JP4715389B2 - パターン認識方法及び装置及びプログラム - Google Patents
パターン認識方法及び装置及びプログラム Download PDFInfo
- Publication number
- JP4715389B2 JP4715389B2 JP2005243424A JP2005243424A JP4715389B2 JP 4715389 B2 JP4715389 B2 JP 4715389B2 JP 2005243424 A JP2005243424 A JP 2005243424A JP 2005243424 A JP2005243424 A JP 2005243424A JP 4715389 B2 JP4715389 B2 JP 4715389B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- combination
- search
- clustering
- flag
- 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.)
- Expired - Fee Related
Links
Images
Description
オーム社、「パターン認識」石井健一郎、上田修功、前田栄作、村瀬洋p106 オーム社、「パターン認識」石井健一郎、上田修功、前田栄作、村瀬洋p73
複数の特徴抽出手段が、学習用データが記憶された記憶手段から学習用データを読み込んで、該学習用データの複数の特徴を抽出する特徴抽出ステップ(ステップ1)と、
特徴組み合わせ手段が、特徴抽出ステップで抽出された複数の特徴と該特徴それぞれを利用するか否かを示すフラグからなる暫定的な特徴とフラグの組み合わせを決定する特徴組み合わせステップ(ステップ2)と、
クラスタリング手段が、特徴組み合わせステップで決定された全ての暫定的な特徴とフラグの組み合わせを用いて、学習用データをクラスタリングするクラスタリングステップ(ステップ3)と、
検索対象候補生成手段が、ユーザから入力された学習用データ中に含まれる検索したい対象となるデータ(検索対象)として抽出すべき学習用データの数(以下、含有数と記す)を取得し、クラスタリングステップで取得したクラスタリング結果のうち該クラスタに属する学習用データの数が含有数と等しいクラスタリング結果を検索対象の候補として該ユーザが閲覧可能な表示装置に提示する検索対象候補生成ステップ(ステップ4)と、
特徴決定手段が、ユーザにより選択された検索対象の候補であるクラスタリング結果に対し、該クラスタリング結果を生み出す暫定的な特徴とフラグの組み合わせを求め、該組み合わせにおいて、該フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴として決定する特徴決定ステップ(ステップ5)と、
検索手段が、特徴決定ステップで決定された検索に必要な特徴に基づいて、検索対象データ記憶手段を検索し、検索結果を取得する検索ステップ(ステップ6)と、を行う。
複数の特徴抽出手段が、映像を含む時系列データが記憶された記憶手段から時系列データを読み込んで、該時系列データの複数の特徴を抽出する特徴抽出ステップと、
特徴組み合わせ手段が、特徴抽出ステップで抽出された複数の特徴から複数の特徴と該特徴それぞれを利用するか否かを示すフラグからなる暫定的な特徴とフラグの組み合わせを決定する特徴組み合わせステップと、
クラスタリング手段が、全ての暫定的な特徴とフラグの組み合わせを用いて、時系列データをクラスタリングするクラスタリングステップと、
検索対象候補生成手段が、ユーザから入力された時系列データ中に含まれる検索したい対象となるデータ(検索対象)として抽出すべき時系列データの数(以下、含有数と記す)を取得し、クラスタリングステップで取得したクラスタリング結果のうち該クラスタに属する学習用データの数が該含有数と等しいクラスタリング結果である映像区間を検索対象の候補として該ユーザが閲覧可能な表示装置に提示する検索対象候補生成ステップと、
特徴決定手段が、ユーザにより選択された検索対象の候補であるクラスタリング結果に対し、該クラスタリング結果を生み出す暫定的な特徴とフラグの組み合わせを求め、該組み合わせにおいて該フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴として決定する特徴決定ステップと、
検索手段が、特徴決定ステップで決定された検索に必要な特徴に基づいて、検索対象データ記憶手段を検索し、検索結果を取得する検索ステップと、
を行うことを特徴とするパターン認識方法。
特徴決定ステップにおいて、
ユーザから選択された検索対象の候補となるクラスタリング結果を生み出す暫定的な特徴とフラグの組み合わせを求め、
暫定的な特徴とフラグの組み合わせのうち、フラグが特徴を利用することを指し示している場合に対応する特徴の数の逆数を各特徴とフラグの組み合わせの評価値とし、
暫定的な特徴とフラグの組み合わせのうち、評価値の最も大きい特徴とフラグの組み合わせにおいて、該フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴とする。
含有数の代わりに、学習用データ中に検索したい対象となるデータがどの程度含まれるかを示す含有率を用いる。
学習用データが格納記憶された記憶手段1と、
検索対象データが格納された検索対象データ記憶手段13と、
記憶手段から学習用データを読み込んで、該学習用データの複数の特徴を抽出する複数の特徴抽出手段2と、
特徴抽出手段2で抽出された複数の特徴と該特徴それぞれを利用するか否かを示すフラグからなる暫定的な特徴とフラグの組み合わせを決定する特徴組み合わせ手段3と、
全ての暫定的な特徴とフラグの組み合わせを用いて、学習用データをクラスタリングするクラスタリング手段4と、
ユーザから入力された学習用データ中に含まれる検索したい対象となるデータ(検索対象)として抽出すべき学習用データの数(以下、含有数と記す)を取得し、クラスタリング手段4で取得したクラスタリング結果のうち該クラスタに属する学習用データの数が含有数と等しいクラスタリング結果を検索対象の候補として該ユーザが閲覧可能な表示装置に提示する検索対象候補生成手段5と、
ユーザから選択された検索対象の候補となるクラスタリング結果を生み出す暫定的な特徴とフラグの組み合わせを求め、該組み合わせにおいて、該フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴として決定する特徴決定手段9と、
特徴決定手段9で決定された検索に必要な特徴に基づいて、検索対象データ記憶手段を検索し、検索結果を取得する検索手段10と、を有する。
映像を含む時系列データが格納された記憶手段と、
検索対象データが格納された検索対象データ記憶手段と、
記憶手段から時系列データを読み込んで、該時系列データの複数の特徴を抽出する複数の特徴抽出手段と、
特徴抽出手段で抽出された複数の特徴から複数の特徴と該特徴それぞれを利用するか否かを示すフラグからなる暫定的な特徴とフラグの組み合わせを決定する特徴組み合わせ手段と、
全ての暫定的な特徴とフラグの組み合わせを用いて、時系列データをクラスタリングするクラスタリング手段と、
ユーザから入力された時系列データ中に含まれる検索したい対象となるデータ(検索対象)として抽出すべき時系列データの数(以下、含有数と記す)を取得し、クラスタリング手段で取得したクラスタリング結果のうち該クラスタに属する学習用データの数が該含有数と等しいクラスタリング結果である映像区間を検索対象の候補として該ユーザが閲覧可能な表示装置に提示する検索対象候補生成手段と、
ユーザから選択された検索対象の候補となるクラスタリング結果を生み出す暫定的な特徴とフラグの組み合わせを求め、該組み合わせにおいて、該フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴として決定する特徴決定手段と、
特徴決定手段で決定された検索に必要な特徴に基づいて、検索対象データ記憶手段を検索し、検索結果を取得する検索手段と、を有する。
特徴決定手段9は、
ユーザから選択された検索対象の候補となるクラスタリング結果を生み出す暫定的な特徴とフラグの組み合わせを求め、
暫定的な特徴とフラグの組み合わせのうち、フラグが特徴を利用することを指し示している場合に対応する特徴の数の逆数を各特徴とフラグの組み合わせの評価値とし、該暫定的な特徴とフラグの組み合わせのうち、評価値の最も大きい特徴とフラグの組み合わせにおいて、該フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴とする手段を含む。
本実施例では、上記の実施の形態の動作に沿って具体的な例を説明する。
1:小さい
2:中くらい
3:大きい
4:2本足
5:4本足
6:毛を持つ
7:ひずめを持つ
8:たてがみを持つ
9:羽をもつ
A:狩猟を好む
B:走ることを好む
C:飛ぶことを好む
D:泳ぐことを好む
の各項目に関して、当てはまる場合には「1」、当てはまらない場合は「0」が記載されている。
0000000010000→羽
0000010000000→毛
0000100000000→4本足
0001000000000→2本足
はと めんどり あひる がちょう ふくろう たか ねこ
1000000000000→小さい
めんどり きつね いぬ おおかみ ねこ トラ ライオン
0000001000010→ひずめ&飛べる
めんどり ねこ トラ ライオン うま しまうま うし
0100000000010→中ぐらい&飛べる
はと めんどり あひる がちょう うま しまうま うし
0100000001000→中ぐらい&狩猟
はと めんどり ふくろう たか わし キツネ ねこ
0010000000101→大きい&走ることが好き&泳ぐ
はと めんどり ふくろう たか ねこ トラ うし
0100000000101→中ぐらい&走ることが好き&泳ぐ
0100000100001→中ぐらい&たてがみ&泳ぐ
はと めんどり ふくろう たか ねこ トラ ライオン
0100001000001→中ぐらい&ひずめ&泳ぐ
上記の例では、7種類の動物を選ぶクラスタリング結果としては、8通りの選び方が存在しており、各々その選び方を可能とする特徴量の選択方法があることがわかる。
