August 2019 - DBJapan - dbjapan.dbsj.org

令和元年度データ解析コンペティションの参加者募集
by [i]大塚真吾 09 Aug '19

09 Aug '19

日本データベース学会の皆様神奈川工科大学の大塚です。令和元年度データ解析コンペティションの参加者募集を開始しました。本年度は, みずほ情報総研株式会社ご協力いただき，都内タクシープローブを提供いたします．詳細は以下の通りで、参加申込期限は8月26日(月)です。皆様の多数のご参加をお待ちしております。 ------------------------------------ データ解析コンペティション参加者募集 ------------------------------------ 　ACM-SIGMOD日本支部と日本データベース学会BI研究グループは共同でデータ解析コンペティションDB部会を開催します。 ■データ解析コンペティションとは　平成6年より続くマーケティング関連のデータを用いたコンペティションであり、主催は経営科学系研究部会連合協議会です。コンペティションを通じてデータ解析及びモデル設計を行うことで、新たな知見を誘発し学術的及び実務的な研究の発展に寄与することを目的としています。 ■コンペティションの仕組み　コンペティションは、専門分野ごとに設けられた部会で予選を行い、各部会の上位チームが最終選考に進むという流れで行われます。 DB部会は以下の体制です。　共同主査：大塚真吾(神奈川工科大学)、関根純(専修大学) 　委員：井上潮(東京電機大学)、宇田川佳久(東京工芸大学)、　　　　鬼塚真(大阪大学)、北山大輔(工学院大学)、波多野賢治(同志社大学)、　　　　増田英孝(東京電機大学) ■コンペティションに参加するメリット　コンペティションに参加することで、参加者には以下のメリットがあります。　・通常では入手が困難な大量の実データを利用することができます(内容後述)。　・データ解析のための商用ツールの無償貸与を受けることができます。　・各チーム共通のデータを解析することによりモデル構築およびデータ解析技術を他のチームと競い合うことができます。　・研究成果に関する知的財産権は研究を行ったチームに帰属し、学会発表や論文投稿ができます（ただし、主催者からの許諾が必要）。　・学生の場合は、卒業論文・修士論文・博士論文での利用（ただし、事前に申請書の提出が必要）が可能であるとともに、就職活動での自己アピールの材料にもなります。　さらに、DB部会の予選に参加する場合には、以下のメリットもあります。　・データベースの観点から見て新規性・実用性が高い研究も評価されます (例えば、テキストデータの解析やシステムの高速化など)。　・DB部会の最終発表会ではチーム名とともに個人名・所属機関名を記載した予稿をご提出いただくことにより、個人の研究業績にすることができます。 ■重要日程　2019年 8月 5日発会式(全体)、参加受付開始　2019年 8月26日参加受付締切　2019年12月中/下旬中間発表(DB部会) 　2020年 2月中/下旬最終発表会(DB部会) 　2020年 3月中/下旬成果報告会(全体) ※日程は今後変更される場合があります。 ■データ解析コンペティションのWebページ　https://jasmac-j.jimdo.com/ ■参加申込方法　下記のページ、または、データ解析コンペティションのWebページの上部に「参加申し込み」のタブがありますので、そこをクリックし、手順に従ってください。　https://jasmac-j.jimdo.com/%E3%82%B3%E3%83%B3%E3%83%9A-%E5%8F%82%E5%8A%A0%E… 　大まかな手順は以下になります、。　・2のExcelファイルに必要事項を記述し事務局にメール送付。　・1のzipファイルの中にある申請書・誓約書に必要事項を記入，メンバーの署名と捺印をして，readme.txtに書かれている住所に送付。 ※参加希望（第1希望）の欄は、「D) DB部会」を選択して下さい。 ■留意事項　・参加にあたっては主催団体の審査があり、データ提供元と同業他社および関連会社、またそれに付随するシステム開発会社にお勤めの方にはエントリをご遠慮いただく場合があります。　・参加が決定したチームには、開催実費(データ提供に関する各種費用，成果報告会開催など)をご負担いただきます(1チーム 5,000円)。また、DB部会の中間発表と最終発表会で研究成果を必ず発表してください。 ■本件問合せ先　大塚真吾(神奈川工科大学情報学部情報工学科) 　otsuka(a)ic.kanagawa-it.ac.jp -- ------------------------------------------------ 大塚真吾 (Shingo Otsuka) 神奈川工科大学　情報学部　情報工学科〒243-0292 神奈川県厚木市下荻野1030 E-mail: otsuka(a)ic.kanagawa-it.ac.jp TEL: 046-291-3231 FAX: 046-242-8490(学科共用)

1 0

WebDB Forum 2019のポスター発表募集【8/12締切】
by Taketoshi Ushiama 09 Aug '19

09 Aug '19

日本データベース学会の皆様九州大学の牛尼と申します．来週月曜日8/12が締切となりましたので，再度WebDB Forum 2019のポスター発表募集をご案内させていただきます．（重ねてのご案内になることをお許しください．）本ポスターセッションは，学生の皆様にとっては，DEIM2019で発表された研究の進捗状況や，卒業研究や修士論文の前期のとりくみのまとめを発表していただき，企業の方々や他の大学の方との議論で研究にはずみをつけるまたとない機会です． WebDB Forum には例年多数の企業がスポンサーとして，ポスター発表にも参加されます．学生の皆さんのご研究に興味を持たれる企業の方もいらっしゃるかもしれません．また，今年のWebDBでは，先端研究解説セッションとしてここ1〜2年でWebやデータベースに関係する著名な国際会議に採択された論文をご本人に解説していただく発表が9件もあり，ここに参加するだけで最先端の研究動向を勉強できるまたとない機会です． 1日目は，インターン中の学生の皆様にも参加しやすいように日曜日に開催いたします．　　　　　　　皆様からの多数のお申し込みをお待ちしております！ ####################################################################　　　　　　　　　　第12回Webとデータベースに関するフォーラム　　　　　　　　　　　　　　WebDB Forum 2019　　　　　　　　　〜　Webとデータベースのこれからがわかる２日間〜　　　　　　　　　　　　　　　ポスター発表　募集　　　　　　　　　　　　2019年9月8日(日) - 9(月) 　　　　　　　　　　　工学院大学新宿キャンパス https://bit.ly/2G2nYXt 　連続開催：IPSJ DBS研・IEICE DE研・IPSJ IFAT研合同研究会（9月10日） ####################################################################　 WebDB Forumは，WebとDB技術の基盤および応用技術に興味のある研究者，技術者，学生が一堂に会し，最新研究動向や成果について議論し，交流を行う，大規模なイベントです．このフォーラムに参加すれば日本国内のWebとDBの研究・技術の最新動向を知ることができるように，過去１年間にTODをはじめとする国内の論文誌や，国際的なトップカンファレンスに掲載された論文の発表，企業による最先端の技術講演が行われます． WebDB Forum 2019では，皆様の最新の研究をご紹介いただくポスター発表を募集いたします．ポスター発表は審査はなく，申し込んでいただいた方はどなたでも発表していただくことができます．現在進行中のチャレンジングな取り組みを是非ともご発表ください．また，優れた発表にはスポンサー企業から企業賞が授与されます． ####################################################################　　　　　　　　　　第12回Webとデータベースに関するフォーラム　　　　　　　　　　　　　　WebDB Forum 2019　　　　　　　　　〜　Webとデータベースのこれからがわかる２日間〜　　　　　　　　　　　　　　　ポスター発表　募集　　　　　　　　　　　　2019年9月8日(日) - 9(月) 　　　　　　　　　　　工学院大学新宿キャンパス https://bit.ly/2G2nYXt 　連続開催：IPSJ DBS研・IEICE DE研・IPSJ IFAT研合同研究会（9月10日） ####################################################################　 WebDB Forumは，WebとDB技術の基盤および応用技術に興味のある研究者，技術者，学生が一堂に会し，最新研究動向や成果について議論し，交流を行う，大規模なイベントです．このフォーラムに参加すれば日本国内のWebとDBの研究・技術の最新動向を知ることができるように，過去１年間にTODをはじめとする国内の論文誌や，国際的なトップカンファレンスに掲載された論文の発表，企業による最先端の技術講演が行われます． WebDB Forum 2019では，皆様の最新の研究をご紹介いただくポスター発表を募集いたします．ポスター発表は審査はなく，申し込んでいただいた方はどなたでも発表していただくことができます．現在進行中のチャレンジングな取り組みを是非ともご発表ください．また，優れた発表にはスポンサー企業から企業賞が授与されます． ========================= ポスター発表申し込み要領 ================================ 【募集分野】・Webとデータベース技術の基盤および応用に関する幅広いトピック【ポスター発表スケジュール】　　申し込み締切　： 8/12（月）　　フラッシュトーク原稿締め切り：9/2(月) 　　WebDB Forum 2019： 9/8（日），9/9（月）【申し込みについて】・発表申し込みには、以下のフォームを利用してください　https://forms.gle/N4zfEPFpm8GMHYbe6 ・申込締切(2019年08月12日 24:00 JST) ・申込者多数の場合は，締切前に申し込みを締め切らせて頂く場合がございますのでご了承ください．【審査について】・発表の審査はございませんが，発表の内容が本会議の主題から著しく乖離すると考えられる場合には発表を　認めない場合があります．【予稿集への掲載について】・予稿集には原稿は掲載されません．【ポスター発表について】・ポスターのサイズは最大A0縦（W841mm×H1189mm）です．【デモについて】・希望者はデモを行うことができます．・デモはノートPCで行うことを前提とし，それ以外の機材の機材を希望される方はご相談ください．・デモ希望者にはポスターの前に長机を準備いたします．【フラッシュトーク】・ポスター発表者の皆様には，１分間のフラッシュトークを行っていただきます．・フラッシュトークのために，事前にスライドのPDFファイルを１枚ご提出いただきます．【ポスターセッションとフラッシュトークセッション】・9/8(日)と9/9(月)の昼間にポスターセッションの時間を設けます．・9/8(日)にポスター発表を行う方は，9/8(日)の午前中にフラッシュトークを行います．・9/9(月)にポスター発表を行う方は，9/8(日)の夕刻にフラッシュトークを行います．【賞について】・優れた発表には，スポンサー企業から企業賞が授与されます．【言語について】・ポスターは日本語または英語で作成してください詳細は，WebDB Forum 2019 Webサイトでご確認ください． https://bit.ly/2G2nYXt ============================ 運営組織 =============================== 　　フォーラム委員長　　　　　　吉川正俊（京都大学）　　実行委員長　　　　　　　　　鈴木伸崇（筑波大学）　　副実行委員長　　　　　　　　灘本明代（甲南大学）　　プログラム委員長　　　　　　牛尼剛聡（九州大学）　　プログラム副委員長　　　　　波多野賢治（同志社大学）　　財務委員長　　　　　　　　　中島伸介（京都産業大学）　　ローカルアレンジメント共同委員長　　　　　　　　　　　　　　　　山口実靖（工学院大学）　　　　　　　　　　　　　　　　小林亜樹（工学院大学）　　産学連携担当幹事　　　　　　　　　　　　　　　　伊藤雅弘（株式会社東芝）　　　　　　　　　　　　　　　　関喜史（株式会社Gunosy）　　　　　　　　　　　　　　　　門前一馬（株式会社FRONTEO）　　　　　　　　　　　　　　　　北島信哉（株式会社富士通研究所）　　　　　　　　　　　　　　　　舟木類佳（株式会社LegalForce）　　　　　　　　　　　　　　　　加藤　誠（筑波大学）　　ポスターセッション担当幹事　北山大輔（工学院大学）　　レジストレーション担当幹事　上田高徳（日本IBM）　　出版・印刷担当幹事　　　　　佃洸摂（産業技術総合研究所）　　Web・広報担当幹事　　　　　山本修平（日本電信電話株式会社）　　　　　　　　　　　　　　　　池田光雪（愛知淑徳大学）　　DBS連携担当幹事　　　　　　上田真由美（流通科学大学）　　DE・IFAT連携担当幹事　　　大島裕明（兵庫県立大学）　　表彰担当幹事　　　　　　　　若宮翔子（奈良先端科学技術大学院大学）　　情報保障担当幹事　　　　　　白石優旗（筑波技術大学）　　プログラム委員　　　　　　　　　　　　　　　　伊川洋平（日本アイ・ビー・エム株式会社）　　　　　　　　　　　　　　　　池田大輔（九州大学）　　　　　　　　　　　　　　　　岩井原瑞穂（早稲田大学）　　　　　　　　　　　　　　　　上田真由美（流通科学大学）　　　　　　　　　　　　　　　　榎美紀（日本アイ・ビー・エム株式会社）　　　　　　　　　　　　　　　　王元元（山口大学）　　　　　　　　　　　　　　　　大島裕明（兵庫県立大学）　　　　　　　　　　　　　　　　小口正人（お茶の水女子大学）　　　　　　　　　　　　　　　　片山薫（首都大学東京）　　　　　　　　　　　　　　　　加藤誠（筑波大学）　　　　　　　　　　　　　　　　金政泰彦（株式会社富士通研究所）　　　　　　　　　　　　　　　　鎌原淳三（神戸大学）　　　　　　　　　　　　　　　　北島信哉（株式会社富士通研究所）　　　　　　　　　　　　　　　　清田陽司（株式会社LIFULL）　　　　　　　　　　　　　　　　金京淑（産業技術総合研究所）　　　　　　　　　　　　　　　　熊本忠彦（千葉工業大学）　　　　　　　　　　　　　　　　倉島健（NTT）　　　　　　　　　　　　　　　　黒川茂莉（株式会社KDDI総合研究所）　　　　　　　　　　　　　　　　欅惇志（株式会社デンソーアイティーラボラトリ）　　　　　　　　　　　　　　　　合田和生（東京大学）　　　　　　　　　　　　　　　　小林亜樹（工学院大学）　　　　　　　　　　　　　　　　駒水孝裕（名古屋大学）　　　　　　　　　　　　　　　　佐々木勇和（大阪大学）　　　　　　　　　　　　　　　　白石優旗（筑波技術大学）　　　　　　　　　　　　　　　　白川真澄（ハッピーコンピューター株式会社）　　　　　　　　　　　　　　　　新谷隆彦（電気通信大学）　　　　　　　　　　　　　　　　鈴木優（岐阜大学）　　　　　　　　　　　　　　　　戸田浩之（NTT）　　　　　　　　　　　　　　　　豊田正史（東京大学）　　　　　　　　　　　　　　　　中島伸介（京都産業大学）　　　　　　　　　　　　　　　　難波英嗣（中央大学）　　　　　　　　　　　　　　　　西田京介（NTT）　　　　　　　　　　　　　　　　平手勇宇（楽天株式会社）　　　　　　　　　　　　　　　　福原知宏（マルティスープ株式会社）　　　　　　　　　　　　　　　　前田亮（立命館大学）　　　　　　　　　　　　　　　　宮森恒（京都産業大学）　　　　　　　　　　　　　　　　村上晴美（大阪市立大学）　　　　　　　　　　　　　　　　森嶋厚行（筑波大学）　　　　　　　　　　　　　　　　森本康彦（広島大学）　　　　　　　　　　　　　　　　山肩洋子（東京大学）　　　　　　　　　　　　　　　　山本岳洋（兵庫県立大学）　　　　　　　　　　　　　　　　山本祐輔（静岡大学）　　　　　　　　　　　　　　　　湯本高行（兵庫県立大学）　　　　　　　　　　　　　　　　吉田尚史（駒澤大学）　　　　　　　　　　　　　　　　劉健全（日本電気株式会社）　　　　　　　　　　　　　　　　Le Hieu Hanh（東京工業大学）　　　　　　　　　　　　　　　　若宮翔子（奈良先端科学技術大学院大学）　　　　　　　　　　　　　　　　渡辺聡（株式会社日立製作所）　　　　　　　　　　　　　　　　渡辺知恵美（筑波技術大学）　　　　　　　　　　　　　　　　渡辺陽介（名古屋大学） --- 牛尼剛聡 / 九州大学大学院芸術工学研究院 http://www.design.kyushu-u.ac.jp/~ushiama/

1 0

情報処理学会第241回自然言語処理研究会参加募集 (開催8/29-8/30)
by Yasutomo Kimura 08 Aug '19

08 Aug '19

日本データーベース学会の皆様小樽商科大学の木村と申します．情報処理学会第241回自然言語処理研究会参加募集についてですが，プログラムに変更があったため，再度ご案内させていただきます． ----------------------- 情報処理学会第241回自然言語処理研究会参加募集 https://nl-ipsj.or.jp ●日程: 2019年8月29日(木)，30日(金) ●会場: 小樽商科大学　5号館　470号室 (〒047-8501 北海道小樽市緑3丁目5-21) ●懇親会: 8月29日に懇親会を開催する予定です．参加を希望される方は8月18日(日)までに下記フォームにご回答ください． https://forms.gle/CdVku8geGm9CjmPD7 =========== ●問い合わせ先: 木村泰知(小樽商科大学) E-mail: kimura (at) res.otaru-uc.ac.jp 8月29日(木)　発表15件 [10:00-11:40] 翻訳・意味・知識獲得 (4件) [11:40-13:10] 昼休み [13:10-14:25] 情報抽出 (3件) [14:25-14:40] 休憩 [14:40-15:55] 分散表現・意味 (3件) [15:55-16:10] 休憩 [16:10-17:25] 生成・解析 (3件) [17:25-17:40] 休憩 [17:40-18:30] 知識獲得 (2件) 8月30日(金)　発表13件 [09:00-10:15] 機械翻訳 (3件) [10:15-10:30] 休憩 [10:30-11:45] 機械翻訳 (3件) [11:45-13:15] 昼休み [13:15-14:55] 言語処理応用(4件) [14:55-15:10] 休憩 [15:10-16:25] 言語処理応用 (3件) [16:25-16:40] 休憩 (集計) [16:40-16:55] クロージング ※若手奨励賞の対象者には著者名の前に「〇」を付けています． ※NL241は発表件数が多いため，発表20分，質疑5分としています． 8月29日(木)　発表15件 [10:00-11:40] 翻訳・意味・知識獲得 (4件) (1) 事前訓練済みBERTエンコーダーを再利用したニューラル機械翻訳今村賢治(国立研究開発法人　情報通信研究機構), 隅田英一郎(国立研究開発法人　情報通信研究機構) 本稿では，事前訓練済みのBERT (Bidirectional Encoder Representations from Transformer)モデルをTransformerベースのニューラル機械翻訳(NMT)に適用する．単言語のタスクと異なり，NMTの場合，BERTのモデルパラメータ（訓練済み）に比べ，デコーダー（未学習）のパラメータ数が多い．そこで，まずBERTエンコーダーのパラメータを固定して，未学習パラメータのみを訓練し，その後，全体を微調整する2段階最適化を行う．実験では，直接微調整したときにはBLEUスコアが極めて低くなったのに対して，2段階最適化では訓練が成功した．その結果，Transformerの基本モデルや，モデル構造が同じ事前訓練なしのTransformerに比べてもBLEUスコアが向上することが確認された．また，少資源設定で，より効果が高いことが確認された． (2) 共起情報を利用した不具合事象の同義表現獲得川村晋太郎(株式会社リコー) 製造業の品質保証業務において，不具合の原因究明，対策内容検討や再発防止に活用する為，コールログ，保守記録，保守ナレッジ共有サイトなどの多様な情報から解決の糸口になりそうな過去の情報を活用している．数百万件規模の多様なデータから所望のデータを検索する際に，その検索精度を向上させる為，対象製品の部品名，箇所名や不具合現象などの同義（言い換え）表現を得る必要がある．同義表現については，コーパス全体から分布仮説に基づいた類似性指標（コサイン類似度など）で獲得する手法がよく知られているが，同じ単語の同義表現であっても，実際に文書内で使用される言い回しや表現方法は，不具合事例により異なることも多い．本稿はこのような同義表現獲得の問題点に鑑み，ある単一の用語に対する同義表現を獲得するのではなく，不具合やトラブルを表す"事象"の表現が「箇所名+現象名」で成り立つことに着目し，それらをセットにした際の互いの関連度・共起度によって，「箇所名」及び「現象名」の同義表現を同時に獲得していく手法の開発を試みた． (3) 対話システムが積極的な情報提供をするための推薦知識獲得福原裕一(情報通信研究機構データ駆動知能システム研究センター), 水野淳太(情報通信研究機構データ駆動知能システム研究センター), 門脇一真(情報通信研究機構データ駆動知能システム研究センター，株式会社日本総合研究所), 飯田龍(情報通信研究機構データ駆動知能システム研究センター，奈良先端科学技術大学院大学　先端科学技術研究科), 鳥澤健太郎(情報通信研究機構データ駆動知能システム研究センター，奈良先端科学技術大学院大学　先端科学技術研究科) 対話システムで「ステーキをおいしく焼くにはお肉は常温に戻しておくことをお勧めします」や「ウール素材のお手入れにはブラシをまめに行うことを勧めます」といったユーザに役立つ情報を提供するためには，このような推薦対象（例「ステーキをおいしく焼く」）と推薦情報（例「お肉は常温に戻す」）から成る推薦知識を大規模に獲得することが重要となる．本研究では，まずWeb文書から推薦知識の候補として抽出した最大2文を対象に，推薦対象とその対象に関する推薦情報が含まれるか否かをBERTを用いて分類する手法を開発した．さらに，この手法で得られた推薦知識を含む文を対話システムを通じてコンパクトにユーザに提示するために，推薦知識を要約する手法をpointer-generator networkを用いて開発した．これらの手法を学習・評価するために，推薦知識分類のためのデータとして58,978件，推薦知識要約のためのデータとして19,647件を人手でアノテーションして作成した．評価実験の結果，推薦知識分類の性能として精度約72%，推薦知識要約の性能としてROUGE-2 F値で約76%を得た． (4) NPCMJに対する述語項構造シソーラスの意味役割と概念フレームの付与竹内孔一(岡山大学), BatlerAlastair(弘前大学), 長崎郁(名古屋大学), PardeshiPrashant(国立国語研究所) ダウンロード可能な形で，日本語のテキストに対して構文木を付与しているNPCMJに対して，述語項構造シソーラスの意味役割と概念フレームを付与するプロジェクトをスタートした．本発表では，アノテーションの枠組と体制，意味役割および概念フレーム付与における問題点を整理しつつ，今後の見通しについて説明する． [13:10-14:25] 情報抽出 (3件) (5) 議会会議録に含まれる法律名の表記揺れ問題解決に向けたエンティティリンキングの試み〇桧森拓真(北海道大学大学院情報科学院), 木村泰知(小樽商科大学), 荒木健治(北海道大学大学院情報科学研究院) 国会では，委員会や本会議において法律案に関する議論が行われている．数多くの議員が法律案の名称を何度も発言することから，法律案の名称は，省略されることや異なる表現で呼ばれることがあり，同一の法律案を示しているのかを判断することが困難な場合がある．例えば，「働き方改革法案」には「働き方改革関連法」「働き方改革一括法」などの表記揺れが存在する．そこで，本研究では，議会会議録に含まれる法律名の表記揺れの問題を解決するために，エンティティリンキングを行う．実験では，辞書ベース，Wikipedia2Vecをベースラインとし，提案手法との比較を行う．提案手法では，ベースラインであるWikipedia2Vecに加え，メンションの各候補エンティティと、メンションを含む一文の分散表現とのコサイン類似度，メンションとエンティティの文字列の差分のLenghScore，メンションとエンティティの間で一致している文字数に応じたPenaltyに基づきスコアを算出し，最もスコアの高いエンティティを出力する．実験の結果，国会データでは，提案手法がF値において0.713を示し，0.198ポイントベースラインを上回り，地方議会会議録データでは，F値において0.719を示し，0.030ポイントベースラインを上回る結果となった． (6) トピック間の階層構造を考慮したGaussian LDAの構成〇吉田崇裕(東京大学大学院情報理工学系研究科), 久野遼平(東京大学大学院情報理工学系研究科), 大西立顕(東京大学大学院情報理工学系研究科) トピックモデルは自然言語処理を始めとして多くの分野で用いられる手法である．トピックモデルの基本形であるLatent Dirichlet Allocation(LDA)の提唱後，様々なLDAの改良モデルが提案されてきた．例えばCorrelated Topic Model(CTM)はLDAが文書中のトピック間の相関を十分に考慮できない点に注目したモデルであり，汎化性能が向上すると報告されている．Gaussian LDAはLDAが単語間の意味的な近さを十分に考慮できない点に注目したモデルであり，トピックの意味一貫性が向上すると報告されている．両者を組み合わせたCorrelated Gaussian Topic Model(CGTM)と呼ばれるモデルは上記二つの欠点を同時に補うのみならず，単語の埋め込み空間上でトピックの相関構造を可視化することができ革新的である．しかし，文書内におけるトピックの関係性は，CGTMが対象とする単純な相関構造だけで表現できるものではない．実際日常生活においても，例えば「経済」-「金融政策」-「出口戦略」のように話題の階層性を意識し会話をすることは多々ある．そこで本稿では階層的トピックモデルとして最も単純なPAM(Pachinko Allocation Model)とGaussian LDAを組み合わせたモデルを提案することで，トピックの階層構造を単語埋め込みベクトル空間上で分析する一歩としたい． (7) 辞書を用いたコーパス拡張による，化学ドメインのDistantly Supervised固有表現認識〇辰巳守祐(奈良先端科学技術大学院大学), 後藤啓介(理化学研究所革新知能統合研究センター), 進藤裕之(奈良先端科学技術大学院大学), 松本裕治(奈良先端科学技術大学院大学 / 理化学研究所革新知能統合研究センター) 化学ドメイン固有表現抽出では，学習データのアノテーションコストが極めて高く，学習データ確保が課題である．この問題の打開策として，人手を介さずにアノテーションする，Distantly Supervised固有表現抽出の研究が注目されている．ただ，当手法では，自動生成コーパスが全ての化学物質名を網羅するのが困難な為，未知語問題が生じる．そこで，本研究では辞書を用いたコーパス拡張を提案する．人手アノテーションコーパスであるChemdNERでの評価実験の結果，提案データによる学習モデルがベースラインを上回った． [14:40-15:55] 分散表現・意味 (3件) (8) グラフニューラルネットワークを用いた半教師あり語義曖昧性解消〇谷田部梨恵(茨城大学大学院理工学研究科情報工学専攻), 佐々木稔(茨城大学工学部情報工学科) 単語の語義曖昧性解消は，今日に至るまで様々な研究が行われており，教師あり学習を用いることで高い精度を出している．先行研究では，このアプローチにおける識別誤りの主要な要因として学習用のデータ不足を挙げている．そのため，精度を向上するためにはさらに多くの用例文の追加が求められている．しかし，学習用のデータを新たに追加することは，語義識別に精通した専門家による正解ラベル付与が必要となるためコストがかかるという問題がある．そこで，本研究ではグラフニューラルネットワークを用いた半教師あり語義曖昧性解消手法を提案し，提案手法が語義識別精度の改善に有効であることを目指す． (9) 鏡映変換に基づく埋め込み空間上の単語属性変換〇石橋陽一(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 吉野幸一郎(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 本研究では鏡映変換に基づく埋め込み空間上の単語の属性変換を提案する。自己相互情報量(PMI)に基づく単語埋め込みは、``king - man + woman = queen'' といったアナロジーが成立することが知られている。このアナロジーを用いて入力単語xをmanからwomanに、またwomanからmanに変換することが可能である。一方、アナロジーによる変換はxが男性か女性かどうかで演算が変わるため、xの属性に関する知識が必要となるが、そのような知識は無数にあるため全て付与することは不可能である。そこで本研究では、属性知識を用いず単語属性を変換するため、理想的な性質を持つ写像である鏡映変換を導入する。鏡映変換は同じ写像でベクトルの位置を相互に反転させる変換であるため、入力単語ベクトルが目的の属性を持つかどうかにかかわらず変換できる。性別属性を変換する実験の結果、提案手法は属性の知識を用いることなく、性別単語を45.8%の精度で相互に変換できることが示された。また性別属性を持たない単語に鏡映変換を適用した結果、最大で99.9%が変換されず、鏡映変換は目的属性を持つ単語のみを変化させる非常に高い安定性を持つことが示唆された。 (10) Long Short-Term Memory に基づくRecurrent Auto-Encoder を用いた文の分散表現獲得手法に対する Attention 機構の導入〇飯倉陸(大阪府立大学), 岡田真(大阪府立大学), 森直樹(大阪府立大学) 近年，計算機の著しい発達に伴い，言葉や画像といった離散的な記号概念の分散表現を獲得する研究が盛んになされている．得られた分散表現は人工知能研究におけるさまざまなタスクに対して適用されるが，その精度は分散表現の性能に大きく依存する．それゆえに，分散表現の性能向上は人工知能研究の発展のために極めて重要な事項であるといえる．自然言語処理の分野においては現状として，単語の分散表現獲得手法については Word2Vec のような複数のタスクに対して高い性能が認められている優れた手法が開発されている．その応用として，文の分散表現の獲得手法に関するいくつかの先行研究が存在するが，いまだに決定的な手段は確立されているとは言い難い．本研究では，既存の文の分散表現獲得手法の改良を目的として，Long Short-Term Memory に基づく Recurrent Auto-Encoder を用いたモデルに対してAttention 機構を導入した．そして獲得した分散表現を用いた文の連続性識別の実験を通して，それらの性能を Attention 機構の有無の観点から相対的に評価した．その結果，文章の連続性を考慮するという観点から，分散表現の性能向上を確認することができ，Attention 機構を導入することの有効性を示せた． [16:10-17:25] 生成・解析 (3件) (11) 与えた外部情報の再予測モデルを組み込んだニューラル文生成モデルの検討〇隆辻秀和(奈良先端科学技術大学院大学), 吉野幸一郎(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 言語生成は、与えられた外部情報のセットに対して、自然言語文をドメインに適当な形で生成するタスクである。近年、言語生成に用いられるニューラルネットワークを用いた手法は、より自然で柔軟な応答生成が実現できることが知られている。一方で、入力となる外部情報に対応する文生成を単語予測のモデルで行うため、モデルがどの情報を利用し文を生成したかを説明することが難しい。そこで本研究では、与えた外部情報を生成文に反映することを保証するため、与えた外部情報を再予測するモデルと再予測の結果に対する損失を利用した。アノテーション済みのコーパスを用いた実験を行い、生成された文の評価と、生成文に含まれる情報の精度評価を行った。 (12) 因果関係と事態分散表現を用いた雑談対話応答のリランキングにおける傾向分析〇田中翔平(奈良先端科学技術大学院大学), 吉野幸一郎(奈良先端科学技術大学院大学/科学技術振興機構さきがけ), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 本論文では，対話履歴に対し一貫した多様な応答を選択する手法を提案する．提案手法では対話履歴に対する一貫性を保つため，対話モデルより生成された応答候補を，対話履歴と応答候補の間に存在する因果関係（ストレスが溜まる → 発散する，など）を用いてリランキングする．この際，因果関係の認定には統計的に獲得された因果関係ペアを用いるが，対話中に存在する全ての因果関係を被覆するような辞書を用意することは難しい．そこで，Role Factored Tensor Model を用いて事態を分散表現に変換することで，因果関係知識のカバレージを向上させ，因果関係知識と対話中の因果関係の頑強なマッチングを実現した．自動評価，人手評価の結果，提案手法は応答の一貫性や対話継続性を向上させることが確認できた．一方で，事態の過汎化に由来する応答の自然性低下が見られる場合もあった．これらの問題についても例示し，解決の方向性について論じる． (13) モダリティ表現認識・事象の事実性解析の同時学習〇友利涼(京都大学大学院情報学研究科), 村脇有吾(京都大学大学院情報学研究科), 松吉俊(電気通信大学大学院情報理工学研究科), 亀甲博貴(京都大学学術情報メディアセンター), 森信介(京都大学学術情報メディアセンター) モダリティ表現や事象の事実性などを正確に認識・解析することは、否定や推量などが含まれるテキストの言語理解や文生成を行ううえで重要である。本研究では、モダリティ表現認識器・事象の事実性解析器などをマルチタスク学習の枠組みを用いて同時学習する。これらのタスクは相互に関連しており、マルチタスク学習を用いてその関係性を自動的に学習することを目指す。実験では、同時学習による手法が単純な手法による精度を上回った。また、生コーパスを用いて事前学習することにより、さらなる精度向上を示した。 [17:40-18:30] 知識獲得 (2件) (14) A Simple Reranking Method for Knowledge Graph Completion 〇LuYuxun(Nara Institute of Science and Technology), ShigetoYutaro(Chiba Institute of Technology), HayashiKatsuhiko(Osaka University), ShimboMasashi(Nara Institute of Science and Technology) A recent report indicates that learning type embeddings of entities in addition to normal embedding helps improve the performance of knowledge graph completion. We argue that the type of arguments individual relations take is inherent in the normal embedding of entities, and this information can be exploited with the help of training data. A simple reranking method is proposed that solely relies on training data and learned entity and relation embeddings. This method requires only four parameters per relation to be tuned on the validation data. Experimental results show that its performance is close to the approach based on type embeddings, although it does not require retraining of embeddings. (15) クイズ解答タスクにおける大規模ラベルなしコーパスの利用: 言語モデルとデータ拡張〇鈴木正敏(東北大学), 松田耕史(理化学研究所/東北大学), 大内啓樹(理化学研究所/東北大学), 鈴木潤(東北大学/理化学研究所), 乾健太郎(東北大学/理化学研究所) Quizbowlは、複数の文からなるクイズ問題の入力に対して、正解となるエンティティを予測する質問応答タスクである。Quizbowlは超多クラス（数万クラス以上）の分類問題と見なすことができるが、その場合、訓練データの規模が限定的であるためにfew-shot学習の問題が生じる。すなわち、訓練データにわずかな回数しか出現しないエンティティであっても、テスト時には正しく答えなければならない。この問題に対処するため、本研究では、1) 大規模コーパスで事前訓練された言語モデルの利用と、2) Wikipediaを利用したデータ拡張を組み合わせたクイズ解答の手法を提案する。具体的には、1) 汎用言語モデルBERTの複数の層が出力する分散表現を用いて、クイズ問題から正解エンティティへのマッピングを学習する。さらに、2) Wikipediaの記事の性質を利用して、テキスト-エンティティ対のデータを大量に生成し、擬似クイズ問題として訓練データに追加する。これらモデルとデータ両方向の拡張により、Quizbowlのクイズ解答の性能が大幅に向上することを実験的に示す。 8月30日(金)　発表13件 [09:00-10:15] 機械翻訳 (3件) (16) スタイル変換のための折り返し翻訳に基づく事前訓練〇梶原智之(大阪大学データビリティフロンティア機構), 三浦びわ(株式会社 AI Samurai), 荒瀬由紀(大阪大学大学院情報科学研究科) 本研究では、スタイル変換における少資源問題に取り組む。同一言語内の翻訳問題であるスタイル変換は、機械翻訳とは異なり訓練用のパラレルコーパスを大規模に収集することが難しい。この問題に対して、先行研究ではルールベースのデータ拡張や目的とするスタイルの機械翻訳とのマルチタスク学習が提案されているが、人手や特定のコーパスに依存するため他のスタイルへの拡張が困難であった。そこで我々は、任意のスタイルに適用可能な生コーパスに基づく転移学習のフレームワークを提案する。まず事前訓練では、生コーパスを折り返し翻訳した疑似言い換えコーパスを用いて、スタイルを考慮しない言い換え生成器を訓練する。続いて再訓練では、小規模なパラレルコーパスを用いて、言い換え生成器を目的とするスタイルへのスタイル変換に特化させる。GYAFCデータセットにおける評価実験の結果、提案手法がスタイル・ドメイン・モデル構造のいずれにも依存せず、常にスタイル変換の性能を大幅に改善することを確認した。さらに詳細な分析の結果、高品質な折り返し翻訳を利用できない設定やターゲットドメインの生コーパスを利用できない設定でも提案手法は有効に機能し、再訓練のためのパラレルコーパスが1,000文対と非常に少ない設定でさえ高品質なスタイル変換を実現できることがわかった。 (17) 機械翻訳の前処理のための言い換え辞書自動作成手法の提案〇胡尤佳(大阪府立大学工学域), 岡田真(大阪府立大学工学研究科), 森直樹(大阪府立大学工学研究科) 近年，ニューラルネットワークを用いる手法が自然言語処理の多くのタスクで成果を上げている．機械翻訳の分野でも，ニューラル機械翻訳が登場し，これまでのフレーズベース機械翻訳や統計的機械翻訳と比べて翻訳の質が飛躍的に上がり，流暢性の高い翻訳もできるようになった．しかし，低頻度語や未知語が存在することにより，翻訳の際に意味が通じなくなるという問題が依然存在している．通常の機械翻訳の場合，出力層における語彙数が制限されているため，低頻度語は未知語(OOV)と見なされ，意味繋がりが中断され，翻訳精度が悪くなる．このような低頻度語や未知語の問題を解決するために，翻訳に前処理をするアプローチがある．先行研究では，学習データの目的言語文に存在する低頻度語を大規模パラフレーズ辞書を用いて高頻度語に言い換えてから翻訳する手法が提案されている．ここでは，目的言語文に低頻度語が存在する場合，その単語またはその単語を含むフレーズを高頻度な単語またはフレーズに言い換えることで，言い換え前後の意味を保持したまま翻訳結果の未知語の削減を求める．ここでは，追加で大規模パラフレーズ辞書が必要となり，パラフレーズ辞書によって言い換えた学習データからの翻訳モデルの作り直しが必要となる．そこで本研究では，作成した機械翻訳のモデルを直接用いて，モデル作成時に用いた学習データからそのままパラフレーズ辞書を自動作成する手法を提案する．その後，その辞書を用いた低頻度語の高頻度語への言い換えを入力文の前処理として施すことにより，意味を保持したまま翻訳精度を向上できると考える．本稿では提案手法の有効性を実験により検証し，考察した． (18) Double Attention-based Multimodal Neural Machine Translation with Semantic Image Region 〇ZhaoYuting(Tokyo Metropolitan University), KomachiMamoru(Tokyo Metropolitan University), KajiwaraTomoyuki(Osaka University), ChuChenhui(Osaka University) Current work on multimodal neural machine translation (MNMT) has mostly paid attention to the effect of combining visual and textual modalities in improving translation performance. However, it has been suggested that the visual modality is only marginally beneficial. As conventional visual attention mechanisms are used to select visual features from grids of equal size in an image generated by convolutional neural net, the feature of a grid that is not related to image content may arise slight effects in aligning visual concepts associated with the textual object. In contrast, we propose to apply semantic image regions for MNMT with integrating visual and textual features by means of two separate attention mechanisms (double attention) in order to improve predictive token generation. Our approach on the Multi30k dataset achieves 0.5 and 0.9 BLEU point improvement on English--German and English--French translation tasks compared with the baseline double attention-based MNMT. [10:30-11:45] 機械翻訳 (3件) (19) 言語横断な言語モデルによる原言語情報を活用した自動機械翻訳評価〇髙橋洸丞(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 本研究では原言語文と参照訳文から翻訳文がどれだけ正しいかを推定する自動評価手法を検討する. 既存の自動翻訳評価手法では, 1 対 1 の参照訳文と翻訳文のペアから翻訳文を評価する手法が主流だが, 1 対 1 ペアの比較では, 翻訳文が参照訳文と一見異なるが正しい訳文である際に評価性能が下がりやすい. この問題は, マルチリファレンスと呼ばれる参照訳文を複数用意することで解決可能だが, 各原言語文に対して参照訳文を複数作成する必要がありコストが高い. そこで本研究では, 原言語文も参照訳文の一つとみなして, 原言語文を評価に用いることで前述の問題に対処する. 言語横断な言語モデルを用いて入力文を分散表現とし, 最終的な評価値を多層パーセプトロンを通して出力する回帰モデルによる評価手法を検討した. (20) 英日同時翻訳のためのConnectionist Temporal Classificationを用いたニューラル機械翻訳〇帖佐克己(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 同時翻訳は文の入力が終了する前にその文の翻訳を開始するタスクである．このタスクでは翻訳精度と訳出までの遅延時間がトレードオフの関係にあり，システムを構築する際には翻訳を行うタイミングを適切に決定する必要がある．本研究では，ニューラル機械翻訳においてこの訳出タイミングを適当的に決定する方法を提案する．提案手法では目的言語側の語彙に訳出を行わない代わりに出力するためのメタトークン ‘<wait>’ を追加し，損失関数としてConnectionist Temporal Classification（CTC）と呼ばれるアルゴリズムを目的関数に導入する．CTCによって縮約すると正解系列と一致するような‘<wait>'を含む系列全てに対して最適化を行うことで翻訳モデルと訳出タイミング制御を同時に最適化することができ，さらに訳出タイミングを適応的に決定することも可能となる．また，このモデルを英語から日本語への同時翻訳タスクに対して適用し，その翻訳結果の精度や問題点について検討する． (21) スタイル変換技術による対訳コーパスから英日同時通訳コーパスへの拡張〇二又航介(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 同時通訳とは，入力文章が完結する前に目的言語の部分的な翻訳結果を訳出するタスクである．同時通訳システムを介したコミュニケーションでは，翻訳の遅延が円滑なコミュニケーションの大きな障害となるため，遅延を最小限にしつつ正確に部分訳出をする必要がある．特に英語と日本語のように語順が大きく異なる言語間の同時通訳では，訳出開始までの遅延が大きな問題となる．一方で，原言語の語順に近い形で訳出を行うことができれば，遅延を少なくすることができる．同時通訳システムの学習には通常，機械翻訳システムと同様に対訳コーパスが用いられる．同時通訳コーパスは，機械翻訳システムの学習に用いられる対訳コーパスと異なり，入力文が完結する前に目的言語の部分訳出を行った文から構成される対訳コーパスである．したがって，同時通訳システムの学習に用いられる対訳コーパスとして，同時通訳コーパスを用いることができれば，入力文を小さな部位に区切り逐次訳出できるため，訳出を終えるまでの遅延が少なくなる．しかし，現在利用可能な同時通訳コーパスの量は非常に少ないため，このような問題設定は現実的ではない．そこで本稿では，機械翻訳に用いられる対訳コーパスから，同時通訳コーパスへと拡張する手法について提案する．提案手法ではスタイル変換を用いることで，機械翻訳のスタイルから同時通訳へのスタイルへと変換を行う．また，スタイル変換により生成された疑似同時通訳文について現状での問題点について検討する． [13:15-14:55] 言語処理応用(4件) (22) BERTを用いたテレビドラマに関する関心動向・感想のウェブマイニング〇川口輝太(筑波大学), 久保遼馬(筑波大学), 藤田拓也(筑波大学), 前田竜冶(筑波大学), 宇津呂武仁(筑波大学), 小林彰夫(筑波技術大学), 西崎博光(山梨大学), 河田容英(ログワークス) 本論文では，テレビドラマ視聴者がドラマ視聴後にウェブ上で行うドラマ関連関心動向・感想・レビュー類の情報探索過程を支援することを目的として，ブログ・ドラマ関連サイト等のウェブページからの情報収集・集約を行うウェブマイニング技術を提案する．提案手法においては，BERTおよびWikipediaを用いて，文単位での当該ドラマ関連判定および主観情報判定を行うとともに，文単位での判定結果に基づいて，ウェブページ単位での当該ドラマ関連判定および主観情報判定を行う手法，および，その評価結果について述べる． (23) 評価者バイアスを考慮した小論文自動採点手法〇岡野将士(電気通信大学), 宇都雅輝(電気通信大学) 近年、深層学習モデルを利用した小論文自動採点手法が注目されている。このような自動採点手法では、採点済み小論文コーパスからモデルを学習する。しかし、小論文の採点では、各評点が評価者の特性（甘さ/厳しさなど）に依存することが多く、このような場合、学習される自動採点モデルが評価者特性の影響を受け、得点予測の性能が低下する問題がある。他方で、評価者の影響を考慮してスコアを推定できる数理モデルが近年多数提案されている。本研究では、この数理モデルで得られるスコアを予測するように自動採点モデルを学習する手法を提案する。提案手法を利用することで、コーパスを採点する評価者の特性に依存せず、自動採点モデルを学習できる。本論文では、実データ実験により提案モデルの有効性を示す。 (24) Automated Essay Rewriting (AER): Grammatical Error Correction, Fluency Edits, and Beyond 〇MitaMasato(RIKEN AIP/Tohoku University), HagiwaraMasato(Octanove Labs), SakaguchiKeisuke(Allen Institute for Artificial Intelligence), MizumotoTomoya(Future Corporation), SuzukiJun(Tohoku University/RIKEN AIP), InuiKentaro(Tohoku University/RIKEN AIP) We propose the Automated Essay Rewriting (AER) task, where computer systems make automatic edits to argumentative essays to improve their quality. AER subsumes types of edits beyond single sentences such as coherence, cohesion, and style, which are not within the scope of traditional tasks such as grammatical error correction (GEC) and fluency edits. The quantitative and qualitative analyses of a corpus specifically designed for AER reveal that these edits account for almost half of edits made by professional proofreaders. We also discuss the challenges, issues, and future direction of AER by comparing with other tasks. (25) 文符号化器のマルチタスク学習によるテキスト分類モデルの頑健化〇大橋空(大阪大学大学院情報科学研究科), 高山隼矢(大阪大学大学院情報科学研究科), 梶原智之(大阪大学データビリティフロンティア機構), ChenhuiChu(大阪大学データビリティフロンティア機構), 荒瀬由紀(大阪大学大学院情報科学研究科) 一般的なニューラルテキスト分類モデルは、文をベクトル化する文符号化器と、文ベクトルを基に分類先の各ラベルが付与される確率を計算する分類器からなる。このようなモデルは、特定の単語が出現する文に対し、文意に関わらずその単語との共起頻度が高いラベルに分類しやすくなり過学習しやすい。これは、文符号化器が分類に強く寄与する単語を過度に反映した文ベクトルを生成するためであると考えられる。この課題に対し本研究では、同じ（異なる）ラベルを持つ文同士のベクトルはベクトル空間で近傍（遠方）に位置すべき，という直感に基づくマルチタスク学習手法を提案する。具体的には、共通のラベルを持つ文同士の文ベクトルが類似するように、文符号化器を通常のテキスト分類タスクおよび同一ラベル判別タスクのマルチタスク学習によって訓練する。同一ラベル判別タスクでは、コーパスからサンプリングした複数の文のうち、どれが入力文と同一のラベルを持つかを判別できるように文符号化器を訓練する。これにより、文符号化に特定の単語が過度に影響するのを抑制し、テキスト分類の性能を改善するような文ベクトルが得られると期待できる。提案手法の有効性を検証するため、単一ラベル分類のデータセット6つ、複数ラベル分類のデータセット3つそれぞれについて、2種類の文符号化器を用いて実験を行い、文書の複数ラベル分類のデータセットについて、1種類の文符号化器を用いて実験を行った。結果より、6つのデータセットについて全ての文符号化器で提案手法がベースラインを上回る精度を達成し、提案手法の有効性が示された。 [15:10-16:25] 言語処理応用 (3件) (26) 機械学習を用いた漫画のオブジェクト順位推定〇元山直輝(大阪府立大学工学域), 岡田真(大阪府立大学工学研究科), 森直樹(大阪府立大学工学研究科) 近年, 深層学習をはじめとする機械学習技術の発展を背景に, 画像処理と言語処理が密接に結びついたマルチモーダルな分野として漫画に関する研究が注目されている. 漫画は画像データで提供されることから, 画像処理に基づいた研究は数多くなされてきたが, 対話理解にまで踏み込んだ研究はなされてこなかった. 本研究の目的は文脈に基づき会話の連続性を正しく認識することである. コマや台詞の読み順などの読者が物語の文脈を踏まえて解釈する内容に踏み込んだ漫画のストーリー理解に関する研究のためには, 漫画におけるコマや台詞といったオブジェクトの順番についてのアノテーションデータが必要不可欠である. そこで, コマと台詞に順位をつけるアノテーションツールを開発し, 既存の漫画データセットの拡張をした. そして, 文脈を踏まえた漫画の理解の準備として, 座標情報を用いた機械学習によるコマと台詞の順位推定手法を提案する. さらに, 漫画内の文書の言語的特徴について調査し, 自然言語処理の活用の可能性について考察する. (27) 入力音声に続く文章の予測〇恒松和輝(奈良先端科学技術大学院大学), サクリアニサクティ(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 近年の技術の進歩により、音声認識は人間に近い非常に高い性能を示しています。しかし、それらは与えられた音声をただ文字に起こすだけです。人間同士の対話では、発せられた言葉からその後に続く言葉を予測できることがあります。本研究では、深層学習を用いてそのようなタスクを実行できるシステムの構築を目指しています。 (28) 生成型文要約のための抽出性に着目したデータ選択〇長谷川駿(東京工業大学工学院), 上垣外英剛(東京工業大学科学技術創成研究院), 奥村学(東京工業大学科学技術創成研究院) 生成型文要約は必ずしも原文の語句を抽出する必要がなく，入力に対して極めて柔軟な要約文を生成することが可能である．しかし，我々の事前調査で，最高精度に近い性能を達成している文要約器の出力では，原文から借用した単語が生成文の約8割を占めていることが判明した．一方で，その要約器の学習に用いた訓練データでは，参照文における原文から借用可能な単語は約6割にとどまっている．我々は，これらの調査結果における実際の生成文と訓練データの抽出率の乖離から，既存の生成型文要約器が抽出的な要約を得意としており，抽出率の低いデータ対が学習時のノイズとなっているという仮定を置いた．本研究ではこの仮定に基づき，訓練データから抽出率の低いデータ対を除去する, 容易で効果的なデータ選択手法を提案する．実験の結果，提案手法を用いた場合，全データで学習した場合の約半分のデータ量・学習時間で同等の要約精度を達成できることを確認した．また，訓練データの抽出性・生成性を変化させて学習・比較を行うことで，それらの訓練データの性質が文要約器に与える影響の分析も行った． [16:25-16:40] 休憩 (集計) [16:40-16:55] クロージング ============================= ●研究報告のペーパーレス化本研究会はペーパーレスでの開催となり，印刷した研究報告の配布を行いません．また，特許出願の公知日（研究報告の公開日）が従来より1週間早まりますので，ご留意ください． ※自然言語処理研究会に登録されている方研究報告は研究発表会の1週間前に電子図書館と当日閲覧用サイトで公開します．当日は資料をプリントアウトしてご持参いただくか，ご自身のPCにダウンロードのうえ，ご持参ください．情報処理学会電子図書館（情報学広場） https://ipsj.ixsq.nii.ac.jp/ej/　（ユーザ登録が必要です）当日閲覧用サイト http://www.ipsj.or.jp/sig-reports/ ※自然言語処理研究会に登録されていない方当日受付で本研究発表会の資料閲覧用にUSBメモリを貸し出します．当日はノートPC等をご持参ください．なお，当研究会にご登録頂くことで，本研究会の資料をバックナンバーも含めて電子図書館で購読できます．登録されていない方は，是非この機会に研究会に登録してください（登録まで最大3日かかりますのでご留意ください）． ★研究会への登録をお勧めします年に２回以上の参加を見込まれる方は，研究会に登録される方が（ほぼ）お得になります．研究会登録は以下のウェブサイトから行えます． http://www.ipsj.or.jp/kenkyukai/toroku.html ●研究会幹事団主査：　関根聡　　（理化学研究所）幹事：　木村泰知　（小樽商科大学）　笹野遼平　（名古屋大学）　進藤裕之　（奈良先端科学技術大学院大学）　中澤敏明　（東京大学）　西川仁　　（東京工業大学）　桝井文人　（北見工業大学）　横野光　　（株式会社富士通研究所）運営委員：　内海慶　　（株式会社デンソーアイティーラボラトリ）　内田ゆず　（北海学園大学）　江原遥　　（静岡理工科大学）　大内啓樹　（理化学研究所/東北大学）　亀甲博貴　（京都大学）　小林暁雄　（理化学研究所）　斉藤いつみ（日本電信電話株式会社）　佐々木稔　（茨城大学）　貞光九月　（フューチャー株式会社）　佐藤敏紀　（LINE株式会社）　須藤克仁　（奈良先端科学技術大学院大学）　土田正明　（株式会社コトバデザイン）　成松宏美　（日本電信電話株式会社）　西田京介　（日本電信電話株式会社）　羽鳥潤　　（株式会社 Preferred Networks）　牧野拓哉　（株式会社富士通研究所）　増村亮　　（日本電信電話株式会社）　馬緤美穂　（ヤフー株式会社）　松林優一郎（東北大学）　三輪誠　　（豊田工業大学）　森田一　　（株式会社富士通研究所）　谷中瞳　　（理化学研究所）　吉川克正　（株式会社コトバデザイン） ------------------------------

1 0

データ活用社会創成シンポジウム(9/2)のご案内
by Jun MIYAZAKI 08 Aug '19

08 Aug '19

日本データベース学会の皆様東工大の宮崎です。東京大学の田浦先生から、9月2日(月)に東大浅野キャンパスにて開催される「データ活用社会創成シンポジウム」の情報が参りましたので、代理でご案内させて頂きます。シンポジウムでは、H.V. Jagadish先生によるデータサイエンスに関する基調講演が企画されています。なお、翌9月3日には、Jagadish先生による、よりデータベース専門家向けのご講演が予定されているそうです。 ========= ここから ============= 日本データベース学会の皆様東京大学情報基盤センターの田浦と申します. 本日はメーリングリストをお借りして, 以下のシンポジウムのご案内をさせていただきます. データ活用社会創成シンポジウム・日時: 2019年9月2日(月) 11:00-18:00 （終了後懇親会）・場所: 東京大学浅野キャンパス武田先端知ビル5階武田ホール https://sites.google.com/g.ecc.u-tokyo.ac.jp/dp-sympo2019 無料ですが, 上記サイト(↑)から参加申し込みをよろしくお願いいたします. ポスター発表も募集しております. * Michigan Institute of Data Science の director H.V.Jagadish 先生の, データサイエンスに関する基調講演 * NII, AIST, 8大学の基盤センターが共同で取り組む, 新しいデータ活用基盤に関する講演 * NII モバイルSINET (SINET広域データ収集基盤)に関する講演 * インダストリ, 人文系を含めた様々な分野でのデータ活用に関する取り組みに関する講演 * パネルなどがあります. データベース, データ処理分野の方に多数ご参加いただけると幸いです. ＃＃なお翌日(9/3)にはJagadish先生による, よりデータベース専門家向けの講演がある予定です(別途アナウンス予定). そちらも日程の確保をお願いします. よろしくお願いいたします. ========= ここまで ============= -- 宮崎純〒152-8550 東京都目黒区大岡山2-12-1 W8-63 東京工業大学情報理工学院情報工学系メール: miyazaki(a)cs.titech.ac.jp

1 0

立命館大学助教公募のご案内
by MAEDA AKIRA 05 Aug '19

05 Aug '19

日本データベース学会の皆様，立命館大学の前田と申します．現在，立命館大学情報理工学部では下記の通り助教を公募しております．ご関心をお持ちの方は，ぜひ応募をご検討下さい．詳細は，次のURLおよび下の公募案内をご覧下さい． http://www.ritsumeikan-trust.jp/file.jsp?id=428703&=.pdf どうぞよろしくお願い申し上げます． ----------------------------------------------- 【任用職名】　助教【募集人数】　1名【所　　属】　情報理工学部　情報理工学科（先端社会デザインコース）【専門分野】　データベース、ヒューマンインタフェース、インタラクション、知能情報学、ウェブ情報学、サービス情報学、感性工学、自然言語処理、対話システムなどの情報学分野【担当科目】　上記の専門分野に関係する科目の他、講義・演習科目など【勤務地住所等】　〒525-8577　滋賀県草津市野路東1-1-1 【着任時期】　2020年4月1日【勤務形態】　常勤（任期あり）【任期】2020年4月1日～2025年3月31日（1回に限り契約更新の可能性あり）【応募資格】 ①着任時に博士の学位を有し、上記の専門分野で優れた研究業績がある方 ②研究・教育に熱意を持っている方、実験科目等の立ち上げや運営にも積極的に参画いただける方 ③日本語での授業が可能な方 ※本募集による雇用の前年度まで、６か年度連続して、各年度のいずれかの期間において学校法人立命館との間に期間の定めのある雇用契約を有している方は、応募することができません。【雇用期間】 5年（1回に限り契約更新の可能性あり） ※教育上の能力、研究業績、勤務状況、授業の実施状況を総合的に審査の上、双方合意の場合、本学校法人との通算雇用期間が10年を超えない範囲で1回に限り契約更新（再任）することがあります。ただし、本募集による雇用の前年度に、学校法人立命館との期間の定めのある雇用契約を有している方は、契約更新（再任）の対象とならない場合があります。【給与・休日・保険等】本俸年額5,230,000円（税込） ※通勤手当等の諸手当や個人研究費等は、規定に基づき支給します。 ※立命館大学情報理工学部は、女性活躍推進法の趣旨に則り、ワークライフ・バランスに関する諸制度を整備しています。詳細については、以下のホームページをご参照ください。立命館大学男女共同参画推進リサーチライフサポート室ホームページ http://www.ritsumei.ac.jp/research/rsupport/ 【募集期間】　2019年08月01日～ 2019年10月11日必着【提出書類】 ①履歴･業績書（様式その１、その２、その３） ②研究業績書 (様式A)　 ※①②の書式は本学ホームページよりダウンロードできます。 http://www.ritsumeikan-trust.jp/publicinfo/recruitment/detail-ise/ ③最終学位の証明書（学位授与証明書等） ④主要研究業績（著書または論文）5編以内（コピー、抜刷可） ⑤現在までの研究内容（外部研究予算の獲得実績等を含む）の説明と今後の研究計画の概要、および、当該研究分野の将来展望について（1,500字程度、書式自由） ⑥本学における教育に対する抱負（500字程度、書式自由） ⑦応募者について参考意見を伺える方2名の氏名・所属・連絡先ならびに応募者との関係を記した書類（書式自由） ※上記提出書類ですが、紙媒体のものと共に、電子媒体（CD-RあるいはDVD-R）に格納したものをお送りください。電子媒体には、①のワードファイル、②のエクセルファイル、③～⑦それぞれのPDFを格納してください。提出書類は返却しませんので、予めご了承ください。なお、応募においてご提供いただいた個人情報は、本学の規程に従って適切に管理し、採用選考以外の目的には使用いたしません。【書類提出先】〒525-8577　滋賀県草津市野路東1-1-1 立命館大学情報理工学部事務室「情報理工学部教員任用人事係」宛 ※応募封筒には『先端社会デザインコース　教員応募書類在中』と朱書きして、必ず書留にて郵送してください。【問合せ先】立命館大学情報理工学部事務室（担当：佐久間・小倉） TEL: 077-561-5202　FAX：077-561-5203　　 E-mail：johokobo(a)st.ritsumei.ac.jp （8月10日～8月18日は、夏期休業期間ですので、ご注意ください。） -- 前田亮 amaeda(a)is.ritsumei.ac.jp

1 0

WebDB Forum 2019のポスター発表募集【8/12締切】
by Taketoshi Ushiama 05 Aug '19

05 Aug '19

DBSJの皆様九州大学の牛尼と申します．締切の1週間前になりましたので，再度WebDB Forum 2019のポスター発表募集をご案内させていただきます．本ポスターセッションは，学生の皆様にとっては，DEIM2019で発表された研究の進捗状況や，卒業研究や修士論文の前期のとりくみのまとめを発表していただき，企業の方々や他の大学の方との議論で研究にはずみをつけるまたとない機会です． WebDB Forum には例年多数の企業がスポンサーとして，ポスター発表にも参加されます．学生の皆さんのご研究に興味を持たれる企業の方もいらっしゃるかもしれません．また，今年のWebDBでは，先端研究解説セッションとしてここ1〜2年でWebやデータベースに関係する著名な国際会議に採択された論文をご本人に解説していただく発表が9件もあり，ここに参加するだけで最先端の研究動向を勉強できるまたとない機会です． 1日目は，インターン中の学生の皆様にも参加しやすいように日曜日に開催いたします．　　　　　　　皆様からの多数のお申し込みをお待ちしております！ ####################################################################　　　　　　　　　　第12回Webとデータベースに関するフォーラム　　　　　　　　　　　　　　WebDB Forum 2019　　　　　　　　　〜　Webとデータベースのこれからがわかる２日間〜　　　　　　　　　　　　　　　ポスター発表　募集　　　　　　　　　　　　2019年9月8日(日) - 9(月) 　　　　　　　　　　　工学院大学新宿キャンパス https://bit.ly/2G2nYXt 　連続開催：IPSJ DBS研・IEICE DE研・IPSJ IFAT研合同研究会（9月10日） ####################################################################　 WebDB Forumは，WebとDB技術の基盤および応用技術に興味のある研究者，技術者，学生が一堂に会し，最新研究動向や成果について議論し，交流を行う，大規模なイベントです．このフォーラムに参加すれば日本国内のWebとDBの研究・技術の最新動向を知ることができるように，過去１年間にTODをはじめとする国内の論文誌や，国際的なトップカンファレンスに掲載された論文の発表，企業による最先端の技術講演が行われます． WebDB Forum 2019では，皆様の最新の研究をご紹介いただくポスター発表を募集いたします．ポスター発表は審査はなく，申し込んでいただいた方はどなたでも発表していただくことができます．現在進行中のチャレンジングな取り組みを是非ともご発表ください．また，優れた発表にはスポンサー企業から企業賞が授与されます． ####################################################################　　　　　　　　　　第12回Webとデータベースに関するフォーラム　　　　　　　　　　　　　　WebDB Forum 2019　　　　　　　　　〜　Webとデータベースのこれからがわかる２日間〜　　　　　　　　　　　　　　　ポスター発表　募集　　　　　　　　　　　　2019年9月8日(日) - 9(月) 　　　　　　　　　　　工学院大学新宿キャンパス https://bit.ly/2G2nYXt 　連続開催：IPSJ DBS研・IEICE DE研・IPSJ IFAT研合同研究会（9月10日） ####################################################################　 WebDB Forumは，WebとDB技術の基盤および応用技術に興味のある研究者，技術者，学生が一堂に会し，最新研究動向や成果について議論し，交流を行う，大規模なイベントです．このフォーラムに参加すれば日本国内のWebとDBの研究・技術の最新動向を知ることができるように，過去１年間にTODをはじめとする国内の論文誌や，国際的なトップカンファレンスに掲載された論文の発表，企業による最先端の技術講演が行われます． WebDB Forum 2019では，皆様の最新の研究をご紹介いただくポスター発表を募集いたします．ポスター発表は審査はなく，申し込んでいただいた方はどなたでも発表していただくことができます．現在進行中のチャレンジングな取り組みを是非ともご発表ください．また，優れた発表にはスポンサー企業から企業賞が授与されます． ========================= ポスター発表申し込み要領 ================================ 【募集分野】・Webとデータベース技術の基盤および応用に関する幅広いトピック【ポスター発表スケジュール】　　申し込み締切　： 8/12（月）　　フラッシュトーク原稿締め切り：9/2(月) 　　WebDB Forum 2019： 9/8（日），9/9（月）【申し込みについて】・発表申し込みには、以下のフォームを利用してください　https://forms.gle/N4zfEPFpm8GMHYbe6 ・申込締切(2019年08月12日 24:00 JST) ・申込者多数の場合は，締切前に申し込みを締め切らせて頂く場合がございますのでご了承ください．【審査について】・発表の審査はございませんが，発表の内容が本会議の主題から著しく乖離すると考えられる場合には発表を　認めない場合があります．【予稿集への掲載について】・予稿集には原稿は掲載されません．【ポスター発表について】・ポスターのサイズは最大A0縦（W841mm×H1189mm）です．【デモについて】・希望者はデモを行うことができます．・デモはノートPCで行うことを前提とし，それ以外の機材の機材を希望される方はご相談ください．・デモ希望者にはポスターの前に長机を準備いたします．【フラッシュトーク】・ポスター発表者の皆様には，１分間のフラッシュトークを行っていただきます．・フラッシュトークのために，事前にスライドのPDFファイルを１枚ご提出いただきます．【ポスターセッションとフラッシュトークセッション】・9/8(日)と9/9(月)の昼間にポスターセッションの時間を設けます．・9/8(日)にポスター発表を行う方は，9/8(日)の午前中にフラッシュトークを行います．・9/9(月)にポスター発表を行う方は，9/8(日)の夕刻にフラッシュトークを行います．【賞について】・優れた発表には，スポンサー企業から企業賞が授与されます．【言語について】・ポスターは日本語または英語で作成してください詳細は，WebDB Forum 2019 Webサイトでご確認ください． https://bit.ly/2G2nYXt ============================ 運営組織 =============================== 　　フォーラム委員長　　　　　　吉川正俊（京都大学）　　実行委員長　　　　　　　　　鈴木伸崇（筑波大学）　　副実行委員長　　　　　　　　灘本明代（甲南大学）　　プログラム委員長　　　　　　牛尼剛聡（九州大学）　　プログラム副委員長　　　　　波多野賢治（同志社大学）　　財務委員長　　　　　　　　　中島伸介（京都産業大学）　　ローカルアレンジメント共同委員長　　　　　　　　　　　　　　　　山口実靖（工学院大学）　　　　　　　　　　　　　　　　小林亜樹（工学院大学）　　産学連携担当幹事　　　　　　　　　　　　　　　　伊藤雅弘（株式会社東芝）　　　　　　　　　　　　　　　　関喜史（株式会社Gunosy）　　　　　　　　　　　　　　　　門前一馬（株式会社FRONTEO）　　　　　　　　　　　　　　　　北島信哉（株式会社富士通研究所）　　　　　　　　　　　　　　　　舟木類佳（株式会社LegalForce）　　　　　　　　　　　　　　　　加藤　誠（筑波大学）　　ポスターセッション担当幹事　北山大輔（工学院大学）　　レジストレーション担当幹事　上田高徳（日本IBM）　　出版・印刷担当幹事　　　　　佃洸摂（産業技術総合研究所）　　Web・広報担当幹事　　　　　山本修平（日本電信電話株式会社）　　　　　　　　　　　　　　　　池田光雪（愛知淑徳大学）　　DBS連携担当幹事　　　　　　上田真由美（流通科学大学）　　DE・IFAT連携担当幹事　　　大島裕明（兵庫県立大学）　　表彰担当幹事　　　　　　　　若宮翔子（奈良先端科学技術大学院大学）　　情報保障担当幹事　　　　　　白石優旗（筑波技術大学）　　プログラム委員　　　　　　　　　　　　　　　　伊川洋平（日本アイ・ビー・エム株式会社）　　　　　　　　　　　　　　　　池田大輔（九州大学）　　　　　　　　　　　　　　　　岩井原瑞穂（早稲田大学）　　　　　　　　　　　　　　　　上田真由美（流通科学大学）　　　　　　　　　　　　　　　　榎美紀（日本アイ・ビー・エム株式会社）　　　　　　　　　　　　　　　　王元元（山口大学）　　　　　　　　　　　　　　　　大島裕明（兵庫県立大学）　　　　　　　　　　　　　　　　小口正人（お茶の水女子大学）　　　　　　　　　　　　　　　　片山薫（首都大学東京）　　　　　　　　　　　　　　　　加藤誠（筑波大学）　　　　　　　　　　　　　　　　金政泰彦（株式会社富士通研究所）　　　　　　　　　　　　　　　　鎌原淳三（神戸大学）　　　　　　　　　　　　　　　　北島信哉（株式会社富士通研究所）　　　　　　　　　　　　　　　　清田陽司（株式会社LIFULL）　　　　　　　　　　　　　　　　金京淑（産業技術総合研究所）　　　　　　　　　　　　　　　　熊本忠彦（千葉工業大学）　　　　　　　　　　　　　　　　倉島健（NTT）　　　　　　　　　　　　　　　　黒川茂莉（株式会社KDDI総合研究所）　　　　　　　　　　　　　　　　欅惇志（株式会社デンソーアイティーラボラトリ）　　　　　　　　　　　　　　　　合田和生（東京大学）　　　　　　　　　　　　　　　　小林亜樹（工学院大学）　　　　　　　　　　　　　　　　駒水孝裕（名古屋大学）　　　　　　　　　　　　　　　　佐々木勇和（大阪大学）　　　　　　　　　　　　　　　　白石優旗（筑波技術大学）　　　　　　　　　　　　　　　　白川真澄（ハッピーコンピューター株式会社）　　　　　　　　　　　　　　　　新谷隆彦（電気通信大学）　　　　　　　　　　　　　　　　鈴木優（岐阜大学）　　　　　　　　　　　　　　　　戸田浩之（NTT）　　　　　　　　　　　　　　　　豊田正史（東京大学）　　　　　　　　　　　　　　　　中島伸介（京都産業大学）　　　　　　　　　　　　　　　　難波英嗣（中央大学）　　　　　　　　　　　　　　　　西田京介（NTT）　　　　　　　　　　　　　　　　平手勇宇（楽天株式会社）　　　　　　　　　　　　　　　　福原知宏（マルティスープ株式会社）　　　　　　　　　　　　　　　　前田亮（立命館大学）　　　　　　　　　　　　　　　　宮森恒（京都産業大学）　　　　　　　　　　　　　　　　村上晴美（大阪市立大学）　　　　　　　　　　　　　　　　森嶋厚行（筑波大学）　　　　　　　　　　　　　　　　森本康彦（広島大学）　　　　　　　　　　　　　　　　山肩洋子（東京大学）　　　　　　　　　　　　　　　　山本岳洋（兵庫県立大学）　　　　　　　　　　　　　　　　山本祐輔（静岡大学）　　　　　　　　　　　　　　　　湯本高行（兵庫県立大学）　　　　　　　　　　　　　　　　吉田尚史（駒澤大学）　　　　　　　　　　　　　　　　劉健全（日本電気株式会社）　　　　　　　　　　　　　　　　Le Hieu Hanh（東京工業大学）　　　　　　　　　　　　　　　　若宮翔子（奈良先端科学技術大学院大学）　　　　　　　　　　　　　　　　渡辺聡（株式会社日立製作所）　　　　　　　　　　　　　　　　渡辺知恵美（筑波技術大学）　　　　　　　　　　　　　　　　渡辺陽介（名古屋大学） --- 牛尼剛聡 / 九州大学大学院芸術工学研究院 http://www.design.kyushu-u.ac.jp/~ushiama/

1 0

CFP : 情報処理学会論文誌データベース(TOD85）
by Taketoshi Ushiama 01 Aug '19

01 Aug '19

日本データベース学会会員のみなさま九州大学の牛尼剛聡と申します．情報処理学会のトランザクション「情報処理学会論文誌データベース (TOD)」（TOD85）の論文募集をご案内いたします．情報処理学会論文誌データベース (TOD)は情報処理学会データベースシステム研究会(DBS研)，情報基礎とアクセス技術研究会(IFAT研)ならびに電子情報通信学会データ工学研究専門委員会(DE研) による合同編集体制をとっており，それらの分野の研究論文を幅広く対象としています．またご存知の通り，TOD72よりテクニカルノートが導入されております．テクニカルノートでは，萌芽的なアイデア論文や研究進行途中での速報論文を期待しており，関連研究との比較実験や定量評価は，一般論文より重視されません．掲載論文はWebDB Forum 2020での発表の機会があり，研究内容のプレゼンス向上が期待されると共に，各種受賞の機会がございます． ■TOD85のスケジュール募集開始　　　　　　：　 9月 1日アブストラクト登録　：　 9月10日論文投稿　　　　　　：　 9月20日結果通知（一回目）　：　11月 5日改定論文投稿　　　　：　12月 5日結果通知（二回目）　：　 1月 7日カメラレディ　　　　：　 1月下旬出版　　　　　　　　：　 4月上旬 ■対象とする分野 TOD は情報の本質や特徴，利用の効果といった基礎的な分野と，情報のデータ化や蓄積およびアクセス方法，各種応用システムの構築といった処理技術に関する分野の論文を専門に扱う論文誌です．たとえば，ACM Trans. Information Systems，ACM Trans. Database Systems， IEEE Multimedia， IEEE Trans. Knowledge & Data Eng. で扱う範囲を統合したような分野を想定しており，上記分野に興味をお持ちの会員の皆様に対して，最新の研究論文やサーベイ論文をまとまった形でお届けします．この論文誌は一連の学会改革の方向に沿ったもので，時代に即した新しい価値を創造し，研究会の活性化に資することを目的に，1999年2月の創刊以来，研究会活動の一環として質の高い論文を集録して継続的に発行しています．特に，・データベース，情報検索，情報コンテンツに関する基礎，情報形成・処理・利用の方法を中心とする論文誌の実現・研究発表会などの研究会活動と連動し，研究会活動の活性化を目的とした，会員ニーズ/社会動向に機動的に対応する論文誌の実現・サーベイ論文，事例・実践論文，作品・デザイン論文，テクニカルノートなどの掲載を通じた，論文誌としての新しい価値の創出を狙いとしています．主なテーマは次のとおりです． ●情報の表現，分類，利用情報の生成・発見，表現・識別，分類・組織化，流通および利用の効果など． ●モデリング・言語データモデル，データベース設計，データベース言語，構造化文書用言語など． ●情報システム技術データベース管理システム，動画像検索，コンテンツ流通・管理，Webとデータベース統合，検索エンジンなど． ●高度応用地理情報システム，空間データベース，電子図書館，科学データベースなど．【WebDB Forum での発表について】 TOD84～TOD87に掲載される一般論文(研究論文，サーベイ論文，事例・実践論文，作品・デザイン論文)および，TOD85～TOD88に掲載されるテクニカルノートは、 WebDB Forum 2020(2010年9月開催予定)で発表できます。また、WebDB Forum 2020論文賞，山下記念賞，学生の場合はさらに，企業賞，学生奨励賞などの授賞対象となります．【「テクニカルノート」について】 TODでは2016年度より論文種別「テクニカルノート」を新設しました。アブストラクト登録時に投稿形態として「一般論文」もしくは「テクニカルノート」を選択することが可能です．「テクニカルノート」は，標準4ページ，条件付き採録無しと，査読基準・方法・フォーマット等が従来の論文と異なっておりますのでご注意ください． ■テクニカルノート査読基準■ 研究論文、事例・実践論文、作品・デザイン論文は、テクニカルノート(標準ページ数は4ページ)して投稿することができます。テクニカルノートでは「条件付き採録」はなく、一度で採否が決まります。萌芽的なアイデア論文や研究進行途中での速報論文を期待しており，関連研究との比較実験や定量評価は，一般論文より重視されません．詳しくは，以下のURLをご参照下さい．情報処理学会論文誌データベース https://ipsj-tod.org/ 多数のご投稿をお待ち申し上げております． TOD副編集委員長牛尼剛聡 / Taketoshi Ushiama

1 0

情報処理学会第241回自然言語処理研究会参加募集 (開催8/29-8/30)
by Yasutomo Kimura 01 Aug '19

01 Aug '19

日本データーベース学会の皆様，小樽商科大学の木村と申します． 8月29日(木)，30日(金)に小樽商科大学で開催します第241回自然言語処理研究会の参加募集の案内をお送りします．第241回NL研究会（8/29-30@小樽）はNLP若手の会（8/26-28@札幌）と連続で開催します．皆様のご参加をお待ちしております． 8月29日の夜には懇親会を予定しています．参加を希望される方は下記案内中のフォームからご回答下さい． ----------------------- 情報処理学会第241回自然言語処理研究会参加募集 https://nl-ipsj.or.jp ●日程: 2019年8月29日(木)，30日(金) ●会場: 小樽商科大学　5号館　470号室 (〒047-8501 北海道小樽市緑3丁目5-21) アクセス https://www.otaru-uc.ac.jp/access/ キャンパスマップ https://www.otaru-uc.ac.jp/summary/campus_map/ ●懇親会: 8月29日に懇親会を開催する予定です．参加を希望される方は8月18日(日)までに下記フォームにご回答ください． https://forms.gle/CdVku8geGm9CjmPD7 ●問い合わせ先: 木村泰知(小樽商科大学) E-mail: kimura (at) res.otaru-uc.ac.jp =========== 8月29日(木)　発表15件 [10:00-11:40] 翻訳・意味・知識獲得 (4件) [11:40-13:10] 昼休み [13:10-14:25] 情報抽出 (3件) [14:25-14:40] 休憩 [14:40-15:55] 分散表現・意味 (3件) [15:55-16:10] 休憩 [16:10-17:25] 生成・解析 (3件) [17:25-17:40] 休憩 [17:40-18:30] 知識獲得 (2件) 8月30日(金)　発表14件 [09:00-10:15] 機械翻訳 (3件) [10:15-10:30] 休憩 [10:30-11:45] 機械翻訳 (3件) [11:45-13:15] 昼休み [13:15-14:55] 言語処理応用(4件) [14:55-15:10] 休憩 [15:10-16:50] 言語処理応用 (4件) [16:50-17:05] 休憩 (集計) [17:05-17:20] クロージング ※若手奨励賞の対象者には著者名の前に「〇」を付けています． 8月29日(木)　発表15件 [10:00-11:40] 翻訳・意味・知識獲得 (4件) (1) 事前訓練済みBERTエンコーダーを再利用したニューラル機械翻訳今村賢治(国立研究開発法人　情報通信研究機構), 隅田英一郎(国立研究開発法人　情報通信研究機構) 本稿では，事前訓練済みのBERT (Bidirectional Encoder Representations from Transformer)モデルをTransformerベースのニューラル機械翻訳(NMT)に適用する．単言語のタスクと異なり，NMTの場合，BERTのモデルパラメータ（訓練済み）に比べ，デコーダー（未学習）のパラメータ数が多い．そこで，まずBERTエンコーダーのパラメータを固定して，未学習パラメータのみを訓練し，その後，全体を微調整する2段階最適化を行う．実験では，直接微調整したときにはBLEUスコアが極めて低くなったのに対して，2段階最適化では訓練が成功した．その結果，Transformerの基本モデルや，モデル構造が同じ事前訓練なしのTransformerに比べてもBLEUスコアが向上することが確認された．また，少資源設定で，より効果が高いことが確認された． (2) 共起情報を利用した不具合事象の同義表現獲得川村晋太郎(株式会社リコー) 製造業の品質保証業務において，不具合の原因究明，対策内容検討や再発防止に活用する為，コールログ，保守記録，保守ナレッジ共有サイトなどの多様な情報から解決の糸口になりそうな過去の情報を活用している．数百万件規模の多様なデータから所望のデータを検索する際に，その検索精度を向上させる為，対象製品の部品名，箇所名や不具合現象などの同義（言い換え）表現を得る必要がある．同義表現については，コーパス全体から分布仮説に基づいた類似性指標（コサイン類似度など）で獲得する手法がよく知られているが，同じ単語の同義表現であっても，実際に文書内で使用される言い回しや表現方法は，不具合事例により異なることも多い．本稿はこのような同義表現獲得の問題点に鑑み，ある単一の用語に対する同義表現を獲得するのではなく，不具合やトラブルを表す"事象"の表現が「箇所名+現象名」で成り立つことに着目し，それらをセットにした際の互いの関連度・共起度によって，「箇所名」及び「現象名」の同義表現を同時に獲得していく手法の開発を試みた． (3) 対話システムが積極的な情報提供をするための推薦知識獲得福原裕一(情報通信研究機構データ駆動知能システム研究センター), 水野淳太(情報通信研究機構データ駆動知能システム研究センター), 門脇一真(情報通信研究機構データ駆動知能システム研究センター), 飯田龍(情報通信研究機構データ駆動知能システム研究センター), 鳥澤健太郎(情報通信研究機構データ駆動知能システム研究センター) 対話システムで「ステーキをおいしく焼くにはお肉は常温に戻しておくことをお勧めします」や「ウール素材のお手入れにはブラシをまめに行うことを勧めます」といったユーザに役立つ情報を提供するためには、このような推薦対象（例「ステーキをおいしく焼く」）と推薦情報（例「お肉は常温に戻す」）から成る推薦知識を大規模に獲得することが重要となる。本研究では、まずWeb文書から推薦知識の候補として抽出した最大2文を対象に、推薦対象とその対象に関する推薦情報が含まれるか否かをBERTを用いて分類する手法を開発した。さらに、この手法で得られた推薦知識を対話システムを通じてコンパクトにユーザに提示するために、推薦知識を要約する手法をpointer-generator networkを用いて開発した。これらの手法を学習・評価するために、推薦知識分類のためのデータとして58,978件、推薦知識要約のためのデータとして19,647件を人手でアノテーションして作成した。評価実験の結果、推薦知識分類の性能として平均精度約94%、推薦知識要約の性能としてROUGE-2 F値で約76%を得た。 (4) NPCMJに対する述語項構造シソーラスの意味役割と概念フレームの付与竹内孔一(岡山大学), Batler Alastair(弘前大学), 長崎郁(国立国語研究所), Prashant Pardeshi(国立国語研究所) ダウンロード可能な形で，日本語のテキストに対して構文木を付与しているNPCMJに対して，述語項構造シソーラスの意味役割と概念フレームを付与するプロジェクトをスタートした．本発表では，アノテーションの枠組と体制，意味役割および概念フレーム付与における問題点を整理しつつ，今後の見通しについて説明する． [13:10-14:25] 情報抽出 (3件) (5) 議会会議録に含まれる法律名の表記揺れ問題解決に向けたエンティティリンキングの試み〇桧森拓真(北海道大学大学院情報科学院), 木村泰知(小樽商科大学), 荒木健治(北海道大学大学院情報科学研究院) 国会では，委員会や本会議において法律案に関する議論が行われている．数多くの議員が法律案の名称を何度も発言することから，法律案の名称は，省略されることや異なる表現で呼ばれることがあり，同一の法律案を示しているのかを判断することが困難な場合がある．例えば，「働き方改革法案」には「働き方改革関連法」「働き方改革一括法」などの表記揺れが存在する．そこで，本研究では，議会会議録に含まれる法律名の表記揺れの問題を解決するために，エンティティリンキングを行う．提案手法では，メンションの各候補エンティティと、メンションを含む１文の分散表現とのコサイン類似度を計算し，メンションとエンティティの類似度に加算したスコアをもとにエンティティの決定を行う．実験では，辞書ベース，Wikipediaの分散表現（Wikipedia2Vec）をベースラインとし，提案手法との比較を行う． (6) トピック間の相関を考慮したGaussian LDAの構成〇吉田崇裕(東京大学大学院情報理工学系研究科), 久野遼平(東京大学大学院情報理工学系研究科), 大西立顕(東京大学大学院情報理工学系研究科) 近年トピックモデルは自然言語処理など多くの分野で用いられている．トピックモデルとは，トピックという潜在的な構造をデータから推定することによって，文書などの持つ意味をとらえる手法であり，その中でも特に有名なもののひとつにLatent Dirichlet Allocation(LDA)がある．そして，LDAの提唱後，様々なLDAの改良モデルが提案されており，その中でも単語の分散表現を利用したGaussian LDAと呼ばれる手法が注目を集めている．また，LDAにはトピック間の相関を考慮できないという欠点があるが，それを改善する形でPachinko Allocation Model(PAM)などのLDAの拡張例が提案されている．本稿では，PAMの手法に習い，Gaussian LDAにおいてトピック間の相関を考慮するモデリング・推論手法を提案する． (7) 辞書を用いたコーパス拡張による，化学ドメインDistantly Supervised固有表現抽出〇辰巳守祐(奈良先端科学技術大学院大学), 後藤啓介(理化学研究所革新知能統合研究センター), 進藤裕之(奈良先端科学技術大学院大学), 松本裕治(奈良先端科学技術大学院大学 / 理化学研究所革新知能統合研究センター) 化学ドメイン固有表現抽出では，学習データのアノテーションコストが極めて高く，学習データ確保が課題である．この問題の打開策として，人手を介さずにアノテーションする，Distantly Supervised固有表現抽出の研究が注目されている．ただ，当手法では，自動生成コーパスが全ての化学物質名を網羅するのが困難な為，未知語問題が生じる．そこで，本研究では辞書を用いたコーパス拡張を提案する．人手アノテーションコーパスであるChemdNERでの評価実験の結果，提案データによる学習モデルがベースラインを上回った． [14:40-15:55] 分散表現・意味 (3件) (8) グラフニューラルネットワークを用いた半教師あり語義曖昧性解消〇谷田部梨恵(茨城大学大学院理工学研究科情報工学専攻), 佐々木稔(茨城大学工学部情報工学科) 単語の語義曖昧性解消は，今日に至るまで様々な研究が行われており，教師あり学習を用いることで高い精度を出している．先行研究では，このアプローチにおける識別誤りの主要な要因として学習用のデータ不足を挙げている．そのため，精度を向上するためにはさらに多くの用例文の追加が求められている．しかし，学習用のデータを新たに追加することは，語義識別に精通した専門家による正解ラベル付与が必要となるためコストがかかるという問題がある．そこで，本研究ではグラフニューラルネットワークを用いた半教師あり語義曖昧性解消手法を提案し，提案手法が語義識別精度の改善に有効であることを目指す． (9) 鏡映変換に基づく埋め込み空間上の単語属性変換〇石橋陽一(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 吉野幸一郎(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 本研究では鏡映変換に基づく埋め込み空間上の単語の属性変換を提案する。自己相互情報量(PMI)に基づく単語埋め込みは、``king - man + woman = queen'' といったアナロジーが成立することが知られている。このアナロジーを用いて入力単語xをmanからwomanに、またwomanからmanに変換することが可能である。一方、アナロジーによる変換はxが男性か女性かどうかで演算が変わるため、xの属性に関する知識が必要となるが、そのような知識は無数にあるため全て付与することは不可能である。そこで本研究では、属性知識を用いず単語属性を変換するため、理想的な性質を持つ写像である鏡映変換を導入する。鏡映変換は同じ写像でベクトルの位置を相互に反転させる変換であるため、入力単語ベクトルが目的の属性を持つかどうかにかかわらず変換できる。性別属性を変換する実験の結果、提案手法は属性の知識を用いることなく、性別単語を45.8%の精度で相互に変換できることが示された。また性別属性を持たない単語に鏡映変換を適用した結果、最大で99.9%が変換されず、鏡映変換は目的属性を持つ単語のみを変化させる非常に高い安定性を持つことが示唆された。 (10) Long Short-Term Memory に基づくRecurrent Auto-Encoder を用いた文の分散表現獲得手法に対する Attention 機構の導入〇飯倉陸(大阪府立大学), 岡田真(大阪府立大学), 森直樹(大阪府立大学) 近年，計算機の著しい発達に伴い，言葉や画像といった離散的な記号概念の分散表現を獲得する研究が盛んになされている．得られた分散表現は人工知能研究におけるさまざまなタスクに対して適用されるが，その精度は分散表現の性能に大きく依存する．それゆえに，分散表現の性能向上は人工知能研究の発展のために極めて重要な事項であるといえる．自然言語処理の分野においては現状として，単語の分散表現獲得手法については Word2Vec のような複数のタスクに対して高い性能が認められている優れた手法が開発されている．その応用として，文の分散表現の獲得手法に関するいくつかの先行研究が存在するが，いまだに決定的な手段は確立されているとは言い難い．本研究では，既存の文の分散表現獲得手法の改良を目的として，Long Short-Term Memory に基づく Recurrent Auto-Encoder を用いたモデルに対してAttention 機構を導入した．そして獲得した分散表現を用いた文の連続性識別の実験を通して，それらの性能を Attention 機構の有無の観点から相対的に評価した．その結果，文章の連続性を考慮するという観点から，分散表現の性能向上を確認することができ，Attention 機構を導入することの有効性を示せた． [16:10-17:25] 生成・解析 (3件) (11) 与えた外部情報の再予測モデルを組み込んだニューラル文生成モデルの検討〇隆辻秀和(奈良先端科学技術大学院大学), 吉野幸一郎(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 言語生成は、与えられた外部情報のセットに対して、自然言語文をドメインに適当な形で生成するタスクである。近年、言語生成に用いられるニューラルネットワークを用いた手法は、より自然で柔軟な応答生成が実現できることが知られている。一方で、入力となる外部情報に対応する文生成を単語予測のモデルで行うため、モデルがどの情報を利用し文を生成したかを説明することが難しい。そこで本研究では、与えた外部情報を生成文に反映することを保証するため、与えた外部情報を再予測するモデルと再予測の結果に対する損失を利用した。アノテーション済みのコーパスを用いた実験を行い、生成された文の評価と、生成文に含まれる情報の精度評価を行った。 (12) 因果関係と事態分散表現を用いた雑談対話応答のリランキングにおける傾向分析田中翔平(奈良先端科学技術大学院大学), 吉野幸一郎(奈良先端科学技術大学院大学/科学技術振興機構さきがけ), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 本論文では，対話履歴に対し一貫した多様な応答を選択する手法を提案する．提案手法では対話履歴に対する一貫性を保つため，対話モデルより生成された応答候補を，対話履歴と応答候補の間に存在する因果関係（ストレスが溜まる → 発散する，など）を用いてリランキングする．この際，因果関係の認定には統計的に獲得された因果関係ペアを用いるが，対話中に存在する全ての因果関係を被覆するような辞書を用意することは難しい．そこで，Role Factored Tensor Model を用いて事態を分散表現に変換することで，因果関係知識のカバレージを向上させ，因果関係知識と対話中の因果関係の頑強なマッチングを実現した．自動評価，人手評価の結果，提案手法は応答の一貫性や対話継続性を向上させることが確認できた．一方で，事態の過汎化に由来する応答の自然性低下が見られる場合もあった．これらの問題についても例示し，解決の方向性について論じる． (13) モダリティ表現認識・事象の事実性解析の同時学習〇友利涼(京都大学大学院情報学研究科), 村脇有吾(京都大学大学院情報学研究科), 松吉俊(電気通信大学大学院情報理工学研究科), 亀甲博貴(京都大学学術情報メディアセンター), 森信介(京都大学学術情報メディアセンター) モダリティ表現や事象の事実性などを正確に認識・解析することは、否定や推量などが含まれるテキストの言語理解や文生成を行ううえで重要である。本研究では、モダリティ表現認識器・事象の事実性解析器などをマルチタスク学習の枠組みを用いて同時学習する。これらのタスクは相互に関連しており、マルチタスク学習を用いてその関係性を自動的に学習することを目指す。実験では、同時学習による手法が単純な手法による精度を上回った。また、生コーパスを用いて事前学習することにより、さらなる精度向上を示した。 [17:40-18:30] 知識獲得 (2件) (14) A Simple Reranking Method for Knowledge Graph Completion 〇LU YUXUN(Nara Institute of Science and Technology), Shigeto Yutaro(Chiba Institute of Technology), Hayashi Katsuhiko(Osaka University), Shimbo Masashi(Nara Institute of Science and Technology) A recent report indicates that learning type embeddings of entities in addition to normal embedding helps improve the performance of knowledge graph completion. We argue that the type of arguments individual relations take is inherent in the normal embedding of entities, and this information can be exploited with the help of training data. A simple reranking method is proposed that solely relies on training data and learned entity and relation embeddings. This method requires only four parameters per relation to be tuned on the validation data. Experimental results show that its performance is close to the approach based on type embeddings, although it does not require retraining of embeddings. (15) クイズ解答タスクにおける大規模ラベルなしコーパスの利用: 言語モデルとデータ拡張〇鈴木正敏(東北大学), 松田耕史(理化学研究所/東北大学), 大内啓樹(理化学研究所/東北大学), 鈴木潤(東北大学/理化学研究所), 乾健太郎(東北大学/理化学研究所) Quizbowlは、複数の文からなるクイズ問題の入力に対して、正解となるエンティティを予測する質問応答タスクである。Quizbowlは超多クラス（数万クラス以上）の分類問題と見なすことができるが、その場合、訓練データの規模が限定的であるためにfew-shot学習の問題が生じる。すなわち、訓練データにわずかな回数しか出現しないエンティティであっても、テスト時には正しく答えなければならない。この問題に対処するため、本研究では、1) 大規模コーパスで事前訓練された言語モデルの利用と、2) Wikipediaを利用したデータ拡張を組み合わせたクイズ解答の手法を提案する。具体的には、1) 汎用言語モデルBERTの複数の層が出力する分散表現を用いて、クイズ問題から正解エンティティへのマッピングを学習する。さらに、2) Wikipediaの記事の性質を利用して、テキスト-エンティティ対のデータを大量に生成し、擬似クイズ問題として訓練データに追加する。これらモデルとデータ両方向の拡張により、Quizbowlのクイズ解答の性能が大幅に向上することを実験的に示す。 8月30日(金)　発表14件 [09:00-10:15] 機械翻訳 (3件) (16) スタイル変換のための折り返し翻訳に基づく事前訓練〇梶原智之(大阪大学データビリティフロンティア機構), 三浦びわ(株式会社 AI Samurai), 荒瀬由紀(大阪大学大学院情報科学研究科) 本研究では、スタイル変換における少資源問題に取り組む。同一言語内の翻訳問題であるスタイル変換は、機械翻訳とは異なり訓練用のパラレルコーパスを大規模に収集することが難しい。この問題に対して、先行研究ではルールベースのデータ拡張や目的とするスタイルの機械翻訳とのマルチタスク学習が提案されているが、人手や特定のコーパスに依存するため他のスタイルへの拡張が困難であった。そこで我々は、任意のスタイルに適用可能な生コーパスに基づく転移学習のフレームワークを提案する。まず事前訓練では、生コーパスを折り返し翻訳した疑似言い換えコーパスを用いて、スタイルを考慮しない言い換え生成器を訓練する。続いて再訓練では、小規模なパラレルコーパスを用いて、言い換え生成器を目的とするスタイルへのスタイル変換に特化させる。GYAFCデータセットにおける評価実験の結果、提案手法がスタイル・ドメイン・モデル構造のいずれにも依存せず、常にスタイル変換の性能を大幅に改善することを確認した。さらに詳細な分析の結果、高品質な折り返し翻訳を利用できない設定やターゲットドメインの生コーパスを利用できない設定でも提案手法は有効に機能し、再訓練のためのパラレルコーパスが1,000文対と非常に少ない設定でさえ高品質なスタイル変換を実現できることがわかった。 (17) 機械翻訳の前処理のための言い換え辞書自動作成手法の提案〇胡尤佳(大阪府立大学工学域), 岡田真(大阪府立大学工学研究科), 森直樹(大阪府立大学工学研究科) 近年，ニューラルネットワークを用いる手法が自然言語処理の多くのタスクで成果を上げている．機械翻訳の分野でも，ニューラル機械翻訳が登場し，これまでのフレーズベース機械翻訳や統計的機械翻訳と比べて翻訳の質が飛躍的に上がり，流暢性の高い翻訳もできるようになった．しかし，低頻度語や未知語が存在することにより，翻訳の際に意味が通じなくなるという問題が依然存在している．通常の機械翻訳の場合，出力層における語彙数が制限されているため，低頻度語は未知語(OOV)と見なされ，意味繋がりが中断され，翻訳精度が悪くなる．このような低頻度語や未知語の問題を解決するために，翻訳に前処理をするアプローチがある．先行研究では，学習データの目的言語文に存在する低頻度語を大規模パラフレーズ辞書を用いて高頻度語に言い換えてから翻訳する手法が提案されている．ここでは，目的言語文に低頻度語が存在する場合，その単語またはその単語を含むフレーズを高頻度な単語またはフレーズに言い換えることで，言い換え前後の意味を保持したまま翻訳結果の未知語の削減を求める．ここでは，追加で大規模パラフレーズ辞書が必要となり，パラフレーズ辞書によって言い換えた学習データからの翻訳モデルの作り直しが必要となる．そこで本研究では，作成した機械翻訳のモデルを直接用いて，モデル作成時に用いた学習データからそのままパラフレーズ辞書を自動作成する手法を提案する．その後，その辞書を用いた低頻度語の高頻度語への言い換えを入力文の前処理として施すことにより，意味を保持したまま翻訳精度を向上できると考える．本稿では提案手法の有効性を実験により検証し，考察した． (18) Double Attention-based Multimodal Neural Machine Translation with Semantic Image Region Zhao Yuting(Tokyo Metropolitan University), Komachi Mamoru(Tokyo Metropolitan University), Kajiwara Tomoyuki(Osaka University), Chu Chenhui(Osaka University) Current work on multimodal neural machine translation (MNMT) has mostly paid attention to the effect of combining visual and textual modalities in improving translation performance. However, it has been suggested that the visual modality is only marginally beneficial. As conventional visual attention mechanisms are used to select visual features from grids of equal size in an image generated by convolutional neural net, the feature of a grid that is not related to image content may arise slight effects in aligning visual concepts associated with the textual object. In contrast, we propose to apply semantic image regions for MNMT with integrating visual and textual features by means of two separate attention mechanisms (double attention) in order to improve predictive token generation. Our approach on the Multi30k dataset achieves 0.5 and 0.9 BLEU point improvement on English--German and English--French translation tasks compared with the baseline double attention-based MNMT. [10:30-11:45] 機械翻訳 (3件) (19) 言語横断な言語モデルによる原言語情報を活用した自動機械翻訳評価〇髙橋洸丞(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 本研究では原言語文と参照訳文から翻訳文がどれだけ正しいかを推定する自動評価手法を提案する. 既存の自動翻訳評価手法では, 1対1の参照訳文と翻訳文のペアから翻訳文を評価する手法が主流だが,本来翻訳は正解が無数にあるはずで, 参照訳文と一見異なる正解文を機械翻訳システムが出力した際に評価が難しくなる.この問題はマルチリファレンスと呼ばれる, 参照訳文を複数用意することで解決可能だが, 各原言語文に対して参照訳文を複数作成するのはコストが高い.そこで本研究では, 原言語文も正解文とみなして評価に用いることで前述の問題を解決する. また, 言語の異なる原言語と目的言語間において文の近さを推定するために, 言語横断な言語モデルで文の近さをベクトル表現にして, 多層パーセプトロンにより最終的な評価値を出力した.本研究の実験結果より, 参照訳だけでなく原言語も翻訳評価に有用であることが示された. (20) 英日同時翻訳のためのConnectionist Temporal Classificationを用いたニューラル機械翻訳〇帖佐克己(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 同時翻訳は文の入力が終了する前にその文の翻訳を開始するタスクである．このタスクでは翻訳精度と訳出までの遅延時間がトレードオフの関係にあり，システムを構築する際には翻訳を行うタイミングを適切に決定する必要がある．本研究では，ニューラル機械翻訳においてこの訳出タイミングを適当的に決定する方法を提案する．提案手法では目的言語側の語彙に訳出を行わない代わりに出力するためのメタトークン ‘<wait>’ を追加し，損失関数としてConnectionist Temporal Classification（CTC）と呼ばれるアルゴリズムを目的関数に導入する．CTCによって縮約すると正解系列と一致するような‘<wait>'を含む系列全てに対して最適化を行うことで翻訳モデルと訳出タイミング制御を同時に最適化することができ，さらに訳出タイミングを適応的に決定することも可能となる．また，このモデルを英語から日本語への同時翻訳タスクに対して適用し，その翻訳結果の精度や問題点について検討する． (21) スタイル変換技術による対訳コーパスから英日同時通訳コーパスへの拡張〇二又航介(奈良先端科学技術大学院大学), 須藤克仁(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 同時通訳とは、入力文章が完結する前に目的言語の部分的な翻訳結果を訳出するタスクである。同時通訳システムを介したコミュニケーションでは、翻訳の遅延が円滑なコミュニケーションの大きな障害となるため、応答速度が早く、正確に部分訳文を生成する必要がある。特に英語のようなSVO型言語特から日本語のようなSOV型言語への同時通訳では、訳出開始までの遅延が大きな問題となる。一方で、入力言語と目的言語の文型が同じであれば、遅延を少なくすることができる。同時通訳システムの学習には通常、機械翻訳システムと同様の対訳コーパスが用いられる。同時通訳された対訳コーパスは、機械翻訳システムの学習に用いられる対訳コーパスと異なり、入力文章が完結する前に目的言語の部分的な翻訳を訳出した結果である。したがって、同時通訳システムの学習に用いられる対訳コーパスとして、同時通訳されたものを用いることができれば、入力言語と目的言語の文型が近くなることが期待されるため、訳出開始までの遅延が少なくなる。しかし、同時通訳における対訳コーパスが不足しているため、このような問題設定は現実的ではない。そこで本稿では、機械翻訳に用いられる対訳コーパスから、同時通訳コーパスへと拡張する手法について提案する。提案手法ではスタイル変換技術を用いることで、機械翻訳のスタイルから同時通訳へのスタイルへと変換を行う。また、スタイル変換技術により生成された同時通訳らしい文章と実際の同時通訳文を比較分析した。 [13:15-14:55] 言語処理応用(4件) (22) BERTを用いたテレビドラマに関する関心動向・感想のウェブマイニング〇川口輝太(筑波大学), 久保遼馬(筑波大学), 藤田拓也(筑波大学), 前田竜冶(筑波大学), 宇津呂武仁(筑波大学), 小林彰夫(筑波技術大学), 西崎博光(山梨大学), 河田容英(ログワークス) 本論文では，テレビドラマ視聴者がドラマ視聴後にウェブ上で行うドラマ関連関心動向・感想・レビュー類の情報探索過程を支援することを目的として，ブログ・ドラマ関連サイト等のウェブページからの情報収集・集約を行うウェブマイニング技術を提案する．提案手法においては，BERTおよびWikipediaを用いて，文単位での当該ドラマ関連判定および主観情報判定を行うとともに，文単位での判定結果に基づいて，ウェブページ単位での当該ドラマ関連判定および主観情報判定を行う手法，および，その評価結果について述べる． (23) 評価者バイアスを考慮した小論文自動採点手法〇岡野将士(電気通信大学), 宇都雅輝(電気通信大学) 近年、深層学習モデルを利用した小論文自動採点手法が注目されている。このような自動採点手法では、採点済み小論文コーパスからモデルを学習する。しかし、小論文の採点では、各評点が評価者の特性（甘さ/厳しさなど）に依存することが多く、このような場合、学習される自動採点モデルが評価者特性の影響を受け、得点予測の性能が低下する問題がある。他方で、評価者の影響を考慮してスコアを推定できる数理モデルが近年多数提案されている。本研究では、この数理モデルで得られるスコアを予測するように自動採点モデルを学習する手法を提案する。提案手法を利用することで、コーパスを採点する評価者の特性に依存せず、自動採点モデルを学習できる。本論文では、実データ実験により提案モデルの有効性を示す。 (24) Automated Essay Rewriting (AER): Grammatical Error Correction, Fluency Edits, and Beyond 〇Mita Masato(RIKEN AIP/Tohoku University), Hagiwara Masato(Octanove Labs), Sakaguchi Keisuke(Allen Institute for Artificial Intelligence), Mizumoto Tomoya(Future Corporation), Suzuki Jun(Tohoku University/RIKEN AIP), Inui Kentaro(Tohoku University/RIKEN AIP) We propose the Automated Essay Rewriting (AER) task, where computer systems make automatic edits to argumentative essays to improve their quality. AER subsumes types of edits beyond single sentences such as coherence, cohesion, and style, which are not within the scope of traditional tasks such as grammatical error correction (GEC) and fluency edits. The quantitative and qualitative analyses of a corpus specifically designed for AER reveal that these edits account for almost half of edits made by professional proofreaders. We also discuss the challenges, issues, and future direction of AER by comparing with other tasks. (25) 文符号化器のマルチタスク学習によるテキスト分類モデルの頑健化〇大橋空(大阪大学大学院情報科学研究科), 高山隼矢(大阪大学大学院情報科学研究科), 梶原智之(大阪大学データビリティフロンティア機構), Chenhui Chu(大阪大学データビリティフロンティア機構), 荒瀬由紀(大阪大学大学院情報科学研究科) 一般的なニューラルテキスト分類モデルは、文をベクトル化する文符号化器と、文ベクトルを基に分類先の各ラベルが付与される確率を計算する分類器からなる。このようなモデルは、特定の単語が出現する文に対し、文意に関わらずその単語との共起頻度が高いラベルに分類しやすくなり過学習しやすい。これは、文符号化器が分類に強く寄与する単語を過度に反映した文ベクトルを生成するためであると考えられる。この課題に対し本研究では、同じ（異なる）ラベルを持つ文同士のベクトルはベクトル空間で近傍（遠方）に位置すべき，という直感に基づくマルチタスク学習手法を提案する。具体的には、共通のラベルを持つ文同士の文ベクトルが類似するように、文符号化器を通常のテキスト分類タスクおよび同一ラベル判別タスクのマルチタスク学習によって訓練する。同一ラベル判別タスクでは、コーパスからサンプリングした複数の文のうち、どれが入力文と同一のラベルを持つかを判別できるように文符号化器を訓練する。これにより、文符号化に特定の単語が過度に影響するのを抑制し、テキスト分類の性能を改善するような文ベクトルが得られると期待できる。提案手法の有効性を検証するため、単一ラベル分類のデータセット6つ、複数ラベル分類のデータセット3つそれぞれについて、2種類の文符号化器を用いて実験を行い、文書の複数ラベル分類のデータセットについて、1種類の文符号化器を用いて実験を行った。結果より、6つのデータセットについて全ての文符号化器で提案手法がベースラインを上回る精度を達成し、提案手法の有効性が示された。 [15:10-16:50] 言語処理応用 (4件) (26) 機械学習を用いた漫画のオブジェクト順位推定〇元山直輝(大阪府立大学工学域), 岡田真(大阪府立大学工学研究科), 森直樹(大阪府立大学工学研究科) 近年, 深層学習をはじめとする機械学習技術の発展を背景に, 画像処理と言語処理が密接に結びついたマルチモーダルな分野として漫画に関する研究が注目されている. 漫画は画像データで提供されることから, 画像処理に基づいた研究は数多くなされてきたが, 対話理解にまで踏み込んだ研究はなされてこなかった. 本研究の目的は文脈に基づき会話の連続性を正しく認識することである. コマや台詞の読み順などの読者が物語の文脈を踏まえて解釈する内容に踏み込んだ漫画のストーリー理解に関する研究のためには, 漫画におけるコマや台詞といったオブジェクトの順番についてのアノテーションデータが必要不可欠である. そこで, コマと台詞に順位をつけるアノテーションツールを開発し, 既存の漫画データセットの拡張をした. そして, 文脈を踏まえた漫画の理解の準備として, 座標情報を用いた機械学習によるコマと台詞の順位推定手法を提案する. さらに, 漫画内の文書の言語的特徴について調査し, 自然言語処理の活用の可能性について考察する. (27) 入力音声に続く文章の予測〇恒松和輝(奈良先端科学技術大学院大学), サクリアニサクティ(奈良先端科学技術大学院大学), 中村哲(奈良先端科学技術大学院大学) 近年の技術の進歩により、音声認識は人間に近い非常に高い性能を示しています。しかし、それらは与えられた音声をただ文字に起こすだけです。人間同士の対話では、発せられた言葉からその後に続く言葉を予測できることがあります。本研究では、深層学習を用いてそのようなタスクを実行できるシステムの構築を目指しています。 (28) 生成型文要約のための抽出性に着目したデータ選択〇長谷川駿(東京工業大学工学院), 上垣外英剛(東京工業大学科学技術創成研究院), 奥村学(東京工業大学科学技術創成研究院) 生成型文要約は必ずしも原文の語句を抽出する必要がなく，入力に対して極めて柔軟な要約文を生成することが可能である．しかし，我々の事前調査で，最高精度に近い性能を達成している文要約器の出力では，原文から借用した単語が生成文の約8割を占めていることが判明した．一方で，その要約器の学習に用いた訓練データでは，参照文における原文から借用可能な単語は約6割にとどまっている．我々は，これらの調査結果における実際の生成文と訓練データの抽出率の乖離から，既存の生成型文要約器が抽出的な要約を得意としており，抽出率の低いデータ対が学習時のノイズとなっているという仮定を置いた．本研究ではこの仮定に基づき，訓練データから抽出率の低いデータ対を除去する, 容易で効果的なデータ選択手法を提案する．実験の結果，提案手法を用いた場合，全データで学習した場合の約半分のデータ量・学習時間で同等の要約精度を達成できることを確認した．また，訓練データの抽出性・生成性を変化させて学習・比較を行うことで，それらの訓練データの性質が文要約器に与える影響の分析も行った． (29) Extraction of Protein-protein Interactions from Articles based on Hierarchical Recurrent Neural Network with Attention and Tree Structure PhanThuy Thi Thanh (Department of Intelligence Science and Technology, Graduate School of Informatics, Kyoto University), Yamamoto Akihiro(Department of Intelligence Science and Technology, Graduate School of Informatics, Kyoto University) Protein-protein interaction (PPI) extraction from scientific articles is one key issue in biological research. Recent research in this topic concentrates on feature-based and kernel-based methods by using handcrafted features or devising similarity functions. To improve these methods, we propose a novel neural network-based method. We first divide the sentence into three context subsequences based on positions of two entities. Then, we utilize the hierarchical RNN consisting of two bidirectional sequential LSTMs: the first LSTM learns each context representation of the three context subsequences separately, and the second one computes semantic composition of these three representations. Attention mechanism for each LSTM is used to determine which parts of the sentence are the most significant ones. We also combine tree structured LSTM in our model to acquire syntactic knowledge. The experiments demonstrate that our method achieves improved results as compared with the existing methods. [16:50-17:05] 休憩 (集計) [17:05-17:20] クロージング

1 0

助教の公募（熊本大学　ビッグデータ工学分野）
by Masayoshi Aritsugi 01 Aug '19

01 Aug '19

日本データベース学会の皆様：熊本大学の有次正義と申します．熊本大学では，令和元年8月30日（金）締切で助教1名を募集しております（以前お送りしたものの再公募です）．採用時期：令和２年１月１日以降のできるだけ早い時期専門分野：ビッグデータ工学分野（データベース、データマイニング、機械学習、情報検索、自然言語処理、人工知能、ソフトウェア工学、Web、IoT、センサデータ処理、医療情報、科学データ解析、データサイエンスなど、ビッグデータ工学に関連する分野）詳細は以下のURLをご参照ください． https://www.kumamoto-u.ac.jp/daigakujouhou/saiyou/index_file/koubo834.pdf 周りの方にも広くご案内ください．お問い合わせなど，些細なことも含め，私までお願いいたします．よろしくお願いいたします． -- 有次正義（ありつぎまさよし）

1 1