This study investigates the dynamics of user interactions within the gaming community surrounding Genshin Impact, particularly during a backlash over accusations of racism and cultural appropriation following a July 2024 update. By analysing comments and interaction patterns on Reddit, this study employs a feature extraction method based on the TF-IDF concept, enhanced by voting counts, to better reflect users' interests and the nuances of community discourse. The findings reveal significant variances in user characteristics and subgroup interactions, providing insights into the demographic and linguistic variations in culture-based communities on social media.

研究データのメタデータスキーマの開発は各分野の専門知識だけでなく，セマンティック・ウェブ技術に関する深い知識が必要であり，困難なタスクである．上記課題を解決するため，我々は知識，技術，専門，所属機関の異なる多様な研究関係者が連携してメタデータを設計するためのメタデータ設計システムの開発を目指している．本稿では，我々が設計した初期システムの設計思想，概要，今後の課題について述べる．

知識グラフ埋め込みは、現実世界の知識とその知識同士の繋がりを表現する知識グラフを、低次元のベクトル空間にマッピングする手法であり、類似ノード検索や関係性の補完（リンク予測）に利用されている。不確実性を含む知識グラフの埋め込み（UKGE：Uncertain Knowledge Graph Embedding）では、曖昧で不確実な表現を含む確信度付きの知識グラフの分散表現を獲得できる。しかし、これらの知識グラフ埋め込みモデルはブラックボックスであることが多く、リンク予測に寄与した知識の解釈が困難である。本稿では、知識グラフ埋め込みの説明フレームワークであるKelpieをUKGE用に拡張する手法を提案する。

In this paper, we extend a tool for extracting knowledge graph candidates by leveraging dependency structure analysis. Specifically, instead of using a dependency structure analysis tool, we replace the syntactic relationship determination based on the derivation rules of one of the wellknown parsing algorithms, the CKY algorithm, with a prompt-based determination using a Large Language Model (LLM). This approach allows a better integration of knowledge graph extraction with syntactic structure analysis. The prompts focus on bunsetsus, the basic units of meaning in Japanese, allowing us to effectively address domain-specific writing styles and handle named entities by restricting sentence sets.

The large language model (LLM) based recommendation system is effective for sequential recommendation and knowledge graph-based prompt tuning has been proposed. However, it is also necessary to consider user knowledge; thus, we propose a user knowledge prompt, which converts a user knowledge graph into a prompt. We conducted experiments on two types of datasets (movie and music) and show the improvement of our proposed user knowledge prompt.

生産ラインにおける不良原因特定において過去の保全記録を参照することは有効であり，これまでナレッジグラフ構築による保全記録の活用が行われてきた．しかし，保全記録の語彙の非一貫性や専門性、ナレッジグラフ構築のための高いコストが課題となっていた．本研究では、事前学習済みの大規模言語モデルと小規模なドメインオントロジーを用いて保全記録からナレッジグラフを構築する軽量な手法を提案する．実験では，提案手法によって実際の保全記録内の多くのイベントが関連付けられ構造化されたことが示された．今後はこのナレッジグラフを用いた不良原因の推論を行う．

The maintenance activities of automated manufacturing lines require a deep understanding of equipment and skills. One widely used failure analysis method is Failure Mode and Effect Analysis (FMEA). Previous research has attempted to utilize knowledge of existing failure phenomena based on past analyses to assist in identifying causes of failures. However, these studies have been limited to retrieving descriptions from knowledge bases and have not extended to searching for similar failure phenomena according to differences in manufacturing line processes. This study proposes a method to infer failure causes using embedding techniques by constructing a knowledge graph that structures the conceptual differences in manufacturing lines from FMEA descriptions.

本研究では、著者が開発したEntity Linking システムの評価結果における正解を含む複数のLinking 候補からの選択に失敗しているものについて、クラス階層に着目し分析を行った。著者のEL システムにおいては、クラス階層を用いてLinking 候補の優先順位を変更させる仕組みがあるが、利用するクラスの選定に課題があったためである。分析の結果、Linking 候補からのEntity 選択失敗の約4 割が場所や時間に関するものであることが判明した。

家庭内のような物理的な環境を模したシミュレータ内で，エージェントが自然言語の指示に従って複雑なタスクを行う研究が盛んであり，エージェントがタスクを実行するための適切な行動の計画を行うために，大規模言語モデル（LLM: Large Language Model）を活用することが注目されている．本研究では，LLM を用いて，環境内の物体の状態や物体間の関係などを含む情報を環境知識として認識し，環境知識に従ってタスクを実行するための適切な行動計画を生成することに焦点を当てる．これまでの研究では，環境知識を用いずにLLM の常識知識によってタスクを達成するための行動計画を生成できるような実験課題がほとんどであった．本研究では，家庭用シミュレータであるVirtualHome(VH) を用いて，環境知識を認識しなければ達成することが困難な家庭内タスクデータセットを作成した．さらに，LLM を用いて，環境知識に従ってタスクを実行するための適切な行動計画を生成する手法を提案した．評価実験では，VH シミュレータと作成した家庭内タスクデータセットを用いて，タスクの成功率を評価した．

個人の嗜好と疾患に対する健康効果の両方を考慮した献立を考えることは，心臓病や糖尿病などの基礎疾患を有する患者の負担となっている．本研究の目的は，基礎疾患を有する患者を対象として，個人の嗜好と健康効果の両方を考慮したレシピ推薦システムを構築することである．目的を達成するために，レシピ，食材，調味料，化合物，栄養成分，健康効果，疾患，患者の健康状態と嗜好に関する領域オントロジー，知識グラフ，ルールベースを構築する．構築した知識グラフやルールベースを用いて，科学的根拠に基づいて対象疾患に対して健康効果があるレシピと，患者の嗜好と疾患を考慮したレシピにおける代替食材を推薦する．また，知識グラフと大規模言語モデルを用いて，推薦理由を自然言語で患者にわかりやすく説明することを試みる．