トピックスTopics

JSAI2017にて優秀賞を2本受賞しました
Two papers received the Excellent Paper Award at JSAI 2017

下記の論文2本が、2017年度 人工知能学会全国大会(第31回)優秀賞(外部サイト)を受賞しました。

乗換案内データを用いた未来の混雑予測の研究
坪内 孝太、下坂 正倫(東京工業大学)、小西 達也(東京大学)、 丸山 三喜也山下 達雄

本研究の成果はYahoo!路線情報向けに開発されたものです。今後もより良いユーザーエクスペリエンスを目指して、ここからの研究を続けていきたいと考えています。


AdaFlock:予測モデリングのためのクラウドソーシングによる適応的特徴生成法
高濱 隆輔(株式会社scouty)*、馬場 雪乃(京都大学)、清水 伸幸藤田 澄男、鹿島 久嗣(京都大学)

本論文は、Yahoo! JAPAN研究所とJST-ERATO河原林巨大グラフプロジェクト(外部サイト)の共同研究の成果で、クラウドソーシングを使って効率的に機械学習の特徴量を生成するためのアルゴリズムである AdaFlock を提案しております。また同研究の論文が、人工知能分野の最高峰の国際会議、AAAI 2018 (https://aaai.org/Conferences/AAAI-18/) に以下の題名で採択されております。

AdaFlock: Adaptive Feature Discovery for Human-in-the-loop Predictive Modeling
Ryusuke Takahama (scouty Inc.)*, Yukino Baba (Kyoto University), Nobuyuki Shimizu, Sumio Fujita and Hisashi Kashima (Kyoto University)

本研究の成果は、今後弊社の業務における様々な機械学習タスクにおいて、特に膨大なデータに対する素性設計が困難なタスクに活用される予定です。

*:本研究は筆頭著者が、JST-ERATO河原林巨大グラフプロジェクトのメンバであった当時に実施されました。

The following papers won the Excellent Paper Award at JSAI 2017(external site ).

乗換案内データを用いた未来の混雑予測の研究
Kota Tsubouchi, Masamichi Shimosaka(Tokyo Institute of Technology), Tatsuya Konishi(The University of Tokyo), Mikiya Maruyama and Tatsuo Yamashita

The results of this research are already being exploited in Yahoo! JAPAN Transit. We intend to continue our research on from here, always aiming at a better user experience.


AdaFlock:予測モデリングのためのクラウドソーシングによる適応的特徴生成法
Ryusuke Takahama (scouty Inc.)*, Yukino Baba (Kyoto University), Nobuyuki Shimizu, Sumio Fujita and Hisashi Kashima (Kyoto University)

The paper describes research results from the joint research project with JST-ERATO Large Graph Project(external site).
It proposes “AdaFlock”, algorithm to generate effective feature sets for various machine learning procedures by leveraging information from crowdsourced tasks.
The following related paper also accepted as a full research paper to appear in AAAI 2018, one of the most prestigious conferences in the AI domain.

AdaFlock: Adaptive Feature Discovery for Human-in-the-loop Predictive Modeling
Ryusuke Takahama (scouty Inc.)*, Yukino Baba (Kyoto University), Nobuyuki Shimizu, Sumio Fujita and Hisashi Kashima (Kyoto University)

The investigated methodologies will be adopted in many machine learning tasks of our diverse services, especially where feature designing by human experts is hard due to vast and complex natures of data.

*: This work was carried out while the first author worked at JST,ERATO, Kawarabayashi Large Graph Project.