3.1.1 従来の引用文書検索における問題点

一般に，文書作成時に引用する文書は過去に閲覧したことのある文書であり，閲覧してから長い期間が経過していることが多い．例えば，研究活動の場合，他者の論文をサーベイしてから自己の論文を執筆するまでには，約1年間が経過していることも往々にしてあるだろう．そのため，既読文書を後で容易に検索するためには，文書をフォルダ分けしたり，文書にタグを付与したりして管理する必要がある．そのため，EndNoteのような文書管理を行う文書作成支援システムが提供されている（図参照）．EndNoteでは，文書情報を個人ライブラリに保存し，管理することができる．そして，自身の文書を作成する際に，ライブラリに保存した文書情報を検索し，引用元文書として引用することが可能である．

図3.1: EndNote画面例

本研究では，文書を引用するために行われる検索は引用者の主観的な部分が大きいため，主観的な情報によって文書を検索可能であることが重要であると考えている．例えば，過去に閲覧した「アノテーション」に関する文書を引用したいと考えたとする．その場合，おそらく「アノテーション」を検索のキーワードとして検索するだろう．しかし，その文書中では「アノテーション」という用語は出現せずに，「注釈」と記述されていたり，もしく単純に「メタデータ」と記述されていたりして，ユーザの検索要求にヒットしないことがある．そこで，概念辞書のようなものを用いて検索キーワードである「アノテーション」を「注釈」や「メタデータ」に拡張して，検索するような解決法が考えられるが，今度は不要な文書まで検索でヒットしてしまい，その中から絞り込む必要が出てきてしまう．このような場合，語の表記ゆれなどが問題なのではなく，ユーザ自身が閲覧した際にどの文書を「アノテーション」に関する文書として捉え，どのように解釈したかということが問題となる．しかし，現状ではそのような主観的な情報を閲覧履歴から機械的に抽出するのは困難であるため，ユーザ自身が付与する仕組みが必要である．そのため，少なくとも既に閲覧した文書に対しては，ユーザの解釈に関する情報をユーザ自身によって付与可能にし，その情報をトリガーとした文書検索を可能にすべきである．

EndNoteでは，文献管理を行うためにユーザが自ら文献情報を記入することが可能である．文献情報の中には，「Research Notes」と呼ばれる主観的な情報を文書に関連付けて記述でき，その情報をトリガーに検索することが可能である．しかし，EndNoteの文献情報はあくまでも文書全体に関連付けて記述するものである．一般に，引用とは、紹介、参照、論評その他の目的で自己の著作物中に他人の著作物の原則として「一部」を掲載することを指す．そのため，引用するためには自分の記憶を頼りに検索された文書の中から引用に該当する「一部」を再度探し出す必要がある．しかし，数十ページにも及ぶような文書の場合，その作業は非常な煩雑なものであり，ユーザにとって大きな負担になる．そのため，引用文書検索において主観的な情報を文書の部分要素に関連付けて記述可能にし，その情報を検索可能にすることが重要である．

3.1.2 閲覧時アノテーションの検索

本研究では，文書の閲覧者が行う自発的なアノテーション行為に着目し，そのアノテーション行為より得られる情報を文書の部分要素に関連付けられた主観的な情報として利用を試みる．一般に，文書を閲覧する際には，文書中で重要だと感じた箇所に対してマーキングしたり，考察や感想をコメントとして記入する．このような行為は，文書の原文に対して二次的な情報を付与していくことから文書に対するアノテーション行為として捉える事ができる．本研究では，これらマーキングやコメントといったアノテーションは文書閲覧時に付与されることから閲覧時アノテーションと呼ぶ．なお，一般的な情報検索システムにおけるインデックス情報のような機械的に生成されるメタデータも原文に対する二次情報であることからアノテーションと呼ばれることがあるが，ここでのアノテーションには含まないこととする．ここでのアノテーションとは，原文の著者を含むすべてのアノテーション行為をおこなう人間が人為的に作成する二次情報を指し，機械的に付与される類の二次情報とは分けて考える．

Schilitらはアノテーションには文脈や付与したユーザの知識背景といった様々なコンテキストが含まれると述べている．例えば，研究活動の一環であるサーベイ時に行われるアノテーションに着目すると，閲覧者の研究内容や背景に関するコンテキストのような主観的な情報が多く含まれていると考えられる．また，閲覧時アノテーションは文書中の重要箇所を記録するという目的で行われ，引用する文章の記録に利用されることがある．そのため，閲覧時アノテーションを引用する前段階の情報として利用することは人間の直感に適していると考えられる．そこで，引用文書検索を行う際に検索対象とし，マーキング箇所の文章を引用可能にすることでユーザの引用支援を行う．アノテーションの形式には，下線引き，ハイライトマーカによるマーキング，アスタリスク，囲み文字やコメントといった様々な種類が存在する．紙に比べWebにおいては，下線や囲み文字に比べてハイライトマーカによりマーキングすることが多い．そこで本研究では，ハイライトマーカによるマーキング（以後，簡略化してマーキングと呼ぶ）とコメントを閲覧時アノテーションとして扱う．

コメントには部分箇所と関連付けられないもの（文書の余白に書かれるメモ書きのようなもの）も存在するが，本研究ではマーキング箇所に関連付けられたコメントのみを記録の対象とする．なぜなら，コメントを記述するトリガーとなった文書の該当箇所を明示的に記録しておくことで，再び理解する際の文脈情報として利用できるからである．しばしば，後で参照するために付けておいたコメントを実際に読み返したとき，その内容が理解できないことがある．その時自分が何を考えていたのか，そもそも自分がどういうつもりでその情報を書き留めたのか，その当時の思考の文脈や意図が思い出せず，結局ほとんど役に立たないという場合である．これは，コメントが記述されたその場の状況・思考の文脈が，コメント単体からは読みとれないことから起こりうるケースである．コメントは自分が必要と感じた情報を記録しておくものだが，その場の思考の流れを完全に明記することは実際には不可能である．そのため，コメントを記述する当人にとって当たり前のことはわざわざ書き留めないため，コメントに含まれる内容はどうしても断片的な記述となる。結果として，後でコメントを参照しても理解の手助けとなる文脈情報に欠け理解することが難しくなり，コメント情報単体では役に立たないことが多い．

本研究では，マーキングやコメントにアノテーションした意図に関する属性情報を付与することが可能である．各閲覧時アノテーションに付与可能な属性を表，に示す．マーキングにおいてはマーキング色に対応付けて属性情報を付与できる．そのため，色を用いてマーキング箇所の情報を分類しておくことで，様々な利用場面に応じた検索が可能である．例えば，自己の主張の新規性を示すために，他者の主張と対比して文章を書きたい場面がある．その場合，文書の閲覧時にあらかじめ対比したい主張部分をマーキングし，自己の主張との差分をコメントし，コメントに問題点属性を付与しておく．すると，実際に自己の文書を作成する際に，コメントの問題点属性を指定して検索することで，目的に合った箇所のみを収集することが可能である．つまり，アノテーション属性とキーワードを指定することにより，ユーザの文脈に適した閲覧時アノテーションを検索することが可能である．さらに，検索された閲覧時アノテーションの一覧リストから，文章の流れや組み合わせを考えながら，文章を構成していくことができる．

さらに，前章で述べた引用の仕組みを考慮し，検索されたマーキングによって指定された部分要素をそのまま引用することを可能にする．閲覧時アノテーションの一つであるマーキングは文書の部分要素を特定する行為であるため，引用者は文書引用時にマーキング箇所を引用することで，被引用箇所を明示的に指定する必要がなくなる．さらに，引用するには必ず閲覧時アノテーションを付与する必要があるため，必ず一度は文書を閲覧する．そのため，「孫引き」のような不適切な引用を防止する効果があると考えられる．

3.2.1 文書の閲覧支援

まず，閲覧時アノテーションを他者と共有することで未読文書の閲覧支援が可能になることについて述べる．閲覧時アノテーションを共有し，他ユーザの付与した閲覧時アノテーションを文書本文と共に閲覧することで，未読文書の内容の理解が促進されると考えられる．例えば，同じ研究室の同じプロジェクトに属している二人のユーザが存在したとする．ユーザ同士は同じプロジェクトに属しているため，類似した背景知識を持っているだろう．そのため，同一文書中の同様の箇所を分かりにくいと感じたり，着目したりすることが予測される．そこで，一方のユーザが文書を閲覧する際に，分かりにくいと感じた用語や文章に後で読む時に理解し易くするようなマーキングをし，コメントとして解説文を記述しておく．すると，後で閲覧するユーザはその情報を見ることで容易に文書を理解することが可能になる．

しかし，一般に閲覧時アノテーションを共有する際の問題点として，ユーザ同士の背景知識や文脈が異なるためアノテーションの意味を互いに理解できないことが指摘されている．この問題点を解決し，背景知識が異なるユーザ同士がアノテーションの意味を正確に共有するためには，アノテーションにどのような種類の情報なのかということを明記しておく必要がある．そこで本研究では，閲覧者がどういう意図でマーキングやコメントを行ったのかという情報をアノテーションの属性情報として表示色と対応付けて取得・共有する．しかし，色はそのユーザの経験に基づき情報の種類を判別することに利用されることが知られている．例えば，閲覧文書の著者にとってクリティカルな主張部分の記録に赤色を利用するユーザもいれば，黄色を利用するユーザもいるだろう．そのような視覚における直感的な部分の個人差を損なわないようにするために，マーキング色と属性情報は一対一の固定対応ではなく，ユーザが自由に指定することが可能であるべきである．つまり，共有すべきは属性情報であって色ではないということを踏まえてシステムの設計を行う必要がある．

松岡らは，論文のアブストラクトに対するマーキングシステムの実運用を行い，そのデータからマーキング箇所にはその論文における重要語を多く含むという結果を得ている．そのため，多くのユーザがマーキングしている箇所はその論文にとって重要な箇所である可能性が高い．つまり，マーキングを共有することによって得られる統計情報をユーザに提示することで，その論文の重要箇所を選択的に閲覧できる可能性があるだろう．

また，過去にユーザ自身が付与した閲覧時アノテーションを提示することで，既読文書の再閲覧を効率的に行うことが可能である．過去にユーザ自身が付与した閲覧時アノテーションには，過去に閲覧した際の文脈を想起させる効果がある．一般に，文書を読んでから自身の文書を書くまでには長期間経過していることが多いことを述べた．そのため，文書を書く際に過去に読んだことのある文書を再び閲覧しても，文書の内容をなかなか理解できないことがある．そのような場合に，文書に付与されているマーキングやコメントは文書と共に閲覧することで，文書を読んだ際に考えていたこと等が想起され，内容を再理解する際の手掛かりとして利用される．例えば，閲覧時に重要箇所をマーキングにより記録しておくことで，再閲覧の際には文章を流し読みするだけで，大まかな内容を把握できるだろう．

3.2.2 専門用語辞書の構築

ユーザは特に意識することなく閲覧時アノテーションを付与していくことで，専門用語辞書が構築される．例えば，文書閲覧時に分からない専門用語が出現したら，その用語説明を文書にコメントすることがあるだろう．そのような場合に，コメントに用語説明属性を付与し，その用語の説明を記述することで，マーキング箇所とコメント属性から関連付けられているコメントはマーキング箇所に対する用語説明だということが機械的に判別可能である．その情報を利用することで用語と記述された用語説明は自動的に専門用語辞書の項目に追加登録できる．つまり，ユーザは文書上でコメントとして用語説明の付与を繰り返すことで，専門用語辞書を拡張していくことが可能である．また，コメントを付与する過程において，文章と専門用語辞書の項目を繋ぐリンクが取得されるため，用語説明の付与されている文章は辞書の用例として利用できる．

一方，構築された専門用語辞書は，文書の閲覧・作成において様々な用途に利用することができる．例えば，マーキング属性に辞書引き機能を対応付けておくことで，分からない専門用語をマーキングすると自動的に専門用語辞書の項目を引き，表示することが可能になる．また，文書作成時に利用することも考えられる．一般に，文書に専門用語を記述する場合，その用語の説明を記述するだろう．閲覧時に利用・拡張した専門用語辞書を利用することで容易に用語の説明を引用することが可能になる．用語説明を引用した際，論文と辞書項目にリンクを張ることで，ユーザ自身の言葉で記述するより，用語説明に客観性と正確性を持たせることができる．

3.3.1 システム構成

図3.2: システム構成図

本システムのシステム構成図を図に示す．本システムはWebアプリケーションとして実装されており，専用のクライアントソフトを必要としない．ユーザはWebブラウザを利用してサーバにアクセスすることによって，文書の閲覧・作成などの操作を行うことができる．また，Webアプリケーションとして構築することで，不特定多数のユーザから閲覧時アノテーションや引用アノテーションを収集し，共有することが可能になる．ユーザは閲覧支援機構を通じて文書の閲覧と閲覧時アノテーションの付与を行い，作成支援機構を通じて文書の作成と引用アノテーションの付与を行う．

収集されたデータは閲覧時アノテーションデータベース，文書XMLデータベース，引用アノテーションデータベースの各データベースに保存される．また，図から分かるように，文書情報と引用情報は分けて管理される．前章でも述べたように，これは本研究では引用情報は引用・被引用文書の両文書へのアノテーション情報であるという考え方に基づいて設計されているからである．また，藤田が述べているWeb文書の信頼性や保存性のような問題点を考慮して，本システムでは文書情報の管理も行う．

3.3.2 閲覧支援機構

閲覧支援機構は，主に文書をユーザに提示し，その文書に対する閲覧時アノテーションを取得する機能を持つ．文書XMLと閲覧時アノテーションをユーザにブラウザ上で提示するまでの流れを以下に示す．

1. 形態素解析部により文書XMLに形態素タグを付与

2. XMLtoHTML部により文書XMLをHTMLに変換

3. 閲覧支援インタフェース部によりHTMLに閲覧時アノテーションを統合し表示

まず，本機構の形態素解析部では要求のあった文書XMLを取得し，文書XMLに含まれる文字列に対して形態素解析を行う．そして，形態素単位に分割し，言語構造に関する情報を形態素にタグとして埋め込む．このタグを本研究では形態素タグと呼ぶ．形態素解析器には，Senを利用した．SenはJavaで書かれた日本語形態素解析システムであり，MeCabのJava移植版である．形態素タグに分割することで，パラグラフ以下の詳細な部分要素に対するアノテーションを可能にすると同時に，形態素タグ以下の選択を不可にすることでマーキングにおける選択範囲の誤りを防止する．また，マーキング範囲をXPointerを用いて指し示すことが可能になり，閲覧時アノテーションの再現が可能になる．

次に，形態素タグの付与された文書XMLをXMLtoHTML部でHTMLに変換する．この際に，文書XMLにおける各要素のXPathを算出し，HTMLタグのID属性に埋め込む．HTMLにおけるXPathではなく，XMLにおけるXPathを利用するのは，オリジナルの文書に対するポインタを残しておくためである．つまり，スタイルシートには依存しない仕組みになっており，例えば，文書をページ単位に分割して一部分だけ表示するような場合にもポインタを一意に決定することが可能である．

最後に，変換された文書のHTMLを閲覧支援インタフェース部が表示する．その文書に該当するアノテーションが存在する場合は，HTML上に統合し表示する．ユーザがリアルタイムに付与する閲覧時アノテーションに関してはJavascriptを用いて動的に表示する．付与されたアノテーションはXMLHttpRequestを用いてサーバとHTTP通信を行い，閲覧時アノテーションデータベースに登録する．登録する際に，マーキングの色をユーザプロファイル\footnote{ユーザプロファイルとは，マーキングの色と属性情報を関連付けているユーザ別の情報を指す．XML形式で管理されており，ユーザはWebブラウザを通じて変更することが可能である．}を用いて対応付けている属性に変換し登録する．属性として保存することで，他のユーザとの閲覧時アノテーションの意味の共有を促進しており，他のユーザが該当するマーキングを閲覧する際には，ユーザ自身の対応付けている色で表示することが可能である．本システムは，マーキングの色を共有するのではなく，マーキングの属性を共有する仕組みになっている．

また，閲覧支援インタフェース部は，文書が一定サイズより長い場合には，ページを分割して表示する．従来の文書の表示形式では，紙ベースで考える際の文字数等で形式的にページ分割を行っていたが，本システムでは意味のまとまりであるセクションを単位とした意味的なページ分割を行う．そのため，ユーザがページを前後して文書を読むような状況が減少すると考えられる．

図3.3: 閲覧支援機構のインタフェース

本システムの，閲覧支援機構のユーザインタフェースを図に示す．本インタフェースは以下に示す3つのコンポーネントから構成される．

• モード表示・選択部

• マーキング選択部

• 文書表示部

以下で，各コンポーネントの詳細について述べる．

3.3.2.3 文書表示部

文書表示部は，文書本文の表示，マーキング，コメントといった閲覧時アノテーションの表示を行う．また，ユーザは文書表示部上でマウス操作することで，閲覧時アノテーションを付与することが可能である．

図3.4: マーキングアノテーションの手順

まず，文書表示部において，マーキングを付与する手順を以下に示す．

付与されたマーキングは図の4ように表示される．

本システムでは，マーキングに対して「公開」・「非公開」を設定することが可能である．「公開」にするとすべての表示モードに反映されるが，「非公開」にするとプライベートモードのみに反映される．

また，オペレーションが対応付けられているマーキング属性の場合，マーキングが付与された時点でオペレーションが起動する．例えば，「英和辞書」属性の場合，自動的にgoo辞書の該当する用語ページが別ウィンドウで表示される．また，マーキングされた文字列上にマウスポインタを置くことでマーキングしたユーザ名，日時，属性情報がポップアップ表示される．

図3.5: コメントアノテーションの手順

さらに，本システムではマーキング箇所に対してコメントを付与することが可能である．コメントを付与する手順は以下の通りである．

記述されたコメントはマーキングの横にアイコン表示され，アイコン上にマウスポインタを置くことで図の4のようにコメント情報（タイトルと本文），属性情報，コメントしたユーザ名，日時がポップアップ表示される．また，ポップアップ表示されたウィンドウの色は属性情報に対応している．付与したコメントは編集・削除することができ，また，一つのマーキング箇所に複数のコメントを付与することも可能である．また，マーキングと同様にコメントに対しても「公開」・「非公開」を設定することが可能である．

3.3.3 作成支援機構

作成支援機構は，Webドキュメントを作成・編集する機能を持つ．本機構は，Webドキュメントの作成・編集にための以下の4つのインタフェースを持つ．

• BasicWriter

• OutlineWriter

• ContentWriter

• Preview

BasicWriterはタイトルや著者情報といった文書の基本情報の編集，OutlineWriterは文書の章構成といったアウトラインの編集，ContentWriterはパラグラフや図の挿入，引用といった文書のセクション内部の編集を想定して実装されている．また，Previewは完成形のフォーマットに流し込んで，実際にどのように見えるのかをチェックするためのインタフェースである．以下では，BasicWriter，OutlineWriter，ContentWriterの各インタフェースの詳細について述べる．

3.3.3.4 BasicWriter

図3.6: BasicWriterインタフェース

BasicWriterを図に示す．BasicWriterは文書に関する基本情報を編集するためのインタフェースである．以下に，BasicWriterにおいて編集可能な項目を挙げる．

文書カテゴリとは，Webドキュメントがどのような文書（例えば論文など）なのかを表す情報である．文書カテゴリをプルダウン形式で選択することで，文書の出力フォーマットが決定する．また，公開指定は文書を他者に公開する・しないの2択の選択形式である．編集中の場合には，他者に公開しない「非公開」を選択する．本システムでは，「公開」を選択すると編集することができなくなる．本研究では，Webドキュメントを一般の出版物と同様に捉えており，一度公開した文書を修正したい場合は文書自体を修正するのではなく，アノテーションを用いて訂正するべきだという考え方に基づいて設計している．タイトルはテキストフィールドによる自由記述形式で編集可能である．また，著者情報の編集はセレクトボックスのプルダウン形式で選択する形式になっている．セレクトボックスの選択候補には事前に登録したユーザ名が列挙される．作成者はユーザ名を選択するだけで，ユーザの所属や連絡先といった著者情報を自動的に文書に挿入することができる．

3.3.3.5 OutlineWriter

図3.7: OutlineWriterインタフェース

OutlineWriterを図に示す．OutlineWriterは章構成といった文書のアウトラインを編集することが可能であり，従来より提案されているアウトラインプロセッサ（Outline Processor）のような特徴を持つインタフェースである．OutlineWriter上で可能な編集操作は，セクションやサブセクションといった章単位の追加・削除・入れ替えやセクションタイトルの編集である．

本システムは，論文のような長い文書を書くことを想定して設計されている．一般に長い文書を書く場合，大雑把な文書構成を決めてから，見出しを付けていき，ブロック（ノード）単位で細部についての記述を追加していくことが多い．そのため，OutlineWriterで文書全体のツリー構造を見ながら章構成を決めていき，構成要素の内部を編集する場合には後述するContentWriterで記述する流れを想定している．

本インタフェースにおける編集操作の情報はJavascript+XMLHttpRequestによる非同期通信でサーバに送信され，保存される．また，編集操作に応じてページ遷移しないため，Web上で文書を編集する際に起こりがちなブラウザの「戻る」ボタンや「更新」ボタンによって編集情報が消えてしまうという問題に対するロバストネスが高められている．

3.3.3.6 ContentWriter

図3.8: ContentWriterインタフェース

ContentWriterを図に示す．ContentWriterはセクション単位で文書のセクション内部を編集するためのインタフェースである．具体的には，セクション内部のオブジェクト（パラグラフや図など）を追加・削除といった編集操作が可能である．また，本インタフェースにおいてユーザは文書の引用が可能である．

本インタフェースでは，簡単なマウス操作によりオブジェクトを追加・編集することが可能である．オブジェクトを追加する場合には，追加したい位置\footnote{本インタフェース上でマウスオーバーすると青色の横線が表示される位置．オブジェクトとオブジェクトの間など．}で右クリックして追加メニューを表示させる．メニュー項目の中から，追加したいオブジェクトに項目を選択することでオブジェクトを追加できる．追加可能なオブジェクトは，「パラグラフ」，「リスト」，「図」などのセクションの内部要素である．

オブジェクトを編集したい場合には，そのオブジェクトをクリックすると編集可能になる．また，そのオブジェクト上で右クリックして，編集メニューを表示させることができ，メニューの中から，項目を選択することで対象オブジェクトの削除や移動といった編集が可能である．

図3.9: 引用の手順

また，ContentWriter上では文書の引用が可能である．本システム上で行う引用の手順をフローチャートにて図に示す．

図3.10: 閲覧時アノテーションのリスト表示

まず，ContentWriterの左上の引用文書検索ウィンドウの「引用文書を検索」ボタンをクリックすると，図のような過去に付与した閲覧時アノテーションのリストが出現する．閲覧時アノテーションをキーワードと属性で検索して，もし閲覧時アノテーションの中から引用文書の引用箇所を発見した場合は「この箇所を引用」ボタンをクリックする．そして，開いた引用ウィンドウ上で引用意図に関する属性を選択し，「引用する」ボタンをクリックすると引用文章がクリップボードにコピーされる．付与することの可能な引用意図に関する属性情報を表に示す．

表3.3:引用属性

一方，閲覧時アノテーションの中に引用したい箇所が見つからなかった場合やマーキング箇所の前後の文脈に関する記憶が曖昧で引用箇所と断定しきれない場合は，再度アノテーションした文書にアクセスし閲覧することができる．文書を閲覧して，もし，マーキング箇所が引用したい箇所であった場合は，右クリックメニューから「マーキング箇所を引用」を選択する．すると，引用ウィンドウが開くので，引用意図に関する属性を選択し，「引用する」ボタンをクリックすると引用文章がクリップボードにコピーされる．また，マーキング箇所以外の文章を引用したい場合は，マウスドラッグにより引用したい箇所を選択し，右クリックメニューから「選択箇所を引用」を選択する．あとは同様に引用意図に関する属性を選択し，「引用する」ボタンをクリックすると引用文章がクリップボードにコピーされる．

クリップボードにコピーされた文章をContentWriter上の引用したい箇所にペーストすることで引用が完了する．ContentWriterにおいて，引用した文章は赤色の文字列で表示され，その部分を編集することで引用した文章を自身の文書の文脈に合わせることが可能である．

5.1.1 実験方法

閲覧時アノテーションを用いた引用支援の有効性を示すために被験者実験を行った．被験者をAとBの2つのグループに分け，以下の2通りのやり方で文書を作成してもらった．Aグループは，文書を閲覧する際にアノテーションを付与して，文書を作成する際の引用文書検索に利用して文書を引用してもらった．Bグループは，文書を閲覧する際にアノテーションを行わずに，文書を作成する際に適切な文書を引用してもらった．また，本実験では研究活動における論文の執筆を想定して実験を行った．

本実験に参加してもらった被験者は情報科学に関する専門的な知識を持っている本研究室の人であり，参加した被験者の延べ人数は16人であった．本実験において被験者に提示したWebドキュメントは，本研究室で公開している情報科学に関する専門的な日本語論文\footnote{http://www.nagao.nuie.nagoya-u.ac.jp/papers/papers.xml}であり，その総数は57本であった．

図5.1: 実験の手順

本実験においてユーザが文書を引用する手順を図に示す．まず，最初に書くべき文書の内容をある程度考えてもらうのは，研究活動において特定の研究テーマがある状態で文書をサーベイするのが一般的であるという理由に基づいている．また，文書を閲覧してから作成するまでに一定期間空けて実験を行う．これも，関連研究をサーベイしてから論文を執筆するまでには，ある程度の期間が経過していることが一般的であるという研究活動を再現するためである．

また，本実験で引用対象としている文書は過去に一度は閲覧したことのある文書であり，過去に閲覧したことのある文書を検索・引用するような状況を想定している．例えば，文書を書いている際に引用文書が少ないと感じて新たな文書を検索・引用することがあるが，そのような閲覧したことのない文書の引用は今回は対象としない．そのため，Aグループの場合はアノテーションをした文書のみを引用文書検索の対象とし，Bグループの場合は閲覧履歴を用いて閲覧した文書のみを引用文書検索の対象とした．

引用支援手法の評価方法について述べる．まず，前途の二つのグループにおける引用コストを比較する．引用コストは，一回当たりの引用文書検索に費やした時間とした．つまり，引用文書検索に費やした時間が短いほど引用コストが小さく，引用支援が有効に活かされていると考えた．次に，閲覧時アノテーションを付与するのに費やした時間と閲覧時アノテーションを付与することで短縮できた時間の関係を考察する．閲覧する目的が明確な場合は，閲覧時アノテーションは自然な行為であるが，本システムにおいてアノテーション属性を選択・付与することはユーザに負担を強いる．そのため，閲覧時アノテーションの付与に費やした時間と短縮できた時間は費用対効果の関係にあるとして考察する．

5.1.2 実験結果と考察

本実験において作成された文書数と，行われた引用文書検索回数と引用数をグループ別に表に示す．引用文書検索回数と引用数が異なるのは，一度引用しようとして検索したが，最終的には引用しなかった文書が存在したためである．本実験では，最終的には引用しなかった文書の検索時間もデータとして利用した．本実験においては，文書1本を作成するにあたり，平均すると約5.3回の引用文書検索が行われた．

また，本実験において付与された閲覧時アノテーションに関するデータを表に示す．アノテーション数とは，今回の実験において行われた全ユーザの閲覧時アノテーションの合計数であり，平均時間とはユーザが閲覧時アノテーションの付与に費やした平均単位時間である．本実験では，マーキングに比べてコメントの付与された数は少なかった．これは，今回のような短期間の実験では，マーキングにより引用箇所を記録し閲覧するだけで文書内容が想起することができたためと考えられる．また，マーキングが付与されていた箇所の内，引用された箇所は約14%であり，コメントが付与されていた箇所の場合は約15%とほとんど違いがなかった．しかし，「アイディア」属性のコメントが付与されていた箇所は7箇所の内4箇所，つまり約57%が引用されており，非常に強い関連性が見られた．そのため，閲覧時アノテーションのリストを表示する際に「アイディア」属性のコメントが付与されている箇所を上位に表示するといったように，ランキング方法を今後改良していく必要があるだろう．

図5.2: 引用コストの比較

AグループとBグループの引用コストを比較した結果を図に示す．AグループはBグループに比べて，一回当たりの引用文書検索に費やした時間は101.3秒短く，Bグループの検索時間の半分以下であった．以上の結果から，引用コストという観点から本手法の優位性を示すことができた．

図5.3: 引用箇所の決定フェーズの割合

Aグループの引用コストについて詳細に見ていくと，ユーザの引用文書検索時における引用箇所の決定フェーズによって平均検索時間に偏りがあることが分かった．ここで議論する引用箇所の決定フェーズは，図のフローチャートにおける3つの引用箇所の決定フェーズに対応している．引用箇所の決定フェーズの割合とそのフェーズにおける平均検索時間を図のグラフで示す．「文書閲覧時（マーキング箇所）」と「文書閲覧時（非マーキング箇所）」に引用箇所を決定した場合の平均検索時間が130.4秒と130.0秒であり，Bグループの平均検索時間から50秒程度しか短縮できていないが，「アノテーションリスト閲覧時」に引用箇所を決定した場合の平均検索時間の平均値は68.6秒であり，Bグループの平均検索時間と比べ約120秒短かった．そのため，本実験の結果に関しては，閲覧時アノテーションのリスト表示の効果が顕著に表れた結果と考えられる．

また，「文書閲覧時（マーキング箇所）」と「文書閲覧時（非マーキング箇所）」には，ほとんど平均検索時間に差は見られなかった．そこで「文書閲覧時（非マーキング箇所）」で引用した箇所の周辺にユーザによるマーキングが存在するか調べた．「文書閲覧時（非マーキング箇所）」で引用したユーザは計4名であり，すべてのユーザが引用箇所の近辺にマーキングを付与しており，マーキング範囲を若干修正し引用していたことが分かった．また，アンケートにおいて，「文書閲覧時（非マーキング箇所）」に引用箇所を決定したユーザ4名中3名がマーキング箇所を引用しなかった理由を，「自分の文章の文脈に合わせるために範囲を修正したかったため」と回答していた．もう1名に関しても，マーキングした箇所を含む範囲を引用していた．つまり，本実験においては「文書閲覧時（マーキング箇所）」と「文書閲覧時（非マーキング箇所）」のどちらの場合においても，文書にアクセスしマーキング近辺の文章を閲覧してから引用するという流れは変わらないため，検索時間に違いが出なかったものと思われる．

一方で，今回の実験では，「アノテーションリスト閲覧時」に引用箇所を決定した割合が8割近くに上っており，ほとんどのユーザがマーキング箇所の文章を閲覧するだけで，引用箇所を決定できたことを示している．また，マーキングした箇所を引用した割合\footnote{「アノテーションリスト閲覧時」と「文書閲覧時（マーキング箇所）」の割合の和}は約9割に上り，多くのユーザが文書を閲覧する際に引用すべき箇所を決定できたと言える．しかし，長期的かつ創造的な活動である研究活動における論文執筆のような文書作成の場合，この割合が下がることは容易に予想される．そのため，今後は長期的な実験を行い，本手法の有効性を検証する必要があるだろう．

図5.4: アノテーション数と検索時間

次に，Aグループにおける閲覧時アノテーションを付与した数と検索時間の関係を見ると，閲覧時アノテーションを付与した数が多いと検索時間が長くなる傾向が見られた．アノテーション数と検索時間をユーザ別にプロットしたグラフを図に示す．これは，閲覧時アノテーションが多くなるにつれて，閲覧時アノテーションリストの中から必要なアノテーションを検索する必要が出てくるためである．本実験では，閲覧時アノテーションをフラットにリスト形式で並べて表示したため，「閲覧時アノテーションを付与している箇所が該当文書中のどの辺りであるか分かりづらく，一度文書にアクセスしないと引用箇所を決定できない」という意見があった．そのため，増田らが提案しているコンテンツ検索の仕組みのように，まず文書全体の俯瞰から閲覧時アノテーションの付与されている箇所を検索していく仕組みが必要であると考えられる．

また，閲覧時アノテーションを多く付与していたユーザのアンケートに，「閲覧時アノテーションをユーザ自ら整理し，効率よく検索できる仕組みが欲しい」という意見があった．例えば，閲覧時アノテーションに対して検索用のタグを付与して整理する仕組みなどを提供する必要があるだろう．一方で，本システムはキーワードと属性による閲覧時アノテーションの検索機能を有していたが，検索が行われた回数は計58回と少数回であった．なお，属性を指定した検索に関しては一度も行われなかったが，現段階では閲覧時アノテーションの数が少なくキーワードによる検索で十分であったからであると考えられる．

図5.5: アノテーション時間と短縮時間

次に，閲覧時アノテーションを付与するのに費やした時間と閲覧時アノテーションを付与することで短縮できた時間の関係を考察する．ここで，ユーザが閲覧時アノテーションを付与するのに費やした時間をアノテーション時間と呼ぶ．また，本実験では6名のユーザにAグループとBグループの両グループにおいて文書を引用してもらった．その6名のユーザにおいて，Bグループ時の引用コストからAグループ時の引用コストを引いた値に，Aグループ時に引用文書検索を行った回数を掛けた値を閲覧時アノテーションを付与することで短縮できた時間と考え，ここでは短縮時間と呼ぶ．短縮時間は閲覧時アノテーションを付与することで短縮できたと考えられる時間であるため，アノテーション時間と短縮時間は費用対効果の関係にある．ユーザ別のアノテーション時間と短縮時間の関係を図に示す．図では，アノテーション時間を左側（塗りつぶしなし）の棒グラフ，短縮時間を右側（塗りつぶしあり）の棒グラフで表し，右端にアノテーション時間と短縮時間の平均値を示す．ユーザ別に引用コストを見たところ，Aグループ時にBグループ時以上の引用コストを費やしたユーザはいなかったため，短縮時間がマイナスとなるユーザはいなかった．また，最も短縮時間の大きかったユーザは2527.7秒短縮しており，逆に最も小さかったのは49.0秒であった．平均アノテーション時間は237.0秒，平均短縮時間は873.0秒であるため，アノテーション時間の3倍以上短縮しており，本手法が有効であることを示している．

また，個別に見ていくと，6名中4名はアノテーション時間に比べて短縮時間が大きかったが，2名はアノテーション時間に対して短縮時間が小さかった．特に，ユーザ3はアノテーション時間が420.2秒に対して短縮時間は102.3秒であり，特にコストパフォーマンスが悪かった．ユーザ3のアノテーション時間の内訳を見ると，コメントに費やした時間が239.8秒と閲覧時アノテーション全体の時間の半分以上を占めていた．そのため，ユーザ3のコストパフォーマンスが悪かった要因としては，コメントの付与に大きな時間を費やしたことが挙げられる．しかし，コメントの付与されていた部分や周辺は引用しておらず，従ってユーザ3の検索時間の短縮には貢献していなかったと考えられる．表からも分かるように，マーキングは1回平均5.3秒かかることに比べ，コメントは平均65.1秒と多くの時間を要するにも関わらず，今回の実験では検索に利用されることも少なく，検索におけるコメントの有用性が低かった．しかし，マーキングに比べてコメントは文章に対する主観的な情報を自然言語により豊富に記述することが可能であるため，閲覧してから長期間経過した後でも，コメントを閲覧することでアノテーションした文脈を想起することが可能であろう．そのため，一回の文書作成の利用に限定することなく，長期にわたり複数回利用されていくことが予想される．つまり，本実験だけではコメントの有効性を検証することはできないと考えられる．

5.2.1 実験方法

本実験では，4章で提案した引用アノテーションを利用した類似文書検索手法の有効性を示すために，文書間類似度を算出する際に考慮する以下の指標の有効性に関して検証した．

• 引用意図の関係

  引用に付与されている引用意図が同じか否かに応じて共引用関係にある文書間の類似度を重み付けする．引用意図が同じ場合の共引用は，引用意図が異なる場合の共引用に比べ類似度を高く重み付けする．

• 引用先文書における引用箇所間の距離の遠近に応じて共引用関係にある文書間の類似度を重み付けする．引用箇所間の距離が近い順に類似度が高くなるように重み付けする．

  引用箇所間の距離

本実験では，上記した指標によって共引用を分類し，共引用によって関連付けられる文書間の類似性を，従来より提案されている類似度指標に基づき検証する．実データに基づき各重み付け手法の有効性を示すことが本実験の目的である．

検証するデータには，前節で述べた引用支援に関する実験によって得られた引用情報を利用する．引用支援に関する実験によって行われた引用回数は76回であり，引用された文書数は47本であった\footnote{引用支援に関する実験では，同一の文書において複数回同一の文書の異なる箇所を引用する行為が見られた．そのため，行われた引用数と引用された文書数は異なる．また，共引用を分類する際には，適切である引用のデータを利用した．例えば，引用箇所の距離であれば近い方を利用した．}．また，共引用の関係にある文書の組は52組であった．

検証に利用する文書間の類似度指標には，従来より一定の評価がなされているベクトル空間型モデルに基づく文書間類似度を利用する．以下に，ベクトル空間型モデルによる類似度指標の算出方法を示す．

まず，各文書に含まれる語を形態素解析エンジンを利用して抽出し，各語をにより重み付け，を要素に持つ文書ベクトルを生成する．重み付けに利用するの算出方法を5.1式に示す．また，抽出する語の品詞には名詞と未知語を利用しており\footnote{連続する名詞と未知語は連結して一つの語として扱っている．}，不要語処理を行っている．

図5.6: tf*idf

5.1式のは文書における語の出現頻度，は文書に出現する語の延べ出現回数であり，は総文書数，は語の出現する文書数である．

次に，文書間の類似度を，算出された文書ベクトルと文書ベクトルの内積として以下の5.2式により算出した．

図5.7: sim

本実験では，このを文書間の類似度の指標値として利用する．以後，本節において単に類似度と述べられている場合，この値を指し示すものとする．

5.2.2 実験結果と考察

図5.8: 引用意図の関係別の類似度比較

まず，引用意図が同じか否かで共引用を分類し，分類された共引用により関連付けられる文書同士の類似度の平均値を算出した．その結果を図に示す．引用意図が「同じ」に分類された共引用による文書対は35組であり，「異なる」に分類された共引用による文書対は17組であった．図からの分かるように，引用意図が「同じ」共引用のほうが引用意図が「異なる」共引用に比べて平均類似度が高かった．つまり，引用意図が「同じ」共引用によって関連付けられる文書同士の方が類似性が高く，提案している引用意図別に共引用による類似度を重み付けることの有効性を示すことができた．また，引用意図が「同じ」場合の共引用を，さらに引用意図の種類別（「論拠の明示」や「問題点の指摘」など）に分類して平均類似度を見てみたが，現段階のデータではサンプル数が少なく意味のあるデータは得られなかった．

図5.9: 引用箇所間の距離別の類似度比較

次に，引用箇所間の距離に応じて共引用を分類し，分類された共引用により関連付けられる文書同士の類似度の平均値を算出した．引用箇所間の距離は，「同一パラグラフ」，「同一セクション」，「それ以外」の3種類に分類した．つまり，共引用の引用箇所間の距離が最も近いのは「同一パラグラフ」であり，以下順に「同一セクション」，「それ以外」となる．「同一パラグラフ」に分類された共引用による文書対は10組，「同一セクション」に分類された共引用による文書対は14組，「それ以外」に分類された共引用による文書対は28組であった．

引用箇所間の距離別に平均類似度を算出した結果を図に示す．図から分かるように，「同一パラグラフ」が最も平均類似度が高く，次に「同一セクション」であり，「それ以外」が最も低かった．この結果は，引用箇所間の距離が近い順に類似性が高いということを示しており，提案している重み付け手法の有効性を示すことができた．しかし，「同一パラグラフ」と「同一セクション」にほとんど差が見られなかった．そこで「同一パラグラフ」に分類された共引用の内，類似度の低かったものを考察したところ，論文の「はじめに」のように大きく論理を展開しているパラグラフにおける共引用が確認された．また，大きく論理を展開しているパラグラフにおける共引用は引用意図が異なることが多かった．ある文書では「先行研究の例示」を示す引用の後，その先行研究の問題点を解決するための方法の「論拠を明示」を示す引用と引用意図の種類が異なっていた．

そこで，引用箇所間の距離別に分類した共引用を，さらに引用意図が「同じ」か「異なる」かによって分類を行い，平均類似度を算出した結果を図に示す．図は，図と同様に横軸に引用箇所間の距離の違いをとっている．また，折れ線の点が四角の点は引用意図が「同じ」共引用により関連付けられる文書間の平均類似度であり，三角の点は引用意図が「異なる」場合の類似度，ひし形の点は図と同様に引用意図により分類しない場合の類似度である．

図5.10: 引用意図の関係と引用箇所間の距離別の類似度の比較

最も平均類似度が高かったのは「同一パラグラフ」で引用意図が「同じ」共引用であり，両指標を組み合わせることでさらに高精度に共引用を分類できることが分かった．また，「同一パラグラフ」と「同一セクション」では，引用意図が「異なる」場合の共引用の平均類似度に比べて「同じ」場合の共引用の平均類似度が高いが，「それ以外」ではほとんど違いがなかった．つまり，引用意図による分類は引用箇所間の距離が近い場合に効果があるが，距離が遠い場合には効果がないと言える．さらに，引用意図が「異なる」場合には，引用箇所間の距離の関係による類似度の違いが見られなかった．今後は，この実験結果を踏まえて各共引用の重みの値を改良していく必要があるだろう．

6.1.1 SemCode

SemCodeは，テキストやビデオを含むWebコンテンツ一般に対するアノテーションと、その応用としてのトランスコーディング（コンテンツの要約や翻訳などの変換）を実現した先駆的なシステムである． さらに，SemCodeではアノテーションの二次利用を念頭において，コンテンツに対する直接のアノテーション（第一層アノテーション）からオントロジーに相当する部分を抽出する仕組みを提案している．一般にアノテーションはコンテンツと直接関連付けられてしまっており，他のコンテンツに適用することは困難であるが，SemCodeではアノテーションからオントロジーを抽出して適用範囲を広げることを提案している．オントロジーは，RDF（Resource Description Framework）によって第一層アノテーションと関連付けて記述されている．

SemCodeにおけるアノテーションは，専門的な知識を持つアノテータと呼ばれる専門家がオントロジーエディタと呼ばれる専用ツールを用いて作成するメタデータであり，本研究におけるアノテーションに比べて質の高いアノテーションであると言える．また，SemCodeでは構築されたオントロジーを用いたトランスコーディングの例として，専門用語の言い換えを行う仕組みを実現している．本研究において，ユーザの閲覧時アノテーションを利用して専門用語辞書を構築する仕組みを提案しているが，これはSemCodeの考えに基づいている．

6.1.2 SmartCourier

SmartCourierは，ユーザの研究学習活動を対象に，興味関心や研究目的といったコンテキストをアノテーション行為から抽出することで，適応的な関連文献推薦や，近い興味を持つ同僚研究者のマッチメイキング，アノテーションの共有サービスを提供している．SmartCourierでは，本研究のようにマウス操作によるアノテーションではなく，手書きペン入力による自由なアノテーションを対象としている．

SmartCourierでは，アノテーションされたテキストからキーワード（名詞）の抽出を行いそのキーワードベクトルに基づくユーザモデルを構築している．そのため，文章の論理構造を考慮してアノテーションされたテキストの位置を推定する必要がある．しかし，本研究と異なりPDFフォーマットによる論文を対象としているため，ヒューリスティックスにより一部の論文誌の書式を想定するに留まっている．また，囲み文字やアンダーラインといったマーキングの種類による意味の違いを5段階の重要度と自由記述による検索フレーズで表している．本研究では，マーキングの意味をあらかじめ用意した属性と対応付けてもらうことで，柔軟な検索を可能にしているが，SmartCourierではユーザによる自由記述によって実現している．そのため，アノテーションの共有を円滑に行うためには，一般的なソーシャルブックマークサービス\footnote{ソーシャルブックマークサービス（SBS）とは，よく使うサイトのアドレスを登録しておく「ブックマーク」をネットワーク上に保存し，他のユーザと共有するサービス．分類に従来のWebディレクトリのような固定的・階層的な分類法ではなく，ユーザが自由に設定できる「タグ」と呼ばれる単語やフレーズを利用しているものが一般的である．}のタグと同様に検索フレーズの語の表記ゆれ等の問題に対処する必要がある．また，マーキングの共有を前提として，あらかじめマーキングの種類に属性を対応付けることが可能である点は本研究と類似しているが，本研究ではマーキングの属性だけでなく，辞書引きなどのオペレーションを対応付けることが可能である点が異なる．

6.1.3 イロノミー

イロノミーは，多くの人手で膨大な情報の分類をおこなうという意味を持つFolksonomyの考えに基づき，Webドキュメントの分類を目的としたアノテーションシステムである．自由入力によるタグではなく，下線が引かれた箇所の文字列を特徴的なキーワード，つまりタグとして捉えている．ユーザは斎藤の提案している三色ボールペン読書法と呼ばれる方法で，下線を引きながら文章を読み進めるとアノテーションが自動的に保存されるようになっている．また，保存されたアノテーションはキーワードにより検索可能であり，アノテーションの協調フィルタリングに基づいて未読文書の推薦も行っている．

下線とハイライトマーカという違いはあるものの，同じマーキング情報を検索に利用するという観点から本システムと類似性は高い．三色ボールペン読書法に基づいているため，イロノミーで保存されるアノテーションの属性は赤色は「客観的にとても重要」，青色は「客観的にまあ重要」，緑色は「主観的に重要」である．しかし，検索においては，それら曖昧な属性を指定しても，目的に合致した結果を得ることが困難であるという問題点がある．また，本システムでは，ユーザが利用したい属性を自由に色に対応付けることが可能であるが，イロノミーにおける属性と色の対応関係は固定である．そのため，それら属性の意味を理解できないままアノテーションを行っていたユーザも存在していたという調査結果も出ている．これは，ユーザによって下線の色に対応する情報の種類が異なり，用意された下線引きの属性がユーザの直感に合わなかったことを示している．

6.1.4 XLibris

XLibrisは，ユーザの「Active Reading」を支援するシステムである。「Active Reading」とは，単純に文章を読むだけではなく，文章に対して下線を引いたり，コメントを付与したりしながら，考え，学ぶような読み方を言う．XLibrisは，ペンタブレットを用いて，電子文書に手書きペン入力によって書き込みをしながら文書を読むことができるシステムであり，紙の文書に対して行うような自由な書き込みを可能にしている．また，Reader's Notebookと呼ばれるビューで，付与されたアノテーションをリスト形式で表示することができる．Reader's Notebookでは，アノテーションのインクの色を指定して検索・表示することも可能であり，本システムの機能と類似している．また，一つの文書中で複数ユーザのアノテーションを表示する際に，ユーザ別に色を対応付けて表示することが可能である．

XLibrisは，主に紙のメリットである簡便性や携帯性に焦点を当てているため，計算機的な問題点が存在する．例えば，電子文書に対してペンタブレットを用いて自由なアノテーションを可能にしているため，計算機側で文書のどの個所に対するアノテーションであるかを特定する必要があるだろう．しかし，人間のアノテーション行為から完全に特定することは困難であろう．つまり，人間には全く負担をかけず，計算機が支援可能な範囲で人間の行動を支援するというアプローチをとっている．それに対して本システムは，属性を付与してもらうなど人間に対して負担かけることで計算機に理解しやすい形で情報を取得する代わりに，その分計算機が人間の行動をより高度に支援するというアプローチをとっている．

6.1.5 Annotea

AnnoteaはWebブラウザを通して特定の箇所にコメントを付与することができ，コメントはRDFフォーマットのメタデータとして保存される． これはSemantic Webの実現に向けて，メタデータの作成を支援する目的があるためで，将来的にはこのメタデータを使って新たなサービスを提供するものと思われる．

アノテーション行為により得られたメタデータを再利用して新しい応用を提供するという考え方は本研究と類似している．しかし，Annoteaは一般的な応用を対象とした汎用的なメタデータを作成することに着眼点を置いているが，本システムでは実現する特定の応用を絞り込み，その応用に適した形でメタデータを作成している点が異なる．一方で，アノテーション箇所のポインタ情報をXPointerにより管理していることも本システムと類似している．しかし，本システムのように前処理としてテキスト部分を形態素レベルまで分割し，タグの付与をしていないため，指し示すことのできる範囲はあくまでもHTMLで定義される既存のタグのレベルであり，本システムのように柔軟なテキスト範囲に対するアノテーションは記述できない．

6.1.6 ComMentor

ComMentorは，Web上の文書に対するアノテーションを共有することでグループのコミュニケーションを促進させることを目的とした協調作業支援を行うアノテーションシステムのためのアーキテクチャである．ComMentorにおけるコメントはそれ自身がドキュメントであるとし，ユーザはコメントに対してコメントを追加することができる．これにより，オリジナルのWebページに対してスレッド形式でディスカッションすることが可能である．また，ComMentorはWebブラウザを通じたアノテーションを想定しており，Annoteaと同様に応用全般を対象とした一般的なメタデータを作成することに着眼点を置いている．

ComMentorでは，プライベート，グループ，パブリックの3段階でアノテーションに対するアクセス権限を管理することが可能であり，本システムにおける「公開」・「非公開」の設計と類似している．また，アクセス権限の管理方法からも分かるようにグループに特化した仕組みになっている．共著でWebドキュメントを作成することを念頭に置き，本システムにおいても今後グループという概念を取り入れることを検討していきたい．

7.2.1 被引用箇所情報を利用した共引用の重み付け

本論文では，引用アノテーションを用いた応用例として，共引用に基づく類似文書検索手法を提案した．その際に，文書は体系づけられて構成されるため意味的に近い内容のものはまとまって述べられることを考慮して，引用先文書の文脈情報を利用して共引用における文書間類似度を重み付けした．しかし，引用先文書において意味的に近いとしても，その引用箇所間の関係がそのまま引用元文書同士の関係になるとは限らない．例えば，被引用箇所が引用元文書において主となる主張ではなく，本論から枝分かれした瑣末な主張である場合，引用箇所の内容がそのまま引用元文書の内容を表してはいないだろう．そのため，類似度を算出する際には，引用元文書の文脈情報を利用して被引用箇所がその文書において主となる主張なのかどうかを判断して考慮する必要がある．

そのためには，引用元文書の特徴的な箇所を抽出し，被引用箇所との関係を明確にする必要があるだろう．特徴的な箇所の抽出方法には，ユーザの多くにマーキングされている箇所は該当文書において重要な箇所として抽出する方法が考えられる．また，被引用箇所に含まれる文字列に，引用元文書全体を特徴付ける語が多く含まれる場合には，その箇所はその文書において特徴的な箇所として抽出するような方法も考えられる．特徴的な箇所と被引用箇所の情報を利用すると，共引用の類似度の信頼性を考慮することができると思われる．例えば，引用元文書の特徴的な箇所を被引用箇所とする引用の場合には，引用元文書の主となる主張を引用していると考えられ，その引用を用いた共引用により算出された類似度の信頼性は高いと判断できる．逆に，もし，マーキングのほとんどない箇所であった場合，その箇所は該当文書において重要な箇所ではなく特徴的な箇所でないと推定できる．そのため，算出された類似度の信頼性は低くなると考えられる．つまり，被引用箇所情報は共引用の重み付けに利用できる可能性があり，強いては類似文書検索に応用できると考えている．

7.2.2 人間の意味解釈の誤りによる引用の防止

引用の中には論理的に正しくない引用や，引用元文書を誤読した引用が存在する．共引用のような引用分析を行う場合には，そのような誤引用は排除する必要がある．

本論文では，引用箇所と被引用箇所をハイパーリンクで繋ぐことで，直接的に引用・被引用関係を参照可能な仕組みを提案した．本仕組みは，引用の構造を明確に示す仕組みではあるが，本論文では引用の構造から誤引用を判断する方法については深く考察していない．考えられる対処法としては，引用元文書の著者が引用に対して人為的に評価する方法が挙げられる．本システムは，引用元文書に被引用箇所を表示している．その箇所に対して引用元文書の著者が自己の主張を正しく解釈し，引用しているかを判断し，もし，誤っている場合には引用に対するアノテーションとして誤引用であるという情報を付与することを可能にする．そうすることで，引用分析を行う際には排除することが可能になる．この手法の場合，引用元文書の著者が誤ったアノテーションを行う可能性があるだろう．そこで，アノテーション情報を公開して表示することで，著者に対して慎重に精査しアノテーションすることを促す．また，蓄積されたアノテーション情報を解析することで，機械的に誤引用であるかどうか判断する方法を検討することも考えられる．

7.2.3 類似文書検索手法の評価

本論文では，引用アノテーションを用いた応用として，共引用に基づく類似文書検索手法を提案した．本論文では，提案する類似文書検索手法に利用する共引用における文書間の各類似指標の妥当性を検証したが，あくまでも提案手法の予備実験に過ぎず，提案手法自体を評価したわけではない．そのため，実際に提案手法自体を評価する方法を考える必要がある．

評価するためには，まず，提案手法による類似文書検索を実現するために必要なデータを収集する必要があるだろう．本手法は文書間の類似度を統計的に算出する手法であるため，多くの引用に関するデータを必要とする．そのためには，システムを一般に公開し，より多くのユーザに利用してもらう必要がある．次に，得られたデータを用いて被験者実験を行い，既存の類似文書検索手法と比較評価する．そして，各手法の検索精度を算出し，定量的に優位性を示す方法が考えられる．

7.2.4 閲覧時アノテーションの共有

本論文では，閲覧時アノテーションを文書の引用支援という個人に閉じた形でに利用した．しかし，閲覧時アノテーションを共有することで，実現可能になる応用も存在するだろう．

その一つに，Folksonomyのような考え方に利用できる可能性がある．FolksonomyはWebドキュメントに対して人々がタグを付与することで，Webドキュメントの分類を共同で行うという考え方である．Webドキュメントに付けられたタグや他人が付けたタグをたどることで，今まで知らなかったWebドキュメントを発見できることが新しく，多くの人がFolksonomyのサービスを利用している．同様の考え方に基づき，付与されたマーキングを利用してWebドキュメントを分類していく仕組みが考えられる．

また，共有された閲覧時アノテーションに対して統計的な処理を行い，意味のある情報をマイニングすることも考えられる．例えば，多くのユーザがマーキングを付与している箇所は，その文書にとって重要な箇所であり，その箇所を抽出することで要約を生成できる可能性があるだろう．

7.2.5 一般のWebドキュメントへの適用

本論文では，Webドキュメントの一例として，文書XMLに限定して引用の仕組みをシステムを実装した．しかし，提案した引用の仕組みは一般のWebドキュメントに対して実現不可能な仕組みではない．そのため，今後の課題として，一般のWebドキュメントを対象としたシステムに拡張していくことが挙げられる．その際には，Webドキュメントの信頼性や保存性，公開性のような問題点に関して考慮する必要がある．また，Webドキュメントの文章部分のみならず，石戸谷らのような画像やビデオなどのマルチメディアデータの部分に対する引用の仕組みについて考えていく必要があるだろう．