著者

秋山 梓 加藤 文彦 小出 誠二 海沼 靖夫

雑誌

人工知能学会研究会資料

巻号頁・発行日

2016

著者

川村 隆浩 古崎 晃司 櫛田 達矢 木村 考宏 渡邊 勝太郎 松邑 勝治

雑誌

人工知能学会研究会資料

巻号頁・発行日

2016

著者

熊澤 輝一 古崎 晃司

雑誌

人工知能学会研究会資料

著者

古崎 晃司 山本 泰智

雑誌

人工知能学会研究会資料

巻号頁・発行日

2016

著者

太田 博三

雑誌

人工知能学会研究会資料

著者

大貫 陽平 貫井 駿 村田 剛志 稲木 誓哉 邱 シュウレ 渡部 雅夫 岡本 洋

雑誌

人工知能学会研究会資料

著者

浦川 真 宮崎 勝 山田 一郎 藤沢 寛

雑誌

人工知能学会研究会資料

巻号頁・発行日

2016

著者

足立 拓也 山田 直希 野口 宙毅 福田 直樹

雑誌

人工知能学会研究会資料

巻号頁・発行日

2016

著者

志賀 大輝 三原 鉄也 永森 光晴 杉本 重雄 Daiki Shiga Tetsuya Mihara Mitsuharu Nagamori Shigeo Sugimoto

雑誌

人工知能学会研究会資料

巻号頁・発行日

vol.47, no.17, pp.1-9, 2019-03-10

---

マンガを主題に基づいて検索するためには、その主題に関する情報が提供されている必要がある。そのために、電子書籍ストア等ではマンガに主題語を付与しているが、その多くはシンプルなテキストによるキーワードであり、それが表す意味に基づいた検索を行えない。この問題は主題語の語彙を構築することで解決することができるが、膨大な数のマンガの主題の差異を表現できる大規模な語彙の拡充や整備にかかるコストは大きい。本研究では、マンガの主題検索のための主題語彙の構築を目的とし、その拡充と整備を支援する。そのために、拡充が必要な箇所の発見のための主題語彙とマンガの結びつけと、Web上の情報資源を利用した、拡充する語の候補の取得を行った。

著者

水野 隆文

雑誌

人工知能学会研究会資料

著者

成敏 朱 英明 武田 大輔 法隆 あかね 竹崎 智一 吉田

雑誌

人工知能学会研究会資料

著者

的野 晃整

雑誌

人工知能学会研究会資料

著者

河村 郁江 伊藤 孝行

雑誌

人工知能学会研究会資料

著者

足立 拓也 福田 直樹

雑誌

人工知能学会研究会資料

著者

山田 直希 山形 祐史 福田 直樹

雑誌

人工知能学会研究会資料

巻号頁・発行日

2016

著者

後藤 禎 安原 重人 吉本 毅 岡田 英之 Gotoh Tadashi Yasuhara Shigeto Yoshimoto Takeshi Okada Hideyuki

雑誌

人工知能学会研究会資料

巻号頁・発行日

vol.49, no.2, 2019-11-22

著者

野原 康伸 松本 晃太郎 中島 直樹

雑誌

人工知能学会研究会資料

著者

小川 潤 大向 一輝 Jun Ogawa Ikki Ohmukai

雑誌

人工知能学会研究会資料

巻号頁・発行日

vol.53, no.6, pp.06-01-06-10, 2021-03-15

---

ナレッジグラフの歴史学研究への応用は近年、プロソポグラフィ研究やバイオグラフィ研究を中心に進展している。しかしこれらの研究の多くは、すでに伝統的な手法によって為された二次的な研究成果を対象としたものであり、一次史料の内容そのものを記述するものでは必ずしもない。今後、歴史学研究におけるナレッジグラフ活用をさらに深いレベルで促進するためには、一次史料そのものの知識構造化を進める必要がある。こうした構造化に適用可能なオントロジーとしてはすでにFactoidモデルが提案されているが、このモデルは時間的コンテキストや曖昧性の表現に十分に対応しているとは言えず、曖昧性の大きい史料記述については課題が残る。そこで本研究はFactoidモデルを拡張し、出来事の前後関係に基づいて時間的コンテキストや曖昧性を表現可能なモデルを提案したうえで、曖昧性の大きい古代史史料を事例として実際に提案モデルを適用し、データ構築および検索性の検証を行った。

著者

蛭子 琢磨 市瀬 龍太郎 Ebisu Takuma Ichise Ryutaro

雑誌

人工知能学会研究会資料

巻号頁・発行日

vol.44, no.3, pp.1-6, 2018-03-18

---

Knowledge graphs are useful for many artificial intelligence tasks. However, knowledge graphs often have missing facts. To populate knowledge graphs, the graph embedding models map entities and relations in a knowledge graph to a vector space and predict unknown triples by scoring candidates triples. Translation-based models are part of knowledge graph embedding models and they employ the translation-based principle. The principle can efficiently capture the rules of a knowledge graph, however TransE, the original translation-based model, has some problems. To solve them many extensions of TransE have been proposed. In this paper, we discuss such problems and models.

著者

宮内 義明 橋本 紀彦 西村 治彦 Yoshiaki Miyauchi Hashimoto Norihiko Nishimura Haruhiko

雑誌

人工知能学会研究会資料

巻号頁・発行日

vol.8, no.1,