情報アクセスシステム (社会情報・専門科目)

Information Access System

専門教育科目

−

社会情報科学部

3年

KCJBS3MCA1

2単位

講義 (Lecture)

2026年度前期

山本 岳洋、大島 裕明

社会情報科学部

日本語

目標9

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

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

3◎／1〇／2〇

ー

ー

ー

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．

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，

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）

対面

・対面授業のみ
・遠隔授業単位上限の適用を受けない

利用する場面を限定し許可

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。

授業中に適宜資料を配布する

・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．

【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）

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．

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．

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．

・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．

該当しない