行動認識を利用するソリューションでは、どのような行動(活動)を認識するのかによって使用できる機器が異なる場合がある。ソリューションとその構成機器の導入に際し、ソリューションと機器の組み合わせを推薦する場合、関連研究で用いられているスキーマ（データ構造）を使用すると、ユーザ（ソリューション）の要求する活動に適合した機器を正しく推薦できない、ほか、ソリューションの記述に重複が発生してしまい、組み合わせの設計負荷が増大する。 本稿では、人の活動情報が関わるソリューション及び機器の推薦にオントロジーを使用する場合において、ユーザの要求する活動に適合した機器を正しく推薦し、かつ、ソリューションの記述に重複が生じないよう、人の活動を階層的に表現した抽象概念を定義し、抽象概念を介してソリューションと機器の関係を表現するオントロジースキーマを提案する。また、ユーザごとに共通で使用するプラットフォーム知識と、ユーザごとに異なる要件や条件を保持するユーザ知識と呼ばれる２つのオントロジーを使用して、推薦候補となるユーザ専用のオントロジーを合成する方法を示す。サンプルのユースケースシナリオを例に提案手法の動作を検証した結果、ユーザの要求する活動に適合した機器を正しく推薦でき、ソリューションの記述に重複が無いことを確認した。

Link prediction in knowledge graphs is used for question answering, for example, using the knowledge represented in the graph structure. On the other hand, there are still no established techniques for explaining inferences drawn from knowledge graphs. In this paper, we propose a technique for explaining the prediction results of link prediction using knowledge graph embedding. This explanation technique is realized by showing the characteristic parts of the predicted node's neighborhood.

LODデータセット利用時の内容理解にはメタデータスキーマをはじめとするデータセットに関するメタデータが不可欠である。しかし現状として、データセットと共に公開されるメタデータは十分な内容が整備されていない。本研究では、データセットの探索から利用までを支援するメタデータ群として、DCMIシンガポールフレームワークに基づく人間向けの構造情報に加え、データセット利用者視点の情報などを含む「メタデータプロファイル」を定義し、その公開支援を行うことで、LODデータセットの利活用性向上を目指す。

日常生活行動を対象とした研究の多くは，機材や実験スペースを要するものであり，条件を柔軟に変更してデータを取得することは容易ではない．今後，日常生活の分析には，リアルなデータを取得できる物理環境と，条件を柔軟に変更して大量の実験を施行できる仮想環境の，双方で得られるデータを相補的に組み合わせる需要が増すと考えられる．さらに，収集したデータから物体や行動を認識することに加えて，抽象的・背景的な知識を付与することで，意味レベルで日常生活を分析することが可能になる．本研究では，日常生活行動に関する様々な分析を可能にするため，仮想空間を用いた日常生活行動のシミュレーション結果をもとにナレッジグラフを構築する手法を提案する．まずオントロジーを構築し，オントロジーに基づいて仮想空間シミュレーション結果をナレッジグラフ化した．また，複数の行動を組み合わせることによるナレッジグラフの増強手法を提案した．オントロジーおよびナレッジグラフの構築について考察し，今後の発展性について述べる．

近年説明可能AI（Explainable AI）の技術が注目されており、ホワイトボックス型の機械学習モデルを設計する場合、モデルの予測結果の精度向上を追求するだけでなく、解釈性の高いモデルを設計する事が重要である。本研究では、学習データのリソースとしてナレッジグラフを使用する場合を想定し、エンティティ間の上位概念の関係性を利用した、解釈性の高いモデルを実現するための説明変数を選択する手法を提案する。また、実際にプロ野球選手の実データを利用した実験により、意図した通りの説明変数が選択出来る事を確認した。

ナレッジグラフの歴史学研究への応用は近年、プロソポグラフィ研究やバイオグラフィ研究を中心に進展している。しかしこれらの研究の多くは、すでに伝統的な手法によって為された二次的な研究成果を対象としたものであり、一次史料の内容そのものを記述するものでは必ずしもない。今後、歴史学研究におけるナレッジグラフ活用をさらに深いレベルで促進するためには、一次史料そのものの知識構造化を進める必要がある。こうした構造化に適用可能なオントロジーとしてはすでにFactoidモデルが提案されているが、このモデルは時間的コンテキストや曖昧性の表現に十分に対応しているとは言えず、曖昧性の大きい史料記述については課題が残る。そこで本研究はFactoidモデルを拡張し、出来事の前後関係に基づいて時間的コンテキストや曖昧性を表現可能なモデルを提案したうえで、曖昧性の大きい古代史史料を事例として実際に提案モデルを適用し、データ構築および検索性の検証を行った。

人間行動の分析は製品開発の分野で重要なタスクである．しかし，人間行動のマルチモーダルな特徴を捉えているビデオデータから興味のあるシーンを抽出することは，労力を要する．本原稿では，ビデオデータに含まれる人間行動をナレッジグラフとして記述し，興味のあるシーンを抽出する等の動画分析に利用可能な基盤を提供するために構築したオントロジーについて説明する．