本研究ではプライバシー保護回帰分析を扱った．複数のユーザがそれぞれ個別にデータを保持している状況において，ユーザが持つそれぞれのデータはユーザ間で共有しないもとで，全てのデータを用いた場合と同等の分析結果を得ることを考える．従来よりいくつかのプロトコルが提案されているが，本研究ではより実用的な状況に適用するために，いくつかの種類の分散計算法を新しく提案した．これにより多重共線性がある場合や，スパース性がある場合にもプライバシー保護回帰分析が適用可能となった

文字N-グラムに基づく言語独立なテキスト分類手法である蓄積手法を提案した。蓄積手法は、索引語を形成する際に文字N-グラムを使用するので、言語固有の文法構造に依存しない。テキスト文書がUnicodeで表現されてさえいれば、蓄積手法は異なる言語に対しても同一のプログラムを用いて文書を分類することができる。そこで、この蓄積手法を用いて英語と日本語と韓国語と中国語のテキスト文書の分類実験をした。その結果、英語のReuters-21578は94.5%、日本語の毎日新聞の実験データは88.5%、韓国語のハンギョレー新聞の実験データは90.2%、中国語の人民日報の実験データに対しても92.6%の精度で分類することができた。このように、蓄積手法が様々な言語で比較的高い精度で分類できることを確認した。さらに、蓄積手法の数理モデルを構築し、その数理的な意味を解明することができた。

アンケート調査は企業や教育機関など様々な組織の意思決定に活用されている．特にWebアンケートはコストが安いことから多くの場面で用いられているが，不良回答が含まれる事も多く集計結果の信頼性に課題がある．そのため，従来よりダミーの追加設問を用いることで不良回答を検出する手法が考案されている．しかし，不良回答の検出精度に関しては一部の条件下でのみ理論評価が行われているだけで不明な点も多い．そこで本研究では従来と異なる条件のもと，不良回答混入モデルを仮定することで，不良回答検出手法の検出率についての理論評価を行う．

近年，音声言語理解（SLU）では多言語モデルの研究が進んでおり，英語以外の言語，特にSLUのデータが不十分な言語で有効な手法だとされている．一方で，日本語や韓国語など一部の言語に対しては多言語モデルの性能は低く，転移学習の効果が相対的に低いことが指摘されている．本論文では，日本語のみで事前学習した日本語ジョイントSLUモデルを開発し，従来の多言語モデルとの性能比較を行う．実験結果により，我々の提案する日本語モデルは，意図分類精度，スロットフィリングF1でより高い性能を達成することを示す．加えて，分かち書き，ジョイントモデルの有効性の検証を行い，日本語SLUモデルの性能向上の検討を行う．

機械学習における予測モデルでは，ニューラルネットワークのように表現力の高い複雑な関数系を仮定してデータから学習するアプローチが主流である．しかし，予測精度の高いモデルを学習するには大量のサンプルが必要であったり，パラメータのチューニングが難しいなどの問題がある．本研究では，正則化最小二乗法を利用することで，様々な基底関数を動的に選択しながら予想精度の高いモデルを構築するアルゴリズムを提案する．そのもとで，いくつかの実データを用いて提案アルゴリズムの評価を行う．

刑事裁判例研究では法律専門家が大量の裁判例を読み込み，各犯罪の成立要件（構成要件）に該当する部分を抽出し比較する必要があるが，現状はこの作業を人手で行う必要がある．研究では，刑事裁判例研究の作業効率の改善のために，裁判例から各構成要件に該当する部分を抽出する．抽出は事前学習済みのBERTを用いて各構成要件と裁判例内の文章とのコサイン類似度を計算し，類似度の上位を各構成要件に該当する部分と判断する方法で行う．コサイン類似度を計算する際により典型的な裁判例から平均ベクトルを作成し用いること，抽出部分は各構成要件で重複しないこと，抽出順の変更を行うこと等により，抽出精度の改善が見られた．

