JP2020511719A - 多数のデータ・コーパスからのコグニティブ・インテリジェンス・クエリの作成 - Google Patents
多数のデータ・コーパスからのコグニティブ・インテリジェンス・クエリの作成 Download PDFInfo
- Publication number
- JP2020511719A JP2020511719A JP2019550226A JP2019550226A JP2020511719A JP 2020511719 A JP2020511719 A JP 2020511719A JP 2019550226 A JP2019550226 A JP 2019550226A JP 2019550226 A JP2019550226 A JP 2019550226A JP 2020511719 A JP2020511719 A JP 2020511719A
- Authority
- JP
- Japan
- Prior art keywords
- word vectors
- relational database
- text
- tokens
- computer
- 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
- 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
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
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)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
テキストおよび基本的な数値に加えて、CIクエリは、SQLタイプ(たとえば、日付)、および、画像、ビデオ、時系列、緯度および経度、化学構造などのような他の非SQLタイプのためにサポートされる。
数値トークンに意味のあるテキストを提供するための3つのアプローチがある。まず、数値は単純に「column heading_number」形式の型付き文字列に変換される。たとえば、年次日付の列では、2016は「Year_2016」となる。この時点から、プロセスは、リレーショナル・データベース情報を、意味のあるテキストに変換するために上述のように継続する。
画像をテキストに変換するために4つの異なる手法、画像タグ付け(imagetagging)、画像分類、バイナリ比較、またはユーザ指定の類似度関数を使用することができる。各アプローチは、単一モデル、または、アプローチのうちの1つまたは複数が、組み合わせて使用されるアンサンブル・クエリ実行戦略の両方で使用され得る。BABYTALK(TM)またはALCHEMY TAGGER(TM)などの画像タグ付け装置を使用して、画像がタグに変換され得る。これらのテキスト・タグは、埋め込みモデルを生成するために使用され得る。あるいは、画像をクラスタに分類するために、ニューラル・ネットワーク分類モデルが使用され得る。画像は、それらの対応するクラスタ識別子と置き換えられ、埋め込みモデルは、クラスタ情報を使用して構築される。第3のアプローチは単に、バイナリ画像ファイルの類似性を比較することである。この場合、各バイナリ画像についてビットごとの比較が行われ、その結果が、バイナリ類似度尺度を使用して比較される。最後に、ユーザ指定の類似度関数を使用して、画像が、テキストへ変換され得る。BABYTALK(TM)またはALCHEMY TAGGER(TM)などの既存のアプローチが、画像をテキストに変換するために使用され得る。画像がテキストに変換されると、CIクエリを開発するために、上記の方法が使用され得る。
外部で生成された単語ベクトルは、概説する少なくとも4つの手法で利用され得る(当業者には他の可能性も明らかになるであろう)。(1)グーグル・ニュースの単語ベクトル集合によって生成されるもののような外部の事前トレーニングされたベクトルは、新たなモデルを開発する必要なしに、リレーショナル・データベース・コンテンツ上で使用され得る。(2)あるいは、データベース・コンテンツは、外部ソース・ベクトルに共通のトークンのためのベクトルを初期化しながらトレーニングされる。すなわち、共通トークンは、ソース・データベースと外部データベースとの両方に現れる。一般的な単語ベクトルは、学習率(learning rate)または最大変化などのパラメータを介して制御される更新によって不変または可変であり得る。(3)さらに別のオプションは以下の通りである。それぞれが次元D(i)、i=1,・・・,kを有するk個の異なる外部ソースが与えられると、次元D=D(1)+・・・+D(k)のベクトルが合成される。最初のD(1)エントリは、最初のソースのD(1)エントリから初期化され、次のD(2)エントリは、2番目のソースのD(2)エントリから初期化されるという具合に、次に来る各j番目の部分は、対応するj番目のソースで初期化される。個々のソースのためのエントリは重み付けされることができ、たとえば、より古い情報は、より信頼できると見なされ得るので、より高い重み付け値が、より古い情報に与えられ、より低い重み付け値が、より新しい情報に与えられ得る。(4)最後に、第3の手法(3)によって生成されたベクトルを使用して、第2の手法(2)が適用され得る。
2組のベクトルを比較するとき、スカラ類似性値を出力するために、類似性UDFが使用され得る。任意のベクトル対間の類似度は、余弦アルゴリズムと最大ノルム・アルゴリズムを使用して決定されるが、最大ノルムは、個々のベクトル・エントリの寄与に対する感度が高い。結果をランク付けするために、正確な距離が必要とされ得る。一対のベクトル間の距離と、多数の平均距離値とを計算して、全体の類似度値を決定する。
世界食料事実データベース(WFFD)は、Kaggleからのオープン・ソース・データ・セットである。それは、様々な国からの食品に関する情報を記憶している。WFFDはテキスト・フィールドと数値フィールドとの両方が豊富である。約50MBのテキストが含まれ、65,000行および150列を超える。列は、成分、カテゴリ、栄養素などの情報を含んでいる。
