話題の時間推移による発生消失と概念的親子関係を明らかにするトピックモデルの開発

• Project/Area Number: 24K20844
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: Ichinoseki National College of Technology
• Principal Investigator: 村上 力 一関工業高等専門学校, その他部局等, 助教 (40965307)
• Project Period (FY): 2024-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2028: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000); Fiscal Year 2027: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2026: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000); Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2024: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
• Keywords: トピックモデル / 深層学習 / LLM

Outline of Research at the Start

SNS テキストストリームや進歩の著しい学術分野では，話題が刻々と変化し，議論の発生源を特定することは時として困難である．そのため注目した話題が過去のどの話題から発生したのか，またその話題の本質的な議論が何なのかを一目で把握するための技術が求められる．本研究では話題の概念的な親子関係と時間経過による発生・消失を含めた統一的なトピック追跡のフレームワークの提案を目指す．またこれによって得られる分析結果を専門家ではない者にも理解しやすい形にするために，大規模言語モデルを用いたトピックモデルの解釈機構の提案を行う．