研究業績
research
Junichiro Niimi
- 名城大学 経営学部経営学科 准教授
- 理化学研究所 革新知能統合研究センター (RIKEN AIP) 客員研究員
- 名古屋大学大学院経済学研究科 国際政策経済研究センター 共同研究員
- 企業の技術顧問・アドバイザー、音楽・現代アートのお仕事やイベント運営など
- Associate Professor, Faculty of Business Management, Meijo University
- Visiting Researcher, RIKEN Center for Advanced Intelligence Project (RIKEN AIP)
- Joint Researcher, International Policy Research Center, Nagoya University
- Technical Advisor for several companies; Music / Contemporary Art / Event Management
深層学習のアーキテクチャや特徴抽出手法の開発およびそれらの行動予測への応用などの研究を行っています。
My research focuses on developing architectures for deep learning and large language models (LLMs), and their applications to consumer behavior prediction.
research project The Mouth is Not the Brain 世界モデルを、言語モデルなどの出力側から分離する研究プロジェクト。5本の論文の関係を V–M–C の枠組みで整理しています。 A research project that separates world models from the modules that speak for them, with five papers organized in the V–M–C framework.peer-reviewed articles
Publications (Main)25
-
Featured! 世界モデルthe Mouth is Not the Brainのフルペーパー拡張 TMLRFeatured! Full paper extension of the world model "the Mouth is Not the Brain" paper. TMLRJ. Niimi (2026) Energy-Based Attribute Models for Controllable Review Generation with Frozen LLMs. Transactions on Machine Learning Research.
-
Under Review LLMのタスク実行における強い制約下での事実の歪曲の提示: 論文推薦を例にUnder Review Demonstration of Factual Distortion under Strong Constraints in LLM Task ExecutionJ. Niimi (under review) Reasoning Trades Overt Constraint Violations for Covert Factual Distortions: Evidence from Bibliographic Recommendation in Large Language Models.
-
Under Review Deep Boltzmann Machine (DBM) を拡張した欠損予測モデルの提案Under Review Missing Value Prediction with the Extension of Deep Boltzmann Machines (DBMs)J. Niimi (under review) Cross-Block Conditioning in Deep Boltzmann Machines for Statistical Data Fusion.
-
Under Review 学習済みの予測器を action-free な世界モデルとして読み、世帯ごとの2つの温度で行動をセグメント化Under Review Post-hoc household segmentation with two temperatures read from an action-free world modelJ. Niimi et al. (under review) Post-hoc Temperature-based Segmentation: Behavioral Interpretation using Action-Free World Models.
-
Under Review 閉じた系としてのLLMにおいて、Reasoningがハルシネーションに与える影響の検証Under Review Examining the effect of reasoning on hallucination in LLMs as closed systemsJ. Niimi (under review) Distortion Instead of Hallucination: The Effect of Reasoning Under Strict Constraints.
-
Under Review マルチドメインCloze-testによるLLMの階層的記憶の網羅的検証Under Review Comprehensive verification of hierarchical memorization in LLMs by Multi-domain cloze testJ. Niimi (under review) Cross-Model Memorization Thresholds in Citation Generation: Evidence from Field-Level Cloze on Bibliographic Records.
-
Under Review Masked Language Modelingによる欠損値予測Under Review Masked Language Modeling for Missing Value PredictionJ. Niimi (under review) ...
-
PyTorchで2^32以上の要素数のbmm計算をMPSで行うとエラーなしに計算を間違える IEEE Accesstorch.bmm with more than 2^32 tensor causes silent failure in PyTorch IEEE AccessJ. Niimi (2026) Silent Failures Beyond the 32-Bit Index Range: A Differential Characterization of Large-Tensor Matrix Multiplication in PyTorch's MPS Backend. IEEE Access.
-
世界モデルのClosed-Loop Rolloutによる反実仮想的な順位予測が有用となる条件の探索 NeurIPS WSBoundary Map Exploration of Closed-Loop Rollout with World Models for Counterfactual Rankings NeurIPS WSJ. Niimi (2026) When to Trust Your Rollouts? A Boundary Map for Long-Horizon Action-Conditional World Models. The Fortieth Annual Conference on Neural Information Processing Systems (NeurIPS 2026) Workshop: Foundation Models for Temporal Systems From Forecasting to World Modeling.
