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...

EEG微状態が新診断の局在性てんかん患者におけるオクスカルバゼピン治療効果を予測する役割 序論 背景 局在性てんかん（focal epilepsy）は最も一般的なてんかんのタイプで、全てのてんかん症例の約60%を占めます。異なるてんかんのタイプに応じて、抗てんかん薬の選択も異なります。局在性てんかんの治療では、オクスカルバゼピン（oxcarbazepine、略してOXC）が広く使用されています。しかし、オクスカルバゼピンは約65%の患者で発作のない状態を達成することができますが、依然として多くの患者が良好な治療効果を得られていません。電生理モニタリング技術、例えば脳波（electroencephalography、EEG）は、てんかんの診断と管理において重要な役割を果たしています。 研究目的...

多層特徴探索と融合ネットワークを用いたMRIにおけるIDH状態予測研究 研究背景 膠芽腫は成人における最も一般的な悪性原発性脳腫瘍です。2021年の世界保健機関（WHO）の腫瘍分類によると、腫瘍のサブタイプの区分には遺伝子型が重要な意味を持ち、とりわけイソクエン酸脱水素酵素（IDH）遺伝子型は膠芽腫の診断に極めて重要です。臨床研究は、IDH変異を持つ膠芽腫が特定の表現型遺伝子変異特性を通じて酵素活性、細胞代謝および生物特性に影響を与えることを示しています。IDH変異を持つ膠芽腫は、IDH野生型のものよりもテモゾロミドに対して感受性が高く、予後が良好です。現在、IDH状態の認定は主に侵襲的手術後に組織標本を用いた遺伝子シーケンシングまたは免疫組織化学分析に依存しています。しかし、侵襲的な操作は...

Siamese-Transport領域適応フレームワークに基づく3D MRIによる膠芽腫およびアルツハイマー病の分類 研究背景 コンピュータ支援診断において、3D磁気共鳴画像法（MRI）によるスクリーニングは早期診断に重要な役割を果たし、さまざまな脳疾患の悪化を防止するのに有効です。膠芽腫は一般的な悪性脳腫瘍で、その治療法は腫瘍のグレードによって異なります。そのため、正確で効率的な3D MRI分類は医用画像分析において極めて重要です。しかし、従来の深層学習モデルは臨床における未ラベルデータに適用された場合、異なる装置やデータ収集パラメータの違いによる領域間不一致性のため、性能が著しく低下します。既存の方法は主に領域間の差異を減少させることに焦点を当てていますが、セマンティック特徴と領域情報の...