G検定 用語解説
データマイニングとは
大量に蓄積されたデータの中から、それまで気づかれていなかった有用な規則性や傾向、関連性を見つけ出すこと全般を指す用語。
まず押さえる結論
データマイニングは、G検定の「大項目2 人工知能をめぐる動向」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×AIブームと中心の対応ずれ。第一次＝探索・推論、第二次＝エキスパートシステム、第三次＝ディープラーニング。
×フレーム問題とシンボルグラウンディング問題の混同。前者は『起こりうる事柄をすべて考慮しきれない』、後者は『記号と実世界の意味を結びつけられない』。
×知識獲得のボトルネック（専門知識をルール化する作業の困難さ）をエキスパートシステムの利点と取り違える。
関連する確認問題
大項目2 人工知能をめぐる動向 / AIブームと機械学習の発展
小売店の購買履歴やセンサーの記録など、大量に蓄積されたデータの中から、それまで気づかれていなかった有用な規則性や傾向、関連性を見つけ出すこと全般を指す用語はどれか。
正解はデータマイニング。小売店の購買履歴やセンサーの記録など、大量に蓄積されたデータの中から、それまで気づかれていなかった有用な規則性や傾向、関連性を見つけ出すこと全般を指す用語である。統計的自然言語処理は言語データを統計的な手法で処理して解析する分野であり、対象を言語データに限った技術であって、あらゆるデータから未知の規則性を見つけ出すこと全般を指す語ではない。機械学習はデータからパターンや規則を自動的に学習してモデルをつくる技術の総称であり、学習してモデルを構築する営み自体を指す語であって、蓄積データから未知の規則性を発見すること全般を指す語ではない。パターン認識は観測されたデータがあらかじめ定めたどのクラスに属するかを判別する技術であり、既知のクラスへの分類が目的であって、未知の規則性や関連性を見つけ出すこと全般を指す語ではない。問題文の「大量に蓄積されたデータの中から、それまで気づかれていなかった有用な規則性や傾向、関連性を見つけ出すこと全般」という条件に一致するのはデータマイニングだけである。
大項目2 人工知能をめぐる動向 / 知識表現とエキスパートシステム
人間が日常生活で暗黙に使う一般常識を、大規模な知識ベースとして計算機に蓄積し、推論に利用できるようにすることを目指した取り組みはどれか。
正解は「Cycプロジェクト」である。Cycプロジェクトは、人間が暗黙に共有している一般常識を規則として大規模な知識ベースに蓄積し、計算機の推論に使えるようにすることを目指す。STRIPSは状態と行動の前提条件・効果を記述して目標までの手順を組み立てるプランニング手法であり、一般常識の大規模収集が中心ではない。データマイニングは大量データから有用な規則性や傾向を見つける活動である。イライザ（ELIZA）は入力文のパターンに応じて応答する対話プログラムである。暗黙の一般常識を明示的な知識へ変える点がCycの識別軸となる。
大項目2 人工知能をめぐる動向 / 知識表現とエキスパートシステム
ある対象領域について、そこに存在する概念、概念の属性、概念間の関係を体系的に定義し、知識を共有・再利用しやすくする考え方はどれか。
正解は「オントロジー」である。オントロジーは、対象領域に存在する概念や属性、概念間の関係を明示的かつ体系的に定義し、知識の共有や再利用をしやすくする考え方である。意味ネットワークは概念をノード、関係をリンクとして表現する知識表現の形式であり、領域全体の語彙や制約を体系化する目的とは焦点が異なる。part-of関係は部分と全体を結ぶ個別の関係の種類にすぎない。データマイニングは蓄積データから規則性を発見する活動で、概念体系の定義ではない。概念と関係を領域単位で体系化するという条件から判断する。
同じ章で確認したい用語
到達チェック
- データマイニングを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、データマイニングに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）