In earlier work we developed two dialogue systems for Nao robots. WikiTalk (COLING 2012, COLING 2016) supports Wikipedia-based dialogues on open-domain topics. CityTalk (IJCAI 2018) supports task-based dialogues on hotel and restaurant domains, and can change domains during the dialogue. We focus on extended multi-turn multi-topic human-robot dialogues, which are more challenging than short question-answering interactions. We used WikiTalk with ERICA at Kyoto University (IJCAI 2019), and aim to make our systems available across multiple robot platforms. To support this objective we are using Rasa, an open-source conversational AI framework, with encouraging results. Rasa supports transformer-based dialogue models which can recognise flexible intents in extended multi-turn multi-domain dialogues, not merely pre-specified intents within a single domain. We also aim to extend CityTalk to more than two domains. To support this objective we are using MultiWOZ, a large-scale multi-domain dialogue dataset. Later we aim to combine our systems in a single system that can handle task-oriented dialogues like restaurant searches and chat-oriented dialogues using Wikipedia information.

The problems of love and sex with robots have been studied in the “International Congress on Love & Sex with Robots” organized by David Levy, who is a chess player and is an author of books of AI. Of course, also in narratives and stories, love and sex are important theme. The objective of this paper is to present a prototyping system, based on the themes of love and sex, that generates a new story representation through exchanges the concepts, including characters, objects, and locations, in an inputted story representation with new concepts using the noun conceptual dictionary developed by us. Although new noun concepts to be exchanged are selected from the range of the concepts related to love and sex in the noun conceptual dictionary, the selection is done using three types of methods with: (1) random selection, (2) co-occurrence, and (3) hierarchical structure in the dictionary. For instance, the second method exchanges all of the corresponded concepts in the inputted story into new love and sex-related concepts in the noun conceptual dictionary using co-occurrence information. Furthermore, we conduct on a questionnaire survey for the generation results by the developed mechanisms. For example, the subjects compare an inputted story and the transformed stories, and evaluate the degree of the outputted stories are transformed to love and sex stories.

As a kabuki’s narrative generation study, we have analyzed a stage structure of Kyōganoko Musume Dōjōji, and developed its simulation system. Although Kyōganoko is based on the Dōjōji legend, it fragmentarily uses the story of the legend. Our objective is to present a system that supplements Kyōganoko using the legend’s background story for extending its simulation system and pursuing the overlapping of narratives. Kyōganoko has 11 scenes. In the first, a woman, Hanako, visits Dōjōji and performs a dance. Through the next scenes, her mind changes one after another, such as a ghost and a pure and loving girls. In the final scene, she transforms to a big snake to climb the bell. In the legend of Dōjōji, Kiyohime falls in love with Anchin, But Anchin tells a lie to betray her. Kiyohime transforms to a big snake and burns him to death in the bell in Dōjōji. These two works have a common story’s framework. The legend has a detailed development of a story. In contrast, Kyōganoko is symbolic and abstract, and has not a clear story. We propose a system that overlaps these two works on the basis of the Kyōganoko simulation system, focusing on the change of various Hanako’s mind states and two different personalities: positive and negative. We develop a mechanism using CG that can move to a detailed story representation based on the legend from each specific point of Kyōganoko according to the heroine’s minds and personalities.

Apparent personality (AP) impacts first impressions; people want to know how they are perceived by others, and how to change the image they give. Related research only focus on predicting accurately AP, without exploring how to change it. We propose a system that predicts its user’s AP traits according to the Big Five model, and gives them feedback on how to modify their way-of-talking style in order to reflect a desired AP. We extract 11 audio features from recorded speech, that can be interpreted simply (e.g. in terms of speed, loudness...). These features are then fed to a LightGBM regressor, which predicts an AP by giving a score in each Big Five model’s category. Finally, we determine each feature’s impact on the prediction by computing its Shap value, and give meaningful advice on what to do to change each category’s score. Our prediction system achieves a mean accuracy of 89.25% on all five categories, using only a few features and a simple regressor, which is competitive with current state-of-the-art systems that use deep neural networks and millions of features. Furthermore, we propose a first simple system that gives feedback using the features’ Shap values.

Oral cancer has a mortality rate of 35.5% and has many serious impacts on QOL such as feeding, pronunciation and conditioning. But it is difficult for non-specialized doctors and dentists to detect and diagnose oral cancer at an early stage.A solution to overcome this situation is the development of a diagnostic support system using Deep Learning, which has made remarkable progress in recent years. However, at present, there is no large open data set which can be used for oral cancer analysis.Therefore, we attempted to create a data set using approximately 150,000 images taken at the Department of Oral and Maxillofacial Surgery, The University of Tokyo Hospital from April 1, 2015 to March 31, 2020. However, the image data contains unnecessary images for learning, which are taken from areas other than the oral mucosa and patient information. And it takes about 10 to 15 minutes per case for selection.Therefore, we performed these data cleansing using deep learning and automatically extracted only the images which is necessary for learning.

Entity search (ES) is a problem finding relevant entities given a query as an entity label. This problem is challenging because many entities could have the same label names, and entities could have many names. Moreover, the query values are noisy, such as abbreviations or misspellings. It is a more challenging problem when the query is expressed in multilingual. (1) Objectives: We introduce an entity search tool called MTabES focused on dealing with noisy queries. In particular, we introduce a reranking function as a weighted fusion of fuzzy search with edit distance, keyword search with BM25 algorithm, and entities' popularities with PageRank scores. MTabES key advantage is the ability to boost the hit rate performance with the fuzzy search. (2) Conclusions: Entity search experimental results on SemTab 2020 and Tough Table datasets show that our toolkit could achieve a higher hit rate than knowledge graphs standard lookups i.g. Wikidata, and Wikipedia. Moreover, MTabES also work efficiently with about five queries/second in MTabES efficiency mode. MTabES toolkit is available at https://github.com/phucty/mtab_tool.

