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

(1)

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

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 − ５９ − 。﹄

(2)

ＸＭＬＰｅＥＳｅＦ ■ 申守 ● ｡ ■ ● ｅ｡ ● 合 ▲ ① ｡ ■ ■ ● ● ● ● ● ● ■ ．:．:．:錨《M心::寸言＝￥．i:::::2:！悪 − ６０ − 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･bｍｏｒＤate 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．

(3)

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ｘｉ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−

’

(4)

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。ｒｌ卜﹄１１︲︲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 ､１２６．２９１１６．３６．１０８．６０ 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 −８７５４９．８１．０６８１．０６，７８．８０．７４．４２．７Ｌ０１Ｔ１＆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ｅａｔＯｒｃｒｅ里tｏｒ gdentifier Ｓ０ａｒＣｅ､ＲＯｕｒＥｅｇＯｕｆ℃e contributor p弧blisher，rights .ｄａｔｅ language tｙｐｅ

(5)

Ｉ３５打８

￨Ｉ

1２７．９４

W

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2６．１８１ 3０９．３３ 1７４−７５１４６△５０ '1．４３．３９ T４０．８８ − ６３ − ,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･１２６．２９１２１．９１１１６．３６１０８．６０ 102.7i７．９９;8０９９．８０９６．７９９５．８２９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 r8６，２６．１８２．３８１７９．６８１６５:7１１３７．４９ 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､(ｆ５０９９１１３９８２７７３１２０ａα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６１３２８１０６５９Ｆ。●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２３５−３３１９１．７８１８８．１１．１８７ざ０８１８４．１９ 183.3軍１８３．１８１７８．５８１７４．３９１６Ｚ､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

(6)

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，