JP2018190136A - 興味判定装置、興味判定方法、及びプログラム - Google Patents
興味判定装置、興味判定方法、及びプログラム Download PDFInfo
- Publication number
- JP2018190136A JP2018190136A JP2017091246A JP2017091246A JP2018190136A JP 2018190136 A JP2018190136 A JP 2018190136A JP 2017091246 A JP2017091246 A JP 2017091246A JP 2017091246 A JP2017091246 A JP 2017091246A JP 2018190136 A JP2018190136 A JP 2018190136A
- Authority
- JP
- Japan
- Prior art keywords
- word
- vector
- user
- interest
- data group
- 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
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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/40—Data acquisition and logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Computer Hardware Design (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【解決手段】興味判定装置は、ユーザの対話情報に含まれる単語の特徴を示すデータ情報を取得するデータ取得手段と、データ取得手段により取得されたデータ群と、所定単語の特徴を示すデータ群と、を関連付けたデータ群を入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて学習する第1学習手段と、判定対象である単語の特徴を示すデータ群と、データ取得手段によって取得されたデータ群と、を関連付けたデータ群が第1学習手段に入力された場合に、該第1学習手段から出力された出力値に基づいて、該判定対象の単語に対するユーザの興味の有無を判定する判定手段と、を備える。
【選択図】図1
Description
この一態様において、前記データ取得手段によって取得される前記データ群は、ユーザの対話情報に含まれる単語の特徴を、定量化しベクトル化された情報として表現されるベクトル情報であり、前記第1学習手段は、前記データ取得手段により取得された前記ベクトル情報と、予め設定された所定単語の特徴を示すデータ群としてのベクトル情報と、を関連付けたベクトル情報を入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて学習し、前記判定手段は、判定対象である単語の特徴を示す前記ベクトル情報と、前記データ取得手段によって取得されたベクトル情報と、を関連付けたベクトル情報が前記第1学習手段に入力された場合に、該第1学習手段から出力された出力値に基づいて、該判定対象の単語に対するユーザの興味の有無を判定してもよい。
この一態様において、前記データ取得手段によって取得される前記データ群は、ユーザの対話情報に含まれる単語の特徴を、該ユーザの嗜好を示すモデルとして表した嗜好モデルであってもよい。
この一態様において、前記データ取得手段は、前記ユーザの対話情報の中で、該ユーザが興味を示す興味推定単語と、該興味推定単語から所定個前の前半文脈語と、該興味推定単語から所定個後の後半文脈語と、を単語のベクトルに変換する単語ベクトル変換部と、前記単語ベクトル変換部により変換された前半文脈語及び後半文脈語のベクトルを、第2学習手段を用いて、それぞれ、文の特徴を示す前文脈ベクトルおよび後文脈ベクトルを変換し、該変換した前文脈ベクトルおよび後文脈ベクトルと前記興味推定単語のベクトルと、を結合した結合ベクトルを生成する文ベクトル生成部と、を有していてもよい。
この一態様において、前記文ベクトル生成部は、ユーザが興味を示した対話情報に関して、前記結合ベクトルをそれぞれ生成し、前記データ取得手段は、前記文ベクトル生成部により生成された前記各結合ベクトルの平均値を、前記嗜好モデルにおけるユーザのベクトル情報として算出する嗜好モデル生成部を更に有していてもよい。
この一態様において、前記文ベクトル生成部により生成される結合ベクトルを入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて最適化される第3学習手段を更に備えていてもよい。
この一態様において、前記第1乃至第3学習手段は、同時に最適化されてもよい。
この一態様において、前記第1乃至第3学習手段は、ニューラルネットワークで構成されていてもよい。
上記目的を達成するための本発明の一態様は、ユーザの対話情報に含まれる単語の特徴を示すデータ情報を取得するステップと、前記取得されたデータ群と、所定単語の特徴を示すデータ群と、を関連付けたデータ群を入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて第1学習手段を学習させるステップと、判定対象である単語の特徴を示すデータ群と、前記取得されたデータ群と、を関連付けたデータ群が前記第1学習手段に入力された場合に、該第1学習手段から出力された出力値に基づいて、該判定対象の単語に対するユーザの興味の有無を判定するステップと、を含む、ことを特徴とする興味判定方法であってもよい。
