これまでの研究紹介と博士課程での研究計画について/research-plan-presentation-for-publish

利用者や情報システムの文脈に応じて自動かつ継続的に提案を最適化する適応的な推薦システム
2020.07.20 令和2年度 情報知能工学専攻 博士後期課程 入学試験試問

Transcript

1. ར༻ऀ΍৘ใγεςϜͷจ຺ʹԠͯ͡ ࣗಈ͔ͭܧଓతʹఏҊΛ࠷దԽ͢ΔదԠతͳਪનγεςϜ ࡾ୐༔հ / Pepabo R&D Institute, GMO Pepabo, Inc. 2020.07.20 ྩ࿨2೥౓ ৘ใ஌ೳ޻ֶઐ߈ ത࢜ޙظ՝ఔ ೖֶࢼݧࢼ໰ ͜Ε·Ͱͷݚڀ঺հͱ ത࢜՝ఔͰͷݚڀܭըʹ͍ͭͯ
2. 1. ུྺ 2. ͜Ε·Ͱͷݚڀ঺հ 3. ത࢜՝ఔͰͷݚڀܭը 2 ໨࣍
3. 1. ུྺ
4. • ࡾ୐༔հ • 2003೥3݄ ௕࡚େֶ ؀ڥՊֶ෦؀ڥ੓ࡦίʔε ଔۀ • ஍ݩ෱ԬͷSIerۈ຿Λܦͯɺ2012೥ΑΓגࣜձࣾpaperboy&co.(ݱGMOϖύ Ϙגࣜձࣾ)ʹۈ຿ɻࢿ࢈؅ཧγεςϜ΍ΠϯλʔωοταʔϏεʹ͓͚Δ WebΞϓϦέʔγϣϯͷ։ൃɾӡ༻ҡ࣋ۀ຿ʹैࣄɻ • 2017೥ΑΓಉࣾͷݚڀ৬ɻ৘ใγεςϜͷࣗ཯దԠ౳ͷݚڀʹैࣄɻ 4 ུྺ
5. 2. ͜Ε·Ͱͷݚڀ঺հ
6. ݚڀίϯηϓτ - ৘ใγεςϜͷࣗ཯దԠ -
7. • ଟ༷͔ͭܧଓతʹมԽ͢Δ؀ڥͷதͰɺ৘ใγεςϜ͕ܧଓతʹػೳ͢Δʹ ͸ɺͦͷߏ੒΍ϩδοΫΛߋ৽͠มԽʹ௥ै͢Δඞཁ͕͋Δ • → ྫʣ৘ใγεςϜͷෛՙঢ়گɺར༻ऀͷߦಈͷมԽ౳ • ͜Ε·Ͱɺ͜ͷ௥ै͸ɺӡ༻ҡ࣋ۀ຿ͱͯ͠ӡ༻ऀ͕୲͖ͬͯͨ 7 ৘ใγεςϜͱ؀ڥมԽ
8. • ଟ༷͔ͭܧଓతʹมԽ͢Δ؀ڥͷதͰɺ৘ใγεςϜ͕ܧଓతʹػೳ͢Δʹ ͸ɺͦͷߏ੒΍ϩδοΫΛߋ৽͠มԽʹ௥ै͢Δඞཁ͕͋Δ • → ྫʣ৘ใγεςϜͷෛՙঢ়گɺར༻ऀͷߦಈͷมԽ౳ • ͜Ε·Ͱɺ͜ͷ௥ै͸ɺӡ༻ҡ࣋ۀ຿ͱͯ͠ӡ༻ऀ͕୲͖ͬͯͨ 8 ৘ใγεςϜͱ؀ڥมԽ • ਓखʹΑΔ؀ڥͷมԽݕ஌΍৘ใγεςϜͷߋ৽͸ɺ௥ै΁ͷ࣌ؒࠩΛ൐͏ • ݁Ռͱͯ͠ɺ҆ఆੑ΍ར༻ऀͷຬ଍౓ͷ௿Լɺӡ༻ऀͷෛ୲ͷ૿ՃΛট͘
9. • ैདྷͷӡ༻ҡ࣋ͷऔΓ૊ΈͰ͸ɺ৘ใγεςϜΛ؀ڥͷมԽʹରԠͤ͞Δͨ ΊɺਓʹΑΔܦݧଇ΍൑அͱ෦෼తͳࣗಈԽʹཹ·͍ͬͯΔ • → ྫʣܦݧଇʹΑΔᮢ஋ઃఆɺ਺஋Խͨ͠ར༻ऀͷߦಈୡ੒཰ʹΑΔ൑அ 9 ؀ڥมԽʹࣗΒదԠ͢Δ৘ใγεςϜʹ޲͚ͯ • ਓʹΑΔ൑அ΍ߋ৽ͷ޻ఔΛࣗಈԽ͠ɺ৘ใγεςϜࣗମ͕؀ڥมԽΛଊ͑ม Խʹ௥ै͢ΔదԠతͳ࢓૊Έͷݚڀ • ͳΒͼʹ࣮ӡ༻΁ͷద༻ ݚڀίϯηϓτ
