学術的背景 近年、中国語の単語ベクトル（Chinese Word Embedding）は自然言語処理（Natural Language Processing, NLP）の分野で注目を集めています。英語とは異なり、中国語の文字構造は複雑で多様であり、これが意味表現に独特の課題をもたらしています。従来の単語ベクトルモデル（例：Word2Vec）は中国語を処理する際、漢字内部の微妙な意味情報を十分に捉えることができず、特に異なるレベルのサブワード情報が意味に与える貢献の違いを無視しがちです。例えば、漢字は画数、部首、ピンインなどの複数のサブコンポーネントで構成されており、これらのサブコンポーネントは異なる文脈において意味理解に重要な役割を果たします。しかし、既存のモデルはこれらの情報を処理する際、...

研究背景及目的 近年では、脳-コンピュータインタフェース（Brain-Computer Interface、BCI）システムが神経工学および神経科学の分野で広く応用され、脳波（Electroencephalogram、EEG）は中枢神経系の異なるニューロン集団の活動を反映するデータツールとして、これらの分野で重要な研究テーマとなっています。しかし、EEG信号は低空間分解能、高時間分解能、低信号対雑音比、および個体差が大きいという特徴があり、信号処理および正確な分類において大きな課題となっています。特に運動想像（Motor Imagery、MI）というEEG-BCIシステムの一般的なパラダイムにおいて、異なるMIタスクのEEG信号を正確に分類することは、BCIシステムの機能回復およびリハビリテ...