概要: ニューラル機械翻訳の誕生により近年，機械翻訳の精度がより一層高くなり，世間から大きな注目を集めている．高精度のニューラル機械翻訳を構築するためには，高品質の対訳データが大量に必要となるが，このような対訳データを収集することは非常に困難である．このような問題を解決する方法として，連合学習を用いて複数のデータ所有者が協力してニューラル機械翻訳モデルを作成することができる．しかしながら，従来の方法では各データ所有者の選好をうまく反映できないので，本研究ではマルチエージェント強化学習を用いて，各データ所有者の選好を反映する手法を提案する．

概要: 複数の Web サービスを連携させて作成されたサー ビスを複合サービスという．現在，多種多様な Web サービスを連携させて新たな複合サービスが構築さ れている．しかしながら，複合サービスを構築する 際，オンライン上に存在する膨大な数の Web サービ スから必要なサービスを発見するのは非常に困難で ある．そこで，本研究では，機能に基づいて Web サ ービスを効率的にクラスタリングする手法を提案す る．この手法により，ユーザが必要に応じて適切な Web サービスを発見できるようになる．

概要: 機械翻訳を介した多言語コミュニケーションにおいて，書き手の感情や意図を付与できる絵文字は重要な役割を果たす．しかしながら，絵文字は機械翻訳で翻訳されずにそのまま挿入されるため，文化圏によって解釈の異なる絵文字は，コミュニケーション齟齬の原因になる．そこで，本研究では絵文字で表現される感情のベクトルを算出し，異言語間でのコミュニケーション齟齬に繋がる絵文字の解釈の文化差を検出する．具体的には, 感情予測モデルを構築して, 絵文字に付与された感情を分散表現で表す．この手法を絵文字埋め込みと呼ぶ.

概要: 低資源言語の言語資源の作成を目的としたクラウドソーシングでは，能力の高い作業者が少ないため，品質管理が重要な課題となる．作成タスクだけでなく，作成した言語資源の評価タスクも組み合わせることで品質を保証している．しかしながら，作業者とタスクのミスマッチによる対訳作成の誤り生じると，作成および評価作業のやり直しが多発しコストが増大する．そこで，本研究では，クラウドソーシングにおけるタスクの難易度を考慮したタスク割り当てを行うために，作業履歴から作業者のタスクの成否の確率を予測する．具体的には，Deep Knowledge Tracingにより，タスクの種類と過去の正誤データから次タスクの成功確率を予測するモデルを学習し，将来のタスクの成否予測を行った．この成否予測をクラウドソーシングのタスク割当てに用いて，成果物の正確性を実現する.