本研究では社会課題，とりわけ都市問題のデータのスキーマを整備し，各データの要素をリンクさせたナレッジグラフとしてデータを蓄積することで，都市問題の解決試作導出を支援する分析・推論基盤を実現することを目的とした．これにより，例えば都市問題の因果関係や階層関係のリンクをたどって課題の影響範囲を予測することや，悪循環および悪循環を引き起こす中核課題を発見することが可能になり，自治体やNPO法人などの課題解決実務者の一助になると考える．本稿で述べる「因果関係」とは，単にある事物の要因や影響として指摘されうる関係であり，その他の科学的な意味合いを指していないという点に注意されたい．
まず，スキーマを設計し，自然言語処理とクラウドソーシングを用いて，広くWeb情報から因果関係を抽出した．抽出した因果関係に基づいてLODを構築した．さらに，自治体予算情報のRDF化を行い，構築したLODと結合し，因果関係から関連予算まで検索可能な分析活用例を示した．構築した都市問題因果関係LODはWeb情報から一文単位で半自動的に構築しているため，異なる文脈で出現する因果単語間の関係に欠損が生じるという問題がある．そこで，独自に定義した11パターンの推論ルールにより欠損因果リンクを補完する手法を提案した．
さらに，都市問題は悪循環を構成しやすい点に着目し，LODからSPARQLを用いて都市問題の悪循環および複数の悪循環を引き起こす根源的課題を発見する実験を行った．実験結果について都市問題の専門家による評価を行い，都市問題解決に向けて本研究が一定の有用性を持つことを確認した．
因果関係の裏付けとしての詳細な分析や地域に焦点を当てた分析向けて，都市問題そのものの実データを収集しLODする必要がある．しかし，十分なデータを得ることが困難であるため，ニューラルネットワークを用いて問題発生の分布を推定する手法を提案した．