10. ݚڀ঺հ
11. 11 ݚڀ࣮੷ͱҐஔ෇͚ (2017೥ʙݱࡏ) No. ୊໊ ݚ ձ ࿦ ࠃ 1 ಛ௃நग़ثͷֶशͱߪങཤྺΛඞཁͱ͠ͳ͍ྨࣅը૾ʹΑΔؔ࿈঎඼ݕࡧγεςϜ ◦ 2 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 3 Sanny: େن໛ECαΠτͷͨΊͷਫ਼౓ͱ଎౓Λཱ྆ͨ͠෼ࢄՄೳͳۙࣅۙ๣୳ࡧΤϯδϯ ◦ 4 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 5 ར༻ऀͷจ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 6 Optimization for Number of goroutines Using Feedback Control ◦ 7 ͳΊΒ͔ͳηΩϡϦςΟΛ໨ࢦͯ͠ ◦ 8 Kaburaya AutoScaler: ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ ◦ 9 Synapse: จ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 10 ඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ֦ு ◦ ˎ ݚ: ݚڀใࠂɺձ: ϑΥʔϥϜɺγϯϙδ΢Ϝɺ࿦: δϟʔφϧɺࠃ: ࠃࡍձٞʢϓϩάϥϛϯάݴޠΧϯϑΝϨϯεʣ
12. ΦʔτεέʔϦϯάख๏
13. 13 ࠶ܝ: ݚڀ࣮੷ͱҐஔ෇͚ (2017೥ʙݱࡏ) No. ୊໊ ݚ ձ ࿦ ࠃ 1 ಛ௃நग़ثͷֶशͱߪങཤྺΛඞཁͱ͠ͳ͍ྨࣅը૾ʹΑΔؔ࿈঎඼ݕࡧγεςϜ ◦ 2 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 3 Sanny: େن໛ECαΠτͷͨΊͷਫ਼౓ͱ଎౓Λཱ྆ͨ͠෼ࢄՄೳͳۙࣅۙ๣୳ࡧΤϯδϯ ◦ 4 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 5 ར༻ऀͷจ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 6 Optimization for Number of goroutines Using Feedback Control ◦ 7 ͳΊΒ͔ͳηΩϡϦςΟΛ໨ࢦͯ͠ ◦ 8 Kaburaya