一般注記本論文では，レポートライティングにおける他者からの学びを支援するために，過去の学ぶべきレポートを学習者に推薦するシステムを提案する．本システムの特徴は，（1）Latent Dirichlet Allocation（LDA）により，学習者のレポートの潜在的なトピックを推定し，他者レポートとのトピック分布の距離を計算して，同一の主題を扱う他者レポートを検索でき，さらに，（2）学習者のレポートと他者レポートとの単語分布の距離を計算し，同一の主題を扱うが，内容（用いられる単語分布）の異なる評価の高い他者のレポートを多様に推薦できることである．これにより，学習者は自分と同じ主題を扱う多様な過去の優秀なレポートから，レポートライティングにおける多様なスキルを学べると期待できる．被験者実験により提案手法の有効性を示した．しかし，これまでトピック数をデータから決定する手法が確立されていなかったので，上の研究ではトピック数を決めて用いている．そこで，次に，実データからトピック数を自動的に決定する手法として，漸近解析によりハイパーパラメータが１.0 としたときの周辺尤度を最大化することにより，LDA のトピック数を最も正確に推定できることを提案する．本システムに組み込むことで，その有効性を示した．
2015
コレクション（個別）国立国会図書館デジタルコレクション > デジタル化資料 > 博士論文
受理日（W3CDTF）2018-01-02T17:18:43+09:00
連携機関・データベース国立国会図書館 : 国立国会図書館デジタルコレクション