305336記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 極端多ラベル分類におけるクラスタ誘導ラベル生成（Cluster-Guided Label Generation in Extreme Multi-Label Classification）
1未満 分で読了
1 views

極端多ラベル分類におけるクラスタ誘導ラベル生成

（Cluster-Guided Label Generation in Extreme Multi-Label Classification）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近部下から「XMC（エクストリーム・マルチラベル）」って技術に投資すべきだと聞きました。ですが、正直言ってラベルがたくさんある問題をどう扱うのか、イメージが湧きません。要点を教えてください。

AIメンター拓海

素晴らしい着眼点ですね！XMC（Extreme Multi-Label Classification、極端多ラベル分類）とは一つの入力に対して数万〜百万単位の候補ラベルから該当する複数ラベルを予測する課題です。要するに商品カタログやタグ付けでラベルが膨大な場面で役立つんですよ。

田中専務

それを聞くと興味は湧きますが、現実問題として我が社のカタログにも出現頻度の低いラベルが多数あります。投資に見合う精度向上が期待できるのでしょうか？

AIメンター拓海

大丈夫、ポイントを3つに整理しましょう。第一に従来の分類器は“たくさんあるが少数しか学べないラベル”に弱い点、第二に本論文はXMCを”生成（generation）”の枠組みで捉え直し、事前学習済みのテキスト生成モデルを活用している点、第三にラベル群をクラスタ化して階層的に生成することで稀なラベルの回収に強くなる点が鍵です。

田中専務

生成という発想は面白いですね。ただ生成は制御が難しくてノイズが出やすいと聞きます。どうやって

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
ベイズ的定量化とブラックボックス推定器
（Bayesian Quantification with Black-Box Estimators）
次の記事
DMSConfigによる分散IoTメッセージシステムの自動構成チューニング
（DMSConfig: Automated Configuration Tuning for Distributed IoT Message Systems Using Deep Reinforcement Learning）
関連記事
制約付き後悔最小化の効率化
（Efficient Constrained Regret Minimization）
転移学習ベイズ最適化による診断用競合DNA分子の設計
(Transfer Learning Bayesian Optimization to Design Competitor DNA Molecules for Use in Diagnostic Assays)
空間プロテオミクスから作るAI駆動の仮想組織
（AI-powered virtual tissues from spatial proteomics for clinical diagnostics and biomedical discovery）
ディープニューラルネットワークによるリアルタイム最適制御
（Real-time optimal control via Deep Neural Networks: study on landing problems）
大規模言語モデルのオープンエンド評価の再評価
（RE-EVALUATING OPEN-ENDED EVALUATION OF LARGE LANGUAGE MODELS）
マルチモーダルモデルとヘテロジニアスGNNによる性能最適化
（Performance Optimization using Multimodal Modeling and Heterogeneous GNN）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
音声から「屋外録音」時の3D顔動作を合成する技術
（Synthesising 3D Facial Motion from “In-the-Wild” Speech）
  • 論文研究
大量のツイートに基づく市民の特徴付け
（Characterization of citizens using word2vec and latent topic analysis in a large set of tweets）
  • 論文研究
オミクスデータの統合的コンセンサスクラスタリングのための多重カーネル学習
（Multiple kernel learning for integrative consensus clustering of ’omic datasets）
  • 論文研究
生成モデルの精度と網羅性を分離して評価する手法の改良
（Improved Precision and Recall Metric for Assessing Generative Models）
  • 論文研究
SR-GANによるゼロショット学習の改良
（SR-GAN: SEMANTIC RECTIFYING GENERATIVE ADVERSARIAL NETWORK FOR ZERO-SHOT LEARNING）
  • 論文研究
継続学習の三つのシナリオ
（Three scenarios for continual learning）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む