協調フィルタリングを用いたソフトウェア技術者向け開発技術推薦の試み

1.  開発 ，技術者 高 非常 重要 ．例 ，経済産業省 組 込 産業 事業責任者 対象 行 調 査（1） ，設計品質 向上，開発期間 短縮，生産 性 向上 ，技術者 向上 最 有効 回答 最多 ． ，日本情報 ・ 協会 行 調査（2） ，IT 要 員数 足 能力 不足 回答 企業 割合 22%，要員数 能力 不足 回答 企業 割合 57% ． ， 向上 重要 課題 関 ，十分 解決 現状 ． 技術者 向上 ， 自発的学習 大 役割 果 ． 基礎研究所 調査（3） ， 専門 獲得方法 ， 自発的学習 挙 労働者 割合 ， 企業 規模 異

協調フィルタリングを用いたソフトウェア技術者

向け開発技術推薦の試み

角田 雅照

，秋永 知宏

，引地 一将

，大杉 直樹

，

柿元  健

，門田 暁人

，松本 健一

A Development Technique Recommendation Method for Software

Engineers Using Collaborative Filtering

Masateru T

*, Tomohiro A

*

, Kazumasa H

*

, Naoki O

**,

Takeshi K

***, Akito M

*, Ken-ichi M

*

It is important for software engineers to improve their skills by self-learning existing software devel-opment techniques. However, it is not easy for engineers to find out which techniques should be learned because there are so many existing techniques and also new techniques are emerging continuously. To support software engineers’ self-learning, we propose a development technique recommendation method using collaborative filtering (CF). In our method, a user (engineer) gives ratings to development tech-niques based on his/her interest or benefit, then development techtech-niques are recommended based on similarity measure of CF. The similarity is computed based on co-occurrence of terms of development techniques on web pages. We conducted an experiment to evaluate the recommendation accuracy of the proposed method. As a result, the average NDPM was 0.41 for recommending development techniques that are unfamiliar to software engineers.

：学習支援，協調 ， ，共起関係

* 奈良先端科学技術大学院大学情報科学研究科（Graduate School of Information Science, Nara Institute of Science and Technology） ** 株式会社 NTT （NTT DATA Corporation）

*** 香川高等専門学校電気情報工学科（Department of Electrical and Computer Engineering, Kagawa National College of Technology） 注 1）現在，日立 株式会社（Presently with Hitachi Software Engineering Co., Ltd.）

注 2）現在，株式会社日立製作所（Presently with Hitachi, Ltd.）

49% 63% ，OJT（On the Job Training） 次 2 番目 ．大企業（従業員 301 人以上 企業） 場合，勤務先 実施 研修 専門 獲得 労働者 割合 36% ，研修 比 較的大 役割 果 （4）_{，中小企業 場} 合，同割合 1121% ，自発的学習 重要性 大 ． ，近年 （OSS） 開発 盛 ，OSS 開発 技 術者（学生 研究者 場合 ） 多 ，業務 無関係 開発 行 ，自発的学習 頼 得 ． ， 開発 関 技術 ，技術者 自 学習 容易 ．技術者 ，情報処理技術者試験 扱 ， 程度普遍的 技術 学習 加 ，最新 開発技術 学習 必要 ．前者 技術 体系的 整理 ，技術者 程度容 易 学習 技術 特定 ．後者 技術 ，最新 技術 多数提案 続 ， 中 学習 技術 特定 容易 ． 本論文 ， 技術者 学習支援 目的 ，学習 技術 推薦 方式 提案 ．有用 推薦 技術者 大 異 ．例 ，Web 開発 技術 学習

技術者 対 ，JSP（Java Server Pages）関連

技術 推薦 有用 考 ， ERP 関連 技術 推薦 ．提案方式 ，協調 （5）（7） 考 方 基 ，現在学習 （興味 持 ）開発技術 関連 強 技術 推薦 有用 考 ，推薦 行 ．協調 ，主 書籍 音楽 推薦 用 技術 ． 提案方式 ，開発技術 関連 強 求 ， 上 情報 利用 ． 開発技術 多 ， Web 紹介，解説 ． ，関連 強 技術同 士 ，同 Web 上 記述 可能性 高 考 ．筆者 調 範囲 ，Web 開発技術 解説記事 ，組 合 使 技術， 類似 技術 対比 記述 多 ．例 ，典型的 解説 （8） _， CGI（MySQL） 組 合 用 Ruby 紹介 ，Ruby 対比 Perl，Java，C 記述 （調査 行 ，一般 技術 関 解説 （例 統計学 ） ，同様 傾向 見 考 ）． 上 多数 Web 共起関係 基 単語間 関連 強 求 （9） _{適用 ，開発技術間 関連 求} ．従来 協調 ， 推薦時 多数 （開発技 術） 評価 行 必要 ，提案 方式 場合， 数 多寡，他 評価 有 無 関 ，推薦 可能 ． 以降，2 章 協調 述 ，3 章 提案 推薦方式 説明 ．4 章 評価実験 説明 ，5 章 関連研究 述 ．最後 6 章 結論 今後 課題 述 ． 2. 協調 協調 ， 好 ， 役立 考 （書籍， 音 楽 ） 推薦 手法 用 （5）（7） ．「協調」 ， 知識 利用 意味 ，「 」 ，大量 中 ，役立 選 出 推薦 意味 ．一般的 協調 推 薦 行 場合，各 各 （5 段階 数 値 ）評価 前提 （ ， 閲覧 評価 代 用 ）． 未評価 ， 役立 考 場合， 推薦 ． 協調 主 ， 手法 手法 二 ． 手法 ，「 評価（好 ） 似 ， 対 似 評価 行 」 仮定 ，推薦 行 ．具体的 ，各

各 対 評価 要素 ， 作成 ， 角 類似度 ． 推薦対象 未評価 ， 類似 評価 高 推薦 ． 手法 用 推薦 ，Resnick （6） GroupLens 挙 ． GroupLens ，Usenet 多数 記事 ， 好 合 予測 記事 選 出 推薦 ． 手法 Sarwar（7） _提案 ， 間 類似度 基 推薦 行 ． 手法 場合 ，各 各 対 評価 要素 作成 ， 作成 ， 作成 ，類似度 計算 ． ，「 高評価 ，類似 性質 持 」 仮定 ，推薦 対象 高 評価 行 類似 度 高 推薦 ．本論文 ，利用者以 外 登録，評価 不要 ， 手法 Web 単語 共起関係 基 類似度計算法 組 合 方式 提案 ．詳細 次章 述 ． 3. 提案方式 3.1 推薦 提案方式 ，協調 手法 基 推薦 行 ． ，他 評 価 利用 代 ，Web 単語 共起関係 基 関連 強 求 （9） 適用 ，開発技術（ 指 単語） Web 共起関係 基 類似度 計算 ． ，「1 Web 内 同時 紹介，解説 多 開発技術同士 関連 強 」 仮定 ，推 薦対象 高 評価 行 開発技術 類 似度 高 （Web 共起関係 類似 ）開発技術 推薦 ． ，推薦対象 以外 評価 推薦 可能 ． 提案方式 類似度計算 ， 表 1  形式 想定 ． ∈ { 1, 2, . . . , } 番目 Web 表 ， ∈ {1, 2, . . . , } 番目 開発技術（ 単語） 表 ． ， ∈ {11, 12, . . . , } Web 開発技 術 含 表 ，含 場 合 1，含 場合 0 ． ，膨大 数 Web ， 多数存在 推薦候補 単語 含 調 膨大 時間 要 ． 提案方式 ，検索 検索 行 場合 数 用 類似度計算法 適用 （9），表 1 使 場合 同等 計算結果 得 推薦 行 ． 場合 類似度 ，検索 得 数 ， 何 類似度計算法（Jaccard 係数 Overlap 係数 ） 当 求 （9）_{，本論文 協} 調 一般的 類似度（10） 当 計算 行 ． 表 1 使 類似度 計算 場合， 開発技術 類似度 ( , ) 以下 式 計算 ． sim(t_b, t_j) = rfb rfj f = 1 m r_fb2 f = 1 m r_fj2 f = 1 m （1） ，Web 開発技術 含 場合， 1 ，2 _{1 ． 含} 場合，2 _{0 ． ，} rfb2 f = 1 m 検 索 検索 場合 数 等 ． ，  含 場合 1 表 1 提案方式 想定 1 2 · · · · 1 11 12 · · · 1 · · · 1 2 21 22 · · · 2 · · · 2 · · · · 1 2 · · · · · · · · 1 2 · · · ·

． ， rfb rfj f = 1 m 検索 検索 場合 数 等 ． 以下 式 ，式（1） 使 場合 同等 類似度 得 ． sim(tb,tj) = hbj hbj hj （2） ， 開発技術 ， 検索 検索 場合 数， 検索 検索 場合 数 表 ． 類似度 ( , ) 基 ， 未評価 開発 技術 対 予測評価値 以下 式（類似度 重 加重平均） 求 ． êb= ej sim(tb, tj) j k nearestTechs sim(tb, tj) j k nearestTechs （3） ， 開発技術 対 評価値 表 ． ， ， 評価 行 ， 類似度 高 個 開発技術 集 合 表 ． 決 必 要 ．式 (3) 計算結果 基 ，予測評価値 高 順 開発技術 推薦 ． 3.2 開発技術推薦 概要 提案方式 基 概要 図 1 示 ． ，最初 （技術者） 任意 開 発技術 対 （興味 基 ）評価 行 ． 評価 基 ， 適 （ 評価 高 開発技術 類似 ）開発技術 推薦 ．推薦候補 開発技術 ， 技術用語辞典（11）（12） _{抽出 ．開発技術 類似} 度 ，開発技術 紹介，解説 Web ，開発技術 共起関係 Google（13） 検 索 検索結果 基 計算 ．推薦 手 順 以下 示 ． 手順 1  任意 開発技術 対 4 段階 評 価 行 ， 入力 ．得 情 報 技術者 開発 技術 記録 ． 手順 2  ，推薦候補 開発技術 技術用語辞典 抽出 ， 開発技術 追加 ． 手順 3  ，開発技術 ，二 開発技術（ 評価済 技術 未評価 技術） 選択 ， 検索 検索 ．得 数 Web 記録 ． 手順 4  ，開発技術 Web 用 ，開発技術間 類似度 計算 ． 手順 5  ，各 用 ， 興味 持 技術 類似 ， 知 （未評価 ）開発技術 ，興味 高 推定 順番 形 式 表示 ． 対象 技術用語辞典 ，情報処理 技術者試験 部分 ，情報処 理技術者試験 含 （新 ）技術用語 多 登録 ， 利用 対象 考 ．例 e-words（12） _， （情報処理技術者試験 含 技術用語） 登録 ，Ruby on Rails PostgreSQL （情報処理技術者試験 含 技術用語） 技術用語 数多 登録 ． 図 2 各 示 ． 評価 開発技術（技術者 開発技術） ， 技術用語辞典（ 推薦候補 開発技術） 含 ． ，実際 推薦 開発技術 ， 技術用語辞典 含 図 1  技術者向 開発技術推薦 概要

． ， 技術用語辞典以外 ， 開発技術 関 単語 抽出 ， 推薦候補 ． ，人手 開 発技術 関 単語 入力 ， 推薦候補 可能 ．提案方式 ，推薦候補 開発技術 単語 ，単語間 関連 入力 必要 ． ，開発技術 含 技 術全 評価 ，一 以上 開発技術 評価 推薦可能 ．例 ， 「CGI」 評価 ，開発技術 評価 「Python」， 「Perl」，「Ruby」 ． 場合，「CGI」 開発技術 Web 上 共起関係 ， 「CGI」 対 評価 基 ，各技術 推薦 行 ． 各手順 詳説 ．手順 1 ， 図 3 画面 ，任意 （知 ）開 発技術 1020 個程度 名称 入力 ，4 段階 評価 行 ， 入力 ． 手順 2 ， 技術用語 技術用語 辞典 索引 取得 ．取得方法 用 辞 典 異 ，本論文 用 辞典 場合，用語 「 」「 」「 」 頭文字 別々 掲載 ， （e-words 場合， ， ， URL 「http://e-words.jp/p/*」 ） 保存 ．次 ，保存 ，定

型句（e-words 場合，「<a href ../w/Python.html > Python</a>」 ） ，技術用語 特定 ． 手順 3 ， ， 検索 （開発技術 開発技術） 検索 URL（Google 場 合，http://www.google.co.jp/ search?hlja&qCGI+Perl ） 生成 ．次 ， 生成 URL ，検索結果 Web （最初 ） 保存 ．最 後 ，保存 ，定型句（Google 場

合，「<title> CGI Python - Google 検索」 「<div id resultStats> 約 789,000 件」 ） ，検索 数 特定 ． 手順 4 前節 詳説 省略 ．手順 5 ， 図 4 画面 推薦結果 出力 ． 推薦技術 ，用語辞典 解説 ，関連 強 技術（ 評価 ），共起関係 見 Web 出力 ． 出力 理由 ，用語辞典 解説 ，関連 強 開発技術 推薦技術 組 合 使 記述 場合 ． ［詳細］ ，用語辞典 解説 表示 ，［検 図 2 各 図 3 入力画面 図 4 出力画面

索結果一覧］ ，検索 共起関係抽出時 結果一覧 表示 ． 4. 評価実験 4.1 概要 提案方式 有効性 確 ， 開発技術 推薦精度 実験 確 ． 実験 ， 技術者 個別性 考慮 ， 知名度 高 開発技術 推 薦（単純推薦） 精度 ，開発技術 推薦 精度 ，提案方式 推薦 精度 比較 ．単 純推薦 ，「多 Web 掲載 開発技術 ，知名度 高 」 仮定 ，検索 （Google（13）_{） 利用 開発技術 検索 ，} 数 大 順 推薦 行 ． 4.2 利用 開発技術者 29 人，情報科学専攻 大 学院生 25 人， 工学 研究者 11 人 計 65 人 開発技術 評価 行 対 ，推薦 行 ．評価 ， 各開発技術 知 （開発技術 概要 説明 ） 回答 ．知 場合， 開発 技術 対 興味 度合 4 段階（1：興味 ， 2：少 興味 ，3：興味 ，4：大変興味 ） 評価 ． 推薦候補 開発技術 図 5 示 ． 提案方式 基 推薦候補 開発技術 用語辞典 収集 ， 実験 比較的知名 度 高 ， 多様 開発技術 著者 選定 ． ， 実験 用 評価指標（4.3 節 後述 NDPM） 実際 評価値 予測 評価値 比較 ，知名度 低 開発技術 ，実際 評価値 欠損値 ，推薦精度 評価 ． 図 5 開発技術 対 技術者 評価 知名度 示 ．縦軸 開発技術 項目 示 ，横軸 開発技術 知 技術者 割合 示 ． ，評価 3（興味 ） 閾値 ，技術者 色 分 ． 見 ，UML 全員 知 ， 技術者 多 「興味 」 評価 開発技術 ，Pascal 技術者 知 ， 多 「興 味 」 評価 開発技術 ． ，全 社的品質管理 ， 知 技術者 多 ， 知 技術者 半分以上 「興味 」 評価 開発技術， ，Visual Component Library ，多 技術者 知 ，知 技術者 ，「興味 」 評価 開発技 術 ． ，開発技術 ，技術者 評価 知名度 大 異 分 ． 4.3 評価指標 推薦精度 評価 基準 ，Yao 提案

NDPM（Normalized Distance-based Performance Measure）（14） 用 ．NDPM 求 理想 推薦 ， 行 推薦  差異 表 値 ，推薦 精 度評価 広 用 （15）（17）．推薦 評価実験 ， 対 評価値 既知 用 ，評価値 未知 仮定 推薦 行 ．理想 推薦 ， 評価値 実測値 大 順 推薦 状態 指 ． 対 ， 推薦 ， 評価値 予測値 大 順 推薦 ． NDPM ［0,1］ 範囲 実数値 取 ，値 小  差異 小 ， ， 推薦 精度 高 示 ． ， 中間値 0.5 推薦 作成 場合（ 推薦） NDPM 理論値 ． 推薦 NDPM ， 未知 有用 考 機能 候補 全 推薦 場合 NDPM 理論的 等価 ，推薦 最低限備 精度 （NDPM 0 近 推薦精度 高 ，0.5 近 推薦精度 低 ）．NDPM 式（4） 計算 ． NDPM(O_a,O_a) = dpm(oak, oal, oak, oal) ol Oa Oa Ok Oa Oa dpmNormalizer(o_ak, o_al) ol Oa Oa Ok Oa Oa （4） ， 理想 推薦 開発技術 推薦順位 表 ，  行 推

薦  開発技術 推薦順位 表 ．理想 推薦 ，技術者 評価値 大 順 推薦 行 場 合 表 ．関数 関数 定義 式（5），（6） 示 ． dpm(rak,ral,rik,ril) = 0 (rak ral) (rik ril) (r_ak= ral) (rik= ril) (r_ak= ral) (rik= ril) 1 (rak= ral) (rik ril) (rak ral) (rik= ril) 2 (rak ral) (rik ril) (rak ral) (rik= ril) （5） dpmNormalizer(r_ak,r_al) = 1 (rak= ral) 2 (rak ral) （6） ，知名度 高 開発技術 ， 技術者 知 多 ，実際 推薦対象 少 ，実験 知名度 高 開発技術 知 推薦 行 ． ，実験 正確 性 高 ，全開発技術，知名度 高 （実際 推薦 不要 ）開発技術，知名度 低 （実際 推 薦 必要 ）開発技術 三 場合 推薦精度 評価 ．開発技術 二等分 ，知名度 74% 以上 場合 知名度 高 開発技術， 以外 知名 度 低 開発技術 ． 4.4 手順 実験 ， 開発技術 未評価 仮 定 ，以下 手順 推薦 行 ． 手順 1 人目 技術者 推薦対象 ． 手順 2 番目 開発技術 値 未評価（開発技術 知 ） ，評価値 予測 行 ． 手順 3 全 開発技術 対 手順 2 繰 返 ． 手順 4 評価値 予測値 大 順 開発技術 推薦 ，NDPM 計算 ． 手順 5 全 技術者 対 手順 14 繰 返 ． ，技術者 知 開発技術 ，技術者 評価 不明 （実際 有用 ） ，NDPM 評価対象外 ． ，協調 精度 評価 一般的 方式 （6）（7）（10）_（推薦後 不要 ， 多 実験 可能 ）． 4.5 結果 図 6 ， 知名度 低 開発技術 各手法 推 薦 場合 NDPM 箱 図 示 （NDPM 小 精度 高 ）．提案方式 推薦精度 最 高 ， 単純推薦 精度 最 低 ． ， Wilcoxon 順位和検定 代表値 差 検定 行 結果， 有意水準 5 % ， 提案方式 NDPM 単純 推薦， 推薦 差 （ 0.0%）． 図 5 見 ，知名度 低 開発技 術 ，興味 持 技術者 割合 全体 50% 超 開発技術 存在 ．興味 持 技術者 絶対 数 少 ，単純推薦 精度 低 考 ．逆 提案方式 ，「 技術者 興味 図 5 開発技術 対 技術者 評価 知名度

持 開発技術 関連 強 開発技術 ，同様 技術者 興味 持 」，「同 Web 紹介， 解説 開発技術 関連 強 」 仮定 ， 程度現実 合致 ，推薦精度 高 考 ．提案方式 ，知名度 低 （実際 推 薦 必要 場合 多 ）開発技術 推薦 対 特 有用 期待 ． 図 7 ，知名度 高 開発技術 各手法 推薦 場合 NDPM 箱 図 示 ．提案方式 推 薦精度 最 高 ，次 単純推薦 精度 高 ． ，Wilcoxon 順位和検定 差 検定 行 結果，有意水準 5% 提案方式 NDPM 推 薦 差 （ 0.3%），単純推薦 差 （ 9.4%）．図 5 ，知名 度 高 （実際 推薦 不要 場合 多 ）開発技 術 ，興味 持 技術者 割合 全体 50% 超 開発技術 存在 ，興味 持 技術者 絶対数 多 ，単純推薦 提案方式 精度 差 小 考 ． 最後 図 8 ， 全 開発技術 各手法 推 薦 場合 NDPM 箱 図 示 ．提案方式 推薦精度 最 高 ，単純推薦 推薦 差 ．Wilcoxon 順位和検定 代表値 差 検定 行 結果，有意水準 5% ，提案方式 NDPM 単純推薦， 推薦 差 （ 0.3%， 0.0%）． 4.6 考察 提案方式 ，2 前提「関連 強 技術同士 同 Web 上 記述 可能性 高 」， 「 技術者 興味 持 開発技術 関連 強 開発 技術 ，同様 技術者 興味 持 」 基 推薦 行 ．前者 ，実験 類似度 高 開発技術 ，用 語辞典 関連用語 現 ， 程度 妥当 考 ．例 e-words ，

「Python」 最 関連 高 「Perl」 ，「Python」

関連用語 含 ． ， 技術者 興味 持 開発技術 関連 強 開発技術 推薦 （上記 考察 ，提案方式 ， 技術者 興味 持 開発技術 関連 強 技 術 推薦 ）結果， 推薦 推薦精度 高 ，後者 ， 程度妥当 考 ． 図 6 知名度 低 開発技術 推薦 場合 NDPM 図 7 知名度 高 開発技術 推薦 場合 NDPM 図 8 全 開発技術 推薦 場合 NDPM

推薦 高精度 理由 ，一部 開発技術 件数 ，開発技術以外 一般 単語 件 数 含 考 ．例 ，Ruby 場合，宝石 Ruby． 場合， 用語 件数 含 ． 除外 ， 推薦精度 高 今後 課 題 ． 推薦 ， 技術用語辞典 分野分 類 関連用語 用 類似度 計算 可能 ，今後比較 考 ，十分 精度 期待 ． ，分野分類 細分 化 ，分類内 単語 関連 強 ．例 ，e-words ，「 （分 類「WWW」 下層）」 分類 中 ，用語 60 個以上含 ． ，関連用語 ，（推 薦 利用 考慮 ）十分整理 ．例 ，CGI Ruby 用 ，提案方式 CGI Ruby 最 類似度 高 対 ，CGI，Ruby 用語解説 ，関連用語 提示 ． ，技術者 開発技術 自習 ， 技術用語辞典 利用 想定 場合， 上記 理由 ， 学習 技術 容易 見 （学習 十分 体系化 ） ． 5. 関連研究 学習支援 ，最適 協調 推薦 提案 ．例 岩下 （18） ，学習者 英語 教 材 推薦 提案 ．提案 ，学習者 教材 対 評価 基 ， 手法 推薦 行 ． ，高 橋 （19） _{e- 閲覧履歴} ， 手法 推薦 行 ． 研究 手法 推薦 ，推薦時 多数 評価 必要 ． ， 法 基 推薦 行 ，多数存在 開発 技術 利用者 評価 必要 ， 実現 容易 ． 本論文 ，Web 開発技術 単語 共起関係 基 類似度計算 ， 手法 組 合 ， 推薦対象 以外 評価 不要 方式 提案 ， 点 従来研究 異 ． Web 単語 共起関係 着目 ，検索 件数 類似度 計算 ，推薦 以外 分野（例 企業間 関 係 抽出 （20）） 適用 ，推薦 類似度計算 適用 事例 ，筆者 知 限 存在 ．奥 （21） ， 地元 ， 旅先 （飲食店 観光場所） 推薦 方式 提案 ，検索 件数 類似度 計算 方式 一部 利用 ． ，推薦 類似度計算 ， 無関係 用語 除去 利用 ，奥 方式 情報技術 推薦 適用 ． ，技術者 対 開発技術 推薦 ，協調 適用 研究 存在 ． 推薦 方式 提案 （22）（23）_{， 方式 数 多寡，他} 評価 有無 関 推薦 可能 ． ， 学習 開発技術 ， 中 直接適用 ， 本論文 扱 開発技術 概念 全 粒度 異 （開発技術 一 含 ，各要素 推薦対象 ）． ，推薦方式 異 ．具体的 ， 中 解析 結果 基 推薦 行 ，開発技術 推薦 適用 ． 6.  本論文 ，技術者 学習支援 目的 ，協調 基 ，多数存在 開発技術 中 ，有用 開発技術 技術者 推薦 方式 提 案 ．提案 ，Web 開発

技術 共起関係 基 開発技術 推薦 ．評価実 験 結果， 特 知名度 低 開発技術 推薦 対 ，提案 有効 確認 ． 本論文 貢献 ，技術者 対 開発技術 推薦 前提 ，推薦 数 多寡，他 評価 有無 関 推薦 可能 ，協調 Web 単語 共起関係抽 出 組 合 推薦方式 提案 ，技術者 対 開発技術 推薦 ，協調 有 効 機能 実験的 示 ．今後 課題 ，提案手法 完成 ，技術 者 広 利用 ． 謝辞 本研究 一部 ，「次世代 IT 基盤 研究開 発」 委託 基 行 ． ，本研究 一 部 ，文部科学省科学研究補助費（若手 B：課題番号 22700034） 助成 受 ． 参 考 文 献 （ 1 ） 経済産業省：“2009 年版組込 産業実態 調査報告書”，経済産業省（2009） （ 2 ） 日本情報 ・ 協会：“企業 IT 動向調 査 2009”， 日本情報 ・ 協会， 東京 （2009） （ 3 ） 基礎研究所：“働 人 就業実態・就業意識 関 調査”， 基礎研究所，東京（2004） （ 4 ） 中小企業庁： 2005 年版中小企業白書 ， 中小企業庁 （2005）

（ 5 ） Goldberg, D., Nichols, D., Oki, B. M. et al.: Using Col-laborative Filtering to Weave an Information Tapestry , Communications of the ACM, Vol. 35, No. 12, pp. 61‒70 (1992)

（ 6 ） Resnick, P., Iacovou, N., Suchak, M. et al.: GroupLens: An Open Architecture for Collaborative Filtering of Netnews , Proc. of the ACM Conf. on Computer Sup-ported Cooperative Work (CSCW 94), pp. 175‒186 (1994)

（ 7 ） Sarwar, B., Karypis, G., Konstan, J. et al.: Item-Based Collaborative Filtering Recommendation Algorithms , Proc. of the 10th Intl. World Wide Web Conference (WWW10), pp. 285‒295 (2001)

（ 8 ） 鶴長鎮一，渡辺恭弘：“Ruby 作 CGI”， 快速 MySQL ！，第 7 回

，http://www.atmarkit.co.jp/flinux/rensai/ mysql07/mysql07a.html

（ 9 ） Bollegala, D., Matsuo, Y. and Ishizuka, M.: Measuring Semantic Similarity between Words Using Web Search Engines , Proc. of the 16th International World Wide Web Conference (WWW 2007), pp. 757‒766 (2007) （10） Breese, J. S., Heckerman, D. and Kadie, C.: Empirical

Analysis of Predictive Algorithms for Collaborative Fil-tering, Proc. of the 14th Conf. on Uncertainty in Artifi-cial Intelligence, Wisconsin, pp. 43‒52 (1998)

（11） ：“IT 情報 用語事典”， http://www.atmarkit.co.jp/im/terminology/

（12） ：“IT 用語辞典 e-Words ，http://e-words. jp/

（13） Google http://www.google.co.jp/

（14） Yao, Y. Y.: Measuring Retrieval Effectiveness Based on User Preference of Documents , Journal of the Ameri-can Society for Information Sciences, Vol. 46, No. 2, pp. 133‒145 (1995)

（15） Balabanovic, M. and Shoham, Y.: Fab: Content-based Collaborative Recommendation , Communications of the ACM, Vol. 40, No. 3, pp. 66‒72 (1997)

（16） Balabanovic, M.: An Adaptive Web Page Recommenda-tion Service , Proc. of the 1st Intl. Conf. on Autonomous Agents (Agents 97), pp. 378‒385 (1997)

（17） Pretschner, A. and Gauch, S.: Ontology Based Personal-ized Search, Proc. of the 11th IEEE Intl. Conf. on Tools with Artificial Intelligence, pp. 391‒398 (1999) （18） 岩下文香，来住伸子：“協調 利用 英語教材推薦 研究”，情報処理学会研究 報告，Vol. 2007, No. 34, pp. 53‒60（2007） （19） 高橋泰樹，松澤俊典，山口未来，土肥紳一，和田雄次： “学習者 適 学習教材 推薦 配信”，情報処理学 会研究報告，Vol. 2007, No. 12, pp. 157‒162（2007） （20） 金 英子，松尾 豊，石塚 満：“Web 上 情報 用 企業間関係 抽出”， 人工知能学会論文誌，Vol. 22, No. 1, pp. 48‒57（2007） （21） 奥 健太，服部文夫：“地域限定性 考慮 情報推薦 方式 関 基礎検討”，Web 関

，Vol. 2009, No. 3, 1A-1 （2009）

（22） 亀井靖高，角田雅照，柿元 健，大杉直樹，門田暁人，

松本健一：“ 推薦

協調 効果”，情報処理学会論文誌， Vol. 50, No. 3, pp. 1139‒1143（2009）

（23） McCarey, F., Cinnéide, M.O. and Kushmerick, N.: Knowl-edge reuse for software reuse, Web Intelligence and Agent Systems, Vol. 6, No. 1, pp. 59‒81 (2008)

著 者 紹 介 角田 雅照 平成 9 年和歌山大学経済学部卒業． 平成 19 年奈良先端科学技術大学 院大学情報科学研究科博士後期課 程修了． 同年同大学同研究科特任 助教．博士（工学）． ， 研究 従事． 情報処理学 会，電子情報通信学会， 学会，IEEE 各会員． 秋永 知宏 平成 16 年近畿大学理工学部経営 工学科卒業． 平成 18 年奈良先端 科学技術大学院大学情報科学研究 科博士前期課程修了． 同年日立 株式 会社入社． 在学時， 情報検索 研 究 従事． 引地 一将 平成 16 年滋賀大学教育学部卒業． 平成 18 年奈良先端科学技術大学 院大学情報科学研究科博士前期課 程修了． 同年株式会社日立製作所 入社．在学時， ，情報検索 研究 従事． 大杉 直樹 平成 13 年奈良工業高等専門学校 専攻科電子情報専攻修了．平成 16 年奈良先端科学技術大学院大学情 報科学研究科博士後期課程修了． 同年同大学研究員． 平成 19 年株 式会社 NTT 入社，技術開発 本部勤務．博士（工学）． 工学，生産性／ 品質 収集／分析， 研究 従事．情報処理 学会，電子情報通信学会，IEEE 各会員． 柿元 健 平成 15 年神戸市立工業高等専門 学校専攻科電気電子工学専攻修了． 平成 17 年奈良先端科学技術大学 院大学情報科学研究科博士前期課 程修了． 平成 20 年同大博士後期 課程修了． 同年大阪大学大学院情 報科学研究科特任助教． 平成 22 年香川高等専門学校電気情報工学 科講師．博士（工学）． 信頼性／開発工数予測 研究 従事．情報処理学会，電子情報通信学会，IEEE 各 会員． 門田 暁人 平成 6 年名古屋大学工学部電気学 科卒業． 平成 10 年奈良先端科学 技術大学院大学情報科学研究科博 士後期課程修了． 同年同大学同研 究科助手． 平成 16 年同大学助教 授． 平成 19 年同大学准教授． 平 成 1516 年 Auckland 大学客員研 究員．博士（工学）． ， ， 研究 従事． 情報処理学会， 電子情報通信学会， 日本 科学会，IEEE，ACM 各会員． 松本 健一 昭和 60 年大阪大学基礎工学部情 報工学科卒業． 平成元年同大学大 学院博士課程中退． 同年同大学基 礎工学部情報工学科助手． 平成 5 年奈良先端科学技術大学院大学助 教授． 平成 13 年同大学教授． 工 学博士． 工学，特 ， 収集／利用支援 研究 従事．情報処理学会，電子情報通 信学会，日本 科学会，ACM 各会員，IEEE Senior Member．