kouchou-ai developer wiki

broadlistening

6 min read

定義

ブロードリスニング (broad listening) は、放送 (broadcasting) の対義として、多数の市民・利用者・参加者から自由記述意見を集めて LLM で集約・整理・可視化する手法。広く「聴く」 ことに重点がある。

kouchou-ai はこの手法のリファレンス実装の一つで、Talk to the City のフォークから出発した日本語特化版。

読み方 — 「遊園地の地図」比喩

「意見の地図」は静的なマップではなく、reader が 俯瞰してゾーン構成を把握 → 関心のあるゾーンを選択 → drill in という三段の探索パターンで読むことを前提にしている。遊園地の地図に例えるなら、「この辺が西部劇ゾーンでこの辺が SF ゾーンなのか〜、SF に興味があるから SF ゾーンを詳しく見てみよう」という読み方になる。nishio-amusement-park-map-metaphor-2026-06-03より

ここから出てくる帰結：

  • 全件を頭から読むのではなく、ゾーン名（上位クラスタラベル）が「関心で選ぶ手がかり」として機能することが前提になる
  • 上位ラベルの品質が低くゾーン名として機能しないと、この探索は成立せず、reader は地図を捨てて全件読みに戻るか諦める
  • したがって階層構造とラベル品質は「見栄え」ではなく reader の探索を成立させるための機能要件 である

典型的なパイプライン

  1. 抽出 (extraction) — 生コメントから「意見の単位」を LLM で取り出す。多くの場合 1 コメント → 複数意見
  2. 埋め込み (embedding) — 各意見をベクトル化
  3. 次元削減 — UMAP で 2D へ
  4. クラスタリング — k-means または HDBSCAN
  5. ラベリング — クラスタの代表的意見をまとめて LLM にタイトル／要約を書かせる
  6. 可視化 — 散布図、ツリーマップ、階層リスト

pipeline で実装詳細を扱う。

二つのアーキテクチャ系統

書籍 13.5 (broad-listening-book-source) は、ブロードリスニング実装を二系統に整理している：

  • 散布図タイプ — kouchou-ai / TTTC Scatter。Embedding → UMAP → クラスタリング → 可視化。「意見の地図」を自動生成、直感的だが 2D 圧縮後クラスタリングのため精度は妥協
  • Long Context タイプ — TTTC Turbo / embedding を介さない LLM 直接グルーピング / 富士通-中央省庁実証実験。Embedding と UMAP を使わず LLM に直接全件読ませる。賛否分離・ニュアンス区別に強く精度が高いが、見栄えのする散布図は出ない

kouchou-ai は散布図タイプから出発したが、analysis_mode=llm_grouping (pr-827-llm-grouping-capabilities-plan-2026-05-18) は Long Context 系統の枝を内包しようとしている。両者は技術的に急発展しており、長短は今後変動する。

なぜ重要か

  • パブコメ攻撃 / パブコメ DDoS — AI による大量コメント投稿への対策が現代的な行政課題（meeting-minutes 2025-03-26）。重複検出・低品質コメント除去・統計的世論との区別が必要。文化庁公開コメントデータ (nishio/aipubcom-data 8000→25000 件) などが研究対象
  • 既存の世論調査では拾えない少数意見 の可視化
  • 自治体・政党の意見集約コスト を下げる（パブコメ職員の手作業を AI で代替）

関連用語

  • 濃い意見グループ / 濃いクラスタ — 意見密度の高いクラスタ。10,000 件以上のデータセット向けに設計された UI 要素
  • 属性フィルタ — クラスタを年齢・地域などのメタデータで絞る機能（PR #531）
  • 民意 vs 統計的世論 — 書籍側の区別。Wiki スコープ外だが用語として頻出
  • ナラティブアプローチ — tokoroten のチャット型インテーク手法。「あなたの感情を真剣に受け止める」スタイルで、kouchou-ai の「要するに〜」型バケット化と対比される

関連プロジェクト

  • TTTC — 上流。AIObjectives Institute 発、現在 archived (2025-08-01)。tttc-light-js は scatter なし
  • idobata — 1-on-1 深掘りインタビュー AI。提案／PR データを kouchou-ai 側にも渡す
  • DivCon (tokoroten) — 自治体データを扱う別系統の実験
  • farbrain (tokoroten/farbrain) — UMAP+k-means+ラベリングを使ったゲーミフィケーション派生

Updates

  • 2026-05-17: 初回作成
  • 2026-05-21: 書籍 13.5 由来の散布図 vs Long Context 二アーキ整理を追加（broad-listening-book-source）
  • 2026-06-03: 「遊園地の地図」比喩で reader の探索パターン（俯瞰 → ゾーン選択 → drill in）を言語化し、ラベル品質が機能要件である理由を追記（nishio-amusement-park-map-metaphor-2026-06-03）

グラフビュー

バックリンク