JP2010501947A - 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム - Google Patents
消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム Download PDFInfo
- Publication number
- JP2010501947A JP2010501947A JP2009525879A JP2009525879A JP2010501947A JP 2010501947 A JP2010501947 A JP 2010501947A JP 2009525879 A JP2009525879 A JP 2009525879A JP 2009525879 A JP2009525879 A JP 2009525879A JP 2010501947 A JP2010501947 A JP 2010501947A
- Authority
- JP
- Japan
- Prior art keywords
- facet
- concept
- relationships
- attribute
- relationship
- 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
Links
Images
Classifications
-
- 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
- G06F16/367—Ontology
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
- G06F16/84—Mapping; Conversion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
これらのシステムは、暗黙のフィードバックメカニズムを支援する可能性があり、情報アクセスおよび情報消費の純粋な活動は、分類体系のメンテナンスおよび成長に関する積極的支援を提供する。
【解決手段】
フィードバックエージェントからの入力に基づき、データ構造を組織化および管理するためのシステム、コンピュータシステムおよび方法が、提供され、方法は、(a)情報のドメインに対して適用可能であるファセット分類のための方法を含み、ファセット分析の上記の方法は、(I)上記のドメインのファセット分析またはドメインのファセット分析の結果の受信と、(II)上記のドメインのファセット分類合成の適用と、を含み、(b)上記のファセット分類合成からの1つまたは複数の反復時に情報を選択して返すための複雑適応方法を含み、上記の複雑適応方法は、上記の返された情報に応じて、データ構造の組織化および管理を変化させる。
【選択図】 図4
Description
図1は、(たとえば)ワインの分類に適用するときに、従来技術におけるファセット分類の一般的手法を示している。
自動カテゴリ化技術の現状は、最も際立って用いられており、業界通が「構造化データリポジトリ」および「マネージドコンテンツリポジトリ」と呼ぶものにとって有用である。
自動カテゴリ化技術の現状の別の制限は、カテゴリ化の態様の認識を要求するためのヒューマンベースのフィードバックが欠如していることである。たとえば、ENDECAは、探索結果の表示および優先度を駆動するための利用人気をはじめとするファセットナビゲーション用のフィードバックループを有するが、コンテンツの意味論的定義および意味論的関係を改善するために利用に基づくフィードバックループを有していない。
ファセット分類体系は、複数の視点をよく引き合いに出される利点にすることを可能にする。残念なことに、これらの視点が複数の階層にわたって断片化されるとき、直観的に認知されない。これは、可視化、統合および全体的な視点の深刻な問題を引き起こす。構造におけるファセット(または次元)の数が増大すると、可視化は、ますます困難になる。したがって、ファセット分類体系の可視化は、「平坦」、すなわち一次元の結果集合と化し、構造は一度に1つのみのファセットにわたって誘導される。この種の単純化は、基礎を成す構造の強烈な複雑さを緩和する。
一旦選択されると、ファセット自体は、静的であり、訂正することが困難である。これは、ファセット体系の展開における相当の危険性を表す。分類者は、情報ドメインの完全な知識がかけていることが多く、したがって、これらの組織化基盤の選択は、エラーを生じる傾向がある。分類の動的システムの下で、これらの危険性は、基礎を成すファセットの追加または変更を容易にすることができる能力によって低減されるであろう。分類および派生技術の従来の方法は、この基本的レベルにおいて柔軟性に欠ける。
本出願は、2006年8月31日出願の米国特許出願第11/469,258号、2006年10月18日出願の米国特許出願第11/550,457号および2007年1月22日出願の米国特許出願第11/625,452号の利益を主張する。
詳細な説明は、本発明のいくつかの態様の1つまたは複数の実施形態を詳述する。
詳細な説明は、以下に記載される見出しおよび小見出しに分割される。
(1)「本発明の一般的な説明」−情報分類の技法を一般的に記載され、そのような技法に関する本発明も含み、さらに、本発明の目的および利点のいくつかを一般的に記載する。
(2)「システムオペレーション」−本発明を実行する際に含まれるステップを一般的に記載する。小節「オペレーションの概要」は、システムを含む構成要素のいくつかを一般的に記載する。小節「ファセット分析の方法」は、本発明のファセット分析構成要素を一般的に記載する。小節「ファセット分類合成の方法」は、本発明の静的合成構成要素および動的合成構成要素の両方を含む本発明のファセット合成構成要素を一般的に記載する。小節「複雑適応フィードバックメカニズム」は、種々のユーザインタラクションに対する本発明の応答を一般的に記載する。
(3)「実装」−本発明によって動作可能に構成される代表的な実施形態を一般的に記載する。小節「システムアーキテクチャ構成要素」は、本発明の可能な実施形態を一般的に記載する。小節「データモデルおよびスキーマ」は、データが本発明によって変換される方法を一般的に記載する。小節「次元変換システム」は、本発明のわずか一つの可能な実施形態で生じるように、本発明のシステムのオペレーションを一般的に記載する。以下の小節、すなわち「多層データ構造」、「分散型予測環境」、「XMLスキーマおよびクライアント側の変換」、「ユーザインターフェイス」は、本発明の代表的な実装について言及する。
従来技術における制限および欠点を踏まえて、本願明細書に記載する難題および問題に対処するために、情報アーキテクチャの構成的かつコラボレイティブシステムの特定の要件を特定することができる。したがって、本発明の複数の目的および利点は、以下の点に要約される。これらの目的または利点は、限定的であり、本発明のいくつかの態様およびその考えられる利点および長所を示すためだけに作用する。
さらなる目的および利点は、次の説明および図面を考慮すれば明白となるであろう。
[システムオペレーション]
[オペレーションの概要]
情報および知識を表すために用いられてもよい抽象化の累進的なレベルがある。「次元」の表記は、複雑さの程度を表現するために用いられることが多い。簡単なリスト(購入リストまたは友人のリスト)は、一次元のアレイとして記載されてもよい。表およびスプレッドシート、すなわち二次元のアレイは、簡単なリストより手が込んでいる。直交座標は、三次元空間などにおける情報を表示してもよい。
[分析および圧縮]
図2は、分類の主題である情報のコーパスを含むドメイン200用の次元概念タクソノミ210を構築するためのオペレーションを示す。ドメイン200は、分析および圧縮204のプロセスに入力するために、ドメイン200から導出されるソース構造スキーマおよびソースデータエンティティの集合から構成されるソースデータ構造202によって表現されてもよい。分析および圧縮204のプロセスは、要素構成要素の集合から構成される要素データ構造である形態素辞書206を導出して、新たなファセット分類体系のための基盤を提供してもよい。
形態素辞書206は、合成および展開208の方法に対する入力であってもよい。合成および展開オペレーションは、ソースデータ構造202を第3のデータ構造に変換してもよく、この第3のデータ構造は、本願明細書では次元概念タクソノミ210と呼ばれる。「タクソノミ」なる語は、カテゴリを階層ツリーに組織化して、カテゴリを文書または他のディジタルコンテンツなどの関連オブジェクトと関連付ける構造を指す。次元概念タクソノミ210は、ソースデータ構造202から導出された複雑な次元構造において、ドメイン200からソースデータエンティティをカテゴリ化してもよい。したがって、ソースデータエンティティ(オブジェクト)は、多くの異なる組織化基盤にわたって関わってもよく、多くの異なる視点からソースデータエンティティ(オブジェクト)を見つけることを可能にする。
分類システムおよびオペレーションは、動的環境における変化に適合することが好都合である。一実施形態において、この要件は、複雑適応システム212を通じて満たされる。フィードバックループは、次元概念タクソノミ210によるユーザインタラクションに通じて、ソースデータ構造202に戻るように確立されてもよい。変換のプロセス(204および208)は、繰り返されてもよく、結果として生じる構造206および210は、時間を経て精練されてもよい。
図3は、知識表現エンティティ、関係、図2のオペレーションに用いられてもよい変換の方法を含む知識表現モデルの実施形態を示す。知識表現モデルのさらなる仕様およびその変換方法は、図3、図18、図19、図33および図4を参照して以下の説明に記載される。
コンテンツノード302の特殊なカテゴリ、すなわち、ラベル(分類業界では「ターム」と呼ばれることが多い)は、各知識表現エンティティにつなげられてもよい。コンテンツノード302と同様に、ラベルは、知識表現モデルにおいて記述するそれぞれのエンティティから抽象化されてもよい。したがって、図3において、ラベルの以下のタイプ、すなわち、コンテンツコンテナ304を記述するためのコンテンツコンテナラベル304a、コンテンツノード302を記述するためのコンテンツノードラベル302a、概念306を記述するための概念ラベル306a、キーワードの集合308を記述するためのキーワードラベルの集合308aおよび形態素310を記述するための形態素ラベルの集合310aが、特定される。
図4は、図2に導入される変換オペレーション800の一実施形態の広汎な概要を示す。
オペレーション800は、分類対象のドメイン200のドメインオーナによる手動の特定から始まってもよい。ソースデータ構造202は、ドメイン訓練集合802から定義されてもよい。訓練集合802は、より大きなドメイン200の代表的な部分集合であってもよく、代わりとして用いられてもよい。すなわち、訓練集合は、全体ドメイン200またはその代表的な一部に関するソースデータ構造202を含んでもよい。訓練集合は、当業界では公知である。
入力データの集合は、ドメイン訓練集合802から抽出されてもよい(804)。入力データは、要素構成要素を発見して抽出するために分析されてもよい。(このプロセスは、以下でさらに詳細に説明され、図5に示される。)
本実施形態において、上記で紹介され、図33において説明される分析エンジン204aは、図4の括弧によって示されるように、方法806〜814によって境界を定められてもよい。入力データは、分析されて処理され(806)、ソース構造分析結果の集合を提供してもよい。ソース構造分析結果は、ソースデータ構造202の構造特性に関する情報を提供してもよい。このプロセスは、以下でさらに詳細に説明され、図6に示される。
予備概念定義の集合が生成されてもよい(808)。(このプロセスは、以下でさらに詳細に説明され、図7に示される。)予備概念定義は、キーワード308の集合として構造的に表されてもよい。
形態素階層に包含するように選択される形態素関係は、組み立てられ(814)、形態素階層402を形成してもよい。(このプロセスは、以下でさらに詳細に説明され、図9〜図15に示される。)
本実施形態において、上記で紹介され、図32において説明される構築エンジン208aは、図4の括弧によって示されるように、方法818〜820によって境界を定められてもよい。ファセット分類の増強方法は、複雑な次元構造210aおよび次元概念タクソノミ210を合成するために用いられてもよい。(このプロセスは、以下でさらに詳細に説明され、図20〜図22に示される。)
本実施形態において、上記で紹介され、図2において説明される複雑適応システム212のオペレーションは、図4の括弧によって示されるように、概念タクソノミ210に関連して方法212a、212bおよび804によって境界が定められてもよい。
複雑適応システム212を通じて、次元概念タクソノミ210を導出する分類体系は、連続的に磨かれ、拡張されてもよい。
[入力データを抽出する]
図5は、本発明の1つの特定の態様において、図4を参照して簡単に説明したように、入力データを抽出する(804)および一定の予備ステップを抽出するためのオペレーションを含んでもよいオペレーション(900)を示す。
構造マーカは、入力データが訓練集合から抽出される可能性がある場所を示すために、訓練集合802の中で特定されてもよい(902)。構造マーカは、ソース構造スキーマを含んでもよい。構造マーカは、コンテンツコンテナ304に現れてもよく、これに限定されるわけではないが、文書のタイトル、コンテンツに関連付けられる記述メタタグ、ハイパーリンク、データベースにおける表の間の関係またはコンテンツコンテナに存在するキーワード308の普及率を含んでもよい。マーカは、ドメインオーナまたはその他のものによって特定されてもよい。
当業者にとって周知であるように、構造マーカを特定するための多くの異なる方法がある。
ソース構造スキーマは、入力スキーマ904にマッピングされてもよい。一実施形態において、入力スキーマは、概念シグネチャの集合906、概念関係の集合908および概念ノードの集合302から構成されてもよい。
入力データマップは、そのソース構造スキーマを入力スキーマにマッピングするために、訓練集合に対して適用され、入力データ804を抽出してもよい。本発明の一実施形態は、XSLTを用いてデータマップを符号化し、当業界は周知であるように、ソースのXMLファイルからデータを抽出するために用いられる。
たとえば、予測環境がホスト環境である場合には、ドメインデータストア706が特に用いられてもよい。
システム入力データは、構成要素集合に分割され、変換エンジンにおける次のプロセスに渡されてもよい。
概念シグネチャは、予備概念定義Bを抽出するために処理されてもよく、以下に記載され、図7に示される。
コンテンツノードは、システム出力データCとして処理されてもよく、以下に記載され、図17に示される。
上述したように、ソースデータ構造からの入力データの抽出は、入力データを抽出するために採用される可能性がある多くの実施形態のうちの一つである。分析エンジン204aに対する他の主な入力チャネルは、一実施形態において、複雑適応システムを含むフィードバックループである。したがって、ユーザインタラクション212aは、さらなる入力データを提供するために戻される(O)。入力データのこのチャネルおよび複雑適応システムを含むフィードバックループの詳細は、以下に記載され、図27に示される。
ソースデータ構造を処理する。
非階層としてシステムによって特定されるすべての概念関係は、集合1004から取り除かれてもよい。取り除かれる概念関係は、次の処理に関与させるのではなく、異なる変換規則に基づく処理に利用されてもよい。
一旦、組み立てられると、入力概念階層1008は、以下のステップに記載するように、概念関係集合における概念306の一般性を測定するための構造を含んでもよく、変換プロセスにおける他の方法にとって有用であってもよい。入力概念階層1008における概念関係は、以下に記載され、図9〜図10に示されるように、潜在的形態素関係Dを予測するために用いられてもよい。入力概念階層における概念関係もまた、以下に記載され、図17に示されるように、システムEに関する出力データを処理するために用いられてもよい。
図7は、予備概念定義を生成するためのキーワード抽出の方法を示す。このプロセスの主要な目的は、キーワード308に関して概念306の構造定義を生成することである。この段階で、一実施形態において、概念定義は、後の段階で訂正を受けるため、「予備」として記載されてもよい。
一実施形態において、キーワード抽出に適用される抽象化のレベルは、制限されてもよい。これらの制限は、以下の品質を用いてキーワードを導出するように設計されてもよい。(概念が訓練集合の他の領域において現れる場合には)キーワードは、直接関係集合の中のワードの独立性に応じて、原子概念を用いて定義される(に基づいて抽出される)。
概念シグネチャ906および概念関係908は、分析のために集められてもよい。一実施形態において、このプロセスは、テキストエンティティの抽出に基づく。したがって、続く説明において、概念シグネチャ906は、概念306に割り当てられる概念ラベルに直接的にマッピングすると仮定されてもよい。
概念シグネチャと概念ラベル抽出との間のこの接合は、画像、マルチメディアおよび物理オブジェクトの分類などのコンテンツノード302のさまざまなタイプに向けられる幅広い種類のエンティティ抽出ツール用の統合点を表していることに留意されたい。
これらの入力は、予備キーワード範囲1108におけるワードの独立性を確認するために用いられる。直接的関係集合1106内の1つのワードの独立性は、キーワード308に関するデリネータを含んでもよい。キーワード範囲が正確に描写された後、導出されたキーワード308のすべての部分が妥当であるかを確認するための検査が行なわれてもよい。具体的に言えば、キーワード308として正確に描写される概念ラベル306aのすべての区分が、ワード独立性検査を合格することが最適である。
一旦、キーワードラベルの予備集合が生成されると、システムは、集合体においてすべての予備キーワードラベルを調べてもよい。この意図は、複合キーワードを特定することである(1114)。複合キーワードは、1つの概念ラベル306aの中で2つ以上の有効なキーワードラベルとして現れてもよい。この検査は、概念−キーワード抽象化の範囲として、原子概念の目的に直接的に基づいていてもよい。
整合キーワードが、デリネータの位置を特定するために用いられる場合には、複合キーワードが依然として、キーワードラベルの進化する集合の中にあるのであれば、潜在的キーワードデリネータ1110のさらなる集合が、生成されてもよい。また、正確に描写されるキーワード範囲は、有効なキーワードとして検査され、キーワードが抽出され、複合キーワードをこれ以上見つけることができなくなるまで、プロセスが繰り返される。
従来のファセット分類において、ファセットに関する属性は一般的に、人間の認知を用いて特定され、他の概念に関連付けられることができる概念に制限されてもよい。その結果、属性が任意のより深い文脈がない概念を構成することから、属性は、原子概念と考えられてもよい。
キーワードのプール1118および直接的概念関係の集合1106は、この方法への入力であってもよい。
形態素は、各キーワードラベル内のデリネータの位置に基づいて抽出されてもよい(810)。さらに重大なことは、キーワードに対する構造定義を提供するために、1つまたは複数の形態素エンティティを導出するプロセスである。キーワード定義は、形態素をそこから導出されたキーワードに関係させる(またはマッピングする)ことによって構成されてもよい(1216)。これらのキーワード定義は、ドメインデータストア706に格納されてもよい。
抽出された形態素は、形態素のタイプ(たとえば、自由、拘束、屈折、派生など)に基づいてカテゴリ化されてもよい(1218)。構成プロセスの後期の段階において、概念を構築するための規則は、関与させられる形態素のタイプと、これらの形態素が他の形態素に拘束されるかどうかに基づいて、変化してもよい。
一旦、タイプが決定されると、抽出された形態素は、ドメインにおけるすべての形態素のプールを含んでもよい(1220)。これらのエンティティは、システムの形態素辞書206に格納されてもよい。
各形態素ラベルの常置の目録は、形態素構文解析の未来の過程を知らせるために用いられる用に維持されてもよい。(さらなる情報に関しては、図33に示される上記のデータ構造変換の概要を参照されたい。)
このプロセスから導出される形態素は、以下に記載され、図9〜図10に示されるように、形態素関係Iを処理するために、変換エンジンにおける次のプロセスに渡されてもよい。
当業者は、形態素から構成されるキーワード定義を発見して抽出するために用いられ手もよい多くのアルゴリズムがあることを認識されよう。
形態素関係を予測する
形態素は、システムの多層ファセットデータ構造を固定する要素構成要素の1つの集合を提供してもよい。他の要素構成要素は、形態素関係であってもよい。上記で説明し、図3、図18〜図19に示されるように、形態素関係は、次元概念関係を作成するための有力な基準を提供する。
以下の節は、形態素関係の発見を扱う。具体的に言えば、本発明のこの特定の態様において、パターン増強の方法は、雑音を剥ぎ取って要素構成要素の統計的特定を増強するために用いられる。
図9は、潜在的形態素関係が訓練集合において概念関係から推測される方法を示す。
潜在的形態素関係は、すべての概念関係の集合体において、個々の潜在的形態素関係の普及率を調べるために予測されてもよい。この調査に基づき、統計的検査は、形態素関係が現れる概念関係のすべてとの関連において当てはまる高尤度を有する候補の形態素関係を特定するために適用されてもよい。
本発明のシステムの一実施形態において、潜在的形態素関係は、関連概念における形態素間に存在する可能性がある関係のすべての並べ替えとして構成されてもよく、関係の親−子方向性が維持される。
また、概念は、1つまたは複数の形態素に関して定義(一実施形態において、キーワードによってグループ化)されてもよい。その結果、2つの概念間の任意の関係は、概念を定義する形態素間の少なくとも1つの(2つ以上であることも多い)関係を示唆する。
この実施例において、潜在的形態素関係を予測するプロセスが示されている。4つの潜在的形態素関係812aは、1つの概念関係から推測されてもよい。概念関係によって確立された親−子方向性を維持し、任意の反復を認めないために、導出される可能性がある4つの潜在的形態素関係、A.C、A.D、B.C、B.Dがある。
一実施形態において、形態素関係を予測するこの簡素な例証は、生成される統計的指標を改良するために精製されてもよい。これらの改訂(すなわち、形態素の配置)は、図10に示される潜在的形態素関係予測の方法の説明において、以下で述べられる。
潜在的形態素関係を特定する基本的な方法のこれらの改訂は、潜在的形態素関係の数を削減するように機能してもよい。この削減は、今度は、雑音の量を低減する可能性があり、したがって、形態素関係を特定するパターンを増大し、形態素関係の統計的特定の信頼性をさらに高める。
潜在的形態素関係の予測方法
図10は、潜在的形態素関係を予測するプロセスの一実施形態をより詳細に示す。
この意図は、潜在的形態素関係の集合を生成することであり、この潜在的形態素関係の集合は、本質的に真に形態素である尤度(すなわち、潜在的形態素関係が提示するあらゆる文脈に当てはまる)を評価するために後に分析されてもよい。
潜在的形態素関係を予測する本方法は、上記に記載され、図6に示されるソース構造分析結果Dの方法から続く。
方法はまた、上記に記載され、図8に示される形態素抽出Iの方法から拡張する。
潜在的形態素関係を決定するこの方法への入力は、ドメイン1220と、ドメインから概念関係の認証された集合を含む入力概念階層1008と、から抽出される形態素のプールであってもよい。
軸はまた、形態素辞書内の既存の形態素関係に基づいて、整列されてもよい。具体的に言えば、任意の所与の潜在的形態素関係が、形態素関係の集合を用いて直接的または間接的のいずれかで構成される形態素辞書における形態素関係によって表されてもよい場合には、潜在的形態素関係は、この基準で整列されてもよい。
潜在的形態素関係の結果として生じる集合1406は、ドメインデータストア910に保持されてもよい。ここで、潜在的形態素関係の目録は、訓練集合に現れて、分析の次の段階を通じて取り除かれるため、追跡されてもよい。
このプロセスから導出される潜在的形態素関係は、以下に記載され、図11〜図13に示されるように、取り除く形態素関係の組み立てJのためのプロセスに渡されてもよい。
上記に記載され、図9〜図10に示される方法を通じて生成された潜在的形態素関係のプールは、候補の形態素関係の集合になるまで取り除かれてもよい。
潜在的形態素関係は、訓練集合における全体的な普及率の評価に基づいて取り除かれてもよい。広く普及しているそのような潜在的形態素関係は、真に形態素である(すなわち、あらゆる文脈における関係を保持する)より高い尤度を有する。
形態素関係の階層は、これもまた階層である形態素関係ペアの集合から構成されてもよい。したがって、潜在的形態素関係のプールは、集合体において分析されて、階層のこの仮定と矛盾する関係を特定してもよい。
図11Aおよび図11Bは、潜在的形態素関係と候補の形態素関係の取り除かれた集合との間の差を示す。
図11Aにおいて、階層である4つの潜在的形態素関係ペア(親−子)がある。これらの関係のうち、最初の3つは、ドメインにおいて比較的普及しているが、第4の関係は、比較的稀である。したがって、第4のペアは、潜在的形態素関係の集合から取り除かれる。
潜在的形態素関係の集合1406における最初の3つの関係ペアはまた、階層の仮定と一致する。しかし、双方向の第5の関係1502は、この仮定と矛盾する。関係D.Cの方向は、関係C.Dと矛盾する。この形態素ペアは、連想関係を通じて関係付けられたものとして再度タイプ分けされ、候補の形態素関係の集合1504から除去される。図11Bは、候補の形態素関係の取り除かれた集合を示す。
[形態素関係を統合する]
図12は、全体的な形態素複数階層への候補の形態素関係の圧密化を示す。すべての候補の形態素関係ペアは、1つの集合体集合に組み込まれ、(以下にさらに詳細に記載するような)論理的に一致する世代ツリーに接続してもよい。
このデータ構造は、より一般的な形態素(複数の親)と2つ以上の直接的な関係に関与させる唯一の形態素を結果として生じてもよいため、「複数階層」として記載されてもよい。この複数階層は、プロセスの後の段階で、厳格な階層(1つの親のみ)に変換されてもよい。
一実施形態において、全体的な複数階層を構成するプロセスにおける制約は、1)複数階層における候補の形態素関係の集合は、集合体において論理的に一致することと、2)複数階層は、論理的に一致する構造を作成するために必要な複数階層関係の最小数を用いることであってもよい。
再帰的順序付けアルゴリズムは、ツリーを組み立てて、矛盾および提案された解決策を強調するために用いられてもよい。以下の実施例に適用された推測は、このアルゴリズムの論理を示す。
2つ以上の論理的な順序付けが、可能である場合には、概念一般性インデックス1012が、曖昧さを解明するために用いられてもよい。(概念一般性インデックスは、上記に記載され、図6に示されるソース構造分析結果の方法を通じて作成される。)このインデックスは、形態素が比較的に、他の形態素より一般的であるか、または特異であるかどうかを評価するために形態素を(ルートノードからの分離度に関して測定される一般性と)比較するために用いられてもよい。
AおよびBが、間接的な関係を通じて、代わりにノードに関連付けられることを示される新たなデータが提示される場合には、システムは、複数階層を直ちに解明し、同一のツリー内にAおよびBを順序付けしてもよい。AおよびBの優先度は、一般性インデックスを通じて決定されてもよい。ここでは、Aは、Bより低い一般性ランキングを有する。したがって、結果として生じる複数階層1602においてより高い(より一般的な)位置が与えられる。
図13は、形態素複数階層が、候補の形態素関係から組み立てられることができる方法を示す。
形態素階層は、集合体において、候補の形態素関係ペアを分析することによって組み立てられてもよい。入力概念階層における場合のように、目的は、関係の個々のペアを1つにまとめられた全体に圧密化することである。
形態素関係組み立ての方法は、上記に記載され、図9〜図10に示したように、潜在的形態素関係Jを予測する方法から続いてもよい。
潜在的形態素関係の集合1406は、この方法に対する入力であってもよい。候補の形態素関係は、形態素を含む概念関係の分析に基づいてソートされてもよい(1702)。概念関係は、各概念関係ペア(最低対最高)における形態素の集合計数に基づいてソートされてもよい。
概念関係ペアに関与する形態素の数が減少すると、形態素関係は、尤度において増大する可能性がある(任意の所与の形態素関係候補に関する確率は、ペアにおける潜在的な候補の数によって因子が決まる)。したがって、一実施形態において、オペレーションは、より低い形態素計数を有する概念関係の分析を優先してもよい。ペアにおける形態素の数が低いと、真に形態素の形態素関係を求める機会を増大する可能性がある。
潜在的形態素関係の取り除かれた集合は、候補の形態素関係の集合1504を含んでもよい。形態素の一般性1010aは、概念一般性インデックス1012において具体化されるように、ソース構造概念の一般性から推測されてもよい。
形態素の最小数を具体化する概念は、各形態素の一般性の代わりとして用いられてもよい。この仮定の基準を示すために、概念は、唯一の形態素から構成されると仮定する。概念と概念を含む1つの形態素との間で高い関連度が与えられると、形態素の一般性は、概念の一般性ときわめて相関がある可能性が高い。
概念一般性インデックス1012は、次元概念関係に優先順位を付けるために用いられてもよく、ドメインデータストア706に格納されてもよい(図示せず)。
形態素階層は、上記に記載され、図12に示される方法を用いて、全体の複数階層構造1712に組み立てられてもよい。これは、集合体においてノードを順序付けすることと、間接的な関係の他の集合から推測される可能性がある任意の冗長な関係を除去することと、に関与してもよい。作成された概念一般性インデックスは、最も一般的なものから最も特異なものまで、形態素を順序付けするために用いられてもよい。
当業者は、当業界は周知であるように、階層形態素関係の収集物を複数階層に統合するために用いられてもよい多くのアルゴリズムがあることを認識されよう。
図14〜図16は、形態素階層への形態素複数階層の変換を示す。
[形態素複数階層属性]
図14A〜図14Bは、形態素属性および例示的結果のプロセスを示す。これに関連する属性は、ファセット分類が順序付けされ、データ要素に割り当てられる態様を指す。オペレーションが、エンティティ抽出(キーワードおよび形態素抽出など)に制約を付けるように、形態素階層は、明確な制約を用いて形態素関係上に構築されてもよい。
形態素を階層に連結する形態素関係は、定義によって、形態素である。形態素エンティティは、基本的であり、かつ明白である。形態素は一般的に、1つの親のみに関連付けられることが必要である。形態素関係の集合(形態素階層)において、形態素は、1つのみの位置に存在してもよい。
1つの知識表現モデルにおけるこれらの定義に基づき、形態素は、形態素データのファセット階層の中の属性として提示されてもよい。したがって、知識表現モデルは、ファセットデータおよびファセット分類の多層の増強方法を提供してもよい。
一実施形態において、属性の方法は、階層の形態素要件と矛盾しない階層における各形態素に関する場所を求めることに関与してもよい。
複数階層における形態素は、元のツリーの中の新たな位置に上がってもよく、または完全に新たなツリーに移動してもよい。属性のこのプロセスは、ファセット階層における最上位のルートの形態素ノードを最終的に定義してもよい。したがって、形態素階層におけるルートの形態素ノードは、形態素ファセットとして定義されてもよく、各形態素が、形態素ファセット属性ツリーの中に含まれてもよい。
また、矛盾に関する構造マーカは、形態素複数階層1802に表れている複数の親の存在であってもよい。矛盾を除去するために、複数の親を有する形態素は、共有する親の祖先の属性として再検討されてもよい。
属性クラスは、再組織化される形態素によって元々共有される親のグループ化を維持し、それらの親から別個の属性クラスにおける形態素を保持するために作成されてもよい。(固有の祖先がない場合には、方法は、新たな形態素ファセットとして、形態素を階層のルートレベルに進める。)
関係は、ルートノードからリーフノードに属性クラスに再組織化されてもよい。複数の親は、最初に唯一の親が特定することができるような属性に再組織化されてもよい。すなわち、形態素関係のトップダウン探査は、解の集合1804を求めることができるような属性を提供する。
一般的に、2つの形態素が、少なくとも1つの親を共有する場合には、それらの形態素は、その共有する親との関連において兄弟(連想関係)である。兄弟の子ノードは、単一の属性クラスの下でグループ化されてもよい。(子ノードは、1つの親を共有することだけが必要であり、すべての親を共有する必要はないことに留意されたい。)形態素が、少なくとも1つの親を共有しない場合には、形態素は、共有した祖先の個々の属性としてグループ化されてもよい。
選択肢の間で選択するために、ソース関係の関連度が、比較検討されてもよい。関係関連度の尺度は、ソース構造分析結果の説明において、上記で紹介され、図6に示された。
トップダウンから始まり、変換ステップは、以下のように細分化されてもよい。
1.兄弟グループ{B,C,D,F,H}は、1つの親Aを共有する。各個々のノードは、複数の親がいるかどうかを確かめるために検査される。この場合には、これらのノードには複数の親がおらず、したがって、これらの関係を再組織化する必要はない。
2.形態素Eは、複数の親を有する。Eの最も近い1つの親の祖先は、Aである。Eは、Aの属性として再組織化される必要がある。
3.Eの親{B,C,D,F,H}は、属性クラスA1の下でグループ化される。Eは次に、Aの属性としてA1の兄弟になる。
4.形態素Gもまた、複数の親を有する。ステップ(2〜3)の場合と同様に、Gは、Aの属性として再組織化される必要がある。さらに、EおよびGは、少なくとも1つの親を共有するため、1つの属性クラスA2の下でグループ化されることができる。
5.形態素Jは、唯一の親Hを有する。この親−子関係は、再組織化される必要はない。
6.形態素Kは、複数の親EおよびGを有する。EおよびGの単独の祖先は、ここではA2である。Kは、A2の属性として再組織化される必要がある
7.Kの親{E,G}は、属性クラスA2−1の下でグループ化される。Kは次に、A2の属性として、A2−1の兄弟となる。
最終結果が、形態素階層であり、本発明の知識表現モデルによって定義される真に形態素の属性および形態素関係の仮定に適合する。
形態素階層の再組織化
図15は、一実施形態において、属性の方法を提供することができる再帰アルゴリズムを提示する。この形態素階層の再組織化の中核論理は、上記に記載され、図14Aおよび14Bに示された属性の方法であってもよい。
この方法に関する入力は、上記に記載され、図11〜図13に示されるように、形態素複数階層Kであってもよい。本方法に対する入力は、形態素複数階層1602であってもよい。関係は、ルートノードからリーフノードまでソートされる(1902)。形態素複数階層における各形態素は、複数の親に関して検査されてもよい。本願明細書において、分析の焦点である形態素は、能動形態素として周知である。
任意の複数の親が存在する場合には、能動形態素に関する複数の親の集合が、以下では形態素属性クラスと呼ばれる集合にグループ化されてもよい(1906)。形態素属性クラスは、再組織化されるツリーにおける形態素が、どのように順序付けされるべきかを指示するために用いられてもよい。
各形態素属性クラスに関して、複数の親を有していない固有の祖先の位置を特定してもよい(1908)。祖先は、属性クラスのみ(形態素によって共有される親のグループ)に一意に関連付けられてもよい。
祖先が存在する場合には、システムは、形態素属性クラスにおけるすべての形態素を含む1つまたは複数の仮想属性を作成してもよい(1910)。ツリーにおけるこのノードは、任意の形態素に直接的に関連付けられず、したがって、任意の概念定義に関与しないために、「仮想属性」と呼ばれる。それは、仮想属性であって、実在属性ではない。
祖先が存在し、1つまたは複数の属性が作成される場合には、能動形態素は、祖先に直接的に関連するか、または形態素属性クラスにおける他の形態素と共にグループ化されるかのいずれかで、祖先の属性として再組織化されてもよい(1912)。
固有の祖先が存在しない場合には、形態素は、ツリーにおけるルートノード(ファセット)として再位置決めされてもよい(1914)。
システムはまた、アドにミストレータが、形態素関係のプールおよび結果として生じる形態素階層を手動で変更して、自動的に生成される結果を精製または置換することができるようにしてもよい(1916)。
形態素階層における形態素関係は、形態素辞書206に記入されてもよい。形態素ラベルは、システムに格納されたラベルの普及率に基づき、形態素に割り当てられてもよい。システムにおいて最も普及している形態素ラベルは、その形態素に関する1つの代表的なラベルとして用いられてもよい。
この方法の出力は、以下に記載され、図17に示されるように、システム出力データLとして処理されてもよい。
図16Aは、組み立てられた形態素階層からのサンプルツリーの断片を示す。ツリーにおける各ノード(たとえば、2002a)は、形態素階層における形態素を表してもよい。フォルダアイコンは、下に入れ子になっている関連形態素に対する親である形態素を示すために用いられる(形態素関係)。各ノードの隣の文字列(たとえば、2002b)は、関連付けられる形態素ラベル(多くの場合には、部分ワード)である。
ここでは、ファセット分類の増強方法に基づき、次元概念タクソノミ210を構築(または合成)するプロセスを始める。この分類は、概念定義の集合に関する形態素階層の調査を通じて、次元概念関係を生成してもよい(さらに具体的に言えば、形態素に関して定義され、0以上の形態素が、形態素階層の中の形態素属性となる)。
本発明のファセット分類の方法は、データ抽象化の多階層に適用されてもよい。このように、ドメイン特有の境界を維持すると同時に、多数のドメインが、分類のために同一の要素構成要素を共有してもよい。
以下のポイントは、ファセット分類データ構造を合成するために用いるための分析オペレーションから出力データを準備する一態様において関与されるステップをまとめている(以下にさらに記載される)。
分類対象の各ドメインの場合には、データ構造は、ドメイン特有のキーワード階層およびドメイン特有の概念定義の集合として出力されてもよい(さらに具体的に言えば、ドメイン特有のキーワードに関して定義され、0以上のドメイン特有のキーワードが、ドメイン特有のキーワード階層の中のキーワード属性となる)。
上記に記載されるドメイン特有のファセットデータは、ドメインにわたって共有される要素構成要素から導出されてもよい。予備概念定義は、訂正され、重大なことに、新たな情報によって拡張されてもよい。これは、形態素階層における情報を訓練集合における元の概念関係と比較することによって達成される。
具体的に言えば、合成オペレーションは、ドメインオーナ提供される明確な定義だけの分析に基づくだけではなく、集合体におけるすべての概念および概念関係の分析を通じても、コンテンツノードに概念定義を割り当ててもよい。「明確な」属性の予備定義が、割り当てられてもよく、コンテンツノードと交差する概念関係によって「示唆される」属性のはるかに豊富な集合によって後に補足される。
候補の形態素関係は、すべての形態素階層に組み立てられてもよく、ファセット分類に関するデータカーネルとして用いられてもよい。各ドメインに関する別個のファセット階層は、各ドメインにおけるキーワードおよびそれらの形態素の固有の交差点から作成されてもよい。このデータ構造は、ドメインの境界に制限される形態素階層の表現であってもよい。
ファセット階層は、ドメイン(キーワードのその固有の集合)のボキャブラリにおいて表現されてもよく、またドメインに因子が決まる形態素関係のみを含んでもよい。各ドメインに関するファセット分類は、そのドメインに関する概念定義の集合およびファセット階層として出力されてもよい。
別の実施形態において、システムは、上記に記載され、図14〜図15に示される方法に、直接的に基づいて、ドメインに関する固有のファセット階層を作成してもよい。この実施形態において、属性階層の組み立てのプロセスは、各ドメインから抽出されるドメイン特有のキーワードに直接的に適用されてもよい。
さらに別の実施形態において、合成オペレーションは、分類の他の従来の手段から収集されるデータに基づいてもよい。分類のそのような手段は、従来のファセット分類合成の場合に準備されたファセットデータと、形式上の概念分析の場合のように、属性集合を厳格に用いて定義される概念と、を含んでもよい。これらをはじめとする他の相補的分類方法は、当業者には公知である。
図16Aおよび図16Bは、(上記に記載されるように)組み立てられた形態素階層2002からのツリー断片および一実施形態において導出されたようなドメイン特有のキーワード階層2004からのツリー断片を示す。キーワード階層2004に関するツリー断片において、関連付けられるキーワードラベルを表す各ノードに隣接する文字列(たとえば、2004b)は、ドメインにおいて現れるように完全なワードであることに留意されたい。さらに、キーワード階層2004に関するツリー断片は、形態素階層2002に関するツリー断片の部分集合であってもよく、キーワード階層が導出されるドメインに関連するそれらのノードのみを含むように縮小される。
図17は、ファセット分類の増強方法に関する出力データを調整するオペレーションを示す。
出力データは、ドメインに関する改訂された概念定義およびキーワード階層から構成されてもよい。キーワード階層は、形態素階層に基づいてもよい。
このプロセスに対する入力は、分類対象のコンテンツノード302の集合、入力概念階層1008、形態素階層402および予備概念定義708aであってもよい。これらの入力の生成または他の方法による獲得のためのそれぞれのオペレーションC、E、LおよびHは、上記に記載される。
ドメインに加わっているすべての形態素の集合から形態素階層における関連形態素関係の集合が、特定されてもよい(2106)。
形態素階層の低減されたドメイン特有のバージョンにおける形態素は、ドメインからのキーワードを用いてラベル付けされてもよい(2108)。各形態素に関して、その形態素を最大回数用いるシグネチャキーワードが、選択されてもよい。各キーワードに関して最も普及しているキーワードラベルが、割り当てられてもよい。個々のキーワードは、ファセット階層における1回の発生に制限されてもよい。一旦、キーワードが、シグネチャキーワードとして用いられると、キーワードは、他の形態素の代わりとして利用不可能となってもよい。
形態素階層は、ドメインに関係している形態素のみを含む形態素関係の集合に圧密化されてもよく、キーワード階層2112は、圧密化された形態素階層から推測される(2110)。
ファセット分類を表す出力データ210aは、訂正された概念定義708b、キーワード階層2112およびコンテンツノード302から構成されてもよい。出力データは、ドメインデータストア706に転送されてもよい。
出力データは、今度は、次元概念タクソノミMをレンダリングするために複雑な次元データ構造として利用可能であってもよい。
ファセット分類の増強方法の組織化原理は、最初に上記で紹介された図3、図18〜図19に示され、以下でさらに詳細に説明され、図20〜図22に示され、その方法を通じて、要素構成要素が、複雑な次元構造を作成するために合成されることができる。
ファセット分類のこの増強方法は、ファセット分類体系の柔軟性の長所と、複雑な概念の単一(非断片化された)階層を通じて提供されるような単純化、可視化および全体的な視点の長所と結び付ける。
ファセット階層を単純な(単一の)階層と対比することは、これらの長所を明らかにする。単純な階層は、直観的に認識され、視覚化されやすい。階層は、同時に多くの組織化基礎(またはファセット)を統合することが多く、関連属性のすべてのさらに全体的な視点を提供する。属性は、ファセット境界にわたって連結され、同時にナビゲートされてもよい。属性を断片化するのではなく、属性を統合することによって、はるかに経済的で、堅牢な説明の枠組みを提示する。
当業者は、その他の多くのより単純な従来の分類方法もまた、以下で概略を述べるように、本発明の種々の構成要素およびオペレーションのモードから恩恵を受ける可能性があることを認識されよう。公式の概念分析などのファセット分類の集合に基づく分類構築の従来のプロセスは、本願明細書に記載されるシステムから恩恵を受けるであろう2つの別の分類方法を示す。
図18を参照すると、概念定義を含む形態素310が、形態素階層402に関連付けられてもよい。形態素階層402は、冗長な形態素関係を取り除いた形態素辞書206において既知の形態素関係のすべての集合体集合であってもよい。形態素関係は、他の形態素関係の集合を用いて(すなわち、間接的な関係を通じて)局所的に構成されることができる場合には、冗長であるとみなされてもよい。
個々の形態素310aおよび310bは、特有の概念306bを定義するために、キーワードにおいてグループ化されてもよい。したがって、これらの形態素310aおよび310bは、(キーワードグループ化を介して)概念306bと、形態素階層402における他の形態素310と、に関連付けられてもよいことに留意されたい。
これらの相互接続を通じて、形態素階層402は、概念関係の新たでかつ拡張的な集合を作成するために用いられてもよい。具体的に言えば、形態素関係を通じて関連付けられる形態素310を含む任意の2つの概念306は、それ自体が、関連概念であってもよい。
概念定義の中の形態素の同時発生は、概念関係の階層を作成するための基準として用いられてもよい。概念306bにおける交差線406aおよび406b(図18)は、概念306bを他の関連概念(図示せず)に接続する次元軸を表す。それぞれが、軸を定義する形態素(またはファセット属性)の集合によってフィルタリングされる概念関係の別個の階層を表す次元軸の集合は、複雑な次元構造の構造的基礎であってもよい。構成方法の簡略化された概要は、図19に続く。
図19は、次元軸の交差に基づき、次元概念タクソノミ210を定義するための複雑な次元構造の構成を示す。
4つの概念306c、306d、306eおよび306fの集合は、それぞれ、形態素310c、310dおよび310eによって定義される概念306c、306dおよび306eと、形態素310c、310dおよび310eの集合によって定義される概念306fと、で示されてもよい。形態素310c、310dおよび310eの交差点によって、概念306c、306d、306eおよび306fが、概念関係を共有してもよい。合成オペレーション(以下に記載される)は、概念定義において形態素310c、310dおよび310eに基づいて、概念関係の明らかに異なる階層として次元軸406c、406dおよび406eを作成してもよい。
次元概念関係を合成するこのオペレーションは、ドメイン200におけるコンテンツノード302のすべてまたは一部に対して処理されてもよい(処理オペレーションの範囲制限および動的モードは、以下に記載され、図22〜図23に示される)。したがって、コンテンツノード302は、次元概念タクソノミ210として完全に再設計される複雑な次元構造にカテゴリ化されてもよい。
また、形態素関係を通じて関連する形態素310を含む任意の2つの概念306はそれ自体が、関連概念であってもよい。一実施形態において、明確な形態素関係および暗黙の形態素関係の両方が、ドメインの文脈上の検討と組み合わせて、次元概念タクソノミにおける複雑な次元関係を推測してもよい。
概念定義は、ファセット属性として形態素を用いて記載されてもよい。上記に記載されるように、ファセット属性(形態素)が、辞書において明確である(「登録されている」または「周知である」)か、または暗黙である(「登録されていない」または「未知である」)かは問題としなくてもよい。次元概念タクソノミにおけるその意味を保持するために、概念定義に関連付けられるわかりやすく有効な説明であるべきである。有効な概念定義は、次元概念タクソノミにおけるコンテンツノードの意味を説明するために、生の素材を提供してもよい。このように、ドメインにおけるオブジェクトは、訓練集合の一部として前に分析されたかどうかに関係なく、次元概念タクソノミにおいて分類されてもよい。当業界では公知であるように、分類対象のオブジェクトに概念定義を割り当てることを可能にする多くの方法および技術がある。
能動コンテンツノード内の概念が、他のコンテンツノード(以下では「関連ノード」)におけるファセット属性と同一の系統のファセット属性(以下では、形態素)を含む場合には、関係は、能動ノードと関連ノードとの間に存在してもよい。言い換えれば、各概念は、コンテンツノードにおいて存在するように、それらの形態素間の関係によって推測される関係をすべて受け継いでもよい。
ファセット階層から直接的に推測される次元概念関係は、本願明細書では明確な関係と呼ばれる。分類対象のコンテンツノードに割り当てられる概念定義の中のファセット属性の交差集合から推測される次元概念関係は、本願明細書では暗黙の関係と呼ばれる。
合成(構築)規則
概念間の明確な関係は、それらの概念定義における属性間の関係を調べることによって予測されてもよい。概念定義は、分類されるコンテンツノードにおける属性(以下では、「能動ノード」)に対して、ファセット階層(以下では、同一の「系統」の)において直接的にまたは間接的に関わる属性を含む場合には、関与させる属性によって表される次元軸に沿って、概念間に明確な関係が存在してもよい。
限定する制約(以下に記載される)を条件として、暗黙の関係は、それらの概念定義における属性の部分集合を共有する任意の概念の間で、推測されてもよい。属性の交差集合は、親−子関係を確立する。
明確な関係および/または暗黙の関係が、親概念定義におけるすべての軸に関して引き出されてもよい場合には、次元概念関係が存在する。したがって、次元概念関係は、属性によって定義されるすべての次元にわたって、構造的に完全なままである。
優先度および方向性
ファセット階層(形態素関係によって表現されるように)は、コンテンツノードの優先順位を付けるために用いられてもよい。具体的に言えば、各コンテンツノードは、ファセット階層において高々1つの位置に現れる属性を具体化してもよい。階層における属性の優先度は、ノードの優先度を決定してもよい。
概念関係内の優先度は、最初に、問題になっている集合の中の任意の登録形態素の全体の優先度を調べることによって、決定されてもよい。最上位の登録形態素は、集合に関する優先度を確立してもよい。
概念関係におけるコンテンツノードが、登録形態素によって差別化されない場合には、システムは、優先順位付けの基準として暗黙の形態素の数を用いてもよい。最小数の形態素を有する集合は、階層においてより高い優先度であると仮定されてもよい。コンテンツノードが、同一の明確な形態素および同数の未登録の暗黙の形態素を含む場合には、コンテンツノードは、互いと同等であると見なされてもよい。コンテンツノードが、同等であるときには、優先度は、これらのコンテンツノードのそれぞれがシステムによって発見される順序によって確立されてもよい。
図20は、暗黙の関係の構成および結果として生じる階層におけるノードの優先度の決定の一実施形態の構成の簡単な例証を提供する。
この実施例において、形態素「ビジネス」2201は、形態素辞書に登録される。ユーザインタラクションを通じて、コンテンツノードが、この形態素に加えて新たな形態素「モデル」2202を含む概念定義を用いて構成されると仮定すると、それは、形態素辞書では認識されない。
上記の実施例を続けると、形態素「ビジネス」は、最高の優先度2203を有する。集合「ビジネス,モデル」は、「ビジネス」の示唆された子2204である。「広告」2205などのこの集合に加えられる任意のさらなる形態素は、階層におけるさらなる層2206を作成することになる。
ノードの優先順位付けの別の実施例は、「シグネチャ」ノードに関する。これらは、それらの関連付けられる概念に最もよく記述する(または意味を与える)コンテンツノードとして、定義される。たとえば、ドメインオーナは、その概念に関するシグネチャ識別子として特定の概念に写真を関連付けてもよい。このように、シグネチャノードは、優先順位を付けられてもよい。
シグネチャノードを実装するための多くの手法がある。たとえば、コンテンツノードの特殊なクラスとしてのラベルは、1つの手法である。特殊な属性は、シグネチャノードに割り当てられてもよく、その属性は、ファセット階層において最高の優先度を与えられてもよい。または、フィールドが、コンテンツノードの表において用いられ、この属性を規定してもよい。
ファセット階層に基づく優先順位付けは、アルファベット順、数値順および年代順のソーティングなどの自動的な基礎によって補足されてもよい。従来のファセット分類において、優先順位付けおよびソーティングは、表記および引用順の問題である。システムは通常、優先順位付けおよびソーティングの属性の動的再順序付けを提供する。したがって、これらのオペレーションのさらなる説明は、ここでは行わない。
システムの一実施形態において、次元概念タクソノミを構築するための別の規則は、次元軸の構造的完全性に関する。概念定義(軸定義)としての各形態素(属性)集合は、次元軸を確立してもよい。これらの形態素から推測される次元概念関係は、親ノードによって決定されるように、すべての次元にわたって構造的に完全なままでなければならない。言い換えれば、親概念と交差するすべての次元はまた、ノードの子概念のすべてと交差しなければならない。以下の実施例が、説明する。
概念定義{A,B,C}を有する能動コンテンツノードを考える。
A、B、Cが、概念定義における3つの形態素であり、形態素E、F、Gがそれぞれ、形態素階層におけるA、B、Cの子たちである場合には、
{A,B,C}は、形態素AおよびBおよびCを用いて記述される概念定義を指す。
{A,*}は、Aの暗黙の子であるノードを確立するために、明確な形態素Aおよび暗黙の形態素{*}の組み合わせを指す。
{A|B}は、形態素{A}または{B}のいずれかを指す。
この実施例において、能動ノードにおける3つの形態素A、B、Cは、次元概念階層における3つの次元(または交差軸)を確立するために用いられてもよい。このノードの子であるための任意の他のコンテンツノードに関して、候補は、3つの軸すべてに対する子たちでなければならない。以下の表記は、本発明の一実施形態によって定義されるように、明確な関係および暗黙の関係の解集合である:
{A|E|A,*|E,*),(B|F|B,*|F,*),(C|G|C,*|G,*)}、
式中、第1の次元の形態素は、AまたはEまたはAの暗黙の形態素またはEの暗黙の形態素である、
式中、第2の次元の形態素は、BまたはFまたはBの暗黙の形態素またはFの暗黙の形態素である、
式中、第3の次元の形態素は、CまたはGまたはCの暗黙の形態素またはGの暗黙の形態素である。
処理の範囲は、次元軸の概念定義を抑制することによって、さらに制限されてもよい。個々の軸(以下では「能動軸」)は、親ノードから形態素の部分集合を参照することによって確立されてもよく、したがって、能動ノードにリンクしてもよい親(祖先)の集合を抑制する。効果的に、能動軸に関連付けられる概念定義は、能動ノードから能動軸の概念定義によって定義される階層に常駐するそれらのコンテンツノードだけに拡張する複数階層を抑制する仮想の親ノードを確立してもよい。
以下の例は、概念定義{A,B,C}に関する上記で紹介された例を用いたこの制約を示す。この実施例において、導出された次元概念関係は、概念定義{A,B}を有する能動軸に抑制される。この制約の下で、能動ノードに対する潜在的な親(祖先)の集合は、集合 {(A,B)|A|B}に制限される。言い換えれば、整合する概念定義は、AまたはBの組み合わせを含むだけであり、Cを含まない(また、この実施例において、形態素階層においてAまたはBに対する親はないと仮定する)。
したがって、明確な関係および暗黙の関係の組み合わせは、概念間の階層関係を構築するための規則を確立してもよい。
本発明のファセット分類の方法の場合には、合成オペレーションの種々のモードが、可能である。合成は、異なるドメインの個々の要件およびエンドユーザの要件に適合するように変化させてもよい。以下に記載するように、これらのモードは、以下のように定義されてもよい。
一実施形態において、「静的」ファセット分類合成は、提供され、この「静的」ファセット分類合成において、次元概念階層を定義する軸が、予め定義されてもよい。結果として生じる次元概念タクソノミが次に、静的構造としてアクセスされてもよい。
ファセット分類合成の静的モードの利点は、ドメインオーナが次元概念タクソノミを正確な仕様に整理してもよいことである。したがって、これらの静的構造の中に含まれる情報にアクセスして消費するエンドユーザは、ドメインオーナの組織化する知識から恩恵を受けることができる。したがって、静的合成は、たとえば、情報のエンドユーザが、ドメインの中に含まれる情報の知識をほとんど持たない場合に、特に有用である。
別の実施形態において、「動的」ファセット分類合成のシステムが、提供され、この「動的」ファセット分類合成のシステムにおいて、次元概念階層が、情報のエンドユーザに提供される合成パラメータに直接的に基づいて、略実時間で処理されてもよい。オペレーションのこの動的モードは、情報構造の徐々に増加し、純粋に「必要に応じた」組み立てを容易にする。
動的処理は、情報の途方もない節約および格納の長所を提供し、エンドユーザ構造を予め作成して格納する必要性を取り除くことができる。さらに重要なことは、動的処理は、エンドユーザがそれらの要件に対する出力を正確に調整することを可能にし、パーソナライズ化の長所を提供してもよい。(合成オペレーションのモードは、以下でさらに詳細に説明される。)
ドメインおよびファセット階層のサイズが増大すると、推測されることができる次元概念関係の数が、急増する可能性がある。制限が、生成される関係の数に設けられてもよい。
制限は、結果として生じる出力階層における関係概念または関連コンテンツノードの最大数を設定するために、ユーザによって入力されてもよい。たとえば、アドミニストレータが、合成オペレーションを設定して、システムが、10の密接に関係する概念を階層に組み立てた後、処理を停止してもよい。
知識表現モデルおよび分析オペレーションの説明において、上記に記載されるように、概念定義を含む属性は、抽象化レベルを変更するために定義されてもよい。本願明細書に記載される一実施形態は、概念、キーワードおよび形態素の抽象化レベルでエンティティを提供する。合成において用いられる概念定義の属性における抽象化レベルの変更は、合成オペレーションの著しく異なる出力に影響を及ぼしてもよい。
具体的に言えば、属性が、ドメインの中で、より基本的な形態素エンティティとなる傾向があるために、これらの属性を用いて定義される複雑な概念の間で、より多くの接続が、可能であってもよい。したがって、これらの形態素に関して属性を定義することは、結果として生じる合成出力を組織化するために、より大きな接続およびより多様な手法を提供してもよい。
逆に言えば、属性が、キーワードまたは複雑な概念などのより抽象的で複雑なエンティティとなる傾向があるために、結果として生じる合成構造は、さらに正確で、一般的により少数の接続を有するが、より高い全体的な品質を有してもよい。したがって、合成オペレーションにおいて抽象化レベルを変化させることは、アドミニストレータ、ドメインオーナまたはエンドユーザが、個々の要件に基づいて情報を調整することを可能にしてもよい。
一実施形態において、次元概念タクソノミの完全な表示が、生成される前に、ドメインにおけるすべてのコンテンツノードが、調べられて比較されてもよい。言い換えれば、システムは、任意の推測が、これらの関連ノード間の直接的階層関係に関して行われることができる前に、関わる可能性があるドメインにおけるすべてのコンテンツノードを発見してもよい。
ドメインにおけるすべてのコンテンツノードの完全な調査の長所は、ドメインの中の情報の網羅的な探査および発見を提供してもよいことである。高精度要件および再現率要件に関して、合成のこのモードは、適切である可能性がある。それは、比較的小さく、明確に境界を定められたドメインの場合は、好ましいことが多い。
別の実施形態において、全体ドメインを分析する代わりに、ドメインの局所領域が、ユーザの能動的焦点に基づいて、分析されてもよい。この局所的な分析は、素材が、訓練集合の一部として以前に分析されたかどうかに関係なく、素材に適用されてもよい。パラメータは、処理時間(待ち時間)と分析の深さのバランスを取るために、アドミニストレータによって設定されてもよい。
訓練集合の一部として分析されなかった素材に関して、システムは、訓練集合素材から導出された強化されたファセット分類体系の下で素材を分類するために、局所的な分析のオペレーションを用いてもよい。
以下にさらに詳細に記載するように、ドメインから素材の局所部分集合を分類するオペレーションがまた、新たなドメインを分類するために用いられてもよいことに留意されたい。言い換えれば、1つのドメインから訓練集合は、新たなドメインから素材を分類するために、構成体系に関する基準として用いられ、したがって、マルチドメイン分類環境を支援してもよい。
図21は、合成の種々のモードをさらに詳細に示す。本発明の範囲を制限することなく、これらの例は、種々のモードを通じて提供される広範囲の合成オプションを実証する。この合成の柔軟性の長所は、ドメインの膨大なアレイおよびユーザの要件に適合するシステムを提供することである。
図21は、本発明の方法を示し、その一実施形態において、ファセット分類の増強方法に関する出力データは、次元概念タクソノミ210を作成し、ドメインを再組織化してもよい。出力データが、生成されてもよい(M)(上記に記載され、図17に示される)。この方法に関する入力は、訂正された概念定義2104、キーワード階層2112およびドメインからのコンテンツノード302であってもよい。
情報構造のアドミニストレータは、自動的に生成される次元概念タクソノミ構成の結果を手動で調整することが好ましい場合がある(2304)。オペレーションは、手動介入のこれらのタイプを支援してもよいが、完全に自動化されたオペレーションの場合にはユーザインタラクションを必要としない。
分析2306は、結果として生じる次元概念タクソノミのパラメータを評価するために用いられてもよい。また、統計的パラメータは、次元概念タクソノミに関する倍率としてアドミニストレータによって設定されてもよい(2308)。統計的パラメータはまた、処理の範囲を削減することによって、複雑適応システムにおけるネガティブフィードバックとして複雑さを制限し、したがって、組み込まれる階層の数を減少してもよい。
次元概念タクソノミ210は、以下に記載され、図27に示されるように、ユーザインタラクションに関して利用可能であってもよい(N)。
図22は、ドメインからコンテンツノードの選択および次元概念階層へのそれらのコンテンツノードの順序付けを示す。能動ノードに対するドメインの抑制された表示が、行なわれてもよい(2402)。全体ドメインを処理するのではなく、オペレーションは、能動ノードのすぐ近接する(2404)すべてのコンテンツノード(たとえば、2406)の直接的な調査を行なってもよい。
一実施形態において、関連コンテンツノードのこの差別化されていないグループを特定の構造グループに再分割するために、再帰アルゴリズムが有用であってもよい。「候補集合」は、能動概念定義に関わる概念の集合および関連付けられるコンテンツノードをそれらがどのように関わっているかの正確さを問わずに、記述する。グループは、親および子たち(階層関係)および兄弟(関連関係)として、能動概念またはコンテンツノードに対して記述されてもよい。これらのグループによって記述された構造関係は、当業界では公知である。これらの近接概念および関連付けられるコンテンツノードは次に、基本的な形態素関係および関与する形態素に基づいて、能動概念に対する階層関係に順序付けされてもよい。
図23は、ファセット分類体系を展開するために用いられた訓練集合の一部ではなかったドメインからの素材の局所部分集合を分類するオペレーションを示す。
ドメイン200から、ドメイン素材の局所部分集合2404aは、処理のために選択されてもよい。素材は、ドメインオーナによって確立された選択判断基準に基づいて選択されてもよい(2502)。選択は、局所的な領域に関する基準である能動ノードに対して行なわれてもよい(2504)。選択プロセスは、局所部分集合の境界を記述する探索タームのリストなどの局所部分集合のパラメータを生成してもよい(2506)。
局所集合に関する多くの潜在的な選択判断基準がある。一実施形態において、素材は、関連素材の集合を返すために、能動ノードに関連付けられる概念定義を全文情報検索(探索)構成要素に渡すことによって選択されてもよい。そのような全文情報検索ツールは、当業界では公知である。別の実施形態において、関連キーワードの集合を導出するために、拡張された探索クエリは、キーワード階層を調べることによって、能動ノードにおける概念定義から導出されてもよい。これらの関連キーワードは今度は、探索クエリを拡張して、能動ノードの概念定義に関するタームを含むようにするために用いられてもよい。
概念階層は、上記に記載される暗黙の関係および明確な関係の構築規則を用いて、候補コンテンツノードに関して予測されてもよい(820)。最終結果は、局所概念タクソノミ210cであってもよく、ドメインの局所部分集合からのコンテンツノードが、訓練集合からのそのドメインに関して導出される構成的体系の下で組織化される。分類をさらに改良するために、局所概念タクソノミは次に、ユーザインタラクション用の環境として利用可能であってもよい。
本発明の別の実施形態は、合成の動的モードを用い、実時間でユーザの好みを合成オペレーションに組み込む。図24〜図25および以下の説明は、動的合成のこのモードの中で、オペレーションにさらに詳細を提供する。
図24において、動的合成のモードの一実施形態が、広範な概観において示されている。動的合成プロセスは、オペレーションの要求応答モデルに従ってもよい。動的合成オペレーションは、ユーザ要求によって起動される(2402)。ユーザは、自分たちの要件(たとえば、自分たちの関心ドメイン、能動概念定義によって符号化されるような自分たちの関心話題、軸定義によって符号化されるような話題における自分たちの視点および制限合成パラメータの集合によって抑制されるような自分たちの関心の範囲)を指定してもよい。図24において、これらのユーザパラメータは、内側のより多くの要素属性(4つの点)2404から構成される能動概念定義として概略的に簡略した形(ボックス)で表される。
ユーザからこの動的入力を用いて、システムは次に、概念の関連付けられる階層(出力概念階層)2406を返してもよい。この出力概念階層は次に、ユーザによるさらなる探査の焦点であってもよく、または合成オペレーションのさらに別の段階へのブリッジとして働くことができる。
この要求を処理するために、能動概念定義に関連付けられる属性集合は、合成される概念階層に関する候補集合2410として用いられる指定されたドメイン2408内から概念の集合の位置を特定するための基準であってもよい。それらの概念を能動概念定義に関連させるための「誘導」方法2412は、以下に記載される。誘導は、動的に分類され、関連概念の階層を構成するための参照として用いられてもよい。
動的合成のモードの主要なステップおよび構成要素におけるさらなる詳細が、次に提供される。
動的合成オペレーションは、ユーザ要求によって起動される(3502)。動的合成プロセスを起動するために、ユーザは、ドメイン、能動概念定義および軸定義を提供してもよい。ユーザはまた、以下に説明される他の入力合成パラメータを介して、概念階層のサイズおよび形状を抑制してもよい。ユーザインターフェイスシステムの実装の説明において以下に記載するように、ユーザ入力のこのタイプを獲得するための多くの技術的手段がある。
したがって、合成の動的モードに対する入力は、ユーザ特有の合成パラメータおよびドメイン特有のファセットデータ集合から構成されてもよい。これらの入力は、綿密に磨かれたフィールドに合成オペレーションを抑制してもよく、またはユーザの正確な要件の支配下に領域を置いてもよい。ドメイン特有のファセットデータ集合に関する詳細は、上記で提供される。
上述のように、動的合成の一実施形態は、能動ドメイン、能動概念定義および能動軸定義のユーザ入力を提供してもよい。さらに、ユーザは、分離度を規定するパラメータと、概念およびコンテンツノードに関して合成オペレーションの出力を制限するパラメータと、をさらに提供することによって、自分たちの要件を記述してもよい。
分離度パラメータは、能動概念定義から出力概念階層における関連概念定義に、最大数の直接的階層ステップを指定する。
たとえば、ファセット分類の増強方法の構築規則に基づいて、代表的な能動属性集合{A,B,C}と仮定すると、以下の属性集合が、除去される1つの分離度となる。
{A,B,C,?}:1つのさらなる要素を有するすべての上位集合、式中、?は1つの他の属性を表す
{A,B}、{A,C}、{B,C}:暗黙の属性関係に基づくすべての部分集合
A→Dが明確な属性関係と仮定されると、{D,B,C}
待ち時間は、エンドユーザによって操作されてもよい合成の別のパラメータである。一つの実装において、「天井」応答時間は、合成オペレーションが、ユーザの合成要求と構築エンジン応答との間の最大時間まで制限されるように、システムに適用され、その要求を満たすように出力されてもよい。この待ち時間制御の別の実施形態は、エンドユーザが、要求応答時間を増減し、個々の情報のアクセス要件および発見要件に合致するように性能を調整することを可能にする。
動的合成に関する候補集合の組み立ての一実施形態が、図25に示される。
動的合成において、能動概念の属性集合は、明確に関係する祖先および子孫属性集合を求めるために、属性階層に対して調べられてもよい。これらの調査に関するより多くの情報が、合成(構築)規則の説明の下で、上記に提供される。また、全体ドメインは、動的合成のこの実時間モードの下で、完全に調べる必要はない。システムのみが、候補集合によって定義されるように、ドメインの部分集合を調べる。候補集合は、以下のように求められる。
関連属性集合のすべてからの交差集合の結合は、候補集合であってもよい。関連属性集合は、指定された軸定義に抑制されてもよい。それらの数もまた、指定された最大制限および分離度距離の対象であってもよい。
動的合成の実時間モードの下で、待ち時間は、主要な制限因子であってもよい。具体的に言えば、比較的小さな候補集合であっても完全に処理する時間はほとんどない。上述のように、概念階層合成の再帰方法を用いた合成の静的手段は、より大きなドメインに関して導入される可能性がある待ち時間のために、この動的環境に置き違えることが多い。
したがって、動的合成の一実施形態は、実時間で概念階層を動的に組み立てるために、誘導の方法を用いる。誘導は、候補の概念が能動概念にどのように関連するかを記述するオペレーションの集合である。
上記で紹介された性能および待ち時間削減という長所に加えて、誘導は、概念合成の新規な長所、すなわち、以下で説明する「仮想概念」として新たな概念定義の推測を導入する。これらの仮想概念は、たとえ、それらの新たな概念がコンテンツノードにまだ関連付けられていないとしても、新たな概念を推測することによって、システムの発見という長所を著しく拡張する。これらの誘導はまた、ユーザ設定可能なクラスタリングメカニズムとして、強力なソーティングおよびフィルタリング手段を提供する。
候補集合は、能動概念の属性集合に関する属性集合から求められてもよい。明確に関する要素は、ファセットデータ集合における属性階層から求められてもよい。暗黙の関連属性集合は、集合交差点(すなわち、それらの属性集合の部分集合および上位集合)によって示唆されてもよい。ドメイン中で、暗黙の子孫属性を求めるために用いられるさらなる属性は、システムにとって周知であってもよく、周知でなくてもよい。
能動属性集合は、候補集合における概念に関連付けられる属性集合のそれぞれとペアであってもよい。各ペアに関して、能動属性集合をそのペアになった集合に変換する集合オペレーションの順序が、導出されてもよい。
関連属性集合を求めようとするプロセスにおいて、属性集合で行なわれてもよい4つの誘導オペレーションがある。オペレーションタイプは、表1に示されているように簡潔にすることができる。
