知識データベースの中から必要な情報を検索する際、単純なタームマッチング を用いただけでは、的確な情報を必ずしも抽出できない。そこで、より高度な知 的情報検索が望まれる。その1つとして統計的手法を利用した概念抽出があり、 潜在的意味抽出法(Latent Semantic Indexing method,LSI法)が知られている。これは、特異値分解を用いて、 用語と文書間の関係行列を直交行列に分解し、行列の次元数を減らすことによ り、共起性の高い語を1つに縮退する方法である。さらに、このLSI法を一般化し た方法としてMSM法(Metric Similarity Modeling)がある。これは、質問を学習サンプ ルとして文書間の類似性を変化させる手法であり、学習を行なわない場合は LSI法と同様の結果になる。文書を意味空間に変換する表現関数は最小二乗法 を利用する。本研究ではこのMSM法を実現し、人工知能学会誌掲載論文の データベースを用いて検索実験を行なった。その結果、 抽出される情報は学習により変化し、それは有効な情報であることが分かった。