学術情報の意味的・計量的分析に向けた論文抄録のリンクトデータ化手法に関する研究

2017 年度 実施状況報告書

• 研究課題/領域番号: 16K00419
• 研究機関: 電気通信大学
• 研究代表者: 川村 隆浩 電気通信大学, 大学院情報理工学研究科, 客員准教授 (10426653)
• 研究分担者: 大須賀 昭彦 電気通信大学, 大学院情報理工学研究科, 教授 (90393842)
• 研究期間 (年度): 2016-04-01 – 2019-03-31
• キーワード: リンクドデータ / 学術情報分析

研究実績の概要

2年目となる平成29年度は，Triplification（トリプル化）された学術情報（主に国内外の論文誌論文や国際会議予稿論文，全国大会発表論文の抄録，およびファンディングプロジェクト情報の概要文など）を対象に文書単位，単語単位で類似性を判定する技術の研究開発を行った．
具体的には，日本語で書かれた学術情報と英語で書かれた学術情報をそれぞれトリプル化し，Linked Data形式のグラフ構造に変換した上で，グラフ間の類似度を計算し，同時に共通点を抽出するための技術開発を行った．
技術的には，Googleらが開発したニューラルネットワークを用いた文書ベクトル化技術をベースに独自のGraph Embedding技術を開発し，日英対訳の付与された学術論文抄録1000編を対象に精度評価を実施し，高い相関性を確認した．
一方で，グラフのノードとなる単語・句の間のEntity Linking技術に関しては，JST科学技術用語シソーラスおよび大規模辞書を参照し，シソーラス概念毎にShannonの情報エントロピーを算出し，エントロピーに基づいて単語ベクトルを概念ベクトルにクラスタリングすることで類似ノードを集約する技術を開発した．
しかし，Springer Nature社のSciGraphやJSTのJ-Global knowledgeといった学術情報Linked Data，またはDBpediaといった一般情報に関する外部リソースへの結合は遅れており，引き続き最終年度でのサービス公開に向けて研究開発を続ける．

現在までの達成度 (区分)

2: おおむね順調に進展している

理由

外部リソースへの結合が遅れているが，おおむね順調に推移している．

今後の研究の推進方策

最終年度に向けて学術情報のリンクトデータ化サービスに関する研究開発を進める．

次年度使用額が生じた理由

年度末に購入手続きが遅れたため，次年度冒頭に購入を行う．

研究成果

• [雑誌論文] Construction of Urban Problem LOD using Crowdsourcing (2018)
  • 著者名/発表者名: S. Egami, T. Kawamura, K. Kozaki, A. Ohsuga
  • 雑誌名: International Journal of Smart Computing and Artificial Intelligence 巻: 2, 1 ページ: 79-94
  • 査読あり / オープンアクセス
• [雑誌論文] Temporal and Spatial Expansion of Urban LOD for Solving Illegally Parked Bicycles in Tokyo (2018)
  • 著者名/発表者名: S. Egami, T. Kawamura, A. Ohsuga
  • 雑誌名: IEICE Transaction on Information & Systems 巻: E101-D, 1 ページ: 116-129
  • DOI: https://doi.org/10.1587/transinf.2017SWP0010
  • 査読あり / オープンアクセス
• [雑誌論文] Designing and Publishing Illegally Parked Bicycle LOD (2017)
  • 著者名/発表者名: S. Egami, T. Kawamura, A. Ohsuga
  • 雑誌名: International Journal of Smart Computing and Artificial Intelligence 巻: 1, 2 ページ: 77-93
  • 査読あり / オープンアクセス
• [雑誌論文] Detecting Hypernym/Hyponym in Science and Technology Thesaurus using Entropy-based Clustering of Word Vectors (2017)
  • 著者名/発表者名: T. Kawamura, M. Sekine, K. Matsumura
  • 雑誌名: International Journal of Semantic Computing, Special Issue on the best papers of IEEE ICSC 2017 巻: 11, 4 ページ: 433-449
  • DOI: https://doi.org/10.1142/S1793351X17400177
  • 査読あり
• [学会発表] Urban Problem LOD for Understanding the Problem Structure and Detecting Vicious Cycles (2018)
  • 著者名/発表者名: S. Egami, T. Kawamura, K. Kozaki, A. Ohsuga
  • 学会等名: 12th IEEE International Conference on Semantic Computing (ICSC 2018), pp.186-193, 2018.
  • 国際学会
• [学会発表] Science Graph for characterizing the recent scientific landscape using Paragraph Vectors (2017)
  • 著者名/発表者名: T. Kawamura, K. Watanabe, N. Matsumoto, S. Egami, M. Jibu
  • 学会等名: 9th ACM International Conference on Knowledge Capture (K-Cap 2017), pp. 9-16, 2017.
  • 国際学会
• [学会発表] Linked Urban Open Data Including Social Problems' Causality and Their Costs (2017)
  • 著者名/発表者名: S. Egami, T. Kawamura, K. Kozaki, A. Ohsuga
  • 学会等名: 7th Joint International Semantic Technology Conference (JIST 2017), LNCS 10675, Springer, pp. 334-349, 2017.
  • 国際学会
• [学会発表] Building of User Participatory Open Hazard Data for Preventing of Bicycle Accidents (2017)
  • 著者名/発表者名: R. Kozu, T. Kawamura, S. Egami, Y. Sei, Y. Tahara, A. Ohsuga
  • 学会等名: 7th Joint International Semantic Technology Conference (JIST 2017), LNCS 10675, Springer, pp. 289-303, 2017.
  • 国際学会
• [学会発表] Funding Map for Research Project Relationships using Paragraph Vectors (2017)
  • 著者名/発表者名: T. Kawamura, K. Watanabe, N. Matsumoto, M. Jibu
  • 学会等名: 16th International Conference on Scientometrics & Informetrics (ISSI 2017), pp. 1121-1131, 2017.
  • 国際学会
• [学会発表] Construction of Linked Urban Problem Data with Causal Relations using Crowdsourcing (2017)
  • 著者名/発表者名: S. Egami, T. Kawamura, K. Kozaki, A. Ohsuga
  • 学会等名: 6th IIAI International Congress on Advanced Applied Informatics (AAI 2017), pp. 814-819, 2017.
  • 国際学会
• [図書] Scientometrics (2018)
  • 著者名/発表者名: T. Kawamura, K. Watanabe, N. Matsumoto, S. Egami, M. Jibu
  • 総ページ数: 未定
  • 出版者: InTechOpen
  • ISBN: 978-953-51-6239-1
• [備考] 科学技術情報プラットフォーム
  • URL: https://jipsti.jst.go.jp/foresight/