X 0031 : 1999 

(1) 

2019年7月1日の法改正により名称が変わりました。まえがきを除き，本規格中の「日本工業規格」を「日本産業規格」に読み替えてください。 

まえがき 

この規格は，工業標準化法第12条第1項の規定に基づき，社団法人情報処理学会情報規格調査会 

(IPSJ-ITSCJ) ／財団法人日本規格協会 (JSA) から工業標準原案を具して日本工業規格を制定すべきとの

申出があり，日本工業標準調査会の審議を経て，通商産業大臣が制定した日本工業規格である。 

X 0031 : 1999 

(1) 

2019年7月1日の法改正により名称が変わりました。まえがきを除き，本規格中の「日本工業規格」を「日本産業規格」に読み替えてください。 

目次 

ページ 

序文 ··································································································································· 1 

1. 適用範囲 ························································································································ 1 

2. 分類 ······························································································································ 1 

3. 表記法 ··························································································································· 1 

4. 情報処理用語−人工知能−機械学習 ···················································································· 2 

付表1 JIS X 0031 関連規格 ································································································· 6 

2019年7月1日の法改正により名称が変わりました。まえがきを除き，本規格中の「日本工業規格」を「日本産業規格」に読み替えてください。 

2019年7月1日の法改正により名称が変わりました。まえがきを除き，本規格中の「日本工業規格」を「日本産業規格」に読み替えてください。 

日本工業規格          JIS 

X 0031 : 1999 

情報処理用語−人工知能−機械学習 

Information technology−Vocabulary− 

Artificial intelligence−Machine learning 

序文 この規格は，1997年12月に第1版として発行されたISO/IEC2382-31, Information technology−

Vocabulary−Part 31：Artificial intelligence−Machine learningを翻訳し，技術的内容を変更することなく作成

した日本工業規格である。 

1. 適用範囲 この規格は，情報処理における機械学習に関する主な用語，定義及び対応英語について規

定する。 

備考1. 幾つかの用語について，対応国際規格が技術的に不正確又は時代遅れと判断されるところが

あったため，最新の用法に合致するよう一部修正を加えた。 

2. この規格の関連規格を，付表1に示す。 

3. 参考は，対応国際規格にはない事項である。 

2. 分類 用語は，次のとおり分類する。 

a) 一般概念（31.01参照） 

b) 学習技法（31.02参照） 

c) 学習戦略（31.03参照） 

3. 表記法 この規格は，各用語を番号，用語，定義及び対応英語の四つの欄に分けて規定する。それぞ

れの欄における表記法及び解釈を，次に示す。 

a) 番号 番号は，6個の数字によって表す。最初の2けたの数字は，情報処理用語の規格番号の末尾2

けたを示す。次の2けたの数字は，この規格での分類を示す。最後の2けたは，同一分類内の一連番

号を示す。 

b) 用語 

1) 同一の意味を示す用語が二つ以上ある場合は，表記した順に従って優先使用する。 

2) 用語の一部が丸括弧（ ）で囲まれている場合は，その部分を省略してもよいことを表す。この場

合は，括弧内を省略したときとしないときの間に優先順位はない。 

3) 常用漢字表音訓欄にない漢字は仮名に置き換えてあるが，仮名文字表現だけでは意味が分かりにく

い場合には，対応する漢字を丸括弧（ ）で示す。 

例 “演えき（繹）学習”（31.03.17参照） 

c) 定義 

2 

X 0031 : 1999  

2019年7月1日の法改正により名称が変わりました。まえがきを除き，本規格中の「日本工業規格」を「日本産業規格」に読み替えてください。 

1) 文中で下線の引いてある語は，情報処理用語に関する日本工業規格に規定されていることを示す。 

2) 丸括弧（ ）の使い方は，b)と同様とする。 

d) 対応英語 

1) この欄の英語は，対応国際規格に規定されている用語であって，規定されている定義と対応する。 

4. 情報処理用語−人工知能−機械学習 

31.01 一般概念 

番号 

用語 

定義 

対応英語 

31.01.01 

学習 

生物又は自動システムが，自身の能力又は性能を向上させ
るのに使用することができる知識又は技能を獲得する過
程。 

learning 

31.01.02 
(28.01.21) 

