研究内容

クラウドソーシングにおける協調動作による大規模創造的作業に関する研究

本研究ではクラウドソーシングにおいて創造的な作業を大規模に行う際など，協調的作業において高品質な作業結果を得るための作業環境を構築することを目的とする．この作業環境は，制作物の正解を事前に定めることができない状況で利用可能である点，低品質な作業者を再教育する点が特徴である．例えば，短編創作小説を多人数の作業者で協調して作成することを考える．このとき，まず作業者の客観的および主観的な特徴を機械学習アルゴリズムに入力し，作業者の品質を推定する．また，この結果から他の作業者により作業結果の品質を向上させる方法を示す．

本研究は科学研究費補助金 基盤研究(B) 19H04218によるものです．

レジリエントな社会実現のための大規模オープンデータ流通プラットフォームの構築

本研究では，ディープニューラルネットワーク（DNN，ディープラーニングとも呼ばれる）を組み合わせることによって，誹謗中傷メッセージを収集，フィルタリングを行う方法についての研究を行う．本研究の特徴は，メッセージ収集の網羅性の高さを目標としていることである．一般的なメッセージフィルタではキーワードによるフィルタを行っているが，抽象的な表現や皮肉を含む表現など誹謗中傷に関するキーワードを含まない誹謗中傷メッセージについては，抽出することができないという問題点がある．本研究ではこれを解決するために，ディープニューラルネットワークのうち最も性能が高いモデルである BERT を用いる．

BERT による高性能な分類器には，大量の高品質な教師データが必要となる．教師データである誹謗中傷メッセージ，誹謗中傷ではないメッセージを大量に，高い精度で収集する必要がある．特に，本研究の目標である網羅性の高い誹謗中傷メッセージ収集を行うためには，誹謗中傷の全てを網羅するような巨大なデータセットを構築する必要がある．そこで，データセット構築のためにクラウドソーシングプラットフォームの開発を行う．

本研究は，越山科学技術振興財団の研究助成によるものです．

災害時における状況を考慮したユーザセントリックな行動促進情報基盤

災害時，SNSには災害に関する様々な情報が投稿されるが，その中には被災者にとって有益な情報もあればそうでない情報もある．また，これら情報の中には閲覧者（以下，ユーザ）に行動を促進している情報（以下，行動促進情報）が多数有る．災害時のユーザにとって有益な行動促進情報はそのユーザの置かれている状況（時間，場所，感情）によって異なってくる．そこで，本研究では災害時にユーザが，SNSから自身の状況（時間，場所，感情）に適した有益な行動促進情報を容易に取得できる手法の確立を目的とする．これにより，災害時にユーザは自分の状況に合った有益な行動促進情報を容易に取得し，行動することが可能になる．

本研究は科学研究費補助金 基盤研究(B) 19H04221によるものです．甲南大学 灘本研究室と共同研究を行っています．

データ利活用アプリケーションのためのソフトウェア開発環境構築に関する研究

本研究では，さまざまなアプリケーションからデータを利活用する際にこれまで考慮されてこなかったデータの品質をデータアクセスの際に考慮するソフトウェア開発環境基盤を提案する．この基盤は，アプリケーションにより異なるデータの使用法に応じたデータアクセス機能を提供できるソフトウェア開発環境を提供するものであり，ソフトウェア開発を容易に実現できるための API 群を有している．また同時に，効率的なソフトウェア開発を実現可能とするために，API の利用状況に応じて自律的にデータを整理，実体化する機能をも備えている．本研究の成果により，ソフトウェア開発者にとって困難となっていたデータアクセスを，データの品質を考慮しながら実現できるようになる．

本研究は科学研究費補助金 基盤研究(B) 18H03342および，岐阜県航空宇宙産業生産技術人材育成・研究開発事業補助金「日本一の航空宇宙産業クラスター形成を目指す生産技術の人材育成・研究開発」によるものです．同志社大学 波多野研究室と共同研究を行っています．

災害時におけるソーシャルメディア情報フィルタリングシステムの開発

本研究では，災害時に信頼度が高い情報を漏れなく高速に取得するために，ソーシャルメディアを対象とした情報フィルタリングシステムを構築する．我が国では近年大災害が頻発しており，救援物資を必要な量，必要な場所へ搬送するためには，被災地域に関する情報を漏れなく高速に把握する必要がある．Twitterなどのソーシャルメディアでは，このような災害時にも有用な情報が流通し，被災地域の救援に役立っている．ところが，必要な救援情報が伝わらず，必要な物資が得られないという被害も発生している．キーワードなどによる簡易なフィルタリングを適用すると，必要な情報が見落とされてしまう．なぜなら，必要な情報に必ず含まれるキーワードを発見することは難しいためである．そこで，ソーシャルメディアにおいて必要な情報を漏れなく，高速に抽出できる高性能な情報フィルタが必要である． 　そこで本研究では，機械学習と人手による判定を組み合わせる方法により，高性能なソーシャルメディア情報フィルタリングシステムを構築する．できるだけ必要な情報を漏れなく収集すること（再現率），災害が起きてすぐに必要な情報を得られること（瞬発性）を評価指標とし，この二つの指標の向上を目指す．この目的のため，機械学習（強化学習）と人手（クラウドソーシング）を組み合わせたフィルタを構築する．まず，ソーシャルメディアから得られた情報をfastTextにより分散表現に変換し， SVMにより情報を分類，必要な情報かどうかを仮判定する．そして，この仮判定結果を人手により再度判定する．機械学習による仮判定と人手による判定を通過した情報だけを，必要な情報として活用する．この一方で，人手による判定を機械学習の教師データとして再度利用し，SVMの分類精度を向上させる．さらに，機械学習の判定結果を人に提示することによって，人手による判定精度を向上させる．最初は人手による作業を主とした情報フィルタであるが，学習データの増加と共にだんだん機械学習の精度が向上することから人手による作業部分を減少させる．最終的には機械学習だけで高精度なフィルタリングを行うことが可能となる．

本研究は， 公益財団法人大川情報通信基金2019年度研究助成によるものです．