;Shigeichi Hirasawa
• 通讯作者: Shigeichi Hirasawa

Evaluation of Analysis Model for Products with Coefficients of Binary Classifiers and Consideration of Way to Improve

二元分类器系数产品分析模型的评价及改进途径的思考

• DOI: 10.1007/978-3-031-05064-0_29
• 发表时间: 2022
• 期刊: Proceeding of 24th International Conference on Human-Computer Interaction (HCI International 2022)
• 作者: Ayako Yamagiwa;Masayuki Goto
• 通讯作者: Masayuki Goto

Analytical Model of Exhibition Price Change Effects on Second-Hand Fashion Electronic Commerce Sites

二手时装电商网站展会价格变化影响分析模型

• DOI: 10.11497/jjasmin.30.1_47
• 发表时间: 2021
• 期刊: Journal of the Japan Society for Management Information
• 作者: W. Moteki;Y. Norikawa;T. Nohira;金澤 真平，楊 添翔，後藤 正幸
• 通讯作者: 金澤 真平，楊 添翔，後藤 正幸

A Method for Scalable Inference of Hidden semi-Markov Model by Batch Learning

一种通过批量学习进行隐半马尔可夫模型可扩展推理的方法

• 发表时间: 2022
• 作者: Yosuke Takao;Ayako Yamagiwa;Haruka Yamashita;Masayuki Goto
• 通讯作者: Masayuki Goto

An Improved Method for Estimating Conditional Average Treatment Effects Taking Account of Selection Bias Based on Causal Tree

基于因果树考虑选择偏差的条件平均治疗效果估计改进方法

• 发表时间: 2021
• 作者: Yuki Tsuboi;Yuta Sakai;Satoshi Suzuki;Masayuki Goto
• 通讯作者: Masayuki Goto