第68回 Federated Learning:モバイルデバイスを用いた分散学習技術(パート2) (中井悦司)

※この記事は読者によって投稿されたユーザー投稿のため、編集部の見解や意向と異なる場合があります。また、編集部はこの内容について正確性を保証できません。

CTC教育サービスはコラム「第68回 Federated Learning:モバイルデバイスを用いた分散学習技術(パート2) (中井悦司) 」を公開しました。

###

はじめに
 前回に引き続き、2019年に公開された論文「Applied Federated Learning: Improving Google Keyboard Query Suggestions」を元にして、モバイルデバイスを用いた分散学習技術である「Federated Learning」の適用事例を紹介します。今回は、検索キーワード予測に使用するモデルの詳細を解説します。
Baseline ModelとTriggering Model
 前回の図2で説明したように、Gboardの検索キーワード予測システムでは、2種類の機械学習モデルを組み合わせた予測が行われます。事前学習済みのBaseline Modelにより、候補となる複数のキーワードを生成して、Triggering Modelにより、実際に表示するキーワードの絞り込みを行います。
 まず、Baselineモデルでは、Google Knowledge Graph(KG)と呼ばれるデータベースを用いて、入力テキストに含まれる単語がどのようなカテゴリーに属するかという情報を取得します。その上で、そのカテゴリーにあったキーワードを予測します。論文の中では、「Let's eat Charlie's」と入力すると、これはレストランに関連する文書だという判別が行われて、「Charlie's」という名前を含むレストランを検索するためのキーワードが候補として得られる、という例が紹介されています。この部分には、LSTMと呼ばれる、自然言語処理でよく用いられるニューラルネットワークモデルが使用されます。

この続きは以下をご覧ください
https://www.school.ctc-g.co.jp/columns/nakai2/nakai268.html

この記事が役に立ったらシェア!
メルマガの登録はこちら Web担当者に役立つ情報をサクッとゲット!

人気記事トップ10(過去7日間)

今日の用語

インデックス
検索エンジンがWebページをデータベースに保存しているデータベース。データベース ...→用語集へ

インフォメーション

RSSフィード


Web担を応援して支えてくださっている企業さま [各サービス/製品の紹介はこちらから]