著者

亀甲 博貴 森 信介 鶴岡 慶雅

雑誌

ゲームプログラミングワークショップ2014論文集

巻号頁・発行日

vol.2014, pp.202-209, 2014-10-31

---

本稿では将棋の解説文中に現れる自然言語による指し手表現と実際の将棋の局面との対応付け手法を提案する.手法の説明に先立ち解説木と候補木の概念を導入する.最初にルールベースの手法により,解説文中に現れる合法手から構成される候補木を列挙する.列挙された候補木の中から,コンピュータ将棋プログラムの評価値を用いて解説木を選択する.本稿では提案手法を用いて解説木を生成し,その誤りについて解析した.また得られた解説木を解説文生成手法に適用し,解説文生成を行った.実験の結果,多くの局面において指し手表現と局面状態を対応付けた解説木の獲得に成功し,またそのうち約8割は正しい解説木の獲得に成功していた.また得られた解説木を解説文生成に適用し,複数の有益な解説文の生成に成功した.

著者

亀甲 博貴 森 信介 鶴岡 慶雅

雑誌

ゲームプログラミングワークショップ2016論文集

巻号頁・発行日

vol.2016, pp.28-35, 2016-10-28

---

本稿では将棋の解説文において示すべき指し手の推定手法を提案する.人間が付与した解説文中に現れる指し手符号と実際のゲームの状態空間との対応付けを行うことによって得られた,解説木という概念によって示された人間による解説文中に現れる指し手を教師として,解説すべき指し手の予測モデルを学習する.また,これによって得られた予測モデルと探索結果を組み合わせることで解説されるべき指し手の予測を行う.指し手の予測モデルは精度の大幅な向上は実現できなかったが,解説文中に現れる指し手は棋譜中の指し手とは異なる性質を持っており,提案手法によってその性質を獲得しうることを示した.またこの予測モデルと探索結果を組み合わせることで一部の解説木の生成が可能であることを示した.

著者

亀甲 博貴 浦 晃 三輪 誠 鶴岡 慶雅 森 信介 近山 隆

雑誌

ゲームプログラミングワークショップ2013論文集

巻号頁・発行日

pp.36-43, 2013-11-01

---

将棋の対局を観戦する上でコンピュータ将棋プログラムの形勢判断は有益な情報である.自然言語による局面の解説をプログラムが行えるようになれば,より有益な情報を提供できると考えられる.本稿では将棋の解説文を生成するモデルを提案し,その根幹である局面からの特徴語生成について調査した.学習の対象とする文を,意味でクラス分けする分類器を学習しその予測を用いることで限定した.しかし特徴語生成はF 値0.38 と,期待されるほどの精度では行えなかったものの,解説文の生成においては,特定の局面については正しい文を生成できることが分かった.

著者

亀甲 博貴 森 信介 鶴岡 慶雅

雑誌

ゲームプログラミングワークショップ2014論文集

巻号頁・発行日

vol.2014, pp.202-209, 2014-10-31

著者

亀甲 博貴 松吉 俊 John Richardson 牛久 敦 笹田 鉄郎 村脇 有吾 鶴岡 慶雅 森 信介

出版者

一般社団法人 言語処理学会

雑誌

自然言語処理 (ISSN:13407619)

巻号頁・発行日

vol.28, no.3, pp.847-873, 2021 (Released:2021-09-15)

参考文献数

40

---

近年,シンボルグラウンディングや言語生成,自然言語による非言語データの検索など,実世界に紐づいた自然言語処理への注目が高まっている.我々は,将棋のゲーム局面に付随する解説文がこれらの課題の興味深いテストベッドになると考えている.解説者は現在の局面だけでなく過去や未来の指し手に言及しており,これらはゲーム木にグラウンディングされることから,ゲーム木探索アルゴリズムを活用した実世界対応の研究が期待できる.本論文では,我々が構築した,人手による単語分割・固有表現・モダリティ表現・事象の事実性のアノテーションを行った将棋解説文コーパスを説明する.

著者

田中 健斗 西村 太一 白井 圭佑 亀甲 博貴 森 信介

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会全国大会論文集 第35回全国大会(2021)

巻号頁・発行日

pp.4J2GS6e03, 2021 (Released:2021-06-14)

---

語学学習において,「話す」,「書く」といった言語の産出能力の訓練は学習した知識を定着させる上で重視されている.しかし,記述式問題の人手による採点には多大なコストを要するため,機械による自動採点技術が注目を集めている.本研究では,写真描画問題を対象として,自動採点技術の実現を試みる.具体的には,(i)まず学習者の誤り傾向を調査・分析し,(ii)次にそれを基に疑似誤りデータを生成し, (iii)最後に写真と解答文の関連性を評価する正誤判定モデルを考案する.実験は疑似誤りデータを用いて学習し,実際の学習者の解答を用いて評価した.実験結果から,ランダムに出力を行う判別器と比較して,提案モデルは高い識別性能を実現することがわかった.