META-LEARNING METHOD, META-LEARNING DEVICE, AND PROGRAM

• Main Author: IWATA, Tomoharu
• Format: Patent
• Language: English; French; Japanese
• Published: 29.02.2024
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; PHYSICS

In a meta-learning method according to an aspect of the present disclosure, a computer executes: an input procedure of inputting a plurality of training datasets made up of training data in which at least a feature of a case example is included, in which the training datasets can include training data not including a label with respect to the feature, and also can have different feature spaces for the feature; a first selecting procedure of selecting one training dataset from the plurality of training datasets; a second selecting procedure of selecting, from the one training dataset, a first feature to take as labelled data and a first label with respect to the first feature, a second feature to take as unlabeled data, and a second label with respect to the second feature; a generating procedure of generating a latent vector for each case example that the first feature or the second feature represents, using a training target parameter, the labeled data, and the unlabeled data; a predicting procedure of predicting a label for the unlabeled data, using the latent vector; and a learning procedure of learning the training target parameter, using prediction results of the label for the unlabeled data, and the second label. Dans un procédé de méta-apprentissage selon un aspect de la présente divulgation, un ordinateur exécute : une procédure d'entrée consistant à entrer une pluralité de jeux de données d'entraînement constitués de données d'entraînement dans lesquelles au moins une caractéristique d'un exemple de cas est incluse, les jeux de données d'entraînement pouvant comprendre des données d'entraînement ne comprenant pas d'étiquette par rapport à la caractéristique, et pouvant également présenter différents espaces de caractéristiques pour la caractéristique ; une première procédure de sélection consistant à sélectionner un jeu de données d'entraînement parmi la pluralité de jeux de données d'entraînement ; une seconde procédure de sélection consistant à sélectionner, à partir du jeu de données d'entraînement, une première caractéristique à prendre en compte comme données étiquetées et une première étiquette par rapport à la première caractéristique, une seconde caractéristique à prendre en compte comme données non étiquetées, et une seconde étiquette par rapport à la seconde caractéristique ; une procédure de génération consistant à générer un vecteur latent pour chaque exemple de cas où la première caractéristique ou la seconde caractéristique représente, à l'aide d'un paramètre cible d'entraînement, les données étiquetées et les données non étiquetées ; une procédure de prédiction consistant à prédire une étiquette pour les données non étiquetées, à l'aide du vecteur latent ; et une procédure d'apprentissage consistant à apprendre le paramètre cible d'entraînement, à l'aide des résultats de prédiction de l'étiquette pour les données non étiquetées, et de la seconde étiquette. 本開示の一態様によるメタ学習方法は、事例の特徴量が少なくとも含まれる学習データで構成される学習データセットであって、前記特徴量に対するラベルが含まれない学習データが含まれ得ると共に、前記特徴量の特徴量空間が異なり得る複数の学習データセットを入力する入力手順と、前記複数の学習データセットから一の学習データセットを選択する第１の選択手順と、前記一の学習データセットから、ラベルありデータとする第１の特徴量及び該第１の特徴量に対する第１のラベルと、ラベルなしデータとする第２の特徴量と、前記第２の特徴量に対する第２のラベルとを選択する第２の選択手順と、学習対象パラメータと、前記ラベルありデータと、前記ラベルなしデータとを用いて、前記第１の特徴量又は前記第２の特徴量が表す各事例の潜在ベクトルを生成する生成手順と、前記潜在ベクトルを用いて、前記ラベルなしデータに対するラベルを予測する予測手順と、前記ラベルなしデータに対するラベルの予測結果と、前記第２のラベルとを用いて、前記学習対象パラメータを学習する学習手順と、をコンピュータが実行する。