決定木および決定ネットワークによる画像分類過程の説明文の自動生成

• Item type: Trans(1)
• 公開日: 2016-02-08
• タイトル: 決定木および決定ネットワークによる画像分類過程の説明文の自動生成
• タイトル / 言語: en
• タイトル: Automatic Generation of Sentences Explaining Image Classification Processes Constructed by Decision Tree and Decision Network
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [オリジナル論文] 分類過程の解析，画像分類，機械学習，決定木，進化計算法
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属(英): en
• 著者所属(英): Gaduate School of Environment and Information Sciences, Yokohama National University
• 著者所属(英): en
• 著者所属(英): Gaduate School of Environment and Information Sciences, Yokohama National University
• 著者所属(英): en
• 著者所属(英): Gaduate School of Environment and Information Sciences, Yokohama National University
• 著者所属(英): en
• 著者所属(英): Gaduate School of Environment and Information Sciences, Yokohama National University
• 著者名: 崎津, 実穂; 菅沼, 雅徳; 土屋, 大樹; 長尾, 智晴
• 著者名(英): Miho, Sakitsu; Masanori, Suganuma; Daiki, Tsuchiya; Tomoharu, Nagao
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，機械学習を用いて認識器や分類器を自動構築する研究がさかんに行われ，その有効性が示されている．しかしながら，分類の過程や使用される特徴量が複雑になり，ブラックボックス化することが多い．一方で，計算機を用いた画像の自動分類システムを利用する際，説明責任が求められる場合が存在する．筆者らの研究グループでは先に，人にとって分類過程が理解しやすいといわれている決定木を拡張し，可読性が高い分類器を自動構築する進化的条件判断ネットワーク（Evolutionary DEcision Network; EDEN）を提案した．これらの手法はif-thenルールを用いており，他の分類器と比較すると分かりやすい構造をとっている．しかしながら，分類器の構造が複雑になると，どのような分類過程であるかを人間が把握することは難しくなると考えられる．そこで本論文では，あらかじめ構築された決定木やEDENの分類過程を説明する文章を自動生成する手法を提案する．提案手法では，ユーザが説明の粒度を指定した後，分類に使用する特徴量やしきい値をあらかじめ定義した辞書内の語句に変換することで分類過程の説明文を自動生成する．提案手法を一般画像と医用画像の分類器それぞれに適用して説明文を生成する実験を行い，その有効性を確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The automatic construction of image classification algorithms using machine learning has been studied and is shown to be effective. Although classifiers constructed through such methods are very effective, these structures and classification processes cannot be easily understand by humans. A decision tree has a readable structure among classifiers. Further, we previously proposed evolutionary decision network (EDEN) that places greater importance on the ease of understanding for humans. These methods are easier to understand than other machine learning methods because they use if-then rules. However, they become more difficult to understand as the structures of classifiers increase in complexity. In this paper, we propose a method that generates sentences to explain classification processes constructed using a decision tree and EDEN in advance. The proposed method converts the classification processes into explanatory sentences using the dictionary of word-feature pairs and word-threshold pairs. The explanatory sentences are generated according to the granularity specified by the user. We apply this method to test problems involving two-class categorization of generic images and two-class categorization of medical images. The results indicate that the proposed method generates appropriate explanatory sentences that are easy to understand for humans.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11464803
• 書誌情報: 情報処理学会論文誌数理モデル化と応用（TOM）; 巻 9, 号 1, p. 43-52, 発行日 2016-02-08
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7780
• 出版者 / 言語: ja
• 出版者: 情報処理学会