研究内容

知的創造活動の分析と支援を目的とし,確率統計や信号処理,機械学習に基づく
アプローチを提案しています.

マルチメディア検索

マルチメディアコンテンツの感性分析や人気予測を進めています.また,地図画像やファッション画像など,特定ドメインのデータの分類・検索手法を研究しています.

  • 地図画像の自動分類 [Sawada&Katsurai, ICASSP2020]
  • ファッションスタイルの自動分類 [池田+,DEIM2019] [上村+, DEIM2019]
  • レシピ画像の人気予測 [Sanjo&Katsurai, CIKM2017]
  • 画像の感情分類 [Katsurai&Satoh, ICASSP2016]

マイクロブログ分析

一般的な辞書に収録されていない語(絵文字やスラング)を対象に,感情スコアを自動で割り当てる手法を提案しています.

  • 絵文字の感情スコア算出 [Kimura&Katsurai, FAB2017(ASONAM2017)]
  • 日本語ツイートと絵文字ツイートにおける絵文字の比較 [Kimura&Katsurai, iiWAS2018]
  • ニコニコ動画のスラング感情辞書構築 [小椋&桂井,DEIM2017]

リンクトデータ

ウェブ上のデータを互いに関連付けることは,知識発見や機械学習のための基盤的技術といえます.現在は異なるデータベース間のレコードを自動で紐付けるための研究をしています.

  • 学術データの著者マッチング [Katsurai&Ohmukai, JCDL2019]
  • 異なる言語の学術データの著者マッチング [近澤+ DEIM2019]

研究者トピック分析

論文タイトルやキーワード,概要などのテキストから研究者の専門トピックを推定し,関連研究者検索や著者同定などに応用します.

  • 研究者検索インタフェースの構築 [丹後+, DEIM2020]
  • トピック変遷の可視化 [Nishizawa+, APSIPA ASC 2018]
  • 国内研究者のトピック抽出 [Katsurai+, IEICETrans, 2016]

ソーシャルネットワーク分析

知的創造活動におけるコラボレーション構造をネットワークで表し,コミュニティ内の活発さやコミュニティ間の違いを分析します.

  • 研究IR指標の導出 [荒木+, DBSJ, 2018]
  • 研究機関内コラボレーションの現状分析 [Araki+, IEICE Trans, 2017]

トレンドマッピング

人々の興味を知ることは戦略策定やマーケティングに役立ちます.大量のデータを解析し,各年代で流行しているトピックを抽出・可視化します.

  • 研究トレンドの可視化 [Katsurai+Ono, Scientometrics, 2019]