本稿では，単語分散表現を用いて観光地レビューに類似したコンテキストの歌詞を選曲する手法を提案する．聴取する音楽を選曲する上では，ジャンルやアーティストのようなメタデータ以外にユーザの聴取環境の利用が考えられる．ユーザの聴取環境を考慮して音楽を選曲可能となれば，ドライブ中の景色に適した音楽や観光中に観光スポットの雰囲気や背景に適した楽曲を視聴可能となる．本稿では，単語分散表現のモデルをドメイン間で共用するクロスドメイン検索を用いることで，観光地の雰囲気や背景に適した歌詞検索を実現する．観光地のレビューの単語ベクトル化において，歌詞コーパスを用いて構築された分散表現モデルを用いることで，観光地レビューを歌詞としてみなした単語ベクトルを得る．これを利用して観光地レビューにベクトル類似度の近い歌詞を検索する．このとき，共用の分散表現モデルの構築に異なるコーパスを用いた場合の検索結果との比較分析を行った．

近年，観光庁の調査によると，訪日外国人の旅行者の中でも，パッケージツアーなどによる団体旅行Group Inclusive Tour(GIT)だけではなく，個人で旅行を行うForeign Independent Travelers(FIT)での旅行形態が増加している．FIT旅行者の情報収集は主にSNSやブログが中心である．FIT旅行者の満足度を向上させるためには，観光に関する適切な情報を推薦することが望ましい．そのためには，旅行者の中からFIT旅行者とGIT旅行者を分類する必要がある．そこで，本研究では，Support Vector Maxhine(SVM)を用いて，Weiboの観光情報がFIT旅行者による投稿か，GIT旅行者による投稿がを分類する手法を提案する．

バーチャルYouTuber (VTuber) と呼ばれる，動画投稿者を模したバーチャルキャラクターの活動が盛んになっている．VTuberという言葉は2016年頃から使われ始め，2019年9月時点ではVTuberを名乗るキャラクターは少なくとも9000人を超えている．VTuberの活動はタレントやクリエータなど様々であり多くの分野で注目を集めている．本研究ではそうしたVTuberらの活動の理解と支援を目的として，Webから関連情報を収集し分析した．具体的にはWebからVTuberのプロフィール情報等を収集し基礎的な調査した．さらにVTuberらのTwitterフォロワー情報を収集しその共起関係から，活動傾向の違いやVTuber間の関係性について分析した．

わが国では，政府が主導する形で，データサイエンティストの育成が急ピッチで進められている．本セッションでは産，官，学，それぞれの立場で人材育成の理想と現実，今後わが国が向かうべき方向性などを議論する．

本稿では価値観モデリングを用いた協調フィルタリングを拡張し，ユーザモデルとアイテムモデル間の関係を学習するアプローチを提案する．情報推薦システムにおける近年の研究動向として，多様性やロングテールアイテムなど，精度以外の要素を考慮することが挙げられる．そのような場合，ユーザの嗜好をある程度満足しながら受け入れ可能なアイテムを推薦することが重要であり，利用者が解釈可能な推薦の実現が要求される．既存の行列分解ベース協調フィルタリングと比較して，価値観モデリングではユーザの意思決定に影響を与えるアイテムの属性としてモデル化するため解釈容易という利点がある．価値観モデリングを用いた行列ベース協調フィルタリングの既存研究では，ユーザモデル・アイテムモデル間の関係を手動で設定していたが，本発表では機械学習により評価値行列から学習するアプローチを提案する．実験結果により，提案手法の有効性を示す．

Feature selection refers to a critical preprocessing of machine learning to remove irrelevant and redundant data. According to feature selection methods, sufficient samples are usually required to select a reliable feature subset, especially considering the presence of outliers. However, sufficient samples cannot always be ensured in several real-world applications (e.g. neuroimaging, bioinformatics, psychology, as well as sport sciences). In this study, a method to improve the performance of feature selection methods with low-sample-size data was proposed, which is named Feature Selection Based on Data Quality and Variable Training Samples (QVT). Given that none of the considered feature selection methods perform optimally in all scenarios, QVT is primarily characterized by its versatility, because it can be implemented in any feature selection method. An experiment was performed using 20 benchmark datasets, three feature selection methods and three classifiers to verify the feasibility of QVT; the results suggested that QVT was applicable to different feature selection methods and significantly improved predictive performance of different classifiers.

Twitterにはユーザが参加したイベントの感想や意見が投稿される．しかし，同じ名称のイベントが複数地域で開催されている場合，どの地域で開催されたイベントに対するツイートであるかの判別は難しい．本研究では，ツイートに現れる単語の地域差に着目し，地域住民のツイートを用いて地域特有の単語埋め込み表現を作成する．そして，作成した地域特有の単語埋め込み表現を用いてツイート投稿者のイベント参加地域を推定する手法を提案する．実験では，七夕まつりを対象として，提案手法を用いた際のツイート投稿者のイベント参加地域の推定性能を既存の単語埋め込み表現を用いた手法と比較する．実験の結果，提案手法の分類性能は，比較手法と同程度のF1値を維持しつつ再現率が向上する傾向がみられ，比較手法では判別できなかった投稿の判別を行えることを確認した．

レストラン検索では，各ユーザの利用目的が検索の重要な観点となる．利用目的は「デート」「宴会」「女子会」などがあり，利用目的に応じてレストラン選択の際に重要とする観点が異なる．レストランを選択する際の観点は，大きく「料理」と「雰囲気」の2種類に分類できると考えられる. これらの観点に基づき，レストランを検索する上でレストランのレビューは有用な情報源となりうる．しかし，レストランのレビューには，「料理」と「雰囲気」についての記述が文単位またレビュー単位で混在している．本研究では，単語分散表現を用いた文書クラスタリングにより，「料理」と「雰囲気」のコンテキストに関わるレビューを文単位またはレビュー単位で自動分類する. 分類にあたり，レストランのレビュー自体にラベリングするのではなく，擬似正解データを仮定し，文またレビュー単位のコンテキストに基づく分類を行う．擬似正解データとしては，「料理」にはクックパッドのつくれぽを，「雰囲気」には楽天トラベルのホテルレビューをそれぞれ用いた. 結果として，擬似正解データを用いてレビュー単位でコンテキストの分類を学習したモデルにより，レストランレビューのコンテキストに基づく分類が実現可能と示唆された．