SlideShare a Scribd company logo
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
競輪におけるレーティングシステムを用いた
予想記事生成に関する研究
北海道大学 大学院情報科学院
情報理工学部門 複合情報工学分野 調和系工学研究室
修士2年 赤坂 駿斗
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
2
研究背景
• 人間は生活の中で様々な意思決定を行っている
– その意思決定を支援する技術の需要は高い[1]
• 意思決定に関わる情報を分かりやすい情報に変換・提示する
ことが必要
– 満足な意思決定のため
[1]福島俊一: 複雑社会における意思決定・合意形成支援の技術開発動向, 人工知能, Vol.34, No.2, pp.131–138, 2019
画像引用 「前橋競輪4R 2018年10月18日 最終日」.
Chariloto.com. Accessed January 24, 2023.
https://www.chariloto.com/keirin/athletes/2018-10-
08/22/4
• スポーツ結果予測における意思決定に
関わる情報
– プレイヤー(選手)の強さ
• 過去の試合結果を網羅する必要が
あり困難
• 勝率や順位は対戦相手の情報が
含まれず不十分
• 本研究では対象を競輪とする
– 投票券の購買という要素により
情報提示に需要
– 出走表から過去成績の把握が困難
競輪予想において「選手の強さ」は重要な情報
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
• 競輪予想における意思決定を支援する予想記事
として選手の過去成績を説明する文章の自動生成
– 手法
• 競輪の特性を反映したイロレーティングの拡張
• レーティングを活用したテンプレート文による
文章生成・提示
– 対象
• 競輪予想における初心者
– 過去成績の把握が困難
3
研究目的
選手紹介文生成
テンプレート選択
提示
レース結果 レーティング計算
過去 対象レース
レーティング取得
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
4
関連研究
• スポーツの結果予測に関する研究
– 競輪[2]、競馬[3]の結果を予測する研究
• 複数人のレーティングシステムに関する研究
– TrueSkill[4]
• コンピュータゲームの平等なマッチング
– 大貧民におけるレーティング手法の検討[5]
• 大貧民AIの強さ推定
• 文章の自動生成に関する研究
– テンプレート文を用いた研究
• 競輪における機械学習による予想の記事自動生成[6]
[2] 吉田拓海, 横山想一郎, 山下倫央, 川村秀憲: 競輪における予想記事生成のためのレース結果予測,情報処理学会論文誌 D, Vol.60, No.10,
pp.1641–1652, 2019
[3] Edelman, D.: Adapting support vector machine methods for horserace odds prediction, Annals of Operations Research, Vol.
151, No. 1, pp.325, 2006
[4] Herbrich, R., Minka, T. and Graepel, T.: TrueSkill™: A Bayesian Skill Rating System, Advances in Neural Information
Processing Systems 20, pp. 569–576, 2007
[5] 五ヶ谷純平, 大久保誠也, 若月光夫, 西野哲朗: コンピュータ大貧民におけるレーティング手法について. 研究報告ゲーム情報学 (GI), No.16,
pp.1-8, 2020
[6] 吉田拓海, 横山想一郎, 山下倫央, 川村秀憲: 競輪 における予想記事の自動生成システムの開発, 電子情報通信学会論文誌 D, Vol. 105, No.1,
pp. 60–74, 2022
従来研究との違い
• 過去の時点や対象レース外の選手との比較が可能
• 競輪におけるレーティング生成と情報提示手法を評価
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
5
本研究で支援するユーザ
• 競輪における投票券(車券)購入
– 競輪では3着までが車券圏内としてその順位を予想
– 二車単・三連単等の的中確率・配当金の大小に特徴がある賭式
• 車券の買い方
– 組合せの総数が多い賭式を購入点数1点で当てるのは困難
• (二車単:72通り 三連単:504通り)
• 複数の車券を効率的に購入
– 上位になりそうな選手を予想する必要がある
• 車券で儲けを出す上で現実的な購入点数に抑える
• 本研究で支援するユーザ
– 的中・儲けを求め選手の順序付けをする
• 特に初心者は選手の過去成績把握が困難
本研究で支援する対象:
• 車券による的中・儲けを求める
• 予想に際して選手の順序付けが困難
上記の条件を満たすユーザ(初心者)を支援
→選手の強さを表す指標が必要
購入方法 購入例
流し 軸とする車番を決めて複数の組み合わせを購入
「1-2」、「1-3」、「1-4」…
ボックス 選択した車番について全組合せを購入
「1, 2, 3, 4」 購入点数12点
二車単の購入例
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
6
競輪予想の既存指標・研究
• 既存指標
– 競走得点
• 競輪特有の指標
• 出場したレースの格付け・着順によって決まる
• 対戦相手の強さを部分的に反映
• ランク付けを行うレーティングの一種
– 勝率(2連対率・3連対率)
• 過去の対戦相手を考慮した値ではないため選手同士を比較する
情報として不十分
• 既存研究
– 機械学習等による結果予測
• 対象レースにおける選手の1着確率のような相対的な比較が可能
• 過去の時点との比較や対象レース外での比較が不可能
選手の強さを表す指標作成において競走得点と比較可能
選手の強さを把握する上で既存指標・研究による情報提示は不十分
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
7
イロレーティング
• 試合結果によってプレイヤーの強さを推定する
イロレーティング[7]
– 将棋[8]・チェス[9]等の2人対戦の競技に広く用いられる
– 勝率を統計的に求めることから、レーティングを計算
• 対戦相手の強さを考慮した値が計算可能
– 平均的な強さのプレイヤーと対戦したときの勝利確率を推定
• 繰り返し更新を行うことで真の勝利確率を示す
[7] Elo, A. E.: The Rating of Chess players, Past and Present, Ishi Press International, 1978
[8] FIDE Online. FIDE Top players - Standard Top 100 Players November 2022, Accessed November 16, 2022
[9] 将棋連盟 棋士別成績一覧(レーティング), Accessed November 16, 2022
Wij :プレイヤーiがjに勝つ確率
Ri:プレイヤーiのレーティング
K:更新定数
基本的な勝率計算式と更新式
本研究では、競輪選手の強さを表すために拡張
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
8
イロレーティングの競輪適用に必要な拡張
• 競輪にイロレーティングを適用するうえで競技特性
と想定するユーザを考慮した拡張の必要がある
• 競輪の競技特性
– 複数人同時対戦
• 競輪は最大9人で行われる複数人同時対戦競技
• 2者間の勝率を求めることによるイロレーティングをそのまま使う
ことができない
– トーナメント式
• 競輪は1開催が3日~6日に渡り行われ、「初日の上位3名が2日目の
レースで準決勝に進む」のようなトーナメント式が採用されている
• 下位同士の順位に実力差が表れにくい
本研究では複数人同時対戦競技における各試合の上位選手
を推定するレーティングを計算
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
9
複数人の同時対戦を考慮した拡張
更新式
• 手法1 1対1比較による更新
– プレイヤーそれぞれとの勝敗判定による更新
– プレイヤー1人に対してN-1回の更新が行われる
(N:1レースにおける選手の総数)
1位
2位
・・・
R:
1,700
R:
1,800
更新例
3位
R:
1,600
4位
R:
1,900
Wij :プレイヤーiがjに勝つ確率
Ri:プレイヤーiのレーティング
K:更新定数
placei:プレイヤーiの順位
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
10
複数人の同時対戦を考慮した拡張
• 手法2 1対平均比較による更新
– 自分からみて上位・下位それぞれの平均レーティングに
対して勝敗したとして更新
– 順位を考慮した更新量の調整を加える
1位 4位
2位
3位
・・・
𝑅𝑙𝑜𝑠𝑒 𝑅𝑤𝑖𝑛
更新例
Wwi :プレイヤーiに対する下位の平均
レーティング勝率
Ri:プレイヤーiのレーティング
K:更新定数
placei:プレイヤーiの順位
N:1レースにおける選手の総数
更新式
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
11
開催形式(トーナメント式)を考慮した拡張
• 下位変動量固定
– 競輪は開催形式がトーナメント式になっていて上位が決勝
に進むという特徴を踏まえて、「下位同士の順位に選手の
強さが表れにくい」という仮定を立て更新式を拡張する
– 上位の変動量合計の負数をレーティングによって分配
– 下位を定める定数Lはパラメータとして探索
更新例
更新式(下位)
・・・
L-2位 L-3位
L-1位
1~L位
+50
-50
R:1500(-10) R:1400(-8) R:1600(-12)
Ri:プレイヤーiのレーティング
Rhigh:上位のレーティング変動量合計
RL:下位のレーティング合計
placei:プレイヤーiの順位
L:下位を定める定数
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
12
実験概要
• 実験目的
– 各手法によって生成したレーティングが選手の強さを的確に
表しているか確認
• 実験手法
– 1着予測のTop K accuracyによる比較
• 推定確率・順位の上位K番目までに正解が含まれているか否か
• 使用データ
– 競輪データ
比較対象 説明
競走得点 競輪における選手の格付け指標 レースの格と順位で計算される
1着率 選手の強さを表す既存指標
機械学習モデル 競輪の結果を予測する先行研究[6]
TrueSkill 複数人を考慮したレーティング生成の先行研究[4]
範囲 2008年4月1日~2019年5月31日
レース数 295,421レース
選手の総数 4,398人
レーティング初期値 1,500
レーティング計算
範囲 2018年6月1日~2019年5月31日
レース数 19,758レース
選手の総数 2,246人
予測精度による性能比較
[4] Herbrich, R., Minka, T. and Graepel, T.: TrueSkill™: A Bayesian Skill Rating System, Advances in Neural Information Processing Systems 20,
pp. 569–576, 2007
[6] 吉田拓海, 横山想一郎, 山下倫央, 川村秀憲: 競輪 における予想記事の自動生成システムの開発, 電子情報通信学会論文誌 D, Vol. 105, No.1, pp. 60–74,
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
13
結果
• 1着予測のTop K accuracy
– 既存指標より高い予測精度を示す
– 下位の変動量を固定する拡張により精度の向上を確認
– 機械学習より低い予測精度を示す
1着予測
@1[%]
1着予測
@3[%]
1対1比較更新
(イロレーティング)
ベース 39.3 72.7
下位変動量固定 41.0 74.5
1対平均比較更新
(イロレーティング)
ベース 39.6 72.8
下位変動量固定 41.3 75.0
既存の予想指標 競走得点 36.4 70.5
1着率 36.5 67.8
機械学習(先行研究) Transformer 45.7 79.7
レーティングシステム
(先行研究)
TrueSkill 38.9 72.1
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
14
生成したレーティングの分析
• 目的
– 拡張・生成したレーティングがイロレーティングの性質を
保つか確認
• 二者間の推定勝利確率
– 推定される二者間の勝利確率が実際の結果に従うか検証
• 選手のレーティング更新例
– 選手の特徴的な成績に対し、生成したレーティングの推移を確認
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
15
生成したレーティングの分析
• レーティングから算出される二者間の推定勝利確率
– 1対平均更新モデル、下位変動量固定(L=3)
– 横軸:二者間の推定勝利確率、縦軸:実際の勝利確率
– y=xに近いほど二者間の勝率推定が高精度
二者間の推定勝利確率は1対平均更新のベースモデルの精度が高い
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
昇級(A1→S2)
16
生成したレーティングの分析
• 選手のレーティング更新例
– 1対平均更新モデル、下位変動量固定(L=3)
– 対戦相手はA級とS級で別
降級(S2→A1)
昇級(A1→S2)
デビュー9連勝
20戦の3着内率95%
昇級後にレーティングの上昇を確認
S級選手の平均
レーティング
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
17
予想記事の生成
• レーティングを活用した予想記事(選手紹介文)の生成
– 過去成績の把握を支援
– ユーザはレーティングの詳細を知らないため文章等の情報提示が必要
• 過去成績の把握を支援するために説明する内容
– 出走選手同士の比較
– 選手個人について過去と比較
– レースレベルについて過去と比較
直近4ヶ月のレーティングの変動例
レーティングから過去成績を説明するテンプレートを作成
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
18
テンプレートの設定・文章生成例
• 現在のレーティングとレース内順位
– 対象レースにおける選手の序列を説明
• 長期(直近4か月)
– 選手の強さの長期的なトレンドを説明
– 競走得点や1着率等の他指標と同期間
• 短期(直近5レース)
– 直近の対戦履歴について説明
– レーティングが最も大きく変動したレースを抽出
• 強さに差のある対戦相手に対する成績を説明
• 前走比較
– 1レースにおける出走者の平均レーティングを
レースレーティングとして前走と比較
文章生成例
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
19
生成文のアンケート評価
• 目的
– 過去成績の把握を支援する情報提示としての有効性の確認
– 納得のいく意思決定を支援する情報提示としての有効性の確認
– 文章による情報提示の質を確認
• アンケート概要
– 競輪初心者13名を対象としたアンケートを実施
• 車券購入の機会が数回程度までと答えた人
– 対象者に3つのレースの勝者を予想してもらう
– 情報提示手法を3つ用意
• 出走表
• 出走表+機械学習による結果予想の記事(先行研究)
• 出走表+選手紹介文+上位3名のレーティング推移グラフ(提案手法)
– 各レースと各情報提示手法を組合わせた6パターン作成
• 配布は1人1パターン
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
20
提示した情報例
• 手法1
– 出走表のみ
• 手法2
– 出走表+予想記事(先行研究)
画像引用 「前橋競輪4R 2018年10月18日 最終日」. Chariloto.com. Accessed January 24, 2023.
https://www.chariloto.com/keirin/athletes/2018-10-08/22/4
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
21
情報提示手法
• 手法3
– 出走表+選手紹介文+レーティンググラフ
– 選手紹介文は全員分提示
直近4ヶ月のレーティング変動
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
22
評価
• アンケート設問
– 選手の強さを把握できたと思うか
(全体・上位の順序付け、選手個人の成績推移
の把握が可能か)
• 過去成績の把握を支援する情報提示としての有
効性
– 予想に自信があるか
• 納得のいく意思決定を支援する情報提示として
の有効性
– 文章の提示により煩わしさを感じたか
• 文章による情報提示の質を確認
• 点数が低い方が高評価
評価点数 基準
5 非常にそう思う
4 そう思う
3 どちらかと言えばそう思う
2 どちらかと言えばそう思わない
1 そう思わない
5段階評価基準
パターン 情報提示 選手の強さを
把握できたか
予想に自信
があるか
文章提示が
煩わしいか
出走表
+
選手紹介文
+
グラフ
選手紹介文 4.38 3.92 2.15
グラフ 4.31 (3.92) -
出走表のみ 出走表 3.46 3.23 -
出走表
+
予想記事
予想記事
(先行研究)
3.64 3.62 1.54
• 「選手の強さを把握できたか」、
「予想に自信があるか」において
選手紹介文の評価が高い
• 「文章提示が煩わしいか」は選手紹介
文の評価が低い
– 上位選手のみのグラフが選手紹介文と
同等の評価
選手紹介文は初心者の予想支援に有効
グラフによる提示がユーザ志向による
提示手法の1つとして有効
各情報提示手法ごとの5段階評価の平均
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
23
まとめ・今後の展望
• まとめ
– 競輪における選手の強さを説明する記事の自動生成
– 選手の強さをレーティングで表現した
• 競走得点を超える1着予測精度
– レーティングを活用した選手説明文の生成
• 初心者の予想支援に有用
• 今後の展望
– 支援対象の拡大
• 対象ユーザの特徴を考慮した情報提示
– 競輪以外の競技に応用
• 同様な条件を持つ競馬・オートレース・競艇
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved.
24
研究業績
• 国内学会 口頭発表 査読なし(1件)
〇赤坂 駿斗, 横山 想一郎, 山下 倫央, 川村 秀憲 : 複数プレイヤーの同時対戦
を考慮したイロレーティングの拡張, 第22回データ指向構成マイニングとシ
ミュレーション研究会, 2, 神奈川県(2022-11), オンライン
• 発表予定(1件)
(国内学会 口頭発表 査読なし)
〇赤坂 駿斗, 横山 想一郎, 山下 倫央, 川村 秀憲 : 多人数同時対戦に対応した
拡張イロレーティングシステムを用いた競輪予想記事生成, 社会システムと情
報技術研究ウィーク2022(WSSIT), 北海道(2022-03), オンライン

More Related Content

What's hot

【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
Masashi Komori
 
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
 
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
Daichi Kitamura
 
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
Hiroshi Shimizu
 
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
ARISE analytics
 
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
takehikoihayashi
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布について
Hiroshi Shimizu
 
21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)
Toru Imai
 
金融情報における時系列分析
金融情報における時系列分析金融情報における時系列分析
金融情報における時系列分析
Fujio Toriumi
 
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
Deep Learning JP
 
劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章
Hakky St
 
GAN(と強化学習との関係)
GAN(と強化学習との関係)GAN(と強化学習との関係)
GAN(と強化学習との関係)
Masahiro Suzuki
 
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
daiki hojo
 
学習時に使ってはいないデータの混入「リーケージを避ける」
学習時に使ってはいないデータの混入「リーケージを避ける」学習時に使ってはいないデータの混入「リーケージを避ける」
学習時に使ってはいないデータの混入「リーケージを避ける」
西岡 賢一郎
 
深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究
harmonylab
 
学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版
Masahito Ohue
 
「世界モデル」と関連研究について
「世界モデル」と関連研究について「世界モデル」と関連研究について
「世界モデル」と関連研究について
Masahiro Suzuki
 
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
Classi.corp
 
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
 
最近強化学習の良記事がたくさん出てきたので勉強しながらまとめた
最近強化学習の良記事がたくさん出てきたので勉強しながらまとめた最近強化学習の良記事がたくさん出てきたので勉強しながらまとめた
最近強化学習の良記事がたくさん出てきたので勉強しながらまとめた
Katsuya Ito
 

What's hot (20)

【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
【読書会資料】『StanとRでベイズ統計モデリング』Chapter12:時間や空間を扱うモデル
 
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
 
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
音響メディア信号処理における独立成分分析の発展と応用, History of independent component analysis for sou...
 
Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説Cmdstanr入門とreduce_sum()解説
Cmdstanr入門とreduce_sum()解説
 
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
【論文読み会】Deep Clustering for Unsupervised Learning of Visual Features
 
『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会『バックドア基準の入門』@統数研研究集会
『バックドア基準の入門』@統数研研究集会
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布について
 
21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)
 
金融情報における時系列分析
金融情報における時系列分析金融情報における時系列分析
金融情報における時系列分析
 
[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models[DL輪読会]Flow-based Deep Generative Models
[DL輪読会]Flow-based Deep Generative Models
 
劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章劣モジュラ最適化と機械学習1章
劣モジュラ最適化と機械学習1章
 
GAN(と強化学習との関係)
GAN(と強化学習との関係)GAN(と強化学習との関係)
GAN(と強化学習との関係)
 
これからの仮説検証・モデル評価
これからの仮説検証・モデル評価これからの仮説検証・モデル評価
これからの仮説検証・モデル評価
 
学習時に使ってはいないデータの混入「リーケージを避ける」
学習時に使ってはいないデータの混入「リーケージを避ける」学習時に使ってはいないデータの混入「リーケージを避ける」
学習時に使ってはいないデータの混入「リーケージを避ける」
 
深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究深層強化学習による自動運転車両の経路探索に関する研究
深層強化学習による自動運転車両の経路探索に関する研究
 
学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版
 
「世界モデル」と関連研究について
「世界モデル」と関連研究について「世界モデル」と関連研究について
「世界モデル」と関連研究について
 
pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話pymcとpystanでベイズ推定してみた話
pymcとpystanでベイズ推定してみた話
 
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
 
最近強化学習の良記事がたくさん出てきたので勉強しながらまとめた
最近強化学習の良記事がたくさん出てきたので勉強しながらまとめた最近強化学習の良記事がたくさん出てきたので勉強しながらまとめた
最近強化学習の良記事がたくさん出てきたので勉強しながらまとめた
 

Similar to 競輪におけるレーティングシステムを用いた予想記事生成に関する研究

Efficient Deep Reinforcement Learning with Imitative Expert Priors for Autono...
Efficient Deep Reinforcement Learning with Imitative Expert Priors for Autono...Efficient Deep Reinforcement Learning with Imitative Expert Priors for Autono...
Efficient Deep Reinforcement Learning with Imitative Expert Priors for Autono...
harmonylab
 
Outracing champion Gran Turismo drivers with deep reinforcement learning
Outracing champion Gran Turismo drivers with deep reinforcement learningOutracing champion Gran Turismo drivers with deep reinforcement learning
Outracing champion Gran Turismo drivers with deep reinforcement learning
harmonylab
 
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
harmonylab
 
深層自己回帰モデルを用いた俳句の生成と評価に関する研究
深層自己回帰モデルを用いた俳句の生成と評価に関する研究深層自己回帰モデルを用いた俳句の生成と評価に関する研究
深層自己回帰モデルを用いた俳句の生成と評価に関する研究
harmonylab
 
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
harmonylab
 
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
harmonylab
 
灯油タンク内の液面高計測を用いた 灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた 灯油残量推定システムに関する研究
harmonylab
 
修士論文
修士論文修士論文
修士論文
harmonylab
 
RAPiD
RAPiDRAPiD
RAPiD
harmonylab
 
A Study on Estimation of Household Kerosene Consumption for Optimization of D...
A Study on Estimation of Household Kerosene Consumption for Optimization of D...A Study on Estimation of Household Kerosene Consumption for Optimization of D...
A Study on Estimation of Household Kerosene Consumption for Optimization of D...
harmonylab
 
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
harmonylab
 
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
harmonylab
 
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
harmonylab
 
Calorie Estimation in a Real-World Recipe Service
Calorie Estimation in a Real-World Recipe ServiceCalorie Estimation in a Real-World Recipe Service
Calorie Estimation in a Real-World Recipe Service
harmonylab
 
Feature Erasing and Diffusion Network for Occluded Person Re-Identification
Feature Erasing and Diffusion Network for Occluded Person Re-IdentificationFeature Erasing and Diffusion Network for Occluded Person Re-Identification
Feature Erasing and Diffusion Network for Occluded Person Re-Identification
harmonylab
 
交差点の交通流におけるシミュレーション環境 を用いた深層強化学習に関する研究
 交差点の交通流におけるシミュレーション環境   を用いた深層強化学習に関する研究 交差点の交通流におけるシミュレーション環境   を用いた深層強化学習に関する研究
交差点の交通流におけるシミュレーション環境 を用いた深層強化学習に関する研究
harmonylab
 
RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例
MicroAd, Inc.(Engineer)
 
Semi-Supervised Neural Architecture Search
Semi-Supervised Neural Architecture SearchSemi-Supervised Neural Architecture Search
Semi-Supervised Neural Architecture Search
harmonylab
 
MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for VisionMLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for Vision
harmonylab
 
形態素解析を用いた帝国議会議事速記録の変遷に関する研究
形態素解析を用いた帝国議会議事速記録の変遷に関する研究形態素解析を用いた帝国議会議事速記録の変遷に関する研究
形態素解析を用いた帝国議会議事速記録の変遷に関する研究
harmonylab
 

Similar to 競輪におけるレーティングシステムを用いた予想記事生成に関する研究 (20)

Efficient Deep Reinforcement Learning with Imitative Expert Priors for Autono...
Efficient Deep Reinforcement Learning with Imitative Expert Priors for Autono...Efficient Deep Reinforcement Learning with Imitative Expert Priors for Autono...
Efficient Deep Reinforcement Learning with Imitative Expert Priors for Autono...
 
Outracing champion Gran Turismo drivers with deep reinforcement learning
Outracing champion Gran Turismo drivers with deep reinforcement learningOutracing champion Gran Turismo drivers with deep reinforcement learning
Outracing champion Gran Turismo drivers with deep reinforcement learning
 
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
ECサイトにおける商品紹介文の作成支援システムの開発と評価に関する研究
 
深層自己回帰モデルを用いた俳句の生成と評価に関する研究
深層自己回帰モデルを用いた俳句の生成と評価に関する研究深層自己回帰モデルを用いた俳句の生成と評価に関する研究
深層自己回帰モデルを用いた俳句の生成と評価に関する研究
 
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
SegFormer: Simple and Efficient Design for Semantic Segmentation with Transfo...
 
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
マルチエージェント深層強化学習による自動運転車両の追越行動の獲得に関する研究
 
灯油タンク内の液面高計測を用いた 灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究灯油タンク内の液面高計測を用いた灯油残量推定システムに関する研究
灯油タンク内の液面高計測を用いた 灯油残量推定システムに関する研究
 
修士論文
修士論文修士論文
修士論文
 
RAPiD
RAPiDRAPiD
RAPiD
 
A Study on Estimation of Household Kerosene Consumption for Optimization of D...
A Study on Estimation of Household Kerosene Consumption for Optimization of D...A Study on Estimation of Household Kerosene Consumption for Optimization of D...
A Study on Estimation of Household Kerosene Consumption for Optimization of D...
 
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究深層強化学習による自動運転車両の追い越し行動の実現に関する研究
深層強化学習による自動運転車両の追い越し行動の実現に関する研究
 
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
【卒業論文】B2Bオークションにおけるユーザ別 入札行動予測に関する研究
 
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
DLゼミ:Primitive Generation and Semantic-related Alignment for Universal Zero-S...
 
Calorie Estimation in a Real-World Recipe Service
Calorie Estimation in a Real-World Recipe ServiceCalorie Estimation in a Real-World Recipe Service
Calorie Estimation in a Real-World Recipe Service
 
Feature Erasing and Diffusion Network for Occluded Person Re-Identification
Feature Erasing and Diffusion Network for Occluded Person Re-IdentificationFeature Erasing and Diffusion Network for Occluded Person Re-Identification
Feature Erasing and Diffusion Network for Occluded Person Re-Identification
 
交差点の交通流におけるシミュレーション環境 を用いた深層強化学習に関する研究
 交差点の交通流におけるシミュレーション環境   を用いた深層強化学習に関する研究 交差点の交通流におけるシミュレーション環境   を用いた深層強化学習に関する研究
交差点の交通流におけるシミュレーション環境 を用いた深層強化学習に関する研究
 
RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例
 
Semi-Supervised Neural Architecture Search
Semi-Supervised Neural Architecture SearchSemi-Supervised Neural Architecture Search
Semi-Supervised Neural Architecture Search
 
MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for VisionMLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for Vision
 
形態素解析を用いた帝国議会議事速記録の変遷に関する研究
形態素解析を用いた帝国議会議事速記録の変遷に関する研究形態素解析を用いた帝国議会議事速記録の変遷に関する研究
形態素解析を用いた帝国議会議事速記録の変遷に関する研究
 

More from harmonylab

From Pretraining Data to Language Models to Downstream Tasks: Tracking the Tr...
From Pretraining Data to Language Models to Downstream Tasks:Tracking the Tr...From Pretraining Data to Language Models to Downstream Tasks:Tracking the Tr...
From Pretraining Data to Language Models to Downstream Tasks: Tracking the Tr...
harmonylab
 
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language ModelsGenerating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
harmonylab
 
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
harmonylab
 
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
harmonylab
 
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
harmonylab
 
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
harmonylab
 
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
harmonylab
 
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
harmonylab
 
DLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
DLゼミ: MobileOne: An Improved One millisecond Mobile BackboneDLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
DLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
harmonylab
 
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat ModelsDLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
harmonylab
 
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose EstimationDLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
harmonylab
 
Voyager: An Open-Ended Embodied Agent with Large Language Models
Voyager: An Open-Ended Embodied Agent with Large Language ModelsVoyager: An Open-Ended Embodied Agent with Large Language Models
Voyager: An Open-Ended Embodied Agent with Large Language Models
harmonylab
 
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose EstimationDLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
harmonylab
 
ReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language ModelsReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language Models
harmonylab
 
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
harmonylab
 
A Study on Generation of Deformed Route Maps using Octilinear Grid
A Study on Generation of Deformed Route Maps using Octilinear GridA Study on Generation of Deformed Route Maps using Octilinear Grid
A Study on Generation of Deformed Route Maps using Octilinear Grid
harmonylab
 
A Study on the Generation of Clothing Captions Highlighting the Differences b...
A Study on the Generation of Clothing Captions Highlighting the Differences b...A Study on the Generation of Clothing Captions Highlighting the Differences b...
A Study on the Generation of Clothing Captions Highlighting the Differences b...
harmonylab
 
A Study on Clothing Recommendation Information Presentation System Based on C...
A Study on Clothing Recommendation Information Presentation System Based on C...A Study on Clothing Recommendation Information Presentation System Based on C...
A Study on Clothing Recommendation Information Presentation System Based on C...
harmonylab
 
深層学習を用いたバス乗客画像の属性推定 に関する研究
深層学習を用いたバス乗客画像の属性推定 に関する研究深層学習を用いたバス乗客画像の属性推定 に関する研究
深層学習を用いたバス乗客画像の属性推定 に関する研究
harmonylab
 
Emotionally Intelligent Fashion Design Using CNN and GAN
Emotionally Intelligent Fashion Design Using CNN and GANEmotionally Intelligent Fashion Design Using CNN and GAN
Emotionally Intelligent Fashion Design Using CNN and GAN
harmonylab
 

More from harmonylab (20)

From Pretraining Data to Language Models to Downstream Tasks: Tracking the Tr...
From Pretraining Data to Language Models to Downstream Tasks:Tracking the Tr...From Pretraining Data to Language Models to Downstream Tasks:Tracking the Tr...
From Pretraining Data to Language Models to Downstream Tasks: Tracking the Tr...
 
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language ModelsGenerating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
 
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matching
 
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
【修士論文】代替出勤者の選定業務における依頼順決定方法に関する研究   千坂知也
 
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
【修士論文】経路探索のための媒介中心性に基づく道路ネットワーク階層化手法に関する研究
 
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
A Study on Decision Support System for Snow Removal Dispatch using Road Surfa...
 
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
【卒業論文】印象タグを用いた衣服画像生成システムに関する研究
 
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
【卒業論文】大規模言語モデルを用いたマニュアル文章修正手法に関する研究
 
DLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
DLゼミ: MobileOne: An Improved One millisecond Mobile BackboneDLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
DLゼミ: MobileOne: An Improved One millisecond Mobile Backbone
 
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat ModelsDLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
DLゼミ: Llama 2: Open Foundation and Fine-Tuned Chat Models
 
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose EstimationDLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
DLゼミ: ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
 
Voyager: An Open-Ended Embodied Agent with Large Language Models
Voyager: An Open-Ended Embodied Agent with Large Language ModelsVoyager: An Open-Ended Embodied Agent with Large Language Models
Voyager: An Open-Ended Embodied Agent with Large Language Models
 
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose EstimationDLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
DLゼミ: Ego-Body Pose Estimation via Ego-Head Pose Estimation
 
ReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language ModelsReAct: Synergizing Reasoning and Acting in Language Models
ReAct: Synergizing Reasoning and Acting in Language Models
 
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
【卒業論文】深層生成モデルを用いたユーザ意図に基づく衣服画像の生成に関する研究
 
A Study on Generation of Deformed Route Maps using Octilinear Grid
A Study on Generation of Deformed Route Maps using Octilinear GridA Study on Generation of Deformed Route Maps using Octilinear Grid
A Study on Generation of Deformed Route Maps using Octilinear Grid
 
A Study on the Generation of Clothing Captions Highlighting the Differences b...
A Study on the Generation of Clothing Captions Highlighting the Differences b...A Study on the Generation of Clothing Captions Highlighting the Differences b...
A Study on the Generation of Clothing Captions Highlighting the Differences b...
 
A Study on Clothing Recommendation Information Presentation System Based on C...
A Study on Clothing Recommendation Information Presentation System Based on C...A Study on Clothing Recommendation Information Presentation System Based on C...
A Study on Clothing Recommendation Information Presentation System Based on C...
 
深層学習を用いたバス乗客画像の属性推定 に関する研究
深層学習を用いたバス乗客画像の属性推定 に関する研究深層学習を用いたバス乗客画像の属性推定 に関する研究
深層学習を用いたバス乗客画像の属性推定 に関する研究
 
Emotionally Intelligent Fashion Design Using CNN and GAN
Emotionally Intelligent Fashion Design Using CNN and GANEmotionally Intelligent Fashion Design Using CNN and GAN
Emotionally Intelligent Fashion Design Using CNN and GAN
 

Recently uploaded

第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
Takuya Minagawa
 
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit IntroductionMatsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo Lab
 
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
iPride Co., Ltd.
 
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
Toru Tamaki
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo Lab
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
Sony - Neural Network Libraries
 
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ..."ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
たけおか しょうぞう
 
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツールMOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
TsuyoshiSaito7
 
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
TsuyoshiSaito7
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
Takayuki Nakayama
 
Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)
Natsutani Minoru
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
shogotaguchi
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo Lab
 
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
Hironori Washizaki
 

Recently uploaded (14)

第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
第61回CV勉強会「CVPR2024読み会」(前編)発表資料:State Space Models for Event Cameras
 
Matsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit IntroductionMatsuo-Iwasawa Lab. | Research unit Introduction
Matsuo-Iwasawa Lab. | Research unit Introduction
 
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
MySQLの文字コードと照合順序について 2024/07/05の勉強会で発表されたものです。
 
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
論文紹介:Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part ...
 
Matsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit IntroductionMatsuo-Iwasawa lab. Research Unit Introduction
Matsuo-Iwasawa lab. Research Unit Introduction
 
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
【AI論文解説】LLMの事前学習をvisionに適用する手法Autoregressive Image Models
 
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ..."ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
"ros2rapper", Hardware implimentation of ROS2 communication Protocol without ...
 
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツールMOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
MOSHI: 革新的な音声AI QAIが開発した次世代のコミュニケーションツール
 
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
【GPT4-o越えのリアルタイム会話AI】kyutai labsのMoshiデモ動画を解説
 
Kyndryl Developer Services のご紹介 2024年7月
Kyndryl Developer Services のご紹介  2024年7月Kyndryl Developer Services のご紹介  2024年7月
Kyndryl Developer Services のご紹介 2024年7月
 
Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)Imitation learning for robotics 勉強会資料(20240701)
Imitation learning for robotics 勉強会資料(20240701)
 
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
「福利厚生をコストから投資へ」AIで社員1人ひとりに最適な支援を届ける 全く新しいカフェテリアプラン
 
Matsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit IntroductionMatsuo-Iwasawa Lab. Research unit Introduction
Matsuo-Iwasawa Lab. Research unit Introduction
 
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
「スマートエスイー」におけるスマートシステム&サービスおよびDX推進人材の産学連携育成ならびに参照モデルに基づく育成プログラム分析
 

競輪におけるレーティングシステムを用いた予想記事生成に関する研究

  • 1. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 競輪におけるレーティングシステムを用いた 予想記事生成に関する研究 北海道大学 大学院情報科学院 情報理工学部門 複合情報工学分野 調和系工学研究室 修士2年 赤坂 駿斗
  • 2. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 2 研究背景 • 人間は生活の中で様々な意思決定を行っている – その意思決定を支援する技術の需要は高い[1] • 意思決定に関わる情報を分かりやすい情報に変換・提示する ことが必要 – 満足な意思決定のため [1]福島俊一: 複雑社会における意思決定・合意形成支援の技術開発動向, 人工知能, Vol.34, No.2, pp.131–138, 2019 画像引用 「前橋競輪4R 2018年10月18日 最終日」. Chariloto.com. Accessed January 24, 2023. https://www.chariloto.com/keirin/athletes/2018-10- 08/22/4 • スポーツ結果予測における意思決定に 関わる情報 – プレイヤー(選手)の強さ • 過去の試合結果を網羅する必要が あり困難 • 勝率や順位は対戦相手の情報が 含まれず不十分 • 本研究では対象を競輪とする – 投票券の購買という要素により 情報提示に需要 – 出走表から過去成績の把握が困難 競輪予想において「選手の強さ」は重要な情報
  • 3. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. • 競輪予想における意思決定を支援する予想記事 として選手の過去成績を説明する文章の自動生成 – 手法 • 競輪の特性を反映したイロレーティングの拡張 • レーティングを活用したテンプレート文による 文章生成・提示 – 対象 • 競輪予想における初心者 – 過去成績の把握が困難 3 研究目的 選手紹介文生成 テンプレート選択 提示 レース結果 レーティング計算 過去 対象レース レーティング取得
  • 4. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 4 関連研究 • スポーツの結果予測に関する研究 – 競輪[2]、競馬[3]の結果を予測する研究 • 複数人のレーティングシステムに関する研究 – TrueSkill[4] • コンピュータゲームの平等なマッチング – 大貧民におけるレーティング手法の検討[5] • 大貧民AIの強さ推定 • 文章の自動生成に関する研究 – テンプレート文を用いた研究 • 競輪における機械学習による予想の記事自動生成[6] [2] 吉田拓海, 横山想一郎, 山下倫央, 川村秀憲: 競輪における予想記事生成のためのレース結果予測,情報処理学会論文誌 D, Vol.60, No.10, pp.1641–1652, 2019 [3] Edelman, D.: Adapting support vector machine methods for horserace odds prediction, Annals of Operations Research, Vol. 151, No. 1, pp.325, 2006 [4] Herbrich, R., Minka, T. and Graepel, T.: TrueSkill™: A Bayesian Skill Rating System, Advances in Neural Information Processing Systems 20, pp. 569–576, 2007 [5] 五ヶ谷純平, 大久保誠也, 若月光夫, 西野哲朗: コンピュータ大貧民におけるレーティング手法について. 研究報告ゲーム情報学 (GI), No.16, pp.1-8, 2020 [6] 吉田拓海, 横山想一郎, 山下倫央, 川村秀憲: 競輪 における予想記事の自動生成システムの開発, 電子情報通信学会論文誌 D, Vol. 105, No.1, pp. 60–74, 2022 従来研究との違い • 過去の時点や対象レース外の選手との比較が可能 • 競輪におけるレーティング生成と情報提示手法を評価
  • 5. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 5 本研究で支援するユーザ • 競輪における投票券(車券)購入 – 競輪では3着までが車券圏内としてその順位を予想 – 二車単・三連単等の的中確率・配当金の大小に特徴がある賭式 • 車券の買い方 – 組合せの総数が多い賭式を購入点数1点で当てるのは困難 • (二車単:72通り 三連単:504通り) • 複数の車券を効率的に購入 – 上位になりそうな選手を予想する必要がある • 車券で儲けを出す上で現実的な購入点数に抑える • 本研究で支援するユーザ – 的中・儲けを求め選手の順序付けをする • 特に初心者は選手の過去成績把握が困難 本研究で支援する対象: • 車券による的中・儲けを求める • 予想に際して選手の順序付けが困難 上記の条件を満たすユーザ(初心者)を支援 →選手の強さを表す指標が必要 購入方法 購入例 流し 軸とする車番を決めて複数の組み合わせを購入 「1-2」、「1-3」、「1-4」… ボックス 選択した車番について全組合せを購入 「1, 2, 3, 4」 購入点数12点 二車単の購入例
  • 6. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 6 競輪予想の既存指標・研究 • 既存指標 – 競走得点 • 競輪特有の指標 • 出場したレースの格付け・着順によって決まる • 対戦相手の強さを部分的に反映 • ランク付けを行うレーティングの一種 – 勝率(2連対率・3連対率) • 過去の対戦相手を考慮した値ではないため選手同士を比較する 情報として不十分 • 既存研究 – 機械学習等による結果予測 • 対象レースにおける選手の1着確率のような相対的な比較が可能 • 過去の時点との比較や対象レース外での比較が不可能 選手の強さを表す指標作成において競走得点と比較可能 選手の強さを把握する上で既存指標・研究による情報提示は不十分
  • 7. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 7 イロレーティング • 試合結果によってプレイヤーの強さを推定する イロレーティング[7] – 将棋[8]・チェス[9]等の2人対戦の競技に広く用いられる – 勝率を統計的に求めることから、レーティングを計算 • 対戦相手の強さを考慮した値が計算可能 – 平均的な強さのプレイヤーと対戦したときの勝利確率を推定 • 繰り返し更新を行うことで真の勝利確率を示す [7] Elo, A. E.: The Rating of Chess players, Past and Present, Ishi Press International, 1978 [8] FIDE Online. FIDE Top players - Standard Top 100 Players November 2022, Accessed November 16, 2022 [9] 将棋連盟 棋士別成績一覧(レーティング), Accessed November 16, 2022 Wij :プレイヤーiがjに勝つ確率 Ri:プレイヤーiのレーティング K:更新定数 基本的な勝率計算式と更新式 本研究では、競輪選手の強さを表すために拡張
  • 8. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 8 イロレーティングの競輪適用に必要な拡張 • 競輪にイロレーティングを適用するうえで競技特性 と想定するユーザを考慮した拡張の必要がある • 競輪の競技特性 – 複数人同時対戦 • 競輪は最大9人で行われる複数人同時対戦競技 • 2者間の勝率を求めることによるイロレーティングをそのまま使う ことができない – トーナメント式 • 競輪は1開催が3日~6日に渡り行われ、「初日の上位3名が2日目の レースで準決勝に進む」のようなトーナメント式が採用されている • 下位同士の順位に実力差が表れにくい 本研究では複数人同時対戦競技における各試合の上位選手 を推定するレーティングを計算
  • 9. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 9 複数人の同時対戦を考慮した拡張 更新式 • 手法1 1対1比較による更新 – プレイヤーそれぞれとの勝敗判定による更新 – プレイヤー1人に対してN-1回の更新が行われる (N:1レースにおける選手の総数) 1位 2位 ・・・ R: 1,700 R: 1,800 更新例 3位 R: 1,600 4位 R: 1,900 Wij :プレイヤーiがjに勝つ確率 Ri:プレイヤーiのレーティング K:更新定数 placei:プレイヤーiの順位
  • 10. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 10 複数人の同時対戦を考慮した拡張 • 手法2 1対平均比較による更新 – 自分からみて上位・下位それぞれの平均レーティングに 対して勝敗したとして更新 – 順位を考慮した更新量の調整を加える 1位 4位 2位 3位 ・・・ 𝑅𝑙𝑜𝑠𝑒 𝑅𝑤𝑖𝑛 更新例 Wwi :プレイヤーiに対する下位の平均 レーティング勝率 Ri:プレイヤーiのレーティング K:更新定数 placei:プレイヤーiの順位 N:1レースにおける選手の総数 更新式
  • 11. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 11 開催形式(トーナメント式)を考慮した拡張 • 下位変動量固定 – 競輪は開催形式がトーナメント式になっていて上位が決勝 に進むという特徴を踏まえて、「下位同士の順位に選手の 強さが表れにくい」という仮定を立て更新式を拡張する – 上位の変動量合計の負数をレーティングによって分配 – 下位を定める定数Lはパラメータとして探索 更新例 更新式(下位) ・・・ L-2位 L-3位 L-1位 1~L位 +50 -50 R:1500(-10) R:1400(-8) R:1600(-12) Ri:プレイヤーiのレーティング Rhigh:上位のレーティング変動量合計 RL:下位のレーティング合計 placei:プレイヤーiの順位 L:下位を定める定数
  • 12. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 12 実験概要 • 実験目的 – 各手法によって生成したレーティングが選手の強さを的確に 表しているか確認 • 実験手法 – 1着予測のTop K accuracyによる比較 • 推定確率・順位の上位K番目までに正解が含まれているか否か • 使用データ – 競輪データ 比較対象 説明 競走得点 競輪における選手の格付け指標 レースの格と順位で計算される 1着率 選手の強さを表す既存指標 機械学習モデル 競輪の結果を予測する先行研究[6] TrueSkill 複数人を考慮したレーティング生成の先行研究[4] 範囲 2008年4月1日~2019年5月31日 レース数 295,421レース 選手の総数 4,398人 レーティング初期値 1,500 レーティング計算 範囲 2018年6月1日~2019年5月31日 レース数 19,758レース 選手の総数 2,246人 予測精度による性能比較 [4] Herbrich, R., Minka, T. and Graepel, T.: TrueSkill™: A Bayesian Skill Rating System, Advances in Neural Information Processing Systems 20, pp. 569–576, 2007 [6] 吉田拓海, 横山想一郎, 山下倫央, 川村秀憲: 競輪 における予想記事の自動生成システムの開発, 電子情報通信学会論文誌 D, Vol. 105, No.1, pp. 60–74,
  • 13. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 13 結果 • 1着予測のTop K accuracy – 既存指標より高い予測精度を示す – 下位の変動量を固定する拡張により精度の向上を確認 – 機械学習より低い予測精度を示す 1着予測 @1[%] 1着予測 @3[%] 1対1比較更新 (イロレーティング) ベース 39.3 72.7 下位変動量固定 41.0 74.5 1対平均比較更新 (イロレーティング) ベース 39.6 72.8 下位変動量固定 41.3 75.0 既存の予想指標 競走得点 36.4 70.5 1着率 36.5 67.8 機械学習(先行研究) Transformer 45.7 79.7 レーティングシステム (先行研究) TrueSkill 38.9 72.1
  • 14. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 14 生成したレーティングの分析 • 目的 – 拡張・生成したレーティングがイロレーティングの性質を 保つか確認 • 二者間の推定勝利確率 – 推定される二者間の勝利確率が実際の結果に従うか検証 • 選手のレーティング更新例 – 選手の特徴的な成績に対し、生成したレーティングの推移を確認
  • 15. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 15 生成したレーティングの分析 • レーティングから算出される二者間の推定勝利確率 – 1対平均更新モデル、下位変動量固定(L=3) – 横軸:二者間の推定勝利確率、縦軸:実際の勝利確率 – y=xに近いほど二者間の勝率推定が高精度 二者間の推定勝利確率は1対平均更新のベースモデルの精度が高い
  • 16. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 昇級(A1→S2) 16 生成したレーティングの分析 • 選手のレーティング更新例 – 1対平均更新モデル、下位変動量固定(L=3) – 対戦相手はA級とS級で別 降級(S2→A1) 昇級(A1→S2) デビュー9連勝 20戦の3着内率95% 昇級後にレーティングの上昇を確認 S級選手の平均 レーティング
  • 17. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 17 予想記事の生成 • レーティングを活用した予想記事(選手紹介文)の生成 – 過去成績の把握を支援 – ユーザはレーティングの詳細を知らないため文章等の情報提示が必要 • 過去成績の把握を支援するために説明する内容 – 出走選手同士の比較 – 選手個人について過去と比較 – レースレベルについて過去と比較 直近4ヶ月のレーティングの変動例 レーティングから過去成績を説明するテンプレートを作成
  • 18. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 18 テンプレートの設定・文章生成例 • 現在のレーティングとレース内順位 – 対象レースにおける選手の序列を説明 • 長期(直近4か月) – 選手の強さの長期的なトレンドを説明 – 競走得点や1着率等の他指標と同期間 • 短期(直近5レース) – 直近の対戦履歴について説明 – レーティングが最も大きく変動したレースを抽出 • 強さに差のある対戦相手に対する成績を説明 • 前走比較 – 1レースにおける出走者の平均レーティングを レースレーティングとして前走と比較 文章生成例
  • 19. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 19 生成文のアンケート評価 • 目的 – 過去成績の把握を支援する情報提示としての有効性の確認 – 納得のいく意思決定を支援する情報提示としての有効性の確認 – 文章による情報提示の質を確認 • アンケート概要 – 競輪初心者13名を対象としたアンケートを実施 • 車券購入の機会が数回程度までと答えた人 – 対象者に3つのレースの勝者を予想してもらう – 情報提示手法を3つ用意 • 出走表 • 出走表+機械学習による結果予想の記事(先行研究) • 出走表+選手紹介文+上位3名のレーティング推移グラフ(提案手法) – 各レースと各情報提示手法を組合わせた6パターン作成 • 配布は1人1パターン
  • 20. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 20 提示した情報例 • 手法1 – 出走表のみ • 手法2 – 出走表+予想記事(先行研究) 画像引用 「前橋競輪4R 2018年10月18日 最終日」. Chariloto.com. Accessed January 24, 2023. https://www.chariloto.com/keirin/athletes/2018-10-08/22/4
  • 21. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 21 情報提示手法 • 手法3 – 出走表+選手紹介文+レーティンググラフ – 選手紹介文は全員分提示 直近4ヶ月のレーティング変動
  • 22. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 22 評価 • アンケート設問 – 選手の強さを把握できたと思うか (全体・上位の順序付け、選手個人の成績推移 の把握が可能か) • 過去成績の把握を支援する情報提示としての有 効性 – 予想に自信があるか • 納得のいく意思決定を支援する情報提示として の有効性 – 文章の提示により煩わしさを感じたか • 文章による情報提示の質を確認 • 点数が低い方が高評価 評価点数 基準 5 非常にそう思う 4 そう思う 3 どちらかと言えばそう思う 2 どちらかと言えばそう思わない 1 そう思わない 5段階評価基準 パターン 情報提示 選手の強さを 把握できたか 予想に自信 があるか 文章提示が 煩わしいか 出走表 + 選手紹介文 + グラフ 選手紹介文 4.38 3.92 2.15 グラフ 4.31 (3.92) - 出走表のみ 出走表 3.46 3.23 - 出走表 + 予想記事 予想記事 (先行研究) 3.64 3.62 1.54 • 「選手の強さを把握できたか」、 「予想に自信があるか」において 選手紹介文の評価が高い • 「文章提示が煩わしいか」は選手紹介 文の評価が低い – 上位選手のみのグラフが選手紹介文と 同等の評価 選手紹介文は初心者の予想支援に有効 グラフによる提示がユーザ志向による 提示手法の1つとして有効 各情報提示手法ごとの5段階評価の平均
  • 23. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 23 まとめ・今後の展望 • まとめ – 競輪における選手の強さを説明する記事の自動生成 – 選手の強さをレーティングで表現した • 競走得点を超える1着予測精度 – レーティングを活用した選手説明文の生成 • 初心者の予想支援に有用 • 今後の展望 – 支援対象の拡大 • 対象ユーザの特徴を考慮した情報提示 – 競輪以外の競技に応用 • 同様な条件を持つ競馬・オートレース・競艇
  • 24. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. Copyright © 2020 調和系工学研究室 - 北海道大学 大学院情報科学研究院 情報理工学部門 複合情報工学分野 – All rights reserved. 24 研究業績 • 国内学会 口頭発表 査読なし(1件) 〇赤坂 駿斗, 横山 想一郎, 山下 倫央, 川村 秀憲 : 複数プレイヤーの同時対戦 を考慮したイロレーティングの拡張, 第22回データ指向構成マイニングとシ ミュレーション研究会, 2, 神奈川県(2022-11), オンライン • 発表予定(1件) (国内学会 口頭発表 査読なし) 〇赤坂 駿斗, 横山 想一郎, 山下 倫央, 川村 秀憲 : 多人数同時対戦に対応した 拡張イロレーティングシステムを用いた競輪予想記事生成, 社会システムと情 報技術研究ウィーク2022(WSSIT), 北海道(2022-03), オンライン

Editor's Notes

  1. 背景ですが
  2. 以上の背景から目的を競輪予想における意思決定を支援する予想記事として 選手の過去成績を説明する文章の自動生成とし、 競輪の特性を反映したイロレーティングの拡張と レーティングを活用したテンプレート文による文章生成・提示に取り組みます 対象はより過去成績の把握が困難であると考えられる競輪予想における初心者に設定します
  3. 本研究の関連研究は以下の通りです. 従来研究との違いとしては、スポーツの結果予測に広く用いられる機械学習等から与えられる1着確率ではできない過去の時点や対象レース外の選手との比較が可能 競輪におけるレーティング生成と情報提示手法を評価したという点が挙げられます.
  4. 次に本研究で支援するユーザについて説明します 競輪ではユーザが上位3人の順位を予想し車券を購入します 組合わせの総数が多い賭式を購入点数1点で当てるのは困難であり、複数の車券を効率的に購入する手法があります 例としては流し・ボックスといった購入方法です。 ですが車券で儲けを出す上で現実的な購入点数に抑える必要があり、そのために上位になりそうな選手を予想する必要があります そこで本研究で支援するユーザ設定として的中・儲けを求め選手の順序付けをするようなユーザを対象とします。特に初心者は選手の過去成績の把握が困難であると想定されるため支援として選手の強さを表す指標が必要です
  5. 次に競輪予想における選手の強さを表す既存指標を示します まず競輪には競走得点があります 出場したレースの格付け・着順によって決まり,ランク付けを行うレーティングの一種として選手の強さを表します。 これは競輪特有の指標で他の競技にはないため選手の強さを表す指標作成において比較可能であることから競輪は研究対象として有用です また、勝率等の統計情報は過去の対戦相手を考慮した値ではないため選手同士を比較する 情報として不十分といえます また、機械学習等による結果予測は対象レースにおける選手の1着確率のような相対的な比較が可能ですが ある選手における過去の地点との比較や対象レース外の選手との比較が不可能 以上から選手
  6. そこで選手の強さを試合結果から表現する手法の1つとしてイロレーティングがあります 将棋・チェス等の2人対戦の競技に広く用いられており、勝率を統計的に求めることからレーティングを計算しています。 イロレーティングは平均的な強さのプレイヤーと対戦したときの勝利確率を推定しており、繰り返し更新を行うことで真の勝利確率を示します
  7. 次にイロレーティングを競輪に適用するために必要な拡張について説明します 1つは競輪は最大9人で行われる複数人同時対戦競技であるということです。 また競輪は、1開催が
  8. まず複数人の同時対戦を考慮した拡張について2つの手法を説明いたします。 1つ目は1対1比較による更新です プレイヤーそれぞれとの勝敗判定による更新を行うこの手法では プレイヤー1人に対してN-1回の更新が行われます 例として2位の選手に注目すると1位の選手に対しては負け、3位以下の選手にはそれぞれ勝利しているとして 2者間の更新を繰り返します
  9. 2つ目の手法として1対平均比較による更新があります この手法では自分からみて上位・下位それぞれの平均レーティングに対して勝敗したとして更新します そのまま適用すると順位によるインセンティブが無くなるため順位を考慮した更新量の調整を加えます
  10. 次にトーナメント式という競輪の開催形式を考慮した拡張として下位の変動量を固定する手法を提案します こちらは上位の変動量合計の負数をレーティングによって分配し下位を定める定数Lはパラメータとして探索します
  11. 次に各手法によって生成したレーティングが選手の強さを的確に表しているか確認することを目的とした実験の説明をします 実験手法としては1着予測のTop K accuracyによる比較を行います Top K accuracyは推定確率・順位の上位K番目までに正解が含まれているか否かとして以下の比較対象と比較します
  12. 以下の表に結果を示します 結果からわかることとして既存指標よりも提案手法が高い予測精度を示していること。 下位の変動量を固定する拡張により精度の向上を確認したことが挙げられます。 また,機械学習モデルより低い予測精度を示しました。これは、機械学習モデルには勝敗以外の特徴量が入力されており,1着予測において有効性が高いことを示します.
  13. 次に拡張・生成
  14. まずレーティングから算出される2者間の推定確率を示します X軸は各手法で生成したレーティングから算出される推定確率でy軸は実際の結果から得られる勝利確率です。 Y=xのグラフに近づくほど高い精度であるといえるため、下位変動量固定による拡張を施す前のベースモデルの精度が高いことがわかります。 また、下位同士のみの推定確率と真値の関係をみると精度を落としていることから、下位変動量固定拡張がより上位の推定確率を正確に表していると考えられます
  15. 次に選手のレーティング更新例を示します この選手の更新例からわかることとして、デビュー後の連勝・3着内率の高さから初期レーティングから大きく上昇していることが分かります また,対戦相手が変わる昇級・降級地点を示していますが,昇級後にレーティングが上昇しています.これは対戦相手のレーティングの高さの違いによりレーティングがS級選手の平均値に近づいていることが考えられます。
  16. 次に作成したレーティングを活用した予想記事(選手紹介文)の生成を行います 過去成績の把握支援を目的としていますがユーザはレーティングの詳細を知らないため、理解のために文章等の情報提示が必要です
  17. 設定したテンプレートは以下の通りです。実際に生成された文章例で説明します。
  18. 次に生成した文章を評価したアンケート調査について説明します 目的は生成文が
  19. 実際に提示した情報は出走表のみのもの、出走表に先行研究の予想記事を加えたもの
  20. 3つ目に出走表に本研究で提案する選手紹介文とレーティンググラフを提示したものです
  21. アンケートの設問はそれぞれ目的に沿った設問としています。 選手の強さを把握できたと思うか 予想に自信があるか 文章の提示により煩わしさを感じたか の3問を設定しました 評価基準はこちらの5段階評価基準で点数をつけていただいています。 結果として各情報提示手法ごとの5段階評価の平均を以下の表に示します。 「選手の強さを把握できたか」、「予想に自信があるか」において選手紹介文の評価が高いことから、 初心者の予想支援に有用であることがわかりました また、「文章提示が煩わしいか」の設問は選手紹介文の評価が低いことと上位選手のみのグラフによる情報提示が 選手紹介文と同等の評価を得ていることから、 文章による提示が煩わしいと感じるユーザや上位選手の情報を知りたいユーザに対してグラフによる提示が有用と考えられます
  22. 本発表のまとめは以下の通りです・ 今後の展望としては支援対象の拡大と競輪以外の競技に応用することが挙げられます。
  23. 最後に研究業績は以下の通りです 発表は以上とさせていただきます。ご清聴いただきありがとうございました アンケートで聞いた勝者予想を分析しない理由は? 今回はアンケートにかかる時間の都合上1人3レースしか聞いておらず結果に有意な差が認められないと考えた 必要なサンプルサイズは? 従来研究ではこのような検証で差を示すのに被験者が数十から数百、タスク数も数十から数百程の実験規模で行われているため その程度の規模が十分であると想定されます 本研究では十分な規模には満たないが一部の被験者に示した結果のような傾向があるという位置づけです。 ・なんでtrueskill使わないの 情報提示の分かりやすさを求めてより広く使われているイロレーティングを使っています ・機械学習は? 情報提示の分かりやすさや納得できる値を求めるといったところで強さを表す値の計算の中身が見えない機械学習のようなものを避けました 適用できるスポーツは他にあるか? 陸上は選手同士の相互作用が薄いが適用できる チームスポーツの個人にはつけられない ビデオゲームのようなランダムでチームが組まれるものにも適用できる 提案した拡張イロレーティングは何を計算しているのか 上位選手の推定を目的としたプレイヤーの強さを表すスカラー量 レーティングのインフレ、デフレ 平均的な強さが初期レートである1500のはずだが、計算によってその平均が大きくずれてしまう現象 1レースにおける選手間のレーティング差が大きくなり勝率計算のスケールとずれる