横山 友也

質問回答サイトにおける質問者と回答者のミスマッチングを解消すべく、これまで60個の質問回答文に対して印象評価実験を実施し、印象を表す因子が9個得られた。さらに、文章の特徴量から因子得点を推定した結果、9因子とも良好な結果が得られた。また、適切な回答者を質問文に引き合わせる可能性を検証したところ、質問回答文間の距離が適切な可能性を選出する可能性を示した。本論文では、質問文を入力すると、その質問文との距離が小さい回答文100件からユニークユーザー10人を表示する手法を考案し、システムの実装に反映した。システムで表示された各ユーザーが、適切な回答を施すかどうかを評価する評価実験を実施した。

これまでの研究で，質問回答サイトにおける質問者と回答者のミスマッチングの問題を解消するために，質問回答文の情報を明確化してきた．文章の印象は 9 個の因子により表され，因子得点を文章の特徴量から重回帰分析により推定可能であることを示してきた．ここで，国立情報学研究所から回答文の客観的評価値が提供されており，既に得られた重回帰式から推定された因子得点から，回答文の客観的評価値の推定を重回帰分析により試みてきた．しかし，因子得点に基づいた説明変数だけでは，回答文の客観的評価値の推定に限界がある．そこで，本論文では，質問文と回答文に共通する名詞の語彙数に着目し，新たに説明変数に加えた上で重回帰分析を行った．推定の結果，Yahoo! オークションとパソコンのいずれの回答文においても，回答文の客観的評価値の推定精度が向上することを示す．To eliminate mismatches between the intentions of questioners and respondents of Question and Answer (Q&A) sites, we have clarified the characteristics of the question and answer statements. It has been shown that the impression of the statements could be captured by nine factors, and the factor scores could be estimated from the feature values of the statements through multiple regression analysis. Here, the objective scores of answer statements are provided by National Institute of Informatics. We have so far tried to estimate objective scores of answer statements from the factor scores estimated by using multiple regression formulas already obtained. There is some limitation, however, to estimating objective scores from only explanatory variables based on factor scores. This paper tries to focus on the number of noun vocabularies common in both question and answer statements, and adds it to the conventional explanatory variables. As a result of multiple regression analysis, we have succeeded in improving objective scores of the both Yahoo! Auction statements and PC statements.

質問回答サイトにおける質問者と回答者のミスマッチングの問題を解消することを目的に、文章の特徴量を使用し、全ての質問回答文の因子得点の推定を試みてきた。本論文では、その得られた因子得点を用いて、回答文の客観的な評価値の推定を試みる。