CN114118078A - 制作辅助装置、制作辅助方法及记录介质 - Google Patents

制作辅助装置、制作辅助方法及记录介质 Download PDF

Info

Publication number
CN114118078A
CN114118078A CN202110353603.XA CN202110353603A CN114118078A CN 114118078 A CN114118078 A CN 114118078A CN 202110353603 A CN202110353603 A CN 202110353603A CN 114118078 A CN114118078 A CN 114118078A
Authority
CN
China
Prior art keywords
node
knowledge data
target node
search query
processor
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.)
Pending
Application number
CN202110353603.XA
Other languages
English (en)
Inventor
佐藤美沙
柳井孝介
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.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of CN114118078A publication Critical patent/CN114118078A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/289Phrasal analysis, e.g. finite state techniques or chunking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/334Query execution
    • G06F16/3344Query execution using natural language analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/205Parsing
    • G06F40/216Parsing using statistical methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • G06F40/35Discourse or dialogue representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • G06N5/022Knowledge engineering; Knowledge acquisition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/04Inference or reasoning models
    • G06N5/041Abduction

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供制作辅助装置、制作辅助方法及记录介质,目的是实现情景的制作效率的提高。制作辅助装置能够对存储由规定知识的2个节点和规定2个节点的关系性并将2个节点连结的边构成的关系知识数据的集合的数据库访问;取得构成假设并对多个知识赋予了顺序的推论路线;在对将假设具体化的情景追加了与推论路线内的第1节点对应的第2节点的情况下,将情景更新;基于推论路线内的第1节点、从第1节点朝向的第1连结目标节点、和将第1节点及第1连结目标节点连结的第1边,生成检索从第2节点朝向的第2连结目标节点的第1检索查询;从数据库中检索符合第1检索查询的特定的第1关系知识数据;将特定的第1关系知识数据输出。

