存在物の抽出では，固有表現タグが付与されていない一般名詞の抽出を行った． 実験を行った結果，固有表現タグより多く場所と存在物が抽出できた．
存在物と場所の検出では， 存在物と記事内にある場所をそれぞれペアにし， 各ペアに対して存在物と場所が対応しているかをSVMで識別した．
ドクターイエローコーパスを用いてクロスバリテーション，
お土産コーパスを用いてクロスバリテーション，
および，学習データにドクターイエローコーパスを，
テストデータにお土産コーパスを用いる3種類の実験条件で行った．
リンク単位での検出結果はベースラインのF値が0.59で一番高くなった．
しかし，表現単位での検出結果は提案手法(
)のF値が0.66となった．
Google検索の結果と提案手法の比較を行った． ドクターイエローコーパスの場合， Google検索で得ることができた存在する場所は駅名がほとんどであった． しかし，提案手法では駅名の他にも，富士川や中里などの存在する場所も得ることができた．
お土産コーパスの実験でF値の向上を確認できたこと， Google検索との比較でGoogle検索で得られない場所を得られたことから， 提案手法に対する一定の評価を得ることができたと考える． 今後の課題は，場所から存在物の対応検出を行うこと，および， 時間の存在する時間（いつ見ることができるか）の情報抽出を行うことである．