JP2021111327A - Ａｐｉナレッジグラフを生成する方法、システム、及び非一時的なコンピュータ可読媒体 - Google Patents

Ａｐｉナレッジグラフを生成する方法、システム、及び非一時的なコンピュータ可読媒体 Download PDF

Info

Publication number
JP2021111327A
JP2021111327A JP2020143479A JP2020143479A JP2021111327A JP 2021111327 A JP2021111327 A JP 2021111327A JP 2020143479 A JP2020143479 A JP 2020143479A JP 2020143479 A JP2020143479 A JP 2020143479A JP 2021111327 A JP2021111327 A JP 2021111327A
Authority
JP
Japan
Prior art keywords
api
ontology
semantic
subset
concepts
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.)
Withdrawn
Application number
JP2020143479A
Other languages
English (en)
Inventor
バーラミ・メフディ
Mehdi Bahrami
チェン・ウェイ−ペン
Wei-Peng Chen
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JP2021111327A publication Critical patent/JP2021111327A/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/541—Interprogram communication via adapters, e.g. between incompatible applications
    • 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
    • G06F16/2452—Query translation
    • G06F16/24522—Translation of natural language queries to structured queries
    • 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
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/547—Remote procedure calls [RPC]; Web services
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/70—Software maintenance or management
    • G06F8/73—Program documentation
    • 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)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Machine Translation (AREA)
  • Stored Programmes (AREA)

Abstract

【課題】ＡＰＩナレッジグラフを生成する方法等を提供する。【解決手段】方法は、第１及び第２ＡＰＩに夫々関連する第１及び第２ＡＰＩドキュメンテーションを取得することと、第１ＡＰＩドキュメンテーション及び第２ＡＰＩドキュメンテーションの夫々をマイニングして第１及び第２の複数のセマンティックトリプルを取り出すことと、第１の複数のセマンティックトリプルからセマンティックトリプルの第１サブセットを、第２の複数のセマンティックトリプルからセマンティックトリプルの第２サブセットを選択することとを含む。方法は、第１ＡＰＩドキュメンテーション及びセマンティックトリプルの第１サブセットに基づき第１オントロジを生成することを含む。方法は、第２オントロジを生成し、第１オントロジを第２オントロジと相関させることを含む。方法は、第１ＡＰＩ及び第２ＡＰＩのナレッジグラフを生成することを含む。【選択図】図４