Description

制作辅助装置、制作辅助方法及记录介质
技术领域
本发明涉及辅助数据的制作的制作辅助装置、制作辅助方法及存储有 制作辅助程序的记录介质。
背景技术
专利文献1公开了一种情景(scenario)生成装置,所述情景生成装置 收集作为生成对于人们做出了平衡的适当的意思决定有用的社会情景的基 础的要素。该情景生成装置包括:因果关系短语对DB,存储因果关系短语 对(phrase pair);同义关系生成部,对于各个因果关系短语对,检索拥有 与其结果短语有因果的一贯性的原因短语的因果关系短语对,生成因果关 系短语对的连结信息;连结关系DB,存储连结信息;以及因果关系连结部, 使用连结信息,通过对于因果关系短语对的结果短语链接拥有与该短语有 因果的一贯性的原因短语的因果关系短语对,将因果关系链接。
现有技术文献
专利文献
专利文献1:日本特开2015—121897号公报
发明内容
发明要解决的课题
但是,上述专利文献1的情景生成装置不能指定知识间的关系性、和 情景的终点及中间的条件。因而,有生成了较多希望的情景以外的情景的 问题。此外,不仅是上述那样的以意思决定为目的的社会情景,关于技术 开发中的假设情景或不良状况现象的原因情景等跨多分支的情景的生成也 是同样的。
本发明的目的是实现情景的制作效率的提高。
用来解决课题的手段
作为在本申请中公开的发明的一技术方案的制作辅助装置,是具有执 行程序的处理器和存储上述程序的存储设备的制作辅助装置,其特征在于, 能够对存储关系知识数据的集合的数据库进行访问,上述关系知识数据由 规定知识的2个节点和规定上述2个节点的关系性并将上述2个节点连结 的边构成;上述处理器执行:取得处理,取得对多个上述知识赋予了顺序 的推论路线,上述推论路线构成假设;更新处理,在对将上述假设具体化的情景追加了与通过上述取得处理取得的推论路线内的第1节点对应的第 2节点的情况下,将上述情景更新;生成处理,基于上述推论路线内的上述 第1节点、从上述第1节点朝向的第1连结目标节点、和将上述第1节点 及上述第1连结目标节点连结的第1边,生成检索从上述第2节点朝向的 第2连结目标节点的第1检索查询;检索处理,从上述数据库中检索符合 通过上述生成处理生成的第1检索查询的特定的第1关系知识数据;以及 输出处理,将通过上述检索处理检索到的特定的第1关系知识数据输出。
发明效果
根据本发明的代表性的实施方式,能够实现情景的制作效率的提高。 上述以外的课题、结构及效果通过以下的实施例的说明会变得更清楚。
附图说明
图1是表示制作辅助系统的系统结构例的说明图。
图2是表示计算机的硬件结构例的框图。
图3是表示使用制作辅助装置的情景生成例的说明图。
图4是表示图1所示的关系知识DB的一例的说明图。
图5是表示检索查询的构造例的说明图。
图6是表示由制作辅助装置进行的情景制作辅助处理次序例的流程图。
图7是表示图6所示的检索处理(步骤S605)的详细的处理次序例的 流程图。
图8是表示图7的步骤S706~S710所示的短语提取例的说明图。
图9是表示由用户操作进行的情景制作例1的说明图。
图10是表示由用户操作进行的情景制作例2的说明图。
图11是表示由用户操作进行的情景制作例3的说明图。
图12是表示由用户操作进行的情景制作例4的说明图。
图13是表示由用户操作进行的情景制作例5的说明图。
图14是表示由用户操作进行的情景制作例6的说明图。
图15是表示由用户操作进行的情景制作例7的说明图。
图16是表示由用户操作进行的情景制作例8的说明图。
图17是表示由用户操作进行的情景制作例9的说明图。
图18是表示由用户操作进行的情景制作例10的说明图。
图19是表示由用户操作进行的情景制作例11的说明图。
图20是表示由用户操作进行的情景制作例12的说明图。
标号说明
100 制作辅助系统
101 服务器
102 终端
103 网络
104 关系知识DB
104-i 关系知识数据
201 处理器
202 存储设备
301 推论路线
302 情景
310 推论路线
410 出处句
510 检索查询
810 统计数据
2000 登记对象情景
E、e 边
N、n 节点
C、c 连接点
具体实施方式
以下,对有关本实施例的情景的制作辅助进行说明。另外,所述的短 语(phrase),是单词连续而表示一个总的意思的字符串,但在本实施例中, 在1个单词情况下也作为短语处置。
<制作辅助系统结构例>
图1是表示制作辅助系统的系统结构例的说明图。制作辅助系统100 具有服务器101和终端102。服务器101和终端102经由因特网、LAN(局 域网,Local Area Network)、WAN(广域网,Wide Area Network)等的网 络103可通信地连接。
服务器101是对情景的生成进行辅助的计算机。服务器101具有关系 知识数据库(DB)104。关系知识DB104是包含预先被从文书群中进行关 系提取、此外被从既有的知识DB群进行了模式(schema)变换的信息的 数据库。也可以包含有作为向一体化医学用语系统(Unified Medical Language System:UMLS)等既有的知识DB的访问信息的链路。关系知识DB104也可以处于能够经由网络103与服务器101通信的计算机中。终 端102是对于服务器101输入输出数据的计算机。具体而言,例如终端102 通过用户操作,对服务器101远程地输入、或显示来自服务器101的数据。 另外,在图1中对客户端服务器型的制作辅助系统100进行了说明,但也 可以是独立型。
<计算机的硬件结构>
图2是表示计算机的硬件结构例的框图。计算机200具有处理器201、 存储设备202、输入设备203、输出设备204和通信接口(通信IF)205。 处理器201、存储设备202、输入设备203、输出设备204及通信IF205被 用总线206连接。处理器201对计算机200进行控制。存储设备202为处 理器201的作业区。此外,存储设备202是存储各种程序及数据的非暂时性的或暂时性的记录介质。作为存储设备202,例如有ROM(只读存储器, Read OnlyMemory)、RAM(随机存取存储器,Random Access Memory)、 HDD(硬盘驱动器,Hard DiskDrive)、闪存存储器。输入设备203输入 数据。作为输入设备203,例如有键盘、鼠标、触控面板、数字键盘、扫描 仪。输出设备204输出数据。作为输出设备204,例如有显示器、打印机、扬声器。通信IF205与网络103连接,收发数据。
<情景制作辅助例>
图3是表示使用服务器101的情景生成例的说明图。服务器101使用 户设立推论路线301,并且使用户使用推论路线301生成情景302。所述的 推论路线301,是假设,即基于已知的信息预测的未知的信息的成立顺序。 所述的情景302,是按照假设即推论路线301将从多个数据源取得的多个知 识连结的新的知识。
推论路线301具有作为2个以上的节点的节点群、和作为将节点间连 接的1个以上的边(edge)的边群。在图3的例子中,节点群由节点N1~ N4(在不区别的情况下单表述为节点N)构成,边群由边E1~E3(在不区 别的情况下单表述为边E)构成。边E的两端的圆图形或三角图形是与节 点N连接的连接点C12、C21、C31、C32、C41(在不区别的情况下单表 述为连接点C)。边E1将节点N1、N2间用连接点C12、C21连接,边E2 将节点N2、N3间用连接点C22、C31连接,边E3将节点N3、N4间用连 接点C32、C41连接。
节点N通过用户输入而包含字符串。字符串被定义为概念类(class) 或短语。被大括号{}括起的字符串是概念类,没有被大括号{}括起的字符 串是短语。概念类表示短语的上位概念。短语是概念类的具体例。另外, “*”表示概念类及短语都没有被指定。
对于边E,规定了表示两端的节点N的关系的关系数据。例如,对于 边E1规定了“相互”,对于边E2规定了“评价指标”,对于边E3规定 了“增减”。连接点C的形状规定边E的方向。三角形的1个顶点位于节 点N的内部的连接点C(例如,连接点C31)规定从该边E(在此情况下 为边E2)朝向该节点N(在此情况下为节点N3)的方向。三角形的2个 顶点位于节点N的内部的连接点C规定从该节点N朝向该边E的方向。圆 图形的连接点C没有确定方向。
情景302也与推论路线301同样,具有作为2个以上的节点的节点群、 和作为将节点N间连接的1个以上的边的边群,但为了与推论路线301区 别,在情景302中表述为节点n(n1、n2、n31、n32、n41、n42、n43)、 边e(e11、e21、e22、e312、e312、e313)及连接点c(c12、c21、c22、 c311、c312、c411、c412、c413)。节点n、边e及连接点c通过用户操作, 被从推论路线301或检索查询(在图5中后述)的检索结果复制。
具体而言,例如情景302内的节点n通过用户操作,被从推论路线301 的节点N复制。在此情况下,将复制源的节点N与复制目标的节点n建立 对应。此外,如后述那样,情景302内的节点n通过用户操作,能够从检 索结果复制。在从检索结果复制的情况下,将复制目标的节点n与对应于 该节点n的推论路线301内的节点N建立对应。在情景302内,通过用户 操作,能够将节点n间用边e连结。将边e与对应于该边e的推论路线301 内的边E建立对应。
<关系知识DB104>
图4是表示图1所示的关系知识DB104的一例的说明图。关系知识 DB104例如存储n个(n是以上的整数)关系知识数据104-1~K104-n。 关系知识数据104-i(i是满足1≦i≦n的整数)由与1个边esd在边esd 的两端连接的2个节点ns、nd构成。也可以包括出处句410。
边esd具有关系数据401(在该例中是evaluated(评价指标的意思))。 节点ns、nd分别具有概念类402和短语403。此外,节点ns、nd分别在其 两端具有连接点c。这里,将边e的两端的连接点c分别设为连接点cs、cd。
出处句410是构成作为关系知识数据104-i的根据的出处源内的文章 的字符串。节点ns、nd内的短语403及边esd的关系数据401包含在出处 句410中。
<检索查询的构造>
图5是表示检索查询的构造例的说明图。检索查询510以使用终端102 的输入设备203的用户操作为契机,由服务器101或终端102生成。在图5 的例子中,假设终端102是通过由用户进行的拖放(D&D)从推论路线301 的节点N2作为情景302而生成了节点n2的状态。
如果用户用光标500点击节点n2的连接点c22,则服务器101或终端 102生成检索查询510。检索查询510具有键511、数据源512和值513。 键511是用来检索关系知识DB104的项目。数据源是键511存在的部位, 值是键511表示的项目值。
键511例如包括边的种类、起点的短语、连结目标的短语、起点的概 念类、连结目标的概念类、边的短语、出处句内的短语、出处的标题的短 语、出处的种类、出处的文书ID和上下文。
边的种类是确定连接在与被点击的连接点对应的推论路线301内的连 接点c上的边e的种类的项目。在图5的例子中,被点击的连接点c是情 景302内的连接点c22,与连接点c22对应的推论路线301内的连接点C 是连接点C22。数据源512是连接在与连接点c22对应的推论路线301内 的连接点C22上的推论路线301。在图5的例子中,边E2所存在的推论路线301为数据源512。边的种类的值513是由连接在与被点击的连接点c 对应的连接点C上的推论路线301内的边E规定的关系数据401。在图5 的例子中,“评价指标”为边的种类的值513。
起点的短语是作为起点的节点n内的短语。所述的起点,是确定具有 被点击的连接点c的节点n的项目。在图5的例子中,由于被点击的连接 点c是连接点c22,所以节点n2为起点。由于起点存在于情景302内,所 以起点的短语的数据源512也为情景302。起点的短语的值513是表示起点 的短语的字符串。在图5的例子中,起点的短语的值513为表示作为起点 的节点n2内的短语的“UGT1A1”。
连结目标的短语是确定连结目标的节点内的短语的项目。所述的连结 目标,是从与被点击的连接点c对应的推论路线301内的连接点C经由边 E连接的推论路线301内的节点N。在图5的例子中,由于被点击的连接 点c是连接点c22,所以从与连接点c22对应的推论路线301内的连接点 C22经由边E2连接的推论路线301内的节点N3是连结目标。由于连结目标存在于推论路线301内,所以连结目标的短语的数据源512也为推论路 线301。连结目标的短语的值513是表示连结目标的短语的字符串。在图5 的例子中,连结目标的短语的值513是表示作为连结目标的节点N3内的短 语的“*”(短语没有被指定。也可以是空栏)。
起点的概念类是确定作为起点的节点n内的概念类的项目。在图5的 例子中,如上述那样,节点n2为起点。由于起点存在于情景302内,所以 起点的概念类的数据源512也为情景302。起点的概念类的值513是由表示 起点的概念类的大括号{}括起的字符串。在图5的例子中,由于在节点n2 不存在被用大括号{}括起的字符串,所以起点的概念类的值513是“*”(概 念类没有被指定。也可以是空栏)。
连结目标的概念类是确定连结目标的节点N内的概念类的项目。在图 5的例子中,如上述那样,节点N3是连结目标。由于连结目标存在于推论 路线301内,所以连结目标的概念类的数据源512也为推论路线301。连结 目标的概念类的值513是由表示连结目标的概念类的大括号{}括起的字符 串。在图5的例子中,由于在节点N3不存在被用大括号{}括起的字符串, 所以连结目标的概念类的值513是“*”(概念类没有被指定。也可以是空 栏)。
边的短语是确定对连接在与被点击的连接点c对应的连接点C上的推 论路线301内的边E赋予的短语的项目。在图5的例子中,边的短语表示 边E2的短语。边的短语的数据源512是显示该检索查询510的检索结果的 缩减框(在图13等中后述)。边的短语的值513是在作为边的短语的数据 源512的缩减框中显示的短语。在图5的例子中,边的短语的值513是“*” (短语没有被指定)。
出处句内的短语是确定在从出处源选择的出处句410内存在的短语的 项目。出处句内的短语的数据源512与边的短语的数据源512同样是缩减 框。出处句内的短语的值513是在作为出处句内的短语的数据源512的缩 减框中显示的短语。例如,在出处句410中包含有“generation”的短语的 情况下,出处句内的短语的值513是“generation”。
出处源的标题的短语是确定表示出处源的标题的短语的项目。出处源 的标题的短语的数据源512与边的短语的数据源512同样是缩减框。出处 源的标题的短语的值513是在作为出处源的标题的短语的数据源512的缩 减框中显示的短语。例如,在出处源的标题是“UGT1A1”的短语的情况 下,出处句内的短语的值513是“UGT1A1”。
出处源的种类的短语是确定表示出处源的种类的短语的项目。所述的 出处源的种类,是出处源被分类的区分及出处源的归属目标。出处源的种 类的短语的数据源512与边的短语的数据源512同样是缩减框。出处源的 种类的短语的值513是在作为出处源的种类的短语的数据源512的缩减框 中显示的短语。例如,在是出处源的种类为“PubMed”的短语的情况下, 出处句内的短语的值513是“PubMed”。
出处源的文书ID是确定出处源的文书ID的项目。所述的出处源的文 书ID,是唯一地确定出处源的文书的识别信息。出处源的文书ID的数据 源512与边的短语的数据源512同样是缩减框。出处源的文书ID的值513 是表示在作为出处源的种类的短语的数据源512的缩减框中显示的文书ID 的字符串。例如,在出处源的文书ID为“xxx-12”的短语的情况下,出 处句内的短语的值513是“xxx-12”。
上下文是文章的行文,即文中的词语的意思的连续状况,为了取得与 当前的情景302关联的检索结果而规定。上下文的数据源512是情景。例 如,在情景302中,连接在与被点击的节点n2的连接点c22相反侧的连接 点c21上的节点n1的检索结果为上下文的数据源512。此外,在由边e1 规定的出处的文书ID为“Jia-Long+2004”的出处中,包含表示节点n1的短语403的“Carci否gen Detoxification Phe否type”和表示节点n2的短 语403的“UGT1A1”的出处句410为上下文的值513。
此外,服务器101例如也可以使用余弦相似度及Doc2Vec,计算上下 文的值513与包含在检索查询510的检索结果中的出处句410的相似度。 在此情况下,服务器101也可以事前通过来自用户的设定指示,进行如果 相似度是规定的阈值以上则采用为检索查询510的检索结果、或者如果相 似度是规定的阈值以下则采用为检索查询510的检索结果这样的设定。
<情景制作辅助处理次序>
图6是表示由服务器101进行的情景制作辅助处理次序例的流程图。 服务器101从终端102等待画面请求(步骤S601:否)。如果受理了画面 请求(步骤S601:是),则服务器101向终端102发送画面数据(步骤S602)。 另外,在存在由该终端102的用户生成的已保存(步骤S610)的情景302 的情况下,将用户的ID作为键511,将该情景302从存储设备202读出,发送包含该情景302的画面数据。
接着,服务器101等待推论路线301的接收(步骤S603:否)。在接 收到推论路线301的情况下(步骤S603:是),与该终端102的用户的ID 建立关联而将推论路线301向存储设备202保存(步骤S604)。推论路线 301被用于检索查询510的制作。
接着,服务器101等待保存按钮920的接收(步骤S605:否)。在保 存按钮没有被按下的情况下(步骤S605:否),服务器101判断是否有情 景302的编辑(步骤S606)。具体而言,例如,服务器101在通过终端102 的操作而在情景302内被追加或删除了节点n、或被追加或删除了边e、或 有节点n内的字符串的追加、变更或删除的情况下,判断为有情景302的 编辑。
在没有情景302的编辑的情况下(步骤S606:否),向步骤S605返 回。另一方面,在有情景302的编辑的情况下(步骤S606:是),服务器 101以被编辑后的内容将情景302更新(步骤S607)。例如,如果情景302 内的节点n通过用户操作被从推论路线301的节点N复制,则服务器101 将复制源的节点N与复制目标的节点n建立对应。此外,如果情景302内 的节点n通过用户操作被从检索结果复制,则服务器101将复制目标的节 点n与对应于该节点n的推论路线301内的节点N建立对应。此外,如果 在情景302内通过用户操作将节点n间用边e连结,则服务器101将边e 与对应于该边e的推论路线301内的边E建立对应。
并且,服务器101等待来自终端102的检索查询510的生成指示(步 骤S608:否)。检索查询510的生成指示包括表示更新(步骤S607)后的 最新的情景302中的节点n与节点N的对应关系、边e与边E的对应关系、 以及点击了的连接点c的信息。
在接收到检索查询510的生成指示的情况下(步骤S608:是),服务 器101如图5所示,生成检索查询510(步骤S609),使用所生成的检索 查询510执行检索处理(步骤S610)。另外,检索查询510的生成(步骤 S610)也可以由终端102执行。
并且,服务器101将检索处理(步骤S608)的检索结果向终端102发 送(步骤S611),向步骤S605返回。在步骤S605中,被检测出保存按钮 920的按下(步骤S605:是),服务器101将情景302中的由通过用户操 作被选择的节点n和将该节点间连结的边e构成的情景作为登记对象情景 (如果没有选择则为情景302本身),与该终端102的用户的ID建立关联 而向存储设备202保存(步骤S612),结束一系列的处理。
<检索处理(步骤S608)>
图7是表示图6所示的检索处理(步骤S608)的详细的处理次序例的 流程图。首先,服务器101以接收到的检索查询510(以下称作第1检索查 询)尝试进行关系知识DB104内的检索(步骤S701)。接着,服务器101 判断在关系知识DB104中是否有符合第1检索查询510的关系知识数据 104-i(步骤S702)。在有符合第1检索查询510的关系知识数据104-i 的情况下(步骤S702:是),服务器101取得符合第1检索查询510的关 系知识数据104-i(步骤S703)。
并且,服务器101判断在由步骤S703取得的关系知识数据(取得关系 知识数据)群中是否有未选择的取得关系知识数据104-i(步骤S704)。 在有未选择的取得关系知识数据104-i的情况下(步骤S704:是),服务 器101选择1个未选择的取得关系知识数据104-i(步骤S705)。
并且,服务器101从取得关系知识数据104-i的连结目标执行短语403 的提取(步骤S706)。具体而言,例如,服务器101从取得关系知识数据 104-i的连结目标的节点N内的短语403提取1个以上的短语403。提取 短语403是相互不同的短语403,但也可以存在重复的单词。
接着,服务器101按照每个提取短语403生成以包含提取短语403的 连结目标的节点N为起点的检索查询(以下称作第2检索查询)510(步骤 S707)。具体而言,例如,与第1检索查询510同样,服务器101以包含 提取短语403的连结目标的节点N为起点,按照每个提取短语403生成第 2检索查询510。
并且,与步骤S701同样,服务器101以第2检索查询510尝试进行关 系知识DB104内的检索(步骤S708)。服务器101按照每个提取短语403 取得符合第2检索查询510的关系知识数据104-i的件数(步骤S709)。 并且,服务器101按照每个提取短语403对于符合第2检索查询510的关 系知识数据104-i的件数计算统计数据(步骤S710),向步骤S704返回。
所述的统计数据,是与按照每个提取短语403的关系知识数据104-i 的件数相关的统计性的数据。例如,既可以是各件数的最大值及最小值的 组合,也可以是各件数的平均值或中位数。此外,也可以包括各件数的最 大值及最小值的组合和各件数的平均值或中央值。
在步骤S704中,在没有未选择的取得关系知识数据104-i的情况下 (步骤S704:否)。向步骤S702返回。在步骤S702中,在没有符合第1 检索查询510的关系知识数据104-i的情况下(步骤S702:否),检索处 理(步骤S608)结束,向步骤S609转移。
<短语提取例>
图8是表示图7的步骤S706~S710所示的短语提取例的说明图。在图 8中,将关系知识数据104-i中的作为短语的提取对象的节点n内的短语 403设为“detecting theelimination of bilirubin substrate or the generation of bilirubinglucuronides.”。作为提取对象的节点n若从第1检索查询510看 是连结目标nd,而若从第2检索查询510看为起点ns。在图8中,在短语 提取(步骤S706)的执行前,将作为提取对象的节点n表述为连结目标nd, 在短语提取(步骤S706)的执行后,表述为起点ns。
提取短语801~804是从短语403提取出的部分短语。提取短语805是 将短语403原样提取的短语。提取短语数至少是1件,通过事前设定而决 定。此外,提取方法既可以是取得名词短语、或用名词短语分割等的既有 的语法性的提取方法,也可以是在服务器101能够访问的外部的辞典中提 取与短语403的一部分一致的字符串的方法,也可以是利用机械学习的提 取方法,在所述机械学习中,通过输入短语403、或者短语403及制作途中 的情景302,将从学习模型输出的短语作为提取短语。
在图8的例子中,符合提取短语801的关系知识数据的件数是6件, 提取短语802是18件,提取短语803是7件,提取短语804是21件,提 取短语805是3件。
此外,在图8的例子中,统计数据810包括提取短语801~805的件数 的平均件数“11”、以及由最小件数的3件和最大件数的21件构成的件数 范围“3~21”。
<情景制作例>
接着,使用图9~图20对由用户操作进行的情景制作例进行说明。另 外,在后述的情景制作区域902中即便只有1个节点n,则即使不向服务器 101保存(步骤S610)也是情景302。
图9是表示由用户操作进行的情景制作例1的说明图。图9表示通过 步骤S602向终端102发送了画面数据、并且推论路线301及情景302的制 作开始前的终端102的显示画面900的一例。显示画面900具有推论路线 301制作区域901、情景制作区域902和检索结果显示区域903。在推论路 线制作区域901中,显示推论路线301。在推论路线制作区域901中,预先 显示节点N1和连接点C12。但是,对于节点N1,概念类或短语的哪个都 没有指定。
在情景制作区域902中能够显示情景302。在图9中,由于情景302 还没有被制作,所以没有显示情景302。在情景制作区域902的下方,显示 有保存按钮920。如果保存按钮920被按下,则显示在情景制作区域902 中的最新的情景302被从终端102向服务器101发送。
检索结果显示区域903是具有节点标签931和记事标签932的缩减框 (参照图5)。在节点标签931中,是将情景302的制作所需要的节点候选 NC1~NC6显示为可用于情景制作、或将第1检索查询510的检索结果显 示为能够用于情景302的制作的面板。在记事标签932中,显示与第1检 索查询510的检索结果关联的记事。在图9中,表示节点标签931被选择、 节点候选NC1~NC6被显示为可利用的状态。节点候选NC1~NC6能够通 过拖放而向推论路线制作区域901复制。
图10是表示由用户操作进行的情景制作例2的说明图。在图10中, 表示节点候选NC被复制到推论路线制作区域901中的状态。在图10中, 用户将节点候选NC1拖放至推论路线制作区域901的结果是,边E1及节 点N2被复制,并被连接到节点N1。接着,用户将节点候选NC2拖放至推 论路线制作区域901的结果是,边E2及节点N3被复制,并被连接到节点 N2。接着,用户将节点候选NC4拖放至推论路线制作区域901的结果是, 边E3及节点N4被复制,并被连接到节点N3。
图11是表示由用户操作进行的情景制作例3的说明图。图11表示从 图10的状态起、通过用户操作而向推论路线制作区域901的节点N1~N4 输入了作为条件的概念类402或短语403的状态。在图11中,对于节点 N1输入概念类402,对于节点N2、N4输入短语403,对于节点N3没有指 定条件。服务器101保持制作出的推论路线301。
图12是表示由用户操作进行的情景制作例4的说明图。图12表示从 图11的状态起、将推论路线301的节点N2通过拖放D&D作为节点n2复 制到情景制作区域中的状态。服务器101保持节点n2与节点N2的对应关 系。另外,节点n2的连接点c21、c22是被从节点N2的连接点C21、C22 复制的连接点c。连接点c21、c22可以通过用户操作而按下。
此外,在推论路线301的完成后,节点标签931通过用户操作而从节 点候选的显示切换为检索结果的显示。节点标签931具有起点条件输入栏 1201、连结目标条件输入栏1202、出处句条件输入栏1203和元数据条件输 入栏1204。对于起点条件输入栏1201,输入表示作为用来检索起点的条件 的概念类或短语的字符串。对于连结目标条件输入栏1202,输入表示作为 用来检索连结目标的条件的概念类402或短语403的字符串。对于出处句 条件输入栏1203,输入作为用来检索出处句410的条件的字符串。对于元 数据条件输入栏1204,输入作为用来检索关系知识数据104-i中包含的元 数据的条件的字符串。
此外,在图12中,例如如果用户将连接点c22按下,则如图5所示, 终端102生成第1检索查询510,向服务器101发送。发送的结果是,终端 102从服务器101接收到检索结果,在节点标签931上显示检索结果群1210。 另外,在连接点c的按下的情况下,向起点条件输入栏1201自动地设定作 为包括连接点c的起点的条件的概念类402或短语403(在本例的情况下, 是表示短语403的“UGT1A1”)。
检索结果群1210包含0件以上的检索结果。在图12中,作为例子, 检索结果群1210包括3件检索结果1211~1213。检索结果1211~1213是 包含作为第1检索查询510的起点的条件的概念类402或短语403的关系 知识数据104-i。此外,将某个检索结果1211~1213的起点拥有短语403 一致或部分一致的起点的关系知识数据104-i称作部分一致的关系知识数 据104-i。关于该部分一致的关系知识数据104-i存在的检索结果1211~ 1213,显示加按钮1214。部分一致的关系知识数据104-i被折叠进加按钮 1214。
在检索结果1211~1213中显示有统计数据810。此外,在检索结果 1211、1213中包含有出处句410。在出处句410中,例如由第1检索查询 510指定的条件(起点的概念类402或短语403、连结目标的概念类402或 短语403、边的种类)的值513被强调显示。此外,如检索结果1212所示, 也可以代替出处句410而显示作为能够对一体化医学用语系统(UMLS) 那样的知识DB访问的访问信息的链路1215。
图13是表示由用户操作进行的情景制作例5的说明图。图13表示从 图12的状态起按下了检索结果1211、1213的加按钮1214的状态。通过检 索结果1211、1213的加按钮1214被按下,显示存在部分一致的关系知识 数据104-i的检索结果1221、1223。
图14是表示由用户操作进行的情景制作例6的说明图。通过用户操作, 在连结目标条件输入栏1202中被输入“bilirubin AND{指标}”,是用来检 索短语为“bilirubin”、并且概念类402为“{指标}”的连结目标的条件。 此外,在出处句条件输入栏1203中被输入“calculate NOT pcr”,是用来 检索包含“calculate”而不包含“pcr”的出处句410的条件。通过从终端 102取得这些条件,服务器101能够将检索结果群1210再次缩减。
此外,终端102也可以在情景制作区域902中,在节点的附近(例如 下方)显示框1400。在框中,通过用户操作,能够自由地输入节点n2的概 念类402或短语403的同义语等字符串。此外,也可以在框中自动输入节 点n2的概念类402或短语403的同义语。具体而言,例如,服务器101从 关系知识DB104或外部的知识DB检索节点n2的概念类402或短语403 的同义语,并向终端102返送,作为发送了第1检索查询510的结果。由 此,终端102能够在框中显示检索到的节点n2的概念类402或短语403的 同义语。
图15是表示由用户操作进行的情景制作例7的说明图。图15表示从 图14的状态起、通过拖放将检索结果1211复制到情景制作区域902中并 与节点n2连结的状态。具体而言,例如,终端102通过用户操作,在节点 n2与所复制的节点n31之间描绘边e21,将节点n2与节点n31连结。由此, 服务器101将作为节点n2的连结目标的节点n31与作为推论路线310的节 点N2的连结目标的节点N3建立对应,将边e21与节点N2、N3间的边E2 建立对应。将被拖放后的检索结果1211例如比其他检索结果1212、1213 更淡地显示,以便能够辨识出其被拖放。
此外,在情景制作区域902中,显示在边e21的下方的[QI+2015], 是检索结果1211的出处句的出处源的文书ID1500。在文书ID1500中,也 可以植入向该出处源的文书的链路。
图16是表示由用户操作进行的情景制作例8的说明图。图16表示从 图15的状态起、通过用户操作选择了记事标签932的状态。通过记事标签 932的选择,显示由限制在情景制作区域902内的文书ID确定的出处源的 文书1600。在出处源的文书1600中,例如将由第1检索查询510指定的条 件(起点的概念类或短语、连结目标的概念类或短语、边的种类)的值513 强调显示。
图17是表示由用户操作进行的情景制作例9的说明图。图17表示从 图16的状态起用户对情景302进行编辑的状态。具体而言,例如节点n31 内的短语403被修正。这样,显示在情景制作区域902中的节点n内的条 件能够由用户操作来编辑。
图18是表示由用户操作进行的情景制作例10的说明图。图18表示从 图17的状态起、通过拖放而将检索结果1213复制到情景制作区域902中 并与节点n2连结的状态。具体而言,例如,终端102通过用户操作,在节 点n2与所复制的节点n32之间描绘边e22,将节点n2与节点n32连结。由 此,服务器101将作为节点n2的连结目标的节点n32与作为推论路线310 的节点N2的连结目标的节点N3建立对应,将边e22与节点N2、N3间的 边E2建立对应。将被拖放后的检索结果1213例如比其他检索结果1212更 淡地显示,以便能够辨识出其被拖放。
此外,在情景制作区域902中,显示在边e21的下方的[Sara+2010] 是检索结果1213的出处句的出处源的文书ID1800。在文书ID1800中,也 可以植入向该出处源的文书的链路。这样,能够对1个连接点c22连接多 个检索结果。
图19是表示由用户操作进行的情景制作例11的说明图。图19表示从 图18的状态起、通过拖放而将检索结果1901复制到情景制作区域902中 并与节点n2连结的状态。在图19中,通过用户操作,在元数据条件输入 栏1204中被输入“糖尿病”,通过从终端102取得由起点条件输入栏1201~ 元数据条件输入栏1204指定的条件,服务器101将检索结果群1210再次 缩减,将检索结果群1900向终端102发送。由此,在终端102的节点标签 931中显示检索结果群1900。
用户从检索结果群1900将检索结果1901拖放而向情景制作区域902 复制。具体而言,例如终端102通过用户操作,在节点n2与所复制的节点n1之间描绘边e1,将节点n2与节点n1连结。由此,服务器101将作为节 点n2的连结目标的节点n1与作为推论路线310的节点N2的连结目标的节 点N1建立对应,将边e1与节点N2、N1间的边E1建立对应。这样,情景 302被更新为节点n1、边e1、节点n2、边e21、节点n31、边e22、节点 n32。
图20是表示由用户操作进行的情景制作例12的说明图。图20表示从 图19的状态起、再将节点n41~n43及边e321~e323追加到情景302中的 状态。具体而言,例如,终端102通过用户操作,在节点n31与所复制的 节点n41之间描绘边e311,将节点n31与节点n41连结。由此,服务器101 将作为节点n31的连结目标的节点n41与作为推论路线310的节点N3的连 结目标的节点N4建立对应,将边e311与节点N3、N4间的边E3建立对应。
同样,终端102通过用户操作,在节点n32与所复制的节点n42之间 描绘边e312,将节点n32与节点n42连结。由此,服务器101将作为节点 n32的连结目标的节点n42与作为推论路线310的节点N3的连结目标的节 点N4建立对应,将边e312与节点N3、N4间的边E3建立对应。
同样,终端102通过用户操作,在节点n32与所复制的节点n43之间 描绘边e313,将节点n32与节点n43连结。由此,服务器101将作为节点 n32的连结目标的节点n43与作为推论路线310的节点N3的连结目标的节 点N4建立对应,将边e313与节点N3、N4间的边E3建立对应。
此外,用户能够选择作为登记对象的情景2000。具体而言,例如用户 通过输入设备203,从情景302中选择节点n1、节点n2、节点n31、节点 n32及节点n42(在图20中涂黑显示)。服务器101将所选择的节点n1、 节点n2、节点n31、节点n32及节点n42、以及其之间的边e1、e22、e312 向登记对象情景2000设定。并且,如果用户通过输入设备203将保存按钮 920按下,则终端102将登记对象情景2000与该终端102的用户的ID建 立关联,向存储设备202保存(步骤S610)。
这样,在上述的实施例中,能够实现情景302的制作效率的提高及制 作的情景302的品质提高。
另外,在上述的实施例中,在客户端服务器型的制作辅助系统100中, 假设服务器101为按照来自终端102的操作对情景302的制作进行辅助的 制作辅助装置而进行了说明。相对于此,也可以终端102是生成检索查询 510并使服务器检索的制作辅助装置。此外,在上述的实施例中,对客户端 服务器型的制作辅助系统100进行了说明,但也可以由独立型的服务器101 实现。
此外,上述的有关实施例1及实施例2的制作辅助装置也可以如下述 (1)~(13)那样构成。
