階層的マルチラベル分類のための双曲ラベル埋め込みの共同学習

多ラベル分類の問題に注目する。この問題では、ラベルが階層構造を持つと仮定する。しかし、既存の階層的多ラベル分類手法の多くがラベル階層の構造を事前に知っていると仮定しているのに対し、本研究ではそのような前提を設けない。近年、双曲空間埋め込み（hyperbolic embeddings）が階層構造の表現に優れているという成果が報告されており、これに着目して、分類器のパラメータとラベル埋め込みを同時に学習する手法を提案する。この同時学習により、二重の利点が期待される。第一に、ラベル間に階層構造が存在するという事前知識を活用できるため、分類器の一般化性能が向上する。第二に、ラベルの共起情報に加えて、入力データ点の多様体構造もラベル埋め込みに反映される可能性があり、結果としてラベル階層の構造をより正確に反映した埋め込みが得られる。本研究では、この同時学習を実現するための新規な定式化を提案し、実験的にその有効性を検証する。実験結果から、ラベルの共起に基づく事前学習された双曲空間埋め込みを用いるベースライン手法に比べ、本手法が優れた性能を示すことが明らかになった。さらに、標準ベンチマーク上での評価において、提案手法は最先端の一般化性能を達成した。また、同時学習によって得られた双曲空間埋め込みの評価を行い、他の代替手法と比較して階層構造をより正確に表現していることを示した。