Electronics and Information Engineering
Laboratory name
Knowledge and Data Engineering   
Laboratory staff
Makoto Miwa （Professor） 　
Laboratory title
Knowledge and Data Engineering Laboratory
Laboratory overview
TTI KDE Lab aims at making machines automatically acquire, relate, understand, and utilize knowledge, experiences, and information in data. Towards this goal, we explore deep learning algorithms for knowledge and information extraction and representations and their applications.
Main research themes
・ Information Extraction from Text
・Knowledge Graph Representation
・Bioinformatics
・Sign Language Processing
Individual research theme

  • Knowledge-based dialogue generation

    佐々木　裕, 三輪　誠

    2017 - 2021

  • Systematic Review with Machine Learning

    佐々木　裕, 三輪　誠

    2017 - 2021

  • Machine Learning for driving a small UMV

    佐々木　裕, 三輪　誠

    2017 - 2022

  • Constructing Driving Knowledge Bases

    佐々木　裕, 三輪　誠

    2017 - 2023

  • Research on Word Embedding Vecotrs

    佐々木　裕, 三輪　誠

    2017 - 2021

  • Applying AI methods to Machining, Forge Design, and CAE

    佐々木　裕, 三輪　誠, 古谷　克司

    2017 - 2022

  • 時系列予測

    佐々木　裕, 三輪　誠

    2021 - 2023

    　More details

    深層学習による時系列予測技術の高度化

    Outcome：

    2023
    iTransGANによる時系列データの生成と生成データを用いた時系列予測モデルの事前学習の効果の検証

    2022
    Neural Laplaceによる時系列予測の性能評価

  • 外部知識を用いた自然言語文からの情報抽出

    三輪　誠

    2024

    　More details

    自然言語文からエンティティやその関係を抽出する手法について，外部の様々な知識や情報と利用する研究を進めている．

    Outcome：

    2024
    大規模言語モデルに，外部から辞書情報を付加しながら，固有表現を抽出する手法を実現した．

    2024
    大規模言語モデルを用いて，既存のコーパスを拡張する手法を実現した．

    2024
    条件付き変分オートエンコーダと事前学習モデルT5を用いて，複数のアノテーション基準の異なるコーパスの違いを吸収しながら，固有表現を抽出する手法を実現した．

    2024
    外部知識に抽出した関係情報を付加しながら，テキストから関係情報を抽出する手法を実現した．

  • マルチモーダル知識グラフ表現学習

    三輪　誠

    2024

    　More details

    様々なモダリティを持ったノードと関係からなる知識グラフについて，それぞれのノードの内容とその複雑な関係性による構造的な情報を利用しながら，表現を獲得し，利用する．

    Outcome：

    2024
    複数のモダリティを持つ文献グラフを対象に，異なるモダリティを区別して扱いつつ，エンティティと属性の関係を明示的に表現するハイパーグラフ表現学習手法を実現した．

  • 自動運転に関するVQAモデル

    三輪　誠

    2024

    　More details

    運転状況の動画や画像からその状況を説明するテキストを作成し，大規模言語モデル（LLM) の常識的知識を用いて判断をし，自動運転（AD) での動作に反映させるLLM4ADの研究が進んでいる．本研究では，テキストに付加情報を付与することで，テキストと動画・画像の連携，LLMの認識性能向上を目指す．

    Outcome：

    2024
    LLMを用いて，辞書を元に交通状況テキストからエンティティを抽出するための学習データを自動構築する手法について研究を行った．