AutoScaler: ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ ◦ 9 Synapse: จ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 10 ඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ֦ு ◦ ˎ ݚ: ݚڀใࠂɺձ: ϑΥʔϥϜɺγϯϙδ΢Ϝɺ࿦: δϟʔφϧɺࠃ: ࠃࡍձٞʢϓϩάϥϛϯάݴޠΧϯϑΝϨϯεʣ
14. • ৘ใγεςϜͷӡ༻ʹ͓͍ͯɺॲཧੑೳΛอͪͭͭඞཁ࠷খݶͷαʔόΛ༻͍ Δ͜ͱͰӡ༻ίετΛ੍ޚ͢Δ͜ͱ͸ॏཁ • มಈ͢Δαʔόधཁʹ௥ै͢ΔͨΊΦʔτεέʔϦϯάػೳΛಋೖ 14 എܠ • ॲཧੑೳΛอͭඞཁ࠷খݶͷαʔό୆਺͸ܦݧͱ஍ಓͳνϡʔχϯάͰݸผʹ ٻΊΔ͕ɺ৘ใγεςϜͷมߋ΍؅ཧର৅ͷ૿Ճʹै͍ࠔ೉ʹͳΔ • ·ͨɺ୆਺ͷࢉग़ʹ͸ΦʔτεέʔϦϯάͷ࣮ߦ࣌ͷ࣌ؒࠩͷߟྀ΋ඞཁ ӡ༻্ͷ՝୊
15. • ܧଓతʹมߋ͞Ε͏Δෳ਺ͷ৘ใγεςϜʹରͯ͠ɺ஗Ε΋ߟྀͨ͠Φʔτε έʔϦϯάͷ࠷దͳ৚݅Λܧଓͯ͠ٻΊΔ͜ͱ͕ӡ༻ͷෛ୲ • ৘ใγεςϜΛߏ੒͢ΔαʔόͷॲཧੑೳΛࣗಈͰ೺Ѳ͠ɺ৘ใγεςϜͷॲ ཧੑೳΛอͭඞཁ࠷খݶ͔ͭ஗ΕΛߟྀͨ͠αʔό୆਺Λࢉग़͍ͨ͠ • αʔόͷॲཧੑೳΛ࣮ߦ࣌ʹࣗಈ͔ͭܧଓతʹਪఆ͠ɺΦʔτεέʔϦϯάͷ ஗Ε΋ߟྀͨ͠࠷దͳαʔό਺Λࢉग़͢Δ੍ޚܥ 15 ݚڀͷ໨తͱఏҊͷࠎࢠ
16. • ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ[*] 16 ఏҊख๏ (Kaburaya AutoScaler) < >
    ࡾ୐
    ༔հ
    ܀ྛ
    ݈ଠ࿠
    ,BCVSBZB
    "VUP4DBMFS
    ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ
    Πϯλʔωοτ ͱӡ༻ٕज़γϯϙδ΢Ϝ࿦จू
    
    QQ
    /PW
    
17. • ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ • M: αʔόॲཧੑೳΛɺ୯Ґ࣌ؒ͋ͨΓͷॲཧ਺ͷ্ݶ͔ΒٻΊΔ • D: ༧ΊఆΊͨ஗Εظؒʹର͠ɺݱࡏͷཁٻॲཧ਺ͱαʔόॲཧੑೳ͔Βෆ ଍͢Δͱߟ͑ΒΕΔະॲཧཁٻ਺ΛٻΊΔ • F: ݱࡏͷॲཧཁٻ਺ʹະॲཧཁٻ਺ΛՃ͑ɺαʔόॲཧੑೳ͔Βඞཁͳ αʔό୆਺Λࢉग़ 17 ఏҊख๏ (Kaburaya AutoScaler)