Description

本開示で論じられる実施形態は、アプリケーションプログラミングインターフェースナレッジグラフを生成することに関係がある。
アプリケーションプログラミングインターフェース（ＡＰＩ）ドキュメンテーションは、いかにしてＡＰＩを使用しかつ／あるいはＡＰＩと相互作用するかに関するソフトウェア開発者のための教授を含んでよい。しかし、各ＡＰＩプロバイダはそれ自身の用語及び情報構造を使用することがあるので、異なるＡＰＩの間には不一致が存在する可能性があり、ソフトウェア開発者が異なるＡＰＩを理解することを難しくする。
本開示で請求される対象は、上記のような環境でしか動作しない実施形態又は上記のような如何なる欠点も解消する実施形態に制限されない。むしろ、この背景は、本開示で記載されるいくつかの実施形態が実施され得る技術範囲の一例を説明するためにのみ設けられている。
方法は、第１アプリケーションプログラミングインターフェース（ＡＰＩ）に関連する第１ＡＰＩドキュメンテーション及び第２ＡＰＩに関連する第２ＡＰＩドキュメンテーションを取得することを含んでよい。方法は、第１の複数のセマンティックトリプルを取り出すよう第１ＡＰＩドキュメンテーションをマイニングすることと、第２の複数のセマンティックトリプルを取り出すよう第２ＡＰＩドキュメンテーションをマイニングすることとを含んでよい。方法は、第１の複数のセマンティックトリプルからセマンティックトリプルの第１サブセットを選択し、第２の複数のセマンティックトリプルからセマンティックトリプルの第２サブセットを選択することを含んでよい。方法は、第１ＡＰＩドキュメンテーション及びセマンティックトリプルの第１サブセットに基づいて第１オントロジを生成することを含んでよい。第１オントロジは、第１ＡＰＩに関連する１つ以上の第１コンセプトと、１つ以上の第１コンセプトに関連する１つ以上の第１属性と、１つ以上の第１コンセプトの間の１つ以上の第１の分類上の関係とを含んでよい。方法は、第２ＡＰＩドキュメンテーション及びセマンティックトリプルの第２サブセットに基づいて第２オントロジを生成することを含んでよい。第２オントロジは、第２ＡＰＩに関連する１つ以上の第２コンセプトと、１つ以上の第２コンセプトに関連する１つ以上の第２属性と、１つ以上の第２コンセプトの間の１つ以上の第２の分類上の関係とを含んでよい。方法は、第１オントロジの１つ以上の第１コンセプト及び第２オントロジの１つ以上の第２コンセプトに基づいて、第１オントロジを第２オントロジと相関させることを含んでよい。方法は、第１オントロジ、第２オントロジ、及び第１オントロジを第２オントロジと相関させることに基づいて、第１ＡＰＩ及び第２ＡＰＩのナレッジグラフを生成することを含んでよい。
実施形態の目的及び利点は、少なくとも、特許請求の範囲で特に指し示されている要素、特徴、及び組み合わせによって実現され達成される。
上記の概要及び下記の詳細な説明は両方とも、例として与えられており、請求されている発明の限定ではなく説明である。
例となる実施形態は、添付の図面の使用を通じて更なる特定及び詳細をもって記載及び説明される。
アプリケーションプログラミングインターフェース（ＡＰＩ）ナレッジグラフを生成することに関連した環境の例を表す図である。 例となるＡＰＩナレッジグラフ及び／又はＡＰＩナレッジグラフのスニペットを表す。 例となるＡＰＩナレッジグラフ及び／又はＡＰＩナレッジグラフのスニペットを表す。 例となるＡＰＩナレッジグラフ及び／又はＡＰＩナレッジグラフのスニペットを表す。 ＡＰＩナレッジグラフにおいて結果を識別するために自然言語処理を使用するプロセスの例のフローチャートである。 ＡＰＩナレッジグラフを生成する方法の例のフローチャートである。 ＡＰＩナレッジグラフを生成するよう構成され得るコンピュータシステムの例を表す。
本開示で記載されるいくつかの実施形態は、アプリケーションプログラミングインターフェース（ＡＰＩ）ナレッジグラフを生成する方法及びシステムに関する。ＡＰＩは、ソースコード又はいかにしてＡＰＩが内部で他に働きかけるかを公開せずに、異なるマシンが互いと及びソフトウェアアプリケーションと相互作用することを可能にするために使用され得る。各ＡＰＩは、メソッド、パラメータ、属性、入出力データタイプ、及びそれらの夫々の記述のそれ自身の定義を有し得る。よって、いかにしてＡＰＩを使用すべきか、どのようなメソッドをＡＰＩが提供するか、並びにどのような入出力をＡＰＩが期待及び／又は生成するかに関するガイダンスなしでは、ＡＰＩを使用することは、ソフトウェア開発者にとって困難である場合がある。
ＡＰＩドキュメンテーションは、いかにしてＡＰＩと相互作用すべきかをソフトウェア開発者が知ることを助けるように、ソフトウェア開発者に教授を与えることができる。しかし、ＡＰＩの各プロバイダは、類似した及び／又は同じオブジェクト、関数、及び／又はプロセスを参照する場合でさえ、異なる用語（terminologies）を使用する可能性がある。その上、たとえ２つの異なるＡＰＩプロデューサがＡＰＩ内で類似した用語を使用するとしても、それらのプロデューサは、ＡＰＩドキュメンテーションにおいて異なるように、とりわけ、関数、特徴、データ構造を記述することがある。更に、異なるＡＰＩを理解するために有益な情報は、ＡＰＩドキュメンテーションにおいて非構造化及び／又は半構造化された様態で提示されることがあり、異なるＡＰＩの間で比較及び／又は類推することを更に困難にする。よって、異なるＡＰＩ及びいかにして一方のＡＰＩの構造が他方のＡＰＩの構造に関係があるかを理解することは、ソフトウェア開発者にとって、上級のソフトウェア開発者でさえ困難である場合がある。
本開示の様々な実施形態は、２つ以上のＡＰＩのナレッジグラフを生成することを助けることができる。本開示のシステム及び／又はプロセスは、ＡＰＩドキュメンテーションの非構造化、半構造化、及び構造化された情報を構造化されたフォーマットに変換することによって、ナレッジグラフの生成を可能にし得る。いくつかの実施形態では、複数のＡＰＩドキュメンテーション（数十、数百、数千、以上）が、複数の異なるＡＰＩプロバイダのＡＰＩに関連するナレッジグラフを生成するために組み合わされてよい。ナレッジグラフは、ＡＰＩ記述に対応してよく、異なるＡＰＩにおける関数、構造、及び／又はオブジェクトの間の関係などのような、単一のＡＰＩに含まれない情報の識別を助け得る。例えば、ナレッジグラフは、異なるＡＰＩの異なる用語が同じ事物に対応しているとユーザが理解することを助け得る。例えば、１つのＡＰＩプロバイダは、ＡＰＩ ＲＥＳＴ（Representational Sate Transfer）エンドポイントを“エンドポイント”として参照してよく、一方、他のＡＰＩプロバイダは、ＡＰＩ ＲＥＳＴエンドポイントを“関数”（function）として参照してよい。ナレッジグラフは、両方のＡＰＩをより容易に使用することをユーザに可能にするように、１つのＡＰＩの“エンドポイント”を他のＡＰＩの“関数”とリンクしてよい。
いくつかの実施形態で、本開示の方法に従って生成されるナレッジグラフは、異なるＡＰＩに関してユーザクエリに対する応答を識別するよう探索されてよい。例えば、ナレッジグラフを使用して、ユーザのクエリは、自然言語（例えば、英語又は日本語）において取得されてよい。
本開示の様々な実施形態は、ＡＰＩと相互作用するための新しいコードを開発するのに必要とされるコスト及び／又は時間を減らし得るナレッジグラフの生成をもたらし得る。
本開示の実施形態は、添付の図面を参照して説明される。
図１は、本開示で記載される少なくとも１つの実施形態に従って配置される、ＡＰＩナレッジグラフを生成することに係る例となる環境１００を表す図である。環境１００は、マイニングモジュール１２０、インスタンス化モジュール１４０、拡張モジュール１５０、及び機械学習分類器１６０を含んでよい。
マイニングモジュール１２０は、コンピュータデバイスが、オブジェクト１２５を得るために、ＡＰＩドキュメンテーションのコーパス１１０に関して１つ以上の動作を実行することを可能にするよう構成されたコード及びルーチンを含んでよい。追加的に、又は代替的に、マイニングモジュール１２０は、プロセッサ、マイクロプロセッサ（例えば、１つ以上の動作を実行し又はその実行を制御するもの）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを用いて実装されてよい。いくつかの他の場合に、マイニングモジュール１２０は、ハードウェアとソフトウェアとの組み合わせを用いて実装されてもよい。本開示では、マイニングモジュール１２０によって実行されるものとして記載される動作は、マイニングモジュール１２０が対応するシステムに実行するよう指示し得る動作を含んでもよい。
いくつかの実施形態で、マイニングモジュール１２０は、ＡＰＩドキュメンテーションのコーパス１１０を取得してよい。いくつかの実施形態で、マイニングモジュール１２０は、１つ以上のネットワークを介してＡＰＩドキュメンテーションのコーパス１１０を取得してもよい。いくつかの実施形態で、ＡＰＩドキュメンテーションのコーパス１１０は、複数のＡＰＩに関連するＡＰＩドキュメンテーションを含んでよい。例えば、ＡＰＩドキュメンテーションのコーパス１１０は、１０、１００、１０００、１００００、又は任意の数のＡＰＩに関連するＡＰＩドキュメンテーションを含んでよい。ＡＰＩは、ＲＥＳＴ ＡＰＩ、Ｊａｖｅ（登録商標） ＡＰＩ、又はあらゆる他のタイプのＡＰＩであってよい。いくつかの実施形態で、ＡＰＩドキュメンテーションのコーパス１１０の中の複数のＡＰＩドキュメンテーションは、特定のＡＰＩに関連してもよい。例えば、特定のＡＰＩは、それに関連する１０のＡＰＩドキュメンテーションを有してよく、他のＡＰＩは、それに関連する１のＡＰＩドキュメンテーションを有してよい。各ＡＰＩドキュメンテーションは、いかにしてＡＰＩと相互作用するかをソフトウェア開発者が知ることを助けるようソフトウェア開発者への教授を含んでよく、ＡＰＩのプロバイダが選択している言語を使用してよい。異なるＡＰＩドキュメンテーションは、同じ又は類似したオブジェクト、関数、コンセプト、プロセス、考え及び／又は構造を参照する場合でさえ、異なる用語を使用する可能性がある。
次いで、マイニングモジュール１２０は、ＡＰＩドキュメンテーションのコーパス１１０からＡＰＩドキュメンテーションを“マイニング”（mine）してよい。いくつかの実施形態で、ＡＰＩドキュメンテーションをマイニングすることは、ＡＰＩドキュメンテーションからトリプルを取り出すことを含んでよい。いくつかの実施形態で、トリプルは、リソース記述フレームワーク（ＲＤＦ）トリプルを含んでよい。トリプルは、主語（subject）、述語（predicate）、及び目的語（object）を含んでよい。マイニングモジュール１２０は、複数の異なるプロセスを通じて、ＡＰＩドキュメンテーションからトリプルを取り出してよい。例えば、いくつかの実施形態で、ＡＰＩドキュメンテーションは、トリプルの取り出しのために手動で注釈を付されてよく、トリプルのための処理条件が存在してよい。いくつかの実施形態で、マイニングモジュール１２０は、ＡＰＩドキュメンテーションをトークン化してよい。トークン化（トークナイゼーション）は、センテンスなどのテキストのストリームをワード、フレーズ、シンボル、又はトークンと呼ばれる他の有意味な要素に分けることを指し得る。マイニングモジュール１２０は、次いで、トークン化されたＡＰＩドキュメンテーションをパースして、ＡＰＩドキュメンテーションのセンテンスから要素を取り出してよい。いくつかの実施形態で、夫々のパースされたトークンは、１つ以上の要素を含んでよい。例えば、夫々のパースされたトークンは、トリプルとして記憶され得る３つの要素を生成するために使用されてよい。例えば、マイニングモジュール１２０は、抽出規則を使用して、各センテンスからトリプルの３つの要素である主語、述語、及び目的語を取り出してよい。例えば、トリプルは、数あるフォーマットの中でも特に、＜ＡＰＩ，タイトル，ＡＰＩ１＞、＜ＡＰＩ，タイトル，ＡＰＩ２＞の形を取ってよい。マイニングモジュール１２０が、ＡＰＩドキュメンテーションのコーパス１１０からのＡＰＩごとの各ＡＰＩドキュメンテーションからトリプルを取り出した後、マイニングモジュール１２０は、各ＡＰＩに関連するトリプルのサブセットを選択してよい。例えば、いくつかの実施形態で、マイニングモジュール１２０は、全てのＡＰＩドキュメンテーションにわたってどれくらいの頻度で述語が現れるかを識別してよい。特定のトリプルにおける述語の出現の頻度が閾値を満足する場合に、その特定のトリプルは、トリプルのサブセットに含まれるトリプルとして選択されてよい。
いくつかの実施形態で、マイニングモジュール１２０は、各トリプル内の各述語が現れるＡＰＩドキュメンテーションのコーパス１１０のＡＰＩドキュメンテーションのパーセンテージを決定してよい。例えば、特定の述語は、ＡＰＩドキュメンテーションのコーパス１１０のＡＰＩドキュメンテーションの８２％で出現し得る。閾発生率が８０％である場合に、その特定の述語を含むトリプルは、トリプルのサブセットに含まれ得る。いくつかの実施形態で、トリプルのサブセットはオブジェクト１２５であってよい。代替的に、又は追加的に、いくつかの実施形態で、マイニングモジュール１２０は、ワード間の類似性を特定するためにＡＰＩドキュメンテーションのコーパス１１０に対してＷｏｒｄ２Ｖｅｃアルゴリムなどの教師なし機械学習アルゴリズムを用いてよい。ワード間の類似性に基づいて、マイニングモジュール１２０は、ＡＰＩドキュメンテーションのコーパス１１０において特定のワードをオブジェクト１２５として識別してよい。
インスタンス化モジュール１４０は、コンピュータデバイスが、インスタンス１４５を得るために、ＯＡＳレポジトリ１３０及びオブジェクト１２５に関して１つ以上の動作を実行することを可能にするよう構成されたコード及びルーチンを含んでよい。追加的に、又は代替的に、インスタンス化モジュール１４０は、プロセッサ、マイクロプロセッサ（例えば、１つ以上の動作を実行し又はその実行を制御するもの）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを用いて実装されてよい。いくつかの他の場合に、インスタンス化モジュール１４０は、ハードウェアとソフトウェアとの組み合わせを用いて実装されてもよい。本開示では、インスタンス化モジュール１４０によって実行されるものとして記載される動作は、インスタンス化モジュール１４０が対応するシステムに実行するよう指示し得る動作を含んでもよい。