Webアンケートは安価かつ手軽に消費者意向を調査できるため，マーケティング等の分野における施策の立案・検証のための調査方法として非常に有用なツールとなっている．しかし， 完全なランダムサンプリングによってWebアンケートを行うことは難しいことが多く，調査結果にはしばしば選択バイアスが混入してしまう．このような選択バイアスに対応するため，選択バイアスの発生メカニズムをモデル化し，統計的決定理論に基づいて選択バイアスを補正する手法が提案されている．この従来研究は一般的なフレームワークであるが，実際にWebアンケート分析に適用するためには，具体的なモデルに落とし込み，その性能を検討する必要がある． そこで本研究では，回答結果が2値，共変量が連続値で表現されるようなWebアンケートデータにおける選択バイアス補正を対象とし，データの生成モデルとしてロジスティック回帰モデルを仮定する．そのもとで，統計的決定理論に基づく選択バイアス補正のフレームワークを用いて，具体的なモデルの定式化を行う．さらに，補正の精度や性質について，人工データを用いた数値実験で明らかにする

刑法の研究では、「犯罪になりうる行為のうち、裁判所が実際に処罰しているのはどの範囲か」を客観的に把握することを目的として、裁判例の分析を行っている。裁判例は大量のテキストデータであり内容も千差万別であるが、分析に際し、いかなる類型についてどのような根拠で有罪としているかを分類するという事前作業が行われる。これら事前作業は一般的に専門家による読解と整理により行われており、人的コストが大きい。そこで、本研究では、刑法研究の作業効率を改善するため、この事前作業を自動化する支援システムの開発を行う。代表的な刑法裁判例をもとに提案システムによる分類を行い，事前作業としての要件を満たしているか検証を行う。

近年，Webアンケート等によるアンケート調査が様々な場面で活用されている．しかし，Webアンケートには不良回答が混入することが多く，アンケートの信頼性に問題がある．不良回答に対する一般的な対処方法として，アンケート設計時に特殊な設問を追加することで不良回答を検出する手法が提案されているが，検出の精度についての議論は少ない．そこで本研究では，不良回答混入モデルを仮定したもとで，不良回答検出のためのアンケート設計方法の統一的な枠組みを示し，いくつかの具体的な設計方法について検出誤り率の評価を行う．

中国語と日本語は同じ漢字を使用する言語であるため同形語が多数存在する．その中には，同じ意味を表している同形同義語もあるが，意味の異なる同形異義語も多数存在する．そのため，中国人日本語学習者が日本語文章を作成する際，同形異義語を中国語の意味を用いて誤用しやすい傾向がある．このような文章は日本人が読むと違和感を感じるが，文法上の誤りがない場合一見して誤っていることが分かりにくい．そこで本研究では，中国人日本語学習者の学習支援を目的とした，日中同形異義語誤りの自動検出方法を検討する．事前学習済みのBERTと日中同形異義語の辞書を用いた，誤り検出アルゴリズムを提案し，評価実験により有効性を検証する．

現在,文書作成ソフトには校正機能が備わっている.しかし,一般的な校正機能では,助詞,助動詞等の文法誤りの検出や,存在する単語であるかの検査は行うが,名詞や動詞,形容詞などにおける同音異義語の変換誤りは検出できない場合が多い.文章作成ソフトで作成された日本語文章において同音異義語の変換誤りは多く,これらを検出する機能は非常に重要な機能であると言える.本研究では,Word2vecを用いることで,文書中に出現した単語と周辺の単語との距離を算出し,同音異義語の変換誤りが無いか検出する方法を提案する.実際の新聞記事データに対し評価実験を行い,提案手法の有効性を検証する.

アンケート調査は無作為抽出を前提としている。しかし実際に無作為抽出を行うことは難しく、選択バイアスによって集計結果の信頼性が低下することが多々ある。選択バイアスに対する補正手法は従来よりいくつか提案されているが、どのような調査データにも対応できる万能な手法はなく、対象となるデータによって有効な補正手法が異なることが知られている。そこで本研究では、ある調査データに対してどの補正手法を用いるのが最適かを選択する手法について検討する。

