複雑な関係データに基づく意思決定のための機械学習研究

基于复杂关系数据的机器学习决策研究

• 批准号: 20H04244
• 负责人: 鹿島 久嗣
• 金额: $ 11.23万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20H04244/
• 关键词: 機械学習; 人工知能; 因果推論; グラフ; 意思決定; 深層学習; グラフ構造データ; グラフ深層学習

データに基づく意思決定の適用範囲を大きく広げることを狙って、(1) 交絡変数が未知である状況における因果効果推定 (2) グラフ構造をもった介入の因果効果推定 (3) 因果効果推定の化学分野への応用 (4) 少量データに対する予測技術 に取り組んだ。(1)では深層学習モデルのVAEに基づいて交絡変数の表現を獲得する新たな手法を開発し、(2)では薬剤（化合物）のようなグラフ構造をもった、非常に多数の介入候補がある中からそれぞれの因果効果を推定する深層学習手法を開発した。いずれも、現実の複雑な問題における因果推論の適用範囲を広げるものである。また、因果推論技術の応用の開拓として、(3)では、化合物の性質推定問題に対して、グラフニューラルネットワークによる予測モデリングと、これを偏ったデータから推定する因果推論の技術を組合せることで、より高い精度で性質推定を行えることを示した。さらに、(4)では、モデリング対象となる観測が稀なイベントであるため十分なデータ数が確保できないときに、イベントの発生には至らないがこれに「ニアミス」したデータも併せて用いることで予測精度を高める方法を開発した。いずれの研究も査読付きの学術誌上で発表された。また、(1)については人工知能学会論文賞（その年に発表された論文の中から最も顕著なもの1,2件に与えられる賞）に内定している。

The meaning of causality is determined by the use of a wide range of data, (1) the number of cases is unknown, and the causal result is presumed. (2) the causal effect is presumed. (3) the causal effect is presumed. (4) A small number of chemical components are used to determine the causal effect. (1) in-depth study of VAE basic data exchange data show that new strategies have been obtained, (2) chemical compounds (compounds) have been induced to cause and effect, and a very large number of patients have been implicated in the prediction of etiology and causality. In the theory of cause and effect, the scope should be used in the theory of cause and effect. Theory of causality and causality in the theory of causality and causal reasoning, the following techniques are used in the theory of causality, (3) the presumption of the property of the compound, the effect of each other, the effect of the causal theory, the causal theory. In general, (4), please do not know if you want to make sure that you do not know how to make sure that you do not need to know if you want to make sure that you do not know what you are doing. Please pay for the study of the table in the journal. Please, (1) learn how to learn artificial knowledge. (in the annual table, there are two pieces of artificial knowledge.) there are two pieces of artificial knowledge.

项目成果

Poincare: Recommending Publication Venues via Treatment Effect Estimation

• DOI: 10.1016/j.joi.2022.101283
• 发表时间: 2020-10
• 期刊: ArXiv
• 作者: R. Sato;M. Yamada;H. Kashima

Regret Minimization for Causal Inference on Large Treatment Space

• 发表时间: 2020-06
• 作者: Akira Tanimoto;Tomoya Sakai;Takashi Takenouchi;H. Kashima

InfoCEVAE: Treatment Effect Estimation with Hidden Confounding Variables Matching

InfoCEVAE：使用隐藏混杂变量匹配的治疗效果估计

• DOI: 10.1007/s10994-022-06246-0
• 发表时间: 2022
• 期刊: Machine Learning
• 影响因子: 7.5
• 作者: Shonosuke Harada;Hisashi Kashima
• 通讯作者: Hisashi Kashima

Bayesian optimization with partially specified queries

使用部分指定查询的贝叶斯优化

• DOI: 10.1007/s10994-021-06079-3
• 发表时间: 2022
• 期刊: Machine Learning
• 影响因子: 7.5
• 作者: Shogo Hayashi;Junya Honda;Hisashi Kashima
• 通讯作者: Hisashi Kashima

Causal Combinatorial Factorization Machines for Set-wise Recommendation

用于集合推荐的因果组合分解机

• DOI: 10.1007/978-3-030-75765-6_40
• 发表时间: 2021
• 期刊: Proceedings of the 25th Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD)
• 作者: Akira Tanimoto;Tomoya Sakai;Takashi Takenouchi;Hisashi Kashima
• 通讯作者: Hisashi Kashima