いくつかの実施形態で、インスタンス１４５は、オブジェクト１２５のサンプル及び／又は例を含んでよい。例えば、１つのオブジェクト１２５は“エンドポイントアドレス”を含んでよい。このような及び他の実施形態で、インスタンス化モジュール１４０は、“エンドポイントアドレス”オブジェクトのインスタンスとして“/post_message”を取得してよい。いくつかの実施形態で、インスタンス化モジュール１４０は、ＯＡＳレポジトリ１３０に基づいて、オブジェクト１２５からインスタンス１４５を生成してよい。いくつかの実施形態で、ＯＡＳレポジトリ１３０は、複数のＯＡＳ ＪａｖａＳｃｒｉｐｔ（登録商標）オブジェクト表記法（JavaScript Object Notation，ＪＳＯＮ）ファイルを含んでよい。各ＯＡＳ ＪＳＯＮファイルは、マシン読み出し可能なファイルであってよい。ＯＡＳ ＪＳＯＮファイルは、複数の値を含んでよく、各値は、オブジェクト名のインスタンスであってよい。例えば、ＯＡＳ ＪＳＯＮファイルは、“paths”->‘/post_message’を含んでよく、これは、エンドポイント（ＯＡＳフォーマットに従う）及び値又はインスタンスが“/post_message”であり得るということで、“paths”としてアドレッシングされてよい。異なるＯＡＳ ＪＳＯＮファイルは、異なるＡＰＩに対応してよい。例えば、第１ＡＰＩは、第１ＯＡＳ ＪＳＯＮファイル及び／又はＯＡＳ ＪＳＯＮファイルの第１の組に関連してよい。第２ＡＰＩは、第２ＯＡＳ ＪＳＯＮファイル及び／又はＯＡＳ ＪＳＯＮファイルの第２の組に関連してよい。代替的に、又は追加的に、いくつかの実施形態で、ＡＰＩは、対応するＯＡＳファイルを含まなくても又はそれに関連してなくてもよい。このような及び他の実施形態で、ＡＰＩドキュメンテーションのコーパス１１０の中のＡＰＩドキュメンテーションは、ＯＡＳを構成するようパースされてよい。いくつかの実施形態で、ＯＡＳレポジトリ１３０内のＯＡＳ ＪＳＯＮファイルは、オープンＡＰＩ仕様によって規定される標準のような標準ＯＡＳスキーマに従ってよい。このような及び他の実施形態で、種々のバージョンのＯＡＳスキーマが存在し得る。例えば、１つのＯＡＳ ＪＳＯＮファイルは、ＯＡＳ３．０．０バージョンファイルであってよく、他のＯＡＳ ＪＳＯＮファイルは、ＯＡＳ３．０．１バージョンファイルであってよい。いくつかの実施形態で、ＯＡＳレポジトリ１３０は、ウェブベースのＡＰＩに関連してよく、ウェブベースではないＡＰＩに関連しなくてもよい。いくつかの実施形態で、ＯＡＳスキーマは、ＲＥＳＴ ＡＰＩのための標準であってよく、オブジェクト及び値を配置するための構造を定義してよい。いくつかの実施形態で、ＯＡＳはオントロジと対応してよい。例えば、オントロジは、コンセプト、コンセプトの属性、及びコンセプトの間の階層関係を含んでよい。
拡張モジュール１５０は、コンピュータデバイスが、拡張されたＯＡＳオントロジ１５５を得るために、オブジェクト１２５及びインスタンス１４５に関して１つ以上の動作を実行することを可能にするよう構成されたコード及びルーチンを含んでよい。追加的に、又は代替的に、拡張モジュール１５０は、プロセッサ、マイクロプロセッサ（例えば、１つ以上の動作を実行し又はその実行を制御するもの）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを用いて実装されてよい。いくつかの他の場合に、拡張モジュール１５０は、ハードウェアとソフトウェアとの組み合わせを用いて実装されてもよい。本開示では、拡張モジュール１５０によって実行されるものとして記載される動作は、拡張モジュール１５０が対応するシステムに実行するよう指示し得る動作を含んでもよい。
いくつかの実施形態で、拡張モジュール１５０は、オントロジとして、特定のＡＰＩに関連するオープンＡＰＩ仕様から始めてよい。拡張モジュール１５０は、オブジェクト１２５及びインスタンス１４５をオントロジに加えることによって、オントロジを拡張してよい。いくつかの実施形態で、拡張モジュール１５０は、オントロジのクラス、特性、及びデータタイプに応じて種々の方法でオントロジを変更してよい。例えば、適切に定義された範囲を有する特性によれば、path itemオブジェクトがオントロジに加えられてよい。例えば、ノードは、オブジェクト内の特性ごとに加えられてよい。代替的に、又は追加的に、例えば、自己定義の特性及び拡張可能な特性などのような、範囲を指定されないパターン化された特性の場合に、拡張モジュール１５０は、それらの特性をrootクラスの新しい特性として加えてよい。
一例として、いくつかのフィールドパターンは、Ｓｗａｇｇｅｒスキーマなどの他のスキーマへのクラスの拡張を可能にし得る。例えば、いくつかの実施形態で、フィールドパターン^x-は、Ｓｗａｇｇｅｒスキーマへの拡張を可能にし得る。よって、ｘ内部ＩＤ（x-internal-id）は、ＡＰＩがＳｗａｇｇｅｒスキーマから“内部ＩＤ”にアクセスすることを可能にすることができ、ｘオリジン（x-origin）は、ＡＰＩがＳｗａｇｇｅｒスキーマから“原点”（origin）にアクセスすることを可能にすることができる。拡張モジュール１５０は、拡張されたＯＡＳオントロジ１５５を取得するために、このようにして、インスタンス化モジュール１４０から得られたインスタンス１４５及びマイニングモジュール１２０から得られたオブジェクト１２５を用いてオントロジを拡張してよい。追加的に、又は代替的に、拡張モジュール１５０は、拡張されたＯＡＳオントロジ１５５を取得するために、新しい特性を含めるよう、拡張可能な特性を含むパターン化された特性に基づいてオントロジを拡張してもよい。代替的に、又は追加的に、拡張モジュール１５０は、拡張されたＯＡＳオントロジ１５５を取得するために、インスタンス１４５、オブジェクト１２５、及び拡張可能な特性を含むパターン化された特性を用いてオントロジを拡張してよい。
例えば、拡張モジュール１５０は、ＯＡＳレポジトリ１３０からのＯＡＳに基づいて、各インスタンス１４５に関連するクラスを推測してよい。例えば、拡張モジュール１５０は、特定のオブジェクトが“operationオブジェクト”のインスタンスであると決定するためにフィールド名、パラメータ、及び属性を比較してよい。同じように、拡張モジュール１５０は、特定のオブジェクトがパラメータオブジェクト又はあらゆる他のタイプのオブジェクトのインスタンスであると決定してもよい。
追加的に、又は代替的に、いくつかの実施形態で、拡張モジュール１５０は、新しいクラスを定義し、その新しいクラスを付加して、拡張されたＯＡＳオントロジ１５５を生成してもよい。例えば、拡張モジュール１５０は、新しいクラスとしてScopesRangeを、及び新しいクラスとしてSecurityRequirementRangeを定義してよい。例えば、いくつかの実施形態で、拡張モジュール１５０は、上述されたようにノードとして付加的な特性を生成してもよい。これらの自己定義の特性及び／又はクラスは、それらに割り当てられたクラスを有さなくてもよい。いくつかの実施形態で、拡張モジュール１５０はまた、付加的な特性をクラスに加えるようクラスを変更してもよい。例えば、拡張モジュール１５０は、新しい特性“XXXItem”及び“itemName”特性をPathsObject、HeadersObject、DefinitionsObject、ParametersDefinitionsObject、ResponsesDefinitionsObject、SecurtyDefinitionsObject、及びSchemaObjectクラスに加えてよい。このような及び他の実施形態で、“XXXItem”内の“XXX”は、（“PathsObject”の）“path”、（“HeadersObject”の）“header”、などを表してよい。このような及び他の実施形態で、付加的な特性を加えることは、冗長性を低減し得る。よって、いくつかの実施形態で、拡張モジュール１５０は、ナレッジグラフ又はオントロジにおいて付加的なノードを生成し得る。いくつかの実施形態で、拡張モジュール１５０は、ＲＤＦの命名規則に従わない自己定義の特性を変更してもよい。例えば、特性が数字から始まる場合に、それは、下線から始まるよう変更されてよく、“200”は“_200”に変更され得る。同様に、かっこは、下線に変更されてもよく、“category(primary)”は“category_primary_”に変更され得る。
機械学習分類器１６０は、コンピュータデバイスが、ナレッジグラフ１６５を得るために、１つ以上の拡張されたＯＡＳオントロジ１５５に関して１つ以上の動作を実行することを可能にするよう構成されたコード及びルーチンを含んでよい。追加的に、又は代替的に、機械学習分類器１６０は、プロセッサ、マイクロプロセッサ（例えば、１つ以上の動作を実行し又はその実行を制御するもの）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを用いて実装されてよい。いくつかの他の場合に、機械学習分類器１６０は、ハードウェアとソフトウェアとの組み合わせを用いて実装されてもよい。本開示では、機械学習分類器１６０によって実行されるものとして記載される動作は、機械学習分類器１６０が対応するシステムに実行するよう指示し得る動作を含んでもよい。
いくつかの実施形態で、機械学習分類器１６０は、１つ以上の拡張されたＯＡＳオントロジ１５５からナレッジグラフ１６５を生成するよう構成されてよい。機械学習分類器１６０は、その関連するオブジェクト１２５及びインスタンス１４５を含む拡張されたＯＡＳオントロジ１５５に基づいて、グラフを生成してよい。
例えば、機械学習分類器１６０は、オブジェクトを、それらの特徴に従って、異なるが類似するクラスに分類するよう構成されてよい。例えば、機械学習分類器１６０は、第１の拡張されたＯＡＳオントロジ１５５からのオブジェクト、特性、及び／又はクラスを、第２の拡張されたＯＡＳオントロジ１５５からのオブジェクト、特性、及び／又はクラスと関連付けるよう構成されてよい。例えば、機械学習分類器１６０は、例えば、Ｗｏｒｄ２Ｖｅｃ教師なしモデルからのワードの分類のような、マイニングモジュール１２０からのワード分類を使用して、第１の拡張されたＯＡＳオントロジ１５５のどのオブジェクトが第２の拡張されたＯＡＳオントロジ１５５の対応するオブジェクトと相関するかを識別するよう構成されてよい。このような及び他の実施形態で、機械学習分類器１６０は、付加的なノードを加えることによって、第１の拡張されたＯＡＳオントロジ１５５のノードを第２の拡張されたＯＡＳオントロジ１５５のノードと接続してよい。例えば、第１の拡張されたＯＡＳオントロジ１５５における“エンドポイント”は、ＡＰＩ ＲＥＳＴエンドポイントと対応してよい。第２の拡張されたＯＡＳオントロジ１５５における“関数”も、ＡＰＩ ＲＥＳＴエンドポイントと対応してよい。機械学習分類器１６０は、ＡＰＩ ＲＥＳＴエンドポイントノードを加え、ノードを“エンドポイント”及び“関数”の両ノードに接続してよく、“エンドポイント”及び“関数”は両方とも、ＡＰＩ ＲＥＳＴエンドポイントのインスタンスである。よって、機械学習分類器１６０は、図２Ａ〜２Ｃに表されているようにナレッジグラフ１６５を生成し得る。
いくつかの実施形態で、マイニングモジュール１２０、インスタンス化モジュール１４０、拡張モジュール１５０、及び機械学習分類器１６０のうちの１つ以上は、単一のデバイスの部分であってよい。代替的に、又は追加的に、いくつかの実施形態で、マイニングモジュール１２０、インスタンス化モジュール１４０、拡張モジュール１５０、及び機械学習分類器１６０のうちの１つ以上は、ソフトウェアとして実装されてもよい。例えば、マイニングモジュール１２０、インスタンス化モジュール１４０、拡張モジュール１５０、及び機械学習分類器１６０のうちの１つ以上は、ソフトウェアプログラムにおいて異なるモジュールとしてプログラムされてもよい。
環境１００の動作の説明が続く。マイニングモジュール１２０は、ＡＰＩドキュメンテーションのコーパス１１０を取得してよい。マイニングモジュール１２０は、ＡＰＩドキュメンテーションのコーパス１１０からオブジェクト１２５としてＲＤＦトリプルを識別及び／又は抽出するように、ＡＰＩドキュメンテーションのコーパス１１０に対して教師あり及び／又は教師なし機械学習を実行してよい。いくつかの実施形態で、マイニングモジュール１２０は、オブジェクト１２５に関連する各々のトリプルにおける各々の述語の出現の頻度に基づいて、オブジェクト１２５のサブセットを選択してよい。例えば、マイニングモジュール１２０は、特定の述語がＡＰＩドキュメンテーションのコーパス１１０の中の２０％のＡＰＩドキュメンテーションで現れると決定してよく、その特定の述語を含むトリプルをオブジェクト１２５に含めなくてよい。代替的に、又は追加的に、マイニングモジュール１２０は、別の特定の述語が、ＡＰＩドキュメンテーションのコーパス１１０の中の８５％のＡＰＩドキュメンテーションで現れると決定してよく、その特定の述語を含むトリプルをオブジェクト１２５に含めてよい。インスタンス化モジュール１４０は、オブジェクト１２５を取得してよく、かつ、ＯＡＳレポジトリ１３０からＡＰＩに関連する１つ以上のＯＡＳを取得してよい。インスタンス化モジュール１４０は、オブジェクト１２５のインスタンス１４５を生成してよい。
拡張モジュール１５０は、オブジェクト１２５及びインスタンス１４５に基づいてＯＡＳオントロジを拡張してよい。いくつかの実施形態で、ＯＡＳオントロジは、ＯＡＳレポジトリ１３０からのＯＡＳと対応してよい。いくつかの実施形態で、拡張モジュール１５０は、ＯＡＳオントロジ内の特定のクラスに基づいて付加的な特性をＯＡＳオントロジに加えてよく、インスタンス１４５をＯＡＳオントロジに加えてよく、かつ、オブジェクト１２５をＯＡＳオントロジに加えてよい。いくつかの実施形態で、拡張モジュール１５０は、関連するＯＡＳに基づいてインスタンスのクラスを推測してよく、Ｓｗａｇｇｅｒオントロジに基づいて及び／又は他のオントロジに基づいてＯＡＳオントロジを拡張してよく、付加的なクラスをＯＡＳオントロジに加えてよく、かつ／あるいは、冗長性を低減するように新しい特性をクラスに加えることによってクラスを変更してよい。いくつかの実施形態で、機械学習分類器１６０は、拡張されたＯＡＳオントロジ１５５に基づいてナレッジグラフ１６５を生成してよい。例えば、いくつかの実施形態で、機械学習分類器１６０は、ナレッジグラフ１６５を生成するように２つ以上の拡張されたＯＡＳオントロジ１５５を相関させてよい。ナレッジグラフ１６５の例及び／又はナレッジグラフ１６５のスニペットの例は、図２Ａ〜２Ｃに表されている。
