JP2012043225A - 相互機械学習装置、相互機械学習方法、及びプログラム - Google Patents
相互機械学習装置、相互機械学習方法、及びプログラム Download PDFInfo
- Publication number
- JP2012043225A JP2012043225A JP2010184356A JP2010184356A JP2012043225A JP 2012043225 A JP2012043225 A JP 2012043225A JP 2010184356 A JP2010184356 A JP 2010184356A JP 2010184356 A JP2010184356 A JP 2010184356A JP 2012043225 A JP2012043225 A JP 2012043225A
- Authority
- JP
- Japan
- Prior art keywords
- pair
- classification
- common
- relationship
- candidates
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
Abstract
【解決手段】第1方法で第1のコーパスから抽出された、意味関係のある語のペア候補の第1関係ペア候補と、第2方法で第2のコーパスから抽出された、意味関係のある語のペア候補の第2関係ペア候補とに共通する共通ペア、第1のコーパスから抽出された、意味関係のない語のペア候補と第2関係ペア候補に共通する共通ペア、第2のコーパスから抽出された、意味関係のない語のペア候補と第1関係ペア候補に共通する共通ペアが記憶される共通ペア記憶部20、共通ペアの関係の有無を、第1及び第2の学習データの学習結果で分類する第1及び第2の分類部23、24、第1及び第2の分類部23、24による確信度が高い共通ペアを第2及び第1の学習データに追加する追加部25を備え、機械学習、分類、学習データの追加を繰り返す。
【選択図】図1
Description
このような構成により、前述の相互機械学習装置と同様に、異なる処理対象を扱うことができると共に、精度の高い機械学習を実現できる。また、前述の相互機械学習装置よりも多くのバーチャル共通ペアを用いた処理が可能となる。
このような構成により、一方の分類部によって確信度が高く分類された共通ペアは信頼できるものであると考えられるため、このような構成によって、適切に学習データを増やすことができると考えられる。
このような構成により、相互機械学習装置において、ジェニュイン共通ペアとバーチャル共通ペアとを取得する処理をも行うことができるようになる。
このような構成により、相互機械学習装置において、第1及び第2のコーパスから、第1関係ペア候補等を抽出する処理をも行うことができるようになる。
このような構成により、前述のようにして共通ペアの追加された学習データを機械学習した結果を用いて第1関係ペア候補及び第2関係ペア候補の分類を行うため、より精度の高い分類を行うことができるようになる。
このような構成により、異なる処理対象として、構造化されたコーパスから取得された言語表現のペア、及び、構造化されていないコーパスから取得された言語表現のペアを扱うことができる。
本発明の実施の形態1による相互機械学習装置について、図面を参照しながら説明する。
図1は、本実施の形態による相互機械学習装置1の構成を示すブロック図である。本実施の形態による相互機械学習装置1は、第1のコーパス記憶部11と、第2のコーパス記憶部12と、第1の抽出部13と、第2の抽出部14と、第1関係ペア候補記憶部15と、第1無関係ペア候補記憶部16と、第2関係ペア候補記憶部17と、第2無関係ペア候補記憶部18と、取得部19と、共通ペア記憶部20と、第1の学習データ記憶部21と、第2の学習データ記憶部22と、第1の分類部23と、第2の分類部24と、追加部25と、第1関係ペア記憶部26と、第2関係ペア記憶部27とを備える。
第2の学習データ記憶部22では、第2関係ペア候補が意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第2の学習データが記憶される。
σi=Σ|r1−r2|
で示される値である。なお、その和は、すべてのy∈Yに対してとられるものである。di<εであるということは、前回のサイクルと比較して、学習結果である超平面がほとんど変化していないこと、すなわち、新たな学習データの追加を行っても、学習結果がほとんど変化していないことを意味する。なお、そのようになるようにしきい値εが選択されることが好適である。そのしきい値εは、例えば、0.001等であってもよい。
(ステップS201)追加部25は、ステップS109における第1の分類部23による分類結果から、Li S∪Li Uに含まれない共通ペアに対する分類結果の集合CRi Sを特定する。CRi Sは、次式で示されるものである。なお、ステップS109において、Li S∪Li Uに含まれない共通ペアに対する分類のみを行っている場合には、第1の分類部23による分類結果そのものが、CRi Sとなる。なお、集合CRi Sを特定する処理は、特定したものと特定していないものとを区別できるようにする処理であれば、その内容を問わない。集合CRi Sを特定する処理は、例えば、その特定した集合CRi Sを図示しない記録媒体に蓄積することであってもよく、特定した集合CRi Sの各要素に特定したことを示すフラグ等を設定することであってもよい。なお、このことは、他の特定の処理についても同様である。
(条件1):rj S>α、かつ、rj U<β
(条件2):rj S>α、かつ、clj S=clj U
L(i+1) U←L(i+1) U∪(yj、clj S)
とする。なお、ステップS205〜S208のサイクルによる共通ペアの追加の処理が開始される以前に、L(i+1) U←Li Uとされているものとする。
(条件3):rj U>α、かつ、rj S<β
