LMSを利用したWebベースでの学習環境に求められる要件の1つに，シームレスな学習環境の実現がある．つまり，Web上の学習コンテンツをLMS上から自由に利用でき，かつ双方向性やマッシュアップを兼ね備えた学習環境を実現することである．LMS上の学習支援ツールは，同一種類のLMS上でのみ動作するように設計されており，また，LMSをインストールする度に学習支援ツールもプラグイン等としてインストールする必要があり，必ずしもシームレスな学習環境とはいえない現状がある．しかし，学習支援ツールをeラーニングにおける学習支援ツールの相互運用を保証する標準規格であるLTI(Leaming Tools lnteroperability)に準拠させることにより，LTIに準拠したLMSから逐一インストールすることなく，すぐに学習支援ツールを利用することが可能となり，シームレスな学習環境を実現できる．

近年，イベントや学会で意見や質問を投げかける手段としてTwitterが使われる機会が増えている．我々は発表に対する聴講者のレスポンスを収集するプラットフォームとしてTwitterに着目し，発表スライドに対応したツイートを自動投稿して，返信を収集するレスポンスシステムを開発している．レスポンスシステムのプラットフォームとしてTwitterを使う場合，レスポンスの方法がつぶやきの投稿という文字のみに限定されてしまうという問題点がある．そこで本研究では，スマートフォン等のモバイル端末が持つリッチユーザイタフェースに着目し，プレゼンテーションに連動したレスポンスシステムを開発する．

学習への興味喚起を目的として，キャラクターを活用した事例がある．しかし，学習をする上で重要となる文献の蓄積・整理にキャラクターを活用した例はない．そこで本稿では，キャラクターをインタフェースに用いた文献管理ツールを提案する．キャラクターをインタフェースに用いることで，ユーザーに継続的な文献の蓄積・整理を促し，間接的に学習の継続を支援できると考える．この提案の有効性を検証するために，実際にキャラクターを用いた文献管理ツールを開発し，試用実験を行っている．

学習コンテンツを対象とした情報推薦では，ユーザの習熟度に適した難易度のコンテンツが推薦されることが望ましい．そこで，ユーザの習熟度と学習コンテンツの難易度を，誰が何を読んだかという関係を示した2部ネットワーク（読者ネットワーク）のみを用いて推定するアルゴリズムを実装している．読んだ順序を考慮して推定アルゴリズムの精度向上を試み，テストデータを用いて推定精度を評価した．精度評価を行ったことにより，新たに検討すべき課題が明らかになった．

本稿ではクロスドメインの情報推薦（クロスレコメンド）に関するサーベイ結果を報告する。クロスレコメンドの定義を試み、クロスレコメンドの研究課題について述べる。課題解決に向けた関連研究を協調フィルタリング、コンテンツフィルタリング、ハイブリッドのアプローチの3種類の方法に分類しそれぞれ概観する。

現在，若年層の洋服のコーディネートにおけるファッションブランドの選択方法としては，インターネット上の膨大な情報や雑誌等による紙面からの情報など，多くの手段が利用されている．しかしながらそういった情報の殆どは嗜好やジャンルの偏りが大きく，ファッションブランド同士の相性や類似度について取得する情報が偏ってしまうという問題もある．そこで本論文では，利用者が取得する情報の偏りを無くことで，利用者が普段よく使用するブランドと相性は良いものの，意外性・発見性が高くセレンディピティのある新規ブランドを推薦リストに発見させるような情報推薦システムについて検討する．

近年，携帯音楽プレーヤーやインターネット上の音楽サービスの普及により，ユーザが音楽を聴く機会は増加している．また，時代に沿って音楽のスタイルが増え続け，多種多様なアーティストが無数に存在している．この状況の中で，自分で自分の嗜好に合うアーティスト・楽曲を見つけ出すのは困難であり，自動的に推薦してくれるシステムの需要が高まっている．本研究では，ユーザの嗜好に合うアーティストを，ランキング形式で表示できるアルゴリズムについて検討する．その際，ニュース記事でアーティストが共起する頻度を用いる．この手法を，有名なアーティストと有名でないアーティストの２つの場合で検証する．

本稿では、著者らが提案した同行者依存のトピックモデルの評価を行う。質的評価として同行者のトピックに含まれる単語を確認し、妥当なモデル化が行われていることを確認した。量的評価としてKL-Divergenceにより提案手法、LDAの双方のトピック間の分離性能を確認し、提案手法が優れていることを確認した。

近年，Twitter，及びFacebook等のユーザが議論する場を提供するシステムが生まれて来た．しかし，既存のシステムでは，多くの人が意見を発信し，共有することは可能だが，意見の集約を支援する仕組みは実現されていない．現在では，意見の共有，発散，収束，集約といった一連の議論プロセスを支援するシステムが求められている．特に，都市計画，及び公共事業等の分野において，多人数参加型のコラボレーション実現に期待が高まっている．従来は少人数の専門家のみで議論を行っていたが．一部の専門家による決定では住民の納得を得られない場合が多いという問題がある．従って，誰でも気軽に参加でき，意見を発信し，議論を行う開かれた場を提供するシステムが求められている．本研究では，名古屋の観光の活性化をテーマに，多人数参加型の合意形成支援システムを試作し，予備評価者実験を行うことでシステムの評価を行った．

デジタルカメラの低価格化，高性能化にともない，出会った人や見たもの，作ったものや食べたものなど，様々な記憶をデンタルデータの形で日々記録する，一人称視点での主観写真ライフログが可能となった．しかし，ライフログ写真にはテキスト情報が含まれておらず，ユーザの記憶も暖昧なため検索が困難であることや，記録しただけで死蔵されてしまい活用されないなどの問題がある．我々は，こうした問題を解決し，写真ベースの膨大なライフログを効果的に活用するため，時間・空間・人聞という3つの間を利用した能動的探索の手法と受動的閲覧手法を提案および実装し，日常的かつ長期的な利用からその有効性について議論を行う．

ソーシャルメディアの普及に伴い，ソーシャルメディアをマーケティングやイメージアップ，支持獲得等のツールとして活用しようという動きが活発化してきている．本論文は，ソーシャルメディアにおける支持獲得方法の構築に向け，アイドルグループであるAKB48に注目し，ソーシャルメディア上でのファンについて，投稿当たり平均ファン数や熱心度という指標を定義し，基礎的な分析を行った．その結果，ソーシャルメディア上でのファンの数の大小は，実世界における人気投票の結果と対応していること，人気の低いメンバーのファンは，その他大勢のメンバーのファンでもある確率が大きくなることが明らかとなった．また，メンバー間でのファンの類似度や，ファンの遷移を利用したネットワークの構築も行った．

本研究では，ユーザに構造化データ構築のための過度な負担をかけず，かつ，様々な語彙を用いた構造化データの構築を可能にするための，スマートフォン用のカメラアプリケーションおよび写真共有サービスKotoliを提案する．Kotoliでは，多くのスマートフォンが行う記録（写真＋メモ）作成行動をLOD構築とつなげることを狙う．Kotoliはテンプレートを用いることで，様々なメタデータの入力を容易にして，ユーザは構造化データ構築を意識する必要がない．そして，それらテンプレートはユーザが自由に作成できることで，日常的記録行為への対応を可能にする．

本研究は，若年者ブログと高齢者ブログについて，社会情動的選択性理論による積極性効果とビッグ・ファイブ仮説に基づくパーソナリティタイプに関する分析を行ったものである．分析は名辞仮説に基づいて，ブログページのテキスト上の形容詞に関して， その出現頻度比率に関する分散分析を行った．その結果，若年者ブログについては傾向と文のそれぞれの主効果およびそれら2要因間の交互作用が明らかになった．一方，高齢者ブログについては傾向の主効果のみが観察され，正の傾向が負の傾向より出現頻度比率が有意に大きいことが明らかにされた．本研究は，高齢者に提示される刺激に対してだけでなく，高齢者自身が生成したブログページにも積極性効果が観察される可能性があることを示すものである．今後の研究の方向として，対象ブログ数を増やすことと高齢者ブロガーの年齢を統制することが必要であると考えられる．

Yahoo!知恵袋を対象に，末尾に不読符号列がある短い回答をくりかえし投稿するユーザの調査を行った．調査の結果，短い回答の末尾にある不読符号列を，投稿文字数制限を回避するために用いるユーザと，最初の回答(ファーストアンサー)を投稿するために用いるユーザがいることを示す結果が得られた．

本稿では，人の営みとして形成されるeネットワークのダイナミクスを解明するための枠組みを構築する．インターネット上における人の営みは各種基盤の統計情報収集やWebクローリングデータの分析によって語られる．しかし，観測可能量と人の営みを結び付けてそのダイナミクスを考えるには大きな乖離がある．そこで，eネットワークのダイナミクスを人的要素・基盤要素・生成物と，これらを有機的に結びつける要素としてのメディアを取り入れることで観測可能量と人の営みの乖離を埋めることを試みた．

Yahoo!知恵袋を対象に，URLによる外部参照が行われている回答(URL参照回答)についての調査を行った．調査の結果，URL参照回答の評価は高いが，URL情報がなくても問題解決に簡単にアクセスできる場合，高い評価がえられないこともあることが明らかになった．

ユーザのWeb閲覧は集中するという仮説に基づいて閲覧履歴（ログ群）をまとめ，ユーザの意図を抽出し，活動を支援する研究が盛んに行われている．しかし関連のない複数ページの同時閲覧が考えられるため，時間的な近さからログをまとめる方法はユーザの意図の抽出に適していない．そこでリンク先への遷移やタブ切り替えといったログ間の関連性と，閲覧を開始した点に注目してユーザの意図を抽出し，この推移を追跡する．限定的な分析では，短時間内に複数意図で閲覧していた場合でも，意図ごとにログを連結できていた．今後はログ間の関連性があると判断した中でも，主題が大きく変化する場合に対処するため，ページの内容を考慮していく．

イラスト共有SNSにおいて，印象によりイラスト投稿者を検索する手法を提案する。イラスト投稿者の印象は，その人が投稿したイラスト群に付与されたタグから推定する。本稿では，イラスト投稿者が描いたイラスト群に対して抱く印象を，投稿者単位でどの程度共通に認識できるかを調査し，選定した印象カテゴリの有用性を検証した。また，タグからの印象の自推定の正確さ(accuracy)を評価した結果，マクロ平均で0.733となった。

本研究では，「ふわふわ・さらさら」といった質感を表すオノマトペを用いて，ユーザが所望する質感印象に適した商品ページの検索手法を提案する．オノマトペを構成する音韻とその意味との関係性に基づいて，オノマトペの質感印象を形容詞尺度で定量化し，さらにオノマトペの印象と共起する色彩を選定する．これにより，オノマトペと結びつく形容詞の印象値および色彩が算出されることから，商品ページ中の記事および画像において，記事に含まれる形容詞と画像の特徴量をオノマトペと対応づけることが可能となり，オノマトペの質感印象に合致した商品ページが検索される．従来よりも個人が求める質感をより微細に反映した商品ページ検索として期待される．

本研究では，初期検索で得られた文書における潜在情報を考慮した擬似関連性フィードバック手法の提案を行う．潜在情報の抽出には確率的文書生成モデルの一つである潜在的ディリクレ配分法（Latent Dirichlet allocation）を利用し，それによって得られた文書のトピック分布を検索対象文書モデルとして扱い，またこの分布に基づいたフィードバックを作成することで潜在情報を考慮した関連性フィードバックを試みた．実験では，文書検索課題を用いて提案手法と表層情報を用いた手法を比較し潜在情報を用いた手法の有効性について検証を行い，ユーザの要求情報が少ない場合には潜在情報が有効であることが分かった．

近年，情報技術の発展に伴い大量のテキストデータが蓄積されるようになり，その中からユーザが必要としている情報を選択することが必要となってきた．そして，情報を取捨選択するための一手法として，自動文書要約技術の必要性が高まっている．特に複数文書要約は，大量のデータの概要をユーザが捉えることが可能になるという点で，今後ますます重要となると考えられる．要約手法としては様々な手法が提案されている一方で，LexRankのようなグラフベースの要約手法の有用性が示されている．これは，文をノード，文間の類似度をエッジとしたグラフ表現において，固有ベクトル中心性の概念に基づいて文の重要度を計算する手法である．しかし，この手法が用いているのは文の単語頻度ベクトルのような表層的な情報のみであり，文のもつ潜在トピックは考慮していない．本研究では，潜在トピックを考慮したグラフを用いた複数文書要約手法を提案する．そして，DUC2004を用いた実験を通して従来の手法であるLexRankとの比較を行い，潜在トピックがグラフベースの要約手法において有用であることを示す．

本研究では，カテゴリを用いたWikipediaにおける著者の質を推定する手法の提案を行う．著者の質とは，ある著者が行った削除や追加，残存という編集の質を指す．これらが良質であるかどうかは，自動的に判定することが困難である．従来手法として著者が記事で行った編集の種類ごとに編集の質推定を行った．本研究ではカテゴリの情報を用いることによって，ページごとにおける著者の質をより高精度に推定する．カテゴリを用いることによって，著者の編集を複数ページの編集から評価することができる．カテゴリ内で高い評価を受けている著者はそれらの記事について詳しい著者であると考えられるため，記事で行った編集をより高く評価する．一方で，低い評価を受けている著者は詳しくない著者と考えられるため評価をより低く評価する．このようにカテゴリを考慮した著者の質再評価を行うことによって，より高精度に著者の質を推定が可能である．

ブログ，口コミサイトなどの普及により消費者から商品の評価に関する有益な情報が提供される機会が増えている.本来，自分が商品のレビュー全てに目を通し，どの商品が自分が本当に欲するものかを検討できることが望ましいが，レビュー文全てに目を通すことは困難であり，また，自分が知りたい観点から商品ごとに比較を行うことは難しい.もし，知りたい観点について書かれた情報を自動的に抽出し，比較することができれば，沢山の商品から自分に合ったものを選ぶ際の助けになる.本研究では化粧品のレビュー文を対象にし，LDA-DFを用いて制約知識を入れたトピック分類をした後，商品ごとにレビュー文の比較をする手法の提案を行う.

情報推薦（推薦システム）の研究分野では，アルゴリズムや推薦方式の研究が中心となり，推薦の正確さを指標とした評価が行われてきた．このような研究のアプローチが主流となったのは，評価用データセットの整備が一因として挙げられる．しかし，実際に利用するユーザにとっては，推薦結果のみでなくそれを獲得するに至ったプロセスも重要である．ユーザプロファイル作成に必要な情報の提供方法，推薦のタイミング，その提示方法などが，ユーザ経験の質に影響を与えると思われるからである．このような推薦システム－人間系についての研究は，まだ十分に行われていない．本講演では，これまでの情報推薦の研究におけるトレンドの流れを説明したのち，最近の推薦システムにおけるヒューマンインタラクションの研究事例を取り上げ，今後のトレンドを示すことにする．

TwitterやSNSなどのソーシャルメディアやオンラインニュースなど，日々新しい情報が発生するテキストストリームデータは，Web上の主要リソースとなっており，これらを有効活用する技術が求められている．一方，情報可視化システムがこれまで主に対象としてきたタスクはプレゼンテーションおよび情報アクセス・分析支援であり，前者はstorytelling，後者はユーザの探索的行為の支援が主な目的であった．しかし，テキストストリームデータの活用を考えた場合，定期的に情報を確認するモニタリングタスクを支援することが必要であり，情報可視化システムの新たな応用として興味深い対象と考える．本発表では，テキストストリームデータのモニタリングタスクの概要，解決すべき課題について述べると共に，peripheral displayなどの関連研究についても紹介する．

セマンティックウェブ技術に基づいて多様な情報源のデータ連携を実現するLinked Open Data（LOD）は，標準化やRDFストアの開発が進んだことで実用段階に入った．すでに学術情報や政府・地方自治体などの公共情報の提供手段として用いられており，さらなる普及が期待できる．LODでは情報に対するグローバルな識別子としてHTTP URIが必須となるが，維持管理や異なる情報源における同一性の判別が大きな課題である．本講演ではLODの概要や実サービスでの利用・提供経験から得られた知見について述べるとともに，識別子をワークフロー，機械処理ならびにユーザ参加の3種のアプローチによって管理する手法の提案を行う．

Webインテリジェンス・インタラクション分野における研究成果を実用化する際，セキュリティ・プライバシー保護への配慮は必要不可欠である．例えばユーザの嗜好や行動を解析し，ユーザのニーズにあった情報推薦を行う技術を実際のサービスに適用する場合，単に推薦の精度を高めるだけではなく，推薦システムのセキュリティやユーザのプライバシーを保護するという課題を同時に解決する必要がある．これは，現実世界ではすべてのプレイヤー（ユーザおよび情報解析者）が公平にふるまうという仮定が成立しないためである．本講演では，Webインテリジェンス・インタラクション技術を実用化するにあたり検討すべきセキュリティ・プライバシー面での課題について議論すると共に，これら課題への対抗策に関する最新動向を紹介する．

CGMの出現によって，人々の行動や思考内容がテキストデータとして大量に発信，蓄積される時代が到来した．その結果，例えば評判分析など，テキストデータの解析を通して社会の動向を分析することに対する期待が高まっている．こうした背景から，近年の自然言語処理において，CGMテキストは研究の潮流を形成する軸の一つとなりつつある．すなわち，CGMテキスト解析に対する社会的なニーズの高まりを受けて，新しい課題が研究者に認識され，それに対する解析技術が進展するというサイクルを見ることができる．こうした現状を踏まえて，本講演では，CGMテキストが自然言語処理にどのような影響を与えてきたのか，そして，自然言語処理がCGMテキストと関わっていく中で，今後どのように発展すべきかについて議論を行う．

GPSログのデータサイズの増加に伴い，携帯端末からサーバへのデータ転送量の増加が課題となっている．また，GPSログに対する分析の処理速度は，GPSログのデータサイズが増加するにつれ低下するという課題がある．これらの課題に対する1つの解決方法としてGPSログの圧縮手法があげられる．しかし，従来のGPSログ圧縮手法では，GPSログ内のユーザの移動速度の情報，GPSログの軌跡形状，およびGPSログの移動方向の情報などのGPSログの特徴点を保持することが難しいという課題がある．そこで，本論文では，Opening Window Compression Algorithm，CriticalPoint Algorithm，およびStayPointの3つの手法と道路ネットワークの情報を用いることで，GPSログの特徴点を保持しながら，圧縮率を向上させるGPSログのオンライン圧縮アルゴリズムについて検討する．本手法について，Speed Error，SED Error，Compression Rate，および実行時間に関する評価を行い，従来の手法よりも効果的にGPSログの圧縮を行えていることを示す．

覚えていたが忘れてしまった事象や明確に認識していなかった事象に改めて気づくことは，意識上に顕在化していない情報の意識化と呼ばれる．本研究の目的は顕在化していない情報の意識化が人間にどのような影響を与えるかを明らかにした上で，システムによりその支援を行うことにある．本研究では意識化の手がかりとしてライフログに着目し，過去に蓄積した情報を呼び起こすために，複数のWebサービスに蓄積された情報を一元的に収集し，提示するシステムを開発している．今後，感情などユーザの内的側面に着目した実験を行うことでより適切な情報提示方法について検討する予定である．

本研究では，位置情報を情報発信制限と有効期限付与に利用した地図型情報共有システムを提案する．近年，スマートフォンなどのモバイル端末の普及により，場所を問わず任意の時間に情報を発信することが可能になった．しかし，流通している情報の信憑性や鮮度は玉石混合である．本システムでは，アプリケーション上の地図に情報を書き込むことで他者との情報共有を行う．情報の信憑性を担保する為に，書き込める場所をユーザの現在位置周辺にあえて制限している．また，情報の鮮度を担保する為に，情報に有効期限を付与し古くなった情報を自動的に削除している．本稿では，研究背景及び実装したシステムの内容と特徴について報告する．

口コミサイトなどの知識共有コミュニティでは，ユーザのコミュニティに参加・貢献してもらうために，ユーザランキングなど様々な制度を導入している．本稿では，知識共有コミュニティを持続的に発展させる適切な制度設計を行うために，各コミュニティが導入している制度の違いがユーザ行動に与える影響，その結果，参加ユーザや共有知識の質・量・種類にどのような違いが生じるのかを分析する．