タ・ベ−兵を構築する。・構築したデータベー家に対してテキスト マイニング手法を適用し‘、、文献情報からキーワードを抽出す るbそして、抽出したキーワードとと書誌情報のキーワードか らキーワード解析による研究動向調査についてを検討する。本 論文では、既存の文献データベースを利用するのではなく、文 献書誌情報データベー〆の構築から検討するこ些により、.より 幅広い分野への適用が可能となると思われる。 本論文では、対象データとして、カオス。、非線形文献データ ベースを取・り上げ、カオス・非線形文献データベースの構築、 キーワードによるカオス研究分野、、研究動向、の調査をおこなっ た。鞍お、タイトルに研究動向調査とあるが、本論文では、実際 の研究動:向調査までは行っておらず《.データベース構築とデー タベース解析に関する検討を行い、実際にデータベースを構築 し,、キーワード解析を行う.ところまでしか行っていない。・相関
I
信学技報 TECHNICALREPORTOFlEICE・ AI2002-57(2003-01) 社団法人電子情報通信学会 THElNSTITUTEOFELECTRONICS, INFORMATIONANDCOMMUNlCATIONENGlNEERSカオス文献情報からのデータマイニングによる研究動向調査
新美礼彦↑
↑公立はこだて未来大学システム情報科学部
〒041-8655北海道函館市亀田中野町116-2 E-mail:↑niimi@ftm・aajpあらまし本論文では、文献情報からXML+RDBシステムによる文献端情報データベースを構築し、構築したデー
タベースに対・してテキストマイニング手法を適用し、タイI、ルや砿1,タイトルからキーワードを抽出、そして、抽1出し
たキーワードとと書誌情報の.キーワードからキーワード解析による研究動向を調査する方法を提案する。提案した方 法を実際にカオス・非線形分野に適用し、論文集からデータベース構築、主に頻度に注目したキーワード解析を行い、 その結果について考察した。・解析結果から、ある餓の研究分野をうかがうことができることを確認・した。研究動向 、の解析に関しては、、解析途中である。 キ ー ワ ー ド デ ー タ マ イ ニ ン 父 文 献 識 情 報 、 キ ー ワ ー ド 解 析 、 研 究 動 向 調 査R急sea、?CMhendI肌stigatjm金、ユBibliographicDa鍋baseab耐qbLaQs
u
s
i
n
g
D
a
t
a
M
i
n
i
n
g
『
I
1
e
c
l
m
i
q
u
e
AyahikoNIIMIf
↑
S
C
h
o
o
l
o
f
S
y
S
t
e
m
s
I
画
f
o
垂
、
銃
i
⑥
、
[
S
c
i
e
n
c
e
,
匙
t
u
r
e
U
丑
i
刃
も
r
s
i
t
y
-
H
a
k
e
d
a
t
e
ll6-2Kamcdanakanoごcho,Hakodate=shi,Hokk2mido,041-8655Japan E-maik↑n五mi、f、n.ac6jp Ahβ力、鰯tWbPrQPpBedl凡methodQfiエW“i騨ingureSearchtrendj(hOqplbibliOgri麺hi但趣iibaseuSingd錐aminiX噸 teclmiqUes、!rhis.m鯵thod“nt麺ns,雫constructingabibIiQgエijPhicdatabasewithXML+RDB、Systemfix)m‘dbcuエneu』t biblio摩aphyixzfbmfmButionbapplyingtextminingteehniqUestotheeonstructeddatabasetoextr…keywo霞ds量Om papertitle・andchapter-titieシand2fnalysixlgEeseamhtrendusix]【gkeywmdgftombfbliugraphicdB‘t菰baseandextractBd keyWvordsfromtitle5moy醜fyQ唾p,:Qposedmethod,we麺成edittothe制drelatedtOdU3cs・and型Qエjj1ユe錘. 、Keywo戒is今d誠aminIn雷.bibliGgraphic肴da緯base愈eyword・an息lyBis,resear6h.t密、誼、ノ悪stigatiGn L − 1 ま じ め に ‘ 本論丈では§文献情報から研究動向を調査する手法について 検討した。 、文献精報から研究動向を調査す:る方法は、以前よ.り行われて いる。.しかし最近、論文誌や学会誌、研究会報告書などがオン ライン化され、ネットワーク上から手軽に検索などの利用が行 えるようになった。また、パソコンの性能の向上により個人で 手軽にデータ解析が行え鼠ようになった。このような流れから、 データマイニングを用いて文献書誌情報から研究動向を探るこ とができないか考えた。 そこで、文献データ:ベースの構築から調査までを含めた研究‘ 動向調査の雫法について検討する。研究動向調査の手順』として は、、次の流れを考え・る。.まずぐ・・父献情報から父献書誌情報デーー − 5 9 − 。﹄XML PeESeF ■ 申 守 ● 。 ■ ● e 。 ● 合 ▲ ① 。 ■ ■ ● ● ● ● ● ● ■ .:.:.:錨《M心::寸言=¥.i:::::2:! 悪 − 6 0 − 頭団 タセッドを参考にした。DublinCOreのメ.タデータセッドはリ ソースを記述するメタデータと-して、15:要素が提案されてい る。図(表1参照) 解析、年ごとの研究動向解析については、解析途中で.ある。 Zデータベース構築. 文献情報からのデータマイニングを行うために、データベー スを構築する。全文をデータベースに登録ずるのではなく、文 献書誌情報のみをデータベースに登録する.ことにした。 データベースは構築のしやすさと構築後の拡張性のため嵯関連 データベース侭、旬とxM胆,。(ex鯨nsibIe脚陸岬・1鳥趣ngu姥e) を組み合わせておこなった。入出力はXMLを用い、データ の保存に関需してはRDBを用いることにより、入出力に自昌由度 を持たせコンピュータ、人間とも可読.可能な情報にでき、.かつ ・SQLベースによる高速なデータ検索が可能となる。 文献デL-タベーネ.構築に関して.、自動で論文情報を検索する システムが提案されている。岡xMI)ベースの入出力を行うこ とにより:、これらほかのシステムとの連携も容易になる画 インタフヱース部分はJaV証のSCirViCtで構築する。SCrVlct を通じてXMLとRDBとのやり取りを行うシステムとなる。 システム構成の概略を図1に示す6 表1,⑧blkI・CO“・の15.巳Iemeu姑 rl揮巴国11.JDBC ’ DobIinCoreの15要素は、RDFでの記述が可能であるの で、XMT,で扱いやすいという利点がある。今回は、15門要素を _対§象文献データに合うよ沃に三部変更して用いた。 ・3.−データベース解析 ? 文献書誌情報データベースカ勤らデータ解析を行う際、データ マイニング手法が適用できる。データマイニングの代表的な分 析手法として、頻度分析、相関分析マク・ラス・タリングな・どがあ る。これにより、研究分野のキーワード抽出や研究分野の広が
りの調森を行うことができる。また“キーワード群を時系列的
に扱うことにより、研究動向の調査として捕.らえることもでき
る。さらに、キーワードの相関などかぢ、用語の整理を行うこ とができる。 タイトルや章タイドルな.どは諺自然言添Gかかれて.いるゎそ こで、タイトルや章タイトルに対して自然言語解析の手法が使 える。タイ.トルに対する形態素解析やそれを用いて:のキーワー ド抽出《頻度や品詞を元にした解析、相関の高いキーワードの 抽出などが考.えられる。 3.1キーワード抽出法 キーワードがつけられていない論文からキーワードを抽出す るとき、タイトルや章タイトルから抽出することを考える。日 本語の場合、.英語のように単語の区切りが明確でないため、、形 態素解析などを行う必要がある。本研究では、タイトル、章.タイ.トルから⑥hagenに次る日本語
構文解析により、単語を切り出した。岡文章からのキーワー
ド抽出法として、さまざまなものが提案されている6提案され ている:キーワード抽出法を大きく分けると、形態素解析を用い るもの、形態素解析を用い鞭いもの、文章の構造をもとに解析 す:るものなどがある。閏本論文では、主に形態素解析を用い るものを検討した。 &1.1形態素解析 形態素解析とは桑入力文を言語学的に意味をもつ最小単位で ・PostgFBSQL PG鱈⑨r、1.:。:。:.:‘ r-ReS(lltSet ' 一 副田目 = 1 SQL ■ BackEnd Server seMeMJava) XSL データベースへの入力する書誌情報は、D1iljIinCoreの15.elements、電子情報通信学会研究会データベー勇、国立情報学
研究所学会発表データベース、BiB亜Xなどを参考にして決定 した。入出力に合わせ、RDF(Resource・Desc野iption・Ftame‐ work)により記述した。RDFとは、.メタデータなどのリヅー ・スの相互関係を記述するため.の規格の1つである。 -2..I.DobIinCOre 文献書誌情報を検討する際、.特にDOblinCoreのメタ・デー .・DOM雨i
f
淵
DOM11さ........、露 図 1 シ ス テ ム 構 成 唖。。■│・』 ■ ー ■ 一 一 。■ 。■ 。■ ■ ー ・ ● 一 ・ 画 ● ・ ロ ● ・ ロ む ● ◆ 。 . 。 ● ∼ い む ● 一 ・ ・ F ● 可:芯:::紫::鋤瞳梱蹴8.DOM
■ = ■ ■ ● 一 ・ 画 ● ■ ■ ● ■ ロ ① 。 。 。 ■ ● ● 島 ●い = 。 − 呂 一 ■ ■ ■ ● 。 ■ 。 ● ● ● 。 ● e ● ■ ● 。 ● ① ● ● 合 ■ ● ● ■ :.、藍・:oXM[・』 ■ ● 。 ■ 。 ● ● ● 。 ● e ● ■ ● 。 ● ① ● ● 合 ■ ● ● ■ ﹂ webserver .+ServIetContainer. WebBrowser Query Title CIE芯tor Su DescriptiOn Pu・61,Jher. Contri・bmor Date rype rbr璽埜 ljdentifie雷 Source Language Relation Coverage Rights リソースの名前 リソース責任着 キーワー.膜 要約、目次 提供者. '協力、貢献者 作成日、公開日 カテゴリ、、機能、.分野 メディアタイズ量、サイズ リソースへの参照(U皿;INJBN〉 元リソースへの参照 紀 述 言 語 関連リソースへの参照 リソースの範囲電月対象、堀所 権利.T
I
|│,
I
ある形態素に分割し、各形態素の品詞を決定するとともに、活 用などの語変形化をして.いる形態素に対しては原形を割り当てることである。間例えば、「発表会を行いたい6」と-いう文で
形態素解析を行うと、 _丞表.-発表名斜サ軽接続 会 . 会 名 罫 接 尾 一 般 を を 助 昇 格 助 興 一 般 行い行う動N誹白立 た』,、たぃ助動詞. 。 。 記 号 句 点 というよう.に分析されるi,形態素解析で分割された単語を要 素単語という可要素濡普に分けることにより、頻度解析や特定 i品詞へのフィルタリングが行えるようになる。 ・8.1.2出現頻度による抽出 形態素解析で分割された各要素単語の出現頻度を調べる。出 現頻度の高い要素単語をキーワードとして抽出する。出現頻度一 の高い要素単語を柔一ワードとして抽出するため、、どんな文章 からも最適なキーワードを抽出しやすい『手法である”しかし、 助詞などのキーワードとして適切でない語を抽出する〔傾向があ るため、抽淵後のうmィ:ルタリング・が重要になる。単純な頻度醤 使わずに、、妙邸を用いることもできる:。こ』k1忽は、.以下の式で 定義される。 ス コ ア = が x i か ( 1 ) ただし、があるキーワードがその対象文章中に含まれる出現回数
i邸=log卿?‘) N・全文章数 、そのキーワードを含むファイル数 が.§が法を用いる.ことにJきり.、多数の.文章に多く含まれる. 一般的な.キーワードの重要度を下げ.特定の文章中に多く.含ま れるキーワードの重要度をあげることができる。 8.ユ.8連続名詞の抽出 情報検索の世界でば名詞概念をキーワード・として抽出する傾・向が強いb間一般的には、形態素解析を用いて名詞を抜粋し、
キーワードの抽出をおこなう。「発表会を行いたい。1という表 現を形態素解析を行った結果、F発表1,,[会」、「を」J行うj、 「だい」の.5づの要素単語に分割される。「を(助詞)」、「行う (動詞)」、「たい(助動詞)」は、:.名詞ではないのでキー慶一ド として抽出せず、この場合「発表」1,.「会」.といった名詞をキー ワードと.(/で柚H↑する。ただし「発表」、「会」といった単位で ・は、頻度は高し、が具体性が低いため.、暁表会Jというへ長い 単位で語句を抽出することにより語の具体性を上げるごとがで きる画 3.1.4N−.グラム魚 構文解析を行わない方法の1つとして、N皇グラム.法がある。 N-グラムは長い文字列から部分文字列を取り出す方法で、Nに は聾や$.などの数を-とることができる。N-グラムのアルゴリズ ムではI文字ずシづずらし輔蛍ら、連続ずるN文字を取り出し、 取り出・した文字列の共起頻度を調べ、その集合の中で共起頻度 の高い語をキーワードとして抽出するというものである。{5] あらかじめ文章に品詞付けを行う必要がなく、任意の数の文字 数を設定することができる6しか・し、品詞付けを行わないで解 析すると、単語の一部分を含んだ文字列をキーワードとして抽 出する恐れがる。これを改善するために”本論文では形態素解 -析を行い、要素単語に分けた後で、その要素単語の連続を調べ る手法も検討した。 &工.5栢関ルール 1文中に現れる文字や単語の相関から、、キーワードを抽出す ることが考えられる。呼グラムを用いたアルゴリズムと同様 に、形態素解析を行わなくてもキーワードを抽出することが可 能である。相関ルールを。I奇速に抽出する手法として、apribrI・ア・ ルゴリズムがあるも岡これも、N-グラムと同様に、単語の綴一 部分・のみを抽出する可能性を減らすため、本論文では形態素解 析を行った後の、要素単語間の相関ルールからキーワードを作 成することを考える。 3.Z研究動向調査: 文献書誌情報として入力されているキーワードやタイトルな. どから抽出したキーワー・ドを用いて、・キーワー.ドの出現頻度に 注目して解折するこど醤巻える。よく使われるキーワードばぞ の分野の中心的な.キーワードとして考えることができる。 また、1つの論文中のキーワードに対して、、相関ルールを考 えることにより、同時に使われやすい単語を抽出することも考 えられる。例え・ぱ、カオ墨というキーワ』--ドとニーーラルネッ トワークと・いうキーワードが同時に使われる-ことが多ければ、 この2つのキーワード間に不快つながりがあると考えることが・ できる。 さらに、抽出:したキーワードを用いて、研究動1句を調査する ことを考える。まず:年ごとの頻度分析の諾某から、研究会と しての研究動向を調査する参考にオ唇ると考えられる。-ま?た、特 定のキーワードについて、、年ごとの頻度分折をおこなうことに より、そのキーワー・ドに関係する研究分野の研究動向を調査す る参考になると考えられる。 また、キーワードをク・ラ:スターリ・ンクらすることにより.、研究分 野の広がりを検討することが可;能となるも年ごとのクラス.タリ ング結果から研究動向の広がりを把握することが可能であると −考えられる。 これらの解析をシス.テ空に組み込むことにより、現在までの 研究動尚の把握や、.新しい研究分野の開拓が容易にできるので はないかと考えている。研究を進めるため〃道具として、この ような研究動向の解析ツールは非常に有用であると考えられる。4.カオス文献情報データベース
解析対象のデータベースとして、.カオス文献データベース・ を構築した。文献書誌情報データベースとして、、〕Bをベー スとし、入出力をXMLベースにした。入力する文献書誌情報 はDublinCoreを参考に決定した。データベースの入出力は Servletを用いて実装したもデータとして、電子情報通信学会 非線形研究会(信学技法)の1959から狐lまでを用いた。電 子情報通信学会ではすでに、-楽献データベースがインターネッ 61−’
連続名詞の頻度解析による結果を表5に示すもほぼ、.頻度解一 析による結果と同じような結果になっている。 r l 卜 ﹄ 1 1 ︲ ︲ 1州1︲4例 噺 −62 キーワードを合わせて、9439のキーワードを対象に解析を行っ た。解析には、日本語キーワード、英語キーワード、日本語タ イトルからのキーワーK英語タイトルからのキーワードミ章 タイトルからのキーワードのそれぞれの組合わせをつくりおこ なった。 頻度解析では、上位にカオス、ニューラルネットワーク、分 岐、回路モデルなどのカオズ・非線形の研究分野を表している キーワードが柚出された。.(頻度解析による日本語キーワード の解析結果の一部を表4に示すb) ・ト上で公開されているが、今回の解析に使うには、必要な項目 が少.ないこと、登録されている論文数が少謝ないことなどから、 独自に構築した。 古い論文でアブストラクト−キーワードがついていないもの が多数あったためやアブストラクトの代わりに各章のタイトル を入力することにした。解析では、タイトル、章タイトルから キーワードを抽出し、書誌情報のキーワードと合わせて解析を 行った。データベースに察録する際、「はじめに」、「結論]・漆 どのあきらかにキーワードにならない章タイトルは入刀してい ない。データ入力の際、・いくつかの論文でキーワードも章タイ トルもないものがあった。これに関しては、図・表見出しを章 タイ.ドルの代わりに入力した。 データベー謹言スのサイズについては表宇2K登録した項目につい ては表3参照。 表 ・ 3 入 力 し た 文 献 審 議 情 報 表4頻度解析による結果(上位20) 、5..解析結果と考察 表 2 − 非 線 形 研 究 会 デ ー タ ベ ー ス タイトル、章タイトルからもhase打による日本語樵文解析に .よ・り、単語を切・り出した。抽出したギーワー.ドと書誌情報の ー デL一夕マイニングをを利用して、論文を整理する方法として、 (i'fオイ.ンフォマテ郡・クス分野をはじめでとじで、様々な分野 で行われている。岡しかし、.カオス・非線形分野では分野の 広がりがあり、.、電気V数学、・物理、神経系、画像、信号処理な どの複数の分野にまたがっ詞Cいるので、解析しにくいと煮えら れる。木論文では、幅広い発表が行われてい弱ド線形研究会を 取り.上げた。この研究会では、上記の分野を全て含み、理論中 心や、応用中心、メカニズム、見方、利用、式、理論中心、シ ミュレーション中心、実世ゥ界指向など様々な切口で捕らえるこ とができる。 函bject 表5連続名詞頻度解析による結果(上位20)
Nとグラムに関して、単語をベースに1−gram,2gram・恐摩am・
まで解析した。ここでは、3−gramとは連続する3.語の組合わ せの解析である。・抽出キーワードの上位には、カオス、ニュー ラルネットワークな.ど頻度分析の結果に含まれているもののほかに、方程式、,モデルなどが抽出された”紗gramまでの解析
による日本語キーワードの解析結果の一部を表6に示魂.)
章タイ.トルから袖淵したキーワー厚ドを朔I(た頻度解析の結果
、を表.7に示すも.章タイトルにつけやすい単語が抽出されている が、キーワードとして使える・・も.のが埋もれてしま.っているも論 文のスタイルのような.ものはうかがえるが、研究分野に直結し たようなキーワーー・ドを抽出するためには、フィルタリングを工 夫する必要がある。抽出キーワードを剛含んだ頻度解析による結果を表8に示すb
日本謡英語をまとめて解析しているので、日本語の用語を英 語に言い換えたもの溌比較的、近いスコアで抽出されている。研 究分野を調べる際には、日英の言い換えなどをフィルタリング げ.idf ’453.91 326.18 309.33 .174.75 146.50 F唯3;39. 140.88 135.78 .127.94 、ユ26.2月。 keyword カ オ ス ニューラルネットワーク 分岐 方 穆 式 発 援 器 創御 造 ス テ リ シ ス 分岐現象 同期. 絃合発握器 が、fq1f 、126.29 116.36 .108.60 l02j77 99.80 .9戯80. .96.79 95.82 ,94.75 .R4.T5. 、keyword フ ラ ク タ ル 非線形回路 回路. 同期現象 連麺更憧 非線形. :カオス制御 モ デ ル ニューラルネット ダイナミクス 錘子情報通信学会非線形研究会・(信学技法) 賭文数 キーワード(日本語) キーワード(英詞 章タイトル 切り田しキーワード 1959年から・2001年 2315 5881 5953 14395 ・9439 が.j〃 4』8.26. 301も57 263.04 140.88 127.94. 126ぴ29. 116.36 105.70 102.77 99.80 kcyword カオス ニ:今一ラル、ネッ・トワューク 分岐 ヒステリシス 分岐現象 結合発授器 非線形回路 同瓢 絢期現歎 連忽記遮 が.i〃 ‘96.79 −87549 .81.06 81.06 ,78.80 .74.42 .7L01 T1&OL。 71.01 '67:54 kcyword カオス制御 ・セルアーーーラルネッ・トワーク 穂度保証付き数値計算. 区間解折 対 称 性 カオスの制御. ・非線形 ・巡Iヨゼールスマシ問題 、学習 飼 御 項 目 タイトル(日・英) キーワード(F1・英) 章 タ イ ド ル 著者糸(H・・英) 所属(日・英) 文識番号 鍔雑浸塞 雑塗番号(Vbl,:N℃) ペ ー ジ 数 研究会名 学会名 発表日 発 表 宮 電 蕊 分類(Proceedmgs) 対応するDobiinCorcEICmcnt titIe dbgcriptibn C毎eatOr cre里tor gdentifier S0arCe 、ROurEe gOuf℃e contributor p弧blisher,rights .date language typeI35打8
│I
127.94W
零
してまとめる必要がある。 全体的に、書誌情報からの解析のほうが、キーワー.ド抽出 処理を含んでい鞍いぶん、きれい鞍キーワードが抽出された。 キーワード抽出法や、その後のフィルタリングなどを検討する 必要がある。特に診ほかのキーワードの一部として含まれてい るキーワードが多数出力されたので、これの扱いをどうするか 検討する必要もある。 抽出したキーワードに関して、ほとんど同じ意味の用語(re‐ tu,mmap,retumplotetc.)や、、分避による用語の違1,、など単 純に頻度によるフィルタリングで処理できないものがあること が確認できた。..解析には、その分野の専門家との連携が不可欠 であるといえる。 また、データベース中でタイトルなどに数式が多く使われて いた。カオス‘非線形分野では数式はキーワードとして重要で あると考えられるので、今回の解析では、数式は唖神《表記を 用いてデータベースに登録し、1単語として扱った。似たよう な数式があったことから、数式の取り扱いについても検討する: 必要がある。.なお、相関解析、年ごとの研究動向解析について ・・は、解析途中である。 6 . お わ り に 本論文では鑓文献情報から研究動向を調査する手法について 検討し、検討した手法をカオス・非線形関係分野の文献書誌情報 データベースに適用した。文献から為文献書誌情報データベー スを構築した。つぎに、構築したデータベースのタイ.トル、章 タイトルからキーワードを抽出した。抽出したキーワニードと書 誌情報の・キーワーードから主に頻度分析を用いてキーワードベー‐ スの解析を行t‘,、それに対する考察を行弓った。、研究動向の解析一 に関しては謎解析途中である。 解析結果か;ら、.ある程度の研究分野をうかがうことができる .ことが確認できた。また、解析腫は用語の統一カミ重要であると い・うことが確認できた。 現在、.データベースのクリーニングを漏っており、、それと並 :行.して、多のデータマイニング手法の適用を検討・している。ク リーニングに関.しては、用語の統一、キーワードとして不適 切な用語の削除などで.ある。キーワード・レベルではなく、キー ワード群や、研究分野、研究動向に関して、考察できるように 実験を進めている。 文 献 [1]高田伸彦,田村武志,大沢一彦:XMLによるWeb上の論文検 索システムの構築,電子情報通信学会論文誌D-1,V。'・J84D-I, No.6,"”“0弓6碗_2001. [21氷田昌明、平博順:テキスト分類一学習理論の「見本市L,情 報処理1Vb1.42No.1.,pp、32-宗37,”01. (3]松本裕治、北内啓、山下達雄、平野善隆、松田寛、浅原正 拳t1本語形態素解析シジャテムー『莱峯』verSIon2-O使用説明書 第二版,鱒99. .間市村由美、長谷川隆明、渡部覚、佐藤光弘:テキストマイニン グー事例紹介,人工知能学会誌Vb1.16No.2,pp、19か206,2001. 同那須川哲哉、河野浩之、有村博樹:テキストマイニング基盤技 術,人工知能業会誌wLJ6クNQ2,ppJ2I剛一馬2期,型(肌. 岡RukeshAgr…21,趣makfjsh“nSEikfA“:rh公s&.A1遇o盛“唾. “fbrMiningAssoEiationF狼ules,the20th・International・COn− 姥renceOnVeryIj麺geDatabases,Santiago,Chile,SePtemP il26o29 表6Nもグラム解析による結果(上位20) 4愚3.91 易26.181 309.33 174−75 146△50 '1.43.39 T40.88 − 6 3 − ,表:3抽出キーワーボを含ん;だ頻度解析による結果(上位・20) 表7章タイ・トルからの頻度解析による結果(上位別) 表7章タイ・トルからの頻度解析による結果(上位別) 表RNもグラム解析による結果(上位20) 453.91 326.18 309.33 174.75 146‘50 ‘・143.39 140.88 ・135汀8 .127.94 1,:126‘29’
".を″ keyword.‘ ff.f〃 ke都wlord. カ オ ス ニューラルネットワーク 分岐 癖︾ 制 御 一 ・ ヒステリシス 分岐現象 同 期 . 結合発援器 ・126.29 121.91 116.36 108.60 102.7i7 .99;80 99.80 96.79 95.82 9企、75. │フラクタル Iカオスの. 非線形回路 .,回路 同期現象 侭連想記億 .非線形. カオス制御 ,、モデル ニ ュ ー ラ ルネット tが“ 313..4d・ 305;98 298.14. 23i8.76 231.66 r86,26. 182.38 179.68 165:71 137.49 keyWord シミュレーション結果 シミュレ合一ションリ 解析緒果。 実験結果 鑑癌 郡 ︾埼醒 モ 路 回 、モデル 申 数値実欣 が.f、(f 5099113982773120 aα肌aaa挫挫汀汀 霊迩極nmm四︲肥”“ keyword 基 礎 方 程 式 I アルゴ・リズム 基本方程式. 実験方法 問題の記述 解析 応 用 例 circuit・modeI・ ポアンカレ写像 実験 城オが 112168794工6132810659 F。●4●■00句do 睡詔ね師諏塑蕊鯛竪調 5.53333.3222 睦ywUrd Chaos カオス ニェ零重殿ネット〆=ク 断和『Ca輔⑨禰 分 岐 . シミュレーション シミ需晶ユレニーショ.ン結果 鰯if結果・巡予 neu歪aInetw⑥rk 実験結果 雌オガ 235−33 191.78 188.11 .187ざ08 184.19 183.3軍 183.18 178.58 174.39 16Z、35 kxgywUnl 回路モデル eynchronization 分岐規鐘 数彼例 neuraInetwOrks 回路方程式 解析方法 モ デ ル ・ hysteregi8 ヒステリシスber、1994:32Pages,1994. I71DoublinCoreMetadatalnitiative(DCMI), http:i//doU風incox:e,o腫g/ [8J辻井潤一:ケノム情報掌と言語処理,情報処理.yo1.43.No.1,