複数の異なる次元の時系列データの対応を考える際，それらのデータを共有する空間上で同じ次元に揃えて比較可能にする必要がある．課題を達成するために，本研究では，ガウス過程に基づく高次元の時系列データの圧縮手法であるGaussian Process Latent Variable Models (GPLVM) を次元圧縮に用い，潜在空間を推定する．GPLVMにはEMアルゴリズムが用いられており，計算量が膨大で実用化は難しい．そのため，EMアルゴリズムの代わりに多層パーセプトロン (MLP: Multilayer Perceptron) を組み込み，非線形識別を可能にし，且つ計算量の削減を実現する．実用を目指したより効率的な潜在空間識別モデルの構築を行う．本提案手法をGPLVM，Shared Gaussian Process Latent Variable Models (sharedGPLVM)，Gaussian Process Dynamical Models (GPDM)，Shared Gaussian Process Dynamical Models (sharedGPDM) に導入し，効果を実証する．また，本提案手法を用いて2つの時系列データを共有する潜在空間へ圧縮を行い，対応関係の学習を行う．取得した潜在空間から観測空間である時系列データの復元についても取り組む．

本稿では，評価値行列からの潜在因子推定に適用した際のRBM(Restrected Boltzman Machine)の挙動を解析した結果について報告する．RBMを情報推薦に適用し，潜在因子ベクトルを推定することで予測評価値を求める手法が提案されている．しかしながら，それらはSYD(Singular Value Decomposition)などの従来手法よりも複雑かつ，計算コストの高いモデルを使用しているにもかかわらず，十分な精度向上が得られないことも指摘されている．精度向上に向けた改良を検討するためには潜在因子推定におけるRBMの挙動を理解する必要があると考えるが，先行研究においてRBMの挙動に関する考察は十分なされていない．本稿では先行研究とは異なる構造でRBMを協調フィルタリングに用いる手法を提案し，その挙動を解析する．人工データを用いた実験を行った結果，条件によっては評価値行列の生成に用いた元の潜在因子ベクトルを完全に復元可能であることを示す．

本稿では， 複数のメディアが組み合わされたマルチメディア情報において，メディア間で重要度を伝搬させることで重要度推定が困難なメディアに対して重要度を推定する手法について述べる．本稿で処理対象として扱う科学技術論文は，言語情報である本文と図表の画像情報を組み合わせることで，複雑な内容を読者が容易にまた詳細に理解可能としている．提案手法では， 論文中での単語の出現頻度をもとに推定した各文の重要度を，図表引用文との位置情報を用いて図表へ伝搬することで重要度を推定する．本稿では，口頭発表された論文中でポスター発表時のポスターに採用された図表を，重要度が高い図表と仮定した重要な図表の抽出実験を行った．提案手法と２つの比較手法それぞれを用いて重要度推定を行い，推定結果から算出した平均適合率を比較することで提案手法の有効性を評価した．評価実験の結果，提案手法は最も高い平均適合率を示し，精度の高い図表の重要度推定が行えることを確認した．

現代では数多くの小説が存在し，また毎年多くの小説が発表されている．莫大な量の小説の中から，人々が読みたいと感じる小説を探す手助けになるように，小説の自動要約システムを提案する．本提案システムは，遺伝的アルゴリズムを用い，要約対象の小説とシステムが出力した要約文候補との文書間類似度の最大化を図ることにより，要約文を出力するものである本稿では，提案手法を用いた小説の自動要約のシステム構築，評価実験，考察を行った結果について述べる．

SNS（ソーシャル・ネットワーキング・サービス）の普及により，新聞社はSNS上でニュースを配信するようになった．そのため，SNS上で記事を紹介する投稿について，記者は端的に記事の要約をするだけでなく，より多くの読者に記事をSNSの読者に届けるために記事要約の工夫を行う必要に迫られている．しかし，従来の記事要約は文意を保ちながら記事を短くするものであり，記者の届ける工夫は考慮されていない．そこで，本研究では，朝日新聞社のニュースサイトの記事と，その対となるツイートを比較することで，記者の届ける工夫を明らかにした．その結果，説明文には，ニュース記事を最小限に説明した部分と読者の目を引く表現部分があることが明らかになった

近年，WebサイトにFAQを用意する企業が増加し，ユーザがFAQを利用することで自己解決を促している．しかし，自己解決できなかったユーザは多く存在し，FAQを利用することのユーザの満足度は低い．したがって，ユーザの所望するFAQを適切に検索するシステムの必要性が高まっている．本稿では，ユーザの入力に含まれる内容語に加え，単語の分散表現を用いて内容語に類似する表現を獲得し，それらの表現を検索語としたFAQ検索手法を提案する．本手法に基づく実験システムを作成し，FAQを対象として評価実験及び考察を行った結果について述べる．

花火大会や近所のお祭りといった人が集まるイべントは、その周辺のコンビニなどの店舗に予期せぬ需要を生む可能性がある。そのような予告地域イベントをWEB やTwitter からの収集し、「開催場所」「開催期間」を特定する手法について検討する。また，得られたデータからどのようなイべントなのかカテゴリの推定を、教師ありもしくは半教師ありのトピックモデルを用い行った。教師ありトピックモデルを用いることにより、約77％でカテゴリの推定ができた。また半教師ありトピックモデルを用い、正解データのうち一部のラベルの情報を使わず学習を行い、学習に用いなかったラベルが、抜くカテゴリによっては再現されることを確認した。

ソーシャルメディアの投稿を活用する際に，ユーザの居住地と投稿内容とを関連付けることにより，より有用な情報を得ることができる．しかし自身の居住地を登録しているユーザは少なく，ユーザの居住地を推定する研究が広く行われている．本研究では，アメダスによる日本全国の観測データを利用してTwitterユーザの居住地を推定する手法を提案する．本手法ではまず，ツイートの投稿テキストから，投稿ユーザがどのような天気の中で投稿したかを推定する．次に推定した天気および投稿日時を各地のアメダスによる観測データと照合する．最後にどの地域から集中的に投稿しているかを推定し，その地域をユーザの居住地とみなす．単語の地理的局所性を利用する従来の手法と比較し，良好な結果が得られた．

本研究では，ジオタグツイートの発信位置と言語の相違を分析し，群衆（国民）の嗜好性を解明することを目的に，任意の地域における国民性に合わせたレストラン推薦手法を提案する．本論文では，母国語の多様性が高いヨーロッパを対象とし，まず，ジオタグツイートの発信位置，発信時刻，言及言語を抽出し，任意の場所で任意の期間で発言された任意の言及言語に基づきツイートを分類する．次に，場所に関するツイートとなる”I'm at”以降の地物(Venue)名を抽出し，それら地物の属性情報（例えば，図書館やインド料理店）を取得し，レストラン（飲食店）に関する属性情報を含むVenue名を抽出し，各言語のTF・iDF値を算出し，言語ごとに上位のVenue名をその国民に人気のレストランとして推薦する．さらに，全ての場所における任意の言語のツイートの属性情報に基づいたTF・iDF値を算出することで，国民に人気のレストランの種類（インド料理店や中華店）を抽出でき，これによりジオタグツイートの少ない地域においても各国民へのレストランが推薦可能になる．本論文では，ジオタグツイートの時空間情報と言語分析に基づく群衆の嗜好性抽出およびレストラン推薦手法について述べ，抽出した各場所のレストランの相関性について検証する．

ソーシャルメディアにおいて投稿者が発信した情報に対して，投稿者と閲覧者の間での意図の齟齬が生じることがある．そこで，我々はこのような意図の齟齬の要因を探る．特に，投稿者が情報を他者に伝達する際に，利己主義と利他主義のどちらの意図をどの程度強く持っていたかに注目する．本論文では，意図の齟齬がどの程度存在するかを明らかにすることを目的とする．我々は，投稿者の共有行動における利他主義と利己主義の強さと，閲覧者から見た投稿者の共有行動における利他主義と利己主義の強さをアンケート調査によって取得し，投稿者の共有行動に対する両者の評価の差異を確認した．また，投稿者のユーザ特徴を取得し，上記で確認された差異との関係を明らかにした．その結果，投稿者の利己的・利他的な度合いといくつかのユーザ特徴の間で相関があることが明らかになった．

