設備管理の主な目的は，設備を完全な状態で動作させることである．設備管理を常に行うことによって大きな故障やトラブルを防止することができ，操業効率化やコスト削減に寄与することができる．設備管理業務は，故障を引き起こす物理化学的な現象から正しい保全のやり方に至るまで広範な知識を必要とする．本稿は，それらの知識を記述，共有，伝承するためのオントロジーを用いた知識モデルを提案し，配管系を対象として事例を示す．提案する知識モデルは，保全担当者の教育や設備管理業務のためにすぐに参照できるリファレンスとしてなど，いろいろな場面や形態で活用することができる．

This article reports on the technology for managing assets and data in smart cities. We adopted Next Generation Service Interfaces _ Linked Data ontology as the management technology. We introduced rules to construct ontology models for the purpose of retrieving information accurately. Finally, we compared searches from ontology and the tree model, and describe problems and countermeasures.

データセットのメタデータ流通において、一貫性のあるカテゴリ分類は横断検索のために重要である。データポータルにおけるデータセットへのカテゴリの設定率は高いものの、ポータルごとにカテゴリ定義や付与基準が異なる、集約したメタデータに対するカテゴリ再付与のコストが高いなど、課題は多い。この分類作業を LLM によって実現できれば状況の改善が期待できる。LLM に外部知識に基づいた処理をさせるために RAG 手法が用いられるが、情報源がナレッジグラフである場合にどのような情報提示が有効かは不明である。本研究では、ナレッジグラフを情報源とした RAG 手法を試行し、その効果と限界を明らかにする。

リカバリー概念の獲得支援を行うために，独自のデータベースとLarge Language Model (LLM)を活用する概念学習支援システムを開発した．リカバリー概念普及に伴い適切な概念理解が求められる一方で，指導者の質が担保できず概念の誤認識が生まれているという課題がある．本研究ではリカバリー概念に関するナレッジグラフ(KG)を作成し，それらの情報を活用したLLM ベースのチャットボットを通じて学習支援を行うことで適切な概念獲得を支援することを目指した．大学生に対して実験を行った結果，定義が明確な概念においては理解の促進に有用であることが示唆された．一方で，広範で適用範囲の広い概念の場合は，KGの規模を拡大・深化させることで理解の促進に寄与することが示唆された．

自動車業界ではEVに代表される電動化領域での競争が激化している．その中から抜きんでるために，弊社は開発期間の短縮と製品品質向上を両立した開発プロセスの確立を目指し，社内の多種多様な製品開発知識をオントロジーで解釈し，設計支援に活かす仕組みを構築している．本論文では，設計支援システムの概要と社内知識を定義し複数製品で効率的に共有するオントロジー構造について述べたうえで，オントロジー構築の効率化のための知識抽出手法について説明する．知識抽出手法は固有表現抽出・関係抽出・省略推定・エンティティリンキングの4ステップで構成され，関係抽出・エンティティリンキングはオントロジー構造を活用したルールベース手法を提案する．社内帳票での評価の結果，各ステップで良好な結果が得られ，特にルールベース手法は機械学習手法を上回る精度を示し，社内専門分野でもオントロジーを構築することで高い精度で知識抽出が可能であることを示した．さらにオントロジー構築の初期および中盤以降での帳票の選び方と手動でアノテーションすべき件数に対して，抽出できる知識量と固有表現抽出の精度の面からの解を示した．

生命科学分野では，複雑かつ多様なデータや知識を統合的に取り扱うために，多くのデータベースがRDFとよばれるグラフ構造で公開されている．グラフの各ノードは個々の遺伝子やタンパク質などに対応するURIが紐付けられており，その結果，各データベースは大量のURIを含んだグラフ構造データとなっている．また，他のデータベースへのURIのリンクを張ることで，各データベースはリンクを通して繋がっていき，結果としてひとつの巨大なナレッジグラフを構成することになる．したがって，データベースのIDやキーワードから巨大なナレッジグラフに現れるURIを検索するための基盤として，生命科学データの大量のURIを格納でき，検索できる圧縮手法が必須である．現在，URIの格納にはしばしばFront Coding(あるいはIncremental encoding)とよばれる手法が使われている．本研究では，生命科学分野の様々なRDFデータを用い，このFront Codingをベースラインとして，簡潔構造を用いた場合について，圧縮率および検索時間を比較調査する．

様々な知識グラフ（Knowledge Graph）がRDF形式でWeb上に公開されている。知識グラフへの主なアクセス方法としてクエリ言語のSPARQLがある。だが、SPARQLによる知識グラフへのアクセスには、多くの場合複雑なスキーマを把握する必要がある。そのため、Web上に公開されている知識グラフに容易にアクセスできない課題がある。本研究では、LLM(Large Language Models)を用いて、スキーマの把握とSPARQLクエリの記述を代替できるか検証する。

ナレッジグラフ推論チャレンジ【実社会版】（KGRC4SI）で提供しているデータセットは、仮想空間におけるアバターの行動をイベント中心ナレッジグラフで表現している。そのため、動画では隠れている部分の情報も含め仮想空間全体の情報が含まれている。しかしながら実社会のセンサーデータを集めた場合などでは、どうしても取得できない情報が存在する。本稿では、KGRC4SIのデータセットを完全なデータとして学習に用いて、隠れた部分をLLMを用いながら予測する方法とその方法を用いた実験結果を報告する。

郷土料理には地域の特徴や文化の重要な情報が詰まっているが，現代の食習慣の変化により，郷土料理を継承する機会が減少している．そこで本研究では，郷土料理の継承に寄与するLinked Open Dataの構築を目指している．しかし，どのようなデータが継承に寄与するかは明らかでなかった．そこで，どうすれば郷土料理を作りたいと思えるかを調査するためのアンケートを実施した．郷土料理を作りたい理由に「郷土料理を継承していきたい」が多くあり，作りたくない理由には「手間・面倒・時間がかかる」や「材料を揃えるのが大変」の回答が多くあった．アンケートの結果を踏まえ，大規模言語モデルを用いて既存の郷土料理レシピを簡単化し，作りやすくしたものをLOD化することが郷土料理の継承に寄与するという仮説を立てた．本稿ではその仮説に基づき，大規模言語モデルを郷土料理用いたレシピ簡単化システムの作成を行った．しかし，実際に生成したレシピは簡単化や郷土料理らしさに関してあまり精度が高くなかった．そのため，特に精度が悪かった材料の代替に関して「材料の代替知識データ」を導入し，生成レシピの精度を高めた．

家庭シミュレータVirtualHome（VH）では，アクションとその対象オブジェクトから構成されるアクションスクリプトに基づいてエージェントを三次元仮想空間内で行動させることができる．アクションスクリプトを手作業で作成することは直感的でなく，自然言語文で与えることができればユーザの意図や要求をより容易に記述することができる．自然言語文からアクションスクリプトを自動生成する研究はされているが，実行可能なアクションスクリプトの割合は約40%である．我々は，日常生活の詳細な記述を入力として，エージェントがVH上で実行可能なアクションスクリプトを生成するシステムを提案してきた．しかし，日常生活の詳細な記述をする際に，VH上に存在するオブジェクトやエージェントが実行可能なアクションを考慮する手間があった．本研究では，抽象的なタスク記述を入力として，エージェントがVH上で実行可能なアクションスクリプトを生成することを目的とする．本提案システムでは，LLMを用いて抽象的なタスク記述から日常生活の詳細な記述を生成する過程を導入する．また，評価実験では，正解データとの類似度と実行率を評価する．