観点を考慮した知識整理のための地図型アニメーションインタフェース

(1)

観点を考慮した知識整理のための

地図型アニメーションインタフェース

Animation Interface for Knowledge Reconﬁrmation

using Multiple Viewpoint Maps

田中大智

1∗

_砂山渡

1

Taichi Tanaka

1

_{and Wataru Sunayama}

1

_{広島市立大学情報科学研究科情報機械システム専攻}

1

_{Department of Information Machines and Interfaces, Hiroshima City University}

Abstract: The World Wide Web(WWW) has been regarded as a one of the important infor-mation databases. We are able to obtain much inforinfor-mation from WWW using search engines and understand some knowledge. However, it is difficult to understand a huge amount of knowledge in a short time only using the search engines. We propose an animation interface to support for knowl-edge reconfirmation. We defined the knowlknowl-edge as differences between keyword relationships. The interface has three functions: (1) displaying a map of keyword relationships, (2) switching maps depending on viewpoints and (3) displaying an animation between the two maps. Experimental results showed that the interface is able to support for knowledge reconfirmation.

1 はじめに

近年，コンピュータの高速化や WWW(World Wide Web)の普及に伴い，インターネットが普及してきた．それに伴い，WWW 上には膨大な量の情報が存在するようになり WWW は情報データベースとしての役割が強くなってきた．人はインターネットを使用して様々な情報を獲得することが出来るようになったが，主な知識整理の方法は現在も変わっていない．一般にインターネットから情報を獲得する場合には Google や Yahoo などの Web 検索エンジンが用いられる．少数の単語の意味や単語間の関係を調べるには Web 検索エンジンは非常に効率的に情報を収集・理解することが出来る．しかし，多量の単語間の関係を調べる場合には単語数の 2乗に比例して比較すべき情報の量が増していく．そのため，多量の単語間の関係を人手により調べることは難しく，WWW を用いた情報視覚化による知識整理支援の研究が行われている．本研究では，単語間の観点を考慮した複数の関係の違いを理解支援するインタフェースを提案し，評価実験によってインタフェースの効果を検証する． ∗_{連絡先：広島市立大学情報科学研究科情報機械システム専攻} 〒 731-3194 広島市安佐南区大塚東三丁目 4 番 1 号 E-mail: [email protected]

2

3 知識整理のアイデア

従来研究の知識整理システムは，一つの画面では一つの関係値に基づく情報を表示する方法が用いられている．複数の画面の表示や表示されている内容の操作は可能であるが，複数の表示内容の違いの理解を支援するシステムではない．本研究では，知識整理をあるテーマに沿って集めた単語集合の複数の観点を考慮した関係の解釈と定義し，観点を単語集合の関係を変化させ関係の見方を変える

人工知能学会研究会資料

SIG-DMSM-A603-16 (2/28)

(2)

こと要因と定義し，知識整理を支援するインタフェースを提案する．本研究では，直感的な知識整理のために 3 つの機能を用いる．

3.1 複数の観点からの知識整理

あるテーマに関する単語集合の関係を理解する場合には，一般的に複数のグラフから検証する方法が用いられる．その際，単一の情報の見方を変更するのではなく，観点を変更した情報との比較が望ましい．例えば，テーマを「企業」として単語集合を収集し，観点を「社会貢献」「株価が高い」とした場合には「社会貢献をしている企業」と「株価が高い企業」のグラフが得られる．この場合，観点なしの「企業」と「社会貢献している企業」と「株価の高い企業」の 3 つのグラフを比較することで，元の 2 つの観点だけでなく「社会貢献はしているが株価の高くない企業」と「株価は高いが社会貢献をしていない企業」の 2 つの知識を整理することができる．本研究では，観点を考慮した複数の情報を検証することで知識整理を行う．

3.2 アニメーションによる違いの理解

一般に複数の情報を表示する場合には，複数グラフの並列表示や切替え表示が用いられる．従来方法では多種に渡る複数のグラフ間の対応をユーザ自身が考える必要があり，ユーザの複数のグラフを何度も見比べる必要がある．そのため複数グラフの並列表示では，人の作業量が増加するなどの問題がある．さらに，グラフを追加する度に一つあたりのグラフの表示領域が減少するという物理的な問題も生じ，一般にグラフ数が増える度に情報の理解が困難になる．また，複数グラフの切り替え表示では，表示領域の現象などの問題は生じないが，表示されていないグラフを人が記憶しておく必要があり並列表示に比べると理解しにくい．そのため，グラフの違いを理解するには人の記憶力に依存することになり，グラフが追加される度に人が記憶する情報が増えるため，一般にグラフ数が増える度に情報の理解が困難になる．本研究では，これらの問題の解決のため，2 つのグラフの一方を始点のグラフとし，もう一方を終点のグラフとして，グラフの変化を理解支援するためにアニメーション機能を用いる．アニメーションによよる 2 状態間の中間状態を表示することにより複数の地図の比較を容易にし，直感的な知識整理を狙う．

3.3 情報の地図表示による直感性の向上

従来の方法では一般に情報間の関係を表す際には無向グラフが用いられている．ノードを各情報として扱い，エッジにノード間の関係を持たせることで関係が理解しやすくなるためである．一般に 2 次元表示の無向グラフを拡張した場合には，ユーザがグラフを理解するために記憶しておく項目が増加するためグラフの直感的な理解の容易さが低下する．複雑なグラフであっても項目を全て記憶してしまい直感的に理解することも可能であるが，グラフを用いての他者との情報共有は難しいままである．そのため，表示するグラフは万人に理解されやすいものである必要があり，グラフの要素を「島」と「橋」として表す研究が行われている．瀬尾らの研究 [2] では，ノードの一まとまりのグループやそれらの関係を「島」や「橋」として定義しているが実際の島としての概観は備えていない．また，大澤らの研究 [3] ではグラフィカルな「島」の描画を行っているが，一般に考えられる島ではないため一般的な地図として理解することは難しい．本研究では関連研究による「島」と「橋」に「道路」と「線路」を追加して情報を表示し一般的に地図と理解される表示を行う．

4 知識整理インタフェース

本研究では単語間の複数の関係の理解を支援を行うインタフェースを作成する．ユーザがあるテーマに沿って集めた単語集合について単語間の関係を整理したい場合に使用することを目的としたインタフェースである．本研究では先に示した 3 つの機能を用いて知識整理を行う．提案インタフェースの構成を図 1 に示す．図 1: 地図型アニメーションインタフェースの構成提案するインタフェースは「単語間関係値出力部」，「地図表示部」，「地図操作部」の 3 つのモジュールで構

(3)

成される．インタフェースは単語リストと観点の単語 (観点語) が入力されると単語間関係値出力部で単語間関係値を計算し，地図表示部により「島」「橋」「線路」「道路」を作成し地図を表示する．ユーザは表示された地図に対し地図操作部の機能によって複数の地図間のアニメーションによって違いを直感的に理解することができ，その違いから関係の解釈を行う．それぞれの機能の詳細を説明していく．

4.1 入力

提案インタフェースへの入力は，あるテーマに沿って集めた単語集合 (リスト) とテーマに関連した単語を観点として与える．ユーザは興味のあるテーマに関係した単語を集め単語集合 (リスト) を作成する．単語数が増えると表示が煩雑になり，描画処理が単語数の 2 乗に比例し PC の負荷が大きくなるため，画面の大きさの制約から単語数は 50 以下とした．ユーザが観点を考慮した単語集合間の関係を知りたい場合には，テーマに関係した単語を用意する．例えば，ユーザが企業間の関係について知りたい場合には，テーマは企業となり，企業名の単語集合 (リスト) を用意する．また，社会貢献している企業の関係を整理したい場合には，単語「社会貢献」を観点 (観点語) としてインタフェースに入力する．

4.2 単語間関係値出力部

単語間関係値出力部は，入力された単語集合 (リスト) と観点語を基に単語間の関係の強さを決定する．入 力された s 個の単語集合 W の要素 wi， wjから検索式を作成する．観点なしの場合は式 (1) を用い，観点ありの場合は観点 K を考慮した式 (2) を用い，Web 検索エンジンを用いて共起ヒット件数行列 HitDB を構築する (式 3)．共起ヒット件数の取得には一件当たり 0.5∼5 秒の時間がかかり，本研究で対象としている単語数 50 個では全件の取得に 30 分程度の時間を要する．HitDB は観点なしと観点ありの場合についてそれぞれ作成し，以下の作業も観点の数だけ行う． SearchKeywordij = wi∧ wj (1) SearchKeywordij= wi∧ wj∧ K (2) Hitij = hit(SearchKeywordij) N (3) 次に，HitDB の要素に対し χ2検定量を計算し，関係 値行列 ChiDB を作成する．HitDB の行の要素を wi，列 の要素を wjとし，hit(wi)を wiのヒット件数，hit(wj) を wjのヒット件数とし，w を条件に一致しない全ての単 語とする．N は Web 全体のページ数で今回は N = 1010 [5]とする． 提案インタフェースでは単語間の関係値を χ2検定量によって計算している．観点なしと観点ありの場合に 単語間のヒット件数が変化しても χ2_{検定量は変動しに} くい．そのため，観点語と関係の弱い単語は別計算で除外する必要がある．本研究では，ChiDB の作成後に, 観点ありの場合は wiと wi∧ K のヒット件数の割合が 平均以下の単語の χ2_{検定量の値を 0 に設定する．} average = ∑h i=0 hit(wi∧K) hit(wi) s ChiDBij = 0 ( if hit(wi∧ K) hit(wi) < average ) (4)

