情報検索のアルゴリズムを研究しています．第7期生を募集しています．

Webサイト	https://kasys.slis.tsukuba.ac.jp/
Twitter	@kasys_lab
E-mail	kasys-contact-ml [at] klis.tsukuba.ac.jp
教員部屋	7D308
学生部屋	情報メディアユニオン2F 202
学生数	学類生（5名），博士前期課程（7名），博士後期課程（3名）

 

研究室紹介動画

 

オープンラボ

10月9日（木），および，10月16日（木）にユニオン2F 202（一部7D308）にてオープンラボを行います（事前予約不要）．

• 研究室説明会@ユニオン202（10/9（木） 15:15 ~ 16:00, 10/16（木） 15:15 ~ 16:00）
  研究内容，研究の流れ，研究室での生活，就職状況について説明をします．
• 学生相談会@ユニオン202（10/9（木） 16:00 ~ 17:00, 10/16（木） 16:00 ~ 17:00）
  研究室にいる先輩に研究室の話を聞いたり相談できたりします．
• 教員相談会@7D308号室（10/9（木） 17:00 ~ 18:00, 10/16（木） 17:00 ~ 18:00）
  加藤から研究室の話を聞いたり相談できたりします（「面談」ではないのでご注意ください）．

面談

下記の期間，面談を実施しています．配属希望の方は必ず面談を行ってください．予約にはGoogleカレンダーを利用しており，面談時間の24時間ほど前までに予約してもらえれば対応可能だと思います．なお，面談では英語，数学，プログラミング能力を問う質問をします．

• 期間： 2025年10月9日（木）〜2025年10月17日（金）
• 場所： オンライン または 対面（特に優劣ありませんのでお好きな方を面談予約時にお選びください）
  • オンラインの場合： Zoom
    （ https://us02web.zoom.us/j/83492500101　パスコード： 233707 ）
  • 対面の場合： 7D棟308号室
• 予約：　面談予約ページ

 

主な研究分野

本研究室では「情報検索分野」の下記の研究分野を主な対象としています：

検索モデルとランキング，ランキング学習，検索意図推定，知識ベース構築，知識ベース応用，Webマイニング，情報抽出，検索ユーザ行動分析，検索ユーザモデリング，推薦システム，オンライン評価

大規模言語モデルを利用し、機械学習によって、性能の高いアルゴリズムを作り出す研究を行うことが多いです。

 

重点テーマ（2025年現在）

本研究室の 2025 年現在の主な研究テーマは大規模限度モデルに基づく検索アルゴリズム，クライアントサイド情報検索システムです。
概要については加藤研究室で実施したチュートリアルの資料を一度眺めてみてください．
以下に研究テーマの例を挙げます：

1. 医療や学術分野に特化した検索モデルの学習
2. ユーザの閲覧・操作履歴からの暗黙的な情報要求推定
3. ユーザの状況に応じた能動的な情報推薦
4. クライアントデバイス上のデータに基づく検索結果のパーソナライゼーション
5. AutoML の情報検索（IR）版である AutoIR の開発

（注意： 基本的に上記のようなテーマを奨励しますが，適正・興味にあわせてテーマ設定も可能です）

テーマの決め方

配属されたタイミングで，まずはプロジェクト研究に挑戦し，メンター（研究室の修士または博士）から研究の方法や関連研究を学びながら，自身に興味がありそうな研究テーマを選んでもらいます．

基本的には，いくつかあるテーマの中から好きなテーマを選んでもらうか，ミーティングを通して好きそうテーマをこちらから提案していきます．

ただし，希望する研究テーマがあり，「情報検索分野」に関係するテーマであれば，その研究テーマに取り組んでもらうこともできます．

必要知識

本研究室の研究テーマに取り組むに当たり下記の知識が必要となります：

• 英語
• 数学
  • 確率・統計
  • 線形代数
• プログラミング
  • Python（別の言語でも良い）

（「数学」か「プログラミング」のどちらかが得意だとなお良い）

 

修得予定知識

本研究室の研究テーマに取り組むに当たり下記の知識が必要となりますので，配属されたばかりの人には勉強会にて基礎を学んでもらいます：

• 情報検索（参考： 情報検索の基礎（共立出版））
  • 検索モデル（ブーリアンモデル，ベクトル空間モデル，確率モデル，言語モデル，深層学習による検索モデル）
  • Web検索（索引，クローリング，リンク解析）
  • 情報検索の評価（テストコレクションの構築方法，適合率・再現率，MAP，nDCG，ERR）
• 自然言語処理（参考： 言語処理のための機械学習入門（コロナ社））
  • 上記の参考書で習得できる程度の基礎
• 機械学習（参考： 言語処理のための機械学習入門（コロナ社），深層学習による自然言語処理（講談社））
  • 機械学習の基礎（教師あり学習，訓練データ，テストデータ，交差検証）
  • 代表的な機械学習モデル（線形回帰，ロジスティック回帰，SVM，決定木）
  • 深層学習
• プログラミング
  • Python
• Linuxの基本操作
  • cdやls，cpなどができれば良い

 

本研究室で研究をすすめる上で相性のいい人

• たくさん研究をしたい人
• 創造的なエンジニア職に就きたい人
• 知識と技術を身につけて自信をつけたい人
• 検索アルゴリズムの専門家になりたい人
• 研究室のメンバーと協調して研究を進められる人
• 英語が読めて，数学とプログラミングが得意な人

本研究室で研究をすすめる上で相性の良くない人

• あまり研究をしたくない人
• エンジニア職・研究職以外に就職したい人
• 英語を読むのが苦痛な人
• 数学「も」プログラミングも苦手な人