一番期待してたウェブインテリジェンス＆マイニング＆情報検索なセッションのある日 / KES2013, day2
KES2013中日にあたる2日目が終了。今日はキーノート1件、口頭発表セッション1件だけで、午後過ぎには終了。あとはショートツアー（観光）してからバンケットらしい。観光も面白いかもしれないけど、事前情報ゼロなのとバンケット会場が先日攻めて来た門司港付近らしいので、ホテルに戻って作業することにして後で直接会場に向かうことにしました。
Keynote3: Fuzzy Rule-Based Classifier Design: Accuracy Maximization and Complexity Minimization, Prof. Hisao Ishibuchi
ファジィ理論の歴史と、進化計算を組み合わせた多目的最適化で精度（accuracy maximaization / error minization）と使いやすさ（interpretability/complexity）を両立するような解を多数見つけて、その中からユーザが求めているものを探そうというような話。GAやその応用例の話はカットかもっと切り詰めて、最後の組み合わせ方やその後の話がもっと聞きたかった。機能もtype2なファジィの話が出てましたが、どうやら「メンバーシップ自体にもファジィらしさを導入」ものをそう呼んでいるらしい。
ファジィルール集合をそのまま扱うのは、データの質＆量の増大に伴って処理がめんどくさくなりそう（≒処理が重そう）なんだけど、アプリケーションの段階では適宜適用対象を絞り込むことで対応するみたいな方針なのかな。講演ではシンプルに並列処理させるとかだけでなく、ルール集合全体を使うのではなく部分的に使うみたいな話も。Dropoutに近い考え方？かも。多分。あと、多数の解（というか解候補）から本当に必要な解を選択するための支援が必要な気がする。解と解の関係性を何らかの形で説明するとか？
Web Intelligence, Text and Multimedia Mining and Retrieval
口頭発表セッションはウェブインテリジェンス＋マイニング＋検索な会場を選択。自分の興味はこれに言語処理＋対話型AIを加えたようなところにあるのだけど、期待してたほど目新しい話はなかったかな。
気になったものをピックアップすると、1つ目の”Unsupervised Emotional Scene Detection for Lifelog Video Retrieval Based on Gaussian Mixture Model”では、顔が映り込んでるシーンの感情推定を「教師無し学習でやろう」という話なのだけど、何故教師無し学習でうまくいくのかは「？」のままでした。静止画の顔写真（表情）から感情推定する話との本質的な違いも良く分からず。シーンとして時系列情報使って多少のノイズを除外しているのは分かるけど、それならそれだけの話だし。
2つ目”Exploitation of Query Sentences using Specific Weighting in Support-Sentence Retrieval”と3つ目”Combining Lexical and Semantic Features for Short Text Classification”はどちらもショートテキストを対象にした検索・分類に関する話。どちらも良く聞くアプローチがベースになっていて、クエリの重み付けをどう調整するか、語彙的スコア（lexical score）や構文的スコア（syntactic score）を使おうとか、LDAのように潜在的なトピック抽出した上で特徴表現しなおそうという話。どちらもその辺りの代表的な事例を示しながらアップデートしてるので、参考になる情報が整理されているという点でも良かったか。
ランチ
例によってお昼はただ飯で、会場隣接のレストランRistorante Passo del mareにてお食事。昨日のお昼、今日のお昼、バンケットの3カ所で比較すると一番ここが美味しかったな。是非ともバンケットもここでやって欲しかった。人数的に入りきれなかったんだろうとは思います。
Keynote4: Noniidness Learning and Pattern Relation Learning Prof. Longbing Cao
途中から参加したこともあって何度も出てきた”IID”という謎の言葉の意味が分からなかったのですが、ググった限りでは
IIDness, which assumes the independence and identical distribution of underlying objects, attributes and/or values.
というものらしい。これからはcoupringが重要だとかいってたのは、independence で identical distribution になってるデータを組み合わせることか。具体的な事例は上記論文なりを読むと良いのだろうな。
懇親会
お昼が想像以上に美味しかったので「ひょっとしてこれ以上美味しいのを用意しているのでは」と期待してたのですが、一般的なバンケット同様会場費が高く付いてるっぽい。普通に美味しかったし、あれこれ食べれたので満足ではありますが、やっぱり質だけでいうなら「同じ値段出せばもっと美味しいの食べれるだろうに」と思ってしまう人なので、バンケットは別料金にして欲しい。。