上記目的を達成するための本発明の一態様は、ユーザの対話情報に含まれる単語の特徴を示すデータ情報を取得する処理と、前記取得されたデータ群と、所定単語の特徴を示すデータ群と、を関連付けたデータ群を入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて第1学習手段を学習させる処理と、判定対象である単語の特徴を示すデータ群と、前記取得されたデータ群と、を関連付けたデータ群が前記第1学習手段に入力された場合に、該第1学習手段から出力された出力値に基づいて、該判定対象の単語に対するユーザの興味の有無を判定する処理と、をコンピュータに実行させることを特徴とするプログラムであってもよい。
本発明の一実施形態に係る興味判定装置は、ユーザの対話ログ(対話情報)に出現していないがユーザが興味を示す可能性がある潜在的な単語(以下、潜在的興味対象単語)に対しても、ユーザの興味を高精度に判定できるものである。
ユーザの興味推定に有用なのは、興味推定単語xtの周辺の単語であると考えられる。このため、文ベクトル生成部4は、この興味推定単語xtの前後J個の単語のベクトルを文脈として用いる。
嗜好モデルは、各ユーザの対話ログに含まれる単語の特徴を示すベクトル情報をユーザ毎に分類した情報である。嗜好モデル生成部5は、文ベクトル生成部4により生成された結合ベクトルvsentに基づいて、嗜好モデルを生成する。
例えば、図5に示す如く、形態素解析部2は、学習データ(興味タグ=1(興味有り判定)である対話ログ(1)〜対話ログ(N1))に対し形態素解析を行い、前半文脈語と、興味推定単語と、後半文脈語と、を単語ベクトル変換部3に出力する。単語ベクトル変換部3は、形態素解析部2からの前半文脈語、興味推定単語、および後半文脈語をそれぞれ単語ベクトル列に変換し、変換した単語ベクトル列を文ベクトル生成部4に出力する。
なお、嗜好モデルは、予めメモリになどに記憶されていてもよい。この場合、興味判定部6は、メモリに記憶された嗜好モデルを適宜読み込むようにしてもよい。
第3ニューラルネットワーク9の最適化に用いられる学習データは、例えば、所定単語(m)と、その所定単語(m)(m=1、・・・、M)に対するユーザの興味を示す興味タグ(m)と、を対応付けたデータである。所定単語は、例えば、ユーザの対話ログに出現しない単語も含む任意の単語である。
対話データはクラウドソーシングサービスで被験者を募集し、1対話1時間のデータを100件収集した。学習および評価のため、収集した対話データに含まれる全ての名詞に対してユーザが興味を持っているか否かのアノテーションを付与した。名詞の抽出は形態素解析部2により自動で行った。アノテータは、対話データと対話中で使用された名詞が与えられ、各名詞に対し、「興味あり」もしくは「判断不能or興味なし」の2種類のラベルのいずれかを付与した。付与基準は「アノテーション対象の名詞を含む発話をしたユーザに「あなた〇〇(当該名詞が入る)」に興味がありますか?」もしくは「あなたは「〇〇(当該名詞が入る)」に関する話題に興味がありますか?」という質問をした際の、そのユーザの予想回答」とした。質問の「〇〇に名詞を入れた際、日本語として意味が通らない場合は「判断不能・興味なし」のラベルを付与することとした。以上の基準により、募集したアノテータ10名が個別にアノテーションを行い、多数決により正解ラベルを決定した。「興味あり」と「判断不能or興味なし」がそれぞれ同数(5名ずつ)だった場合は「判断不能or興味なし」とした。図10は、使用したデータの統計情報の一例を示す図である。アノテータ間のアノテーションの一致度を示すFleiss'Kappaは0.50であり、中程度の一致を示した。
Word2Vecは、ウインドウサイズは5、最小出現頻度は10、ベクトルの次元数は1000とし、約100GBのデータを用いて学習を行った。文脈ベクトルヘのエンコードには、興味推定名詞の前後5個ずつを用いた(J=5)。文脈ベクトルヘのエンコードを行うRNN(第1ニューラルネットワーク7)の入力層は1001次元、対話中の名詞の興味推定のための第2ニューラルネットワーク8の入力層は3000次元、潜在的興味推定のための第3ニューラルネットワーク9の入力層は4000次元、その他の中間層の次元は全て1000次元とした。また、全ての中間層にdropoutを適用し、dropout率は30%とした。学習エポック数は30とし、10分割交差検定で「興味あり」判定の精度、再現率、F値により評価した。
本実施形態に係る手法の評価のため、2つのニューラルネットワークを同時に更新するuniteモデルと、潜在的興味推定のための第3ニューラルネットワーク9を分離したseparateモデル、および第1乃至第3ニューラルネットワーク7、8、9の層の数を全て1層としたshallowモデルと、全て8層のResNet[He16]としたdeepモデルを用意した。separateモデルは、文脈ベクトルヘのエンコードのための第1及び第2ニューラルネットワーク7、8と、第3ニューラルネットワーク9と、を分離し、損失関数も別とした。また、この第3ニューラルネットワーク9を分離するため、潜在的興味推定のために第1ニューラルネットワーク7の出力(文脈ベクトル)を使用せず、平均文ベクトルの代わりに平均単語ベクトルを用いる。平均する単語ベクトルの選択には、uniteモデルと同じく、第2ニューラルネットワーク8の結果を用いる。実験では、上記のそれぞれを組み合せたseparate shallow、separate deep、unite shallow、unite deepの4つの設定で実験を行った。またベースライン手法として、以下の2つの手法による実験を行った。
ベースラインとして、対話ログ中の名詞との類似度により、潜在的興味の推定を行う。本手法は、対話ログに含まれる全名詞をWord2Vecにより単語ベクトルに変換し、その単語ベクトルの平均と、潜在的興味推定名詞のベクトルとのコサイン類似度により「興味あり」か「判断不能or興味なし」か、を判定する。類似度の閾値は0.0から1.0まで0.1刻みで変更させて評価を行い、F値が最大となった結果をこの手法の結果とする。
もう一つのベースラインとして、SVMによる判定を行う。本手法では、ベースライン1の単語類似度で用いた平均ベクトルと、潜在的興味推定名詞のベクトルを結合したベクトルを入カベクトルとし、潜在的興味の有無をSVMにより2値分類する。
図11は、実験結果を示す図である。図11に示す如く、unite deepのF値が最も高く、続いて、unite shallow、separate shallow、separate deepの順となり、上記ベースライン手法の単語類似度およびSVMよりも優れた性能を示した。
例えば、上記実施形態において、興味判定装置1に含まれる各構成(形態素解析部2、単語ベクトル変換部3、文ベクトル生成部4、嗜好モデル生成部5、興味判定部6、第1乃至第3ニューラルネットワーク7、8、9)や図4等に記載の「学習データ」は、それらが一つ装置、CPU等の中に閉じている場合だけでなく、それぞれ又は任意の組み合わせごとにCPUやPCを設けるようにしても良く、それらを通信回線でつなぐことも可能である。
Claims (10)
- ユーザの対話情報に含まれる単語の特徴を示すデータ情報を取得するデータ取得手段と、
前記データ取得手段により取得されたデータ群と、所定単語の特徴を示すデータ群と、を関連付けたデータ群を入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて学習する第1学習手段と、
判定対象である単語の特徴を示すデータ群と、前記データ取得手段によって取得されたデータ群と、を関連付けたデータ群が前記第1学習手段に入力された場合に、該第1学習手段から出力された出力値に基づいて、該判定対象の単語に対するユーザの興味の有無を判定する判定手段と、
を備える、
ことを特徴とする興味判定装置。 - 請求項1記載の興味判定装置であって、
前記データ取得手段によって取得される前記データ群は、ユーザの対話情報に含まれる単語の特徴を、定量化しベクトル化された情報として表現されるベクトル情報であり、
前記第1学習手段は、
前記データ取得手段により取得された前記ベクトル情報と、予め設定された所定単語の特徴を示すデータ群としてのベクトル情報と、を関連付けたベクトル情報を入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて学習し、
前記判定手段は、
判定対象である単語の特徴を示す前記ベクトル情報と、前記データ取得手段によって取得されたベクトル情報と、を関連付けたベクトル情報が前記第1学習手段に入力された場合に、該第1学習手段から出力された出力値に基づいて、該判定対象の単語に対するユーザの興味の有無を判定する、
ことを特徴とする興味判定装置。 - 請求項2記載の興味判定装置であって、
前記データ取得手段によって取得される前記データ群は、ユーザの対話情報に含まれる単語の特徴を、該ユーザの嗜好を示すモデルとして表した嗜好モデルである、
ことを特徴とする興味判定装置。 - 請求項3記載の興味判定装置であって、
前記データ取得手段は、
前記ユーザの対話情報の中で、該ユーザが興味を示す興味推定単語と、該興味推定単語から所定個前の前半文脈語と、該興味推定単語から所定個後の後半文脈語と、を単語のベクトルに変換する単語ベクトル変換部と、
前記単語ベクトル変換部により変換された前半文脈語及び後半文脈語のベクトルを、第2学習手段を用いて、それぞれ、文の特徴を示す前文脈ベクトルおよび後文脈ベクトルを変換し、該変換した前文脈ベクトルおよび後文脈ベクトルと前記興味推定単語のベクトルと、を結合した結合ベクトルを生成する文ベクトル生成部と、
を有する、ことを特徴とする興味判定装置。 - 請求項4記載の興味判定装置であって、
前記文ベクトル生成部は、ユーザが興味を示した対話情報に関して、前記結合ベクトルをそれぞれ生成し、
前記データ取得手段は、前記文ベクトル生成部により生成された前記各結合ベクトルの平均値を、前記嗜好モデルにおけるユーザのベクトル情報として算出する嗜好モデル生成部を更に有する、
ことを特徴とする興味判定装置。 - 請求項4又は5記載の興味判定装置であって、
前記文ベクトル生成部により生成される結合ベクトルを入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて最適化される第3学習手段を更に備える、
ことを特徴とする興味判定装置。 - 請求項6記載の興味判定装置であって、
前記第1乃至第3学習手段は、同時に最適化される、ことを特徴とする興味判定装置。 - 請求項6又は7記載の興味判定装置であって、
前記第1乃至第3学習手段は、ニューラルネットワークで構成されている、ことを特徴とする興味判定装置。 - ユーザの対話情報に含まれる単語の特徴を示すデータ情報を取得するステップと、
前記取得されたデータ群と、所定単語の特徴を示すデータ群と、を関連付けたデータ群を入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて第1学習手段を学習させるステップと、
判定対象である単語の特徴を示すデータ群と、前記取得されたデータ群と、を関連付けたデータ群が前記第1学習手段に入力された場合に、該第1学習手段から出力された出力値に基づいて、該判定対象の単語に対するユーザの興味の有無を判定するステップと、
を含む、
ことを特徴とする興味判定方法。 - ユーザの対話情報に含まれる単語の特徴を示すデータ情報を取得する処理と、
前記取得されたデータ群と、所定単語の特徴を示すデータ群と、を関連付けたデータ群を入力値とし、ユーザの興味の有無を示す情報を出力値とし、該入力値及び出力値を用いて第1学習手段を学習させる処理と、
判定対象である単語の特徴を示すデータ群と、前記取得されたデータ群と、を関連付けたデータ群が前記第1学習手段に入力された場合に、該第1学習手段から出力された出力値に基づいて、該判定対象の単語に対するユーザの興味の有無を判定する処理と、
をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017091246A JP6794921B2 (ja) | 2017-05-01 | 2017-05-01 | 興味判定装置、興味判定方法、及びプログラム |
KR1020180048008A KR102057184B1 (ko) | 2017-05-01 | 2018-04-25 | 흥미 판정 장치, 흥미 판정 방법, 및 기억 매체 |
BR102018008297-3A BR102018008297A2 (pt) | 2017-05-01 | 2018-04-25 | Sistema de determinação de interesse, método de determinação de interesse e meio de armazenamento |
RU2018115766A RU2692427C1 (ru) | 2017-05-01 | 2018-04-26 | Система определения интереса, способ определения интереса и носитель информации |
CN201810396276.4A CN108804526B (zh) | 2017-05-01 | 2018-04-27 | 兴趣确定系统、兴趣确定方法及存储介质 |
US15/964,388 US11024326B2 (en) | 2017-05-01 | 2018-04-27 | Interest determination system, interest determination method, and storage medium |
EP18170121.0A EP3399470A1 (en) | 2017-05-01 | 2018-04-30 | Interest determination system, interest determination method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017091246A JP6794921B2 (ja) | 2017-05-01 | 2017-05-01 | 興味判定装置、興味判定方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018190136A true JP2018190136A (ja) | 2018-11-29 |
JP6794921B2 JP6794921B2 (ja) | 2020-12-02 |
Family
ID=62196322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017091246A Active JP6794921B2 (ja) | 2017-05-01 | 2017-05-01 | 興味判定装置、興味判定方法、及びプログラム |
Country Status (7)
Country | Link |
---|---|
US (1) | US11024326B2 (ja) |
EP (1) | EP3399470A1 (ja) |
JP (1) | JP6794921B2 (ja) |
KR (1) | KR102057184B1 (ja) |
CN (1) | CN108804526B (ja) |
BR (1) | BR102018008297A2 (ja) |
RU (1) | RU2692427C1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2020175692A1 (ja) * | 2019-02-28 | 2021-10-07 | 旭化成株式会社 | 学習装置および判断装置 |
JP7454630B2 (ja) | 2021-11-30 | 2024-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | ラベル推奨モデルのトレーニング方法及び装置、ラベル取得方法及び装置 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190019748A (ko) * | 2017-08-18 | 2019-02-27 | 삼성전자주식회사 | 자연어 생성 방법 및 장치 |
GB2568233A (en) * | 2017-10-27 | 2019-05-15 | Babylon Partners Ltd | A computer implemented determination method and system |
US10891352B1 (en) * | 2018-03-21 | 2021-01-12 | Optum, Inc. | Code vector embeddings for similarity metrics |
US10921245B2 (en) * | 2018-06-08 | 2021-02-16 | Ball Aerospace & Technologies Corp. | Method and systems for remote emission detection and rate determination |
US11100288B1 (en) * | 2018-06-21 | 2021-08-24 | SoundHound Inc. | Factored neural networks for language modeling |
US10978189B2 (en) | 2018-07-19 | 2021-04-13 | Optum, Inc. | Digital representations of past, current, and future health using vectors |