羽がある
:
2本足の動物
が想定される。
本実施例では、本システムを時系列データの検索へ拡張した例を説明する。
2 特徴抽出手段、特徴抽出部
3 特徴組み合わせ手段、特徴組み合わせ部
4 クラスタリング手段、クラスタリング部
5 検索対象候補生成手段、検索対象候補生成部
6 検索対象含有数入力取得部
7 検索結果提示部
8 正解検索結果入力取得部
9 特徴決定手段、特徴決定部
10 検索手段、検索部
11 検索対象含有数入力装置
12 正解検索結果入力装置
13 検索対象データ記憶手段、検索対象データ記憶装置
Claims (9)
- 学習用データが格納された記憶手段と、検索対象データが格納された検索対象データ記憶手段と、複数の特徴抽出手段と、特徴組み合わせ手段と、クラスタリング手段と、検索対象候補生成手段と、特徴決定手段と、検索手段とを有する装置が実行するパターン認識方法であって、
前記複数の特徴抽出手段が、前記学習用データが記憶された記憶手段から学習用データを読み込んで、該学習用データの複数の特徴を抽出する特徴抽出ステップと、
前記特徴組み合わせ手段が、前記特徴抽出ステップで抽出された前記複数の特徴と該特徴それぞれを利用するか否かを示すフラグからなる暫定的な特徴とフラグの組み合わせを決定する特徴組み合わせステップと、
前記クラスタリング手段が、前記特徴組み合わせステップで決定された全ての前記暫定的な特徴とフラグの組み合わせを用いて、前記学習用データをクラスタリングするクラスタリングステップと、
前記検索対象候補生成手段が、ユーザから入力された前記学習用データ中に含まれる検索したい対象となるデータ(検索対象)として抽出すべき学習用データの数(以下、含有数と記す)を取得し、前記クラスタリングステップで取得したクラスタリング結果のうち該クラスタに属する学習用データの数が前記含有数と等しいクラスタリング結果を検索対象の候補として該ユーザが閲覧可能な表示装置に提示する検索対象候補生成ステップと、
前記特徴決定手段が、前記ユーザにより選択された検索対象の候補であるクラスタリング結果に対し、該クラスタリング結果を生み出す前記暫定的な特徴とフラグの組み合わせを求め、該組み合わせにおいて前記フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴として決定する特徴決定ステップと、
前記検索手段が、前記特徴決定ステップで決定された検索に必要な特徴に基づいて、前記検索対象データ記憶手段を検索し、検索結果を取得する検索ステップと、
を行うことを特徴とするパターン認識方法。 - 映像を含む時系列データが記憶された記憶手段と、検索対象データが格納された検索対象データ記憶手段と、複数の特徴抽出手段と、特徴組み合わせ手段と、クラスタリング手段と、検索対象候補生成手段と、特徴決定手段と、検索手段とを有する装置が実行するパターン認識方法であって、
前記複数の特徴抽出手段が、前記映像を含む時系列データが記憶された記憶手段から時系列データを読み込んで、該時系列データの複数の特徴を抽出する特徴抽出ステップと、
前記特徴組み合わせ手段が、前記特徴抽出ステップで抽出された前記複数の特徴から前記複数の特徴と該特徴それぞれを利用するか否かを示すフラグからなる暫定的な特徴とフラグの組み合わせを決定する特徴組み合わせステップと、
前記クラスタリング手段が、全ての前記暫定的な特徴とフラグの組み合わせを用いて、前記時系列データをクラスタリングするクラスタリングステップと、
前記検索対象候補生成手段が、ユーザから入力された前記時系列データ中に含まれる検索したい対象となるデータ(検索対象)として抽出すべき時系列データの数(以下、含有数と記す)を取得し、前記クラスタリングステップで取得したクラスタリング結果のうち該クラスタに属する学習用データの数が前記該含有数と等しいクラスタリング結果である映像区間を検索対象の候補として該ユーザが閲覧可能な表示装置に提示する検索対象候補生成ステップと、
前記特徴決定手段が、前記ユーザにより選択された検索対象の候補であるクラスタリング結果に対し、該クラスタリング結果を生み出す前記暫定的な特徴とフラグの組み合わせを求め、該組み合わせにおいて該フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴として決定する特徴決定ステップと、
前記検索手段が、前記特徴決定ステップで決定された検索に必要な特徴に基づいて、前記検索対象データ記憶手段を検索し、検索結果を取得する検索ステップと、
を行うことを特徴とするパターン認識方法。 - 前記特徴決定ステップにおいて、
前記ユーザから選択された検索対象の候補となるクラスタリング結果を生み出す前記暫定的な特徴とフラグの組み合わせを求め、
前記暫定的な特徴とフラグの組み合わせのうち、前記フラグが特徴を利用することを指し示している場合に対応する特徴の数の逆数を各特徴とフラグの組み合わせの評価値とし、
前記暫定的な特徴とフラグの組み合わせのうち、前記評価値の最も大きい特徴とフラグの組み合わせにおいて、該フラグによって利用することが指定されている特徴の組み合わせを、前記検索に必要な特徴とする、
請求項1または2記載のパターン認識方法。 - 前記含有数の代わりに、前記学習用データ中に検索したい対象となるデータがどの程度含まれるかを示す含有率を用いる、請求項1記載のパターン認識方法。
- パターン認識装置であって、
学習用データが格納記憶された記憶手段と、
検索対象データが格納された検索対象データ記憶手段と、
前記記憶手段から学習用データを読み込んで、該学習用データの複数の特徴を抽出する複数の特徴抽出手段と、
前記特徴抽出手段で抽出された前記複数の特徴と該特徴それぞれを利用するか否かを示すフラグからなる暫定的な特徴とフラグの組み合わせを決定する特徴組み合わせ手段と、
全ての前記暫定的な特徴とフラグの組み合わせを用いて、前記学習用データをクラスタリングするクラスタリング手段と、
ユーザから入力された前記学習用データ中に含まれる検索したい対象となるデータ(検索対象)として抽出すべき学習用データの数(以下、含有数と記す)を取得し、前記クラスタリング手段で取得したクラスタリング結果のうち該クラスタに属する学習用データの数が前記含有数と等しいクラスタリング結果を検索対象の候補として該ユーザが閲覧可能な表示装置に提示する検索対象候補生成手段と、
前記ユーザから選択された検索対象の候補となるクラスタリング結果を生み出す前記暫定的な特徴とフラグの組み合わせを求め、該組み合わせにおいて、該フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴として決定する特徴決定手段と、
前記特徴決定手段で決定された検索に必要な特徴に基づいて、前記検索対象データ記憶手段を検索し、検索結果を取得する検索手段と、
を有することを特徴とするパターン認識装置。 - パターン認識装置であって、
映像を含む時系列データが格納された記憶手段と、
検索対象データが格納された検索対象データ記憶手段と、
前記記憶手段から時系列データを読み込んで、該時系列データの複数の特徴を抽出する複数の特徴抽出手段と、
前記特徴抽出手段で抽出された前記複数の特徴から前記複数の特徴と該特徴それぞれを利用するか否かを示すフラグからなる暫定的な特徴とフラグの組み合わせを決定する特徴組み合わせ手段と、
全ての前記暫定的な特徴とフラグの組み合わせを用いて、前記時系列データをクラスタリングするクラスタリング手段と、
ユーザから入力された前記時系列データ中に含まれる検索したい対象となるデータ(検索対象)として抽出すべき時系列データの数(以下、含有数と記す)を取得し、前記クラスタリング手段で取得したクラスタリング結果のうち該クラスタに属する学習用データの数が前記該含有数と等しいクラスタリング結果である映像区間を検索対象の候補として該ユーザが閲覧可能な表示装置に提示する検索対象候補生成手段と、
前記ユーザから選択された検索対象の候補となるクラスタリング結果を生み出す前記暫定的な特徴とフラグの組み合わせを求め、該組み合わせにおいて、該フラグによって利用することが指定されている特徴の組み合わせを、検索に必要な特徴として決定する特徴決定手段と、
前記特徴決定手段で決定された検索に必要な特徴に基づいて、前記検索対象データ記憶手段を検索し、検索結果を取得する検索手段と、
を有することを特徴とするパターン認識装置。 - 前記特徴決定手段は、
前記ユーザから選択された検索対象の候補となるクラスタリング結果を生み出す前記暫定的な特徴とフラグの組み合わせを求め、
前記暫定的な特徴とフラグの組み合わせのうち、前記フラグが特徴を利用することを指し示している場合に対応する特徴の数の逆数を各特徴とフラグの組み合わせの評価値とし、該暫定的な特徴とフラグの組み合わせのうち、評価値の最も大きい特徴とフラグの組み合わせにおいて、該フラグによって利用することが指定されている特徴の組み合わせを、前記検索に必要な特徴とする手段を含む、
請求項5または6記載のパターン認識装置。 - 前記含有数の代わりに、前記学習用データ中に検索したい対象となるデータがどの程度含まれるかを示す含有率を用いる、請求項5記載のパターン認識装置。
- 請求項5乃至8のいずれか1項に記載のパターン認識装置を構成する各手段としてコンピュータを機能させるためのパターン認識プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005243424A JP4715389B2 (ja) | 2005-08-24 | 2005-08-24 | パターン認識方法及び装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005243424A JP4715389B2 (ja) | 2005-08-24 | 2005-08-24 | パターン認識方法及び装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007058603A JP2007058603A (ja) | 2007-03-08 |
JP4715389B2 true JP4715389B2 (ja) | 2011-07-06 |
Family
ID=37922042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005243424A Expired - Fee Related JP4715389B2 (ja) | 2005-08-24 | 2005-08-24 | パターン認識方法及び装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4715389B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4985293B2 (ja) * | 2007-10-04 | 2012-07-25 | ソニー株式会社 | 情報処理装置および方法、プログラム、並びに記録媒体 |
JP5414416B2 (ja) * | 2008-09-24 | 2014-02-12 | キヤノン株式会社 | 情報処理装置及び方法 |
CN104077605B (zh) * | 2014-07-18 | 2017-08-29 | 北京航空航天大学 | 一种基于颜色拓扑结构的行人搜索识别方法 |
JP7000738B2 (ja) * | 2017-08-22 | 2022-01-19 | 富士電機株式会社 | 品質監視システム及びプログラム |
US11586703B2 (en) | 2018-02-08 | 2023-02-21 | Nec Corporation | Feature transformation apparatus and method, and recording medium |
JP2018125019A (ja) * | 2018-03-27 | 2018-08-09 | エルピクセル株式会社 | 画像処理装置及び画像処理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0668066A (ja) * | 1992-08-20 | 1994-03-11 | Fuji Electric Co Ltd | 判別条件生成方法 |
JPH07230446A (ja) * | 1993-12-22 | 1995-08-29 | Toshiba Corp | パターン抽出方法及び装置 |
JPH08106391A (ja) * | 1994-10-04 | 1996-04-23 | Fuji Electric Co Ltd | 判別ルール生成方法 |
JPH11213127A (ja) * | 1998-01-23 | 1999-08-06 | Tokyo Inst Of Technol | 画像処理方法および装置 |
JP2000132558A (ja) * | 1998-10-22 | 2000-05-12 | Nri & Ncc Co Ltd | 分類ルール探求式クラスター分析装置 |
JP2001101188A (ja) * | 1999-09-30 | 2001-04-13 | Toshiba Corp | 相関関係分析方法、相関関係分析装置および記録媒体 |
JP2003256839A (ja) * | 2002-02-27 | 2003-09-12 | Nec Corp | パターンの特徴選択方法及び分類方法及び判定方法及びプログラム並びに装置 |
-
2005
- 2005-08-24 JP JP2005243424A patent/JP4715389B2/ja not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0668066A (ja) * | 1992-08-20 | 1994-03-11 | Fuji Electric Co Ltd | 判別条件生成方法 |
JPH07230446A (ja) * | 1993-12-22 | 1995-08-29 | Toshiba Corp | パターン抽出方法及び装置 |
JPH08106391A (ja) * | 1994-10-04 | 1996-04-23 | Fuji Electric Co Ltd | 判別ルール生成方法 |
JPH11213127A (ja) * | 1998-01-23 | 1999-08-06 | Tokyo Inst Of Technol | 画像処理方法および装置 |
JP2000132558A (ja) * | 1998-10-22 | 2000-05-12 | Nri & Ncc Co Ltd | 分類ルール探求式クラスター分析装置 |
JP2001101188A (ja) * | 1999-09-30 | 2001-04-13 | Toshiba Corp | 相関関係分析方法、相関関係分析装置および記録媒体 |
JP2003256839A (ja) * | 2002-02-27 | 2003-09-12 | Nec Corp | パターンの特徴選択方法及び分類方法及び判定方法及びプログラム並びに装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2007058603A (ja) | 2007-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110795543B (zh) | 基于深度学习的非结构化数据抽取方法、装置及存储介质 | |
CN106462399B (zh) | 代码推荐 | |
US9098741B1 (en) | Discriminitive learning for object detection | |
Divvala et al. | Learning everything about anything: Webly-supervised visual concept learning | |
JP5031741B2 (ja) | 文書視覚構造の文法的な解析 | |
JP4715389B2 (ja) | パターン認識方法及び装置及びプログラム | |
Mettes et al. | Bag-of-fragments: Selecting and encoding video fragments for event detection and recounting | |
Lai et al. | Recognizing complex events in videos by learning key static-dynamic evidences | |
RU2666277C1 (ru) | Сегментация текста | |
Mazloom et al. | Tagbook: A semantic video representation without supervision for event detection | |
CN107368613B (zh) | 短文本情感分析方法及装置 | |
CN106537387B (zh) | 检索/存储与事件相关联的图像 | |
US20160239490A1 (en) | Using Alternate Words As an Indication of Word Sense | |
US8527516B1 (en) | Identifying similar digital text volumes | |
CN107357765A (zh) | Word文档碎片化方法及装置 | |
WO2022247403A1 (zh) | 关键点检测方法、电子设备、程序及存储介质 | |
JP7193000B2 (ja) | 類似文書検索方法、類似文書検索プログラム、類似文書検索装置、索引情報作成方法、索引情報作成プログラムおよび索引情報作成装置 | |
JP5927955B2 (ja) | 情報処理装置及びプログラム | |
JP6402637B2 (ja) | 分析プログラム、分析方法及び分析装置 | |
JP5870744B2 (ja) | 情報処理装置及びプログラム | |
CN113901793A (zh) | 结合rpa和ai的事件抽取方法及装置 | |
JP5188290B2 (ja) | アノテーション装置、アノテーション方法およびプログラム | |
Li et al. | Learning cooking techniques from youtube | |
US20050154750A1 (en) | Methods and apparatus for generating automated graphics using stored graphics examples | |
CN111078067A (zh) | 一种信息定位方法及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070817 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100310 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100323 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100520 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100713 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100906 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101109 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101227 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110301 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110314 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140408 Year of fee payment: 3 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |