![研究事例（IoT技術）
画像と感圧情報を用いた冷蔵庫管理システムの提案
食材の残量や賞味期限を管理する基盤システム
食材の種類
画像（物体識別）と感圧情報（荷重データの照合） を用いる
食材の残量
感圧情報を用いる
同一物の検出（初回入庫時間の保存）
食材の種類と残量、場所を用いる
３つの実験の結果、一定の精度を得る
作成した簡単なアプリの機能
庫内食材概要
庫内食材リスト
賞味期限リスト
システム全体イメージ
庫内食材概要ページ
54.7 67.4
100.0
50.0
0.0
正答率[%]
画像のみ使用した既存識別方法
画像と感圧情報を使用した提案手法
食材の種類の識別結果
情報をデータベースで応用可能にする
UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
10](https://image.slidesharecdn.com/2021-03-31-220216105919/85/-10-320.jpg)
![Results
Approach
Existing Research
• ADASIM[1]: a discrete event simulator that
tracks vehicles traveling on map
• TRAPP[2] : SUMO-based framework to
provide a solution in traffic flow problem in
a city with decentralized optimization tools
Adaptation Plan Policy in
Traffic Routing for Priority Vehicle
Background
• Automated Traffic Routing Problem (ATRP) in
urban area
• Motivating Problem in Priority Vehicle:
• How to avoid traffic congestion
• How to handle unexpected situation
[1] Wuttke, J., Brun, Y., Gorla, A., & Ramaswamy, J. (2012). Traffic routing for evaluating self-adaptation. ICSE Workshop on Software Engineering for Adaptive and Self-Managing Systems
[2] Gerostathopoulos, et al. "TRAPPed in Traffic? A Self-Adaptive Framework for Decentralized Traffic Optimization." 2019 IEEE/ACM 14th International Symposium on Software
Engineering for Adaptive and Self-Managing Systems (SEAMS). IEEE, 2019.
Using ADASIM:
• Reduced the mean
travel time 40% - 50%
• Maintained adequate
level of traffic
congestionn
Mean
travel
time
Using SUMO:
Optimizations:
• There is a decrease of
trip overhead by 7%
• Removing the outliers
data
UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
20](https://image.slidesharecdn.com/2021-03-31-220216105919/85/-20-320.jpg)
![研究事例(ソフトウェア工学)
PHPアプリの設定値ミス検知
アプリケーションの設定値参照時，型不一致ミスによるバグが発生[1]
参照時の型不一致を検知する手法・検知ツール『Mis.Config』の開発
手法はコントロールフローグラフ・シンスライシングを用いて実現
精度実験で，実アプリの設定値に型不一致を発生させ，検出率を調査
対象とした型間の変更の精度，適合率100%・再現率100%
設定ファイル上
では文字列型
[1]Bug in error reporting configuration, The Joomla! Forum, https://forum.joomla.org/viewtopic.php?t=708552
入力
Mis.Config
Java
コ
ン
ト
ロ
ー
ル
フ
ロ
ー
グ
ラ
フ
生
成
シ
ン
ス
ラ
イ
シ
ン
グ
結
果
の
出
力
設
定
フ
ァ
イ
ル
中
の
型
特
定
正
規
表
現
リ
ス
ト
プ
ロ
グ
ラ
ム
中
の
型
特
定
正
規
表
現
リ
ス
ト
出力
ソースコード上は
整数型！
UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
46](https://image.slidesharecdn.com/2021-03-31-220216105919/85/-46-320.jpg)
![ タイムラグに対して自己適応するC/S型オンラインゲーム
ヘテロ（異種混合）な環境では，
事前に各システム特性を把握するのは困難！
リアルタイム性の高いオンラインゲームの
クオリティは，通信遅延によるタイムラグに
大きく左右される
提案MAPEループ構成パターンにより，
公平で快適なオンラインゲーム環境を提供を目指す
タイムラグの状況に応じた，振る舞いに変更
ゲーム進行における矛盾の回避
事前に想定できないシステム特性に対応
研究事例（自己適応システム）
自己適応オンラインゲーム
UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
63
図1. タイムラグによる矛盾発生問題
図2. 本提案MAPEループ構成パターン
E
M A
P
M A
M A
クライアント１ クライアント２ クライアント３
サーバ
計画に基づき，
サーバコントロール
矛盾検知
適応計画
原因を分析し，
サーバに報告
Player A画面
①攻撃！
②移動
Player Aの得点ならず
(①より②が先に処理反映）
Player B
④攻撃はゲームに
まだ反映されてない
矛盾！
③すぐにゲーム
に反映
[節政10]
Player Aの
タイムラグが
大きい場合
※自己適応システム：実行時に動作環境が変化する状況において，
環境に適した構成・振る舞い変更を，動的にソフトウェア自身が
行うことができるシステム](https://image.slidesharecdn.com/2021-03-31-220216105919/85/-63-320.jpg)
![研究事例(機械学習)
GAを用いたシステムトレード
株・為替を対象とした自動売買
遺伝的アルゴリズム(GA)により遺伝子の
パラメータを変化、売買ルールを進化させる
利益を出すルールの探索ではなく、
損失を出さないルールを探索
利益が従来比2倍に(fit0→fit3)
相場による売買戦略の切替手法も提案
利益が更に1.4倍に(fit3→hyb)
UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
70
株式：136銘柄の6年間の売買結果[万円]
為替：17通貨ペアの6年間の売買結果[万円]](https://image.slidesharecdn.com/2021-03-31-220216105919/85/-70-320.jpg)
大須賀・田原・清研究室の研究事例
- 1. ２０２１年の研究事例 (o.u)@(gm) 0hsuga (mts)(ggg) UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 1
- 2. 研究事例 映画における重要シーン検出 感情分析によるポジティブ感情値を用いた重要シー ン検出の提案 予告作成時間短縮のための、ダイジェスト自動生成を目的とする リアルタイムの感情が反映されやすいTwitterを利用し、Google Natural Language APIを用いて感情を推定 テレビで放映された映画6作品を対象とする ライブ配信のダイジェスト自動生 成にも応用が検討できる 感情に着目したことで、ツイート 数に着目した時とは違う特徴を持 ったシーンが検出できる UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 2
- 3. 機械学習を用いた 経営コンサルタントへの問合せデータの分析 【課題】 コールセンターの担当者が相談内容の分類をまちがえる 相談内容を自動的に経営資源に分類し、 正しいコンサルタントに渡したい 本研究では経営コンサルタントへの問合せデータ に対して， 自然言語処理のための新たなディープラーニングのモデルである BERT を用いて 分類を行う手 法を提案 【評価方法】 実際にコールセンタで分類を担当している社員に評価 理由）人 間の感覚とどれだけ差異があるのか 【結果】 ほとんどの相談においてモデルを利用して 分類した結果と人間の感覚とのずれはなかった UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 3
- 4. 研究事例(深層学習) 遮蔽の影を考慮した自動着色システムの提案 線画画像から落ち影の入った背景画像の着 色 2段階のGANネットワーク構成 STAGE2で光源ベクトルや物体のマスク画像 で影の精度を向上 SPADEを用いたU-net構造 2通りの方法でデータセットを水増しを して実験 FIDスコアと影の方向の精度による評価 比較的高い評価が得られた 手法 水増し方法A 水増し方法B 提案手法 64.34 65.73 Pix2pix 70.25 119.92 Pix2pixHD 65.81 65.45 SPADE 66.23 66.90 手法 水増し方法A 水増し方法B 提案手法 98.85 ％ 90.70 ％ Pix2pix 98.68 ％ 71.25 ％ Pix2pixHD 98.28 ％ 87.13 ％ SPADE 98.72 ％ 76.81 ％ 出力結果 影の方向の精度 FIDスコア UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 4
- 5. 研究事例 映画における重要シーン検出 感情分析によるポジティブ感情値を用いた重要シーン検出 の提案 予告作成時間短縮のための、ダイジェスト自動生成を目的とする リアルタイムの感情が反映されやすいTwitterを利用し、Google Natural Language APIを 用いて感情を推定 テレビで放映された映画6作品を対象とする ライブ配信のダイジェスト自動生 成にも応用が検討できる 感情に着目したことで、ツイート 数に着目した時とは違う特徴を持 ったシーンが検出できる UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 5
- 6. 研究事例(マルチエージェント強化学習) サッカータスクでの協調行動獲得 サッカータスクでカリキュラム学習を用いて協調行動を学習 カリキュラム学習 ： 段階的にタスクを難しくして学習を行う手法 複数エージェントの協調行動をカリキュラム学習を用いることで 効果的に学習できる カリキュラム学習を行った場合 目標達成率が最も高くなった カリキュラム学習あり 弱いカリキュラム学習 カリキュラム学習なし 守備を学習したエージェントを 配置した環境でゴール率を比較 敵がいない状態、動かない敵がいる 状態でカリキュラムを組んで学習 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 6
- 7. 研究事例（機械学習のセキュリティ） 機械学習のポイズニング攻撃に対する防御手法 data ポイズニング攻撃 訓練データに有害データを注入することでモデルの精度を低下 提案防御手法 オリジナルデータを攻撃すると精度が下がるが、有害データを攻撃しても 精度は変わらないことを 利用 ⇨ 有害データの提供元を特定 攻撃されたモデル データを集約 モデルを学習 オリジナルデータを提供 有害データを 提 供 有害データと視認できない 洗練されたデータ 攻撃者 先行研究の検出精度から 結果 が向上 攻 撃 ア ル ゴ リ ズ ム 【精度が下がる】 【精度は変化しない】 防御アルゴリズム内で攻撃実行 データを攻撃することによる精度 変化 を見ることで有害データを特定 精度変化と各データの悪影響度合い に 基づき除去するデータを決定 IoT環境 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 7
- 8. 研究事例(SNS分析) コーパス間での類似語の差異に着目した隠語検出 サイバーパトロールの効率化を目指し、 ツイート（違法薬物売買等）から「隠語」を検出する 大麻の隠語例） 葉っぱ、野菜、チョコ等 コサイン類似度と２つのコーパス間（一般的な文章、 犯罪関連文章）の単語の用途の差に着目 → 類似語から隠語を検出する仕組みを開発 評価方法 提案手法 ベースライン 手法 Precision 0.613 0.057 Recall 0.486 0.657 Accuracy 0.970 0.584 F-score 0.576 0.105 効率的なサイバーパトロール等への 貢献が期待！ 提案手法により スカンク(大麻)、アイス (覚醒剤)などの隠語を検出 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 8
- 9. 研究事例(知的Web技術) ナレッジグラフを用いたデータ基盤構築と課題解決の試み 課題 学内には様々な未活用データが散在 自転車駐輪環境が劣悪 →データ活用で駐輪環境を改善したい 異種データの活用基盤構築 異種データを意味的な関係で結びつけ Webアプリケーションなどで データの問い合わせを可能に ナレッジグラフに基づくデータ活用 異種データ間の関連性調査 異種データを同一の切り口で抽出 複数の有意な相関を発見 欠損台数値の推定精度の向上 意味関係による台数推定精度の向上 食堂売上高 弁当販売数 A棟前駐輪場 0.701 (0.035) 0.825 (0.006) 散在するデータ 駐輪環境 将来の 駐輪環境 ナレッジグラフを用いた データ基盤構築 Webアプリケーション等 インターフェース開発 50-70台 4/1 3限の A棟前の 異種データ間の関連性発見 台数推定精度の向上 未活用データで 駐輪場を綺麗に！ 括弧内はp値 駐輪台数と食堂売上に，有意な相関を確認 50-60台 4/1 3限の A棟前の 駐輪台数は 駐輪台数は (台数はイメージ) UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 9
- 10. 研究事例（IoT技術） 画像と感圧情報を用いた冷蔵庫管理システムの提案 食材の残量や賞味期限を管理する基盤システム 食材の種類 画像（物体識別）と感圧情報（荷重データの照合） を用いる 食材の残量 感圧情報を用いる 同一物の検出（初回入庫時間の保存） 食材の種類と残量、場所を用いる ３つの実験の結果、一定の精度を得る 作成した簡単なアプリの機能 庫内食材概要 庫内食材リスト 賞味期限リスト システム全体イメージ 庫内食材概要ページ 54.7 67.4 100.0 50.0 0.0 正答率[%] 画像のみ使用した既存識別方法 画像と感圧情報を使用した提案手法 食材の種類の識別結果 情報をデータベースで応用可能にする UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 10
- 11. ２０２０年の研究事例 (o.u)@(gm) 0hsuga (mts)(ggg) UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 11
- 12. 研究事例(ディープラーニング) CycleGANを用いたゲーム音楽のシーン別変換 ドメイン変換モデルのCycleGANを使用して，与えられた楽曲から メロディを維持したままゲーム音楽の特徴に変換 音楽的特徴に注目し，RPGゲームの5つのシーンに分類 聴取者の印象に強く関わる音楽要素の内，テンポと音色の変換を考慮 分類器による客観評価とアンケート形式の主観評価の結果によると， フィールドのシーンに変換した楽曲において， 高精度で変換が行われた UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 12
- 13. サブゴール、 位置、報酬 を変化させ 対照実験 研究事例（強化学習技術） 階層型強化学習におけるサブゴール設定についての考察 階層型強化学習では、どのようにタスクを分割すればタスク全体 が効率よく学習できるのか？ 対照実験を行いどのようなサブゴール設定ならば効率的な学習が可能な のかを検証 →適切な分割では学習効率向上、しかし分割方法によっては結果が悪化 OpenAI gym Mountaincar-v0を 改変しサブゴールの概念追加 適切な報酬・強化学習の能力に合った 設定・最適解となるサブゴールが必要 subgoal1 subgoal2 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 13
- 14. 研究事例（機械学習技術） 特殊詐欺音声を対象とした韻律的特徴量の考察 音声による詐欺検出を目指し，詐欺音声と通常音声の韻律情報を 解析し，その差異から詐欺音声の特徴を考察した． SVMで分類器を作成，詐欺音声かどうかを判別，分類した． 一般人の詐欺模倣音声と犯人の音声は異なる特徴量だった． 発話者の演技経験によって詐欺時の韻律的特徴量は変化した． 演技経験者 詐欺模倣音声と通常時の音声 分類器 学 習 実際の犯人の音声 約82%が模倣音声 として分類された 韻律情報 声の大きさ、高さ、 抑揚、etc… 詐欺かどうかで 変化すると考えられる 演技未経験者 詐欺模倣音声と通常時の音声 分類器 学 習 実際の犯人の音声 約75%が通常音声 として分類された UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 14
- 15. 研究事例（深層学習） 漫画を対象とした髪領域シェーディングスタイル転写 手法の提案 漫画の髪領域を検出し、地の色・ハイライト・陰影のテクスチャを転写 するシステム 模倣したい髪領域の地の色・ハイライト・陰影の表現（シェーディングスタイル）を 持つ漫画からデータセット作成 1枚の画像をマスキングしてペアを作り、回転・反転をして拡張 Pix2pixを使ってモデルを学習し、別の線画にテクスチャを転写 主観評価：約54%の人が既存自動彩色サービスよりも転写能力が高いと回答 客観評価：PSNR 16.7、SSIM 0.52 いずれも既存自動彩色サービスを上回った UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 15
- 16. 研究事例（データ分析） プロサッカーチームにおける ボールリカバリーと試合状況の関係の考察 ボールリカバリーと試合状況の関係を調べ，主に守備要素が 試合に与える影響を考察する． 試合映像から手動でデータを抽出し，回帰分析で分析を行う． 2019明治安田生命J1リーグではより前線でのボールリカバリーと 自陣に侵入させないことが重要であった． 試合の途中経過によって守備戦略を変えていることが分かった． 試 合 映 像 デ ー タ 抽 出 回 帰 分 析 攻撃方向 攻撃方向 攻撃方向 赤：試合内容が良いとき 青：試合内容が悪いとき 赤：勝ったとき 青：負けたとき 赤：勝っているとき 青：負けているとき ボールリカバリーの傾向 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 16
- 17. 研究事例（深層強化学習） 複雑な環境に適応可能な深層強化学習モデル 深層強化学習は，ゲームの他にロボットなどの実機制御にも応 用できるが，実世界の複雑な環境における学習は困難 既存研 転移学習等による事前学習に より，学習したい環境における 強化学習を高速化 →問題点：深層強化学習に固有の問 題（初期値依存性，探索の 偏り）や，報酬がスパース な環境への対応は困難 世界モデルで環境をモデル化し ， モデルからの出力情報のみ で学習 →問題点：環境が極めて複雑な場合， 現実的な時間，探索量で は環境のモデル化困難 進化的計算と勾配法を組み合わせたマルチタスク 深層強 化学習 複数エージェントの探索により， 初期値依存性，探索の偏り， 報酬の獲得の難しさに対応 複数エージェントは進化的計算も 組み合わせて高速に最適化 効率的な世界モデル構築のための再構成誤差に 基づい た内発的報酬による探索 VAEが状態画像をうまく再構成でき ない状態は，モデル化が不十分とし， 内発的報酬を与える 内発的報酬により，不確実性が高い 状態周辺からデータを重点的に集め， 効率的な世界モデル構築可能 シミュレータから実機へ の方策転移 (sim2real) 深層生成モデル(VAE)や RNNを用いた世界モデル 背景 既存研究 研究内容 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 17
- 18. 研究事例(深層学習技術) 自発性を考慮した音声による感情推定のための 仮想敵対的学習を用いたモデル平滑化 仮想敵対的学習(VAT)+自発性判別器を使って音声ベースの 感情推定(感情の度合いを推定)の精度を改善 VATにより学習データと実データの環境差に対応 音声の自発性の有無によって異なる推定器を使用 スマートスピーカーや対話エージェントでの活躍が見込まれる 自発性 判別器 特徴量 抽出 感情 推定 感情 推定器 感情 推定器 快-不快:5 覚醒-睡眠:1 支配-服従:4 自発性有 自発性無 自発性:自発的に発話したか 例:台本を読む場合は自発性無 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 18
- 19. 研究事例(ディープラーニング) 人間とキャラクターの顔画像変換 CAMとCycleGANを用いて変換前の特徴を保持したまま 人間の顔をアニメキャラクターの顔に変換 CAMを用いることで、顔のパーツや雰囲気を残したまま変換を 行うことが可能 CycleGANのみを用いた変換よりも，変換前の特徴を残している ことをアンケート評価により確認 変換したい顔 入力 出力 CAMを用いて特徴を 抽出しバイアスを掛ける 変換された キャラクター画像 顔画像変換システム CycleGAN UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 19
- 20. Results Approach Existing Research • ADASIM[1]: a discrete event simulator that tracks vehicles traveling on map • TRAPP[2] : SUMO-based framework to provide a solution in traffic flow problem in a city with decentralized optimization tools Adaptation Plan Policy in Traffic Routing for Priority Vehicle Background • Automated Traffic Routing Problem (ATRP) in urban area • Motivating Problem in Priority Vehicle: • How to avoid traffic congestion • How to handle unexpected situation [1] Wuttke, J., Brun, Y., Gorla, A., & Ramaswamy, J. (2012). Traffic routing for evaluating self-adaptation. ICSE Workshop on Software Engineering for Adaptive and Self-Managing Systems [2] Gerostathopoulos, et al. "TRAPPed in Traffic? A Self-Adaptive Framework for Decentralized Traffic Optimization." 2019 IEEE/ACM 14th International Symposium on Software Engineering for Adaptive and Self-Managing Systems (SEAMS). IEEE, 2019. Using ADASIM: • Reduced the mean travel time 40% - 50% • Maintained adequate level of traffic congestionn Mean travel time Using SUMO: Optimizations: • There is a decrease of trip overhead by 7% • Removing the outliers data UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 20
- 21. 研究事例(機械学習) インフルエンザ流行予測 インフルエンザ患者数と地域性を考慮したインフルツイ ート数を用いて1週間後のインフルエンザ流行予測を行 う 患者数の予測に時系列予測の機械学習であるLSTMを利用 調布・府中地域を対象に実験を行った結果、地域性を考慮するこ とで流行予測の精度向上 MAE RMSE R２ Influ-Number 131.7 228.6 0.888 Weather 135.8 197.7 0.911 Tweet-Raw 128.9 162.3 0.935 本手法 90.0 144.3 0.952 actual:本手法の予測値 predict:実測値 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 21
- 22. 研究事例（情報推薦） フォロー関係を考慮したゲーム推薦 従来の協調フィルタリングにフォロー関係を指標として加 えたゲーム推薦システムを提案 フォロー機能を持つゲーム情報サイトを対象にユーザ(100人) のゲームへの推定評価値を計算し降順にソート ユーザがもとより登録しているゲームの順位をフォロー関係を 考慮したものとそうでないもので比較 フォロー関係を考慮することで もとより登録しているゲームが より上位に 新たな指標として有用 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 22
- 23. 研究事例（機械学習） 競合と比較したレビュー分析 商品・サービスの特徴を得る手法 レビューから、競合と異なる特徴語を取得 機械学習の解釈手法(LIME等)を利用 どの商品・サービスについての レビューかを分類する機械学習モデル から、分類に寄与する単語を取得 レビューサイトではフォローされない細かい 条件検索に寄与 現状、評価サイトでは一般的な 項目でのみ検索される 他の競合と比較して、より細かい 特徴を得ることが出来る 比較手法と比べて、より分析 に寄与する単語を取得できた 得られた単語が専門家から 見て適切かどうかを確認 結果・課題 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 23
- 24. 研究事例(機械学習技術) 料理工程間の整合性を考慮する深層学習モデルを用いた料理動画 からレシピの自動生成 提案深層学習モデル レシピ自動生成 料理動画の視覚情報からレシピを生成するモデルを学習・利用 ・ 基礎はEncoder-Decoderキャプション生成モデル ・ Doc2Vecでベクトル化した以前の工程情報を与えることで整合性を考慮 ・ 料理工程ごとに分割した動画をVideo-autoencodingという技術でベクトル化 ・ ２つのベクトルを結合、Decoderに渡しレシピ生成 提案モデル ニンニクを切る エビを剥く ニンニクとエビを炒める トマトとスパゲッティを加え和える 【料理工程ごとの動画】 【生成されたレシピ】 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 24
- 25. ２０１９年の研究事例 25 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved (o.u)@(gm) 0hsuga (mts)(ggg)
- 26. 研究事例(知的Web技術) Linked Dataを用いた俯瞰的な多肢選択式問題自動生成 俯瞰的な問題とは Answerを中心として広い関連知識を含み， 全体像をとらえさせるような内容の出題とする。 カリキュラム情報 単元, 出題形式の指定 俯瞰的な多肢選択式問題 (Question Graph, Choices) ユーザ (学習者/出題者) 問題生成・出題 システム システム 俯瞰度を考慮しない問題の例 問題グラフ Answer ⻄洋哲学 influenced A. 孔⼦ B. モーゼ C. ゼノン D. ソクラテス 選択肢 問題として単純な内容になる 俯瞰度を考慮した問題の例 (提案) A. ヘラクレイトス B. カール・マルクス C. ラッセル D. ソクラテス 問題グラフ 選択肢 俯瞰的なQuestion Graph生成手法 意味的な距離を考慮した問題グラフ抽出 既存技術 Linked Data 構造化されたデータ同士をリンクさせる技術である。 Wikipedia等のグラフデータから部分グラフを抽出 して問題に利用する。 小さな規模のグラフでかつ なるべく俯瞰度が高くなる ように抽出する 問題として様々な概念を含みより横断的な内容になる UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 26
- 27. 研究事例(深層学習技術) CycleGANによる音声の感情変換 ドメイン変換モデルのCycleGANを使って 音声の感情を変換するシステム 学習データの収集コストが少ない特徴をもつ感情変換システムを開発 コールセンターや音声ガイダンスでの活躍が見込まれる 抑揚 音韻性 非周期性指標 感情変換 特徴量 抽出 音声合成 感情変換 怒 喜 誰の声でも UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 27
- 28. 研究事例(データマイニング) グラフ理論を用いたサッカーの分析 サッカーのパスからグラフ理論の中心性を適用して 、試合においてシュートにつながるパスに関わった 選手を評価する新指標(flow+)を提案 指標の妥当性を検証するため、メディアの記者採点 を正解データとして順位相関係数を算出し、その値 が一定以上の場合の数を比較 比較データは従来手法、提案手法、機械採点(通常 では取得困難なデータを用いて複雑な手法で採点) • サッカーではゴールとアシストを記録した選手に 高評価が偏る傾向 • それ以外の選手も適切に評価したい 検証結果:順位相関係数の値が0.6以上の場合の個数 • 選手評価における精度は、機械採点>提 案手法 • FWに関しては提案手法は機械採点に劣 らない性能を示した >>> 0.6=< flow+ 機械採点 全体 1 6 FW/MF 5 13 FW 11 11 MF 7 16 FW/MF/DF 3 9 FW/DF 4 9 MF/DF 5 8 DF 10 9 対象となる 試合数 30 30 ゴール、アシストを記録した選手 それ以外の選手 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 28
- 29. データベースのプライバシを保証するための指標やアルゴリズム データベースに対して匿名化*を行うことでプライバシを保護できる ダミーレコード追加手法による匿名化を行うことでプライバシを保護しつつもデータベ ースの有用性も保証できる 事実上の多様性を考慮することにより個人のプライバシはさらに保護される 研究事例（プライバシ保護マイニング） 事実上の多様性を考慮したダミー追加 * 匿名化: ある個人を一意に推定されないようにするプライバシ保護手法の一つ 仮名 性別 年齢 年収(円) A W 25 400万 B M 32 600万 性別 年齢 年収(円) W 25 400万 W 25 580万 M 32 600万 M 32 420万 オリジナルデータ 事実上の多様性を考慮した匿名化 事実上の多様性を 考慮すれば， よりプライバシが 保護できる！ 匿名化 性別 年齢 年収(円) W 25 400万 W 25 410万 M 32 600万 M 32 520万 既存の匿名化 匿名化 このデータベース内の 女性，25歳の人は だいたい年収400万円だ！ このデータベース内の 女性，25歳の人は 年収400～580万円だ！ UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 29
- 30. 研究事例（プライバシ保護データマイニング） 複数機関に同一個人のデータがある場合の匿名化 プライバシ保護データマイニング データ利用の安全性を保証しつつ分析の有用性を保つ技術 従来想定されていなかった、複数の機関に同一の個人が提供した データがあるデータ分析での匿名化を実現 ダミー値追加による手法により、データの識別を防ぐ 分析の有用性向上のため、統計値の補正を行うアルゴリズムを提案 ダミーなし: 疾患と年収の値を持つ ⇒個人Aのレコードと分かる どちらの機関も 利用する個人A 年齢 性別 疾患 年収 37 東京 肺炎 180 36 千葉 脳卒中 240(ダミー) 39 山梨 はしか - 34 千葉 肺炎(ダミー) 360 38 京都 - 540 ダミーとなるデータ値を追加 同一個人のデータの再識別を防ぐ 分析データベース UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 30
- 31. 研究事例 エージェントモデルを用いた炎上再現モデル構築 各々が独自の考えで行動するエージェントを用いて、炎上再現 モデルを構築 情報拡散モデルを応用することにより、炎上再現モデルを構築 炎上に特化させるために、エージェントに意見極性を追加することで、炎上 に対する意見極性の分化を再現 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 31
- 32. 研究事例 加速度センサーを使った音楽制御システム 加速度センサーを利用し、指揮棒を振る動きのみで楽曲を制御するシステムを 構築 加速度から拍の入力を読み取り、テンポを変更 加速度から振りの強さを読み取り、音量変更 楽曲にはMIDIを利用することで多くの楽曲に対応 指揮者のような動き ・打点で拍を認識し、 拍と拍の間からテンポ 推定 ・加速度の大きさから 振りの強さを検知し、 音量変更 加速度 テンポ・音量変更 誰の声でも UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 32
- 33. ２０１８年の研究事例 33 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved (o.u)@(gm) 0hsuga (mts)(ggg)
- 34. 研究事例(ゲーム理論) プロのPK戦は最適戦略に従うか? ゲーム理論の代表的手法Minimax法を用いてPK戦におけるキッカーの 最適戦略を求めた GKの利得表から期待利得最小領域をキッカーの最適戦略とする 実際のプロの戦略と比較し、ズレの存在を確認 ズレの要因を調査 L C R L 0.397 0.098 0.098 C 0.197 0.857 0.197 R 0.075 0.075 0.472 GKの利得表 キッカーの 最適戦略 GKの期待利得 プロの戦略 キッカーの 最適戦略 ・ ・ ポジション: ストライカー ・ ・ スコア差:優勢 ナショナル チーム ・ 全17個のデータ項目の選手の戦略に対して Χ二乗検定によってプロの戦略との有意差を 有意水準1%で検定した その結果ズレは 国籍 スコア差 の影響示唆 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 34
- 35. 多様度・類似度を考慮した 画像ドメイン変換 CycleGANを用いた、ドメイン別変換精度の検証 「多様度」、「非類似度」という2つの指標を提案 各ドメインを、2つの指標から精度分析 男性→女性 猫→犬 成功例 失敗例 変換前後が比較的類似していると成功する…？ 形状を変えようとすると失敗する…？ 成功条件をもっと詳細に知りたい… よくわからない… 指標の妥当性確認 様々なドメインを用意し、実験により 変換の失敗と成功を整理していく 【非類似度】良好な結果となる区間が存在する 【多様度】高すぎると変換が困難になりやすい 結論 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 35
- 36. 研究事例(知的Web技術) 自転車事故防止に向けた参加型オープンハザードデータ (OHD)構築システムの開発 スマートフォンを用いて走行中の危険運転(急ブレーキ) のハザードデータを構築するシステム 走行データの解析～LOD化を行うOHD構築システムを開発 危険運転分析，警告アプリケーションの開発に活用可能 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 36
- 37. 研究事例(マルチエージェントシミュレーション) 金融機関の合併に関するシステミックリスクの分析 金融機関が合併した際の倒産リスクを調査 既存研究のモデルにのれん項目追加 インターバンクネットワーク ➀市況悪化で金融機関が破綻 ②破綻した 金融機関の 影響で連鎖 破綻が発生 40%の 最頻値 3行 10%の 最頻値 0行 市場性資産価格40%下落の場合で, 破綻数の最頻値が変化 5行以上の多数行の破綻は減少せず 10%の 最頻値 0行 40%の 最頻値 2行 合併前の金融 機関破綻数の 分布 合併後の金融 機関破綻数の 分布 本研究のバランスシート のれんの導入により 既存研究と比較し企業 の保有するブランドやノ ウハウの金額を計上 有価証券項目に ➀市場性資産価格を半年間 下落させるケース ②1stepで損害を与えるケース により破綻する金融機関数を調査 誰の声でも UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 37
- 38. 研究事例(推薦システム) Twitter分析によるアニメの人気度の推定 放映中のアニメの実況ツイートを収集し、以降の次回話数や 最終話の人気（盛り上がり）を予測するシステム 人気の指標にGoogleトレンドの人気度を使用 1.実況ツイートを収集 はいクソー 二度と見ないわ 2.特徴量を抽出 ワロタｗｗ 頭おかしなるで… 3.人気度の予測 ツイート数 実況ユーザ数 人気度 前話、前々話との差 このアニメ段々面白く なりそうだよ～ マジ？ チェックしなきゃ このアニメ後半失速 するかも… う～ん、見られる時間 少ないし切ろうかな… 喜び 安らぎ 好き 厭 哀れ 恥 怒り 怖い 驚き 昂ぶり POSITIVE NEUTRAL NEGATIVE ML-ask UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 38
- 39. データ収集 研究事例(推薦システム) ゲームPVの音響特徴量を用いたデジタルゲームの推薦システム ゲームPVの音響特徴量を用いて, ユーザの嗜好に合ったゲームを推薦 デジタルゲームのPVの音響特徴量を解析 推薦に有効な音響特徴量を分析 協調フィルタリングを用いた従来の推薦を音響特徴量を用いて改良 STEAM 自作データベース 推薦システム ユーザ PVの 音響特徴量 を格納 ユーザ嗜好との 類似度を計算 推 薦 推 薦 要 求 音楽的な嗜好を使った 新しい推薦を実現 音 響 特 徴 量 収 集 誰の声でも UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 39
- 40. ２０１７年の研究事例 40 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved (o.u)@(gm) 0hsuga (mts)(ggg)
- 41. 日本語テキストを対象に文字ベクトルの事前学習&転移学習 Skip-gramモデルによる教師なし事前学習による文字ベクトルの獲得 他言語で学習された文字ベクトルの転移により，精度が向上！ CNN*を文字レベルに適用することにより形態素解析，構文解析が不要！ 研究事例（ディープラーニング） 自然言語処理における転移学習 中国語データセットを 用いて学習した文字ベクトル 日本語のテキスト分類 タスクで精度が向上！ 入力 CNNによるテキスト分類 各文字を ベクトル化 日本語 テキスト * CNN: Convolutional neural network UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 41
- 42. オートエンコーダとDNNによる任意話者の声質変換 声質変換：入力音声を目標とする話者の声質に変換 オートエンコーダで圧縮した入力話者の特徴量をDNNで目的話者の 特徴量へ変換 ＜声質変換システム＞ ・ （スパース）オートエンコーダ ・ Deep Neural Networks 研究事例（ディープラーニング） 任意話者の声質変換 目標の声に 変換できる！ こんにちは Input 圧縮した特徴量 はDNNの入力へ Output ・ 少ない訓練データで ・ 短い時間で 声質変換できる！！ 誰の声でも こんにちは UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 42
- 43. 研究事例（データマイニング） オンラインレビューサイトにおける皮肉検出 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 43
- 44. 研究事例(エージェント技術) 家庭におけるペット−ロボットインタラクション 〜ロボットのふるまいに対する犬の行動調査 〜 家庭でのペットとロボットの共生に向けて、 ロボットの行動指針策定につなげるよう、犬の行動傾向を調査する。 ロボットが犬の世話(餌やり，ボール遊び)をすることで，犬はロボットを好きになるのか？ Pepper ★実装 ★実験 ★結果 結論：ロボットが犬の世話をすることで，犬のロボットへの行動傾向が変わる． UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 44
- 45. 研究事例(知的Web技術) 音楽情報処理のための楽曲LOD生成・分析基盤の構築 楽曲特徴量などのデータ収集や分析が簡単に行えるシステム 楽曲特徴量の解析～ＬＯＤ化を自動で行う楽曲LOD生成・分析基盤を構築 楽曲推薦，演奏支援，自動作曲アプリケーションの開発に活用可能 YouTube動画の URLを入力 楽曲ＬＯＤ生成 楽曲LOD (Virtuoso) DBpedia 楽曲ＬＯＤ自動構築システム 楽曲特徴量 解析 楽曲情報 取得 ＲＤＦ化 楽曲推薦 演奏支援 select ?s ?p ?o where { … } SPARQLクエリを発行 音楽分析 自動作曲 <解析する楽曲特徴量> Tempo, Key, Mode, Zero crossing rate, Roll off, Brightness, RMS energy, Low energy データ追加 結果取得 アプリケーションへの活用 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 45
- 46. 研究事例(ソフトウェア工学) PHPアプリの設定値ミス検知 アプリケーションの設定値参照時，型不一致ミスによるバグが発生[1] 参照時の型不一致を検知する手法・検知ツール『Mis.Config』の開発 手法はコントロールフローグラフ・シンスライシングを用いて実現 精度実験で，実アプリの設定値に型不一致を発生させ，検出率を調査 対象とした型間の変更の精度，適合率100%・再現率100% 設定ファイル上 では文字列型 [1]Bug in error reporting configuration, The Joomla! Forum, https://forum.joomla.org/viewtopic.php?t=708552 入力 Mis.Config Java コ ン ト ロ ー ル フ ロ ー グ ラ フ 生 成 シ ン ス ラ イ シ ン グ 結 果 の 出 力 設 定 フ ァ イ ル 中 の 型 特 定 正 規 表 現 リ ス ト プ ロ グ ラ ム 中 の 型 特 定 正 規 表 現 リ ス ト 出力 ソースコード上は 整数型！ UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 46
- 47. ２０１６年の研究事例 47 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
- 48. Twitter投稿時に期待する反応(リプライ・いいね・RT)を機械学習で識別 平均F値64.4%の精度で識別可能 他のユーザからの期待しない反応をミュートするシステム Ｓ Ｓ Ｓ Ｓ Ｓ Ｓ Ｓ Ｓ 内容を伏せた警告表示により，閲覧の取捨選択が可能に 研究事例(データマイニング) ツイート分類によるうざレス検知と自動ミュート カレー屋の親子丼おいしかった!! 被害者 @Kashitsuki @Kashituki カレー屋で親子丼頼む やつおる？しかもマズそう うざレスおじさん @ozisann 従来までは：リプライは閲覧不可避 提案手法なら： 期待しない、リプライを警告表示 期待しない、いいね・RTは非表示 このツイートはあなたにとって不愉 快な内容である可能性が高いと判 定されました。 うざレスおじさん @ozisann 機械学習分類器(SVM) 特徴表現を基に8項目に分類 見ずに済んだ いいねを期待 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 48
- 49. 研究事例（知的Web技術） 社会課題解決に向けた循環型LOD構築システム 社会課題解決に役立つLOD(Linked Open Data)を持続的に生成 データ収集，LOD化，欠損値推定，可視化のサイクルを繰り返す 放置自転車を題材にLOD生成実験を行い，未観測台数を約70%の精度で推定 SNS 行政 データ収集 LOD化 Bayesian Network 可視化 欠損値推定 問題意識 の向上 未観測データを 確率的に推定 統一形式で Web上に公開 ソーシャルに データ収集 放置自転車LOD LODの活用 都市設計， 撤去活動支援など が期待できる UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 49
- 50. 研究事例(データマイニング技術) 競馬時系列オッズデータの解析 インサイダー投票者による特異的な投票行動を察知，利潤を 得る投資戦略を獲得 「インサイダー投票者」：投票対象の結果に関わる有利な情報かつ， 多くの参加者に知られていない情報を持った投票者 リターンが元手の30倍以上となる勝馬投票券の抽出に成功 日本中央競馬会（JRA）のオッズデータを分析 インサイダー投票者による 大量投票 特異的な投票行動の発現 （公に利用可能な情報） 利潤を得る 投資戦略を獲得 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 50
- 51. 研究事例(知的Web技術) Linked Dataを用いた日本酒-ワイン間の関連性抽出 Linked Data内の日本酒-ワイン間の関連性を抽出するシステム 日本酒&ワインのLinked Data化 Linked Data内の無数の繋がりから意外性のある繋がりを抽出&可視化 探索イメージ アンジェリーナ・ジョリーと関連する 日本酒があるのか！！ Virtuoso ・Wikipedia ・日本酒 ・ワイン ・アニメの聖地 ・姉妹都市 探索エージェント UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 51
- 52. 研究事例(エージェント技術) レシピ入替えを行うグループ向け献立推薦システム レシピ間の共起度・類似度から，献立とレシピの相性を計算して，献立の レシピを入替え グループのメンバーの嗜好に合わせ，レシピ入替えを行った献立をグル ープ向けに推薦 様々な好み グループのメンバ • 複数人に一つの 献立を推薦したい • みんなが納得する 献立を見つけたい • メンバの様々な好み を献立に取り入れたい グループ全体の嗜好を 反映した献立推薦 献立推薦 嫌いなレシピを 入れ替えることで 献立のバランスを 崩したくない レシピ間相性度の計算 献立・レシピ間相性度の計算 レシピ入替え 献立バランスの良いレシピ入替え!! UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 52
- 53. ２０１５年の研究事例 53 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
- 54. 研究事例（知的Web） 語句間の意味構造に基づくニュース記事推薦 面白い(興味&意外な情報)ニュース記事を推薦するシステム ニュース記事文の語句間の意味構造を特徴に利用 ユーザの興味関心を具体化することでニュース記事検索 & 推薦 提案手法： 既存手法： ・・・ UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 54
- 55. 研究事例（エージェント） 時系列データ解析に基づく犬の行動認識 55 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 犬の加速度データを取得し，行動を推定するシステム 飼い主の知りたい犬の行動を調査 波形に着目した最新の指標であるDTW-Dを適用 11種類の行動に関して平均で75.1%のF値 入力 出力 飼い主 愛犬（ゆず） センサ装着の様子 行動認識システム 加 速 度 デ ー タ 最 近 傍 探 索 類 似 度 比 較 デ ー タ を 分 割 加 速 度 デ ー タ 正 解 ラ ベ ル 付 与 デ ー タ を 分 割 行 動 推 定 訓 練 フ ェ ー ズ 推 定 フ ェ ー ズ
- 56. 研究事例（エージェント） 映画の人物関係の推定 一階述語論理と確率推論を組み合わせたMarkov Logic Network(MLN)を用いて映画の登場人物の人物関係を推定 1975〜1999年の映画25作品から人物の好意関係を抽出 映画を通して現実世界を知る工学的手法の提案 人物関係と社会指標の比較 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 安定関係 インフレ率 r=0.81(P=0.003) 社会指標と比較 高い相関を示す 結果となった 映画脚本 入力 出力 好意関係 (精度70%) y 1 y 4 y 7 y 2 y 5 y 8 y 3 y 6 y 9 述語論理へ変換 MLNによる推論 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 56
- 57. ２０１４年の研究事例 57 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
- 58. 研究事例(機械学習) 決定木を用いた炎上分析 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 58 Twitterを対象とした 炎上分析&予測 提案手法: 価値観のずれによる炎上を可視化 決定木により 炎上予測モデルの構築に成功 ここが嬉しい 炎上防止(マーケティング)に利用 有名人のイメージ改革 図1: 提案手法概要 世間の極性 炎上する 炎上する 世間の極性 発言の極性 炎上しない 炎上しない 炎上しない ≦0.08 0.08＜ ≦-0.4 -0.4＜ Nega Posi Even 図2: 炎上予測モデル AKB 2.トピック抽出 園田の事件、絶対に許せない 園田は暴力セクハラ野郎 園田監督、国の恥、クビにして 3.世評抽出 園田監督は人間性の素晴らしい、立派な人だ 発言(入力): N多数 4.世評可視化 P 1.極性抽出 炎上予測 5.世評数値化 6.決定木モデル化
- 59. 研究事例（データマイニング技術） 希少性に基づく意外レシピ推薦 投稿型レシピサイトから指定した料理の意外性 のあるレシピを推薦する 食材の希少度と一般度から食材の意外度を算出 希少度・・・その料理内での出現数の逆数 一般度・・・レシピ全体での出現数 食材の意外度からレシピの意外度を算出 アンケートによりレシピの意外性評価は約60％ システムの有用性評価は約70％ それらを利用したWebサービスを公開 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 59 希少度のみ 一般度 希少度 ＋ コーフーミンチ 熟味酢 きゅうり りんご 例） ハンバーグの意外食材 いつもの味に飽きた… でも新しい料理に挑戦 するのは敷居が高い… Webサービス
- 60. 研究事例（自己適応システム） 自動清掃ロボットの機能拡張 自己適応のメカニズム(MAPEループ) を利用したRoombaの機能拡張 課題:小物類やゴミなどのオブスタクル移動 オブスタクル移動のAndroidアプリを実装 制約:組込みプログラムを変更できない システムに外付けするMAPEループの特徴 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 60 移動できるようになった オブスタクル Roombaのソフトウェア 計画 分析 監視 実行
- 61. 研究事例（知的Web技術） Human Pose Guide Ontology(HPGO)を用いた アイドル画像のポーズ分類 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 61 アイドル画像を解析し、ポーズごとに自動分類するシステム コンピュータビジョン技術により、画像内人物のポーズ推定を行う。 HPGOが内包する人体構造の制約条件によって、ポーズ推定結果を補正、 分類精度を高める。 Web上 ぺたん座りの画像 を見たいなぁ… Upper legがTorsoよりも下にあるときは、Lower legもまたTorsoよりも下になければならない。
- 62. 研究事例（エージェント技術） 音楽推薦システム 音楽推薦システム: 携帯端末上でのコンテキスト情報（場所） を用いた音楽推薦アプリケーション 独自の‘renso’ relationを提案し、複数のAlignmentを組んで音楽推薦 邦楽でも洋楽でも推薦できる 幾つの問題を解決 Cold Start Problem SerendipityとAccuracyのバランス 端末対応 携帯（iOS、Android）、タブレット、パソコン UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 62
- 63. タイムラグに対して自己適応するC/S型オンラインゲーム ヘテロ（異種混合）な環境では， 事前に各システム特性を把握するのは困難！ リアルタイム性の高いオンラインゲームの クオリティは，通信遅延によるタイムラグに 大きく左右される 提案MAPEループ構成パターンにより， 公平で快適なオンラインゲーム環境を提供を目指す タイムラグの状況に応じた，振る舞いに変更 ゲーム進行における矛盾の回避 事前に想定できないシステム特性に対応 研究事例（自己適応システム） 自己適応オンラインゲーム UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 63 図1. タイムラグによる矛盾発生問題 図2. 本提案MAPEループ構成パターン E M A P M A M A クライアント１ クライアント２ クライアント３ サーバ 計画に基づき， サーバコントロール 矛盾検知 適応計画 原因を分析し， サーバに報告 Player A画面 ①攻撃！ ②移動 Player Aの得点ならず (①より②が先に処理反映） Player B ④攻撃はゲームに まだ反映されてない 矛盾！ ③すぐにゲーム に反映 [節政10] Player Aの タイムラグが 大きい場合 ※自己適応システム：実行時に動作環境が変化する状況において， 環境に適した構成・振る舞い変更を，動的にソフトウェア自身が 行うことができるシステム
- 64. 行政機関のシステムは、法令を遵守している必要があるため，法 令からシステムに必要な機能要求を適切に抽出することが重要 そのため・・・ UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 64 研究事例（要求工学） 法令からの半自動的機能要求抽出 UMLのユースケースの概念を用いて条 文を要約するツールを実装 機能要求を表現する記述を予め定義し た3種類のテンプレートを作成し、どのテ ンプレートで抽出すべきかを示唆するツ ールを実装 実際の法令から機能要求を抽出する実 験を行った結果，高い精度（90%超）で 抽出できることを確認 法令からの機能要求の抽出手順
- 65. 研究事例（要求工学） 開発上流工程におけるモデル変換 ビジネスプロセスモデル構築支援 処理の流れや条件分岐を適切に定めるのは難しい KAOSゴールモデルをビジネスプロセスモデル(BPMN)へ変換 リファインメントパターンの利用 KAOSゴールモデルにおける論理的な関係をBPMNモデルへ反映 システムの目的を 木構造で表す 処理の実行順序へ変換 KAOS BPMN UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 65
- 66. ２０１３年の研究事例 66 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
- 67. 研究事例（エージェント） 震災時の避難行動推薦エージェント ユーザの状況や目的に応じた避難行動を推薦するエージェント Twitterから震災関連の情報を抽出して，行動の推薦に利用する 推薦後もエージェントがユーザを見守り， 状況に応じて推薦結果を動的に変更する 推薦候補の行動を動的に評価することで， リアルタイムな推薦処理を実現 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 67 行動ﾈｯﾄﾜｰｸ 構築 避難ｵﾝﾄﾛｼﾞ 更新 エージェント リポジトリ 行動ﾈｯﾄﾜｰｸ 避難ｵﾝﾄﾛｼﾞ ｲﾍﾞﾝﾄ抽出 状況変化を検知 行動抽出 ・ ・ ユーザ 推薦サーバ 推薦端末
- 68. 研究事例（エージェント） UAVとUGVを利用した障害物撤去 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 68 UGVが撤去方法に異常を検知した時,UAVに再プランニングを依頼す る UAVとUGVが協力して遭遇した障害物を撤去する 障害物 UGV UAV 観察 撤去方法を導出 撤去方法 1.UGVが障害物を発見 2.UGVがUAVに協力を依頼 3.UAVが障害物周辺を観察 4.協力して撤去方法を導出 ・ UAV:撤去方法を導出 ・ UGV:撤去方法の修正を依頼 5.UGVが撤去する ・必要なUGVに協力を依頼 依頼 (UAV:Unmanned Air Vehicle, UGV:Unmanned Ground Vehicle)
- 69. 研究事例（知的Web） メディア情報の比較支援システム UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 69 異種メディアの比較をサポートするシステム メディア情報の事象情報をCRFを用いて自動抽出 抽出精度(F値): 事象 74.7% | 事象間の関係: 87.4% Linked Dataとして構造化し事象ネットワークを自動構築 事象ネットワークの可視化 事象ネットワークの注目ポイントの自動推定 本研究の嬉しさ 多角的な観点から情報把握の容易化 e.g. 重要事象/希少事象/偏向報道の発見 メディア情報LODとしての2次利用 事象ネットワークの可視化例
- 70. 研究事例(機械学習) GAを用いたシステムトレード 株・為替を対象とした自動売買 遺伝的アルゴリズム(GA)により遺伝子の パラメータを変化、売買ルールを進化させる 利益を出すルールの探索ではなく、 損失を出さないルールを探索 利益が従来比2倍に(fit0→fit3) 相場による売買戦略の切替手法も提案 利益が更に1.4倍に(fit3→hyb) UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 70 株式：136銘柄の6年間の売買結果[万円] 為替：17通貨ペアの6年間の売買結果[万円]
- 71. 研究事例（ソフトウェア工学） ソフトウェアの再利用に関する研究 既存ソフトウェアを再利用しやすい状態に整理する → 階層化された要求モデルである「ゴールモデル」を使って整理 → ツールが自動で、共通ゴール（必ず再利用）と 可変ゴール（要求に応じて再利用）を判別 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 71 A D 共通ゴール C 可変ゴール と B E と F 提案手法 実装ツール 0 searching in the search field(A) by user name(B) AND AND by words(C) searching friends (D) by name(E) AND AND by e-mail address (F) GM1 GM2 「ゴール名の類似度」だけでなく、 「ゴールモデルの構造上の特性」も用いて判別精度が向上 新ゴール G 新システム 既存システム
- 72. ２０１２年の研究事例 72 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
- 73. 研究事例（エージェント） オントロジーを用いた衣服検索 ユーザの嗜好に基づいた 衣服検索システム ECサイト上の閲覧履歴を用いて ユーザの嗜好を推定 共通デザインの出現頻度から デザインに関する嗜好を推定 服飾オントロジーを構築 ユーザの嗜好を インスタンスとしてマッピング 概念間類似度判定により ユーザの嗜好に近い衣服を提示 デザインの推定機能も提案 衣服名を基にデザインの一部を特定 特定出来ないデザインには画像特徴 量を利用して推定 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 73
- 74. 使用した 使用しなかった 研究事例（エージェント） 作曲からの嗜好抽出と素材推薦 ループシーケンサ型の作曲システム 断片素材を組み合わせて作曲 作曲中に利用した素材のタグを収集 嗜好をユーザ間で共有し，協調作曲 他ユーザの作風を参考に作曲できる インタフェース 作曲者の嗜好をタグクラスタで可視化 嗜好に基づいた素材推薦が可能 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 74 4ビート 開始感 8ビート 開始感 2beat 緊張感 作 曲 ループシーケンサ画面 素材選択画面 推薦 エージェント 断片素材 タグ
- 75. 研究事例（知的Web） 未知性を考慮した推薦アルゴリズム 予測精度を低下させずに未知性を向上させる推薦アルゴリズム タグクラスタにより嗜好内で推薦リストを多様化 推薦に利用するタグクラスタ群を個人化 はてなブックマークにおいて，約60％の精度で興味がありかつ 知らないコンテンツを推薦できることを確認 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 75
- 76. 研究事例（知的Web） アノテーションを用いた動画シーンラベリング ニコニコ動画の重要シーンに要約情報（ラベル）を付加 特徴語を抽出 タグの抽象度の差を利用 タグごとの特徴語を抽出 特徴語の意味的カテゴリを推定 共起情報を効率よく推定に利用 既存手法の最大830倍の処理速度 意味情報をラベルに利用 特徴語とその意味情報をラベルに付加 特徴語を知らなくても理解しやすいラベル UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 76 タグの抽象度の差による特徴語抽出 意味情報が付加されたラベル
- 77. 研究事例（知的Web ） Twitterを用いたWebページ推薦 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 77 Twitterのフォロー関係を使ってWebページを推薦するシステム 限られたユーザを利用することで精度向上・計算量減 • ユーザがフォローするユーザが、さらにフォローするユーザを利用 • 各ユーザの嗜好を求め、同じ嗜好を持っているユーザだけを利用 システムを実装し、アンケートを行った結果、既存手法より精度の高い推 薦を実現
- 78. 研究事例（自己適応システム） 設計言語拡張による自己適応システム構築手法 Architecture Description Languageを活用した動的再構成 構成変更可能部分と変更による影響をモデリングし，ADLを拡張 設計言語を実行時に解析し自動的に適応案を生成するフレームワーク 適応フレームワークによるWebシステムの管理 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 78 Application Transaction Display Receipt Transfer Balance Inquiry Logging Security Authentication Auth.Per Session Auth.Per Request Encryption GUI PC Interface Mobile Interface Onetime Password Graphical Text Telephone Service Database ConnectToBankDB Connect toMainDB Connect toSubDB ConnectTo OthrBank ②軽量な処理に切り 替え・ 必須でない機能の取り 外し ①変更可能を判断し 動的に切り 替え ①故障の発生 → 自律的に適応プランを生成し再構成，サービスを継続 ②やむなき構成変更による性能低下 → 必須な機能以外を取り外し対処 0 1000 2000 3000 4000 5000 6000 提案手法 通常システム Response Time (msec) Time Elapsed ①故障の発生 （ 適応を開始） Adaptation ②性能の低下を検知 Adaptation
- 79. 研究事例（ソフトウェア工学） KAOSモデルからのUMLクラス図とOCL制約の作成 KAOSモデルからUMLクラス図への変換 KAOSのモデルで表現されたシステムへの 要求を網羅的にOCL制約が付加されたUML クラス図に反映 KAOSゴールモデルの論理的関係から OCL制約を抽出 KAOS操作モデルからクラス図に変換 詳細かつ理解しやすいクラス図を生成出来 ることを確認 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 79 変換 作成
- 80. 研究事例（ソフトウェア工学） モデル検査のための外部環境構築 モデル検査 状態を網羅的に検査 検証対象と外部環境モデルが並行動作 外部環境モデルの問題点 設計が困難,不要な状態が発生 不要な状態探索削減可能な外部環境モデルの提案 起こり得ない状態をOCLで記述，不要な状態探索を削減 サッカーロボットの攻撃の振舞い検証に適用 不要な状態（e.g.オフサイド発生後の探索）を22%～40%を削減 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 80 検証対象 外部環境モデル 設計対象 外部環境＝設計対象外 利害関係者 ハードウェア 本研究の対象 検証対象の大規模化 検証不可能 状態爆発 Verification robot ball_take:bool pass:bool off_side_line:int x,y:int pass():void take_passs():void move():void shoot(): OCL記述例（サッカーロボットの攻撃シーンにおいて，オフサイド発生後の振る舞いは起こり得ない） context: Verification_robot inv:¬((off_side_line > y ) && ball_take ==true && pass==true) オフサイド発生後の不要な探索を削除 OCL記述を違反する場合，Promelaの例外処理を用いて探索を停止
- 81. ２０１１年の研究事例 81 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
- 82. 研究事例（エージェント） 拡張現実を用いた植物推薦 Green Thumb-Phone: 携帯端末上での拡張現実を用いた植物 推薦アプリケーション 環境データを取得し、植裁スペースに適した植物を推薦 決定木を利用して、100種類以上 の植物を推薦可能 拡張現実を用いて3DCGにより 視覚的に確認 Android携帯端末上に実装 植物の専門家の評価から、約70％の 精度で正しく推薦できることを確認 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 82
- 83. 研究事例（知的Web） 意見抽出による評判比較システム 商品・サービスの評判を可視化するシステム レビューサイトから評判を自動抽出 ジャンルを問わない意見抽出手法 辞書を用いず、教師あり学習 （CRF, SVM）による意見抽出の 自動化 シーソーGUIなどによる比較結果の可視化 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 83 肯定意見が多く、 否定意見が少ない ほど浮上する 肯定意見が多ければ 右へ、否定意見が 多ければ左へ移動 抽出した意見を表示
- 84. コンテンツDB 研究事例（知的Web） ﾏｲｸﾛﾌﾞﾛｸﾞを用いた評判動向分析ﾂｰﾙ Twitterの「つぶやき」から様々な物事に対する評判の傾向と 評判を変化させた原因を抽出 センチメント分析、チャンキングを活用 政党支持率、TVドラマの視聴率の分析で一定の精度を確認 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 84 twitter キーワード入力 ②重回帰分析による 評価表現の特定 ③変化点の抽出 コンテンツの収集 ④チャンキングによる トピック抽出 日本語評価 極性辞書 p/n判定 ①評価情報の抽出 センチメント分析 感情表現辞書 解 析 対 象 切 り 分 け 変化点，トピック取得 <評判調査システム> ユーザ 評価情報DB 回帰係数入力
- 85. 研究事例（知的Web） 未知性・意外性を考慮したコンテンツ推薦 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 85 未知性・意外性のあるコンテンツを推薦するシステム コンテンツ投稿型SNSで有効な推薦手法 イラスト投稿型SNS「Pixiv」上で実証実験 未知性（Novelty）：興味に合っているが まだ見たことのないコンテンツ 有力投稿者を探し出し、有力投稿者 のブックマーク情報を利用 意外性（Serendipity）：興味に近いが、 推薦されるとは思っていないコンテンツ 2種類（ユーザ・コンテンツベース）の 共起度を用いて類似タグを抽出・除去 3次元インタフェースにより推薦結果を表示
- 86. ２０１０年までの研究事例 86 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved
- 87. 研究事例（自己適応システム） 状況変化に応じて自らの構成や振舞いを自発的に変更するソフトウェア ソフトウェアが自分自身の目的を管理 実行状況を監視し、予期せぬ変化を検出 変化した状況において当初の目的を達成する変更計画を策定 変更計画に基づき、ソフトウェア構成や振舞いを変更 システムの不具合、過負荷、外部からの攻撃等に自律的に対処 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 87 環境変化2 従来システム システムアーキ テクチャ（固定） if then if then 処理A’ 想定外の環境変化に弱い 処理A 目的を管理した柔軟な アーキテクチャ変更 環境変化1 要求 A 要求 A 環境変化1 環境変化2 環境変化2 環境変化1 予期しない環 境変化 設計者 環境を想定 し，具体的な 処理を実装 self-adaptive システム 目的 A システムアーキテクチャ（変動） 目的管理 目的記述， 部品を用い た実装 環境変化2 環境変化1 部品 1 部品 部品 1 部品 2 部品 3 部品 4 要求 A 要求 A 環境変化2 環境変化1 設計者 代替目的 A’ 予期しない 環境変化
- 88. 研究事例（エージェント） 高齢者外出支援エージェント UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 88 エージェントサーバ 未登録 障害 GPS 測位 障害 障害 わんわん！ 近傍障害 情報の通知 投稿 未登録障害 情報の投稿 •高齢者の見守り •障害情報の管理 •行動予測に基づく障害通知 •回避行動や嗜好学習 •障害情報の共有 実験風景
- 89. 研究事例（知的Web） ｿｰｼｬﾙｱﾉﾃｰｼｮﾝを用いた動画ｼｰﾝ情報の取得 ニコニコ動画のコメントを各シーンに付与されたｿｰｼｬﾙｱﾉﾃｰ ｼｮﾝとみなし、見たいシーンの検索や動画要約に活用 「面白い」、「下手」といった感性的な検索ｷｰﾜｰﾄﾞにも対応 コメント解析のためにキーワードオントロジーを導入 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 89 動画・コメントの取得 キーワード オントロジー 検索キーワード ・「ゴール」 ・「面白い」 ・「下手」 検索・要約対象とする動画の選択 該当するシーンの検索 動画の要約 拡張キーワード群
- 90. 研究事例（知的Web技術） SNS上の性格診断エージェント UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 90 SNS上のコミュニケーションの難しさ（衝突、希薄化、義務化） SNS上に「エニアグラム」(※)の導入を図る 性格診断エージェントがユーザの操作履歴から性格分析を実施 （※）自己分析を経てコミュニケーションの円滑化を図る手法 性格診断エージェント
- 91. 研究事例（エージェント技術） 商品口コミ情報収集分析エージェント 携帯電話のカメラで商品のバーコードをスキャン インターネットから商品のメタデータを取得 関連するブログ情報を収集、分析 商品の口コミ情報をリアルタイムでユーザに提示 UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 91 ブログ上の評判 （ポジティブ・ネ ガティブ）を集計 ブログを収集した後、オントロジーを参照してブログの中身を解析し 店舗でバーコードをスキャンすると ブログで話題 になっている関 連商品を提示 有用なブログ 記事（口コミ情 報）を表示
- 92. 研究事例（エージェント技術） ショッピング支援エージェント UEC （The University of Electro-Communications） © Ohsuga Lab All Rights Reserved 92 「牛乳を買い忘れてませんか？」 「近くの○○ストアで買えますよ」 位置情報 「お店から割引クーポン が発行されました！」 ユーザ ショッピング支援エージェント GPS携帯 状況に応じたメッセージの通知 在庫情報 買物メモ 屋外 ユーザプロファイル ユーザ行動履歴 個人向け広告配信 状況の自動認識 情報家電 購買履歴 広告情報 店内 家庭内 POSレジ