JP2021051567A - 情報処理方法および情報処理装置 - Google Patents
情報処理方法および情報処理装置 Download PDFInfo
- Publication number
- JP2021051567A JP2021051567A JP2019174274A JP2019174274A JP2021051567A JP 2021051567 A JP2021051567 A JP 2021051567A JP 2019174274 A JP2019174274 A JP 2019174274A JP 2019174274 A JP2019174274 A JP 2019174274A JP 2021051567 A JP2021051567 A JP 2021051567A
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- word
- sentence
- text data
- synonym
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 30
- 238000003672 processing method Methods 0.000 title claims description 12
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000006467 substitution reaction Methods 0.000 claims 4
- 238000011156 evaluation Methods 0.000 description 58
- 238000000034 method Methods 0.000 description 44
- 230000006870 function Effects 0.000 description 28
- 230000008569 process Effects 0.000 description 27
- 238000010586 diagram Methods 0.000 description 16
- 101100535673 Drosophila melanogaster Syn gene Proteins 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 101100043727 Caenorhabditis elegans syx-2 gene Proteins 0.000 description 2
- 101100043731 Caenorhabditis elegans syx-3 gene Proteins 0.000 description 2
- 101100368134 Mus musculus Syn1 gene Proteins 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
- G06F40/35—Discourse or dialogue representation
-
- 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
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
Description
そこで、自動的に精度よく言い換えの適否を判定する技術が求められる。
図1は、実施例の知識バンク1のハードウェア構成ブロック図である。実施例の知識バンク1は、例えばデータベースサーバのような情報処理装置で構成される。一般的な情報処理装置と同様、中央処理装置(CPU)11、データ通信部12、入出力装置13、制御部14、記憶装置15、入力処理部16、出力処理部17などを備える。
図2は、知識バンク1に格納される知識の階層構造を示す概念図である。具体的には、記憶装置15に格納されている同義語辞書である。この例では3階層の階層であるが、階層はそれより多くても少なくてもよい。本実施例では汎用辞書151は事業分野に依存しない辞書、ドメイン辞書152は金融、公共などの同一分野に適用される分野別辞書、案件辞書153は同一分野の内の各タスク、例えば事業主体毎に適用される辞書としている。汎用辞書151は、分野に依存しないので、新しい分野の新規案件に適用するのに適している。また、ドメイン辞書152は、同一分野の新規案件に適用するのに適している。
図3は、知識バンク1の利用例の一例を示す概念図である。いま、A庁、B銀行、C銀行の案件辞書153、公共と金融のドメイン辞書152、汎用辞書151から構成された知識バンクがあり、この知識バンクを用いてD銀行の対話データ301中の単語の同義語を抽出する例を考える。
上述のように、階層化された知識バンクにおいて、複数辞書、特に上位階層の辞書を検索することで、特定の案件辞書に限定されずに検索が可能となり、文書に適切な同義語集合を検索することができる。次に、どのようにして知識バンクの知識の汎化すなわち、上位辞書への同義語の登録を行うかを説明する。
1)上位辞書Xの下位辞書yの同義語データ
2)上位辞書Xの各下位辞書yの同義語候補に対するユーザーによる評価データ
3)上位辞書Xの下位辞書yの数N
4)任意に設定されるカバー率の下限値BC
5)任意に設定されるエラー率の上限値BE
正例: {y1:{(p1,p2), …}, y2:{…}, …} p1, p2は単語
負例: {y1:{(n1,n2), …}, y2:{…}, …} n1, n2は単語
POS / N ≧ カバー率下限値
NEG / N ≦ エラー率上限値
(Nは集合Yに属する下位辞書yの数)
カバー率下限値とエラー率上限値は事前にユーザーが設定しておく。POS / NとNEG / Nが0〜1の値をとるとすれば、カバー率もエラー率も、0〜1の値をとる。カバー率1とは、すべての辞書で同義語が適切と評価された例が多かったことを意味する。エラー率1とは、すべての辞書で同義語が不適切と評価された例が多かったことを意味する。
同義語集合を得たら、同義語集合の適否を人間が評価する(S303)。評価結果は、ログデータ154として登録する。
知識バンクでの知識の拡張、すなわち同義語対を増やす処理について説明する。同義語関係を推定するにあたって、演繹推論を用いることができる。例えば、「番号」と「電話番号」が同義語で、「番号」と「電番」が同義語であると、「電話番号」と「電番」が同義語であるとする演繹推論が成り立つ。しかしながら、同義語として成立するかどうかは、使用される文脈とも関連する。例えば、「番号」と「個人番号」が同義語で、「番号」と「電話番号」が同義語であるからといって、すべての文脈で「電話番号」と「個人番号」が同義語として成立するとはいいがたい(上述の知識の汎化では、同義語の可能性が大きいもの同士でマージ処理を行っている)。
Q1とQ2が類似度高、かつ、A1とA2が類似度高:類似度高
Q1とQ2が類似度低、かつ、A1とA2が類似度高:類似度中(高)
Q1とQ2が類似度高、かつ、A1とA2が類似度低:類似度中(低)
Q1とQ2が類似度低、かつ、A1とA2が類似度低:類似度低
S = 1/2*sim(q1, q2) + 1/2*sim(a1, a2)
上記のスコアSの計算では、質問文と回答文を同じ重みに取り扱っている。しかしながら、発明者らの検討によると、スコアについて以下の2つの要素を考慮することがより望ましい。
− L*max{sim(q1, f1(q, syn11, syn22)); q∈Q1−{f2(q1i)}}
− L*max{sim(q2, f1(q, syn11, syn12)); q∈Q2−{f2(q2j)}}
右辺第1項と第2項で、q1,a1は対話データ1の質問文と回答文であって、aとbの同義語関係が成立する。q2,a2は対話データ2の質問文と回答文であって、aとcの同義語関係が成立する。simは類似度を示す関数である。同義語が複数のQ&Aに出現する場合は、右辺第1項は平均をとる。例えば、対象データ1にq1iとq1kが含まれており、両方に見出し語<e1>が含まれている場合を考える。kは正の整数であり、1≦k<iまたはi<k≦nの関係にある。この時、右辺第1項は以下のようになる。第2項も同様である。
(1-K)*avg(sim(q1i, q2j) + sim(q1k, q2j))
L*max{sim(p, f1(q, syn11, syn22)); q∈Q1−{f2(q1i), f2(q1k)} ∧ p∈{q1i, q1k}}
Kは0≦K≦1を満たす正の数であり、ユーザーが処理S1302で設定する。Kは質問文と回答文の類似度をスコアSに反映させるに際して、重みづけを行うものである。これにより、文脈の部分毎に重みづけをすることが可能となる。上記(1)の知見を考慮すると、0.5<Kとして回答文の類似度に重みをつけることが望ましい。以上の説明から明らかなように、右辺第1項+第2項が大きいほど、syn12とsyn22が同義語として定義される可能性が大きい。
(1)「自動車登録番号」、「ナンバープレート」
(2)「自動車登録番号」、「マイナンバー」
(3)「自動車登録番号」、「個人番号」
(4)「ナンバープレート」、「マイナンバー」
(5)「ナンバープレート」、「個人番号」
(6)「マイナンバー」、「個人番号」
今までの説明では、知識バンクの知識を汎化、拡張して、同義語辞書を進化させる仕組みを解説した。次に、このように生成された知識バンクの知識を実際の文章に適用して、同義語の置き換えを行う処理を説明する。同義語が同一の意味を有するかは文脈に依存するため、ある同義語集合が特定の文脈における同義語として適切かどうかは、その同義語が文脈に合致しているかを確認しなければならず、大きなコストがかかっていた。知識バンクの特に上位の汎用的な辞書の同義語を適用する場合、人によるチェックを省いて常に適切な置き換えを可能とすることは難しい。
S2 = max{sim(q’, q’’)}
ただし、q’はqをw∈Wで置換した文,q’’∈Q−{a2q(q2a(q))}
である。また、
q2a(x): xを質問文とする回答文を出力する関数
a2q(x): xを回答文とする質問文を出力する関数
である。すなわちq’’はqに対する回答と異なる回答を持つ質問文である。同義語集合W内の同義語wが複数ある場合は、q’も複数あるので、S2は類似度の最大値maxをとる。
score = (カバー率 + ( 1 − エラー率))/2
をそれぞれの同義語集合に付与しておく。スコアS1と上記のscoreを乗算して、S1 * scoreを新たな指標として、S1に代えて用いることができる。
Claims (15)
- 入力装置、出力装置、処理装置および記憶装置からなり、推論部を備える情報処理装置で実行される情報処理方法であって、
前記推論部は、
第1の質問文と第1の回答文の組を含む第1のテキストデータと、第2の質問文と第2の回答文の組を含む第2のテキストデータを入力する、第1のステップ、
前記第1のテキストデータの中の語aを語bに置き換え可能とする第1の同義語関係が成立し、前記第2のテキストデータの中の前記語aを語cに置き換え可能とする第2の同義語関係が成立している場合、前記第1の回答文と前記第2の回答文の類似度である第1の類似度と、前記第1の質問文と前記第2の質問文の類似度である第2の類似度から、前記語bと前記語cの類似度を計算する、第2のステップ、
を実行し、
前記計算において前記第1の類似度の寄与率と前記第2の類似度の寄与率が異なる、
情報処理方法。 - 前記第1の類似度の寄与率を前記第2の類似度の寄与率より大きくする、
請求項1記載の情報処理方法。 - 前記第2のステップでは、
前記第1のテキストデータと前記第2のテキストデータをベクトル化して、前記第1の類似度と前記第2の類似度を計算する、
請求項1記載の情報処理方法。 - 第1のデータベースから、前記第1のテキストデータと前記第1の同義語関係を取得し、
第2のデータベースから、前記第2のテキストデータと前記第2の同義語関係を取得する、
請求項1記載の情報処理方法。 - 前記第1のデータベースから、前記第1のテキストデータ以外の第1の参考テキストデータを得、前記第1の参考テキストデータの質問文の前記語aを、前記語cで置換した第1の置換質問文を生成する第3のステップ、
前記第1の参考テキストデータから、前記第1の質問文に最も類似する質問文であって、前記第1の回答文とは異なる回答文を持つ第1の置換質問文を検索する第4のステップ、
前記第1の質問文と前記第1の置換質問文の類似度を求め、第1のペナルティスコアとする第5のステップ、
を実行する、請求項4記載の情報処理方法。 - 前記第2のデータベースから、前記第2のテキストデータ以外の第2の参考テキストデータを得、前記第2の参考テキストデータの質問文の前記語aを、前記語bで置換した第2の置換質問文を生成する第6のステップ、
前記第2の参考テキストデータから、前記第2の質問文に最も類似する質問文であって、前記第2の回答文とは異なる回答文を持つ第2の置換質問文を検索する第7のステップ、
前記第2の質問文と前記第2の置換質問文の類似度を求め、第2のペナルティスコアとする第8のステップ、
を実行する、請求項5記載の情報処理方法。 - 前記第1の類似度と前記第2の類似度をポジティブなパラメータ、前記第1のペナルティスコアと前記第2のペナルティスコアをネガティブなパラメータとして、前記語bと前記語cの類似度を評価するためのスコアを生成する、
請求項6記載の情報処理方法。 - 前記第1の類似度と前記第2の類似度を、ユーザーに対して表示する、
請求項1記載の情報処理方法。 - 入力装置、出力装置、処理装置および記憶装置からなり、推論部を備える情報処理装置であって、
前記推論部は、
第1の質問文と第1の回答文の組を含む第1のテキストデータと、第2の質問文と第2の回答文の組を含む第2のテキストデータを入力する、第1の機能、
前記第1のテキストデータの中の語aを語bに置き換え可能とする第1の同義語関係が成立し、前記第2のテキストデータの中の前記語aを語cに置き換え可能とする第2の同義語関係が成立している場合、前記第1の回答文と前記第2の回答文の類似度である第1の類似度と、前記第1の質問文と前記第2の質問文の類似度である第2の類似度から、前記語bと前記語cの類似度を計算する、第2の機能、
を備え、
前記計算において前記第1の類似度の寄与率と前記第2の類似度の寄与率が異なる、
情報処理装置。 - 前記第1の類似度の寄与率を前記第2の類似度の寄与率より大きくする、
請求項9記載の情報処理装置。 - 前記第2の機能では、
前記第1のテキストデータと前記第2のテキストデータをベクトル化して、前記第1の類似度と前記第2の類似度を計算する、
請求項9記載の情報処理装置。 - 第1のデータベースから、前記第1のテキストデータと前記第1の同義語関係を取得し、
第2のデータベースから、前記第2のテキストデータと前記第2の同義語関係を取得する、
請求項9記載の情報処理装置。 - 前記第1のデータベースから、前記第1のテキストデータ以外の第1の参考テキストデータを得、前記第1の参考テキストデータの質問文の前記語aを、前記語cで置換した第1の置換質問文を生成する第3の機能、
前記第1の参考テキストデータから、前記第1の質問文に最も類似する質問文であって、前記第1の回答文とは異なる回答文を持つ第1の置換質問文を検索する第4の機能、
前記第1の質問文と前記第1の置換質問文の類似度を求め、第1のペナルティスコアとする第5の機能、
を備える、請求項12記載の情報処理装置。 - 前記第2のデータベースから、前記第2のテキストデータ以外の第2の参考テキストデータを得、前記第2の参考テキストデータの質問文の前記語aを、前記語bで置換した第2の置換質問文を生成する第6の機能、
前記第2の参考テキストデータから、前記第2の質問文に最も類似する質問文であって、前記第2の回答文とは異なる回答文を持つ第2の置換質問文を検索する第7の機能、
前記第2の質問文と前記第2の置換質問文の類似度を求め、第2のペナルティスコアとする第8の機能、
を備える、請求項13記載の情報処理装置。 - 前記第1の類似度と前記第2の類似度をポジティブなパラメータ、前記第1のペナルティスコアと前記第2のペナルティスコアをネガティブなパラメータとして、前記語bと前記語cの類似度を評価するためのスコアを生成する、
請求項14記載の情報処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019174274A JP7481100B2 (ja) | 2019-09-25 | 2019-09-25 | 情報処理方法および情報処理装置 |
US16/809,903 US11507755B2 (en) | 2019-09-25 | 2020-03-05 | Information processing method and information processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019174274A JP7481100B2 (ja) | 2019-09-25 | 2019-09-25 | 情報処理方法および情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021051567A true JP2021051567A (ja) | 2021-04-01 |
JP7481100B2 JP7481100B2 (ja) | 2024-05-10 |
Family
