| 研究概要 |
・関係学習による対話的文書検索
メタ情報源判定ルールの対話的関係学習を実現するための基礎研究として,関係学習を用いて対話的文書検索を行うシステムを開発した.主に,2つの語が近傍に存在するという強い共起関係を述語とした関係学習を用いた適合フィードバックにより,適合文書に成り立ち,非適合文書には成り立たない述語を獲得することができた.
13万件を越す新聞記事,そして,Web検索における評価実験を行い,本手法により,従来のベクトル空間モデルに基づく適合フィードバックよりも,判別ルールを利用する提案システムの方が高いパフォーマンスを示すことがわかった.
・可塑的クラスタリングに基づくWWW情報可視化
情報ストリームによるメタ情報源の獲得のための基礎研究として,免疫系モデルを用いて可塑的クラスタリング技術を開発した.キーワードを抗体,文書を抗原とした免疫ネットワークを構成し,ノード間の非線形な活性化伝播を繰り返し,収束させる.その結果,免疫ネットワーク上で,高活性化キーワードをランドマークとして抽出することにより,互いに共起しないキーワードでも重要なものを取り出すことが可能である.
オンラインニュース,検索結果にたいし,クラスタリングの従来手法であるk-meansとクラスタリング生成の性能比較実験を行った.被験者による評価により,提案手法がより自然でユーザの意図に沿ったクラスタリングを生成できることがわかった.
|