(条件4):rj U>α、かつ、clj U=clj S
L(i+1) S←L(i+1) S∪(yj、clj U)
とする。なお、ステップS211〜S214のサイクルによる共通ペアの追加の処理が開始される以前に、L(i+1) S←Li Sとされているものとする。
文献:Maya Ando、Satoshi Sekine、Shun Ishizaki、「Automatic extraction of hyponyms from Japanese newspaper using lexico−syntactic patterns」、In Proc.of LREC'04、2004年
文献:Jun'ichi Kazama、Kentaro Torisawa、「Inducing gazetteers for named entity recognition by large−scale clustering of dependency relations」、 In Proceedings of ACL−08:HLT、p.407−415、2008年
次に、本実施の形態による相互機械学習装置1の実験例について説明する。ここで、第1のコーパスとして、2009年7月バージョンの日本語のWIKIPEDIA(登録商標)を用いた。そして、1.9×107個の第1関係ペア候補を取得した。この第1関係ペア候補の抽出は、WIKIPEDIA(登録商標)のメインの記事のところから行った。なお、そこから24000個の第1関係ペア候補をランダムに抽出し、それらが意味的関係(上位下位の関係)を有するかどうかを手作業で判断した。そして、そのうちの20000個のペアを学習データとし、残りの4000個のペアをディベロップメントデータと、テストデータとに均等に分けた。ディベロップメントデータは、最適なパラメータの選択のために用いられるものである。また、テストデータは、評価のために用いられるものである。なお、学習データ、ディベロップメントデータ、テストデータのそれぞれには、人手で判断した正例と負例とが含まれている。
なお、本実験例において、第1関係ペア候補の集合や第2関係ペア候補の集合における意味的関係(上位下位の関係)を有する候補の割合はあまり高くなく、25〜30%程度であった。
11 第1のコーパス記憶部
12 第2のコーパス記憶部
13 第1の抽出部
14 第2の抽出部
15 第1関係ペア候補記憶部
16 第1無関係ペア候補記憶部
17 第2関係ペア候補記憶部
18 第2無関係ペア候補記憶部
19 取得部
20 共通ペア記憶部
21 第1の学習データ記憶部
22 第2の学習データ記憶部
23 第1の分類部
24 第2の分類部
25 追加部
26 第1関係ペア記憶部
27 第2関係ペア記憶部
Claims (14)
- 第1の方法によって第1のコーパスから抽出された、意味的関係を有する言語表現のペアの候補である複数の第1関係ペア候補と、前記第1の方法とは異なる第2の方法によって第2のコーパスから抽出された、前記意味的関係を有する言語表現のペアの候補である複数の第2関係ペア候補とに共通する共通ペアであるジェニュイン共通ペアと、前記第1のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第1無関係ペア候補と、前記複数の第2関係ペア候補とに共通する共通ペアであるバーチャル共通ペア、及び、前記第2のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第2無関係ペア候補と、前記複数の第1関係ペア候補とに共通する共通ペアであるバーチャル共通ペアとが記憶される共通ペア記憶部と、
前記第1関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第1の学習データが記憶される第1の学習データ記憶部と、
前記第1の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第1の分類部と、
前記第2関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第2の学習データが記憶される第2の学習データ記憶部と、
前記第2の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第2の分類部と、
前記第1の分類部の分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第2の学習データに追加し、前記第2の分類部の分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第1の学習データに追加する追加部と、を備え、
前記第1及び第2の分類部による機械学習及び分類と、前記追加部による学習データの追加とが繰り返して実行される、相互機械学習装置。 - 第1の方法によって第1のコーパスから抽出された、意味的関係を有する言語表現のペアの候補である複数の第1関係ペア候補と、前記第1の方法とは異なる第2の方法によって第2のコーパスから抽出された、前記意味的関係を有する言語表現のペアの候補である複数の第2関係ペア候補とに共通する共通ペアであるジェニュイン共通ペア、及び、前記複数の第1関係ペア候補と、前記複数の第2関係ペア候補と、前記第1のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第1無関係ペア候補と、前記第2のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第2無関係ペア候補とのうち、前記ジェニュイン共通ペアではないペアである共通ペアであるバーチャル共通ペアが記憶される共通ペア記憶部と、
前記第1関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第1の学習データが記憶される第1の学習データ記憶部と、
前記第1の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第1の分類部と、
前記第2関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第2の学習データが記憶される第2の学習データ記憶部と、
前記第2の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第2の分類部と、
前記第1の分類部の分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第2の学習データに追加し、前記第2の分類部の分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第1の学習データに追加する追加部と、を備え、
前記第1及び第2の分類部による機械学習及び分類と、前記追加部による学習データの追加とが繰り返して実行される、相互機械学習装置。 - 前記追加部は、
前記第1の分類部の分類による確信度が高い共通ペアと当該共通ペアに関する分類結果とを前記第2の学習データに追加し、前記第2の分類部の分類による確信度が高い共通ペアと当該共通ペアに関する分類結果とを前記第1の学習データに追加する、請求項1または請求項2記載の相互学習装置。 - 前記追加部は、
前記第1の分類部の分類による確信度が高く、前記第1及び第2の分類部の分類結果が同じである共通ペアと当該共通ペアに関する分類結果とを前記第2の学習データに追加し、前記第2の分類部の分類による確信度が高く、前記第1及び第2の分類部の分類結果が同じである共通ペアと当該共通ペアに関する分類結果とを前記第1の学習データに追加する、請求項3記載の相互機械学習装置。 - 前記追加部は、
前記第1の分類部の分類による確信度が高く、前記第2の分類部の分類による確信度が低い共通ペアと当該共通ペアに関する分類結果とを前記第2の学習データに追加し、前記第2の分類部の分類による確信度が高く、前記第1の分類部の分類による確信度が低い共通ペアと当該共通ペアに関する分類結果とを前記第1の学習データに追加する、請求項3または請求項4記載の相互機械学習装置。 - 前記複数の第1関係ペア候補が記憶される第1関係ペア候補記憶部と、
前記複数の第1無関係ペア候補が記憶される第1無関係ペア候補記憶部と、
前記複数の第2関係ペア候補が記憶される第2関係ペア候補記憶部と、
前記複数の第2無関係ペア候補が記憶される第2無関係ペア候補記憶部と、
前記複数の第1関係ペア候補と前記複数の第2関係ペア候補とを用いて、前記ジェニュイン共通ペアを取得して前記共通ペア記憶部に蓄積し、前記複数の第1関係ペア候補と前記複数の第2関係ペア候補と前記複数の第1無関係ペア候補と前記複数の第2無関係ペア候補とを用いて、前記バーチャル共通ペアを取得して前記共通ペア記憶部に蓄積する取得部と、をさらに備えた、請求項1から請求項5のいずれか記載の相互機械学習装置。 - 前記第1のコーパスが記憶される第1のコーパス記憶部と、
前記第2のコーパスが記憶される第2のコーパス記憶部と、
前記第1のコーパスから前記複数の第1関係ペア候補を抽出して前記第1関係ペア候補記憶部に蓄積し、前記第1のコーパスから前記複数の第1無関係ペア候補を抽出して前記第1無関係ペア候補記憶部に蓄積する第1の抽出部と、
前記第2のコーパスから前記複数の第2関係ペア候補を抽出して前記第2関係ペア候補記憶部に蓄積し、前記第2のコーパスから前記複数の第2無関係ペア候補を抽出して前記第2無関係ペア候補記憶部に蓄積する第2の抽出部と、をさらに備えた、請求項6記載の相互機械学習装置。 - 前記第1の分類部は、機械学習及び分類と学習データの追加との繰り返しの後に、前記複数の第1関係ペア候補に対して分類を行い、
前記第2の分類部は、機械学習及び分類と学習データの追加との繰り返しの後に、前記複数の第2関係ペア候補に対して分類を行う、請求項6または請求項7記載の相互機械学習装置。 - 前記第1のコーパスは、構造化されたコーパスであり、
前記第2のコーパスは、構造化されていない自然言語文のコーパスである、請求項1から請求項8のいずれか記載の相互機械学習装置。 - 前記意味的関係は、上位下位の関係である、請求項1から請求項9のいずれか記載の相互機械学習装置。
- 第1の方法によって第1のコーパスから抽出された、意味的関係を有する言語表現のペアの候補である複数の第1関係ペア候補と、前記第1の方法とは異なる第2の方法によって第2のコーパスから抽出された、前記意味的関係を有する言語表現のペアの候補である複数の第2関係ペア候補とに共通する共通ペアであるジェニュイン共通ペアと、前記第1のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第1無関係ペア候補と、前記複数の第2関係ペア候補とに共通する共通ペアであるバーチャル共通ペア、及び、前記第2のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第2無関係ペア候補と、前記複数の第1関係ペア候補とに共通する共通ペアであるバーチャル共通ペアとが記憶される共通ペア記憶部と、前記第1関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第1の学習データが記憶される第1の学習データ記憶部と、第1の分類部と、前記第2関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第2の学習データが記憶される第2の学習データ記憶部と、第2の分類部と、追加部とを用いて処理される相互機械学習方法であって、
前記第1の分類部が、前記第1の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第1の分類ステップと、
前記第2の分類部が、前記第2の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第2の分類ステップと、
前記追加部が、前記第1の分類ステップでの分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第2の学習データに追加し、前記第2の分類ステップでの分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第1の学習データに追加する追加ステップと、を備え、
前記第1及び第2の分類ステップにおける機械学習及び分類と、前記追加ステップにおける学習データの追加とが繰り返して実行される、相互機械学習方法。 - 第1の方法によって第1のコーパスから抽出された、意味的関係を有する言語表現のペアの候補である複数の第1関係ペア候補と、前記第1の方法とは異なる第2の方法によって第2のコーパスから抽出された、前記意味的関係を有する言語表現のペアの候補である複数の第2関係ペア候補とに共通する共通ペアであるジェニュイン共通ペア、及び、前記複数の第1関係ペア候補と、前記複数の第2関係ペア候補と、前記第1のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第1無関係ペア候補と、前記第2のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第2無関係ペア候補とのうち、前記ジェニュイン共通ペアではないペアである共通ペアであるバーチャル共通ペアが記憶される共通ペア記憶部と、前記第1関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第1の学習データが記憶される第1の学習データ記憶部と、第1の分類部と、前記第2関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第2の学習データが記憶される第2の学習データ記憶部と、第2の分類部と、追加部とを用いて処理される相互機械学習方法であって、
前記第1の分類部が、前記第1の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第1の分類ステップと、
前記第2の分類部が、前記第2の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第2の分類ステップと、
前記追加部が、前記第1の分類ステップでの分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第2の学習データに追加し、前記第2の分類ステップでの分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第1の学習データに追加する追加ステップと、を備え、
前記第1及び第2の分類ステップにおける機械学習及び分類と、前記追加ステップにおける学習データの追加とが繰り返して実行される、相互機械学習方法。 - 第1の方法によって第1のコーパスから抽出された、意味的関係を有する言語表現のペアの候補である複数の第1関係ペア候補と、前記第1の方法とは異なる第2の方法によって第2のコーパスから抽出された、前記意味的関係を有する言語表現のペアの候補である複数の第2関係ペア候補とに共通する共通ペアであるジェニュイン共通ペアと、前記第1のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第1無関係ペア候補と、前記複数の第2関係ペア候補とに共通する共通ペアであるバーチャル共通ペア、及び、前記第2のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第2無関係ペア候補と、前記複数の第1関係ペア候補とに共通する共通ペアであるバーチャル共通ペアとが記憶される共通ペア記憶部と、前記第1関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第1の学習データが記憶される第1の学習データ記憶部と、前記第2関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第2の学習データが記憶される第2の学習データ記憶部とにアクセス可能なコンピュータを、
前記第1の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第1の分類部、
前記第2の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第2の分類部、
前記第1の分類部の分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第2の学習データに追加し、前記第2の分類部の分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第1の学習データに追加する追加部として機能させ、
前記第1及び第2の分類部による機械学習及び分類と、前記追加部による学習データの追加とが繰り返して実行される、プログラム。 - 第1の方法によって第1のコーパスから抽出された、意味的関係を有する言語表現のペアの候補である複数の第1関係ペア候補と、前記第1の方法とは異なる第2の方法によって第2のコーパスから抽出された、前記意味的関係を有する言語表現のペアの候補である複数の第2関係ペア候補とに共通する共通ペアであるジェニュイン共通ペア、及び、前記複数の第1関係ペア候補と、前記複数の第2関係ペア候補と、前記第1のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第1無関係ペア候補と、前記第2のコーパスから抽出された、前記意味的関係を有さない言語表現のペアの候補である複数の第2無関係ペア候補とのうち、前記ジェニュイン共通ペアではないペアである共通ペアであるバーチャル共通ペアが記憶される共通ペア記憶部と、前記第1関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第1の学習データが記憶される第1の学習データ記憶部と、前記第2関係ペア候補が前記意味的関係を有しているかどうかの分類に関する機械学習で用いられる教師データである第2の学習データが記憶される第2の学習データ記憶部とにアクセス可能なコンピュータを、
前記第1の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第1の分類部、
前記第2の学習データを用いて機械学習を行い、当該機械学習の結果を用いて、前記ジェニュイン共通ペア及び前記バーチャル共通ペアが前記意味的関係を有しているかどうか分類する第2の分類部、
前記第1の分類部の分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第2の学習データに追加し、前記第2の分類部の分類による共通ペアの分類結果と確信度との少なくとも一方に応じて、当該共通ペアと当該共通ペアに関する分類結果とを前記第1の学習データに追加する追加部として機能させ、
前記第1及び第2の分類部による機械学習及び分類と、前記追加部による学習データの追加とが繰り返して実行される、プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010184356A JP5622310B2 (ja) | 2010-08-19 | 2010-08-19 | 相互機械学習装置、相互機械学習方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010184356A JP5622310B2 (ja) | 2010-08-19 | 2010-08-19 | 相互機械学習装置、相互機械学習方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012043225A true JP2012043225A (ja) | 2012-03-01 |
JP5622310B2 JP5622310B2 (ja) | 2014-11-12 |
Family
ID=45899441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010184356A Active JP5622310B2 (ja) | 2010-08-19 | 2010-08-19 | 相互機械学習装置、相互機械学習方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5622310B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019215780A1 (ja) * | 2018-05-07 | 2019-11-14 | 日本電気株式会社 | 識別システム、モデル再学習方法およびプログラム |
JP2020057161A (ja) * | 2018-10-01 | 2020-04-09 | オムロン株式会社 | 学習装置、制御装置、学習方法、及び学習プログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009265889A (ja) * | 2008-04-24 | 2009-11-12 | Nippon Hoso Kyokai <Nhk> | 言語処理装置およびプログラム |
-
2010
- 2010-08-19 JP JP2010184356A patent/JP5622310B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009265889A (ja) * | 2008-04-24 | 2009-11-12 | Nippon Hoso Kyokai <Nhk> | 言語処理装置およびプログラム |
Non-Patent Citations (1)
Title |
---|
JPN7014002666; Avrim BLUM: 'Combining Labeled and Unlabeled Data with Co-Training' Proceeding of COLT' 98 Proceedings of the eleventh annual conference on Computational learning theor , 19980726, pp.92-100 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019215780A1 (ja) * | 2018-05-07 | 2019-11-14 | 日本電気株式会社 | 識別システム、モデル再学習方法およびプログラム |
JPWO2019215780A1 (ja) * | 2018-05-07 | 2021-05-20 | 日本電気株式会社 | 識別システム、モデル再学習方法およびプログラム |
JP7001150B2 (ja) | 2018-05-07 | 2022-01-19 | 日本電気株式会社 | 識別システム、モデル再学習方法およびプログラム |
US11423647B2 (en) | 2018-05-07 | 2022-08-23 | Nec Corporation | Identification system, model re-learning method and program |
JP2020057161A (ja) * | 2018-10-01 | 2020-04-09 | オムロン株式会社 | 学習装置、制御装置、学習方法、及び学習プログラム |
WO2020071174A1 (ja) * | 2018-10-01 | 2020-04-09 | オムロン株式会社 | 学習装置、制御装置、学習方法、及び学習プログラム |
JP7110884B2 (ja) | 2018-10-01 | 2022-08-02 | オムロン株式会社 | 学習装置、制御装置、学習方法、及び学習プログラム |
US11971709B2 (en) | 2018-10-01 | 2024-04-30 | Omron Corporation | Learning device, control device, learning method, and recording medium |
Also Published As
Publication number | Publication date |
---|---|
JP5622310B2 (ja) | 2014-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schubotz et al. | Semantification of identifiers in mathematics for better math information retrieval | |
Eisa et al. | Existing plagiarism detection techniques: A systematic mapping of the scholarly literature | |
US8239349B2 (en) | Extracting data | |
JP5710581B2 (ja) | 質問応答装置、方法、及びプログラム | |
US20130036076A1 (en) | Method for keyword extraction | |
El-Shishtawy et al. | An accurate arabic root-based lemmatizer for information retrieval purposes | |
Dehkharghani et al. | Adaptation and use of subjectivity lexicons for domain dependent sentiment classification | |
Do et al. | Korean twitter emotion classification using automatically built emotion lexicons and fine-grained features | |
JP6729095B2 (ja) | 情報処理装置及びプログラム | |
JP2011118689A (ja) | 検索方法及びシステム | |
Rafeeque et al. | A survey on short text analysis in web | |
JP2012073804A (ja) | キーワード提示装置、方法及びプログラム | |
Alotaibi et al. | A cognitive inspired unsupervised language-independent text stemmer for Information retrieval | |
JP2021136027A (ja) | 文書のテーマ・カバレッジの分析 | |
Jayan et al. | A hybrid statistical approach for named entity recognition for malayalam language | |
Panchenko et al. | Unsupervised, knowledge-free, and interpretable word sense disambiguation | |
CN106503153B (zh) | 一种计算机文本分类体系 | |
Kanya et al. | Modelings and techniques in named entity recognition: an information extraction task | |
Bayraktar et al. | A rule-based holistic approach for Turkish aspect-based sentiment analysis | |
Dehkharghani et al. | Automatically identifying a software product's quality attributes through sentiment analysis of tweets | |
Petrovski et al. | Learning Regular Expressions for the Extraction of Product Attributes from E-commerce Microdata. | |
Zubi | Using some web content mining techniques for Arabic text classification | |
JP5622310B2 (ja) | 相互機械学習装置、相互機械学習方法、及びプログラム | |
Gorla et al. | Named Entity Recognition for Telugu News Articles using Naïve Bayes Classifier. | |
Siklósi et al. | Resolving abbreviations in clinical texts without pre-existing structured resources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130711 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140909 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140919 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5622310 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |