グラフを用いたNMFの地域分散高速化

• Item type: Journal(1)
• 公開日: 2021-01-15
• タイトル: グラフを用いたNMFの地域分散高速化
• タイトル / 言語: en
• タイトル: Graph-based Regional NMF for Distributed Computing
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文（推薦論文）] 行列分解，並列化，分散処理
• 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
• ID登録: 10.20729/00208909
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 東京理科大学理工学部情報科学科
• 著者所属: 日本電信電話株式会社NTTコミュニケーション科学基礎研究所／現在，京都大学大学院情報学研究科
• 著者所属: 日本電信電話株式会社NTTサービスエボリューション研究所／現在，株式会社ALBERT
• 著者所属: 日本電信電話株式会社NTTコミュニケーション科学基礎研究所
• 著者所属(英): en
• 著者所属(英): Department of Information Sciences, Tokyo University of Science
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories / Presently with Graduate School of Informatics, Kyoto University
• 著者所属(英): en
• 著者所属(英): NTT Service Evolution Laboratories / Presently with ALBERT Inc.
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories
• 著者名: 越塚, 毅; 竹内, 孝; 松林, 達史; 澤田, 宏
• 著者名(英): Koshizuka, Takeshi; Koh, Takeuchi; Tatsushi, Matsubayashi; Hiroshi, Sawada
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 集計データに対する教師なしのパターン認識技術として，Non-negative Matrix Factorization（NMF）は広く使われている．特にNon-negative Multiple Matrix Factorization（NMMF）では，複数のデータから共通する項目を共通因子として扱い，効果的に同時分解を行う．本研究では共通因子に加え，地域性などの物理的な関係性を持つ集計データに焦点を当て，因子分解を行うrNMF（regional Non-negative Matrix Factorization）を提案する．rNMFは，物理的に距離の近い地域のデータは同様の特徴空間で表現し，分析結果をより直感的に分かりやすいものとする．なお，地域の位置関係はグラフによって与える．さらに分析対象のデータが大規模な行列であっても，グラフの彩色問題をヒューリスティックに解くことで，分散システム上で高速に処理を行える．本稿では，まずrNMFをNMFの拡張として定式化を行い，パラメータ更新法も示す．地域ごとに集計された実データを用いた実験では，rNMFを用いることで，隣接した地域データを共通した特徴空間で表現できること，従来のNMFに対して汎化性能が悪化しないこと，分散システム上で高速に動作することを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Non-negative Matrix Factorization (NMF) is a popular unsupervised pattern recognition technique for the analysis of aggregated data. In particular, Non-negative Multiple Matrix Factorization (NMMF) treats common elements from multiple data as common factors, and execute simultaneous decomposition effectively. In this study, we propose a novel matrix factorization method called regional Non-negative Matrix Factorization (rNMF), which factorises multiple matrics simultaneously, focusing on physical relation between aggregated data such as regional characteristics in addition to common factors. rNMF expresses data of physically close areas in a similar feature space, and extracts intuitively interpretable bases and coefficients from multiple matrics. The information of regional location is given by a graph. Furthermore, by solving the graph coloring problem heuristically, rNMF works at high speed on a distributed system even if the analyzed data are large matrices. In this paper, we formulate rNMF as an extended version of NMF and derive multiplicative update rules for parameter estimation. We performed experiment with real data, which were aggregated by region, in order to verify that rNMF can expresses adjacent regional data in a common feature, rNMF attained similar generalization performance as the original NMF, and rNMF works at high speed on a distributed system.
• 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: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 62, 号 1, p. 387-396, 発行日 2021-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764