fNIRS装置から得られる脳血流変化量が生体的な特徴と相関があるかどうかは議論の余地がある。本研究では、脳血流変化量を特徴量とし被験者の識別を行い、その結果の優位差を検討することで、着目する相関を議論する。本発表では、記憶タスク時に音環境を変化させた際に男女の成績の違いが見られた知的作業時の脳血流変化量をDeepLearningを用い,男女の識別を行う。結果から、着目する相関が見られることを示す。

近年，統計学，機械学習，パターン認識，信号処理，通信工学， 計測工学といった幅広い分野で，高次元データのスパース性に 注目したスパースモデリングの方法論が提案されている． 本講演では，生命・脳科学，医工学，地球惑星科学・天文学などの 幅広い分野に関して普遍的な，スパースモデリングによる データ駆動型科学の可能性について議論する．

非負行列分解(NMF)とは、与えられた非負なデータ行列を二つの非負行列の積の形に分解するという問題である。データ行列に分離可能性を仮定すると、NMFはデータの凸包の頂点を列挙するという幾何的な問題に帰着できる。本研究では分離可能性を満たすデータがノイズを含んでいる状況を考える。このようなNMFに対して、データに対する閉包楕円を利用することで、ノイズに頑強なアルゴリズムが設計できることを説明する。

MannらによるIterative Parameter Mixtureを代表例とした、データが多くのマシンに分散しており、各マシンでの学習を重みづけして統合する状況を考える。一部のマシンが故障などにより異常なデータを返し、学習の結果を悪化させることが懸念される。データ分布の間のダイバージェンスを考え、各マシンの重要度をそのデータから自動的に重みづけし、異常データの影響を抑える手法を提案する。

高次元データの特徴を表す少数の変数を抽出する変数選択問題が，近年注目を集めている．従来手法では，最適な変数の組み合わせを，一つだけ抽出するものの，そのような変数の組み合わせは一つとは限らず，多数存在する最適な組み合わせを網羅的に抽出する手法が必要不可欠である．本研究では，汎化誤差をエネルギー関数としたMCMC 法を実装し，汎化性能の高い変数の組み合わせを網羅的かつ効率的に抽出する手法を提案する．

教師あり学習における識別において，法律の制限により特定の情報との相関性を排除したい場合や，関心が無い属性との相関性を排除したい場合が存在する．本稿では，識別結果と特定の情報が相関しないような学習手法を提案する．教師付き学習では未知の事例に対する汎化識別性能が問題となるが，相関性でも同様であり，未知の事例の識別結果に対する相関を排除する必要がある．本稿では，提案法の汎化相関性の確率的バウンドを示す．

属性ベース転移学習は、各クラスの定義として属性というセマンティックな知識表現を導入し、学習結果を異なるタスクで共有することで転移学習を実現している。しかし既存手法では、各属性が入力からどの程度正しく学習できるか、即ち観測確率を考慮していない。本研究では、既存手法に観測確率を取り入れた式を提案し、動物画像の多クラス分類問題に取り組んだ。その結果、既存手法と比較して正解率が向上することを確認した。

ライフサイエンス分野では、大量かつ多様なデータが公開されて続けており、それらを統合して利用できる環境整備が望まれている。我々は、すでに多くの種のゲノム配列が利用可能な微生物に関して、セマンティックウェブ技術を利用し、ゲノムデータを中心として既存知識の統合化を進めている。その一環として、今回、微生物培地情報を記載するために必要なオントロジーと、LODの開発を行ったので報告したい。

異なるデータリソースからのデータを統合する場合、概念の似た異なるオントロジータームが混在するが、それらは必ずしも１対１に対応するものではない。本研究では、遺伝子データに複数リソースから付与された様々なターム（Gene Ontologyなど）について、ターム間の概念同一性判定問題と、概念が異なる場合に関係性をどう記述するかという問題に対するアプローチについて報告する。

生命科学では、研究材料の生物遺伝資源（バイオリソース）が、どのような生物学的特性（表現型）を持っているかを効率良く情報共有する必要がある。我々は、セマンティックWeb技術を用い、多種多様な表現型情報をひとつのデータベースで管理できるようにした。また、同等な特性（表現型）を示すマウスを、Amazonの「お勧め情報」を模して、表現型の一致度が高い順番に提示するなど、インターフェースも工夫した。

医学生物学研究者が手元にもつ遺伝子発現データを解釈するために、外部知識を参照して、データドリブンに仮説を検討するためのインタラクティブなプラットホームはほとんどない。遺伝学、パスウェイ、疾患・医薬品、文献などの様々な知識の整備が進んでいるアルツハイマー病について、これらをセマンティック・ウェブ化したデータとして参照しながら仮説を検討するウェブアプリケーションを開発したので、これを報告する。

近年，生命科学分野では国際的な標準語彙体系が開発されている．本稿ではLinked Dataを用いた，これら標準語彙と我々の開発中の異常状態オントロジーとの対応付けによる横断的知識獲得について議論する．本研究は国際標準化対応による知識共有と相互運用への貢献と共に，諸外国利用者においても疾患に関して因果の見地から異常状態間の関係性把握を可能とし，周辺知識の横断的かつ体系的理解に貢献すると期待される．

近年，様々な言語のデータセットがリンクトデータとして公開される中，RDF形式の対訳辞書は異なる言語のデータをリンクさせる際に役立つ．そこで我々は，日英対訳辞書やMeSHを利用したシソーラスなどを含むライフサイエンス辞書をRDF化し，リンクトデータ(CC BY-ND)として公開した．また，その日英対訳辞書の英語表記からDBpediaの英語タイトルへのリンクも作成したので，得られた課題などを報告する．

生物多様性や環境の問題において共有するべき生物情報は様々な分野に関わる。本研究では、生物情報を共有する Linked Open Data 基盤として構築を進めてきた LODAC Species へ、生物多様性に関する重要なデータである絶滅危惧種情報の統合を行った。和名や学名を手がかりとして効率的に情報を統合できた一方、統合に工夫が必要な種も見られた。これらの現状と課題について報告を行う。

Linked Open Data(LOD)エンドポイントは多数存在し，その中から適切なものを選ぶためには，各エンドポイントにどのような内容が含まれているかをSPARQLに基づくクエリなどにより把握する必要がある．本研究では，LOD検索において有益なエンドポイント発見を容易にするために，Multi Armed Banditモデルに基づくエンドポイント探索支援システムを提案し，その試作について述べる．

LOD検索はエンドポイントに対してRDF検索のクエリ言語標準であるSPARQLに基づくクエリを発行して行うが，発行するクエリによっては検索結果を得るまでに多くの時間を要する場合がある．またオントロジーに基づく推論をエンドポイントで利用する場合，計算の複雑性の高さなどの課題がある．本研究ではLOD検索を高速化するための機構を備えたSPARQLエンドポイントの試作について述べる．

Linked Data作成においてCGMの役割は大きい．本研究では，モバイル環境において構造化データ作成を支援するカメラアプリケーションKotoliを提案する．Kotoliは，テキストと画像による撮影の指示と被写体の情報を記述するフォームを設定したカメラを作成して，このカメラで写真を撮ることでユーザはほとんど負担なく構造化データを作成することができる．

サービスで処理可能な問い合わせのスコープを定めるために、高速道路立ち寄りというタスクだけではなくLinked Dataの構造分析を行いそこからレコメンデーションシステムのユーザのクエリの仕掛け作りを行う。

歴史的価値の高い貴重書類の書誌データの検索に、高精度の結果を提供するには、書籍に含まれる素材と出版された著作を明確に分けることができるオントロジーが必要である。そのため出版および部位名称等の書誌学的情報を注記項目から抽出し、書誌オントロジーを構築した。また、貴重書書誌情報に含まれるデータ編集者の主観的判断などの未確定データに対応したアノテーションを付加し、それらデータの正規化を行うことを提案する。

地域のオープンデータを連携させるハブとしてオンライン地方新聞の可能性に注目し，地域コミュニティの活性化を目的としてメディア情報をLinked Data化したサービスの試作評価について述べる．

ゴミ分別方法は自治体ごとに微妙に異なるものの、全体としてはモノのオントロジーに基づいた共通的な構造を有している。本発表では、複数の自治体のゴミ分別情報をデータベース化し、これらを分析・統合することによって「ゴミ分別オントロジー」を構築する。これを用いて、それぞれの自治体の分別情報において省略されている情報を補完する方法と、LODによる分別案内システムについて述べる。

本研究の目的は，対話を通じて話し手の体験情報を引きだし記録するという協創行為の支援である．こうした場面では，聞き手の体験や知識が話し手に比べて乏しいため円滑な対話が成立しにくくなる．提案システムでは，聞き手が Linked Data として整理された情報を用いて，時宜を得た応答ができるようにする．これによって対話の円滑化と話題の広がりが見込まれ，より充実した体験情報の外在化が期待される．

近年，社会課題解決への協働にSNSが用いられているが，従来は，方向性が似た主体との協働を探る機能が不充分であった．本研究では，これを補うWebサービス「ゴオルシェア（仮）」を開発中である．社会課題とその解決目標，さらにその部分目標をLinked Open Dataにすることで，(1)方向性の似た主体を検索可能になり，(2)影響力ある主体の目標共有により近未来社会像の見通しが良くなる，と期待される．

DBpedia Japaneseをはじめとして，ここ数年で日本においてもデータセットをLinked Dataとして公開する事例が増えている．本研究では，主に日本語のラベルを含んでいるLinked Dataについてのリンク関係を調査することで，日本語Linked Data Cloudとしてまとめることを試みた．それをもとに，日本におけるLinked Dataの現状や課題を報告する．

災害救助では，十分な防災戦力が与えられない中で，できる限り被害を抑えることが求められている．本研究では，そのような多目的最適化問題に対して有効であると考えられるMax-Sumアルゴリズムの適用をおこなう．また被災環境としてロボカップレスキューシミュレーションを用い，さまざまな地図上でのシミュレーション結果から，その有効性についても検討・考察をおこなう．

Using a large dataset of Tweets published during the period of the earthquake and tsunami of March 2011, we used network analysis to identify the roles of users in the diffusion of information.

東日本大震災時、Twitter等ソーシャル・ネットワーキング・サービスの果たした役割はとても大きかった。しかし重要な情報とともにデマが広 がり、大きな問題となった。そこで本研究ではSIRモデルをベースとした新しい情報拡散モデルである「マルチエージェント型拡張SIRモデル」の 提案・評価を行う。

発災時に救命の鍵を握る医療機関において、初動体制を迅速に確立し、適切な意思決定を行う災害対応力を養う実践的な方法として災害対応訓練がある。この訓練の事前準備における有用な訓練シナリオや訓練コンテンツ作成を支援するツールを開発することで、事前準備にかける時間とコストの削減とシナリオの多様性の確保、訓練企画の知識や経験が不十分な場合における有用な訓練コンテンツの作成を可能にする。

災害情報の伝播においてソーシャルメディアの果たす役割は大きい．東日本大震災直後のツイッターで発信された情報は，リツイートが多くを占め，また被災地からの情報を非被災地の利用者が転送・拡散する傾向があったことが分かっている．本研究では，情報の伝播性（リツイート頻度の高さ）を規定する要因として，ツイートに含まれる感情語をポジティブ/ネガティブ，活性/不活性の2次元で分類し，災害の種類との関連を検討した．

Twitterのツイートアーカイブから，注目したいイベントの関連語をバースト検出を用いて抽出し，各ユーザごとにそのイベント関連語の前後関係をカウントして得られるイベント関連語の遷移頻度行列を用いて単語出現の因果関係の有無と方向を決定し，さらにネットワーク簡略化を適用して因果関係ネットワークを抽出する手法を提案する．

災害時においては、避難場所等の情報を素早く得ることが重要である。ソーシャルメディアは新聞やテレビよりも素早く情報を得ることができ、その一つとしてTwitterがある。災害時では飛び交っている様々な情報の分類が必要がある。本研究においては、東日本大震災時にTwitterで共有された情報をネットワーク構造によって分類し、そのクラスタリングの評価を行った。

本研究では，Twitterのリアルタイム性の源泉であると考えられる利用者の投稿・返信・引用の活動を定量的に解釈し利用者属性に応じた特徴を明らかにすると共に，得られた特徴に基づき，利用者の自動選別に向けての可能性を検証する．本研究では，東日本大震災前後にTwitterで実際に流通した投稿を用いて分析を行う．

PubAnnotationはテキストアノテーションを集めるリポジトリシステムとして開発されている。単純に集めるだけではなく、同じ文書の同じ場所の文字列に付けられたアノテーションを整列する機能を実装していて、違うプロジェクトから生産されたアノテーションを統合するのができる。自動アノテーションツール等外部のモジュールとはREST APIで繋がる開放的なアーキテクチャを実装している。

spamメールに代表される有害文書のフィルタリングでは、文書内の単語に有害なものがあれば有害文書とする方法が多く提案されている。しかし、ある文書が無害に見える単語だけで構成されていても、特定の文脈では有害文書となることがある。本研究では有害文書として電子掲示板に投稿され他者を誹謗中傷するコメントを取り上げ、誹謗中傷をするコメントを抽出するシステムを提案する。

本研究では、テキストマイニングプロセスを通じて、各メソッドで扱われるオブジェクトの体系化を検討してきた。本発表では、これまでの検討に基づき同定したテキストマイニング関連オブジェクトのTETDMでの現状の整理と実装について示す。

本稿では，ユーザの価値観を推定したユーザモデルを構築し，協調フィルタリングを拡張する手法について提案する．ユーザがアイテムを評価するときにどの属性を考慮するかは，そのユーザの価値観を反映しているとの考えに基づいてユーザモデルを構築し，協調フィルタリングにおける類似ユーザの計算に利用する．実際のレビューサイトのデータに提案手法を適用し，その有効性や特性について検証する．

本稿では，テキストデータマイニング統合環境TETDMを用いたインタラクティブクラスタリングシステムの構築方法について報告する．TETDMは複数モジュールを組み合わせて多様なシステムを構築可能だが，複数マイニング処理の組合せを動的に変更する事は従来構築方法では困難であった．本稿ではコントロールパネルの概念を導入し，処理の組合せを動的に変更可能とするTETDMの新たなデザインパターンを提案する．

複数の事例をもとに,背後に隠された本質を見いだす能力である論理的思考力を助けるため，テキストマイニングを行い，重要単語を抽出する．また，その結果をシースルー型のHMD上に提示することで，実際のコミュニケーションの場面において，論理的思考を助けられるAR環境を構築する．連想クイズを題材とした評価実験を行い，構築した環境が論理的思考に役立てられるかを検証した．

テキストマイニングツールで有効な知見を得られるのは，テキストマイニングスキルを持つごく少数の人に限られており，試行錯誤を繰り返しながらツールの使い方を習得する必要があった．そこで，本研究ではツールの操作および考察を独力でスムーズに行えるスキルをテキストマイニングスキルと定義し，TETDMの使用を支援するインタフェースを提案し，初心者がスキルを獲得できるようにする．

本稿では，TETDMの普及を目的とした，ゲーミフィケーションによる利用者支援の方策を検討する．TETDMは，オープンソースのテキストデータマイニング統合環境であるが，知名度や利用者数の増加など，コミュニティの発展に関する課題が存在する．本稿では，ゲーミフィケーションにより，TETDMのコミュニティを発展させる方策についての構想を述べる．

検索者が検索当初に明確な検索要求を持たず，検索を繰り返しながら知識を増やし，検索要求を明確にしていくExploratory Searchが注目されている．本稿では，ＴＥＴＤＭに登録された既存の複数ツールを連動して利用することによってExploratory Searchが可能であるかを検証する．Exploratory Searchができたかどうかをコンセプトマップにより評価する．

本論文では，検索対象に対して提示される検索エンジン・サジェスト(情報要 求観点)の冗長性に着目し，冗長な情報要求観点を集約することにより，検索 対象に対するウェブ検索結果を集約する．提案方式においては，各ウェブ検索 結果のURL・スニペットに対して，関連性の高いサジェスト(情報要求観点)を 付与し，付与されるサジェスト(情報要求観点)を極小化することにより，ウェ ブ検索結果を集約する

本論文では，検索対象に対して，検索エンジン・サジェストを通して収集され るウェブページの内容を集約・俯瞰するタスクにおいて，収集されるウェブペー ジ集合に対してトピックモデルを適用することにより話題の集約を行った結果 と，従来型の検索結果上位のスニペットとの比較を行い，トピックモデルを用 いた話題集約・俯瞰方式の有効性を評価する．

近年、ソーシャルメディアの台頭により、人間関係に関連する膨大な情報がウェブ上に蓄積されるようになり、信頼性に関する指標を定量化することが可能になっている。 本研究では、従来の組織内の文書を対象にしたエキスパート検索と、ソーシャルメディアに蓄積されている信頼性に関する情報を統一的に扱う枠組みを実現する。

ニュース記事やブログ記事，SNSにおける投稿などといった文書ストリームから，話題の時間発展を追跡するためのトピックモデルが提案されている．これらの文書ストリームにおいては，話題が時間と共に変化し，ある時刻において発生/消滅/結合/分離することがある．しかし既存のモデルは，これらの変化の一部分しか捉えることができない．そこで本稿では，これら変化を考慮した話題追跡のためのトピックモデルを提案する．

音声情報や動作情報は二重分節構造を持っていると考えられる． これらの時系列データに含まれる二重分節構造を教師なし学習で 解析することにより，単語獲得や単位動作獲得が可能になると考えられる． これをノンパラメトリックベイズに基づき実現する二重分節解析器に 関する研究について報告する．

これまでLatent Dirichlet Allocationをベースに，物体のカテゴリを教師なしで形成する手法が提案されてきた．しかし，これら研究では物体カテゴリの形成を目的としており，色や硬さを表現するカテゴリなどは考慮されていない．本稿では，学習の際にパラメータの異なる複数のモデルを用いることで，多様な概念を形成する手法を提案する．これにより，色や硬さといった概念も獲得することが可能となる．