生物医学・生命科学分野の研究より生み出される学術文献は、同分野で世界最大の書誌情報データベースMEDLINEに2,000万件以上が収納されているように非常に膨大であり、また同分野のオンライン論文アーカイブPMCでは260万本以上が無料公開されており、我々はそれらデータから必要な情報を効率的に得るためのサービスを公開している。その一環としてリンクトデータを構築したので、得られた課題などを報告する。

実践知は，身体性に富んだ”現場”での暗黙的な学びである．ゆえに過去の知能科学ではあまり扱われずにいた．本研究では，実践者本人によるからだメタ認知を通じて実践知の顕在化を目指す．知を現象学哲学における「もの・こと」の総体と捉え，現象に対する意味解釈（こと）のみならず現象を構成する物理的要素（もの）を捨象せずに言語化を行うことで，“現場”に紐づいた実践知の顕在化を試みる．

デジタル情報空間の拡大は需給構造の大きな変化をもたらし，今日，消費者心理を考慮した行動予測モデルを構築してマーケティング施策の最適化を行うことが重要な課題となっている．そのような背景の下，価値観の社会的類型に基づく消費行動モデルを集合知として社会還元することを試みる中，マイクロブログに潜在する発言者の価値観を推定する実験を行って来たが，推定精度に影響を与える新たな知見が得られたので報告する．

脳機能評価バッテリー（BFB）は，質問方式によって認知症の状態やその程度を評価する認知機能検査である．認知症では，加齢に伴う変化が重要であるため，医療現場で効果的に情報を管理できる認知症検査システムを開発した．BFBを利用している医療従事者を対象にシステム評価を実施し，有効性を検証した．

筆者らは，絵を用いた対話システムである Pictgent を提案している．しかしながら，絵に対するユーザ入力の自由度が高すぎるため絵モデルの作成が困難という問題があった． そこで，既存の絵における時系列的状態変化分布を精査に調査しデータベース化することで，システムが絵からユーザが想起するであろうことを予測し，適切な対話を実現するため絵モデルの構築法について考察する．

検索急上昇ワードなどのトレンドを示す単語を表示するサービスが提供されて いるが、単語のみではそれらが話題になった理由や要因が分からないことが多い。 本研究では,マイクロブログなどの投稿サイトにおいて検索急上昇ワード に対する書き込みが大きく盛り上がっている箇所（バースト箇所）を検出し, その箇所に出現する単語の頻度情報からトレンドを表す文章を特定する手法を提案する．

手話はろう者にとっては第一言語である。そのため、ろう者にとって、日本語よりも手話の方が理解度が高く、日本語から手話の動画を生成するシステムが求められている。しかし、手話の言語構成には不明な点が多く、一部の現象が知られている。そこで、我々は既知の手話の文法に適応しやすくするため、日本語の格構造に注目した言い換えを行った。また、日本語の述語項構造に注目し、日本語と手話の１対多の語義曖昧性解消を行った。

Susanらは，ジェスチャーなどの非言語コミュニケーションでは，相手に何かを伝えようとしたときに選ばれる単語の順序が母国語に依存しないことを明らかとした．例えばSVOの語順を母国語としても，非言語コミュニケーションの場合にはSOVの順序となる．そこで本研究では，このSusanらの追実験を行うとともにジェスチャーなどよりも少し言語に近い非言語コミュニケーションにおける思考の順序を調査した．

写経プログラミングとは，プログラムの意味を理解していなくても「まず打ってみて実行する」という初学者に対するプログラミングの学習方法である．本研究では，この写経プログラミングがプログラミング学習にどのような効果を与えるのかを考察する．

本研究では，解空間を多峰的に探索することを目的とした並列対話型タブーサーチ(ITS)を提案する．著者らが提案したITSでは，ユーザは好みの解候補1つしか選択できず，解が局所的に収束してしまうという問題があった．並列ITSでは，ユーザに提示解候補から好み・好みでない解候補を複数選択してもらい，解空間を多峰的に探索する．数値シミュレーションより，並列ITSは多峰的な探索ができることが確認された．

実状態空間での強化学習では、状態価値関数が高次元かつ連続な入出力を持つ場合がある。一般的に複雑な目的関数を近似する為には多くの基底関数を必要とする。基底関数の線形和を用いる手法では、基底の増加に伴い計算コストが増加する。本研究では、線形和を用いず、状態空間の部分領域を独立に近似・学習するモジュールを自己組織的に配置し、各モジュールを分割／統合することで実状態空間を近似する手法を提案する。

カーネル法は文字列、木構造、グラフ構造などの構造データに対する強力な学習手法であり、代表的な学習器としてSVMがある。しかし、一般にカーネル関数を用いたSVM学習の計算量は入力のデータ数nについてO(n^2)であり、大規模データに対する学習は困難である。本論文では木カーネルに着目し、切断法とXBWという簡潔データ構造を用いることでO(n)の計算量で非常に省メモリであるアルゴリズムを提案する。

近年生活にまつわる様々な情報がウェブから収集できるようになっている。普段は馴染みが無い結婚・挙式も例外ではなく、カップルの多くが結婚式場の比較・検討にウェブを活用している。しかし、そういったユーザの商品閲覧履歴はウェブサイトの改良やマーケティング手法の改善には十分に活用されていない。本論文では、結婚情報サイト「ゼクシィ.net」を取り上げ、ログデータからユーザの行動パターンの分析を行う。

近年，地方都市及び周辺部では路線バスなどの公共交通機関の利用者が減少し，廃止されている．しかし，交通弱者の交通手段として公共交通機関は非常に重要である．この問題の対策として，利便性が高いデマンドバスが注目されている．しかし，デマンドバスの利便性，採算性を保つためには，デマンドの分布に応じた十分な検討が必要である．そこで，本研究では，Swarmを用いてデマンドバスのシミュレーション環境を構築する．

筆者の研究室では「個人の人生の記録」と題する研究を行っている．「個人の人生の記録」は「個人（人物）に関連する情報の蓄積」という意味である．本研究は「テキスト・データからの人物の理解」と「パーソナルアーカイブ」に大別される．本稿では，この研究の概要と進捗について述べる．

社会問題化しているネット上のいじめに対し，学校関係者や一部の保護者がネットパトロールで対応している．しかし，これらは人手によるため多大な人的，時間的コストがかかる.そこで，このコストを軽減するため，カテゴリ別関連度最大化手法に基づく極性判定モデルを提案する．提案手法では，種単語を複数カテゴリに分類し，カテゴリ毎にSO値を計算する点が特徴である．実験により，従来手法に比べ良好な性能が得られた．

Activity recognition is an important task in the researches of ambient intelligence and smart environment. In real smart environments, detected signals of monitoring living space come from heterogeneous sensors generally. The intelligent awareness system can automatically provides the proper services to satisfy the requirements of users based on the recognized activity of users sensed by multi-sensor. The high accurate activity recognition is the basis of supporting high- quality service. However, the streaming data generated by multi-sensor are real time, continuous and variable. It is difficult for systems to archive high precise activity recognition from data streams of multiple sensors. The previous models on recognizing sequential data includes Hidden Markov model and Conditional Random Fields. This paper proposed a new activity recognition model for processing sequential data stream based on mining distinguishing sequential patterns. The general sequential patterns are on-line generated and counted first from the data streams and the minimal distinguishing sequential patterns are mined. Then, efficient and effective probabilistic recognizing methods and algorithms are developed for activity recognition. Two datasets, WSU and Kasteren, were used to test the proposed methods. The experimental results show that the proposed models have effective recognition rates in both of the activity level and the time slides level. The proposed model also provides a strong on-line recognition paradigm on multi-sensor data stream.

In order to find patterns of a student’s growth, this paper proposes a new method on trajectory mining and illustrates its case study. First, this paper introduces the basic terms (such as capability space and capability structure) and the idea on trajectory mining. The capability space spans the possible student states and the capability structure expresses dependency on growth. Then it reviews the algorithm for data mining based on ISM (Interpretive structural modeling) and SPM (Sequential Pattern Mining). Designing questionnaire for collecting student’s growth, this paper shows the example of finding by trajectory mining. The case study includes 8 capabilities (English skill, Japanese skill, presentation skill, programming skill and so on) and 60 subjects which includes both undergraduate students and graduate students. Using the collected responses, the proposed algorithm constructs 28 capability structures.

In the past, utility mining was proposed to measure the utility values of purchased items for revealing high utility itemsets from a quantitative database. In dynamic data mining, transactions may be inserted, or deleted in the database. A batch mining procedure must rescan the whole updated database to maintain the up-to-date information. In this paper, a decremental mining algorithm is thus proposed for efficiently maintaining the discovered high utility itemsets due to transaction deletion based on the pre-large concept. Experimental results show that the proposed decremental high utility mining algorithm outperforms existing batch algorithms.

Real-world knowledge discovery processes typically consist of complex data pre-processing, machine learning, evaluation, and visualization steps. Hence a data mining platform should allow complex nested operator chains or trees, provide transparent data handling, comfortable parameter handling and optimization, be flexible, extendable and easy-to-use. Modern machine learning techniques have encouraged interest in the development of various systems that ensure secure, reliable and many more operations in the different fields and applications. In an earlier study, many other approaches/methods were investigated to develop various applications using modern machine learning techniques and more specific classification algorithms. The Weka machine learning workbench provides a general-purpose environment for automatic classification, clustering and feature selection, and common data mining problems in bioinformatics research. Here in this Project Report paper we have used various classifiers with filters to perform classification and we have done analysis of data with different classifiers and then we have done feature selection process and during all these activities we have observed and record the various performance change and different graphs which are briefed inside this paper.

「ロボットは東大に入れるか」プロジェクトにおける数学問題への取り組みについて報告する。開発中の解答システムは、問題文の論理表現を接点として、統語・意味理論に基づく言語解析と数式処理システムによる推論とを直接結合したものである。本稿では、システムの概要および実際の試験問題を用いた実験について述べるとともに、さらに多様な解答システムの開発へ向けた基礎資源となる数学問題対訳コーパスについて紹介する。

数式処理は浮動小数点計算を用いる数値計算とは異なり 計算機上で誤差の生じない代数計算を実現する. 数式処理により入試数学問題を正確に解くことが実現できる. 本稿では, 入試問題の解法のための数式処理手法の紹介と 言語処理との接合における定式化や計算量などの課題について述べる.

大学入学試験の物理の問題には与えられた状況において特定の物理現象が発生したときの物理量の値を求める形式のものがある．本研究はこのような問題を対象として，物理シミュレータによってその状況を再現し，得られた結果から問われている物理現象を示す箇所を抽出することで解答するシステムの構築を目指す．本論文ではそのシステムに必要となる要素技術について議論する．

自然言語の意味を形式的に記述し、形式化された意味に対して様々な言語知識も取り入れ有効に推論を行うことは、自然言語処理における重要課題である。近年、係り受け関係に沿って文をデータベースクエリに変換する研究が見られるが、このようなクエリは一つの形式的意味表現と見ることができる。本稿では、この表現に関する新しい論理体系を提案し、含意関係認識タスクに応用した成果について報告する。

コンピュータによる世界史問題への解答、特に自然言語文の選択肢の真偽を判断する問題への解答を支援する世界史オントロジーを紹介する。このオントロジーでは、イベントの成立に関わる諸条件を記述することにより、、高校レベルの世界史の知識と常識的な判断能力を持つ人間ならば必ず「ありえない」と判断するようなイベントを記述した偽文を、コンピュータが「偽」と判定できるようにすることを目指す。

現在、大学入試問題を解くプロジェクトが進められている。試験問題を解く技術として、質問応答システムが利用できると考えられる。従来の質問応答システムで想定されている入力は、単文の質問文のみであったが、試験問題は構造が複雑である為、そのまま既存の質問応答システムに入力しても適切な解答が得られない。本稿では、質問応答システムで解くことを念頭に置いて、試験問題文の分析を行った結果について述べる。

大学入試問題を解くための共有基盤として、質問応答システムおよびセンター試験解答・採点フローを互換コンポーネント化し、再利用性と自動化に着目してUIMA準拠・Kachako対応で実装したシステムを紹介する。

文書類似度は単語の出現頻度に基づいた特徴ベクトルのコサイン類似度により計算されている。しかし、単語数が少ない文書では疎な特徴ベクトルとなり、適切な類似度が計算されているとは言い難い。そこで、Restricted Boltzmann Machineを用いて特徴ベクトルを低次元かつ連続空間上に写像し、上記問題を解決する。実験ではセンチメント解析を想定し、同一極性の記事を発見できるか調べ、有効性を示す。

形態素解析辞書近代文語UniDicの公開により，近代文語論説文の形態素解析が行えるようになった． しかし，この辞書は表記の整った校訂済み資料の解析を念頭に単語登録が行われているため，濁点無表記に代表される表記のバリエーションを含んだ未校訂の資料での解析性能は低い． そこで本発表では，表記のバリエーションを考慮した辞書引きにより，辞書に未登録の表記にも対応可能な形態素解析手法について述べる．

ブログ等のCGMの普及によりWeb上で方言が使用される機会が増えている。それに伴い、方言に対しても頑健な言語処理技術の必要性が高まっている。このような技術の開発には大規模方言コーパスが有用であると考えられるが、方言ごとに大規模なコーパスを人手で作成するコストは非常に大きい。そこで能動学習に基づく低コストな方言自動収集システムを提案する。

　Corpus Based機械翻訳を始め自然言語処理ではbag of wordsと呼ばれる、単語とその出現回数だけを用いたデータ構造を一般的に使用する。このデータ構造では、単語同士の前後関係の情報が欠落してしまうため、精度の低下が起きていると思われる。そこで本研究では、単語同士の前後関係情報を保持できるデータ構造として、完備束表現の提案を行う。

物語のプロットを生成するために，ある文書から型を取り出し，蓄積された文書群から型に基づき文書を再構成する手法を提案する．本手法では，文書を分割し，断片の特徴量に基づき地図上に配置し，出現順に断片を結んだパスを経路として，この経路を物語の型と見なす．そしてあらかじめ蓄積された物語断片群を地図上に配置し，その経路に沿って断片を再構成することで，物語のプロットの生成支援を図る．

災害発生時に、いち早く災害の発生地域を検知し被災地域を特定することは、安否確認や避難経路決定、災害支援対策立案等の観点から必要不可欠な技術であり、そのための様々なインフラが設置されている。しかし、災害発生時にはそれらが機能しない可能性もある。他方、ソーシャルメディアの普及により、ソーシャルメディアへの投稿データは一種のストリームデータとして一定の規則的変化をしながら常時作られて続けている。本論文では、ソーシャルメディアへの投稿をストリームデータと捉え、その地域別な規則的変動の把握及び異常検知を行う手法を提案する。このような手法により、災害発生時に異常が発生している地域を特定することを目指す。

町名・字名をキーとし、市町村名の有無に関わらず災害時tweet から位置を特定する手法の提案と検証を行った。地名リストによる東日本大震災時のTwitterログの分析を行い、災害関連tweetの文字数や顔文字の有無等の特徴、混入ノイズ（一般名詞、全国の重複地名）の原因を明らかにした。この研究で提案する手法でtweetを抽出することで、情報を無駄にせず地図上への展開を効率的に行うことができる。

先の東日本大震災の経験から，震災時の情報共有にソーシャルメディアが有効であると考えられている． 一方で，ソーシャルメディア上にある大量すぎる情報から必要な情報を取捨選択することは難しい． そこで，本研究ではソーシャルメディア上の情報を集約分類し，必要な情報へのアクセスを容易にすることを目指す．

過去の災害において、減災を目的に混雑状況に合わせた誘導の必要性が指摘されている。 特に、非常時において避難情報は避難者の行動を決める大きな要因である。 本論文では、緊急時においてカメラなどにより混雑状況を把握する状況を考慮したエージェントベースシミュレーションを提案し、 防災本部が避難状況に応じて誘導内容を変化させるシミュレーションを示す。

東日本大震災では，Twitterに多くのツイートが投稿された．この際，震災に関する情報は人々のコミュニケーション（リプライ，リツイート）により流通している．この情報流通においては，情報拡散の起点となるアカウントや，情報を仲介するアカウントが重要となる．本研究では，東日本大震災前後のツイートデータからコミュニケーションネットワークを1日毎に生成し，次数中心性と媒介中心性を求めることで重要なアカウントの特定を行っている。震災前後の変化を観察するために，重要アカウントがどのように時系列変化するのかを確認している．また，抽出した重要アカウントのコミュニケーション形態を分類し，震災前後で比較している．

本研究では，有益な災害情報を抽出することを目指し，目的に沿わない情報をノイズとして判定し取り除くことを目指す．その第一段階として，情報量に基づく投稿活動定量化手法を東日本大震災前後のTwitter投稿情報に適用し，その効果を検証する．とりわけ本研究では，bot利用者を第一に除外すべき対象として設定し，解析を進める．有益な情報を発信するbotも考えられるが，自動投稿は人が発信したものではない．本研究では，人自身が投稿した情報を「生」の情報と定義し，災害知は「生」の情報にあるという前提に基づいたアプローチを取る．

本研究では、地域に根ざした情報源の発信のメディアである地域SNSについて、災害発生以前のコミュニティ構造と災害発生時のコミュニティ構造の変化に着目し、日常のどのようなコミュニティが災害時の中心的なコミュニティとして機能したのか、また災害時においてキーパーソンとなった人物の行動を分析することで、災害時の情報共有支援の方法や災害に備えた平時からのコミュニティ維持の活動支援といった運用方法について検討する。

ソーシャルメディアは2011年3月11日に発生した東日本大震災時に，非常に有力なツールとして，情報の拡散や収集に用いられた．現在ソーシャルメディアを新たな情報源として確立するため，ソーシャルメディア内に構築される友人ネットワーク上での情報拡散を対象とした研究が数多く行われている．本研究では，友人ネットワークの構造に着目し，構造の違いが情報拡散に及ぼす影響を分析する．

本稿では，Web上の情報を分析してある注目語に対するトピックの異なる複数の関連語集合を抽出し，さらに東日本大震災前後の各ユーザのツイートにおけるそれらの単語の因果関係を分析することで，震災前後のイベント系列とその間の関係を抽出する手法を提案する．

ソーシャルメディアを利用していると，特定の情報が届かない状況や誤情報の情報の訂正のみが届くこと経験する．この事象の存在を「デマの壁」仮説と呼ぶ．我々は，ソーシャルメディア内に情報伝達を阻害・修正するこの「壁」の存在の可能性をデータから得ている．しかしながら，その証明と工学的応用性は見出せていない．本論文では，この「デマの壁」の存在をシミュレーションと実データから構成論的手法により明らかにすることを検討する。

筆者らは化学物質の構造プロファイリング手法としてTFS法を提案し、機械学習による活性クラスの分類/予測などに対する有用性を示してきた。しかし、構造活性相関知識の発見という観点からは、TFSの特定のピークを具体的な部分構造に対応づけることは困難である。そこで本研究では新たに、分子行列の固有ベクトルを用いた構造プロファイリング手法を提案するとともに、データマイニングへの応用の可能性について議論する。

ソーシャルネットワーク等において時間や地域による差を調べるために，ノー マライズカットを用いたグラフの比較法を提案する．比較対象のグラフのう ち，一方には疑似独立集合制約を，他方には正規化ラプラシアンにより得られ る距離空間での局所密度を考慮したグラフにおいてクリークをなすことを要請 する．クリーク全列挙エンジンに習い，２つの制約を同時に満たす解頂点集合 の高速列挙エンジンを設計する．

社会ネットワーク分析において、各個人の局所的なネットワークをエゴセントリックネットワークという。これを分析することで、各個人の立場や行動を知ることが期待できる。 本研究はエゴセントリックネットワークに対し、その部分グラフを属性と見なした関係表に、形式概念分析を適用して得られた形式概念と個人の行動や性格等に関するアンケートと照合することで、行動等の分析に重要な局所的パターンを得る方法を提案する。

負の相関ルールはある事象の発生時に他の事象が発生しない現象を記述したものである. 本研究ではまず負事象の明示的な生成を抑制し, 探索空間の大幅な減少を行う. 負の相関ルールにはある種の極小性原理が成り立ち, 極小でないルールは冗長であり情報損失なしに排除が可能である. 本研究ではこのような冗長なルールの抽出を削減し, 効率的に負の相関ルールの抽出を行うことを提案する.

時系列パターンの発見法において、時系列パターンを構成するアイテムやアイテムの構成要素である属性や属性値に対して、制約を導入し、分析者にとって特徴的な時系列パターンを発見する方法が提案されている。提案法の効果を定量的に検証するために、実データに対して提案法を適用した場合としない場合で、発見される時系列パターンの数と、時系列パターンの発見までに必要な時間を比較し、その効果を検証する。

The split pickup and delivery problem is to find the shortest route that can provide delivery nodes with com- modities collected from pickup nodes, subject to the vehicle load constraint. In particular, the split feature allows multiple visits to nodes and thus enables the vehicle to load or discharge an arbitrary portion of commodities along the route. This problem concerns the practical situations of limited capacity and insufficient commodities left for subsequent service. To resolve the split pickup and delivery problem, this study develops a memetic algorithm (MA) based on genetic algorithm and the modified 2-opt operator. The proposed MA employs a fixed-length representation carrying both the information of visiting order and the portion of requests satisfied; moreover, the modified 2-opt operator reduces the transportation cost without destroying the feasibility of route. Experimental results validate the optimization efficacy of the proposed MA in arrangement of visiting order and demand of each customer. In addition, the utility of split feature as well as its effect are examined in the empirical study.