Web上のテキスト情報の信頼性と有益性の評価システムに関する研究

• Project Area: Cyber Infrastructure for the Information-explosion Era
• Project/Area Number: 21013011
• Research Category: Grant-in-Aid for Scientific Research on Priority Areas
• Allocation Type: Single-year Grants
• Review Section: Science and Engineering
• Research Institution: The University of Tokyo
• Principal Investigator: 中川 裕志 東京大学, 情報基盤センター, 教授 (20134893)
• Co-Investigator(Kenkyū-buntansha): 吉田 稔 東京大学, 情報基盤センター, 助教 (40361688) ; 清田 陽司 東京大学, 情報基盤センター, 特任講師 (10401316)
• Project Period (FY): 2009 – 2010
• Project Status: Completed (Fiscal Year 2010)
• Budget Amount: ¥10,000,000 (Direct Cost: ¥10,000,000); Fiscal Year 2010: ¥5,000,000 (Direct Cost: ¥5,000,000); Fiscal Year 2009: ¥5,000,000 (Direct Cost: ¥5,000,000)
• Keywords: Web / テキスト / 機械学習 / 曖昧生解消 / オンライン学習 / 人名検索 / 情報ナビゲーション / Wikipedia / 情報抽出 / 有益性 / 信頼性 / 意外性

Research Abstract

1.Web情報資源と図書館の情報資源の統合的利用システム:Wikipediaのカテゴリ体系は、多様な観点を反映する集合知としての性質をもつ一方、図書館の分類体系などの学術用語体系との強いつながりをもっている。この特徴を生かし、Wikipediaに含まれる一般的なキーワードを起点に上記の分類体系を統合的に用い、様々な観点での調べ方を提示し、信頼性の高い情報資源に誘導するシステムを構築した。グラフのエッジに対する重みスコアをノード間の文字列類似度によって定義し、ビームサーチによって重みスコアが相対的に大きい件名を絞り込み、利用者にテーマグラフを表示する。情報爆発サーチ共通ユーザ評価の一環として、被験者(50名)による評価実験では50名中43名(86%)の被験者は、テーマグラフから検索に有用な何らかのヒントを得たと回答した。
2.オンライン学習:教師データ全体に対し最適化を行う学習手法はバッチ学習と呼ばれ、SVMやロジスティック回帰などが自然言語処理を含む多くの問題に対し用いられてきた。これに対し、教師データを逐次的に受け取り、学習を行う学習手法はオンライン学習と呼ばれる。本年度の研究では、(1)カテゴリ数が多い場合にも数学的に厳密で性能のよい逐次学習のアルゴリズムを考案した。この方法で一括学習と遜色ない分類精度を得た。(2)正解タグが付与されていない大量のテキストを活用して学習する方法を提案し、正解タグ付の教師データだけから学習する場合より5%程度性能が良くなることを示すことができた。

Research Products

• [Journal Article] PAアルゴリズムにおけるラベルなしデータの利用 (2010)
  • Author(s): 松島慎, 佐藤一誠, 二宮崇, 中川裕志
  • Journal Title: 日本データベース学会論文誌 Volume: 9(1) Pages: 82-87
  • Peer Reviewed
• [Journal Article] 多クラス識別問題におけるPassive-Aggressiveアルゴリズムの効率的厳密解法 (2010)
  • Author(s): 松島慎, 清水伸幸, 吉田和弘, 二宮崇, 中川裕志
  • Journal Title: 電子情報通信学会論文誌 Volume: J93-D(6) Pages: 724-732
  • NAID: 110007618347
  • Peer Reviewed
• [Journal Article] Spectral Methods and Text Mining : Automatic Expansion of User (2010)
  • Author(s): Nobuyuki Shimizu, Masashi Sugiyama, Hiroshi Nakagawa
  • Journal Title: Institute of Electronics, Information and Communication Engineers, Transactions Volume: E93-D(6) Pages: 1378-1385
  • Peer Reviewed
• [Journal Article] Predicting the Difficulty of Multiple-Choice Close Questions for Computer-Adaptive Testing (2010)
  • Author(s): Ayako Hoshino, Hiroshi Nakagawa
  • Journal Title: Research in Computing Science Special Issue Pages: 279-292
  • Peer Reviewed
• [Journal Article] Wikipedia を活用した新たな情報ナビゲーションシステムの提案 (2010)
  • Author(s): 清田陽司
  • Journal Title: 薬学図書館, 日本薬学図書館協議会 編 55(1) Pages: 51-59
• [Journal Article] Exploitation of the Wikipedia Category System for Enhancing the Value of LCSH, pp.411-412 (2010)
  • Author(s): Yoji Kiyota, Hiroshi Nakagawa
  • Journal Title: Toint Conference of Digital Library : JCDL 2009 9 Pages: 411-412
  • Peer Reviewed
• [Journal Article] コーパス検索支援のための動的同義語候補抽出 (2009)
  • Author(s): 吉田稔、中川裕志、寺田昭
  • Journal Title: 人工知能学会論文誌 25 Pages: 122-132
  • NAID: 130000151243
  • Peer Reviewed
• [Presentation] Exact Passive-Aggressive Algorithm for Multiclass Classification Using Support Class (2010)
  • Author(s): Shin Matsushima
  • Organizer: SIAM International Conference on Data Mining
  • Place of Presentation: Columbux, Ohio, U.S.A
  • Year and Date: 2010-04-29
• [Presentation] ネットワーク構造を利用した Wikipedia からの意外性のある情報の抽出 (2010)
  • Author(s): 野田陽平
  • Organizer: 情報処理学会 第72回全国大会
  • Place of Presentation: 東京大学
  • Year and Date: 2010-03-09
• [Presentation] Wikipedia における言語間の差異マイニング (2010)
  • Author(s): 森竜也
  • Organizer: 情報処理学会 第72回全国大会
  • Place of Presentation: 東京大学
  • Year and Date: 2010-03-09
• [Presentation] Wikipedia を活用した言語間差異比較システムの提案 (2010)
  • Author(s): 森竜也
  • Organizer: 第2回データ工学と情報マネジメントに関するフォーラム/第8回日本データベース学会年次大会(DEIM2010)
  • Place of Presentation: 淡路夢舞台国際会議場
  • Year and Date: 2010-03-01
• [Presentation] Apache Hadoop による大規模データの研究活用事例 (2010)
  • Author(s): 清田陽司
  • Organizer: 産学連携共同研究シンポジウム「クラウド・コンピューティングと大学発ベンチャー」, 東京大学産学連携本部
  • Place of Presentation: 東京大学
  • Year and Date: 2010-01-21
• [Presentation] 国立国会図書館リサーチ・ナビにおけるテーマグラフの生成 (2009)
  • Author(s): 清田陽司
  • Organizer: 情報処理学会第96回情報学基礎研究会(FI-96-5)
  • Place of Presentation: 秋葉原ダイビル
  • Year and Date: 2009-11-19
• [Presentation] リサーチ・ナビ検索システムの技術 (2009)
  • Author(s): 清田陽司
  • Organizer: 第11回図書館総合展/学術情報オープンサミット2009フォーラム企画, 国立国会図書館主催
  • Place of Presentation: パシフィコ横浜, 横浜市
  • Year and Date: 2009-11-10
• [Presentation] 学生向けレファレンス支援ツールの可能性 (2009)
  • Author(s): 清田陽司
  • Organizer: 第11回図書館総合展/学術情報オープンサミット2009 ミニ・フォーラム&プレゼンテーション企画, 紀伊國屋書店主催
  • Place of Presentation: パシフィコ横浜, 横浜市
  • Year and Date: 2009-11-10
• [Presentation] Wikipedia からの意外性のある情報の抽出 (2009)
  • Author(s): 野田陽平
  • Organizer: NLP若手の会 第4回シンポジウム
  • Place of Presentation: 京都大学
  • Year and Date: 2009-09-30
• [Presentation] 言語に展開する Wikipedia の特性調査 (2009)
  • Author(s): 森竜也
  • Organizer: NLP若手の会第4回シンポジウム
  • Place of Presentation: 京都大学
  • Year and Date: 2009-09-30
• [Book] 言語処理学事典(「言語処理概観」の項目) (2009)
  • Author(s): 中川裕志
  • Publisher: 共立出版
• [Remarks]
  • URL: http://www.infoplosion.nii.ac.jp/info-plosion/ctr.php/m/Index/a/Group/id/2/
• [Remarks] Web人名検索システム
  • URL: http://ianua7.r.dl.itc.u-tokyo.ac.jp:8080/nayose/servlet/Nayose