CIクエリは、購買パターン(たとえば、購入項目、頻度、費やされた金額など)に基づいて類似の顧客を発見するための顧客分析など、いくつかの小売ケースにおいて使用され得る。加えて、CIクエリは、所与の商品と似ているが、成分、価格、栄養価などの機能が異なる代替商品を提案するための機能ベースの代替商品のために使用され得、従来のマーケット・バスケットの推奨よりも、よりインテリジェントな推奨が可能となる。CIクエリはまた、現在販売されている関連項目または類似項目の売上げに基づいて、導入されている新たな項目の売上げを予測するために外部データを使用する高度な売上予測に使用され得る。CIクエリはまた、たとえばソーシャル・メディア、リコール通知などからの入力を使用して、外部データを使用して過去の売上データを分析するためにも使用され得る。意味論的関連付けは、「パン:ヌテッラ::チップ:?」、回答は、ある地域では「サルサ」、別の地域では「グアカモーレ」のような関係を決定するために、類推クエリによって実行され得る。
図7を参照して、本発明の実施形態で利用され得る情報処理システム700を例示するブロック図が図示されている。情報処理システム702は、本発明の1つまたは複数の実施形態を実施するように構成された適切に構成された処理システム(たとえば、コグニティブ・データ管理システム100)に基づいている。本発明の実施形態における情報処理システム702として、任意の適切に構成された処理システムが使用され得る。情報処理システム702の構成要素は、1つまたは複数のプロセッサまたは処理ユニット704、システム・メモリ706、およびシステム・メモリ706を含む様々なシステム構成要素をプロセッサ704に結合するバス708を含むことができるが、それらに限定されない。
当業者に理解されるように、本発明の態様は、システム、方法、またはコンピュータ・プログラム製品として具現化され得る。したがって、本発明の態様は、全体がハードウェアの実施形態、全体がソフトウェアの実施形態(ファームウェア、常駐ソフトウェア、マイクロコードなどを含む)、または、本明細書では「回路」、「モジュール」、または「システム」と呼ばれ得るソフトウェアおよびハードウェアの態様を組み合わせた実施形態の形式を採用し得る。
102 コグニティブ・インテリジェンス・クエリ
104 機械学習モデル
106 構造化データ・ソース
108 構造化結果
110 外部データ・ソース
Claims (21)
- 多数のデータ・タイプを含むリレーショナル・データベースを適合させるためのコンピュータ実施方法であって、
前記リレーショナル・データベース内の非テキスト・トークンをテキスト形式に変換することと、
前記リレーショナル・データベース内のトークンの関係に基づいてテキストを生成することと、
事前トレーニングされた単語ベクトルのセットを取得することと、
前記リレーショナル・データベースと外部データベースとの両方に共通のトークンのために、事前トレーニングされた単語ベクトルの前記セットを初期化することと、
構造化照会言語(SQL)クエリとして表現されるコグニティブ・インテリジェンス・クエリを作成するために事前トレーニングされたベクトルの前記セットを使用することと
を含む、コンピュータ実施方法。 - 事前トレーニングされた単語ベクトルの前記セットを使用して、前記コグニティブ・インテリジェンス・クエリを、前記リレーショナル・データベースに適用することをさらに含む、請求項1に記載のコンピュータ実施方法。
- 前記リレーショナル・データベースと前記外部データベースとの両方に共通のトークンのための事前トレーニングされた単語ベクトルの前記セットを初期化しながら、前記リレーショナル・データベースのコンテンツについてトレーニングすることをさらに含む、請求項1に記載のコンピュータ実施方法。
- 事前トレーニングされた単語ベクトルの前記セットは不変である、請求項1に記載のコンピュータ実施方法。
- 事前トレーニングされた単語ベクトルの前記セットは、パラメータを介して制御される更新によって可変である、請求項1に記載のコンピュータ実施方法。
- 複数の外部データベースからのテキストに基づいて、予備単語ベクトルの複数のセットを取得して、事前トレーニングされた単語ベクトルの前記セットを形成することと、
前記リレーショナル・データベースと、対応する外部データベースとの両方に共通のトークンのための予備単語ベクトルの各セットを初期化しながら、前記リレーショナル・データベースのコンテンツについてトレーニングすることと
をさらに含む、請求項1に記載のコンピュータ実施方法。 - 予備単語ベクトルの各セットを使用して生成されたクエリ結果に、重み付け値を適用することをさらに含む、請求項6に記載のコンピュータ実施方法。
- 予備単語ベクトルの各セットを使用して生成されたクエリ結果のための前記重み付け値は、互いに異なる、請求項7に記載のコンピュータ実施方法。
- 前記重み付け値は、予備単語ベクトルの対応するセットの古さにしたがって変動する、請求項8に記載のコンピュータ実施方法。
- 前記テキスト内のトークンに対して単一の単語埋め込みモデルを適用することによって、前記テキストに基づいて単語ベクトルのセットを生成することと、
単語ベクトルの前記セットを、事前トレーニングされた単語ベクトルの前記セットとマージして、単語ベクトルの包括的なセットを形成することと、
単語ベクトルの前記包括的なセットを使用して、前記コグニティブ・インテリジェンス・クエリを、前記リレーショナル・データベースに適用することと
をさらに含む、請求項1に記載のコンピュータ実施方法。 - コグニティブ・インテリジェンス・システムであって、
コンピュータ命令を記憶したメモリと、
前記メモリと動作可能に結合されプロセッサと
を備え、前記プロセッサは、
リレーショナル・データベース内の非テキスト・トークンを、テキスト形式に変換し、
前記リレーショナル・データベース内のトークンの関係に基づいてテキストを生成し、
事前トレーニングされた単語ベクトルのセットを取得し、
前記リレーショナル・データベースと外部データベースとの両方に共通のトークンのために事前トレーニングされた単語ベクトルの前記セットを初期化し、
構造化照会言語(SQL)クエリとして表現されたコグニティブ・インテリジェンス・クエリを作成するために、事前トレーニングされたベクトルの前記セットを使用する、コグニティブ・インテリジェンス・システム。 - 前記リレーショナル・データベースと前記外部データベースとの両方に共通のトークンのための単語ベクトルの第1のセットを初期化しながら、前記プロセッサはさらに、前記リレーショナル・データベースのコンテンツについてトレーニングする、請求項11に記載のコグニティブ・インテリジェンス・システム。
- 前記プロセッサはさらに、
