通史授業の論述データと関連する現代のニュースを推薦できるシステムの開発と評価

点击翻译按钮获取中文摘要

2022年度は、歴史上の特定の時期にしか使われない時間的固有表現を非時間的固有表現に変換する手法を用いた、現代と過去の因果関係同士の類似度を算出する手法を開発した。時間的固有表現の非時間的固有表現への変換については、TagMEを文章に適用して固有表現とそれらのWikipedia記事を取得し、固有表現が人、組織、出来事のどれかであれば時間的固有表現とみなし、固有表現が国であれば存続年数を解析して一定の年数以下であれば時間的固有表現とみなした。固有表現の種類については、TagMEの結果から得られるWikipedia記事のカテゴリを取得し、これらの字面にpeople, organization, event, countryが含まれるかを解析することで判定し、変換した。本研究では、事前に用意した現代の因果関係の文章全てに上記の変換を実施した。また、学習者が過去の因果関係の文章を入力するたびに、上記の変換を行う。全ての文章に対する変換が完了した後、文章に対して形態素解析、ストップワードの除去、特徴ベクトルの作成といった、自然言語処理と機械学習の手法を適用した。また、本研究が対象とする因果関係同士の類似度を測定する手法を適用するために、特徴ベクトルを節、特徴ベクトル間の類似度を重みとする辺、とする二部グラフを構築し、最大重みマッチングを解く手法を適用する。これを全ての現代と過去の因果関係の組み合わせに対して適用することで最も類似する現代の因果関係を検索する。これらの手法を実装し、実験した結果、本手法は従来の手法よりも精度が高いことも確認された。この研究結果は、国際会議HCII2023、および情報処理学会の全国大会で発表している。また、全国大会において学生奨励賞を受賞した。