(1)具有执行程序的处理器201和存储程序的存储设备202的制作辅 助装置(服务器101、终端102)能够对存储关系知识数据104-i的集合 的关系知识DB104进行访问,所述关系知识数据104-i由规定了知识的2 个节点ns、nd、以及规定2个节点ns、nd的关系性并将2个节点ns、nd 连结的边esd构成。处理器201执行:取得处理(步骤S603,S604),取 得对多个知识赋予了顺序的推论路线301,推论路线301构成假设;更新处 理(步骤S607),在对将假设具体化的情景302追加了与通过取得处理取 得的推论路线301内的第1节点N2对应的第2节点n2的情况下,将情景 302更新;生成处理(步骤S609),基于推论路线301内的第1节点N2、 从第1节点N2朝向的第1连结目标节点N3、和将第1节点N2及第1连 结目标节点N3连结的第1边E2,生成检索从第2节点n2朝向的第2连结 目标节点n31的第1检索查询510;检索处理(步骤S610),从关系知识 DB104中检索符合通过生成处理生成的第1检索查询510的特定的第1关 系知识数据104-i;以及输出处理(步骤S611),将通过检索处理检索到 的特定的第1关系知识数据104-i输出。
由此,用户能够将规定多个知识的节点n用边e连结,能够制作出情 景302。具体而言,例如由于从作为第1检索查询510的检索结果列举出的 特定的第1关系知识数据104-i中选择连结目标的节点n,所以不生成对 于用户而言没有兴趣的情景302。即,通过以第1检索查询510检索特定的 第1关系知识数据104-i,制作满足对情景302的各节点n或各边e课以 的条件那样的情景302。这样,能够实现情景302的制作效率的提高及制作 的情景302的品质提高。
(2)在上述(1)的制作辅助装置中,在生成处理中,处理器201基 于推论路线301内的第1连结目标节点N3、从第1连结目标节点N3朝向 的第3连结目标节点N4、和将第1连结目标节点N3及第3连结目标节点 N4连结的第3边E3,生成检索从第2连结目标节点n31朝向的第4连结 目标节点n41的第2检索查询510;在检索处理中,处理器201从关系知识 DB104中检索符合通过生成处理生成的第2检索查询510的特定的第2关 系知识数据104-i;在输出处理中,处理器201将特定的第1关系知识数 据104-i和特定的第2关系知识数据104-i的件数输出。
由此,用户能够在第2连结目标节点n31的检索时确认第4连结目标 节点n41的存在。因而,能够避免将不存在第4连结目标节点n41的第2 连结目标节点n31向情景302的追加。
(3)在上述(2)的制作辅助装置中,处理器201执行从被规定于第2 连结目标节点n3的知识的字符串中提取多个包含该字符串的一部分的部分 字符串的提取处理(步骤S706);在生成处理中,处理器201将通过提取 处理提取出的字符串中的各个字符串作为第2连结目标节点n3,生成第2 检索查询510;在检索处理中,处理器201对于各个第2检索查询510,从 关系知识DB104中检索特定的第2关系知识数据104-i;处理器201执行 计算关于从各个第2检索查询510检索到的特定的第2关系知识数据104 -i的件数的统计数据810的计算处理(步骤S710);在输出处理中,处 理器201将特定的第1关系知识数据104-i和通过计算处理计算出的统计 数据810输出。
通过提取处理(步骤S706),能够实现以第2连结目标节点n31为起 点的第2检索查询510的检索样式的包罗性的提高。由此,用户能够在第2 连结目标节点n31的检索时具有包罗性地确认第4连结目标节点n41的存 在。因而,能够避免将不存在第4连结目标节点n41的第2连结目标节点 n31向情景302的追加。
(4)在上述(1)的制作辅助装置中,关系知识数据104-i具有关系 知识数据104-i的关联信息,在输出处理中,处理器201输出包含关联信 息的特定的第2关系知识数据104-i。
由此,用户在从作为第1检索查询510的检索结果列举出的特定的第1 关系知识数据104-i中选择连结目标的节点n时,能够参照关联信息,作 为向情景302追加时的判断指标。
(5)在上述(4)的制作辅助装置中,关联信息是作为关系知识数据 104-i的根据的出处句410。
由此,用户在从作为第1检索查询510的检索结果列举出的特定的第1 关系知识数据104-i选择连结目标的节点n时,能够参照出处句410,作 为向情景302追加时的判断指标。
(6)在上述(4)的制作辅助装置中,关联信息是向作为关系知识数 据104-i的根据的出处的链路1215。
由此,用户在从作为第1检索查询510的检索结果列举出的特定的第1 关系知识数据104-i中选择连结目标的节点n时,能够参照链路1215的 链路目标的网页,作为向情景302追加时的判断指标。
(7)在上述(5)的制作辅助装置中,在输出处理中,处理器201将 在出处句410中表示被规定于第2节点n2及第2连结目标节点n31的各个 的知识的字符串和表示由第1边E2规定的关联性的字符串能够强调显示地 输出。
由此,用户在从作为第1检索查询510的检索结果列举出的特定的第1 关系知识数据104-i中选择连结目标的节点n时,能够参照出处句410的 强调显示部位,作为向情景302追加时的判断指标。
(8)在上述(1)的制作辅助装置中,在更新处理中,处理器201在 情景302内在第2节点n2和特定的第1关系知识数据104-i内的第2连 结目标节点n31被与第1边E2对应的第2边e21连结的情况下,将情景 302更新。
由此,能够在最新的状态下继续情景302的制作。
(9)在上述(8)的制作辅助装置中,在生成处理中,处理器201基 于推论路线301内的第1连结目标节点N3、从第1连结目标节点N3朝向 的第3连结目标节点N4、和将第1连结目标节点N3及第3连结目标节点 N4连结的第3边E3,生成检索从第2连结目标节点n31朝向的第4连结 目标节点n41的第3检索查询510;在检索处理中,处理器201从关系知识 DB104中检索符合通过生成处理生成的第3检索查询510的特定的第2关 系知识数据104-i,在输出处理中,处理器201将特定的第2关系知识数 据104-i输出。
由此,制作辅助装置能够以成为最新的状态的情景302生成检索查询。
(10)在上述(9)的制作辅助装置中,关系知识数据104-i具有关 系知识数据104-i的关联信息;在生成处理中,处理器201基于推论路线 301内的第1连结目标节点N3、第3连结目标节点N4、第3边E3、和包 含在特定的第1关系知识数据104-i中的关联信息,生成第3检索查询510, 在输出处理中,处理器201输出特定的第2关系知识数据104-i及关联信 息。
由此,制作辅助装置能够使用在作为前次的检索结果的特定的第1关 系知识数据104-i中包含的关联信息进行检索。
(11)在上述(10)的制作辅助装置中,关联信息是作为关系知识数 据104-i的根据的出处句410。
(12)在上述(10)的制作辅助装置中,处理器201在生成处理中, 处理器201基于第3检索查询510的关联信息与符合第3检索查询510的 关系知识数据104-i的关联信息的相似度,将符合第3检索查询510的关 系知识数据104-i决定为特定的第2关系知识数据104-i。
由此,能够进行在相似度是阈值以上的情况下将符合第3检索查询510 的关系知识数据104-i决定为特定的第2关系知识数据104-i、或在相似 度是阈值以下的情况下将符合第3检索查询510的关系知识数据104-i决 定为特定的第2关系知识数据104-i等的检索。由此,能够有效率地缩减 特定的第2关系知识数据104-i。
(13)在上述(1)的制作辅助装置中,处理器201执行通过从情景302 中选择的节点群和将节点群连结的边群决定登记对象情景2000,并向存储 设备202保存的保存处理(步骤S612)。
由此,制作辅助装置仅通过由用户操作进行的节点的选择就能够容易 地执行情景302内的需要的情景2000的保存。
另外,本发明并不限定于上述的实施例,包含附带的权利要求书的主 旨内的各种各样的变形例及同等的结构。例如,上述的实施例是为了容易 理解地说明本发明而详细地说明的,本发明并不限定于必定具备所说明的 全部结构。此外,也可以将某个实施例的结构的一部分替换为其他实施例 的结构。此外,也可以对某个实施例的结构添加其他实施例的结构。此外, 也可以对各实施例的结构的一部分进行其他结构的追加、删除或置换。
此外,上述的各结构、功能、处理部、处理机构等,也可以将它们的 一部分或全部例如通过用集成电路设计等而由硬件实现,也可以通过处理 器201将实现各个功能的程序解释并执行而由软件实现。
实现各功能的程序、表、文件等的信息可以保存到存储器、硬盘、SSD (固态驱动器,Solid State Drive)等的存储装置、或IC(集成电路,Integrated Circuit)卡、SD卡、DVD(数字多功能光盘,Digital Versatile Disc)的记 录介质中。
此外,控制线及信息线表示了认为在说明上需要者,并不一定表示了 在安装上需要的全部的控制线或信息线。实际上可以认为几乎全部的结构 被相互连接。

Claims (15)

1.一种制作辅助装置,具有执行程序的处理器和存储上述程序的存储设备,其特征在于,
能够对存储关系知识数据的集合的数据库进行访问,上述关系知识数据由规定知识的2个节点和规定上述2个节点的关系性并将上述2个节点连结的边构成;
上述处理器执行:
取得处理,取得对多个上述知识赋予了顺序的推论路线,上述推论路线构成假设;
更新处理,在对将上述假设具体化的情景追加了与通过上述取得处理取得的推论路线内的第1节点对应的第2节点的情况下,将上述情景更新;
生成处理,基于上述推论路线内的上述第1节点、从上述第1节点朝向的第1连结目标节点、和将上述第1节点及上述第1连结目标节点连结的第1边,生成检索从上述第2节点朝向的第2连结目标节点的第1检索查询;
检索处理,从上述数据库中检索符合通过上述生成处理生成的第1检索查询的特定的第1关系知识数据;以及
输出处理,将通过上述检索处理检索到的特定的第1关系知识数据输出。
2.如权利要求1所述的制作辅助装置,其特征在于,
在上述生成处理中,上述处理器基于上述推论路线内的上述第1连结目标节点、从上述第1连结目标节点朝向的第3连结目标节点、和将上述第1连结目标节点及上述第3连结目标节点连结的第3边,生成检索从上述第2连结目标节点朝向的第4连结目标节点的第2检索查询;
在上述检索处理中,上述处理器从上述数据库中检索符合通过上述生成处理生成的第2检索查询的上述特定的第2关系知识数据;
在上述输出处理中,上述处理器将上述特定的第2关系知识数据的件数和上述特定的第1关系知识数据输出。
3.如权利要求2所述的制作辅助装置,其特征在于,
上述处理器执行从被规定于上述第2连结目标节点的知识的字符串中提取多个部分字符串的提取处理,上述部分字符串包含该字符串的一部分;
在上述生成处理中,上述处理器将通过上述提取处理提取出的字符串中的各个字符串作为上述第2连结目标节点,生成上述第2检索查询;
在上述检索处理中,上述处理器对于各个上述第2检索查询,从上述数据库中检索上述特定的第2关系知识数据;
上述处理器执行计算关于从各个上述第2检索查询检索到的上述特定的第2关系知识数据的件数的统计数据的计算处理;
在上述输出处理中,上述处理器将上述特定的第1关系知识数据和通过上述计算处理计算出的统计数据输出。
4.如权利要求1所述的制作辅助装置,其特征在于,
上述关系知识数据具有上述关系知识数据的关联信息;
在上述输出处理中,上述处理器将包含上述关联信息的上述特定的第2关系知识数据输出。
5.如权利要求4所述的制作辅助装置,其特征在于,
上述关联信息是关于作为上述关系知识数据的根据的出处的文书数据。
6.如权利要求4所述的制作辅助装置,其特征在于,
上述关联信息是向作为上述关系知识数据的根据的出处的访问信息。
7.如权利要求5所述的制作辅助装置,其特征在于,
在上述输出处理中,上述处理器将在上述文书数据中表示被规定于上述第2节点及上述第2连结目标节点的各个中的知识的字符串、和表示由上述第1边规定的关联性的字符串以能够强调显示的方式输出。
8.如权利要求1所述的制作辅助装置,其特征在于,
在上述更新处理中,上述处理器在上述情景内上述第2节点和上述特定的第1关系知识数据内的上述第2连结目标节点被用与上述第1边对应的第2边连结的情况下,将上述情景更新。
9.如权利要求8所述的制作辅助装置,其特征在于,
在上述生成处理中,上述处理器基于上述推论路线内的上述第1连结目标节点、从上述第1连结目标节点朝向的第3连结目标节点、和将上述第1连结目标节点及上述第3连结目标节点连结的第3边,生成检索从上述第2连结目标节点朝向的第4连结目标节点的第3检索查询;
在上述检索处理中,上述处理器从上述数据库中检索符合通过上述生成处理生成的第3检索查询的上述特定的第2关系知识数据;
在上述输出处理中,上述处理器将上述特定的第2关系知识数据输出。
10.如权利要求9所述的制作辅助装置,其特征在于,
上述关系知识数据具有上述关系知识数据的关联信息;
在上述生成处理中,上述处理器基于上述推论路线内的上述第1连结目标节点、上述第3连结目标节点、上述第3边和包含在上述特定的第1关系知识数据中的关联信息,生成上述第3检索查询;
在上述输出处理中,上述处理器将上述特定的第2关系知识数据及上述关联信息输出。
11.如权利要求10所述的制作辅助装置,其特征在于,
上述关联信息是关于作为上述关系知识数据的根据的出处的文书数据。
12.如权利要求10所述的制作辅助装置,其特征在于,
在上述生成处理中,上述处理器基于上述第3检索查询的关联信息和符合上述第3检索查询的关系知识数据的关联信息的相似度,将符合上述第3检索查询的关系知识数据决定为上述特定的第2关系知识数据。
13.如权利要求1所述的制作辅助装置,其特征在于,
上述处理器执行通过从上述情景中选择的节点群和将上述节点群连结的边群决定登记对象情景,并向上述存储设备保存的保存处理。
14.一种制作辅助方法,由具有执行程序的处理器和存储上述程序的存储设备的制作辅助装置执行,上述制作辅助方法的特征在于,
能够对存储关系知识数据的集合的数据库进行访问,上述关系知识数据由规定知识的2个节点和规定上述2个节点的关系性并将上述2个节点连结的边构成;
上述处理器执行:
取得处理,取得对多个上述知识赋予了顺序的推论路线,上述推论路线构成假设;
更新处理,在对将上述假设具体化的情景追加了与通过上述取得处理取得的推论路线内的第1节点对应的第2节点的情况下,将上述情景更新;
生成处理,基于上述推论路线内的上述第1节点、从上述第1节点朝向的第1连结目标节点、和将上述第1节点及上述第1连结目标节点连结的第1边,生成检索从上述第2节点朝向的第2连结目标节点的第1检索查询;
检索处理,从上述数据库中检索符合通过上述生成处理生成的第1检索查询的特定的第1关系知识数据;以及
输出处理,将通过上述检索处理检索到的特定的第1关系知识数据输出。
15.一种记录介质,其特征在于,
存储有制作辅助程序,该制作辅助程序使能够对存储由规定知识的2个节点和规定上述2个节点的关系性并将上述2个节点连结的边构成的关系知识数据的集合的数据库进行访问的处理器执行:
取得处理,取得对多个上述知识赋予了顺序的推论路线,上述推论路线构成假设;
更新处理,在对将上述假设具体化的情景追加了与通过上述取得处理取得的推论路线内的第1节点对应的第2节点的情况下,将上述情景更新;
生成处理,基于上述推论路线内的上述第1节点、从上述第1节点朝向的第1连结目标节点、和将上述第1节点及上述第1连结目标节点连结的第1边,生成检索从上述第2节点朝向的第2连结目标节点的第1检索查询;
检索处理,从上述数据库中检索符合通过上述生成处理生成的第1检索查询的特定的第1关系知识数据;以及
输出处理,将通过上述检索处理检索到的特定的第1关系知识数据输出。
CN202110353603.XA 2020-08-28 2021-04-01 制作辅助装置、制作辅助方法及记录介质 Pending CN114118078A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020144124A JP7412307B2 (ja) 2020-08-28 2020-08-28 作成支援装置、作成支援方法、および作成支援プログラム
JP2020-144124 2020-08-28