複数の外部データベースからのテキストに基づいて、予備単語ベクトルの複数のセットを取得して、事前トレーニングされた単語ベクトルの前記セットを形成し、
前記リレーショナル・データベースと、対応する外部データベースとの両方に共通のトークンのための予備単語ベクトルの各セットを初期化しながら、前記リレーショナル・データベースのコンテンツについてトレーニングする、請求項11に記載のコグニティブ・インテリジェンス・システム。 - 前記プロセッサはさらに、予備単語ベクトルの各セットを使用して生成されたクエリ結果に、重み付け値を適用する、請求項13に記載のコグニティブ・インテリジェンス・システム。
- 予備単語ベクトルの各セットを使用して生成されたクエリ結果のための前記重み付け値は、互いに異なる、請求項14に記載のコグニティブ・インテリジェンス・システム。
- 前記プロセッサはさらに、
前記テキスト内のトークンに対して単一の単語埋め込みモデルを適用することによって、前記テキストに基づいて単語ベクトルのセットを生成し、
単語ベクトルの前記セットを、事前トレーニングされた単語ベクトルの前記セットとマージして、単語ベクトルの包括的なセットを形成し、
単語ベクトルの前記包括的なセットを使用して、前記コグニティブ・インテリジェンス・クエリを、前記リレーショナル・データベースに適用する、請求項14に記載のコグニティブ・インテリジェンス・システム。 - 多数のデータ・タイプを含むリレーショナル・データベースを適合させるためのコンピュータ・プログラム製品であって、前記コンピュータ・プログラム製品は、プログラム命令が具現化されたコンピュータ可読記憶媒体を備え、前記プログラム命令は、処理回路によって実行可能であり、前記処理回路に対して、
前記リレーショナル・データベース内の非テキスト・トークンをテキスト形式に変換させ、
前記リレーショナル・データベース内のトークンの関係に基づいてテキストを生成させ、
事前トレーニングされた単語ベクトルのセットを取得させ、
前記リレーショナル・データベースと外部データベースとの両方に共通のトークンのために、事前トレーニングされた単語ベクトルの前記セットを初期化させ、
構造化照会言語(SQL)クエリとして表現されるコグニティブ・インテリジェンス・クエリを作成するために事前トレーニングされたベクトルの前記セットを使用させる、コンピュータ・プログラム製品。 - プロセッサに対して、前記リレーショナル・データベースと前記外部データベースとの両方に共通のトークンのための単語ベクトルの第1のセットを初期化しながら、前記リレーショナル・データベースのコンテンツをトレーニングさせるプログラム命令をさらに備えた、請求項17に記載のコンピュータ・プログラム製品。
- プロセッサに対して、
複数の外部データベースから、前記テキストのための予備単語ベクトルの複数のセットを取得して、事前トレーニングされた単語ベクトルの前記セットを形成させ、
前記リレーショナル・データベースと、対応する外部データベースとの両方に共通のトークンのための予備単語ベクトルの各セットを初期化しながら、前記リレーショナル・データベースのコンテンツについてトレーニングさせる
プログラム命令をさらに備えた、請求項17に記載のコンピュータ・プログラム製品。 - プロセッサに対して、
前記テキスト内のトークンに対して単一の単語埋め込みモデルを適用することによって、前記テキストに基づいて単語ベクトルのセットを生成させ、
単語ベクトルの前記セットを、事前トレーニングされた単語ベクトルの前記セットとマージして、単語ベクトルの包括的なセットを形成させ、
単語ベクトルの前記包括的なセットを使用して、前記コグニティブ・インテリジェンス・クエリを、前記リレーショナル・データベースに適用させる
プログラム命令をさらに備えた、請求項17に記載のコンピュータ・プログラム製品。 - コンピュータ・プログラムであって、前記プログラムがコンピュータで実行されたとき、請求項1ないし10のいずれかに記載の方法を実行するように適合されたプログラムコード手段を備えたコンピュータ・プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/463,053 | 2017-03-20 | ||
US15/463,053 US10984030B2 (en) | 2017-03-20 | 2017-03-20 | Creating cognitive intelligence queries from multiple data corpuses |
PCT/IB2017/057817 WO2018172840A1 (en) | 2017-03-20 | 2017-12-12 | Creating cognitive intelligence queries from multiple data corpuses |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020511719A true JP2020511719A (ja) | 2020-04-16 |
JP6902106B2 JP6902106B2 (ja) | 2021-07-14 |
Family
ID=63519517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019550226A Active JP6902106B2 (ja) | 2017-03-20 | 2017-12-12 | 多数のデータ・コーパスからのコグニティブ・インテリジェンス・クエリの作成 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10984030B2 (ja) |
JP (1) | JP6902106B2 (ja) |
CN (1) | CN110383263B (ja) |
GB (1) | GB2574359A (ja) |
WO (1) | WO2018172840A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10817509B2 (en) * | 2017-03-16 | 2020-10-27 | Massachusetts Institute Of Technology | System and method for semantic mapping of natural language input to database entries via convolutional neural networks |
JP7204431B2 (ja) * | 2018-11-08 | 2023-01-16 | 株式会社野村総合研究所 | 単語ベクトルリスト生成装置 |
US11410031B2 (en) | 2018-11-29 | 2022-08-09 | International Business Machines Corporation | Dynamic updating of a word embedding model |
US10664527B1 (en) * | 2019-01-18 | 2020-05-26 | PolyAI Limited | Response retrieval system and method |
US11275769B2 (en) * | 2019-03-28 | 2022-03-15 | Ncr Corporation | Data-driven classifier |
US20210019296A1 (en) * | 2019-07-19 | 2021-01-21 | Surescripts, Llc | System and method for data de-duplication and augmentation |
CN110941717B (zh) * | 2019-11-22 | 2023-08-11 | 深圳马可孛罗科技有限公司 | 客票规则解析方法、装置、电子设备及计算机可读介质 |
US11762894B2 (en) * | 2021-11-29 | 2023-09-19 | International Business Machines Corporation | Event management in computer system |
CN116401336B (zh) * | 2023-03-31 | 2024-03-29 | 华院计算技术(上海)股份有限公司 | 认知智能查询方法及装置、计算机可读存储介质、终端 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5548749A (en) | 1993-10-29 | 1996-08-20 | Wall Data Incorporated | Semantic orbject modeling system for creating relational database schemas |
US5657259A (en) | 1994-01-21 | 1997-08-12 | Object Technology Licensing Corp. | Number formatting framework |
CA2253744C (en) * | 1998-11-10 | 2004-08-24 | Joint Technology Corporation | Indexing databases for efficient relational querying |
US6922699B2 (en) * | 1999-01-26 | 2005-07-26 | Xerox Corporation | System and method for quantitatively representing data objects in vector space |
US6507846B1 (en) * | 1999-11-09 | 2003-01-14 | Joint Technology Corporation | Indexing databases for efficient relational querying |
SG96597A1 (en) * | 2000-02-17 | 2003-06-16 | Ibm | Archiving and retrieval method and apparatus |
US6829606B2 (en) * | 2002-02-14 | 2004-12-07 | Infoglide Software Corporation | Similarity search engine for use with relational databases |
US20040064449A1 (en) * | 2002-07-18 | 2004-04-01 | Ripley John R. | Remote scoring and aggregating similarity search engine for use with relational databases |
US8447743B2 (en) * | 2004-08-17 | 2013-05-21 | International Business Machines Corporation | Techniques for processing database queries including user-defined functions |
US8190555B2 (en) | 2009-01-30 | 2012-05-29 | Hewlett-Packard Development Company, L.P. | Method and system for collecting and distributing user-created content within a data-warehouse-based computational system |
US20140164036A1 (en) | 2012-12-10 | 2014-06-12 | Fluor Technologies Corporation | Program Sentiment Analysis, Systems and Methods |
US9268823B2 (en) | 2013-05-10 | 2016-02-23 | International Business Machines Corporation | Partial match derivation using text analysis |
US9405794B2 (en) | 2013-07-17 | 2016-08-02 | Thoughtspot, Inc. | Information retrieval system |
US20150026153A1 (en) | 2013-07-17 | 2015-01-22 | Thoughtspot, Inc. | Search engine for information retrieval system |
US9684709B2 (en) * | 2013-12-14 | 2017-06-20 | Microsoft Technology Licensing, Llc | Building features and indexing for knowledge-based matching |
US20150293946A1 (en) | 2014-04-09 | 2015-10-15 | City University Of Hong Kong | Cross model datum access with semantic preservation for universal database |
US9489598B2 (en) * | 2014-08-26 | 2016-11-08 | Qualcomm Incorporated | Systems and methods for object classification, object detection and memory management |
WO2016048321A1 (en) * | 2014-09-25 | 2016-03-31 | Hewlett-Packard Development Company, L.P. | Personalized learning based on functional summarization |
US10380144B2 (en) * | 2015-06-16 | 2019-08-13 | Business Objects Software, Ltd. | Business intelligence (BI) query and answering using full text search and keyword semantics |
US9720905B2 (en) | 2015-06-22 | 2017-08-01 | International Business Machines Corporation | Augmented text search with syntactic information |
CN105045852A (zh) * | 2015-07-06 | 2015-11-11 | 华东师范大学 | 一种教学资源的全文搜索引擎系统 |
US20170053023A1 (en) * | 2015-08-17 | 2017-02-23 | Critical Informatics, Inc. | System to organize search and display unstructured data |
US9984116B2 (en) * | 2015-08-28 | 2018-05-29 | International Business Machines Corporation | Automated management of natural language queries in enterprise business intelligence analytics |
US20170060993A1 (en) * | 2015-09-01 | 2017-03-02 | Skytree, Inc. | Creating a Training Data Set Based on Unlabeled Textual Data |
US10896377B2 (en) | 2015-09-10 | 2021-01-19 | International Business Machines Corporation | Categorizing concept terms for game-based training in cognitive computing systems |
US10489393B1 (en) * | 2016-03-30 | 2019-11-26 | Amazon Technologies, Inc. | Quasi-semantic question answering |
US11461801B2 (en) * | 2018-03-02 | 2022-10-04 | Adobe Inc. | Detecting and resolving semantic misalignments between digital messages and external digital content |
US20200134398A1 (en) * | 2018-10-29 | 2020-04-30 | Sri International | Determining intent from multimodal content embedded in a common geometric space |
US11244205B2 (en) * | 2019-03-29 | 2022-02-08 | Microsoft Technology Licensing, Llc | Generating multi modal image representation for an image |
-
2017
- 2017-03-20 US US15/463,053 patent/US10984030B2/en active Active
- 2017-12-12 JP JP2019550226A patent/JP6902106B2/ja active Active
- 2017-12-12 GB GB1914637.2A patent/GB2574359A/en not_active Withdrawn
- 2017-12-12 WO PCT/IB2017/057817 patent/WO2018172840A1/en active Application Filing
- 2017-12-12 CN CN201780087874.7A patent/CN110383263B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
GB2574359A (en) | 2019-12-04 |
CN110383263A (zh) | 2019-10-25 |
US20180267976A1 (en) | 2018-09-20 |
GB201914637D0 (en) | 2019-11-27 |
JP6902106B2 (ja) | 2021-07-14 |
US10984030B2 (en) | 2021-04-20 |
WO2018172840A1 (en) | 2018-09-27 |
CN110383263B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6902106B2 (ja) | 多数のデータ・コーパスからのコグニティブ・インテリジェンス・クエリの作成 | |
Lindstedt | Structural topic modeling for social scientists: A brief case study with social movement studies literature, 2005–2017 | |
US11080273B2 (en) | Image support for cognitive intelligence queries | |
US11847113B2 (en) | Method and system for supporting inductive reasoning queries over multi-modal data from relational databases | |
Delen | Real-world data mining: applied business analytics and decision making | |
Villarroel Ordenes et al. | From words to pixels: text and image mining methods for service research | |
US11182414B2 (en) | Search queries of multi-datatype databases | |
Quinto | Next-generation machine learning with spark: Covers XGBoost, LightGBM, Spark NLP, distributed deep learning with keras, and more | |
US20210390609A1 (en) | System and method for e-commerce recommendations | |
Cambria et al. | Sentic API: a common-sense based API for concept-level sentiment analysis | |
Leydesdorff | In search of epistemic networks | |
Desarkar et al. | Big-data analytics, machine learning algorithms and scalable/parallel/distributed algorithms | |
Zheng et al. | A document level neural model integrated domain knowledge for chemical-induced disease relations | |
US11100100B2 (en) | Numeric data type support for cognitive intelligence queries | |
Poornima et al. | A journey from big data towards prescriptive analytics | |
Aydoğan et al. | TRSAv1: a new benchmark dataset for classifying user reviews on Turkish e-commerce websites | |
Balakrishnan et al. | Sentiment and emotion analyses for Malaysian mobile digital payment applications | |
Anoop et al. | Extracting conceptual relationships and inducing concept lattices from unstructured text | |
Yafooz et al. | Interactive Big Data Visualization Model Based on Hot Issues (Online News Articles) | |
Arnold et al. | Free-form multi-modal multimedia retrieval (4MR) | |
Prathyusha et al. | Normalization Methods for Multiple Sources of Data | |
Osinska | A qualitative–quantitative study of science mapping by different algorithms: The Polish journals landscape | |
Cambria et al. | A common-sense based api for concept-level sentiment analysis | |
Liu et al. | A new feature selection method for text categorization of customer reviews | |
Francis et al. | SmarTxT: A Natural Language Processing Approach for Efficient Vehicle Defect Investigation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191225 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200624 |
|
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: 20210615 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210618 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6902106 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |