特許ウォッチ

公開番号2025115376
公報種別公開特許公報(A)
公開日2025-08-06
出願番号2024228579
出願日2024-12-25
発明の名称データ拡張方法、データ拡張装置及びコンピュータプログラム製品
出願人株式会社NTTドコモ
代理人インフォート弁理士法人
主分類G06N 3/045 20230101AFI20250730BHJP(計算;計数)
要約【課題】データ生成条件を、人手による定義やラベル付けを行うことなく自動的に生成し、自動的に生成されたデータ生成条件に基づいて、入力データから出力データを生成することで、データの拡張を可能にする。
【解決手段】データ拡張方法が、所定の分布曲線に対してサンプリングして、サンプリング点を取得するステップと、可逆的な変換を実施可能な第1のニューラルネットワークモデルは、サンプリング点に基づいて、第1の条件特徴ベクトルを生成するステップと、第2のニューラルネットワークモデルは、入力データと第1の条件特徴ベクトルとを入力として拡張データを生成するステップと、を含む。
【効果】煩雑さが削減され、データの多様性が向上する。
【選択図】図2

特許請求の範囲【請求項１】
所定の分布曲線に対してサンプリングを行い、サンプリング点を取得するステップと、
可逆的な変換を実施可能な第１のニューラルネットワークモデルが、前記サンプリング点に基づいて、第１の条件特徴ベクトルを生成するステップと、
第２のニューラルネットワークモデルが、入力データと前記第１の条件特徴ベクトルとを入力とし、拡張データを生成するステップと、を含む、データ拡張方法。
続きを表示（約 980 文字）【請求項２】
前記第２のニューラルネットワークモデルは、
第３のニューラルネットワークモデルが第１のデータと第２のデータとに基づいて第２の条件特徴ベクトルを生成する場合、前記第２のニューラルネットワークモデルが前記第１のデータと前記第２の条件特徴ベクトルとに基づいて前記第２のデータを生成できるようにトレーニングされる、請求項１に記載のデータ拡張方法。
【請求項３】
前記第１のニューラルネットワークモデルは、
第３のニューラルネットワークモデルが第１のデータと第２のデータとに基づいて第２の条件特徴ベクトルを生成する場合、前記第１のニューラルネットワークモデルが前記第２の条件特徴ベクトルを所定の分布曲線にマッピングできるようにトレーニングされる、請求項１に記載のデータ拡張方法。
【請求項４】
前記第１の条件特徴ベクトル又は前記第２の条件特徴ベクトルは、データのオフセットのタイプを示す、請求項１から３のいずれか一項に記載のデータ拡張方法。
【請求項５】
前記所定の分布曲線は、ガウス分布曲線である、請求項１から３のいずれか一項に記載のデータ拡張方法。
【請求項６】
前記第１のニューラルネットワークモデルは、１つ又は複数のカップリング層モデルを含む、請求項１から３のいずれか一項に記載のデータ拡張方法。
【請求項７】
前記入力データは、テキストデータであり、
前記拡張データは、前記テキストデータからオフセットされたオフセットテキストデータである、請求項１から３のいずれか一項に記載のデータ拡張方法。
【請求項８】
前記入力データは、画像データであり、
前記拡張データは、前記画像データからオフセットされたオフセット画像データである、請求項１から３のいずれか一項に記載のデータ拡張方法。
【請求項９】
前記第２のニューラルネットワークモデルは、自己回帰モデルを含む、請求項１から３のいずれか一項に記載のデータ拡張方法。
【請求項１０】
前記第３のニューラルネットワークモデルは、特徴抽出器を含む、請求項２から３のいずれか一項に記載のデータ拡張方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、データ処理に関し、より具体的には、データ拡張方法、データ拡張装置及びコンピュータプログラム製品に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
現在、ディープラーニングモデル（ＤｅｅｐＬｅａｒｎｉｎｇＭｏｄｅｌ）は多くの分野で成果を上げているが、ディープラーニングモデルのトレーニングは大量のラベル付きデータに依存し、ラベル付きデータの不足やデータの分布の不均衡によりディープラーニングモデルの性能低下の問題が発生してしまうことが多い。データ拡張（ＤａｔａＡｕｇｍｅｎｔａｔｉｏｎ）は、トレーニングデータを自動的に拡張する技術であり、ラベル付きデータを取得する際のコストを削減することで、ディープラーニングモデルの性能を向上させることができる。
【発明の概要】
【課題を解決するための手段】
【０００３】
本開示は、データ生成条件を自動的に生成し、自動的に生成されたデータ生成条件に基づいて入力データから出力データを生成できるようにすることで、人間が大きく関与することなくデータの拡張を可能にする、データ拡張方法、データ拡張装置、コンピュータプログラム製品、及び非一時的なコンピュータ読み取り可能な記憶媒体に関する。
【０００４】
本開示の一態様によれば、データ拡張方法が提供される。当該方法は、所定の分布曲線に対してサンプリングを行い、サンプリング点を取得するステップと、可逆的な変換を実施可能な第１のニューラルネットワークモデルが、サンプリング点に基づいて、第１の条件特徴ベクトルを生成するステップと、第２のニューラルネットワークモデルが、入力データと第１の条件特徴ベクトルとを入力とし、拡張データを生成するステップと、を含む。
【０００５】
本開示の一実施例によれば、第２のニューラルネットワークモデルは、第３のニューラルネットワークモデルが第１のデータと第２のデータとに基づいて、第２の条件特徴ベクトルを生成する場合、第１のデータと第２の条件特徴ベクトルとから第２のデータを生成できるようにトレーニングされる。
【０００６】
本開示の一実施例によれば、第１のニューラルネットワークモデルは、第３のニューラルネットワークモデルが第１のデータと第２のデータとに基づいて第２の条件特徴ベクトルを生成する場合、第１のニューラルネットワークモデルが第２の条件特徴ベクトルを所定の分布曲線にマッピングできるようにトレーニングされる。
【０００７】
本開示の一実施例によれば、第１の条件特徴ベクトル又は第２の条件特徴ベクトルは、データのオフセットのタイプを示す。
【０００８】
本開示の一実施例によれば、所定の分布曲線は、ガウス分布曲線である。
【０００９】
本開示の一実施例によれば、第１のニューラルネットワークモデルは、１つ又は複数のカップリング層モデル（ＣｏｕｐｌｉｎｇＬａｙｅｒＭｏｄｅｌ）を含む。
【００１０】
本開示の一実施例によれば、入力データは、テキストデータであり、拡張データは、テキストデータからオフセットされたオフセットテキストデータである。
（【００１１】以降は省略されています）

関連特許