プロセスの合成は、祖先オペレーション(p,d)または子孫オペレーション(c,a)の両方ではなく、いずれかを適用することだけによって、この方向性を維持して、概念間の関係を確立する。これは、その属性のすべてを無関係の概念に対応する属性に置き換えることを防ぐ。
たとえば、属性{A,B,C}を有する能動概念および属性{D,B,G,F}を有する候補概念を仮定すると、その3つの属性に対応する能動概念の定義を通りぬける3つの軸がある。関係が概念間に存在するかどうかを決定するために、最初に、AからDまでの明確な関係およびCからGまでの別の関係などの明確な関係を用いることが可能である。(これらは、両方ともcオペレーションであり、属性を子属性に置き換える。)最後に、子孫属性(すなわち、F)を追加する暗黙のaオペレーションを用いることは、候補の子孫の属性に適合する能動概念の属性集合を結果として生じる。したがって、候補は、能動概念の子孫であると言うことができる。
説明するために、能動集合および候補属性集合をペアにするとき、属性の3つの潜在的なグループがある。
候補集合のみに関連付けられるグループ(「候補専用の」属性)
候補集合および能動集合に関連付けられるグループ(「両方の」属性)
能動集合のみに関連付けられるグループ(「能動専用の」属性)
能動集合を候補集合に変換することにより、「能動専用の」属性を消去する必要がある場合には、候補集合は、能動集合の祖先である。
能動集合が候補集合と同一である場合には、候補集合は、能動集合の兄弟である。
能動集合を候補集合に変換することにより、「候補専用の」属性を追加する必要がある場合には、候補集合は、能動集合の子孫である。
2つの元の集合が既に、共通の属性を有しているかどうかに関係なく、「能動専用の」属性の消去および「候補専用の」属性の追加の両方を行なうことによって、能動集合を候補集合に変換することは、有効ではない。そのようなペアは、関連していないと思われる。これに対する唯一の例外は、「専用の」集合における属性が、属性階層に関係している場合である。そのような場合には、以下の2つのオペレーションのうちの1つを行うことができる。
能動集合属性をその子属性(能動集合の子孫である候補集合を有する)に置き換える
このとき、結果として生じる属性は、「両方の」集合の構成員である。
所与のレベルで、兄弟が提示される順序が、重要である場合がある。ユーザにとって重要である確立がさらに高いそれらの概念は、より高い優先度を有するべきである。
候補集合における各概念は、それを能動概念に接続する固有の誘導シリーズを有してもよい。誘導がソートされ、合成によって対処される順序は、結果階層における概念の順序付けに影響を及ぼす。階層における候補概念の優先度は、表2に基づいて決定される。
ユーザの要求において指定される要件に応じて、アプリケーションは、ドメイン内のオブジェクトに関連付けられる概念から構築され、能動概念に関し、軸に沿った概念階層を返してもよい。ユーザは、指定される能動概念に関する概念を求めるためのこの概念階層を指してもよい。
誘導は、階層結果集合に構築されてもよい。その階層における各ノードは、その概念定義として属性集合を有する概念を表す。階層における各エッジは、1つの誘導オペレーションを表す。
場合によっては、概念階層ノードにおける属性集合は、整合概念を有していない。仮想概念は、これを示すためのプレースホルダとして用いられてもよい。
たとえば、
明確な関係A→Dであり、
明確な関係D→Fであり、
{D,B,C}属性集合を有する概念がない場合には、
属性集合{A,B,C}を仮定すると、
{F,B,C}は、{A,B,C}から1つの分離度を有する候補集合であってもよい。{D,B,C}属性集合が、対応する概念を持たない場合には、階層におけるこのノードに仮想概念がある。
能動ドメイン内から動的合成プロセスは、能動概念に関する概念の階層を分離して返してもよい。関係概念は、指定された軸に沿って指示されない限り、能動概念からの祖先(より広範囲な)方向および子孫(より特異的)方向の両方に分岐してもよい。
次元概念タクソノミ210を導出するデータ構造は、多くの目的のために、多くの手法で表されてもよいことに留意されたい。続く説明において、エンドユーザインタラクションの目的が示されている。しかし、これらの構造はまた、たとえば、別の情報検索またはデータマイニングツール(図示せず)への入力として、他のデータ操作技術のサービスにおいて用いられてもよい。
図27は、複雑適応システムにおいてユーザインタラクションを処理するための方法を示す。この方法は、上記に記載される次元概念タクソノミプロセスNを構築する。ユーザインタラクションは、システムに対するフィードバックの集合を確立してもよい。複雑な次元構造に対する改良の適応プロセスは、エンドユーザによって起動されるフィードバックを通じて達成されてもよい。
図37は、1つまたは複数の次元概念タクソノミ4010の形でファセット分類情報の態様の操作を可能にするコンピュータシステム4000の考えられる実装を示す。システム4000は、実装を実行するためのコンピュータプログラム、ソフトウェアまたはファームウェア4080を収容するディスクドライブまたは他の形態のコンピュータメモリなどのコンピュータ可読媒体4020のほか、概念定義4090などの次元概念タクソノミの態様、階層データ4100、コンテンツノード4110、コンテンツノード4120に対応する定義または次元概念タクソノミ4010の態様の分類4130またはそれらのうちの1つを含んでもよい。システム4000はまた、プロセッサ4030、キーボードまたはマウスなどのユーザインターフェイス4040およびディスプレイ4050を含んでもよい。この実装において、コンピュータプロセッサ4030は、コンピュータ可読媒体4020にアクセスし、ソースデータから生成された次元概念タクソノミ4010の少なくとも一部を検索し、ディスプレイ4050上にタクソノミ4010の一部を提示してもよい。プロセッサ4030はまた、次元概念タクソノミ4010の態様のユーザ操作を反映して、インターフェイス4040(任意にユーザインターフェイス)を介して、外部エンティティ(ユーザまたは機械)から入力してもよい。プロセッサ4030は、第1の次元概念タクソノミ4010において見られる多数の潜在的な関係の任意の1つの受信された外部エンティティ操作を第2の次元概念タクソノミに組み込んでもよい。外部エンティティ操作は、たとえば、データの第1の次元概念タクソノミ4010に対する改変または追加、概念定義、階層データの編集、概念に関連付けられる他のコンテンツノードに対する概念に関連付けられるコンテンツノードの位置の変更、コンテンツノードの主題を記述する定義の変更またはファセット分類に対する他の改変の形であってもよい。第2の次元概念タクソノミは、第1の次元概念タクソノミ4010を全体的に置き換えてもよく、第1の次元概念タクソノミ4010のそばにまたは第1の次元概念タクソノミ4010から離れて完全に存在してもよく、第1の次元タクソノミ4010に対する例外表として常駐するなどしてもよい。さらに、第2の次元概念タクソノミに対する利用しやすさは、外部エンティティ、たとえば、ドメインオーナおよびアドミニストレータ、加入者、特定の遠隔コンピュータデバイスなどの一定のクラスに制限されてもよい。
ユーザインタラクション212a用の環境として次元概念タクソノミを提供する。一旦、次元概念タクソノミ210が、ユーザに提示されると、既存のデータの訂正のための環境のほか、新たなデータ用のソース(次元概念タクソノミ情報)となってもよい。入力データ804aは、既存のデータに対する編集およびユーザによる新たなデータの入力から構成される。入力データ804aはまた、動的ドメインに対する分類を展開して適合する。
ユーザインタラクションは、システムへのフィードバックを含んでもよい。次元概念タクソノミ情報におけるデータ要素の固有の識別子は、集中システムに格納される形態素要素に基づいて、表記システムを用いて一意に特定されてもよい。したがって、システムによって生成される次元概念タクソノミにおける各データ要素は、集中型(共有型)形態素辞書に戻るように統合されることができる手法において特定されてもよい。
したがって、ユーザがそれらの要素を操作するとき、関連形態素要素における不確かな影響が、追跡されてもよい。これらの変更は、システムにおける新たな明確なデータを反映し、システムによって自動的に生成された推測データのいずれかを改善してもよい。言い換えれば、システムによって元々推測されたことが、エンドユーザの明確なインタラクションによって補強または却下されてもよい。
ユーザインタラクションは、新たなデータソースおよび既知のデータソースに対する訂正の両方を含んでもよい。既知の要素に対する操作は、形態素の素性に戻るように変形されてもよい。システムによって認識されない任意のデータ要素は、新たなデータを表してもよい。しかし、変更がシステムによって作成される既存の次元概念タクソノミとの関連において行なわれるため、この新たなデータは、既知のデータとの関連において配置されてもよい。したがって、ユーザによって追加される任意の新たなデータ要素は、既知の要素との関連において提供されてもよい。既知の要素と未知の要素との間の関係は、ユーザのインタラクションから推測されることができる次元概念タクソノミ情報の量を著しく拡大する可能性がある。
このショートカットフィードバックは、その時間に存在するときに、ドメインデータストア706に対するユーザ編集を処理することによって始めてもよい。ユーザの変更が、ドメインデータストアに現在存在しない次元概念タクソノミ情報を含んでもよいため、システムは、変更の影響を見積もるプロセスを用いなければならない。
暗黙の関係212bを作成するための規則(上記に記載される)は、完全な処理の短期的な代わりとして、新たなデータに適用されてもよい。この手法は、ユーザが、新たなデータをすぐに挿入して対話することを可能にする。
新たなデータ要素に関して、短期的な概念定義は、(上記に記載される)暗黙の関係に基づいて割り当てられ、インタラクションの実時間処理を容易にしてもよい。ドメインに関する次の完全な処理サイクルの終了時に、短期的な暗黙の概念定義は、システムによって考案される完全な概念定義と置き換えられてもよい。
当業者は、システムにおける既知の形態素の関係への未知の形態素の影響を見積もるために用いられてもよい多くのアルゴリズムがあることを認識されよう。
次元概念タクソノミは、ユーザインタラクションのための環境を提供する。本発明の一実施形態において、2つの主なユーザインターフェイスが提供されてもよい。ナビゲーション「ビューア」インターフェイスは、ファセット分類をブラウジングするために設けられてもよい。このインターフェイスは、「ファセットナビゲーション」として周知のクラスであってもよい。他のインターフェイスは、「アウトライナ」として周知であってもよく、エンドユーザが、関係構造、概念定義およびコンテンツノードの割り当てを変更することを可能にしてもよい。
ファセットナビゲーションインターフェイスおよびアウトライナインターフェイスの一般的な特徴は、当業界では公知である。以下で本願明細書に記載される新規な態様は、特に複雑適応システム212に関するときには、当業者には明白であろう。
次元概念タクソノミは、プレゼンテーション層を通じて表現されてもよい。一実施形態において、プレゼンテーション層は、ウェブサイトである。ウェブサイトは、次元概念タクソノミの表示の集合をレンダリングするウェブページから構成されてもよい。表示は、能動ノードの範囲内に次元文脈タクソノミの一部(たとえば、1つまたは複数の軸によってフィルタリングされる複数階層の部分集合)である。これに関連する能動ノードは、エンドユーザまたはドメインオーナによって現在焦点が合わせられている次元概念タクソノミ内のノードである。一実施形態において、「ツリー解析」は、これらの関係を表すために用いられる。
ユーザは、それらの探索および情報検索の一般的な領域に直接的に移動するように、システムにテキストクエリを提供してもよい。表示は、当業界では公知であるように、各概念と交差するファセットおよび属性によってフィルタリングおよびソートされてもよい。
コンテンツノードは、各概念によってカテゴリ化されてもよい。すなわち、任意の所与の能動概念に関して、ユーザによってフィルタリングされるような概念の属性に適合するすべてのコンテンツノードが提示されてもよい。
各表示の「解像度」は、各ノード付近で変更してもよい。これは、表示された関係の広さおよび調査の徹底度を指す。表示の解像度の問題はまた、分析されるドメイン部分のサイズおよび選択との関連において考慮されてもよい。また、分析の深さと処理にかかる時間(待ち時間)の量との間には、兼ね合いがある。プレゼンテーション層は、能動ノードの位置に基づいて、分析されるドメインの一部を選択するように動作してもよい。表示の解像度およびパラメータは、アドミニストレータによって設定される。
一実施形態において、次元概念タクソノミの表示のインタラクション、(上述のように)動的合成のモードの作動は、本発明の複雑適応システムに関するフィードバックを生成してもよい。これらの条件下で、表示のインタラクションを通じて生成される暗黙のフィードバックは、エンドユーザの視点から本質的に見えないことになる。言い換えれば、エンドユーザは、次元概念タクソノミを表示する単なるインタラクションによってシステムに関する有益なフィードバックを作成することになる。
プレゼンテーション層は、次元構造を抜き出して、人間のインタラクションに必要な簡略された表示(次元概念タクソノミにおける関連ページへのリンクを含むウェブページなど)にする。したがって、プレゼンテーション層はまた、導出される情報構造に関する編集環境をかねてもよい。一実施形態において、ユーザは、構造を直ちに編集するために、プレゼンテーション層内から編集モードに切り換えることができる。
アウトライナは、階層データを操作するためのユーザ用の手段を提供する。アウトライナはまた、ユーザが、構造における各概念に関連付けられるコンテンツノードを操作することを可能にする。
ユーザインタラクションは、次元概念タクソノミにおけるノードに割り当てられる文脈および/または概念を改変してもよい。文脈は、構造における他のノードに対するノードの位置(すなわち、構造を確立する次元概念関係)を指す。概念定義は、形態素の収集として表現されるノードのコンテンツまたは主題を記述する。
ユーザは、一実施形態において、レビュープロセスが提示され、ユーザが、そのようなユーザの編集のパラメータを確認することができるようにしてもよい。以下の次元概念タクソノミ情報、1)ノードのコンテンツ、2)コンテンツに関連付けられる形態素グループ(キーワードとして表現される)および3)タクソノミ構造におけるノードの位置は、このレビューに関して、ユーザに公開されてもよい。ユーザは、後者の2つ(形態素および相対的な位置決め)のパラメータを改変して、第1のパラメータ(そのノードにおけるコンテンツ)と情報を一致させてもよい。
したがって、本発明の一実施形態におけるインタラクションは、2つの広範なタイプ、a)コンテナ編集およびb)タクソノミ編集のいくつかの組み合わせとしてまとめられてもよい。
コンテナ編集は、次元概念タクソノミ内に分類されるコンテンツノードに対するコンテンツコンテナ(URLアドレスなど)の割り当てに対する変更である。コンテナ編集はまた、次元概念タクソノミ内のコンテンツノードの記述に対する変更である。
タクソノミ編集は、次元概念タクソノミにおけるノードの位置に対する文脈の変更である。これらの変更は、構造への新たなノードの追加および既存のノードの再位置決めを含む。この次元概念タクソノミ情報は、ユーザインタラクションによって影響される概念に関連付けられる形態素関係に対する変更としてシステムにフィードバックされてもよい。
タクソノミ編集を用いて、タクソノミにおける概念間に新しい関係を作成してもよい。これらの概念関係は、ユーザインタラクションを通じて構成されてもよい。これらの概念は、形態素に基づいているため、新たな概念関係は、形態素関係の新たな集合に関連付けられてもよい。この次元概念タクソノミ情報は、これらの示唆された形態素関係を再予測するために、システムにフィードバックされてもよい。
ユーザインタラクションはまた、キーワードおよび形態素などの抽象化のさらに要素的なレベルで提供されてもよい。
図26は、コンテナ編集のプロセスの一実施形態を示す。コンテナ編集は、概念定義と、各コンテンツノードを記述する基本的な形態素と、に対する変更である。これらの変更を用いて、ユーザは、コンテンツノードの基本的な概念定義を改変してもよい。その際には、これらのコンテンツノードで概念定義にマッピングされる形態素を改変してもよい。
ユーザインタラクションは、キーワードの収集として表現されるコンテンツノードに割り当てられる概念定義を構成してもよい。この構成において、ユーザは、システムの形態素辞書およびドメインデータストアと対話してもよい。ここで作成される任意の新たなキーワードは、上記に記載されるように、システムの形態素抽出プロセスに送られてもよい。
この実施例において、文書2801は、能動コンテナである。ユーザインターフェイスにおいて、コンテンツを記述するキーワードの集合2802は、文書と共にユーザに提示されてもよい。(実施例を簡単にするために、次元概念タクソノミにおけるこのノードの相対的な位置は、ここでは示さない。)
これらの変更は次に、ドメインデータストア706に渡されてもよい。データストアは、システムに登録されたすべてのキーワードを特定するために、探索されてもよい。
この実施例において、リストは、「犬」を除くユーザによって特定されるすべてのキーワードを含む。その結果、「犬」は、システムに登録される明確なキーワードを修飾する暗黙のキーワードとして処理される。
暗黙のキーワードは、ドメインが、集中型変換エンジンによってレビューされるときに、全部分析されてもよい。暗黙のキーワードは次に、明確なキーワード(既存のキーワードまたは新たなキーワードのいずれかとして)置き換えられ、1つまたは複数の形態素に関連付けられてもよい。
パーソナライズ化
図28は、パーソナライズ化の特徴を提供する本発明の別の実施形態を示し、次元概念タクソノミのパーソナライズ化バージョンは、ドメインの個々のユーザのそれぞれに関して維持されてもよい。
パーソナライズ化の一実施形態は、各個々のユーザに関するパーソナライズ化概念タクソノミ210fと共に、共同概念タクソノミ210eをパーソナライズ化するための手段を提供する。最初にエンドユーザがシステムと対話するときに、各エンドユーザは、共同概念タクソノミ210eに関与している最中であってもよい。続くインタラクションは、タクソノミ210fのユーザのパーソナライズ化表示に関与してもよい。
データ構造は、各エンドユーザの好みを表すユーザインタラクション212aに応じて、データ構造の固有な表現を照合することによって「パーソナライズ化」される。編集の結果は、ユーザインタラクションからパーソナライズ化データとして格納されてもよい(3004)。一実施形態において、これらの編集は、共同概念タクソノミ210eに対する「例外」として格納される。パーソナル概念タクソノミ210fが処理されるとき、システムは、ユーザの例外表に見られる任意の変更を代用してもよい。
示される要素は、システムの複雑適応プロセスにおけるコラボレータを特定してもよい。各ユーザを固有の識別子に関連付けて、それらのインタラクションを格納するための手段を提供する。
システムにおける任意の他の形態素のように、ユーザ識別子は、形態素階層(明確な形態素)に登録されてもよく、システムに対して未知(暗黙の形態素)であってもよい。
2つのタイプの識別子の間の差異は、当業界では公知の用語において、登録済みビジタおよび無記名のビジタとの間の差異に類似している。識別子を生成し、識別子(または「トラッカ」)をユーザと関連付けるために用いられてもよい種々の手法もまた、当業界では公知であり、本願明細書において説明しない。
この次元概念タクソノミ情報を用いて、システムは、上記に記載されるファセット分類の増強方法において、明確な関係および暗黙の関係の予測の同一の規則を適用することによって、ユーザボブに特有の態様のコンテナを提供することができる。コンテナは、ボブに関するパーソナルウェブページに現れてもよい。彼のパーソナル概念タクソノミにおいて、ページは、ワシントンにおけるリソースに関わっていることになる。
次元概念タクソノミ情報はまた、他のユーザに対しても大域的に利用可能であってもよく、ネガティブフィードバックメカニズムとしてアドミニストレータによって確立される統計的分析およびハードルレートを対象としてもよい。たとえば、十分なユーザが、レコーディングスタジオに関してワシントンの位置を特定する場合には、最終的には、有効な関係としてすべてのユーザに提示されることになる。
当業界では公知であるように、パーソナライズ化およびカスタマイズ化されたプレゼンテーション層を追加するために利用可能な多くの技術およびアーキテクチャがある。本願明細書において説明される方法は、コラボレータを組織化するために、システムの中核構造論理を利用する。この方法は、正に情報要素の別のタイプとして、ユーザインタラクションを本質的に取り扱い、システムの柔軟性および拡張性を示す。しかし、この方法は、システムにカスタマイズ化およびパーソナライズ化を追加するための種々の方法において、本発明の範囲を制限しない。
図29は、複雑適応システムを提供するための機械に基づく手段を提供する別の実施形態を示し、次元概念タクソノミ210を含む次元概念関係が、システム入力データ804bとして変換エンジンプロセスに直接的に戻るように返される(3102)。
これに関して、本発明は、本開示において記載するように、データ構造を作成して管理するエンドユーザの能力を提供することに留意されたい。本発明の一定の態様において、エンドユーザは、本願明細書において説明するように、データ構造の作成および管理をさらに通知するフィードバックを提供する。このフィードバックは、エンドユーザによってのみだけでなく、たとえば、エンドユーザからフィードバックを収集するコンピュータなどの機械または、全く人間が関与することのないコンピュータなどの機械によってさえも提供されてもよい。これに関連して、エンドユーザまたは機械の役割は、本開示において「フィードバックエージェント」として呼ばれる。本開示において提供される複数の実施例は、例証のためにエンドユーザを指すこともまた留意すべきであるが、これらの場合のすべてではないが、多くの場合には、コンピュータなどの機械は、エンドユーザの役割に取って代わることが可能であることを理解すべきである。この小見出しは、そのような実装を示す。したがって、本開示は、「エンドユーザ」に対する言及は、すべての場合ではないが多くの場合には、「フィードバックエージェント」を指すように読むべきである。
ソースデータ構造から導出される元の概念関係とシステム構築エンジンのプロセスから生じる次元概念関係との間には、重要な差異があることに留意されたい。前者の関係は、ソースデータ構造において明確であり、後者の関係は、形態素辞書内の要素構成要素に対して適用される構成方法から導出(または生じる)。したがって、ユーザインタラクションに基づく複雑適応システムのように、機械に基づく手法は、要素構成物からの(複雑な)次元概念関係の合成を通じて、システムオペレーション800に変型を導入し、次に、ソース構造分析結果の構成要素におけるその変型から選択するための手段を提供してもよい。
オペレーションのこの機械に基づくモードの下で、複雑適応システムに関する選択要件は、ソース構造分析結果構成要素(上記に記載され、図6に示される)によって担われてもよい。具体的に言えば、次元概念関係は、円環的関係の特定1002と、これらの円環的関係を解明するために用いられてもよい種々のモードおよびパラメータと、に基づいて選択されてもよい。当業界では公知であるように、機械に基づく複雑適応システムを提供するために、多くの別の手段、選択判断基準および分析ツールがある。
機械に基づく複雑適応システムのこのタイプは、図4および図27に関して上記に記載されるユーザインタラクションに基づくシステム212などの他の複雑適応システムと連動して用いられてもよい。たとえば、図30の機械に基づく複雑適応システムは、プロセスの複数回の反復を通じて、次元概念タクソノミを精製するために用いられてもよい。その後で、結果として生じる次元概念タクソノミは、さらなる精製および進化のために、ユーザに基づく複雑適応システムにおいて、ユーザに導入されてもよい。
システムアーキテクチャのこの説明を通じて強調されたように、データストアをはじめとして本発明の多くの実施形態を設計するための方法および技術においてさまざまな変動性がある。本発明の多くの用途は、当業界では公知であるアーキテクチャ技術の多くの形を通じて、明らかとなり、変化させられてもよい。
[計算環境]
図30は、本発明に関する計算環境の一実施形態を示す。
一実施形態において、本発明は、4層アーキテクチャの下で動作するコンピュータソフトウェアプログラムとして実装されてもよい。サーバアプリケーションソフトウェアおよびデータベースは、集中型コンピュータおよび分散型非集中型システムの両方で実行されてもよい。インターネットは、集中型サーバおよび種々の計算デバイスと、計算デバイスと対話する分散型システムとの間で通信を行なうために、ネットワークとして用いられてもよい。
計算環境のこのタイプを確立するための変動性および方法は、当業界では公知である。したがって、計算環境のさらなる説明は、本願明細書には入れない。すべての適用可能な環境に共通であることは、ユーザが、インターネットまたは会社のイントラネットなどのパブリックネットワークまたはプライベートネットワークに自分のコンピュータまたは計算デバイスを通じてアクセスし、それにより、本発明を具体化するコンピュータソフトウェアにアクセスすることである。
各層は、サービスを提供する責任があってもよい。層1(3202)および層2(3204)は、集中型処理のモデルの下で動作する。層3(3206)および層4(3208)は、分散型(非集中型)処理のモデルの下で動作する。
この4層モデルは、ドメインを分析するためにシステムが用いる共有された集中型データからプライベートドメインデータの非集中化を実現する。共有データとプライベートデータとの間のこの描写は、以下で説明され、図33に示される。
第1の層で、集中型データストアは、システムによって管理される種々のデータソースおよびコンテンツソースを表す。一実施形態において、データベースサーバ3210は、データサービスと、データにアクセスして、データを維持する手段と、を提供してもよい。
分散型コンテンツは、ここでは「データベース」内に収容されるものとして記載されているが、データは、複数のリンクされた物理位置またはデータソースに格納されてもよい。
メタデータはまた、非集中型であり、システムデータベースから外部に格納されてもよい。たとえば、メタデータを含むHTMLコード断片は、システムによって作用されてもよい。外部スキーマからの要素は、本システムのスキーマにおいて用いられる要素にマッピングされてもよい。メタデータを提示するための他の形式は、当業界では公知である。したがって、情報の展望は、豊富な分散型コンテンツソースと、非集中型手法において情報を管理するためのエンドユーザ用の手段と、を提供してもよい。
複数のリンクされた物理的な位置またはデータソースにわたってデータを管理するための技術および方法は、当業界では公知であり、本願明細書においてさらに徹底的に説明されない。
XMLデータフィードおよびアプリケーションプログラミングインターフェイス(API)3212は、データストア3210をアプリケーションサーバ3214に接続するために用いられてもよい。
また、当業者は、XMLが広範囲の所有権およびオープンスキーマに従ってもよいことを理解される。さまざまなデータ交換技術は、種々の分散型コンテンツ形式をシステムに組み込むためのインフラストラクチャを提供する。一実施形態において用いられるコネクタのこの説明およびすべての以下の説明は、本発明の範囲を限定するわけではない。
第2の層3204で、集中型サーバ3214に常駐するアプリケーションは、本発明に関する中核プログラミング論理を含んでもよい。アプリケーションサーバは、データベースサーバへの接続性に加えて、本発明の方法の種々の態様の実装のための処理規則を提供してもよい。このプログラミング論理は、上記で詳細に記載され、図4〜図17および図20〜図23に示される。
一実施形態において、アプリケーションサーバによって処理される構造情報は、XML3216として出力されてもよい。XMLは、外部データストアおよびウェブサイトをアプリケーションサーバと接続するために用いられてもよい。
また、XML3216は、最適化および精製の進行中のプロセスにおけるさらなる処理のために、アプリケーションサーバに戻るようにこのインタラクティビティを通信するために用いられてもよい。
第3の層で、分散型データストア3218は、ドメインデータを格納するために用いられてもよい。一実施形態において、このデータは、ウェブサーバでXMLファイルの形で格納されてもよい。外部データベースなどのドメインデータを格納する多くの別のモードがある。分散型データストアは、出力データをエンドユーザの提示デバイスに分散するために用いられてもよい。
一実施形態において、出力データは、XMLデータフィードとして分配され、XSL変換ファイル(XSLT)3220を用いてレンダリングされてもよい。これらの技術は、第4の層で、プレゼンテーション層を通じて、出力データをレンダリングしてもよい。
プレゼンテーション層は、任意の非集中型ウェブサイト、クライアントソフトウェアまたは人間または機械によって利用されてもよい形でタクソノミを提示する他の媒体であってもよい。プレゼンテーション層は、タクソノミの表面的な明示と、エンドユーザがタクソノミと対話する環境を表してもよい。一実施形態において、データは、ウェブサイトとしてレンダリングされ、ブラウザに表示されてもよい。
この構造化情報は、ユーザコラボレーションおよび入力用のプラットフォームを提供してもよい。当業者は、XMLおよびXSLTが、多様な範囲の計算プラットフォームおよび媒体にわたって、情報をレンダリングするために用いられてもよいことを認識されよう。この柔軟性により、システムは、広範囲の情報処理タスクの中でのプロセスとして用いられることが可能である。
たとえば、形態素は、データフィードにおいてキーワードを用いて表現されてもよい。データフィードにおいて形態素参照を含むことによって、システムは、特定の形態素識別子に応じて、プレゼンテーション層におけるさらなる処理を提供してもよい。この柔軟性の適用は、パーソナライズ化の説明において上記に記載される(図28)。
ウェブに基づく形および制御を用いて(3224)、ユーザは、システムにおいて情報を追加して修飾してもよい。この入力は次に、XMLデータフィード3226および3216として分散型データストアを介して集中型処理システムに返されてもよい。
その上、RSSなどのオープンXML形式はまた、システムへの入力として、インターネットから組み込まれてもよい。
構造情報に対する修飾は、アプリケーションサーバ3214によって処理されてもよい。この処理からの共有形態素データは、XMLおよびAPIコネクタ3212を介して返され、集中型データストア3210に格納されてもよい。
システムアーキテクチャの広範囲なフィールドの中で、公知である多くの潜在的な設計、モードおよび製品がある。これらとしては、システムアーキテクチャの集中型モデル、非集中型モデルおよびオープンアクセスモデルが挙げられる。本発明によって網羅されるこれらの実装の技術的な操作および種々の代替物については、本願明細書においてさらに説明しない。
図31は、本発明の一実施形態におけるシステム内の中核データ構造の簡略化された概要を提供する。この簡略化されたスキーマは、データがシステムのアプリケーションプログラミング論理を通じて変換されてもよい態様を示す。このスキーマはまた、形態素データがどのように分解されて格納されることができるかも示す。
システムのデータアーキテクチャは、ドメイン特有のエンティティを処理するための一時的なデータストアを提供すると同時に、形態素辞書を集中させるように設計された。
ドメインデータは、システムを通って貫流してもよく、システムに格納されなくてもよいことに留意されたい。ドメインエンティティにマッピングされる表は、一時的なデータストアであってもよく、次に出力データおよびドメインに関するデータストアに変換される。ドメインデータストアは、他の集中型資産と共に格納されてもよく、またはドメインオーナによって維持されるストレージリソースに分散されてもよい。
一実施形態において、アプリケーションおよびデータベースサーバ(上記に記載され、図30に示される)は、データを最初に操作してもよい。データは、システムにおけるデータ抽象化の3つの広汎な領域の中で組織化されてもよい。
エンティティ抽象化層3302は、エンティティがシステムにおける知識表現の主な構築ブロックである場所である。エンティティは、形態素3304、キーワード3306、概念3308、コンテンツノード3310およびコンテンツコンテナ3312(URLによって表される)から構成されてもよい。
抽象化の関係層3314は、エンティティ定義が、システムにおいて用いられる種々のエンティティ間の関係によって表される場所である。エンティティ関係は、形態素関係3316、概念関係3318、キーワード−形態素関係3320、概念−キーワード関係3322、ノード−概念関係3324およびノード−コンテンツコンテナ(URL)関係3326から構成されてもよい。
この簡略化されたスキーマは、一実施形態において用いられるデータベーススキーマを全く制限しないことに留意されたい。システム性能、格納および最適化の問題は、著しく顕著である。当業者は、本願明細書に記載される設計要素を反映するデータベースシステムを設計するための多くの手法があることを知見している。したがって、本発明における実施形態として用いられてもよい種々の方法、技術および設計は、本願明細書においてさらに説明しない。
図32は、上記に記載され、本願明細書において以下にさらに記載されるデータ構造変換のオペレーションを実行するための一実施形態によるシステム概要を示す。
上記で紹介される変換の3つの広範なプロセスは、一実施形態において現れるように、さらに詳細な語で再表示されてもよい。1)複雑な次元構造において要素構成要素に関して定義されるように、その構造のファセットを発見するためのドメイン200の分析および圧縮、2)ファセット分類の増強方法によって提供される次元概念タクソノミ210へのドメインの複雑な次元構造の合成および展開、3)時間の経過と共に、構造を改良する複雑適応システム(たとえば、206および210)を可能にするためのファセットナビゲーションおよび編集環境を通じた次元概念タクソノミ210内のユーザインタラクションの管理である。
一実施形態において、分散型計算環境600が、概略的に示される。集中型処理601用の1つの計算システムは、データ構造用の変換エンジン602として動作してもよい。変換エンジンは、その入力として、1つまたは複数のドメイン200からのソースデータ構造202を受け取る。変換エンジン602は、分析エンジン204a、形態素辞書206および構築エンジン208aから構成されてもよい。これらのシステム構成要素は、上記で紹介され、図2に示される分析および合成の機能性を提供してもよい。
1つのきわめて特異な実施形態において、複雑な次元構造は、インターネット606にわたって、非集中型処理用の1つまたは複数の第2の計算システム(たとえば、603)にウェブサービス(またはAPIまたは他の分散チャネル)を介して分散されてもよいXMLファイル604に符号化されてもよい。分散および非集中化のこのモードおよび/または他のモードを通じて、広範囲の開発者および発行者が、変換エンジン602を用いて、複雑な次元構造を作成してもよい。アプリケーションには、ウェブサイト、知識ベース、電子商取引ストア、探索サービス、クライアントソフトウェア、管理情報システム、分析結果などが含まれる。
集中型処理および非集中型処理のこれらの説明は、処理のこれらのモードを提供するために用いられてもよい種々の集中型物理システムおよび分散型物理システムと混同すべきではないことをここでは留意されたい。ここで、「集中型処理」は、変換プロセスのための共有データ、パブリックデータおよび/または収集データおよびサービスを指す。「非集中型処理」は、ドメイン特有のデータおよびサービスを指す。当業界では公知であるように、集中型処理および非集中型処理のこの混合を実現するために実装されてもよい多数の物理的システムおよびアーキテクチャがある。
XMLファイル604に基礎として利用可能であってもよい。一実施形態において、ファセット分類の増強方法は、ドメインにおける素材を再組織化するために用いられてもよく、XMLファイル604において具体化された複雑な次元構造を用いて第2の計算システム603で次元概念タクソノミ210を導出してもよい。通常、システム603のような第2の計算環境は、次元概念タクソノミ210によって再組織化されるために、ドメインにおいても責任があるドメインオーナによって維持されてもよい。システムによって用いられる多層データ構造に関する詳細な情報は、以下で提供され、図33に示される。
システム603の一実施形態において、次元概念タクソノミ210に関するプレゼンテーション層608またはグラフィカルユーザインターフェイス(GUI)が提供されてもよい。ブラウザ、ウェブに基づく形およびソフトウェア構成要素などのクライアント側ツール610は、ドメインエンドユーザおよびドメインオーナ/アドミニストレータが、次元概念タクソノミ210と対話することを可能にしてもよい。
次元概念タクソノミ210は、個々のエンドユーザおよびドメインオーナのそれぞれによって調整されて境界を定められてもよい。これらのユーザインタラクションは、第2の計算システム(たとえば、603)によって利用され、人間の認知および分類システムに対するさらなる処理リソースを提供する。
たとえば、XML212aにおいて符号化されるユーザインタラクションを具体化する次元タクソノミ情報は、ウェブサービスまたは他の手段を介して分散することによってなど変化エンジン602に返されてもよい。これにより、データ構造(たとえば、206および210)が、時間の経過と共に進化して改善することを可能にする。
第2のシステム603から変換エンジン602へのフィードバックは、処理の複雑適応システムを確立する。エンドユーザおよびドメインオーナは、次元概念タクソノミ210を通じて抽象化の高いレベルで対話し、ユーザインタラクションは、次元概念タクソノミ情報の根底にある要素構成物(たとえば、形態素および形態素関係)に変形されてもよい。要素構成要素にエンドユーザおよびドメインオーナのインタラクションを結合し、それらを変換エンジン602を返すように供給することによって、システムは、集合体におけるインタラクションを評価することができてもよい。
このメカニズムを用いて、コラボレイティブ分類において歴史的に生じる曖昧さおよび矛盾を除去してもよい。したがって、コラボレイティブ分類に対するこの手法は、他のそのようなシステムを用いて生じる可能性がある概念レベルにおけるパーソナルネゴシエーションおよびコラボレイティブネゴシエーションを回避しようとする。
ユーザインタラクションはまた、ユーザがインタラクションを通じてコンテンツノード302および分類データ(次元概念タクソノミ情報)に寄与し、分類の全体品質を強化し、利用可能な処理リソースを増大することによって、利用可能なソースデータ202を拡張する。
図33は、各ソースデータ構造202から採取される要素構成物が、抽象化および次元性の連続的レベルを通じて組み合わせられ、各ドメイン200に関する次元概念タクソノミ210を作成する手段を示す。この図はまた、各ドメイン200において具体化される非集中型プライベートデータ(708、710および302)と、集中型システムが各ドメインに関して生成される分類体系を知らせるために用いる共有要素構成物(形態素辞書)206との間の描写を示す。
形態素310および形態素関係の要素構成要素は、集中型データとして形態素辞書206に格納されてもよい。集中型データは、(たとえば、変換エンジンシステム601を介して)分散型計算環境600にわたって集中され、ドメインの分類に役立つドメインオーナおよびエンドユーザのすべてに利用可能であってもよい。集中型データは、要素(形態素)であり、概念306および概念関係によって表される任意の特定の知識およびプライベートな知識の文脈から切り離されるため、第2の非集中型計算システム603の中で共有されてもよい。システム601は、各ドメインに含まれる固有の情報を含むこれらの要素構成物に固有の表現および組み合わせを永久に格納する必要はない。
形態素辞書206は、形態素属性702の表の集合において、各形態素310の属性を格納してもよい。形態素属性702は、(以下にさらに記載するように)変換エンジン602の分析プロセスによって用いられる構造的パラメータおよび静的データを参照してもよい。形態素関係は、集合体において形態素階層402の中に順序付けされてもよい。
ドメインデータストア706は、ソースデータ構造202から変換エンジンシステム601によって導出されるドメイン特有のデータ(複雑な次元構造210a)を形態素辞書206を用いて格納されてもよい。ドメイン特有のデータの一実施形態は、XMLの形で格納されてもよい。
各ドメインデータストア706におけるXMLに基づく複雑な次元構造210aは、ドメイン特有のキーワード階層710、コンテンツノードの集合302および概念定義の集合708から構成されてもよい。キーワード階層710は、キーワード関係の階層集合から構成されてもよい。XML出力はそれ自体は、ファセットデータとして符号化されてもよい。ファセットデータは、その構造のファセットとしてソースデータ構造202の次元性と、ファセットの属性に関してソースデータ構造202のコンテンツノード302と、を表す。この手法により、ドメイン特有のリソース(たとえば、システム603)が、複雑な次元構造210aを次元概念タクソノミ210などの抽象化のより高いレベルに処理することを可能にする。
複雑な次元構造210aは、コンテンツノード302間の関係を管理するために、組織化基準として用いられてもよい。組織化原理の新たな集合は次に、分類のための要素構成要素に適用されてもよい。組織化原理は、以下に詳述し、図20〜図22に示すように、ファセット分類の増強方法を含んでもよい。
ファセット分類の増強方法は、複雑な次元構造210aに適用されてもよい。他のより簡単な分類方法もまた、適用されてもよく、他のデータ構造(簡単であるか、複雑であるかに関係なく)は、所望に応じて複雑な次元構造210aから作成されてもよい。一実施形態において、ファセット分類を明確に表す出力スキーマが、用いられてもよい。他の出力スキーマが、用いられてもよい。各ドメインに関して作成されるファセット分類は、種々のデータモデルを用いて表されてもよい。利用可能な分類の方法は、分類されるデータ構造のタイプに密接に関連付けられる。したがって、分類に関するこれらの別の実施形態は、上述の次元性の別の実施形態に直接的にリンクされてもよい。
ドメインデータストア706に含まれるデータエンティティ(たとえば、708、710)は、形態素辞書206に格納される要素構成物に対する参照を含む。このように、各ドメイン200に関する次元概念タクソノミ210は、変更に適合するようにために、その作成の後で再分析されることができる。ドメインオーナが、自分たちの分類を更新したいときには、ドメイン特有のデータは、処理のために分析エンジン204aに再ロードされてもよい。ドメイン200は、実時間で(たとえば、XML212aを介してエンドユーザインタラクションを通じて)または(待ち行列の)定期的な更新を通じて分析されてもよい。
次元知識表現モデルの利点は、ドメインを複雑な次元構造210aに処理するために、システムによって用いられるプライベートドメインデータおよび共有データの明確な分離である。データ分離は、ホスト型アプリケーションサービスプロバイダ(ASP)処理モデル、上記に記載されるようなユーティリティ計算環境を活用する機会またはサービス型ソフトウェア(SaaS)アプリケーション配信モデルなどの分散型計算の長所を提供する。これらのモデルの下で、第三者が、ドメインオーナに変換エンジンを提案してもよい。したがって、ドメインオーナは、モデルのこれらのタイプが提供する規模の利益を十分に活用することができる。
ドメインオーナのドメイン特有のデータは、他のドメインオーナの共有データ(すなわち、形態素辞書206)およびプライベートデータから分離可能であるため、種々の格納モデル(たとえば、ASPを介して)の下で確実にホスト化されることができる。あるいは、ドメイン特有のデータは、ドメインオーナによってホスト化され、共有データから物理的に除去されてもよい。
この分散型知識表現モデルの下で、ドメインオーナは、集中型知識変換サービスの経済的な利点および特殊化の両方からの恩恵のほか、集中型分類データの「衆知」からの恩恵を受ける可能性がある。しかし、これらの集中型サービスおよびデータ資産から分離される必要なドメイン特有のデータを保つことによって、ドメインオーナは、固有の知識を妥協する必要なく、ユーザの全体的な共同の共有知識(たとえば、形態素辞書)を構築してもよい。
企業設置内の知識保管庫およびイントラネットは、プライベート知識ドメインとの関連の中で共有収集知識のこの適用の実施例を提供する。現在、会社は、収集知識の経済的利益と競争上の利点に関してプライベート知識を維持する必要性のオープンコラボレーションとの間で、厳しい妥協点に直面している。本願明細書に記載されるシステムにより、閉鎖的な情報ドメインのこのタイプが、それでもなお本願明細書に記載される集中型知識表現および変換サービスからのほか、本願明細書に記載される形態素辞書の場合のような共同データ資産の恩恵を受けると同時に、合成された知識およびドメイン特有のデータ資産をプライベートに維持することが可能となる。
一実施形態において、構築エンジンは、オープンソースプラットフォームで実行するソフトウェアアプリケーションとして分散されてもよい。1つのそのようなオープンソースプラットフォームは、LINUX(商標)、APACHE(商標)、MySQL(商標)およびPerl、PHP、Pythonなどを含んでもよいプログラミング言語からなる技術の「LAMP」スタックである。そのようなアプリケーションを通じて、構築エンジンの合成規則のマルチプルコピーが、ドメインオーナの分散型物理システムで直接的に読み出されてもよい。このモデルの下で、(構築エンジンの各コピーは、同一の命令で提供されるため、)集中型処理規則を実行する分散型物理システムを有する。
この手法を用いて、各ドメインに関する複雑な次元構造を合成するスケーリングコストは、各ドメインオーナのリソースにわたって分散される。類似の方式において、構築エンジンは、軽量のクライアント側アプリケーションとして分散され、それらのアプリケーションのエンドユーザの必要に応じて複雑な次元構造を合成してもよい。
これらの非集中型システムをドメインオーナおよびエンドユーザのシステム上で直接実行する機会に加えて、AMAZON WEB SERVICE(商標)(AWS)などのユーティリティ予測プラットフォームが、集中型構築エンジン規則用の経済的な分散メカニズムを提供する。(構築エンジンの仮想インスタンスを実行する直接費は、ドメインオーナの異機種環境にわたる構築エンジンを分散して支援する間接費を埋め合わせるより大きい可能性がある。)構築エンジンの物理的分散コピーより、仮想構築エンジンアプリケーションは、ユーティリティ計算環境の中で提供されることが可能である。
たとえば、AWSの中で、構築エンジン用の画像が作成され、AWS Elastic Compute Cloudサービス(EC2)の仮想環境にアップロードされてもよい。EC2は、1つまたは複数の仮想サーバ環境を提供してもよい。AWS「画像」は、本質的に仮想サーバのディスク画像である。「インスタンス」は、そのディスク画像に基づく動作仮想サーバである。仮想サーバで実行中の構築エンジンの新たなインスタンスは、ドメインを処理し、必要に応じて、ユーザの活動に適合させるようにセットアップされる。
この非集中型環境(ならびにその他の多くの環境)において、ドメイン特有のデータおよび構築エンジンは、切り離されてもよい。AWSの中で、EC2は、処理のために用いられてもよく、Simple Storage Service(S3)は、データ格納のために用いられてもよく、Simple Queue Service(SQS)は、EC2、S3および上記で紹介され、および以下でさらに詳細に説明される分析および複雑適応フィードバックの他の集中型サービスにわたるメッセージングを連係するために用いられてもよい。
AWS S3サービスは、ドメインに関する次元複雑な構造を符号化するファセットデータ集合の格納および分配のために用いられてもよい。これらのドメイン特有のファセットデータ集合は、構築エンジン規則を処理している複数の仮想サーバの間で共有されてもよい。
合成される概念関係は、この非集中型環境に格納されてもよい。構築要求は、合成されて、エンドユーザシステムおよびS3の両方に並列に送信されてもよい。その後で、前に要求されたパラメータに整合する合成要求は、S3における概念関係のキャッシュから満たされてもよく、または、更新が必要である場合に、構築エンジンによって直接的に生成されてもよい。同程度に重要なことは、合成された関係は、上記に記載されるように、集中型分析エンジンにおける次の分析サイクル用のフィードバックとして利用可能であってもよい。
当業者は、分散型計算の領域において、ここで作成されてもよい多くのアーキテクチャの改善および進歩があることを認識されよう。複数の仮想機械にわたる並列化およびドメインおよびユーザ活動にわたる負荷バランスは、改善のこのタイプの実施例である。
XMLスキーマおよびクライアント側の変換
ファセット出力データは、XMLとして符号化され、XSLTとしてレンダリングされてもよい。ファセット出力は、多くの異なる手法で再組織化されて表されてもよい(たとえば、公開されたXFMLスキーマを指す)。階層を表すための別の出力が、利用可能である。
XSL変換コード(XSLT)が、プレゼンテーション層を提示するために、一実施形態において用いられる。システムによって管理されるすべての情報要素(システムを通じて向けられる場合には分散型コンテンツを含む)は、XSLTによってレンダリングされてもよい。
クライアント側処理は、データフィードをシステムのプレゼンテーション層に接続するための一実施形態のプロセスである。コネクタのこれらのタイプは、アプリケーションサーバから構造情報を用いる種々の媒体に情報を出力するために用いられてもよい。アプリケーションサーバからのXMLデータは、ウェブページにおける表示のためにXSLTを通じて処理されてもよい。
当業者はまた、これらのXML位置およびXSLT位置を設計することを可能にする可変性を認識されよう。たとえば、ファイルは、エンドユーザのコンピュータ上に局所的に格納されてもよく、ウェブサービスを用いて生成されてもよい。ASPコード(または類似の技術)は、分散型プレゼンテーション層(第3者による発行者またはソフトウェアクライアントのウェブページなど)上に本発明のシステムによって管理される情報を挿入するために用いられてもよい。
別の実施例として、システムからの中核構造情報を含むXMLデータフィードは、システムが組織化する分散型コンテンツと組み合わせてもよい。当業者は、データのこれらの2つのタイプを分離データフィードに分離するための機会を認識されよう。
これらの表示ファイルおよびデータフィードを格納して分配するためのこれらの設計機会および他の設計機会は、当業界では公知であり、したがって、本願明細書においてさらに説明しない。
以下の節は、上述のシステムオペレーション用の種々のユーザインターフェイスに関する実装の詳細を提供する。これらのオペレーションは、次元概念タクソノミの表示、動的合成のモードにおける合成パラメータの提供および次元概念タクソノミの編集である。当業者は、上述のシステムオペレーションのサービスにおいて実装してもよい潜在的なユーザインターフェイスの多様性を認識されよう。したがって、ユーザインターフェイス実装の例証および説明は、本発明の範囲を全く制限しない。
図34は、エンドユーザの表示およびブラウジング用の次元概念タクソノミ表示UIの主要構成要素の説明的なスクリーンキャプチャを提供する。
コンテンツコンテナ2600は、次元概念タクソノミ用のプレゼンテーション層を形成する構造リンクおよび概念定義に加えて、ドメインにおけるコンテンツの種々のタイプを保持してもよい。1つまたは複数の概念定義は、コンテナにおけるコンテンツノードに関連付けられてもよい。システムは、本願明細書に記載するように、次元概念関係を予測するために用いられるURIおよび概念定義に加えて、システムに登録される情報要素の任意のタイプを管理することができてもよい。
一実施形態において、従来の直線的な(または平坦な)情報構造に通常関連付けられるユーザインターフェイスデバイスは、複雑な次元構造における次元性を表すために組み合わせられるか、積み重ねられてもよい。
ナビゲーションバー、ディレクトリツリー2604およびブレッドクラムパス2602などを組み合わせ型の従来のウェブUIデバイスは、情報アーキテクチャにおける種々のノードにおける次元交差点を示すために用いられてもよい。能動コンテンツノード2606と交差する各次元軸(または階層)は、別個の階層として表されてもよく、各交差軸に1つの階層が表される。
構造関係は、ドメインにおいて能動コンテンツコンテナから関連コンテンツコンテナまでポインタ(またはリンク)によって定義されてもよい。これは、次元概念タクソノミによって指示されるように、能動コンテナと関連コンテナとの間の複数の構造リンクを提供してもよい。構造リンクは、概念の全文脈提示、能動軸においてキーワードのみを表示する概念のフィルタリングされた提示、コンテンツノードラベルの提示などをはじめとする種々の方式で提示されてもよい。
構造リンクは、1つまたは複数の関係タイプ(たとえば、親、子または兄弟)の中のコンテンツノードの優先順位を付けされたグループ化に組織化された次元概念タクソノミの中で、コンテンツノードに関する文脈2608を提供してもよい。
XSLTは、ウェブサイトにおけるナビゲーションパスとして構造情報を提示するために用いられてもよく、ユーザが能動コンテナに関するコンテナに構造階層を誘導することを可能にする。ウェブサイトにおけるナビゲーションデバイスとして構造情報の提示のこのタイプは、システムの最も基本的なアプリケーションの中にあってもよい。
これらのナビゲーションの慣例および他のナビゲーションの慣例は、当業界では公知である。
(上記したような)動的合成オペレーションを提供するためのユーザインターフェイスを組み込むユーザインターフェイス制御が、図35に示される。
ユーザインターフェイスは、ユーザが指定してもよいユーザインターフェイス制御、すなわち、能動概念定義3602、能動軸定義3604および能動ドメイン3606を含んでもよい。能動概念定義および能動軸定義を指定するための制御は、キーワードとして概念定義を規定し、編集オペレーションおよびテキストに基づく探索(図示せず)を起動するためのリンク(図示)を含んでもよい。
一実施形態において、ユーザは、既存の概念階層3608の中に配置される概念定義の集合から能動概念定義を選択してもよい。能動概念定義のこの選択は、前に実行された静的合成オペレーションに基づき、次元概念タクソノミ用の大域的ナビゲーション構造を提供してもよい。
別の実施形態において、能動概念定義を指定するために、ユーザは、テキストボックス(図示せず)にクエリを入力してもよい。クエリは、ドメインに関連付けられるエンティティラベルの集合に対して処理されてもよい。入力しているときに、ドメインにおける概念、キーワードおよび形態素の他のエンティティに関連付けられるラベルとの文字列比較に基づいて、提案のリストが提案されてもよい。(抽出方法論は、さらに詳細に上述される。)これらのツールを用いて、ユーザは、ドメイン特有のラベルの顧客の語彙に基づいて、提供される提案から概念定義を選択することができてもよい。
軸定義は、能動概念定義の1つまたは複数の属性のリストまたは(合成オペレーションの説明の下で上記に記載されるように)ユーザが組み立てたいと考える属性の任意の組み合わせを用いて指定されてもよい。動的合成オペレーションのために用いられる候補集合内からの属性の分析に基づく「タグクラウド」3610は、潜在的な軸定義の概観を提供するための1つの手段であってもよい。たとえば、候補集合において最も普及しているキーワードの計数は、提示用のキーワードの部分集合の選択のほか、全体的なキーワード計数に基づくキーワードラベルのフォントサイズの変更のための基準として用いられてもよい。
この実装において、ユーザは、スクリーンの上部にわたって位置決めされるタブの集合から選択することによって、能動ドメインを選択してもよい。
処理の範囲および結果として生じる合成出力を制御するために、上記に記載されるように、合成パラメータを定義するための制御は、スライダ3610としての分離度およびリンク3612として返される概念の数における制限を含んでもよい。(この実施形態において、表示されるコンテンツノードの数における制限は、返される概念における制限に結合される。あるいは、概念およびコンテンツノードにおける制限は、提示においてさらなる柔軟性を提供するために分離されてもよい。)仮想概念を表示するかまたは隠すことができる手段は、チェックボックストグル制御3614として示される。
次元概念タクソノミの表示は、上記に記載されるユーザインターフェイスを通じてユーザに提示されてもよい。例証のために、分類を検討した後、ユーザは、分類を再組織化したいと仮定する。システムの視点から、これらのインタラクションは、複雑適応システム内の明確なユーザフィードバックを生成することになる。
図36は、一実施形態におけるこれらのインタラクションを提供することができるアウトライナユーザインターフェイスを示す。この図は、構造2704におけるノード2702の位置を変更し、各ノード2706でコンテナおよび概念定義割り当てを編集するためのデバイスを示す。
一実施形態において、クライアント側制御を用いて、ユーザは、次元概念タクソノミを再組織化するために、階層においてノードを移動することができてもよい。その際、ユーザは、ノード間に新たな親−子関係を確立してもよい。
ノードの位置が編集されるため、基本的な形態素間の関係の新たな集合を関連させてもよい。これは今度は、推測される次元概念関係の新たな集合を決定するための再予測を必要としてもよい。これらの変更は、概念関係によって推測される新たな形態素関係を予測するために、待ち行列に入れられてもよい。
変更は、ユーザのパーソナライズ化需要のための共有次元概念タクソノミ(以下では共同概念タクソノミ)に対する例外として格納されてもよい(パーソナライズ化に関するさらなる詳細については、以下を参照のこと)。
本発明は、多くの形態をとることができることと、そのような形態は、請求項に記載されたように本発明の範囲内にあることは当業者によって認識されよう。したがって、添付の特許請求の範囲の精神および範囲は、本願明細書に含まれる特定のバージョンの説明に限定されるべきではない。
Claims (88)
- フィードバックエージェントからの入力に基づいて含むデータ構造を組織化および管理するための方法であって、
a)情報のドメインに適用可能であるファセット分類のための方法であって、(i)前記ドメインのファセット分析またはドメインのファセット分析の結果の受信と、(ii)前記ドメインのファセット分類合成の適用とを含む、ファセット分類の前記方法と、
b)前記ファセット分類合成から1つまたは複数の反復時に、情報を選択して返すための複雑適応方法であって、前記返された情報に応じて、データ構造の組織化および管理を変化させる前記複雑適応方法と、
を特徴とする方法。 - 情報のドメインのファセット分類のための方法であって、
a)情報を分類するために、ファセット属性を含むファセットデータ集合を提供し、そのようなファセット属性は、ファセット属性用のファセット属性階層を任意に含むようにすることと、
b)次元概念タクソノミを提供して、ファセット属性が、オブジェクトに意味を関連付ける概念に基づいて分類されることになっているドメインのオブジェクトにファセット属性が割り当てられるようにし、前記概念は、前記ファセット属性を用いて定義される概念定義によって提示され、次元概念タクソノミにおけるオブジェクトに関連付けられる、前記次元概念タクソノミは、ファセットデータ集合に基づいて、概念定義間の次元概念関係を表すことと、
c)次元概念タクソノミ情報に応じてファセットデータ集合および次元概念タクソノミを変化させて、次元概念タクソノミ情報を選択して返すための複雑適応システムを提供するか、または有効にすることと、
を特徴とする方法。 - 入力情報のファセット分析は、ソースデータ構造による情報のドメインから選択され、
パターン増加および/または統計的分析を用いて、入力情報のファセット属性のうちの少なくとも1つを発見して、入力情報におけるファセット属性関係のパターンを特定することを特徴とする、請求項2に記載の方法。 - 入力情報から獲得される概念定義および概念関係からファセット属性関係を推測し、それにより、ファセット属性階層の構築を確立し、前記概念定義は、前記ファセット属性を定義するための属性を含むことを特徴とする、請求項3に記載の方法。
- 入力情報における概念定義および概念関係において、ファセット属性関係の置換から潜在的なファセット属性関係を確立することを特徴とする、請求項4に記載の方法。
- 潜在的なファセット属性関係からファセット属性関係を確立して、潜在的なファセット属性関係の数を削減し、統計的分析のためのパターンを増加させることを特徴とする、請求項5に記載の方法。
- (a)一対の関連概念定義にわたって共有されるファセット属性の存在、(b)ファセット属性階層における直接的または間接的なファセット属性関係の存在および(c)外部辞書、の少なくとも1つに基づき、潜在的なファセット属性関係を確立することを特徴とする、請求項6に記載の方法。
- 各潜在的なファセット属性関係に関して、それぞれの潜在的なファセット属性関係が、実質的にそれぞれの潜在的なファセット属性関係が現れる概念関係全体を通じて適用可能なままである確率を評価し、前記評価に応じて、それぞれの潜在的なファセット属性関係をファセット属性階層に関する候補ファセット属性関係に構成することを特徴とする、請求項7に記載の方法。
- 前記評価は、すべての概念関係の集合体の文脈において、それぞれの潜在的なファセット属性関係の普及率を決定することを含み、前記構成は、前記普及率に応じることを特徴とする、請求項8に記載の方法。
- 前記評価は、潜在的なファセット属性関係の中の円環的関係の存在を特定することと、それらの間で階層の仮定と矛盾するそれぞれの潜在的なファセット属性関係を特定することを含み、前記構成は、前記特定に応じることを特徴とする、請求項8に記載の方法。
- 候補ファセット属性関係をファセット属性複数階層に組み立てて、複数階層における候補ファセット属性関係の集合が、集合体において実質的に局所的に一致するようになっていることを特徴とする、請求項8に記載の方法。
- 複数の親を有するファセット属性の順序を複数の親の祖先の属性として再検討することによって、厳密な階層としてファセット属性階層を定義することを特徴とする、請求項4に記載の方法。
- ファセット属性階層内のルートノードからファセットを決定することを特徴とする、請求項12に記載の方法。
- ファセット属性は、形態素であり、ファセット属性関係は、形態素関係であることを特徴とする、請求項3に記載の方法。
- ファセット属性および任意にファセット属性階層を用い、情報の第2のドメインから選択されるさらなる入力情報にファセット分析を行なうことを特徴とする、請求項14に記載の方法。
- ファセット属性と任意にファセット属性階層とを含むファセットデータ集合を提供することを特徴とする、請求項3に記載の方法。
- ファセット分類合成のためにファセットデータ集合を用いることを特徴とする、請求項16に記載の方法。
- 複数の統計的分析を含むデータストアにアクセスし、複雑適応システムのオペレーションによって、選択された次元概念タクソノミ情報を集めることによって、ファセットデータ集合および次元概念タクソノミを変化させるために前記統計的分析を用いることを特徴とする、請求項2に記載の方法。
- フィードバックエージェントからの入力に基づくことを含むデータ構造を組織化および管理するためのシステムであって、
システムは、複雑適応システムを含むか、または複雑適応システムにリンクされ、次元概念タクソノミ情報を選択して返し、次元概念タクソノミ情報に応じてファセットデータ集合および次元概念タクソノミを変化させ、
システムは、ファセットと、ファセット属性と任意に情報を分類するためのファセット属性用のファセット属性階層とを含むファセットデータ集合を処理するように動作可能であることと、
システムは、ファセット属性が、オブジェクトに意味に関連付ける概念に基づいて、分類されるドメインのオブジェクトに割り当てられる次元概念タクソノミを定義するようにさらに動作可能であり、前記概念は、前記ファセット属性を用いて定義される概念定義によって提示され、次元概念タクソノミにおいてオブジェクトに関連付けられる、前記次元概念タクソノミは、ファセットデータ集合に基づいて、概念定義間の次元概念関係を表すことと、を特徴とするシステム。 - 複雑適応システムは、(i)ソースデータ構造に基づいてドメインから選択される入力情報を処理し、(ii)パターン増加および/または統計的分析を用いて入力情報のファセット属性または任意にファセット属性階層の1つのファセット属性階層の少なくとも1つを発見し、入力情報におけるファセット属性関係のパターンを特定するように動作可能であることを特徴とする、請求項19に記載のシステム。
- 複雑適応システムは、ファセット属性または任意にファセット属性階層を増強するためのさらなる入力情報を返すように動作可能であり、返されたさらなる入力情報用の基準を構成し、前記さらなる入力情報は、1つ又は複数の機械に基づくリターンパスまたはユーザに基づくリターンパスから導出されることを特徴とする、請求項19に記載のシステム。
- (a)さらなる入力情報は、複雑適応システムによって生成されるさらなる入力情報のための要求によって獲得されることと、
(b)そのような要求は、そのような要求に応答するための時間制限に関連付けられることと、を特徴とする、請求項21に記載のシステム。 - 複雑適応システムは、統計的分析のデータストアを含むか、または統計的分析のデータストアにリンクされることと、
複雑適応システムは、選択された次元概念タクソノミ情報を集めることによって、統計的分析に基づき、ファセットデータ集合および次元概念タクソノミを変化させるように動作可能であることと、を特徴とする、請求項19に記載のシステム。 - 複雑適応システムは、次元概念タクソノミ情報に応じたファセットデータ集合および次元概念タクソノミの変化を制御するように動作可能であることを特徴とする、請求項22に記載のシステム。
- 複雑適応システムは、(i)統計的ハードルおよび(ii)パターン整合制約の1つまたは複数を次元概念タクソノミ情報から導出されるファセット属性に関するファセット、ファセット属性およびファセット属性階層に適用するように動作可能であることを特徴とする、請求項23に記載のシステム。
- 複雑適応システムは、統計的分析を用いて次元概念タクソノミを分析し、返すべき次元概念タクソノミ情報を選択するように動作可能である機械に基づく複雑な適応システムを含むことを特徴とする、請求項19に記載のシステム。
- ファセット属性および任意にファセット属性階層を含むファセットデータ集合に基づいて定義される概念定義によって表される概念の集合に関わるようにファセット分類合成を行い、前記ファセット分類合成は、概念定義間の次元概念関係を表現することを含み、2つの概念定義は、明確な関係および暗黙の関係の少なくとも1つが、2つの概念定義のそれぞれのファセット属性の間のファセットデータ集合に存在するかどうかを調べることによって、特定の次元概念関係において関係していると決定されることを特徴とする、請求項2に記載の方法。
- 次元概念階層において次元概念関係を組み立てることを特徴とする、請求項27に記載の方法。
- 次元概念関係から次元概念階層を生成するために、1つまたは複数のファセット属性から次元軸を定義することを特徴とする、請求項27に記載の方法。
- (i)分類対象のドメインおよび(ii)次元概念階層が生成される祖先概念または子孫概念のいずれかとして機能する概念の集合の中からの能動概念のうちの少なくとも1つを定義することを特徴とする、請求項29に記載の方法。
- 2つの概念定義のそれぞれのファセット属性は、それらの間の祖先関係または子孫関係のいずれかを定義することを特徴とする、請求項27に記載の方法。
- ドメインにおける1つまたは複数の概念から能動概念を定義することを特徴とする、請求項30に記載の方法。
- 能動概念が定義される場合に、能動概念の1つまたは複数のファセット属性から次元軸を定義することを特徴とする、請求項30に記載の方法。
- 人間の入力によって、ドメイン、能動概念および次元軸のうちの1つまたは複数を定義することを特徴とする、請求項30に記載の方法。
- 機械入力によって、ドメイン、能動概念および次元軸のうちの1つまたは複数を定義することを特徴とする、請求項30に記載の方法。
- 次元概念階層における階層ステップの数に関する制限を定義することを特徴とする、請求項29に記載の方法。
- 関係する概念の数に関する制限を定義することを特徴とする、請求項29に記載の方法。
- 人間の入力によって、制限を定義することを特徴とする、請求項36または37に記載の方法。
- 機械入力によって、制限を定義することを特徴とする、請求項36または37に記載の方法。
- 複数の次元軸を定義し、各軸は、1つまたは複数のファセット属性のそれぞれの集合に基づいて定義され、複数の次元概念階層を定義するようになっていることを特徴とする、請求項27に記載の方法。
- 2つの概念定義のうちの一方のファセット属性が、2つの概念定義の他方のファセット属性のすべてまたは部分集合に関する場合には、特定の次元概念関係における2つの概念定義を特定の次元軸に関連付けることを特徴とする、請求項29に記載の方法。
- 2つの概念定義のうちの一方のファセット属性の部分集合が、2つの概念定義の他方のファセット属性のすべてまたは部分集合に関連付けられる場合には、特定の次元概念関係における2つの概念定義を特定の次元軸に関連付けることを特徴とする、請求項29に記載の方法。
- 前記次元軸を定義するための1つまたは複数のファセット属性を選択し、前記選択は、(i)ファセット属性階層におけるファセット属性のそれぞれの優先度および(ii)前記次元軸に特定の意味を関連付ける1つまたは複数のファセット属性を含む特定の概念定義のうちの少なくとも1つに基づくことを特徴とする、請求項29に記載の方法。
- 間接的な関係の存在に関して次元概念関係の集合を評価し、間接的な関係がない次元概念階層を組み立てることを特徴とする、請求項27に記載の方法。
- 次元概念階層における概念定義のための優先度を確率することは、(i)ファセット属性階層におけるファセット属性の優先度および(ii)関連概念のそれぞれの概念定義におけるファセット属性の分析のうちの少なくとも1つに基づくことを特徴とする、請求項27に記載の方法。
- コンテンツノードに関連付けられる概念に基づいて分類されるドメインのコンテンツノードにファセット属性を割り当てることによって、次元概念タクソノミを定義し、前記概念は、前記ファセット属性を用いて定義される次元概念階層における概念定義によって表されることを特徴とする、請求項27に記載の方法。
- 2つの概念定義の間に明確な概念関係がない場合には、2つ以上の概念定義の間に概念関係を推測することを特徴とする、請求項27に記載の方法。
- 2つの概念定義の他方に関連付けられるドメインにおける関連コンテンツノードがない場合には、1つまたは複数のファセット属性によって定義される概念定義として概念を推測することを特徴とする、請求項46に記載の方法。
- 分類対象のドメインに関して前記次元概念関係を定義し、前記ドメインは、概念定義によって表される1つまたは複数の概念にそれぞれ関連付けられる1つまたは複数のコンテンツノードを含むことを特徴とする、請求項27に記載の方法。
- それぞれの1つまたは複数の概念定義に関して、概念ノードを調べることを特徴とする、請求項49に記載の方法。
- 分類対象のドメインに関して前記次元概念関係を定義し、その結果、前記定義は、選択されたコンテンツノードに近接するコンテンツノードを用いて、ドメインの局所的な領域を処理するように制限されていることを特徴とする、請求項49に記載の方法。
- 前記概念に関連付けられるファセット分類またはその部分集合を分析することによって、互いに近接しているように決定される候補概念定義の集合を定義することによって、前記概念を関係させることを特徴とする、請求項2に記載の方法。
- 2つの概念に関連付けられるファセット属性に基づき、ファセット属性階層を定義することによって、互いに近接している概念定義を確立することによって、2つの概念に関連付けられる候補概念定義の集合を導出することを特徴とする、請求項27に記載の方法。
- ソースデータ構造に基づいて情報のドメインから選択される入力情報のファセット分析を行なうためのコンピュータシステムであって、
コンピュータシステムが、パターン増加および統計的分析を用いて入力情報のファセット属性および任意にファセット属性階層を導出し、入力情報におけるファセット属性関係のパターンを特定するように動作可能であることを特徴とするコンピュータシステム。 - コンピュータシステムは、入力情報から獲得される概念定義および概念関係からファセット属性関係を推測し、それにより、ファセット属性階層を構築するように動作可能であり、前記概念定義は、前記ファセット属性を定義するための属性を含むことを特徴とする、請求項54に記載のコンピュータシステム。
- コンピュータシステムは、ファセット属性関係を増分的に加えることにより、ファセット属性階層を構築するように動作可能であることを特徴とする、請求項55に記載のコンピュータシステム。
- コンピュータシステムは、入力情報における概念定義および概念関係において、ファセット属性関係の置換から潜在的なファセット属性関係を導出するように動作可能であることを特徴とする、請求項55に記載のコンピュータシステム。
- コンピュータシステムは、概念関係ペアの概念定義におけるファセット属性の計数に基づいて、潜在的なファセット属性関係の処理を順序付けるように動作可能であることを特徴とする、請求項57に記載のコンピュータシステム。
- コンピュータシステムは、潜在的なファセット属性関係からファセット属性関係を整列し、潜在的なファセット属性関係の数を削減して、統計的分析用のパターンを増加するように動作可能であることを特徴とする、請求項57に記載のコンピュータシステム。
- コンピュータシステムは、(a)一対の関連概念定義にわたって共有されるファセット属性の存在、(b)ファセット属性階層における直接的または間接的なファセット属性関係の存在および(c)外部辞書、の少なくとも1つに基づき、潜在的なファセット属性関係を整列するように動作可能であることを特徴とする、請求項57に記載のコンピュータシステム。
- コンピュータシステムは、各潜在的なファセット属性関係に関して、それぞれの潜在的なファセット属性関係が、実質的にそれぞれの潜在的なファセット属性関係が現れる概念関係全体を通じて適用可能なままである確率を評価し、評価に応じて、それぞれの潜在的なファセット属性関係をファセット属性階層に関する候補ファセット属性関係に構成するように動作可能であることを特徴とする、請求項57に記載のコンピュータシステム。
- 前記評価は、すべての概念関係の集合体の文脈において、それぞれの潜在的なファセット属性関係の普及率を決定することを含み、前記構成は、前記普及率に応じることを特徴とする、請求項61に記載のコンピュータシステム。
- 前記評価は、潜在的なファセット属性関係の中の円環的関係の存在を決定することと、それらの間で階層の仮定と矛盾するそれぞれの潜在的なファセット属性関係を特定することを含み、前記構成は、前記特定に応じることを特徴とする、請求項62に記載のコンピュータシステム。
- コンピュータシステムは、候補ファセット属性関係が、他の候補ファセット属性関係の集合を用いて論理的に構成されることができる場合には、候補ファセット属性関係の1つを取り除くように動作可能であることを特徴とする、請求項62に記載のコンピュータシステム。
- コンピュータシステムは、候補ファセット属性関係をファセット属性複数階層に組み立てて、複数階層における候補ファセット属性関係の集合が、集合体において実質的に論理的に一致するようにするように動作可能であることを特徴とする、請求項62に記載のコンピュータシステム。
- コンピュータシステムは、前記組み立てが、論理的に一致する複数階層を作成するために必要な最小数の複数階層関係を用いるように動作可能であることを特徴とする、請求項65に記載のコンピュータシステム。
- コンピュータシステムは、前記組み立てが、各ファセット属性における相対的一般性の尺度に応じて、複数階層におけるそれぞれのファセット属性を順序付けるように動作可能であることを特徴とする、請求項65に記載のコンピュータシステム。
- コンピュータシステムは、それぞれのファセット属性の一般性が、それぞれのファセット属性に関連付けられる1つまたは複数の概念定義の一般性を用いて決定されるように動作可能であることを特徴とする、請求項67に記載のコンピュータシステム。
- コンピュータシステムは、複数の親を有するファセット属性の順序を複数の親の祖先の属性として再検討することによって、厳密な階層としてファセット属性階層を定義するように動作可能であることを特徴とする、請求項54に記載のコンピュータシステム。
- コンピュータシステムは、ファセット属性階層内のルートノードからファセット属性を決定するように動作可能であることを特徴とする、請求項54に記載のコンピュータシステム。
- コンピュータシステムは、入力情報から概念定義および概念関係を導出するように動作可能であり、概念定義は、ファセット属性として定義されることを特徴とする、請求項54に記載のコンピュータシステム。
- コンピュータシステムは、入力情報における構造マーカを特定し、前記構造マーカに応じて、入力情報からの属性を抽出するように動作可能であることを特徴とする、請求項54に記載のコンピュータシステム。
- ファセット属性は、形態素であり、ファセット属性関係は、形態素関係であることを特徴とする、請求項54に記載のコンピュータシステム。
- コンピュータシステムは、ファセット属性を用いて、情報の第2のドメインから選択されるさらなる入力情報におけるファセット分析を行うように動作可能であることを特徴とする、請求項54に記載のコンピュータシステム。
- コンピュータシステムは、ファセット属性および任意にファセット属性階層を含むファセットデータ集合を提供するように動作可能であることを特徴とする、請求項54に記載のコンピュータシステム。
- コンピュータシステムは、各ドメインに関してそれぞれの次元概念タクソノミを導出するために、複数のドメインの中で共有するためのファセットデータ集合を提供するように動作可能であることを特徴とする、請求項75に記載のコンピュータシステム。
- コンピュータシステムは、ファセット分類合成用のファセットデータ集合を用いるように動作可能であることを特徴とする、請求項75に記載のコンピュータシステム。
- ユーザが次元概念関係を操作することを可能にするためのコンピュータシステムであって、
プロセッサと
プロセッサとのデータ通信におけるコンピュータ可読媒体であって、その上に、プロセッサによって実行可能な命令および特定の次元概念関係に関連付けられるように決定される複数のデータ要素を含むコンピュータ可読媒体と、
外部エンティティをプロセッサとインターフェイスを取ることを可能にするように構成される入力ユーティリティと、
少なくとも選択されたデータ要素の可視表現を提供するように動作するディスプレイと、
外部エンティティがデータ要素および特定の次元概念関係を修飾可能にするエディタと、を含むことを特徴とするコンピュータシステム。 - エディタは、外部エンティティによって選択される能動ノードに対応するデータ要素の少なくとも一部の表示をレンダリングするウェブページを含むことを特徴とする、請求項78に記載のコンピュータシステム。
- 能動ノードは、ツリー断片形態で提示されることを特徴とする、請求項79に記載のコンピュータシステム。
- データ要素は、概念定義を含み、エディタは、外部エンティティが概念定義を修飾可能にすることを特徴とする、請求項78に記載のコンピュータシステム
- データ要素は、階層データを含み、エディタは、外部エンティティが階層データを修飾可能にすることを特徴とする、請求項78に記載のコンピュータシステム。
- データ要素は、コンテンツノードを含み、エディタは、外部エンティティが次元概念タクソノミにおける概念に関連付けられる他のコンテンツノードに対して、概念に関連付けられるコンテンツノードの位置を変更可能にすることを特徴とする、請求項78に記載のコンピュータシステム。
- エディタは、外部エンティティがコンテンツノードの主題を記述する定義を変更可能にすることを特徴とする、請求項78に記載のコンピュータシステム。
- エディタは、外部エンティティに対してデータ要素修飾の表示をさらに可能にすることを特徴とする、請求項78に記載のコンピュータシステム。
- エディタは、コンピュータ可読媒体上にデータ要素修飾の格納をさらに可能にすることを特徴とする、請求項78に記載のコンピュータシステム。
- 分類対象のドメインに関して前記次元概念関係を定義し、前記定義が、選択された概念定義に近接する概念定義を用いて、実時間処理に対して制限されるようになっていることを特徴とする、請求項49に記載の方法。
- 分類対象のドメインに関して前記次元概念関係を定義し、前記定義が、待ち時間制御のために時間において制限されることを特徴とする、請求項49に記載の方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/469,258 US7596574B2 (en) | 2005-03-30 | 2006-08-31 | Complex-adaptive system for providing a facted classification |
US11/550,457 US7606781B2 (en) | 2005-03-30 | 2006-10-18 | System, method and computer program for facet analysis |
US11/625,452 US7849090B2 (en) | 2005-03-30 | 2007-01-22 | System, method and computer program for faceted classification synthesis |
PCT/CA2007/001546 WO2008025167A1 (en) | 2006-08-31 | 2007-08-31 | System, method, and computer program for a consumer defined information architecture |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013087014A Division JP5401622B2 (ja) | 2006-08-31 | 2013-04-18 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010501947A true JP2010501947A (ja) | 2010-01-21 |
JP2010501947A5 JP2010501947A5 (ja) | 2010-12-02 |
Family
ID=39135486
Family Applications (5)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009525879A Pending JP2010501947A (ja) | 2006-08-31 | 2007-08-31 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
JP2013087014A Active JP5401622B2 (ja) | 2006-08-31 | 2013-04-18 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
JP2013222881A Active JP5718431B2 (ja) | 2006-08-31 | 2013-10-28 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
JP2015054763A Active JP5981593B2 (ja) | 2006-08-31 | 2015-03-18 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
JP2016148600A Active JP6246279B2 (ja) | 2006-08-31 | 2016-07-28 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
Family Applications After (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013087014A Active JP5401622B2 (ja) | 2006-08-31 | 2013-04-18 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
JP2013222881A Active JP5718431B2 (ja) | 2006-08-31 | 2013-10-28 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
JP2015054763A Active JP5981593B2 (ja) | 2006-08-31 | 2015-03-18 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
JP2016148600A Active JP6246279B2 (ja) | 2006-08-31 | 2016-07-28 | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム |
Country Status (8)
Country | Link |
---|---|
US (3) | US7849090B2 (ja) |
EP (1) | EP2062174A4 (ja) |
JP (5) | JP2010501947A (ja) |
CN (1) | CN101595476B (ja) |
AU (1) | AU2007291867B2 (ja) |
CA (4) | CA2662063C (ja) |
IL (3) | IL197261A (ja) |
WO (1) | WO2008025167A1 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011107908A (ja) * | 2009-11-16 | 2011-06-02 | Sony Corp | 情報処理システム、サーバ装置、情報処理方法、およびプログラム |
JP2012501018A (ja) * | 2008-08-29 | 2012-01-12 | プライマル フュージョン インコーポレイテッド | 既存の領域定義を活用した意味概念定義および意味概念関係の統合のためのシステムおよび方法。 |
WO2015064072A1 (ja) * | 2013-10-30 | 2015-05-07 | パナソニックIpマネジメント株式会社 | 情報提供システム、特定情報生成装置、および特定情報生成方法 |
US10341978B2 (en) | 2011-03-22 | 2019-07-02 | Nec Corporation | Mobile management system, mobile management server, mobile management method and mobile management program |
JP2020154991A (ja) * | 2019-03-22 | 2020-09-24 | 株式会社日立製作所 | 情報管理装置および情報管理方法 |
Families Citing this family (144)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090228447A1 (en) * | 2004-07-01 | 2009-09-10 | Creekbaum William J | System, method, and solfware application for enabling a user to search an external domain within a visual mapping interface |
US9038001B2 (en) * | 2004-07-01 | 2015-05-19 | Mindjet Llc | System and method for graphically illustrating external data source information in the form of a visual hierarchy in an electronic workspace |
US9047388B2 (en) | 2004-07-01 | 2015-06-02 | Mindjet Llc | System, method, and software application for displaying data from a web service in a visual map |
US9104779B2 (en) * | 2005-03-30 | 2015-08-11 | Primal Fusion Inc. | Systems and methods for analyzing and synthesizing complex knowledge representations |
US20130046723A1 (en) * | 2005-03-30 | 2013-02-21 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating customization |
US9177248B2 (en) | 2005-03-30 | 2015-11-03 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating customization |
US9378203B2 (en) | 2008-05-01 | 2016-06-28 | Primal Fusion Inc. | Methods and apparatus for providing information of interest to one or more users |
US20120166371A1 (en) * | 2005-03-30 | 2012-06-28 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating data consumer models and preferences |
US7844565B2 (en) | 2005-03-30 | 2010-11-30 | Primal Fusion Inc. | System, method and computer program for using a multi-tiered knowledge representation model |
US7596574B2 (en) * | 2005-03-30 | 2009-09-29 | Primal Fusion, Inc. | Complex-adaptive system for providing a facted classification |
US7849090B2 (en) * | 2005-03-30 | 2010-12-07 | Primal Fusion Inc. | System, method and computer program for faceted classification synthesis |
US8849860B2 (en) | 2005-03-30 | 2014-09-30 | Primal Fusion Inc. | Systems and methods for applying statistical inference techniques to knowledge representations |
US10002325B2 (en) | 2005-03-30 | 2018-06-19 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating inference rules |
US7774383B2 (en) * | 2005-05-24 | 2010-08-10 | International Business Machines Corporation | Displaying facet tree elements and logging facet element item counts to a sequence document |
US7502810B2 (en) * | 2005-05-24 | 2009-03-10 | International Business Machines Corporation | Tagging of facet elements in a facet tree |
CN101114287B (zh) * | 2006-07-27 | 2011-06-15 | 国际商业机器公司 | 为数据生成浏览路径的方法和装置及浏览数据的方法 |
US20090063517A1 (en) * | 2007-08-30 | 2009-03-05 | Microsoft Corporation | User interfaces for scoped hierarchical data sets |
US9330071B1 (en) * | 2007-09-06 | 2016-05-03 | Amazon Technologies, Inc. | Tag merging |
DE102007044460A1 (de) * | 2007-09-10 | 2009-03-12 | Parametric Technology Corp., Needham | Verfahren zum automatischen Erfassen einer Menge von Elementen |
US7392250B1 (en) | 2007-10-22 | 2008-06-24 | International Business Machines Corporation | Discovering interestingness in faceted search |
JP4444326B2 (ja) * | 2007-10-31 | 2010-03-31 | みずほ情報総研株式会社 | データベース管理システム、データベース管理方法及びデータベース管理プログラム |
JP5379372B2 (ja) * | 2007-11-15 | 2013-12-25 | キヤノン株式会社 | データ圧縮装置、データ伸長装置およびデータ圧縮方法 |
US9418174B1 (en) * | 2007-12-28 | 2016-08-16 | Raytheon Company | Relationship identification system |
US8799814B1 (en) * | 2008-02-22 | 2014-08-05 | Amazon Technologies, Inc. | Automated targeting of content components |
CN106845645B (zh) * | 2008-05-01 | 2020-08-04 | 启创互联公司 | 用于产生语义网络和用于媒体合成的方法及系统 |
US10198503B2 (en) * | 2008-05-01 | 2019-02-05 | Primal Fusion Inc. | System and method for performing a semantic operation on a digital social network |
US8676732B2 (en) | 2008-05-01 | 2014-03-18 | Primal Fusion Inc. | Methods and apparatus for providing information of interest to one or more users |
US9361365B2 (en) | 2008-05-01 | 2016-06-07 | Primal Fusion Inc. | Methods and apparatus for searching of content using semantic synthesis |
US8352470B2 (en) * | 2008-05-23 | 2013-01-08 | International Business Machines Corporation | Adaptive aggregation: improving the performance of grouping and duplicate elimination by avoiding unnecessary disk access |
US20090307304A1 (en) * | 2008-06-10 | 2009-12-10 | International Business Machines Corporation | Method for Server Side Aggregation of Asynchronous, Context - Sensitive Request Operations in an Application Server Environment |
US9704161B1 (en) | 2008-06-27 | 2017-07-11 | Amazon Technologies, Inc. | Providing information without authentication |
US9449319B1 (en) | 2008-06-30 | 2016-09-20 | Amazon Technologies, Inc. | Conducting transactions with dynamic passwords |
US8788945B1 (en) | 2008-06-30 | 2014-07-22 | Amazon Technologies, Inc. | Automatic approval |
US20100070891A1 (en) * | 2008-09-18 | 2010-03-18 | Creekbaum William J | System and method for configuring an application via a visual map interface |
US8296125B2 (en) * | 2008-10-17 | 2012-10-23 | International Business Machines Corporation | Translating source locale input string to target locale output string |
US9396455B2 (en) * | 2008-11-10 | 2016-07-19 | Mindjet Llc | System, method, and software application for enabling a user to view and interact with a visual map in an external application |
US20100274750A1 (en) * | 2009-04-22 | 2010-10-28 | Microsoft Corporation | Data Classification Pipeline Including Automatic Classification Rules |
TWI509433B (zh) * | 2009-05-13 | 2015-11-21 | Esobi Inc | Filter the collection of files |
US20110016130A1 (en) * | 2009-07-20 | 2011-01-20 | Siemens Aktiengesellschaft | Method and an apparatus for providing at least one configuration data ontology module |
US8694505B2 (en) * | 2009-09-04 | 2014-04-08 | Microsoft Corporation | Table of contents for search query refinement |
US9292855B2 (en) | 2009-09-08 | 2016-03-22 | Primal Fusion Inc. | Synthesizing messaging using context provided by consumers |
US20110060644A1 (en) * | 2009-09-08 | 2011-03-10 | Peter Sweeney | Synthesizing messaging using context provided by consumers |
US20110060645A1 (en) * | 2009-09-08 | 2011-03-10 | Peter Sweeney | Synthesizing messaging using context provided by consumers |
US8447755B1 (en) * | 2009-09-29 | 2013-05-21 | Aquire Solutions, Inc. | Systems and methods of analyzing changes and data between hierarchies |
US9262520B2 (en) | 2009-11-10 | 2016-02-16 | Primal Fusion Inc. | System, method and computer program for creating and manipulating data structures using an interactive graphical interface |
US20110126168A1 (en) * | 2009-11-25 | 2011-05-26 | Crowdsource Technologies Ltd. | Cloud plarform for managing software as a service (saas) resources |
US8316323B2 (en) * | 2010-03-26 | 2012-11-20 | Microsoft Corporation | Breadcrumb navigation through heirarchical structures |
US8793645B2 (en) | 2010-04-02 | 2014-07-29 | Microsoft Corporation | Replacement of data element in a graph |
US8355905B2 (en) * | 2010-05-14 | 2013-01-15 | International Business Machines Corporation | Mapping of relationship entities between ontologies |
US9037615B2 (en) | 2010-05-14 | 2015-05-19 | International Business Machines Corporation | Querying and integrating structured and unstructured data |
US20110314034A1 (en) * | 2010-06-17 | 2011-12-22 | Intuit Inc. | Concept-based data processing |
US9235806B2 (en) | 2010-06-22 | 2016-01-12 | Primal Fusion Inc. | Methods and devices for customizing knowledge representation systems |
US10474647B2 (en) | 2010-06-22 | 2019-11-12 | Primal Fusion Inc. | Methods and devices for customizing knowledge representation systems |
CA2706743A1 (en) * | 2010-06-30 | 2010-09-08 | Ibm Canada Limited - Ibm Canada Limitee | Dom based page uniqueness indentification |
US9330115B2 (en) * | 2010-08-06 | 2016-05-03 | International Business Machines Corporation | Automatically reviewing information mappings across different information models |
CN102306114B (zh) * | 2010-09-25 | 2013-04-10 | 广东电子工业研究院有限公司 | 基于云存储的数据定时备份和恢复方法 |
US9519677B2 (en) * | 2010-10-08 | 2016-12-13 | Battelle Memorial Institute | Data graphing methods, articles of manufacture, and computing devices |
US8626692B2 (en) * | 2010-10-14 | 2014-01-07 | Brilliant Arc | Knowledge based method and system for local commerce |
US11294977B2 (en) | 2011-06-20 | 2022-04-05 | Primal Fusion Inc. | Techniques for presenting content to a user based on the user's preferences |
US9208195B2 (en) * | 2011-01-31 | 2015-12-08 | International Business Machines Corporation | Retrieving information from a relational database using user defined facets in a faceted query |
US9356849B2 (en) | 2011-02-16 | 2016-05-31 | Hewlett Packard Enterprise Development Lp | Population category hierarchies |
US9898533B2 (en) | 2011-02-24 | 2018-02-20 | Microsoft Technology Licensing, Llc | Augmenting search results |
US8869097B2 (en) | 2011-03-23 | 2014-10-21 | Infosys Limited | Online integrated development environment with code assist |
EP2506162A1 (en) * | 2011-03-31 | 2012-10-03 | Itsystems AG | Finding a data item of a plurality of data items stored in a digital data storage |
US9348894B2 (en) | 2011-03-31 | 2016-05-24 | Infosys Limited | Facet support, clustering for code query results |
US9009664B2 (en) | 2011-03-31 | 2015-04-14 | Infosys Limited | Structural search of source code |
US8892554B2 (en) | 2011-05-23 | 2014-11-18 | International Business Machines Corporation | Automatic word-cloud generation |
US9098575B2 (en) | 2011-06-20 | 2015-08-04 | Primal Fusion Inc. | Preference-guided semantic processing |
US8843469B2 (en) | 2011-08-04 | 2014-09-23 | International Business Machines Corporation | Faceted and selectable tabs within ephemeral search results |
WO2012109884A1 (zh) * | 2011-08-09 | 2012-08-23 | 华为技术有限公司 | 在bs架构下的参数配置的方法和装置 |
US8510762B1 (en) * | 2011-10-12 | 2013-08-13 | Google Inc. | Generate custom client library samples based on a machine readable API description |
US8959082B2 (en) | 2011-10-31 | 2015-02-17 | Elwha Llc | Context-sensitive query enrichment |
CN103136256B (zh) * | 2011-11-30 | 2016-08-03 | 阿里巴巴集团控股有限公司 | 一种在网络中实现信息检索的方法和系统 |
EP2608137A3 (en) * | 2011-12-19 | 2013-07-24 | Gface GmbH | Computer-implemented method for selectively displaying content to a user of a social network, computer system and computer readable medium thereof |
US9037590B2 (en) * | 2012-01-23 | 2015-05-19 | Formcept Technologies and Solutions Pvt Ltd | Advanced summarization based on intents |
US8429197B1 (en) * | 2012-02-28 | 2013-04-23 | Symantec Corporation | Systems and methods for maintaining group membership records |
US8880445B2 (en) * | 2012-04-20 | 2014-11-04 | Unbound Concepts, Inc. | Method and apparatus for performing dynamic textual complexity analysis using machine learning artificial intelligence |
US8930392B1 (en) * | 2012-06-05 | 2015-01-06 | Google Inc. | Simulated annealing in recommendation systems |
US9229610B2 (en) * | 2012-10-03 | 2016-01-05 | Adobe Systems Incorporated | Methods and systems for visually forming relationships between electronic content |
US9836551B2 (en) * | 2013-01-08 | 2017-12-05 | International Business Machines Corporation | GUI for viewing and manipulating connected tag clouds |
US9354790B2 (en) * | 2013-01-14 | 2016-05-31 | International Business Machines Corporation | Dynamically selecting and ordering facets and facet values in a user interface based on user preference |
US10157175B2 (en) | 2013-03-15 | 2018-12-18 | International Business Machines Corporation | Business intelligence data models with concept identification using language-specific clues |
US20140278362A1 (en) * | 2013-03-15 | 2014-09-18 | International Business Machines Corporation | Entity Recognition in Natural Language Processing Systems |
US9298339B2 (en) * | 2013-04-18 | 2016-03-29 | Microsoft Technology Licensing, Llc | User interface feedback elements |
US9361287B1 (en) | 2013-05-22 | 2016-06-07 | Google Inc. | Non-collaborative filters in a collaborative document |
US9298688B1 (en) | 2013-05-22 | 2016-03-29 | Google Inc. | Non-collaborative filters in a collaborative document |
WO2014190031A2 (en) * | 2013-05-22 | 2014-11-27 | Google Inc. | Non-collaborative filters in a collaborative document |
US10223401B2 (en) * | 2013-08-15 | 2019-03-05 | International Business Machines Corporation | Incrementally retrieving data for objects to provide a desired level of detail |
US9720965B1 (en) | 2013-08-17 | 2017-08-01 | Benjamin A Miskie | Bookmark aggregating, organizing and retrieving systems |
US9665570B2 (en) | 2013-10-11 | 2017-05-30 | International Business Machines Corporation | Computer-based analysis of virtual discussions for products and services |
US9760369B2 (en) | 2013-12-13 | 2017-09-12 | Infosys Limited | Assessing modularity of a program written in object oriented language |
US9497178B2 (en) | 2013-12-31 | 2016-11-15 | International Business Machines Corporation | Generating challenge response sets utilizing semantic web technology |
US9355269B2 (en) * | 2014-05-06 | 2016-05-31 | Arian Shams | Method and system for managing uniquely identifiable bookmarklets |
US10698924B2 (en) | 2014-05-22 | 2020-06-30 | International Business Machines Corporation | Generating partitioned hierarchical groups based on data sets for business intelligence data models |
CN103970900B (zh) * | 2014-05-27 | 2017-04-26 | 重庆大学 | 基于工业现场的多维交叉数据柔性管理方法及系统 |
US10346371B2 (en) * | 2014-07-11 | 2019-07-09 | Hitachi, Ltd. | Data processing system, database management system, and data processing method |
CN107077640B (zh) * | 2014-09-03 | 2021-07-06 | 邓白氏公司 | 经由经验归属来分析、资格化和摄取非结构化数据源的系统和处理 |
BR122020018079B1 (pt) | 2014-09-29 | 2023-02-28 | Avery Dennison Corporation | Etiqueta de rfid de rastreamento de pneus |
JP6390331B2 (ja) * | 2014-10-14 | 2018-09-19 | 新日鐵住金株式会社 | 鋼材の山分け計画方法、装置及びプログラム |
US9880714B2 (en) * | 2014-10-30 | 2018-01-30 | Ebay Inc. | Dynamic loading of contextual ontologies for predictive touch screen typing |
US20160124611A1 (en) * | 2014-10-31 | 2016-05-05 | General Electric Company | Non-hierarchial input data drivendynamic navigation |
US9886494B2 (en) | 2014-11-21 | 2018-02-06 | International Business Machines Corporation | Optimizing faceted classification through facet range identification |
US10078619B2 (en) | 2014-12-16 | 2018-09-18 | International Business Machines Corporation | Dynamic association of application workload tiers to infrastructure elements in a cloud computing environment |
US10002179B2 (en) | 2015-01-30 | 2018-06-19 | International Business Machines Corporation | Detection and creation of appropriate row concept during automated model generation |
WO2016119874A1 (en) | 2015-01-30 | 2016-08-04 | Longsand Limited | Selecting an entity from a knowledge graph when a level of connectivity between its neighbors is above a certain level |
US10452755B2 (en) * | 2015-03-10 | 2019-10-22 | Microsoft Technology Licensing, Llc | Hierarchical navigation control |
US20160314180A1 (en) * | 2015-04-27 | 2016-10-27 | Honeywell International Inc. | System of dynamic hierarchies based on a searchable entity model |
EP3098727B1 (en) | 2015-05-26 | 2020-05-06 | Ontoforce NV | A data processing system for curating search result facets |
US11468101B2 (en) | 2015-05-29 | 2022-10-11 | Kuni Ahi LLC | Context-rich key framework implementations for global concept management |
US9852648B2 (en) * | 2015-07-10 | 2017-12-26 | Fujitsu Limited | Extraction of knowledge points and relations from learning materials |
US10417282B1 (en) | 2015-07-22 | 2019-09-17 | Wells Fargo Bank, N.A. | Entity mapping |
US9984116B2 (en) | 2015-08-28 | 2018-05-29 | International Business Machines Corporation | Automated management of natural language queries in enterprise business intelligence analytics |
US20170169007A1 (en) * | 2015-12-15 | 2017-06-15 | Quixey, Inc. | Graphical User Interface for Generating Structured Search Queries |
US11030259B2 (en) | 2016-04-13 | 2021-06-08 | Microsoft Technology Licensing, Llc | Document searching visualized within a document |
US10621195B2 (en) | 2016-09-20 | 2020-04-14 | Microsoft Technology Licensing, Llc | Facilitating data transformations |
US11042574B2 (en) * | 2016-10-05 | 2021-06-22 | International Business Machines Corporation | Contextual enhancing of content participation in search results |
US10776380B2 (en) * | 2016-10-21 | 2020-09-15 | Microsoft Technology Licensing, Llc | Efficient transformation program generation |
US11170020B2 (en) | 2016-11-04 | 2021-11-09 | Microsoft Technology Licensing, Llc | Collecting and annotating transformation tools for use in generating transformation programs |
US10740407B2 (en) | 2016-12-09 | 2020-08-11 | Microsoft Technology Licensing, Llc | Managing information about document-related activities |
US10726074B2 (en) | 2017-01-04 | 2020-07-28 | Microsoft Technology Licensing, Llc | Identifying among recent revisions to documents those that are relevant to a search query |
EP3566051A4 (en) * | 2017-01-06 | 2020-11-04 | Mantra Bio, Inc. | SYSTEMS AND PROCEDURES FOR ALGORITHMIC DISCOVERY AND CHARACTERIZATION OF POPULATIONS OF EXTRACELLULAR VESICLES |
WO2018173943A1 (ja) * | 2017-03-21 | 2018-09-27 | 日本電気株式会社 | データ構造化装置、データ構造化方法およびプログラム記憶媒体 |
US10679002B2 (en) * | 2017-04-13 | 2020-06-09 | International Business Machines Corporation | Text analysis of narrative documents |
US10229195B2 (en) * | 2017-06-22 | 2019-03-12 | International Business Machines Corporation | Relation extraction using co-training with distant supervision |
US10223639B2 (en) | 2017-06-22 | 2019-03-05 | International Business Machines Corporation | Relation extraction using co-training with distant supervision |
CN107391584B (zh) * | 2017-06-22 | 2020-12-11 | 中南大学 | 基于形式概念格的分面搜索方法及系统 |
US11132613B2 (en) * | 2017-08-10 | 2021-09-28 | Servicenow, Inc. | Traffic based discovery noise reduction architecture |
US20190147406A1 (en) * | 2017-11-10 | 2019-05-16 | Michael Olufemi Awotedu | Interview Scheduler |
US10936826B2 (en) | 2018-06-14 | 2021-03-02 | International Business Machines Corporation | Proactive data breach prevention in remote translation environments |
US10664656B2 (en) * | 2018-06-20 | 2020-05-26 | Vade Secure Inc. | Methods, devices and systems for data augmentation to improve fraud detection |
CN109102754B (zh) * | 2018-06-20 | 2020-12-01 | 新华三大数据技术有限公司 | 数据地图的生成方法及装置 |
WO2020000126A1 (en) * | 2018-06-25 | 2020-01-02 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for generating a wide table |
WO2020051160A1 (en) * | 2018-09-03 | 2020-03-12 | Cyberlab Llc | Spatial transaction protocol |
US11194849B2 (en) * | 2018-09-11 | 2021-12-07 | International Business Machines Corporation | Logic-based relationship graph expansion and extraction |
US11126633B2 (en) * | 2018-12-21 | 2021-09-21 | Open Text Corporation | Multifaceted search with facet hierarchy |
EP4179749A4 (en) * | 2020-07-30 | 2023-08-09 | Huawei Technologies Co., Ltd. | ENTITIES AND PROCEDURES TO CONTROL THE USE OF COLLECTED DATA IN SEVERAL PHASES OF ANALYSIS IN COMMUNICATION NETWORKS |
TWI766387B (zh) * | 2020-10-07 | 2022-06-01 | 智捷科技股份有限公司 | 一種具延遲感知負載平衡的反向代理方法和存儲裝置 |
US20220148084A1 (en) * | 2020-11-06 | 2022-05-12 | issuerPixel Inc. a Nevada C. Corp | Self-building hierarchically indexed multimedia database |
US20220222233A1 (en) * | 2021-01-13 | 2022-07-14 | Bigid Inc | Clustering of structured and semi-structured data |
CN115129404A (zh) * | 2021-03-25 | 2022-09-30 | 北京字跳网络技术有限公司 | 一种基于任务的信息处理方法及装置 |
CN113626017B (zh) * | 2021-07-06 | 2023-10-31 | 曙光信息产业(北京)有限公司 | 异构程序的分析方法、装置、计算机设备和存储介质 |
CN113407782A (zh) * | 2021-07-23 | 2021-09-17 | 重庆交通大学 | 一种基于MapReduce的分布式XSLT处理方法及处理系统 |
US20230177250A1 (en) * | 2021-12-06 | 2023-06-08 | Salesforce.Com, Inc. | Visual text summary generation |
US11947957B2 (en) * | 2022-01-12 | 2024-04-02 | VMware LLC | Grouping software applications based on technical facets |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11212988A (ja) * | 1998-01-23 | 1999-08-06 | Hitachi Information Systems Ltd | 多次元データベース階層型分類軸自動生成システム、分類項目解析方法及びこのプログラムを記録した記録媒体 |
JP2002007460A (ja) * | 2000-06-21 | 2002-01-11 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ選択装置、コンテンツ選択方法および記録媒体 |
Family Cites Families (240)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1407351A (en) * | 1973-02-06 | 1975-09-24 | Standard Telephones Cables Ltd | Injection lasers |
US4532813A (en) | 1984-01-03 | 1985-08-06 | Alpha Gauge & Instrument Company | Kinetic fluid sampler |
US4972328A (en) | 1988-12-16 | 1990-11-20 | Bull Hn Information Systems Inc. | Interactive knowledge base end user interface driven maintenance and acquisition system |
US5369763A (en) | 1989-02-01 | 1994-11-29 | Kansas State University Research Foundation | Data storage and retrieval system with improved data base structure |
US5193185A (en) * | 1989-05-15 | 1993-03-09 | David Lanter | Method and means for lineage tracing of a spatial information processing and database system |
US5056021A (en) | 1989-06-08 | 1991-10-08 | Carolyn Ausborn | Method and apparatus for abstracting concepts from natural language |
JP2527240B2 (ja) * | 1989-07-26 | 1996-08-21 | 富士通株式会社 | 木構造デ―タの表示方法 |
US5745910A (en) * | 1993-05-10 | 1998-04-28 | Apple Computer, Inc. | Frame structure which provides an interface between parts of a compound document |
US5544352A (en) | 1993-06-14 | 1996-08-06 | Libertech, Inc. | Method and apparatus for indexing, searching and displaying data |
US6167390A (en) | 1993-12-08 | 2000-12-26 | 3M Innovative Properties Company | Facet classification neural network |
US6460036B1 (en) | 1994-11-29 | 2002-10-01 | Pinpoint Incorporated | System and method for providing customized electronic newspapers and target advertisements |
JP3578498B2 (ja) | 1994-12-02 | 2004-10-20 | 株式会社ソニー・コンピュータエンタテインメント | 画像情報処理装置 |
US5835758A (en) | 1995-02-28 | 1998-11-10 | Vidya Technologies, Inc. | Method and system for respresenting and processing physical and conceptual entities |
US5911145A (en) | 1996-07-29 | 1999-06-08 | Rae Technology, Inc. | Hierarchical structure editor for web sites |
US5774888A (en) * | 1996-12-30 | 1998-06-30 | Intel Corporation | Method for characterizing a document set using evaluation surrogates |
US5937400A (en) | 1997-03-19 | 1999-08-10 | Au; Lawrence | Method to quantify abstraction within semantic networks |
US6006222A (en) | 1997-04-25 | 1999-12-21 | Culliss; Gary | Method for organizing information |
US6233575B1 (en) | 1997-06-24 | 2001-05-15 | International Business Machines Corporation | Multilevel taxonomy based on features derived from training documents classification using fisher values as discrimination values |
US6505150B2 (en) * | 1997-07-02 | 2003-01-07 | Xerox Corporation | Article and method of automatically filtering information retrieval results using test genre |
US6098033A (en) | 1997-07-31 | 2000-08-01 | Microsoft Corporation | Determining similarity between words |
US6138085A (en) | 1997-07-31 | 2000-10-24 | Microsoft Corporation | Inferring semantic relations |
US6078916A (en) * | 1997-08-01 | 2000-06-20 | Culliss; Gary | Method for organizing information |
US6173276B1 (en) * | 1997-08-21 | 2001-01-09 | Scicomp, Inc. | System and method for financial instrument modeling and valuation |
US6772136B2 (en) | 1997-08-21 | 2004-08-03 | Elaine Kant | System and method for financial instrument modeling and using Monte Carlo simulation |
US6295066B1 (en) | 1997-09-12 | 2001-09-25 | Hitachi, Ltd. | Method for generating virtual three-dimensional space |
US5953726A (en) | 1997-11-24 | 1999-09-14 | International Business Machines Corporation | Method and apparatus for maintaining multiple inheritance concept hierarchies |
US6349275B1 (en) | 1997-11-24 | 2002-02-19 | International Business Machines Corporation | Multiple concurrent language support system for electronic catalogue using a concept based knowledge representation |
US6396864B1 (en) * | 1998-03-13 | 2002-05-28 | Jds Uniphase Corporation | Thermally conductive coatings for light emitting devices |
US7711672B2 (en) | 1998-05-28 | 2010-05-04 | Lawrence Au | Semantic network methods to disambiguate natural language meaning |
US20070094223A1 (en) * | 1998-05-28 | 2007-04-26 | Lawrence Au | Method and system for using contextual meaning in voice to text conversion |
US8396824B2 (en) | 1998-05-28 | 2013-03-12 | Qps Tech. Limited Liability Company | Automatic data categorization with optimally spaced semantic seed terms |
EP0962873A1 (en) | 1998-06-02 | 1999-12-08 | International Business Machines Corporation | Processing of textual information and automated apprehension of information |
US6446061B1 (en) * | 1998-07-31 | 2002-09-03 | International Business Machines Corporation | Taxonomy generation for document collections |
US6334131B2 (en) | 1998-08-29 | 2001-12-25 | International Business Machines Corporation | Method for cataloging, filtering, and relevance ranking frame-based hierarchical information structures |
US6356899B1 (en) | 1998-08-29 | 2002-03-12 | International Business Machines Corporation | Method for interactively creating an information database including preferred information elements, such as preferred-authority, world wide web pages |
US6370537B1 (en) * | 1999-01-14 | 2002-04-09 | Altoweb, Inc. | System and method for the manipulation and display of structured data |
US6292792B1 (en) | 1999-03-26 | 2001-09-18 | Intelligent Learning Systems, Inc. | System and method for dynamic knowledge generation and distribution |
DE19917592A1 (de) | 1999-04-19 | 2000-10-26 | Delphi 2 Creative Tech Gmbh | Situationsabhängig operierendes semantisches Netz n-ter Ordnung |
EP1185964A1 (en) | 1999-05-05 | 2002-03-13 | Accenture Properties (2) B.V. | System, method and article of manufacture for creating collaborative simulations with multiple roles for a single student |
US6401061B1 (en) | 1999-05-13 | 2002-06-04 | Yuri L. Zieman | Combinatorial computational technique for transformation phrase text-phrase meaning |
US6711585B1 (en) * | 1999-06-15 | 2004-03-23 | Kanisa Inc. | System and method for implementing a knowledge management system |
WO2001004791A1 (en) | 1999-07-09 | 2001-01-18 | Streamline Systems Pty Ltd | Methods of organising information |
US7200563B1 (en) * | 1999-08-20 | 2007-04-03 | Acl International Inc. | Ontology-driven information system |
US6499024B1 (en) | 1999-08-24 | 2002-12-24 | Stream International, Inc. | Method and system for development of a knowledge base system |
US6539376B1 (en) | 1999-11-15 | 2003-03-25 | International Business Machines Corporation | System and method for the automatic mining of new relationships |
EP1107317B1 (en) * | 1999-12-09 | 2007-07-25 | Hitachi Europe Limited | Memory device |
US6556983B1 (en) | 2000-01-12 | 2003-04-29 | Microsoft Corporation | Methods and apparatus for finding semantic information, such as usage logs, similar to a query using a pattern lattice data space |
US6751621B1 (en) | 2000-01-27 | 2004-06-15 | Manning & Napier Information Services, Llc. | Construction of trainable semantic vectors and clustering, classification, and searching using trainable semantic vectors |
US6976020B2 (en) | 2000-01-27 | 2005-12-13 | Poppet International, Inc. | Software composition using graph types, graph, and agents |
US6868525B1 (en) | 2000-02-01 | 2005-03-15 | Alberti Anemometer Llc | Computer graphic display visualization system and method |
US6571240B1 (en) * | 2000-02-02 | 2003-05-27 | Chi Fai Ho | Information processing for searching categorizing information in a document based on a categorization hierarchy and extracted phrases |
WO2001069445A2 (en) | 2000-03-14 | 2001-09-20 | Sony Electronics, Inc. | A method and device for forming a semantic description |
US6539395B1 (en) * | 2000-03-22 | 2003-03-25 | Mood Logic, Inc. | Method for creating a database for comparing music |
EP1309927A2 (en) * | 2000-03-27 | 2003-05-14 | Documentum, Inc. | Method and apparatus for generating metadata for a document |
US6654744B2 (en) * | 2000-04-17 | 2003-11-25 | Fujitsu Limited | Method and apparatus for categorizing information, and a computer product |
US7062483B2 (en) * | 2000-05-18 | 2006-06-13 | Endeca Technologies, Inc. | Hierarchical data-driven search and navigation system and method for information retrieval |
US7035864B1 (en) * | 2000-05-18 | 2006-04-25 | Endeca Technologies, Inc. | Hierarchical data-driven navigation system and method for information retrieval |
AU2001271397A1 (en) * | 2000-06-23 | 2002-01-08 | Decis E-Direct, Inc. | Component models |
US6785683B1 (en) | 2000-07-06 | 2004-08-31 | International Business Machines Corporation | Categorization and presentation tool for code resources |
WO2002005088A1 (en) | 2000-07-06 | 2002-01-17 | British Telecommunications Public Limited Company | Method and apparatus for extracting knowledge from software code or other structured data |
US20050010428A1 (en) * | 2000-07-27 | 2005-01-13 | Bergeron Heather Ellen | Processing transactions using a semantic network |
US7478089B2 (en) * | 2003-10-29 | 2009-01-13 | Kontera Technologies, Inc. | System and method for real-time web page context analysis for the real-time insertion of textual markup objects and dynamic content |
US6768982B1 (en) | 2000-09-06 | 2004-07-27 | Cellomics, Inc. | Method and system for creating and using knowledge patterns |
US20100198724A1 (en) | 2004-08-02 | 2010-08-05 | Consumer And Merchant Awareness Foundation | Pay yourself first with community knowledge |
US20100223295A1 (en) | 2000-12-06 | 2010-09-02 | Io Informatics, Inc. | Applied Semantic Knowledgebases and Applications Thereof |
US7062466B2 (en) * | 2000-12-06 | 2006-06-13 | The Belo Company | Method and system for operating online classified advertisements |
KR20020049164A (ko) * | 2000-12-19 | 2002-06-26 | 오길록 | 유전자 알고리즘을 이용한 카테고리 학습과 단어클러스터에 의한 문서 자동 분류 시스템 및 그 방법 |
US20020087532A1 (en) | 2000-12-29 | 2002-07-04 | Steven Barritz | Cooperative, interactive, heuristic system for the creation and ongoing modification of categorization systems |
EP1225517B1 (en) | 2001-01-17 | 2006-05-17 | International Business Machines Corporation | System and methods for computer based searching for relevant texts |
US7089237B2 (en) | 2001-01-26 | 2006-08-08 | Google, Inc. | Interface and system for providing persistent contextual relevance for commerce activities in a networked environment |
KR20030094261A (ko) | 2001-03-08 | 2003-12-11 | 인터내셔널 비지네스 머신즈 코포레이션 | 웹페이지에서 개인용 프리젠테이션을 위한 시스템 및 방법 |
US7076503B2 (en) | 2001-03-09 | 2006-07-11 | Microsoft Corporation | Managing media objects in a database |
US7120646B2 (en) | 2001-04-09 | 2006-10-10 | Health Language, Inc. | Method and system for interfacing with a multi-level data structure |
US7502770B2 (en) | 2001-04-11 | 2009-03-10 | Metaweb Technologies, Inc. | Knowledge web |
WO2002088989A1 (en) | 2001-04-30 | 2002-11-07 | Goraya Tanvir Y | Adaptive dynamic personal modeling system and method |
US6980984B1 (en) | 2001-05-16 | 2005-12-27 | Kanisa, Inc. | Content provider systems and methods using structured data |
WO2002093409A1 (en) | 2001-05-16 | 2002-11-21 | Isis Pharmaceuticals, Inc. | Multi-paradigm knowledge-bases |
CN1647070A (zh) | 2001-06-22 | 2005-07-27 | 诺萨·欧莫贵 | 用于知识检索、管理、交付和表示的系统和方法 |
US7167873B2 (en) * | 2001-06-26 | 2007-01-23 | Ncr Corp. | Visual-modeling technique for use in implementing a database system |
CN1395193A (zh) | 2001-07-05 | 2003-02-05 | 英业达股份有限公司 | 在网页上生成动态可编辑表格的方法 |
JP3773426B2 (ja) * | 2001-07-18 | 2006-05-10 | 株式会社日立製作所 | データマイニングにおける前処理方法及び前処理システム |
US7007074B2 (en) * | 2001-09-10 | 2006-02-28 | Yahoo! Inc. | Targeted advertisements using time-dependent key search terms |
JP2003108569A (ja) * | 2001-09-27 | 2003-04-11 | Seiko Epson Corp | 分類処理装置、分類処理装置の制御方法、制御プログラムおよび記録媒体 |
US7181465B2 (en) | 2001-10-29 | 2007-02-20 | Gary Robin Maze | System and method for the management of distributed personalized information |
US20090198561A1 (en) | 2001-11-14 | 2009-08-06 | Retaildna, Llc | Self learning method and system for managing agreements to purchase goods over time |
US7283992B2 (en) | 2001-11-30 | 2007-10-16 | Microsoft Corporation | Media agent to suggest contextually related media content |
US7225183B2 (en) * | 2002-01-28 | 2007-05-29 | Ipxl, Inc. | Ontology-based information management system and method |
WO2003065251A1 (en) | 2002-01-29 | 2003-08-07 | Children's Hospital Boston | Information exchange between heterogeneous databases through automated identification of concept equivalence |
US7716207B2 (en) * | 2002-02-26 | 2010-05-11 | Odom Paul S | Search engine methods and systems for displaying relevant topics |
US6751611B2 (en) * | 2002-03-01 | 2004-06-15 | Paul Jeffrey Krupin | Method and system for creating improved search queries |
US20030196094A1 (en) | 2002-04-10 | 2003-10-16 | Hillis W. Daniel | Method and apparatus for authenticating the content of a distributed database |
US7085771B2 (en) * | 2002-05-17 | 2006-08-01 | Verity, Inc | System and method for automatically discovering a hierarchy of concepts from a corpus of documents |
US7249117B2 (en) | 2002-05-22 | 2007-07-24 | Estes Timothy W | Knowledge discovery agent system and method |
US6946715B2 (en) * | 2003-02-19 | 2005-09-20 | Micron Technology, Inc. | CMOS image sensor and method of fabrication |
JP4248828B2 (ja) * | 2002-09-05 | 2009-04-02 | 株式会社リコー | 文書処理装置、文書処理方法及び記録媒体 |
WO2004036337A2 (en) * | 2002-10-15 | 2004-04-29 | Definiens Ag | Information extraction using an object based semantic network |
US7440940B2 (en) | 2002-12-02 | 2008-10-21 | Sap Ag | Web service agent |
US7447667B2 (en) * | 2002-12-11 | 2008-11-04 | International Business Machines Corporation | Method and knowledge structures for reasoning about concepts, relations, and rules |
EP1590742A2 (en) | 2003-01-10 | 2005-11-02 | Cohesive Knowledge Solutions, Inc. | Universal knowledge information and data storage system |
EA200501304A1 (ru) | 2003-02-14 | 2006-08-25 | Нервана, Инк. | Система для поиска, управления, сбора, обнаружения, доставки и представления семантических знаний |
JP4298342B2 (ja) * | 2003-03-20 | 2009-07-15 | 三菱電機株式会社 | 重要度算出装置 |
US7051023B2 (en) | 2003-04-04 | 2006-05-23 | Yahoo! Inc. | Systems and methods for generating concept units from search queries |
WO2004097664A2 (en) | 2003-05-01 | 2004-11-11 | Axonwave Software Inc. | A method and system for concept generation and management |
US7152065B2 (en) | 2003-05-01 | 2006-12-19 | Telcordia Technologies, Inc. | Information retrieval and text mining using distributed latent semantic indexing |
US7298906B2 (en) * | 2003-07-08 | 2007-11-20 | Computer Associates Think, Inc. | Hierarchical determination of feature relevancy for mixed data types |
WO2005020094A1 (en) | 2003-08-21 | 2005-03-03 | Idilia Inc. | System and method for associating documents with contextual advertisements |
WO2005020091A1 (en) | 2003-08-21 | 2005-03-03 | Idilia Inc. | System and method for processing text utilizing a suite of disambiguation techniques |
EP1658571A4 (en) * | 2003-08-27 | 2009-04-08 | Sox Ltd | PROCESS FOR BUILDING PERSISTENT POLYHIERARCHIC CLASSIFICATIONS BASED ON POLYHIERARCHIA CLASSIFICATION CRITERIA |
US20050223109A1 (en) * | 2003-08-27 | 2005-10-06 | Ascential Software Corporation | Data integration through a services oriented architecture |
EP1510939A1 (en) * | 2003-08-29 | 2005-03-02 | Sap Ag | A method of providing a visualisation graph on a computer and a computer for providing a visualisation graph |
EP1510940A1 (en) * | 2003-08-29 | 2005-03-02 | Sap Ag | A method of providing a visualisation graph on a computer and a computer for providing a visualisation graph |
JP3934586B2 (ja) * | 2003-09-10 | 2007-06-20 | 株式会社東芝 | 情報分類システム及びプログラム |
US7739281B2 (en) * | 2003-09-16 | 2010-06-15 | Microsoft Corporation | Systems and methods for ranking documents based upon structurally interrelated information |
JP4235973B2 (ja) * | 2003-11-27 | 2009-03-11 | 日本電信電話株式会社 | 文書分類装置および文書分類方法ならびに文書分類プログラム |
JP4254511B2 (ja) * | 2003-12-05 | 2009-04-15 | 富士ゼロックス株式会社 | 木構造データ作成装置及び方法 |
US7464075B2 (en) | 2004-01-05 | 2008-12-09 | Microsoft Corporation | Personalization of web page search rankings |
US7281002B2 (en) | 2004-03-01 | 2007-10-09 | International Business Machine Corporation | Organizing related search results |
US20050210008A1 (en) | 2004-03-18 | 2005-09-22 | Bao Tran | Systems and methods for analyzing documents over a network |
WO2004061546A2 (fr) | 2004-03-19 | 2004-07-22 | Adsclick S.A. | Dispositif de navigation et plate-forme de gestion et de diffusion en mode serveur, notamment pour l'affichage de liens publicitaires |
JP4477389B2 (ja) * | 2004-03-24 | 2010-06-09 | 株式会社エヌ・ティ・ティ・データ | 情報間関係性解析装置、情報間関係性解析方法、プログラムおよび記録媒体 |
US20050216335A1 (en) | 2004-03-24 | 2005-09-29 | Andrew Fikes | System and method for providing on-line user-assisted Web-based advertising |
US7716216B1 (en) * | 2004-03-31 | 2010-05-11 | Google Inc. | Document ranking based on semantic distance between terms in a document |
US20070300142A1 (en) | 2005-04-01 | 2007-12-27 | King Martin T | Contextual dynamic advertising based upon captured rendered text |
EP1782371A4 (en) | 2004-06-22 | 2009-12-02 | Coras Inc | SYSTEMS AND METHODS FOR SOFTWARE BASED ON COMMERCIAL CONCEPTS |
EP1782285A1 (en) | 2004-07-06 | 2007-05-09 | Icosystem Corporation | Methods and apparatus for query refinement using genetic algorithms |
WO2006011819A1 (en) | 2004-07-30 | 2006-02-02 | Eurekster, Inc. | Adaptive search engine |
JP2008511936A (ja) * | 2004-08-31 | 2008-04-17 | インターナショナル・ビジネス・マシーンズ・コーポレーション | データ・システムにおける意味識別のための方法およびシステム |
US7853582B2 (en) * | 2004-08-31 | 2010-12-14 | Gopalakrishnan Kumar C | Method and system for providing information services related to multimodal inputs |
US7496593B2 (en) * | 2004-09-03 | 2009-02-24 | Biowisdom Limited | Creating a multi-relational ontology having a predetermined structure |
US20060053172A1 (en) * | 2004-09-03 | 2006-03-09 | Biowisdom Limited | System and method for creating, editing, and using multi-relational ontologies |
JP4346531B2 (ja) * | 2004-09-17 | 2009-10-21 | 株式会社東芝 | テキストデータ学習分析システム、テキストデータ学習装置、テキストデータ分析装置、方法及びプログラム |
US20060074980A1 (en) * | 2004-09-29 | 2006-04-06 | Sarkar Pte. Ltd. | System for semantically disambiguating text information |
US7302418B2 (en) | 2004-10-15 | 2007-11-27 | Microsoft Corporation | Trade-off/semantic networks |
US7475093B2 (en) * | 2004-10-15 | 2009-01-06 | Microsoft Corporation | Memory cache management in XML/relational data mapping |
JP2006133955A (ja) | 2004-11-04 | 2006-05-25 | Nec Corp | 移動通信端末内データのバックアップシステム及び方法並びにそれに用いられる移動通信端末及びバックアップ装置 |
JP2008538016A (ja) * | 2004-11-12 | 2008-10-02 | メイク センス インコーポレイテッド | 概念または項目を用いて知識相関を構成することによる知識発見技術 |
JP2006171888A (ja) * | 2004-12-13 | 2006-06-29 | Konica Minolta Holdings Inc | 画像管理装置、画像管理方法、および画像管理プログラム |
US7954090B1 (en) * | 2004-12-21 | 2011-05-31 | Zenprise, Inc. | Systems and methods for detecting behavioral features of software application deployments for automated deployment management |
FI20050017A0 (fi) | 2005-01-07 | 2005-01-07 | Nokia Corp | Binääriluokkaan perustuva analysointi ja monitorointi |
US7606168B2 (en) | 2005-01-28 | 2009-10-20 | Attenex Corporation | Apparatus and method for message-centric analysis and multi-aspect viewing using social networks |
US7844565B2 (en) | 2005-03-30 | 2010-11-30 | Primal Fusion Inc. | System, method and computer program for using a multi-tiered knowledge representation model |
US7849090B2 (en) * | 2005-03-30 | 2010-12-07 | Primal Fusion Inc. | System, method and computer program for faceted classification synthesis |
US20130046723A1 (en) * | 2005-03-30 | 2013-02-21 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating customization |
US8849860B2 (en) | 2005-03-30 | 2014-09-30 | Primal Fusion Inc. | Systems and methods for applying statistical inference techniques to knowledge representations |
US9104779B2 (en) | 2005-03-30 | 2015-08-11 | Primal Fusion Inc. | Systems and methods for analyzing and synthesizing complex knowledge representations |
US10002325B2 (en) | 2005-03-30 | 2018-06-19 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating inference rules |
US20120166371A1 (en) | 2005-03-30 | 2012-06-28 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating data consumer models and preferences |
US7596574B2 (en) | 2005-03-30 | 2009-09-29 | Primal Fusion, Inc. | Complex-adaptive system for providing a facted classification |
US7606781B2 (en) | 2005-03-30 | 2009-10-20 | Primal Fusion Inc. | System, method and computer program for facet analysis |
US9378203B2 (en) | 2008-05-01 | 2016-06-28 | Primal Fusion Inc. | Methods and apparatus for providing information of interest to one or more users |
US7502810B2 (en) * | 2005-05-24 | 2009-03-10 | International Business Machines Corporation | Tagging of facet elements in a facet tree |
US20060271520A1 (en) | 2005-05-27 | 2006-11-30 | Ragan Gene Z | Content-based implicit search query |
US9286388B2 (en) * | 2005-08-04 | 2016-03-15 | Time Warner Cable Enterprises Llc | Method and apparatus for context-specific content delivery |
US8027876B2 (en) | 2005-08-08 | 2011-09-27 | Yoogli, Inc. | Online advertising valuation apparatus and method |
US20070061195A1 (en) * | 2005-09-13 | 2007-03-15 | Yahoo! Inc. | Framework for selecting and delivering advertisements over a network based on combined short-term and long-term user behavioral interests |
US8472985B2 (en) | 2005-09-21 | 2013-06-25 | Buckyball Mobile, Inc | Incentive marketing with a context-enriched message |
US8023739B2 (en) * | 2005-09-27 | 2011-09-20 | Battelle Memorial Institute | Processes, data structures, and apparatuses for representing knowledge |
US20070078889A1 (en) * | 2005-10-04 | 2007-04-05 | Hoskinson Ronald A | Method and system for automated knowledge extraction and organization |
US7613690B2 (en) | 2005-10-21 | 2009-11-03 | Aol Llc | Real time query trends with multi-document summarization |
US8019752B2 (en) | 2005-11-10 | 2011-09-13 | Endeca Technologies, Inc. | System and method for information retrieval from object collections with complex interrelationships |
US20100285818A1 (en) | 2009-05-08 | 2010-11-11 | Crawford C S Lee | Location based service for directing ads to subscribers |
US20070143300A1 (en) | 2005-12-20 | 2007-06-21 | Ask Jeeves, Inc. | System and method for monitoring evolution over time of temporal content |
US7676485B2 (en) | 2006-01-20 | 2010-03-09 | Ixreveal, Inc. | Method and computer program product for converting ontologies into concept semantic networks |
US20070203865A1 (en) | 2006-02-09 | 2007-08-30 | Hirsch Martin C | Apparatus and methods for an item retrieval system |
US7580918B2 (en) | 2006-03-03 | 2009-08-25 | Adobe Systems Incorporated | System and method of efficiently representing and searching directed acyclic graph structures in databases |
US20070208764A1 (en) | 2006-03-06 | 2007-09-06 | John Edward Grisinger | Universal information platform |
WO2007106858A2 (en) | 2006-03-15 | 2007-09-20 | Araicom Research Llc | System, method, and computer program product for data mining and automatically generating hypotheses from data repositories |
US7827125B1 (en) | 2006-06-01 | 2010-11-02 | Trovix, Inc. | Learning based on feedback for contextual personalized information retrieval |
US8108204B2 (en) | 2006-06-16 | 2012-01-31 | Evgeniy Gabrilovich | Text categorization using external knowledge |
US20080001948A1 (en) * | 2006-06-30 | 2008-01-03 | Martin Christian Hirsch | Method and apparatus for the collaborative knowledge-based creation and extension of an information graph |
US8166029B2 (en) * | 2006-09-07 | 2012-04-24 | Yahoo! Inc. | System and method for identifying media content items and related media content items |
US7752534B2 (en) * | 2006-09-19 | 2010-07-06 | International Business Machines Corporation | Method and apparatus for customizing the display of multidimensional data |
US20080086465A1 (en) * | 2006-10-09 | 2008-04-10 | Fontenot Nathan D | Establishing document relevance by semantic network density |
US20080092044A1 (en) * | 2006-10-12 | 2008-04-17 | International Business Machines Corporation | Cascading clouds |
WO2008063987A2 (en) | 2006-11-13 | 2008-05-29 | Veveo, Inc. | Method of and system for selecting and presenting content based on user identification |
US20080137668A1 (en) | 2006-12-08 | 2008-06-12 | The Regents Of The University Of California | Social semantic networks for distributing contextualized information |
WO2008076438A1 (en) | 2006-12-18 | 2008-06-26 | Mind Fund Llc | Augmenting individual and collective human thinking and knowledge navigation and creation |
US20080154906A1 (en) | 2006-12-22 | 2008-06-26 | International Business Machines Corporation | Selecting information for ad hoc exchange |
WO2008085857A2 (en) | 2007-01-04 | 2008-07-17 | Children's Hospital Medical Center | Processing text with domain-specific spreading activation methods |
US7945555B2 (en) * | 2007-02-01 | 2011-05-17 | Yume, Inc. | Method for categorizing content published on internet |
US7437370B1 (en) | 2007-02-19 | 2008-10-14 | Quintura, Inc. | Search engine graphical interface using maps and images |
US7529743B1 (en) | 2007-02-26 | 2009-05-05 | Quintura, Inc. | GUI for subject matter navigation using maps and search terms |
US20080228568A1 (en) | 2007-03-16 | 2008-09-18 | Microsoft Corporation | Delivery of coupons through advertisement |
US20080243480A1 (en) | 2007-03-30 | 2008-10-02 | Yahoo! Inc. | System and method for determining semantically related terms |
CA2684397A1 (en) * | 2007-04-25 | 2008-11-06 | Counsyl, Inc. | Methods and systems of automatic ontology population |
US7899666B2 (en) | 2007-05-04 | 2011-03-01 | Expert System S.P.A. | Method and system for automatically extracting relations between concepts included in text |
US8706704B2 (en) * | 2007-07-11 | 2014-04-22 | International Business Machines Corporation | Method and system for creating semantic relationships using hyperlinks |
US20090024385A1 (en) * | 2007-07-16 | 2009-01-22 | Semgine, Gmbh | Semantic parser |
US20090024556A1 (en) * | 2007-07-16 | 2009-01-22 | Semgine, Gmbh | Semantic crawler |
US8688521B2 (en) | 2007-07-20 | 2014-04-01 | Yahoo! Inc. | System and method to facilitate matching of content to advertising information in a network |
US20090028164A1 (en) * | 2007-07-23 | 2009-01-29 | Semgine, Gmbh | Method and apparatus for semantic serializing |
US20090037261A1 (en) * | 2007-07-30 | 2009-02-05 | Seok Won Cho | Method and apparatus for utilizing search result advertisement inventory |
CA2695794C (en) * | 2007-08-20 | 2016-07-05 | Facebook, Inc. | Targeting advertisements in a social network |
US8041697B2 (en) * | 2007-08-31 | 2011-10-18 | Microsoft Corporation | Semi-automatic example-based induction of semantic translation rules to support natural language search |
US9268849B2 (en) * | 2007-09-07 | 2016-02-23 | Alexander Siedlecki | Apparatus and methods for web marketing tools for digital archives—web portal advertising arts |
US20090083140A1 (en) * | 2007-09-25 | 2009-03-26 | Yahoo! Inc. | Non-intrusive, context-sensitive integration of advertisements within network-delivered media content |
US8838659B2 (en) | 2007-10-04 | 2014-09-16 | Amazon Technologies, Inc. | Enhanced knowledge repository |
US7392250B1 (en) * | 2007-10-22 | 2008-06-24 | International Business Machines Corporation | Discovering interestingness in faceted search |
US20100287011A1 (en) | 2007-11-13 | 2010-11-11 | Martec Corporation | Method and System of Location-Based Game for Improving Mobile Operator's Profit |
US8180637B2 (en) | 2007-12-03 | 2012-05-15 | Microsoft Corporation | High performance HMM adaptation with joint compensation of additive and convolutive distortions |
US20090150809A1 (en) | 2007-12-05 | 2009-06-11 | Semgine Gmbh | Pinpoint browser |
US20090157616A1 (en) | 2007-12-12 | 2009-06-18 | Richard Barber | System and method for enabling a user to search and retrieve individual topics in a visual mapping system |
US20090157442A1 (en) | 2007-12-13 | 2009-06-18 | Yahoo! Inc. | System and Method for Improving the Performance of Digital Advertisements |
US8402031B2 (en) | 2008-01-11 | 2013-03-19 | Microsoft Corporation | Determining entity popularity using search queries |
US20100100546A1 (en) * | 2008-02-08 | 2010-04-22 | Steven Forrest Kohler | Context-aware semantic virtual community for communication, information and knowledge management |
US20110314382A1 (en) | 2010-06-22 | 2011-12-22 | Primal Fusion Inc. | Systems of computerized agents and user-directed semantic networking |
CN106845645B (zh) | 2008-05-01 | 2020-08-04 | 启创互联公司 | 用于产生语义网络和用于媒体合成的方法及系统 |
US9361365B2 (en) | 2008-05-01 | 2016-06-07 | Primal Fusion Inc. | Methods and apparatus for searching of content using semantic synthesis |
US8676732B2 (en) | 2008-05-01 | 2014-03-18 | Primal Fusion Inc. | Methods and apparatus for providing information of interest to one or more users |
US7865592B2 (en) | 2008-06-26 | 2011-01-04 | International Business Machines Corporation | Using semantic networks to develop a social network |
US8359191B2 (en) * | 2008-08-01 | 2013-01-22 | International Business Machines Corporation | Deriving ontology based on linguistics and community tag clouds |
US8583574B2 (en) * | 2008-08-06 | 2013-11-12 | Delfigo Corporation | Method of and apparatus for combining artificial intelligence (AI) concepts with event-driven security architectures and ideas |
US9317589B2 (en) * | 2008-08-07 | 2016-04-19 | International Business Machines Corporation | Semantic search by means of word sense disambiguation using a lexicon |
US8386506B2 (en) * | 2008-08-21 | 2013-02-26 | Yahoo! Inc. | System and method for context enhanced messaging |
US8495001B2 (en) * | 2008-08-29 | 2013-07-23 | Primal Fusion Inc. | Systems and methods for semantic concept definition and semantic concept relationship synthesis utilizing existing domain definitions |
CA2738455A1 (en) * | 2008-09-26 | 2010-04-01 | Brand Affinity Technologies, Inc. | An advertising request and rules-based content provision engine, system and method |
US9396455B2 (en) * | 2008-11-10 | 2016-07-19 | Mindjet Llc | System, method, and software application for enabling a user to view and interact with a visual map in an external application |
US8352321B2 (en) | 2008-12-12 | 2013-01-08 | Microsoft Corporation | In-text embedded advertising |
US8335754B2 (en) | 2009-03-06 | 2012-12-18 | Tagged, Inc. | Representing a document using a semantic structure |
US20100250526A1 (en) | 2009-03-27 | 2010-09-30 | Prochazka Filip | Search System that Uses Semantic Constructs Defined by Your Social Network |
US20100257171A1 (en) | 2009-04-03 | 2010-10-07 | Yahoo! Inc. | Techniques for categorizing search queries |
US20100262456A1 (en) | 2009-04-08 | 2010-10-14 | Jun Feng | System and Method for Deep Targeting Advertisement Based on Social Behaviors |
US10628847B2 (en) | 2009-04-15 | 2020-04-21 | Fiver Llc | Search-enhanced semantic advertising |
US20100280860A1 (en) | 2009-04-30 | 2010-11-04 | Adaptiveblue Inc. | Contextual social network based on the semantic web |
FR2947358B1 (fr) | 2009-06-26 | 2013-02-15 | Alcatel Lucent | Un assistant-conseiller utilisant l'analyse semantique des echanges communautaires |
US8180768B2 (en) * | 2009-08-13 | 2012-05-15 | Politecnico Di Milano | Method for extracting, merging and ranking search engine results |
CN102713956B (zh) | 2009-09-08 | 2017-07-28 | 启创互联公司 | 使用消费者提供的上下文同步消息传送 |
US20110060645A1 (en) * | 2009-09-08 | 2011-03-10 | Peter Sweeney | Synthesizing messaging using context provided by consumers |
US20110060644A1 (en) * | 2009-09-08 | 2011-03-10 | Peter Sweeney | Synthesizing messaging using context provided by consumers |
US9292855B2 (en) * | 2009-09-08 | 2016-03-22 | Primal Fusion Inc. | Synthesizing messaging using context provided by consumers |
US8281238B2 (en) * | 2009-11-10 | 2012-10-02 | Primal Fusion Inc. | System, method and computer program for creating and manipulating data structures using an interactive graphical interface |
US9262520B2 (en) | 2009-11-10 | 2016-02-16 | Primal Fusion Inc. | System, method and computer program for creating and manipulating data structures using an interactive graphical interface |
US20110173176A1 (en) | 2009-12-16 | 2011-07-14 | International Business Machines Corporation | Automatic Generation of an Interest Network and Tag Filter |
AU2011269676B2 (en) | 2010-06-22 | 2016-10-06 | Primal Fusion Inc. | Systems of computerized agents and user-directed semantic networking |
CA2823408C (en) | 2010-12-30 | 2018-10-02 | Primal Fusion Inc. | Methods and apparatus for providing information of interest to one or more users |
AU2011350049A1 (en) | 2010-12-30 | 2013-07-18 | Primal Fusion Inc. | System and method for performing a semantic operation on a digital social network |
JP5921570B2 (ja) | 2010-12-30 | 2016-05-24 | プライマル フュージョン インコーポレイテッド | 環境入力に基づいて情報を提供するために、知識表現を使用するシステム及び方法 |
JP5989665B2 (ja) | 2011-01-07 | 2016-09-07 | プライマル フュージョン インコーポレイテッド | 複合的知識表現の解析及び合成を行うシステム及び方法 |
WO2012174632A1 (en) | 2011-06-20 | 2012-12-27 | Primal Fusion Inc. | Method and apparatus for preference guided data exploration |
US9098575B2 (en) | 2011-06-20 | 2015-08-04 | Primal Fusion Inc. | Preference-guided semantic processing |
-
2007
- 2007-01-22 US US11/625,452 patent/US7849090B2/en active Active
- 2007-08-31 CN CN200780032062.9A patent/CN101595476B/zh active Active
- 2007-08-31 CA CA2662063A patent/CA2662063C/en active Active
- 2007-08-31 CA CA2982091A patent/CA2982091C/en active Active
- 2007-08-31 AU AU2007291867A patent/AU2007291867B2/en active Active
- 2007-08-31 WO PCT/CA2007/001546 patent/WO2008025167A1/en active Application Filing
- 2007-08-31 JP JP2009525879A patent/JP2010501947A/ja active Pending
- 2007-08-31 US US12/441,100 patent/US8510302B2/en active Active
- 2007-08-31 EP EP07800570A patent/EP2062174A4/en not_active Withdrawn
- 2007-08-31 CA CA2982100A patent/CA2982100C/en active Active
- 2007-08-31 CA CA2982085A patent/CA2982085C/en active Active
-
2009
- 2009-02-25 IL IL197261A patent/IL197261A/en active IP Right Grant
-
2013
- 2013-04-18 JP JP2013087014A patent/JP5401622B2/ja active Active
- 2013-06-11 US US13/915,489 patent/US9904729B2/en active Active
- 2013-10-28 JP JP2013222881A patent/JP5718431B2/ja active Active
-
2014
- 2014-12-03 IL IL236048A patent/IL236048A/en active IP Right Grant
-
2015
- 2015-03-18 JP JP2015054763A patent/JP5981593B2/ja active Active
-
2016
- 2016-07-28 JP JP2016148600A patent/JP6246279B2/ja active Active
- 2016-08-09 IL IL247198A patent/IL247198B/en active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11212988A (ja) * | 1998-01-23 | 1999-08-06 | Hitachi Information Systems Ltd | 多次元データベース階層型分類軸自動生成システム、分類項目解析方法及びこのプログラムを記録した記録媒体 |
JP2002007460A (ja) * | 2000-06-21 | 2002-01-11 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ選択装置、コンテンツ選択方法および記録媒体 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012501018A (ja) * | 2008-08-29 | 2012-01-12 | プライマル フュージョン インコーポレイテッド | 既存の領域定義を活用した意味概念定義および意味概念関係の統合のためのシステムおよび方法。 |
JP2011107908A (ja) * | 2009-11-16 | 2011-06-02 | Sony Corp | 情報処理システム、サーバ装置、情報処理方法、およびプログラム |
US10341978B2 (en) | 2011-03-22 | 2019-07-02 | Nec Corporation | Mobile management system, mobile management server, mobile management method and mobile management program |
WO2015064072A1 (ja) * | 2013-10-30 | 2015-05-07 | パナソニックIpマネジメント株式会社 | 情報提供システム、特定情報生成装置、および特定情報生成方法 |
JPWO2015064072A1 (ja) * | 2013-10-30 | 2017-03-09 | パナソニックIpマネジメント株式会社 | 情報提供システム、特定情報生成装置、および特定情報生成方法 |
US10482502B2 (en) | 2013-10-30 | 2019-11-19 | Panasonic Intellectual Property Management Co., Ltd. | Information provision system, specific-information generation device, and specific-information generation method |
JP2020154991A (ja) * | 2019-03-22 | 2020-09-24 | 株式会社日立製作所 | 情報管理装置および情報管理方法 |
WO2020195545A1 (ja) * | 2019-03-22 | 2020-10-01 | 株式会社日立製作所 | 情報管理装置および情報管理方法 |
JP7099976B2 (ja) | 2019-03-22 | 2022-07-12 | 株式会社日立製作所 | 情報管理装置および情報管理方法 |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6246279B2 (ja) | 消費者定義の情報アーキテクチャ用のシステム、方法およびコンピュータプログラム | |
US7596574B2 (en) | Complex-adaptive system for providing a facted classification | |
US7606781B2 (en) | System, method and computer program for facet analysis | |
US7844565B2 (en) | System, method and computer program for using a multi-tiered knowledge representation model | |
JP6016843B2 (ja) | ユーザ駆動によるセマンティックネットワークの動的生成およびメディア統合のための方法、システム、ならびにコンピュータプログラム | |
JP5150871B2 (ja) | 単一および複数のタクソノミーを管理する方法とシステム | |
AU2012244384B2 (en) | System, method, and computer program for a consumer defined information architecture | |
Millet-Lacombe | Specifying a Generic Working Environment on Historical Data, based on MetaindeX, Kibana and Gephi. | |
Sheth | Semantic-enabled advancements on the web: applications across industries: applications across industries |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100831 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110817 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20110818 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20110818 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20111109 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120619 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120912 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120920 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20121225 |