区分特徴分類法とクラス選択的棄却法に基づく意思決定支援システムの構築

本年度は、前年度に構築した意思決定支援モデルを計算機に実装し、評価実験を通じて有効性の検証と問題点の整理を行った。はじめに、初年度に構築したモデルを計算機に実装し、前年度の課題となっていた自然言語の区間表現への置き換えに対する実験を行った。実験では、10名の被検者に対して、「だいたい」「たぶん」などの不確実性を示す表現を含む文章を提示し、区間量(最大確率と最小確率)を求めてもらった。それらの平均を用いて、自然言語と区間の対応づけとした。また、従来の定数を用いたモデルと比較するために、定数は区間の平均値を用いた。次に、犯人調査に関する意思決定支援問題と、医師の診断に関する意思決定支援問題を設定し、計算機の質問に対してユーザが曖昧語を用いた返答を行い、提案モデルと従来モデルとの出力結果の比較を行った。その結果、提案モデルの方が、少数の入力(返答)において正確な出力を行なえることが確認された。また、論理的に矛盾する入力を与えた場合に、従来モデルは評価値に基づいた何らかの出力を行うが、提案モデルでは棄却することが可能となった。なお、この不確実性を含むクラスタリングから派生した理論を、画像の領域分割に応用し、学会にて論文発表を行った。本実験では、曖昧語と区間の対応づけの結果に個人差があり、分散値が大きな結果が得られた。これを解析したところ、量に関係する曖昧語に基づく「動機バイアス」と、質に基づく曖昧語に対する「認識バイアス」、および提示の順番に起因する「アンカーバイアス」が認められ、一定の傾向を得ることができた。しかしながら、それらを解析するためには充分な被検者が必要となり、本モデルでは考慮されていない。これは今後の課題としたい。

本年度は、前年度に構築した意思決定支援モデルを計算機に実装し、評価実験を通じて有効性の検証と問題点の整理を行った。はじめに、初年度に構築したモデルを計算機に実装し、前年度の課題となっていた自然言語の区間表現への置き換えに対する実験を行った。実験では、10名の被検者に対して、「だいたい」「たぶん」などの不確実性を示す表現を含む文章を提示し、区間量(最大確率と最小確率)を求めてもらった。それらの平均を用いて、自然言語と区間の対応づけとした。また、従来の定数を用いたモデルと比較するために、定数は区間の平均値を用いた。次に、犯人調査に関する意思決定支援問題と、医師の診断に関する意思決定支援問題を設定し、計算機の質問に対してユーザが曖昧語を用いた返答を行い、提案モデルと従来モデルとの出力結果の比較を行った。その結果、提案モデルの方が、少数の入力(返答)において正確な出力を行なえることが確認された。また、論理的に矛盾する入力を与えた場合に、従来モデルは評価値に基づいた何らかの出力を行うが、提案モデルでは棄却することが可能となった。なお、この不確実性を含むクラスタリングから派生した理論を、画像の領域分割に応用し、学会にて論文発表を行った。本実験では、曖昧語と区間の対応づけの結果に個人差があり、分散値が大きな結果が得られた。これを解析したところ、量に関係する曖昧語に基づく「動機バイアス」と、質に基づく曖昧語に対する「認識バイアス」、および提示の順番に起因する「アンカーバイアス」が認められ、一定の傾向を得ることができた。しかしながら、それらを解析するためには充分な被検者が必要となり、本モデルでは考慮されていない。これは今後の課題としたい。