031217 ver0.2 ai事例

AI活用事例：日経新聞社の決算情報自動作成について

3/6：水口　真

1

AIを使って実現したい事いろいろ

2

題して！ どんなもの？ どうしてそんな事をしたいのか？

今ある？無い？

自動文章作成 特定のテーマで又はテーマがなくても、意味のある文章を自動的に作成できる

・ブログ運営を楽にしたい・ベースを機械に任せて、より修飾する文章を加えるような事に注力したい

・日経新聞社の決算情報掲載サイト・ Articoolo(英語ですが文章をいい感じに書けるらしい )

健康管理 ベイマックスのような、万能データ管理ツール

最近健康面が気になって… CLOUD MED(電子カルテとかのデータを取り込む )

部屋のインテリア提案

部屋の形に応じた家具の配置、スペースの有効利用

自分の部屋を見ていると、無駄なスペースを取っているな…と思う

WATSONで実施可能 (らしい )

教育 ×AI 自分の弱点、テストの傾向を考慮して、動画の紹介 (有料・無料 )や、問題の作成をしてくれる

TOEFL100点目指したいけど、なんかいつも同じような単語が分からないな…

・リクルートのスタディサプリ・レアジョブと NECの共同による英会話プラン

子守り用×AI 子供の好きなテレビや、遊びをしてくれる

子どもとの時間と勉強時間の両立って難しいな…

どらえもん！　　　　　　　　　　 (さすがにない )

料理レシピ提案 味の好みと冷蔵庫の中身を考慮して提案

奥さん一番の苦労をなくしてあげたいな…

・WATSON・ NECのWISE

物さがし ×AI 家にある家具とか、携帯とか、どこに何があるかを教えてくれる

携帯ってよくなくなる… ジャストなの見つからなかったが、 JALとMAMORIで IoTを開発

服のコーディネート ×AI

天気、気温、持っている服、相手及び自分の趣味を考慮して、その日のコーディネートを提案

若い女性にとって一番の悩みだと思う

カラフルボード社のSENSY CLOSET

今回はこれを調べます

一人だと考え方が偏るため、 AIを使って何ができたらいいかをいろんな人に聞いてみました。すると、以下のような答えが返ってきました。そのうち、興味のあるのは自動文章作成ですので、今回は日経新聞社の技術を調べてみました。

これも面白そう (NEC技術 )

日経新聞社の決算情報作成について～実際の文章

3

現在、実際に日経新聞社が運営している企業業績を説明する AIの記事については以下のような文章です。（個人的な感想ですが）ぱっと見でまったく違和感がない文章として、完成しているように見えます。

定量的な実績データのまとめ

定量的な予測データのまとめ

定性的な会社の動きのまとめ

日経新聞社の決算情報作成について～処理フローの全体像

4

処理フローの全体像を見るとキーワードは格構造、文章構造、ポジネガという文章を分類する手法を用いているという事が分かります。もちろん、数学的に解析するという記述は必要となるのは当然ですが、日本語をどのように分類するかという視点も重要であると感じます。

日経新聞社の決算情報作成について～ローンチまでに何をやったか？

5

アルゴリズムの開発を、人間の文章に近い形で行ったとの事です。

具体的に行った事としては、

・企業の決算短信約 1万件を人が目視で確認し、売り上げや利益に影響を与えた文章を手動で抽出。「正解データ」として AIに学習させた (=「教師あり」のタイプ ?)

・同時に「記者の視点」も学ばせた。決算短信には「当社の努力により利益が拡大した」などあいまいな記述があったり、赤字なのにポジティブな記述しかないなど整合性がとれない部分もあるが (前頁のポジネガ )、記者はそれらを無視し、客観的で整合性のある部分のみをピックアップする。 AIでもそのような価値判断ができるよう精度を磨いた

という事を実施したようです。アルゴリズムに落とすと以下のような式になります。

http://pr.nikkei.com/qreports-ai/に詳細に書いてあるのですが、今の自分のレベルだとあまりよくわかりませんでした。ですので、分かった程度に上記の式を解釈すると、

　　　　　　行っているビジネス (会社にとってのセグメント )がどの程度重要かを識別する関数

　　　　　　ある文章で出てくる単語が、良い意味なのか、悪い意味なのかを識別する関数

　　　　　　ある文章で出てくる単語が、その会社にとって重要な意味を持つのか、持たないのかを識別する関数

このような 3つの変数から、文章ができているという事が分かりました。

日経新聞社の決算情報作成について～感想

6

原始の考え方はシンプルで、中の処理が難しい（ように見える）原始の考え方：ソースが決まっているサイトから、いい感じに文章を作る (←こうやって要件定義が始まるプロジェクトは意外に多い )（今後、自分で案件をデリバリーしていく際のとっかかりになるのではないか！）

使われている処理の理論例：サポートベクター回帰、言語解析 (格構造解析等 )、教師あり /教師なし学習、極性値推定 (NMF（ Non-Negative Matrix Factorization)、

だからこそ、自分で再現できるようにチャレンジしてみたい！！