研究者業績

松田 源立

マツダ ヨシタツ  (Yoshitatsu Matsuda)

基本情報

所属
成蹊大学 理工学部 理工学科 准教授
学位
博士(学術)(東京大学)

研究者番号
40433700
J-GLOBAL ID
200901053855347169
researchmap会員ID
6000010698

外部リンク

論文

 58
  • 山口 和紀, 松田 源立, 柴田 裕介
    情報処理学会論文誌 64(8) 1193-1205 2023年8月15日  査読有り
    日常的な議論において,どの言明が成立しているか,どの主張(言明から他の言明または主張への攻撃または支持)が重要か,攻撃されている言明を補強するには何が必要かを判断することは適切な結論を得るために重要であるだけなく,議論を深めていくためにも必要なことである.しかし,議論が複雑になったり,複数人が言明を提示しあっている状況では手作業でそのようなことを行うのは難しい.本論文では,議論要素(言明と主張の総称)からなる議論の議論グラフによる表現に対して,議論要素の値(0~1の実数値で表された成立の度合い)を求める評価手法と,その値に基づく分析指標を用いた分析手法からなる議論分析フレームワークDECRAGを提案する.DECRAGは,主張に対する攻撃/支持があるような議論グラフに対して,議論要素の値を実数値で求められるという点でこれまでなかったものである.本論文では,DECRAGで求めた議論要素の値が良い性質を満たし,どの言明が成立しているかを判定するために使用できることを理論的および実験的に示した.さらに,分析指標として提案した残留コスト・釣り合い・有効度が,どの主張が重要かなどを検討するために有用である可能性があることを実験的に示した. In an ordinary discussion, to determine which proposition holds and to find out what is missing to strengthen an attacked proposition is not only important for obtaining an appropriate conclusion but also necessary for deepening the discussion. However, when the discussion gets complex or when people are independently posting propositions and claims, it isn't easy to make such a decision manually. This paper proposes an argumentation analysis framework DECRAG consisting of an argumentation graph to represent a discussion by propositions and claims where a claim is an attack or support from a proposition to a proposition or claim, an evaluation method of it to give a value between 0 and 1 to the proposition or claim representing the degree of its holding, and an analysis method using metrics calculated from the values. DECRAG is new in that its evaluation method can give a value between 0 and 1 to the proposition or claim in an argumentation graph with an attack or support for another claim. We show that the values have good properties and properly represent how their propositions and claims hold theoretically and empirically. We also show that the metrics of remaining cost, balance, and effectiveness can be used to determine which propositions are important by experiments.
  • Yoshitatsu Matsuda, Kazunori Yamaguchi
    PloS one 17(10) e0276680 2022年  査読有り
  • Kazunori Yamaguchi, Yoshitatsu Matsuda, Yuya Morinaga
    KES 614-623 2022年  査読有り
  • Takayuki Sekiya, Yoshitatsu Matsuda, Kazunori Yamaguchi
    FIE 1-8 2022年  査読有り
  • Taisuke Kawamata, Yoshitatsu Matsuda, Takayuki Sekiya, Kazunori Yamaguchi
    2021 IEEE International Conference on Engineering, Technology & Education (TALE) 2021年12月5日  査読有り

MISC

 31
  • 守屋 拓馬, 川又 泰介, 松田 源立
    成蹊大学理工学研究報告 60(1・2) 7-12 2023年12月  
    In baseball, the pitch sequence is a significant factor in determining the outcome of a game. However, previous research has primarily focused on the direct relation between outcome and pitches rather than pitch sequences. In order to improve the game strategy in baseball, this study investigates the difference between the pitch sequences in outs and those in hits. For this purpose, pitching data of six pitchers of Nippon Professional Baseball (NPB) in 2022 was collected. Sequential pattern mining was then applied to extract common patterns in the pitch sequences. The results showed that the accuracy of the final phase pitches is crucial for achieving an out and that a pitch sequence incorporating fast-breaking is effective. Furthermore, the extracted patterns in hit suggested the appropriate inning to change pitchers.
  • 小林, 新昂, 川又, 泰介, 松田, 源立
    第85回全国大会講演論文集 2023(1) 165-166 2023年2月16日  
    近年、機械学習技術を活用した競馬の勝馬予測のAIが発達している。機械学習には様々な手法が存在しているが、既存研究では、勝馬予測のタスクに適合したある一つの手法を選択して活用することが多かった。本研究では、適切な機械学習手法がデータによって異なる可能性を考慮し、勝馬予測のタスクを勝馬のオッズによって分割し、各オッズにおける最適な機械学習手法を調査した。具体的には、オッズを利用して出走馬データを4分割し、scikit-learnを用いて様々な手法を適用した。その結果、オッズによって有効な機械学習手法が異なることが明らかになった。更に、様々な手法を組み合わせて予測回収率を高くする予測アルゴリズムを構築した。
  • 堺田, 寛一朗, 川又, 泰介, 松田, 源立
    第84回全国大会講演論文集 2022(1) 403-404 2022年2月17日  
  • 松澤, 拓海, 川又, 泰介, 松田, 源立
    第84回全国大会講演論文集 2022(1) 749-750 2022年2月17日  
  • 小林, 雅治, 川又, 泰介, 松田, 源立
    第83回全国大会講演論文集 2021(1) 311-312 2021年3月4日  

共同研究・競争的資金等の研究課題

 8