酒井哲也 / Tetsuya Sakai (早稲田大学)
[Webサイト]約20年の企業経験 (最後に務めた会社はMicrosoft Research Asia) を経て2013年により早稲田大学基幹理工学部情報理工学科教員に。Naver Corporation研究統括顧問、NII客員教授。ACM distinguished member。専門は情報検索。
概要
nクラス分類タスクのうち、クラス間に順序関係があるものがOC (ordinal classification) タスクです。例えば、N個のツイートをhighly negative, negative, neutral, positive, highly positiveに振り分けて各ツイートが正しく分類されているか混同行列を見て評価する場合です。一方、OQ (ordinal quantification) は、N個のツイートをやはり上記のようなクラスに分類しますが、個々のツイートがどのクラスに分類されているかは問題にせず、クラス上の分布のみを問題にします。例えば、あるトピックに関するツイートの何%がpositiveであるかなどを推定する場合です。OCとOQにはクラスの順序関係を考慮した評価指標が必要ですが、今回はこれにまつわるテクニカルな内容よりも、研究者としての裏話を中心にお話したいと思います。
※トークは日本語です。