To increase creativity at a societal level for realizing a Creative Society, we need to investigate the gap between individual creativity and social creativity. This study aims to provide a computational framework for investigating the link between these two levels of creativity in terms of co-creative communication. We consider co-creative communication as the communication emphasizing a potentiality to increase the diversity of value consciousness, which should be a source of social creativity. We also argue that a defining characteristic of co-creative communication is the presence of misunderstanding, usually defined as a mismatch among interlocutors’ understanding of a message, and that individual creativity may bring misunderstanding in communication. Our framework comprises multiple agents; each has its individual creativity and a sense of values. Agents communicate with neighbors. A misunderstanding may occur according to the interlocutors’ individual creativity and the difference in values. Communication outcome affects the changes of their values and social diversity of values. This framework applies to studies of Creative Society from a perspective of interpersonal communication.

The human behaviors observed in multi modalities are naturally related with each other and many AI/ML methods try to catch such implicit relationships to enhance the prediction accuracies on users' behaviors. Ordinal methods, however, do not try to use the explicit relationships (e.g. taxonomy of emotions) across the modalities. In this paper, we suggest a new hypothesis for measuring the relevances across the modalities to improve accuracies.

In this research, reinforcement learning is used to select service component for SOA. QoS is the evaluation criterion of service component and it is used to represent payoff. Considering real application links to the problem that the number of interaction with environment is limited in real application. Offline RL, which learns their policy function from fixed interaction data, is one of method to solve this. There was little work to focus on application of RL to SOA in the offline setting. In this research, We focus on application RL to the setting where the part of service component is changed. Offline RL enables learning using a smaller number of data than conventional online methods, and that pre-learning of models can be performed even when the environment changes.

本発表では、保険における（統計的な）差別の分析手法をアルゴリズムによる差別で踏襲することができることを示す。昨今では、アルゴリズムによる差別が注目され、技術的取り組みも盛んである。偏りがあると問題になりやすい属性として人種や性別といった属性が知られているが、一律にその使用を禁ずることは望ましくなく、かといってどう扱えばよいのかも必ずしも明らかでない。そこで本発表では、保険における差別のアプローチを参照し、いつ属性の取り扱いが倫理にかかわる問題になりうるかを明らかにする。両者はアルゴリズムによる差別と、意図によらない合理的推論に基づいているという最大の特徴を共有する。具体的には、特に属性に生じる社会的コストに着目しながら、保険分野における差別および倫理にかかわる事項を通じその応用可能性を探る。この作業により、どのような事例が問題になるかを考える筋道を提供する。

人工知能で公平性を扱う際に，その行動や介入による結果の平等性を実現することも重要である．そこで本研究では，ある人々における介入による因果効果を平等にすることを問題とし，その最適化を行う方法を提案する．具体的には介入の効果を推定するモデルをデータを用いて推定し，そのモデルを利用し，様々な平等性の概念を含む一般的な社会厚生関数(Social Welfare Function)を制約条件下で最大化する介入を求める方法を提案した．そのうえでデータを用いて検証を行い，結果を比較し，手法の有効性を確認した．

無意識のバイアスは，人間が無意識のうちに獲得した固定観念等から形成される，潜在的な偏見のことである．人種・性別に関する無意識のバイアスは，採用や貸与等で他者を評価する際の不公平な判断に繋がる．機械学習モデルによる人間の評価がしばしば不公平になることは知られており，解決のために公平性配慮型機械学習の技術が研究されている．本研究では，人間が公平に判断できるようにするため，人間の無意識バイアスを矯正する手法を提案する．提案手法は，まず人間に（不公平な）評価を行わせ，評価結果に対して公平性配慮型機械学習を適用して公平なモデルを獲得する．公平なモデルと同様の判断をできるようにするため，人間に対して機械教示を行う．他者の収入を予測する被験者実験を実施し，不公平な評価を行う人間に対して，提案手法による矯正効果が見られることを確認した．

新型コロナウイルス感染拡大で顕在化したとおり、行政サービスの自動化・効率化・高度化は、住民の健康や生命自体を左右する根本的課題である。政府や自治体におけるデジタル・トランスフォーメーション（DX）が急務とされ、犯罪予測に基づく行政警察活動から婚活まで、様々な目的・用途で人工知能（AI）の活用が試みられようとしている。他方、技術上はAIを導入できるとしても、それが望ましいかといった規範的側面を含む検討・評価に関する研究は、いまだ十分とは言えない。 本研究では、いくつかのユースケースを元に、恣意性の排除や羈束性の向上といった裁量統制の観点から評価を行った。また、データバイアス、アルゴリズム監査、異議申立て手続きなどの論点を整理している。

人工知能（AI）の発展が目覚ましい一方で、その背景にある機械学習、特に深層学習のブラックボックス性は、信頼と責任の観点から社会実装の障害となっている。こうしたブラックボックス化の問題を解決するために、説明可能AIのコミュニティでは、透明性や説明責任を実装するための技術的な取り組みが急速に進められているだけでなく、近年では、そもそも説明とは何かといった哲学的問題に取り組む研究も始まっている。既存の研究の一つとして、Mittelstadt et al. （2019）は、Miller (2019)による説明概念の分析に基づいて、対話型の対比的説明を提供する説明可能AIの開発の必要性を訴えている。本論文では、まず、肺炎リスク予測システムの事例を用いて説明可能AIのニーズを確認し、次にMittelstadt et al.（2019）の議論を概観した上で、そこで提案されている対話型の対比的説明の有用性について議論する。

