LLMマルチエージェントによる日本古典文学テキストからの
感情・表情表現の大規模抽出と横断検索基盤
NDL Faceは、NDLデジタルコレクションに収録された古典文学テキストのフルテキストデータから、 登場人物の表情・感情・外見に関する描写表現をAI（大規模言語モデル）により大規模に抽出し、構造化データとして横断検索・閲覧できる研究基盤です。
従来、文学テキストにおける感情表現の収集は研究者の精読に依存しており、対象テキストの量が増えるほど網羅性と速度に限界がありました。本プロジェクトでは、近年飛躍的に向上したLLMの古典日本語理解能力を活用し、複数のLLMエージェントを並列実行する独自のパイプラインによって、この課題を解決します。
本研究は、東京大学における科研費プロジェクト「外見描写と内面評価の相関性史――創発的・学際的協働研究」（課題番号25K21831）と連携し、肖像における人物造形と印象評価の連動性を解明する調査基盤としても位置づけられています。
複数のLLMエージェントを並列実行し、数百ページ規模のテキストから感情・表情表現を自動抽出。従来の形態素解析では捉えられない文脈依存的な表現を構造化データとして出力します。
喜び・悲しみ・怒りなど10種類の感情カテゴリ、身体部位（顔・目・口・頬等）、感情極性（ポジティブ/ネガティブ）、強度の4軸で構造化。二値的センチメント分析を超えた多面的分類を実現します。
感情カテゴリ・身体部位・感情極性・強度によるファセット検索、キーワード検索、並び替え・ページネーションを備えた検索インターフェース。
抽出された各表現からNDLデジタルコレクション・次世代デジタルライブラリーの該当コマに直接リンク。原典を即座に参照できます。
NDLデジタルコレクションのフルテキストから構造化データを生成するまでの処理フロー
NDLデジタルコレクションのフルテキストデータ（数百ページ）を取得
テキストを40〜50ページ単位のチャンクに分割し、並列処理に最適化
各チャンクに対しLLMエージェントを10並列で実行。表層形（surface）、感情カテゴリ（emotion）、身体部位（body_part）、文脈（context）、出現ページ（pages）等を構造化JSONとして抽出
全チャンクの抽出結果を統合し、重複を除去。品質検証を実施
構造化データをElasticsearchに登録し、ファセット検索・集計クエリに対応
Next.js による検索UIを通じて、原典画像リンク付きで研究者に公開
LLMが各表現から抽出するフィールド
| フィールド | 説明 |
|---|---|
| surface | 表層形（抽出された表現そのもの） |
| context | 表現が出現する前後の文脈 |
| emotion | 感情カテゴリ（10種類＋その他） |
| body_part | 表情が表れる身体部位 |
| valence | 感情極性 |
| intensity | 表現の強度 |
| character | 表現の主体となる人物 |
| pages | 原典での出現コマ番号 |
| pid | NDLデジタルコレクションの永続的識別子 |
| title | 作品名 |
構造化された感情・表情表現データベースは、歴史上の感情表現の変遷を定量的に追跡するための実証的基盤となります。「悲しみ」や「怒り」がどのような語彙で、どの時代に、どのようなジャンルで表現されてきたかを横断的に分析できます。
LLMを用いた大規模テキスト抽出は、文学テキストの計量的分析に新たな可能性を開きます。従来の形態素解析ベースの計量文学では捉えられなかった、文脈依存的な表現の抽出が可能です。
NDLデジタルコレクション等の大規模デジタル化資料に対し、AIによる付加価値の生成と検索基盤の公開というモデルケースを提示します。
パイプラインは抽出対象をパラメータとして変更可能であるため、医学史料からの症例記述抽出、法制史料からの法令用語抽出など、他の人文学分野にも応用できます。
挑戦的研究（萌芽）・課題番号25K21831・2025〜2027年度
美術史・文学史・心理学の研究者が協働し、肖像における人物造形と印象評価の連動性を解明するプロジェクト。本システムはその調査基盤として位置づけられています。
EU Horizon 2020
ヨーロッパの歴史的テキスト・画像から「香り」表現を抽出し、横断検索・可視化するプロジェクト。本システムの設計において参考としています。
サイトを見る