機械学習， 
自動学習 

機能単位が新しい知識･技能を獲得すること，又は既存の
知識･技能を再構成することによって，自身の性能を向上
させる過程。 

machine learning,  
automatic learning 

31.01.03 

自己学習 

外部から明示的に知識を取り入れることなく，内部の知識
ベース又は新しい入力データから学習すること。 

self-learning 

31.01.04 
(28.01.09) 

知識獲得 

知識を探し出し，収集し，洗練して，知識ベースシステム
が更に処理できる形式に変換する過程。 

備考 知識獲得は，通常，知識技術者の介入を意味す

るが，機械学習の重要な要素でもある。 

knowledge acquisition 

31.01.05 

学習戦略 

実際の適用に先立って考えられた学習技法の使用計画。 

learning strategy 

31.01.06 

概念 

範ちゅう（疇）に所属するか否かを決定するための抽象的
な実体。 

備考 概念は，オブジェクトを分類するために使用さ

れる。 

concept 

31.01.07 

概念学習 

新しい知識を引き出して将来の使用のために記憶する目
的で，既存の知識を新しい情報に適用することによって，
概念の表現を作り出すこと。 

備考 概念学習は，対象とする概念のバージョン空間

及び実例空間の相互作用を必要とする場合があ
る。この相互作用は，さらに，初期主張の再構
成又は変形，実験及び一時的な例の選択という
過程を必要とすることがある。 

concept learning 

31.01.08 

概念的クラスタリ
ング 

オブジェクト,事象又は事実を，単純で記述的な概念によっ
て特徴づけられるクラスに分類すること。 

備考 教師なし学習(31.03.09)及びチャンキング 

(31.02.03)も参照。 

conceptual clustering 

31.01.09 

分類形成 

離接的なクラスにクラスタリングされた概念を用いるこ
とによって，概念を分類する方法の体系を構築すること。 

備考1. 分類形成の目標は，最も単純な特徴のセット

を選び，特性間の重複を最小限にすることに
ある。 

2. 概念的クラスタリング(31.01.08)及び概念形成

(31.02.07)も参照。 

taxonomy formation 

31.01.10 

機械による発見 

学習する能力をもつ機械が，分類形成を行い，観察された
データに存在する規則性を表す経験則を発見すること。 

備考 概念的クラスタリング(31.01.08)及び説明に基

づく学習(31.03.18)も参照。 

machine discovery 

3 

X 0031 : 1999  

2019年7月1日の法改正により名称が変わりました。まえがきを除き，本規格中の「日本工業規格」を「日本産業規格」に読み替えてください。 

番号 

用語 

定義 

対応英語 

31.01.11 

認知科学， 
認知主義 

知性のもつ表現及び計算の能力を発見することと，それら
能力の脳における構造的及び機能的な表現を発見するこ
ととを目的とする，学際的な知識の分野。 

備考 認知科学は，認識の記号処理的な性質を扱う学

問であり，心理学，情報科学，言語学，人類学，
哲学，教育学，数学，工学，生理学，神経科学
などの広範な学問分野にまたがるものである。 

cognitive science, 
cogmitivism 

31.02 学習技法 

番号 

用語 

定義 

対応英語 

31.02.01 

逆学習，学習消去 

学習の内容を除去するために，システムに記憶された知識
を調整すること。 

unlearning 

31.02.02 

概念記述 

ある概念のすべての既知の事例のクラスを記述するデー
タ構造。 

concept description 

31.02.03 

チャンキング 

記憶，検索又は処理を容易にするために，知識を高位の概
念的レベルで単一の実体にグループ化すること。 

chunking 

31.02.04 

特徴記述 

与えられた概念のすべての事例に共通する特性を表す概
念記述。 

characteristic description 

31.02.05 

弁別特徴記述， 
識別特徴記述 

与えられた概念を他の概念から区別する特性を表す概念
記述。 

discriminant description 

31.02.06 

構造的特徴記述 

構成部分についての記述及びそれらの間の相互関係に基
づいた，オブジェクト及び概念の表現。 

structural description 

31.02.07 

概念形成 

オブジェクト，事象又は事実の与えられた集合を特徴づけ
る概念を生成すること。 

備考 一度概念が形成され，名前が与えられると，そ

れは続いて起こる他の概念で使われることがあ
る。 

concept formation 

31.02.08 

部分的学習可能概
念 

利用可能なデータ，知識又は仮定からは，その厳密な記述
を推論できないような概念。 

partially learned concept 

31.02.09 

バージョン空間 

利用可能なデータ，知識又は仮定と整合のとれたすべての
概念記述の半順序集合。 

version space 

31.02.10 

事例空間 

学習されるべき概念のすべての可能な事例及び反例の集
合。 

example space, 
instance space 

31.02.11 

記述空間 

学習者にとって利用可能な記述言語で記述できる，事例空
間からのすべての事例の集合。 

description space 

31.02.12 

概念の一般化 

より多くの事例を含むように概念記述の対象範囲を拡張
すること。 

concept generalization 

31.02.13 

整合的な一般化 

概念クラスに属する幾つか又はすべての正例を含み，すべ
ての負例を含まない概念の一般化。 

consistent generalization 

31.02.14 

制約に基づく一般
化 

与えられた事実又は事象を説明するために使用する，概念
の制約を満足する，概念の一般化。 

constraint-based 
generalization 

31.02.15 

類似性に基づく一
般化 

与えられた概念のすべての事例を，事例間の類似点と相違
点とに着目して記述する概念の一般化。 

similarity-based 
generalization 

31.02.16 

完全な一般化 

与えられた概念クラスのすべての正例を記述する概念の
一般化。この記述には負例を含む場合もある。 

complete generalization 

31.02.17 

概念の特殊化 

記述する事例の集合を縮小することによって概念記述の
対象範囲を狭めること。 

concept specialization 

31.02.18 

混同行列 

手元にあった事例をあるルール集合で分類する際に，正し
い分類及び誤った分類の数を記録するために使用する行
列。 

confusion matrix 

4 

X 0031 : 1999  

2019年7月1日の法改正により名称が変わりました。まえがきを除き，本規格中の「日本工業規格」を「日本産業規格」に読み替えてください。 

番号 

用語 

定義 

対応英語 

31.02.19 

概念の妥当性確認 

学習された概念を，手元にあった事例にその概念の記述を
適用し，その結果から誤り行列を作成することによって，
試験する帰納的方法。 

concept validation 

31.03 学習戦略 

番号 

用語 

定義 

対応英語 

31.03.01 

因果解析 

学習戦略で用いられる解析法で，観察された事象，例えば，
ある目標を達成しなかった，という事象について，ありそ
うな原因を追跡することによって行うもの。 

causal analysis 

31.03.02 

暗記学習 

与えられた情報について推論を行うことなしに，新しい知
識として直接蓄える学習戦略。 

備考 暗記学習には，与えられた概念記述をそのまま

記憶する学習と，プログラムされることによる
学習とを含む。 

rote learning 

31.03.03 

適応学習 

外部知識源からの助言によって内部の知識を調整したり，
既存の知識によって新たに獲得した情報を変形したりす
る学習戦略。 

adaptive learning 

31.03.04 

発見的学習 

実験，評価又は試行錯誤の結果から学習するような学習戦
略。 

heuristic learning 

31.03.05 

教示による学習， 
指示による学習 

与えられた情報から関係する要素を選択又は変形するこ
となしに，外部知識源から知識を獲得するような暗記学
習。 

learning by being told, 
learning from instruction 

31.03.06 

助言の受け入れ 

外部知識源からの一般的な助言によって，手続き的挙動を
修正する教示による学習。 

advice taking 

31.03.07 

逐次学習， 
漸進的学習 

その後の段階で与えられる新しい知識を取り入れるため
に，ある段階で学習した知識を変形する複数段階の適応学
習。 

incremental learning 

31.03.08 

教師あり学習 

獲得した知識の正しさが外部知識源からのフィードバッ
クを通して試験される学習戦略。 

supervised learning 

31.03.09 

教師なし学習 

獲得された知識が正しいかどうかを外部知識源からのフ
ィードバックによって試験しない学習戦略。 

unsupervised learning, 
learning without a teacher 

31.03.10 

発見による学習， 
観察による学習 

観察されたデータのもつ規則性を記述することによって，
ある分野における新しい規則若しくは法則を導き出す又
は分類形成を行う教師なし学習。 

learning by discovery, 
learning from observation 

31.03.11 

帰納学習 

供給された知識，事例又は観察から帰納が導かれる学習戦
略。 

inductive learning, 
learning by induction 

31.03.12 

例からの学習， 
例に基づく学習 

例からの一般的な概念記述を推論することによる概念の
帰納学習。例の代わりにその概念の反例を使用する場合も
ある。 

備考 雑音の多い又は不完全に定義された例から学習

することは，例からの学習の高度な形式である。 

learning from examples, 
example-based learning, 
instance-based learning 

31.03.13 

正例， 
正の例 

学習されるべき概念に適合し，その概念の一般化を生み出
し得る例。 

positive example, 
positive instance 

31.03.14 

負例， 
負の例 

概念記述の対象範囲を制限するような，学習されるべき概
念の反例。 

negative example, 
negative instance 

31.03.15 

ニアミス 

学習されるべき概念の負例のうち，その概念の正例に極め
て類似しているもの。これは，正例の重要な属性を特定す
るのに役立つ。 

near-miss 

5 

X 0031 : 1999  

2019年7月1日の法改正により名称が変わりました。まえがきを除き，本規格中の「日本工業規格」を「日本産業規格」に読み替えてください。 

番号 

用語 

定義 

対応英語 

31.03.16 

事例に基づく学習 

現在の問題をそれ以前に解かれた問題集合と比較し，それ
らの解を現問題の解決に利用する学習戦略。 

備考 解の正しさが検証された後に，事例に基づく学

習を通じて得られた解は，その問題記述ととも
に事例ベースに追加される。 

case-based learning 

31.03.17 

演えき（繹）学習 

宣言の真理値を保存しつつ変形するという方法で，新しい
知識が既存の知識から演えきされるような学習戦略。 

備考1. 演えき学習は一般に既存の知識の特殊化を導

く。 

2. 演えき学習には知識の再構成，知識のコンパ

イルなどの，真理値を保存する変形が含まれ
る。 

deductive learning, 
learning by deduction 

31.03.18 

説明に基づく学習， 
分析的学習 

演えき学習の発展形であり，例題を使って，抽象的知識又
は構造的知識が操作的知識又は領域知識から導かれる。 

参考 操作化(31.03.19)の例も参照。 

explanation-based 
learning, 
analytic learning 

31.03.19 

操作化 

宣言的なものから手続的，すなわち，操作的なものへの変
換による知識コンパイル。 

例 ”ぬれないようにする”という助言を，与えられ

た状況でぬれることを避ける方法を説明すること
によって，具体的な指示へと変換する。 

備考 説明に基づく学習(31.03.18)も参照。 

operationalization 

31.03.20 

類推による学習， 
連想学習 

帰納学習と演えき学習とを結合した学習戦略。帰納は比較
又は関連させるべき概念の共通の特徴を決定し，演えきは
共通の特徴から学習されるべき概念の期待される特性を
導く。 

備考 類推による学習は，二つの問題の類似性を認識

する能力と，他の問題空間における問題を解く
ために一つの問題空間で作られる規則を利用す
る能力とを必要とする。 

learning by analogy, 
associative learning 

31.03.21 

功罪の割当 

目標達成の成功又は失敗の原因となった決定又は作用素
を同定すること。 

credit/blame assignment 

31.03.22 

強化学習 

功罪の割当によって改善された学習。 

reinforcement learning 

31.03.23 

解経路からの学習 

ある問題の完全な解経路が発見された後に，その解経路に
沿ったすべての遷移を正例とし，解経路から外れるすべて
の遷移を負例とする強化学習。 

learning from solution 

paths 

31.03.24 

徒弟戦略 

余計な探索を避け，素早いフィードバックを得るために，
専門家が望ましい遷移とそうでないものとを区別する行
為を観察し，利用する功罪の割当。 

備考 徒弟戦略は，しばしば，エキスパートシステム

の半自動的な構築に適用される。 

learning-apprentice 

strategy 

31.03.25 

実行しながらの学
習 

解パスが発見されるのを待つことなく，解の探索中に功罪
の割当をする強化学習。 

備考 実行しながらの学習には，目標に向かうために，

行き止まり及び失敗と同様に，堂々巡り及び不
必要に長いパスを見つけるための技巧が含まれ
る。 

learning while doing 

6 

X 0031 : 1999  

2019年7月1日の法改正により名称が変わりました。まえがきを除き，本規格中の「日本工業規格」を「日本産業規格」に読み替えてください。 

番号 

用語 

定義 

対応英語 

31.03.26 

遺伝的学習 

強さに従って分類器の対の集合を選び，それらに遺伝的操
作を適用して子孫を作るような，反復的な分類アルゴリズ
ムに基づく機械学習。現在の規則が不適切であると判明し
たときに，新しい，より適切な規則を生成するために，最
弱の分類器が最強の子孫で置き換えられる。 

備考 ”遺伝”という用語は，遺伝学から遺伝形質，

種の多様性及び適者生存の概念とともに借用し
たものである。 

genetic learning 

付表1 関連規格 

JIS X 0031の関連規格を次に示す。 

JIS X 0001 : 1994 情報処理用語−基本用語 

備考 ISO /IEC2382-1 : 1993 Information technology−Vocabulary−Part 1 : Fundamental termsが，こ

の規格と一致している。 

JIS X 0028 : 1999 情報処理用語−人工知能−基本概念及びエキスパートシステム 

備考 ISO /IEC 2382-28 : 1995 Information processing systems−Vocabulary−Part 28 : Artificial 

intelligence−Basic concepts and expert systemsが，この規格と一致している。 

JIS X 0031原案作成委員会 構成表 

氏名 

所属 

（委員長） 

平 井 通 宏 

株式会社日立製作所人事勤労部 

飯 島 一 彦 

株式会社日立製作所汎用コンピュータ事業部 

久保田 浩 敬 

沖電気工業株式会社情報システム事業本部 

志 賀   稔 

三菱電機株式会社情報技術総合研究所 

芝 山 茂 男 

財団法人日本規格協会情報技術標準化研究センター 

田 畑 隆 司 

富士通株式会社第1コンピュータ事業部 

寺 野 隆 雄 

筑波大学大学院 

中 島 泰 宏 

日本電気株式会社第1コンピュータ事業本部 

橋 爪 邦 隆 

通商産業省工業技術院標準部 

比田井   裕 

株式会社東芝マルチメディア技術研究所 

広 瀬 紳 一 

日本アイ・ビー・エム株式会社東京基礎研究所 

（規格調整専門委員） 

森   宗 正 

規格専門家 

（事務局） 

三 田 真 弓 

社団法人情報処理学会情報規格調査会