研究開発 - livedoor Blog（ブログ）

	[ IT - インターネット ]		livedoor ブログをはじめる

2009年11月26日

wavファイルをダイレクトに編集して音声合成 ?

１年前に母音だけ作ったのですが
今回子音も作りました。

それぞれ、多分こういう形です。

無声摩擦音

s
h

有声摩擦音

z
g

無声破擦音

タ行の ch と ts の二つです。

ch
ts

無声破裂音

k
p
t タ行の他の文字です

有声破裂音

d
b

鼻音

m
n

g
日本語ではガ行”がぎぐげご”は鼻音となるケースがありますが、
文法上、鼻音で発声しなければならないような規則はないので、（日本語では）ほとんどの場合これらの音は同一視されてます。

半母音

w
y

側音

ほとんどの日本人は L と R とを区別しませんが、発声についてもそうです。
英語ではこれをしっかりと区別しています。
日本人が外国語を学ぶ上でここが重要な点の一つであると.....Pronunciationの教授が言っていました。

音としてはラ行はLに近い軽い音です。

促音

次の子音と一体化しており、促音自体の波形は一定ではありません。

拗音

波形がわかりにくいですが大体 y と同じ形をしていると思います

yyvoice

さて、これで子音と母音を作成できたので.....

tak_tak0 at 21:07│コメント(0)│トラックバック(0)│研究｜サーバ

2009年11月20日

評価情報の絶対値測定

エンドユーザからの意見、そのpositive,negative の分析は昔から様々な方法で行われているのですが、
ではどの程度積極的に、
どの程度の”強さ”で評価が下されているのでしょうか？

弱い評価が多数あったり、
強い評価が少数あったり、
その積分値が同程度だったら？

positiveな情報の総量とnegativeな情報の総量が同量だったら
総和を取ってneutralにするべきでしょうか？

非常に強いpositiveな情報と非常に強いnegativeな情報が
それぞれ多量にあったら、はやり全体はneutralだと考えるべきなのでしょうか？

極性の判定より、絶対値の測定の方がずっと確実にできます。

何を喋っているのか意味は理解できなくても
言葉を聞き取れなくても
声の多きさは割と簡単に測定できます。

というわけで文の意味,強さの絶対値測定を導入します。

●評価強度　
評価している情報の総量です。　「評価」している言説です。 positive,negative な両方です。
●可変性　　　
文書自体の可変性ではありません。　記述している”事象”の可変性,自由度です。
●記述詳細　　
記述している事象についての記述の「詳しさ」の指標です。　 1つの事象を詳しく記述すればたくさんの事象を記述できないので、描写総量とはtrade-offになる傾向があります。
●感情強度　　　
文書が表す感情の強さ　その総量です。
●描写総量　　　
記述している事象の総量です。　たくさん記述すれば各々は詳しく記述できないので、記述詳細とはtrade-offになる傾向があります。
●装飾量　
意味を全く持たない文字列の割合です。

tak_tak0 at 00:15│コメント(0)│トラックバック(0)│研究｜サーバ

2009年11月16日

文書情報の真偽を判定する技術

不可能に思えますが、実際、不可能です。
以下の研究でも本当に判定できると思ってはいません。

しかしながら、
情報の信憑性を見抜こうとする試み自体は無意味ではありません。

加えて、
これは、本当に新しい研究です。

情報信憑性判断のための要約に関する基礎的検討
渋木英潔　中野正寛　宮崎林太郎　石下円香　鈴木貴子　森辰則　　横浜国立大学
言語処理学会第15回年次大会 2009

※ 検討で終わりです。　　具体的な手法はありません。

Web 上に存在する情報は，ブロードバンド化の進展やブログ等の普及に伴い，爆発的に増加し続けている．
これらの情報の中には，出所が不確かな情報や利用者に不利益をもたらす情報などが含まれており，信頼できる情報を利用者が容易に得るための技術に対する要望が高まっている．
しかしながら，情報の内容の真偽や正確性を検証することは困難である上に，その情報が意見などの主観を述べるものである場合には，利用者により考え方や受け止め方が異なることから，その真偽や正確性を検証することはさらに困難なものとなる．
そのため，情報の信憑性は，最終的に個々の情報利用者が判断しなければならず，利用者による信憑性の判断を支援する技術の実現が優先して解決すべき課題であると考える．

我々は，主観的な意見や評価だけでなく，疑問の表明や客観的事実の記述を含めたテキスト情報を広く言論と呼ぶこととし，ある言論集合における個々の言論の相対的な位置づけを提示することで情報信憑性を表現することを目指している

．

2.1 対象言論と成立条件

表1: 情報信憑性判断における言論の例
(a) ディーゼル車は環境に良い
(b) バナナにはダイエット効果がある
(c) 神は実在する
(d) レッドクリフは面白い
(e) 死刑制度に反対である

まず，表1 に示す(a) の類似言論として，
「(a’) 自動車NOx・PM 法の規制強化以前は環境に悪かったが，近年は粒子状物質減少装置の性能が向上したため環境に良い」
という言論を仮定すると，(a’) の方が(a) よりも言論の成立条件に関する各種情報が提示されており，ユーザの信憑性判断が容易となるように思われる．

情報の信憑性を判断する際に，「内容はよく分からないが，誰某が言っているから信じる」という行動をとることは，厳密な論理的正確さはないが，判断方法の一つとして考えられる話である．
これは発信者への信頼を以て内容の信憑性判断に代えることを意味しており，発信者の信憑性判断が問題となる．

信頼できる発信者の条件として考えられるのは，匿名よりも実名の人物，赤の他人よりも身近な人物，素人よりも専門家，
といった点であるが，例えば，(a) の言論の発信者として，「非常に有名だが歌手」と「無名だが自動車メーカーの技術者」とを比較した場合，
より論理的に信頼できるのは技術者の方であると思われる．
このことから，信憑性判断においては，情報発信者の名称に加えて属性情報を提示すること重要があると考えられる．

対立言論など複数の選択肢を提示した上で主張されている言論は，発信者の公平性が強調されることにより信憑性判断に影響を及ぼすと考えられる．
したがって，提示する要約自体の信憑性を高めるためにも，多様な観点を網羅するような要約を作成しなくてはならない．
また，公平性という観点からは，例えば，「自社製品が良い」という言論など利害関係が存在する情報発信者の信憑性は低下すると考えられ，
その意味においても情報発信者の提示が必要となる．

2.3 網羅性と公平性
2.1 で述べたように，対立言論など複数の選択肢を提示した上で主張されている言論は，発信者の公平性
が強調されることにより信憑性判断に影響を及ぼすと考えられる．
したがって，提示する要約自体の信憑性を高めるためにも，多様な観点を網羅するような要約を作成しなくてはならない．
※普遍的事実のような言論においては，網羅性の高さが多様性の高さを保証するものではないため，さらに検討しなくてはならないが，現段階ではそこまで行えていない．

Web 上の画像・テキスト対の信憑性分析
山本祐輔　田中克己　京都大学
データ工学と情報マネジメントに関するフォーラム DEIM 2009

本研究ではWeb 情報の中でも特に画像とその説明テキストのペアに焦点を当てた信憑性について論じる．
画像情報はテキストのみの情報に比べて圧倒的に内容の理解が容易であるため，画像およびそれに関連する説明テキストの信憑性が低い場合，大きな問題となる．

ハンバーガーH は今までのハンバーガーよりもすごい! 実際ハンバーガーH は全然違った．こんなのぺったこじゃないか！

足利尊氏は征夷大将軍となり，京都に幕府を作った. この肖像画の人物は足利尊氏と言われていたが，近年は尊氏の従者であった高師直という説が強い．

テキストに対する画像の典型性評価だけでは，画像・テキスト間の整合性を判定できない．
そこで本研究では，画像・テキスト対の信憑性を画像・テキスト間の整合性の問題として捉え，テキスト内容が指してる画像の典型性，
および類似画像に付与されている説明テキスト間の無矛盾性，の両要素を考慮して分析する手法を考える．

画像i とその説明テキストt との整合性が高いケースでは，
関連する画像・テキスト対の集合との比較で考えると，
直感的にはテキストt を説明するために他の画像に比べ画像i が用いられることが多く，
同時に画像i に対してはテキストt の内容で説明されることが多いと考えられる．
つまり画像i とテキストt の対の整合性Cred(t, i) は

のように表現することができる．よって最終的には上式を満たすような関数fを定義することによって画像・テキスト対< i, t > を評価することになる．

説明テキストt に対して画像i が使用される確率が高いというのは，直感的には説明テキストt に対して画像i と類似する画像が頻繁に使用されている，テキストt に対して画像i が典型的な画像として使用されていると言い換えることができる．

テキストt を同じ説明テキストとして持つ画像集合を取得し，その集合内における画像i が視覚的な典型性imgTyp(t → i) を評価すればよい．
このことからテキストt と画像i の整合性Cred(< i, t >) は以下のように表現することができる．

DB(txt = t) は画像データベースに存在する画像でテキストt を説明テキストとして持つ画像集合を表し，
imgTyp(i, Images)は画像集合Images 内における画像i の典型性を表す

．

以下
2. 2 ある画像に関するテキスト内容の無矛盾性
2. 3 画像・テキスト対の信憑性
3. 実装
4. 実験
... と続きます

根拠情報抽出の課題設計と予備実験
飯田龍　　東京工業大学
乾健太郎　松本裕治　　奈良先端科学技術大学院大学
言語処理学会第15回年次大会 2009

この根拠抽出の技術が実現することで，例えば，意見情報抽出の課題で抽出された対象，属性，評価のような意見の構成素に対して，
なぜそのような意見が記述されたかという根拠をユーザ（意見の読み手）に提示することができる．
これにより，ユーザは意見（帰結）の妥当性・信憑性を根拠側の情報から判断することが可能となる

今回対象とする文章中の談話片間の根拠-帰結関係を抽出する問題は，文章中の談話構造を部分的に解析する問題に対応すると考えることができる．近年の談話関係に関する研究では，修辞構造理論(RST) や　
Hobbsの談話関係，Penn Discourse Tree Bank (PDTB) など種類は異なるが談話関係が付与されたタグ付きコーパスが構築され，実際に自動解析を行った結果についても報告されている．

根拠-帰結関係の仕様についての検討

本研究で対象とする根拠-帰結の関係は，意見情報抽出の技術で抽出された意見の根拠や，言論マップなどの応用処理で必要となる命題の真偽を判断するための根拠など，既存の談話関係で言えば，原因・理由・根拠・動機・目的に相当する関係であり，これらは帰結側の表現がどのような表現であるかによって異なることがわかる．

○例えば，帰結側が“iPod touch には満足している” という意見の場合は“iPod touch が多機能である” ことがその意見を判断する際の根拠となる．

○一方，帰結側が“ 内閣支持率が低下している” という命題については“全国電話世論調査では，不支持が前回調査よりも9 ポイント増加している” したという定量的な数値や“内閣の経済政策に対する不満が高まっている” という具体的な不満の内容などが根拠となる．

4.1 根拠抽出手法

自動抽出の手法にはWellner(Automatically Identifying the Arguments of Discourse Connectives) らと同様に機械学習に基づく手法を採用する．

彼らの談話関係同定の枠組みは，機械学習に基づく共参照解析の観点から見ると，
Soon ら（A Machine Learning Approach to Coreference Resolution of Noun Phrases,）の2値分類を用いた共参照解析の手法に概ね対応し，根拠（もしくは帰結）該当箇所を照応詞とみなし，帰結（根拠）該当箇所を先行詞とすることに相当する．

共参照解析の問題では，先行詞候補集合の中から最初に最も先行詞らしい候補を決定し，
その候補と照応詞の対を用いて照応関係になるか否かの分類問題を解くという2 段階の処理を行うことで，Soon らの手法より高い精度で解析できる．

そこで，この2 段階の処理を根拠抽出の処理に適用することで抽出精度に影響があるかについても調査を行う．
帰結（根拠）側が与えられたときに対となる最も根拠（帰結）らしい候補の選別には，我々が以前提案したトーナメントモデルを利用した．この2 段階の手法ならびにSoon らの手法の詳細は文献（最尤先行詞候補を用いた日本語名詞句同一指示解析）を参照されたい．

4.2 素性

(a) 帰結（根拠）候補単体から抽出される素性:
文頭か否か, 文末か否か, 主辞の品詞，主辞の見出し語，
候補が述語か否か，候補文節内の機能語．

(b) 帰結候補と根拠候補から抽出される素性:
根拠（帰結）候補が帰結（根拠）候補に係るか否か, 根拠（帰結）が帰結（根拠）より前に出現するか否か,
帰結候補と根拠候補の間の係り受けのパス中の主辞の品詞とすべての機能語．

tak_tak0 at 00:03│コメント(2)│トラックバック(1)│研究｜マーケティング

2009年11月12日

音声認識を行うwebアプリケーション開発

多分、これが一番手軽な方法です。

音声入力・認識機能を有するwebシステムw3voiceの開発と運用
西村竜一　河原英紀　　入野俊夫　和歌山大学
三宅純平奈良先端科学技術大学院大学情報科学研究科
情報処理学会研究報告　音声言語情報処理　　2007(103)

提案システムは、音声認識・対話や音声合成等の音響処理技術システムをWebインタフェースに適用し、
音声Webアプリケーションを構築することを可能にする。また、w3voiceシステムの利用にさいしては、
クライアントPCに対して特別なプラグインプログラムのインストールを要求しない。
このため、私たちが普段から使用しているWebブラウザをそのまま使うことができる。

これまでに提案システムを用いて、音声認識、対話、ボイスチェンジャ、
掲示板等の音声Webアプリケーションの実装を行った。
本プロジェクトのWebサイト(http://w3voice.jp/)では、それらアプリケーションを一般に公開しており、だれでも利用可能である。

w3voiceIM.jsの設定方法

w3voiceIM.js が有効になる条件ですが

<script language="javascript" type="text/javascript" src="http://w3voice.jp/engine/w3voiceIM.js"></script>

を<head>～</head>の中に入れること

入力対象として、
<input type=text>または
<textarea>
を<form>～</form> 中に入れることです。

音声入力には Push here.を押し続けることです。マウスボタンをupした時点で録音を終えます。

音声認識にはjuliusが必要です。

julius-4.1.3-linuxbin.tar.gzを解凍したら
un_install.sh を実行するだけです。
特に問題が生じなかったのですが、問題が生じる環境もあるかもしれません。

オープン化している理由の一つに精度の向上（させてくれる）を期待していると思うのですが、
しかしながら、(juliusに限らず、ほとんどの音声認識エンジンは)音声認識の精度はまだまだ大したことはありません。

インストラクションデザインなどのT教授

「結構よくできていると思うんだけど」
「でも僕のお母さんが言うと全然だめらしい」
「やっぱりこういう知識がある人間だと評価が甘くなるんだよ」

本来システムがユーザに合わせるべきところを、逆にユーザがシステムの挙動を学習してシステムに合わせる、という事態
テストユーザがシステムを甘やかすという事態は頻繁に生じます。

juliusはマイクの入力から直に音声認識できたりするのですが
あくまで汎用大語彙連続音声認識エンジンです。
音声合成などは行えません。

一応日本語向けのようにはなっていますが、設定次第で何語にでも対応できるはずです。

さて、このようにして...
続きを読む

tak_tak0 at 07:35│コメント(0)│トラックバック(0)│サーバ

2009年11月08日

民間IT企業の研究活動

平成19年度「民間企業の研究活動に関する調査報告」について

やはり研究費（INPUT）よりもOUTPUTで評価するべきです。

この分野では NTT研究所が量、質ともにダントツで一番です。
研究やっている者なら当然知っていますが、IT業界でも知らない人は全然知らないです。

NTTと言ったら、
NTT東西とか　 Docomoとか　データとか　コミュニケーションズとか　コムウェアとかしか出てこない人が（特に就職活動学生は）非常に多いのですが、
NTTという言葉が指す本来の対象は、日本電信電話株式会社です。

○cinii収録件数

2006年	2007年	2008年
1348 本	1285 本	1296 本

多分この数字より多いです。
2009の数字はまだ確定しませんし
2008の数字もこれからもう少し増えるはずです。

その次は大手電機メーカーです。

	2006	2007	2008
NEC 日本電気株式会社	288	242	319
富士通	282	217	129
日立製作所	803	670	476
sharp シャープ株式会社	90	57	48
SANYO 三洋電機	68	44	38
三菱電機	539	451	438
東芝	408	340	248
松下電器産業	310	211	144
パイオニア	25	23	9
京セラ	12	20	12
沖電気	100	90	72
canon キャノン	7	6	3
大日本印刷	31	33	30
凸版印刷	47	26	17
sony ソニー	88	74	45
KDDI	386	303	308
日本IBM	117	114	76
マイクロソフト	1	7	4
Intel	9	6	9
サン・マイクロシステムズ	8	10	1
ジャストシステム	22	15	13
モトローラ	5	2	0
NOKIA ノキア	7	5	0



Google	1	1	1

多分この数字より多いです。

小さなメーカーでも、その業界の研究論文は、普通は幾つも書くものです。

民間企業で普通は研究しないみたいな（異常な）風潮になっているのはIT系ぐらいです。

人工知能技術のネットビジネスでの活用
内山幸樹　ホットリンク株式会社
人工知能学会誌 24(4) 2009

私は、2000年に、「ほっとする」情報社会の実現、知識循環プラットフォームの実現を目指し。
ホットリンク株式会社を創業した。今でいうWeb2.0にあたるサービスを当時からつくってきており、
その過程でさまざまな学術機関との連携をおこなってきた。
近年でも、人工知能技術を活用しているベンチャー企業はいくつもあるが、
比較的長い間、人工知能に関する技術を活用する試みを続けてきたと考えている。

.....

2.1 東京大学石塚教授との出会い
1999年、ソニーがネットだけで完結する販売方法の損害販売会社（現　ソニー損保）の設立を準備していた。
その際、ホームページ上でのキャラクターエージェントのサービスの開発を著者は担当していた
.....

2.3 京都大学西田教授との出会い
京都大学西田豊明教授（当時は東京大学）は、今でいうWeb2.0の中心的な考え方である一般ユーザの
知識からコンテンツを生成するという考え方を学術的に捉え、実際にサービス化し
実証するという取り組みを行っていた。
その一つの形が画像付き掲示板から放送番組を自動生成するPublic Opinion Channelというサービスで
今でいうニコニコ動画の原型のようなものだった。

.....

総合研究大学院大学のtak氏によるスパムフィルタリング技術

ホットリンクのスパムBlogフィルタには、総合研究大学院大学のtak氏の技術を一部使わせていただいている。
きっかけは、tak氏から、ホットリンクの会社HP経由で技術をアピールしていただいたことだった、
ほかのBlogポータルにも売り込みをしていたが、いろいろな理由で採用されていなかったという。
tak氏とお会いして、半端でない量のBlog記事を自分の目で読み、
スマートな方法のみでなく、地道な手作業も組み合わせて研究開発していることがわかった、
そして、その成果をwebで公開しながら精度の検証をされているところに、
企業の実サービスを構築する際の泥臭さをわかっている方と思えた。

.....

2.5 研究機関へのデータ提供
........

とはいえ、必ずしもうまくいってばかりいるわけではなく、ご迷惑おかけした例もある。
2008年、国立情報学研究所の神門典子教授より、NTCIRのテキストマイニングのためのBlogデータの提供を打診されたときのことだ。
しかし、いざ提供する直前になって、そもそもユーザに著作権のあるBlogデータをホットリンクが第三者に提供して問題がないのか？
というチェックが法務部から入ってしまった。
そもそも現行の著作権法からするとYahoo！やGoogleのような検索エンジンでさえ違法になってしまうので、
何をいまさら、という部分はあった。
しかし、個別に大学の研究室にデータを提供するのとは異なり、
NTCIRを通じて大々的にBlogデータを提供する、というのはかなりセンシティブな問題だった。
結果的に、提供することができず、神門教授にはご迷惑をおかけした。

3.1 研究機関側での課題と努力
レコメンド事業や、スパムBlog排除技術のところで記載したが、
「研究」→「実サービス化」→「研究へのフィードバック」というサイクルを『一度』構築してしまえば、
その後は純粋な研究に戻れ、かつ実サービスから生のデータやニーズが得られ、
それをもとに改良した研究成果をすばやく実サービスで再検証できる。
研究がより効率化されるサイクルが『永遠に』回るのである。
ぜひ、その一歩を踏み出していただきたい。

当然ですが、自社サービスに直接触れる研究ばかりです。

「本当に6人でつながるの？」―ＳＮＳの世界から探るSix Degrees of Separation―
細井一弘，一意隆史　グリー株式会社
電子情報通信学会誌, Vol.90 No.2, 2007

用意できる計算機資源及び営業上の理由などから。
過去のある一定期間内にGREEにログインしたユーザ約15万人から成る、連結なグラフを調査対象とした。

※ 特に、何年何月何日という時間情報はありません。

対象ユーザ数 147,680人
リンクの総数 1,059,684リンク
友達数はZipf則がほぼ成り立つ
ユーザXの友達同士も友達である割合（クラスタ係数　）について計算すると、クラスタ係数の平均はC=0.353
.................
.................
全ユーザのdegree数, 計10904617360個の値について、
degree数の平均（固有パス長）はL=4.83
.................
具体的なユーザのdegree数の詳細として、田中良和（GREEでのニックネーム：よっしー）を例に示す。
4-degree以内で90%
9-degreeで全ユーザに到達できる。

mixiはSNS系研究への直接的協力は全然していないのです。

N.M-gram : ハッシュ値付きN-gram索引による全文検索の一手法
平林幹雄　　株式会社ミクシィ
江渡浩一郎　産業技術総合研究所
情報処理学会論文誌　48 SIG 7 TOD 33 2007

近年、電子文書の増大にともない全文検索システムの需要は増大している。
大規模な文書群を高速に検索するためには、検索対象の文書群のテキストからトークンを抽出して転置することによって生成される索引ファイルを用いるのが一般的である。
この索引ファイルは転置インデックスと呼ばれる。
テキストからトークンを抽出する主要な手法の１つとしてN-gram法があげられる
..................
..................

ブロガーの熟知度に基づいたブログランキング方式の提案
中島伸介奈良先端科学技術大学院大学
稲垣陽一草野奉章株式会社きざしカンパニー
DEWS2008 B10-6

近年，ブログやSNS等のCGMと呼ばれるコンテンツが数多く配信されるようになり，
ブログ検索やそのランキングに対する要求が高まっている．ブログコンテンツの魅力の一つは，その即時性である．
したがって，ブログランキングでは，エントリ投稿直後の短時間においてランキングを算出する必要がある．
検索エンジンとして最も大きな成功を収めたが採用しているは，リンク構造に基づいてランキングを計算するものであるが，
投稿直後のブログエントリには第三者からのリンクは存在しないため，
このようなリンク構造解析をブログランキングに適用することは適切とはいえない．

2 マニア指向ブログランキング方式

2.1 マニア候補辞書の作成
はじめに，ブロガーが記述するキーワードが，ある話題に関するマニア名として適切かどうかを判別する必要がある．
例えば，“ ラーメン”，“ タイガース”，“ 鉄道”等は，その話題に関して熟知しているブロガーが存在すると予想でき，マニア名として適切である．

2.2 マニアブロガーの認定

本節では，各ブロガーがどのような話題のマニアであるのかを判定する方法について説明する．
基本的には，“「マニア名を表すキーワード」を含むエントリを，
長期間においてコンスタントに投稿しているブロガーをそのキーワードが表すマニアブロガーと認定する”という方針に従う．

テキスト評価分析の技術とその応用
乾孝司　東京工業大学
奥村学　東京工業大学　株式会社ブログウォッチャー
情報処理　48(9) 　2007

意見情報を分析、処理するための技術のうち、本稿ではテキスト評価分析と呼ばれる技術を概観する。
CGMに含まれる意見情報には「安くしてほしい」といった要望や、「安倍さんの意見に賛成です」といった賛否態度など、
いろいろな種類の情報がある。
テキスト評価分析では、このような意見情報のうち、
何らかの対象に関する評価の情報に注目する。
評価情報は、その評価内容に何して「良い／悪い」という観点から分類できる。
本稿では、この観点のことを評価極性と呼び、「良い／悪い」のそれぞれの評価を肯定的評価、否定的評価と呼ぶことにする。

ユビキタス社会における市街地の回遊行動に関する研究 : 神保町「まちの図書館プロジェクト」における実証実験を事例として
山田浩史　GMOインターネット
小池博　明治大学理工学部
小林正美　明治大学理工学部
日本建築学会　学術講演梗概集. F-1, 都市計画, 建築経済・住宅問題　2007

検索からQ&Aへ
兼元謙任　株式会社オウケイウェイブ
電子情報通信学会技術研究報告　　言語理解とコミュニケーション 107(480) 2008

なぜ任天堂がこんなことをしているのかと思う研究が幾つもあります。

2006	2007	2008
3	3	1

ニンテンドーDS-タッチパネルおよびペン入力採用までの流れ
吉野元文　　任天堂
ヒューマンインタフェース学会誌　8(3)　2006

フィールド調査によるポットネットの挙動解析
高橋正和　インターネットセキュリティシステムズ株式会社
村上純一　株式会社ラック
須藤年章　NTTコミュニケーションズ
平原伸昭　トレンドマイクロ株式会社
佐々木良一　　東京電機大
情報処理学会論文誌　 47(8)　 2006

Active Learning for Semi-Supervised Kernel Logistic Regression (Numerical Optimization methods, theory and applications)
矢島安敏　東京工業大学
佐藤鉄平　サイボウズ株式会社
数理解析研究所講究録　1584 　2008

線追跡を用いた動画内物体追跡の検討
柴田一帆林貴宏尾内理紀夫電気通信大学
竹中孝真森正弥楽天技術研究所
電子情報通信学会技術研究報告マルチメディア・仮想環境基礎 107(242) 2007

動画内の物体領域を抽出する技術が、
動画の加工・編集などの要素技術として盛んに研究されている。
これらの研究では、最初のフレーム画像（あるいはいくつかのキーフレーム画像）においてユーザが目的の
物体領域を抽出し、それをもとに他のフレーム画像における物体領域を追跡することで、
動画内の各フレーム画像において物体領域を抽出する

2.提案手法
提案手法では、修正作業の負荷を軽減するために、グラフカットに基づく物体抽出法を応用する。
グラフカットに基づく物体抽出法は静止画中の物体領域内および背景領域内にユーザが数本の線を描くだけで物体領域を
抽出可能とする手法である。

ヤフー株式会社

2006	2007	2008
4	13	7

知識共有コミュニティを創り出す人たち
三浦麻子　神戸学院大学
川浦康至　東京経済大学
地福節子　大瀧直子　岡本真　　ヤフー株式会社
人工知能学会全国大会 (第20回) 大会論文集

知識共有コミュニティは，これまでの知識データベースが専門家の「仕事」によって支えられてきたのとは異なり，無数のインターネット利用者のボランティア的貢献によって支えられている．
彼らがなぜ知識共有コミュニティに関わろうとするのか，またそこから何を得ているのかを考えることは，そこで共有される知識の姿を明らかにするための，大きな手がかりとなる．
本研究では，こうした知識共有コミュニティサービス大手の一つである「Yahoo!知恵袋」の利用者を対象とした意識調査の結果から，コミュニティを構成する利用者の特性を明らかにし，また彼らの実際の参加のようすや参加の理由を明らかにすることを通じて，こうした問題を考察することを試みる．

インターネットオークションにおける不正行為者の発見支援
平手勇宇　相吉澤明　山名早人　早稲田大学
翁松齢　井奥雄一　木戸冬子　ヤフー株式会社
電子情報通信学会技術研究報告データ工学　106(150) 2006

このようにインターネットオークションにおいて、評価が利用者にとって重要な判断要素になるにつれて、
評価システムを悪用して不正行為を行う利用者が出現してきている。
ある利用者が別の名義を使ってインターネットオークションに参加し、
自分の利益を大きくしようとする架空名義入札の問題が有名である。

こうした不正行為を事前に検出するためにはオークションの動向を逐一チェックする必要がある。
しかし、インターネットオークションの規模が巨大になっているため、
そのデータを人間が全て見て、不正行為者を見つけることは事実上不可能である。
そこで本稿では、不正行為の中でも「不正評価行為」に着目して不正行為者を抽出する手法を提案する。

tak_tak0 at 22:42│コメント(0)│トラックバック(0)│研究