-
Agentモデルによる音楽演奏プラグインの開発 NeurIPS Creative AIDevelopment of Musical Instrument Plugin with agents NeurIPS Creative AIJ. Niimi (2026) Whose Hand is on the Vinyl? Transcribing a DJ's Scratch Gestures from Video into a Playable Instrument. The Fortieth Annual Conference on Neural Information Processing Systems Creative AI Track: Agency (NeurIPS 2026 Creative AI, Artwork Track).
-
世界モデルによるマーケティング分野でのエネルギー評価/予測/反実仮想タスク ICONIPThree downstream tasks including counterfactual inference with World models ICONIPJ. Niimi (2026) Three-in-One World Model: Energy-Based Consistency, Prediction, and Counterfactual Inference for Marketing Intervention. Proceedings of the 33rd International Conference on Neural Information Processing (ICONIP 2026).
-
異常検知タスクにおけるエネルギーベースモデル(EBM)の活用 ICONIPEnergy-based Models are Complementary to Reconstruction-based Models such as VAE for Anomaly Detection. ICONIPJ. Niimi (2026) Revisiting Energy-based Tabular Anomaly Detection: Energy and Reconstruction are Complementary. Proceedings of the 33rd International Conference on Neural Information Processing (ICONIP 2026).
-
Featured! 世界モデルを用いたGPTモデルの言語生成時の統制手法の提案 ICLR WSFeatured! Controlling language generation in GPT models using energy-based world models. ICLR WSJ. Niimi (2026). the Mouth is Not the Brain: Bridging Energy-Based World Models and Language Generation. International Conference on Learning Representations; The 2nd Workshop on World Models: Understanding, Modelling, and Scaling.
-
LLMにおける階層的記憶と記憶干渉についての量的検証 Selected PaperHierarchical Memorization and Memory Interference in LLMs Selected PaperJ. Niimi (2026) Hierarchical Memorization in Large Language Models: Evidence from Citation Generation. Agents and Artificial Intelligence (Revised Selected Papers, ICAART 2026). Lecture Notes in Artificial Intelligence (LNAI). Springer.
-
LLMにおいてハルシネーションは構造的に不可避であり、知識とは単なる過適合であるHallucination is structurally unavoidable in LLMs, and knowledge is merely overfittingJ. Niimi (2026) Hallucinate or Memorize? The Two Sides of Probabilistic Learning in Large Language Models. Proceedings of the 18th International Conference on Agents and Artificial Intelligence. 4, 3117-3126 (ICAART 2026, ICORE Rank: B)
-
マルチタスクMLPによるエネルギー予測でTransformer, PatchTSTより高い精度を実現Multi-task MLP outperforms Transformer and PatchTST in energy consumption forecastingJ. Niimi, T. Tsukamoto, M. Takeuchi, A. Shibata (2026) Deep Multi-Task Learning for Energy Consumption Forecasting of Household Water Heater Usage, Proceedings of 2026 International Conference on Artificial Intelligence in Information and Communication (ICAIIC). IEEE.
-
LLMのアンサンブル推論にone-shot例示の代表性と温度パラメーターが与える影響の検証Effects of one-shot example representativeness and temperature on LLM ensemble inferenceJ. Niimi (2025) Stable LLM Ensemble: Interaction Between Example Representativeness and Diversity. Advances in Natural Language Processing and Information Retrieval (NLPIR 2025).
-
LLMのセンチメント分析に参照点が与える影響 (LLMへの期待不一致理論の組み込み)Effects of reference points on LLM sentiment analysis (incorporating expectation-disconfirmation theory)J. Niimi (2025) Reference Points in LLM Sentiment Analysis: The Role of Structured Context. Proceedings of the 39th Pacific Asia Conference on Language, Information and Computation (PACLIC 39). 565–575, Hanoi, Vietnam. Association for Computational Linguistics.