パーソナルデータの利活用において種々の活用パターンが生み出されている．必ずしもデータの種類と利用目的のドメインは対応関係になく，たとえば医療情報が広告のために共有されて社会問題になるなどの事例があった．日々のデータ収集および分析技術の発達により，データの種類と利用目的の組み合わせにおいて，あらゆるパターンが生じる可能性がある．そのうちのどの要素もしくは組み合わせがデータ利活用の社会的受容性に影響を与えるか調査することは，上述したような問題を未然に防ぐためにも重要である．以上の背景に基づき本研究では，個人データ利活用の類型に応じた社会的受容性を調査した．具体的にはデータ利活用の類型を，の組み合わせで表現して，直行表を用いて網羅的が質問文を作成し，国内のクラウドソーシングプラットフォームを用いて協力者を募集して質問紙調査を実施し，分析を行った．その結果，容姿を取り扱うと受容されないことや，福祉が目的であれば受容されることなどが分かった．また，組み合わせによって文脈依存の受容性に差異が生まれることなどが見出された．

パーソナルデータを用いたAIサービスは数多く登場しているが，ユーザに漠然とした不信感を抱かれることが少なくない．「データが悪用されるのではないか」「AIに任せて大丈夫か」といったものである．不信感を解消するためにAIに関する倫理規則や説明可能AIといった研究が行なわれているが，我々はユーザがAIサービスを信頼して使うためには技術内容だけではなくユーザとサービス提供者の間のインターフェースが重要であると考えている．そこで，ユーザ・サービス提供者間インターフェースに着目した信頼性モデルを構築することを目的とする．本研究ではAIを用いた食生活改善サービスを題材とし，複数のサービスシナリオを提示し不信感を測るアンケート調査，及び信頼獲得に繋がる表現の在り方を検討するデプスインタビューを実施した．上記をもとにモデルの内容を検討した結果を報告する．今後検証を行うため，表現の差異の信頼性への影響を測る二者択一型アンケートを実施する予定である．

大地震発生直後，人々の滞留状況や避難状況をリアルタイムに把握することは重要だが，計算時間短縮や予測精度向上が課題である．前稿[沖・小川 2020]では，エージェントベースシミュレーションで得た避難行動軌跡をクラスタリングした上で，LSTMで個々人の軌跡予測を試みたが，精度は不十分であった． 本稿では，道路リンク・時間単位の避難者数分布を効率的かつ精度良く予測するために，グラフニューラルネットワーク（GNN）とデータ同化を統合した，データ駆動型の新たな避難者分布予測モデルの構築を目的とする． 具体的には，まず，Gretel [Cordonnier et al. 2019]と呼ばれるGNNモデルに，前稿と同様の避難行動軌跡データを学習させ，ノードから接続道路リンクへの移動確率に相当する尤度分布を得る．次に，この尤度分布と初期避難者分布から得られる確率的な予測避難者分布に，データ同化手法の一つであるパーティクルフィルタを適用し，擬似的な観測避難者分布（エージェントベースシミュレーション結果）との誤差を減少させる．さらに，これを逐次計算することで，避難者分布予測の高速化・高精度化が期待できることを示す．

近年、スマートフォンなどのウェアラブル端末普及に伴い、ユーザーの行動履歴をビッグデータとして利用することが可能になってきた。これに伴い、人流解析の観点から似た行動をとるユーザをニューラルネットワークやクラスタリングを利用して分析する試みが行われてきた。先行研究では、時系列のメッシュIDを双方向LSTMの入力情報として学習させることで、ユーザー埋め込みの生成を行っていた。しかし、メッシュIDは人為的に割り振っているためID間の位置的関係や距離などを考慮しておらず、メッシュIDのみからだけではユーザー埋め込みの学習がうまくいかない可能性があった。この問題を解決するため、本研究では入力情報として緯度経度の情報を加えることでモデル性能の向上を試みた。その結果、時系列メッシュID予測の精度向上やユーザ埋め込みを利用したクラスタリング結果に違いが確認された。

われわれの感覚運動系には遅延があるため、熟練した捕捉行動を実現するためには、外部物体の動きを正確に予測する必要がある。感覚運動遅延に対処するために、脳は現在の状態に基づいて将来の状態を予測するが、過去の経験から得られた内部表象を利用するかどうかについては未だ議論されている。本研究では、ターゲットの急激な方向転換に対する追跡者の反応行動を分析することでその予測方法を推定し、追跡者によるターゲットの動きの予測が現在のターゲットの状態のみに基づく線形外挿では説明できないことを示した。さらに、ニューラルネットワークモデルを用いて、推定されたような非線形外挿が計算上実現可能であり、未知の相手に対しても有用であることを示した。これらの結果は、ターゲットの動きを予測する際の内部表象の利用を支持するものであり、内部表象を用いて外部物体の動きを予測することの有用性と汎用性を示唆している。

