| 研究課題/領域番号 |
25240028
|
|---|
| 研究機関 | 大阪府立大学 |
|---|
研究代表者 |
黄瀬 浩一 大阪府立大学, 工学(系)研究科(研究院), 教授 (80224939)
|
|---|
| 研究分担者 |
岩田 基 大阪府立大学, 工学(系)研究科(研究院), 准教授 (70316008)
岩村 雅一 大阪府立大学, 工学(系)研究科(研究院), 准教授 (80361129)
内海 ゆづ子 大阪府立大学, 工学(系)研究科(研究院), 助教 (80613489)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2017-03-31
|
| キーワード | Knowledge log / Reading-Life Log / アイトラッキング / シーンテキスト認識 / 物体認識 / 眼電位法 / 生体信号解析 / 感情解析 |
|---|
| 研究実績の概要 |
Knowledge Logを実現するために，以下の研究を行った．
(1) 学習に関する成果：知識は学習によって獲得される．本研究では英語学習を対象に，獲得した知識の量と質に関する研究を行った．具体的には，以下の３つの成果を挙げた．第一は，英語に関する一般的な知識レベルの推定である．指標としてはTOEICスコアを用いた．TOEICの長文問題(Part7)に回答する際の視線データを解析することにより，TOEICスコアを推定した．他の被験者の視線データが利用可能な問題を用いた場合，2問の視線データを用いたときの平均推定誤差は33点，そうでない場合には6問のデータを用いて65点となった．第二は，個別知識の確信度である．同様にTOEICを対象として，多肢選択問題（Part5）を対象とし，回答時の視線データに基づいて回答への確信度を推定した．その結果90%を上回る精度で推定に成功した．最後は，未知の推定である．英文読解時の視線データから未知単語を推定した．その結果，recallが99%のとき，precisionが33%という結果を得た．以上より，英語を対象とした様々なKnowledge logが獲得可能であることがわかった．
(2) 物体認識に関する成果： 日常的な知識の獲得を検出するためには，コンテクストの把握が重要である．そのために必要な機能の一つとして，画像を用いた物体認識がある．PramidSepDropという新しいDeep Neural Networkの構造を提案し，CIFAR10, CIFAR100というベンチマークデータセットを用いて評価したところ，世界最高性能を発揮することがわかった．
(3) 感情解析に関する成果： 知識はそれを獲得，運用したときの感情と密接な関係にある．本研究では，心拍や皮膚コンダクタンスなどの生体信号を用いて読書時の感情の推移を推定する手法を提案した．
|
| 現在までの達成度 (段落) |
28年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
28年度が最終年度であるため、記入しない。
|