-
LLMのアンサンブル推論による頑健性の改善Improving robustness of LLM inference through ensemble strategiesJ. Niimi (2025) A Simple Ensemble Strategy for LLM Inference: Towards More Stable Text Classification. Proceedings of the 30th International Conference on Applications of Natural Language to Information Systems (NLDB 2025). Lecture Notes in Computer Science, 15837, 189-199, Springer Nature Switzerland.
-
Transformerを用いた時系列行動ログと調査回答のマルチモーダル学習手法の提案Multimodal learning of time-series behavioral logs and survey responses using Transformer新美 潤一郎 (2024)「異なる次元数のデータを同時に投入した行動的ロイヤルティ推計手法の提案 —Source-Target Attention Transformer と特徴融合によるマルチモーダル深層学習—」『応用統計学』53(1), 15-32.J. Niimi (2024) "A Method for Estimating Behavioral Loyalty Using Data with Different Dimensions: Multimodal Deep Learning with Source-Target Attention Transformer and Feature Fusion," Journal of the Japanese Society of Applied Statistics, 53(1), 15-32.
-
調査における自己報告と実行動の乖離とその要因、除外可能性の検証Comparing survey responses and actual behaviorM. Takeuchi, J. Niimi, & T. Hoshino. (2024). Handling the Inconsistency between Self-Report and the Actual Behavior: Validity of Excluding Survey Participants with Insufficient Effort Responding. International Journal of Market Research, 66(4), 451-472.
-
新型コロナウイルスと行動変容COVID-19 and behavioral changeR. Fujii, K. Suzuki, J. Niimi (2021) Public Perceptions, Individual Characteristics, and Preventive Behaviors for COVID-19 in Six Countries: A Cross-Sectional Study. Environmental Health and Preventive Medicine, 26, 29.
-
RFMC分析におけるClumpiness指標の拡張と行動予測への応用Extension of the Clumpiness metric in RFMC analysis and its application to behavioral prediction新美 潤一郎, 星野 崇宏 (2020)「RFMC 分析における Clumpiness 指標の拡張と自社顧客の行動予測への応用 Clumpiness を活用した離脱時期と競合利用の予測手法の提案」『行動計量学』47(1), 27-40.J. Niimi, T. Hoshino (2020) "Extension of the Clumpiness Metric in RFMC Analysis and Its Application to Customer Behavior Prediction: Predicting Churn Timing and Competitor Usage," The Japanese Journal of Behaviormetrics, 47(1), 27-40.
-
深層学習を用いたオムニチャネル購買の同時予測Simultaneous analysis of omnichannel purchasing behavior using deep learning新美 潤一郎, 星野 崇宏 (2017)「顧客行動の多様性変数を利用した購買行動の予測 -Deep Learningを応用した実店舗・Web・モバイルの多面的な分析-」『人工知能学会論文誌』32(2), B-G63_1.J. Niimi, T. Hoshino (2017) "Predicting Purchase Behavior Using Diversity Variables of Customer Behavior: Multi-faceted Analysis of Physical Store, Web, and Mobile with Deep Learning," Transactions of the Japanese Society for Artificial Intelligence, 32(2), B-G63_1.
-
消費者の異質性を考慮した競合他社での行動の予測Predicting competitor behavior accounting for consumer heterogeneity新美 潤一郎, 星野 崇宏 (2015)「ユーザ別アクセス・パターン情報の多様性を用いた顧客行動の予測とモデリング」『応用統計学』 44(3), 121-143.J. Niimi, T. Hoshino (2015) "Predicting and Modeling Customer Behavior Using Diversity of User-Level Access Patterns," Journal of the Japanese Society of Applied Statistics, 44(3), 121-143.
other writings
Miscellaneous09
-
[bulletin] LLMの学習機序とハルシネーションの発生との構造的な関係性についての検討[bulletin] Structural relationship between learning mechanisms and hallucination in LLMs新美 潤一郎 (2025) 大規模言語モデルの構造的問題としてのハルシネーションの不可避性についての一考察: 文法獲得と副次的な知識獲得の関係からの検討. 名城論叢. 26(2-3), 1-26.J. Niimi (2025) On the Inevitability of Hallucination as a Structural Problem in Large Language Models: From the Relationship between Grammar Acquisition and Incidental Knowledge Acquisition, Meijo Review, 26(2-3), 1-26.
-
[preprint] 大規模言語モデルによる観点別センチメント分析と多数決メカニズムによる頑健性の向上[preprint] Aspect-based sentiment analysis with LLMs and robustness improvement via majority votingJ. Niimi (2024) Dynamic Sentiment Analysis with Local Large Language Models using Majority Voting: A Study on Factors Affecting Restaurant Evaluation", arXiv (cs.CL). e-print: arXiv:2407.13069.
-
[bulletin] Kolmogorov-Arnold Networkのマーケティング応用[bulletin] Marketing applications of Kolmogorov-Arnold Networks新美 潤一郎 (2024)「Kolmogorov-Arnold Networkのマーケティング解析への応用可能性の検討: 従来的な深層学習手法との理論的比較と実データによる購買予測への応用」『名城論叢』25(3), 151—176.J. Niimi (2024) "Exploring the Applicability of Kolmogorov-Arnold Networks to Marketing Analysis: Theoretical Comparison with Conventional Deep Learning and Application to Purchase Prediction," Meijo Review, 25(3), 151-176.
-
[technical paper] LLMのダウンストリームタスクにおいて補足情報の有無や提示方法が精度に与える影響の検証[technical paper] Effects of supplementary information and its presentation on LLM downstream task accuracy新美 潤一郎 (2024)「ローカル大規模言語モデルによるセンチメント分析において評価の参照点の有無や提示方法が予測精度に与える影響の検証: レストラン評価に関するオンラインレビューのセンチメント分析から」『信学技報』, vol. 124, No. 302, NLC2024-24, pp. 29-34. ISSN: 2432-6380.J. Niimi (2024) "Effects of Reference Points and Their Presentation on Prediction Accuracy in Sentiment Analysis with Local LLMs: From Online Review Sentiment Analysis of Restaurant Evaluations," IEICE Technical Report, vol. 124, No. 302, NLC2024-24, pp. 29-34.
-
[technical paper] LLMのパラメーター数や量子化とタスク精度の関係の検証[technical paper] Relationship between LLM parameter size, quantization, and task accuracy新美 潤一郎 (2024)「ローカル大規模言語モデルの量子化やモデル規模が予測性能に与える影響の検証: レストラン評価に関するオンラインレビューのセンチメント分析から」『信学技報』, vol. 124, No. 173, NLC2024-5, pp. 21-26. ISSN: 2432-6380.J. Niimi (2024) Effects of Quantization and Model Size on Prediction Performance of Local Large Language Models: From Online Review Sentiment Analysis of Restaurant Evaluations. IEICE Technical Report, 124(173), NLC2024-5, pp. 21-26.
-
[preprint] 大規模言語モデルと店舗情報のマルチモーダル学習[preprint] Multimodal learning with LLMs and store informationJ. Niimi (2024) "An Efficient Multimodal Learning Framework to Comprehend Consumer Preferences Using BERT and Cross-Attention", arXiv (cs.CE.). e-print: arXiv:2405.07435.
-
[preprint] レビュー文書と顧客データのマルチモーダル深層学習におけるBERTモデルの影響の検証[preprint] Effects of BERT models in multimodal deep learning of review text and customer dataJunichiro Niimi (2024) Multimodal Deep Learning of Word-of-Mouth Text and Demographics to Predict Customer Rating: Handling Consumer Heterogeneity in Marketing. arXiv (cs.CE.), e-print: 2401.11888.
-
[bulletin] hourly-Clumpiness指標と時系列データを用いた分析手法の提案[bulletin] Analytical method using hourly-Clumpiness metric and time-series data新美 潤一郎 (2021) 「時間単位Clumpiness指標を用いた解析手法の提案 -生存時間分析とLSTM-RNNを用いた利用頻度・離脱時間の予測へのRFMC分析の活用-」『名城論叢』22(2,3), 49-63.J. Niimi (2021) "An Analytical Method Using Hourly-Clumpiness Metric: Applying RFMC Analysis to Usage Frequency and Churn Prediction with Survival Analysis and LSTM-RNN," Meijo Review, 22(2,3), 49-63.
