Profile Image

About Me

I work as a Technical Staff I of Mathematical Statistics team, RIKEN center for Artificial Intelligence Project (AIP). I studied mathematical statistics in my bachelor's (2014, B. Eng., Osaka U.) and master's (2016, M. Eng., Osaka U.), and I am currently studying theoretical aspects of machine learning (↪ My area of interest) towards doctoral degree. My recent works have focused on feature learning methods, including graph embedding and correlation analysis. For details, please see my research projects, publications, and past presentations.

理化学研究所革新知能統合研究センター(AIP)数理統計学チームでテクニカルスタッフIをしています.元々は数理統計学を勉強していました(2014年に学士,2016年に修士)が,最近は統計的機械学習で博士号取得を目指しています. 詳細は研究課題出版物過去の発表などを御覧ください.

Personal Information

  • Name : Akifumi Okuno (奥野彰文)
  • Nationality : Japanese
  • Email : oknakfm [at]
  • [Google Scholar] [Research Gate] [DBLP]
  • Address : Room #111, Research Building 15, Main Campus of Kyoto University, Kyoto, Japan.


Research projects of mine have focused on graph embedding (GE) and their theoretical aspects.


  1. Geewook Kim, Akifumi Okuno, Kazuki Fukui, and Hidetoshi Shimodaira. "Representation Learning with Weighted Inner Product for Universal Approximation of General Similarities," accepted to International Joint Conference on Artificial Intelligence (IJCAI) 2019.
    [Accepted papers] [arXiv:1902.10409]
  2. Akifumi Okuno and Hidetoshi Shimodaira. "Robust Graph Embedding with Noisy Link Weights." 22nd International Conference on Artificial Intelligence and Statistics (AISTATS), Okinawa, Japan, 2019, PMLR 89:664-673.
    [Proceedings] [arXiv:1902.08440]
  3. Akifumi Okuno, Geewook Kim, and Hidetoshi Shimodaira. "Graph Embedding with Shifted Inner Product Similarity and Its Improved Approximation Capability," 22nd International Conference on Artificial Intelligence and Statistics (AISTATS), Okinawa, Japan, 2019, PMLR 89:644-653.
    [Proceedings] [arXiv:1810.03463]
  4. Akifumi Okuno, Tetsuya Hada, and Hidetoshi Shimodaira. "A probabilistic framework for multi-view feature learning with many-to-many associations via neural networks," 35th International Conference on Machine Learning (ICML), Stockholm, Sweden, 2018, PMLR 80:3888-3897.
    [Proceedings] [arXiv:1802.04630] (selected for long talk)
  5. Kazuki Fukui, Akifumi Okuno, and Hidetoshi Shimodaira. "Image and tag retrieval by leveraging image-group links with multi-domain graph embedding," Proceedings of the 2016 IEEE International Conference on Image Processing (ICIP), Phoenix, AZ, USA, 2016, pp. 221-225. doi: 10.1109/ICIP.2016.7532351.

IJCAI, AISTATS, and ICML are selected as priorized 21 international academic conferences in Google AI Talent Report 2019. Current CORE rating of IJCAI is "A* (flagship)", AISTATS "A (excellent)", ICML "A* (flagship)", and ICIP "B (good)".

  1. Akifumi Okuno and Hidetoshi Shimodaira. "On representation power of neural network-based graph embedding and beyond," ICML 2018 workshop on Theoretical Foundations and Applications of Deep Generative Models.
    [Accepted Papers (14.)] [arXiv:1805.12332]


In the following lists, ◯ represents the presenter, and my name is underlined.

Latest update: June 16th, 2019.


  1. "Hyperlink Regression via Bregman Divergence" with H. Shimodaira, at RIKEN-AIP workshop in Genoa, Italy, in Sep., 2019.
  2. "Representation Learning with Weighted Inner Product for Universal Approximation of General Similarities" with G. Kim, K. Fukui, and H. Shimodaira, at IJCAI2019 in Macau, in Aug., 2019.


  1. "ニューラルネットワークを用いたグラフ埋め込みの表現能力とその拡張" with G. Kim and H. Shimodaira, at 統計関連学会連合大会2019 in Sep., 2019.
  2. "Hyperlink Regression via Bregman Divergence" with H. Shimodaira, at 統計関連学会連合大会2019 in Sep., 2019.
  3. "Hyperlink Regression via Bregman Divergence" with H. Shimodaira, at 統計サマーセミナー2019 in Aug., 2019.

The following list excludes above publications.

  1. ◯Akifumi Okuno. Graph Embedding with Shifted Inner Product Similarity and Its Improved Approximation Capability. (invited, joint work with H. Shimodaira and G. Kim) Workshop on Functional Inference and Machine Intelligence, Tokyo, Japan. March, 2019. Oral.
  2. ◯Akifumi Okuno and Hidetoshi Shimodaira. Leveraging local data structure for multi-view analysis with many-to-many associations, Conference of the International Federation of Classification Societies (IFCS), Tokyo, Japan. August, 2017. Poster.
  3. ◯Tetsuya Hada, Akifumi Okuno and Hidetoshi Shimodaira. Deep Multi-view Representation Learning Based on Adaptive Weighted Similarity, First International Workshop on Symbolic-Neural Learning (SNL), Nagoya, Japan. August, 2017. [Abstract] Oral.
  4. ◯Akifumi Okuno and Hidetoshi Shimodaira. Statistical consistency of multi-view correlation analysis with many-to-many associations, Joint Statistical Meeting (JSM), Baltimore, USA. August, 2017. [Abstract] Poster.
  5. ◯Akifumi Okuno and Hidetoshi Shimodaira. Robust Multi-view Graph Embedding, International Conference on Robust Statistics (ICoRS), Wollongong, Australia. July, 2017. [slides] Oral.
  6. ◯Akifumi Okuno and Hidetoshi Shimodaira. Robust cross-domain matching: Analyzing multi-domain data vectors under mismatched associations. Machine Learning Summer School 2015, Kyoto University, Kyoto, Japan. August, 2015. Poster.
  1. ◯Kim Geewook, 奥野彰文, 下平英寿. 擬ユークリッド空間への単語埋め込み. 言語処理学会第25回年次大会(NLP2019), 名古屋, 2019年3月. [プログラム] [論文]
  2. ◯奥野彰文. グラフ埋め込みの確率モデルとその性質. (招待,京都大学 下平英寿教授との共同研究). RIMS研究集会「高次元量子雑音の統計モデリング」, 京都, 2018年11月.
  3. ◯奥野彰文, 下平英寿. ロバストなグラフ埋め込み. 情報論的学習理論と機会学習ワークショップ2018, 札幌, 2018年11月.
  4. ◯奥野彰文, Geewook Kim, 下平英寿. ニューラルネットワークを用いたグラフ埋め込みの表現定理とその拡張. 情報論的学習理論と機会学習ワークショップ2018, 札幌, 2018年11月.
  5. ◯田中卓磨, 奥野彰文, 下平英寿. グラフ埋め込みの次数補正とその応用. 情報論的学習理論と機会学習ワークショップ2018, 札幌, 2018年11月.
  6. ◯奥野彰文, 下平英寿. ニューラルネットワークを用いた異種データのグラフ埋め込み. 2018年度統計関連学会連合大会, 中央大学, 2018年9月. [Abst]
  7. ◯奥野彰文, 羽田哲也, 下平英寿. 属性ベクトルとニューラルネットワークを用いた異種データ間のリンク構造の最尤推定. 情報論的学習理論と機会学習ワークショップ2017, 東京大学, 2017年11月. [Poster]
  8. ◯奥野彰文, 下平英寿. Cross-view link prediction with attribute vectors and its information criterion (英語口頭発表). 2017年度統計関連学会連合大会, 南山大学, 2017年9月. [Abst]
  9. ◯奥野彰文, 下平英寿. 多対多対応を扱う相関分析の一致性について. 第11回日本統計学会春季集会, 政策研究大学院大学, 2017年3月. (優秀発表賞)
  10. ◯奥野彰文, 下平英寿. マッチング相関分析の一致性についての考察. JST CRESTシンポジウム「ビッグデータ利活用のための基盤構築とその応用」, 名古屋工業大学, 2017年2月.
  11. ◯奥野彰文, 下平英寿. 多対多対応を利用したマッチング相関分析の一致性について. 2016年度統計関連学会連合大会, 金沢大学, 2016年9月.
  12. ◯奥野彰文, 下平英寿. 反復重み付けによるロバストなマッチング相関分析. データ科学シンポジウム, 大阪大学, 2016年1月.
  13. ◯奥野彰文, 下平英寿. ロバストなマッチング相関分析の提案と画像認識への応用. 情報論的学習理論と機会学習ワークショップ2015, 筑波, 2015年11月.
  14. ◯奥野彰文, 福井一輝, 下平英寿. 多ドメインでのマッチング相関分析のロバスト化とその応用. 2015年度統計関連学会連合大会, 岡山大学, 2015年9月.
  15. ◯福井一輝, 奥野彰文, 下平英寿. マッチング相関分析を用いた画像-マルチタグ間の相互検索. 第18回画像の認識・理解シンポジウム, 大阪, 2015年7月. [論文(レター)]
  16. ◯奥野彰文, 下平英寿. Density Power Divergenceを用いたロバストな情報量規準の提案とその応用. 2014年度統計関連学会連合大会, 東京大学, 2014年9月. [Abst]
  1. ◯奥野彰文, Geewook Kim, 下平英寿. ニューラルネットワークを用いたグラフ埋め込みによる表現学習.ICT13, 京都, 2019年2月. (優秀研究賞)
  2. ◯奥野彰文. ニューラルネットワークを用いたグラフ埋め込みの近似定理とその拡張. 九州大学 統計科学セミナー, 福岡, 2018年12月. [Abst]
  3. ◯奥野彰文, 下平英寿. Neural Network-Based Graph Embedding: Its Properties and Extensions. NTT CS研 セミナー, 京都, 2018年10月.
  4. ◯奥野彰文, 下平英寿. グラフ埋め込みの確率モデルとその性質について. 統計サマーセミナー, 岐阜, 2018年8月.
  5. ◯奥野彰文, 羽田哲也, 下平英寿. 異種データ間の複雑な対応付けを表現する確率モデルの提案とその応用. 広島大学数理統計講座 金曜セミナー, 広島, 2018年1月. [Abst]
  6. ◯福井 一輝, 羽田 哲也, 奥野 彰文, 押切 孝将, 下平 英寿. 2016. クロスドメインマッチング相関分析とその応用. 情報系 WINTER FESTA Episode2, 国立情報学研究所 (東京), 2016年12月.
  7. ◯奥野彰文, 下平英寿. 多対多対応を利用したマッチング相関分析の一致性について. 統計サマーセミナー, 千葉, 2016年8月.
  8. ◯奥野彰文, 下平英寿. 多ドメインでのマッチング相関分析のロバスト化とその応用. 統計サマーセミナー, 山口, 2015年8月.