ラベル情報の信頼度が異なるデータセットに対して分類精度を向上するブースティング手法Credit AdaBoost　(CAB)が提案されている。本研究ではCABを文書分類とネット動画コンテンツ推薦に応用する。現実には文書データ及びネット動画コンテンツデータは正例の比率が著しく低い場合が多いため、インバランス性を考慮して信頼度の低いデータのラベル信頼度を決定するCAB手法を提案し、分類精度を向上する。

混合ディリクレ過程モデルを利用することで，ARMAモデルの可算無限混合モデルに基づく時系列クラスタリング法を開発する．データがある混合モデルから生じると仮定し，混合モデルの同一要素モデルから生成されたデータがクラスタを成すと考えるのがモデルベースクラスタリングである．従来，有限混合モデルを用いるものが主であったが，混合ディリクレ過程に基づき可算無限混合モデルを用いる手法が近年注目されている．

本稿では, 多値分類におけるアンサンブル学習として, 分類器が各クラスについて出力するスコア（分類スコア）を複数用いて推定したクラス所属確率を利用する方法を提案する. 提案手法を性質の異なる2種類のデータセットにより実験した結果, 提案手法は分類器が少ない場合でも有効性を発揮した. また, 提案手法は, 訓練事例をリサンプリングにより生成した場合でも素性の選択を変えた場合でも有効性を示した.

高次元確率空間においては、次元の呪いにより有限個数データの標本分布がその母集団分布を的確に反映しない。また、同じく確率密度関数によっては、確率空間内の非常に限られた範囲でしか有意な大きさをとらない場合が多い。本報では、これらの効果により、期待値のベイズ推定が大きなバイアスを持つことを示し、どのような場合に機械学習やデータマイニングに大きな影響を与えるかを理論的考察と実験によって明らかにする。

少数の個体からなるレア概念のうち，特に，より少数の一般 的な属性からなる内包を有するものを潜在的に重要な萌芽的概念と定め，その 抽出を試みる．レアネス制約のもと，内包の一般性が上位 N である形式概念 の抽出問題としてこれを定式化し，そのための，局所的な分枝限定法による候 補概念プールの効率的な更新を伴うビーム探索アルゴリズムを与える．

In this paper, we propose a symbolic representation for multi-dimensional trajectory data. The central step in the proposal is discretizing the raw time-series of two dimensional trajectory into a corresponding sequence of symbols. Experimental results in both synthetic and real time series data sets show the time-efficiency of our proposal and our representation is also often less sensitive to noise.

Time series medical data contains many null values and is collected over a long period of time. The focus is on extracting longer decreasing / increasing patterns/biclusters that may be of interest to medical experts in analysing drug responses and therapies, as well as predicting certain disease occurences. We apply the technique of biclustering to extract new, interesting patterns from this data. Given the data for each patient, we discretize it to obtain a symbolic representation using statistical methods. We then proceed to efficiently construct a compact generalized suffix tree over the entire dataset. The algorithm presented in this work extends the problem of common motif searching as applied in microarray experiments to extract approximate biclusters from within the suffix tree utilizing a form of string edit distance restricted to substitution and deletion, and the concept of valid models.

テキスト・音声等から得られる符号系列に対し、符号の出現パターンの同質性に着目して、意味的に同質な部分区間に分割する領域非依存なトピック分割アルゴリズムを提案する。全ての（ギャップを含む）部分符号列の出現頻度に基づく任意の部分区間の類似性を文字列カーネルを用いて計算し、動的計画法により最適な分割を計算するこのアルゴリズムを、テキスト・音声コーパスに適用し、既存手法との性能比較を行う。

これまで提案してきた強化学習のステップサイズパラメータの適応手法を、マルチエージェント環境下で用いた場合のシステムの挙動について、 その性質を分析する。

本論文では，複利リターン，つまり，リターンの幾何平均を最大化するための強化学習の枠組みである複利型強化学習を提案する．また，実験により複利型強化学習がいくつかの問題において有効であることを示す．

