メタ認知を高める
きっかけを提供する

書籍情報を年表形式に変換します。画像認識やパターン認識により機械的に年表化します。年表は文章構造がシンプルで法則があり、かつ全ての情報に時系列情報を付与できるため、このあとの自然言語処理（形態素解析やキーワード分類）の精度が高められます。

年表の記述の一行ずつに形態素解析を行い、品詞分解とSVOC分解を行います。

年表に出てくる単語に意味付けしタグ付けします。人名・イベント名・地名・キーワードなどに分類し、そのワードで検索したり分析したりできるようにします。

年表に出てくる人物の関係性は「傾向抽出」のために非常に大事な因子となるため、年表の行ごとに人物の関係性を座標化し定量的に関係性を表現できるようにします。

縦軸を７段階の「社会的地位」で定義し、横軸を８段階の「年表の本人との社会的距離」で定義します。この座標によって年表行のアクションがどういった性質のものであったかがわかりやすくなります。これによりアレクサンドロス大王のペルシャ遠征は自分より格上のダレイオスに対する挑戦であったことや、織田信長が自軍の幹部である明智により殺されたことも定量的に表現できます。

年表の表記は具体的すぎるため、年表上の出来事を深く理解しない限り「同じ構造の別の時代/人物の行為やイベント」を他の時代や人物から見つけることが出来ません。そのため、年表の具体的記述を他の時代/人物の記述と同一の行為だとわかるように抽象化して記述し直します。

年表を抽象化したり、キーワードを抽出したり、人物の関係性を座標化することによって、歴史の情報を再整理することができます。これにより、今まで本を何冊も読まなければ分からなかったことが、検索可能となります。