特徴語との自動対応による ゲーム局面の検索

Slides:



Advertisements
Similar presentations
地図の重ね合わせに伴う 位相関係の矛盾訂正手法 萬上 裕 † 阿部光敏* 高倉弘喜 † 上林彌彦 ‡ 京都大学工学研究科 † 京都大学工学部 * 京都大学情報学研究科 ‡
Advertisements

電子書籍の検索機能の改善 木下研究室 201002713 鴫原 善寿. 背景 スマートフォンなどの携帯端末の普及と ともに電子書籍に注目が浴びた。中でも amazon の kindle など電子書籍の専用端末も 現れた。 電子書籍はデータなので本棚もいらず、 持ち運びも容易になるなど様々な恩恵を もたらした。
音声翻訳における機械翻訳・音声合成の 性能評価および分析 ☆橋本佳 ,山岸順一 , William Byrne , Simon King ,徳田恵一 名工大 University of Edinburgh Cambridge University
 C 川船 美帆.  強い人工知能の作成 o 「遺伝的アルゴリズム」  「どうぶつしょうぎ」のアプリケーショ ン作成 o スマートフォン向けアプリケーション.
OWL-Sを用いたWebアプリケーションの検査と生成
大規模コーパスから獲得した 名詞の出現パターンを用いた 事態名詞の項構造解析
顔表情クラスタリングによる 映像コンテンツへのタギング
3次元nクイーン問題の 解に関する研究 論理工学研究室 伊藤精一
北海道大学理学部地球科学科地球物理学 惑星物理学研究室 B4 加藤 学
最大エントロピーモデルに基づく形態素解析と辞書による影響
HOG特徴に基づく 単眼画像からの人体3次元姿勢推定
パネル型クエリ生成インタフェース画像検索システムの改良
小樽観光アンケートの分析について まず、基本情報について
日本大学文理学部 情報システム解析学科 山本広大
  個人投資家向け株式分析   と予測システム A1グループ  劉 チュン.
国内線で新千歳空港を利用している航空会社はどこですか?
Imagio カンタン文書登録V2 画面シミュレーション.
コンピュータ囲碁の仕組み ~ 将棋との違い ~
JavaによるCAI学習ソフトウェアの開発
実験 関数・記号付き文型パターンを用いた機械翻訳の試作と評価 石上真理子 水田理夫 徳久雅人 村上仁一 池原悟 (鳥取大) ◎評価方法1
4Y-4 印象に残りやすい日本語パスワードの合成法
コンピュータ将棋におけるカーネル法を用いた静的評価関数の学習
状況の制約を用いることにより認識誤りを改善 同時に野球実況中継の構造化
形態素解析および係り受け解析・主語を判別
自動車レビューにおける検索と分析 H208032 松岡 智也 H208060 中西 潤 H208082 松井泰介.
Semi-Supervised QA with Generative Domain-Adaptive Nets
アスペクト指向プログラミングを用いたIDSオフロード
IPv6アドレスによる RFIDシステム利用方式
平成22年6月15日 図書系職員のための アプリケーション開発講習会
線形フィルタと畳み込み積分 マスクによる画像のフィルタリング 1.入力画像中の関心の画素のまわりの画素値
オントロジーを使用した プログラム開発支援システムの提案
長岡技科大オープンハウス 岐阜高専4年電子制御工学科 森 永二郎.
計算機実験の計画 References 研究目的 囲碁・将棋での強化学習 高信頼性人工知能システムへの展望 大規模な強化学習技術の実証と応用
識別子の命名支援を目的とした動詞-目的語関係の辞書構築
確率的学習アルゴリズムを用いた有限状態オートマトンの抽出に関する研究
人工知能特論 9.パーセプトロン 北陸先端科学技術大学院大学 鶴岡 慶雅.
二重課題による ワーキングメモリの増減  情報システム工学科3年 038 田中 祐史.
環境リスクマネジメントに関する 検索システム
卒論の書き方: 参考文献について 2017年9月27日 小尻智子.
雑音環境下における 非負値行列因子分解を用いた声質変換
確率的学習アルゴリズムを用いた有限状態オートマトンの抽出に関する研究
音響伝達特性を用いた単一マイクロホンによる話者の頭部方向の推定
深層学習を用いた音声認識システム 工学部 電気電子工学科 白井研究室 T213069 林健吉.
4人版リバーシYoninの解析 情報論理研究室 藤本 侑花
生物統計学・第3回 全体を眺める(1) R、クラスタリング、ヒートマップ、各種手法
Data Clustering: A Review
Webコミュニティ概念を用いた Webマイニングについての研究 A study on Web Mining Based on Web Communities 清水 洋志.
物体検出による視覚補助システム T215085 若松大仁 白井研究室.
豊富な投影法 座標系をまず設定する必要があります。地球面から平面への投影法,縮尺などをまず選びます。
プロジェクト演習Ⅳ インタラクティブゲーム制作 プログラミング4
コンピュータにログイン 第1章 コンピュータにログイン 啓林館 情報A最新版 (p.6-13)
コーディングパターンの あいまい検索の提案と実装
JavaScriptを含んだHTML文書に対する データフロー解析を用いた構文検証手法の提案
データ構造とアルゴリズム (第5回) 静岡大学工学部 安藤和敏
ブースティングとキーワードフィルタリング によるシステム要求検出
構造的類似性を持つ半構造化文書における頻度分析
設計情報の再利用を目的とした UML図の自動推薦ツール
数値解析Ⅱ ~五目並べのプログラミング~ C班.
第28回世界コンピュータ将棋選手権アピール文章 作成:井本 康宏 作成日:2018/3/吉日
欠陥検出を目的とした類似コード検索法 吉田則裕,石尾隆,松下誠,井上克郎 大阪大学 大学院情報科学研究科
シソーラス情報を用いた童話文章登場人物の 感情情報読み取りシステム
Webページタイプによるクラスタ リングを用いた検索支援システム
エイリアス関係を考慮した Javaプログラム用静的スライシングツール
コンパイラ 2012年10月11日
識別子の読解を目的とした名詞辞書の作成方法の一試案
グラフ-ベクトル変換を用いたグラフ構造表現による一般物体認識
Normalized Web Distanceを用いた音声認識の誤り訂正法 301-4in
雑音環境下における Sparse Coding声質変換 3-P-49d
岩村雅一 知能情報工学演習I 第7回(後半第1回) 岩村雅一
Presentation transcript:

特徴語との自動対応による ゲーム局面の検索 DEIM 2016 特徴語との自動対応による ゲーム局面の検索 王 将 牛久 敦†, 森 信介††, 亀甲 博貴†††, 鶴岡 慶雅††† †  京都大学大学院 情報学研究科 †† 京都大学 学術情報メディアセンター †† † 東京大学大学院 工学系研究科 ----- 会議メモ (16/03/01 13:04) ----- 特徴語との自動対応によるゲーム局面の検索 京都大学 牛久 します 今日はよろしくお願いします

研究概要 非言語データ増加と共に、検索の需要は高まっている中で、自然言語での検索を提案する。その具体的な例として、将棋を取り上げる。 Stock Charts Game Medical Data ----- 会議メモ (16/03/01 13:04) ----- 研究の概要としまして、非言語データの自然言語での検索を提案します。 株価のチャートあるいは、医療用の心電図といった非言語データの増加とともに検索需要は高まっていると考えれあれっます 今回は、その中でもゲーム、将棋の棋譜というものに着目してお話ししたいと思います

研究概要(背景) インターネット上での将棋対戦や、プロ同士の棋譜が公開されるなど、獲得できる棋譜の増加と共に検索の重要性が増加。 ----- 会議メモ (16/03/01 13:04) ----- 将棋自身も、インターネット上にの将棋対戦の環境や プロの棋譜公開などにより、検索の需要は高まっていると考えられます 例えば、NHK杯テレビ将棋トーナメントという将棋の ----- 会議メモ (16/03/01 13:20) ----- 棋戦の棋譜は、ほぼ即日にインターネット上に公開されており、インターネット上で誰にも触れられる環境にあると考えています。

