Search

［あらまし］植物標本をデジタルアーカイブとして公開するためには希少種の乱獲防止の観点から採集地部分が含まれるラベルをマスキングする必要がある．膨大な量の植物標本に対して，効果的にマスキング作業を効率化するシステムを構築するのが本稿の目的である．機械学習による自動マスキング，自動マスキングの計算デバイスの選択肢の用意，人間の手で行わなければならない最終チェックを直感的かつ効率的に行えるソフトの開発，システム全体のパッケージ化を行うことで，植物標本画像のラベルマスキングシステムを構築した．このシステムについて，実践的なタスクを通して得られた専門家の意見をもとに評価を行った．, [Abstract] In order to publish plant specimens as a digital archive, it is necessary to mask labels that include the collection area from the viewpoint of preventing overhunting of rare species. The purpose of this paper is to construct a system that can effectively and efficiently perform the masking operation for a huge amount of plant specimens. The system includes automatic masking by machine learning, preparation of a choice of computational devices for automatic masking, and development of software that can intuitively and efficiently perform final checks that must be done by human hands, and by packaging the entire system, we constructed a label masking system for plant specimen images. The system was evaluated by experts through practical tasks.

テキストマイニングとデジタルヒューマニティーズ 2021, 本研究の目的は，トピックモデルの一つであるLDA を用いた文学作品の分析をサポートするため，効果的なビジュアライゼーションツールを開発することである．数多くの文書とトピックから成る高次元で複雑なトピック構造から有益な情報を見つけ出すことは非常に労力を要するものであり，また最適なトピック数の選択やモデルの機械的な評価が難しい現状において，試行錯誤のプロセスは必要不可欠と言える．そこで本研究では，モデル出力結果から複雑な設定をすることなく直接グラフを描画することのできるトピック可視化ツールを目指す．複数のモデルを比較しながら探索的な分析を行うことのできるインタラクティブなツールを開発することは，LDA を用いる分析者に大いに寄与すると考えられる．, Textual analysis using LDA, a generative probabilistic topic model, is recently attracting attention among the field of literary analysis. However, we have had difficulty in choosing the number of topics when it comes to long literary texts, because each of them usually contains various topics. Thus trial and error is required in the analysis process. We, therefore, attempt to develop an interactive LDA visualization tool which can compare multiple models we created by changing the number of topics. The aim of this tool is to make the trial-and-error process easier, and to help our understanding of complex but meaningful topical structures.