株式会社ZOZO NEXT（本社：千葉県千葉市 代表取締役CEO：澤田 宏太郎）の研究開発組織「ZOZO研究所」は、当所研究員による「集合間Bregmanダイバージェンスと置換不変NNによるその学習」の研究が、人工知能学会（JSAI）が主催する日本最大級のAI学術イベントである「2025年度 人工知能学会全国大会（JSAI2025）」において、全国大会優秀賞を受賞したことをお知らせします。本研究成果は、当所研究員である川島 貴大らの研究チームによるものです。
＜研究背景＞
既存の機械学習技術の多くはデータ間の距離尺度を基盤としています。そのため、複雑な構造をもつデータ同士の距離をどのように測るかという問題は機械学習分野における重要な研究トピックの一つとなっています。例えば、ファッションコーディネートは「クローゼットという全体集合の中から部分集合を選び、着用する」という離散集合として捉えられますが、このような集合データ間で柔軟に距離を測定することは従来困難でした。そこで当所では、集合データ間の距離を柔軟に測る数理的に妥当な手法の研究に取り組んでいます。
＜研究内容＞
本研究では集合データ間の距離を測る新たな尺度と、ニューラルネットワークを用いてその学習を実現するフレームワークの提案に向けて、以下3点の貢献をおこないました。
1. 集合間の新たな距離尺度の提案とその理論解析
連続空間におけるBregmanダイバージェンス（※1）をもとに集合版のBregmanダイバージェンスを考え、それが既存の尺度よりも高い表現能力をもつことを理論的に示しました。
2. 提案した集合間距離尺度の学習フレームワークの開発
置換不変ニューラルネットワーク（※2）を用いて、集合データから提案する距離尺度を学習するためのフレームワークを提案しました。これにより、与えられた集合データがもつ特有の構造を柔軟に獲得できるようになりました。
3. 数値実験による有効性の検証
手書き文字データセット（MNIST）や点群データセット（ModelNet40）を用いて、提案した集合間距離尺度とその学習フレームワークの有効性を確かめました。特に点群データの解析においては、提案法によりCPUのみで学習可能な程度のごく小規模なニューラルネットワークモデルでありながら最先端の深層学習モデルに匹敵する性能を実現しました。
（※1）Bregmanダイバージェンス（Bregman divergence）：凸関数の性質を利用してインスタンス間の乖離度を測るための尺度。L2距離やKLダイバージェンスなど、統計学や機械学習で頻繁に現れる尺度を内包する。
（※2）置換不変ニューラルネットワーク（Permutation-invariant neural network）：集合としての構造をもったデータを扱うことができるニューラルネットワークの一種。入力のアイテム列の順序が変化しても出力結果が変わらないという特徴をもつ。
＜今後の展望＞
本研究で使用したニューラルネットワークは小規模なものであり、その精緻化や大規模化によって、さらなる精度向上が見込まれます。また、本研究で提案された技術は、各種サービスの顧客体験の向上に寄与することが期待できます。
＜研究の概要＞
・対象研究 ：集合間Bregmanダイバージェンスと置換不変NNによるその学習
・研究チーム ：株式会社ZOZO NEXT/川島 貴大*、メルボルン大学/木村 正成氏*、統計数理研究所・理化学研究所AIP/相馬 輔准教授、統計数理研究所・早稲田大学/日野 英逸教授（*共同筆頭著者）
・関連論文URL：https://openreview.net/forum?id=vr1QdCNJmN
・学会HP ：https://www.ai-gakkai.or.jp/jsai2025/
＜ZOZO研究所について＞
ZOZO研究所は、「ファッションを数値化する」をミッションに掲げるZOZOグループの研究機関です。ZOZOグループが保有するファッションに関する膨大な情報資産を基に、ファッションを科学的に解明するための研究開発をおこなっています。
・所名 ： ZOZO研究所（ZOZO Research）
・設立 ： 2018年1月31日
・URL ： https://research.zozo.com/
企業プレスリリース詳細へ
PRTIMESトップへ
