CN115605858A - 推理装置、更新方法和更新程序 - Google Patents

推理装置、更新方法和更新程序 Download PDF

Info

Publication number
CN115605858A
CN115605858A CN202080100874.8A CN202080100874A CN115605858A CN 115605858 A CN115605858 A CN 115605858A CN 202080100874 A CN202080100874 A CN 202080100874A CN 115605858 A CN115605858 A CN 115605858A
Authority
CN
China
Prior art keywords
inference
node
result
input information
nodes
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
CN202080100874.8A
Other languages
English (en)
Inventor
田中宏治
小林克希
小路悠介
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN115605858A publication Critical patent/CN115605858A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

推理装置(100)具有：第1取得部(120)，其取得第1输入信息；存储部(110)，其存储包含与多个单词对应的多个节点的知识图；推理执行部(130)，其将多个节点中的基于第1输入信息的节点作为开始推理的推理开始节点，根据知识图执行推理；输出部(140)，其输出基于推理的结果的信息；第2取得部(150)，其取得表示用户针对推理的结果的意向且包含第1单词的第2输入信息；以及控制部(160)，其根据基于推理的结果的信息和第2输入信息来判定推理的结果是否适当，在推理的结果不适当的情况下，从多个节点中确定第1单词的节点，将AND节点追加到知识图中，经由AND节点将推理开始节点和第1单词的节点关联起来。

Description

推理装置、更新方法和更新程序
技术领域
本公开涉及推理装置、更新方法和更新程序。
背景技术
具有对话型的HMI(Human Machine Interface：人机接口)的装置正在普及。例如，装置是汽车导航仪、家电、智能音箱等。为了实现与装置之间的对话，根据状态图、流程图等来设计场景。但是，复杂且多样的对话和认为聪明的对话的设计很难。
因此，提出了通过基于知识图的推理来实现对话的推理装置(参照专利文献1)。知识图是用图表达事物的属性、事物的关联性、因果关系等的知识表现。推理装置将表示观测到的事实的节点作为起点，使用知识图内的各节点的重要度导出推理的结果。然后，输出基于推理的结果的应答。例如，根据从传感器信息得到的“热”这样的观测的事实和“白天时”这样的观测的事实，推理出“吃凉的食物”这样的知识。然后，输出“由于热、且是白天，所以吃凉的食物吗？”这样的应答。这样，通过使用知识图，不用制作复杂的场景。
现有技术文献
专利文献
专利文献1：日本特许第6567218号公报
非专利文献
非专利文献1：L.Page,S.Brin,R.Motwani,and T.Winograd、“The pagerankcitation ranking：bringing order to The web”、1999年
发明内容
发明要解决的课题
在上述的技术中，依赖于起点的节点的选择方式和知识图的构造来进行推理。因此，有时未必得到期望的推理的结果。
本公开的目的在于，得到期望的推理的结果。
用于解决课题的手段
提供本公开的一个方式的推理装置。推理装置具有：第1取得部，其取得第1输入信息；存储部，其存储包含与多个单词对应的多个节点的知识图；推理执行部，其将所述多个节点中的基于所述第1输入信息的节点作为开始推理的推理开始节点，根据所述知识图执行所述推理；输出部，其输出基于所述推理的结果的信息；第2取得部，其取得第2输入信息，该第2输入信息表示用户针对所述推理的结果的意向且包含第1单词；以及控制部，其根据基于所述推理的结果的信息和所述第2输入信息来判定所述推理的结果是否适当，在所述推理的结果不适当的情况下，从所述多个节点中确定所述第1单词的节点，将第1节点追加到所述知识图中，经由所述第1节点将所述推理开始节点和所述第1单词的节点关联起来。
发明效果
根据本公开，能够得到期望的推理的结果。
附图说明
图1是示出通信系统的例子的图。
图2是示出推理装置具有的硬件的图。
图3是用于详细说明推理执行部的图。
图4是示出推理处理的具体例的图。
图5是示出推理装置执行的处理的例子的流程图。
图6是示出推理处理的例子的流程图。
图7是示出页面等级值的更新的例子的图。
图8是示出更新处理的例子的流程图。
图9是示出更新处理的具体例的图。
具体实施方式
下面，参照附图对实施方式进行说明。以下的实施方式只不过是例子，能够在本公开的范围内进行各种变更。
实施方式
图1是示出通信系统的例子的图。通信系统包含推理装置100、存储装置200、传感器300、输入装置400和输出装置500。
推理装置100经由网络与存储装置200、传感器300、输入装置400和输出装置500连接。例如，网络是有线网络或无线网络。
推理装置100是执行更新方法的装置。
存储装置200是存储各种信息的装置。例如，存储装置200存储当前的季节、星期几、时刻等时间信息、表示当前位置的导航信息、交通信息、天气信息、新闻信息、以及表示用户的日程、兴趣等的简介信息。
传感器300是感测用户的状态或周边状况的传感器。例如，传感器300是可穿戴传感器。
例如，输入装置400是摄像头或麦克风。这里，下面，麦克风称为麦克。例如，在输入装置400是摄像头的情况下，向推理装置100输入摄像头进行拍摄而得到的图像。此外，例如，在输入装置400是麦克的情况下，向推理装置100输入从麦克输出的语音信息。此外，输入装置400也可以通过用户的操作而向推理装置100输入信息。
推理装置100能够从存储装置200、传感器300和输入装置400取得信息。此外，也可以在该信息中包含车速、方向盘的角度等车辆信息。
例如，输出装置500是扬声器或显示器。另外，输入装置400和输出装置500也可以包含在推理装置100中。
这里，对推理装置100具有的硬件进行说明。
图2是示出推理装置具有的硬件的图。推理装置100具有处理器101、易失性存储装置102和非易失性存储装置103。
处理器101对推理装置100整体进行控制。例如，处理器101是CPU(CentralProcessing Unit：中央处理单元)、GPU(Graphics Processing Unit：图形处理单元)、FPGA(Field Programmable Gate Array：现场可编程门阵列)等。处理器101也可以是多处理器。推理装置100也可以代替处理器101而具有处理电路。处理电路也可以是单一电路或复合电路。
易失性存储装置102是推理装置100的主存储装置。例如，易失性存储装置102是RAM(Random Access Memory：随机存取存储器)。非易失性存储装置103是推理装置100的辅助存储装置。例如，非易失性存储装置103是HDD(Hard Disk Drive：硬盘驱动器)或SSD(Solid State Drive：固态驱动器)。
返回图1，对推理装置100的功能进行说明。
推理装置100具有存储部110、第1取得部120、推理执行部130、输出部140、第2取得部150和控制部160。另外，控制部160也可以称为更新部。
存储部110也可以作为在易失性存储装置102或非易失性存储装置103中确保的存储区域来实现。
第1取得部120、推理执行部130、输出部140、第2取得部150和控制部160的一部分或全部也可以通过处理电路实现。此外，第1取得部120、推理执行部130、输出部140、第2取得部150和控制部160的一部分或全部也可以作为处理器101执行的程序的模块来实现。例如，处理器101执行的程序也称为更新程序。例如，更新程序被记录于记录介质中。
存储部110存储知识图111。知识图111保持推理所需要的信息。一般而言，知识图111是以图形式保持各种域的信息的关系数据库。例如，图形式使用RDF(ResourceDescription Framework：资源描述框架)。在RDF中，利用主语、谓语、宾语这三元组(三组)表现信息。例如，“今天是星期五”这样的信息被表现为三元组(今天、星期、星期五)。
第1取得部120能够从存储装置200、传感器300和输入装置400取得信息。这里，该信息称为第1输入信息。
推理执行部130根据第1输入信息和知识图111执行推理。例如，推理的处理是专利文献1所记载的推理的处理。这里，对推理执行部130进行详细说明。
图3是用于详细说明推理执行部的图。推理执行部130具有动态信息更新部131、重要度计算部132和检索部133。
动态信息更新部131根据第1输入信息对知识图111进行更新。另外，如后所述，在表示第1输入信息的内容已经登记在知识图111中的情况下，动态信息更新部131不更新知识图111。
重要度计算部132将多个节点中的基于第1输入信息的节点设为开始推理的推理开始节点。这里，对基于第1输入信息的节点进行说明。首先，第1输入信息也可以包含1个以上的单词即输入单词。1个以上的单词可以是名词、形容词等单词。在通过动态信息更新部131将输入单词的节点追加到了知识图111中的情况下，基于第1输入信息的节点是指输入单词的节点。在输入单词的节点已经登记在知识图111中的情况下，基于第1输入信息的节点是指输入单词的节点。此外，在根据第1输入信息得到的单词的节点通过动态信息更新部131追加到了知识图111中的情况下，基于第1输入信息的节点是指根据第1输入信息得到的单词的节点。在根据第1输入信息得到的单词的节点已经登记在知识图111中的情况下，基于第1输入信息的节点是指根据第1输入信息得到的单词的节点。这里，对根据第1输入信息得到的单词进行说明。例如，在第1输入信息表示当前时刻“17：24”的情况下，根据第1输入信息得到的单词是“傍晚”。
重要度计算部132将推理开始节点作为起点，执行随机行走，计算与知识图111内的各节点的重要度相当的值即页面等级值。另外，在后述的AND节点包含在知识图111中的情况下，重要度计算部132使用应用了模糊运算的页面等级计算算法。
检索部133在知识图111内检索符合与查询一致的模式的三元组的节点。检索部133根据与检索到的节点对应的页面等级值对检索到的节点进行排序。检索部133将页面等级值最高的节点设为推理的结果。此外，检索部133也可以将页面等级值高的多个节点设为推理结果。
这里，例示向正在驾驶汽车的驾驶员建议推荐的餐饮店的情况。另外，在建议中，设为建议汉堡店。
图4是示出推理处理的具体例的图。首先，第1取得部120取得时刻信息作为第1输入信息。时刻信息表示星期五的傍晚。此外，图4示出知识图111包含与多个单词对应的多个节点。例如，图4示出知识图111包含与“汉堡”对应的节点和与“拉面”对应的节点。
动态信息更新部131将节点“星期五”和节点“傍晚”追加到知识图111中。另外，在节点“星期五”和节点“傍晚”已经登记在知识图111中的情况下，动态信息更新部131不追加节点“星期五”和节点“傍晚”。重要度计算部132将节点“星期五”和节点“傍晚”作为推理开始节点，计算各节点的页面等级值。检索部133在知识图111内检索符合与查询一致的模式的三元组的节点。由此，检索到节点“汉堡”和节点“拉面”。检索部133根据与检索到的节点对应的页面等级值对检索到的节点进行排序。检索部133将跟与节点“餐饮店”连接的边“is-a”相连、且页面等级值最高的节点即节点“汉堡”设为推理的结果。
返回图1，对输出部140进行说明。
输出部140将基于推理的结果的信息输出到输出装置500。例如，在图4的情况下，输出部140将“汉堡怎么样”这样的信息输出到输出装置500。由此，例如，在输出装置500是扬声器的情况下，输出装置500利用语音输出“汉堡怎么样”这样的信息。
第2取得部150取得表示用户针对推理的结果的意向的信息。对表示用户的思考的信息进行具体说明。图4中说明的驾驶员平时吃汉堡。但是，驾驶员有在星期五的傍晚吃拉面的习惯。因此，驾驶员针对推理的结果说出“不，不想吃汉堡，想吃拉面”。例如，第2取得部150经由输入装置400取得表示驾驶员的发言内容即用户的意向的信息。由此，推理装置100学习到在取得了“星期五的傍晚”这样的输入信息的情况下，不将节点“汉堡”设为推理的结果，而优选将节点“拉面”设为推理的结果。这里，在以下的说明中，将推理的结果的节点称为prediction node(预测节点)。例如，在图4中，节点“汉堡”是预测节点。此外，将期望设为推理的结果的节点称为target node或目标节点T。例如，在图4中，节点“拉面”是targetnode。
控制部160根据表示用户的思考的信息对知识图111进行更新。具体而言，控制部160在知识图111中追加AND节点。例如，在图4中，控制部160向知识图111中追加(星期五、吃、AND)、(傍晚、吃、AND)和(AND、吃、拉面)。由此，在下次的推理中，推理出节点“拉面”。
接着，使用流程图对推理装置100执行的处理进行说明。
图5是示出推理装置执行的处理的例子的流程图。
(步骤S11)第1取得部120取得第1输入信息。
(步骤S12)推理执行部130根据第1输入信息和知识图111执行推理处理。
(步骤S13)输出部140将基于推理的结果的信息输出到输出装置500。例如，输出部140将“汉堡怎么样”这样的信息输出到输出装置500。
(步骤S14)推理装置100执行更新处理。
图6是示出推理处理的例子的流程图。图6的处理对应于步骤S12。
(步骤S21)动态信息更新部131根据第1输入信息对知识图111进行更新。例如，在第1输入信息表示当前时刻是“17：24”的情况下，动态信息更新部131将三元组(当前时刻、value、17：24)追加到知识图111中。此外，例如，在存在“如果查询(当前时刻、value、？x)的x在16：00～18：00之间，则追加三元组(当前、时间段、傍晚)”这样的规则的情况下，动态信息更新部131将三元组(当前、时间段、傍晚)追加到知识图111中。
(步骤S22)重要度计算部132将推理开始节点作为起点，执行随机行走，计算与知识图111内的各节点的重要度相当的值即页面等级值。关于页面等级值的计算方法，提出了多个方法。例如，提出了迭代法。在迭代法中，页面等级初始值被赋予给各节点。在由边连接的节点间进行页面等级值的授受，直到页面等级值收敛为止。此外，一定比例的页面等级值被提供给推理开始节点。另外，迭代法记载于非专利文献1中。
这里，在AND节点包含在知识图111中的情况下，重要度计算部132使用应用了模糊运算的页面等级计算算法。换言之，在推理开始节点和目标节点经由AND节点关联起来后、对包含AND节点的多个节点的页面等级值进行更新的情况下，重要度计算部132使用应用了模糊运算的页面等级计算算法。
在应用了模糊运算的页面等级计算算法中，AND节点周边的页面等级值的更新方法具有特征。另外，AND节点周边表示AND节点和经由边与AND节点连接的节点。一般而言，在使用逻辑积(AND)的命题“A AND B”中，在A和B双方同时为真(1)的情况下，该命题也为真(1)。模糊运算将只能处理真(1)或伪(0)这2个值的逻辑运算扩展成能够处理连续值，由此能够处理模糊性，逻辑积被定义为取最小值的运算。例如，在A为真的程度是0.1(即几乎为伪)、B为真的程度是0.8(即几乎为真)的情况下，命题“A AND B”成为0.1(＝min(0.1，0.8))。而且，解释为几乎为伪。这种模糊运算被应用于页面等级计算算法。而且，在AND节点周边的节点的页面等级值的更新处理中，根据页面等级量的最小值，页面等级量流入AND节点。此外，最小值以外的页面等级量被提供给推理开始节点。
接着，对应用了模糊运算的页面等级计算算法进行具体说明。
图7是示出页面等级值的更新的例子的图。图7示出节点S1、S2、u、v。另外，节点S1、S2是推理开始节点。此外，图7示出AND节点。实线的箭头表示边。另外，AND节点周边示出AND节点和节点S1、u、v。此外，节点S1和节点u也称为多个第2节点。
节点内的数字表示基于迭代法的计算中的某个步骤中的页面等级值。箭头周边的数字是下一个步骤中授受的页面等级量。虚线的箭头表示针对推理开始节点的随机转移。随机转移以一定概率发生。
重要度计算部132在从经由边连接的节点S1和节点u提供给AND节点的多个页面等级量中确定最小值。例如，重要度计算部132从页面等级量“4”和页面等级量“6”中确定页面等级量“4”。重要度计算部132将从节点S1和节点u分别提供给AND节点的页面等级量限制为最小值。由此，来自节点u的页面等级量被限制为“4”。而且，来自节点S1的页面等级量“4”和来自节点u的页面等级量“4”流入AND节点。AND节点流出页面等级量“8”。重要度计算部132对节点u进行限制，由此剩余页面等级量“2(＝6-4)”。重要度计算部132将剩余的页面等级量“2”提供给节点S1、S2。虚线的箭头表示剩余的页面等级量被提供给节点S1、S2。这样，重要度计算部132将该多个页面等级量中的未提供给AND节点的页面等级量“2”提供给节点S1、S2。
由此，重要度计算部132能够使全部节点的页面等级值的总和保持恒定。此外，重要度计算部132使全部节点的页面等级值的总和保持恒定，由此，能够使页面等级值适当地收敛。详细地讲，重要度计算部132反复进行全部节点的页面等级值的更新，直到全部节点的页面等级值没有变化为止。换言之，重要度计算部132反复进行全部节点的页面等级值的更新，直到全部节点的页面等级值收敛为止。收敛时的页面等级值成为页面等级值的计算结果。这里，在全部节点的页面等级值未保持恒定的情况下，页面等级值可能未适当地收敛。在全部节点的页面等级值未保持恒定的情况下，在该更新的反复处理的过程中，反复进行页面等级量的消失。而且，最终，页面等级量成为零。由此，得到“在全部节点中页面等级值为零”这样的计算结果。即，页面等级值未适当地收敛。为了防止该情况，重要度计算部132执行上述的处理。由此，重要度计算部132能够使全部节点的页面等级值的总和保持恒定。
(步骤S23)检索部133在知识图111内检索符合与查询一致的模式的三元组的节点。检索部133根据与检索到的节点对应的页面等级值对检索到的节点进行排序。检索部133将页面等级值最高的节点设为推理的结果。
图8是示出更新处理的例子的流程图。图8的处理对应于步骤S14。
(步骤S31)第2取得部150取得表示用户针对推理的结果的意向的信息。表示用户针对推理的结果的意向的信息称为第2输入信息。此外，第2输入信息也可以称为反馈信息。例如，第2取得部150取得“不，想吃拉面”这样的第2输入信息。这里，第2输入信息包含第1单词。第1单词是名词、形容词等单词。例如，第1单词是“不，想吃拉面”的“拉面”。
(步骤S32)控制部160根据基于推理的结果的信息和第2输入信息，判定推理的结果是否适当。
对判定处理进行具体说明。例如，基于推理的结果的信息是“汉堡怎么样”这样的信息。第2输入信息是“不，想吃拉面”这样的信息。控制部160对基于推理的结果的信息中包含的单词(例如汉堡)和第2输入信息中包含的单词(例如拉面)进行比较。在比较对象的单词不一致的情况下，控制部160判定为推理的结果不适当。
在推理的结果不适当的情况下，控制部160判定为对知识图111进行更新。然后，控制部160使处理进入步骤S33。在推理的结果适当的情况下，控制部160结束处理。
(步骤S33)控制部160根据第2输入信息，从知识图111中包含的多个节点中确定目标节点T。例如，控制部160将第2输入信息中包含的第1单词(例如拉面)的节点确定为目标节点T。控制部160经由AND节点将推理开始节点S1、…、Sn和目标节点T关联起来。使用具体例对更新处理进行说明。
图9是示出更新处理的具体例的图。控制部160将AND节点追加到知识图111中。这里，AND节点也称为第1节点。
控制部160在推理开始节点S1与AND节点之间生成有向边。控制部160在推理开始节点S2与AND节点之间生成有向边。控制部160在AND节点与目标节点T之间生成有向边。这样，控制部160在推理开始节点S1、S2与目标节点T之间生成经由AND节点的路径。由此，在下次的推理中，推理出节点“拉面”。
这里，对在下次的推理中推理出节点“拉面”的理由进行说明。从全部节点向推理开始节点S1、S2提供页面等级量。因此，推理开始节点S1、S2的页面等级值大。由此，从推理开始节点S1、S2流出的页面等级量也多。而且，大量的页面等级量经由AND节点流入目标节点T。因此，目标节点T的页面等级值变大。换言之，目标节点T的重要度变高。因此，推理出节点“拉面”。
根据实施方式，例如，推理装置100通过对知识图111进行更新，在下次的推理中推理出节点“拉面”。由此，推理装置100能够得到期望的推理的结果。
标号说明
100：推理装置；101：处理器；102：易失性存储装置；103：非易失性存储装置；110：存储部；111：知识图；120：取得部；130：推理执行部；131：动态信息更新部；132：重要度计算部；133：检索部；140：输出部；150：取得部；160：控制部；200：存储装置；300：传感器；400：输入装置；500：输出装置。

Claims (4)

1.一种推理装置，其具有：
第1取得部，其取得第1输入信息；
存储部，其存储包含与多个单词对应的多个节点的知识图；
推理执行部，其将所述多个节点中的基于所述第1输入信息的节点作为开始推理的推理开始节点，根据所述知识图执行所述推理；
输出部，其输出基于所述推理的结果的信息；
第2取得部，其取得第2输入信息，该第2输入信息表示用户针对所述推理的结果的意向且包含第1单词；以及
控制部，其根据基于所述推理的结果的信息和所述第2输入信息来判定所述推理的结果是否适当，在所述推理的结果不适当的情况下，从所述多个节点中确定所述第1单词的节点，将第1节点追加到所述知识图中，经由所述第1节点将所述推理开始节点和所述第1单词的节点关联起来。
2.根据权利要求1所述的推理装置，其中，
在所述推理开始节点和所述第1单词的节点被经由所述第1节点关联起来后、对包含所述第1节点的所述多个节点的页面等级值进行更新的情况下，所述推理执行部在从经由边连接的多个第2节点向所述第1节点提供的多个页面等级量中确定最小值，将从所述多个第2节点分别向所述第1节点提供的页面等级量限制为所述最小值，将所述多个页面等级量中的没有被提供给所述第1节点的页面等级量提供给所述推理开始节点。
3.一种更新方法，其中，
推理装置进行如下处理：
取得第1输入信息，
将知识图中包含的与多个单词对应的多个节点中的、基于所述第1输入信息的节点作为开始推理的推理开始节点，根据所述知识图执行所述推理，
输出基于所述推理的结果的信息，
取得第2输入信息，该第2输入信息表示用户针对所述推理的结果的意向且包含第1单词，
根据基于所述推理的结果的信息和所述第2输入信息来判定所述推理的结果是否适当，
在所述推理的结果不适当的情况下，从所述多个节点中确定所述第1单词的节点，将第1节点追加到所述知识图中，
经由所述第1节点将所述推理开始节点和所述第1单词的节点关联起来。
4.一种更新程序，其使推理装置执行以下处理：
取得第1输入信息，
将知识图中包含的与多个单词对应的多个节点中的、基于所述第1输入信息的节点作为开始推理的推理开始节点，根据所述知识图执行所述推理，
输出基于所述推理的结果的信息，
取得第2输入信息，该第2输入信息表示用户针对所述推理的结果的意向且包含第1单词，
根据基于所述推理的结果的信息和所述第2输入信息来判定所述推理的结果是否适当，
在所述推理的结果不适当的情况下，从所述多个节点中确定所述第1单词的节点，将第1节点追加到所述知识图中，
经由所述第1节点将所述推理开始节点和所述第1单词的节点关联起来。
CN202080100874.8A 2020-05-21 2020-05-21 推理装置、更新方法和更新程序 Pending CN115605858A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/020077 WO2021234896A1 (ja) 2020-05-21 2020-05-21 推論装置、更新方法、及び更新プログラム

Publications (1)

Publication Number Publication Date
CN115605858A true CN115605858A (zh) 2023-01-13

Family

ID=78708578

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080100874.8A Pending CN115605858A (zh) 2020-05-21 2020-05-21 推理装置、更新方法和更新程序

Country Status (5)

Country Link
US (1) US20230034515A1 (zh)
JP (1) JP7118319B2 (zh)
CN (1) CN115605858A (zh)
DE (1) DE112020006904T5 (zh)
WO (1) WO2021234896A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023195051A1 (ja) * 2022-04-04 2023-10-12 三菱電機株式会社 関連情報表示装置、プログラム及び関連情報表示方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62205426A (ja) * 1986-03-06 1987-09-10 Fujitsu Ltd リンク更新方法
US10380169B2 (en) * 2016-07-29 2019-08-13 Rovi Guides, Inc. Systems and methods for determining an execution path for a natural language query
WO2020065906A1 (ja) 2018-09-28 2020-04-02 三菱電機株式会社 推論装置、推論方法、及び推論プログラム

Also Published As

Publication number Publication date
JPWO2021234896A1 (zh) 2021-11-25
US20230034515A1 (en) 2023-02-02
WO2021234896A1 (ja) 2021-11-25
JP7118319B2 (ja) 2022-08-15
DE112020006904T5 (de) 2023-01-12

Similar Documents

Publication Publication Date Title
US20230069847A1 (en) Method and system for providing query suggestions based on user feedback
CN110998567B (zh) 用于对话语义分析的知识图谱
JP7017640B2 (ja) データ拡張方策の学習
JP6567218B1 (ja) 推論装置、推論方法、及び推論プログラム
CN109241412B (zh) 一种基于网络表示学习的推荐方法、系统及电子设备
EP3602412A1 (en) Multitask neural network systems
EP3586277A1 (en) Training policy neural networks using path consistency learning
CN107463701B (zh) 基于人工智能推送信息流的方法和装置
WO2015072349A1 (en) Method for predicting destinations during travel
CN112766607A (zh) 出行路线的推荐方法、装置、电子设备及可读存储介质
JP2005107743A (ja) 学習システム
KR20190056720A (ko) 뉴럴 네트워크 학습 방법 및 디바이스
JP2006107469A (ja) クエリグラフ
WO2022166115A1 (en) Recommendation system with adaptive thresholds for neighborhood selection
JP6390239B2 (ja) 情報処理装置、及びプログラム
US20180314972A1 (en) Application display and discovery by predicting behavior through machine-learning
CN115114542B (zh) 一种对象推荐方法、系统、训练方法、介质及计算机设备
US11624624B2 (en) Methods and apparatuses for predicting user destinations
Ben-Shimon et al. An ensemble method for top-N recommendations from the SVD
CN115605858A (zh) 推理装置、更新方法和更新程序
CN111552549A (zh) 一种智能设备的多任务请求动态配置方法及系统
KR20210082977A (ko) 컴퓨팅 장치 및 그 동작 방법
WO2022166125A1 (en) Recommendation system with adaptive weighted baysian personalized ranking loss
JP7287490B2 (ja) 学習装置、学習方法、及び、プログラム
CN113761289A (zh) 图学习方法、框架、计算机系统及可读存储介质

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