卒論・修論

概要

レビュアごとの評価傾向の個人差を考慮し、異なるリッカート尺度間で評価を統合する手法を提案した。

概要

お題の類似性から回答作成手順を抽出し、LLMによる自動評価を組み込んだTree-of-Thoughtsで回答を自動生成する手法に取り組んだ。

概要

LLMの倫理的な逸脱を抑制・改善することを目的としたカウンセリングシステムの構築と検討を行った。

概要

Binocularsを用いて日本語ニュース記事におけるAI生成文と人間作成文の特徴を比較し、判別可能性を検討した。

概要

ランキング学習においてクラスタリングで学習データを選定し、学習効率を向上させる手法を提案した。

概要

LLMの重みとバイアスに着目し、モデルが学習したデータを特定する手法を検討した。

概要

誤分類の要因に基づき確率的にストップワードを除去することで分類性能の改善を図る手法を提案した。

概要

模擬ワーカとクラスタリングを組み合わせ、クラウドソーシングにおけるデータ品質向上と計算時間削減に取り組んだ。

概要

金型製造の仕上げ工程立案向けRAGにおいて、LLMの自問自答を用いて回答精度を向上させる手法を検討した。

概要

悪意検出タスクにおいて有効となる特徴量を検討し、その有用性を分析した。

概要

特定特徴を持つ少量利用者データに対し、Contextual Banditと他利用者データを活用した観光推薦システムを提案した。

概要

タスク指示文の自動生成と評価の反復により、依頼者の意図を反映した指示文を作成する手法に取り組んだ。

概要

BERTの各層出力に着目し、評価者間のラベル一致・不一致を判別する手法を検討した。

概要

誹謗中傷検出のモデル学習を補助するためのサブタスクを提案し、その有効性を検討した。

概要

ニューラルネットワークのパラメータ変化に着目し、誤った教師データを検出する手法を提案した。

概要

動画のジャンルやチャンネルとコメントの関係性に着目し、動画再生回数を予測する手法を提案した。

概要

クラウドソーシングにおける作業精度推定の不確かさを考慮した結果集約手法を検討した。

概要

LLMによる文生成と言語モデルによる流暢さ評価を組み合わせた大喜利自動生成手法に取り組んだ。

概要

マルチタスク学習において有効な補助タスクを選定するための方法を検討した。

概要

文書ランキングにおいてMMRにより多様性を考慮した能動学習手法を提案した。

概要

BERTにおけるタスク間の階層関係に着目し、マルチタスク学習の挙動を分析した。

概要

Attentionに着目した確率的ストップワード生成手法を提案し、その有効性を検討した。

概要

クラウドワーカの模倣モデルと投票作業の一致率を考慮した結果集約手法を提案した。

概要

商品説明を用い、購入決定に有効な商品レビューを抽出する手法を検討した。

概要

意図的な過学習により特徴量を抽出し、外れ値検出へ応用する手法を提案した。

概要

周辺語を用いて感情語が表す多様な感情を推定する手法を検討した。

概要

評価の割り当て方や評価者の誤り量を変化させた場合の相互評価の性質を分析した。

概要

情報検索においてContextual Banditを用いた適合性フィードバックの利用手法を検討した。

概要

校閲時の事実確認作業において誤り箇所を自動推定する手法を提案した。

概要

データ駆動型アプローチに基づき、一時的な出来事が発生した時期を検出する手法を検討した。

概要

クラウドソーシングにおいて作業依頼者の意図を適切に反映した作業内容の選定手法を提案した。

概要

観光分野の単語分散表現において、モデル構築に用いた情報源の差異が与える影響を分析した。