近年，機械学習の分野において強化学習の研究が盛んに行われている． 強化学習とは，試行錯誤を通じて未知環境に適応する学習手法である． しかしながら，強化学習の研究の多くは学習中における動的な環境の変化を考慮していない． 本研究では，環境の変化を知覚した時に危険度予測を用いることにより現在の最適戦略を変更し，環境変化に適応する強化学習手法を提案する．

静的・動的対象の区別に着目した二階層型強化学習器を提案する．提案法では，静的対象情報を学習する階層と，動的対象情報を学習する階層とを分離し，情報を整理することで，マルチエージェントタスク下における学習効率改善を行える．ロボットシミュレーションより，他者を静的対象と捉えて行動する場合と他者を動的対象と捉えて行動する場合との使い分けが学習・獲得できた．この結果，学習効率が大きく改善した．

　人の脳は、知識や知能のプロセス機能と記憶機能を同一の神経回路網で実現している。しかし、人工知能や認知研究において、記憶のメカニズムや記憶された情報の構造については、まだ、未知の領域である。この研究では、短期記憶から長期記憶への転写、同時多数領域への生感覚の記憶とインデックス構造について研究してきた、ここでは、生感覚の記憶で何をスナップ記憶として選択するのかについて論じる。

本研究では、繰返しや分岐、変数化、及び既 に獲得した解き方の利用など、原始的な帰納 推論のみで多様な数学の問題が解けるプロ グラムの開発を行っている。本発表では、式の変 形の仕方の獲得後、連立方程式の解法を獲得 するプログラムの試作について報告する。各入 力文は、自然言語と数式からなり、学校の先 生が中学生に教えるようにプログラムに与え ると、プログラムは解き方の手順を作成する。

近年，ライフログ分析をはじめ，異種多様な確率モデルから取得された複雑多様なデータの分析の重要性が高まっている．異種多様なモデルを混合させた「異種混合モデル」を学習するためには，混合数，混合するコンポーネントの種類を同定する必要がある．本稿では，この異種混合モデルに対するモデル選択問題に対する高速な学習アルゴリズムとして一般化期待情報量基準最小化法を提案し，実験によってその性能を評価する．

Traditional relation extraction requires pre-defined relations and many human annotated training data. Meanwhile, open relation extraction demands a set of heuristic rules to extract all potential relations from text. These requirements reduce the practicability and robustness of information extraction system. In this paper, we propose a bootstrapping framework, which uses a few seed sentences marked up with two entities to expand a ranked list of sentences containing target relations. During the expansion process, label propagation algorithm is used to select the most confident entity pairs and context patterns. In order to rank these extracted sentences according their relevance to the given seeds, we propose Multi-View Ranking algorithm. The algorithm is a semi-supervised multi-view learning algorithm which combine information from both entity pair view and context pattern view to rank the sentences.

大規模変数・大量データ環境に適したベイジアンネットワーク学習アルゴリズム TPDA を高速化する手法を提案する．提案手法により計算量を削減できること，また実験により，実行時間と実行時間のばらつきを大幅に抑えられることを示す．

構造方程式モデルと呼ばれる統計モデルを用いた因果構造探索を議論する。従来法はデータ共分散行列の情報しか用いないことが多いため、モデルを一意に同定できない問題があった。最近、データの非正規性を活用することで、この問題を解消できる場合があることがわかってきた。だが、現在の非正規性を使う方法は、データ情報のみを用い、事前情報があっても利用しない。本発表では、事前情報も利用することで探索性能の向上を図る。

本論文では，新聞記事から人々が感じるであろう印象を抽出する手法を提案する．抽出対象となる印象は，「楽しい⇔悲しい」，「うれしい⇔怒り」，「のどか⇔緊迫」の3種類であり，各印象軸に対して7段階の印象値（実数値）を出力する．また，被験者100人が新聞記事10記事の印象を評価するという実験を，被験者と記事を替えて9回行い，提案手法が出力する各記事の印象値と比較することによって提案手法の有効性を検証する．

大量の編年型データを対象とし、そこに含まれるトピックや付与されたメタデータの経年変化を視覚化することにより、漠然と認識していたことを数値的に確認したり、新たな発見のための気づきを得ることを支援するための解析ツールを提案する。本論では、提案システムを膨大な歴史史料に適用し、その有効性について検証する。

脳卒中後のリハビリテーションで損傷部位の脳機能は重要な情報であるが、文献数が膨大で損傷部位の機能を俯瞰的に見ることは困難である。そこで、米国国立医学図書館 (NLM)のPubMed文献データベースを脳局所の用語と脳機能の用語を同時に検索し、文献の有無により機能を解析した。また、前頭前野については、全文献の抄録をダウンロードし、テキストマイニングで解析し、脳局所の機能情報を可視化可能となった。

本稿では，研究分野間のネットワークを構築し，論文と共著者の関係の情報を利 用した研究動向を予測する手法の提案と評価を行う．従来のネットワーク構造に 基づいたネットワーク変化の予測は高い精度を達成していない．そこで外部情報 である科研費データベースを用いて予測を試みる．共同研究者の専門分野を特定 し，専門分野の関係性を強めることで研究分野間ネットワークの成長を予測す る．

リモートセンシングデータから森林管理・施行に必要な情報の抽出を試みる．具体的には，樹種の分類，森林生育状況の推定，樹木密集度の推定という3つの問題を扱う．林業分野では，観測値より演算される物理特性を基に，森林管理情報を求める演繹的な方式が一般的だが，我々はセンサ値から直接的に求める帰納的な方式を採る．実データを用いた実験により，我々の方式が森林管理情報の抽出に有用であることを示す．

保育所等で作成される子どもの発達記録は，客観的に作成することが原則であるが，人手であるが故に主観を全て排除できず，記録の分析を難しくしている．本稿では，保育所が重視している記録項目は，複数の保育者がつけてもスコアにバラツキはないとの仮説に基づき，保育所の保育傾向を，発達記録からマイニングする手法を提案する．実際に，6保育園の発達記録から，保育傾向をある程度抽出できることを示す．

情報格差解消や地域振興促進等のため、通信設備の最小管理単位となるエリアに対し、各エリアの潜在需要を推定する前段として、効率的に光化するエリアを選択するため、エリア間の隣接関係を地理的要因とし、複数のエリアから構成される全国の多数の地域をグラフ表現により分類する手法を提案した。エリアのブロードバンド普及率をもとに本手法を適用した地域分類例を示し、分類毎の光化されていないエリアの特性を考察した。

本研究では，ネットワークの構造が時間と共に変化する動的なネットーワークを対象にして， 現在は重要でないが将来において重要となるようなノード（有望ノード）を同定する手法を提案する． 有望ノードの同定には，ネットワークのリンク構造を用いたリンク予測とネットワークの中心性を指標とするノードの順位付けの２つの手法を用いて行う．

知識の関係性を可視化できるシステムを利用することで，他者とのインタラクションを通した効果的な知識構造の再構築と共有が期待できる．しかし，開発したシステム上で知識の配置を行う際に，利用者の負担が大きいという問題が見つかった．そのため，既存の知識構造をクラスタリングすることで，その知識構造に追加される新たな知識の配置位置の推定や，他の知識との関係性の構築を補助する機能を実装し，その効果を検証する．

医療分野におけるプロセス知識の共有・再利用性の向上を目指して，その記述のために設計分野で用いられている機能的知識共有枠組みの適用を提案する．本発表では，医療分野で用いられているガイドラインを例題として枠組みの妥当性に関する考察と検証，知識記述を容易にするための記述パターンについて述べる．

ナノ結晶デバイスの開発プロセスにおいては、製造プロセスがデバイスの性質に大きな影響を与えるため、試行錯誤的な実験の繰り返しが必要とされる。しかし、その試行錯誤に関する知識はあまり明示化されていないため、熟練者の「匠の技」である暗黙知に依存している。本研究では、デバイス生成のための実験を行った記録を情報源として、この暗黙知の明示化を支援する実験記録データの活用システムを提案する。

パスファインダーとは，図書資料の情報を提供するツールであり，図書館員によって作成や管理，保守を行うので，そのコストは大きい，インターネット検索やWikipediaは低コストで利用できるが，情報の品質は保証されておらず，情報の真偽を判断する能力が必要となる．本論文では，ユーザ参加型として集合知を利用する知識収集体系を組み込み，維持コスト低減を実現するパスファインダーシステムを提案する．

医療タスクフローを組入れた電子カルテを通じて実践知の循環を加 速する研究を進めている。ここでは、実践知の雛形であるオントロ ジーの洗練作業を、実践知循環の一環として、医療タスクフローへ 埋め込むことについて考察する。

プロダクトやサービスに対して人間が持つ印象は，品質向上に役立てるための重要な知識である．本研究では面接調査によって抽出した印象に関する知識に対して，オントロジー工学の方法論を適用することでその記述を試みる．また，特定の対象世界において印象が言語表現によって観察されることから，印象の記述方法を提案すると共にそれらの区別について考察する．

本研究では、データベース管理におけるデータ内容に応じた動的なアクセス権限管理機 構を提案する．災害時には安否に関する個人情報等，細かな情報の公開範囲を柔軟に変 更することが求められる．本研究では登録されたデータ内容に基づき動的にアクセス権 限が変化する，より柔軟性の高いアクセス権限機構を提案する．

医療タスクフローを組入れた電子カルテを通じて実践知の循環を加 速する研究を進めている。ここでは、実践知の雛形であるオントロ ジーの洗練作業を、実践知循環の一環として、医療タスクフローへ 埋め込むことについて考察する。

オントロジー構築には対象領域に関する知識のみならず，適切な概念化を行う為のオントロジー工学的な考察や様々な技法が必要とされる．本研究では，3年間のプロジェクト研究における臨床医学オントロジー構築の実践を通して得られた知見を，他領域にも適用可能なオントロジー構築技法として一般化することを目指す．その結果は，オントロジー構築ガイドラインの一例として，より良いオントロジー構築に貢献することが期待される．

生物学的分野における有効な知識利用には計算機によるシミュレーションが不可欠である．本研究ではアポトーシスに関する知識をオントロジーにより整備し，オントロジーの定性的知識に基づくシミュレーション構築を行う．オントロジーベースのシミュレーションには実時間によらない定性的な時間概念の表現が必須である．そこで，時区間概念と因果関係による時間長さと時間前後関係の把握からのシミュレーションについて考察する．

本研究では，オントロジー工学的観点からサービス概念の本質を明らかにするという目的のもと，製品機能概念との差別化について考察し．その結果得られたサービスの本質的性質に基づき，サービスの定義を試みる．また，サービスと製品機能の作用間の関係性に着目したマルチレイヤモデルを提案し，それに基づきサービスと製品機能の領域とその間の関係性について明らかにする．

生物をシステムとして理解するために、大量かつ多種多様な生物の表現型データを統合的に解析する方法論が課題となっている。このためには、属性、性質値などの性質概念を高度に整理統合するオントロジーが必要である。我々は、上位オントロジーであるYet Another More Advanced Top-level Ontology　(YAMATO)に基づき、多様な生物データを統合するフレームワークを提唱する。

本研究では，人工物による低コストで直観的に解釈可能な内部状態表出手法であるArtificial Subtle Expressionとして，効果的な表現パターンについて検討する．対話ロボットの内部状態表出として発光ダイオードを採用し，様々な明滅パターンの中からユーザにとって有益な性質を備えるものを特定する．

ユーザの好みの分布はユーザプロファイルという形で，推薦システムでのお勧めアイテムの推定などでよく使われている．しかしながら，好みのモデリングや好みモデルに基づくユーザ理解に関する統一的研究はあまりない．そこで本研究では「気になる／気にならない」と「好き／嫌い」の二軸を定義し，好みに関する特徴を表す手法に基づいてユーザ理解を行う．本手法により，ユーザ間で重要視する好み特徴の分布の違いを表現できる．

本研究は，旅行代理店を題材として，二人の客の間でなされる意思決定会話を支援する情報提供エージェントを開発するものである．本システムは，ユーザの発話状態と顔向きの変化から，会話内容が相談，雑談，質問，理解のどの状態であるかを推定し，会話制御機構において，四種類の状態に応じてエージェントによる会話への参入方法を決定する．指標の有効性と推定精度を，被験者評価実験によって検証し，その結果を報告する．

言語グリッドを用いた多言語コラボレーションでは，誤訳や誤判断が生じる可能性があるが，共通のルールの下で適切な支援を行うことができれば，誤訳・誤判断を克服することができると考えられる． 　本研究では，コミュニケーション支援エージェントを導入し，実験を行った．この実験から，会話がどのように進行し，エージェントはどのように会話を支援したのかを分析し，支援エージェントの有効性について考察する．

本研究では，ポーカーゲームのルールのひとつであるセブンカードスタッドを対象として，人間とコンピュータエージェントの間でコミュニケーションを行う．エージェントは，ファジィ推論を用いた意思決定を行い人間プレーヤーにアドバイスを提示する．さらに同時に，顔表情を生成し，アドバイスと併せて提示する．顔表情はニューラルネットワークを用いて，プレーヤーの感情認識を行い，プレーヤーの感情に応じたものを提示する．

本研究では，複数のユーザと情報をやりとりする対話ロボットのための話題選択・追従方法を提案する．ロボットは各情報の利得，ユーザとロボット双方の知識状態，直前の対話内容との関連度等を考慮し，最も話題価値の高い発話を選択する．ユーザ間の知識に齟齬が見つかった場合，その知識と収集した証拠に基づくベイジアンネットを用いてより確かな知識のほうを他者に伝達する．本手法の有効性を話題提供実験により示す．

人間と対話エージェントの間の円滑な音声対話を実現することを狙いとして，エージェントの発話行動をユーザに適応させる方法について研究を進めている．ここでは，ユーザが覚える違和感をボタンによって直接フィードバックする実験環境において，ユーザの違和感を少なくするように，エージェントの発話開始のタイミングとエージェントが発話時に聞き手を注視する時間を適応的に調整する方法を示し，評価結果について報告する．

人とインタラクションしながら、手順をエージェントが学習する課題を想定する。この場合、人からの指示は必ずしも一定しておらず人の指示以外の情報を参考に手順を実行しなければならなくなる場合が考えられる。ニューラルネットによる学習器は、情報の欠損に対して頑健であると考えられる。本報告ではモジュール構造をもたせたニューラルネットによって実装された強化学習器を使って、この利点を簡単な実験により示す。

個々のエージェントの利益と系全体の利益が一致しない環境下でのマルチエージェント強化学習では，協調行動を創発するための報酬設計は重要な課題である。 本稿では3人以上のエージェントがそれぞれ局所的に囚人のジレンマゲームを繰り返す環境を対象とする。　ジレンマ解消のため，エージェントが独自の効用を生成するという報酬設計法を適用し，実験を通じて，系全体の協調が維持される効用の値や学習率について考察する。

マルチエージェントシステム(MAS)においてエージェントの結合関係はその性能や機能に大きな影響を及ぼすため、結合関係を簡潔に記述できるドメイン固有言語(DSL)の利用はMASの開発において有用であると思われる。そこで我々ではHaskell言語上にMAS用のDSLを設計した。これは拡張性と静的型検査の両方を提供し、並列実行も考慮したものである。本発表ではその実装と迷路探索などでの評価について述べる。

提携構造形成問題とは，エージェントの集団を，全体としての効用が最大になるように，複数の適切なグループ（提携）に分割する問題である．従来，この問題のアルゴリズムは計算量に問題を持っていたが，問題の入力となる，提携がもたらす効用を与える関数（特性関数）を簡略に記述する手法を用いて，問題を少ない計算量で解く手法が提案されている．本論文では，この手法の近似アルゴリズムを提案し，その性能を比較する．

提携構造形成問題は，全体の利得を最大化するように，エージェントを複数のグループ（提携）に分割する問題である．従来研究では，提携の利得を与えるブラックボックスの関数（特性関数）が存在することを仮定していたが，本研究では特性関数が分散制約最適化問題の解として与えられること仮定する．本手法の利用により，特性関数の自然で簡潔な記述が可能となり，解の精度が保証された近似アルゴリズムが与えられる．