本発表では，行動モデルを学習する際に，環境が変化した影響を分析した結果について報告する．

期間の移り変わりに伴い名称やIDなどの属性値が頻繁に変更されるデータは多い．しかし，その同一性や継承関係は管理されず，データの再利用が困難になっている問題がある．本研究では，変遷に伴い属性値が変化するデータが同じ実体であることを判定する，データの周辺情報の意味を用いた教師あり学習の手法を構築した．本稿では更に，能動学習を採用し，教師データの作成を低コストで実現する手法を提案する．

We consider the problem of finding significant connection strengths of variables in a linear non-Gaussian causal model called LiNGAM. In our previous work, bootstrapping confidence intervals of connection strengths were simultaneously computed in order to test their statistical significance. However, such a naive approach raises the multiple comparison problem which many directed edges are likely to be falsely found significant. Therefore, in this study, we tested two multiple testing correction approaches, Bonferroni correction and Mandel's approach, then evaluated their performance. We found that both Bonferroni correction and Mandel's approach are able to eliminate some of falsely found directed edges.

本研究の目的は、プログラミング言語において、ソースコードとそのソースコードが示す実行可能なデータ情報との対を要素とする学習データから、コンパイラに必要な構文解析情報を自動的に学習することである。本手法は、従来記号系列のみに特化していた文法推論にトークンの意味処理を追加し、構文の意味解析に繋げることである。この際予め字句解析など構文に関係ない処理は固定する。実験により本手法の学習可能性を示す。

近年様々な分野で大量の観測データが蓄積されており，データ生成過程の推定手法に対するニーズは高まっている。最近の研究により，データの非ガウス性を利用することでデータ生成過程を同定できる場合があることがわかっている。本研究ではデータ生成過程の推定と同時にモデルがデータに適合しているかを確認する手法を提案する。これにより，モデル適合部分についてのみデータ生成過程を推定することが可能となる。

要素の大部分が構造的に欠損している行列データの行集合および列集合をそれぞれ低次元の潜在空間に埋め込む方法を提案する。提案手法では、データ点数に比例するサイズの対称行列の固有値分解に帰着されるため、膨大な欠損値を反復推定する必要が無く、EMアルゴリズムなどを用いた従来の手法よりも計算コストや安定性の面で優れている。また、半教師ありの問題設定の場合には線形方程式に帰着されてさらに計算が容易になる。

データ集合の中からクエリに類似したものを取り出す最近傍探索は、機械学習やデータマイニング、情報検索において多様な応用をもつ基本的なタスクである。近年、最近傍探索を高速かつ省メモリに行う手法として、近いデータを近いビット列に変換するハッシュ法が多数提案されている。本発表では、既存手法が生成するビット列の冗長性に着目して、より短いビット列による最近某探索を実現する新しいハッシュ学習法を提案する。

地球の環境変化の観測のために、衛星画像による類似画像検索システムを開発している。しかし、衛星画像は非常に大きなデータサイズであること、新たな画像が入力された場合に最初から検索を行うことによって類似画像検索には多くの検索時間を要する。本研究では、画像のピクセルデータの類似性に着目し、過去の画像の学習結果を転移学習によって利用することで検索速度の向上を図る手法を提案し、その有効性について検証する。

ソーシャルネットワーク上では，情報はリンクを介してノード間を伝わる．どのように情報が広がるかは，ネットワーク構造や情報の内容によって決まると考えられる．本論文では，情報の内容の違いによって拡散の挙動が異なることを表すために，トピック依存情報拡散モデルを提案する．また，EMアルゴリズムに基づいたモデルパラメータ更新式を導出し，観測した拡散現象からモデルパラメータが推定できることを示す．

ソーシャルネットワーク内での意見形成に関して、その代表的な数理モデルである投票者モデルに時間減衰ダイナミクスを組み込ん だ確率モデルを提案する。ソーシャルメディアの実データを用いた実験により、その有効性を示す。

新たなユーザー嗜好モデルの構築に向けた一歩として，TwitterのFavorite機能を多重有向グラフとして捉え，Favoriteする頻度がユーザー毎に異なる点に着目し，格差を評価するジニ係数を用いて分析した．具体的には，出・入次数のジニ係数をユーザー毎に求め，相関関係，出・入次数との関係，近接度・媒介度との関係をそれぞれ探究した．また，mention機能についても同様の分析し，結果を比較した．

大規模なネットワークを粗視化することにより、情報拡散過程を可視化する手法を提案する。具体的には、Twitterのmentionネットワーク等の大規模なネットワークを、ネットワーク内の中心的なユーザに着目して粗視化し、現実の情報拡散現象を可視化する。また、ICモデルやLTモデルを利用した人口の拡散データを作成し、現実の拡散現象に見られる特徴を明らかにすると共に、本提案手法の有効性を検討する。

レビュー時系列データからの分割統治による変化点検出法を提案する。本研究では、国内の代表的なオンラインレビューサイト「食べログ」のレビュー時系列データを用いて、提案手法の有効性を検証すると共に、詳細な分析によって、レビューサイトにおけるユーザーの評点行動の特性を明らかにする。

Webブラウザ操作ログを用いた利用者の注目箇所特定に関する分析結果を報告する．Web上で情報検索や情報推薦を行う際，利用者がWebページ内で注目していた箇所を把握し，その部分のコンテンツを取得できれば，より適切な検索や推薦が可能となる．筆者らはこれまで利用者のWebブラウザ操作の収集と分析を行ってきた．今回は特にスクロール操作に焦点を当て，ユーザ行動の違いによる操作の特徴に関する検証を行った．

文脈変化の前後における所与の２つの一部グラフに対し， モデュラリティの負の要因に関する上限制約のもとで， モデュラリテイの正の要因をトップＮ最大化する組合せ論的探索を行い， 文脈前後におけるグラフ構造変化を求める手法を与える． ここで，後者の探索を効率良く行うために，正の要因に関するグラフを別途定め， 負の上限制約下での擬似クリーク枚挙により効率的な探索が可能なことを示す．

迅速に災害の発生を検知し,被災地域を特定することは災害支援において大きな意味を持つ.そのために様々な社会インフラが整備されているが,災害時にはインフラ自体が故障し正常に動作しないことも多い.他方,東日本大震災においては,情報共有・流通のインフラとしてソーシャルメディアが活用されたと言われている.本研究では,ソーシャルメディアを活用し,ロバストな災害検知システムへの新たなアプローチ方法を提案する.

SNSなどのソーシャルメディアで，ある発言がどのくらい拡散されるかを発言の初期の段階で知ることは，マーケティングなどにおいて有用である．ソーシャルメディアではTwitterにおけるRetweetのような情報の再投稿により情報が拡散することが知られている．そのため，本研究では発言の再拡散のされやすさとして，情報そのものの新奇性と情報と再拡散する人との親和性を利用し，最終的な情報拡散の予測を行う．

本研究ではインターネット上のShopbotとよばれる価格情報を自動的に収集するシステムを対象とする. そこでは買い手は価格情報の収集と比較をより低いコストで行うことが可能となり,売り手は競合の価格情報および需要に応じて動的な価格の設定を行う.本モデルは経済合理性のみでは説明できない参加者間のコミュニケーションを鑑みた意思決定と価格決定の相互作用に基づき,価格形成の動的メカニズムを明らかにした.

GARCH効果は金融市場の混乱要因を説明する重要な要素であるが，発生メカニズムに関する決定的な理論や実証結果は未だに示されてはいない．それは市場参加者の情報構造が発生要因であることが示唆されているが，発生のメカニズムを特定するための充分な検証には至っていない．本研究では，人工市場を用いて市場参加や市場の条件をコントロールし分析することにより，その発生メカニズムの特定を目指す．

人工市場においてエージェントの学習プロセスが存在しなくてもstylized factsを再現するモデルが存在する．このモデルは妥当であると評価されているが，行動ファイナンスなどの研究では学習プロセスが非常に重要であることを示している．本研究では，先行研究の学習のないモデルと，それに最小限の学習プロセスを付け加えたモデルを比較し，調査対象に応じて学習プロセスの必要性について議論する．

本研究は、金融実務家から要望が高い、数週間以上の長期的で広範な市場分析を、テキスト情報から安定的に行うための手法を開発した。業種別平均株価および市場全体の平均株価について外挿予測テストを行った。その結果、1ヶ月後の騰落予測について、過去10年間の長期間を通じて約60%以上の精度を4割近くの市場で、55%以上の精度は7割以上の市場で達成することができた。

本論文では，複利型強化学習における投資比率パラメーターをオンライン勾配法を用いて最適化する方法について述べる．また，実験によりその有効性を確認する．

金融市場において,国債や企業向け貸出のヘッジ手段としてCDSが幅広く用いられるようになってきたが,依然として,アジアを中心にCDSマーケットのない国や企業が存在する.これに対し,状況が似ている他の国や企業のCDSを用いてヘッジするプロキシヘッジの取組がなされているが,その際において,最適なヘッジ比率設定が課題となっている.本論文では,複利型強化学習を用いて最適ヘッジ比率を学習する手法を提案する.

機械学習等を用いたトレード手法やポートフォリオ構成手法が研究されている。我々は、より長期にわたる運用に主眼をおき、下落相場（2000~2003)およびリーマンショックのような劇的な下落に十分に耐えられる手法が必要不可欠であると考える。米国市場を対象に、日足データのみを用い、機械学習や統計的な手法を用いたポートフォリオ構成手法を提案するものである。

本研究では、COP-Kmeansアルゴリズムにおけるクラスタ中心へのデータ割当順序をブースティングによって制御する方法を提案する。また、この提案方法によりcannotリンクによるアルゴリズムの停止を回避し、精度を向上させることができることを示す。

大量のデータを俯瞰するために，近年クラスタリングへの期待が高まっている．しかし，ユーザが満足する分類を実現するのは難しい．そこで人間からのフィードバックを取り入れ，性能の向上を図る制約付きクラスタリングを用いる．本研究では，ユーザからの少ないフィードバックでクラスタリングの性能が向上するシステムを目指し，より効果的なフィードバックの選択をユーザへ促すインタラクションデザインをGUI上で行う．

一般に，既存のクラスタリング手法はクラスタ内データの類似性のみに着目しており，クラスタ間の距離や独立性については考慮されていない。しかし，そのクラスタリング結果を見たユーザは，クラスタ内は類似しており，クラスタ間が離れている，または，独立であると期待する場合が多い。本研究では，クラスタ間の独立性が高く，かつクラスタ内の類似性が高いクラスタリングを提案し，ベンチマークデータに適用した結果を示す。

We have introduced semi-supervised topic models, and have empirically proved their capability to predicate factors contained in new utterances. Future efforts for extension of the model are also discussed.

本稿では，インタラクティブクラスタリングにおける対制約生成手法について提案する．ユーザがクラスタの分解・結合を行いながら対話的にクラスタリングを行うインタフェースが提案されており，ユーザの操作結果を複数の対制約に変換することで効率的な制約付与が可能となることが期待されている．本稿では制約生成の際に考慮すべき情報について検討し，これに基づき対制約生成手法を提案する．

本論は，インタラクティブな資源配分タスクを題材として，制約やコストといった条件を，人手で作り替えていくユーザの操作に対してビジュアルに示すような機構を提案するものである．提案する手法は，マウスや手指の動きと，それに対応して動くビジュアルなオブジェクトの表現の移動速度のマッピングを変化させることで，オブジェクトの動きを重く感じたり軽く感じたりするような触力覚の錯覚（疑似触覚）を利用する．

Webページや車のナビなど、世の中のあらゆるところにメニュー階層構造が存在している。しかしながら、メニュー階層構造の分かりやすさは定量化されていない。そこで、本研究では、メニュー階層構造の分かりやすさの評価に用いるため、単語間の繋がりやすさを連想関係，関連関係に分けて指標化の検討を行った。結果、単語間の相互情報量と、機械学習を用いることで、心理値との順位相関が0.7以上の指標値を得ることができた。

近年増加しているアルツハイマー型認知症の評価スケールとして臨床現場で用いられている改訂長谷川式簡易知能評価スケールの言語テストに基づき，連想しづらい３単語（名詞）を取得し，短期記憶力を調べる言語テストを自動生成する．また，病院に行かなくてもネットワークを介しタブレット端末でこのテストを行えるブラウザ上で実行されるクライアントとWebサーバで構成されるシステムを開発し，老人ホームで検証実験を行った．

本研究は協働における諸条件の検討を目的に、質・量ともに同程度のプロジェクト20個を、異なる条件のもとで参加者に課した。プロジェクトのメンバーは4～6人、期間を約3ヶ月間と限定した上で、「コミュニケーション量」「コミュニケーション形態」「チーム内でのルールの共有」の3つの側面からより創造的で効率的な協働への最適な諸条件を提言する。協働に関わる分野でのチームビルディングへの貢献が期待される。

本研究では、関連する複数文書に潜在するトピックを考慮した重要文抽出により要約文を生成する。潜在トピックの抽出にはLDAを用い、トピックに基づいて文書群中の全文に対する重要度を決定する。正解要約文中に含まれるトピック比率が、要約対象文書群中のトピック比率と類似していることが予備実験により確認されたことから、整数計画法を用いてトピック比率及び文間の被覆度を考慮した重要文抽出を行う。

マイクロブログではリアルタイムの情報を得ることができるが，有用な情報と非有用な情報が混ざっており，また，短文であるために情報量が少ないという問題がある．この問題に対し，文書クラスタリングを行うことが有益であるのがわかっているが，いくつかの特徴から従来のクラスタリング手法では十分な精度が得られない． よって，本論文ではマイクロブログの特徴を考慮した文書クラスタリング手法を提案する．

LDAを用いたトピック抽出では、意図しないトピックの抽出が起こる場合がある。そのため同一トピックに入るべき単語群を制約知識として与え、トピック抽出をする手法が提案されている。それを踏まえて本研究では共起頻度が高い単語は同一トピックに含まれる可能性が高いと仮定し単語間の自己相互情報量を基に制約となる事前知識を自動的に作成する。その事前知識を用いたトピック抽出の結果を考察する。

本研究は，Weblogから失敗を未然に防ぐのに十分な情報量を持った失敗談を抽出する手法を提案する．これまでに個人の失敗した経験に焦点を当てた研究はない．失敗談は行動，結果，原因という要素で構成されると考え，これらの要素を格フレーム辞書，因果関係を表す接続表現，極性辞書などを用いることで抽出する．評価実験として大量のブログから失敗談の発見を試みた結果，効率良く失敗談を発見できることがわかった．

本研究では、コンピュータによる行動変容のモデル構築を目的として、質問応答サイトから行動変容に関する知識を抽出する手法を検討している。具体的には、損失回避行動を調べることにより、利得最大化の行動を提示するようなシステムを構築することが可能となると考えられる。そのため、本稿では、質問応答テキストにおける損失回避発言の実例を示し、期待効用の指標を基準に損失回避の発言を抽出することを試みる。

テキストへの書込みは個人的かつ主体的な行為であり，文章の理解を反映したものである．本研究では，様々な個人的理解（文脈に依存した解釈）の獲得を目指して，テキストへの書込みという観点から，その行為の意図や文章の理解プロセスの表現や獲得などについて考察する．

近年，学校教育において新聞を教育に活用するNIE(Newspaper In Education)が注目されている．しかし新聞には，小学生にとって分からない単語や表現が含まれているため，記事の内容理解は難しい．そこで本研究では，Web上の 新聞記事に対して読解支援を行うツールの構築を目的とする．本稿では読解支援の前段階として小学生に説明すべき単語(説明語)を抽出する手法を検討する.

新しいアイデアが生成されるプロセスは，いまだ明確に解明されていないが, 概念生成プロセスを支援する研究により，創造性を高める支援方法が報告されている．この支援方法をさらに展開するためには，概念生成の詳細なプロセスとメカニズムを検討することが重要である．本研究では構成論的アプローチにより，アイデア生成のシミュレーションを行い，人間の思考プロセスの特徴を捉えることを試みる．

人々は地域に関する、簡潔な情報を必要とする場面がある。 観光地の観光情報であれば、ガイドブック等を参照することができるが、 任意の地域の、また任意のトピックに関しては、 参照すべき適切な情報を得ることは困難である。 本稿では、複数文書要約技術を用いて、任意の地域の、任意のトピックに関す る簡潔な説明文(地域要約)を、Web上の文書から生成する手法を示す。

本研究では、複数の時系列データを比較し、それらの関係をわかりやすく言葉で説明することを目的とする。二つの時系列データの相関係数をとることより、おおまかに以下の3つの関係に分類する。 (i)同じ挙動をしている(ii)反対の挙動をしている(iii)関連性がない それぞれの分類に対して、SAX法を用いて数値データを記号化し、拡張した編集距離を用いて2つのデータの特徴的な箇所を抽出する。

高階依存型理論の研究はMartin-L"of型理論にさかのぼるが,自然言語への応用についてはRanta(1994)などがあり,その後も様々な拡張が行われている. 自然言語の意味論は高階依存型理論によって解決しうる問題がいくつかあるが,本研究は高階依存型理論を用いてCategorial Grammarを拡張する手法を提案する.

日本語テキストの含意関係認識にNatural Logicを用いた手法を提案する．この手法は単調性を含むテキストに対して有効である．本手法では，まず，テキスト対の文節を対応付け，文節単位で含意関係を導出する．そして，文節の係り受け関係と単調性を考慮し，文節単位の含意関係から文全体の含意関係を導出する．本手法を実装し，約400ペアのテストセットを用いて評価した結果，正解率が約50%であった．

研究同士の関係を可視化することは，研究者の研究活動や技術の利用に有用である．その研究関係情報を得るために，本論文では論文中で他論文を引用している引用文脈に着目し，概念―概念間、論文―概念間の関係を抽出する手法を提案する．抽出には，統語情報を用いて記述した構文パターンを用いた．また，論文データセットを用いて，実際の論文に本手法を適用し，抽出された情報の分析を行うことで評価を行った．

Web上には様々なエンティティ（人物，組織，商品等）が大量に存在しており，またそれらの間には多様な意味的関係が存在する．しかし，既存のWeb検索エンジンではこれらの意味的関係を検索することができない．本講演ではWebからエンティティ間の意味的関係を抽出する最先端の研究成果を紹介する．更に，Web上から抽出した意味的関係をそれらの関係間の類似性に着目した検索が可能な潜在関係検索エンジンを紹介する．

自然言語の自動翻訳は、多くの言語により表現された情報の理解のためにしばしば利用されるようになってきている。残念ながら、この技術は個別言語間の翻訳であり、なおかつ品質がかなり低い。 本論文では、半自動の文脈自由な、汎用の自然言語変換プログラム実現のための戦略を紹介する。また、このプログラムのプラットフォームとなる多言語ワード・プロセッサーの要件とその実装を紹介する。

ツールには、文章題の解き方を、図と式を使って与える。ツールは、それらを汎化して他の課題に応用できるようにするが、汎化した図の遷移は、算数・数学的な意味を表現していると議論する。たとえば、合わせる、分ける、・・ずつ分ける、そして、・・の1/3が・・の1/2と同じになるように分ける、などの意味である。

我々はこれまでに，表層の依存構造によらない意味表現方式及び同一の現象間での意味の位置付けに基づく意味解釈手法を提案し対話システムを構築した．本稿では，同一の現象間だけでなく連続的に発生する現象間での意味の位置付けを行うために，現象の連続性を根拠として関係を定義する連続現象モデルを提案する．”旅行行為”を例に，提案モデルによって対話システムにおける節間・文間の意味解釈処理が容易になることを示す．