計測技術の発展を背景に、様々なスポーツの実際の試合の動きに関するデータが利用可能になり、戦略や評価への活用が期待されている。その中でも集団スポーツの守備は、複数人で行われ個人としての記録が困難なため、一般的に評価が難しい。従来の得点予測に基づく評価手法は、試合全体では希少な事象を予測するため評価が安定しない点や、得失点に至るまでの多様なプレーの評価が困難である。一方、得点に至る特定のプレーや支配領域などの評価手法は、選手やチームを総合的な成績（得失点など）と関連付けて評価することが難しい。そこで本研究では、選手の行動と全選手・ボールの位置情報を利用した、希少な得失点より発生頻度の多いボール奪取や被有効攻撃の予測に基づく、チーム成績と関連する総合的な観点から、チームの守備評価を行う手法を提案する。実験ではサッカー45試合のデータを用いて、実際の試合の得失点との関係や、シーズンを通したチームの成績との関係について検証した。

さまざまな大規模データセットが企業や大学によって公開され，それらを用いた研究や開発が行われている．また，深層学習フレームワークの発展によってデータセットのみならず学習済み統計モデルも広く公開され，利活用が進んでいる．それらの資源には多くの場合さまざまなライセンスが指定されているが，一般の研究者がそれを意識することはまれである．しかし，データセットや学習済み統計モデルを用いた商用システムやソリューションの開発を行う際には，どの用途であればライセンス違反になるのか，またはならないのかを十分に検討しなければならないが，既存研究においては明らかにされておらず，各社の判断において行われているのが現状である．そこで本研究では，データセットと学習済み統計モデルを用いた研究やビジネスのより安心・安全な実現を手助けするために (1) 代表的なデータセットや学習済み統計モデルのライセンスを確認し，(2) データセットや学習済み統計モデルのユースケースを列挙し， (3) ライセンスとユースケースの組み合わせについて何が可能で何が不可能か，の3点を検討した．

リスティング広告における広告文の品質向上は、消費者をランディングページ(LP)へ誘導し、購買へと繋げるために大変重要である。 品質向上手法には一般的に知られた手法がいくつかあり、例えば検索キーワードを広告文内に含めることで、クリック率など各種指標が改善することが知られている。そこで本論文ではより優れた広告文を生成するために、特定のキーワードを高確率で含む文生成手法を提案する。ベースとなる自然言語処理モデルには事前学習済みBERTをEnc-Dec構造にしたBERT2BERTを採用し、学習データはgoogle広告において配信されていた約69万件の広告データを用いた。また、生成時に「ドア」と「扉」といった類語の生成を防止するため、キーワードをマスクした形で学習を行なった。加えて文生成時にはキーワードを優先出力する手法を検討した。実際に配信された広告データを用いてその精度を評価した結果、提案手法は最大約80%の確率で広告文内にキーワードを挿入できることを確認し、既存モデル（BERT2BERTを学習データでfine-tuningしたのみのモデル）の挿入率を有意に上回ることができた。

広告の認知を促す上で，ユーザの広告への接触回数を考えることは重要である．広告への接触回数がある閾値を超えると広告認知に繋がりやすくなることが知られており，広告の効果を測る指標のひとつとして広く用いられている．本発表では，TVCM出稿者側の立場からCMの編成問題を取り扱い，TV局から割当てられたCM枠に対して，どの枠にどの種類のCMを割当てると各種類のCMの認知が最大になるかという問題を整数計画問題として定式化する．この際，あるユーザのあるCMに対する期待視聴回数が閾値を超えるとCMは認知される考え，各種類のCMに対して，認知に至るようなターゲット視聴者の数を最大化する．さらに，実際の視聴データを用いて提案モデルの有効性を確認する．ここで，最適化の入力データの規模が大きいと実用的な時間で解を得ることが困難であるため，LP緩和問題の解を用いたサンプリング手法を新たに提案する．その結果，提案のサンプリング手法を用いる方が，ランダムサンプリングを行う場合と比較して良い結果を得られることが確認できた．

ユーザーの嗜好性を行動パターンから把握し最適なコンテンツを配信する技術がこれまで広告効率を大きく改善してきた。一方で個人情報保護の観点からユーザーの行動を詳細にトラッキングすることへの制限が強化されている。そのような状況下では、より少ない接点の中で、ユーザーのストレスにならず嗜好性を把握する手法が求められている。 そのようなニーズにこたえるために、本論文ではGPT(Genarative Pretrained Transfomer)を用いた対話エンジンを開発し、Twitter上でユーザーの興味情報を収集するシステムを構築、そこから得られる嗜好性情報の分析を行った。

オンライン広告における広告クリエイティブの良し悪しは、一般的にユーザーがクリエイティブをクリックし、商品が購入される等の行動が起きる割合で評価できると考えられる。一方、そのようなユーザー行動は非常にノイズが多く不確実性が高い。また広告キャンペーンや広告大賞の潜在的な魅力等に左右される。本論文では、広告クリエイティブの評価のために、確率的広告クリエイティブ埋め込みを学習し、キャンペーン内の各広告クリエイティブを潜在空間のガウス分布として表現する新たな方法を提案する。我々の確率的埋め込みは、不確実性の高いユーザーの行動やキャンペーンに関連する複数の広告クリエイティブから適切な評価を実現する特徴を捉えることが可能である。 我々は株式会社Gunosyが提供した実際の20万件の広告クリエイティブを使用して評価を実施した。確率的埋め込みにより、テキストエンコーダー（LSTM、BERTなど）に関係なく、広告クリエイティブの配信パフォーマンスを正確にキャプチャできることを確認した。さらに、我々の提案は最先端モデルであるBERTを使用することにより、小さな不確実性で予測を実現することを確認した。