ナレッジグラフ１６５は、ユーザのクエリに答えるために、かつ／あるいは、一度に複数のＡＰＩに関する情報をユーザに提示して、どれくらい異なるＡＰＩが構造化されるかを理解すること、異なるＡＰＩの間の類似性を決定すること、及び／又はいかにして異なるＡＰＩを使用すべきかを理解することをユーザに可能にするために、使用されてよい。例えば、ナレッジグラフ１６５は、たとえ第１ＡＰＩ及び第２ＡＰＩが異なるようにオブジェクトを参照するとしても、第１ＡＰＩのオブジェクトを第２ＡＰＩのオブジェクトとリンクしてよい。例えば、第１ＡＰＩは、オブジェクトを“エンドポイント”として参照してよく、第２ＡＰＩは、オブジェクトを“関数”として参照してよいが、“エンドポイント”及び“関数”は両方とも、ＡＰＩ ＲＥＳＴエンドポイントに関連しかつ／あるいはそれとして動作してよい。このようにして、ナレッジグラフ１６５は、同等の及び／又は類似した情報を参照するために使用され得る２つの異なる用語を理解することをユーザに可能にし得る。
その上、いくつかの実施形態で、ナレッジグラフ１６５は、ユーザクエリに対する決断を供給するために使用されてよい。例えば、ユーザクエリは、自然言語において受け取られてよい。いくつかの実施形態で、ユーザクエリは、テキスト形式、オーディオ形式、又はビデオ形式であってよい。機械学習アルゴリズムは、ＳＰＡＲＱＬクエリを生成するために自然言語理解（natural language understanding）を使用してよい。いくつかの実施形態で、機械学習アルゴリズムは、ユーザのクエリのコンテキストを識別してよい。一例として、クエリが「サニーベールの温度を得よ」（get temperature of Sunnyvale）と要求する場合に、機械学習アルゴリズムは、ワード「温度」（temperature）から「天候」（weather）としてコンテキストを識別してよく、かつ、「サニーベール」（Sunnyvale）から「都市」（city）として場所を識別してよい。それから、ＳＰＡＲＱＬクエリがナレッジグラフ１６５に対して実行されてよく、適切なＡＰＩコールがナレッジグラフ１６５において識別され得る。ＡＰＩコールは実行されてよく、ユーザクエリに対する応答は識別されてよい。それから、機械学習アルゴリズムは、ナレッジグラフ１６５において適切なＡＰＩコールを識別した後でＡＰＩコールを実行して、都市サニーベールにおける天候を決定してよく、そして、その天候を用いてユーザクエリに応答してよい。その上、ユーザクエリは、ＡＰＩ自体の構造及び／又は機能を含んでもよい。例えば、ユーザクエリは、特定の出力の関数がどのようなものであるかを尋ねてもよい。自然言語クエリからのＳＰＡＲＱＬクエリの生成に関する更なる詳細は、図３に関連して以下で記載される。
本開示の適用範囲から逸脱せずに、図１に対して変更、追加、又は削除が行われてよい。例えば、環境１００は、本開示で図示及び記載されているものよりも多い又は少ない要素を含んでよい。更に、いくつかの実施形態で、マイニングモジュール１２０、インスタンス化モジュール１４０、拡張モジュール１５０、及び／又は機械学習モジュール１６０は、１つのモジュールであってよい。代替的に、又は追加的に、いくつかの実施形態で、マイニングモジュール１２０、インスタンス化モジュール１４０、拡張モジュール１５０、及び／又は機械学習モジュール１６０、並びにマイニングモジュール１２０、インスタンス化モジュール１４０、拡張モジュール１５０、及び／又は機械学習モジュール１６０に関して述べられている動作は、異なるシステムにわたって分布してもよい。
図２Ａ〜２Ｃは、例となるＡＰＩナレッジグラフ及び／又はＡＰＩナレッジグラフのスニペットを表す。例えば、図２Ａは、第１の例となるナレッジグラフ２１０を表す。図２Ａに表されているように、ナレッジグラフ２１０は、複数の正規ノード２１２（図２Ａ中「Ｒ」と表記されているノード）を含んでよい。正規ノードは、ＯＡＳフォーマットに従ってナレッジグラフ２１０に加えられるノードを含んでよい。例えば、「ＡＰＩタイトル：ツイッターＡＰＩ」（API Title: Twitter API）は、正規ノード２１２「ツイッターＡＰＩ」及びエッジ「ＡＰＩタイトル」に関連してよい。ナレッジグラフ２１０はまた、複数のＯＡＳオントロジノード２１４（図２Ａ中「Ｏ」と表記されているノード）を含んでもよい。ＯＡＳオントロジノード２１４は、ＯＡＳがＯＡＳレポジトリ（例えば、図１のＯＡＳレポジトリ１３０）から受け取られるということで、ＯＡＳから生成されかつ／あるいはＯＡＳからのオントロジに関連したノードであってよい。ナレッジグラフ２１０はまた、複数の拡張ＯＡＳオントロジノード２１６（図２Ａ中「Ｅ」と表記されているノード）を含んでもよい。このような及び他の実施形態で、拡張ＯＡＳオントロジノード２１６は、オブジェクト及びインスタンス（例えば、図１のオブジェクト１２５及びインスタンス１４５）に基づいて生成されたノードを含んでよい。このような及び他の実施形態で、拡張ＯＡＳオントロジノード２１６はまた、拡張可能な特性を有するオブジェクトに基づき加えられたノードを含んでもよい。例えば、拡張可能な特性を有するオブジェクトの新しい特性は、図１に関して上述されたように、新しいノードとして加えられてよい。追加的に、又は代替的に、拡張ＯＡＳオントロジノード２１６は、インスタンスに関連したクラスの推測として加えられたノードを含んでもよい。例えば、インスタンスは、拡張ＯＡＳオントロジノード２１６であってよく、推測されるクラスノードも、拡張ＯＡＳオントロジノード２１６であってよい。追加的に、又は代替的に、拡張ＯＡＳオントロジノード２１６は、新しい特性として特定のクラスに加えられたノードを含んでもよい。
図２Ｂは、第２の例となるナレッジグラフ２２０を表す。図２Ｂに表されているように、ナレッジグラフ２２０は、ＡＰＩ１ ２２２Ａ及びＡＰＩ２ ２２２Ｂのような複数のＡＰＩを表してよい。このような及び他の実施形態で、ナレッジグラフ２２０は、より大きいナレッジグラフのスニペットのみを表してよい。例えば、より大きいナレッジグラフは、ＡＰＩ１ ２２２Ａに関連した追加ノード及び／又はＡＰＩ２ ２２２Ｂに関連した追加ノードを含んでよい。いくつかの実施形態で、ナレッジグラフ２２０は、複数のＡＰＩの間で類似したノードを識別してよい。例えば、クラスノード２２４Ａは、ＡＰＩ１ ２２２Ａにおけるクラスであってよく、クラスノード２２４Ｂは、ＡＰＩ２ ２２２Ｂにおけるクラスであってよい。クラスノード２２４Ａ及びクラスノード２２４Ｂの夫々は、Ｓｗａｇｇｅｒオブジェクト２２６のインスタンスであってよい。よって、ナレッジグラフ２２０は、たとえクラスノード２２４Ａ及びクラスノード２２４ＢがＡＰＩ１ ２２２Ａ及びＡＰＩ２ ２２２Ｂ並びに関連するＡＰＩドキュメンテーションにおいて異なった名称及び／又は記述を有しているとしても、ＡＰＩ１ ２２２Ａにおけるクラス２２４ＡがＡＰＩ２ ２２２Ｂにおけるクラスノード２２４Ｂと類似及び／又は同じであることをユーザ（例えば、コンピュータプログラム）に表し得る。
図２Ｃは、第３の例となるナレッジグラフ２３０を表す。図２Ｃに表されているように、ナレッジグラフ２３０は、企業１ ２３２ＡからのＡＰＩ及び企業２ ２３２ＢからのＡＰＩのような、複数の異なるＡＰＩプロバイダからのＡＰＩを含んでよい。企業１ ２３２ＡからのＡＰＩは、「エンドポイント」として特定のオブジェクトを参照してよく、企業２ ２３２ＢからのＡＰＩは、「関数」として特定のオブジェクトを参照してよい。ナレッジグラフ２３０は、「エンドポイント」及び「関数」が両方ともＡＰＩ ＲＥＳＴエンドポイントのインスタンスであることを示すことができ、ユーザが企業１ ２３２ＡからのＡＰＩ及び企業２ ２３２ＢからのＡＰＩの両方の機能を理解することを助ける。
本開示の適用範囲から逸脱せずに、図２Ａ〜２Ｃに対して変更、追加、又は削除が行われてよい。例えば、図２Ａ、２Ｂ、及び２Ｃのナレッジグラフ２１０、２２０、及び２３０は夫々、単に例示に過ぎない。ナレッジグラフの夫々は、より多いノードや、より少ないノードを含んでよく、かつ／あるいは、複数（例えば、数十、数百、数千、及び／又はそれ以上）のＡＰＩに関連してよい。
図３は、ＡＰＩナレッジグラフのスニペットにおいて結果を識別するために自然言語処理を使用する、例となるプロセス３００のフローチャートである。プロセス３００は、自然言語理解ユニット（ＮＬＵ）３２０及びグラフパーサ３７０を含んでよい。
ＮＬＵ３２０は、コンピュータデバイスが、ＳＰＡＲＱＬクエリ３５０を得るために、自然言語テキスト３１０に関して１つ以上の動作を実行することを可能にするよう構成されたコード及びルーチンを含んでよい。追加的に、又は代替的に、ＮＬＵ３２０は、プロセッサ、マイクロプロセッサ（例えば、１つ以上の動作を実行し又はその実行を制御するもの）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを用いて実装されてよい。いくつかの他の場合に、ＮＬＵ３２０は、ハードウェアとソフトウェアとの組み合わせを用いて実装されてもよい。本開示では、ＮＬＵ３２０によって実行されるものとして記載される動作は、ＮＬＵ３２０が対応するシステムに実行するよう指示し得る動作を含んでもよい。
自然言語テキスト３１０は、自然言語フォーマットでのクエリ又は質問を含んでよい。例えば、自然言語テキスト３１０は、英語、スペイン語、日本語、又はあらゆる他の言語での質問を含んでよい。いくつかの実施形態で、自然言語テキスト３１０は、個人が質問を尋ねる又は声明若しくは要求する音声を含んでもよい。追加的に、又は代替的に、自然言語テキスト３１０は、音声のテキスト表現を含んでよい。例えば、自然言語テキスト３１０は、「Get statuses/home_timelineの出力は何？」（What is the output of Get statuses/home_timeline?）といった質問を含んでよい。代替的に、又は追加的に、自然言語テキスト３１０は、「サニーベールの現在の温度を教えて」（Tell me the current temperature in Sunnyvale.）といった要求を含んでもよい。
ＮＬＵ３２０は、自然言語テキスト３１０の異なる要素及び／又はトピックを識別するよう自然言語テキスト３１０をパースするためにコンテキスト抽出モジュール３３０を使用してよい。上記の例を続けると、コンテキスト抽出モジュール３３０は、「サニーベールの現在の温度を教えて」との要求を解析し、「温度」（temperature）との語に基づいて、問い合わせのコンテキストが「天候」であると決定し、問い合わせに関連した地理的場所が「サニーベール」という名の「都市」であると決定してよい。
コンテキスト抽出モジュール３３０が自然言語テキスト３１０に関連した要素及びコンテキストを識別した後、対象適用選定モジュール３４０は、要素及びコンテキストをＳＰＡＲＱＬクエリに採用してよい。例えば、コンテキスト抽出モジュール３３０によって識別された「天候」コンテキストは、ＳＰＡＲＱＬにおいて「天候トピック」に採用されてよい。同様に、「都市」コンテキストは、「場所トピック」に採用されてよい。ＮＬＵ３２０は、このようにして、自然言語テキスト３１０からＳＰＡＲＱＬクエリ３５０を生成してよい。
グラフパーサ３７０は、コンピュータデバイスが、結果３８０を得るために、ＳＰＡＲＱＬクエリ３５０及びＡＰＩナレッジグラフ３６０に関して１つ以上の動作を実行することを可能にするよう構成されたコード及びルーチンを含んでよい。追加的に、又は代替的に、グラフパーサ３７０は、プロセッサ、マイクロプロセッサ（例えば、１つ以上の動作を実行し又はその実行を制御するもの）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを用いて実装されてよい。いくつかの他の場合に、グラフパーサ３７０は、ハードウェアとソフトウェアとの組み合わせを用いて実装されてもよい。本開示では、グラフパーサ３７０によって実行されるものとして記載される動作は、グラフパーサ３７０が対応するシステムに実行するよう指示し得る動作を含んでもよい。
ＡＰＩナレッジグラフ３６０は、図１及び２Ａ〜２Ｃに関して上述されたＡＰＩナレッジグラフであってよい。ＡＰＩナレッジグラフ３６０は複数のＡＰＩに関連する複数のノードを含んでよい。グラフパーサ３７０は、自然言語テキスト３１０に応答して結果３８０を識別するようＳＰＡＲＱＬクエリ３５０に基づいてＡＰＩナレッジグラフ３６０のノードをパースしてよい。例えば、グラフパーサ３７０は、ＡＰＩナレッジグラフ３６０を用いて、関連するＡＰＩ並びにＡＰＩの関連機能及び／又はコールを識別してよい。グラフパーサ３７０は、結果３８０を生成するようＳＰＡＲＱＬクエリ３５０を用いてＡＰＩのコールを実行してよい。例えば、上記の例を続けると、グラフパーサ３７０は、都市サニーベールでの温度及び／又は天候を決定するためにＡＰＩコールを実行してよい。グラフパーサ３７０は、それから、コールを実行した結果を結果３８０として返してよい。
代替的に、又は追加的に、いくつかの実施形態で、自然言語テキスト３１０は、ＡＰＩナレッジグラフ３６０自体の性質及び／又は構造に関連してもよい。例えば、自然言語テキスト３１０は、特定の機能がどのような出力を返すか、かつ／あるいは、どのような変数及び／又は用語が２つの異なるＡＰＩの間で対応しているかを尋ねるクエリであってよい。
本開示の適用範囲から逸脱せずに、変更、追加、又は削除がプロセス３００に対して行われてよい。例えば、いくつかの実施形態で、プロセス３００は、明示的に図示又は記載されていないことがある他の構成要素をいくつでも含んでよい。
図４は、ＡＰＩナレッジグラフを生成する方法の例のフローチャートである。方法４００は、本開示で記載される少なくとも１つの実施形態に従って配置されてよい。方法４００は、全体として又は部分的に、いくつかの実施形態で、図１の環境１００及び／又は図５のコンピュータシステム５０２のようなシステム及び／又は環境によって実行されてよい。このような及び他の実施形態で、方法４００は、１つ以上のコンピュータ可読媒体に記憶されている命令の実行に基づいて実行されてよい。別個のブロックとして表されているとしても、様々なブロックは、所望の実施に応じて、更なるブロックに分けられても、より少ないブロックへとまとめられても、あるいは、削除されてもよい。
方法はブロック４０５から開始してよい。ブロック４０５で、第１アプリケーションプログラミングインターフェース（ＡＰＩ）に関連する第１ＡＰＩドキュメンテーションが取得されてよい。いくつかの実施形態で、第１ＡＰＩドキュメンテーションは、非構造化又は半構造化された情報であってよい。ブロック４１０で、第２ＡＰＩに関連する第２ＡＰＩドキュメンテーションが取得されてよい。ブロック４１５で、第１ＡＰＩドキュメンテーションは、第１の複数のセマンティックトリプルを取り出すようマイニングされてよい。いくつかの実施形態で、第１の複数のセマンティックトリプルの中の各セマンティックトリプルは、主語、述語、及び目的語を含んでよい。ブロック４２０で、第２ＡＰＩドキュメンテーションは、第２の複数のセマンティックトリプルを取り出すようマイニングされてよい。ブロック４２５で、第１の複数のセマンティックトリプルからセマンティックトリプルの第１サブセットが選択されてよい。いくつかの実施形態で、セマンティックトリプルの第１サブセットは、各々のセマンティックトリプルの各々の述語の第１ＡＰＩドキュメンテーション及び第２ＡＰＩドキュメンテーションにおける出現の頻度に基づき、選択されてよい。いくつかの実施形態で、セマンティックトリプルの第１サブセットは、各々のセマンティックトリプルの各々の述語の第１ＡＰＩドキュメンテーション及び第２ＡＰＩドキュメンテーションにおける出現の頻度が第１閾値を満足することに応答して、選択されてよい。ブロック４３０で、第２の複数のセマンティックトリプルからセマンティックトリプルの第２サブセットが選択されてよい。
ブロック４３５で、第１ＡＰＩドキュメンテーション及びセマンティックトリプルの第１サブセットに基づいて、第１オントロジが生成されてよい。第１オントロジは、第１ＡＰＩに関連する１つ以上の第１コンセプトと、１つ以上の第１コンセプトに関連する１つ以上の第１属性と、１つ以上の第１コンセプトの間の１つ以上の第１の分類上の関係とを含んでよい。
ブロック４４０で、第２ＡＰＩドキュメンテーション及びセマンティックトリプルの第２サブセットに基づいて、第２オントロジが生成されてよい。第２オントロジは、第２ＡＰＩに関連する１つ以上の第２コンセプトと、１つ以上の第２コンセプトに関連する１つ以上の第２属性と、１つ以上の第２コンセプトの間の１つ以上の第２の分類上の関係とを含んでよい。
ブロック４４５で、第１オントロジの１つ以上の第１コンセプト及び第２オントロジの１つ以上の第２コンセプトに基づいて、第１オントロジは第２オントロジと相関されてよい。いくつかの実施形態で、第１オントロジは、１つ以上の第１コンセプトと１つ以上の第２コンセプトとの間で類似性を見つけるために教師なし学習プロセスを用いて第２オントロジと相関されてよい。ブロック４５０で、第１オントロジ、第２オントロジ、及び第１オントロジと第２オントロジと相関させることに基づいて、第１ＡＰＩ及び第２ＡＰＩのナレッジグラフが生成されてよい。
当業者に明らかなように、本明細書で開示されているこの及び他のプロセス、動作、及び方法に関して、実行される機能及び／又は動作は、別の順序で実装されてもよい。更に、説明されている機能及び動作は、単に例として与えられており、機能及び動作のいくつかは、開示されている実施形態の本質から逸脱することなしに、任意であっても、より少ない機能及び動作にまとめられても、あるいは、追加の機能及び動作に拡張されてもよい。いくつかの実施形態で、方法４００は、更なるブロック又はより少ないブロックを含んでもよい。
例えば、いくつかの実施形態で、セマンティックトリプルの第１サブセットの中のセマンティックトリプルは、第１オブジェクトとして選択されてよく、セマンティックトリプルの第２サブセットの中のセマンティックトリプルは、第２オブジェクトとして選択されてよい。このような及び他の実施形態で、方法４００は、第１ＡＰＩに関連する第１オープンＡＰＩ仕様（ＯＡＳ）を取得することを含んでよい。第１オントロジは、第１ＯＡＳに更に基づいてよい。方法４００は、第２ＡＰＩに関連する第２ＯＡＳを取得することを含んでよい。第２オントロジは、第２ＯＡＳに更に基づいてよい。方法４００は、第１ＯＡＳを使用して、第１オブジェクトの第１インスタンスを生成することを含んでよい。第１インスタンスは、各々の第１オブジェクトの例であってよい。方法４００は、第２ＯＡＳを使用して、第２オブジェクトの第２インスタンスを生成することを含んでよい。第２インスタンスは、各々の第２オブジェクトの例であってよい。このような及び他の実施形態で、第１ＡＰＩ及び第２ＡＰＩのナレッジグラフを生成することは、第１オントロジ、第２オントロジ、第１インスタンス、第２インスタンス、及び第１オントロジを第２オントロジと相関させることに基づいて、第１ＡＰＩ及び第２ＡＰＩのナレッジグラフを生成することを含んでよい。
代替的に、又は追加的に、いくつかの実施形態で、方法４００は、自然言語ユーザクエリをユーザから取得するを含んでよい。方法４００は、自然言語理解により自然言語ユーザクエリをセマンティックユーザクエリに変換することを含んでよい。方法４００は、セマンティックユーザクエリを用いてナレッジグラフを探索して、自然言語ユーザクエリに対する応答としてＡＰＩコールを識別することを含んでよい。方法４００は、ナレッジグラフ及び自然言語ユーザクエリを用いてＡＰＩコールを実行して、自然言語ユーザクエリの結果を供給することを含んでよい。方法４００は、結果をユーザへ供給することを含んでよい。
図５は、本開示の少なくとも１つの実施形態に従って、例となるコンピュータシステム５０２のブロック図を表す。コンピュータシステム５０２は、ＡＰＩナレッジグラフを生成することに関連した１つ以上の動作を実装又は指示するよう構成されてよい。コンピュータシステム５０２は、プロセッサ５５０、メモリ５５２、及びデータストレージ５５４を含んでよい。プロセッサ５５０、メモリ５５２、及びデータストレージ５５４は、通信上結合されてよい。
一般に、プロセッサ５５０は、様々なコンピュータハードウェア又はソフトウェアモジュールを含む任意の適切な特定目的の又は汎用のコンピュータ、コンピュータエンティティ、又は処理デバイスを含んでよく、任意の適用可能なコンピュータ可読記憶媒体に記憶されている命令を実行するよう構成されてよい。例えば、プロセッサ５５０は、マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、あるいは、プログラム命令を解釈及び／若しくは実行するよう並びに／又はデータを処理するよう構成される任意の他のデジタル若しくはアナログ回路を含んでよい。図５では単一のプロセッサとして表されているとしても、プロセッサ５５０は、本開示で記載されている任意の数の動作を個別に又は集合的に実行するか又はその実行を指示するよう構成された任意の数のプロセッサを含んでよい。その上、プロセッサのうちの１つ以上は、異なるサーバなどの１つ以上の異なる電子デバイスに存在してもよい。
いくつかの実施形態で、プロセッサ５５０は、メモリ５５２、データストレージ５５４、又はメモリ５５２及びデータストレージ５５４に記憶されているプログラム命令を解釈及び／若しくは実行するよう並びに／又は記憶されているデータを処理するよう構成されてよい。いくつかの実施形態で、プロセッサ５５０は、データストレージ５５４からプログラム命令をフェッチし、プログラム命令をメモリ５５２にロードしてよい。プログラム命令がメモリ５５２にロードされた後、プロセッサ５５０はプログラム命令を実行してよい。
例えば、いくつかの実施形態で、図４の方法４００は、プログラム命令としてデータストレージ５５４に含まれてよい。プロセッサ５５０は、データストレージ５５４から方法のプログラム命令をフェッチしてよく、方法のプログラム命令をメモリ５５２にロードしてよい。方法のプログラム命令がメモリ５５２にロードされた後、プロセッサ５５０は、コンピュータシステムが、命令によって指示されるように、方法に関連した動作を実装し得るように、プログラム命令を実行してよい。
メモリ５５２及びデータストレージ５５４は、コンピュータ実行可能命令又はデータ構造を運ぶか又はそれらが記憶されているコンピュータ可読記憶媒体を含んでよい。かようなコンピュータ可読記憶媒体は、プロセッサ５５０のような、汎用又は特定目的のコンピュータによってアクセスされ得る如何なる利用可能な媒体も含んでよい。例として、制限なしに、かようなコンピュータ可読記憶媒体は、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、電気的消去可能なプログラム可能リードオンリーメモリ（ＥＥＰＲＯＭ）、コンパクトディスク・リードオンリーメモリ（ＣＤ−ＲＯＭ）若しくは他の光学ディスクストレージ、磁気ディスクストレージ若しくは他の磁気記憶デバイス、フラッシュメモリデバイス（例えば、ソリッドステートメモリデバイス）、あるいは、コンピュータ実行可能命令又はデータ構造の形で特定のプログラムコードを搬送又は記憶するために使用されてよくかつ汎用又は特定目的のコンピュータによってアクセスされてよいあらゆる他の記憶媒体を含む有形な又は非一時的なコンピュータ可読記憶媒体を含んでよい。上記のものの組み合わせも、コンピュータ可読媒体の範囲内に含まれてよい。コンピュータ実行可能命令は、例えば、プロセッサ５５０に特定の動作又は動作群を実行させるよう構成された命令及びデータを含んでよい。
本開示の適用範囲から逸脱せずに、コンピュータシステム５０２に対して変更、追加、又は削除が行われてよい。例えば、いくつかの実施形態で、コンピュータシステム５０２は、明示的に図示又は記載されていないことがある他の構成要素をいくつでも含んでよい。
上述されたように、本開示で記載される実施形態は、以下で更に詳細に論じられるように、様々なコンピュータハードウェア又はソフトウェアモジュールを含む特定目的又は汎用のコンピュータ（例えば、図５のプロセッサ５５０）の使用を含んでよい。更に、上述されたように、本開示で記載される実施形態は、コンピュータ実行可能命令又はデータ構造を搬送するか又はそれが記憶されているコンピュータ可読媒体（例えば、図５のメモリ５５２又はデータストレージ５５４）を用いて実装されてもよい。
本開示で使用されるように、「モジュール」又は「コンポーネント」との語は、モジュール若しくはコンポーネントの動作を実行するよう構成される特定のハードウェア実装、並びに／又はコンピュータシステムの汎用のハードウェア（例えば、コンピュータ可読媒体、処理デバイス、など）に記憶され及び／若しくはそれによって実行され得るソフトウェアオブジェクト若しくはソフトウェアルーチンを指し得る。いくつかの実施形態で、本開示で記載される異なるコンポーネント、モジュール、エンジン、及びサービスは、コンピュータシステムで（例えば、別個のスレッドとして）実行するオブジェクト又はプロセスとして実装されてもよい。本開示で記載されるシステム及び方法のいくつかは、（汎用のハードウェアに記憶され及び／又はそれによって実行される）ソフトウェアにおいて実装されるものとして概して記載されているが、特定のハードウェア実装、又はソフトウェアと特定のハードウェア実装との組み合わせも可能であり考えられている。本明細書中、「コンピュータエンティティ」は、本開示で先に定義されたあらゆるコンピュータシステム、又はコンピュータシステムで実行されるあらゆるモジュール若しくはモジュールの組み合わせであってよい。
本開示で、特に添付の特許請求の範囲（例えば、添付の特許請求の本文）で使用される語は、一般的に、“非限定的な（open）”用語として意図されている（例えば、語「含んでいる（including）」は、“〜を含んでいるが、〜に制限されない”との意に解釈されるべきであり、語「備えている（having）」は、「少なくとも〜を備えている」との意に解釈されるべきであり、語「含む（includes）」は、“〜を含むが、〜に制限されない”との意に解釈されるべきである、など。）。
更に、導入されたクレーム記載（introduced claim recitation）において特定の数が意図される場合、そのような意図は当該クレーム中に明確に記載され、そのような記載がない場合は、そのような意図も存在しない。例えば、理解を促すために、後続の添付された特許請求の範囲では、「少なくとも１つの（at least one）」及び「１つ以上の（one or more）」といった導入句を使用し、クレーム記載を導入することがある。しかし、このような句を使用するからといって、「a」又は「an」といった不定冠詞によりクレーム記載を導入した場合に、たとえ同一のクレーム内に、「１つ以上の」又は「少なくとも１つの」といった導入句と「a」又は「an」といった不定冠詞との両方が含まれるとしても、当該導入されたクレーム記載を含む特定のクレームが、当該記載事項を１しか含まない例に限定されるということが示唆されると解釈されるべきではない（例えば、「a」及び／又は「an」は、「少なくとも１つの」又は「１つ以上の」を意味すると解釈されるべきである。）。定冠詞を使用してクレーム記載を導入する場合にも同様のことが当てはまる。
更には、導入されたクレーム記載において特定の数が明示されている場合であっても、そのような記載は、通常、少なくとも記載された数を意味するように解釈されるべきであることは、当業者には理解されるであろう（例えば、他に修飾語のない、単なる「２つの記載事項」という記載がある場合、この記載は、少なくとも２つの記載事項、又は２つ以上の記載事項を意味する。）。更に、「Ａ、Ｂ及びＣなどのうち少なくとも１つ」又は「Ａ、Ｂ及びＣなどのうちの１つ以上」に類する表記が使用される場合、一般的に、そのような構造は、Ａのみ、Ｂのみ、Ｃのみ、ＡとＢの両方、ＡとＣの両方、ＢとＣの両方、及び／又はＡとＢとＣの全て、などを含むよう意図される。
更に、２つ以上の選択可能な用語を表す如何なる離接語及び／又は離接句も、明細書、特許請求の範囲、又は図面のいずれであろうと、それら用語のうちの１つ、それらの用語のうちのいずれか、あるいは、それらの用語の両方を含む可能性を意図すると理解されるべきである。例えば、「Ａ又はＢ」という句は、「Ａ又はＢ」、あるいは、「Ａ及びＢ」の可能性を含むことが理解されるべきである。
本開示で挙げられている全ての例及び条件付き言語は、当該技術の促進に本発明者によって寄与される概念及び本発明を読者が理解するのを助ける教育上の目的を意図され、そのような具体的に挙げられている例及び条件に制限されないと解釈されるべきである。本開示の実施形態が詳細に記載されてきたが、様々な変更、置換、及び代替が、本開示の主旨及び適用範囲から逸脱することなしに行われてよい。
上記の実施形態に加えて、以下の付記を開示する。
（付記１）
第１アプリケーションプログラミングインターフェース（ＡＰＩ）に関連する第１ＡＰＩドキュメンテーションを取得することと、
第２ＡＰＩに関連する第２ＡＰＩドキュメンテーションを取得することと、
第１の複数のセマンティックトリプルを取り出すよう前記第１ＡＰＩドキュメンテーションをマイニングすることと、
第２の複数のセマンティックトリプルを取り出すよう前記第２ＡＰＩドキュメンテーションをマイニングすることと、
前記第１の複数のセマンティックトリプルからセマンティックトリプルの第１サブセットを選択することと、
前記第２の複数のセマンティックトリプルからセマンティックトリプルの第２サブセットを選択することと、
前記第１ＡＰＩに関連する１つ以上の第１コンセプトと、該１つ以上の第１コンセプトに関連する１つ以上の第１属性と、前記１つ以上の第１コンセプトの間の１つ以上の第１の分類上の関係とを含む第１オントロジを、前記第１ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第１サブセットに基づいて生成することと、
前記第２ＡＰＩに関連する１つ以上の第２コンセプトと、該１つ以上の第２コンセプトに関連する１つ以上の第２属性と、前記１つ以上の第２コンセプトの間の１つ以上の第２の分類上の関係とを含む第２オントロジを、前記第２ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第２サブセットに基づいて生成することと、
前記第１オントロジの前記１つ以上の第１コンセプト及び前記第２オントロジの前記１つ以上の第２コンセプトに基づいて前記第１オントロジを前記第２オントロジと相関させることと、
前記第１オントロジ、前記第２オントロジ、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて、前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することと
を有する方法。
（付記２）
前記セマンティックトリプルの第１サブセットの中のセマンティックトリプルは第１オブジェクトとして選択され、前記セマンティックトリプルの第２サブセットの中のセマンティックトリプルは第２オブジェクトとして選択され、
当該方法は、
前記第１ＡＰＩに関連する第１オープンＡＰＩ仕様（ＯＡＳ）を取得し、前記第１オントロジが前記第１ＯＡＳに更に基づくことと、
前記第２ＡＰＩに関連する第２ＯＡＳを取得し、前記第２オントロジが前記第２ＯＡＳに更に基づくことと、
前記第１ＯＡＳを使用して、前記第１オブジェクトの第１インスタンスを生成し、該第１インスタンスが各々の第１オブジェクトの例であることと、
前記第２ＯＡＳを使用して、前記第２オブジェクトの第２インスタンスを生成し、該第２インスタンスが各々の第２オブジェクトの例であることと
を更に有し、
前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することは、前記第１オントロジ、前記第２オントロジ、前記第１インスタンス、前記第２インスタンス、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することを有する、
付記１に記載の方法。
（付記３）
自然言語ユーザクエリをユーザから取得することと、
自然言語理解により前記自然言語ユーザクエリをセマンティックユーザクエリに変換することと、
前記セマンティックユーザクエリを用いて前記ナレッジグラフを探索して、前記自然言語ユーザクエリに対する応答としてＡＰＩコールを識別することと、
前記ナレッジグラフ及び前記自然言語ユーザクエリを用いて前記ＡＰＩコールを実行して、前記自然言語ユーザクエリの結果を供給することと、
前記結果を前記ユーザへ供給することと
を更に有する、付記１に記載の方法。
（付記４）
前記第１の複数のセマンティックトリプルの中の各セマンティックトリプルは主語、述語、及び目的語を含み、
前記第１の複数のセマンティックトリプルから前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度に基づいて前記セマンティックトリプルの第１サブセットを選択することを有する、
付記１に記載の方法。
（付記５）
前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度が第１閾値を満足することに応答して、前記セマンティックトリプルの第１サブセットを選択することを有する、
付記４に記載の方法。
（付記６）
前記第１オントロジを前記第２オントロジと相関させることは、教師なし学習プロセスを用いて、前記１つ以上の第１コンセプトと前記１つ以上の第２コンセプトとの間の類似を見つけることを有する、
付記１に記載の方法。
（付記７）
前記第１ＡＰＩドキュメンテーションは、非構造化又は半構造化情報である、
付記１に記載の方法。
（付記８）
第１アプリケーションプログラミングインターフェース（ＡＰＩ）に関連する第１ＡＰＩドキュメンテーションを取得することと、
第２ＡＰＩに関連する第２ＡＰＩドキュメンテーションを取得することと、
第１の複数のセマンティックトリプルを取り出すよう前記第１ＡＰＩドキュメンテーションをマイニングすることと、
第２の複数のセマンティックトリプルを取り出すよう前記第２ＡＰＩドキュメンテーションをマイニングすることと、
前記第１の複数のセマンティックトリプルからセマンティックトリプルの第１サブセットを選択することと、
前記第２の複数のセマンティックトリプルからセマンティックトリプルの第２サブセットを選択することと、
前記第１ＡＰＩに関連する１つ以上の第１コンセプトと、該１つ以上の第１コンセプトに関連する１つ以上の第１属性と、前記１つ以上の第１コンセプトの間の１つ以上の第１の分類上の関係とを含む第１オントロジを、前記第１ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第１サブセットに基づいて生成することと、
前記第２ＡＰＩに関連する１つ以上の第２コンセプトと、該１つ以上の第２コンセプトに関連する１つ以上の第２属性と、前記１つ以上の第２コンセプトの間の１つ以上の第２の分類上の関係とを含む第２オントロジを、前記第２ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第２サブセットに基づいて生成することと、
前記第１オントロジの前記１つ以上の第１コンセプト及び前記第２オントロジの前記１つ以上の第２コンセプトに基づいて前記第１オントロジを前記第２オントロジと相関させることと、
前記第１オントロジ、前記第２オントロジ、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて、前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することと
を有する動作を実行するようプロセッサによって実行可能なプログラミングコードが符号化されている非一時的なコンピュータ可読媒体。
（付記９）
前記セマンティックトリプルの第１サブセットの中のセマンティックトリプルは第１オブジェクトとして選択され、前記セマンティックトリプルの第２サブセットの中のセマンティックトリプルは第２オブジェクトとして選択され、
前記動作は、
前記第１ＡＰＩに関連する第１オープンＡＰＩ仕様（ＯＡＳ）を取得し、前記第１オントロジが前記第１ＯＡＳに更に基づくことと、
前記第２ＡＰＩに関連する第２ＯＡＳを取得し、前記第２オントロジが前記第２ＯＡＳに更に基づくことと、
前記第１ＯＡＳを使用して、前記第１オブジェクトの第１インスタンスを生成し、該第１インスタンスが各々の第１オブジェクトの例であることと、
前記第２ＯＡＳを使用して、前記第２オブジェクトの第２インスタンスを生成し、該第２インスタンスが各々の第２オブジェクトの例であることと
を更に有し、
前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することは、前記第１オントロジ、前記第２オントロジ、前記第１インスタンス、前記第２インスタンス、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することを有する、
付記８に記載の非一時的なコンピュータ可読媒体。
（付記１０）
前記動作は、
自然言語ユーザクエリをユーザから取得することと、
自然言語理解により前記自然言語ユーザクエリをセマンティックユーザクエリに変換することと、
前記セマンティックユーザクエリを用いて前記ナレッジグラフを探索して、前記自然言語ユーザクエリに対する応答としてＡＰＩコールを識別することと、
前記ナレッジグラフ及び前記自然言語ユーザクエリを用いて前記ＡＰＩコールを実行して、前記自然言語ユーザクエリの結果を供給することと、
前記結果を前記ユーザへ供給することと
を更に有する、
付記８に記載の非一時的なコンピュータ可読媒体。
（付記１１）
前記第１の複数のセマンティックトリプルの中の各セマンティックトリプルは主語、述語、及び目的語を含み、
前記第１の複数のセマンティックトリプルから前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度に基づいて前記セマンティックトリプルの第１サブセットを選択することを有する、
付記８に記載の非一時的なコンピュータ可読媒体。
（付記１２）
前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度が第１閾値を満足することに応答して、前記セマンティックトリプルの第１サブセットを選択することを有する、
付記１１に記載の非一時的なコンピュータ可読媒体。
（付記１３）
前記第１オントロジを前記第２オントロジと相関させることは、教師なし学習プロセスを用いて、前記１つ以上の第１コンセプトと前記１つ以上の第２コンセプトとの間の類似を見つけることを有する、
付記８に記載の非一時的なコンピュータ可読媒体。
（付記１４）
前記第１ＡＰＩドキュメンテーションは、非構造化又は半構造化情報である、
付記８に記載の非一時的なコンピュータ可読媒体。
（付記１５）
１つ以上のプロセッサと、命令を記憶するよう構成される１つ以上のコンピュータ可読媒体とを有するシステムであって、
前記命令は、前記１つ以上のプロセッサによって実行されることに応答して、当該システムに、
第１アプリケーションプログラミングインターフェース（ＡＰＩ）に関連する第１ＡＰＩドキュメンテーションを取得することと、
第２ＡＰＩに関連する第２ＡＰＩドキュメンテーションを取得することと、
第１の複数のセマンティックトリプルを取り出すよう前記第１ＡＰＩドキュメンテーションをマイニングすることと、
第２の複数のセマンティックトリプルを取り出すよう前記第２ＡＰＩドキュメンテーションをマイニングすることと、
前記第１の複数のセマンティックトリプルからセマンティックトリプルの第１サブセットを選択することと、
前記第２の複数のセマンティックトリプルからセマンティックトリプルの第２サブセットを選択することと、
前記第１ＡＰＩに関連する１つ以上の第１コンセプトと、該１つ以上の第１コンセプトに関連する１つ以上の第１属性と、前記１つ以上の第１コンセプトの間の１つ以上の第１の分類上の関係とを含む第１オントロジを、前記第１ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第１サブセットに基づいて生成することと、
前記第２ＡＰＩに関連する１つ以上の第２コンセプトと、該１つ以上の第２コンセプトに関連する１つ以上の第２属性と、前記１つ以上の第２コンセプトの間の１つ以上の第２の分類上の関係とを含む第２オントロジを、前記第２ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第２サブセットに基づいて生成することと、
前記第１オントロジの前記１つ以上の第１コンセプト及び前記第２オントロジの前記１つ以上の第２コンセプトに基づいて前記第１オントロジを前記第２オントロジと相関させることと、
前記第１オントロジ、前記第２オントロジ、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて、前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することと
を有する動作を実行させる、
システム。
（付記１６）
前記セマンティックトリプルの第１サブセットの中のセマンティックトリプルは第１オブジェクトとして選択され、前記セマンティックトリプルの第２サブセットの中のセマンティックトリプルは第２オブジェクトとして選択され、
前記方法は、
前記第１ＡＰＩに関連する第１オープンＡＰＩ仕様（ＯＡＳ）を取得し、前記第１オントロジが前記第１ＯＡＳに更に基づくことと、
前記第２ＡＰＩに関連する第２ＯＡＳを取得し、前記第２オントロジが前記第２ＯＡＳに更に基づくことと、
前記第１ＯＡＳを使用して、前記第１オブジェクトの第１インスタンスを生成し、該第１インスタンスが各々の第１オブジェクトの例であることと、
前記第２ＯＡＳを使用して、前記第２オブジェクトの第２インスタンスを生成し、該第２インスタンスが各々の第２オブジェクトの例であることと
を更に有し、
前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することは、前記第１オントロジ、前記第２オントロジ、前記第１インスタンス、前記第２インスタンス、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することを有する、
付記１５に記載のシステム。
（付記１７）
前記動作は、
自然言語ユーザクエリをユーザから取得することと、
自然言語理解により前記自然言語ユーザクエリをセマンティックユーザクエリに変換することと、
前記セマンティックユーザクエリを用いて前記ナレッジグラフを探索して、前記自然言語ユーザクエリに対する応答としてＡＰＩコールを識別することと、
前記ナレッジグラフ及び前記自然言語ユーザクエリを用いて前記ＡＰＩコールを実行して、前記自然言語ユーザクエリの結果を供給することと、
前記結果を前記ユーザへ供給することと
を更に有する、
付記１５に記載のシステム。
（付記１８）
前記第１の複数のセマンティックトリプルの中の各セマンティックトリプルは主語、述語、及び目的語を含み、
前記第１の複数のセマンティックトリプルから前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度に基づいて前記セマンティックトリプルの第１サブセットを選択することを有する、
付記１５１５に記載のシステム。
（付記１９）
前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度が第１閾値を満足することに応答して、前記セマンティックトリプルの第１サブセットを選択することを有する、
付記１８に記載のシステム。
（付記２０）
前記第１オントロジを前記第２オントロジと相関させることは、教師なし学習プロセスを用いて、前記１つ以上の第１コンセプトと前記１つ以上の第２コンセプトとの間の類似を見つけることを有する、
付記１５に記載のシステム。
１００ 環境
１１０ ＡＰＩドキュメンテーションのコーパス
１２０ マイニングモジュール
１２５ オブジェクト
１３０ ＯＡＳレポジトリ
１４０ インスタンス化モジュール
１４５ インスタンス
１５０ 拡張モジュール
１５５ 拡張されたＯＡＳオントロジ
１６０ 機械学習分類器
１６５，２１０〜２３０，３６０ ナレッジグラフ
３１０ 自然言語テキスト
３２０ 自然言語理解ユニット（ＮＬＵ）
３３０ コンテキスト抽出モジュール
３４０ 対象適用選定モジュール
３５０ ＳＰＡＲＱＬクエリ
３７０ グラフパーサ
３８０ 結果
５０２ コンピュータシステム
５５０ プロセッサ
５５２ メモリ
５５５ データストレージ

Claims (20)

  1. 第１アプリケーションプログラミングインターフェース（ＡＰＩ）に関連する第１ＡＰＩドキュメンテーションを取得することと、
    第２ＡＰＩに関連する第２ＡＰＩドキュメンテーションを取得することと、
    第１の複数のセマンティックトリプルを取り出すよう前記第１ＡＰＩドキュメンテーションをマイニングすることと、
    第２の複数のセマンティックトリプルを取り出すよう前記第２ＡＰＩドキュメンテーションをマイニングすることと、
    前記第１の複数のセマンティックトリプルからセマンティックトリプルの第１サブセットを選択することと、
    前記第２の複数のセマンティックトリプルからセマンティックトリプルの第２サブセットを選択することと、
    前記第１ＡＰＩに関連する１つ以上の第１コンセプトと、該１つ以上の第１コンセプトに関連する１つ以上の第１属性と、前記１つ以上の第１コンセプトの間の１つ以上の第１の分類上の関係とを含む第１オントロジを、前記第１ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第１サブセットに基づいて生成することと、
    前記第２ＡＰＩに関連する１つ以上の第２コンセプトと、該１つ以上の第２コンセプトに関連する１つ以上の第２属性と、前記１つ以上の第２コンセプトの間の１つ以上の第２の分類上の関係とを含む第２オントロジを、前記第２ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第２サブセットに基づいて生成することと、
    前記第１オントロジの前記１つ以上の第１コンセプト及び前記第２オントロジの前記１つ以上の第２コンセプトに基づいて前記第１オントロジを前記第２オントロジと相関させることと、
    前記第１オントロジ、前記第２オントロジ、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて、前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することと
    を有する方法。
  2. 前記セマンティックトリプルの第１サブセットの中のセマンティックトリプルは第１オブジェクトとして選択され、前記セマンティックトリプルの第２サブセットの中のセマンティックトリプルは第２オブジェクトとして選択され、
    当該方法は、
    前記第１ＡＰＩに関連する第１オープンＡＰＩ仕様（ＯＡＳ）を取得し、前記第１オントロジが前記第１ＯＡＳに更に基づくことと、
    前記第２ＡＰＩに関連する第２ＯＡＳを取得し、前記第２オントロジが前記第２ＯＡＳに更に基づくことと、
    前記第１ＯＡＳを使用して、前記第１オブジェクトの第１インスタンスを生成し、該第１インスタンスが各々の第１オブジェクトの例であることと、
    前記第２ＯＡＳを使用して、前記第２オブジェクトの第２インスタンスを生成し、該第２インスタンスが各々の第２オブジェクトの例であることと
    を更に有し、
    前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することは、前記第１オントロジ、前記第２オントロジ、前記第１インスタンス、前記第２インスタンス、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することを有する、
    請求項１に記載の方法。
  3. 自然言語ユーザクエリをユーザから取得することと、
    自然言語理解により前記自然言語ユーザクエリをセマンティックユーザクエリに変換することと、
    前記セマンティックユーザクエリを用いて前記ナレッジグラフを探索して、前記自然言語ユーザクエリに対する応答としてＡＰＩコールを識別することと、
    前記ナレッジグラフ及び前記自然言語ユーザクエリを用いて前記ＡＰＩコールを実行して、前記自然言語ユーザクエリの結果を供給することと、
    前記結果を前記ユーザへ供給することと
    を更に有する、請求項１に記載の方法。
  4. 前記第１の複数のセマンティックトリプルの中の各セマンティックトリプルは主語、述語、及び目的語を含み、
    前記第１の複数のセマンティックトリプルから前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度に基づいて前記セマンティックトリプルの第１サブセットを選択することを有する、
    請求項１に記載の方法。
  5. 前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度が第１閾値を満足することに応答して、前記セマンティックトリプルの第１サブセットを選択することを有する、
    請求項４に記載の方法。
  6. 前記第１オントロジを前記第２オントロジと相関させることは、教師なし学習プロセスを用いて、前記１つ以上の第１コンセプトと前記１つ以上の第２コンセプトとの間の類似を見つけることを有する、
    請求項１に記載の方法。
  7. 前記第１ＡＰＩドキュメンテーションは、非構造化又は半構造化情報である、
    請求項１に記載の方法。
  8. 第１アプリケーションプログラミングインターフェース（ＡＰＩ）に関連する第１ＡＰＩドキュメンテーションを取得することと、
    第２ＡＰＩに関連する第２ＡＰＩドキュメンテーションを取得することと、
    第１の複数のセマンティックトリプルを取り出すよう前記第１ＡＰＩドキュメンテーションをマイニングすることと、
    第２の複数のセマンティックトリプルを取り出すよう前記第２ＡＰＩドキュメンテーションをマイニングすることと、
    前記第１の複数のセマンティックトリプルからセマンティックトリプルの第１サブセットを選択することと、
    前記第２の複数のセマンティックトリプルからセマンティックトリプルの第２サブセットを選択することと、
    前記第１ＡＰＩに関連する１つ以上の第１コンセプトと、該１つ以上の第１コンセプトに関連する１つ以上の第１属性と、前記１つ以上の第１コンセプトの間の１つ以上の第１の分類上の関係とを含む第１オントロジを、前記第１ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第１サブセットに基づいて生成することと、
    前記第２ＡＰＩに関連する１つ以上の第２コンセプトと、該１つ以上の第２コンセプトに関連する１つ以上の第２属性と、前記１つ以上の第２コンセプトの間の１つ以上の第２の分類上の関係とを含む第２オントロジを、前記第２ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第２サブセットに基づいて生成することと、
    前記第１オントロジの前記１つ以上の第１コンセプト及び前記第２オントロジの前記１つ以上の第２コンセプトに基づいて前記第１オントロジを前記第２オントロジと相関させることと、
    前記第１オントロジ、前記第２オントロジ、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて、前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することと
    を有する動作を実行するようプロセッサによって実行可能なプログラミングコードが符号化されている非一時的なコンピュータ可読媒体。
  9. 前記セマンティックトリプルの第１サブセットの中のセマンティックトリプルは第１オブジェクトとして選択され、前記セマンティックトリプルの第２サブセットの中のセマンティックトリプルは第２オブジェクトとして選択され、
    前記動作は、
    前記第１ＡＰＩに関連する第１オープンＡＰＩ仕様（ＯＡＳ）を取得し、前記第１オントロジが前記第１ＯＡＳに更に基づくことと、
    前記第２ＡＰＩに関連する第２ＯＡＳを取得し、前記第２オントロジが前記第２ＯＡＳに更に基づくことと、
    前記第１ＯＡＳを使用して、前記第１オブジェクトの第１インスタンスを生成し、該第１インスタンスが各々の第１オブジェクトの例であることと、
    前記第２ＯＡＳを使用して、前記第２オブジェクトの第２インスタンスを生成し、該第２インスタンスが各々の第２オブジェクトの例であることと
    を更に有し、
    前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することは、前記第１オントロジ、前記第２オントロジ、前記第１インスタンス、前記第２インスタンス、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することを有する、
    請求項８に記載の非一時的なコンピュータ可読媒体。
  10. 前記動作は、
    自然言語ユーザクエリをユーザから取得することと、
    自然言語理解により前記自然言語ユーザクエリをセマンティックユーザクエリに変換することと、
    前記セマンティックユーザクエリを用いて前記ナレッジグラフを探索して、前記自然言語ユーザクエリに対する応答としてＡＰＩコールを識別することと、
    前記ナレッジグラフ及び前記自然言語ユーザクエリを用いて前記ＡＰＩコールを実行して、前記自然言語ユーザクエリの結果を供給することと、
    前記結果を前記ユーザへ供給することと
    を更に有する、
    請求項８に記載の非一時的なコンピュータ可読媒体。
  11. 前記第１の複数のセマンティックトリプルの中の各セマンティックトリプルは主語、述語、及び目的語を含み、
    前記第１の複数のセマンティックトリプルから前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度に基づいて前記セマンティックトリプルの第１サブセットを選択することを有する、
    請求項８に記載の非一時的なコンピュータ可読媒体。
  12. 前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度が第１閾値を満足することに応答して、前記セマンティックトリプルの第１サブセットを選択することを有する、
    請求項１１に記載の非一時的なコンピュータ可読媒体。
  13. 前記第１オントロジを前記第２オントロジと相関させることは、教師なし学習プロセスを用いて、前記１つ以上の第１コンセプトと前記１つ以上の第２コンセプトとの間の類似を見つけることを有する、
    請求項８に記載の非一時的なコンピュータ可読媒体。
  14. 前記第１ＡＰＩドキュメンテーションは、非構造化又は半構造化情報である、
    請求項８に記載の非一時的なコンピュータ可読媒体。
  15. １つ以上のプロセッサと、命令を記憶するよう構成される１つ以上のコンピュータ可読媒体とを有するシステムであって、
    前記命令は、前記１つ以上のプロセッサによって実行されることに応答して、当該システムに、
    第１アプリケーションプログラミングインターフェース（ＡＰＩ）に関連する第１ＡＰＩドキュメンテーションを取得することと、
    第２ＡＰＩに関連する第２ＡＰＩドキュメンテーションを取得することと、
    第１の複数のセマンティックトリプルを取り出すよう前記第１ＡＰＩドキュメンテーションをマイニングすることと、
    第２の複数のセマンティックトリプルを取り出すよう前記第２ＡＰＩドキュメンテーションをマイニングすることと、
    前記第１の複数のセマンティックトリプルからセマンティックトリプルの第１サブセットを選択することと、
    前記第２の複数のセマンティックトリプルからセマンティックトリプルの第２サブセットを選択することと、
    前記第１ＡＰＩに関連する１つ以上の第１コンセプトと、該１つ以上の第１コンセプトに関連する１つ以上の第１属性と、前記１つ以上の第１コンセプトの間の１つ以上の第１の分類上の関係とを含む第１オントロジを、前記第１ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第１サブセットに基づいて生成することと、
    前記第２ＡＰＩに関連する１つ以上の第２コンセプトと、該１つ以上の第２コンセプトに関連する１つ以上の第２属性と、前記１つ以上の第２コンセプトの間の１つ以上の第２の分類上の関係とを含む第２オントロジを、前記第２ＡＰＩドキュメンテーション及び前記セマンティックトリプルの第２サブセットに基づいて生成することと、
    前記第１オントロジの前記１つ以上の第１コンセプト及び前記第２オントロジの前記１つ以上の第２コンセプトに基づいて前記第１オントロジを前記第２オントロジと相関させることと、
    前記第１オントロジ、前記第２オントロジ、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて、前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することと
    を有する動作を実行させる、
    システム。
  16. 前記セマンティックトリプルの第１サブセットの中のセマンティックトリプルは第１オブジェクトとして選択され、前記セマンティックトリプルの第２サブセットの中のセマンティックトリプルは第２オブジェクトとして選択され、
    前記動作は、
    前記第１ＡＰＩに関連する第１オープンＡＰＩ仕様（ＯＡＳ）を取得し、前記第１オントロジが前記第１ＯＡＳに更に基づくことと、
    前記第２ＡＰＩに関連する第２ＯＡＳを取得し、前記第２オントロジが前記第２ＯＡＳに更に基づくことと、
    前記第１ＯＡＳを使用して、前記第１オブジェクトの第１インスタンスを生成し、該第１インスタンスが各々の第１オブジェクトの例であることと、
    前記第２ＯＡＳを使用して、前記第２オブジェクトの第２インスタンスを生成し、該第２インスタンスが各々の第２オブジェクトの例であることと
    を更に有し、
    前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することは、前記第１オントロジ、前記第２オントロジ、前記第１インスタンス、前記第２インスタンス、及び前記第１オントロジを前記第２オントロジと相関させることに基づいて前記第１ＡＰＩ及び前記第２ＡＰＩのナレッジグラフを生成することを有する、
    請求項１５に記載のシステム。
  17. 前記動作は、
    自然言語ユーザクエリをユーザから取得することと、
    自然言語理解により前記自然言語ユーザクエリをセマンティックユーザクエリに変換することと、
    前記セマンティックユーザクエリを用いて前記ナレッジグラフを探索して、前記自然言語ユーザクエリに対する応答としてＡＰＩコールを識別することと、
    前記ナレッジグラフ及び前記自然言語ユーザクエリを用いて前記ＡＰＩコールを実行して、前記自然言語ユーザクエリの結果を供給することと、
    前記結果を前記ユーザへ供給することと
    を更に有する、
    請求項１５に記載のシステム。
  18. 前記第１の複数のセマンティックトリプルの中の各セマンティックトリプルは主語、述語、及び目的語を含み、
    前記第１の複数のセマンティックトリプルから前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度に基づいて前記セマンティックトリプルの第１サブセットを選択することを有する、
    請求項１５に記載のシステム。
  19. 前記セマンティックトリプルの第１サブセットを選択することは、各々のセマンティックトリプルの各々の述語の前記第１ＡＰＩドキュメンテーション及び前記第２ＡＰＩドキュメンテーションにおける出現の頻度が第１閾値を満足することに応答して、前記セマンティックトリプルの第１サブセットを選択することを有する、
    請求項１８に記載のシステム。
  20. 前記第１オントロジを前記第２オントロジと相関させることは、教師なし学習プロセスを用いて、前記１つ以上の第１コンセプトと前記１つ以上の第２コンセプトとの間の類似を見つけることを有する、
    請求項１５に記載のシステム。
JP2020143479A 2019-12-31 2020-08-27 Ａｐｉナレッジグラフを生成する方法、システム、及び非一時的なコンピュータ可読媒体 Withdrawn JP2021111327A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/732239 2019-12-31
US16/732,239 US10853150B1 (en) 2019-12-31 2019-12-31 Generating application programming interface knowledge graphs

Publications (1)

Publication Number Publication Date
JP2021111327A true JP2021111327A (ja) 2021-08-02

Family

ID=71786759

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020143479A Withdrawn JP2021111327A (ja) 2019-12-31 2020-08-27 Ａｐｉナレッジグラフを生成する方法、システム、及び非一時的なコンピュータ可読媒体

Country Status (3)

Country Link
US (1) US10853150B1 (ja)
EP (1) EP3846089B1 (ja)
JP (1) JP2021111327A (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11436244B2 (en) * 2021-01-27 2022-09-06 Sap Se Intelligent data enrichment using knowledge graph
CN112800247B (zh) * 2021-04-09 2021-06-18 华中科技大学 基于知识图谱共享的语义编/解码方法、设备和通信系统
US11990124B2 (en) * 2021-12-22 2024-05-21 Google Llc Language model prediction of API call invocations and verbal responses
CN114860834B (zh) * 2022-06-01 2024-03-26 北京字节跳动网络技术有限公司 一种关联查询请求的处理方法、装置、设备及存储介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2383684A1 (en) * 2010-04-30 2011-11-02 Fujitsu Limited Method and device for generating an ontology document
EP2631817A1 (en) * 2012-02-23 2013-08-28 Fujitsu Limited Database, apparatus, and method for storing encoded triples
US10042836B1 (en) * 2012-04-30 2018-08-07 Intuit Inc. Semantic knowledge base for tax preparation
US9396046B2 (en) 2013-10-31 2016-07-19 International Business Machines Corporation Graph based data model for API ecosystem insights
US9015730B1 (en) * 2013-12-17 2015-04-21 International Business Machines Corporation Natural language access to application programming interfaces
US9836534B2 (en) * 2014-07-25 2017-12-05 International Business Machines Corporation Using ontology to discover API requirements
US10116725B2 (en) 2016-05-27 2018-10-30 Intuit Inc. Processing data retrieval requests in a graph projection of an application programming interfaces (API)
US10691507B2 (en) * 2016-12-09 2020-06-23 Fujitsu Limited API learning
US10942708B2 (en) * 2017-01-10 2021-03-09 International Business Machines Corporation Generating web API specification from online documentation
EP3635540A4 (en) * 2017-04-25 2021-02-24 Intento, Inc. INTENT-BASED API ORGANIZATION
US20190188317A1 (en) * 2017-12-15 2019-06-20 International Business Machines Corporation Automatic seeding of an application programming interface (api) into a conversational interface
US11042707B2 (en) * 2017-12-22 2021-06-22 Mulesoft, Llc Conversational interface for APIs

Also Published As

Publication number Publication date
EP3846089B1 (en) 2023-02-15
US10853150B1 (en) 2020-12-01
EP3846089A1 (en) 2021-07-07

Similar Documents

Publication Publication Date Title
US10725836B2 (en) Intent-based organisation of APIs
JP2021111327A (ja) Ａｐｉナレッジグラフを生成する方法、システム、及び非一時的なコンピュータ可読媒体
JP6922538B2 (ja) Ａｐｉ学習
CN107391677B (zh) 携带实体关系属性的中文通用知识图谱的生成方法及装置
US10354188B2 (en) Extracting facts from unstructured information
Ferrández et al. The QALL-ME Framework: A specifiable-domain multilingual Question Answering architecture
US20170024459A1 (en) Processing speech to text queries by optimizing conversion of speech queries to text
JP2018088242A (ja) データ処理装置、方法およびプログラム
WO2017161749A1 (zh) 一种信息匹配方法及装置
JP2020126641A (ja) Ａｐｉマッシュアップ探査及びリコメンデーション
Simov et al. Using context information for knowledge-based word sense disambiguation
KR20230005797A (ko) 질의어를 처리하는 장치, 방법 및 컴퓨터 프로그램
KR101016110B1 (ko) 온톨로지 프로퍼티를 이용한 온톨로지 인스턴스 추출시스템 및 그 방법
Mangairkarasi et al. Semantic based text summarization using universal networking language
US20140280008A1 (en) Axiomatic Approach for Entity Attribution in Unstructured Data
Saquicela et al. Adding semantic annotations into (geospatial) restful services
CN115374764A (zh) 一种基于用户故事的需求模型自动生成方法及系统
CN111831288B (zh) 一种自动生成Thrift IDL数据结构及自动转换函数的方法及系统
CN111475534B (zh) 一种数据查询方法及相关设备
Abebe et al. Supporting concept location through identifier parsing and ontology extraction
Aksoy et al. MATAWS: A multimodal approach for automatic WS semantic annotation
Rak et al. Interoperability and Customisation of Annotation Schemata in Argo.
English An extensible schema for building large weakly-labeled semantic corpora
Steiner et al. Adding meaning to Facebook microposts via a mash-up API and tracking its data provenance
CN117111902B (zh) Ai智能软件开发方法及装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230511

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20240126