|
本研究では、論文、特許、ウェブといった膨大な学術情報を横断的に関連づけることにより近年爆発的に増加している大規模学術情報の検索基盤を確立することを目的とする。そのために、構造的関連性学習を用いて、論文と特許、論文と企業、論文とウェブ情報といった大規模学術情報の関連づけ（リンケージ）について研究を行う。
平成26年度は引き続き研究項目「論文・特許・企業・ウェブの学術情報を対象とした検索システムの設計と実装」および「異種学術情報検索結果のランキングと提示手法の設計と実装」について研究開発を行った。
特に、平成25年度の学術情報検索システム研究開発および実装において、構造性関連性学習を用いた大規模学術情報のリンケージ手法について、ニューラルネットワーク言語モデルと組み合わせることにより、精度向上が図れるという知見を得たため、引き続き手法の改善と評価を行った。
実験においては、抽出した概念語の妥当性、識別器の精度、関連度計算の精度、検索結果提示の妥当性などについて評価おを行った。また、学術情報検索システムを通して実証実験を元に評価を行い、異種学術情報を横断した文書検索手法について明らかにした。同システムは、任意の入力文書（例えば論文）に対して、異なる学術情報の関連する文書を検索して提示するシステムであり、ウェブサービスである「学術俯瞰システム」として、実証実験後も広く一般に利用可能な形で公開している。
|