Twitterには実世界の友人とフォローしあうユーザと，実世界では面識のない人とフォローしあうユーザが混在する．現実世界での関わりの有無によって，ユーザ間の交流の仕方や，他のユーザとのフォロー関係やツイートの類似性が異なることが想定される．本研究では，これらの観点からTwitterにおける現実世界および仮想世界の友人関係が，どのように異なるかを明らかにする．さらに，この結果を踏まえ，現実・仮想世界の友人関係の2つの関係性を判別するモデルを作成した．その結果，f-measureが0.82以上の高性能な判別モデルを作成できた．

ペン入力可能なコンピュータが普及しているが，その手書き入力の良さが活かされていないことが多く，電子ノートや電子黒板における手書きは従来より大きな変化はない．そこで本研究では，ひとは平均化された自身の手書き文字や他者と融合した手書き文字を高く評価するという特長を生かし，ユーザの手書き文字を自身の過去の手書き文字や他者の手書き文字とリアルタイムに平均化することによって，電子ノートや電子黒板といったペン入力可能なデバイスにおける手書きをより良いものとする手法を提案する．また，提案手法をウェブシステムとして実装し，その可能性について検討を行う．

本稿では，認知心理学分野で研究が行われているプライミング効果に着目し，批判的な情報検索に必要となる態度を促進するクエリ補完機構に関する設計・検証を行う．提案システムでは，証拠の重視，客観的な視点，探究心，論理的思考の自覚といった批判的思考に必要とされる態度を連想させるキーワードをクエリ補完時に提示する．本研究では，提案システムが検索ユーザの情報探索時間やページ閲覧傾向，検索タスクの結果に与える影響を分析するために，提案システムおよび一般的なクエリ補完システムを用いたオンラインユーザ実験を行った．実験結果の分析を通じて，批判的な情報検索を促すクエリプライミングの可能性について検証を行う．

本研究は， Web上で検索するユーザに対してメタ認知を促すと検索パフォーマンスが向上するという知見のもと， Web情報検索において効果的なメタ認知を促進するシステムの開発を目指している．その検討のために検索タスクを行い，どのようなメタ認知がどのタイミングで必要とされているかを分析した．分析は，検索タスク中の実験参加者の思考を振り返った評価と，検索行動ログの評価によって行い，認知的負荷のかかるタイミングとその原因の抽出を試みた．

身体動作計測を目的としたウェアラブルセンサを，加速度，角速度，方位センサおよびGPSを用いて開発し，独立した複数センサのデータをGPSタイムスタンプで同期するシステムを開発したまた，取得した多次元時系列データにもとづき類似の身体動作を特定する手法を開発したこれらをアクションスポーツの分析に用いた事例を紹介し，ウェブサービスによるソーシャルなデータ共有，遠隔・オンデマンド・トレーニング支援サービスへの展望を議論する．

「より深く考えるための検索インタフェース」Genkoを開発した．ユーザが入力した命題に対して，「ありきたりな答えを素早く返す」のではなく，命題を自動的に分割，それぞれの要素を用いてWeb検索した多様な結果を閲覧させることで，より多角的な思考を促す．さらに日々のインターネット閲覧を通して蓄積した情報の検索結果も合わせて表示することで情報を振り返り思考を組み立てる効果を狙っている． Genkoの実装と試用した結果について記述する．

ウェブやソーシャルメディアにおいては，情報の信頼性を評価することが重要である． 本講演では，第一に，人が，批判的思考と情報リテラシーによって，どのように情報信頼性を評価しているのか，そこには，どのような認知能力の限界があるのかについて述べる．第2に，情報信頼性分析システムの支援を受けて，人が，証拠の強さや量，意見分布を知った上で，判断すること，さらにシステムの利用が，人の批判的思考力を高めていく可能性について述べる．