研究の概要

研究室としての主なテーマ：

[1] 一言で言えば、単純な「計算」を組み合わせて知的な機能を実現すること。道具はいろいろ。機械学習もその一つ。人間の脳がモデルです。もっとも、人間の脳ができないこともやろうとしていますが。皆さんの柔軟な好奇心に期待！

　(1) 自然言語の「意味」の学習。本当の「意味」なんて無理です。でもほんの少しなら。
　　　「意味」を表すというFrameNetを使う研究を行っています。面白い。

　(2) 自然言語の文法の学習。Web 検索が賢くなったら嬉しい。
　　　ニューラルネットや論理プログラムを用います。奥が深い。

　　　自然言語処理の研究紹介についてはこちら。

　(3) 図形認識・画像処理。最新式ニューラルネット、統計モデル等々を利用
　　　色知覚を考えている人がいます。スキャナの裏写りを消した人がいました。楽しい。

　(4) ベイジアンネットワーク。統計的モデルです。ニューラルネットも活用
　　　コンテンツ推薦システム、ユーザモデルの作成、その他色々な応用あり。興味津々。

　　　コンテンツ推薦とベイジアンネットワークの研究紹介についてはこちら。

　(5) 時系列解析。株価も、音楽も、動画も時系列です。

　　　時系列解析の研究紹介についてはこちら。

[2] 人とソフトウェア、人と人の知識の伝達などを考えていきます。データからの知識抽出なども。ソフトウェア生産と知識の関係も追いかけます。

　(6) ヒューマンインタフェース。人間どうしの協調を支えたい。
　　　普通の人や障害者に優しいソフトウェア。優しい心になります。

　　　ヒューマンインターフェースの研究紹介についてはこちら。

　(7) データ解析コンペティション。大規模データを分析するコンペ。
　　　OR学会等主催です。毎年参加しています。来年も是非参加したい。視野が広がります。

　　　データ解析コンペティションの紹介についてはこちら。

　(8) ソフトウェア生産と知識との関係について
　　　海外へアウトソーシングするとき、どうすれば成功するか（失敗しないか！）を検討。役立つ。

[３] 自由課題。自分でやってみたいことがある方大歓迎！皆さんの発想に期待！
　　自由です。勿論、相談にのります。皆さんは独自性があります。それを生かしましょう。

比較的単純な「計算」の組み合わせにより高度な機能を発揮させることを、実際にプログラムを作って試してみましょう。例えば次のようなテーマがあります。勿論、自分でやってみたいことがあればこれに限りません。

自然言語
- 英文の依存構造に基づく意味タグ自動付与システムを開発しました(修士)
- サポートベクターマシンを用いた日本語文への深層格付与を行いました(修士)
- 拡張したsimple recurrent networkによって構文解析を行いました(学士)
テキスト解析・テキスト分類
- サポートベクターマシーンを用いたWeblogカテゴリ判定システムを作りました(学士)
- Yahoo!カテゴリを用いたテキスト分類システムを構築しました(学士)
- 英語学習における例文発見方法を提案しました(学士)
データ解析・統計
- 顧客の購買パターンに基づいてＣＤ販売店における商品陳列手法の提案しました(学士)
- ＰＯＳデータのデータマイニングによるＣＤ売上げの予測分析をしました(学士)
- 数量化3類の解釈について研究しました(学士)
ユーザインタフェース
- ユーザ特性を反映したメニュー提示方法を提案しました(博士)
- 携帯電話における直感的にわかるキー割り当て方式を提案しました(修士)
Webシステム，推薦システムなど
- ユーザの入力コスト軽減を目的とした推薦アルゴリズムを提案しました(修士)
- Social Networking Serviceによるユーザ心理に基づいた人間関係促進のためのWebサービスを開発しました(学士)