近年，人狼ゲームは不完全情報ゲームの研究テーマとして注目されている．人狼ゲームでは他プレイヤーの役職を知ることができないため，役職推定は人狼ゲームを行う中で特に重要な能力である．Long Short Term Memory を用いた人狼推定についての先行研究はいくつかあるが，それらは発言にインデックスを与えone-hot vectorにしたものを発言のベクトルとして入力に用いている．しかし，この手法では発言の種類が増えた場合，入力ベクトルの次元数も増えてしまうという問題がある．本論文では，word2vecを用いて発言をベクトルで表現し，そのベクトルを入力として用いる手法を提案する．また，先行研究では人狼推定のみを行っていたが，提案手法では同時に他の役職も推定する．実験では，人狼知能プロジェクトが公開している人狼知能大会の対戦ログを用いて，従来手法との精度比較を行った．実験の結果，従来手法から精度を落とすことなく，発言ベクトルの次元を削減することに成功した．
