記載不備論文の文章作成支援のプロセスには, 「1. 記載不備論文の検出」と「2. 記載不備論文の修正」が考えられる. 記載不備論文の検出を扱う研究として岡田ら[1]の研究が挙げられる. 岡田ら[1]は, 論文に記載すべき情報を「記載必要項目」と定義し, それらの情報が欠落している論文の自動検出法としてルールベース手法を提案している. 論文の記載必要項目と記載必要項目の検出に役立つ単語を決定し, その検出に役立つ単語が一つも出現していない論文を記載必要項目が欠落している論文であるとして自動で検出を行っている. しかし, 先行研究[1]では, 他の検出手法との比較を行っておらず, また「記載不備論文の修正」について扱っていないため, 記載不備論文の文章作成支援として不十分である. そこで，本研究では機械学習を利用した記載不備論文の自動検出と先行研究の手法の比較と記載不備論文の修正に向けた分析を行う．
記載不備論文の自動検出手法として先行手法のルールベース手法と比較手法として提案した機械学習手法の比較を行った結果, どの記載必要項目においても機械学習手法と比べてルールベース手法のほうが検出精度が高く, 先行手法であるルールベース手法の有効性を確認できた.
記載不備論文の修正に役立つ修正パターンを獲得するために論文の記載必要項目「目的」「問題点」について人手で修正を行い, 得られた修正文を単語連続頻度調査と階層クラスタリングを用いて分析を行った. その結果, 記載必要項目「目的」「問題点」の修正パターンが獲得できた. 今回の分析で得られた結果を使って, 記載必要項目が欠落している論文の著者に対して修正パターンを掲示する修正のヒント出力方式を考案した. この方式により, 記載必要項目が欠落しているか否かとその修正方法が掲示されるため, 論文著者の確認作業や修正作業が軽減できると考える.