ID=74880973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019174274A Active JP7481100B2 (ja) | 2019-09-25 | 2019-09-25 | 情報処理方法および情報処理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11507755B2 (ja) |
JP (1) | JP7481100B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7137028B1 (ja) | 2022-02-25 | 2022-09-13 | 株式会社Jsol | 質問文生成装置、質問文生成方法、質問文生成プログラム |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220382753A1 (en) * | 2021-05-27 | 2022-12-01 | International Business Machines Corporation | Narrowing synonym dictionary results using document attributes |
CN113673225A (zh) * | 2021-08-20 | 2021-11-19 | 中国人民解放军国防科技大学 | 中文句子相似性判别方法、装置、计算机设备和存储介质 |
US11914630B2 (en) * | 2021-09-30 | 2024-02-27 | Paypal, Inc. | Classifier determination through label function creation and unsupervised learning |
CN114707489B (zh) * | 2022-03-29 | 2023-08-18 | 马上消费金融股份有限公司 | 标注数据集获取方法、装置、电子设备及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9002869B2 (en) | 2007-06-22 | 2015-04-07 | Google Inc. | Machine translation for query expansion |
US7890539B2 (en) * | 2007-10-10 | 2011-02-15 | Raytheon Bbn Technologies Corp. | Semantic matching using predicate-argument structure |
JP5311002B2 (ja) | 2008-06-30 | 2013-10-09 | 日本電気株式会社 | 質問回答検索システム及びその方法とプログラム |
WO2013136532A1 (en) * | 2012-03-14 | 2013-09-19 | Nec Corporation | Term synonym acquisition method and term synonym acquisition apparatus |
WO2013142493A1 (en) * | 2012-03-19 | 2013-09-26 | Mayo Foundation For Medical Education And Research | Analyzing and answering questions |
US9535898B2 (en) * | 2013-02-06 | 2017-01-03 | International Business Machines Corporation | Natural language question expansion and extraction |
US9378204B2 (en) * | 2014-05-22 | 2016-06-28 | International Business Machines Corporation | Context based synonym filtering for natural language processing systems |
US10019513B1 (en) * | 2014-08-12 | 2018-07-10 | Google Llc | Weighted answer terms for scoring answer passages |
JP6980411B2 (ja) | 2017-05-23 | 2021-12-15 | 株式会社日立製作所 | 情報処理装置、対話処理方法、及び対話処理プログラム |
US11468050B2 (en) * | 2017-11-30 | 2022-10-11 | International Business Machines Corporation | Learning user synonyms from sequenced query sessions |
-
2019
- 2019-09-25 JP JP2019174274A patent/JP7481100B2/ja active Active
-
2020
- 2020-03-05 US US16/809,903 patent/US11507755B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7137028B1 (ja) | 2022-02-25 | 2022-09-13 | 株式会社Jsol | 質問文生成装置、質問文生成方法、質問文生成プログラム |
JP2023124315A (ja) * | 2022-02-25 | 2023-09-06 | 株式会社Jsol | 質問文生成装置、質問文生成方法、質問文生成プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20210089722A1 (en) | 2021-03-25 |
JP7481100B2 (ja) | 2024-05-10 |
US11507755B2 (en) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021051567A (ja) | 情報処理方法および情報処理装置 | |
CN112184525B (zh) | 通过自然语义分析实现智能匹配推荐的系统及方法 | |
Kirui et al. | Predicting customer churn in mobile telephony industry using probabilistic classifiers in data mining | |
CN107851097B (zh) | 数据分析系统、数据分析方法、数据分析程序及存储介质 | |
Khoshfetrat et al. | Critical risk factors for implementing building information modelling (BIM): a Delphi-based survey | |
US9275042B2 (en) | Semantic clustering and user interfaces | |
US20160239480A1 (en) | Performing Linguistic Analysis by Scoring Syntactic Graphs | |
US20150142423A1 (en) | Phrase-based data classification system | |
US10983786B2 (en) | Automatically evaluating software project requirements | |
US11645686B2 (en) | Graphical approach to multi-matching | |
US20130326470A1 (en) | Domain-specific generation of programming interfaces for business objects | |
CN110727852A (zh) | 一种推送招聘推荐服务的方法、装置及终端 | |
US20230050197A1 (en) | Systems and methods quantifying trust perceptions of entities within social media documents | |
Hemming et al. | Improving expert forecasts in reliability: Application and evidence for structured elicitation protocols | |
Alhari et al. | Enterprise Architecture: A Strategy to Achieve e-Government Dimension of Smart Village Using TOGAF ADM 9.2 | |
JP7316165B2 (ja) | 情報処理方法および情報処理装置 | |
CN110992194A (zh) | 一种基于含属性的多进程采样图表示学习模型的用户参考指数算法 | |
Haag et al. | Augmented cross-selling through explainable AI--a case from energy retailing | |
CN113821588A (zh) | 文本处理方法、装置、电子设备及存储介质 | |
Olsen | Social Statistics Using Strategic Structuralism | |
CN112508690A (zh) | 一种基于联合分布适配的风险评估方法、装置和电子设备 | |
CN115936758A (zh) | 基于大数据的智能拓客方法及相关装置 | |
CN109919811B (zh) | 基于大数据的保险代理人培养方案生成方法及相关设备 | |
Hayek et al. | Machine learning and external auditor perception: An analysis for UAE external auditors using technology acceptance model | |
Bohner | Decision-support systems for sustainable urban planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220302 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230307 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230404 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230516 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230810 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230828 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230908 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240425 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7481100 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |