CN112074826A - 学习方法和信息提供系统 - Google Patents

学习方法和信息提供系统 Download PDF

Info

Publication number
CN112074826A
CN112074826A CN202080002608.1A CN202080002608A CN112074826A CN 112074826 A CN112074826 A CN 112074826A CN 202080002608 A CN202080002608 A CN 202080002608A CN 112074826 A CN112074826 A CN 112074826A
Authority
CN
China
Prior art keywords
information
meta
reference information
database
content
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.)
Granted
Application number
CN202080002608.1A
Other languages
English (en)
Other versions
CN112074826B (zh
Inventor
黑田聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Information System Engineering Inc
Original Assignee
Information System Engineering Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Information System Engineering Inc filed Critical Information System Engineering Inc
Publication of CN112074826A publication Critical patent/CN112074826A/zh
Application granted granted Critical
Publication of CN112074826B publication Critical patent/CN112074826B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明的信息提供系统选择适合于进行与护理设备有关的作业的用户实施作业的参照信息，其特征在于，所述信息提供系统具有第1数据库，所述第1数据库是使用机器学习用的数据结构通过机器学习而构建的，所述机器学习用的数据结构具有多个学习数据，所述学习数据包含具有图像数据的评价对象信息和元ID，所述图像数据包含表示所述护理设备和用于识别所述护理设备的识别标签的图像，所述元ID与和所述参照信息对应的内容ID相关联。

Description

学习方法和信息提供系统
技术领域
本发明涉及学习方法和信息提供系统。
背景技术
近年来，根据取得的图像向用户提供规定的信息的技术受到关注。例如，在专利文献1中，从可佩戴终端取得农作物的图像，在可佩戴终端的显示板上以增强现实的方式显示预测出的收获时期。
专利文献1的可佩戴终端显示系统在可佩戴终端的显示板上显示农作物的收获时期，其具有：图像取得单元，其取得进入所述可佩戴终端的视野的农作物的图像；确定单元，其对所述图像进行分析，确定所述农作物的种类；选择单元，其根据所述种类选择判定基准；判定单元，其根据所述判定基准对所述图像进行分析，判定颜色和尺寸；预测单元，其根据所述判定的结果预测所述农作物的收获时期；以及收获时期显示单元，其在所述可佩戴终端的显示板上，针对透过所述显示板看到的所述农作物，以增强现实的方式显示所述预测出的收获时期。
现有技术文献
专利文献
专利文献1：日本特许6267841号公报
发明内容
发明要解决的课题
但是，专利文献1所公开的可佩戴终端显示系统是通过对图像进行分析来确定农作物的种类的。因此，在新取得了图像和农作物的关系的情况下，需要通过机器学习再次学习该关系。因此，存在如下问题：在取得了新的关系的情况下，其更新花费时间。
因此，本发明是鉴于上述问题而提出的，其目的在于，提供能够在短时间内进行作业的学习方法和信息提供系统。
用于解决课题的手段
本发明的机器学习用的数据结构用于构建在选择适合于进行与护理设备有关的作业的用户实施作业的参照信息时利用的第1数据库，且存储在计算机所具有的保存部中，其特征在于，所述机器学习用的数据结构具有多个学习数据，所述学习数据包含具有图像数据的评价对象信息和元ID，所述图像数据包含表示所述护理设备和用于识别所述护理设备的识别标签的图像，所述元ID与和所述参照信息对应的内容ID相关联，多个所述学习数据用于通过所述计算机所具有的控制部执行的机器学习构建所述第1数据库。
本发明的学习方法的特征在于，使用本发明的机器学习用的数据结构进行机器学习，所述机器学习用的数据结构用于构建在选择适合于进行与护理设备有关的作业的用户实施作业的参照信息时利用的第1数据库，且所述机器学习用的数据结构存储在计算机所具有的保存部中。
本发明的信息提供系统选择适合于进行与护理设备有关的作业的用户实施作业的参照信息，其特征在于，所述信息提供系统具有第1数据库，所述第1数据库是使用本发明的机器学习用的数据结构通过机器学习而构建的。
本发明的信息提供系统选择适合于进行与护理设备有关的作业的用户实施作业的参照信息，其特征在于，所述信息提供系统具有：取得单元，其取得包含第1图像数据的取得数据，所述第1图像数据是对特定的护理设备和用于识别所述特定的护理设备的特定的识别标签进行拍摄而得到的图像数据；第1数据库，其是使用机器学习用的数据结构通过机器学习而构建的，所述机器学习用的数据结构包含多个学习数据，所述学习数据包含具有图像数据的评价对象信息和与所述评价对象信息相关联的元ID；元ID选择单元，其参照所述第1数据库，根据所述取得数据选择多个所述元ID中的第1元ID；第2数据库，其存储有多个与所述元ID相关联的内容ID和多个与所述内容ID对应的所述参照信息；内容ID选择单元，其参照所述第2数据库，根据所述第1元ID选择多个所述内容ID中的第1内容ID；以及参照信息选择单元，其参照所述第2数据库，根据所述第1内容ID选择多个所述参照信息中的第1参照信息，所述图像数据包含表示所述护理设备和用于识别所述护理设备的识别标签的图像。
发明效果
根据本发明，能够在短时间内进行作业。
附图说明
图1是示出本实施方式中的信息提供系统的结构的一例的示意图。
图2是示出使用了本实施方式中的信息提供系统的一例的示意图。
图3是示出本实施方式中的元ID估计处理用数据库和参照用数据库的一例的示意图。
图4是示出本实施方式中的机器学习用的数据结构的一例的示意图。
图5是示出本实施方式中的信息提供装置的结构的一例的示意图。
图6是示出本实施方式中的信息提供装置的功能的一例的示意图。
图7是示出本实施方式中的信息提供系统的动作的一例的流程图。
图8是示出本实施方式中的信息提供装置的功能的变形例的示意图。
图9是示出使用了本实施方式中的信息提供系统的变形例的示意图。
图10是示出本实施方式中的场景模型数据库的一例的示意图。
图11是示出本实施方式中的场景模型表的一例的示意图。
图12是示出本实施方式中的场景用内容模型表的一例的示意图。
图13是示出本实施方式中的场景表的一例的示意图。
图14是示出使用了本实施方式中的信息提供系统的变形例的示意图。
图15是示出本实施方式中的内容数据库的一例的示意图。
图16是示出本实施方式中的摘要表的一例的示意图。
图17是示出本实施方式中的参照摘要列表的一例的示意图。
图18是示出本实施方式中的信息提供系统的动作的变形例的流程图。
图19是示出本实施方式中的信息提供装置的功能的第2变形例的示意图。
图20是示出使用了本实施方式中的信息提供系统的第2变形例的示意图。
图21是示出内容关联性数据库的一例的示意图。
图22A是示出内容关联性数据库的一例的示意图。
图22B是示出外部信息相似度计算用数据库的一例的示意图。
图23A是示出内容关联性数据库的一例的示意图。
图23B是示出数据块参照信息相似度计算用数据库的一例的示意图。
图24是示出本实施方式中的信息提供系统的动作的第2变形例的流程图。
图25是示出本实施方式中的信息提供系统的动作的第3变形例的流程图。
具体实施方式
下面，参照附图对本发明的实施方式中的机器学习用的数据结构、学习方法和信息提供系统的一例进行说明。
(信息提供系统100的结构)
参照图1～图7对本实施方式中的信息提供系统100的结构的一例进行说明。图1是示出本实施方式中的信息提供系统100的整体的结构的框图。
信息提供系统100供使用护理设备的护士等护理相关人员等用户利用。信息提供系统100主要以护士等护理相关人员使用的护理设备4作为对象被使用。信息提供系统100从具有护理设备4的图像数据的取得数据中选择适合于进行与护理设备4有关的作业的用户实施作业的第1参照信息。信息提供系统100除了能够向用户提供例如护理设备4的手册以外，还能够向用户提供例如与护理设备4有关的事件信息。由此，用户能够掌握护理设备4的手册和与护理设备4有关的事件。
如图1所示，信息提供系统100具有信息提供装置1。信息提供装置1例如可以经由公共通信网7而与用户终端5和服务器6中的至少任意一方连接。
图2是示出使用了本实施方式中的信息提供系统100的一例的示意图。信息提供装置1取得具有第1图像数据的取得数据。信息提供装置1根据取得的取得数据选择第1元ID，将其发送到用户终端5。信息提供装置1从用户终端5取得第1元ID。信息提供装置1根据取得的第1元ID选择第1参照信息，将其发送到用户终端5。由此，用户能够掌握包含护理设备4的使用手册等在内的第1参照信息。
图3是示出本实施方式中的元ID估计处理用数据库和参照用数据库的一例的示意图。信息提供装置1参照元ID估计处理用数据库(第1数据库)，根据取得的取得数据选择多个元ID中的第1元ID。信息提供装置1参照参照用数据库(第2数据库)，根据选择出的第1元ID选择多个内容ID中的第1内容ID。信息提供装置1参照参照用数据库，根据选择出的第1内容ID选择多个参照信息中的第1参照信息。
元ID估计处理用数据库是使用应用了本发明的机器学习用的数据结构通过机器学习而构建的。应用了本发明的机器学习的数据结构用于构建元ID估计处理用数据库，该元ID估计处理用数据库供进行与护理设备4有关的作业的用户在选择适合于实施作业的参照信息时利用，该机器学习的数据结构存储在信息提供装置1(计算机)所具有的保存部104中。
图4是示出本实施方式中的机器学习用数据结构的一例的示意图。应用了本发明的机器学习用的数据结构具有多个学习数据。多个学习数据被用于通过信息提供装置1所具有的控制部18执行的机器学习构建元ID估计处理用数据库。元ID估计处理用数据库也可以是使用机器学习用的数据结构进行机器学习而构建的学习完成模型。
学习数据具有评价对象信息和元ID。元ID估计处理用数据库存储在保存部104中。
评价对象信息具有图像数据。图像数据具有表示护理设备4和用于识别护理设备4的识别标签的图像。图像可以是静态图像，也可以是动态图像。识别标签可以使用形状名、类型名、用户等为了识别护理设备4而赋予的管理编号等由字符串构成的标签，也可以使用条形码等一维码、QR码(注册商标)等二维码等。评价对象信息可以还具有事件信息。
事件信息包含护理设备4中的事故未遂、厚生劳动省等行政机关等发行的护理设备4的事故事例等。事件信息可以包含与由护理设备4产生的警报有关的警报信息。事件信息例如可以是声音等的文件，也可以是与日语对应的外语等被翻译出来的声音等的文件。例如，如果登记了某一个国家的声音语言，则也可以与其对应地存储对应的外语的翻译声音文件。
元ID由字符串构成，与内容ID相关联。元ID的容量比参照信息的容量小。元ID包含对图像数据所示的护理设备4进行分类的装置元ID、以及与图像数据所示的护理设备4的作业顺序有关的作业顺序元ID。元ID也可以包含与取得数据所示的事件信息有关的事件元ID。
取得数据具有第1图像数据。第1图像数据是拍摄特定的护理设备和用于识别特定的护理设备的特定的识别标签而得到的图像。第1图像数据例如是由用户终端5的照相机等拍摄的图像数据。取得数据还可以具有事件信息。在元ID估计处理用数据库中存储有评价对象信息与元ID之间的元关联度。元关联度表示评价对象信息和元ID相关联的程度，例如通过百分比、10个等级或5个等级等3个等级以上的等级来表示。例如在图3中，评价对象信息中包含的“图像数据A”示出了与元ID“IDaa”之间的元关联度“20％”，示出了与元ID“IDab”之间的元关联度“50％”。该情况下，“IDab”表示与“IDaa”相比、与“图像数据A”之间的关联更强。
元ID估计处理用数据库例如也可以具有能够计算元关联度的算法。作为元ID估计处理用数据库，例如可以使用根据评价对象信息、元ID和元关联度进行优化后的函数(分类器)。
元ID估计处理用数据库例如是使用机器学习构建的。作为机器学习的方法，例如使用深度学习。元ID估计处理用数据库例如由神经网络构成，该情况下，元关联度可以利用隐藏层和权重变量来表示。
参照用数据库存储有多个内容ID和多个参照信息。参照用数据库存储在保存部104中。
内容ID由字符串构成，与1个或多个元ID相关联。内容ID的容量比参照信息的容量小。内容ID具有对参照信息所示的护理设备4进行分类的装置ID、以及与参照信息所示的护理设备4的作业顺序有关的作业顺序ID。内容ID还可以具有与参照信息所示的护理设备4的事件信息有关的事件ID。装置ID与元ID中的装置元ID相关联，作业顺序ID与元ID中的作业顺序元ID相关联。事件ID与事件元ID相关联。
参照信息与内容ID对应。对1个参照信息分配1个内容ID。参照信息具有与护理设备4有关的信息。参照信息具有护理设备4的使用手册、分割使用手册、事件信息、文档信息、历史信息等。参照信息可以是有意义的信息汇集成一组数据的块而得到的数据块构造。参照信息可以是动态图像文件。参照信息也可以是声音文件，还可以是与日语对应的外语等被翻译出来的声音等文件。例如，如果登记了某一个国家的声音语言，则也可以与其对应地存储对应的外语的翻译声音文件。
使用手册具有装置信息和作业顺序信息。装置信息是对护理设备4进行分类的信息，包含规格(说明)、操作维护使用手册等。作业顺序信息具有与护理设备4的作业顺序有关的信息。也可以是装置信息与装置ID相关联，作业顺序信息与作业顺序ID相关联。参照信息也可以具有装置信息、作业顺序信息。
分割使用手册是以规定的范围对使用手册进行分割而得到的。分割使用手册例如可以按照每页、每章、由有意义的信息汇集成一组数据的块而得到的数据块构造的每一个对使用手册进行分割而得到。使用手册、分割使用手册可以是动态图像，也可以是声音数据。
如上所述，事件信息包含护理设备4中的事故未遂、行政机关等发行的护理设备4的事故事例等。此外，如上所述，事件信息可以包含与由护理设备4产生的警报有关的警报信息。此时，事件信息可以与装置ID、作业顺序ID中的至少任意一方相关联。
文档信息具有护理设备4的设计说明书、报告书、报告等。
历史信息是与护理设备4的检修、故障、修理等的历史有关的信息。
信息提供系统100具有元ID估计处理用数据库(第1数据库)，该元ID估计处理用数据库是使用机器学习用的数据结构通过机器学习而构建的，该机器学习用的数据结构存储有多个学习数据，该学习数据具备具有护理设备4的图像数据的评价对象信息和元ID，元ID与内容ID相关联。因此，在再次更新参照信息的情况下，也只要对元ID和与参照信息对应的内容ID的关联进行变更、或对更新后的参照信息和内容ID的对应关系进行变更即可，不需要再次更新评价对象信息和元ID之间的关系。由此，不需要伴随参照信息的更新而再次构建元ID估计处理用数据库。由此，能够在短时间内进行更新作业。
此外，在信息提供系统100中，学习数据具有元ID。因此，在构建元ID估计处理用数据库时，能够使用容量比参照信息的容量小的元ID进行机器学习。由此，与使用参照信息进行机器学习相比，能够在短时间内构建元ID估计处理用数据库。
此外，信息提供系统100在检索参照信息时，使用容量比图像数据的容量小的元ID作为检索词条，并回复容量比参照信息的容量小的内容ID作为与检索词条一致或部分一致的结果，因此，能够减少检索处理中的数据通信量和处理时间。
此外，在使用基于机器学习用的数据结构的机器学习来建立检索参照信息的系统的情况下，信息提供系统100能够使用图像数据作为与检索关键字相当的取得数据(输入信息)。因此，用户不需要利用文字输入或声音等使希望检索的信息和特定的护理设备语言化，即使不知道概念和姓名，也能够进行检索。
实施方式中的学习方法使用实施方式中的机器学习用的数据结构进行机器学习，该机器学习用的数据结构用于构建元ID估计处理用数据库，该元ID估计处理用数据库用于供进行与护理设备有关的作业的用户在选择适合于实施作业的参照信息时利用，且该学习方法存储在计算机所具有的保存部104中。因此，即使在再次更新了参照信息的情况下，只要对元ID和与参照信息对应的内容ID的关联进行变更即可，不需要重新更新评价对象信息和元ID的关系。由此，不需要伴随参照信息的更新而再次构建元ID估计处理用数据库。由此，能够在短时间内进行更新作业。
<信息提供装置1>
图5是示出信息提供装置1的结构的一例的示意图。作为信息提供装置1，除了个人计算机(PC)以外，还可以使用智能手机、平板终端等电子设备。信息提供装置1具有壳体10、CPU101、ROM102、RAM103、保存部104和I/F105～107。各结构101～107通过内部总线110连接。
CPU(Central Processing Unit)101对信息提供装置1整体进行控制。ROM(ReadOnly Memory)102存储CPU101的动作代码。RAM(Random Access Memory)103是CPU101的动作时使用的作业区域。保存部104保存机器学习用的数据结构、取得数据、元ID估计处理用数据库、参照用数据库、后述的内容数据库和后述的场景模型数据库等各种信息。作为保存部104，例如除了HDD(Hard Disk Drive)以外，还使用SSD(solid state drive)等。
I/F105是用于经由公共通信网7而与用户终端5等进行各种信息的发送接收的接口。I/F106是用于与输入部分108进行各种信息的发送接收的接口。作为输入部分108而例如使用键盘，利用信息提供系统100的用户经由输入部分108输入或选择各种信息或信息提供装置1的控制命令等。I/F107是用于与输出部分109进行各种信息的发送接收的接口。输出部分109输出保存部104中保存的各种信息或信息提供装置1的处理状况等。作为输出部分109使用显示器，例如可以是触摸面板式。该情况下，也可以构成为输出部分109包含输入部分108。
图5是示出信息提供装置1的功能的一例的示意图。信息提供装置1具有取得部11、元ID选择部12、内容ID选择部13、参照信息选择部14、输入部15、输出部16、存储部17和控制部18。另外，CPU101将RAM103作为作业区域执行保存部104等中存储的程序，由此实现图5所示的各功能。此外，各功能例如也可以通过人工智能来控制。这里，“人工智能”可以是基于任意公知的人工智能技术的人工智能。
<取得部11>
取得部11取得取得数据等各种信息。取得部11取得用于构建元ID估计处理用数据库的学习数据。
<元ID选择部12>
元ID选择部12参照元ID估计处理用数据库，根据取得数据选择多个元ID中的第1元ID。元ID选择部12例如在使用图3所示的元ID估计处理用数据库的情况下，选择与取得数据中包含的“第1图像数据”相同或相似的评价对象信息(例如“图像数据A”)。此外，元ID选择部12例如在使用图3所示的元ID估计处理用数据库的情况下，选择与取得数据中包含的“第1图像数据”和“事件信息”相同或相似的评价对象信息(例如“图像数据B”和“事件信息A”)。
作为评价对象信息，除了选择与取得数据一部分一致或完全一致的信息以外，例如还使用相似(包含相同概念等)的信息。由于取得数据和评价对象信息分别包含等同的特征的信息，由此，能够提高所应该选择的评价对象信息的精度。
元ID选择部12选择与选择出的评价对象信息相关联的多个元ID中的1个以上的第1元ID。例如，元ID选择部12例如在使用图3所示的元ID估计处理用数据库的情况下，选择与选择出的“图像数据A”相关联的多个元ID“IDaa”、“IDab”、“IDac”、“IDba”、“IDca”中的元ID“IDaa”、“IDab”、“IDac”作为第1元ID。
另外，元ID选择部12也可以预先针对元关联度设定阈值，选择具有比该阈值高的元关联度的元ID作为第1元ID。例如，在将元关联度为50％以上设为阈值时，可以选择元关联度为50％以上的“IDab”作为第1元ID。
<内容ID选择部13>
内容ID选择部13参照参照用数据库，根据第1元ID选择多个内容ID中的第1内容ID。内容ID选择部13例如在使用图3所示的参照用数据库的情况下，选择与选择出的第1元ID“IDaa”“IDab”、“IDac”相关联的内容ID(例如“内容ID-A”“内容ID-B”)作为第1内容ID。在图3所示的参照用数据库中，“内容ID-A”与元ID“IDaa”“IDab”相关联，“内容ID-B”与元ID“IDaa”“IDac”相关联。即，内容ID选择部13选择与第1元ID“IDaa”“IDab”、“IDac”中的任意一方和它们的组合相关联的内容ID作为第1内容ID。内容ID选择部13使用第1元ID作为检索词条，选择与该检索词条一致或部分一致的结果作为第1内容ID。
此外，在选择出的第1元ID中的装置元ID与内容ID的装置ID相关联、作业顺序元ID与内容ID的作业顺序ID相关联时，内容ID选择部13选择具有与装置元ID相关联的装置ID的内容ID或具有与作业顺序元ID相关联的作业顺序ID的内容ID作为第1内容ID。
<参照信息选择部14>
参照信息选择部14参照参照用数据库，根据第1内容ID选择多个参照信息中的第1参照信息。参照信息选择部14例如在使用图3所示的参照用数据库的情况下，选择与选择出的第1内容ID“内容ID-A”对应的参照信息(例如“参照信息A”)作为第1参照信息。
<输入部15>
输入部15对信息提供装置1输入各种信息。输入部15除了经由I/F105输入学习数据、取得数据等各种信息以外，例如还经由I/F106从输入部分108输入各种信息。
<输出部16>
输出部16将第1元ID、参照信息等输出到输出部分109等。输出部16例如经由公共通信网7向用户终端5等发送第1元ID、参照信息等。
<存储部17>
存储部17将机器学习用的数据结构、取得数据等各种信息存储在保存部104中，根据需要取出保存部104中存储的各种信息。此外，存储部17将元ID估计处理用数据库、参照用数据库、后述内容数据库、后述场景模型数据库等各种数据库存储在保存部104中，根据需要取出保存部104中存储的各种数据库。
<控制部18>
控制部18使用应用了本发明的机器学习用的数据结构，执行用于构建第1数据库的机器学习。控制部18通过线性回归、逻辑回归、支持向量机、决策树、回归树、随机森林、梯度提升树、神经网络、贝叶斯、时间序列、聚类、集成学习等来执行机器学习。
<护理设备4>
护理设备4例如包含轮椅、拐杖、斜板、扶手、步行器、步行辅助拐杖、痴呆症老人徘徊感测设备、移动用升降机等与室内外的移动有关的设备。护理设备4包含浴室用升降机、入浴台、浴缸用扶手、浴缸内扶手、浴室内踏板、浴缸内椅子、浴缸内踏板、入浴用辅助带、简易浴缸等与入浴有关的设备。护理设备4包含纸尿裤、自动排泄处理装置、坐便器等与排泄有关的设备。护理设备4包含电动床等护理用床、地垫、地板偏差防止垫、体位变换器等与寝具有关的设备。护理设备4不仅包含法令规定的护理设备，还包含外观或构造等与护理设备相似的法令未规定的机械器具等(床等)。护理设备4包含福利用具。护理设备4可以是护理设施等护理现场使用的设备，包含存储有护理对象者的信息和护理设施内的职员的信息等的护理信息管理系统。
<用户终端5>
用户终端5表示对护理设备4进行管理的用户所持有的终端。作为用户终端5，可以主要是作为HMD(头戴显示器)的一种的全息透镜(注册商标)。用户能够经由头戴显示器或全息透镜等以透过方式进行显示的显示部，经由作业区域或特定的护理设备确认用户终端5的第1元ID、第1参照信息。由此，用户能够在确认眼前的状况的同时，结合根据取得的取得数据选择的使用手册等进行确认。而且，用户终端5除了移动电话(便携终端)、智能手机、平板型终端、可佩戴终端、个人计算机、IoT(Internet of Things)器件等电子设备以外，还可以使用全部电子设备的具体的设备。用户终端5例如除了经由公共通信网7而与信息提供装置1连接以外，例如还可以与信息提供装置1直接连接。用户除了使用用户终端5从信息提供装置1取得第1参照信息以外，例如还可以进行信息提供装置1的控制。
<服务器6>
在服务器6中存储有上述各种信息。在服务器6中例如存储有经由公共通信网7发送来的各种信息。可以在服务器6中例如存储有与保存部104相同的信息，可以经由公共通信网7而与信息提供装置1进行各种信息的发送接收。即，在信息提供装置1中，可以代替保存部104而使用服务器6。
<公共通信网7>
公共通信网7是经由通信电路而与信息提供装置1等连接的互联网等。公共通信网7可以由所谓的光纤通信网构成。此外，公共通信网7不限于有线通信网，也可以通过无线通信网等公知的通信网实现。
(信息提供系统100的动作的一例)
接着，对本实施方式中的信息提供系统100的动作的一例进行说明。图7是示出本实施方式中的信息提供系统100的动作的一例的流程图。
<取得步骤S11>
首先，取得部11取得取得数据(取得步骤S11)。取得部11经由输入部15取得取得数据。取得部11取得包含由用户终端5拍摄到的第1图像数据和服务器6等中存储的事件信息的取得数据。取得部11例如经由存储部17将取得数据保存在保存部104中。
取得数据可以由用户终端5生成。用户终端5生成包含第1图像数据的取得数据，该第1图像数据是拍摄特定的护理设备和用于识别特定的护理设备的特定的识别标签而得到的图像数据。用户终端5也可以还生成事件信息，还可以从服务器6等取得事件信息。用户终端5可以生成包含第1图像数据和事件信息的取得数据。用户终端5将生成的取得数据发送到信息提供装置1。输入部15接收取得数据，取得部11取得取得数据。
<元ID选择步骤S12>
接着，元ID选择部12参照元ID估计处理用数据库，根据取得数据选择多个元ID中的第1元ID(元ID选择步骤S12)。元ID选择部12取得由取得部11取得的取得数据，取得保存部104中保存的元ID估计处理用数据库。元ID选择部12除了针对1个取得数据选择1个第1元ID以外，例如还可以针对1个取得数据选择多个第1元ID。元ID选择部12例如经由存储部17将选择出的第1元ID保存在保存部104中。
元ID选择部12将第1元ID发送到用户终端5，使用户终端5的显示部显示该第1元ID。由此，用户能够确认选择出的第1元ID等。另外，元ID选择部12也可以使信息提供装置1的输出部分109显示第1元ID。元ID选择部12可以省略将第1元ID发送到用户终端5的步骤。
<内容ID选择步骤S13>
接着，内容ID选择部13参照参照用数据库，根据第1元ID选择多个内容ID中的第1内容ID(内容ID选择步骤S13)。内容ID选择部13取得由元ID选择部12选择出的第1元ID，取得保存部104中保存的参照用数据库。内容ID选择部13除了针对第1元ID选择1个第1内容ID以外，例如还可以针对1个第1元ID选择多个第1内容ID。即，内容ID选择部13使用第1元ID作为检索词条，选择与该检索词条一致或部分一致的结果作为第1内容ID。内容ID选择部13例如经由存储部17将选择出的第1内容ID保存在保存部104中。
<参照信息选择步骤S14>
接着，参照信息选择部14参照参照用数据库，根据第1内容ID选择多个参照信息中的第1参照信息(参照信息选择步骤S14)。参照信息选择部14取得由内容ID选择部13选择出的第1内容ID，取得保存部104中保存的参照用数据库。参照信息选择部14选择与1个第1内容ID对应的1个第1参照信息。参照信息选择部14在选择了多个第1内容ID时，可以选择与各个第1内容ID对应的各个第1参照信息。由此，选择出多个第1参照信息。参照信息选择部14例如经由存储部17将选择出的第1参照信息保存在保存部104中。
例如输出部16将第1参照信息发送到用户终端5等。用户终端5在显示部上显示选择出的1个或多个第1参照信息。用户能够从显示的1个或多个第1参照信息中选择1个或多个第1参照信息。由此，用户能够掌握存在使用手册等的1个或多个第1参照信息。即，由于能够从护理设备4的图像数据中检索1个或多个适合于用户的第1参照信息的候选，用户能够从检索到的1个或多个第1参照信息中进行选择，因此，作为向在现场进行与护理设备4有关的作业的用户提供的现场工作解决方案，能够发挥较大作用。
另外，信息提供装置1也可以使输出部分109显示第1参照信息。如上所述，本实施方式中的信息提供系统100的动作结束。
根据本实施方式，元ID与参照信息所对应的内容ID相关联。由此，在对参照信息进行更新时，只要对与参照信息对应的内容ID和元ID的关联进行更新、或对更新后的参照信息和内容ID的对应关系进行变更即可，不需要重新更新学习数据。由此，不需要伴随参照信息的更新而再次构建元ID估计处理用数据库。由此，伴随着参照信息的更新，能够在短时间内构建数据库。
此外，根据本实施方式，在构建元ID估计处理用数据库时，能够使用容量比参照信息的容量小的元ID进行机器学习。因此，与使用参照信息进行机器学习相比，能够在短时间内构建元ID估计处理用数据库。
此外，根据本实施方式，在检索参照信息时，使用容量比图像数据的容量小的元ID作为检索词条，并回复容量比参照信息的容量小的内容ID作为与检索词条一致或部分一致的结果，因此，能够减少检索处理中的数据通信量和处理时间。
此外，根据本实施方式，在使用基于机器学习用的数据结构的机器学习来建立检索参照信息的系统的情况下，能够使用图像数据作为与检索关键字相当的取得数据(输入信息)。因此，用户不需要利用文字输入或声音等使希望检索的信息和特定的护理设备语言化，即使不知道概念和姓名，也能够进行检索。
根据本实施方式，装置元ID与装置ID相关联，作业顺序元ID与作业顺序ID相关联。由此，在根据元ID选择内容ID时，能够缩小内容ID的选择对象的范围。因此，能够提高内容ID的选择精度。
根据本实施方式，元ID和与元ID估计处理用数据库不同的参照用数据库的内容ID中的至少一方相关联，该参照用数据库存储有多个参照信息和多个内容ID。因此，在对元ID估计处理用数据库进行更新时，不需要对参照用数据库进行更新。此外，在对参照用数据库进行更新时，不需要对元ID估计处理用数据库进行更新。由此，能够在短时间内进行元ID估计处理用数据库和参照用数据库的更新作业。
根据本实施方式，参照信息包含护理设备4的使用手册。由此，用户能够立即掌握作为对象的护理设备的使用手册。因此，能够缩短搜索使用手册的时间。
根据本实施方式，参照信息具有以规定的范围对护理设备4的使用手册进行分割而得到的分割使用手册。由此，用户能够掌握使用手册中的相应部位的范围进一步被缩小的状态的使用手册。因此，能够缩短搜索使用手册中的相应部位的时间。
根据本实施方式，参照信息还包含护理设备4的事件信息。由此，用户能够掌握事件信息。因此，用户能够立即应对事故未遂和事故。
根据本实施方式，评价对象信息还包含护理设备4的事件信息。由此，在根据评价对象信息选择第1元ID时，能够考虑事件信息，能够缩小第1元ID的选择对象的范围。因此，能够提高第1元ID的选择精度。
<信息提供装置1的第1变形例>
接着，对信息提供装置1的第1变形例进行说明。在本变形例中，主要是第1取得部21、第1评价部22、第1生成部23、取得部11、元ID选择部12和内容ID选择部13与上述实施方式不同。下面，主要对这些不同之处进行说明。图8是示出本实施方式中的信息提供装置1的功能的第1变形例的示意图。另外，CPU101将RAM103作为作业区域，执行保存部104等中存储的程序，由此实现图8所示的各功能。此外，各功能例如也可以通过人工智能来控制。这里，“人工智能”可以基于任意公知的人工智能技术。
图9是示出使用了本实施方式中的信息提供系统100的第1变形例的示意图。本变形例的信息提供装置1取得取得数据，该取得数据包含第1图像数据和第1场景ID作为1组数据。信息提供装置1根据取得的取得数据选择第1元ID，将其发送到用户终端5。因此，本变形例的信息提供装置1能够进一步提高第1元ID的选择精度。
<第1取得部21>
第1取得部21取得第1影像信息。第1取得部21从用户终端5取得第1影像信息。第1影像信息是由作业者拍摄到的设备或部件等，例如由HMD(头戴显示器)或全息透镜等拍摄。拍摄到的影像可以实时地发送到服务器6。此外，可以取得拍摄到的影像作为第1影像信息。第1影像信息例如是由现场的用户所具有的用户终端5的照相机等拍摄的影像。第1影像信息例如可以是静态图像和动态图像中的某一方，可以通过用户拍摄或通过用户终端5的设定而自动地拍摄。然后，可以读入到用户终端5的存储器等中记录的影像信息中，或者经由公共通信网7取得等。
<第1评价部22>
第1评价部22参照场景模型数据库，取得包含第1影像信息与场景信息之间的第1场景关联度的场景ID列表，该场景信息包含场景ID。第1评价部22参照场景模型数据库，选择与取得的第1影像信息一致、一部分一致或相似的过去的第1影像信息，选择与选择出的过去的第1影像信息相关联的包含场景ID的场景信息，根据选择出的过去的第1影像信息与场景信息之间的场景关联度计算第1场景关联度。第1评价部22取得包含计算出的第1场景关联度的场景ID，将根据场景ID列表选择出的场景名列表显示在用户终端5上。
图10是示出本实施方式中的场景模型数据库的一例的示意图。场景模型数据库存储在保存部104中。场景模型数据库存储有预先取得的过去的第1影像信息、与过去的第1影像信息相关联的包含场景ID的场景信息、以及过去的第1影像信息与场景信息之间的3个等级以上的场景关联度。
场景模型数据库例如是使用神经网络等任意的模型通过机器学习而构建的。场景模型数据库是根据通过机器学习取得的第1影像信息、过去的第1影像信息和场景ID的评价结果而构建的，例如存储有各个关系作为场景关联度。场景关联度表示过去的第1影像信息和场景信息的关联程度，例如场景关联度越高，则能够判断为过去的第1影像信息和场景信息的关联越强。场景关联度例如除了利用百分比等3值以上(3个等级以上)表示以外，还可以利用2值(2个等级)表示。例如，过去的第1影像信息的“01”与场景ID“A”之间是70％的场景关联度，与场景ID“D”之间是50％，与场景ID“C”之间是10％等，以此方式进行存储。从用户终端5取得的第1影像信息通过机器学习，例如构建出与预先取得的过去的第1影像信息之间的相似性等评价结果。例如，通过进行深度学习，还能够应对不相同而相似的信息。
场景模型数据库存储有场景ID列表和场景名列表。场景ID列表例如示出了计算出的第1场景关联度和场景ID。场景模型数据库存储该评价的结果即列表化的内容。列表化的内容例如是“场景ID A：70％”、“场景ID B：50％”等示出场景关联度从高到低的关系性的场景ID。
场景名列表由后述第1生成部23生成。例如，在场景ID列表中，通过第1评价部22取得与场景ID对应的场景名，将它们存储在场景名列表中。场景模型数据库中存储的场景名列表在此后的处理中被发送到用户终端5。用户参照由用户终端5接收到的场景名列表，从而掌握与第1影像信息对应的场景。
另外，在由于场景模型数据库的更新、登记的数据的修正和追加等而在场景模型数据库中不存在与第1影像信息对应的场景信息和与场景ID对应的场景名的情况下，可以进行其他视野中的第1影像信息的取得处理，或者，利用在未对应时准备好的作为代替对应的场景信息或场景ID重新进行对应，生成增加了对应的代替场景的场景名列表，将其发送到用户终端5。
<第1生成部23>
第1生成部23生成与由第1评价部22取得的场景ID列表对应的场景名列表。生成的场景名列表例如具有“场景ID”、“场景关联度”等。
场景ID例如与图11所示的场景模型表和图12所示的场景用内容模型表(OFE)相关联。在场景模型表中例如存储有场景ID、学习模型等，在场景用内容模型表中存储有内容ID、学习模型等。第1生成部23根据这些信息生成场景名列表。
图11所示的场景模型表存储在场景模型数据库中。在场景模型表中例如对应地存储有识别用户在现场进行的各作业的场景ID和与该场景ID对应的学习模型。场景ID存在多个，对应地存储有与该各场景ID对应的影像信息的学习模型。
图12所示的场景用内容模型表对应地存储有各场景ID中的内容ID和学习模型。在图12所示的场景用内容模型表中，例如，场景ID是“OFE”的例子，分别存储有与各种场景对应的内容ID。内容ID存在多个，对应地存储有与该各场景对应的影像信息的学习模型。另外，内容ID可以包含未指定场景的内容。该情况下，在内容ID中存储有“NULL”。
图13是示出场景表的一例的示意图。图13所示的场景表存储在场景模型数据库中。在场景表中例如对应地存储有用户在现场进行的各作业的影像信息的概要和识别该概要作业的场景ID。场景ID存在多个，对应地存储有与该各场景ID对应的场景名。
<取得部11>
取得部11取得取得数据，该取得数据具有第1图像数据和与从场景名列表中选择出的场景名对应的第1场景ID作为1组数据。
<元ID选择部12>
图14是示出使用了本实施方式中的信息提供系统的变形例的示意图。元ID选择部12参照元ID估计处理用数据库，根据取得数据提取多个元ID，生成包含多个元ID的元ID列表。元ID列表使多个元ID列表化。元ID选择部12生成与元ID列表对应的参照摘要列表。详细地讲，元ID选择部12参照内容数据库，取得与生成的元ID列表中包含的各个元ID相关联的内容ID。
图15是示出内容数据库的一例的示意图。在内容数据库中可以存储元ID、内容ID、以及元ID与内容ID之间的内容关联度。内容关联度表示元ID和内容ID相关联的程度，例如利用百分比、10个等级或5个等级等3个等级以上的等级来表示。例如在图15中，元ID中包含的“IDaa”示出了与内容ID中包含的“内容ID-A”之间的关联度为“60％”，示出了与“内容ID-B”之间的关联度为“40％”。该情况下，“IDaa”示出了，与“内容ID-B”相比、与“内容ID-A”之间的关联更强。
内容数据库例如也可以具有能够计算内容关联度的算法。作为内容数据库，例如可以使用根据元ID、内容ID和内容关联度进行优化后的函数(分类器)。
内容数据库例如是使用机器学习构建的。作为机器学习的方法，例如使用深度学习。内容数据库例如由神经网络构成，该情况下，关联度可以利用隐藏层和权重变量来表示。
元ID选择部12也可以参照内容关联度，取得与元ID列表中包含的多个元ID相关联的内容ID。例如，元ID选择部12可以根据元ID取得内容关联度高的内容ID。
元ID选择部12参照摘要表，取得与取得的内容ID对应的参照信息的摘要。图16示出摘要表的一例。摘要表包含多个内容ID和多个与内容ID对应的参照信息的摘要。摘要表存储在保存部104中。参照信息的摘要表示概括了参照信息的内容等。
元ID选择部12根据取得的参照信息的摘要生成参照摘要列表。图17示出参照摘要列表的一例。参照摘要列表包含多个参照信息的摘要和多个与参照信息的摘要对应的元ID。元ID选择部12将参照摘要列表发送到用户终端5。用户终端5从所发送来的参照摘要列表中选择参照信息的摘要，根据选择出的参照信息的摘要来选择元ID，将选择出的元ID发送到信息提供装置1。然后，元ID选择部12选择由用户终端5从参照摘要列表中选择出的元ID作为第1元ID。
<内容ID选择部13>
内容ID选择部13参照参照用数据库和内容数据库，根据第1元ID选择多个内容ID中的第1内容ID。内容ID选择部13例如在使用图15所示的内容数据库的情况下，选择与第1元ID“IDaa”相关联的内容ID(例如“内容ID-A”“内容ID-B”等)作为第1内容ID。此时，也可以选择内容关联度较高(例如内容关联度为60％)的“内容ID-A”。也可以预先对内容关联度设定阈值，选择具有比该阈值高的内容关联度的内容ID作为第1内容ID。
(信息提供系统100的动作的第1变形例)
接着，对本实施方式中的信息提供系统100的动作的第1变形例进行说明。图18是示出本实施方式中的信息提供系统100的动作的第1变形例的流程图。
<第1取得步骤S21>
首先，第1取得部21从用户终端5取得第1影像信息(第1取得步骤S21)。第1取得部21取得由用户终端5拍摄特定的护理设备4的影像信息而得到的第1影像信息。
<第1评价步骤S22>
接着，第1评价部22参照场景模型数据库，取得包含取得的第1影像信息与场景信息之间的第1场景关联度的场景ID列表(第1评价步骤S22)。
<第1生成步骤S23>
接着，第1生成部23生成与由第1评价部22取得的场景ID列表对应的场景名列表(第1生成步骤S23)。第1生成部23例如参照图13所示的场景表，生成与取得的场景ID列表对应的场景名列表。例如，在由第1评价部22取得的场景ID列表中包含的场景ID是“OFD”的情况下，选择“ABC-999装置的再次起动”这样的场景名作为场景名。例如，在场景ID是“OFE”的情况下，选择“取下ABC-999装置的存储器”这样的场景名作为场景名。
<取得步骤S24>
接着，取得部11取得取得数据，该取得数据包含第1图像数据和与从场景名列表中选择出的场景名对应的第1场景ID作为1组数据(取得步骤S24)。与从场景名列表中选择出的场景名对应的场景ID成为第1场景ID。
<元ID选择步骤S25>
接着，元ID选择部12根据取得数据提取多个元ID，生成包含多个元ID的元ID列表(元ID选择步骤S25)。元ID选择部12生成与元ID列表对应的参照摘要列表。元ID选择部12将生成的参照摘要列表发送到用户终端5。然后，用户终端5从所发送来的参照摘要列表中选择1个或多个参照信息的摘要和与该参照信息的摘要对应的元ID。用户终端5将选择出的参照信息的摘要和元ID发送到信息提供装置1。然后，元ID选择部12选择由用户终端5从参照摘要列表中选择出的元ID作为第1元ID。
<内容ID选择步骤S26>
接着，内容ID选择部13参照参照用数据库和内容数据库，根据第1元ID选择多个内容ID中的第1内容ID(内容ID选择步骤S26)。内容ID选择部13取得由元ID选择部12选择出的第1元ID，取得保存部104中保存的参照用数据库和内容数据库。内容ID选择部13除了针对第1元ID选择1个第1内容ID以外，例如还可以针对1个第1元ID选择多个第1内容ID。内容ID选择部13例如经由存储部17将选择出的第1内容ID保存在保存部104中。
然后，进行上述参照信息选择步骤S14，完成。
根据本变形例，元ID选择部12提取多个元ID中的多个第1元ID，生成包含多个第1元ID的元ID列表，生成与元ID列表对应的参照摘要列表，选择从参照摘要列表中选择出的第1元ID。由此，能够根据参照摘要列表选择第1元ID。因此，能够提高第1元ID的选择精度。
根据本变形例，取得部11取得取得数据，该取得数据包含第1图像数据和与从场景名列表中选择出的场景名对应的第1场景ID作为1组数据。由此，能够考虑第1场景ID来选择元ID。因此，能够提高元ID的选择精度。
根据本变形例，内容ID选择部13参照参照用数据库和内容数据库，根据第1元ID选择多个内容ID中的第1内容ID。由此，在根据元ID选择内容ID时，能够参照内容关联度进一步缩小内容ID的选择对象的范围。因此，能够进一步提高第1内容ID的选择精度。
<信息提供装置1的第2变形例>
接着，对信息提供装置1的第2变形例进行说明。在本变形例中，主要是在还具有外部信息取得部31、外部信息比较部32、外部信息相似度计算部33、数据块参照信息提取部34和数据块参照信息相似度计算部35这一点与上述实施方式不同。此外，在保存部104中还保存有内容关联性数据库、外部信息相似度计算用数据库、数据块参照信息相似度估计处理用数据库这一点上与上述实施方式不同。下面，主要对这些不同点进行说明。图19是示出本实施方式中的信息提供装置1的功能的第2变形例的示意图。另外，CPU101将RAM103作为作业区域执行保存部104等中存储的程序，由此实现图19所示的各功能。此外，各功能例如也可以通过人工智能来控制。这里，“人工智能”可以基于任意公知的人工智能技术。
图20是示出使用了本实施方式中的信息提供系统100的第2变形例的示意图。本变形例的信息提供装置1取得特定的外部信息x。信息提供装置1计算与取得的特定的外部信息x对应的外部信息相似度。信息提供装置1根据计算出的外部信息相似度，从多个外部信息中选择第1外部信息b1。信息提供装置1参照内容关联性数据库，提取与选择出的第1外部信息b1对应的数据块参照信息B1作为第1数据块参照信息B1。由此，能够掌握与和取得的特定的外部信息x相似的外部信息b1对应的数据块参照信息B1是基于特定的外部信息x的变更部位的情况。因此，在对参照信息进行编集等更新时，仅对第1数据块参照信息B1进行更新即可，能够以较短时间进行参照信息的更新作业。
此外，信息提供装置1参照数据块参照信息相似度估计处理用数据库，计算与第1数据块参照信息B1对应的数据块参照信息相似度。信息提供装置1根据计算出的数据块参照信息相似度，提取与第1数据块参照信息B1不同的第2数据块参照信息B2。由此，能够掌握与第1数据块参照信息B1相似的第2数据块参照信息B2也是基于特定的外部信息x的变更部位的情况。因此，在对参照信息进行编集等更新时，仅对第1数据块参照信息和第2数据块参照信息进行更新即可，能够以较短时间进行参照信息的更新作业。
<内容关联性数据库>
图21是示出内容关联性数据库的一例的示意图。内容关联性数据库存储有将参照信息分割成数据块构造后的多个数据块参照信息、以及用于生成数据块参照信息的外部信息。
数据块参照信息包含文章信息。数据块参照信息也可以还包含图表信息。数据块参照信息也可以包含由用于识别数据块参照信息的字符串构成的数据块参照信息标签。例如在参照信息是护理设备的使用手册的情况下，数据块参照信息是该使用手册被按照数据块构造被分割后的信息，该数据块构造是由有意义的信息汇集成的数据的块。数据块参照信息例如是按照使用手册等的每个文章、每章、每个段落、每页等数据块构造分割得到的信息。
外部信息包含文章信息。外部信息也可以还包含图表信息。外部信息也可以包含由用于识别外部信息的字符串构成的外部信息标签。外部信息与数据块参照信息一对一对应地存储在内容关联性数据库中。例如在参照信息是仪表设备等装置的使用手册的情况下，外部信息是用于该使用手册的生成的设计说明书按照数据块构造被分割后的信息，该数据块构造是汇集起来的数据的块。外部信息例如是按照设计说明书等的每个文章、每章、每个段落、每页等的数据块构造分割得到的信息。外部信息作为用于生成参照信息的信息，除了设计说明书被分割成数据块构造而得到的信息以外，例如还可以是事件信息、各种论文、作为参照信息的原文的信息等被分割成数据块构造而得到的信息。此外，在数据块参照信息由日语等第1语言生成的情况下，外部信息可以由与第1语言不同的英语等第2语言生成。
图22A是示出内容关联性数据库的一例的示意图。图22B是示出外部信息相似度计算用数据库的一例的示意图。图22A中的“A”与图22B中的“A”连接。图22A中的“B”与图22B中的“B”连接。图23A是示出内容关联性数据库的一例的示意图。图23B是示出数据块参照信息相似度计算用数据库的一例的示意图。图23A中的“C”与图23B中的“C”连接。
<外部信息相似度计算用数据库>
外部信息相似度计算用数据库是使用外部信息通过机器学习而构建的。作为机器学习的方法，例如在对外部信息进行向量化后，将其作为教师数据进行学习。向量化的外部信息与外部信息中的外部信息标签对应地存储在外部信息相似度计算用数据库中。向量化的外部信息也可以与外部信息对应地存储在外部信息相似度计算用数据库中。
<数据块参照信息相似度估计处理用数据库>
数据块参照信息相似度估计处理用数据库是使用数据块参照信息通过机器学习而构建的。作为机器学习的方法，例如在对数据块参照信息进行向量化后，将其作为教师数据进行学习。向量化的数据块参照信息与数据块参照信息中的数据块参照信息标签对应地存储在数据块参照信息相似度估计处理用数据库中。向量化的数据块参照信息也可以与数据块参照信息对应地存储在数据块参照信息相似度估计处理用数据库中。
<外部信息取得部31>
外部信息取得部31取得外部信息、特定的外部信息等各种信息。特定的外部信息是作为之后应该计算外部信息相似度的对象的外部信息。
<外部信息比较部32>
外部信息比较部32对内容关联性数据库中存储的外部信息和由外部信息取得部31取得的特定的外部信息进行比较。外部信息比较部32判定外部信息和特定的外部信息是一致还是不一致。
在图22A和图22B的例子中，设由外部信息取得部31取得的特定的外部信息包含“外部信息x”、“外部信息a1”、“外部信息c1”。而且，外部信息比较部32对特定的外部信息中包含的“外部信息x”、“外部信息a1”、“外部信息c1”和内容关联性数据库中存储的外部信息进行比较。设在内容关联性数据库中存储有“外部信息a1”“外部信息c1”，未存储“外部信息x”。此时，外部信息比较部32判定为特定的外部信息中包含的“外部信息a1”“外部信息c1”与内容关联性数据库中存储的外部信息一致。此外，外部信息比较部32判定为“外部信息x”与内容关联性数据库中存储的外部信息不一致。
<外部信息相似度计算部33>
外部信息相似度计算部33在通过外部信息比较部32判定为外部信息和特定的外部信息不一致的情况下，参照外部信息相似度计算用数据库，计算表示外部信息相似度计算用数据库中存储的外部信息和由外部信息取得部31取得的特定的外部信息之间的相似度的外部信息相似度。外部信息相似度计算部33使用外部信息的特征量计算外部信息相似度。作为外部信息的特征量，例如可以对外部信息进行向量化来表现。外部信息相似度计算部33在对特定的外部信息进行向量化后，通过对向量化后的特定的外部信息与在外部信息相似度计算用数据库内被向量化的外部信息进行向量运算，计算特定的外部信息和外部信息之间的外部信息相似度。
另外，外部信息相似度计算部33在由外部信息比较部32判定为外部信息和特定的外部信息一致的情况下，不计算外部信息相似度。
外部信息相似度表示特定的外部信息和外部信息相似的程度，例如利用“0.97”等0～1之间的100个等级的小数、百分比、10个等级或5个等级等3个等级以上的等级来表示。
在图22的例子中，由外部信息比较部32判定为特定的外部信息中包含的“外部信息x”和内容关联性数据库中存储的外部信息不一致。该情况下，外部信息相似度计算部33参照外部信息相似度计算用数据库，对特定的外部信息中包含的“外部信息x”分别与外部信息相似度计算用数据库中存储的“外部信息a1”、“外部信息b1”、“外部信息c1”、“外部信息b2”之间的外部信息相似度进行计算。关于“外部信息x”与“外部信息a1”的外部信息相似度，通过运算“外部信息x的特征量q2”与“外部信息a1的特征量p1”的内积，例如计算为“0.20”。同样，“外部信息x”与“外部信息b1”之间的外部信息相似度为“0.98”。“外部信息x”与“外部信息c1”之间的外部信息相似度为“0.33”。“外部信息x”与“外部信息b2”之间的外部信息相似度为“0.85”。该情况下，“外部信息x”例如示出了相对于“外部信息a1”而言与“外部信息b1”更相似的情况。
<数据块参照信息提取部34>
数据块参照信息提取部34根据计算出的外部信息相似度，从多个外部信息中选择第1外部信息，参照内容关联性数据库，提取与选择出的第1外部信息对应的数据块参照信息作为第1数据块参照信息。数据块参照信息提取部34在从多个外部信息中选择了1个第1外部信息时，提取与选择出的1个第1外部信息对应的1个数据块参照信息作为第1数据块参照信息。此外，数据块参照信息提取部34在选择了多个第1外部信息时，可以提取与选择出的各个第1外部信息对应的数据块参照信息分别作为第1数据块参照信息。
数据块参照信息提取部34可以根据计算出的外部信息相似度，从多个外部信息中包含的各个外部信息标签中进行选择来作为第1外部信息。数据块参照信息提取部34可以根据选择出的外部信息标签(第1外部信息)，提取内容关联性数据库中存储的与外部信息标签对应的数据块参照信息作为第1数据块参照信息。例如，数据块参照信息提取部34也可以选择外部信息标签21，根据选择出的外部信息标签21提取内容关联性数据库中存储的与外部信息标签21对应的数据块参照信息B1作为第1数据块参照信息。外部信息标签由字符串构成，因此，与存储包含文章信息的外部信息相比，能够减少外部信息相似度计算用数据库的容量。
在图22A和图22B的例子中，数据块参照信息提取部34计算外部信息相似度的结果是，“外部信息a1”、“外部信息b1”、“外部信息c1”、“外部信息b2”中“外部信息b1”的外部信息相似度最高，选择该“外部信息b1”作为第1外部信息。在选择第1外部信息时，也可以对外部信息相似度设定阈值，选择计算出该阈值以上或以下的外部信息相似度的外部信息作为第1外部信息。该阈值可以在用户侧适当设定。
然后，数据块参照信息提取部34参照内容关联性数据库，提取与作为第1外部信息而选择出的“外部信息b1”对应的“数据块参照信息B1”作为第1数据块参照信息。
进而，数据块参照信息提取部34还根据后述的数据块参照信息相似度，从内容关联性数据库中提取1个或多个与第1数据块参照信息不同的第2数据块参照信息。
数据块参照信息提取部34也可以根据计算出的数据块参照信息相似度，从多个数据块参照信息中包含的数据块参照信息标签中选择1个或多个数据块参照信息标签。数据块参照信息提取部34也可以根据选择出的数据块参照信息标签，提取内容关联性数据库中存储的与数据块参照信息标签对应的数据块参照信息作为第2数据块参照信息。例如，数据块参照信息提取部34也可以选择数据块参照信息标签122，根据选择出的外部信息标签122提取内容关联性数据库中存储的与数据块参照信息标签122对应的数据块参照信息B2作为第2数据块参照信息。数据块参照信息标签由字符串构成，因此，与存储包含文章信息的数据块参照信息相比，能够减少数据块参照信息相似度计算用数据库的容量。
<数据块参照信息相似度计算部35>
数据块参照信息相似度计算部35参照数据块参照信息相似度估计处理用数据库，计算表示数据块参照信息与由数据块参照信息提取部34提取出的第1数据块参照信息之间的相似度的数据块参照信息相似度。数据块参照信息相似度计算部35使用数据块参照信息的特征量计算数据块参照信息相似度。作为数据块参照信息的特征量，例如可以对数据块参照信息进行向量化来表现。数据块参照信息相似度计算部35在对特定的数据块参照信息进行向量化后，通过对向量化后的特定的数据块参照信息与在数据块参照信息相似度估计处理用数据库内被向量化的数据块参照信息进行向量运算，计算特定的数据块参照信息与数据块参照信息之间的数据块参照信息相似度。
数据块参照信息相似度示出第1数据块参照信息与数据块参照信息相似的程度，例如利用“0.97”等0～1的100个等级的小数、百分比、10个等级或5个等级等3个等级以上的等级来表示。
在图23A和图23B的例子中，数据块参照信息相似度计算部35参照数据块参照信息相似度计算用数据库，计算由数据块参照信息提取部34提取出的作为第1数据块参照信息的“数据块参照信息B1”分别与数据块参照信息相似度计算用数据库中存储的“数据块参照信息A1”、“数据块参照信息B1”、“数据块参照信息C1”、“数据块参照信息B2”各自的数据块参照信息相似度。关于“数据块参照信息B1”和“数据块参照信息A1”之间的数据块参照信息相似度，计算“数据块参照信息B1的特征量Q1”和“数据块参照信息A1的特征量P1”的内积，例如计算为“0.30”。同样，“数据块参照信息B1”和“数据块参照信息B1”之间的数据块参照信息相似度为“1.00”。“数据块参照信息B1”和“数据块参照信息C1”之间的数据块参照信息相似度为“0.20”。“数据块参照信息B1”和“数据块参照信息B2”之间的数据块参照信息相似度为“0.95”。该情况下，“数据块参照信息B1”例如示出了与“数据块参照信息A1”相比、与“数据块参照信息B2”更相似的情况。
如上所述，数据块参照信息提取部34根据数据块参照信息相似度，进一步提取1个或多个与第1数据块参照信息不同的第2数据块参照信息。
在图23A和图23B的例子中，数据块参照信息提取部34根据对数据块参照信息相似度进行计算的结果，从“数据块参照信息A1”、“数据块参照信息B1”、“数据块参照信息C1”、“数据块参照信息B2”中提取出计算出规定的数据块参照信息相似度的“数据块参照信息B2”作为第2数据块参照信息。在选择第2数据块参照信息时，也可以对数据块参照信息相似度设定阈值，选择计算出该阈值以上或以下的外部信息相似度的数据块参照信息。该阈值能够在用户侧适当设定。另外，关于计算出数据块参照信息相似度“1.00”的数据块参照信息，由于与第1数据块参照信息一致，因此，可以不作为第2数据块参照信息进行选择。
(信息提供系统100的动作的第2变形例)
接着，对本实施方式中的信息提供系统100的动作的第2变形例进行说明。图24是示出本实施方式中的信息提供系统100的动作的第2变形例的流程图。
<外部信息取得步骤S31>
外部信息取得部31例如取得1个或多个由设计说明书等被分割成数据块构造而得到的外部信息作为特定的外部信息(外部信息取得步骤S31)。在参照信息选择步骤S14之后进行外部信息取得步骤S31。
<外部信息比较步骤S32>
接着，外部信息比较部32对内容关联性数据库中存储的外部信息和由外部信息取得部31取得的特定的外部信息进行比较(外部信息比较步骤S32)。外部信息比较部32判定外部信息和特定的外部信息是一致还是不一致。
<外部信息相似度计算步骤S33>
接着，外部信息相似度计算部33在由外部信息比较部32判定为外部信息和特定的外部信息不一致的情况下，参照外部信息相似度计算用数据库，计算表示外部信息相似度计算用数据库中存储的外部信息和由外部信息取得部31取得的特定的外部信息的相似度的外部信息相似度。(外部信息相似度计算步骤S33)。
<第1数据块参照信息提取步骤S34>
数据块参照信息提取部34根据计算出的外部信息相似度，从多个外部信息中选择第1外部信息，参照内容关联性数据库，提取与选择出的第1外部信息对应的数据块参照信息作为第1数据块参照信息。(第1数据块参照信息提取步骤S34)。
<数据块参照信息相似度计算步骤S35>
接着，数据块参照信息相似度计算部35参照数据块参照信息相似度估计处理用数据库，计算表示数据块参照信息相似度估计处理用数据库中存储的数据块参照信息和由数据块参照信息提取部34提取出的第1数据块参照信息之间的相似度的数据块参照信息相似度(数据块参照信息相似度计算步骤S35)。
<第2数据块参照信息提取步骤S36>
接着，数据块参照信息提取部34根据数据块参照信息相似度，进一步提取1个或多个与第1数据块参照信息不同的第2数据块参照信息(第2数据块参照信息提取步骤S36)。
如上所述，信息提供系统100的动作的第2变形例结束。
根据本实施方式，具有：内容关联性数据库，其存储有将参照信息分割成数据块构造而得到的多个数据块参照信息、和与各个数据块参照信息对应且用于数据块参照信息的生成的外部信息；外部信息相似度计算用数据库，其是使用多个外部信息通过机器学习而构建的；外部信息取得部31，其取得特定的外部信息；外部信息比较单元，其对外部信息和特定的外部信息进行比较；外部信息相似度计算部33，其在由外部信息比较部32判定为外部信息和特定的外部信息不一致的情况下，参照外部信息相似度计算用数据库，计算表示外部信息与特定的外部信息的相似度的外部信息相似度；以及数据块参照信息提取部34，其根据外部信息相似度从多个外部信息中选择第1外部信息，参照内容关联性数据库提取与第1外部信息对应的数据块参照信息作为第1数据块参照信息。
根据本实施方式，外部信息相似度计算部33针对由外部信息比较部32判定为与内容关联性数据库中存储的外部信息不一致的特定的外部信息，计算外部信息相似度。即，针对由外部信息比较部32判定为与内容关联性数据库中存储的外部信息一致的特定的外部信息，不需要计算外部信息相似度。因此，能够更加高效地计算外部信息相似度。
特别地，根据本实施方式，根据外部信息相似度从多个外部信息中选择第1外部信息，参照内容关联性数据库提取与第1外部信息对应的数据块参照信息作为第1数据块参照信息。由此，通过根据定量地进行评价而得到的外部信息相似度来选择与特定的外部信息相似的第1外部信息，能够提高第1外部信息的选择的精度。
特别地，根据本实施方式，参照内容关联性数据库提取与第1外部信息对应的数据块参照信息作为第1数据块参照信息。因此，在特定的外部信息中包含新的信息的情况下或存在变更的情况下，用户能够立即掌握参照信息相当于分割后的数据块参照信息的哪个部分。因此，在对参照信息进行更新时，仅对作为第1数据块参照信息提取出的数据块参照信息进行更新即可，能够在短时间内进行参照信息的更新作业。
即，在某个装置从版本1升级到版本2、且一部分从过去的设计说明书被进行变更而成为新的设计说明书的情况下，根据过去的设计说明书生成的产品的过去的使用手册也需要生成为新的使用手册。根据本实施方式，从新的设计说明书中选择作为应该变更的候选的过去的设计说明书，能够掌握与该过去的设计说明书对应的过去的使用手册由于新的设计说明书而需要变更的情况。此时，新的设计说明书、过去的设计说明书、过去的使用手册分别被分割成数据块构造。因此，能够高效地从过去的使用手册中仅提取由于新的设计说明书而产生变更的部分。因此，用户能够容易地掌握应该根据新的设计说明书而变更的过去的使用手册的相应部分。由此，例如在生成新的使用手册时，关于设计说明书中没有被变更的部分，直接沿用过去的使用手册，能够仅针对设计说明书中存在变更的部分重新进行生成。换言之，仅针对设计说明书中存在变更的部分进行区分编辑即可。因此，能够容易地进行使用手册的编辑作业。
此外，根据本实施方式，具有：数据块参照信息相似度估计处理用数据库，其是使用多个数据块参照信息通过机器学习而构建的；以及数据块参照信息相似度计算部35，其参照数据块参照信息相似度估计处理用数据库，计算表示数据块参照信息和第1数据块参照信息的相似度的数据块参照信息相似度，数据块参照信息提取部34根据数据块参照信息相似度，进一步提取与第1数据块参照信息不同的第2数据块参照信息。
根据本实施方式，根据数据块参照信息相似度，进一步提取与第1数据块参照信息不同的第2数据块参照信息。由此，通过根据定量地进行评价而得到的数据块参照信息相似度来选择与第1数据块参照信息相似的第2数据块参照信息，能够提高第2数据块参照信息的选择的精度。因此，在特定的外部信息中包含新的信息的情况下或存在变更的情况下，由于还提取与第1数据块参照信息相似的第2数据块参照信息，因此，用户能够立即掌握参照信息相当于分割后的数据块参照信息的哪个部分。因此，在对参照信息进行更新时，仅对作为第1数据块参照信息和第2数据块参照信息提取出的数据块参照信息进行更新即可，能够在短时间内进行参照信息的更新作业。
即，在某个装置具有多个版本、且从多个过去的设计说明书变更一部分而成为新的设计说明书的情况下，根据产品的多个过去的设计说明书生成的各个过去的使用手册也需要生成为新的使用手册。根据本实施方式，从新的设计说明书中选择作为应该变更的候选的过去的设计说明书，能够掌握与该过去的设计说明书对应的过去的使用手册、与过去的使用手册相似的其他过去的使用手册由于新的设计说明书而需要变更的情况。此时，新的设计说明书、过去的设计说明书、过去的使用手册分别被分割成数据块构造。因此，能够高效地从过去的使用手册中仅提取由于新的设计说明书而产生变更的部分。此时，能够提取相似的多个过去的使用手册作为对象。因此，用户能够容易地同时掌握应该根据新的设计说明书而变更的多个过去的使用手册的相应部分。由此，例如在生成新的使用手册时，关于设计说明书中没有变更的部分直接沿用过去的使用手册，能够仅针对设计说明书中存在变更的部分进行生成。换言之，仅针对设计说明书中存在变更的部分进行区分编辑即可。因此，能够容易地进行使用手册的编辑作业。
根据本实施方式，在参照信息选择步骤S14之后进行外部信息取得步骤S31。由此，用户能够对由参照信息选择部14选择出的第1参照信息、以及由数据块参照信息提取部34提取出的第1数据块参照信息和第2数据块参照信息进行比较。因此，能够立即掌握在使用手册等第1参照信息中应该变更的相应部位。
<信息提供装置1的第3变形例>
在信息提供装置1的第3变形例中，具有外部信息取得部31、外部信息比较部32、外部信息相似度计算部33、数据块参照信息提取部34和数据块参照信息相似度计算部35。此外，在保存部104中还保存有内容关联性数据库、外部信息相似度计算用数据库和数据块参照信息相似度估计处理用数据库。
图25是示出本实施方式中的信息提供系统100的动作的第3变形例的流程图。在第2变形例中，说明了在参照信息选择步骤S14之后进行外部信息取得步骤S31的例子。在第3变形例中，也可以省略参照信息选择步骤S14，进行外部信息取得步骤S31、外部信息比较步骤S32、外部信息相似度计算步骤S33、第1数据块参照信息提取步骤S34、数据块参照信息相似度计算步骤S35、第2数据块参照信息提取步骤S36。
<信息提供装置1的第4变形例>
在信息提供装置1的第4变形例中，在还具有访问控制部这一点上与第2变形例和第3变形例不同。例如，CPU101通过将RAM103作为作业区域执行保存部104等中存储的程序来实现访问控制部。
访问控制部控制针对数据块参照信息的访问。访问包含完全访问、读取访问和写入访问、校阅专用访问、注释专用访问、读取专用访问和访问禁止。访问控制部根据访问控制信息进行控制。访问控制信息包含用户名和对各用户名分配的访问方式。访问控制信息例如保存在保存部104中。
当用户被分配了完全访问方式时，该用户针对数据块参照信息具有完全的读取和写入访问权限，进而该用户能够使用用户界面的任意方式。例如，在完全访问的情况下，用户能够对数据块参照信息的格式进行变更。在用户具有读取和写入访问权限的情况下，用户针对数据块参照信息具有读取和写入权限，但是，无法对格式进行变更。在校阅专用访问的情况下，用户能够对被追踪的数据块参照信息进行变更。在注释专用访问的情况下，用户能够将注释插入数据块参照信息中，但是，无法对位于数据块参照信息中的文章信息进行变更。在读取专用访问的情况下，用户能够阅览数据块参照信息，但是，无法对该数据块参照信息施加变更，也无法插入任何注释。
例如设为根据外部信息生成新的数据块参照信息，对生成的新的数据块参照信息进行更新。此时，根据本实施方式，还具有访问控制部。由此，多个用户中的特定的1个或多个用户能够根据访问控制信息进行规定的访问。即，能够针对利用数据块参照信息的多个用户，将可进行读取专用、完全访问等的编辑类别的控制与基于用户属性的权限关联起来，按照每个数据块参照信息进行管理。特别是，通过将仅进行阅览的情况设定成同时还能够进行访问，并且，仅许可具有权限的用户进行写入等编辑，能够防止非意图的编集。
说明了本发明的实施方式，但是，实施方式是作为例子示出的，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进行实施，能够在不脱离发明主旨的范围内进行各种省略、置换、变更。这些实施方式及其变形包含在发明的范围和主旨内，并且包含在权利要求书所记载的发明及其等同的范围内。
标号说明
1：信息提供装置；
4：护理设备；
5：用户终端；
6：服务器；
7：公共通信网；
10：壳体；
11：取得部；
12：元ID选择部；
13：内容ID选择部；
14：参照信息选择部；
15：输入部；
16：输出部；
17：存储部；
18：控制部；
21：第1取得部；
22：第1评价部；
23：第1生成部；
31：外部信息取得部；
32：外部信息比较部；
33：外部信息相似度计算部；
34：数据块参照信息提取部；
35：数据块参照信息相似度计算部；
100：信息提供系统；
101：CPU；
102：ROM；
103：RAM；
104：保存部；
105：I/F；
106：I/F；
107：I/F；
108：输入部分；
109：输出部分；
110：内部总线；
S11：取得步骤；
S12：元ID选择步骤；
S13：内容ID选择步骤；
S14：参照信息选择步骤；
S21：第1取得步骤；
S22：第1评价步骤；
S23：第1生成步骤；
S24：取得步骤；
S25：元ID选择步骤；
S26：内容ID选择步骤；
S31：外部信息取得步骤；
S32：外部信息比较步骤；
S33：外部信息相似度计算步骤；
S34：第1数据块参照信息提取步骤；
S35：数据块参照信息相似度计算步骤；
S36：第2数据块参照信息提取步骤。

Claims (5)

1.一种学习方法，其使用机器学习用的数据结构进行机器学习，所述机器学习用的数据结构用于构建第1数据库，且存储在计算机所具有的保存部中，该第1数据库在选择适合于进行与护理设备有关的作业的用户实施作业的参照信息时被利用，其特征在于，
所述机器学习用的数据结构包含多个学习数据，所述学习数据包含具有图像数据的评价对象信息和元ID，
所述图像数据具有表示所述护理设备和用于识别所述护理设备的识别标签的图像，
所述元ID与和所述参照信息对应的内容ID相关联。
2.一种信息提供系统，其选择适合于进行与护理设备有关的作业的用户实施作业的参照信息，其特征在于，
所述信息提供系统具有第1数据库，所述第1数据库是使用机器学习用的数据结构通过机器学习而构建的，
所述机器学习用的数据结构包含多个学习数据，所述学习数据包含具有图像数据的评价对象信息和元ID，
所述图像数据包含表示所述护理设备和用于识别所述护理设备的识别标签的图像，
所述元ID与和所述参照信息对应的内容ID相关联。
3.一种信息提供系统，其选择适合于进行与护理设备有关的作业的用户实施作业的参照信息，其特征在于，所述信息提供系统具有：
取得单元，其取得包含第1图像数据的取得数据，所述第1图像数据是对特定的护理设备和用于识别所述特定的护理设备的特定的识别标签进行拍摄而得到的图像数据；
第1数据库，其是使用机器学习用的数据结构通过机器学习而构建的，所述机器学习用的数据结构包含多个学习数据，所述学习数据包含具有图像数据的评价对象信息和与所述评价对象信息相关联的元ID；
元ID选择单元，其参照所述第1数据库，根据所述取得数据选择多个所述元ID中的第1元ID；
第2数据库，其存储有多个与所述元ID相关联的内容ID和多个与所述内容ID对应的所述参照信息；
内容ID选择单元，其参照所述第2数据库，根据所述第1元ID选择多个所述内容ID中的第1内容ID；以及
参照信息选择单元，其参照所述第2数据库，根据所述第1内容ID选择多个所述参照信息中的第1参照信息，
所述图像数据包含表示所述护理设备和用于识别所述护理设备的识别标签的图像。
4.根据权利要求3所述的信息提供系统，其特征在于，
所述元ID选择单元生成包含多个所述元ID的元ID列表，
所述元ID选择单元生成与所述元ID列表对应的参照摘要列表，
所述元ID选择单元选择从所述参照摘要列表中选择出的所述第1元ID。
5.根据权利要求3或4所述的信息提供系统，其特征在于，
所述信息提供系统还具有：
第1取得单元，其取得第1影像信息；
场景模型数据库，其存储有预先取得的过去的第1影像信息、与所述过去的第1影像信息相关联的包含场景ID的场景信息、以及所述过去的第1影像信息与所述场景信息之间的3个等级以上的场景关联度；
第1评价单元，其参照所述场景模型数据库，取得包含所述第1影像信息与所述场景信息之间的第1场景关联度的场景ID列表；以及
第1生成单元，其生成与所述场景ID列表对应的场景名列表，
所述取得单元取得如下的所述取得数据，所述取得数据具有所述第1图像数据和与从所述场景名列表选择出的场景名对应的第1场景ID作为1组数据。
CN202080002608.1A 2019-03-29 2020-03-25 学习方法和信息提供系统 Active CN112074826B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP2019-069365 2019-03-29
JP2019069365 2019-03-29
JP2019127967A JP6647669B1 (ja) 2019-03-29 2019-07-09 機械学習用のデータ構造、学習方法及び情報提供システム
JP2019-127967 2019-07-09
PCT/JP2020/013357 WO2020203560A1 (ja) 2019-03-29 2020-03-25 学習方法及び情報提供システム

Publications (2)

Publication Number Publication Date
CN112074826A true CN112074826A (zh) 2020-12-11
CN112074826B CN112074826B (zh) 2024-04-16

Family

ID=69568164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080002608.1A Active CN112074826B (zh) 2019-03-29 2020-03-25 学习方法和信息提供系统

Country Status (5)

Country Link
US (1) US20210158960A1 (zh)
JP (1) JP6647669B1 (zh)
CN (1) CN112074826B (zh)
DE (1) DE112020000016T5 (zh)
WO (1) WO2020203560A1 (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140061304A1 (en) * 2012-09-05 2014-03-06 Scott DREES System and Method for Using Clinician Programmer and Clinician Programming Data for Inventory and Manufacturing Prediction and Control
CN103733153A (zh) * 2011-09-05 2014-04-16 株式会社小林制作所 作业管理系统、作业管理终端、程序以及作业管理方法
US20160019212A1 (en) * 2014-07-21 2016-01-21 Airbus Operations (Sas) Maintenance assistance for an aircraft by augmented reality
CN107168531A (zh) * 2017-05-02 2017-09-15 武汉理工大学 基于头戴显示器的船舶辅机拆装系统及拆装方法
CN107544802A (zh) * 2017-08-30 2018-01-05 北京小米移动软件有限公司 设备识别方法及装置
US20180150598A1 (en) * 2016-11-30 2018-05-31 General Electric Company Methods and systems for compliance accreditation for medical diagnostic imaging
JP2019021150A (ja) * 2017-07-20 2019-02-07 オリンパス株式会社 工事支援装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014085730A (ja) * 2012-10-19 2014-05-12 Mitsubishi Heavy Ind Ltd 機器の損傷解析支援システム及び損傷解析支援方法
JP6452168B2 (ja) * 2016-06-15 2019-01-16 Ｎｅｃフィールディング株式会社 保守作業手順データ管理装置、システム、方法及びプログラム
US10768605B2 (en) * 2018-07-23 2020-09-08 Accenture Global Solutions Limited Augmented reality (AR) based fault detection and maintenance
CN113168906A (zh) * 2018-12-10 2021-07-23 皇家飞利浦有限公司 用于增强现实-增强现场维修支持的系统和方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103733153A (zh) * 2011-09-05 2014-04-16 株式会社小林制作所 作业管理系统、作业管理终端、程序以及作业管理方法
US20140061304A1 (en) * 2012-09-05 2014-03-06 Scott DREES System and Method for Using Clinician Programmer and Clinician Programming Data for Inventory and Manufacturing Prediction and Control
US20160019212A1 (en) * 2014-07-21 2016-01-21 Airbus Operations (Sas) Maintenance assistance for an aircraft by augmented reality
US20180150598A1 (en) * 2016-11-30 2018-05-31 General Electric Company Methods and systems for compliance accreditation for medical diagnostic imaging
CN107168531A (zh) * 2017-05-02 2017-09-15 武汉理工大学 基于头戴显示器的船舶辅机拆装系统及拆装方法
JP2019021150A (ja) * 2017-07-20 2019-02-07 オリンパス株式会社 工事支援装置
CN107544802A (zh) * 2017-08-30 2018-01-05 北京小米移动软件有限公司 设备识别方法及装置

Also Published As

Publication number Publication date
CN112074826B (zh) 2024-04-16
DE112020000016T5 (de) 2020-11-19
JP6647669B1 (ja) 2020-02-14
WO2020203560A1 (ja) 2020-10-08
US20210158960A1 (en) 2021-05-27
JP2020166805A (ja) 2020-10-08

Similar Documents

Publication Publication Date Title
US11948298B2 (en) System to collect and identify medical conditions from images and expert knowledge
CN109937417A (zh) 用于电子记录的上下文检索的系统和方法
AU2018354105B2 (en) Genealogical entity resolution system and method
JP2020166806A (ja) 機械学習用のデータ構造、学習方法及び情報提供システム
CN113068412B (zh) 信息提供系统
CN112151187A (zh) 信息查询方法、装置、计算机设备和存储介质
JP2021108146A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
US20210158959A1 (en) Learning method and information providing system
CN112287148A (zh) 信息提供系统
CN111651579A (zh) 信息查询方法、装置、计算机设备和存储介质
US20210271924A1 (en) Analyzer, analysis method, and analysis program
CN113722507A (zh) 基于知识图谱的住院费用预测方法、装置及计算机设备
CN112074826B (zh) 学习方法和信息提供系统
CN116737977A (zh) 图像检索方法、装置、设备及介质
CN115408599A (zh) 信息推荐方法、装置、电子设备及计算机可读存储介质
Farman et al. Deep Learning Based Bird Species Identification and Classification Using Images
CN114822830B (zh) 问诊交互方法及相关装置、电子设备、存储介质
CN113948210B (zh) 数据评估方法、装置、计算机设备及存储介质
CN110114832A (zh) 用于优化对先前研究的使用的设备、系统和方法
Moses et al. Instant answering for health care system by machine learning approach
Zorriassatine et al. Cross-Species Insights: Drawing Lessons Between Bird Lameness Detection and Human Gait Anomaly Detection
CN113657114A (zh) 疾病名称对码列表的生成方法、装置、设备及存储介质
WO2024211550A1 (en) Medical condition visual search
CN115861188A (zh) 模型训练方法、基于多种用户数据的预测方法、装置及设备

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40032914

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant