JP2022082525A - 機械学習基盤情報の提供方法および装置 - Google Patents
機械学習基盤情報の提供方法および装置 Download PDFInfo
- Publication number
- JP2022082525A JP2022082525A JP2021189435A JP2021189435A JP2022082525A JP 2022082525 A JP2022082525 A JP 2022082525A JP 2021189435 A JP2021189435 A JP 2021189435A JP 2021189435 A JP2021189435 A JP 2021189435A JP 2022082525 A JP2022082525 A JP 2022082525A
- Authority
- JP
- Japan
- Prior art keywords
- item
- information
- character string
- machine learning
- learning model
- 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
- 238000010801 machine learning Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012549 training Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims 5
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 238000007727 cost benefit analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
-
- 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
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- 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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Abstract
Description
Claims (12)
- 購入アイテムに関する伝票データを獲得する段階と、
前記伝票データから前記購入アイテムの属性に関連した文字列を抽出する段階と、
機械学習を通じて学習された第1学習モデルを用いて、前記文字列に基づいて、前記購入アイテムのうち間接費に該当する少なくとも一つのアイテムを確認する段階と、
機械学習を通じて学習された第2学習モデルを用いて、前記文字列に基づいて、前記少なくとも一つのアイテムの費用カテゴリー情報を確認する段階と、を含む、機械学習基盤情報の提供方法。 - 前記購入アイテムの属性関連文字列を抽出する段階は、
前記伝票データに含まれたアイテムの業者名情報および勘定摘要情報のうち少なくとも一部に対応するテキストを用いて、前記文字列を抽出する段階を含む、請求項1に記載の機械学習基盤情報の提供方法。 - 機械学習を通じて前記文字列に含まれた文字要素に対応するマトリックスを生成する段階と、
少なくとも一つのフィルターを用いて前記マトリックスから前記文字列に対応する特徴ベクトルを生成する段階と、をさらに含み、
前記特徴ベクトルは、テストデータとして、前記第1学習モデルおよび前記第2学習モデルに入力される、請求項1に記載の機械学習基盤情報の提供方法。 - 前記文字列に含まれた文字要素は、英字、ハングル文字、および特殊文字のうち少なくとも一部を含む、請求項3に記載の機械学習基盤情報の提供方法。
- 前記購入アイテムのうち一部アイテムをサンプルアイテムとして決定する段階と、
前記伝票データから前記サンプルアイテムの属性に関連したサンプル文字列を抽出する段階と、
前記サンプルアイテムの間接費の該当可否に関する情報および前記サンプルアイテムの費用カテゴリー情報を獲得する段階と、をさらに含み、
前記第1学習モデルは、前記サンプル文字列および前記サンプルアイテムの間接費の該当可否に関する情報を第1学習データとして学習され、
前記第2学習モデルは、前記サンプル文字列および前記サンプルアイテムの費用カテゴリー情報を第2学習データとして学習された、請求項1に記載の機械学習基盤情報の提供方法。 - 前記サンプルアイテムを決定する段階は、
機械学習を通じて学習された第3学習モデルを用いて、前記文字列に基づいて前記購入アイテム間の類似度情報を確認する段階と、
前記伝票データから確認された前記購入アイテム間の類似度情報に基づいて、前記購入アイテムのうち予め設定された比率に該当する一部のアイテムを前記サンプルアイテムに決定する段階と、を含む、請求項5に記載の機械学習基盤情報の提供方法。 - 前記購入アイテムに関する伝票データを獲得する前に、
第2購入アイテムに関する第2伝票データを獲得する段階と、
前記第2購入アイテムの間接費の該当可否に関する情報および費用カテゴリー情報を獲得する段階と、
前記第2伝票データから前記第2購入アイテムの属性関連文字列を抽出する段階と、をさらに含み、
前記第1学習モデルは、前記第2購入アイテムの文字列および前記第2購入アイテムの間接費の該当可否に関する情報を第1学習データとして学習され、
前記第2学習モデルは、前記第2購入アイテムの文字列および前記第2購入アイテムの費用カテゴリー情報を第2学習データとして学習される、請求項1に記載の機械学習基盤情報の提供方法。 - 前記第1学習モデルおよび前記第2学習モデルのうちの少なくとも一つは、CNN(convolution neural network)を含む、請求項1に記載の機械学習基盤情報の提供方法。
- 前記費用カテゴリー情報は、階層化された複数のカテゴリーを含む、請求項1に記載の機械学習基盤情報の提供方法。
- epoch数、CNNフィルターナンバー、CNNフィルター出力、CNN dropout、FNC hidden units、batch size、およびlearning rateのうち少なくとも一つに対するユーザー入力を受信する段階をさらに含み、
前記第1学習モデルおよび前記第2学習モデルのうち少なくとも一つは、前記ユーザー入力に基づいて学習された、請求項1に記載の機械学習基盤情報の提供方法。 - 電子装置であって、
メモリと、
前記メモリと電気的に連結されたプロセッサーと、を含み、
前記プロセッサーは、
購入アイテムに関する伝票データを獲得し、
前期伝票データから前記購入アイテムの属性に関連した文字列を抽出し、
機械学習を通じて学習された少なくとも一つの学習モデルを用いて、特徴ベクトルから前記購入アイテムのうち間接費に該当する少なくとも一つのアイテムを確認し、前記少なくとも一つのアイテムの費用カテゴリー関連情報を確認するように設定された、電子装置。 - 機械学習基盤情報の提供方法をコンピュータで実行させるためのプログラムを記録したコンピュータで読み取り可能な非一時的記憶媒体であって、
前記機械学習基盤情報の提供方法は、
購入アイテムに関する伝票データを獲得する段階と、
前記伝票データから前記購入アイテムの属性に関連した文字列を抽出する段階と、
機械学習を通じて学習された第1学習モデルを用いて、前記文字列に基づいて、前記購入アイテムのうち間接費に該当する少なくとも一つのアイテムを確認する段階と、
機械学習を通じて学習された第2学習モデルを用いて、前記文字列に基づいて、前記少なくとも一つのアイテムの費用カテゴリー情報を確認する段階と、を含む、非一時的記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200158144A KR102265947B1 (ko) | 2020-11-23 | 2020-11-23 | 기계 학습 기반 정보 제공 방법 및 장치 |
KR10-2020-0158144 | 2020-11-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022082525A true JP2022082525A (ja) | 2022-06-02 |
JP7332190B2 JP7332190B2 (ja) | 2023-08-23 |
Family
ID=76604090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021189435A Active JP7332190B2 (ja) | 2020-11-23 | 2021-11-22 | 機械学習基盤情報の提供方法および装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220164705A1 (ja) |
JP (1) | JP7332190B2 (ja) |
KR (1) | KR102265947B1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220414338A1 (en) * | 2021-06-29 | 2022-12-29 | Adobe Inc. | Topical vector-quantized variational autoencoders for extractive summarization of video transcripts |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021189434A (ja) * | 2020-05-29 | 2021-12-13 | 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 | 音声認識方法、装置、機器及び記憶媒体 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7013883B2 (ja) | 2018-01-16 | 2022-02-01 | コニカミノルタ株式会社 | 医療機関検索方法、医療機関検索プログラム及び医療機関検索システム |
KR102015218B1 (ko) * | 2018-04-16 | 2019-10-21 | 한양대학교 산학협력단 | 기계 학습을 이용한 텍스트 분류 방법 및 장치 |
CN108875821A (zh) | 2018-06-08 | 2018-11-23 | Oppo广东移动通信有限公司 | 分类模型的训练方法和装置、移动终端、可读存储介质 |
JP2020024653A (ja) | 2018-06-26 | 2020-02-13 | 幸雄 竹延 | 端末、管理サーバ、就業管理システム、制御方法、およびプログラム |
JP2020038570A (ja) * | 2018-09-05 | 2020-03-12 | Necソリューションイノベータ株式会社 | 推定装置、システム、方法及びプログラム、並びに、学習装置及び方法 |
KR20200088088A (ko) * | 2019-01-14 | 2020-07-22 | 주식회사 인사이터 | 단어 속성 분류 장치 및 방법 |
JP6590355B1 (ja) * | 2019-04-26 | 2019-10-16 | Arithmer株式会社 | 学習モデル生成装置、文字認識装置、学習モデル生成方法、文字認識方法、及びプログラム |
JP7326867B2 (ja) | 2019-05-21 | 2023-08-16 | 富士通株式会社 | 情報処理装置、情報処理プログラム及び情報処理方法 |
JP6780888B1 (ja) | 2020-05-19 | 2020-11-04 | Miletos株式会社 | 経費検査装置、経費検査方法、およびプログラム |
-
2020
- 2020-11-23 KR KR1020200158144A patent/KR102265947B1/ko active IP Right Grant
-
2021
- 2021-11-22 US US17/456,135 patent/US20220164705A1/en active Pending
- 2021-11-22 JP JP2021189435A patent/JP7332190B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021189434A (ja) * | 2020-05-29 | 2021-12-13 | 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 | 音声認識方法、装置、機器及び記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP7332190B2 (ja) | 2023-08-23 |
US20220164705A1 (en) | 2022-05-26 |
KR102265947B1 (ko) | 2021-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019261735B2 (en) | System and method for recommending automation solutions for technology infrastructure issues | |
CN112633419B (zh) | 小样本学习方法、装置、电子设备和存储介质 | |
US11475326B2 (en) | Analyzing test result failures using artificial intelligence models | |
Jolly | Machine learning with scikit-learn quick start guide: classification, regression, and clustering techniques in Python | |
CN113592605B (zh) | 基于相似产品的产品推荐方法、装置、设备及存储介质 | |
CN115547466B (zh) | 基于大数据的医疗机构登记评审系统及其方法 | |
CN112541600A (zh) | 一种基于知识图谱的辅助维修决策方法 | |
CN110796171A (zh) | 机器学习模型的未分类样本处理方法、装置及电子设备 | |
CN112988963A (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
CN113255321A (zh) | 基于文章实体词依赖关系的金融领域篇章级事件抽取方法 | |
CN111210332A (zh) | 贷后管理策略生成方法、装置及电子设备 | |
JP2022082524A (ja) | 機械学習を通じての学習モデルを使った情報提供方法および装置 | |
CN113868422A (zh) | 一种多标签稽查工单问题溯源识别方法及装置 | |
JP2022082525A (ja) | 機械学習基盤情報の提供方法および装置 | |
CN117312562A (zh) | 内容审核模型的训练方法、装置、设备及存储介质 | |
CN115510188A (zh) | 文本关键词关联方法、装置、设备及存储介质 | |
CN114780577A (zh) | Sql语句生成方法、装置、设备及存储介质 | |
US11710098B2 (en) | Process flow diagram prediction utilizing a process flow diagram embedding | |
Jubair et al. | A multi‐agent K‐means with case‐based reasoning for an automated quality assessment of software requirement specification | |
CN112434889A (zh) | 一种专家行业分析方法、装置、设备及存储介质 | |
Sonje et al. | draw2code: AI based Auto Web Page Generation from Hand-drawn Page Mock-up | |
KR102663632B1 (ko) | 인공지능 기반의 미술품 거래의 트랜드 예측 장치 및 방법 | |
CN113850287A (zh) | 动态分析的工业品相似度计算方法和系统 | |
Shilov et al. | Application of Machine Learning Techniques to Enterprise Model Classification: An Approach and First Experimental Results | |
Alqudah | The use of generative artificial intelligence for customer services |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211122 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230404 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230424 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230621 |
|
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: 20230710 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230803 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7332190 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |