大規模行動モデル（Large Action Model: LAM）の提案と実用化：マーケティング，医療，エネルギー分野への応用

倉沢　央
富田　準二

誌名
電子情報通信学会論文誌 B   Vol.J109-B    No.2    pp.87-97
発行日: 2026/02/01
早期公開日: 2025/07/16
Online ISSN: 1881-0209
DOI: 10.14923/transcomj.2025SII0002
論文種別: 特集招待論文 (B5G・6Gに向けたセンシングとモバイルアプリケーション論文特集)
専門分野: 
キーワード: 
時系列データ,  不完全データ,  機械学習,  Transformer,  時系列予測,  

本文: FreePDF(1.7MB)
あらまし: 
近年，様々な事業領域において高精度な将来予測のニーズが高まっている．しかし，数値データとカテゴリーカルデータが混在し，欠損や偏りを含む時系列データを用いた予測は，従来困難であった．そこで本研究は，このような不完全な時系列データに対しても高い予測性能を発揮する，Transformerモデルをベースとした大規模行動モデル（Large Action Model: LAM）を開発した．LAMは，大規模言語モデル（LLM）と同様に，数値データとカテゴリーカルデータが混在した大量の時系列データを用いた事前学習によって汎用的なEncoderモデルを構築し，更にDecoderモデルのファインチューニングによって個々のタスクに適応する．LAMの特徴は，階層型Transformer構造による欠損値へのロバスト性と，二値分類の重み付き損失関数を用いた自己教師あり学習による偏りへの適応性である．マーケティング，医療，エネルギーといった分野の実データを用いた実験の結果，LAMが，これまで困難であった不完全な時系列データから高精度な将来予測を実現し，各分野における意思決定の質の向上に寄与できることを確認した．