JP7283583B2 - 制御方法、制御プログラム、及び情報処理装置 - Google Patents
制御方法、制御プログラム、及び情報処理装置 Download PDFInfo
- Publication number
- JP7283583B2 JP7283583B2 JP2021570626A JP2021570626A JP7283583B2 JP 7283583 B2 JP7283583 B2 JP 7283583B2 JP 2021570626 A JP2021570626 A JP 2021570626A JP 2021570626 A JP2021570626 A JP 2021570626A JP 7283583 B2 JP7283583 B2 JP 7283583B2
- Authority
- JP
- Japan
- Prior art keywords
- attribute
- data
- attribute values
- information
- elements
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
〔1-1〕比較例
図1は、比較例に係る手法を説明するための図である。図1に示すように、パーソナルデータ210の保有者200は、パーソナルデータ210を匿名化(処理P101)して得られる訓練データ220を、サービス提供者等の他者である受領者300に提供する。
図6は、一実施形態に係るモデル3cの性能参考値として有効な検証結果を得るための手法の一例を説明するための図である。一実施形態に係る手法では、サービス提供者である受領者3が利用するコンピュータは、以下の(a)~(e)の処理を実行してよい。
図7は、一実施形態に係る機械学習システム1の機能構成例を示すブロック図である。図7に示すように、一実施形態に係る機械学習システム1は、例示的に、1以上の端末20と、サーバ30とを備えてよい。端末20及びサーバ30間は、ネットワーク40により相互に通信可能に接続されてよい。
次に、一実施形態に係る機械学習システム1の動作例を説明する。以下、“Adultデータ”のカテゴリカル属性のデータを用いてモデル31aの学習及び検証を行なう場合を例に挙げて説明する。
まず、サーバ30の動作例を説明する。図16は、サーバ30の動作例を説明するフローチャートである。
A6:{White, Black Asian-Pac-Islander,Amer-Indian-Eskimo}
A7:{Male, Female}
X’={(White,Male), (White,Female),(Black,Male), (Black,Female), (Asian-Pac-Islander, Male), (Asian-Pac-Islander, Female),(Amer-Indian-Eskimo,Male), (Amer-Indian-Eskimo,Male)}
次に、端末20の動作例を説明する。図20は、端末20の動作例を説明するフローチャートである。
以上のように、一実施形態に係る機械学習システム1は、匿名加工データで学習したモデル31aの、生データによる精度評価を行なうために、受領者3が推定表31kを作成する際に適用可能である。
次に、一実施形態の変形例について説明する。
第1変形例に係るサーバ30は、図21に例示するように、図7に示す一実施形態に係る組み合わせ生成部34とは異なる組み合わせ生成部34Aを備えてよい。なお、サーバ30及び端末20の他の構成については、一実施形態と同様であり、その説明及び図示を省略する。
第2変形例に係るサーバ30は、図23に例示するように、図7に示す一実施形態に係る組み合わせ生成部34とは異なる組み合わせ生成部34Bを備えてよい。なお、サーバ30及び端末20の他の構成については、一実施形態と同様であり、その説明及び図示を省略する。
図25は、サーバ30の機能を実現するコンピュータ10のハードウェア(HW)構成例を示すブロック図である。サーバ30の機能を実現するHWリソースとして、複数のコンピュータが用いられる場合は、各コンピュータが図25に例示するHW構成を備えてよい。
上述した一実施形態、第1変形例及び第2変形例に係る技術は、以下のように変形、変更して実施することができる。
10 コンピュータ
2 保有者
2a、21 パーソナルデータ
2b、23 テストデータ
20 端末
22、31b 訓練データ
24、31c 訓練データ属性情報
25、31d テストデータ属性情報
26 検証部
3 受領者
3a 属性情報
3b 組み合わせ
3c、31a モデル
3d 推論結果
3e、31k 推定表
30 サーバ
31 メモリ部
31e パラメータ
31f 採用要素数情報
31g 出現頻度情報
31h 採用要素情報
31i 組み合わせ情報
31j 推論結果情報
32 取得部
33 モデル構築部
34、34A、34B 組み合わせ生成部
34a 採用要素数決定部
34b 要素絞り込み部
34c 生成部
34d 出現頻度情報生成部
34e 採用要素決定部
34f 採用要素選定部
35 推論結果生成部
36 依頼部
37 モデル提供部
40 ネットワーク
Claims (7)
- 複数の属性値がそれぞれ定義された複数の属性項目のうち、少なくとも一部の属性項目の属性値が欠損したデータを含むデータ群を取得し、
取得した前記データ群に含まれる前記複数の属性値それぞれの、前記データ群での出現頻度に基づき、前記複数の属性項目それぞれについて、属性項目に定義された複数の属性値に含まれる一又は複数の属性値を選定し、
前記複数の属性項目それぞれについて選定した前記一又は複数の属性値に含まれるいずれかの属性値を、前記複数の属性項目それぞれの項目値とするデータを生成し、
生成した前記データと、前記データを入力とした訓練済みモデルによる推論結果とを含む推論データを生成し、
生成した前記推論データの推論精度の評価依頼を、前記データ群の提供元に送信する、
処理をコンピュータが実行する、制御方法。 - 前記データ群に含まれる前記複数の属性項目の各々に定義された前記複数の属性値に関する第1情報と、前記推論データの推論精度の評価に用いられる評価用データ群に含まれる複数の属性項目の各々に定義された複数の属性値に関する第2情報と、を取得し、
前記第1情報と前記第2情報との比較結果と、前記出現頻度とに基づき、前記一又は複数の属性値を選定する、
処理を前記コンピュータが実行する、請求項1に記載の制御方法。 - 前記第1情報と前記第2情報との間で、属性値の数が一致し、且つ、前記属性値の数が閾値よりも大きい属性項目を特定し、
前記属性値の数よりも少ない数を、前記特定した属性項目に定義された前記複数の属性値から選定する属性値の選定数に決定し、
前記特定した属性項目の前記データ群での出現頻度に基づき、前記特定した属性項目に定義された前記複数の属性値から、前記選定数に従った数の前記一又は複数の属性値を選定する、
処理を前記コンピュータが実行する、請求項2に記載の制御方法。 - 前記複数の属性値それぞれの前記データ群での出現頻度が高い順に、前記複数の属性値に含まれる前記一又は複数の属性値を選定する、
処理を前記コンピュータが実行する、請求項1~請求項3のいずれか1項に記載の制御方法。 - 前記複数の属性項目それぞれについて、前記複数の属性値それぞれの前記データ群での出現頻度が所定頻度以上である前記一又は複数の属性値を選定する、
処理を前記コンピュータが実行する、請求項1に記載の制御方法。 - 複数の属性値がそれぞれ定義された複数の属性項目のうち、少なくとも一部の属性項目の属性値が欠損したデータを含むデータ群を取得し、
取得した前記データ群に含まれる前記複数の属性値それぞれの、前記データ群での出現頻度に基づき、前記複数の属性項目それぞれについて、属性項目に定義された複数の属性値に含まれる一又は複数の属性値を選定し、
前記複数の属性項目それぞれについて選定した前記一又は複数の属性値に含まれるいずれかの属性値を、前記複数の属性項目それぞれの項目値とするデータを生成し、
生成した前記データと、前記データを入力とした訓練済みモデルによる推論結果とを含む推論データを生成し、
生成した前記推論データの推論精度の評価依頼を、前記データ群の提供元に送信する、
処理をコンピュータに実行させる、制御プログラム。 - 複数の属性値がそれぞれ定義された複数の属性項目のうち、少なくとも一部の属性項目の属性値が欠損したデータを含むデータ群を取得する取得部と、
取得した前記データ群に含まれる前記複数の属性値それぞれの、前記データ群での出現頻度に基づき、前記複数の属性項目それぞれについて、属性項目に定義された複数の属性値に含まれる一又は複数の属性値を選定する選定部と、
前記複数の属性項目それぞれについて選定した前記一又は複数の属性値に含まれるいずれかの属性値を、前記複数の属性項目それぞれの項目値とするデータを生成する第1生成部と、
生成した前記データと、前記データを入力とした訓練済みモデルによる推論結果とを含む推論データを生成する第2生成部と、
生成した前記推論データの推論精度の評価依頼を、前記データ群の提供元に送信する送信部と、
を備える、情報処理装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/001601 WO2021144992A1 (ja) | 2020-01-17 | 2020-01-17 | 制御方法、制御プログラム、及び情報処理装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021144992A1 JPWO2021144992A1 (ja) | 2021-07-22 |
JPWO2021144992A5 JPWO2021144992A5 (ja) | 2022-07-27 |
JP7283583B2 true JP7283583B2 (ja) | 2023-05-30 |
Family
ID=76864118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021570626A Active JP7283583B2 (ja) | 2020-01-17 | 2020-01-17 | 制御方法、制御プログラム、及び情報処理装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220309368A1 (ja) |
EP (1) | EP4092585A4 (ja) |
JP (1) | JP7283583B2 (ja) |
CN (1) | CN114830147A (ja) |
WO (1) | WO2021144992A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023139934A1 (ja) * | 2022-01-21 | 2023-07-27 | 株式会社Nttドコモ | プライバシー保護データ集計装置およびプライバシー保護データ集計システム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019069618A1 (ja) | 2017-10-05 | 2019-04-11 | 富士フイルム株式会社 | 医療画像処理装置及び機械学習装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150220945A1 (en) * | 2014-01-31 | 2015-08-06 | Mastercard International Incorporated | Systems and methods for developing joint predictive scores between non-payment system merchants and payment systems through inferred match modeling system and methods |
CN109716346A (zh) * | 2016-07-18 | 2019-05-03 | 河谷生物组学有限责任公司 | 分布式机器学习***、装置和方法 |
US20190333155A1 (en) * | 2018-04-27 | 2019-10-31 | International Business Machines Corporation | Health insurance cost prediction reporting via private transfer learning |
-
2020
- 2020-01-17 WO PCT/JP2020/001601 patent/WO2021144992A1/ja unknown
- 2020-01-17 CN CN202080087030.4A patent/CN114830147A/zh active Pending
- 2020-01-17 JP JP2021570626A patent/JP7283583B2/ja active Active
- 2020-01-17 EP EP20914223.1A patent/EP4092585A4/en active Pending
-
2022
- 2022-06-07 US US17/834,282 patent/US20220309368A1/en active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019069618A1 (ja) | 2017-10-05 | 2019-04-11 | 富士フイルム株式会社 | 医療画像処理装置及び機械学習装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2021144992A1 (ja) | 2021-07-22 |
JPWO2021144992A1 (ja) | 2021-07-22 |
EP4092585A1 (en) | 2022-11-23 |
EP4092585A4 (en) | 2023-01-25 |
US20220309368A1 (en) | 2022-09-29 |
CN114830147A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019275615B2 (en) | Classifying user behavior as anomalous | |
Ipeirotis et al. | Repeated labeling using multiple noisy labelers | |
US11403305B2 (en) | Performing data mining operations within a columnar database management system | |
US10002177B1 (en) | Crowdsourced analysis of decontextualized data | |
Chen et al. | General functional matrix factorization using gradient boosting | |
US10430727B1 (en) | Systems and methods for privacy-preserving generation of models for estimating consumer behavior | |
CN106415586A (zh) | 已配置的结构数据的快速访问权利检查 | |
US20200250587A1 (en) | Framework for multi-tenant data science experiments at-scale | |
US20200257974A1 (en) | Generation of expanded training data contributing to machine learning for relationship data | |
JP7502972B2 (ja) | プルーニング管理装置、プルーニング管理システム及びプルーニング管理方法 | |
JP2015191374A (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
Saleem et al. | Personalized decision-strategy based web service selection using a learning-to-rank algorithm | |
JP7026653B2 (ja) | クラスタリング装置、クラスタリング方法及びクラスタリングプログラム | |
JP7283583B2 (ja) | 制御方法、制御プログラム、及び情報処理装置 | |
CN117521117A (zh) | 一种医疗数据应用安全与隐私保护方法及*** | |
Achille et al. | AI model disgorgement: Methods and choices | |
Dass et al. | Amelioration of Big Data analytics by employing Big Data tools and techniques | |
JP2020129222A (ja) | モデル出力プログラム、モデル出力方法及びモデル出力装置 | |
Bellamkonda Sathyanarayanan et al. | A novel oppositional chaotic flower pollination optimization algorithm for automatic tuning of Hadoop configuration parameters | |
WO2019019711A1 (zh) | 行为模式数据的发布方法、装置、终端设备及介质 | |
Ergenç Bostanoǧlu et al. | Minimizing information loss in shared data: Hiding frequent patterns with multiple sensitive support thresholds | |
Sagaama et al. | Automatic parameter tuning for big data pipelines with deep reinforcement learning | |
JP2016184213A (ja) | 数値データを匿名化する方法及び数値データ匿名化サーバ | |
JP5875535B2 (ja) | 匿名化装置、匿名化方法、プログラム | |
Chen et al. | Efficient sparse estimation on interval-censored data with approximated L0 norm: Application to child mortality |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220531 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220531 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230418 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230501 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7283583 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |