テーブルA 自己紹介 氏名: ざっく work：IT企業（B2B SaaS）でプロダクトマネージャーをやっています。数年前まではプログラマーをやっていました。 personal：4才と2才の子供がいます。妻が保育士にキャリアチェンジするので、大人の学び直し、リスキリング、幼児教育に興味があります。 来年にカナダに移住する予定なので、多文化共生や日本と海外の違いに興味があります。 氏名: イシハラ 大学4年。理工学部で、さいきんはドローンを飛ばしてます。 Saasのプロダクト開発にインターンで参加して、1ヶ月ほどです。 氏名: まつまつ

なにがしたいの？ シビックテックに新しく興味をもってくれた人に、各地シビックテックコミュニティの特徴をわかりやすく伝えたい。 既にシビックテック活動をしている人にも、他の地域のシビックテックコミュニティの特徴がわかるようにしたい。 そこで、各地のシビックテックコミュニティの性格や得意分野がわかるような「俯瞰図」「得意分野マップ」みたいなものを作れば、どのシビックテックコミュニティと相性が良いかわかるようになるのでは？ せっかく「俯瞰図鑑」という名前にしたので、図鑑っぽい楽しい見た目にしたいとも考えています。 どうやって可視化してるの？

議論文章のマルチラベル分類分析 開發 大樹（白松研 研究員） 概要 いただいた議論テキストと特徴ラベルからマルチラベル分類を行い、ある発言に特定の特徴が含まれるかを予測する学習モデルを構築した。学習アルゴリズムにはBERTを用いた。 結果として、「発言者の意見」「発言者の理由」「コスト・量」に対応する発言の予測が比較的良い精度（F値が0.7以上）となった。 「リスク」「風評被害スティグマ」の予測精度が良くなかった。理由としては、これらの特徴を持っ発言数が少なく、十分に学習できていない可能性が考えられる。

3/18(木)～20(土)　IPSJ 2021 https://www.ipsj.or.jp/event/taikai/83/adv_reserve.html 3/20(土) 議論実験補助（謝金あり） 9:00 松本君 13:50 安田君 21:00 長谷川君

労働時間管理表、日報 以前提出した労働時間管理表に19号館で押印が必要らしい NEDO雇用者はNEDO従事日誌も 2/1の16:00が修論〆切 睡眠時間を削りがちだが、免疫力が下がるので注意 今週中にPDFで現段階のバージョンを白松に見せること 2/1は印刷後、白松の印鑑が必要なので注意

主語s-述語p-目的語o アプローチ1: 今までは、sとpがgiven, oを推定 アプローチ2: sとoがgiven, pを推定 s=「過労死」の例を試す アプローチ3: pがgiven, pを説明する文を探してsとoを推定 まずはp1=「原因 wdt:P828」、p2=「以下の原因 wdt:P1542」を試す wdt:P828を説明する文を探すときは、

3年生実践研究セミナー／創造工学セミナーのテーマ決め 高瀬君の研究の手伝い：コード進行から12次元のクロマベクトルを作る 指導できる人：高瀬、白松 やる人：杉山君 詳細：それぞれのコードから0,1で１２次元のクロマベクトルを生成し計１４次元のデータをcsvファイルにしてまとめる 次回日程: 1月7日13時 神谷君の研究の手伝い：ALBERTで抽出したデータを見やすく整備？

アプローチ0: 2013年のIBISノードタイプなしで学習させる 入力: 全ての入力データでテキスト情報のみ 出力: 入力した後続候補テキストが後続しやすいか 仮説A: IBISノードタイプを考慮したら、関連情報の質が向上する 問題点: IBISノードタイプがアノテーションされたデータは、2013年のデータだけ アプローチ1: 2013年のデータだけで学習させる

人と共に進化する次世代人工知能に関する技術開発事業の「研究開発項目〔1〕－3　人の意図や知識を理解して学習するAIの基盤技術開発」枠で採択された、理研AIP橋田浩一先生を代表とするプロジェクトです。名工大の白松研では、意思決定支援を担当します。 白松研の研究目的・課題設定 気候変動や感染症，少子高齢化といった社会の持続可能性を脅かす諸問題については，政治力学等に基づく非合理な政策決定を繰り返すうちに破局的状態に繋がる恐れがある．破綻を回避できる合理的な意思決定を促進するため，データや専門家の知見を根拠として活用できるEvidence-based policy making (EBPM) の支援技術の開発が急務である．そのために，以下3つの部分課題を設定する． (1) 意思決定の根拠として活用可能なコンテンツやデータを探索・推薦可能にする支援技術 (2) 社会問題の周辺コンテキストや解決策の根拠を，市民・行政・専門家とAIの協働によって構造化し，説明可能にする支援技術 (3) 最終的な政策決定に至った過程を，政策決定者・専門家とAIの協働によって構造化し，説明可能にする支援技術 2020年度 計画 初年度は，意思決定の根拠として実際に活用できるコンテンツやデータの性質を明らかにし，課題(1)～(3)の技術的要件を洗い出す．社会学の専門家とも連携し，行政や政策決定者へのヒアリングを行った上で，Semantic Editorを用いて過去の政策決定事例についてその根拠の構造化を試みる予備実験を行う．その実験結果を踏まえて，意思決定の根拠を構造化するのに必要な談話関係セットを明らかにし，EBPM支援のためのシナリオやユースケースの定義を試みる．課題(1)については特に，議会議事録や行政オープンデータを対象に，意思決定の根拠として活用可能なコンテンツ・データを抽出する手法を検討する．具体的には，ALBERT等の汎用言語表現モデルの再訓練のために，根拠として活用し得るコンテンツのコーパスを構築する．この根拠コーパスの構築方法としては，クラウドソーシングや市民参加型の議論を通じた構築を試行する．

Slack: https://app.slack.com/client/T0174GB8UBA/C017PKWLUGH Q1 Jason Hockman 今日 20:44 Could you discuss the LSTM model in more detail? Perhaps the model architecture and relevant parameterisation? Haruya Takase 28分前 @Jason Hockman LSTM is suitable for estimating time series data such as music and text data because having a layer that retains past output. Actually LSTM gives better accuracy in attack timing estimation and vertical motion estimation than Bayesian network in this result. I hope that answers your question. Jason Hockman 6日前 @Haruya Takase Many thanks for your reply. Are you using the cell independently or within a layer of a network (e.g., RNN)?

進行中の研究課題との関連性 進行中の研究課題で開発したWeb議論システムD-Agreeを用い，COVID-19パンデミックから派生した社会危機を乗り越えるための市民参加型Web議論を行う．社会的要請の大きなテーマであるため，社会的インパクトの大きな議論実験につながる可能性があり，ELSI的な観点での分析にも適している．また，感染症対策と経済危機対策のトレードオフに着目すれば対立型の議論が可能になり，地域横断的共創に着目すれば共創型の議論が可能になるため，最終年度を迎えた本研究課題成果の実社会応用として最適である。 追加的研究のアイデア・COVID-19の影響への効果・独自性 ALBERTを用い，COVID-19パンデミックから派生した各地の事例をWeb記事から自動収集する機構を開発し，市民参加型Web議論の支援に活用する．収集した各地域の事例および議論内容に関するメタデータを，Web Annotation Data Modelを用いてオープンデータ化し，地図上および未来年表上に可視化する．これにより，パンデミック下およびパンデミック後の社会像を地域横断的に共有し，人々のWell-beingに貢献する共創活動を支援する効果を見込んでいる．Code for Japanがアイデアボックスというシステムを用いてCOVID-19に関する意見を募集したが，本研究で目指す地域横断的かつ長期的な共創活動の支援は考慮されておらず，また各地の事例を可視化した上での議論もなされていない．本研究の独自性は，以下の3点である． パンデミック下およびパンデミック後の社会変革のための長期的かつ地域横断的な共創に焦点を当てる 各地の事例を地図上および未来年表上に可視化した上での議論支援機構を開発する Web記事から自動収集した事例のオープンデータ化を目指している

# 研究室ローテーション（ナレッジグラフ推論チャレンジ） ## 「同一事件」のナレッジグラフ * https://github.com/KnowledgeGraphJapan/KGRC-RDF/blob/master/2019/ACaseOfIdentity.ttl * RDF/Turtleという形式で記述されている    * 例：「サザランド嬢は興味深い。一年に100ポンドを稼ぎ、余裕がある。独身女性は60ポンドで十分だ」とホームズは思った * というような内容は、以下のようなRDF/Turtleで表されている。 * <http://kgc.knowledge-graph.jp/data/ACaseOfIdentity/094>     rdf:type kgc:Situation ;  &nbs