日々増加する商品やサービスに対して、適切で魅力的な広告文を手作業で作成することは膨大な時間的・金銭的コストがかかるため、作業負荷の軽減が求められている。また、同じ広告を何度も提示するとユーザーの反応が著しく低下するため、多様な広告を制作する必要がある。AI により広告文を大量に自動生成することで、広告制作者の負担を軽減するとともに、広告の枯渇を回避する研究がなされているが、定型的な広告文が生成されてしまうことが課題となっている。我々は、作成する商品についての前提知識を考慮した多様な広告文を生成するため、大規模な日本語データで事前学習したTransformer を用いた広告キーワードに着目した手法を提案する。広告文に含まれるキーワードを抽出し、キーワードと広告文を条件づけた学習により、広告の特徴や前提知識を考慮した多様な広告文の生成を目指す。比較のため、生成文に対し、BLEU、distinct、キーワード出現率についての自動評価と、流暢性と関連性について人手評価を行った。これにより提案手法を用いることで、少ないデータの場合でも、キーワードの特徴を捉えた多様な生成が行えることがわかった。

オンライン広告を配信する際の指標として、ユーザの興味・嗜好を推定するためのコンバージョン率（CVR）がよく用いられる。コンバージョンは広告表示の直後に生じるとは限らないため観測に時間が必要であるが、一方で期間限定の広告などの場合にはデータ収集に時間をかけづらいという問題もある。そのため多くの研究では全ての広告をまとめて単一のデータセットとして扱っている。しかしこうした手法では広告ごとの特性の違いを適切に学習することは難しい上、データサイズの小さい広告に不利な最適化が行われる可能性がある。本研究では、各広告に配慮した最適化を行うための手法を導入したマルチタスクDelayed Feedback Modelを提案する。提案手法は複数広告を同時に最適化する際のタスクの衝突を回避することができ、またサイズの小さいタスクの学習を補助することができる。実際の広告データを用いた実験では、提案手法が比較手法よりも良い性能を示すことを確認した。

本発表では，SAT の発展形の一つである解集合プログラミング (Answer Set Programming; ASP) 技術を用い，組合せ最適化問題に対して系統的探索と確率的局所探索を統合的に適用する手法を提案する．提案手法は，近似解法の一種である巨大近傍探索 (Large Neighborhood Search; LNS) のアイデアをベースにしている．LNS は解に含まれる変数の値割当ての一部をランダムに選んで取り消し，その変数のみに対して再割当てを行うことで解を再構築する反復解法である．提案手法では，解の再構築の操作を，値割当てをなるべく維持したままでの再探索に置き換えることで，取り消されなかった変数への再割当てを許す．これによって，どの値割当てを取り消すかに依存しすぎない探索を行うことができる．提案手法を ASP ソルバー clingo 上に実装し，国際時間割競技会の問題集(全21問)を用いて性能評価を行った．その結果，提案手法は，通常の ASP 解法と比較して，多くの問題に対してより良い解を得ることができた．また，1問について，既知の最良値を更新することに成功した．

制約充足問題（CSP）とは，離散値をとるいくつかの変数に対して，与えられたすべての制約を満たす値の割り当てを発見する問題である．CSPの解探索手法として，蟻コロニー最適化（ACO）を用いたアルゴリズムの有効性が実験的に示されている． ACOは，蟻の採餌行動を参考にしたメタヒューリスティクスである．ACOでは，解探索において生成した評価が高い解候補の情報を，フェロモンマップ上にフェロモン蓄積量として記録する．このフェロモンの情報を次の解候補の生成に利用して解探索を行う．しかし，フェロモンの溜まり方によっては局所最適解に陥ってしまう可能性がある．本研究では，複数のフェロモン蓄積を備えたACOによる制約充足問題の解法を提案する．本手法は，蟻を複数のグループに分け，グループごとに対応したフェロモンマップに対して，それぞれ異なる方法でフェロモンを蓄積するものである．また，解探索の途中でグループサイズを調整することにより，フェロモン蓄積にバリエーションを持たせることで効率よく解を発見することを目指す．提案手法をCSPの例題の一つであるグラフ彩色問題に適用し，その有効性を実験的に確認する．

私たちは与えられた閾値t より大きな要素数を持つ極大マッチングの列挙に対して，2つの多項式遅延列挙アルゴリズムを与える．まず1つ目のアルゴリズムはそのような全てのマッチングをO(m²)遅延で列挙する．ここで，mはグラフ中の辺の本数である．この結果は既存の極大マッチング列挙に対して，要素数制約を追加した結果である．2つ目のアルゴリズムは全ての極大マッチングを要素数が非増加の順序で列挙するアルゴリズムであり，これも多項式遅延で動作する．

本研究では，トランザクションストリームデータから，強飽和集合をオンライン抽出するε近似アルゴリズムの完全性に関する理論的考察を行う．また強飽和集合抽出の成功と失敗に関する2種類の高速化法を新しく提案する．評価実験の結果，10倍以上の高速化が確認できたので報告する．

大規模文字列集合データをコンピュータ上に効率的に表現し処理することは、文字列集合の索引化やデータマイニングなど幅広い応用において重要である。Loekitoらが提案した系列二分決定グラフ（Sequence BDD、SeqBDD）は文字列集合を効率的に表現するデータ構造であり、文字列集合データを圧縮したまま豊富な演算を適用できる特徴をもつ。本研究では、大規模文字列集合データを保持するテキストデータを入力とし、その文字列集合を表現するSeqBDDをボトムアップに高速に構築する手法を提案する。文字列を逐次的に和集合演算により追加する既存手法と比べ、提案手法は多くの場合に高速に動作し、特に共通する接頭辞をもつ文字列が集合内に多く出現するような入力に対してより効果的である。本発表では、提案アルゴリズムについて述べ、様々なデータセットを用いてその有効性を評価した結果を示す。

