研究紹介 | 情報学科 | 湘南工科大学

主な研究テーマ

医療言語処理

医療情報の範囲は医学用語辞書や教材だけでなく、看護記録、電子カルテ、SNSの投稿など多岐に渡っており、その医療情報を二次利用したテキストマイニングや情報抽出などの研究が特に盛んになってきています。そこで、語彙・語用・文脈レベルの情報を付与して医学用語を構造化することと、その構造化データに基づいて造語力、学習頻度、説明力の観点から学習難易度を設定し、その有効性を検証することを目的とする「医学用語における語構成要素の構造化と学習難易度に関する研究」を実施しています。これにより、看護師などの医療を学ぶ学習者に対して、学習難易度順に医療用語を学習し、学習レベルに合った辞書の語釈文を提示することで効率的な医療分野の学習支援を目指しています。本研究は，科学研究費補助金（20K12552、代表：内山清子）の助成を受けて実施しています。

SNS感情分析

新型コロナウィルスのTwitter投稿の感情分析

ソーシャルネットワーキングサービス「Twitter」の投稿を分析し、新型コロナウイルス感染症に関するトピックの分類と感情の分析を行いました。日本語のツイートデータを対象とした、感情値の推移の分析とトピックモデルによる分類と感情の比較、深層学習による感情の分類モデルの構築を実施しました。この研究では、Twitter API を用いて検索キーワードとして「新型コロナウイルス」を使用し、2020年1月1日から2021年6月30日を対象に、キーワードが含まれるツイート全件の取得を行いました。この結果、Twitterのコメントを分析することにより、緊急事態宣言の解除/発令のタイミングでツイートから読み取れる感情が「喜」/「恐」に瞬間的に高くなることを示すことができました。左図では10種類の感情を辞書を使用して分類しましたが、感情の種類をpositive/negativeの2種類に絞り、深層学習を用いて自動的に判定する実験を行い高い精度を示すことができました。

SNS感情分析システム

SNS感情分析システムの全体像

2022年度TPL(Team Project Learning)で学生が制作したシステム：このシステムは “Yahoo!リアルタイム検索”の機能に類似したWebアプリケーションを目指して制作しました。Webページは、動きを出すために Javascript とBootstrap1を用い、イラストを効果的に使用したシンプルなページを作成しました。Web アプリケーションはTwitterAPIを利用した感情分析（positive/negative判定）と多く使われている単語を拡大表示しツイート全体の出現単語をわかりやすく表示するWordCloud、ツイート件数の動的なグラフを表示し、チャットボットも組み込むように実装しました。
開発のフレームワークはPythonのWebアプリケーションフレームワークであるFlaskを使用し、各機能へのアクセスはナビゲーションバーに記述したリンクからFlaskを経由し、それぞれのhtmlファイルを呼び出すように設計しました。