MODEL LEARNING DEVICE, MODEL LEARNING METHOD, AND PROGRAM

Provided is a model learning technology which addresses the problem of multi-label classification and which uses a supplemental label. Included are: a learning data generation unit that generates, from a set of data with one or more supplemental labels attached thereto, a set (hereinafter referred to as the learning data set) of data with one supplemental label attached thereto; a first risk calculation unit that uses a patch, which is a partial set of the learning data set, to calculate a risk -R(g:-loss) for a determination function g relating to a loss function -loss calculated by a prescribed formula; and a model updating unit that uses a risk -R(g:-loss) to update a model. L'invention concerne une technologie d'apprentissage de modèle qui aborde le problème de la classification multi-étiquettes et qui utilise une étiquette supplémentaire. Sont compris : une unité de génération de données d'apprentissage qui génère, à partir d'un ensemble de données comportant une ou plusieurs étiquettes supplémentaires qui lui sont fixées, un ensemble (ci-après désigné par l'ensemble de données d'apprentissage) de données comportant une étiquette supplémentaire qui lui est fixée; une première unité de calcul de risque qui fait appel à un correctif, qui est un ensemble partiel de l'ensemble de données d'apprentissage, afin de calculer un risque -R(g:-perte) pour une fonction de détermination g relative à une fonction de perte -perte calculée par une formule prescrite; et une unité de mise à jour de modèle qui fait appel à un risque -R(g:-perte) pour mettre à jour un modèle. マルチラベル分類問題を対象とする、補ラベルを用いたモデル学習技術を提供する。１個以上の補ラベルが付与されたデータの集合から、１個の補ラベルが付与されたデータの集合（以下、学習データ集合という）を生成する学習データ生成部と、前記学習データ集合の部分集合であるバッチを用いて、所定の式で計算される損失関数-lossに関する決定関数gのリスク-R(g:-loss)を計算する第１リスク計算部と、リスク-R(g:-loss)を用いて、モデルを更新するモデル更新部と、を含む。