1．は じ め に
富士ゼロックス研究技術開発本部コミュニケーション 技術研究所では，計算機による取扱いが難しいテキスト， 画像，動画，音声などの非構造化データを対象としてデー タ分析の研究を行っている．非構造化データを分析の対 象とするためには，まずそれらのデータを構造化する必 要がある．そのため，テキストや画像から所望の情報を 抽出し正規化する，あるいは，自動分類，クラスタリン グする技術の研究を行っている．このように非構造化 データを整理，分類することにより，数値データなどの あらかじめ構造化されているデータと同様に分析の対象 とすることが可能となる． 本稿の 2 章では，非構造化データを構造化するための 要素技術として富士ゼロックスが保有する自然言語処理 技術および画像認識技術の特徴を述べる．また，データ 分析の要素技術として，ネットワーク分析および集合知 活用の研究を紹介する．3 章では，これらの要素技術を 用いた応用研究として，Sales Force Automation（SFA）， Voice of Customer（VOC），Social Networking Service （SNS）などの非構造化データを対象とする分析の事例 について概説する．2．要 素 技 術
2･1 自 然 言 語 処 理 § 1 専 門 用 語 抽 出 テキストを構造化するための要素技術として専門用語 抽出をあげることができる．専門用語は文書を代表する キーワードとして用いることができる．例えば，技術文 書であれば，技術領域名や法則名，理論名，手法名など の専門用語を抽出しキーワードとしてデータベースに格 納することで文書の検索や分類を効率的に実施できる． また，医療テキストから病名，薬品名，検査名，手術名 などの専門用語を抽出してデータベースに蓄積すること で疫学調査などのデータ分析が実現できる． 我々は専門用語抽出を，系列ラベリング問題として定 式化し機械学習手法を適用することによって実現してい る．既存の専門用語辞書を利用して大規模な学習データ を自動構築する点が我々の手法の特徴である．[Miura 13a] では，電子カルテテキストから病名を抽出する手 法およびシステムの提案を行っている．本システムは 2013年に行われたNTCIR-10 MedNLPタスクにおいて， 参加システム中 1 位の成績をおさめている [Morita 13]． 以下，専門用語抽出に関連する技術の中で，我々が取 り組んでいる略語展開，事実性判定，正規化の各技術に ついて述べる．非構造化データを対象とする知的情報処理
Intelligent Information Processing for Unstructured Data
増市 博
富士ゼロックス株式会社 研究技術開発本部Hiroshi Masuichi Research & Technology Group, Fuji Xerox Co., Ltd. [email protected]
加藤 典司
（同 上）Noriji Kato [email protected]
大熊 智子
（同 上）Tomoko Ohkuma [email protected]
大西 健司
（同 上）Takeshi Onishi [email protected]
小林 健一
（同 上）Kenichi Kobayashi [email protected]
Keywords:
natural language processing, image recognition, network analysis, collective intelligence, data mining, unstructured data.略語展開 略語は多くの場合複数の正式名称候補をも つ．例えば「CA」は「calcium」，「California」，「cabin attendant」など多くの正式名称候補をもつ．文中の略 語がどの正式名称の省略形であるかは文脈から判断する 必要がある．[Shinohara 13] では，機械学習手法を使っ て文脈から自動的に略語の正式名称を推定するシステム を提案している．本システムでは機械学習に必要な学習 データを自動的に生成することで精度の向上を図ってい る [篠原 11a]． 事実性判定 事実性判定は，抽出された用語が実際に 起こった事実であるかどうかを判定する技術である．例 えば「内部監査は行われていない」，「内部監査は来週行 われる予定である」といった記述中の「内部監査」は実 際には起こった事実ではない．[Aramaki 09] では，事 実性判定の手法を提案している．要約や検索などのア プリケーションでは用語の事実性が重要な情報になる． [外池 09] では，事実性判定結果を用いた要約システム の構築と評価を行った．本研究では，抽出した用語だけ でなくその事実性も併せて要約に表示することで，原文 の内容をより正確に把握できるという効果を評価実験に よって確認している． 正規化 専門用語の抽出結果をデータ分析で利用する ためには，表現の異なる同義語を標準形に統一する正規 化処理が必須である．[杉原 10] は，表記揺れ解消手法 を利用して既存の同義語辞書を効率的に拡張する手法を 提案している． § 2 関 係 抽 出 抽出された専門用語は元々の文脈と切り離されてしま うことで，他の専門用語との関係が失われる．例えば， 「アスピリン」（医薬品）と「頭痛」（病名）の二つの専 門用語が抽出されたとき，下記の（A）では「アスピリン」 の効用として「頭痛」が記述されているのに対し，（B） では「アスピリン」の投与によって引き起こされた副作 用として記述されている． （A）頭痛が強くなったためアスピリンを投与した． （B）アスピリンを投与後，頭痛が強くなったため，投 薬を中止した． [大熊 11] のように電子カルテから副作用の発生件数 を自動集計するシステムでは，副作用と効用を区別す る必要がある．[Miura 10, 大熊 12, 篠原 11b] は，専門 用語間の関係を機械学習あるいは構文パターンルール によって判定する手法を提案している．[三浦 11] では， 二つの専門用語がテキスト中で遠く離れた位置に出現し ている場合でも，構文情報を機械学習の素性として用い ることで高い関係抽出精度を実現している． § 3 評 判 情 報 抽 出 近 年，twitter や facebook な ど の SNS テ キ ス ト か ら商品やブランドに対する印象，意見を抽出してマー ケティングやリスク管理に活用したいというニーズが 高まっている．[Miura 14a] は twitter を対象にして
投稿内容がポジティブかネガティブか中立かを推定 する極性判定システムを提案している．本システムは SemEval2014 Task9における twitter の極性判定コンテ ストで 46 チーム中 1 位の成績をおさめた． [三浦 14b] では極性判定手法に多言語対応辞書である WordNetを利用している．本手法を利用して，今後は 極性判定の多言語化を目指している．[Miura 13b] では， 投稿内容の極性を個別の tweet ごとに判定するのではな く，複数の tweet を対象にしたトピックモデリングを行 い，トピックとそれに対する極性を同時に判定する手法 を提案している．本手法を適用すれば，例えば，ある商 品に対して，価格というトピックに対してはポジティブ であるが品質に対してはネガティブであるなど，極性を より詳細な粒度で特定することが可能となる． これらの評判情報抽出結果をマーケティングの分析に 用いる際には，投稿者の年代，性別，居住地などのプロ ファイル情報が必要になる．[榊 14] は，過去の投稿デー タから twitter ユーザの年齢，性別，居住地域などを自 動的に推定する手法を提案している．本手法では，熟練 した作業者によって作成された正解コーパスとクラウド ソーシングによって不特定多数の作業者が作成した正解 コーパスを統合して学習データを構築することにより高 い推定精度を得ている． 2･2 画 像 認 識 画像から抽出できる情報は，画像中に存在する物体の 名称，種類，数，位置などの属性や，画像全体が表すシー ン，トピックなどの意味情報など多岐にわたる．我々は， 抽出したい情報に応じて物体検出，特定物体認識，画像 アノテーションの各技術の研究開発を行っている．さら に，複数の画像特徴抽出アルゴリズムや認識アルゴリズ ムをモジュール化し，自由に組み合わせることが容易な アーキテクチャを開発することにより，抽出対象に応じ た柔軟なシステム構築を実現している．以下，我々が取 り組んできた画像認識技術を紹介する． § 1 物 体 検 出 物体検出とは，特定の種類の物体を画像中から検出す る技術であり，顔検出が良く知られている．富士ゼロッ クスでも顔検出の黎明期からこの技術に取り組んできた [Ikeda 04, Kato 03, 加藤 05]．工業製品の欠陥検査や医 療分野など，画像から特定の物体を目視で探す労働集約 的な作業は数多く存在し，顔以外への対象に物体検出の 適用範囲を広げることが重要であると考えている．物体 検出は AdaBoost 識別器のカスケードを用いる手法がデ ファクトとなっており [Viola 01]，これをベースとして 対象物体に適切な特徴量抽出や高速化の研究を行ってい る．例えば [尾崎 13] では多量の顕微鏡画像から 1 億個 に 1 個程度しか存在しない希少細胞を精度良く検出する 技術を実現している．
§ 2 特 定 物 体 認 識 特定物体認識とは，あらかじめ登録された個体と同一 の個体を認識する技術である．物体検出の例が顔検出で あるのに対して，個人認証が特定物体認識技術の例であ る．特定物体認識は，事前に学習することなく登録画像 と同一の個体を認識可能である一方，同じ種類の物体で も登録画像と異なる個体は認識できない．特定物体認識 の利用シーンとして，企業の画像リポジトリの検索機能 や設計図面の版管理支援への応用を考えている．いずれ も高速化が重要であり，独自に高速な局所特徴量抽出技 術を開発している [Liu 09]． § 3 画像アノテーション 物体検出および特定物体認識が画像内の物体に関す る情報を抽出するための技術であるのに対して，画像ア ノテーションは画像全体の意味を特定する技術である． 我々は，画像の意味を表す数十∼数百種類のラベルを対 象画像に自動的に付与する画像アノテーション技術の研 究に取り組んでいる． 我々が画像アノテーションで目指す技術の方向性は， 少量の学習画像で高い認識精度を達成することと，短時 間で処理できる高速性の実現である．前者は，アプリケー ションごとに異なるラベルを学習させる必要があり，多 量の学習画像を入手することは著作権などの理由で多く の場合困難であるからである．後者は，スマートフォン で撮影された写真に対してリアルタイムでラベルを付け るといった幅広い用途を考えた場合に必要な条件である． 画像認識で広く用いられる手法として局所特徴を量子 化し，量子化された特徴のヒストグラムを特徴として用 いる，いわゆる bag of visual words（BOW）[Csurka
04]の手法があるが，多量の学習画像を必要とする．例 えば BOW は画像全体から一つの特徴を生成するため， 同じ物体が写っていても背景が違う画像についてはそれ ぞれの学習画像が必要となる．そこで我々は，画像を複 数の領域に分割し，画像の生成過程を各領域からの確率 生成モデルとして扱う識別方式を導入している．具体的 には各領域の生起確率を独立と仮定しナイーブベイズモ デルとして表現する [Tsuboshita 12]．これにより図 1 に示すように，BOW モデルに比べて少ない学習画像で 同等の性能が達成できる． 我々のモデルでは 1 画像当たり約 1 000 個の部分領域 に対して確率密度推定を行う必要がある．そこで領域特 徴の確率モデルとして高速な処理が可能であるランダム フォレスト識別器を導入することにより，1 秒程度の処 理時間での認識を可能としている [Fukui 11]． 2･3 ネットワーク分析 相互の関係が定義されていないデータに対して，2･1 節および 2･2 節で述べた自然言語処理技術や画像認識技 術を用いることにより，データ間にリンクを付与し，デー タ全体をネットワークとして構造化することができる． 例えば，専門用語抽出によって同じ専門用語が抽出され たテキストの間や，画像アノテーション技術によって同 じアノテーションが付与された画像の間にリンクを付与 する．また，文書分類を行うことによって同一のカテゴ リーに分類された文書同士をリンク付けることもでき る．あるいは，文書管理システムから得られるユーザ操 作ログを解析し，同じ人物によって頻繁にアクセスされ た文書の間にリンクを付与することも可能である．我々 はこのようなさまざまな方法でデータ間にリンクを付与 することにより，非構造化データをネットワークとして 構造化している． 本章では，このようにして構築した大規模ネットワー クから，「ユーザ課題」に応じた「コミュニティ」を抽 出する手法，およびコミュニティに属する個々のノード の重要度を計算する手法を概説する．ここで，ユーザ課 題とはユーザが詳しく知りたいトピックであり，コミュ ニティとはユーザ課題に関連する部分ネットワークであ る．本ネットワーク分析は，脳の神経細胞のネットワー クが，ある事象から関連する他の事象を連想想起する 機構をモデルに考案したアルゴリズムに基づくことを 特徴とする [Okamoto 07, Okamoto 09, Tsuboshita 07, Tsuboshita 09]． § 1 コミュニティ抽出 本手法では，ユーザ課題をネットワークの初期活性 で表す．すなわち，初期の時点でユーザが知る知識に対 応するノードに「活性」を与える．例えば文書をノード とするネットワークの場合であれば，ある課題に対して ユーザが初期の時点で知る関連文書に対応するノードに 活性を与える．すると，活性はリンクを伝わってネット ワーク中を伝搬し，初期活性に依存した定常状態に収束 する．この過程は，脳が手掛かりに依存して特定の記憶 を想起する過程を模している．定常状態において活性を 付与されたノード群がユーザ課題に関連する情報を表す と考える．活性伝搬を通じて，リンク関係から不要とみ なされたノードは活性を失って削除される．一方，リン ク関係から必要とみなされたノードは高い活性を得て付 図 1 画像アノテーション性能．
評価コーパスは PASCAL VOC2007 [Everingham 07] を使用．上位 5 ラベルをアノテーション結果とした
加される．このような削除，付加を通じて，ユーザがも つ不完全な知識から，ユーザが本来知るべき知識，すな わちコミュニティを抽出できる [Okamoto 11, Okamoto 13a, Okamoto 13b]． § 2 ノ ー ド 重 要 度 活性伝搬の定常状態において個々のノードが獲得した 活性を，これらのノードのユーザ課題に応じた重要度と 考え，それらの大きさに従ってノードをランク付けする． なお，Google 検索エンジンが利用している PageRank アルゴリズムもネットワーク（WWW）中の活性伝搬に 基づき個々のノード（Web ページ）の重要度を定める． ただし，PageRank アルゴリズムによる重要度はネット ワークの構造から一意に定められ，個別のユーザ課題を 反映しない．一方，脳における手掛かり依存的な記憶想 起の機構を模した我々の方法では，重要度はユーザ課題 に応じて変化するものとして定められる． 我々は，特許審査時に審査官が参照する引用関係に基 づいた特許ネットワークや，文書管理システムのユーザ 操作ログの情報に基づいて構成されるオフィスドキュメ ントネットワークに本手法を適用し，ユーザが知りたい 知識の発見を支援するシステムを構築している [岡本 08, 園田 08]．図 2 に特許ネットワークの分析結果例を示す． 図 2 は 2010 年までに公開された特許のうち審査官引用 が付与されたものを対象にした特許ネットワークから二 足歩行ロボットに関するコミュニティを抽出した結果で あり，当該分野を代表する特許群を俯瞰することが可能 である [園田 08]． 2･4 集 合 知 活 用 データ分析では前節までに述べた ICT 領域の技術が重 要な役割を果たすが，「人」の果たす役割も同様に重要 である．データ分析においては，分析の目的や解決すべ き課題が明確でないままに分析を行っても有用な分析結 果が得られることは少ない．分析の目的，解決すべき課 題を定めたうえで適切な分析手法を適用することが必要 である．また，有用な分析結果が得られたとしても，そ れを解釈し実行施策につなげることができなければ，そ の分析結果は意味をもたない．分析の目的や解決すべき 課題を定め，分析結果を実行施策につなげるのは人であ り，ICT 領域の分析技術と人はデータ分析の両輪である． 我々は人間科学的な観点から，効率的に課題を発見 し実行施策につなげるための集合知活用の研究を行って いる．具体的には，ゲーミフィケーションを利用した行 動支援プラットフォーム [根本 14a]，クラウドソーシン グによる集合知システム [高橋 13]，ワールドカフェ型 対話 [根本 12, Takahashi 14]，集合的フィールドワーク [堀田 13, 涌井 14] といった手法および方法論の研究を 行っている．
3．応 用
我々が分析の対象とするデータは，三種のカテゴリー に大別できる．「企業内データ」，「顧客接点データ」，「オー プンデータ」の三種である．企業内データは，企業活動 を通して生み出され企業内に蓄積される，経理，財務， 法務，営業などに関する機密性の高い基幹データであ る．顧客接点データは，VOC データや店舗内の動画デー タのように顧客の言動や行動が起点となって生成される データである．オープンデータは，twitter や facebook などの SNS データや Linked Open Data 関連データの ように，一般に公開され誰もが入手可能なデータである． 以下，3･1 ∼ 3･3 節では，三種のカテゴリーの代表的な 非構造化データである SFA データ，VOC データ，SNS データを対象とした応用研究事例を概説し，3･4 節でカ テゴリーをまたがる横断分析について述べる． 3･1 SFA 分 析 富士ゼロックスは 2012 年から SFA を国内営業部門 に展開し，現在，月に数十万件のペースで全国の営業日 報データを蓄積している．蓄積された営業日報データを 活用することによって顧客満足度を向上させるとともに 営業力を強化することが SFA 導入の狙いの一つである． 我々は，この背景のもと SFA データの活用を目的とし た活動を進めている [谷口 14]． 我々は営業日報に含まれる「顧客課題」を有用な情報 であると考え，営業日報テキストに含まれる顧客の困り 事や要望など顧客が抱える課題に関する記述（課題記述 文）を自動抽出する技術を開発した [杉原 12]．本技術は， 2･1 節で述べた専門用語抽出と類似の機械学習手法に基 づく技術である． 我々は課題記述文抽出機能を利用した営業日報検索 システムを構築した．本システムは，営業日報テキスト を対象にしたキーワード検索および訪問した顧客の業種 や規模などの各種属性による検索を行うことが可能であ り，参照したい営業日報を効率良く絞り込むことができ る．抽出された課題記述文は営業日報の要約として表示 され，ユーザはその日報に含まれる重要なエッセンスを 図 2 特許ネットワーク分析結果例即座に把握することができる． 現在は，営業日報検索システムを用いて絞り込まれた 営業日報のテキスト情報と，顧客や商談に関する属性情 報を統合し，営業分析，顧客分析，売上分析など種々の データ分析を行っている． 3･2 VOC 分 析 顧客接点データである VOC は，ホームページやコー ルセンター，保守担当者を介してテキストとして入力さ れ，システムによって自動付与される顧客の属性や背景 情報とともに企業内のデータベースに蓄積されている． VOCには自社商品に対する苦情，クレームや意見，要 望のほか，顧客課題も含まれており，VOC データを分 析して問題解決や再発防止，新商品の企画，開発など， 企業内の多様な業務プロセスへ活用できる． 富士ゼロックスでは，年間数十万件の VOC が入力， 蓄積されており，企画部門，開発部門，生産部門，営業 部門で活用されている．ただし，時々刻々と変化する多 量の VOC を整理分類し，多様な部門で活用できる分析 結果を自動的な処理で得ることは困難であり，現在は各 部門で多大な労力を要して分析を行っている． 我々が開発したデータ分析システム [根本 14b] は， VOCデータを対象とするシステムである．対話的なイ ンタフェースを通して VOC の最適な分類体系を効率良 く発見し，各部門の労力を軽減することを目的としてい る．これらのシステムの支援により，例えば，富士ゼロッ クスが提供する Web サービスに関連する VOC を継続的 に分析することによって過去のトレンドと異なる傾向を 示すサービスカテゴリーの早期発見が可能となり，サー ビスや顧客対応をタイムリーに改善することができた． 3･3 SNS 分 析 SNSには広く個人の意見が投稿されるが，その中に は商品の評判も多く含まれる．その投稿を分析すること で商品に対するリアルタイムで率直な意見を得ることが でき，マーケティングに活用できると考えている．2･1 節でも述べたとおり，我々は投稿がポジティブな意見 かネガティブな意見かの極性を判定し，さらに投稿した ユーザの性別，年齢などのプロファイル情報を推定して いる．これにより商品がどのセグメントに受け入れられ ているかのマーケティング情報を得ることができる． SNS分析におけるプロファイル推定では，自然言語 処理技術と画像認識技術の両者を要素技術として用いて いる．自然言語処理に基づく手法だけでなく，ユーザが 投稿した画像から 2･2 節で述べた画像アノテーション技 術でプロファイルを推定する手法 [Ma 14] を併用してい る点が特徴である． 図 3 は，分析の対象を twitter とし，小売店で売られ ている商品の分析を行った結果の例である．また，図 4 に特定の twitter ユーザが発信した一連のメッセージか らそのユーザのプロファイルを推定した結果の例を示 す．このように SNS の分析によって商品ごとの評判を リアルタイムに知り，さらにプロファイル推定結果から そのセグメント情報を得ることが可能になる． 3･4 横 断 分 析 上記に述べた「企業内データ」，「顧客接点データ」， 「オープンデータ」の三種のカテゴリーにおいて，カテ ゴリーが異なるデータは機密性の違いなどの理由で，多 くの場合物理的論理的に互いに切り離された状態でデー タベースに格納されており，データ間のひも付けもない． したがって，これまでカテゴリーをまたがるデータ分析 は十分行われてこなかった．しかし，このような横断分 析は有用な分析結果を生み出すことが多い．富士ゼロッ クスでは，例えば，顧客先の各コピー機の稼働状況を顧 客の承諾を得たうえで企業内データとして蓄積し分析を 行っているが，稼働状況の変化はわかっても変化の理由 はわからない．一方で，顧客接点データである VOC テ 図 3 tweet から推定された商品の評判情報例 図 4 twitter ユーザのプロファイル推定結果例 アウトドア
キストとひも付けて分析することにより，稼働状況の特 異的な変化の理由を発見することが可能である． また，企業内データである POS データは顧客が商品を 購買する際に得られるデータであり，顧客が購買しなかっ た場合のデータは含まれていない．一方で店舗内のビデ オカメラ映像を分析することで購買に至らなかった顧客 の行動情報（欲しい商品がなかったのか，商品はあった が気に入らなかったのかなど）を得ることが可能である． さらに，顧客接点データとオープンデータの組合せも 重要である．例えば，VOC テキストの多くを占めるク レーム情報から商品の問題点を分析することは可能であ るが，商品の長所を把握することは容易でない．オープ ンデータである SNS データを感情分析することにより 商品の長所を補完することが可能である．このような， カテゴリーをまたがる横断分析からこれまでにない分析 結果を得ることは，我々のデータ分析研究が目指す重要 な方向性の一つである．
4．お わ り に
本稿では，富士ゼロックス研究技術開発本部コミュニ ケーション技術研究所のデータ分析に関連する研究活動 を紹介した．本活動は非構造化データを対象とする点が 特徴であり，非構造化データを構造化するための要素技 術として自然言語処理技術および画像認識技術の研究を 行っている．自然言語処理技術と画像認識技術を利用し てデータをネットワークとして構造化したうえで，ネッ トワーク分析技術を適用し分析を実現する．また，この ような ICT 領域の分析技術が果たす役割と「人」が果 たす役割はデータ分析において同等に重要だと考え，人 間科学的な観点から，分析すべき課題を効率的に発見し， 分析結果を実行施策につなげるための方法論，手法の研 究を行っている．富士ゼロックスでは「企業内データ」， 「顧客接点データ」，「オープンデータ」の三種のカテゴ リーをデータ分析の対象とし，SFA，VOC，SNS など のさまざまな非構造化データと構造化データを合わせて 統合的な分析を実施している． 本文中の登録商標および商標はそれぞれの所有者に帰 属します．◇ 参 考 文 献 ◇
[Aramaki 09] Aramaki, E., Miura, Y., Tonoike, M., Ohkuma, T., Mashuichi, H. and Ohe, K.: TEXT2TABLE: Medical text summarization system based on named entity recognition and modality identification, Proc. Human Language Technology
Conf. and the North American chapter of the Association for Computational Linguistics （HLT-NAACL 2009），Workshop on
BioNLP, pp. 185-192 （2009）
[Csurka 04] Csurka, G., Dance, C. R., Fan, L., Willamowski, J. and Bray, C.: Visual categorization with bags of keypoints,
Workshop on Statistical Learning in Computer Vision, ECCV,
pp. 1-22 （2004）
[Everingham 07] Everingham, M., Gool, L. V., Williams, C. K. I., Winn, J. and Zisserman, A.: The PASCAL Visual Object Classes Challenge 2007 （VOC2007），Results, http://www. p a s c a l - n e t w o r k . o r g / c h a l l e n g e s / V O C / v o c2007/ workshop/index.html
[Fukui 11] Fukui, M., Kato, N. and Qi, W.: Multi-class labeling improved by random forest for automatic image annotation,
IAPR Conf. of Machine Visual Application, pp. 202-205 （2011） [堀田 13] 堀田竜士，涌井美帆子，三井 実，高橋正道：集合的フィー ルドワーク─「群衆の叡智」を活用した地域づくり支援のため の一手法の提案─ , 情報処理学会グループウェアとネットワー クサービスワークショップ 2013 （GN Workshop 2013）論文集， pp. 16-17 （2013）
[Ikeda 04] Ikeda, H., Maeda, M., Kato, N. and Kashimura, H.: Classification of human actions using face and hands detection, 12th Annual ACM Int. Conf. on Multimedia, pp. 484-487 （2004）
[Kato 03] Kato, N., Ikeda, H., Kashimura, H. and Shimizu, M.: Scaling, rotation, and translation invariant image recognition using competing multiple subspaces, Int. Joint Conf. on Neural
Networks, Vol. 2, pp. 1268-1273 （2003）
[加藤 05] 加藤典司，福井基文，鹿志村洋次：XYI 空間における面 特徴を用いた顔認識，信学論（D-Ⅱ），Vol. 88, No. 8, pp. 1634-1642 （2005）
[Liu 09] Liu, Q., Yano, H., Kimber, D., Liao, C. and Wilcox, L.: High accuracy and language independent document retrieval with a fast invariant transform, IEEE Int. Conf. on
Multimedia and Expo, pp. 386-389 （2009）
[Ma 14] Ma, X., Tsuboshita, Y. and Kato, N.: Gender estimation for SNS user profiling using automatic image annotation, Int.
Workshop on Cross-media Analysis for Social Multimedia,
ICME （2014）
[Miura 10] Miura, M., Aramaki, E., Ohkuma, T., Tonoike, M., Sugihara, D., Masuichi, H. and Ohe, K.: Adverse-effect relations extraction from massive clinical records, COLING
2010 Workshop （In cooperation with Info-plosion），2nd Int.
Workshop on NLP Challenges in the Information Explosion Era （NLPIX 2010），pp. 75-83 （2010）
[三浦 11] 三浦康秀，外池昌嗣，大熊智子，増市 博，篠原（山田） 恵美子，荒牧英治，大江和彦：複数文にまたがる関係抽出におけ る構文情報の効果，言語処理学会第 17 回年次大会，pp. 516-519 （2011）
[Miura 13a] Miura, M., Ohkuma, T., Masuichi, H., Yamada, E., Aramaki, E. and Ohe, K.: Incorporating knowledge resources to enhance medical information extraction, IJCNLP2013
1st Workshop on Natural Language Proc. for Medical and Healthcare Fields, pp. 1-6 （2013）
[Miura 13b] Miura, M., Hattori, K., Ohkuma, T. and Masuichi, H.: Topic modeling with sentiment clues and relaxed labeling schema, SAIIP 2013, pp. 6-14 （2013）
[Miura 14a] Miura, M., Hattori, K., Sakaki, S. and Hattori, K.: TeamX: A sentiment analyzer with enhanced lexicon mapping and weighting scheme for unbalanced data, SemEval2014 （2014）
[三浦 14b] 三浦康秀，榊 茂之，服部圭悟，大熊智子：語義の曖昧性 を考慮した極性判定，言語処理学会第 20 回年次大会，pp. 1107-1110 （2014）
[Morita 13] Morita, M., Kano Y., Ohkuma, T., Miyabe, M. and Aramaki, E.: Overview of the NTCIR-10 MedNLP task, Proc.
NTCIR-10 （2013） [根本 12] 根本啓一，高橋正道，林 直樹，堀田竜士：ワールドカフェ 型のダイアログにおけるターンテイキング構造と参加者の理解 度の関係性の分析，情処学研報告グループウェアとネットワー クサービス（GN），2012-GN-84（20），pp. 1-8 （2012） [根本 14a] 根本啓一，高橋正道，林 直樹，水谷美由起，堀田竜士， 井上明人：ゲーミフィケーションを活用した自発的・持続的行 動支援プラットフォームの試作と実践，情処学論，Vol. 55, No. 6, pp. 1600-1613 （2014） [根本 14b] 根本啓一，大西健司，増市 博：テキストデータの構造
化を支援する対話的マイニングシステム，第 28 回人工知能学会 全国大会 （2014） [大熊 11] 大熊智子，三浦康秀，外池昌嗣，増市 博，篠原（山田） 恵美子，荒牧英治，大江和彦 : 医薬品の副作用調査を目的とし た統合的言語処理システム，言語処理学会第 17 回年次大会 , pp.85-88 （2011） [大熊 12] 大熊智子，小山田由紀，外池昌嗣，三浦康秀，増市 博，荒 牧英治，篠原恵美子，大江和彦： カルテの文章における副作用表 現の分析， 言語処理学会第 18 回年次大会，pp. 735-738 （2012） [Okamoto 07] Okamoto, H., Isomura, Y., Takada, M. and Fukai,
T.：Temporal integration by stochastic recurrent network dynamics with bimodal neurons, J. Neurophysiology, Vol. 97, pp. 3859-3867 （2007）
[岡本 08] 岡本 洋，坪下幸寛：特許引用ネットワーク分析：企業 競争力源泉としての知的財産権の強化に向けて，情処学論，Vol. 49, No. 3, pp. 74-75（2008）
[Okamoto 09] Okamoto, H. and Fukai, T.：Recurrent network models for perfect temporal integration of fluctuating correlated inputs, PLoS Computational Biology, Vol. 5, e1000404 （2009）
[Okamoto 11] Okamoto, H.: Topic-dependent document ranking: Citation network analysis by analogy to memory retrieval in the brain, Lecture Notes in Computer Science, Vol. 6791, pp. 371-378 （2011）
[Okamoto 13a] Okamoto, H.：Local detection of communities by an analogy to memory recall in the brain, Biologically Inspired
Cognitive Architectures, Vol. 6, pp. 12-17 （2013）
[Okamoto 13b] Okamoto, H.: Local Detection of communities by neural-network dynamics, Lecture Notes in Computer Science, Vol. 7223, pp. 50-57 （2013） [尾崎 13] 尾崎良太，織田英人，薄葉亮子，熊澤幸夫，加藤典司，北 美紀子，高林晴夫：Cell-HOG 特徴量を用いた顕微鏡画像からの 有核赤血球自動検出，精密工学会誌，Vol. 79, No. 11, pp. 1074-1077 （ 2013） [榊 14] 榊 茂之，三浦康秀，服部圭悟，坪下幸寛，大熊智子：クラ ウドソーシングを用いて作成した教師データによる SNS ユー ザーのプロフィール判定，言語処理学会第 20 回年次大会，pp. 1091-1094 （2014） [篠原 11a] 篠原（山田）恵美子，三浦康秀，外池昌嗣，大熊智子， 増市 博，荒牧英治，大江和彦 : 共起・連接頻度グラフに基づいた 略語展開語候補生成，言語処理学会第 17 回年次大会 , pp. 733-736 （2011） [篠原 11b] 篠原（山田）恵美子，服部圭悟，三浦康秀，外池昌嗣，大 熊智子，増市 博，荒牧英治，大江和彦 : 構文パターンに基づく薬 剤副作用情報の自動抽出，第 31 回医療情報学連合大会 （2011） [Shinohara 13] Shinohara, E., Aramaki, E., Imai, T., Miura,
M., Tonoike, M., Ohkuma, T., Masuichi, H. and Ohe, K.: An easily implemented method for abbreviation expansion for the medical domain in Japanese text: A preliminary study,
Methods of Inf. Medicine 2013, Vol. 52, No. 1, pp. 51-61 （2013） [園田 08] 園田隆志，岡本 洋，坪下幸寛：大規模ネットワークから の関連情報抽出：富士ゼロックステクニカルレポート，第 18 号， pp. 88-98 （2008） [杉原 10] 杉原大悟，大熊智子，三浦康秀，外池昌嗣，増市 博，山 田恵美子，荒牧英治，大江 和彦 : 表記ゆれ解消手法を利用した副 作用表現の獲得，第 30 回医療情報学連合大会 （2010） [杉原 12] 杉原大悟，大熊智子，佐竹功次，三浦康秀，服部圭悟，増 市 博：営業支援システム内に蓄積されたテキストデータからの 課題記述文抽出，信学技報，Vol. 112, No. 196, NLC2012-11, pp. 7-12 （2012） [高橋 13] 高橋正道，三井 実，涌井美帆子，堀田竜士 : クラウド ソーシング×対話×フィールドワーク─集合知を使った地域活 性化策の抽出のトライアル実験─，情報処理学会グループウェ アとネットワークサービスワークショップ 2013 （GN Workshop 2013）論文集，pp. 18-19 （2013）
[Takahashi 14] Takahashi, M., Nemoto, K., Hayashi, N. and Horita, R.: The measurement of dialogue: From a case study of the workshop using world cafe as a collective dialogue method,
J. Inf. Proc., Vol. 22, No. 1, pp. 88-95 （2014）
[谷口 14] 谷口元樹，杉原大悟，三浦康秀，大熊智子：ルールを用 いた教師データ自動獲得による競合企業名抽出，言語処理学会 第 20 回年次大会，pp. 551-554 （2014） [外池 09] 外池昌嗣，大熊智子，荒牧英治，三浦康秀，増市 博，大江和彦： 自然言語表現の現病歴情報を時系列表形式で表示するシステム とその評価，第 29 回医療情報学連合大会 （2009）
[Tsuboshita 07] Tsuboshita, Y. and Okamoto, H.: Context-dependent retrieval of information by neural-network dynamics with continuous attractors, Neural Networks, Vol. 20, pp. 705-713 （2007）
[Tsuboshita 09] Tsuboshita, Y. and Okamoto, H.: Information extraction by neural-network dynamics with multi-hysteretic neurons, Neural Networks, Vol. 22, pp. 922-930 （2009） [Tsuboshita 12] Tsuboshita, Y., Kato, N. and Okada, M.: Image
annotation using adapted gaussian mixture model, Int. Conf.
on Pattern Recognition, pp. 1346-1350 （2012）
[Viola 01] Viola, P. and Jones, M.: Rapid object detection using a boosted cascade of simple features, IEEE Computer Society
Conf. on Computer Vision and Pattern Recognition, pp. 511-518
（2001） [涌井 14] 涌井美帆子，高橋正道，堀田竜士，青谷実知代：地域共創 プロセスの設計と実践─大学生と地域住民によるお土産づくり─， 地域活性学会研究論文集「地域活性研究」，Vol. 5, pp. 443-449 （2014） 2014年 7 月 5 日 受理
