知識グラフを用いた社会関係理解のための深層推論

社会的な関係（友人、カップルなど）は私たちの日常生活におけるソーシャルネットワークの基礎を形成しています。このような関係を自動的に解釈することは、知能システムが人間の行動をより深く理解し、社会的なレベルで人々とより良い相互作用を持つ大きな可能性を持っています。人間はグループ内の社会的関係を単に個々の人間だけでなく、その周辺の文脈情報との相互作用に基づいて解釈します。しかし、これらの追加的な手がかりはこれまでの研究でほとんど見過ごされてきました。私たちは、これらの2つの要因の相互作用が新しい構造化知識グラフによって効果的にモデル化できることを見出しました。このグラフでは、適切なメッセージ伝播と注意機構を使用して、対象となる人物と文脈オブジェクトとの相互作用を探求します。そして、この構造化された知識はエンドツーエンドで学習可能なグラフ推論モデル（Graph Reasoning Model: GRM）に効率的に統合することができます。GRMでは、ノード間のメッセージ伝播メカニズムを学習し、興味のある人物と周囲の文脈オブジェクトとの相互作用を探ります。さらに、グラフ注意機構が導入され、識別的なオブジェクトについて明示的に推論を行い認識精度を向上させます。公開ベンチマークでの広範な実験により、当社の手法が既存の主要な競合他社よりも優れていることが示されています。