逆イジング問題の情報統計力学: エージェント間相互相関の推定とモデリング

点击翻译按钮获取中文摘要

初年度であるH25年度は, エージェント間相関を有する社会システムとして, 我が国の大卒労働市場を選び, エージェント(求職者, 学生) 間の相互作用を含むミニマルな数理モデルとして, 既に我々によって提案されていた数理モデル (H. Chen and J. Inoue. Evolutionary and Institutional Economics Review, Vol. 10, No. 1, pp. 55-80 (2013))をカイラル・ポッツ表現, すなわち, イジングスピンを多値に拡張した表現によって改良し, エージェント間の相互作用が一様であるとした場合の相転移描象を「内定率」を介して解析的に明らかにすることができた. さらに, 単なる数理モデルの解析にとどまらず, 我が国の大卒就職活動の実情に即したアプローチも開始した. 具体的には, 求職支援サイトから回収される複数項目からなる「適性検査」の結果を, 各エージェント固有の「特徴ベクトル」とみなし, このベクトル間の類似性を定量評価・議論することで, エージェント間のネットワークを推定する理論的フレームワークの定式化を行った. また, 学生の特徴ベクトルを「入力」, 当該学生の「採用」「不採用」を入力ベクトルに対する「出力」とみなすことで, 各企業の人材獲得戦略の「重みベクトル」を推定するフレームワークを構築し, 人工データに対し, その有効性を示した. なお, この特徴ベクトルからの重みベクトルの推定は, (線形)パーセプトロンの学習とみなすこともでき, また, 特徴ベクトルがゼロ成分を多く有する「スパース」な場合, 圧縮センシングにおける「辞書」の学習とみなすこともできる. 今後はこうした異なる分野課題を横断する側面を深めるとともに, 次年度以降は実データでの検証に入る予定である.