US11321312B2 (en) * | 2019-01-14 | 2022-05-03 | ALEX—Alternative Experts, LLC | Vector-based contextual text searching |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6029195A (en) * | 1994-11-29 | 2000-02-22 | Herz; Frederick S. M. | System for customized electronic identification of desirable objects |
US7606714B2 (en) * | 2003-02-11 | 2009-10-20 | Microsoft Corporation | Natural language classification within an automated response system |
US8156427B2 (en) * | 2005-08-23 | 2012-04-10 | Ricoh Co. Ltd. | User interface for mixed media reality |
US8732025B2 (en) * | 2005-05-09 | 2014-05-20 | Google Inc. | System and method for enabling image recognition and searching of remote content on display |
WO2009085336A1 (en) * | 2007-12-27 | 2009-07-09 | Inc. Arbor Labs | System and method for advertisement delivery optimization |
JP5351182B2 (ja) * | 2008-02-25 | 2013-11-27 | アティジオ リミテッド ライアビリティ カンパニー | 関心領域についての関連情報の決定 |
BRPI0904540B1 (pt) * | 2009-11-27 | 2021-01-26 | Samsung Eletrônica Da Amazônia Ltda | método para animar rostos/cabeças/personagens virtuais via processamento de voz |
US9135326B2 (en) * | 2009-12-10 | 2015-09-15 | Nec Corporation | Text mining method, text mining device and text mining program |
RU2440610C1 (ru) * | 2010-06-21 | 2012-01-20 | Геннадий Борисович Бронфельд | Система для работы с интеллектуальной электронной книгой - элингой |
JP5466119B2 (ja) * | 2010-09-21 | 2014-04-09 | Kddi株式会社 | 同一の共有コンテンツに興味を持つ視聴者の属性の観点を推定する最適観点推定プログラム、装置及び方法 |
US9536269B2 (en) * | 2011-01-19 | 2017-01-03 | 24/7 Customer, Inc. | Method and apparatus for analyzing and applying data related to customer interactions with social media |
US8452772B1 (en) * | 2011-08-01 | 2013-05-28 | Intuit Inc. | Methods, systems, and articles of manufacture for addressing popular topics in a socials sphere |
US9244908B2 (en) * | 2012-03-27 | 2016-01-26 | Accenture Global Services Limited | Generation of a semantic model from textual listings |
US9570090B2 (en) * | 2015-05-26 | 2017-02-14 | Google Inc. | Dialog system with automatic reactivation of speech acquiring mode |
US10242036B2 (en) * | 2013-08-14 | 2019-03-26 | Ricoh Co., Ltd. | Hybrid detection recognition system |
US20150081696A1 (en) * | 2013-09-19 | 2015-03-19 | Marketwire L.P. | Systems and Methods for Actively Composing Content for Use in Continuous Social Communication |
US20150248651A1 (en) * | 2014-02-28 | 2015-09-03 | Christine E. Akutagawa | Social networking event planning |
KR101500900B1 (ko) * | 2014-04-28 | 2015-03-12 | 한양대학교 산학협력단 | 학습 데이터로부터 생성된 최종 분류기를 이용하여 텍스트를 분류하는 방법 및 시스템 |
US9627532B2 (en) * | 2014-06-18 | 2017-04-18 | Nuance Communications, Inc. | Methods and apparatus for training an artificial neural network for use in speech recognition |
US9381434B2 (en) * | 2014-06-30 | 2016-07-05 | Linkedin Corporation | Social network interaction via games |
JP6710907B2 (ja) * | 2015-07-16 | 2020-06-17 | Tis株式会社 | 嗜好学習方法、嗜好学習プログラム、及び嗜好学習装置 |
US9633282B2 (en) * | 2015-07-30 | 2017-04-25 | Xerox Corporation | Cross-trained convolutional neural networks using multimodal images |
US9875258B1 (en) * | 2015-12-17 | 2018-01-23 | A9.Com, Inc. | Generating search strings and refinements from an image |
KR101652433B1 (ko) * | 2016-02-11 | 2016-08-30 | 주식회사 위즈벤처스 | Sns 문서에서 추출된 토픽을 기반으로 파악된 감정에 따른 개인화 광고 제공 방법 |
JP6549500B2 (ja) | 2016-02-26 | 2019-07-24 | トヨタ自動車株式会社 | 話題推定学習装置及び話題推定学習方法 |
US10116757B2 (en) * | 2016-04-25 | 2018-10-30 | Chian Chiu Li | Location-based open social networks |
CN107704482A (zh) * | 2016-08-09 | 2018-02-16 | 松下知识产权经营株式会社 | 方法、装置以及程序 |
US11347374B2 (en) * | 2016-11-17 | 2022-05-31 | Meta Platforms, Inc. | Systems and methods for managing shared content |
CN106897263A (zh) * | 2016-12-29 | 2017-06-27 | 北京光年无限科技有限公司 | 基于深度学习的机器人对话交互方法及装置 |
US10347244B2 (en) * | 2017-04-21 | 2019-07-09 | Go-Vivace Inc. | Dialogue system incorporating unique speech to text conversion method for meaningful dialogue response |
-
2017
- 2017-05-01 JP JP2017091246A patent/JP6794921B2/ja active Active
-
2018
- 2018-04-25 BR BR102018008297-3A patent/BR102018008297A2/pt unknown
- 2018-04-25 KR KR1020180048008A patent/KR102057184B1/ko active IP Right Grant
- 2018-04-26 RU RU2018115766A patent/RU2692427C1/ru active
- 2018-04-27 US US15/964,388 patent/US11024326B2/en active Active
- 2018-04-27 CN CN201810396276.4A patent/CN108804526B/zh active Active
- 2018-04-30 EP EP18170121.0A patent/EP3399470A1/en not_active Ceased
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2020175692A1 (ja) * | 2019-02-28 | 2021-10-07 | 旭化成株式会社 | 学習装置および判断装置 |
JP7213948B2 (ja) | 2019-02-28 | 2023-01-27 | 旭化成株式会社 | 学習装置および判断装置 |
JP7454630B2 (ja) | 2021-11-30 | 2024-03-22 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | ラベル推奨モデルのトレーニング方法及び装置、ラベル取得方法及び装置 |
Also Published As
Publication number | Publication date |
---|---|
US20180315440A1 (en) | 2018-11-01 |
EP3399470A1 (en) | 2018-11-07 |
KR20180121831A (ko) | 2018-11-09 |
CN108804526A (zh) | 2018-11-13 |
BR102018008297A2 (pt) | 2019-03-12 |
KR102057184B1 (ko) | 2019-12-18 |
RU2692427C1 (ru) | 2019-06-24 |
JP6794921B2 (ja) | 2020-12-02 |
CN108804526B (zh) | 2023-03-31 |
US11024326B2 (en) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018190136A (ja) | 興味判定装置、興味判定方法、及びプログラム | |
Liu et al. | A study in machine learning from imbalanced data for sentence boundary detection in speech | |
US10643032B2 (en) | Output sentence generation apparatus, output sentence generation method, and output sentence generation program | |
CN109062902B (zh) | 一种文本语义表达方法及装置 | |
CN109857846B (zh) | 用户问句与知识点的匹配方法和装置 | |
Del Rio et al. | Earnings-21: A practical benchmark for ASR in the wild | |
CN104199825A (zh) | 一种信息查询方法和系统 | |
CN113157727B (zh) | 提供召回结果的方法、设备和存储介质 | |
Fiscus et al. | Multiple Dimension Levenshtein Edit Distance Calculations for Evaluating Automatic Speech Recognition Systems During Simultaneous Speech. | |
Zhu et al. | Robust spoken language understanding with unsupervised asr-error adaptation | |
Xu et al. | Audio caption in a car setting with a sentence-level loss | |
Zhu et al. | Catslu: The 1st chinese audio-textual spoken language understanding challenge | |
Soboleva et al. | Replacing human audio with synthetic audio for on-device unspoken punctuation prediction | |
Broughton et al. | Improving end-to-end neural diarization using conversational summary representations | |
Thapliyal et al. | Cross-modal language generation using pivot stabilization for web-scale language coverage | |
JP7211103B2 (ja) | 系列ラベリング装置、系列ラベリング方法、およびプログラム | |
Chen et al. | Speaker and expression factorization for audiobook data: Expressiveness and transplantation | |
Fujita et al. | Long short-term memory networks for automatic generation of conversations | |
JP6261669B2 (ja) | クエリ校正システムおよび方法 | |
WO2020162240A1 (ja) | 言語モデルスコア計算装置、言語モデル作成装置、それらの方法、プログラム、および記録媒体 | |
JP2014160168A (ja) | 学習データ選択装置、識別的音声認識精度推定装置、学習データ選択方法、識別的音声認識精度推定方法、プログラム | |
Kang et al. | Lattice based transcription loss for end-to-end speech recognition | |
JP7411149B2 (ja) | 学習装置、推定装置、学習方法、推定方法及びプログラム | |
TW200935399A (en) | Chinese-speech phonologic transformation system and method thereof | |
Wu et al. | EMO-SUPERB: An In-depth Look at Speech Emotion Recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20180307 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180309 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190823 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200625 |
|
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: 20201013 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201026 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6794921 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |