Eech ballpark has a different size in baseball. It could be easily imagined that there would be many home runs in a small ballpark. Park Factors (PF) are introduced in baseball to quantify the effect of each ballpark on the results (e.g., home runs). In this paper, we assume that each plate appearance can be modeled as a match-up between a batter against a pitcher with a ballpark. The effects of each ballpark will be distilled by using a logistic regression method. Numerical verification shows that the proposed method performs better than conventional PF. The verification is based on the results of more than 140 thousands plate appearances from the 2017 to 2021 Japanese Pacific League Baseball seasons.

高性能かつ頑健な言語処理モデルを構築するために，多様な質問応答 (QA) データセットにおける訓練，評価，分析が重要である．しかし，多様な QA データセットが存在する言語は英語だけであり，他の言語では少数の QA データセットしか存在しない．我々は，少数の基本的な QA データセットしか存在しない日本語を対象とし，人間の情報欲求から自然に発生する質問からなる Natural Questions (NQ) の日本語版を構築する．自然な質問を収集するために検索エンジンのクエリログを用い，アノテーションのコストを低減するためにクラウドソーシングを用いて，Japanese Natural Questions (JNQ) を構築した．また，NQ の派生で yes/no 質問からなる BoolQ の日本語版 Japanese BoolQ (JBoolQ) を構築した．どちらのデータセットを構築する際においても，より良いデータセットを得るために，オリジナルの NQ もしくは BoolQ のデータセット仕様を再定義した．JNQ は 16,641 質問文，JBoolQ は 6,467 質問文からなる．さらに，JNQ から 3 つのタスク，JBoolQ から一つのタスクを定義し，それぞれのベースラインモデルを作成し評価した．これらのデータセットにより，日本語における QA モデルや言語処理モデルの研究が促進されることが期待される．