開発型ケプラー最適化アルゴリズムで改良した双方向再帰ニューラルネットワークを用いた大学事務サービスの意図分類

日常のキャンパスの疑問に応える、より賢いデジタル支援

入学申請、履修登録、学資支援の問い合わせなど、大学生はいつでも迅速で正確な回答を期待します。本論文は、英語とギリシャ語の両方に対応することを重視した、大学の事務サービス向けに特化した新しいAIチャットボットを検討します。単一のシステムに学生の意図と重要な詳細をよりよく理解させることで、デジタルヘルプデスクをより高速に、信頼性高く、運用しやすくすることを目的としています。

なぜ現在のチャットボットはまだ混乱するのか

ほとんどの現代的チャットボットは自然言語理解という領域に依存しており、学生の質問を主に二つの部分に分解します。第一が意図：たとえば「履修登録をする」「締切について尋ねる」など学生が何をしたいか。第二がエンティティ：コースコード、学期、プログラム名など質問内の具体的な情報です。従来のシステムはこれら二つのタスクに別々のモデルを使いますが、その分離はメモリや計算資源の無駄になり、例えばコースコードを正しく検出してもそれを適切な行動に結びつけられないといった矛盾を招きがちです。こうした問題は、同じ意味が言語ごとに多様な表現を持つ多言語環境ではより深刻になります。

二つではなく一つの“脳”

著者らは、意図とエンティティの両方を同時に認識する共同モデルを提案します。二つの別個の“脳”の代わりに共有の“脳”を用いる設計です。中核には二つの強力な手法の組み合わせがあります。ひとつ目はBERTで、文全体を一度に見て総体的な意味を捉えます。ふたつ目は双方向LSTMネットワークで、左右両方向から単語の順序に注意を払い、どのコースがどの学期に対応するかといった近接関係を追跡するのに役立ちます。この共有された理解の上でシステムは二つのヘッドに分岐します：一方が学生の意図を予測し、もう一方が各単語をエンティティかどうかでラベル付けします。

タスク同士に話し合わせる

この共有“脳”を最大限に活用するため、モデルには二つのタスクがリアルタイムで情報を交換できる「共相互変換器（co-interactive transformer）」層が含まれます。意図を決める際には存在すると考えられるエンティティに注目でき、エンティティをラベル付けする際には最も可能性の高い意図に頼ることができます。この相互作用は、「drop」がコースの退講を指すのか申請の取り下げを指すのかといった曖昧さを解消するのに役立ち、語形や語順の柔軟性が英語より高いギリシャ語では特に有用です。こうして表現や注意を共有することで、二つの大きなモデルを別々に動かす場合と比べてパラメータ数をほぼ半分に削減でき、大学のIT部門にとって現実的な選択になります。

モデルを訓練する宇宙に着想を得た方法

このような豊かなモデルを訓練するのは困難です。標準的な最適化手法は遅く、微調整に敏感になりがちです。著者らは、惑星が太陽を回る様子に着想を得たDeveloped Kepler Optimization（DKO）アルゴリズムを導入します。このアナロジーでは、モデルの異なる候補がパラメータ空間を探査する惑星のように振る舞い、最も性能の良い「太陽」に引き寄せられます。DKOは候補を通常より多様な初期配置で始め、性能に応じてそれらの“軌道”を継続的に調整します。この手法は、広く使われるAdamという手法と比べて学習を約42％高速化し、特に複雑な多言語データで訓練をより安定化させます。

学生を対象とした実地テスト

チームはUniWay（大学サービスに関する英語・ギリシャ語の質問集）や、短い指示理解の有名なベンチマークであるxSIDなど、複数のデータセットでシステムを評価しました。すべてのデータセットで、共同モデルはルールベースのシステム、従来のニューラルネットワーク、強力なトランスフォーマーベースラインを一貫して上回りました。英語のみの大学とバイリンガルの大学という二つの現地試験では、チャットボットは学生の意図とエンティティを約10回中9回正しく識別し、学生の満足度はおおむね5点満点中約4.5点でした。訓練データを減らしても性能は高水準を保ち、低リソースの言語やドメインでも堅牢であることが示唆されます。

学生と大学にとっての意義

非専門家にとっての要点は、著者らが大学チャットボット向けにより効率的で正確な「聞き取りエンジン」を設計したことです。意図検出と詳細抽出を統合し、軌道に着想を得た訓練手法を用いることで、システムは学生が何を求めているかをより良く把握しつつ、メモリや訓練時間を節約できます。これにより、より速い回答、誤解の減少、そして人手を過度に負担させない24時間対応の多言語サポートにつながる可能性があります。新しいポリシーへの適応、より多くの言語対応、長期的な使用パターンへの対応など課題は残りますが、本研究はより応答性が高く、公平でスケーラブルなキャンパス支援システムへの道筋を示しています。

引用: Yang, Z., Lu, M. & Huang, S. Intent classification for university administrative services using a bidirectional recurrent neural network modified by a developed Kepler optimization algorithm. Sci Rep 16, 6263 (2026). https://doi.org/10.1038/s41598-026-35504-7

キーワード: 大学チャットボット, 意図分類, 固有表現抽出, 多言語AI, 最適化アルゴリズム