忘却に対するロバストな知識追跡のための深層グラフメモリネットワーク 近年、個別学習の重要な方法として知識追跡（KT）が広く注目を集めている。知識追跡は、学生が新しい問題に回答する際の正答率を予測することを目的とし、彼らの過去の問題の回答履歴を利用して知識状態を推定するものである。しかし、現在の知識追跡方法は、忘却行動のモデリングや潜在概念間の関係の識別といった課題に直面している。これらの課題を解決するために、本論文では、新しい知識追跡モデルである深層グラフメモリネットワーク（Deep Graph Memory Network, DGMN）を提案する。本論文では、DGMNモデルの設計、実験過程、および各種データセットにおける性能を具体的に概要する。 研究の背景 知識追跡問題は提案されて以来、教...

多重関係グラフ注意ネットワークに基づく接続埋め込みを用いた知識グラフエンティティタイプ認識 研究背景 今日、知識グラフ（Knowledge Graphs, KGs）は、さまざまなKG駆動型AI関連分野においてますます多くの研究関心を集めています。大規模な知識グラフは豊富で有効な構造化情報を提供し、質問応答システムやウェブ検索のような多数のインテリジェントアプリケーションの核心データリソースとなっています。通常、知識グラフには大量のエンティティタイプ（Entity Typing）インスタンスが含まれており、それはタプル ((e, t)) の形式で存在します。ここで (e) はエンティティ、(t) はその階層的なタイプです。現代の知識グラフ（Freebase、YAGOおよびGoogle Know...

統一大言語モデルと知識グラフ 背景 近年、自然言語処理と人工知能の分野には多くの研究成果が現れており、その中でも大言語モデル（Large Language Models, LLMs）として知られるChatGPTやGPT-4が優れた成果を示しています。しかし、これらのモデルは優れた一般化能力を持ちながらも、そのブラックボックス性から事実知識を効果的に捕捉しアクセスすることが困難とされ批判を受けることも多いです。一方、知識グラフ（Knowledge Graphs, KGs）として知られるWikipediaやHuapuは、構造化形式で大量の事実知識を保存していますが、知識グラフの構築と進化のプロセスは非常に複雑です。そこで、研究者たちは大言語モデルと知識グラフを組み合わせ、それぞれの長所を生かして...

グラフに基づいたサンプリングなしの知識グラフ強化推薦 近年、知識グラフ（Knowledge Graph, KG）を強化した推薦システムは、コールドスタート問題や推薦システムの可解釈性を解決するために、多くの研究者の関心を集めています。既存の推薦システムは、購入履歴などの暗黙のフィードバックに焦点を当てることが多く、負のフィードバックが不足しています。大部分のシステムは暗黙のフィードバックデータを処理するために負のサンプリング戦略を採用していますが、これでは潜在的な正のユーザー-アイテムの相互作用が見過ごされる可能性があります。他の研究ではサンプリングなし戦略を採用し、観察されていない全ての相互作用を負のサンプルと見なして、各負のサンプルに正のサンプルの確率を示す重みを割り当てています。しかし...

知識に基づく推薦システム：コンテクスチュアライズド・グラフ・アテンション・ネットワーク 近年、オンライン情報とコンテンツの爆発的な増加に伴い、推薦システムは電子商取引サイトやソーシャルメディアプラットフォームなどの様々なシーンでますます重要になっています。これらのシステムは通常、ユーザーが興味を持つ可能性のあるアイテムのリストを提供することを目的としています。しかし、従来のユーザー行動データに基づく方法（例えば、協調フィルタリング、深層学習）はデータの希少性やコールドスタート問題に直面しています。これらの問題を解決するために、研究者はユーザーのソーシャルネットワークやレビューのテキストなど、様々な補助情報（side information）を推薦システムに取り入れることを試みています。 研究...

近年来、知識グラフ（Knowledge Graph, KG）は多くの人工知能タスクで広く応用されています。知識グラフは、ヘッドエンティティ（head entity）、リレーション（relation）、およびテールエンティティ（tail entity）のトリプレット（Triplet）を使用して事物およびその関係を表現します。たとえば、典型的なトリプレット(h = Paris, r = capital_of, t = France)は現実世界の常識事実を表します。知識グラフはすでに多くの下流人工知能応用において重要な資源となり、たとえば、インテリジェントな質問応答、エンティティの曖昧性解消、意味ネットワーク検索、事実検証などがあります。しかし、現存の知識グラフは完璧ではなく、関係の欠如や誤りを含...

知识グラフ（Knowledge Graph, KG）埋め込み技術は人工知能分野における重要な研究課題であり、主に知識の取得と知識グラフの拡張に使用されます。近年、多くのグラフ埋め込みに基づく手法が提案されていますが、これらの手法は通常、知識グラフの意味情報にのみ注目し、グラフの自然な構造情報を無視しています。そのため、グラフ畳み込みネットワーク（Graph Convolutional Networks, GCN）手法が一部の構造情報を捉えることができても、知識グラフの不完全性のために依然として情報不足の問題に直面しています。この問題を克服するために、本研究では新たなモデルである深層関係グラフ情報利得（Deep Relational Graph Infomax, DRGI）を提案し、相互情報量...

基于図の条件生成対抗ネットワークを用いた重度抑うつ症の機能性脳ネットワークの生成と診断 研究背景： 重度抑うつ症（Major Depressive Disorder, MDD）は広範に存在する精神障害であり、数百万人の生活に影響を与え、世界の健康に重大な脅威をもたらしています。研究によれば、静止状態機能的磁気共鳴画像法（resting-state functional magnetic resonance imaging, rs-fMRI）から抽出された機能連結性（functional connectivity, FC）は、MDDに関連する機能連結パターンを明らかにし、精密な診断に重要な役割を果たしています。しかし、データの有限性により、安定したMDD診断には困難が伴います。この課題に対処す...

パーキンソン病（Parkinson’s disease, PD）は、静止時振戦、運動遅延、筋強剛などを主な症状とする一般的な神経変性疾患です。深部脳刺激（Deep Brain Stimulation, DBS）はパーキンソン病の運動症状の治療に広く用いられています（Krauss et al., 2021）。しかしながら、DBS治療には顕著な副作用も存在し、その多くはDBS対象部位周辺の領域への刺激が原因となっています（Koeglsperger et al., 2019）。この副作用を軽減するため、研究者は適応型深部脳刺激（adaptive DBS, aDBS）という手法を提案しました。これは、患者の現在の運動状態をリアルタイムで監視し、DBSの強度とタイミングを調整する方法です（Little...

研究背景及研究目的 てんかんは自発性で深刻な神経系の病気であり、反復発作を特徴とし、全世界で約5000万人が影響を受けています[1]。最近の抗てんかん薬（ASM）の進展にもかかわらず、薬物難治性てんかん（Drug-Resistant Epilepsy，DRE）は依然として20%から30%のてんかん患者に影響を与えています[1-3]。DRE患者は巨大な経済的、社会的および心理的負担に直面しており、確定診断に長期間の薬物試験が必要です。高リスクの患者を早期に識別することは、てんかん手術、神経調整またはケトジェニックダイエットなどの治療法の早期介入を可能にします。 過去の研究では、DREのリスク要因として、早期発病、高頻度の発作、脳波（EEG）の異常、神経欠陥、認知障害、外傷歴、頭蓋内構造異常など...