新型コロナウィルスを始めとした感染症の脅威は人類社会に影響を及ぼし続けており，感染症に関する研究は非常に重要である．感染症を数理モデルで表す方法として微分方程式を用いた確率的モデルであるSIR (Susceptible-Infected-Recovered) モデルがある．このモデルは重要な性質を数理的に証明することが出来る一方，確率パラメータが現実と乖離していた場合は意味の無い結果になってしまう恐れがある． 本研究は，ブール式を用いた確率を全く考慮しないSIRモデルを定式化し，有界モデル検査を用いて解析する手法を提案する．有界モデル検査とは，システムが望ましい状態へ有限時間内に到達可能かを検査する手法であり，モデルの状態を記号的に表現することでシステムが取り得る全ての状態を表し，起こりうる全ての可能性を網羅的に検査する．従って，状態遷移がどのような確率分布に依存しているかは全く関係が無い． 本研究ではパンデミックの収束時間を求めるアルゴリズムを検討し，ワクチンの供給量がどの程度感染症伝播を抑制するかをSMTソルバーを用いて数値的に評価した．

システムの挙動に実時間制約をもつようなシステムをリアルタイムシステムといい, 時間オートマトンはリアルタイムシステムの代表的なモデリング手法の一つである. 通常, 時間は連続値をとることから, 検証を行うにあたっては状態空間の適切な抽象化を行い, 状態数の発散を抑える必要がある. 本研究の目的は, リアルタイムシステムを簡潔にモデリングすること, また, 適切に抽象化を行い状態数を削減した状態空間を構築することである. モデリングにあたっては, 多重集合の表現やプロセスの階層化が容易な言語 LMNtal を用い, 時間オートマトンモデルのフレームワークを考案した. 状態空間構築についても LMNtal を用いて実装し, 時間を制約式の積として管理することで状態数を大幅に削減することができた. また, 変数どうしの差分制約を含んだモデルを扱うため, 効率的な制約処理ができるデータ構造として知られる Difference Bound Matrices を LMNtal で実装した.

ハイブリッドシステムは, 時間の経過に伴ってシステムの変数が連続変化と離散変化を繰り返すシステムである. ハイブリッドシステムのモデリングを行うツールは数多く存在し, その一つとして上田らによるハイブリッドシステムモデリング言語HydLa およびその処理系 HyLaGI の開発が進んでいる. HyLaGI は, 数式処理を用いたハイブリッドシステムの記号実行シミュレータであり, 初期状態にパラメータを扱えるという特徴を持つ. その他のモデリングツールとしては, 時間を細かく区切り数値計算により解軌道を凸集合で囲む SpaceEx や, 到達可能性問題とハイブリッドシステムを拡張して得られた SMT 問題を解いて到達可能性解析を行う dReach が挙げられるが, HyLaGI とこれらのツールの比較は十分に行われていない. 本研究は, 複数のハイブリッドシステムモデリングツールの比較および特性の考察を行うことを目的とする. 性能評価においては, パラメータを含む複数の例題による解析を行った.

シャプレイ値は，協力ゲームにおける解概念（配分）の一つで，プレイヤーの限界貢献度に応じてゲームで得られた利得を配分する．近年では，協力ゲームの範疇を超え，グラフの中心性や説明法など，尺度の一つとして利用されている．より現実の問題に即した問題設定として，プレイヤー間に先行順序のような離散構造がある場合を考える．例えば，研究者，開発者という二人のプレイヤーがおり，開発者は研究者がいなければ開発が出来ないが，研究者は一人でも研究ができるという先行順序をもつゲームは自然に考えられる．このような離散構造を表現するために，アンチマトロイドを導入する．アンチマトロイドは集合システムの一種で先行順序などは応用例の一つである．本研究では，アンチマトロイドの特殊ケースである半順序集合からなるものを，また特性関数に加法性を仮定することで，多項式時間でシャプレイ値を計算可能なアルゴリズムを提案した．<gdiv></gdiv>

本論文では，ADSAT (Attacker Defender SAT) と呼ばれる，防御者と敵対者が存在する場合の MaxSAT について論じる．MaxSATは，充足可能性問題(SAT) を最適化問題に拡張したものであり，その目的は充足する節の数の最大化である． ADSAT において，防御者は充足する節の数の最大化を目的とし，敵対者はその最小化を目的とする．本研究の目的は，敵対者のあらゆる攻撃を想定した防御者の最適解を求めることである．このような頑健な解を求めることは理論上のみならず実用上も重要である． 先行研究において，ADSAT を解くアルゴリズムとして IBR (Iterated Best Response)が提案されている．しかし，ADSAT はΣ^P₂完全問題であるため，小さいサイズの問題でも実用的な時間で最適解を求めるのが難しい，という問題がある． そこで本論文では，ADSATの近似解を求める AE (Attack Enumeration) を提案する．敵対者の攻撃を限定した場合，AE は効率的に近似解を求めることができる．また，計算機実験により両アルゴリズムの性能を比較し，評価を行う．

著者らはこれまで，SQL 言語を知っていれば組合せ最適化問題を比較的容易に記述し解くことができるようにすることを目的として，CombSQL+システムを開発した．まだこのシステムの利用例は少なく，応用例を増やし評価することが必要である. 本稿では，車両割当て問題に対するCombSQL+の記述を紹介する．ここで，些細とも思われる記述の差が，大きく実行性能に影響を及ぼす事が分かった．その理由について考察し，解決法のアイデアを述べる．

本研究では，圧縮したSAT問題に対する高速な単位伝播手法について実装及び評価を行う．制約充足問題(CSP)の有効な解法の一つに，CSPをSAT変換して解くSAT型CSPソルバーがある．大規模なCSPをSATに変換すると節数が数億にも及ぶ非常に巨大な問題となることがある．そのような巨大な問題はメモリに格納することが難しく，また読み込むことができたとしても処理が重たく現実的に解くことが困難である．そのような巨大なSAT問題に対して，節の圧縮表現を利用してメモリの使用量を減らす手法が提案されている．これにより，メモリに載りきらないことを原因として求解できなかったSAT問題を解けるようになったものの，求解時間や求解数に大きな向上は見られていない．本研究では，圧縮されたSAT問題のための専用の高速な単位伝播アルゴリズムを提案する．単位伝播はSATソルバーの実行時間の大部分を占める基本的処理であり，これを改善することは大きな速度向上につながる．評価実験の結果，従来のソルバーよりも使用メモリ量を大きく削減するとともに，求解速度が向上し，求解性能が改善していることを確認した．

欠陥進展下の転がり軸受の余寿命推定において，軸受毎の余寿命の個体差，および振動加速度の変動に対してロバスト性を向上させることは余寿命推定の精度向上における課題である． 本論文では，階層ベイズに基づく余寿命回帰手法を提案することで，転がり軸受毎の余寿命の個体差を考慮した．併せて変動の大きい振動特徴から直接余寿命を推定するのではなく，中間変数として欠陥の状態を示すパラメータを導入することで，振動特徴の変動に対するロバスト性を向上させた． 提案手法により，余寿命を単調な回帰曲線で推定することを可能とした．くわえて，特に欠陥進展初期における余寿命推定精度が向上できた．

海事分野では航行中の船舶の状態を把握するため実船計測プロジェクトが行われており，様々なデータが取得・蓄積されている．また，蓄積されたデータは，船体強度の評価や疲労被害度評価による予寿命予測，設計へのフィードバックといったところを目的に様々な検討がなされている．特に船舶の安全性確保の観点からは，船舶が受けた実際の応力の履歴を把握できる意味は大きい． 運航中の船舶は風，波，潮流といった自然環境の影響を大きく受けるため，実船計測データは計測の瞬間の気象・海象の状況と合わせて分析する必要がある．しかしながら，気海象の状況を正確に把握することは難しく，実船計測データの数値のばらつきが大きくなってしまう． 一方で，機械学習分野では確率分布を予測するモデルとしてNGBoostが提案されており，実船計測データのようなばらつきの大きいデータの分析への活用が検討されている．そこで本研究では，実船計測データの統計値をもとにNGBoostを用いた計測個所の船体構造に生じる応力予測を実施し，ばらつきの大きなデータであっても応力予測が可能であることを確認した．また，予測精度向上の方法について検討を行った．

道路の安全・安心な環境づくりのため、監視カメラを用いた落下物の自動検出が有用である。従来、落下物検出には背景差分法が用いられていた。しかし、光の当たり方・影など、環境変化まで誤検出する課題があった。そこで本研究では、VAE(Variational Auto-Encoder) による異常検知技術を道路の監視カメラによる落下物検出問題に適用した。実験の結果、OpenCVによる背景差分法と比較して、特に環境変化が多く含まれる画像において精度が向上した。落下物の検出精度は35%から75%に向上し、誤検出率は15.0%から2.4%に減少した。

現在、NTT東日本管内では年間約6万個のマンホールの点検を実施している。作業者が現地においてマンホール写真（鉄蓋および内部設備）を撮影し、集約センタにおいてそれら写真を用いた設備の良・不良判定を目視で実施している。昨年、私たちは集約センタにおける目視点検稼働の削減に向けて、CNNアルゴリズムの一つであるMask-RCNNを用いたマンホール内部の不良検出AIを作成し、検出精度について報告を行った。本取り組みでは、昨年度の知見を基に、マンホール鉄蓋の種別判定および不良箇所検出AIを作成し、その検出精度を検証した。検証の結果、鉄蓋種別判定ではマクロ平均再現率96％、マクロ平均適合率98％、不良箇所検出ではマクロ平均再現率90％、マクロ平均適合率70％となった。

コンクリート構造物は，道路，橋梁，堤防，トンネル，下水道など様々な社会資本施設に取り込まれ，我々の生活を支えている．そして，維持管理の時代を迎え，また，人口減少時代を迎え，これらの構造物の機能維持のために可能な限り効率的な点検・評価が目指されている．点検効率の手段として画像処理の活用が進み，中でも深層学習ネットワークを用いたコンクリート構造物のひび割れ検出は良く見る事例である．しかし，その事例は各自適用に留まり，社会資本の性質上必要な技術体系化に繋がっていない．深層学習ネットワークにより画像処理の汎用性は大幅に向上したが，それでもやはり産業適用においては，各産業毎の独自のネットワーク等の技術的工夫調整が必要である．そこで，社会資本分野において，ひび割れ検出に用いられるsemantic segmentationに着目し，その際，主に用いられる深層学習ネットワークであるSegNet，U-Net，FusionNetの機能上の違いを明らかとし，それを要因とするひび割れ検出精度の違いに言及し，土木分野への適用を踏まえた際の技術体系化に繋がる一知見を整理する．

宿泊予約サイトにおいて，ユーザのレビューや評価，またそれに対するホテル側からの返信は極めて重要な情報であり，ユーザはそれらを参考にしてホテルの予約を行う．そのためホテル側はユーザのレビューに適切に返信を行うことが顧客獲得のために重要となる．しかし全てのレビューに対応することは従業員にとって大きな負担であり，返信へのサポートが求められている．本研究では， RNN Encoder-Decoderモデルを用いて，レビュー返信の自動生成を行った．さらに，レビューに付随する情報であるユーザ評価やレビュー返信の文長の情報を組み込んだモデルの構築を行った．これによりレビュー返信の精度が向上し，レビュー返信の生成にあたりこれらの情報が有用であることを確認した．

筆者らは、法学教育の一環として、Webシステム上で学生が弁護士役となり架空の⺠事事件の解決にあたるという設定の教育プログラム（訴訟ロールプレイ）を法学部授業の中で運用している。このロールプレイは、学生が書き込むクローズド・エンド型の質問文に対して、証人役の者が回答することによって進行するが、クローズドでない質問文を自動検出して、学生に注意を促したり、回答作業前に自動的に除去したりすることが求められている。 そこで、同じ内容の質問文であれば英文の方が文章の形式から自動検出が容易であるとの仮説を立て、中間言語として英文を用いる方式を検証することとした。本報告では、その準備として英文と日本語文の識別率を比較し、その結果を提示している。 比較方法は、蓄積された日本語文データを翻訳API(DeepL)により英訳を行ったのち、日英それぞれについて複数の機械学習アルゴリズムを用いて、クローズド・エンド型質問文であるか否かを判定させることで実施した。 その結果、直観的な予想に反して、英文を中間言語として用いる方式は、日本語文のまま行う方式と比較して、未知のテストデータに対して有効であるとはいえなかった。

小論文自動採点は，人間評価者に代わって自動採点モデルが小論文の採点を行う自然言語処理におけるタスクの一つである．近年では多くの自動採点モデルが提案されており，それぞれに異なった特徴を有している．本研究では，評価者特性を考慮した項目反応理論を用いて自動採点モデルの統合を行う新たな手法を提案する．具体的には自動採点モデルを一人の評価者とみなして評価者特性を考慮した項目反応モデルを適用することで，それぞれの自動採点モデルの特徴を考慮した統合を行う．実験を通して，提案手法が統合した自動採点モデルの特徴を捉えることで，単体の自動採点モデルや，単純な予測スコアの平均化手法と比べて予測精度を向上させることを示す．

一般的に、読み手の意思決定に有用な文書の記載は書き手にとって容易ではなく、様々な記載支援ツールや構造化記載テンプレートが提案される一方で、不適切な支援は記載情報の欠落に結びつくことも報告されている。つまり、読み手の意思決定に有用な記載内容と、その記載内容が文書中でどのように配置されるべきかを明らかにし、その知見に基づく文書記載の適切な支援が重要だと考えられる。 本研究では、手続き文書でありながら、代替品の提案や調理工程の理由など、読み手が自らの嗜好などと組み合わせた自由な意思決定を行うために有用な内容の適切な記載が望ましいと考えられる、料理レシピの記載内容と構造に関する被験者実験を行なった。まず、料理レシピにおいて読み手が役に立つと感じる6種類の記載内容を選定した。そのうち2種類の記載内容を調理工程ごとに見出しをつけて記載すると、読み手がオリジナルのレシピよりも有用だと感じることが明らかになった。さらにこの内容を同じ構成で記載するよう指示した書き手の負担には、自由に記載するときと比較して有意な増加を認めなかった。今後は実験用のレシピ数を増やすと同時に、多様な文書に実験を拡張予定である。

英語学習・日本語学習の初歩段階における重大な難しさの一つとして，英和それぞれの統合規則の違いがあると指摘されている．本研究は，この違いを外在化し，学習対象化することを目指したものである． その手段の１つとして，ルールベースの機械翻訳モデルを用いる．機械翻訳はルールベースとコーパスベースがあり，現在主流の統計的機械翻訳やニューラル機械翻訳は後者である．ルールベースは翻訳精度において統計的翻訳より劣っているとされているが，その翻訳プロセスが人にとって解釈可能であるという利点を持つ．この点を初学者向けに活用しようとする試みが本研究である． 本研究では，ルールベース方式の機械翻訳のモデルを学習者に経験させるシステムを設計・開発することで，学習者の和文英訳・英文和訳の理解を促進することを目的とする．文法には例外も多いため，本研究では扱う対象とする英文を５文型の形式で表現できる範囲に制限する．ここでは，設計・開発したシステムと，大学生及び英語教員による試験的利用の結果，高校生による実践的利用の結果を報告する．

近年，Electronic Commerceの普及による物流量の増加や，それに伴う商品の頻繁な入れ替わりにより，物流倉庫では日々膨大な業務量に追われている．特に出荷ピッキング作業は業務の大きな割合を占めており，商品を効率的にピッキングできるように商品配置を最適化することが重要である．現在，多くの物流倉庫において商品は出荷頻度に基づき経験的に配置されている．一方，商品配置の最適化は組合せ最適化問題として定式化できるが, 実際には万単位の種類の商品が存在する高次元最適化問題であり最適解を得ることは困難である．そこで本研究では粒子群最適化手法の１つであるBLPSOを用いた商品配置法を提案する．BLPSOは離散粒子群最適化に効率的なランダムウォークの一種であるLévy Flightを導入したアルゴリズムであり，高次元の問題を高速に解決できる．本稿では物流倉庫の業務データによるシミュレーション実験により提案手法の有用性を検証する．実験によりBLPSOの性能が比較手法よりも優れていることを確認した．また本手法で最適化された商品配置は倉庫現場の経験的配置よりもピッキングの移動距離を大きく削減できた．