@techreport{oai:ipsj.ixsq.nii.ac.jp:00194876,
 author = {石川, 公一 and 小形, 真平 and 中川, 博之 and 岡野, 浩三 and Koichi, Ishikawa and Shinpei, Ogata and Hiroyuki, Nakagawa and Kozo, Okano},
 issue = {14},
 month = {Feb},
 note = {派生開発へのソースコード再利用支援を目的に，形態素解析や集合類似度を用いて，ゴールモデル間で類似したゴールを検出する手法が研究されている．しかし，書き手により異なる語彙で記述されるゴール間を，同一な単語の数に頼り類似度を算出することには限界がある．そこで本研究では，ゴール間類似度算出という題材において，単語の意味までを考慮できるとされる word2vec の効果を検証するため，形態素解析と集合類似度を用いる手法との比較評価について述べる．ロボコンで開発するソフトウェアについて，KAOS 法を用いて作成したゴールモデルを適用事例とした結果，word2vec により算出したゴール間類似度が従来に比べて精度的に優れていた．一方では，集合類似度を用いる手法よりも精度が良いことを示すことはできたが，依然として精度は十分に高められていない．それを向上するための課題を整理し報告する．, To support reusing software components for derivative development, methods to detects similar goals between goal models by using morphological analysis and term-based similarity measures have been proposed. However, goals' representation is affected by writer so there is a limit to precisely calculating similarity between goals by using measures. In this study, we performed comparative evaluate between a method using term-based similarity measure and one using word2vec in order to verify the effectiveness of word2vec. The word2vec tool can catch semantic similarity of a word. As a result of an evaluation applying those methods to goal models about robot-contest software, the resulting accuracy by the method with word2vec was better than the method with the term-based similarity measure. Meanwhile, the accuracy was still not enough by the method with word2vec. Hence, we discuss challenges for improving the accuracy of calculating the similarity.},
 title = {word2vecによるゴール間類似度算出手法の実践と評価},
 year = {2019}
}