CN111183421B - 服务提供系统、业务分析支援系统、方法以及记录介质 - Google Patents
服务提供系统、业务分析支援系统、方法以及记录介质 Download PDFInfo
- Publication number
- CN111183421B CN111183421B CN201880064883.9A CN201880064883A CN111183421B CN 111183421 B CN111183421 B CN 111183421B CN 201880064883 A CN201880064883 A CN 201880064883A CN 111183421 B CN111183421 B CN 111183421B
- Authority
- CN
- China
- Prior art keywords
- information
- knowledge
- unit
- tag
- analysis object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims description 36
- 230000010365 information processing Effects 0.000 claims abstract description 32
- 238000009411 base construction Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 166
- 238000013507 mapping Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 24
- 238000009877 rendering Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 78
- 238000010586 diagram Methods 0.000 description 44
- 238000000605 extraction Methods 0.000 description 40
- 238000012986 modification Methods 0.000 description 20
- 230000004048 modification Effects 0.000 description 20
- 238000012423 maintenance Methods 0.000 description 18
- 239000000284 extract Substances 0.000 description 13
- 238000009825 accumulation Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 9
- 230000001364 causal effect Effects 0.000 description 9
- 238000013523 data management Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 239000000470 constituent Substances 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 239000012634 fragment Substances 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/908—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
公开了一种能够将对多种多样的系统构建有效的信息处理功能作为服务而提供的服务提供系统。本实施方式的服务提供系统实现信息取得功能、知识库构建功能、知识提示功能。所述信息取得功能取得与分析对象有关的信息以及表示该分析对象的状态的信息。所述知识库构建功能基于通过所述信息取得功能取得的信息，构建用于获得与所述分析对象的状态对应的知识的知识数据库。所述知识提示功能从所述知识数据库提示与所述分析对象的状态对应的知识。
Description
技术领域
本发明的实施方式涉及服务提供系统、业务分析支援系统、方法以及记录介质。
背景技术
近年，开发出了所谓的云系统，该云系统实现能够经由因特网提供例如平台功能作为服务的结构(平台即服务：PaaS，软件即服务：SaaS)。
作为该云系统的利用方式，例如能够应用于业务分析支援系统的构建、运用，该业务分析支援系统用于通过计算机分析影像、声音，基于该分析结果分析人物的言行，并进行服务业的店铺等的运营状况的分析等。
现有技术文献
专利文献
专利文献1：日本专利第5285575号公报
发明内容
作为云系统的一种，能够提供包括所谓的人工智能(AI)功能的软件功能(统称为信息处理功能)作为服务的服务提供系统，被认为对例如业务分析支援系统等多种多样的系统构建是有效的。因此，要求实现一种能够提供对于多种多样的系统构建为有效的信息处理功能作为服务的服务提供系统。
本实施方式的信息处理功能的服务提供系统，利用网络及计算机提供信息处理功能作为服务，所述计算机实现信息取得功能、知识库构建功能、知识提示功能。所述信息取得功能取得与分析对象有关的信息以及表示该分析对象的状态的信息。所述知识库构建功能基于通过所述信息取得功能取得的信息，构建用于获得与所述分析对象的状态对应的知识的知识数据库。所述知识提示功能从所述知识数据库提示与所述分析对象的状态对应的知识。
附图说明
图1是表示与实施方式有关的服务提供系统的构成的框图。
图2是用于说明与实施方式有关的能够作为服务而提供的信息处理功能的概念的图。
图3是表示与实施方式有关的信息处理功能的构成的框图。
图4是表示与实施方式有关的知识的体系化处理部的构成的框图。
图5是用于说明与实施方式有关的知识的体系化处理部的处理步骤的流程图。
图6是表示与实施方式有关的映射处理部的构成的框图。
图7是表示与实施方式有关的状态识别处理部的构成的框图。
图8是用于说明与实施方式有关的状态识别处理部的处理步骤的流程图。
图9是表示与实施方式有关的知识的提示处理部的构成的框图。
图10是用于说明与实施方式有关的知识的提示处理部的处理步骤的流程图。
图11是表示应用本实施方式的实施例1的系统构成的框图。
图12是表示应用本实施方式的实施例2的系统构成的框图。
图13是用于说明与实施例2有关的系统的动作的流程图。
图14是用于说明与实施例2有关的集(episode)的登记处理的一例的图。
图15是用于说明与实施例2有关的集的检索处理的一例的图。
图16是用于说明与实施例2有关的文本分析处理的一例的图。
图17是用于说明与实施例2有关的集的检索处理的概念的图。
图18是表示与实施例2的集DB有关的表结构的一例的图。
图19是表示与实施例2的集DB有关的表结构的一例的图。
图20是表示与实施例2的集DB有关的表结构的一例的图。
图21是表示与实施例2的集DB有关的表结构的一例的图。
图22是表示与实施例2的集DB有关的表结构的一例的图。
图23是表示与实施例2的集DB有关的表结构的一例的图。
图24是表示实施例2的变形例的图。
具体实施方式
以下，参照附图对实施方式进行说明。
[系统构成]
图1是表示与本实施方式有关的服务提供系统的构成的框图。本系统是实现经由因特网提供例如平台功能(作为信息处理功能的基础的软件功能)作为服务的结构的云系统的一种。具体而言，例如，提供平台即服务(PaaS：Platform as a Service)、软件即服务(SaaS：Software as a Service)。进而，本系统提供包括知识库等人工智能(AI)功能的软件功能(以下有时统称为信息处理功能)作为服务。
如图1所示，本系统的主要要素是以服务器系统1以及网络为代表的因特网2。服务器系统1包括计算机10和存储器20。计算机10执行用于实现将信息处理功能作为服务而提供的功能(结构)的各种信息处理。作为信息处理功能，例如是如后述那样、构建业务分析支援系统，并使各种应用程序动作所用的平台功能。
如后所述，计算机10包括处理部11，该处理部11执行用于生成用于实现AI功能的知识库的知识的结构化/学习处理。存储器20是存储与计算机10进行的信息处理有关的数据、信息的存储装置，作为用于构建与本实施方式有关的知识数据库21的存储器发挥功能。
在本实施方式中，服务器系统1经由因特网2对客户端系统3提供信息处理功能作为服务。客户端系统3是与因特网2连接并接受服务的提供的用户所使用的系统。在此，用户是指顾客、客户、系统联合体(SIer)等的业者的总称。客户端系统3例如包括：个人计算机等终端装置13、包括显示装置等的输出装置14、包括键盘等的输入装置15、存储器16、以及IoT(Internet of Things)设备17。
IoT设备17包括图像传感器(照相机等)、声音传感器(麦克风等)、以及检测用户的行为的各种传感器，将各传感器数据向终端装置13传送。另外，IoT设备17能够将各传感器数据经由因特网2传送到服务器系统1。
[服务提供的概要]
图2是用于说明本实施方式的服务器系统1能够经由因特网2作为而提供的信息处理功能的概念的图。在本实施方式中，能够作为服务而提供的信息处理功能包括通过计算机10执行结构化/学习处理部11而实现的、构建知识数据库21的功能、以及从该知识数据库21提示知识的功能。
如图2所示，该信息处理功能为了实现构建知识数据库21的功能而包括知识的体系化处理部30、映射处理部31以及状态识别处理部32。此外，该信息处理功能包括从知识数据库21提示知识的知识的提示处理部33。
知识的体系化处理部30生成从储存型信息200体系化了知识的知识库。知识库例如包括表示针对事件的解决方法(在何时、怎么办好)的规则、规则性等。另外，知识库是用计算机能够读取、且逻辑上按照规定的规则的形式的数据进行登记、并作为知识数据库(知识DB)21而构建的。
在此，所谓的储存型信息200，是包括步骤书、过去的业务信息、来自IoT设备17的传感器数据等的蓄积信息。该储存型信息200例如包括通过CRM(Customer RelationshipManagement)、ERP(Enterprise Resources Planning)、DMS(Document ManagementSystem)等系统而分析或蓄积的信息。进而，知识的体系化处理部30也使用与由专家等知识保有者提供的特定领域的知识(技术窍门)有关的提供信息220，对知识进行体系化来生成知识库。
映射处理部31对实际的事件的状态(状况)和知识(那时，怎么了)进行映射(建立对应、建立关联)，生成映射后的知识库。映射处理部31使用提供信息220、从知识的提示处理部33反馈的提示结果。
状态识别处理部32基于流型信息210，识别实际发生的事件的状态(状况)(现在，发生了什么)，生成识别出的知识库。流型信息210是报告、会话的记录信息以及来自IoT设备17的传感器数据等。
知识的提示处理部33执行提示从将各知识库结构化而成的知识数据库21被映射到与由状态识别处理部32识别出的事件的状态(状况)类似的状态(状况)的知识的处理。
本实施方式能够将以上那样的概念的信息处理功能作为服务，经由因特网2提供给客户端系统3。即，能够实现构建知识数据库21并且将基于知识数据库21的知识作为服务而提供的例如PaaS功能。
[作为服务而提供的信息处理功能]
图3是用于说明作为服务而提供的信息处理功能的构成的框图。图3表示用于将图2所示的信息处理功能的概念作为由接口层40、41、摘要层42、43、结构化层44以及知识库层组成的系统来实现的构成。具体而言，接口层40、41包括在Web上发挥功能的Web-API(Application Programming Interface：应用程序接口)。摘要层42、43包括根据需要对数据源进行附加(add on)的功能。知识库层包括各数据库(DB)60～65。
如图3所示，储存型信息200以及流型信息210均为文件信息，作为具体例，例如是业务或设备的规格书、合同书、各种规定、医院等的诊疗记录以及各种履历文件。摘要层42输入储存型文件200A。摘要层43输入流型文件210A。摘要层42、43分别包括关键字提取部420、430、修饰分析部421、431、要点提取部422、432以及因果关系提取部423、433。
关键字提取部420、430执行关键字提取处理。修饰分析部421和431参照修饰分析辞典50来执行修饰分析处理。要点提取部422、432参照要点提取辞典51执行要点提取处理。因果关系提取部423、433参照因果关系提取辞典52来执行因果关系提取处理。
接口层40包括保存从摘要层42输出的原始标签(原始标签：Original Label)信息的原始标签信息保存部400、原始标签编辑部401、以及映射编辑部402。接口层41包括保存从摘要层43输出的原始标签信息的原始标签信息保存部410、保存关联标签信息的关联标签信息保存部411、以及保存候选文件集合的候选文件集合保存部412。
结构化层44包括表现统一部440、映射部441、关联标签取得部442以及筛选部443。并且，知识库层包括储存型信息DB60、履历信息DB61、原始标签DB62、标签DB63、映射编辑DB64、以及映射DB65，并作为知识DB21而构建。在此，储存型信息DB60保存包括储存型文件200A的储存型信息200。履历信息DB61保存包括流型文件210A的流型信息210。
在以上那样的信息处理功能的构成中，如图2所示，对知识的体系化处理部30、映射处理部31、状态识别处理部32、知识的提示处理部33分别说明构成以及处理步骤。
图4是表示知识的体系化处理部30的构成的框图。图5是用于说明知识的体系化处理部30的处理步骤的流程图。
如图4所示，知识的体系化处理部30通过摘要层42执行针对储存型文件200A的标签操作，输出原始标签信息并保存在接口层40所包括的原始标签信息保存部400中。如图5所示，摘要层42输入储存型文件200A(S1)。
摘要层42中包括的关键字提取部420执行从储存型文件200A提取关键字(单词)的处理。修饰分析部421参照修饰分析辞典50，对储存型文件200A执行修饰分析处理(句法分析处理)(S2)。修饰分析部421基于修饰分析结果，例如生成附加了对由关键字提取部420提取出的关键字间的关系进行表示的标签的原始标签信息。即，所谓的原始标签信息，是在储存型文件200A的各句子中附加了标签的信息。
同样地，要点提取部422参照要点提取辞典51，对储存型文件200A执行要点提取处理(S3)，例如，生成附加了对要点的种类进行表示的标签的原始标签信息。另外，因果关系提取部423参照因果关系提取辞典52，对储存型文件200A执行因果关系提取处理(S4)，例如，生成附加了对句子间的因果关系进行表示的标签的原始标签信息。
接口层40将从摘要层42输出的原始标签信息保存于原始标签信息保存部400后，并从该原始标签信息保存部400与识别被输入的储存型文件200A中包括的文件信息的内容ID一起保存在原始标签DB62中(S5)。接着，结构化层44所包括的表现统一部440参照类词辞典53，执行针对保存在原始标签DB62中的原始标签信息的统一表现处理(分类、结构化等)(S6)。表现统一部440将通过统一表现处理而统一了表现的标签信息保存在标签DB63中(S7)。
图6是表示映射处理部31的构成的框图。如图6所示，映射处理部31通过结构化层44所包括的映射部441，来构建映射DB65，该映射DB65是将事件的状态(状况)与知识映射(建立对应或建立关联)的知识库。具体而言，映射部441执行输入在原始标签DB62中保存的原始标签信息，并提取标签间的同现关系(例如，单词同现表现)的处理(机器学习处理)。映射部441基于提取结果，将表示同现关系的原始标签信息的标签ID作为映射信息存储到映射DB65中。
图7是表示状态识别处理部32的构成的框图。图8是用于说明状态识别处理部32的处理步骤的流程图。
如图7所示，状态识别处理部32通过摘要层43执行针对流型文件210A的标签操作，输出原始标签信息并保存在接口层41所包括的原始标签信息保存部410中。如图8所示，摘要层43输入流型文件210A(S10)。
摘要层43所包括的关键字提取部430执行从流型文件210A中提取关键字(单词)的处理。修饰分析部431参照修饰分析辞典50，对流型文件210A执行修饰分析处理(句法分析处理)(S11)。修饰分析部431基于修饰分析结果，例如生成附加了对由关键字提取部420提取出的关键字间的关系进行表示的标签的原始标签信息。即，所谓原始标签信息，是在流型文件210A的各句子中附加了标签的信息。
同样地，要点提取部432参照要点提取辞典51，对流型文件210A执行要点提取处理(S12)，例如，生成附加了对要点的种类进行表示的标签的原始标签信息。另外，因果关系提取部433参照因果关系提取辞典52，对流型文件210A执行因果关系提取处理(S13)，例如，生成附加了对句子间的因果关系进行表示的标签的原始标签信息。
接口层41将从摘要层43输出的原始标签信息保存在原始标签信息保存部410中。接着，结构化层44所包括的关联标签取得部442使用原始标签信息，取得关联标签信息(S14)。具体而言，关联标签取得部442参照保存在原始标签DB62中的原始标签信息(对储存型文件200A附加了标签后的信息)、以及保存在标签DB63中的统一表现处理后的标签信息，取得关联标签信息(类似的标签信息)，并保存在接口层41所包括的关联标签信息保存部411中。
图9是表示知识的提示处理部33的构成的框图。图10是用于说明知识的提示处理部33的处理步骤的流程图。
如图9所示，知识的提示处理部33通过结构化层44所包括的关联标签取得部442以及筛选部443，执行提示与由状态识别处理部32识别出的事件的状态(状况)类似的状态(状况)所映射的知识的处理。在此，具体而言，知识的提示处理部33使用与基于流型文件210A的原始标签信息关联的关联标签信息，从储存型信息DB60取得(检索)储存型文件200A。
如图10所示，关联标签取得部442使用存储在接口层41所包括的原始标签信息保存部410中保存的原始标签信息(对流型文件210A附加了标签后的信息)，取得在原始标签DB62中存储的原始标签信息(对储存型文件200A附加了标签后的信息)的标签ID(标签信息的识别信息)(S20)。关联标签取得部442使用所取得的标签ID，从映射DB65取得关联的标签ID(S21)。
进而，关联标签取得部442使用在原始标签DB62中保存的原始标签信息的标签ID、以及从映射DB65取得的关联的标签ID，从标签DB63取得关联标签信息(类似的标签信息)(S22)。关联标签取得部442将取得的关联标签信息保存在接口层41所包括的关联标签信息保存部411中。
接着，结构化层44所包括的筛选部443从关联标签信息保存部411取得关联标签信息，使用该关联标签信息的标签ID，从原始标签DB62取得内容ID(S23)。该内容ID是用于识别保存在原始标签DB62中的原始标签信息、即附加了标签的储存型文件200A中包括的文件信息的信息。
筛选部443使用该内容ID，取得由相应的储存型文件信息构成的候选文件集合(S24)。筛选部443将所取得的候选文件集合保存于接口层41所包括的候选文件集合保存部412。由此，从接口层41，能够提示由基于关联标签信息而检索到的储存型文件信息组成的候选文件集合，作为映射到类似的状态(状况)的知识。
此外，映射处理部31能够将所提示的候选文件集合作为被反馈的提示结果来使用。另外，在本实施方式中，对应用文件信息作为储存型信息以及流型信息的情况进行了说明，但并不限定于此，也能够应用图像信息、声音信息等方式的信息。
如上所述，根据本实施方式的服务提供系统，通过应用于云系统，能够将与平台功能相当的、包括构建知识数据库21的功能以及提示知识的功能的信息处理功能作为服务经由因特网提供。因此，在从本实施方式的服务提供系统接受该信息处理功能的提供而作为服务的用户侧，能够利用于例如业务分析支援系统等多种多样的系统构建。
实施例1
图11是用于在将本实施方式应用于业务分析支援系统的构建的情况、说明该业务分析支援系统的构成的框图。该业务分析支援系统例如能够应用于店铺经营者的业务模型，具体而言，包括生成并输出店铺经营所需的KPI(Key Performance Indicator)看板(dush board)的功能。
如图11所示，本系统作为服务器系统1对客户端系统3提供的服务基础，而由模型化层100和观测层110构成。即，客户端系统3通过经由因特网2从服务器系统1作为服务而提供的信息处理功能，构建图11所示的业务分析支援系统。
在图11中，输入处理部120以及输出处理部130分别是图1所示的客户端系统3所具有的功能。输入处理部120例如是将从输入装置15输入的店铺简档信息121以及来自IoT设备17的包括各种传感器数据(时间序列数据等)的信息122输入到观测层110的功能。另外，IoT设备17的信息122例如经由因特网2转送到模型化层100。
在此，在店铺简档信息121中，例如包括店铺的选址、在店铺销售的商品的单价、该店铺的竞争性关系、在店铺工作的员工简档信息、以及各种经营信息。
输出处理部130包括由后述的观测层110所包括的KPI看板生成部114将KPI看板例如显示输出到输出装置14的显示装置的功能。另外，输出处理部130包括将该KPI看板经由因特网2转送到模型化层100的功能。此外，输出处理部130包括将该KPI看板反馈给输入处理部120的功能。
如图11所示，本系统所包括的模型化层100包括数据保存部101、观测指标的模型化部102、推理模型的学习/生成部103、知识数据库(知识DB)104。数据保存部101除了上述的现场仪表及IoT设备17的信息122以外，还存储与成为分析对象的店铺有关的业务种类/业务数据。业务种类/业务数据包括一般的各种业界、企业有关的数据。
观测指标的模型化部102生成用于识别与店铺的业绩有关的因果关系的模型作为观测指标(经营指标)的模型。作为具体例，生成对关于店铺的营业员的作业能够数值化的事项与店铺的销售额的因果关系(相关)进行表示的模型。
推理模型的学习/生成部103使用存储在数据保存部101中的各种数据来执行所谓的AI功能的机器学习。推理模型的学习/生成部103通过机器学习来调整观测指标的模型化部102所生成的模型的参数。例如，在将模型设为“Y＝f(x，t)”的情况下，推理模型的学习/生成部103通过调整参数x、t(例如，x为传感器数据、t为时间)的机器学习，来求出推理模型(导出函数f)。
知识DB104将由推理模型的学习/生成部103生成的推理模型(导出函数f)以及保存在数据保存部101中的各种数据作为知识储库保存。这样的模型化层100相当于事先准备的阶段，可以说是平台功能的服务基础。
另外，如图11所示，本系统所包括的观测层110包括观测指标的确定部111、信息收集部112、基于AI设备的行为提取部113、以及KPI看板生成部114。观测层110是作为服务而提供的应用程序功能的服务基础。
观测指标的确定部111使用从输入处理部120输入的店铺简档信息121，例如确定用于观测分析对象的店铺的销售额增加或销售额减少的预兆的指标。观测指标的确定部111还确定观测时的采样周期、时间段。信息收集部112从店铺简档信息121以及IoT设备17的信息122收集由观测指标的确定部111确定的观测指标。在此，信息收集部112不是收集全部数据，也包括数据的过滤、前处理，并通过采样收集数据。
基于AI功能的行为提取部113从知识DB104取得能够测定由观测指标的确定部111确定的观测指标的推理模型(上述函数f)。行为提取部113使用该推理模型以及由信息收集部112收集到的数据，识别(提取)例如表示与店铺的销售额的因果关系(相关)的、店铺的营业员的行为(能够数值化的事件)。
KPI看板生成部114根据基于AI功能的行为提取部113的识别(提取)结果，生成KPI看板，并输出至输出处理部130。例如，KPI看板是在显示装置的画面上作为一览显示形式、按时间序列整形后的数据而显示包括KPI(重要业绩评价指标)的经营信息的显示信息。此外，在看板中也可以还包括对进行比较的相同公司的其他店铺、与同行业其他公司的比较结果也进行显示的显示信息。具体而言，KPI看板例如是人通过定点观测来分析店铺的状态、状况，进行用于改善店铺的状态、状况的意思决定而能够利用的显示形式的信息。另外，KPI看板例如是人为了进行店铺经营中的对策拟定以及其执行而能够利用的显示形式的信息。此外，KPI看板例如是能够掌握店铺的销售额等的预测值、实际值作为店铺经营信息的显示形式的信息。
通过以上那样的业务分析支援系统的构建，能够将在店铺等特定场所活动的人的言行与经营指标的相关(因果关系)模型化，并作为知识库蓄积在知识DB104中。基于分析对象的店铺等的简档信息、来自IoT设备的信息，从知识DB104决定利用的推理模型，能够实现包括KPI(重要业绩评价指标)的经营信息的可视化(KPI看板)。因此，能够实现能够定期地提供店铺等的经营的意思决定所需的信息的、有用的业务分析支援系统。
以往，例如在将表示人物的行为的影像分析结果应用于业务分析支援系统的情况下，例如需要人目视确认店铺等店员或生产现场的作业者的影像并输入分析用的信息(标志或标签等)等需要长时间的手动作业。根据本业务分析支援系统，不仅利用表示人物的行为的影像，还利用人物的声音、各种传感器信息，进行基于AI功能的行为提取，由此不需要长时间的手工作业，能够进行高效且多样的业务分析支援。
实施例2
图12是用于在将本实施方式应用于例如设备维护的支援系统的构建的情况下、说明该系统的构成的框图。具体而言，该系统例如在制造现场的设备的装置发生了故障的情况下，实现提示必要的知识作为应对该故障的适当的对策的功能。
[系统的构成]
如图12所示，系统300包括终端装置301、集检索部310、集蓄积部320和数据管理服务器330。终端装置301包括输入输出部302和应用程序303，构成用户与集检索部310的接口。终端装置301执行将与用户的操作对应的命令、文本信息输入至集检索部310的处理、以及将从集检索部310提示的知识、后述的集输出到显示画面的处理。
集检索部310和集蓄积部320是作为服务从根据本实施例的服务器系统1提供的信息处理功能。集检索部310作为图2所示的信息处理功能的概念，而包括相当于状态识别处理部32以及知识的提示处理部33的构成要素。集蓄积部320作为图2所示的信息处理功能的概念，而包括与知识的体系化处理部30以及映射处理部31相当的构成要素。
数据管理服务器330是收集与设备维护有关的各种信息的信息收集部，包括传感器数据DB(DB为数据库)331以及文本数据DB332。传感器数据DB331蓄积作为维护对象的各装置的温度、电压等各传感器的传感器值即传感器数据(表示各装置的状态的信息)。文本数据DB332蓄积制造现场的作业员、检查员(以下，表述为用户)的会话、作业履历等文本数据。
集蓄积部320作为知识的体系化处理部30，而包括传感器数据处理部321、文本数据处理部324以及集处理部327的各构成要素。传感器数据处理部321包括数据集提取部322和标签提取部323。文本数据处理部324包括文本数据提取部325和标签提取部326。
在传感器数据处理部321中，提取包括各传感器的传感器数据(传感器值)的数据集，并提取与各传感器值对应的标签。数据集的提取为，由数据集提取部322从传感器数据DB331中提取包括由数据管理服务器330收集并蓄积的来自各传感器的传感器数据(传感器值)的数据集。标签提取为，由标签提取部323从数据集提取与各传感器值对应的例如“温度”、“电压”等的标签。
在文本数据处理部324中，进行从蓄积数据的文本数据提取，并从提取出的文本数据中提取标签。文本数据提取为，由文本数据提取部325从文本数据DB332提取由数据管理服务器330收集并蓄积的文本数据。另外，文本数据提取部325从由用户从终端装置301输入的与设备维护有关的报告信息333中提取文本数据。该文本数据是将用户所识别的、与作为维护对象的各装置有关的状况通过会话或句子进行说明的信息。标签提取为，由标签提取部326从文本数据中提取“现象”、“部位”、“处置”等的标签。
集处理部327，作为集处理，而基于从传感器数据处理部321和文本数据处理部324输出的信息，生成由代表与作为维护对象的各装置有关的状况的要素(事件)的集合构成的集信息(以下，简称为集)。即，集包括“现象”、“部位”、“处置”、“温度”等标签、及表示“现象”、“部位”、“处置”等的关键字、传感器值以及传感器数据的解释等的事件信息。集相当于能够作为设备维护的对策而利用的知识化信息(知识)。
此外，集蓄积部320作为映射处理部31，而包括集DB328并且登记(蓄积)由集处理部327生成的集。如后述那样，集检索部310参照集DB328，检索与当前的状况(发生的故障状况)对应(类似)的集，并提示能够作为设备维护的对策而利用的知识。
集检索部310作为状态识别处理部32，而与集蓄积部320同样地包括传感器数据处理部313。传感器数据处理部313包括数据集提取部314和标签化部315。数据集提取部314与数据集提取部322同样地，从传感器数据DB331中提取包括由数据管理服务器330收集并蓄积的各传感器的传感器值的数据集。
标签化部315使用规定的表从数据集中对与各传感器值对应的项目代码等进行转换，输出例如“温度”等标签。即，标签提取部312、323、326分别从文本数据所包括的描述中将原始标签(原始的标签)原样提取。标签化部315输出包括原始标签以及被变换为规定的标记后的标签的统一后的标签。
此外，集检索部310作为状态识别处理部32，而包括文本提取部311、标签提取部312和状况信息的生成部316。文本提取部311提取由用户从终端装置301输入的、对与作为维护对象的各装置有关的当前的状况进行了说明的文本数据。标签提取部312从文本数据中提取“现象”、“部位”等的标签。
状况信息的生成部316基于从传感器数据处理部313、文本提取部311以及标签提取部312输出的信息，生成表示与作为维护对象的各装置有关的当前的状况(发生的故障状况)的信息(集的片段信息)。另外，状况信息的生成部316还追加使用由用户从终端装置301输入的说明了当前的状况的文本数据，生成该集的片段信息。
集检索部310作为知识的提示处理部33，而包括集搜索部317和提示部318。集搜索部317从集DB328中检索与表示由状况信息的生成部316生成的当前状况(发生的故障状况)的信息(集的片段信息)相对应(相似)的集。提示部318提示作为检索结果的集，作为能够作为设备维护的对策而利用的知识。由此，终端装置301将作为检索结果的集作为从提示部318提示的、能够作为设备维护的对策而利用的知识，而输出到显示画面。
[系统的动作]
以下，参照图13至图17，说明系统300的动作。图13是用于说明该系统300的动作的流程图。图14是表示集的登记处理的一例的图。图15是表示集的检索处理的一例的图。图16是表示文本分析处理的一例的图。图17是表示集的检索处理的概念的图。
如图13所示，系统300大致执行基于集蓄积部320的处理(S31、S32)和基于集检索部310的处理(S33、S34、S36)。
集蓄积部320例如输入作为维护对象的各装置的故障应对事例的信息(S30)，执行该事例的状况识别处理(S31)。具体而言，所谓的故障应对事例的信息，如上所述，是由在数据管理服务器330中蓄积在传感器数据DB331中的传感器数据以及蓄积在文本数据DB332中的文本数据构成的。该文本数据还包括由用户从终端装置301输入的与设备维护有关的报告信息333。
状况识别处理相当于传感器数据处理部321以及文本数据处理部324的各处理。即，传感器数据处理部321从传感器数据DB331中提取故障应对事例中的来自各传感器的传感器数据(传感器值)和对应的标签。文本数据处理部324从文本数据DB332提取故障应对事例中的文本数据以及对应的标签。
在此，如图16所示，文本数据处理部324例如执行从用户制作的报告等文本数据500中提取针对各项目(标签)的句子的构成要素的文本分析处理。句子的构成要素是指在故障应对事例中用户所关注的现象。具体而言，例如在“现象”的项目中，作为“问题部位”提取“输送部”、作为“问题内容”提取“异响产生”的各事项。另外，例如在“原因”的项目中，作为“原因部位”，提取“直线导轨”、作为“原因内容”提取“组装错误”的各事项。并且，例如在“处置”的项目中，作为“处置部位”，提取“装置主体”、作为“处置内容”提取“电源重新接通”的各事项。文本数据处理部324通过文本分析处理，在以上那样的各项目(标签)中，输出表示事件间的关系的文本分析结果510。
返回到图13，集蓄积部320基于状况识别处理的识别结果来执行知识化处理(S32)。所谓的知识化处理，是指生成故障应对事例中的来自各传感器的传感器数据(包括标签)以及包括文本分析结果510的文本数据统合而成的集，并登记(存储)在集DB328中的处理。集是表示故障应对事例中的报告(文本数据)与此时的状况(包括传感器数据)的关联性的知识化信息。
图14是表示集的登记处理的一例的图。如图14所示，在数据管理服务器330中，作为过去数据，收集例如手册、报告、移位表等文本数据以及传感器数据(S40)。接下来，通过状况识别处理，输出故障应对事例的状况识别结果(S41)。作为状况识别结果的具体例，如上所述，例如是文本数据处理部324的文本分析结果510。
接下来，通过由集处理部327进行的知识化处理，生成将故障应对事例的传感器数据以及文本数据统合而成的集，并将该集登记(蓄积)在集DB328中(S42)。由此，在集DB328中登记(蓄积)表示故障应对事例中的报告(文本数据)与当时的状况(包括传感器数据)之间的关联性的知识信息即集。
返回到图13，集检索部310从集DB328中检索与表示当前的状况(发生的故障状况)的状况识别结果对应(类似)的集(S33)。该状况识别结果(集的片段信息)基于从终端装置301输入的说明了当前的状况的文本数据等的状况信息(S35)，由状况信息的生成部316生成(S36)。进而，集检索部310通过提示部318提示作为检索结果的集，作为能够作为设备维护的对策而利用的知识(S34)。
图15是与图13对应地表示集的检索处理的一例的图。如图15所示，由状况信息的生成部316生成表示当前的状况的状况识别结果(S36)。另外，状况信息的生成部316使用由用户从终端装置301输入的对当前的状况进行了说明的文本数据(S35)。
集搜索部317从集DB328中检索与表示当前状况的状况识别结果(集的片段信息)相对应(相似)的集(S34)。集检索部310通过提示部318提示作为检索结果的集(S33)。由此，终端装置301将作为检索结果的集输出到显示画面，作为从提示部318提示的、能够作为设备维护的对策而利用的知识。
图17是表示集的检索处理的概念的图。在此，表示当前的状况的信息仅作为文本数据而省略传感器数据。
如图17所示，集检索部310例如从集DB328检索与作为“装置”为“外观检查装置”、作为“问题部位”为“输送部”以及作为“问题内容”为“异响发生”的各事件701～703类似的故障应对事例(集800)，作为当前的状况信息(发生的故障状况)。
在集DB328中，作为与当前的状况信息的各事件701～703类似的、与故障应对事例有关的各项目，而在例如“原因”的项目中，作为“原因部位”而登记有“直线导轨”、作为“原因内容”而登记有“组装错误”的各事项。并且，在例如“处置”的项目中，作为“处置部位”而登记有“装置主体”、作为“处置内容”而登记有“电源重新接通”的各事项。
在如以上那样的各项目(标签)中，集检索部310从集DB328中检索表示与当前的状况信息类似的事件之间的关系的集800，并作为能够作为设备维护的对策利用的知识而提示。
如以上那样，根据本实施例(2)，能够提供一种具有如下功能的系统：蓄积将与设备维护对象的各装置有关的故障应对事例、与表示用户的经验或知识的文本数据以及传感器数据的履历记录进行整合并知识化而得到的集，识别发生的故障状况，并检索与其对应或者类似的集。即，能够将能够作为设备维护的对策而利用的知识在适当的定时提示给例如用户操作的终端装置。
如果是这样的系统，则在例如制造现场即使是不一定精通故障应对的用户的情况下，也能够通过用终端装置检索与发生的故障状况类似的集，在适当的定时得到用于进行故障应对处理的有用的知识。另外，集由集处理部327以结果的方式来学习，因此作为对实际的故障应对有效的知识化的信息被更新并被蓄积。
图18至图23是表示与在集DB328中登记的集(知识化信息)有关的表结构的示例的图。
如上所述，集蓄积部320例如输入作为维护对象的各装置的故障应对事例的信息，执行该事例的状况识别处理，并执行知识化处理。集蓄积部320通过知识化处理，生成将在故障应对事例中的传感器数据以及文本数据整合后的集，并登记到集DB328中。
状况识别处理相当于传感器数据处理部321以及文本数据处理部324的各处理。文本数据处理部324提取故障应对事例中的文本数据以及对应的标签。另外，在此，仅对文本数据进行说明，省略对传感器数据的说明。
图18是表示储存型信息表的一例的图。该储存型信息是蓄积在数据管理服务器330中的信息，是对维护对象的各装置的手册、故障应对事例的报告等进行表示的文本数据形式的信息。如图18所示，储存型信息表具有识别各储存型信息的内容ID。
图19是表示原始标签检测表的一例的图。文本数据处理部324通过上述的文本分析处理，提取故障应对事例中的文本数据以及对应的标签。在此，原始标签是由从文本数据中提取出的字符串组成的标签。如图19所示，原始标签检测表具有用于识别检测结果的原始标签检测ID、用于识别检测出的原始标签自身的原始标签ID、以及检测组ID。检测组ID是在同一内容ID内的原始标签被赋予的字符串具有关联性的情况下进行分组所用的ID。在图19中示出了：内容ID“1”中包括的原始标签ID“1”的字符串和原始标签ID“2”的字符串具有关联性，而被赋予了表示相同组的检测组ID“1”。
图20是表示原始标签表的一例的图。如图20所示，原始标签表具有与原始标签ID对应的原始标签(提取出的字符串)、以及识别包括该原始标签的整合后的标签的标签ID。整合后的标签包括原始标签及变换为规定的标记的标签。
图21是表示标签表的一例的图。如图21所示，标签表具有与标签ID对应的标签(整合标签的字符串)以及识别关键字(KEY)的关键字(KEY)ID。
图22是表示关键字表的一例的图。如图22所示，关键字表与关键字(KEY)ID对应的关键字(KEY：字符串)。通过文本数据处理部324的文本分析处理来提取关键字。
图23是表示映射表的一例的图。如上所述，集蓄积部320包括映射处理部31的功能，并且通过映射处理生成映射表。如图23所示，映射表具有与标签ID对应的、表示存在相关的标签ID及其相关强度的映射ID。集检索部310通过集搜索部317从集DB328检索到与当前的状况(发生的故障状况)对应(类似)的集的情况下，参照该映射表，能够识别与存在相关的标签ID对应的故障应对事例。
[变形例]
图24是表示本实施例2的变形例的图。如图24所示，本变形例作为系统300的信息处理功能的概念，涉及以搜索知识处理部600、检索知识处理部601、信息蓄积部602、集蓄积处理部603以及知识处理部604为构成要素的系统。
如图24所示，集蓄积处理部603是相当于集蓄积部320的构成要素，生成并蓄积由从信息蓄积部602提取的事件的集合构成的集。如上所述，所谓的事件，是代表与作为维护对象的各装置有关的状况的要素(事件)，是表示事件、部位等的关键字、传感器数据的解释等信息。
搜索知识处理部600基于作为维护对象的各装置的当前的状况，从集蓄积处理部603搜索过去的类似的集。当前的状况是对发生的故障状况等进行表示的现象、部位等信息。搜索知识处理部600使用与状况掌握的顺序、优先级以及与过去的集的类似性的尺度有关的信息作为搜索知识。
检索知识处理部601基于来自搜索知识处理部600的搜索知识，提取并加工蓄积于信息蓄积部602的文件、传感器数据等信息，并作为事件而检索。集蓄积处理部603生成并蓄积由通过检索知识处理部601检索到的事件的集合构成的集。
知识处理部604利用由集蓄积处理部603蓄积的集，取得例如作为设备维护的对策而共通的因果关系等的知识(知识信息)。即，知识处理部604利用集，取得能够作为针对发生的故障状况以外的其他状况的对策利用的知识。知识处理部604将该知识作为文件等的数据记录在信息蓄积部602中。
如果是以上那样的本变形例的系统，则集蓄积处理部603作为结果，使用包括由知识处理部604取得的知识的信息，执行学习处理。因此，集蓄积处理部603能够持续地进行学习，例如作为设备维护的对策，也包括针对所发生的故障状况以外的其他状况的对策地将有效的集作为知识化信息来蓄积。
对本发明的几个实施方式进行了说明，但这些实施方式是作为例子而提示的，并不意图限定发明的范围。这些新的实施方式能够以其他各种方式实施，在不脱离发明的主旨的范围内，能够进行各种省略、置换、变更。这些实施方式及其变形包括在发明的范围和主旨中，同样地包括在权利要求书所记载的发明及其均等的范围内。
Claims (6)
1.一种服务提供系统，利用网络及计算机来提供信息处理功能作为服务，所述计算机实现如下单元：
信息取得单元，取得与分析对象有关的信息以及表示该分析对象的状态的信息；
知识库构建单元，基于由所述信息取得单元取得的信息，构建知识数据库，该知识数据库用于获得与所述分析对象的状态对应的知识；以及
知识提示单元，从所述知识数据库提示与所述分析对象的状态对应的知识，
所述知识库构建单元包括：
知识的体系化处理单元，使用与所述分析对象有关的信息，生成将知识体系化而成的知识库；以及
映射处理单元，生成对所述分析对象的状态和知识进行映射而成的知识库，
所述知识的体系化处理单元，
将对与所述分析对象有关的信息附加了标签的第一原始标签信息作为知识库进行保存，
执行对所述第一原始标签信息的统一表现处理，
将通过所述统一表现处理而统一了表现的标签信息作为知识库进行保存，
所述映射处理单元，
输入所述第一原始标签信息，
使用所述第一原始标签信息，提取标签间的同现关系，
将表示所述同现关系的第一原始标签信息的标签ID作为知识库进行保存。
2.根据权利要求1所述的服务提供系统，其中，
所述知识提示单元包括：
知识的提示处理单元，从所述知识数据库取得与所述分析对象的事件的状态类似的状态所映射的知识。
3.根据权利要求1或2所述的服务提供系统，其中，还包括：
状态识别单元，使用对表示所述分析对象的状态的信息附加了标签的第二原始标签信息、以及所述第一原始标签信息，取得关联标签信息并进行保存。
4.根据权利要求3所述的服务提供系统，其中，
所述知识的提示处理单元，
取得所述关联标签信息的标签ID，
使用所述关联标签信息的标签ID，从第一原始标签信息的所述知识库取得与知识对应的信息。
5.一种服务提供系统的方法，应用于利用网络以及计算机来提供信息处理功能作为服务的服务提供系统，
该服务提供系统的方法执行如下处理：
取得与分析对象有关的信息以及表示该分析对象的状态的信息的处理，
根据所述信息，构建知识数据库的处理，该知识数据库用于获得与所述分析对象的状态对应的知识，
从所述知识数据库提示与所述分析对象的状态对应的知识的处理，
构建所述知识数据库的处理包括：
使用与所述分析对象有关的信息，生成将知识体系化而成的知识库的处理；以及
生成对所述分析对象的状态和知识进行映射而成的知识库的处理，
生成所述将知识体系化而成的知识库的处理包括：
将对与所述分析对象有关的信息附加了标签的第一原始标签信息作为知识库进行保存，
执行对所述第一原始标签信息的统一表现处理，
将通过所述统一表现处理而统一了表现的标签信息作为知识库进行保存，
生成所述进行映射而成的知识库的处理包括：
输入所述第一原始标签信息，
使用所述第一原始标签信息，提取标签间的同现关系，
将表示所述同现关系的第一原始标签信息的标签ID作为知识库进行保存。
6.一种记录有使计算机执行由权利要求5所述的方法进行的各处理的程序的记录介质。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017196391 | 2017-10-06 | ||
| JP2017-196391 | 2017-10-06 | ||
| PCT/JP2018/037129 WO2019070010A1 (ja) | 2017-10-06 | 2018-10-04 | サービス提供システム、ビジネス分析支援システム、方法及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111183421A CN111183421A (zh) | 2020-05-19 |
| CN111183421B true CN111183421B (zh) | 2023-11-28 |
Family
ID=65994370
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880064883.9A Active CN111183421B (zh) | 2017-10-06 | 2018-10-04 | 服务提供系统、业务分析支援系统、方法以及记录介质 |
Country Status (4)
| Country | Link |
|---|---|
| US (3) | US20200234157A1 (zh) |
| JP (2) | JP6995871B2 (zh) |
| CN (1) | CN111183421B (zh) |
| WO (1) | WO2019070010A1 (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7242585B2 (ja) * | 2020-01-31 | 2023-03-20 | 株式会社日立製作所 | リコメンデーションシステムおよびリコメンデーション方法 |
| CN112463985A (zh) * | 2020-12-04 | 2021-03-09 | 北京明略软件系统有限公司 | 政务图谱模型构建方法、装置、设备及计算机可读介质 |
| JP7032748B1 (ja) | 2021-07-05 | 2022-03-09 | 株式会社カミングスーン | 処理装置、システム、処理方法およびプログラム |
| WO2023130960A1 (zh) * | 2022-01-07 | 2023-07-13 | 中国电信股份有限公司 | 服务资源确定方法、装置及服务资源确定系统 |
| CN114387021A (zh) * | 2022-01-11 | 2022-04-22 | 平安普惠企业管理有限公司 | 业务状态生成方法、装置、设备及存储介质 |
| US11909737B2 (en) * | 2022-07-20 | 2024-02-20 | Citizens Financial Group, Inc. | AI-driven integration platform and user-adaptive interface for business relationship orchestration |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005250770A (ja) * | 2004-03-03 | 2005-09-15 | Toshiba Corp | アプリケーション・データベース連携方法 |
| CN101281525A (zh) * | 2007-11-23 | 2008-10-08 | 北京九城网络软件有限公司 | 一种互联网上基于知识库的搜索系统和方法 |
| CN101763574A (zh) * | 2009-06-03 | 2010-06-30 | 中国科学院自动化研究所 | 一种基于领域知识的古建筑保护技术信息管理系统及方法 |
| CN107066599A (zh) * | 2017-04-20 | 2017-08-18 | 北京文因互联科技有限公司 | 一种基于知识库推理的相似上市公司企业检索分类方法及系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02123402A (ja) * | 1988-11-02 | 1990-05-10 | Mitsubishi Heavy Ind Ltd | プラントの異常診断装置 |
| JPH0922360A (ja) * | 1995-07-05 | 1997-01-21 | Mitsubishi Electric Corp | 運転支援知識ベース作成支援装置および運転支援システムと運転支援システムを利用した装置および利用方法 |
| JP2003058242A (ja) * | 2001-08-10 | 2003-02-28 | Mitsubishi Electric Corp | プラント運転支援システム |
| US9043360B2 (en) * | 2010-12-17 | 2015-05-26 | Yahoo! Inc. | Display entity relationship |
| US11308157B1 (en) * | 2013-03-13 | 2022-04-19 | Kenzie Lane Mosaic, Llc. | System and method for identifying content relevant to a user based on lyrics from music |
| JP6596899B2 (ja) * | 2015-04-16 | 2019-10-30 | 日本電気株式会社 | 接客データ処理装置及び接客データ処理方法 |
| US10554590B2 (en) * | 2016-09-09 | 2020-02-04 | Microsoft Technology Licensing, Llc | Personalized automated agent |
| JP6329284B2 (ja) * | 2017-01-24 | 2018-05-23 | ヤフー株式会社 | 生成装置、生成方法及び生成プログラム |
-
2018
- 2018-10-04 CN CN201880064883.9A patent/CN111183421B/zh active Active
- 2018-10-04 WO PCT/JP2018/037129 patent/WO2019070010A1/ja active Application Filing
- 2018-10-04 JP JP2019547000A patent/JP6995871B2/ja active Active
-
2020
- 2020-04-06 US US16/840,781 patent/US20200234157A1/en not_active Abandoned
-
2021
- 2021-06-04 JP JP2021094334A patent/JP7242756B2/ja active Active
-
2023
- 2023-07-11 US US18/350,349 patent/US20230351223A1/en active Pending
- 2023-07-11 US US18/350,170 patent/US20230351222A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005250770A (ja) * | 2004-03-03 | 2005-09-15 | Toshiba Corp | アプリケーション・データベース連携方法 |
| CN101281525A (zh) * | 2007-11-23 | 2008-10-08 | 北京九城网络软件有限公司 | 一种互联网上基于知识库的搜索系统和方法 |
| CN101763574A (zh) * | 2009-06-03 | 2010-06-30 | 中国科学院自动化研究所 | 一种基于领域知识的古建筑保护技术信息管理系统及方法 |
| CN107066599A (zh) * | 2017-04-20 | 2017-08-18 | 北京文因互联科技有限公司 | 一种基于知识库推理的相似上市公司企业检索分类方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPWO2019070010A1 (ja) | 2020-07-09 |
| JP6995871B2 (ja) | 2022-01-17 |
| US20200234157A1 (en) | 2020-07-23 |
| US20230351222A1 (en) | 2023-11-02 |
| JP2021131913A (ja) | 2021-09-09 |
| JP7242756B2 (ja) | 2023-03-20 |
| WO2019070010A1 (ja) | 2019-04-11 |
| US20230351223A1 (en) | 2023-11-02 |
| CN111183421A (zh) | 2020-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111183421B (zh) | 服务提供系统、业务分析支援系统、方法以及记录介质 | |
| US20170109657A1 (en) | Machine Learning-Based Model for Identifying Executions of a Business Process | |
| US20170109676A1 (en) | Generation of Candidate Sequences Using Links Between Nonconsecutively Performed Steps of a Business Process | |
| US20170109668A1 (en) | Model for Linking Between Nonconsecutively Performed Steps in a Business Process | |
| US20170109667A1 (en) | Automaton-Based Identification of Executions of a Business Process | |
| JP5126541B2 (ja) | 情報分類装置、情報分類方法、及び情報分類プログラム | |
| US20180046956A1 (en) | Warning About Steps That Lead to an Unsuccessful Execution of a Business Process | |
| US20170109636A1 (en) | Crowd-Based Model for Identifying Executions of a Business Process | |
| US20170109639A1 (en) | General Model for Linking Between Nonconsecutively Performed Steps in Business Processes | |
| US11783130B2 (en) | Using unsupervised machine learning for automatic entity resolution of natural language records | |
| US11113137B2 (en) | Error incident fingerprinting with unique static identifiers | |
| US8954376B2 (en) | Detecting transcoding tables in extract-transform-load processes | |
| US20170109638A1 (en) | Ensemble-Based Identification of Executions of a Business Process | |
| JP2017041171A (ja) | テストシナリオ生成支援装置およびテストシナリオ生成支援方法 | |
| US20220291966A1 (en) | Systems and methods for process mining using unsupervised learning and for automating orchestration of workflows | |
| JP2007011604A (ja) | 不具合診断システム及びプログラム | |
| US20170109640A1 (en) | Generation of Candidate Sequences Using Crowd-Based Seeds of Commonly-Performed Steps of a Business Process | |
| Claeys et al. | Intelligent authoring and management system for assembly instructions | |
| Dakrory et al. | Automated ETL testing on the data quality of a data warehouse | |
| JP2010211575A (ja) | 情報評価支援システム | |
| JP5576570B2 (ja) | 業務仕様からワークフローを生成する方法、プログラム及びシステム | |
| US20170109670A1 (en) | Crowd-Based Patterns for Identifying Executions of Business Processes | |
| US20170109637A1 (en) | Crowd-Based Model for Identifying Nonconsecutive Executions of a Business Process | |
| JP2009301134A (ja) | Ｆｔ図作成プログラム、ｆｔ図作成装置、記録媒体及びｆｔ図作成方法 | |
| Klöpper et al. | Integrated search for heterogeneous data in process industry applications—A proof of concept |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |