| 研究課題/領域番号 |
16530341
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
社会学
|
|---|
| 研究機関 | 敬愛大学 |
|---|
研究代表者 |
高橋 和子 敬愛大学, 国際学部, 助教授 (30211337)
|
|---|
| 研究分担者 |
高村 大也 東京工業大学, 精密工学研究所, 助手 (80361773)
|
|---|
| 研究期間 (年度) |
2004 – 2005
|
| 研究課題ステータス |
完了 (2005年度)
|
| 配分額 *注記 |
2,800千円 (直接経費: 2,800千円)
2005年度: 1,100千円 (直接経費: 1,100千円)
2004年度: 1,700千円 (直接経費: 1,700千円)
|
|---|
| キーワード | 自由回答 / コーディング支援 / 機械学習 / サポートベクターマシン / 自然言語処理 / クラス所属確率推定 / 分類スコア / NANACO / クラス事後確率 / 平滑化 / 職業コーディング / タグ付け / ルールベース |
|---|
| 研究概要 |
研究成果は、社会調査において代表的な自由回答である職業データのコーディング(「職業コーディング」)において、コーダ(人間)を支援する「NANACOシステム」を完成させたことである。システムは職業データに限定されるものではなく、「分類カテゴリーをもつ」自由回答であれば適用可能である。
1.まず、支援するための最優先課題は、事例に対して高精度なコーディング(分類)結果を提示することである。このために、自然言語処理分野の中でも特に「文書分類」における先端的な技術を応用し、職業分類コードを決定するルールを辞書にまとめて利用する手法(「ルールベース手法」)と、過去の事例を訓練データとして用いる「機械学習による手法」を有機的に組み合わせた手法を考案し有効性を示した。2.次に、システムを利用したコーダ達からもっとも要請の高かった「分類結果に対するシステムの確信度(クラス所属確率)」を付与した。クラス所属確率の推定をできる限り正確に行う方法として、訓練データにおける複数次元の分類スコアを用いて作成した「正解率表」を利用する方法を考案し有効性を示した。3.さらに、コーダの作業そのものを支援するために、「分類カテゴリーの定義ファイルの閲覧」「コーディング時に参照したいデータの表示」「注意マークの付与」などの機能も充実させた。4.現在は提示情報のすべてをバッチにより作成しているが、今後は一部をWeb処理に移行する予定である。5.システムは、2003年SSM予備調査、JGSS-2005調査、2005年SSM調査(産業コーディングも)に適用された。今後、2005年SSM若年層調査(2007年3月)、JGSS-2006調査(ISCO ; International Standard Classification of Occupationsコードによるコーディングも)(2007年5月)が予定されている。
|