研究概要 将棋局面に対し、特徴的な単語(特徴語)ごとに自動付与したスコアをを参照することで、その特徴語とマッチする局面の検索を可能にする。 局面 NeuralNet 特徴語 スコア 0.8 ゴキゲン中飛車 0.8 急戦矢倉 0.3 棒銀 0.5 美濃囲い 検索クエリ A ゴキゲン中飛車 ゴキゲン中飛車 0.2 急戦矢倉 0.4 棒銀 0.7 美濃囲い 0.3 ----- 会議メモ (16/03/01 13:20) ----- そのような検索ニーズに対して、言語を用いた検索を提案いたします。 具体的な方法としては、このような将棋の局面に対し、将棋の特徴的な単語(以下。特徴語) ごとにスコアを付与します。 例えば、スライドのAという局面においては、ご機嫌中飛車急戦矢倉、棒銀、美濃囲いという特徴語に対して、それぞれスコアを付与しています。 B ゴキゲン中飛車 0.4 急戦矢倉 0.3 棒銀 0.7 美濃囲い C

研究概要 将棋局面に対し、特徴的な単語(特徴語)ごとに自動付与したスコアをを参照することで、その特徴語とマッチする局面の検索を可能にする。 局面 NeuralNet 特徴語 スコア 0.8 ゴキゲン中飛車 急戦矢倉 0.3 棒銀 0.5 美濃囲い 0.8 検索クエリ A ゴキゲン中飛車 スコア順に出力 ゴキゲン中飛車 急戦矢倉 0.4 棒銀 0.7 美濃囲い 0.3 0.2 ----- 会議メモ (16/03/01 13:20) ----- 検索のクエリとして、特徴語、ここでは、ご機嫌中飛車という戦法の名前を用いると、局面の「ご機嫌中飛車のスコアを参照しまして、その値が大きいものから順に履いていきます。この場合、A,C,Bといった順にランキングをつけることで、 ユーザーの投げた特徴語とうまくマッチするような局面を検索しています。 B A, C, B ゴキゲン中飛車 急戦矢倉 0.3 棒銀 0.7 美濃囲い 0.4 0.8 0.4 0.2 C

A B C 関連研究 局面の一部を検索クエリとして、局面を検索する[05 横山ら] 検索クエリ 0.8 ----- 会議メモ (16/03/01 13:20) ----- 関連研究について触れておきます。 将棋の局面の検索というタスクにおいてhあは、局面検索と呼ばれる、自分の必要とする局面の全て、あるいは一部を検索クエリとして検索を行います。例えば、この図では、検索クエリとして、緑枠で囲まれた部分を投げることで、 C

A B C A 関連研究 局面の一部を検索クエリとして、局面を検索する[05 横山ら] 正確な検索可能 入力が煩雑 検索クエリ正確に理解必要 0.8 検索クエリ A + 正確な検索可能 入力が煩雑 検索クエリ正確に理解必要 ー ー B ----- 会議メモ (16/03/01 13:20) ----- 少し見づらいですが、局面Aにこの検索クエリが含まれているので、局面Aの検索を可能にしています 既存の研究手法の利点としては、自分の必要とする局面の一部を正確に投げるので、ミスなく検索することが出来ます。 欠点としては、検索クエリが大きくなると入力が煩雑であるということ、また、自分の必要とする局面と少しでも違うような局面に対しては、検索がかけられず限定的であると考えています。 C A

A B C A 自然言語を検索クエリとした、 検索手法の提案 関連研究 局面の一部を検索クエリとして、局面を検索する[05 横山ら] 0.8 検索クエリ A 自然言語を検索クエリとした、 検索手法の提案 + 正確な検索可能 入力が煩雑 検索クエリ正確に理解必要 ー ー B ----- 会議メモ (16/03/01 13:20) ----- 少し見づらいですが、局面Aにこの検索クエリが含まれているので、局面Aの検索を可能にしています 既存の研究手法の利点としては、自分の必要とする局面の一部を正確に投げるので、ミスなく検索することが出来ます。 欠点としては、検索クエリが大きくなると入力が煩雑であるということ、また、自分の必要とする局面と少しでも違うような局面に対しては、検索がかけられず限定的であると考えています。 C A

提案手法(学習) 局面と、対応する解説文に対して、局面を局面素性に、解説文に対して 単語分割と固有表現抽出を行い、出力を特徴語とする。それらを学習する。 二駒間の関係 などを素性 解説文 ゴキゲン中飛車対 丸山ワクチンに似た形。 ----- 会議メモ (16/03/01 13:20) ----- 提案手法に戻ります。スコア部分の学習に関しては、データとして、局面とその解説文のセットを用います。 これは、プロ同士の棋譜にたいして、解説文が付与されたものです。 まず、局面を局面素性と言われる素性列に変換します。これは、とある2駒間の関係などを記述したものです。 局面素性 1: 0.23 2: 0.34 3: 0.45 4: 0.56

提案手法(学習) 局面と、対応する解説文に対して、局面を局面素性に、解説文に対して 単語分割と固有表現抽出を行い、出力を特徴語とする。それらを学習する。 二駒間の関係 などを素性 単語分割 固有表現抽出 解説文 ゴキゲン中飛車対 丸山ワクチンに似た形。 解説文に対しては、単語分割と固有表現抽出を行います。将棋特有の単語を拾ってくる この例だと、ご機嫌中飛車、丸山ワクチンという特徴語が、拾って来れます。 局面素性 特徴語  スコア 1: 0.23 2: 0.34 3: 0.45 4: 0.56 ゴキゲン中飛車 1.0 丸山ワクチン 棒銀 美濃囲い

提案手法(学習) 局面と、対応する解説文に対して、局面を局面素性に、解説文に対して 単語分割と固有表現抽出を行い、出力を特徴語とする。それらを学習する。 二駒間の関係 などを素性 単語分割 固有表現抽出 解説文 ゴキゲン中飛車対 丸山ワクチンに似た形。 最後に、それらの局面素性を入力、特徴語をラベルとして、Neural Networkでの学習を行います。 局面素性 NeuralNet 特徴語  スコア 1: 0.23 2: 0.34 3: 0.45 4: 0.56 ゴキゲン中飛車 1.0 丸山ワクチン 棒銀 美濃囲い

特徴語とは…? 特徴語は、将棋特有の固有表現抽出により抽出された固有表現。固有表現 タグが付与されている。今回は簡単のため、St(戦法),Ca(囲い)に限定した。 固有表現タグ 特徴語の具体例 St (戦法) 棒銀、ゴキゲン中飛車 Ca(囲い) 矢倉、美濃囲い Hu(人物名) 羽生、藤井 Tu(手番) 先手、後手 Re(盤面の領域) 中央 Ti(時間) 2時 Pi(駒) 銀、金 特徴語について細くしておくtお、このような故有表現でして、戦法、囲い、人物名といった、こゆうひょうげんタグを付与シアmす。 今回は、簡単のため、StとCaに限定させていただきました。

提案手法(出力) ゴキゲン中飛車 0.8 急戦矢倉 0.3 棒銀 0.5 美濃囲い 先ほど学習した、モデルを使い新規局面に対して、特徴語ごとの スコアを出力する。スコアが1に近いほど、局面と対応している。 新規局面 特徴語     スコア ゴキゲン中飛車 0.8 急戦矢倉 0.3 棒銀 0.5 美濃囲い 先ほど学習した、ニューらるNetworkを利用して、コメントが付与されていない、局面にたいして、特徴語のスコアを出力させます。スコアが1に近いほど、その特徴語と、局面が対応しています。

A B A, C, B C 提案手法(検索) ゴキゲン中飛車 検索対象である、局面それぞれに対し、先ほどの特徴語ごとのスコアを計算し、そのスコアを参照することで検索を行う。 局面 NeuralNet 特徴語 スコア 0.8 ゴキゲン中飛車 急戦矢倉 0.3 棒銀 0.5 美濃囲い 0.8 検索クエリ A ゴキゲン中飛車 スコア順に出力 ゴキゲン中飛車 急戦矢倉 0.4 棒銀 0.7 美濃囲い 0.3 0.2 最後に、検索部分ですが、最初に説明したように、検索対象の局面全てに対し、スコアを計算し、検索クエリを投げることで、そのスコアが大きい順に出力を行います。 B A, C, B 0.4 0.8 0.4 0.2 ゴキゲン中飛車 急戦矢倉 0.3 棒銀 0.7 美濃囲い C

実験設定 データ 学習器 訓練データとして、St(戦法),Ca(囲い)の特徴語を含む解説文を選び出した。 訓練データ: 4,075局面 及び その解説文 検索対象: およそ100,000局面 固有表現タグ: St(戦法)とCa(囲い)に限定 学習器: 6層のNeuralNetwork 隠れ層: 1,000units 局面素性: 52,600 誤差関数: 2乗誤差 データ 最後に、実験設定です。 訓練データとしては、およそ4000局面を利用しました。 検索対象としては約100000局面 学習器にかんして、 6層のNeuralNetworkを利用しました。 学習器

実験設定 検索クエリごとに上位20件の局面を出力し、その検索クエリに対してマッチしているかを主観評価してもらった。 実験設定 St(戦法)と、Ca(囲い)ごとに、特徴語を検索クエリとして10種類ずつ それぞれの検索クエリごとに検索結果の上位20件づつ提示、評価する 局面と検索クエリがマッチしている マッチしているわけではないが、すぐにマッチするだろう マッチしていない 判断できない(終盤などで) 評価基準 Y 検索クエリとして、St,Caごとに10種類ずつ絵浴びました。 それぞの検索クエリごとに検索結果の上位20件づつ提示し、以下の4段階で評価してもらいました。 Y は正解 F は、まだ、マッチしていないが、すぐになるであろう F N M

結果 St(戦法)、Ca(囲い)どちらも7割以上検索クエリとマッチしていると言える。 76.0% 3.0% 51.5% 19.0% 特徴語 Y F N M 振り飛車 17 2 1 居飛車 18 中飛車 20 棒銀 9 3 7 四間飛車 横歩取り ゴキゲン中飛車 12 6 相掛かり 14 相振り飛車 13 5 石田流 4 subtotal 152 33 76.0% 3.0% 4.5% 16.5% 特徴語 Y F N M 穴熊 14 2 4 矢倉 12 3 1 銀冠 13 美濃囲い 20 相矢倉 5 左美濃 9 6 早囲い 7 急戦矢倉 18 相穴熊 10 右玉 subtotal 103 38 33 26 51.5% 19.0% 16.5% 13.0% 結果として、このようになりました、明確にうまくいっている局面もあれば、急戦矢倉などあまりうまくいっていない局面もまああるのかなと トータルで言えば、だいたい7割くらいはY,Fにマッチしている都いってもいいのでは。。。と考えてます 79.0% 70.5%

結果 中飛車ではうまくいっているが、急戦矢倉では、全くうまくいっていない。 エラー分析が必要。 中飛車 20 76.0% 3.0% 急戦矢倉 St(戦法) Ca(囲い) 特徴語 Y F N M 振り飛車 17 2 1 居飛車 18 中飛車 20 棒銀 9 3 7 四間飛車 横歩取り ゴキゲン中飛車 12 6 相掛かり 14 相振り飛車 13 5 石田流 4 subtotal 152 33 76.0% 3.0% 4.5% 16.5% 特徴語 Y F N M 穴熊 14 2 4 矢倉 12 3 1 銀冠 13 美濃囲い 20 相矢倉 5 左美濃 9 6 早囲い 7 急戦矢倉 18 相穴熊 10 右玉 subtotal 103 38 33 26 51.5% 19.0% 16.5% 13.0% 全て失敗 全て正解 結果として、このようになりました、明確にうまくいっている局面もあれば、急戦矢倉などあまりうまくいっていない局面もまああるのかなと トータルで言えば、だいたい7割くらいはY,Fにマッチしている都いってもいいのでは。。。と考えてます

結果例 ゴキゲン中飛車の典型例 提案手法の検索結果例 典型的なゴキゲン中飛車と、ゴキゲン中飛車の検索結果の例。赤丸で囲われた特徴的な駒の位置を押さえていることがわかる。 また、結果の具体的安例ですが、左側がご機嫌中飛車という曲園の例で、右側が局面検索で引っ張ってきた局面の例です。 ご機嫌中飛車は、後手番の戦法の例でして、上側の飛車が5列中央に1しており、角同士が斜めに向かい合っているのが特徴で、評価でYとされた結果例では、このような特徴を押さえていることが確認できます。 ゴキゲン中飛車の典型例 提案手法の検索結果例

結果例 ゴキゲン中飛車の典型例 提案手法の検索結果例 典型的なゴキゲン中飛車と、ゴキゲン中飛車の検索結果の例。赤丸で囲われた特徴的な駒の位置を押さえていることがわかる。 飛車が5列(中央) にいる また、結果の具体的安例ですが、左側がご機嫌中飛車という曲園の例で、右側が局面検索で引っ張ってきた局面の例です。 ご機嫌中飛車は、後手番の戦法の例でして、上側の飛車が5列中央に1しており、角同士が斜めに向かい合っているのが特徴で、評価でYとされた結果例では、このような特徴を押さえていることが確認できます。 ゴキゲン中飛車の典型例 提案手法の検索結果例

結果例 ゴキゲン中飛車の典型例 提案手法の検索結果例 典型的なゴキゲン中飛車と、ゴキゲン中飛車の検索結果の例。赤丸で囲われた特徴的な駒の位置を押さえていることがわかる。 角と角の間に何も駒がない また、結果の具体的安例ですが、左側がご機嫌中飛車という曲園の例で、右側が局面検索で引っ張ってきた局面の例です。 ご機嫌中飛車は、後手番の戦法の例でして、上側の飛車が5列中央に1しており、角同士が斜めに向かい合っているのが特徴で、評価でYとされた結果例では、このような特徴を押さえていることが確認できます。 ゴキゲン中飛車の典型例 提案手法の検索結果例

まとめ/今後の展望 まとめ 局面と対応する解説文を利用することで、解説文の付いていない局面に特徴語を付与し、検索を行い、評価を行った。 評価基準が、主観評価によるものであり、データセットを作成する ことなどにより定量的な評価を行う。 特徴語ごとに、エラー分析を行う。 特徴語を限定せずに、他の固有表現タグについても行う。 将棋だけでなく、株価のチャートといった、データとその解説文が 揃う対象についても応用する。 今後の展望 まとめと、今後の展望ですgあ、 まとめとしては、局面と対応する解説文を利用することで、解説文のついていない局面に特徴語を付与し、検索を行えました、 今後の展望としては、 ・評価が評価者に依存したものであり、データセットを作成するなどして、より定量的な評価を行いたいです。 ・また、先ほどの結果でも言いましたが、うまくできる特徴語及び、できない特徴語になぜさがあるのかということにかんして、エラー分析を行いたいです ・今回の研究では、特徴語おw限定していましたが、限定せずに他の固有表現抽出タグにかんしても行いたいと考えてイアmす ・将棋だけに限らず、より汎用劇て

提案手法(検索) A ゴキゲン中飛車 B 1 A 2 C 3 B C スコア順に出力 検索対象である、局面それぞれに対し、先ほどの特徴語ごとのスコアを計算し、そのスコアを参照することで検索を行う。 局面 NeuralNet 特徴語 スコア 0.8 A ゴキゲン中飛車 急戦矢倉 0.3 棒銀 0.5 美濃囲い 0.8 検索クエリ ゴキゲン中飛車 スコア順に出力 B ゴキゲン中飛車 急戦矢倉 0.4 棒銀 0.7 美濃囲い 0.3 0.2 1 A 2 C 3 B 0.8 0.4 C ゴキゲン中飛車 急戦矢倉 0.3 棒銀 0.7 美濃囲い 0.4 0.2