-
[bulletin] 消費者の行動の多様性が有効な構造とRFMCとの比較[bulletin] Structures where consumer behavior diversity is effective and comparison with RFMC新美 潤一郎 (2018)「消費者の閲覧・購買行動の予測における多様性変数の提案: 行動の多様性の理論的背景と他指標との検討」『経済科学』65(3-4), 45-55.J. Niimi (2018) "Proposing Diversity Variables for Predicting Consumer Browsing and Purchase Behavior: Theoretical Background of Behavioral Diversity and Comparison with Other Metrics," Economic Science (Nagoya University), 65(3-4), 45-55.
Presentations / Invited Speaches
Talks18
-
DBMを用いた条件付きテキスト生成手法の提案Conditional Text Generation using Deep Boltzmann Machine新美 潤一郎. (2026) 世界モデルを用いた条件付き言語生成によるペルソナベースのレビュー生成. 2026年度人工知能学会全国大会（第40回）. AI応用：生成モデルと科学応用 (2E6-GS-10n-01).
-
マルチタスク深層学習による同時最適化と予測値の補正Joint optimization and prediction correction via multi-task deep learning新美 潤一郎, 塚本 高浩, 竹内 真登, 柴田 与夢. (2025) 深層学習による各家庭の給湯消費電力量の予測: Uncertainty Weightingによる分類・回帰のマルチタスク学習, 第24回情報科学技術フォーラム（FIT2025）, 北海道科学大学 [FIT奨励賞受賞].J. Niimi, T. Tsukamoto, M. Takeuchi, A. Shibata (2025) "Predicting Household Water Heater Energy Consumption with Deep Learning: Multi-Task Learning of Classification and Regression via Uncertainty Weighting," 24th Forum on Information Technology (FIT2025), Hokkaido University of Science [FIT Encouragement Award].
-
大規模言語モデルのマルチレベルアンサンブルによる頑健性を改善したセンチメント分析手法の提案Robust sentiment analysis via multi-level ensemble of LLMsJ. Niimi (2025) Improving LLM Inference with Multi-level Ensemble Learning: Robust Sentiment Analysis by Unifying Multiple Inferences. JSAI2025 International Session.
-
[招待講演] LLMの構造や推論の導入とマーケティング応用研究の検討[Invited talk] Introduction to LLM architecture and inference, and marketing applications新美 潤一郎 (2025)「大規模言語モデルの導入とマーケティング応用」マーケティング研究の新潮流2025(慶應義塾大学商学部), 於Zoom Meeting.J. Niimi (2025) "Introduction to Large Language Models and Marketing Applications," New Trends in Marketing Research 2025 (Faculty of Business and Commerce, Keio University), via Zoom.
-
大規模言語モデルにおいて分類の困難なサンプルの発見と再解析方法の提案Identifying hard-to-classify samples in LLMs and a proposed re-analysis method新美 潤一郎 (2025)「生成型大規模言語モデルの文書分類タスクにおける信頼度推定と曖昧サンプルの識別手法の提案 -レストラン評価に関するセンチメント分析を例に-」情報処理学会 第87回全国大会 (自然言語処理セッション), 6B-03, 立命館大学 茨木キャンパス.J. Niimi (2025) "Confidence Estimation and Ambiguous Sample Identification in Document Classification with Generative LLMs: A Case Study of Restaurant Review Sentiment Analysis," IPSJ 87th National Convention (NLP Session), 6B-03, Ritsumeikan University.
-
大規模言語モデルによるセンチメント分析での補足情報の提示方法の検討Examining presentation methods of supplementary information in LLM sentiment analysis新美 潤一郎 (2024)「ローカル大規模言語モデルによるセンチメント分析において評価の参照点の有無や提示方法が予測精度に与える影響の検証 ～レストラン評価に関するオンラインレビューのセンチメント分析から～」情報処理学会・電子情報通信学会 第11回自然言語処理シンポジウム, 名古屋大学.J. Niimi (2024) "Effects of Reference Points and Their Presentation on Prediction Accuracy in Sentiment Analysis with Local LLMs," 11th NLP Symposium (IPSJ/IEICE), Nagoya University.
-
大規模言語モデルによるテキストからの擬似的な尺度得点の取得方法の提案Obtaining pseudo-scale scores from text using LLMs新美 潤一郎, 竹内 真登 (2024)「ローカル大規模言語モデルを用いたオンラインレビューからの尺度得点の取得: レストランに関する実評価との比較検討から」日本消費者行動研究学会 第69回消費者行動研究コンファレンス, 大阪大学 豊中キャンパス.J. Niimi, M. Takeuchi (2024) "Extracting Scale Scores from Online Reviews Using Local LLMs: A Comparison with Actual Restaurant Evaluations," 69th Conference of the Japan Association for Consumer Studies, Osaka University.
-
大規模言語モデルの量子化とモデル規模がタスク精度に与える影響Effects of LLM quantization and model size on task accuracy新美 潤一郎 (2024)「ローカル大規模言語モデルの量子化やモデル規模が予測性能に与える影響の検証 ～レストラン評価に関するオンラインレビューのセンチメント分析から～」電子情報通信学会 第21回テキストアナリティクス・シンポジウム, 北海道大学.J. Niimi (2024) "Effects of Quantization and Model Size on Prediction Performance of Local LLMs," 21st Text Analytics Symposium (IEICE), Hokkaido University.
-
レビュー文章とユーザー・店舗情報によるマルチモーダル学習モデルの構築と、レビューの保持数情報量が予測精度に与える影響の検証Multimodal learning from review text, user profiles, and store information, and effects of review volume on prediction accuracy新美 潤一郎 (2024) 「レビュー文書・ユーザープロフィール・店舗情報を考慮したマルチモーダル深層学習による飲食店の評価予測手法の提案 Prediction of the Rating on Restaurants with Multimodal Deep Learning: A Combination of Review Text, User Profile, and Restaurant Information」2024年度 人工知能学会全国大会 (第38回), 1F5-GS-10-04, アクトシティ浜松.J. Niimi (2024) "Prediction of the Rating on Restaurants with Multimodal Deep Learning: A Combination of Review Text, User Profile, and Restaurant Information," JSAI2024: 38th Annual Conference of the Japanese Society for Artificial Intelligence, 1F5-GS-10-04, Hamamatsu.
-
大規模言語モデルによる動的な観点別センチメント分析手法の提案Dynamic aspect-based sentiment analysis using LLMs新美 潤一郎, 竹内 真登 (2024)「大規模言語モデルによるテキストからのアノテーション手法の提案：任意の観点から得点化可能なテキストマイニング手法によるレビュー文書のセンチメント分析」日本消費者行動研究学会 第68回消費者行動研究コンファレンス, 神奈川大学(みなとみらいキャンパス).J. Niimi, M. Takeuchi (2024) "An LLM-Based Text Annotation Method: Sentiment Analysis of Reviews with Arbitrary-Aspect Scoring," 68th Conference of the Japan Association for Consumer Studies, Kanagawa University.
-
RFM+Clumpiness+HHIによるFMCG購買のモデリングModeling FMCG purchases with RFM + Clumpiness + HHI新美 潤一郎, 竹内真登 (2023)「購買行動の習慣性が行動的ロイヤルティに及ぼす影響：行動ログ指標を組み合わせた購買行動の分類」日本消費者行動研究学会 第67回消費者行動研究コンファレンス, 京都産業大学 (オンサイト開催).J. Niimi, M. Takeuchi (2023) "Effects of Purchase Habituality on Behavioral Loyalty: Classification of Purchase Behavior Using Combined Behavioral Log Metrics," 67th Conference of the Japan Association for Consumer Studies, Kyoto Sangyo University.
-
スマホゲームにおける短期集中利用の捕捉のためのClumpiness×HHIの活用Using Clumpiness x HHI to capture binge-use patterns in mobile games新美 潤一郎, 竹内 真登, 星野 崇宏 (2022)「短期集中型のゲーム利用が行動的ロイヤルティに及ぼす影響：行動ログ指標を組み合わせた利用行動の分類」日本消費者行動研究学会 第65回消費者行動研究コンファレンス, 西南学院大学(ハイブリッド開催, オンサイト発表).J. Niimi, M. Takeuchi, T. Hoshino (2022) "Effects of Binge-Type Game Usage on Behavioral Loyalty: Classification Using Combined Behavioral Log Metrics," 65th Conference of the Japan Association for Consumer Studies, Seinan Gakuin University (Hybrid).
-
データとモデルによる"世界"から統計解析と機械学習を俯瞰するAn overview of statistical analysis and machine learning from the perspective of data and models新美 潤一郎 (2021)「データ分析とモデル – モデルから考える統計解析と機械学習の差異 –」名城大学 経済・経営学会 第2回研究会, 2021年12月9日(木) （於 名城大学）.J. Niimi (2021) "Data Analysis and Models: Differences between Statistical Analysis and Machine Learning from a Model Perspective," 2nd Research Meeting, Meijo University Economics and Business Society.
-
調査回答と実行動の乖離の解析とIERとの関連性の検討Analyzing the gap between survey responses and actual behavior, and its relation to IER竹内 真登, 新美 潤一郎, 星野 崇宏 (2020)「市場調査における調査回答と実行動の乖離の理解と低減: Insufficient Effort Responding 回答者の除外の妥当性」日本消費者行動研究学会 第61回消費者行動研究コンファレンス(オンライン).M. Takeuchi, J. Niimi, T. Hoshino (2020) "Understanding and Reducing the Gap between Survey Responses and Actual Behavior in Market Research: Validity of Excluding Insufficient Effort Responding," 61st Conference of the Japan Association for Consumer Studies (Online).
-
スマートフォンの位置情報を用いた購買予測Purchase prediction using smartphone location data新美 潤一郎, 星野 崇宏 (2018)「位置情報データによる競合店舗の利用状況の多様性を用いた購買予測手法の提案」2018年度 人工知能学会全国大会(第32回), 鹿児島城山観光ホテル.J. Niimi, T. Hoshino (2018) "Purchase Prediction Using Diversity of Competitor Store Visits from Location Data," JSAI2018: 32nd Annual Conference of the Japanese Society for Artificial Intelligence, Kagoshima.
-
多様性指標の構造とRFMC分析との関連Structure of diversity metrics and their relation to RFMC analysis新美 潤一郎 (2017)「消費者行動の多様性指標の提案と閲覧・購買行動の予測への応用 理論的背景と他指標との関連の検討」日本マーケティング・サイエンス学会 新しいデータと競争環境の下でのマーケティングサイエンス研究部会, 慶應義塾大学.J. Niimi (2017) "A Diversity Metric for Consumer Behavior: Theoretical Background and Application to Browsing and Purchase Prediction," Japan Institute of Marketing Science, Research Group Meeting, Keio University.
-
深層学習を用いたデータ融合手法の提案Data fusion method using deep learning新美 潤一郎, 星野 崇宏 (2017)「Deep Boltzmann Machine を用いたデータ融合手法の提案 – Data Fusion Method with Deep Boltzmann Machine」2017年度 人工知能学会全国大会(第31回), ウインクあいち.J. Niimi, T. Hoshino (2017) "Data Fusion Method with Deep Boltzmann Machine," JSAI2017: 31st Annual Conference of the Japanese Society for Artificial Intelligence, Nagoya.
-
消費者の異質性を考慮した競合他社での行動の予測Predicting competitor behavior accounting for consumer heterogeneity新美 潤一郎, 星野 崇宏 (2014)「ユーザ別アクセス・パターン情報を用いた，競合サイトでの閲覧・購買行動の予測」日本マーケティング・サイエンス学会 第95回研究大会, 関西学院大学.J. Niimi, T. Hoshino (2014) Predicting Browsing and Purchase Behavior on Competitor Sites Using User-Level Access Pattern Information. 95th Conference of the Japan Institute of Marketing Science, Kwansei Gakuin University.
software / data
Package & Datasets05
-
ハエの脳のキノコ体をDeep Boltzmann Machine (DBM) の代わりに用いた因果推論（？？？）Use the mushroom body of a fly's brain instead of a Deep Boltzmann Machine (DBM) to perform causal inference.J. Niimi (2026) Boltzmann-Fly (Hobby project), based on my paper Three-in-One World Models (Niimi, 2026; ICONIP).
-
Mac上の選択テキストをClaude APIで即座に翻訳・要約・解説するAlfred Workflow (Variants: Alfred-asks-Hermes)An Alfred Workflow for instant translation, summarization, and explanation via Claude API on macOSJ. Niimi (2026) Alfred Asks Claude: Translation, summarization, and explanation in a single action. GitHub (jniimi/alfred-asks-claude).
-
Clumpiness計算用パッケージPython package for Clumpiness calculationJ. Niimi (2024) clumpi: A Python package for calculating Clumpiness in RFMC analysis. GitHub (jniimi/clumpi), publisher: zenodo.
-
気象庁の7日間予報データの取得と蓄積Collection and accumulation of 7-day weather forecast data from the Japan Meteorological AgencyJ. Niimi (2024) 7days Weather Forecast in Japan (Dataset). Huggingface Datasets (jniimi/weather_forecast_japan).
-
マルチLLM対応のAPI会話アプリMulti-LLM API chat applicationJ. Niimi (2025) "MultiLLMs", GitHub (jniimi/chatlit-public), publisher: zenodo.
media
Others03
-
企業カンファレンスでのデータ利活用に関する講演Corporate conference talk on data utilization新美 潤一郎 (2019)「データエコノミー時代の消費者理解 -異なる側面から消費者を理解するためのデータ利活用 -」（株式会社富士通総研様とのパネルディスカッションを含む）富士通フォーラム名古屋2019（於 名古屋観光ホテル）.J. Niimi (2019) "Understanding Consumers in the Data Economy: Leveraging Data to Understand Consumers from Multiple Perspectives" (incl. panel discussion with Fujitsu Research Institute), Fujitsu Forum Nagoya 2019.
-
リーディング大学院関係（１）インタビューLeading Graduate School Program (1) Interview『世界が求める新しいグローバルリーダーを輩出』,東洋経済（誌面、ウェブサイト）."Producing New Global Leaders the World Needs," Toyo Keizai (print & web).
-
リーディング大学院関係（２）執筆記事Leading Graduate School Program (2) Article新美 潤一郎「興味や関心が未来を拓く」『次世代のリーダーを担う博士人材の育成 ー名古屋大学PhDプロフェッショナル登龍門の取り組みー』, みやび出版.J. Niimi, "Curiosity Opens the Future," in Developing Doctoral Talent as Next-Generation Leaders: Nagoya University PhD Professional Gateway Program, Miyabi Publishing.
funding
Grants02
-
深層学習のマーケティング応用におけるマルチモダリティと説明可能性の検討Multimodality and explainability in marketing applications of deep learning24K16472「統合的に説明可能なマーケティング向けマルチモーダル深層学習モデルの開発」(単独, 研究代表者)JSPS KAKENHI 24K16472 "Development of an Integrally Explainable Multimodal Deep Learning Model for Marketing" (PI, sole investigator)https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-24K16472/ (2024-04-01 – 2027-03-31)
-
努力不足回答の影響に関する研究Research on the impact of insufficient effort responding25K00678「不注意／努力不足回答による市場調査やマーケティング分析への影響に関する統合的研究」(共同, 研究分担者)JSPS KAKENHI 25K00678 "Comprehensive Study on the Impact of Careless/Insufficient Effort Responding on Market Research and Marketing Analysis" (Co-investigator)https://kaken.nii.ac.jp/ja/grant/KAKENHI-PROJECT-25K00678/ (2025-04-01 – 2029-03-31)