即興合奏支援システムのためのスマートフォンセンサーを用いた身体動作入力手法 （水野先輩）
- 研究の目的
- ユーザーが直感的に操作できるように比較的知識を必要としないリズムと旋律線を身体動作で入力することによって、システムの音高補正により背景で流れている楽曲、または別ユーザーが出力している音と協和を満たすような演奏音を出力することによって音楽知識を必要とせず多人数でも行える演奏インターフェイスの実現
- システムの構成
- システムの構成としてユーザーが楽曲の伴奏に合わせてスマートフォンを上下にに動かすと、スマートフォンに搭載された各種センサーからユーザーの動作に基づいた加速度、角速度、重力加速度を取得。それらの値と値取得までの経過時間からスマートフォン本体の加速度、速度、速度の変化量、重力加速度、移動距離を算出。 算出された値と背景楽曲のコード進行情報を入力値としてベイジアンネットワークに背景楽曲とユーザーの動作に基づいた不協和音にならない演奏音を予測する。
- システムの実装
- ポジショントラッキング・・・スマートフォンに搭載されたモーションセンサーを用いてユーザーの身体動作から入力するリズムと旋律線を決定するため、ユーザーの動きの特徴量である加速度a,速度v,速度の変化量vc,移動距離p,重力加速度gを算出するシステムを開発。これをポジショントラッキングという。
この研究は以下のようなモーションセンサーを使用している。
加速度センサー・・・スマートフォンの縦方向にy軸、y軸に垂直にx軸、スマートフォンの裏面から表面の方向にz軸をとっており、それぞれの加速度を取得できる。
ジャイロセンサー・・・スマートフォンの縦回転の方向をy軸、横回転の方向をx軸、机に置いた状態での左回転の方向をz軸としそれぞれの回転速度を取得できる。
重力加速度センサー・・・加速度センサーと同じようにx、y、z軸をとり、それぞれの重力加速度を取得できる。
照度センサー・・・センサーの周りの明るさを取得できる。ベイジアンネットワークによるユーザー動作予測の入力データの一部として用いる。
ポジショントラッキングでは加速度センサー、ジャイロセンサー、重力加速度センサーの値から加速度aを算出し、算出された加速度aと経過時間tによって速度v、速度の変化量vc、移動距離pを算出する。
ここでポジショントラッキングだけでは人間の微細に変化する動きを完全にトレースすることが難しいため、こも研究では、ベイジアンネットワークの確率モデルによって算出した特徴から出力する音名を決定する手法が提案されている。 - ベイジアンネットワーク
- この研究では精度の向上を目的とし、音の出力を３つの要素に分け、３つのベイジアンネットワークモデルを用いる手法が提案されている。そのうち重要なものが以下の２つである。
発音タイミングを推測するモデル・・・このモデルではポジショントラッキングによって求めた加速度a,速度v,速度の変化量vc,重力加速度g,を入力値として音を出すタイミングを表すtを{0,1}によって推測する。
正しい発音タイミングから+-30msのサンプルを発音タイミングとして扱うものとする。発音タイミング推測の場合、x軸方向の加速度ax,y軸方向の加速度ayの２種類の加速度を用いる。
出力する音名を推測するモデル・・・このモデルでは発音タイミングの予測結果となるtと直前mサンプルの予測結果から一番多く予測された結果を表すrmを入力値として用いている。
# カリキュラム自己設計のための科目区分ダイアグラム検索システムの開発 （宮脇先輩）
- 研究目的
- 学生のカリキュラム自己設計の補助となる、科目区分ダイアグラムの閲覧・検索が行えるシステムの作成である。
- システムの実装
- このシステムの構成としてはクライアント側がダイアグラムの科目や区分を選択するとサーバー側にリクエストが送信され、そのりくえすとからSPARQLを受け取ったRDFストアがRDF/N3形式のデータを返信するためWEB APIが適切にデータ変換を行う。データ形式は Linked DateであるJSON-ID形式となる。 ダイアグラムを描写するためには科目データが必要であり、シラバス公開システムや履修システムなどとの連携を考慮し、Linked Dateを用いる。 科目データの記述には、Teaching Core Vocabularyを用いる。 teach:Lectureは講義を表すクラスで、講義名や講義番号などのプロパティを持つ。 cplan:rowを行番号、teach:academicTermを列番号とみなすことで座標を設定し、ダイアグラムを描写する。 サーバー側のシステム構成としてクライアントとRDFストア間でデータをやり取りするためのWEX API,そしてRDFストアのStaedogがある。 WEB APIはクライアントからリクエストを受け取るとSPARQLクエリを生成し、Stardogに問い合わせる。Stardogから返ってきたデータをJSON-LD形式に変換を行う。 クライアント側の構成としてはHTMLとJavaScriptで構成されている。
- 科目推薦機能
- 学生の記述した目標であるCプラントシラバス公開システムのシラバス類似度を求めることで推薦昨日実現する。 ２つの手法を用いて類似度を求めている。 １つ目はTF-IDFによる類似度算出である。MeCabを用いてCプランとシラバスの名刺を抽出し、TF-IDFを求め、それからCプランとシラバスのコサイン類似度を算出する。 もう１つがsentencs2vecによる類似度算出である。sentence2vecは段落ごとに１文書として解釈を行い、単語は半角スペースで区切る必要があるので、前処理としてMeCabにより、Cプランとシラバスを分ち書きにする。前処理を行なった後、sentence2vecを用いてそれらの文書をベクトル化し、組み込み関数を用いてCプランとの類似度が高いシラバスを推薦する。
- 研究目的
- 人間が持つ状況判断能力も持ち合わせた人狼知能を作り上げること
- 情報の確定,推定
- 役職制約を用いた役職推定を用いている。 役職制約とは得られる情報の中で、確実に相手の役職の可能性を絞ることのできるような制約を指す。 役職制約を整理するため、確定表を使用。相手の役職について可能性としてないものを削除したりすることで、可能性のある役職の範囲を狭めている。 また、他のプレイヤーの役職に関して確定情報を用いて他のプレイヤーの役職の中であり得ない可能性を削除し、その他のあり得る可能性を主観確率によって補完することで高い役職制度を実現しようとしている。
- モンテカルロ木
- モンテカルロ木は、完全情報ゲームでは有効だが不完全情報ゲームに関しては不得意と言える。 そこで本研究では、人狼を完全情報ゲームの形に落とし込んでいる。当然他の人の役職が最初から得られることはないので、仮の役職として当てはめ、全員の役職が分かっているという過程の下でプレイアウトを行うモンテカルロ法を実装することで問題を解決している。 実装方法としては、初めにゲームの木を用意し、現在の選択手が葉となっており、それぞれの葉に一定回数のプレイアウトを割り当て勝率を記録していく。 まだ一定回数のプレイアウトをされてない気がなくなったらその中で一定以上の勝率を持つ葉から１手伸ばした葉を追加する。これを繰り返すことでモンテカルロ木探索は勝率の高い優秀な手に多くのプレイアウトを割り当てることができる。 ここで役職について自身の推定が間違っている場合も考慮しなくてはならない。 そこで本研究では、モンテカルロ木を主観確率によって正規分布させる。こうすることで主観確率による他のプレイヤーの役職の仮定が間違った枝をプレイアウトすることでどれほどの悪影響が生じるかどうかを選択に含めることができる。
- 研究の目的
- ファシリテーション支援機構や自動ファシリテーション機構の実現のため、ファシリデータ発言を分析することによってファシリデータがどのように議論を促進しているかどうかを明らかにする。
- 分析手法
- 情報利得を用いて、特定の文脈特徴を持つファシリデータ発言の特徴表現を抽出する。特定の文脈特徴を持つ発言の集合をc＋、その補集合の集合をc-,C={c+,c-}と置き、特徴表現fを含む発言の集合をf+,その補集合をf-、F={f+,f-}遠くと、IGはエントロピーの差によって計算できる。
- 先行文脈に対する傾向分析
- 先行文脈の特徴として、時間間隔に着目した分析を行った。まず、ファシリテータ発言の直前の発言からの経過時間を求めた。 求めた経過時間の中央値を求め、それを時間経過の閾値として用い、直前の発言からこれ以上の時間が経過していたファシリテータ発言の特徴を表現を抽出する。これにより抽出された特徴表現の上位を見ると問いかけや言い換え等に類似化できる特徴表現が抽出された。この結果から議論が停滞していた時にファシリテータは問いかけによって議論を促進していることが示唆される。
- 後続文脈への影響の分析
- ファシリテータ発言後に多くの参加者発言があった場合、議論を促進できたと考えることができ、後行文脈の文脈特徴として、ファシリテータ発言後に再びファシリテータが発言するまでの参加者の発言数に着目した分析を行う。 結果として、ファシリテータ発言後に参加者の発言があったものの中では、停滞時のファシリテータ発言から抽出された特徴表現と同様に問いかけの特徴表現が多く見られた。
- 研究の目的
- 社会問題に関連する記事のけんさくをたすけるため、Web上の社会問題に関する記事に対してタグの自動付与を行えるようにする。
- 社会問題オートロジの構築
- 日本語版DBpediaには[Category:社会問題]という社会問題に関するカテゴリをまとめたページが存在する。これを元に下位カテゴリをたどっていくことで社会問題のタグとして相応しいものを取得する。 まず、skos:boraderという述語がそのカテゴリの上位カテゴリを示しているので、Cattegory:社会問題をskos:broaderの目的語として持っているページを取得する。取得したカテゴリページからさらにskos:broaderの目的語として持っているページを取得するという動作を三回繰り返す。こうして取得したリストの中には、社会問題から離れすぎており、タグとして不適切なものも含まれる。そのためにフィルタを作成し、そのようなページをタグ候補から除外する。 リストの中から社会問題から離れすぎていると判断されたものの共通点を元に候補を選択し、フィルタを作成した。 また、カテゴリページからのみのタグの候補の抽出では再現率が不足しており、カテゴリページに含まれるページからもタグの候補の抽出を行なった。
- 社会問題に関する文章に対するタグ付け
- TF-IDFに基づくCos類似度を用いたタグ付け パラグラフベクターを用いたタグ付け の二つを行なった。TF-IDFに基づく方では、calculateTF.pyおよびtfidmzg.pyは、Wikipedia記事内のタグ候補と同名のタイトルを持つページを抽出し、TF値、IDF値を計算する。計算されたTF値、IDF値はtfidfjson.json,idfjson.jsonというファイルにJSON形式であらかじめ保存しておく。タグ付与はこれらのJSONファイルと社会問題に関する記事を入力としてcossimmng.pyで行う。 パラグラフベクターを用いた方では、generateParagraphinput.pyとgenerateCalcParagraphInput.pyはコーパスト作成するために用いられる。paragraphs-w.txtがワードベクターを計算するためのコーパス、paragraphs-s.txtがパラグラフベクターを計算するためのコーパスである。 genmodel.pyを用いることで、ワードベクターのモデルparagraphs-w.txt.modelを作成する。 calcsent.pyではparagraphs-s.txtとparagraphs-w.txt.modelから社会問題に関する記事に対してタグを付与する。 # Bluetoothビーコンを用いた高齢者徘徊見守りシステムのための位置推定手法の研究（山野先輩）
- 研究の目的
- BLEセンサを用いて声かけの際に十分徘徊老人を特定できる程度の精度で位置を特定することである。
- RSSIの変動を考慮した確率的位置推定手法
- これは測定されたRSSI値ごとに、ビーコンと受信機の距離の確率分布を求めておき位置推定に利用する手法である。 このような距離の確率分布を測定する際、RSSI値の固定はできないため距離を固定してRSSI値の変動を計測することになる。すなわちまずは距離10mにおけるRSSIにおけるRSSI値の頻度分布、次は20mにおけるRSSI値の頻度ビンプというように距離ごとに分布を測定する。この時計測回数を十分に確保できない場合は平滑化が必要になる。
- 障害物のない空間での位置推定実験
- 障害物の少ない名古屋工業大学のグラウンドで実験を行なった。 事前にRSSI値の頻度分布を計算しfreq(r,d),pr(d)の事前分布を求めた。 これを平滑化した分布を図に表すと、複数の山を持つ分布担っていた。これは直接届く電波と地面からの反射波が逆位相となる距離で打ち消しあうことが原因だと考えられる。この事前分布を用いて、実際の一数艇実験を行なった。 最終的な結果としては探索者が徘徊高齢者を追い越したタイミングでは、仮に両者に面識がない場合でも、声かけの手がかりに十分に参考にできる可能性があるという結果になった。 # Web議論システムにおけるファシリテータエージェントの質問自動生成手法 （池田先輩）
- 研究の目的
- ファシリテーション支援機構や自動ファシリテーション機構の実装のため先行文脈からファシリテータがどのように発言しているのかを分析することによって、ファシリテータがどのように質問しているのかを明らかにすること。
- 分析手法
- 西田らの研究によりファシリテータ発言は(1)具体例掘り下げ,(2)話題振り,(3)確認の3パターンに分類できると確認本稿では、具体例掘り下げに着目している。 実際のファシリテータ発言とその先行文脈から質問生成の際に先行文脈のどの部分が使用できるのかを分析し、その傾向から抽出個所を固定する上で３つの特徴に着目。(1)手がかり表現、(2)頻出表現、(3)先行文脈の新近性の3つである。手がかり表現は先行文脈から質問に用いる部分を抽出、また情報利得により非ファシリテータの特徴表現とみなされた表現も手がかり表現とみなす。 頻出表現を用いた抽出に関しては、先行文脈中の形態素N-gramの出現頻度を用いる。 新近性による抽出に関しては、上記全てのパターンが現れなかった場合、直前の参加者発言の術後項構造に着目して抽出する。
- 質問生成
- 先行文脈中に手がかり表現が現れたとき、手がかり表現の前の部分を抽出し、それをCaboChaによる形態素解析から述語項構造を分析する。述語項構造から述語とこうをつなぐ助詞を見つけ出し、その女子の頻度によってあらかじめ決めていたパターンいマッチした場合、質問を生成するようにしている。 この手法では話の流れなどを把握できるわけではないため、参加者発言内で話が完結している場合でもその話題について質問を生成してしまう恐れがある。 # MissonForest:組織内外における協働支援のためのタスク構造化システムの開発 （後藤先輩）
- 研究目的
- 学生の研究目標を公開、共有することによって、教員による進歩の把握や、学生の自律性向上、学生同士の協同の促進を目的としている。
- 直感的なツリー編集インターフェース
- プロジェクトのことをミッションと呼び、ユーザーは任意にミッションを作成することができ、ミッション毎に直感的なGUIでタスクツリーを構成することがきる。タスクには進歩状況の指定、タグの指定、コメント機能、編集履歴、ファイル添付を吸うことができる。編集したミッションは任意のタイミングで一般公開することができるので、公開されたミッション間から後述するアルゴリズム類似ミッションを推定し、ユーザーに推薦することにより、組織を超えた協働を促進する。
- LODでの公開機構
- ゴオルシェアではLinkedDateのアクセス権限を指定することができず、自動的に全てのデータが誰でも閲覧できる状態にあった。 しかし、限られた組織内で使用するには、アクセス権限のあるユーザーのみ閲覧できる仕組みが必要である。そこでアカウント単位でのアクセスコントロール機能があるRDFストアであるStardogを用いてプロジェクトの段階に応じたアクセス制御機構を実装中である。約４段階を想定している。
- 類似するタスクやミッションの推薦機構
- ゴオルシェアでは潜在的トピックモデルに基づいて目標間の類似度を計算することで、類似性に基づく推薦が施行されている。MissonForestでは、潜在的トピックモデルに替えて、Paragraph Vectorの実装であるsentence2vecを用いて類似度を算出し、類似度タスクを推薦する。また、タスク間の類似度を使うことで、ミッション間の類似度を求めることができ、類似ミッションを推薦することができる。