4.3 地図表示部

地図表示部では出力として，「島」「橋」「道路」「線路」を用いた観点なしの地図を出力する．観点を考慮した地図はバックグラウンド処理として保存しておく．単語間の関係の強いものをグループ化して島を描画し，広域な関係として橋と線路を描画し，局所的な関係として道路を描画する．

4.4 ノード位置の決定

ノードを全て表示すると煩雑な地図になるため表示 閾値を設定する必要がある．ノード間の関係は χ2 _検定量によって計算されているため，0∼1 に正規化した χ2_{検定量の値で経験的に 0.8 を基準として閾値を定め} たが地図操作部の機能によって変更可能とした．ノードの位置は，バネモデルのアルゴリズム [6] を用いてノード間の関係値に応じた距離に配置されるように決定する．

4.5 島の描画処理

島を作成するためにクラスタリングを行う．クラスタリングとクラスタリングに用いる関係値は，松尾らの方法 [5] を用いる．クラスタリングを行うには関係値の閾値が必要であり，ユーザの好みに応じた表示を行うために閾値は変更可能とした．松尾らの方法では， クラスタリングを行う関係値として χ2検定量を使用し単語集合内での関係の強いものが一つのクラスタとしてクラスタリングされるようにする．また，クラスタリング方法として計算量の少ない Newman のアルゴリ

(4)

ズム [7] を用いてクラスタリングを行う．Newman のアルゴリズムを以下に示す． 1. 全てのノードを構成要素 1 のクラスタとして定義する． 2. 評価値 Q の増減 ∆ Q の値が最も大きくなるペアを結合する． 3. 2を繰り返す．Q が最大になった時点で終了する．また，評価値 Q の定義を以下に示す． Q = ∑ i   eii−  ∑ j eij   2   (5) ∆Q = eij+ eji− 2aiaj= 2(eij− aiaj) (6) ここで 行列 e，eij :クラスタ i と j の間のリンク数/alledge ． ai≡ ∑ jeij :クラスタ i 内でのリンク数/alledge ． alledge :クラスタ i, j 間の全 edge 数. 得られた各クラスタを島として描画する．島の描画方法を以下に述べる．島を描画するためには島の輪郭を取得する必要があり，本研究では島の輪郭の取得に凸包アルゴリズム [8] を用いた．凸包アルゴリズムを以下に述べる． 1. 最も左下にある点を出発点として，その点からｘ軸に平行に直線を延ばす． 2. その直線を反時計周り回転させ x 軸との角度を大きくしていく． 3. 最初に出会った点を凸包上の点とする． 4. 求めた新たな点を出発点として，同じように直線を回転させて最初にであった点を次の凸包上の点とする．取得した輪郭を線で結び海岸線を作成する．その際，海岸線は終端の丸い太字の点線を用いて描画する．次に輪郭の内部を塗りつぶす． 4.5.1 橋と線路の描画方法一般に線路や橋は遠い距離をつなぐものである．そのため，提案インタフェースでも広域な関係をつなぐように描画する．相互情報量 PMI(式 7）は単純な共起確率を計算しているため一般的な関係の強さと解釈できる．また，一般的な関係の強さは広域な関係の強さとも解釈できる．そのため提案インタフェースでは，PMI を広域な関係として同じクラスタ内の場合は線路を描画し，別クラスタ間では橋を描画して直感的に関係の強さを理解できるように描画する．橋は赤線で格子状に描画し，線路は地図記号を用いて描画した．橋と線路を全て描画すると地図が煩雑になり直感性が低下する．そのため，表示閾値を設定する必要があり，提案インタフェースでは 0∼1 に正規化した PMI の値で 0.8 以上と経験的に定めた． P M I(wi, wj) = log Hitij Hitii× Hitjj (7) 4.5.2 道路の描画方法一般に道路は線路に比べると狭い場所をつなぐものである．そのため，提案インタフェースでも局所的な関 係をつなぐように描画する．先に示した χ2_{検定量は単} 語集合内での関係の強さを意味し，閉ざされた集合内での関係の強さは局所的な関係とも解釈できる．その ため提案インタフェースでは，χ2_{検定量を局所的な関} 係をつなぐものとして道路を灰色の線で描画する．また，地図が煩雑になるのを防ぐため，道路の表示閾値を経験的に 0.8 以上と定めた． 4.5.3 橋と線路と道路の表示本数橋と線路と道路の本数はそれぞれの表示閾値によって制限しているが，入力する単語集合によっては地図が煩雑になるほど描画されることがある．これらの本数はノードの数の 2 乗に比例して増加するため，ノード数に応じて表示本数を決定する必要があるが，本研究では経験的に基準本数をノード数の半分と定めたが地図操作部によって表示本数を変更可能とした．表示の優先順位としてそれぞれ関係値の大きい順に表示し，道路と線路が重なる場合は両者の比較には，ユーザが設定できる重みを考慮した偏差値を用いた式 ( 8， 9) を用い，地図操作部でユーザが重みを変更できるようにした．また橋，線路，道路の本数の多さに応じて，ノードとノードに表示する単語の文字を大きくするようにした．これによりつながりの多いノードが直感的に理解できる．線路と橋の比較値 = 偏差値× 重み (8) 道路の比較値 = 偏差値× (1 − 重み) (9)

(5)

4.5.4 アニメーション中の描画アニメーションの際には，2 状態間の違いが直感的に理解できる必要がある．アニメーションの最中にノードが急に出現するとユーザが困惑してしまうため，始点の地図もしくは終点の地図のみに表示されているノードをアニメーション中に表示するようにした．また，アニメーションの途中で各ノードが保持する関係値を初期状態の関係値から終了状態の関係値へと変化させ，島の描画なども終了状態に合わせる必要があるが，中間状態でいきなり島が変更するとユーザは情報の変更が理解しづらい．そのため，アニメーションの中間まで徐々に島などのコンテンツの透明化を行い，アニメーションの中間では僅かにしか見えなくなるようにした．アニメーションの中間で終了状態の関係値へとノードの保持状態を変化させて島を新たに描画する際には僅かにしか見えない状態からはっきりと見えるようにしていく．このアニメーション途中の島の透明化によってユーザが初期状態と終了状態の差を理解しやすいようにした．

4.6 地図操作部

インタフェース部は，対話的機能として地図情報の変更と表示情報の切り替えと観点間のアニメーション機能を提供する． 4.6.1 地図情報の変更この操作機能では，島の統合・分割や，橋と線路と道路の接続・切断や，ノード位置の固定，橋と線路と道路の表示本数の変更が可能である．島の統合分割は ノードの描画に使用する χ2_{検定量の表示閾値を変更す} る．表示閾値が変更されると再クラスタリングを行い島の描画を更新する． 4.6.2 表示情報の切り替えこの機能では，表示されている地図を変更できる．提案インタフェースでは観点を考慮した最大 5 つの地図を切り替え表示出来，それぞれの地図で地図情報の変更が可能である． 4.6.3 観点間のアニメーションこの機能では，観点を考慮した最大 5 つの地図から選択した 2 つの地図間の遷移アニメーションを再生できる．地図の違いを分かりやすくするために，本研究のアニメーションは始点と終点の線形補間ではなく，関係値を考慮したアニメーションとする．方法として始点の地図の各ノードに，終点の地図の関係値を与えバネモデルのアルゴリズムを実行する．また，アニメーションでは単純な場所の移動だけでなく島や橋などの切り替えも行う必要があり，本研究では島や橋の切り替えのタイミングとして中間点で行うこととした．またアニメーションの最中にいきなり島が変更すると，ユーザは島が瞬間移動したように感じて困惑してしまう．そのためアニメーションの始点から中間へかけて地図の透過度を上げていき，中間点から終点へかけて透過度を下げていき，ユーザへの視覚刺激を減らす．アニメーション機能には「再生」「停止」「逆再生」「コマ送り」の機能がある．

4.7 インタフェースの出力

図 2 に提案インタフェースの概観を示す．図 2: インタフェースの概観

5 評価実験

本研究の目的である知識整理は，単語間の関係の解釈を行うことであると定義し，知識整理インタフェースを提案・構築した．評価実験において，ユーザに実際に提案インタフェースを使用してもらい知識整理の効果を検証した．

5.1 実験設定

被験者は大学生，大学院生 12 人とした．本実験の設定は，使用したテーマは「食べ物」「生き物」「偉人」「スポーツ」とし，各テーマの観点は 2 つとした. 各テーマの単語集合には，一般に知られている単語を用いた (表 2．提案インタフェースは実験用にアニメーション機能を 2 状態間のみと制限し操作を簡単にしたものを用いた (図 3)．また本実験では，提案インタフェースとの比

(6)

表 1: 実験で使用したテーマと観点テーマ観点 1 観点 2 食べ物おいしい健康生き物気持ち悪い怖い偉人芸術科学スポーツ球技格闘技表 2: テーマ食べ物の単語集合の例食べ物炊き込みご飯おむすびオムライスピラフドリア寿司カツ丼較のために比較インタフェースを用意した．比較インタフェースのデザインは提案インタフェースのデザインを無向グラフとした．また，アニメーションの代わりにグラフを 2 つ並べて閲覧できるようにした (図 4)．実験の際には，テーマの組み合わせを変更して行った.

5.2 実験内容

被験者に行ってもらう作業内容を以下に示す．被験者には表示されたグラフや地図を見て単語間の関係が解釈できるものを書き出してもらい，その理由を答えてもらう．その際, 単語の関係を記述する際には「島」「橋」「線路」「道路」の 4 つの地形の特徴を表すキーワードを必ず使用してもらい, 比較インタフェースでは「単語グループ」「黒線」「赤線」「灰色線」の 4 つのグラフの特徴を表すキーワードを使用してもらった．また，項目 4では解釈が出来なくても違いが分かれば記述してもらった．また，実験の際には提案インタフェースと比較インタフェースを用いる順番は被験者ごとに変更して行った．両方のインタフェースで実験を終了した後にインタフェースの比較を行うアンケートを行った．アンケート内容は，2 つのインタフェースの比較と自由記述による感想を記述してもらった．それぞれのインタフェースでは以下の手順で実験を行ってもらったその際提案インタフェースでは地図を見て，比較インタフェースではグラフを見て答えてもらった．図 3: 提案インタフェース (実験用) 図 4: 比較インタフェース 1. 観点なしの地図を見て，単語間の関係の解釈を行ってもらう． 2. 観点 1 の地図 (グラフ) を見て，観点 1 に関する単語間の関係の解釈を行ってもらう． 3. 観点 2 の地図 (グラフ) を見て，観点 2 に関する単語間の関係の解釈を行ってもらう． 4. 観点 1 の地図 (グラフ) と観点 2 の地図 (グラフ) を見て，2 つの観点間の違いを解釈をしてもらう．

5.3 評価方法

被験者に記述してもらった回答から, それぞれのインタフェースでの特徴を表すキーワードの頻度を計る．また, 実験後に被験者にはインタフェースの違いに関するアンケートに回答してもらい, その結果から主観的な意見を考察する．

(7)

6 実験結果と考察

6.1 地図表示

また回答数に対する一回答当たりの特徴単語である「島」「橋」「道路」「線路」と「グループ」「赤線」「黒線」「灰色線」のそれぞれのの使用数を表 5 に示す．グラフ表示では灰色線の割合が高くなっていることから， 2つのキーワード間の関係など局所的な関係に着目していると解釈できる．しかし，地図表示では島の使用割合が高くなっていることから，島に着目していることがわかる．回答数と特徴単語の使用頻度の割合と各特徴単語の使用頻度の使用割合から，観点によらず全体の状況を把握するためには，大局的な情報をより鮮明に認識することが必要であったと考えられる．そのため地図表示では局所的な関係だけでなく，全体に着目して情報整理を促す効果があったと考えられる．図 5: 一回答当たりの特徴単語の使用数特徴単語の使用の割合を図 6 に示す．グラフ表示では黒線と灰色線の使用割合が多くなっており，地図表示では島の使用割合が多くなっていた．これはグラフではノード間のエッジに着目し，地図ではノード集合に着目していたと解釈できる．そのため地図表示では，局所的な関係だけでなく，全体に着目して知識整理を促す効果があったと考えられる．図 6: 特徴単語の使用の割合

6.2 アニメーション

観点 1 と観点 2 の違いを回答してもらった回答から得られた「消えた」「出てきた」「くっついた」など状態の変化を表す単語の出現頻度を図 7 に示す．状態の変化を表す単語はアニメーションを使用できる提案インタフェースにおいて多く使用されており，グラフの並列表示インタフェースの回答は単語が「ある」「ない」といった回答が多くあった．並列表示インタフェースでは単純なグラフの違いを見たまま回答しているためグラフの違いはグラフがあるかないかの判断しかできない．しかし提案インタフェースではアニメーションにより「ある」か「ない」かだけではなく，単語が「ある」から「ない」へ変化する様子が回答されている．そのため被験者は提案インタフェースのアニメーション機能によってグラフの違いを深く理解できたと解釈できる．図 7: 状態の変化を表す単語数また，島・グループに対する変化を表す単語数 (図 8) とにおいてもグラフの並列表示に比べアニメーションの方が多く使用されていた．グラフの並列表示では局所的な関係しか理解できないため，並列表示にしても大局的な関係の理解には至らなかったが，アニメーションも地図表示と同じくノード集合の変化に着目できると解釈できる．これは地図表示による大局的な理解とアニメーションによる違いの直感的な理解の組み合わせによって，変化したグループが理解しやすかったためであると考えられる．アンケートの結果を表 3 に示す．アンケートによる主観的な意見では，内容理解と関係理解と違いの理解においてグラフ表示並列表示インタフェースに比べて提案インタフェースが有用であると答えた人が大半であった．またアンケートの自由記述による回答では，地図表示とアニメーションの優位差を説明する意見が多くあった．グラフ表示に関する意見に関しても理解しにくいという回答でグラフ表示の優位性を示す回答はなく，並列表示の優位差を示す回答も無かった．またアニメーションの操作に慣れるのに時間がかかったと

(8)

図 8: グループに対する変化を表す単語数いう意見があったため，アニメーション操作には慣れが必要であると考えられる．表 3: アンケート結果 (人) 地図どちらでもないグラフ内容の理解 11 0 1 関係の理解 11 0 1 違いの理解 10 1 1 これらの結果より提案する地図型アニメーションインタフェースの効果が確認された．

7 結論

本論文では，知識整理として単語集合内での単語間の複数の関係の解釈支援を行うインタフェースを提案した．知識整理の提案方法として，地図表示による直感的な情報の理解と，観点による複数情報の比較，アニメーションによる複数情報間の変化の様子の表示の 3つの機能の組み合わせを提案した．評価実験により比較インタフェースと比較して地図形式の表示の方が関係の認識が容易であった．また地図型では局所的な関係だけでなく，全体に着目して情報整理を促す効果があったと考えられる．グラフの並列表示では「ある」か「ない」かだけではなくアニメーションにより単語が「ある」から「ない」へ変化する過程を直感的に理解可能であり，グラフの違いを深く理解できたと解釈できる．これらの評価実験の結果より提案インタフェースの有効性を確認した．

参考文献

[1] 大澤幸生, Nels E. Benson, 谷内田正彦：KeyGraph:

単語共起グラフの分割・統合によるキーワード抽出，電子通信学会誌論文誌J82-D1 No.2, pp.391–400 (1999).

[2] Y.Seo, Y.Iwase, Y.Takama: KeyGraph-based BBS for Supporting Online Chance Discovery Process, SCIS&ISIS2006, pp.1210-1214, 2006.

[3] Yukio Ohsawa, Shuhei Tsuruoka: Data-based Vi-sualization of Scenario Maps on Potential Model,in Proc. 2006 IEEE International Conference on Sys-tems, Man, and Cybernetics (SMC06), Taipei, Tai-wan 2006.

[4] 浅田洋平,松尾豊,石塚満：Webからの研究者ネットワーク抽出の大規模化,人工知能学会論文誌,Vol.20,No.6, pp.370-378, 2005

[5] Yutaka Matsuo, Takeshi Sakaki, Koki Uchiyama, Mitsuru Ishizuka: Graph-based Word Clustering us-ing Web Search Engine,Proc. 2006 Conference on Empirical Methods

[6] 杉山公造：グラフ自動描画法とその応用,計測自動制御

学会,H5.7.31

[7] M. E. J. Newman: Finding and evaluating commu-nity structure in networks, Physical Review E 69, 026113, 2004.

[8] 凸包アルゴリズム: URL: