Information Access System

Course Title

Course Title in English

Information Access System

Course Type

Major Courses

−

Eligible Students

School of Social Information Science

Target Grade

3Year

Course Numbering Code

KCJBS3MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Spring semester 2026

Instructor

山本岳洋,大島裕明

Affiliation

社会情報科学部

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

講義後教室にて，もしくは，メール等で連絡を取ったうえで教員室にて

Contact

t.yamamoto@gsis.u-hyogo.ac.jp
ohshima@gsis.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

3◎／1〇／2〇

Corresponding Graduate School DP

ー

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

ウェブ検索エンジンに代表されるように，大量の情報を整理し，検索する技術は近年重要性を増している．本講義では情報検索に関わる各種基盤技術や理論を扱う．具体的には，伝統的な情報検索手法および評価方法，近年の検索エンジンや大規模言語モデルによる検索を支える周辺技術について学ぶ．

本講義の到達目標は，情報検索の基礎技術およびについて説明，実装でき，その性能を適切な評価指標を用いて評価できること，近年の情報検索技術について，その基本的な考え方を説明できることである．

Subtitle and Keywords of the Class

情報検索を支える基礎技術の習得と実装
キーワード: 情報検索，Web検索，自然言語処理，

Course Overview and Schedule

講義内容:
講義の前半では，情報検索の基礎的な技術について学ぶ．後半では，近年の検索エンジンや大規模言語モデルによる検索を支える技術について学ぶ．

授業計画:
1. イントロダクション・情報検索とは
2. 伝統的な情報検索モデル1（転置インデックス，ブーリアンモデル）
3. 伝統的な情報検索モデル2（ベクトル空間モデル，BM25）
4. 伝統的な情報検索モデル3（潜在的意味解析，適合性フィードバック）
5. 情報検索の評価1（テストコレクション，適合率，再現率，F値）
6. 情報検索の評価2（RR，AP，nDCG，オンライン評価）
7. リンク解析1（PageRank）
8. リンク解析2（Topic-sensitive PageRank，HITS）
9. 実企業における情報アクセス技術
10. 理解度確認テスト
11. ランキング学習（RankingSVM）
12. 検索結果多様化（MMR）
13. 情報検索における深層学習1（word2vec，BERT）
14. 情報検索における深層学習2（密検索，LLM）
15. まとめと発展的な話題
16. 評価（到達度の確認）

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

・対面授業のみ
・遠隔授業単位上限の適用を受けない

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて(学生向け)』の記載内容について留意すること。生成AIの利用については担当教員の指示に従うこと。
教員が認める範囲を超えて生成AIを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成AIによる出力結果をそのまま課題・レポート・論文として提出してはならない。

Textbook

授業中に適宜資料を配布する

References

・Christopher D.Manning, Prabhakar Raghavan, Hinrich Schutze (著), 岩野和生, 黒川利明, 濱田誠司, 村上明子 (訳)：情報検索の基礎，共立出版（2012）
・酒井哲也：情報アクセス評価方法論 - 検索エンジンの進歩のために -，コロナ社（2015）
・前田亮, 西原陽子：情報アクセス技術入門，森北出版（2017）
・真鍋知博：ベクトル検索実践入門，技術評論社（2026）

その他については講義中に適宜指示する．

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

【予習】事前配布スライドによる講義内容の予習（15h）
【復習】演習課題の取組（25h），レポートの作成（20h）

Contents of Active Learning

講義中に他の学生からの質問を履修生に共有することで，活発な質疑を促す．
講義中の演習課題は解答の分布を学生に共有しながら解説することで，典型的な間違いなどを学生が気づきやすくする．

Grading Criteria and Methods

成績評価の基準:
情報検索の基礎技術を理解し，その性能を適切に評価できる者に単位を授与し，講義目的・到達目標に記載する能力の到達度に応じてSからCまで成績を与える．

成績評価の方法:
理解度確認テストおよび定期試験80%，レポートおよび講義内課題20%を基準として受講態度（積極的な質問等）を含めて総合的に評価する．

How to Disclose Assignments and Exam Results

演習課題については特に優れたものや典型的な間違いなどを取り上げながら解説する．

Precautions and Requirements for Course Registration

・線形代数の基礎，およびPythonによるプログラミングの基礎を理解していることが望ましい．
・講義中に演習およびレポートの説明をおこなうことがあるので，各自のノートPCを講義に持参すること．

Practical Education

該当しない

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data