近年，位置情報を扱うデバイスの増加に伴い，位置情報をもつデータが大量に生成されている．位置情報付きデータの分析は，コミュニティ検出によるグループチャットの推薦などに応用できる．位置情報付きデータの分析のため，位置が近いデータ同士をエッジで結んだグラフの部分グラフに注目し，データ同士の距離を重みとしたときに重みの小さい三角形を列挙することがある．
そこで，本研究では空間データから辺の重みが最も小さいk個の三角形を列挙する新しいアルゴリズムを提案する．実データを用いた実験により，提案アルゴリズムは既存アルゴリズムと比べて大幅に高速であることを確認した．

近年，推薦システムでは，MF（Matrix Factorization ）と呼ばれる，ユーザの未評価アイテムに対して，評価の予測値を取得する技術が用いられることが多い．MFは評価行列から各ユーザのベクトルおよび各アイテムのベクトルを得る．ユーザとアイテムとの内積は，ユーザのアイテムに対する評価や興味を表す．ここで，あるアイテムとの内積が大きくなるユーザ数を知ることで，そのアイテムの市場規模を知ることができる．この数を内積空間におけるカーディナリティとする．本研究では，これを高速・高精度に推定するアルゴリズムを提案する．実データを用いた実験により，提案アルゴリズムの有効性を確認する．

本研究では，2つの高次元ベクトル集合および出力サイズkが与えられたとき，内積が最も大きいk個のベクトルペアを出力する問題に取り組む．この問題は，相関分析におけるアウトライアの検出や，出力サイズの制限付きジョイン操作といった応用がある．本問題を厳密に解く最も単純な方法は全ペアを列挙することであるが，これは非常に計算コストが大きい．本研究では，既存のstate-of-the-artであるip-NSWを拡張した近接グラフを設計し，このグラフを利用して内積が大きくなりやすいベクトルペアを効率的に識別する近似アルゴリズムを提案する．実データを用いた実験により，提案アルゴリズムは高速に高精度な解を出力することを確認する．

様々な分野の活動や社会情勢を伝える情報源である新聞記事を対象に, その容易なアクセスを可能とする新聞アーカイブシステムKENBUNを構築している. KENBUNでは, 大量の新聞紙面画像を発刊年月順に一覧表示し, ブラウジングを主とした記事探索を行えるが, 新聞紙面画像が大量であるために一つ一つが小さく, 記事の内容を詳細に確認することが難しい. そのため, 紙面内で注視しやすい見出し, 写真, 図, 広告をランドマークとして抽出して表示し, 利用者が選択したランドマークと類似したランドマークを表示することでブラウジングの効率化を行う. 本稿では, 類似ランドマークの選定方法と表示方法を示し, これらの有効性を評価実験により示す.

株価や為替のように時間的な変化を伴う時系列データを予測するする研究が盛んに行われている。近年はニューラルネットワークに関する研究が活発化し、時系列予測分野ではRecurrent Neural Network(RNN)を用いた予測が行われている。RNNは予測対象データの過去情報を学習することで未来値の予測を行うが、株価等のデータは他の複数データの影響を考慮した予測が一般的である。そこで、本研究では予測対象時系列データに関連のある複数の時系列データをRNNの学習に利用する手法を提案する。具体的には、グレンジャー因果性に基づいて関連のある時系列データを効率的に抽出し、さらに重回帰分析を用いて近似したデータをもとにRNNによる時系列予測を行うフレームワークを提案する。

自然言語処理では，N-gram の尤度比を頻度情報から推定することがある．しかし，存在しうるN-gramの一部しかコーパスに含まれず，かつ，そのほとんどはまれにしか出現しない．ゆえに，低・ゼロ頻度N-gramに対する尤度比推定法が必要になる．これを達成する一方法は，N-gramを文字や単語等の離散値に分解し，個々の尤度比の積を取ることである．しかしこの方法では，多数の離散値を扱うため，推定に要する時間とメモリ使用量が問題になる．また，不要な離散値を用いると推定精度が低下する．そこで本稿では，先述の方法に文書分類のための特徴選択法を組み合わせることを提案し，低・ゼロ頻度N-gramに対して有効的かつ効率的な尤度比推定ができることを示す．

データストリーム処理において耐障害性保証は重要であるが，エッジコンピューティング環境を想定すると近似的なアプローチも有効であると考えられる．
デバイス間に存在する相関関係に基づき障害エッジの出力を他のエッジの出力から近似的に復元することで，エッジ単位での物理的な多重化を必要とせず，また障害エッジの復旧を待たずに処理継続できる．
しかし，先行研究では実データに対する推定精度に課題がある．
そこで本稿では，デバイス間の相関関係だけでなく，データ間に存在する時間的相関も併せて考慮することで推定精度の向上を目指す．
また，提案手法における時間的相関考慮の有効性について実験により検証する．

光の照射で物体との距離を計測するLiDARの普及により地形の点群データをリアルタイムで取得する難易度が下がり、その活用が現実的に可能となった。このLiDARを用いることで混雑状況や活動状況を点群データで予測するアプリケーションの開発が期待される。点群データは個人を特定できる情報ではないためプライバシーへの配慮にもつながるほか管理コストを抑えられるというメリットがある。しかし既存の技術では処理性能を初めとした状況予測のために入手した点群をどのようにリアルタイムで処理するかという課題が存在する。今回の研究では既存のデータベース技術を応用し、このようなLiDARで得られるリアルタイムの点群データを処理する研究を行った。

本研究は、人とロボットの協働時の人の動きの特徴のうち、ロボットを効率よく稼働させる特徴から、マニュアルを半自動生成し、短期間で新人が経験者と同じように作業できる手法を提案する。アルバイト従業員は入れ替わりが早く、引継ぎも難しいが、マニュアル動画を半自動生成することで解決する。本手法は、体に加速度センサを付け、複数種類の協働作業の動きの特徴量を多数とり、従業員が作業に慣れると変動がなくなる特徴を抽出し、マニュアルを作成する。抽出時の共通点を見つけ、一般化したルールを作成する。これにより、新たなロボットに対し従業員のセンサデータからルールに従いマニュアル動画を半自動生成し新人教育に役立てる。

本研究では、山形県を訪れる観光客を対象とした観光情報提供アプリケーションのユーザがとる行動パターンを隠れマルコフモデルにより推定する。具体的には、本アプリから得られるトラッキングデータを用いて各地を訪れた滞在時間と移動距離のデータを隠れマルコフモデルへの学習モデルを適用し、滞在の仕方が異なるユーザ毎に見られる行動パターン抽出を考察する。

我々はリストバンド型加速度センサを用い、人の行動に関するデータとしていつからいつまでどのような状態であったかを示す運動状態データを収集し、そのデータから長時間行われた行動に相当するエピソードを抽出する長時間エピソードマイニングの研究を進めている。報告者は行動した時間帯の偏りに着目した長時間エピソードを検討してきた。行動時間帯が偏った長時間エピソード抽出には従来の長時間エピソードマイニングより処理負荷が高くなる。本研究では、所定の時間帯でエピソードが発生し得る区間を考慮した探索候補の枝刈りを提案する。報告者のデータを用いた評価実験より、提案手法が処理負荷を低減可能なことを確認した。

CPSの分野では点在するデータを一箇所に集めることなく、データソースからリアルタイムに取得するデータ仮想化技術が注目されている。
OSSデータベースPostgreSQLはデータソースへのアクセスを可能とする外部データラッパという機能拡張の仕組みがあり、PGSpiderはこれを利用して、分散したデータを仮想的なひとつのテーブルとしてアクセスさせる機能と取得した各レコードにデータソース情報を付加する機能を新たな拡張機能として実現した。
これをパラレルクエリおよび宣言的パーティショニングと組み合わせることでデータソースへのアクセスを並列化し、PostgreSQLをデータ仮想化エンジンとして活用できるようになった。

大量のデータに基づくデータベース問合せを効率的に実行するための技術として，近年近似的問合せ（approximate query processing, AQP）が着目されている．AQPでは要約データやサンプルを用いた問合せが行われる．本研究では既存研究Bounded Approximate Query（BAQ)の技術に着目し，BAQの問題点を指摘と改善し，実装することを検討している．本稿ではそのアイデアについて述べる．

近年，ムーアの法則の終焉によるメニーコア環境への転換に伴い，マルチスレッド向けの索引に対する需要が増加している．ATMや電子商取引に用いられるOLTP システムにおいてその性能は特に重要であり，索引構造の更新にロックフリー技 術を用いるロックフリー索引は並列動作時の干渉の少なさとそれによる同時実行性の高さから注目されている．一方で，Bw木やBz木などの既存のロックフリー索引に関して，統一的な環境・実装での比較実験は不足している．そこで，本研究ではロックフリー索引の性能検証を目的とし，基礎的なベンチマークの作成及び既存索引の再現実装を行い，統一的な環境下での比較によってその性能特徴を検証する．

データを連続的に処理するデータストリーム処理に注目が集まっており，活発に研究開発が行われている．しかし，既存のいくつかの分散並列データストリーム処理システムには，シャッフリングベースの並列処理によりメニーコアの性能を活かしきれない，入力データの偏りにより性能が悪化するなどの課題がある．そこで，本研究ではあるサーバ内における内部状態を各スレッドで共有し，シャッフリングを避けつつ入力データの偏りにも対応可能な並列ストリーム処理について提案する．特に，集約処理について主に扱い，内部状態の共有方法について検討する．

Open IE に代表される RDF トリプル抽出は知識発見を行うための基礎技術である．既存の品詞情報に基づいたトリプル抽出手法では，不定詞の動作主が制御動詞の種類で変化するという規則を考慮できておらず，不定詞がリレーションにあたるトリプルを抽出できていない．本研究では，不定詞における言語学的知見に基づき，不定詞構文から導出できる共参照関係を利用したトリプル抽出手法を提案する．
この提案は，既存手法と比べ F 値が 2.7 ポイント向上したことから，言語学的規則の追加によるトリプル抽出法の有用性が明らかになった．また，未来の事象を表すトリプルの抽出による，将来起こりうる状況を推論することが可能な知識グラフの構築の一助となる可能性がある．

近年，決済に代表されるデータ整合性が重要な分野においても，アジリティ向上のためマイクロサービスと呼ばれる開発手法の採用事例が増加している。一方，マイクロサービスにおけるサービス間のデータ整合性維持には，分散トランザクションをサービスごとに実装する必要があり，多大な工数を要する点が問題となっている。本研究では分散トランザクションの設計に関する方法論，およびサービスの実装・運用支援機能を備えた分散トランザクション管理フレームワークを提案する。決済分野への適用を想定した評価により，提案フレームワークがサービスの開発工数削減に寄与することを確認した。

推薦システムはWebページ、動画配信サイト、音楽アプリなど様々な場面で利用されている。しかし推薦システムの内部でどのように推薦アイテムを選んでいるのかはブラックボックスとなっており、利用者に対して推薦理由を提示することが求められている。説明可能な推薦はアイテムの推薦だけでなく推薦した理由の説明も生成する。推薦の説明文を提供できるようになると、 ユーザやシステム設計者が特定のアイテムが推奨される理由を知ることができる。 また、推薦システムの透明性、 説得力、 有効性、 信頼性、 満足度を向上させるのに役立つ。さらに、 システム設計者がシステムのデバッグを行う際にも役立つ。本稿では説明可能な推薦の総括的な調査結果を提供する。

近年, インターネットの発展に伴い映画の配信サービスが急速に普及している. 映画を探すために, 各サービスではユーザに未視聴かつ適切な映画を推薦する推薦システムが活用されている. しかし, 既存の推薦システムの多くは, ユーザ評価などの行動履歴を用いる協調フィルタリングのシステムである. そのため, 推薦内容は行動履歴が多数存在する映画に偏りが出てしまう.
本研究では, 協調フィルタリングとコンテンツベースフィルタリングの出力を組み合わせることで, 行動履歴の少ない映画でも, ユーザの嗜好に沿った上で推薦されるハイブリッド型推薦システムを提案する.

本研究では中国のECサイトにおけるショッピングイベント期間のユーザ閲覧履歴を対象とする。ユーザの閲覧履歴データに対して、「商品情報の閲覧」、「お気に入りへの登録」、「カートに入れる」、「購入する」、「商品のカテゴリ」、「日時」の行為データを整理し、イベント期間とイベント前後の行動を解析することにより、購買、非購買の関連を明らかにする。

学生(ユーザ)の質問行動をサポートするオンライン学習支援システムを提案する。
質問行動のサポートによって学生の思考力を活性化させる為に関連する講義スライドから質問の雛形を自動生成し、ユーザの質問行動を促進する。
質問行動の支援の結果、学生が講義内容に対して疑問を持ち、自ら思考する習慣を獲得する環境の提供を行う。

食器洗浄業務では，従業員が高温多湿の苛酷な環境下での作業を強いられるため食器洗浄ロボットを導入する飲食店が増加している。しかし，ロボット故障時には修理員を各飲食店に派遣する必要があり，メーカの負荷が大きい。そこで，ロボットに装着されたセンサで収集された計測値をクラウドに集め，クラウド上で計測値の時系列解析を適用することを考える．解析にてロボットの異常兆候を検出する．修理員が解決した異常に対する対処法を兆候の特徴と共に記したマニュアルをクラウド上に作成する。新規に検知された異常が既知のものであれば，飲食店は，このマニュアルを用い，メーカを煩わせることなく，ロボットのメンテナンスを実施できる。

教師ラベルの収集には高い時間的，費用的コストがかかる．そこで，クラウドソーシングを用い，データセットを構築することを考える．クラウドソーシングは安価に，短い時間で，大量のデータを収集可能である．しかし，得られるデータの信頼性は担保されない．そのため，特に主観評価という個人差の大きなタスクにおいて，質の良いデータを収集する方法論が求められる．本研究では，主観評価のクラウドソーシングにおいてスパマの影響を低減させ，高品質なデータを収集する方法を検討する．また，実際に構築したデータセットと，機械学習分野で教師あり学習に用いられている既存データセットと比較し，提案手法の有効性を評価する.

確証バイアスに陥ってしまい、デマの拡散などの問題が起きることが問題視されている。この確証バイアスに陥った状態の特徴を得ることを本研究の最終目標とし、本論文では人が調べた際、比較的わかりやすいと考えられる、男女間のバイアス、選挙での支持者の違いによるバイアスの特徴を得ることを試みた。本研究では、ツイート収集後、それぞれの分類ごとにラベルを付け、BERTを用いて学習し、文章中のどの点に注目することで分類されているのかをAttentionから得たものをそれぞれのバイアスの特徴とする。男女それぞれ5人で行った実験では、学習後のテストデータでの正解率が93%と、バイアスの推定ができていることがわかった。

オンラインショッピングサイト上で各商品が持つ商品スコアは、ユーザが商品購入の意思決定の際に各商品を比べる要素の一つである。しかし、レビュアーが商品に付けるレビュースコアは5段階評価であるため、細かな評価ができない。本研究では、レビュースコアをレビュアーごとに再計算し、それを基に商品スコアを再計算する手法を提案する。レビュースコアの再計算は、レビューの文字数と、そのレビューを書いたレビュアーの全てのレビュー文字数の中央値を比較して計算する。再計算後のレビュースコアの平均を新たな商品スコアとした。実験では、楽天市場データを使用し、再計算前後での商品スコアを比較した。

NHKには今までに取材、放送してきた膨大なリソースを保有している。それらは貴重な一次資料であり、有効活用して番組制作に役立てられている。一方で、あまりに膨大な資料であることから、資料全体を俯瞰して扱うことが難しかった。
本稿では、東日本大震災のニュース原稿と取材情報を可視化するシステムを紹介する。これにより、時系列や場所ごとの取材件数や、原稿に現れる感情の推移などを俯瞰的に捉えることが可能になり、今まで以上に過去の資料の有効活用の推進が期待できる。

研究を遂行するうえで，自らの研究の位置づけを明確にする為には関連する論文を収集・把握する必要がある．関連する論文を収集する際，論文のタイトルは重要な判断材料の1つとなるが，同一著者が執筆した類似したタイトルの論文も存在するため，タイトルから論文間の差異を見つけることは困難である．そのため自身に適した論文を選択するために内容を理解することが必要であるが，これは多大な労力と時間がかかるためこれらの差異を計算機が分かりやすく提示することで研究者の論文収集への貢献が期待される．そこで本稿では，類似したタイトルの論文を対象にそれらの差異に対する計算機の判断と人間の判断を比較し，その一致度を調査する．

世の中には様々なレシピ検索サイトがある。しかし、これらのサイトでは、レシピの難易度が「かんたん」かそうでないか、というように大まかに分かれていることが多いため、ユーザに合った難易度のレシピを探しにくいという問題がある。そこで本研究では、[味の素パーク]レシピ大百科の人気レシピ上位100件のデータを対象とし、クラスタリングによって、調理難易度の類似度でレシピを分類することで、レシピの難易度を推定することを目的とする。これにより、ユーザが自分の調理技能に合うレシピを効率よく探すことができると期待される。評価実験として、本研究で推定した難易度の妥当性に関する調査をおこなった。

世の中には様々なレシピ検索サイトがある。しかし、レシピ検索サイトでは、レシピの栄養バランスがわかりにくいといった問題がある。そこで本研究では、【味の素パーク】レシピ大百科の人気レシピ上位100件のレシピを対象とし、そのレシピの12種類の栄養素等に関するバランスを可視化する方法について調査した。可視化の方法としては、「全体の栄養素等」をまとめて1つのレーダーチャートで表示する方法と、全体のレーダーチャートに加えて、「3大栄養素」、「ミネラル」、「ビタミン」の3つのレーダーチャートも表示する方法について調査した。これらのレーダーチャートを使った2つの方法と表を、被験者を使って評価した。その結果、表より4種類のレーダーチャートを表示した方が、栄養バランスがわかりやすく伝わることが観察できた。