通史授業の論述データと関連する現代のニュースを推薦できるシステムの開発と評価

历史课文数据相关当代新闻推荐系统的开发与评价

基本信息

批准号：
22K02884
负责人：
池尻良平
金额：
$ 2.75万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K02884/
关键词：
教育工学歴史教育歴史学習 AI 学習支援システム ICT

项目摘要

2022年度は、歴史上の特定の時期にしか使われない時間的固有表現を非時間的固有表現に変換する手法を用いた、現代と過去の因果関係同士の類似度を算出する手法を開発した。時間的固有表現の非時間的固有表現への変換については、TagMEを文章に適用して固有表現とそれらのWikipedia記事を取得し、固有表現が人、組織、出来事のどれかであれば時間的固有表現とみなし、固有表現が国であれば存続年数を解析して一定の年数以下であれば時間的固有表現とみなした。固有表現の種類については、TagMEの結果から得られるWikipedia記事のカテゴリを取得し、これらの字面にpeople, organization, event, countryが含まれるかを解析することで判定し、変換した。本研究では、事前に用意した現代の因果関係の文章全てに上記の変換を実施した。また、学習者が過去の因果関係の文章を入力するたびに、上記の変換を行う。全ての文章に対する変換が完了した後、文章に対して形態素解析、ストップワードの除去、特徴ベクトルの作成といった、自然言語処理と機械学習の手法を適用した。また、本研究が対象とする因果関係同士の類似度を測定する手法を適用するために、特徴ベクトルを節、特徴ベクトル間の類似度を重みとする辺、とする二部グラフを構築し、最大重みマッチングを解く手法を適用する。これを全ての現代と過去の因果関係の組み合わせに対して適用することで最も類似する現代の因果関係を検索する。これらの手法を実装し、実験した結果、本手法は従来の手法よりも精度が高いことも確認された。この研究結果は、国際会議HCII2023、および情報処理学会の全国大会で発表している。また、全国大会において学生奨励賞を受賞した。

在2022年，我们开发了一种方法来计算当前与过去之间因果关系之间的相似性，该方法使用一种将仅在历史上的特定时期使用的时间特征陈述转换为非颞本征表的方法。 Regarding the conversion of temporal eigenrepresentations into non-temporal eigenrepresentations, TagME was applied to sentences to obtain eigenrepresentations and their Wikipedia articles, and if the eigenrepresentations were people, organizations, or events, they were considered temporal eigenrepresentations, and if the eigenrepresentations were countries, they were analyzed, and if the本征表现不到一定年限，它们被认为是时间特征陈述。通过获取从TagMe结果获得的Wikipedia文章类别来确定独特表达式的类型，分析这些角色面是否包含人员，组织，事件和国家，然后转换。在这项研究中，上述转换是对所有预先准备的现代因果文本进行的。此外，每当学习者输入具有过去因果关系的句子时，都会执行上述转换。完成所有文本转换后，将自然语言处理和机器学习技术应用于文本，例如词素分析，停止文字删除和特征向量创建。此外，为了应用该研究针对的因果关系之间的相似性的方法，用特征向量构建了两部分图，作为条款和边缘在特征向量之间具有相似性的权重，以及一种用于求解最大权重匹配的方法。将其应用于所有现代和过去的因果关系，以寻找最相似的现代因果关系。通过实施这些技术和实验，证实该技术比常规技术更准确。这项研究的结果是在国际HCII 2023年国际会议和信息处理协会全国会议上提出的。他还在全国会议上获得了学生鼓励奖。