| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-01 12:10 特徴量抽出による説明可能な AI・人間混合文判別手法 ○石橋璃乙・大槻知明・ブアジジ モンデル（慶大）  SeMI2025-68 |
|
| 抄録 | （和） | 本研究では6種類のAI/人間混合文章を識別する説明可能なマルチタスク分類手法を提案する. 先行研究では大規模言語モデルをファインチューニングした手法が高い精度を示しているが, 結果の説明可能性が低いことが課題だ. 本手法では説明可能な特徴量を用いることでこの課題に対処する. 特徴量として, クラス別パープレキシティ, LLM-as-a-judgeスコア, 言語的・文体的特徴量, および書き換えに基づく特徴量の4種類の説明可能な特徴量を抽出した. これらに対して SHAP を用いて重要度分析を行い, 重要な特徴量のみを選択した上で XGBoost モデルによる分類を行った. また, データに対するロバスト性を検証するため, トピック, 著者, および複数のLLMが混在するデータセットを用いてモデルの学習と評価を行った. その結果, 従来手法と同程度の性能を達成しつつ, クラスごとにどの特徴量が識別に有効であるかを明らかにし, 生成元となる LLM に関する事前知識は必要でないことを示した. 最後に, クラスごとの分類結果を既存手法と比較し, 前述の特徴量を用いて分析した. |
| （英） | This paper proposes an explainable, multi-class classification method for distinguishing six types of AI-human mixed texts. Language models fine-tuned on this task have high performance, yet lack explainability. Our method addresses this by utilizing fully explainable features. We extract four families of features: per-class perplexity, LLM-as-a-judge, linguistic and stylistic features, and rewriting-based features. To evaluate robustness, we use datasets that have varying topics, authors, and mixtures of LLMs. Our results demonstrate that this method achieves performance comparable to existing approaches. Furthermore, we can isolate the most important features per-class, with no prior knowledge of the generating LLM needed. | |
| キーワード | （和） | 生成 AI 文章識別 / 説明可能な AI / マルチクラス著者分類 / パープレキシティ特徴量 / ドメインシフトロバスト性 / / / |
| （英） | Generative AI Text Detection / Explainable AI / Multi-Class Authorship Classification / Perplexity Features / Domain-shift Robustness / / / | |
| 文献情報 | 信学技報, vol. 125, no. 367, SeMI2025-68, pp. 11-16, 2026年3月. | |
| 資料番号 | SeMI2025-68 | |
| 発行日 | 2026-02-22 (SeMI) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SeMI2025-68 |
|
| 研究会情報 | |
| 研究会 | SeMI IPSJ-MBL IPSJ-UBI |
| 開催期間 | 2026-03-01 - 2026-03-02 |
| 開催地（和） | サテライトキャンパスひろしま |
| 開催地（英） | |
| テーマ（和） | センサネットワーク, モバイルインテリジェンス, モバイルコンピューティング, ユビキタスコンピューティング, 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SeMI |
| 会議コード | 2026-03-SeMI-MBL-UBI |
| 本文の言語 | 日本語 |
| タイトル（和） | 特徴量抽出による説明可能な AI・人間混合文判別手法 |
| サブタイトル（和） | |
| タイトル（英） | Explainable Classification of AI-Human Mixed Texts Using Feature Extraction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 生成 AI 文章識別 / Generative AI Text Detection |
| キーワード(2)（和/英） | 説明可能な AI / Explainable AI |
| キーワード(3)（和/英） | マルチクラス著者分類 / Multi-Class Authorship Classification |
| キーワード(4)（和/英） | パープレキシティ特徴量 / Perplexity Features |
| キーワード(5)（和/英） | ドメインシフトロバスト性 / Domain-shift Robustness |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 石橋 璃乙 / Rio Ishibashi / イシバシ リオ |
| 第1著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 大槻 知明 / Tomoaki Ohtsuki / |
| 第2著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | ブアジジ モンデル / Mondher Bouazizi / |
| 第3著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-01 12:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SeMI |
| 資料番号 | SeMI2025-68 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.367 |
| ページ範囲 | pp.11-16 |
| ページ数 | 6 |
| 発行日 | 2026-02-22 (SeMI) |
[研究会発表申込システムのトップページに戻る]