近年、インターネット利用者の拡大を背景に、Webを利用したアンケート調査が広く行われている。webアンケートは「安く」、「早く」アンケート調査が実施できるという利点がある反面、回答者が正しく設問に回答しない、いわゆる「不良回答」が混入しやすいという問題がある。不良回答については回答時間をもとに識別を行う手法やアンケートの設問を工夫することで不良回答を検出する手法といった不良回答の除去方法について提案が行われてきた。本研究では不良回答のパターンを確率的にモデル化することで、アンケートに及ぼす不良回答の影響度合いを考察する。

珠算競技は，解答時間の早さと正答率の高さを競う競技である．しかし効率的な練習方法は確立しておらず，一般的には単調な反復練習のみが行われている．従来，わり算種目に対して機械学習を利用した効率的な練習問題の自動作成法が提案されているが，珠算には多くの種目が存在し，他種目にわり算の自動生成手法をそのまま活用することはできない． そこで本研究では，新たにかけ算種目に対して機械学習を用いた苦手問題の自動作成法を開発する．また，従来研究では被験者1名で実験していたのに対し，本研究では被験者を5名に増やすことで競技者間での特性の違いについての検証も行う．

近年,様々な場面でWebを利用したアンケート収集が行われている.Webアンケートは手ごろに行えるという利点がある反面,回答者が正しく設問に回答しない,いわゆる不良回答が混入しやすいという問題がある.通常,不良回答はルールベースで除去されるのが一般的である.また,アンケートの設問を工夫することで不良回答を検出しやすくする手法が提案されている.本研究では不良回答のパターンを確率的にモデル化することで,不良回答が含まれたアンケートデータに対し,集計値の信頼性が向上する手法を提案する.また,実際の大規模アンケートデータを用いた提案手法の有効性の検証を行う.

アンケート調査において，完全な無作為抽出を行う事は難しく，選択バイアスによって集計結果の信頼性が低くなることが多々ある．従来，選択バイアスが含まれるデータに対する分析手法として，傾向スコア法や回帰モデルを利用した方法などが提案されている．しかし各々の手法がどのような状況において上手く補正できるかについて充分明らかにされていない．そこで本研究では，実際のアンケートデータを用いた実験を行うことで，各手法の性質を明らかにする事を目的とする．実際に集められた大規模なアンケートデータを利用し，疑似的に選択バイアスを発生させることで，各手法の性質を明らかにする．

珠算競技は解答時間の早さ、並びに正答率の高さを競う競技である。しかし確立された練習方法は存在しない。そのため、従来までの練習は単調なものであり、効果の善し悪しを理解しないまま継続されてきた。そこで本研究では効率の良い練習方法の確立を目的とする。まずはランダムに生成した練習問題の中から間違えた問題や、数字の並び・計算過程において苦手であると感じた問題のデータ化を行った。その元で機械学習法を用いた苦手問題の自動生成法を提案した。提案手法により生成される苦手問題を用いて練習を行い、その効果を検証した。

近年、様々な場面でWebを利用したアンケート収集が行われている。Webアンケートは収集コストが低く抑えられる反面、対象とする母集団からのランダムサンプリングとみなせない事が多く、集計結果の信頼性が著しく低い事が多々ある。通常、リサンプリングによりデータの補正を行うが、属性ごとのサンプルサイズが小さくなってしまい、十分な精度の集計結果が得られない場合がある。そこで、本研究では母集団における属性比率と、取得データの属性比率の偏りを補正することで、アンケートデータの信頼性を効率よく向上させる手法を提案する。また、実際のECサイトの購買データとアンケートデータを利用し、提案手法の有効性の検証を行う.

近年,統計学,機械学習の分野でスパース推定に関する研究が数多く行われている.その中で,従来多項式回帰モデルに対してスパース推定を行う研究が行われている.しかし,いずれの研究も最大次数を固定した場合しか扱っていない.そこで本研究では最大次数が未知の多項式回帰モデルに対してスパース推定を行うアルゴリズムを提案する.提案手法は従来のモデルを含むより広いクラスのモデルに対して用いることが可能である.また,提案手法を用いて人工データと実データに対して有効性の検証を行う.

リーディング過程は直接観測できるものではない。しかし、学習ログを取得することで、読解中における各学習者の行動や記事を読むために費やす時間の観測は可能となる。本発表では、これら学習ログから得られる情報と各学習者の課題に対する内容理解度との関係について調査すべく、デジタル教材を利用して行った実験の結果を報告する。使用した教材は、1000語の時事英語文である。教材に対する内容理解度は、3択式の内容確認問題と自由記述問題への解答から評価した。また、事前事後アンケートとして、Readiness（時事英語を読む心構え）、興味の程度、知識の程度、読解ストラテジーに関する調査を行い、それぞれ学習ログおよび成績との関係について調査を行った。

近年，大学内外で様々に統計基礎教育の必要性が指摘され，ICTを援用したMOOCsやiTunes U等においても統計基礎を扱った教材が普及し始めている．著者らのグループもその一環として統計の電子教科書に着目し，試作や評価を行ってきた．一方で，デジタル化された教材の普及により，学習者の側の「手を動かしてノートに書く」という所作が軽視されかねない状況も散見した．このような視点で従来から教育工学において扱われていたテーマとして，ワークシートを利用した学習が挙げられる．本研究では，特に紙のワークシートと電子教科書を併用した，統計のブレンディッドラーニングを想定し，教育効果を測定する実験を行い，従来の研究と比較考察を行った結果を報告する．

e-learningで使用する大学向け電子教材を作成する上で，コンテンツを作成する工数の多さと，学習者の所有する様々な端末(PC, タブレット，スマートフォン等)への対応は，代表的な課題である．本研究ではこの課題を解決する一手法として，HTML/Javascriptによる電子教材作成支援システムを実装した．作成したシステムでは，既存のPDFファイルを入力として電子教材に必要と思われる機能の実現を目指したものであり，試作した電子教材を複数の端末で評価し，考察を行う．

近年，ビッグデータやデータサイエンティストといった用語が盛んに使われるようになり，大学における統計基礎教育のニーズも高まりを見せている．著者らのグループでは，数年前よりタブレット端末向けの統計基礎電子書籍を試作している．電子書籍と紙書籍の違いのひとつに図表等のマルチメディア化があるが，著者らによる従前の書籍試作では機能の確認という面が強かった．そこで今回は，各章の学習目標の要求定義から始め，電子書籍の章構成，レイアウト，マルチメディア化された図表等の配置などをより詳細に検討してから試作を行った．このようにして試作した電子教材について，実際の統計の授業で評価した結果を通じた考察を行う．

大学教育における統計基礎科目の重要性は，多岐にわたる分野で存在しているものと思われるが，特にICTとの連携における課題は山積しているものと思われる．こうした要因のひとつに，大学教育の実態に即した教育コンテンツの開発がなかなか進んでいないという状況があると考えられる．そこで，著者らのグループは，近年，急速に普及が進んでいるタブレット型端末向けに，統計基礎科目における利活用を視野に入れた電子教材を試作した．試作した電子教材には，マルチメディア化された図表，音声解説の導入，大量に自動生成可能な練習問題，Learning Management System(LMS)との連携，などの機能が備わっており，従来の統計基礎科目にはない学習効果が期待される．本研究ではこうした電子教材を試作し，大学教員に試用してもらいながらインタビューによる評価を行った結果について考察と報告を行う．

本稿では,統計的決定理論に基づくマルチラベル分類法を扱う.マルチラベル分類は,ラベル集合の冪集合の要素を一つのクラスと見なすことで,多クラス分類としても扱える.しかしこの場合,ラベル集合の要素数についてクラスの数が指数的に増加する.その為,要素数が大きい場合には,分類を行うことが計算量的に困難となる.この計算量的困難性を回避する為の研究が従来より行われており,その一つにラベル間の階層構造を利用した研究がある.他方,ベイズ基準のもとで最適な分類法が近年注目されている.本稿では,このベイズ基準のもとで最適な分類法をマルチラベル分類問題に適用する.更にラベル間に階層構造を仮定することで,分類で必要となる計算量をラベル集合の要素数についての線形オーダーで抑えるアルゴリズムを提案する.ベイズ基準のもとで最適となる分類法では,仮定する損失関数により具体的な計算式が異なる.その為本稿では,0-1損失,ハミング損失それぞれの場合において,効率的な分類アルゴリズムを示す.

統計解析を行う際,得られたデータの中に外れ値が含まれることが多々ある.外れ値は少量であっても解析結果に大きく影響を与えることがあるため,従来から外れ値の取り扱いについて広く研究が行われている.従来,Boxらにより線形回帰モデルに対し混合分布を用いて外れ値の発生をモデル化する研究が行われている.同様のモデルに対し様々な研究が行われているが,いずれも外れ値の検出やパラメータの推定を目的としている.そこで本研究では,外れ値データの発生を含む回帰モデルに対する予測法について扱う.まず,このモデルに対しベイズ基準のもとで最適な予測法を示す.次にEMアルゴリズムを用いて計算量を削減した近似アルゴリズムを提案し,シミュレーションにより有効性を検証する.

本研究では,情報源の分布のクラスのみ仮定し,パラメータについては未知である場合のユニバーサル情報源符号化について扱う.その中でもベイズ符号は,ベイズ基準のもとで冗長度を最小にする符号として知られている.近年,非定常な情報源に対するベイズ符号の研究が数多く行われている.その一つに,一定区間では定常なパラメータを持つが,ある時点でパラメータの値が突然変化する情報源に対する研究がある.この情報源は個々の区間をみれば定常とみなすことができるが,パラメータの変化が複数回おこるため,全体としては非定常な情報源として扱われる.従来,この情報源に対し総変化回数が既知のもとで漸近的な平均冗長度の評価が行われている.しかし,厳密な評価については行われておらずユニバーサル性を持つ符号であるかについて正確な議論はされていない.また,より一般化された問題設定として,総変化回数が未知である場合を扱った研究もある.そのもとで有限時点での冗長度の評価が行われているが,漸近的な評価については行われていない.そのため,この情報源におけるベイズ符号の漸近的な性質についてはいまだ知られていない.そこで,本研究では区間で定常なパラメータを持つ非定常情報源に対し,総変化回数が未知のもとで漸近的な平均冗長度についての評価を行う.そのもとで,ある条件を満たすとベイズ符号がユニバーサル性を持つことを示す.

時系列解析のモデルとして状態空間モデルがある.状態空間モデルが線形・ガウス型でかつ分散が既知の場合はカルマンフィルタを用いることでベイズ最適な予測値を解析的に計算することができる.一般的な状態空間モデルにおいてはモンテカルロフィルタを用いることで最適性は保証されないが予測値をえることが可能である.一方,時系列を予測する場合,対象とする時系列と相関のある他の時系列が同時に並行して得られるとき,片方の時系列の情報を用いて他方の時系列を予測することが考えられる.本研究ではこれをモデル化するために,まず二つ以上の系列が同時に発生する多次元の状態空間モデルを提案する.このモデルに対する予測値を計算するためのアルゴリズムを提案する.さらに相関のある他の時系列を用いることの有効性を理論的評価とシミュレーションからの検証を行う.

　様々な低品質データに対するデータ解析手法の開発を目的とし研究を行った．まず，ラベルにノイズを含む分類問題に関する研究を行った．誤りや欠損など様々なノイズ混入を一般的に表現可能なモデルを提案し，それに対応する分類アルゴリズムの提案を行った．次に，Web調査などのランダムサンプリングの前提が崩れているアンケートデータを用いて，母集団の回答分布を推定する研究を行った．最後に，重回帰分析におけるスパース推定について研究した．説明変数に複雑な交互作用や，高次の項を含む多項式回帰モデルにおいて，最大次数が未知の場合のスパース推定アルゴリズムを提案した．それぞれの研究成果については国内学会で発表を行った．

膨大な量のディジタルデータが流通する現代において，データ圧縮（情報源符号化）技術は，ネットワーク社会を支える重要な基盤技術のひとつとなっている．現在，主に使われているデータ圧縮技術は80 年代にZiv らによって提案されたLempel-Ziv 法(LZ 法)を基礎においている．具体的には，gzip などの圧縮ツールに用いられている手法である．LZ 法が提案されて以来，LZ法をベースにした改良法の研究が数多くされてきたものの，90 年代後半になると一定の成果を得たことで大きな進展はなくなった．また情報ネットワークの高速化に伴い，アルゴリズムの改善によるメリットが薄れてきたため，圧縮技術に関する研究は1 度は収束を迎えたかのように見えた．しかし近年，ネットワークの高速化が頭打ちになりつつある中，クラウドコンピューティングの発達やディジタルコンテンツの大容量化により，ネットワークトラヒックやサーバの記憶容量は増加の一途を辿っている．そのため，データ圧縮技術のさらなる発展が求められるようになり，今後のネットワーク社会における重要な課題のひとつであると考えられる．データ圧縮アルゴリズムは，圧縮対象となるデータの出現構造に対し，陽に確率モデルを仮定するアルゴリズムと，陽には仮定しないアルゴリズムに分類することができる．前者にはCTW法やベイズ符号など，後者にはLZ 法やその改良法などが含まれる．圧縮アルゴリズムの性能評価は，データのサイズを伸ばしていった時に，圧縮後のファイルのサイズが，圧縮の理論限界であるエントロピーへ収束するのか，また収束する場合にはどれくらいの速さで収束するのか，によって評価される．確率モデルを陽に仮定するアルゴリズムは，エントロピーの収束速度が非常に速い代わりに，仮定した確率モデルに対してしかエントロピーへの収束を保証できない．それに対し，LZ 法などの確率モデルを陽に仮定しないアルゴリズムは，非常に広いモデルのクラスに対してエントロピーへの収束が保証できる代わりに，その収束速度は非常に遅く，有限時点での圧縮性能は必ずしも高くない．現在主流として用いられている圧縮技術のほとんどは，LZ 法をベースとした確率モデルを陽に仮定しないアルゴリズムを用いているため，汎用性は高いものの個々のファイルに対しての圧縮性能は必ずしも高いとは言えず，圧縮率の改善の余地はまだまだあると考えられる．その一方，ベイズ符号などの確率モデルを仮定するアルゴリズムに関する研究は，限られた確率モデルに対する研究しか行われておらず，実用的なデータ構造に対する研究が不十分であるため実用化には至っていない．そこで本研究では，高圧縮率である確率モデルを仮定した圧縮アルゴリズムを，実用的なデータ構造に対して適用することを目的として研究を行った．特に従来テキストデータに対して，非常に高い圧縮率を持ち，理論的最適性の保証することのできるベイズ符号を他のデータ構造に対し拡張し適用を行った．その結果，アルゴリズムを実装する際，ベイズ符号が仮定する確率モデルと，真の確率構造がことなる場合においても，ベイズ符号は一定の圧縮性能を持つ事を理論的に示すことができた．

情報ネットワーク社会において，情報の圧縮技術は欠くことのできない基盤技術である．現在、主に使われている圧縮技術は80年代にZivらによって提案されたLempel-Ziv法(LZ法)を基礎においている．具体的には，gzipなどの圧縮ツールのアルゴリズムで使われている．LZ法が提案されて以来，LZ法をベースにした改良法の研究が数多くされてきた．90年代後半になると，一定の成果を得たことで，大きな進展はなくなり，また情報ネットワークの高速化に伴い，多少の改善によるメリットが薄れてきたため，圧縮技術に関する研究は，一度は収束を迎えたかのように見えた．しかし近年，情報ネットワークの高速化が頭打ちになりつつある中，情報コンテンツの大容量化の速度は依然衰えず，圧縮技術の重要性が増しつつある．そのため，圧縮技術の基礎理論のさらなる発展は今後のネットワーク社会における重要な課題のひとつである．90年代に研究されていたベイズ符号という符号化法がある．この符号は，理論限界を達成することが示されており，他の符号よりも高い圧縮率で圧縮することが可能であることが知られている．従来，ベイズ符号やその他の符号に関する研究では定常な情報源に対しての研究がほとんどであり，より一般的な情報源である非定常情報源に対する研究は少ない．実際に圧縮するデータが非定常性を有することは充分に考えられ，実用化に際しては非定常な情報源に対しても性能が保証される符号の構成が必要となってくる．そこで本研究ではある非定常な情報源のクラスに対し，効率的なベイズ符号の構成法を提案し，それに対する漸近的な性能評価を行った．