【研究分野】知能情報学

【研究領域課題番号】15H02747 (KAKENデータベースで見る）

【研究キーワード】

自然言語処理 / 情報検索 / 人工知能 / 百科事典 / ウィキペディア / 情報の組織化 / 連想 / 用語説明

【研究成果の概要】

本研究の目的は，ある用語の解説記事をウェブ上の情報から自動生成することであり，二種類の対照的なモデルを探求する．体系的解説モデルは，動物や病気といった用語のカテゴリに応じて解説する観点を切り替えて記事を生成する．連想的解説モデルは，既存語との共通点や相違点に基づいて直感に訴える解説を生成する．両モデルを使い分ける方略の仕組みを通して，自然言語理解の本質に迫ることを目指す．

【研究種目】基盤研究(B)

【研究期間】2015-04-01 - 2018-03-31

【配分額】16,250千円 (直接経費: 12,500千円、間接経費: 3,750千円)

【研究分野】マルチメディア・データベース

【研究領域課題番号】26280039 (KAKENデータベースで見る）

【研究キーワード】

メディア情報処理 / 情報検索 / 自然言語処理 / グラフ理論 / 食メディア / レシピ / メディア情報より

【研究成果の概要】

本研究の目的は、Webにある膨大な数のレシピの集合が本質的にどの程度の多様性を持っているのかを明らかにすることである．そこで本研究では，自然言語処理技術によりレシピ記述から手順構造を抽出し、レシピ集合が持つ本質的な多様性を解析する手法の開発を行った。和文レシピ、英文レシピ各400件に対しアノテーションを行い、日英レシピコーパスを構築。レシピ用語の認識精度は和文F値92.6%、英文F値87.2%に到達した。またレシピ用語間の依存関係の推定精度は和文F値79.7%、英文F値76.2%を達成した。これらのツールはオンライン上で公開し、多くの研究機関にご利用いただいている。

【研究の社会的意義】

料理は「ものづくり」であり、レシピは料理を作る「手順書」である。本課題で解析した手法が適応できる範囲は料理レシピに限らず、裁縫やDIY、マニュアルなどあらゆる「手順書」へと拡張できるという点で学術的な意義がある。また、本課題を遂行する中で構築したレシピ言語処理ツールは、国内外でレシピを研究対象とする多くの研究グループに利用されているという点で、社会的意義は大きい。NIIクックパッドデータセットに含まれる和文レシピ172万件に対し、レシピ用語認識及びフローグラフ化の作業を完了した。和文レシピの解析データは、NIIクックパッドデータセットのサードパーティーとしての提供を目指し、協議を進めている。

【研究種目】基盤研究(B)

【研究期間】2014-04-01 - 2019-03-31

【配分額】17,160千円 (直接経費: 13,200千円、間接経費: 3,960千円)

【研究分野】知能情報学

【研究領域課題番号】23680015 (KAKENデータベースで見る）

【研究キーワード】

自然言語処理 / Web情報処理 / 言語理解 / 知識獲得 / 人工知能 / 情報検索 / 言語解析 / 情報分析 / 多言語処理

【研究成果の概要】

本研究では、まず、大規模Webテキスト集合から言語知識を自動獲得した。主な言語知識は、述語とそれがとる項(名詞)を記述した格フレームと呼ばれるものである。次に、獲得した言語知識を言語解析に組み込むことによって言語解析システムの精度向上を達成した。また、この高いカバレッジをもつ言語知識に基づく言語解析器を情報検索に応用し、これまでよりも精度が高い情報検索システムを開発した。

【研究種目】若手研究(A)

【研究期間】2011-04-01 - 2014-03-31

【配分額】18,460千円 (直接経費: 14,200千円、間接経費: 4,260千円)

【研究分野】知能情報学

【研究領域課題番号】22300050 (KAKENデータベースで見る）

【研究キーワード】

自然言語処理 / World Wide Web / ウィキペディア / 情報検索 / 用語説明 / 説明の観点 / 機械学習 / クラスタリング

【研究成果の概要】

本研究は,様々な用語に関する説明を効率よく活用することを目的として,ウェブページの集合からウィキペディア記事のような解説型テキストを自動的に生成する手法について研究した.動物名や病名といった用語の種類によって説明に必要な観点が異なるため,ウィキペディアの記事集合から観点に基づく用語説明のパターンを学習する.用語の種類に応じて検索結果から必要な文章が抽出され,解説型テキストとして統合される.

【研究種目】基盤研究(B)

【研究期間】2010 - 2012

【配分額】17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円)

【研究分野】メディア情報学・データベース

【研究領域課題番号】22300031 (KAKENデータベースで見る）

【研究キーワード】

情報検索 / 自然言語処理 / テキスト間関係認識 / 含意関係認識

【研究成果の概要】

本研究では、情報科学論文の高度な検索というターゲットアプリケーションを想定し、検索クエリと検索結果との関係を分類して提示する手法の開発を行った。情報科学論文のアブストラクトを分析し、そこに一般的に現れるテキスト間関係として、手段、目的、結果、などを定義し、実際に100件のアブストラクトに対してこれらの関係を付与したデータを作成した。このデータを学習・評価データとして自動認識手法の開発を行い、実際に検索に利用できるレベルの精度を達成した。さらに、この手法を用いて情報科学論文3000件に自動的に関係を付与し、これを利用して検索結果の分類を自動的に行うプロトタイプシステムを開発した。

【研究種目】基盤研究(B)

【研究期間】2010-04-01 - 2013-03-31

【配分額】17,420千円 (直接経費: 13,400千円、間接経費: 4,020千円)

【研究分野】メディア情報学・データベース

【研究領域課題番号】20240008 (KAKENデータベースで見る）

【研究キーワード】

ユーザーインターフェイス / 自然言語処理 / web情報処理 / 情報抽出 / 言語インターフェース / 自然言語 / ユーザインターフェース / 情報検索 / 情報システム / インターネット高 / Web情報処理 / ユーザーインターフェース / 情報分類

【研究成果の概要】

インターネット文書の読解支援を動的に行うためのユーザインターフェース技術ならびに自然言語処理上の研究を行った。特に、ユーザがweb文書をブラウザで閲覧している際に、文書部分に関してアクションをとると、関連する情報を取得してユーザに動的に提示するweb mash up技術を中心に研究を進めた。内容は、web mash upをブラウザと連携して行うクライアントと、関連情報を抽出するサーバの研究に分かれる。クライアントについては特許を取得し産学連携上の成果につながり、プロトタイプを共に構築した学生が起業しその会社が育った。また、サーバに関しては関連情報を抽出する手法に関して種々の研究成果が挙がった。

【研究種目】基盤研究(A)

【研究期間】2008-04-08 - 2014-03-31

【配分額】47,725千円 (直接経費: 36,712千円、間接経費: 11,013千円)

【研究分野】知能情報学

【研究領域課題番号】17200007 (KAKENデータベースで見る）

【研究キーワード】

WWW / 知識 / テキスト / マイニング / 用例検索 / 名寄せ / 用語抽出 / 機械学習 / 検索 / テキストマイニング / 半構造テキスト / ブログ / Trie / n-gram / 情報検索 / インデキシング / 自然言語処理 / 用例

【研究成果の概要】

本研究においては、膨大な量のWebページから、利用者が興味を持つ分野の知識を記述するテキストを抽出し表示するシステムを開発した。具体的には、以下のようなシステムを提案しプロトタイプおよび実用的なシステムを開発した。(1)利用者の検索エンジンなどで検索し指定したWebページから、既開発の用語抽出システム「言選Wbb」を用いて、そのページを特徴つける重要語を抽出するシステム。(2)こうして抽出した重要語集合の中から、その定義、あるいは複数の重要語の間の関係を知ることを目的とし、Webからの用例検索システムKiwiを利用して、それらの重要語を含む用例文を多数抽出するシステム。(3)ただし、(2)においてWebを直接に検索する従来の用例検索システムを、高速化するために、既存クローラで収集したWebページを対象にする新たな用例検索システムを開発し、UT-Kiwiとして公開した。(4)上記の用例検索の精度の向上を目的とし、同一名が異なる実体を参照する場合、別名が同一実体を参照する場合を解消するWeb名寄せのメカニズムを提案し、試作システムNayoseを構築した。(5)Webテキスト情報からの知識抽出の基礎となる機械学習アルゴリズムを開発した。(6)Webテキストの活用の狙って、Web上の英文テキストから穴埋め4択問題を自動生成するシステムSakumonを開発した。

【研究種目】基盤研究(A)

【研究期間】2005 - 2007

【配分額】43,420千円 (直接経費: 33,400千円、間接経費: 10,020千円)

【研究分野】メディア情報学・データベース

【研究領域課題番号】17300028 (KAKENデータベースで見る）

【研究キーワード】

World Wide Web / 百科事典 / マルチメディア / 自然言語処理 / 情報検索 / 音声認識 / ユーザインタフェース / コンテンッ構築 / コンテンツ構築

【研究成果の概要】

World Wide Webや放送メディアで配信される大量かつ不均一な情報(作成者,作成の目的,メディアなどが異なる無関係な情報)から,マルチメディア事典コンテンツを自動構築するための基盤研究を行う.具体的には,テキスト,音声,画像ファイルを収集し,事物(専門用語,動植物,事件,人名など)に関する情報を抽出し,関連付け,再構成することで一貫性のある解説的コンテンツを構築する.
研究代表者の藤井は, IPA未踏ソフトウェア創造事業で,見出し語数75万語の事典コンテンツをWeb情報から自動構築した.当コンテンツは,事典検索サイトCyclone (http://cyclone.slis.tsukuba.ac.jp)で公開されている.しかし, Cycloneのコンテンツはテキスト情報だけなので,音声,画像を統合することでマルチメディア化を進めた.画像で説明することの利点が高い見出し語(動植物や装置など)を対象に, Cycloneの説明テキストに画像ファイルを対応付ける研究を行った.本研究を大規模に展開するために, Webから画像ファイルを収集し,画像検索エンジンを独自に開発した.また,テキストと動画像を対応付ける研究を行った.講演ビデオを対象として,ビデオ中の音声情報を抽出し,音声認識システムによって自動的にテキストに転記し,さらに索引付けすることで,テキスト検索技術を用いて講演ビデオから特定のシーンを検索することを可能にした.さらに, Web上の主観情報を対象としてテキスト情報の特徴を可視化する研究,多言語情報を統合するための翻字手法に関する研究を行った.

【研究種目】基盤研究(B)

【研究期間】2005 - 2007

【配分額】10,150千円 (直接経費: 9,100千円、間接経費: 1,050千円)

【研究分野】知能情報学

【研究領域課題番号】12680368 (KAKENデータベースで見る）

【研究キーワード】

用語抽出 / 情報抽出 / 専門用語 / コーパス / 対訳 / NTCIR / 自然言語処理 / 情報探索 / 情報検索 / 自動用語抽出 / 対訳辞書 / 索引語

【研究成果の概要】

本年度は、NTCIR1のTMRECタスクで配布された用語抽出テストコレクションを利用して専門分野コーパスからの専門用語抽出の研究に取り組んだ。過去に行われた用語抽出方法は、多くの場合、用語のテキスト集合での出現頻度を利用するものであった。この研究では、むしろ今まで注意が払われてこなかった語彙空間における用語の性質を考慮する方法を検討した。提案した用語抽出方法は、専門用語の85%を占める複合語と、その構成要素である単名詞の関係を統計的に処理するものである。例えば、「人間情報システム」「社会情報システム」など「情報」という単名詞の左右に多様な名詞が付着して複合語である専門用語が構成されるとき、「情報」という単名詞の専門用語としての重要性は、その左方、および右方に付着する名詞の種類数によって定義した。さらにこうして得た個々の単名詞の重要度を幾何平均することによって、複合名詞の重要度を定義した。具体的な用語抽出システムとしては、(1)日本語コーパスを形態素解析、(2)複合語すなわち名詞連続を用語候補として抽出、(3)上記の重要度を各候補に対して計算、(4)TRMRCテストコレクションによる精度の評価、を行った。この結果、提案した用語抽出システムは、NTCIR1の参加チームに比べて上位の精度を出すことが確認された。また、この用語抽出方法を利用した日英対訳表現の抽出へむけて、用語抽出システムの英語適応化も行い、その動作を確認した。

【研究種目】基盤研究(C)

【研究期間】2000 - 2001

【配分額】3,600千円 (直接経費: 3,600千円)

【研究分野】知能情報学

【研究領域課題番号】09480062 (KAKENデータベースで見る）

【研究キーワード】

情報検索 / 自然言語処理 / 係り受け解析 / 格フレーム / ベクトル空間モデル

【研究成果の概要】

従来の情報検索システムでは,検索対象となる文書と検索要求とを重み付きのキーワードベクトルで表現し,余弦を求めることで関連性を判定するベクトル空間モデルを用いることが多い.通常,ベクトルの各要素の重みの計算には出現回数を基にした統計量を用いるが,このような表層的な情報のみを利用した手法では,関連性が低い文書も検索してしまうという問題が生ずる.今年度は,従来の手法によって検索された文書集合を対象とし,その中から自然言語処理技術を用いて不適切な文書を排除する手法について研究をおこなった.具体的には,文書中の動詞,格要素(名詞,助詞)からなる格フレームに注目し,格フレームと検索要求との関連性を求めることによって文書と検索要求との関連性を判定する.格フレームを利用することで,文書の構造的な情報を扱うことが可能となり,キーワードのみの集合に比べて精密に文書の内容を把握することが可能となる.初期検索によって検索された文書集合から,格フレームと検索要求との関連性の計算する.関連性の判定には,格フレームがどの程度検索要求に対して特徴的であるかを示す重要度という尺度を用いる.格フレームに対して直接重要度をめることは難しいため,動詞,格要素それぞれに重要度を求め,それらを用いて格フレーム重要度を求める.また類似,包含関係にある格フレーム間では,類似性に応じて相互に重要度を修正することにより,特徴的な格フレームの判定を容易にした.格フレームの類似性の判定には動詞,格要素それぞれに対し,シソ-ラスを用いて求められる類似度と呼ばれる尺度を導入した.このようにして求めた格フレームの重要度を用い,関連性の高い文書を判定する.約5,000文書からなる情報検索システム評価用のテストコレクションを用いて本手法を評価した結果,初期検索によって関連文書がある程度絞り込まれている場合には,従来法と比較して本手法が有効であることがわかった.

【研究種目】基盤研究(B)

【研究期間】1997 - 1998

【配分額】13,400千円 (直接経費: 13,400千円)