日本手話にも音節に相当する単位が存在し、動き要素、手型要素、位置要素、掌の向き、中手骨の方向等の音節構成要素が同時に組み合わさり形成される。しかし、適格な音節構成要素同士の組み合わせであっても不適格と判定される組み合わせ（不適格音節）が多く存在する。この事実は、音声言語の「音素配列論的制約」に相当する制約が日本手話も存在することを示している。本研究では、適格音節データベースと不適格音節のデータベース（音節構成要素に分解し記号化してエクセルに登録）を使い不適格音節に含まれる不適格性要因の発見・抽出を試みる。その際、機械学習の複数のアルゴリズムを積極的に活用する。

Outcome：

2023
既存のコーディングデータのデバッグ作業、最新の知見を反映させたコーディング方法の修正・変更を行い、それに基づいてデータのアップデート、データベースの精緻化を図った。手型音素の確定作業を行った。

深層学習による時系列予測技術の高度化

Outcome：

2023
iTransGANによる時系列データの生成と生成データを用いた時系列予測モデルの事前学習の効果の検証

2022
Neural Laplaceによる時系列予測の性能評価

自然言語文からエンティティやその関係を抽出する手法について，外部の様々な知識や情報と利用する研究を進めている．

Outcome：

2024
大規模言語モデルに，外部から辞書情報を付加しながら，固有表現を抽出する手法を実現した．

2024
大規模言語モデルを用いて，既存のコーパスを拡張する手法を実現した．

2024
条件付き変分オートエンコーダと事前学習モデルT5を用いて，複数のアノテーション基準の異なるコーパスの違いを吸収しながら，固有表現を抽出する手法を実現した．

2024
外部知識に抽出した関係情報を付加しながら，テキストから関係情報を抽出する手法を実現した．

様々なモダリティを持ったノードと関係からなる知識グラフについて，それぞれのノードの内容とその複雑な関係性による構造的な情報を利用しながら，表現を獲得し，利用する．

Outcome：

2024
複数のモダリティを持つ文献グラフを対象に，異なるモダリティを区別して扱いつつ，エンティティと属性の関係を明示的に表現するハイパーグラフ表現学習手法を実現した．

運転状況の動画や画像からその状況を説明するテキストを作成し，大規模言語モデル（LLM) の常識的知識を用いて判断をし，自動運転（AD) での動作に反映させるLLM4ADの研究が進んでいる．本研究では，テキストに付加情報を付与することで，テキストと動画・画像の連携，LLMの認識性能向上を目指す．

Outcome：

2024
LLMを用いて，辞書を元に交通状況テキストからエンティティを抽出するための学習データを自動構築する手法について研究を行った．