Publications (1)

Publication Number Publication Date
CN114118078A true CN114118078A (zh) 2022-03-01

Family

ID=80357077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110353603.XA Pending CN114118078A (zh) 2020-08-28 2021-04-01 制作辅助装置、制作辅助方法及记录介质

Country Status (3)

Country Link
US (1) US20220067555A1 (zh)
JP (1) JP7412307B2 (zh)
CN (1) CN114118078A (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2839555B2 (ja) * 1989-06-14 1998-12-16 株式会社日立製作所 情報検索方法
JPH08249339A (ja) * 1995-03-08 1996-09-27 Nippon Telegr & Teleph Corp <Ntt> 情報ナビゲーション方式
JP2006215936A (ja) * 2005-02-07 2006-08-17 Hitachi Ltd 検索システム及び検索方法
CN102317940B (zh) * 2009-02-27 2014-04-23 三菱电机株式会社 信息处理装置、信息处理方法以及程序
JP5904559B2 (ja) * 2013-12-20 2016-04-13 国立研究開発法人情報通信研究機構 シナリオ生成装置、及びそのためのコンピュータプログラム
US20150310073A1 (en) * 2014-04-29 2015-10-29 Microsoft Corporation Finding patterns in a knowledge base to compose table answers
US9996527B1 (en) * 2017-03-30 2018-06-12 International Business Machines Corporation Supporting interactive text mining process with natural language and dialog
JP2019128914A (ja) * 2018-01-26 2019-08-01 シャープ株式会社 情報処理装置、応答シナリオ生成方法、及び制御プログラム

Also Published As

Publication number Publication date
JP2022039210A (ja) 2022-03-10
JP7412307B2 (ja) 2024-01-12
US20220067555A1 (en) 2022-03-03

Similar Documents

Publication Publication Date Title
US10725836B2 (en) Intent-based organisation of APIs
US10558754B2 (en) Method and system for automating training of named entity recognition in natural language processing
US7769771B2 (en) Searching a document using relevance feedback
US7519528B2 (en) Building concept knowledge from machine-readable dictionary
US20110196862A1 (en) Outline-based composition and search of presentation material
EP3077918A1 (en) Systems and methods for in-memory database search
CN111488462A (zh) 基于知识图谱的推荐方法、装置、设备及介质
WO2014210387A2 (en) Concept extraction
JP2008226235A (ja) 情報フィードバックシステム、情報フィードバック方法、情報管理サーバ、情報管理方法及びプログラム
CN113032336A (zh) 信息处理装置、存储介质及信息处理方法
CN114141384A (zh) 用于检索医学数据的方法、设备和介质
CN113032548A (zh) 信息处理装置、存储介质及信息处理方法
JP4699909B2 (ja) キーワード対応関係分析装置及び分析方法
KR20190033821A (ko) 폴더 추천 방법 및 폴더 추천 장치
JP5379665B2 (ja) 辞書生成処理方法、プログラム及び装置
JP2021144348A (ja) 情報処理装置及び情報処理方法
CN114118078A (zh) 制作辅助装置、制作辅助方法及记录介质
US11036729B2 (en) Document creation support system
JP5790820B2 (ja) 不整合検出装置、プログラム及び方法、修正支援装置、プログラム及び方法
JP5380874B2 (ja) 情報検索方法、プログラム及び装置
JP2018156552A (ja) 計算機システム及び文章データの検索方法
US20160117352A1 (en) Apparatus and method for supporting visualization of connection relationship
JP2022021131A (ja) Kpiツリーから部分ツリーを抽出するシステム
JP2022050011A (ja) 情報処理装置及びプログラム
JP2021039579A (ja) ドキュメント作成支援システム

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