18. 18 ఏҊख๏ͷධՁ αʔόੑೳʢॲཧ਺্ݶʣͷਪఆධՁ
    ௿ෛՙ࣌΍Ұ࣌తʹαʔό͋ͨΓͷෛՙ͕ߴ·Δෛ ՙ૿Ճ࣌Ͱ΋҆ఆͯ͠ਪఆʢ࣮ઢʣɻ αʔό୆਺ͷ௥ैੑධՁ
    ੨ઢͷཧ૝αʔό਺ʹ௥ैɻ஗ΕΛߟྀ͠ɺ૝ఆ͞ ΕΔະॲཧͷཁٻ਺ΛॲཧՄೳͳαʔό਺Λ౤ೖɻ ະॲཧཁٻ਺ͷղফ݁ՌͷධՁ
    ஗ΕʹΑΓ஝ੵ࣮ͨ͠ઢͷະॲཧཁٻΛଈ࣌ղফɻ ഁઢ͸஗ΕରࡦΛ͠ͳ͍৔߹ͷਪҠɻ
19. ਪનγεςϜ
20. 20 ࠶ܝ: ݚڀ࣮੷ͱҐஔ෇͚ (2017೥ʙݱࡏ) No. ୊໊ ݚ ձ ࿦ ࠃ 1 ಛ௃நग़ثͷֶशͱߪങཤྺΛඞཁͱ͠ͳ͍ྨࣅը૾ʹΑΔؔ࿈঎඼ݕࡧγεςϜ ◦ 2 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 3 Sanny: େن໛ECαΠτͷͨΊͷਫ਼౓ͱ଎౓Λཱ྆ͨ͠෼ࢄՄೳͳۙࣅۙ๣୳ࡧΤϯδϯ ◦ 4 ΞΫηεස౓༧ଌʹجͮ͘Ծ૝αʔόͷܭըతΦʔτεέʔϦϯά ◦ 5 ར༻ऀͷจ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 6 Optimization for Number of goroutines Using Feedback Control ◦ 7 ͳΊΒ͔ͳηΩϡϦςΟΛ໨ࢦͯ͠ ◦ 8 Kaburaya AutoScaler: ଟ؀ڥͰͷӡ༻ੑΛߟྀͨࣗ͠཯దԠܕΦʔτεέʔϦϯά੍ޚܥ ◦ 9 Synapse: จ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ ◦ 10 ඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ֦ு ◦ ˎ ݚ: ݚڀใࠂɺձ: ϑΥʔϥϜɺγϯϙδ΢Ϝɺ࿦: δϟʔφϧɺࠃ: ࠃࡍձٞʢϓϩάϥϛϯάݴޠΧϯϑΝϨϯεʣ
21. 21 എܠ • ৘ใγεςϜʹ͓͚Δ৘ใաଟ໰୊Λղܾ͢ΔɺਪનγεςϜͷಋೖ • → ͳΜΒ͔ͷํࡦʢ= ਪનख๏ʣʹج͖ͮଟ਺ͷબ୒ࢶ͔Βར༻ऀ͕ڵຯ Λ࣋ͭ΋ͷΛఏҊ͢ΔγεςϜ • ӡ༻ऀʹͱͬͯɺޮՌతͳʮਪનख๏ʯͷબ୒͕ॏཁ • ޮՌతͳਪનख๏͸ঢ়گʹΑͬͯҟͳΔ • ͔͠͠ͳ͕Βɺ࣮؀ڥͰͷܧଓతͳਪનख๏ͷධՁʹ͸ػձଛࣦ͕൐͏ ӡ༻্ͷ՝୊
22. • ਪનख๏ͷ༏ྼ͸ଟ͘ͷཁҼ͔ΒͳΔঢ়گʢ=จ຺ʣʹΑͬͯࠨӈ͞ΕΔ • ޮՌతͳਪનख๏Λػձଛࣦ͕ͳ͍Α͏ʹจ຺ʹԠͯ͡࢖͍෼͚͍ͨ • ࣄલʹఆΊͨจ຺͝ͱʹਪનख๏ͷબ୒Λࣗಈ͔ͭܧଓతʹ࠷దԽ͢Δ ϝλਪનγεςϜ • → ࠷ળͳਪનख๏ͷબ୒Λଟ࿹όϯσΟοτ໰୊ͱΈͳͯ͠ղ͘ 22 ݚڀͷ໨తͱఏҊͷࠎࢠ
23. • ʮ࿹ʯͱݺ͹ΕΔෳ਺ͷީิ͔ΒಘΒΕΔใुΛ࠷େԽ͢Δ໰୊ • ϓϨΠϠʔ͸Ұ౓ͷࢼߦͰ1ͭͷ࿹Λબ୒͠ɺใुΛಘΔ • ͦΕͧΕͷ࿹͸͋Δใु෼෍ʹै͍ใुΛੜ੒ • ͨͩ͠ɺϓϨΠϠʔ͸͜ͷใु෼෍Λࢼߦͷ݁Ռ͔Βਪଌ͢Δඞཁ͕͋Δ 23 ଟ࿹όϯσΟοτ໰୊ • ϓϨΠϠʔ͸͋Δ࣌఺ͷ࿹ͷධՁʹج͖ͮʮ׆༻ʯͱʮ୳ࡧʯΛฒߦͯ͠ߦ͏ • ͜ͷτϨʔυΦϑΛղফ͢ΔͨΊʹ༷ʑͳղ๏͕ఏҊ͞Ε͍ͯΔ
24. • ࿹͝ͱʹෳ਺ͷจ຺͕͋Γɺจ຺ʹԠͯ͡ใु෼෍͕ܾ·Δଟ࿹όϯσΟοτ ໰୊ͷઃఆ • ຊݚڀใࠂͰ͸ɺจ຺͸ɺෳ਺ͷཁҼͷύϥϝʔλͷ૊Έ߹ΘͤͰදݱ͞ Εͨঢ়ଶͷ͜ͱΛࢦ͢ • → ཁҼύϥϝʔλͷ஋͕{0,1}ͷ৔߹ɺจ຺͸ཁҼ਺ ʹରͯ͠ ύλʔϯ d 2d 24 ઢܗͳଟ࿹όϯσΟοτ໰୊ • ઢܗͳଟ࿹όϯσΟοτ໰୊ͷղ๏Ͱ͸ɺจ຺ͷ֬཰෼෍Ͱ͸ͳ͘ɺཁҼ͝ͱ ͷ܎਺ʢઢܗύϥϝʔλʣΛਪఆ͢Δ͜ͱͰ֤จ຺ʹ͓͚ΔใुΛ༧૝͢Δ
25. • จ຺͝ͱʹਪનख๏ͷબ୒Λࣗಈ͔ͭܧଓతʹ࠷దԽ͢ΔϝλਪનγεςϜ[1] • จ຺͝ͱͷ࠷ળͳબ୒Λɺઢܗͳଟ࿹όϯσΟοτ໰୊ͷղ๏Ͱ͋Δ Linear Thompson SamplingΛ༻͍ͯղ͘ • จ຺ͱͯ͠ɺᶃ৘ใγεςϜͷ࣌ؒͷܦաɺᶄਪનର৅ͷ঎඼ಛੑͷࠩҟΛ ѻ͏ • จ຺͝ͱʹબ୒ͨ͠ਪનख๏ͱ͜Εʹର͢Δར༻ऀͷ൓ԠΛه࿥͠ɺબ୒ ͷվળʹ༻͍Δ 25 ఏҊγεςϜ (Synapse) <>
    ࡾ୐
    ༔հ
    ็
    ߃ݑ
    4ZOBQTF
    จ຺ʹԠͯ͡ܧଓతʹਪનख๏ͷબ୒Λ࠷దԽ͢ΔਪનγεςϜ
    ిࢠ৘ใ௨৴ֶձ࿦จࢽ%
    7PM+% /P QQ /PW
    
    UP
    BQQFBS
26. 26 ఏҊγεςϜ (Synapse)
27. • ࣮αʔϏεͷӡ༻σʔλΛ༻͍ͨγϛϡϨʔγϣϯʹ͓͍ͯɺจ຺Λߟྀ͠ͳ ͍΋ͷͱൺֱͯ͠ɺྦྷੵΫϦοΫ਺͕໿2%޲্͢Δ͜ͱΛ֬ೝ[1] • ֘౰γεςϜ͸࣮αʔϏεͰՔಇɾܧଓతʹධՁத • ࠓޙ͸ɺऔΓѻ͑Δจ຺ɺਪનख๏Λ޿͍͛ͯ͘[3][4] • ߹Θͤͯɺ؀ڥมԽ΁ͷ௥ैੑΛ޲্͍ͤͯ͘͞[2] 27 ఏҊγεςϜͷධՁ <>
    ࡒ௡େՆɼࡾ୐༔հɼ&$αΠτʹ͓͚ΔӾཡཤྺΛ༻͍ͨߪങʹܨ͕ΔߦಈͷมԽݕग़ɼݚڀใࠂΠϯλʔωοτͱӡ༻ٕज़
    *05 ɼ WPM*05ɼQQrɼ <>
    ໺ଜ޸໋ɼࡾ୐༔հɼϋϯυϝΠυ࡞඼Λର৅ͱͨ͠&$αΠτʹ͓͚Δ୯ޠͷग़ݱස౓Λ༻͍ͨك
    ᧵඼ͷݕग़ɼݚڀใࠂΠϯλʔ ωοτͱӡ༻ٕज़
    *05 ɼWPM*05ɼQQrɼ <>
    ࡾ୐༔հɼ܀ྛ݈ଠ࿠ɼඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ֦ுɼݚڀใࠂΠϯλʔωο τͱӡ༻ٕज़
    *05 ɼWPM*05ɼQQrɼ+VMZ
    
28. 3. ത࢜՝ఔͰͷݚڀܭը
29. 1. ΑΓଟ͘ͷจ຺Λѻ͏ 2. ΑΓޮՌతͳఏҊΛߦ͏ 3. ΑΓૉૣ͘؀ڥͷมԽΛݕ஌͠దԠ͢Δ 29 ݱݚڀ(Synapse)ͷ feature works
30. 1. ΑΓଟ͘ͷจ຺Λѻ͏ 2. ΑΓޮՌతͳఏҊΛߦ͏ 3. ΑΓૉૣ͘؀ڥͷมԽΛݕ஌͠దԠ͢Δ 30 ݱݚڀ(Synapse)ͷ feature works • ത࢜՝ఔΛ௨ͯ͜͡ΕΒͷ߲໨Λݚڀ͠ɺਪનख๏͚ͩͰͳ༷͘ʑͳબ୒ࢶ͔ Βɺར༻ऀ΍৘ใγεςϜ͕ͲͷΑ͏ͳঢ়گͰ͋ͬͯ΋࠷దͳఏҊΛߦ͑Δɺ దԠతͳਪનγεςϜͷ࣮ݱΛ໨ࢦ͢
31. • ݱఏҊγεςϜͰ͸ɺঢ়ଶͷਪఆ͕ൺֱత༰қͳཁҼʢ࣌ؒͷܦաʹ൐͏ਪન ख๏ͷ༗ޮੑͷมಈɺӾཡதͷ঎඼ΧςΰϦʣΛ༻͍ͯจ຺Λಛఆ • → ΑΓଟ͘ͷจ຺Λѻ͏͜ͱͰɺจ຺ʹԠͨ͡࠷దͳఏҊʹͭͳ͍͛ͨ 31 1. ૢ࡞ཤྺ͔Βͷར༻ऀͷจ຺ਪఆ • ར༻ऀͷߪങ໨త΍ߪೖҙཉͷมԽΛจ຺ͱͯ͠ѻ͏ • ৘ใγεςϜʹ͓͍ͯ໌ࣔతʹ஌Δ͜ͱ͕Ͱ͖ͳ͍ͨΊߦಈ͔Βਪఆ͕ඞཁ • ·ͨɺจ຺ʹԠͯ͡ఏҊΛ࠷దԽ͢ΔͨΊʹ͸ਪఆΛଈ࣌ߦ͏ඞཁ͕͋Δ
32. 32 1. ૢ࡞ཤྺ͔Βͷར༻ऀͷจ຺ਪఆʢ༧උධՁʣ • ECαΠτͷར༻ऀͷӾཡཤྺ͔Βߪങʹͭͳ͕ΔߦಈͷมԽΛݕग़[3] • ϚʔέςΟϯάɾαΠΤϯε΍ΦϖϨʔγϣϯɾϦαʔν෼໺ʹ͓͚Δߦಈ ܾఆϞσϧΛࢀߟʹɺҰఆظؒʹӾཡͨ͠঎඼ͷछྨ਺ͷݮগΛߪങҙཉͷ ૿ՃͱΈͳ͢ • ౷ܭతԾઆݕఆΛ༻͍ͨมԽݕग़ख๏Ͱͷɺ଎౓΍ਫ਼౓ΛධՁ • → ΑΓޮՌతͳಛ௃ྔͱมԽݕग़ख๏ʹ͍ͭͯݚڀΛਐΊΔ <>
    ࡒ௡େՆɼࡾ୐༔հɼ&$αΠτʹ͓͚ΔӾཡཤྺΛ༻͍ͨߪങʹܨ͕ΔߦಈͷมԽݕग़ɼݚڀใࠂΠϯλʔωοτͱӡ༻ٕज़
    *05 ɼ WPM*05ɼQQrɼ
33. • ݱఏҊγεςϜͰ͸ɺఏҊͷ༗ޮੑʹجͮࣗ͘ಈతͳ࢖͍෼͚͕ߦ͑ΔҰํɺ จ຺ͱఏҊͷؔ܎ੑ͸ෆ໌ɻ • → ΑΓޮՌతͳఏҊΛߦ͏ͨΊɺ͜ͷؔ܎ੑΛ෼ੳ͠ɺจ຺ʹಛԽͨ͠ޮ ՌతͳఏҊํࣜΛݕ౼͍ͨ͠ 33 2. ಛఆͷจ຺ʹ༗ޮͳఏҊํࣜ
34. • ࡞඼ͷ௝͠͞ʹ஫໨ͨ͠ਪનख๏ͷݕ౼[4] • ࡞඼ू߹ʹ͓͚Δ࡞඼໊ʹؚ·ΕΔ୯ޠͷग़ݱස౓͔Β௝͠͞ΛఆྔԽ • ֤୯ޠͷඪ४ภࠩ΋༻͍Δ͜ͱͰ༻్ผʹ௝͠͞Λ෼ྨ͠ਫ਼౓ΛධՁ • → ߪങҙཉͷ௿Լʹରͯ͠ɺมಈΛ΋ͨΒ͢ཁҼͱͳΓ͏Δ͔ఏҊγες ϜΛ༻͍ͯධՁΛਐΊΔ 34 2. ಛఆͷจ຺ʹ༗ޮͳఏҊํࣜʢ༧උධՁʣ <>
    ໺ଜ޸໋ɼࡾ୐༔հɼϋϯυϝΠυ࡞඼Λର৅ͱͨ͠&$αΠτʹ͓͚Δ୯ޠͷग़ݱස౓Λ༻͍ͨك
    ᧵඼ͷݕग़ɼݚڀใࠂΠϯλʔ ωοτͱӡ༻ٕज़
    *05 ɼWPM*05ɼQQrɼ
35. • ݱఏҊγεςϜͰ͸ɺҎԼͷཧ༝͔Β࣌ؒͷܦաʹ൐͏มಈʹରͯ͠ɺ௥ैੑ ͕ॆ෼Ͱͳ͔ͬͨɻ • ᶃ γεςϜߏ੒ͷ੍໿: ར༻ऀͷఏҊʹର͢ΔධՁͷ൓ө͕Ұఆظؒ஗Ԇ • ᶄ ղ๏ͷ੍໿: ैདྷͷଟ࿹όϯσΟοτ໰୊ͷղ๏Ͱ͸ʮଟ༷͔ͭܧଓత ʹʯมԽ͢Δ؀ڥʹॆ෼௥ै͢Δ͜ͱ͕Ͱ͖ͳ͍ • → ͜ΕΒΛղফ͠ɺΑΓૉૣ͘؀ڥͷมԽΛݕ஌͠దԠ͢ΔγεςϜઃܭ ͱ͍ͨ͠ 35 3. ଈ࣌ʹఏҊͷ࠷దԽΛߦ͏γεςϜઃܭ
36. • ᶄʹ͍ͭͯɺैདྷͷଟ࿹όϯσΟοτ໰୊ͷղ๏͕ݸผʹߟྀ͍ͯͨ͠จ຺ͱ ใु෼෍ͷมԽʹରͯ͠ɺಉ࣌ʹରԠͰ͖ΔΑ͏ɺ͜ΕΒͷղ๏Λ֦ு[2] • ैདྷղ๏Λ൚༻తʹར༻Ͱ͖ɺใु෼෍ͷมԽʹରͯ͠ྑ͍ධՁ͕ಘΒΕͯ ͍ΔɺมԽݕग़ܕΞϓϩʔνͰ͋ΔS-TS-ADWINͷ֦ு • → ୯Ұͷจ຺Ͱͷใु෼෍ͷมԽͰ͸ͳ͘ෳ਺ͷจ຺ͰͷมԽʹରԠ • จ຺ͷύλʔϯ͝ͱͰ͸ͳ͘ɺਪఆͨ͠ઢܗύϥϝʔλͷ࿨͔ΒมԽݕग़ • ୳ࡧϋΠύʔύϥϝʔλͷಈతͳௐ੔Λಋೖɺੵۃతʹ׆༻ͱ୳ࡧΛ੾ସ 36 3. ଈ࣌ʹఏҊͷ࠷దԽΛߦ͏γεςϜઃܭʢ༧උධՁʣ <>
    ࡾ୐༔հɼ܀ྛ݈ଠ࿠ɼඇఆৗͳଟ࿹όϯσΟοτ໰୊ʹ͓͚ΔมԽݕग़ΞϓϩʔνͷઢܗϞσϧ΁ͷ
    ֦ுɼݚڀใࠂΠϯλʔωο τͱӡ༻ٕज़
    *05 ɼWPM*05ɼQQrɼ+VMZ
    
37. εέδϡʔϧ
38. 38 ത࢜࿦จ·Ͱͷݚڀεέδϡʔϧ ೥ ೥ ೥ ೥ લ ޙ લ ޙ લ ޙ લ ޙ ݱݚڀ จ຺ਪఆ จ຺ಛԽఏҊ దԠγεςϜ ത࢜࿦จ ࿦จࢽൃද ࡁ ࠃࡍձٞൃද ࿦จࢽൃද ࠃࡍձٞൃද ࿦จࢽൃද ത࢜࿦จʙެௌձ αʔϕΠɾ༧උධՁ ༧උධՁ ࡁ