CN116710934A - 规则更新程序、规则更新方法以及规则更新装置 - Google Patents

规则更新程序、规则更新方法以及规则更新装置 Download PDF

Info

Publication number
CN116710934A
CN116710934A CN202080107995.5A CN202080107995A CN116710934A CN 116710934 A CN116710934 A CN 116710934A CN 202080107995 A CN202080107995 A CN 202080107995A CN 116710934 A CN116710934 A CN 116710934A
Authority
CN
China
Prior art keywords
rule
determination
rules
result
label
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
CN202080107995.5A
Other languages
English (en)
Inventor
浅井达哉
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of CN116710934A publication Critical patent/CN116710934A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence

Landscapes

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

Abstract

本发明的规则更新装置受理第一适当与否判定，其中，该第一适当与否判定是对通过使用了训练数据的机器学习导出的多个判定规则中的至少一部分的判定规则执行的判定。规则更新装置基于第一适当与否判定的结果以及一部分的判定规则与一部分以外的判定规则的相似性，对一部分以外的判定规则执行第二适当与否判定。规则更新装置基于第一适当与否判定的结果和第二适当与否判定的结果，更新多个判定规则。

Description

规则更新程序、规则更新方法以及规则更新装置
技术领域
本发明涉及规则更新程序等。
背景技术
关于AI(Artificial Intelligence：人工智能)导出的“答案”，能够说明为何导出这样的“答案”的“能够说明的AI(Explainable AI：可解释AI)”备受关注。例如，作为能够说明的AI，有网罗性地从学习的数据中提取项目的组合，并提示对于人也容易理解的成为判断的依据的假设(规则)的AI。
另外，有预先准备能够设定AI的参数的接口，在通过AI输出的规则集合与用户想要的规则集合不同的情况下，使用接口重新设定参数，并使AI再次输出规则集合的现有技术。
专利文献1：日本特开平11－15842号公报
例如，使用接口重新设定AI的参数的现有技术交互地修正对AI输出的规则集合整体的制约条件，以能够进一步反映用户的意图的方式，更新输出的规则集合。
但是，在上述的现有技术中，用户难以对照用户的知识、经验来确认每一个规则，根据需要修正规则，并更新规则集合以反映修正后的规则。这是因为用户难以全部把握并理解AI输出的大量的规则，并对照用户自身的经验、知识来进行修正。
发明内容
在一个侧面，本发明的目的在于提供能够不增加用户的负担而执行规则集合的合理化的规则更新程序、规则更新方法以及规则更新装置。
在第一方案中，使计算机执行以下的处理。在计算机中，规则更新装置受理第一适当与否判定，其中，该第一适当与否判定是对通过使用了训练数据的机器学习导出的多个判定规则中的至少一部分的判定规则执行的判定。计算机基于第一适当与否判定的结果以及一部分的判定规则与一部分以外的判定规则的相似性，对一部分以外的判定规则执行第二适当与否判定。计算机基于第一适当与否判定的结果和第二适当与否判定的结果，更新多个判定规则。
能够不增加用户的负担而执行规则集合的合理化。
附图说明
图1是用于说明本实施例的规则更新装置的处理的图。
图2是表示本实施例的规则更新装置的构成的功能框图。
图3是表示规则集合的数据结构的一个例子的图。
图4是表示带标签的规则的数据结构的一个例子的图。
图5是表示显示控制部生成的画面信息的一个例子的图(1)。
图6是表示显示控制部生成的画面信息的一个例子的图(2)。
图7是用于说明判定部的处理的图。
图8是表示显示控制部生成的分类结果的一个例子的图(1)。
图9是表示显示控制部生成的分类结果的一个例子的图(2)。
图10是表示本实施例的规则更新装置的处理顺序的流程图(1)。
图11是表示本实施例的规则更新装置的处理顺序的流程图(2)。
图12是表示实现与实施例的规则更新装置相同的功能的计算机的硬件构成的一个例子的图。
具体实施方式
以下，基于附图对本申请公开的规则更新程序、规则更新方法以及规则更新装置的实施例进行详细说明。此外，并不通过该实施例限定该发明。
实施例
图1是用于说明本实施例的规则更新装置的处理的图。规则更新装置的规则生成部151若受理数据141的输入，则基于数据141，生成规则组20。规则生成部151基于根据训练数据进行了机器学习的学习模型，导出规则组20。
在图1所示的例子中，在规则组20包含有规则1a、1b、1c、1d、1e。例如，规则1a～1e表示假设(说明变量的组合)是否满足特定的条件。虽然省略图示，但在规则组20也可以包含有规则1a～1e以外的规则。在以下的说明中，在并不特别区分规则1a～1e、未图示的其它的规则的情况下，仅表述为规则。规则与“判定规则”对应。
规则更新装置使规则组20的信息显示于显示装置，并向用户10提供用于将后述的标签赋予至规则1a～1e的接口。用户10参照规则组20的规则1a～1e，基于自身的经验，在接口上赋予标签。
例如，用户10对判断为适当的规则赋予“第一标签”。用户10对判断为不适当的规则赋予“第二标签”。用户对不能够判断是否适当的规则赋予“未分类标签”。在本实施例中，适当地以“圆圈标记”图示第一标签，以“叉号标记”图示第二标签，并以“问号”图示未分类标签。在初始设定中，对规则组20的各规则设定未分类标签，用户10也可以赋予第一标签、第二标签。
规则更新装置基于来自用户10的适当与否的标签的赋予结果，生成带标签的规则143。在图1所示的例子中，在带标签的规则143中，对规则1a赋予了第一标签，对规则1b赋予了第二标签，对规则1c、1d、1e赋予了未分类标签。
规则更新装置的判定部153基于带标签的规则143所包含的规则1a～1e中赋予了第一标签或者第二标签的规则1a、1b与剩余的规则1c～1e的相似性，判定规则1c～1e的适当与否。
例如，判定部153在根据规则1a、1b与规则1c的相似性，盖然性地导出规则1c适当的情况下，对规则1c赋予第一标签。判定部153在根据规则1a、1b与规则1d的相似性，盖然性地导出规则1d不适当的情况下，对规则1c赋予第二标签。
判定部153在根据规则1a、1b与规则1e的相似性，未盖然性地导出规则1e是否适当的情况下，将规则1e的标签保持为未分类标签。
规则变更装置通过使对规则1a～1e进行分类的分类结果30按标签的种类显示于显示装置，来通知给用户10。在图1所示的例子中，规则1a、1c被分类为第一标签的组，规则1b、1d被分类为第二标签的组，规则1e被分类为未分类标签的组。
用户10参照分类结果30，重新在接口上仅对能够判断适当与否的规则赋予适当与否的标签。例如，用户10参照分类结果30，在能够对赋予了未分类标签的规则判断适当与否的情况下，对赋予了未分类标签的规则赋予第一标签或者第二标签。
判定部153在再次从用户10受理了标签的赋予的情况下，再次基于赋予了第一标签或者第二标签的规则与剩余的规则的相似性，判定剩余的规则的适当与否，并显示分类结果。
规则更新装置反复执行受理用户10对标签的赋予的处理、基于赋予了第一标签或者第二标签的规则与剩余的规则的相似性，判定剩余的规则的适当与否，并显示分类结果的处理。
另外，规则更新装置基于进行反复得到的标签赋予的结果，向规则组20进行反馈。例如，规则更新装置从规则组20删除赋予了第二标签的规则。如上述那样，赋予了第二标签的规则是不适当的规则。
如上述那样，规则更新装置从用户10受理对规则组20的规则中一部分的规则的标签的赋予，并基于赋予了标签的规则与剩余的规则的相似性，判定对剩余的规则赋予的标签。规则更新装置执行基于对规则赋予的标签，更新规则组20的处理。这样，通过对用户10能够判断适当与否的规则赋予标签，来更新规则组，所以能够不增加用户的负担而执行规则集合的合理化。
接下来，对本实施例的规则更新装置的构成的一个例子进行说明。图2是表示本实施例的规则更新装置的构成的功能框图。如图2所示，该规则更新装置100具有通信部110、输入部120、显示部130、存储部140、以及控制部150。
通信部110以有线或者无线的方式与外部装置等连接，在与外部装置等之间进行信息的发送接收。例如，通过NIC(Network Interface Card：网卡)等实现通信部110。控制部150也可以经由通信部110，获取后述的数据141。
输入部120是将各种信息输入到规则更新装置100的输入装置。输入部120与键盘、鼠标、触摸面板等对应。例如，用户10操作输入部120，对规则赋予标签。
显示部130是显示从控制部150输出的信息的显示装置。显示部130与液晶显示器、有机EL(Electro Luminescence：电致发光)显示器、触摸面板等对应。例如，显示部130显示与规则组20、分类结果30等相关的信息。
存储部140具有数据141、规则集合142、带标签的规则143。例如，通过RAM(RandomAccess Memory：随机存储器)、闪存(Flash Memory)等半导体存储器元件、或者硬盘、光盘等存储装置实现存储部140。
数据141包含多个假设的数据。假设是目的变量的组合，赋予了假设是否满足特定的条件的标签。例如，基于数据141所包含的多个假设，由规则生成部151生成组合了这样的多个假设的假设、和赋予了这样的假设是否满足规定的条件的标签的规则组(规则集合142)。
规则集合142基于数据141，保持由规则生成部151生成的规则组的数据。图3是表示规则集合的数据结构的一个例子的图。如图3所示，规则集合142将识别信息、规则、以及重要度建立对应关系。识别信息是唯一地识别规则的信息。
规则表示说明变量的组合是否满足特定的条件。“Λ”表示AND条件。“￢”是否定紧后面的说明变量的规则。“1”表示满足特定的条件，“0”表示不满足特定的条件。虽然在图3中省略说明，但在规则中也可以包含OR条件等。
在识别信息“R1001”的规则中，表示“A”并且“B”并且“C的否定”为“0(不满足特定的条件)”。若示出一个例子，则在“A(肉食)”、“B(有脊椎)”、且“￢C(无毛)”的情况下，为“(0)不为哺乳类”。
在识别信息“R1003”的规则中，表示“A”并且“B”并且“D”为“1(满足特定的条件)”。若示出一个例子，则在“A(肉食)”、“B(有脊椎)”且“D(有齿)”的情况下，为“(1)哺乳类”。
重要度表示相应的规则为了导出“0”或者“1”是多么重要的规则。例如，识别信息“R1001”的规则、以及识别信息“R1002”的规则均为导出“0”的规则。识别信息“R1001”的规则的重要度比识别信息“R1002”的规则的重要度大，所以识别信息“R1001”的规则与识别信息“R1001”的规则相比，是作为用于导出“0”的规则更重要的规则。
带标签的规则143是表示对规则赋予的标签的信息。图4是表示带标签的规则的数据结构的一个例子的图。如图4所示，带标签的规则143将识别信息、规则、以及标签建立对应关系。与识别信息、规则相关的说明与在图3中进行了说明的与识别信息、规则相关的说明相同。
标签是表示对应的规则是适当，还是不适当，还是不明确是否适当的标签。对适当的规则设定“第一标签”。对不适当的规则设定“第二标签”。对不明确是否适当的规则设定“未分类标签”。
返回到图2的说明。控制部150具有规则生成部151、显示控制部152、判定部153、以及更新部154。例如通过CPU(Central Processing Unit：中央处理器)或者MPU(MicroProcessing Unit：微处理器)实现控制部150。另外，例如也可以通过ASIC(ApplicationSpecific Integrated Circuit：专用集成电路)或者FPGA(Field Programmable GateArray：现场可编程门阵列)等集成电路执行控制部150。
规则生成部151通过将数据141输入根据训练数据进行了机器学习的学习模型，来生成规则集合142。例如，规则生成部151生成规则集合142的处理既可以使用专利文献(日本特开2020－46888)等所记载的技术，也可以使用其它的技术。规则生成部151将生成的规则集合142存储于存储部140。规则集合142与在图1中进行了说明的规则组20对应。
显示控制部152基于规则集合142，生成用于对规则赋予标签的画面信息(接口)，并使生成的画面信息显示于显示部130。参照了画面信息的用户10操作输入部120，对各规则赋予标签。显示控制部152基于来自用户10的输入，确定规则与标签的关系，并将确定出的结果设定为带标签的规则143。
图5是表示显示控制部生成的画面信息的一个例子的图(1)。在图5所示的例子中，一个一个地显示规则集合142的规则，并受理来自用户10的标签的指定。例如，在画面信息40中，在区域41示出有规则。用户10在判断为规则适当的情况下，勾选区域41a。用户10在判断为规则不适当的情况下，勾选区域41b。用户10在不能够判断规则是否适当的情况下，勾选区域41c。用户10在确定并确认下一个规则的情况下，按下按钮42。
在图5所示的情况下，由于勾选区域41c，所以显示控制部152确定对显示于区域41的规则(识别信息“R1001”的规则)赋予的标签为“未分类标签”，并登记于带标签的规则143。
显示控制部152在受理了按钮42的按下的情况下，关于下一个规则，生成与图5对应的画面信息，并反复执行上述处理，直至与全部的规则相关的标签的赋予完成为止。显示控制部152也可以在显示最后的规则的画面信息的情况下，使是最后的规则的主旨显示于画面信息。
图6是表示显示控制部生成的画面信息的一个例子的图(2)。在图6所示的例子中，将规则集合142所包含的各规则排列为一列进行显示。显示控制部152在对规则设定重要度的情况下，按照重要度的降序显示各规则。
在图6的画面信息45中，对每个规则设定“圆圈标记”、“叉号标记”、以及“问号”的输入区域。用户10在判断为规则适当的情况下，勾选与“圆圈标记”对应的区域。用户10在判断为规则不适当的情况下，勾选与“叉号标记”对应的区域。用户10在不能够判断规则是否适当的情况下，勾选与“问号”对应的区域。用户10在确定对各规则的勾选的输入的情况下，按下按钮46。
在按下了按钮46的情况下，显示控制部152对每个规则，确定勾选的区域，确定规则与标签的关系。在图6所示的例子中，由于对项号1、3、5的规则的勾选设定在“问号”的输入区域，所以显示控制部152确定项号1、3、5的规则的标签为“未分类标签”。
在图6所示的例子中，由于对项号2的规则的勾选设定在“叉号标记”的输入区域，所以显示控制部152确定项号2的规则的标签为“第二标签”。由于对项号4的规则的勾选设定在“圆圈标记”的输入区域，所以显示控制部152确定项号4的规则的标签为“第一标签”。
返回到图2的说明。判定部153基于带标签的规则143，确定赋予了第一标签或者第二标签的规则、和赋予了未分类标签的规则。判定部153基于赋予了第一标签或者第二标签的规则与赋予了未分类标签的规则的相似性，在能够导出盖然性的结果的情况下，对赋予了未分类标签的规则赋予第一标签或者第二标签。
图7是用于说明判定部的处理的图。对判定部153判定识别信息“R1001”的标签的情况进行说明。判定部153由于对识别信息“R1002”的规则赋予第二标签(不适当)，所以盖然性地视为/>这样一来，判定部153能够盖然性地导出规则这里，判定部153通过使用规则/>盖然性地判定为识别信息“R1001”的规则/>为“适当”。判定部153将识别信息“R1001”的标签设定为“第一标签”。
对判定部153判定识别信息“R1003”的标签的情况进行说明。判定部153由于对识别信息“R1004”的规则赋予第一标签(适当)，所以盖然性地视为这里，判定部153通过使用规则/>盖然性地判定为识别信息“R1003”的规则/>为“不适当”。判定部153将识别信息“R1003”的标签设定为“第二标签”。
对判定部153判定识别信息“R1005”的标签的情况进行说明。识别信息“R1005”的规则与由用户10赋予了第一标签或者第二标签的规则的相似性较低。因此，判定部153不能够盖然性地判定赋予“第一标签”，还是赋予“第二标签”。因此，判定部153将识别信息“R1005”的标签保持为“未分类标签”。
判定部153在上述的判定完成的情况下，将判定完成的主旨的信息输出到显示控制部152。
显示控制部152在从判定部153受理了判定完成的主旨的信息的情况下，生成分类结果的信息，并将分类结果的信息(画面信息)显示于显示部130。用户10参照分类结果的信息，对能够判断是否适当的规则，操作输入部120，赋予第一标签或者第二标签。
图8是表示显示控制部生成的分类结果的一个例子的图(1)。在图8所示的例子中，在分类结果的画面信息50设定区域51a、51b、51c。区域51a是显示赋予了第一标签的规则的区域。例如，在通过判定部153，对规则赋予(更新)了第一标签的情况下，显示控制部152对/>进行强调显示。
区域51b是显示赋予了第二标签的规则的区域。例如，在通过判定部153，对规则赋予(更新)了第二标签的情况下，显示控制部152对/>进行强调显示。
区域51c是显示赋予了未分类标签的规则的区域。用户10在能够基于区域51a、52b的规则与标签的关系，判断区域51c的规则的标签的情况下，操作输入部120，对区域51c的规则赋予第一标签或者第二标签。显示控制部152受理来自用户10的输入，更新带标签的规则143。
用户10在继续对规则赋予标签的处理的情况下，按下按钮53a。用户10在结束对规则赋予标签的处理的情况下，按下按钮53b。
显示控制部152以及判定部153每当用户10按下按钮53a，就反复执行上述处理。显示控制部152以及判定部153在用户10按下了按钮53b的情况下，结束对带标签的规则143设定标签的处理。此外，也可以显示控制部152在再次生成画面信息的情况下，基于带标签的规则143，仅选择赋予了未分类标志的规则，将选择的规则显示于显示部130，并受理用户10对标签的指定。
图9是表示显示控制部生成的分类结果的一个例子的图(2)。在图9所示的例子中，在分类结果的画面信息55设定有区域56a、56b。区域56a是仅显示赋予了第一标签的规则且为这次更新的规则的区域。区域56b是仅显示赋予了第二标签的规则且为这次更新的规则的区域。
用户10参照图9所示的分类结果的画面信息50，在能够判断适当与否的情况下，操作输入部120，对赋予了未分类标签的规则赋予第一标签或者第二标签。
用户10在继续对规则赋予标签的处理的情况下，按下按钮57a。用户10在结束对规则赋予标签的处理的情况下，按下按钮57b。
显示控制部152以及判定部153每当用户10按下按钮57a，则反复执行上述处理。显示控制部152以及判定部153在用户10按下了按钮57b的情况下，结束对带标签的规则143设定标签的处理。此外，也可以显示控制部152在再次生成画面信息的情况下，基于带标签的规则143，仅选择赋予了未分类标志的规则，将选择的规则显示于显示部130，并受理用户10对标签的指定。
然而，显示控制部152以及判定部153也可以计算带标签的规则143所包含的所有规则中赋予了“未分类标签”的规则的比例，在计算出的比例在阈值σ以下的情况下，结束对带标签的规则143设定标签的处理。判定部153在结束设定标签的处理的情况下，对更新部154输出更新要求。
更新部154在从判定部153获取了更新要求的情况下，基于带标签的规则143，更新规则集合142。例如，更新部154确定带标签的规则143中赋予了第二标签的规则的识别信息。更新部154通过从规则集合142删除与确定出的识别信息对应的规则，来更新规则集合142。
接下来，对本实施例的规则更新装置100的处理顺序的一个例子进行说明。图10是表示本实施例的规则更新装置的处理顺序的流程图(1)。在图10中，示出规则更新装置100继续处理，直至受理用户10对结束的按钮的按下为止的顺序。
如图10所示，规则更新装置100的显示控制部152基于带标签的规则143，选择规则集合142中未分类标签的规则(步骤S101)。
显示控制部152基于选择的规则生成画面信息，并显示于显示部130(步骤S102)。显示控制部152从操作输入部120的用户10受理标签的选择，并在带标签的规则143登记标签(步骤S103)。
规则更新装置100的判定部153基于带标签的规则143，将未分类标签的规则判定为第一标签、第二标签、未分类标签的任意一个(步骤S104)。规则更新装置100在用户10未按下结束的按钮的情况下(步骤S105，否)，移至步骤S101。
另一方面，规则更新装置100在用户10按下了结束的按钮的情况下(步骤S105，是)，移至步骤S106。规则更新装置100的更新部154基于带标签的规则143，更新规则集合142。
图11是表示本实施例的规则更新装置的处理顺序的流程图(2)。在图11中，示出规则更新装置100继续处理，直至赋予了未分类标签的规则的比例在规定的阈值σ以下为止的顺序。
如图11所示，规则更新装置100的显示控制部152基于带标签的规则143，选择规则集合142中未分类标签的规则(步骤S201)。
显示控制部152基于选择的规则生成画面信息，并显示于显示部130(步骤S202)。显示控制部152从操作输入部120的用户10受理标签的选择，并在带标签的规则143登记标签(步骤S203)。
规则更新装置100的判定部153基于带标签的规则143，将未分类标签的规则判定为第一标签、第二标签、未分类标签的任意一个(步骤S204)。规则更新装置100在赋予了未分类标签的规则的比例在所有规则中不在阈值σ以下的情况下(步骤S205，否)，移至步骤S201。
另一方面，规则更新装置100在赋予了未分类标签的规则的比例在所有规则中在阈值σ以下的情况下(步骤S205，是)，移至步骤S206。规则更新装置100的更新部154基于带标签的规则143，更新规则集合142。
接下来，对本实施例的规则更新装置100的效果进行说明。规则更新装置100从用户10受理对规则组20的规则中一部分的规则赋予标签，并基于赋予了标签的规则与剩余的规则的相似性，判定对剩余的规则赋予的标签。规则更新装置100执行基于对规则赋予的标签，更新规则组20的处理。这样，通过对用户10能够判断适当与否的规则赋予标签，来更新规则组，所以能够不增加用户的负担而执行规则集合的合理化。
规则更新装置100在对规则设定重要度的情况下，按照重要度的降序显示规则。由此，用户10容易对重要度更大的规则判断适当与否。
规则更新装置100在赋予了第一标签或者第二标签的规则与赋予了未分类标签的规则所包含的规则是相似的规则的情况下，确定能够导出盖然性的结果的规则。然后，规则更新装置100基于确定出的规则，对未分类标签的规则判定适当与否。由此，能够自动地将未分类标签的规则分类为第一标签、第二标签。
规则更新装置100基于带标签的规则143，从规则集合删除赋予了第二标签的规则。由此，能够在规则集合142留下适当的规则。
另外，在规则更新装置100中，对于由规则生成部151生成的庞大的规则的集合，用户能够确认每一个规则，并根据需要修正能够理解的规则。这里，即使用户不能够理解全部的规则，通过在能够做到的范围进行确认，也能够自动地确认其它的规则以使其相对于用户的确认结果而言妥当。通过反复几次这样的操作，能够确认规则集合的大部分，能够根据需要进行更新。
接下来，对实现与上述实施例所示的规则更新装置100相同的功能的计算机的硬件构成的一个例子进行说明。图12是表示实现与实施例的规则更新装置相同的功能的计算机的硬件构成的一个例子的图。
如图12所示，计算机200具有执行各种运算处理的CPU201、受理来自用户的数据的输入的输入装置202、以及显示器203。另外，计算机200具有从存储介质读取程序等的读取装置204、和经由有线或者无线网络，在与其它的外部装置等之间进行数据的交换的通信装置205。另外，计算机200具有暂时存储各种信息的RAM206、和硬盘装置207。而且，各装置201～207与总线208连接。
硬盘装置207具有规则生成程序207a、显示控制程序207b、判定程序207c、以及更新程序207d。另外，CPU201读出各程序207a～207d并展开到RAM206。
规则生成程序207a作为规则生成工序206a发挥作用。显示控制程序207b作为显示控制工序206b发挥作用。判定程序207c作为判定工序206c发挥作用。更新程序207d作为更新工序206d发挥作用。
规则生成工序206a的处理与规则生成部151的处理对应。显示控制工序206b的处理与显示控制部152的处理对应。判定工序206c的处理与判定部153的处理对应。更新工序206d的处理与更新部154的处理对应。
此外，各程序207a～207d也可以并不必从最初开始使其存储于硬盘装置207。例如，也可以使各程序存储于能够插入计算机200的软盘(FD)、CD－ROM、DVD、光磁盘、IC卡等“便携式物理介质”。然后，计算机200读出各程序207a～207d并执行。
附图标记说明
100…规则更新装置，110…通信部，120…输入部，130…显示部，140…存储部，141…数据，142…规则集合，143…带标签的规则，150…控制部，151…规则生成部，152…显示控制部，153…判定部，154…更新部。

Claims (12)

1.一种规则更新程序，其特征在于，
使计算机执行以下处理：
受理第一适当与否判定，其中，该第一适当与否判定是对通过使用了训练数据的机器学习导出的多个判定规则中的至少一部分的判定规则执行的判定；
基于上述第一适当与否判定的结果以及上述一部分的判定规则与上述一部分以外的判定规则的相似性，对上述一部分以外的判定规则执行第二适当与否判定；以及
基于上述第一适当与否判定的结果和上述第二适当与否判定的结果，更新上述多个判定规则。
2.根据权利要求1所述的规则更新程序，其特征在于，
进一步使计算机执行以下处理：
对上述多个判定规则设定重要度，并按照上述重要度的顺序显示上述多个判定规则。
3.根据权利要求1所述的规则更新程序，其特征在于，
关于执行上述第二适当与否判定的处理，上述一部分的判定规则所包含的第一判定规则与上述一部分以外的判定规则所包含的第二判定规则是相似的判定规则，确定根据对上述第一判定规则的第一适当与否判定的结果能够导出盖然性的结果的规则，并基于确定出的规则对上述第二判定规则执行第二适当与否判定。
4.根据权利要求1所述的规则更新程序，其特征在于，
上述第一适当与否判定的结果以及上述第二适当与否判定的结果是将表示上述判定规则正确的第一标签或者表示上述判定规则不正确的第二标签与上述判定规则建立了对应关系的信息，进行上述更新的处理执行从上述多个判定规则除去赋予了第二标签的判定规则的处理。
5.一种规则更新方法，是计算机执行的规则更新方法，其特征在于，
执行以下处理：
受理第一适当与否判定，其中，该第一适当与否判定是对通过使用了训练数据的机器学习导出的多个判定规则中的至少一部分的判定规则执行的判定；
基于上述第一适当与否判定的结果以及上述一部分的判定规则与上述一部分以外的判定规则的相似性，对上述一部分以外的判定规则执行第二适当与否判定；以及
基于上述第一适当与否判定的结果和上述第二适当与否判定的结果，更新上述多个判定规则。
6.根据权利要求5所述的规则更新方法，其特征在于，
进一步使计算机执行以下处理：
对上述多个判定规则设定重要度，并按照上述重要度的顺序显示上述多个判定规则。
7.根据权利要求5所述的规则更新方法，其特征在于，
关于执行上述第二适当与否判定的处理，上述一部分的判定规则所包含的第一判定规则与上述一部分以外的判定规则所包含的第二判定规则是相似的判定规则，确定根据对上述第一判定规则的第一适当与否判定的结果能够导出盖然性的结果的规则，并基于确定出的规则对上述第二判定规则执行第二适当与否判定。
8.根据权利要求5所述的规则更新方法，其特征在于，
上述第一适当与否判定的结果以及上述第二适当与否判定的结果是将表示上述判定规则正确的第一标签或者表示上述判定规则不正确的第二标签与上述判定规则建立了对应关系的信息，进行上述更新的处理执行从上述多个判定规则除去赋予了第二标签的判定规则的处理。
9.一种规则更新装置，其特征在于，具有：
判定部，受理第一适当与否判定，其中，该第一适当与否判定是对通过使用了训练数据的机器学习导出的多个判定规则中的至少一部分的判定规则执行的判定，该判定部基于上述第一适当与否判定的结果以及上述一部分的判定规则与上述一部分以外的判定规则的相似性，对上述一部分以外的判定规则执行第二适当与否判定；以及
更新部，基于上述第一适当与否判定的结果和上述第二适当与否判定的结果，更新上述多个判定规则。
10.根据权利要求9所述的规则更新装置，其特征在于，
还具有显示控制部，该显示控制部对上述多个判定规则设定重要度，并按照上述重要度的顺序显示上述多个判定规则。
11.根据权利要求9所述的规则更新装置，其特征在于，
关于上述判定部，上述一部分的判定规则所包含的第一判定规则与上述一部分以外的判定规则所包含的第二判定规则是相似的判定规则，确定根据对上述第一判定规则的第一适当与否判定的结果能够导出盖然性的结果的规则，并基于确定出的规则对上述第二判定规则执行第二适当与否判定。
12.根据权利要求9所述的规则更新装置，其特征在于，
上述第一适当与否判定的结果以及上述第二适当与否判定的结果是将表示上述判定规则正确的第一标签或者表示上述判定规则不正确的第二标签与上述判定规则建立了对应关系的信息，上述更新部执行从上述多个判定规则除去赋予了第二标签的判定规则的处理。
CN202080107995.5A 2020-12-23 2020-12-23 规则更新程序、规则更新方法以及规则更新装置 Pending CN116710934A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/048158 WO2022137386A1 (ja) 2020-12-23 2020-12-23 ルール更新プログラム、ルール更新方法およびルール更新装置

Publications (1)

Publication Number Publication Date
CN116710934A true CN116710934A (zh) 2023-09-05

Family

ID=82158693

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080107995.5A Pending CN116710934A (zh) 2020-12-23 2020-12-23 规则更新程序、规则更新方法以及规则更新装置

Country Status (5)

Country Link
US (1) US20230316108A1 (zh)
EP (1) EP4270258A4 (zh)
JP (1) JPWO2022137386A1 (zh)
CN (1) CN116710934A (zh)
WO (1) WO2022137386A1 (zh)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05241837A (ja) * 1992-02-28 1993-09-21 Toshiba Corp 規則集合生成装置
JPH1115842A (ja) 1997-06-24 1999-01-22 Mitsubishi Electric Corp データマイニング装置
JP4872262B2 (ja) * 2005-07-27 2012-02-08 日本電気株式会社 管理支援システム、管理支援方法、および管理支援プログラム
JP7172332B2 (ja) 2018-09-18 2022-11-16 富士通株式会社 学習プログラム、予測プログラム、学習方法、予測方法、学習装置および予測装置

Also Published As

Publication number Publication date
EP4270258A4 (en) 2024-02-28
JPWO2022137386A1 (zh) 2022-06-30
US20230316108A1 (en) 2023-10-05
EP4270258A1 (en) 2023-11-01
WO2022137386A1 (ja) 2022-06-30

Similar Documents

Publication Publication Date Title
JP6946081B2 (ja) 情報処理装置、情報処理方法、プログラム
CN110389969A (zh) 提供定制的学习内容的系统和方法
CN106384143B (zh) 一种动态电子二维码生成方法及识别方法
JP2022008867A (ja) 学習効率に基づいて個人カスタマイズ型教育コンテンツを提供するための機械学習方法、装置及びコンピュータプログラム
CN107679059B (zh) 业务模板的匹配方法、装置、计算机设备及存储介质
US6882989B2 (en) Genetic algorithm techniques and applications
WO2019200780A1 (zh) 任务派发方法、电子设备及存储介质
CN116710934A (zh) 规则更新程序、规则更新方法以及规则更新装置
CN117435999A (zh) 一种风险评估方法、装置、设备以及介质
CN112990702A (zh) 基于施工任务的施工队匹配方法、装置、设备及存储介质
CN111222566B (zh) 用户属性识别方法、装置及存储介质
CN109902729B (zh) 基于序列状态演进的行为预测方法及装置
CN111652471A (zh) 名单分配控制方法、装置、电子设备及存储介质
CN110889583A (zh) Ai面试方法、装置、计算机设备及计算机可读存储介质
CN114004206A (zh) 一种表单生成方法、装置、计算机设备和存储介质
CN110297544B (zh) 输入信息响应方法及装置、计算机系统和可读存储介质
JP7152357B2 (ja) 正解データ作成支援システムおよび正解データ作成支援方法
JP7322899B2 (ja) スケジューリング装置、スケジューリング方法、プログラム
EP3579245A1 (en) A method and apparatus for use in detecting malingering by a first subject in tests of physical and/or mental function of the first subject
CN109544097B (zh) 基于新产品开发的月结信息处理方法、电子装置及可读存储介质
US11972251B2 (en) Continuous learning-based application related trade-off resolution and implementation
EP4350612A1 (en) Learning method, learning device, and program
JP2002373235A (ja) 人員配置システム、人員配置方法、及びその方法を実現するプログラムを格納した記録媒体
CN113807607A (zh) 一种认知转移能力的在线测评方法及装置
Tiong et al. Augmenting Inpatient Care Work Analysis with Computer Simulation and Data Analytics

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