JP5820307B2 - コンテンツフィルタリングシステム、コンテンツフィルタリング方法 - Google Patents
コンテンツフィルタリングシステム、コンテンツフィルタリング方法 Download PDFInfo
- Publication number
- JP5820307B2 JP5820307B2 JP2012045919A JP2012045919A JP5820307B2 JP 5820307 B2 JP5820307 B2 JP 5820307B2 JP 2012045919 A JP2012045919 A JP 2012045919A JP 2012045919 A JP2012045919 A JP 2012045919A JP 5820307 B2 JP5820307 B2 JP 5820307B2
- Authority
- JP
- Japan
- Prior art keywords
- attribute
- image
- feature amount
- keyword
- feature
- 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
- 238000000034 method Methods 0.000 title claims description 46
- 238000001914 filtration Methods 0.000 title claims description 31
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 239000000470 constituent Substances 0.000 claims 1
- 230000014509 gene expression Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 238000009826 distribution Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 239000013589 supplement Substances 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
図1は、本発明の実施形態1に係るコンテンツフィルタリングシステム1000の構成を示すブロック図である。コンテンツフィルタリングシステム1000は、Web上に置かれた画像をキーワードまたは画像の類似性に基づき検索し、その結果をユーザに対して配信するシステムである。コンテンツフィルタリングシステム1000は、端末装置100と検索サーバシステム200を備え、これらはネットワーク1100を介して接続されている。
HTTPサーバ202あるいはWebクローラ204が画像データの不適正性を自動判定する処理は、画像データおよびURLに対する手動による判定結果がある程度蓄積されていることを前提とする。画像に対する手動判定については、Webクローラ204が収集した画像データについてシステム運用者が不適正性を手動判定した結果として、図3の307の値として保存される。同時に、判定された画像の識別子、画像特徴量、判定結果が、画像特徴量サーバ206の管理情報として保存される。URLに対する手動判定については、Webクローラ204が収集したHTML文書についてシステム運用者が不適正性を手動判定した結果として、図3の308の値として保存される。同時に、そのURLパターンおよび判定結果が、URLサーバ207の管理情報として保存される。
キーワードを用いて画像データの属性を自動判定する際には、キーワード属性テーブル400の不適正度403をあらかじめ算出しておく必要がある。以下ではその算出手順について説明する。
HTTPサーバ202は、キーワードに基づく自動判定に代えて、またはこれと併用して、画像特徴量に基づき画像データの属性を自動判定することができる。画像特徴量に基づき画像データの属性を自動判定する際には、特徴量属性テーブル500の信頼度504をあらかじめ算出しておく必要がある。以下ではその算出手順について説明する。
HTTPサーバ202が、本フローチャート内で用いる変数を定義する。下限閾値p(0<p<1)は、外部から定義するパラメータであり、後述のステップS740で用いられる。集合Sは、不適正画像データの集合である。Sは、個々の画像に対して不適正判定されたものだけではなく、URLに対する判定による不適正と判定されたものを含めることとする。これを、判定テーブル300内の各フィールドを用いて論理式で書けば、img_unsafe307==1||(url_unsafe308==1&&img_unsafe307!=0)を満たす画像の集合である。その他の変数については以下のステップで併せて説明する。
信頼度504を判定する対象である画像データの特徴量ベクトルをXとする。HTTPサーバ202は、特徴量ベクトルXと類似する画像データを全検索サーバ203が管理する全画像データから検索する。検索結果の件数をNとする。検索結果は、全画像中のデータを特定する画像識別子、およびXとの間の特徴量ベクトル間2乗距離を要素とする配列R内に格納される。配列Rの要素は、2乗距離が小さい順にソートされているものとする。
HTTPサーバ202は、配列R内に不適正画像データが何件含まれているかをカウントする。カウント結果は配列Aに格納される。配列Aの要素は、配列Rの要素を上位から順に見たときに手動判定結果503が判定対象画像と同じである画像データが配列R内に何件格納されているかを示す数値である。例えば、判定対象画像の手動判定結果503が1であり、R[1]〜R[4]内に手動判定結果503が1である画像が4件含まれている場合は、A[4]=4となる。同様にR[1]〜R[10]内に手動判定結果503が1である画像が7件含まれている場合は、A[10]=7となる。検索結果の上位(配列Rの上位要素)には判定対象画像との間の類似度が高い画像データが格納されているので、下位に下がるほど判定対象画像とは異なる画像データが登場する。以下、本ステップのサブステップについて説明する。
判定対象画像自身も検索対象に含まれるため、検索結果の1位には、2乗距離が0となる画像データが現れる。そこで画像特徴量サーバ206は、1番目の要素についてはA[1]=1とし、配列のインデックスiを次に進める。インデックスiがNに到達した、すなわち配列Rの全要素についてカウントが終了した場合はステップS740に進み、それ以外であればステップS732へ進む。
HTTPサーバ202は、配列Rのi番目の要素が集合Sに含まれる(手動判定結果503=1である)場合は配列Aの要素値を1加算し、そうでなければ上位の要素値と同じ値とする。例えばR[1]〜R[4]内に手動判定結果503が1である画像が4件含まれている場合、A[4]=4となる。この場合、R[5]の手動判定結果503が0であればA[5]=A[4](=4)となり、R[5]の手動判定結果503が1であればA[5]=A[4]+1(=5))となる。
Web上には複製された画像が多く存在するため、判定対象画像と全く同じ画像データが別の画像識別子501をもって特徴量テーブル500内に登録されている場合もある。そこでHTTPサーバ202は、特徴量ベクトル間の2乗距離が0となる画像は、内容が等しい画像データと判断し、配列Rの1つ上位の要素と同じものとして取り扱う。
HTTPサーバ202は、配列Aの最下位(N番目の要素)から上位に向けて要素値を順に取得し、配列Aの要素数(=インデックスi)に対する不適正画像の件数割合を求める。例えばステップS730で説明した例によれば、A[10]=7であるから10件中7件が不適正画像(割合=0.7)ということになる。同様にA[4]=4であるから4件中4件が不適正画像(割合=1.0)ということになる。HTTPサーバ202は、この割合が下限閾値pより大きくなった時点で、そのインデックスiに対応する配列Rの2乗距離と1つ下位の配列Rの2乗距離の平均を算出し、これを信頼度Dとする。
本ステップでは下限閾値pを境界としてその1つ下位の配列Rの2乗距離と平均する例を示したが、これに限られるものではない。上記割合が下限閾値pを超えた時点で、そのインデックスの前後いずれかの配列Rの2乗距離を少なくとも用いれば、相応に妥当な信頼度Dが得られると考えられる。
本ステップは、A[N]/Nが<p、かつR[N].d≠0を仮定している。したがってNの値は、ほとんどの場合、この条件を満たす程度に大きい値を設定する必要がある。本条件を満たさない場合は、配列Rに含まれる画像データは不適正判定のために用いないようにする。
図8は、HTTPサーバ202が画像データに関連するキーワードに基づき当該画像データの不適正性を自動判定する処理のフローチャートである。HTTPサーバ202は、判定テーブル300の全レコードについて、画像キーワード自動判定結果309とURLキーワード自動判定結果310を未判定の状態に初期化する(S801)。URLサーバ207の管理情報も同様に、URLテーブル600の全レコードについて、キーワード自動判定結果603を未判定の状態に初期化する(S802)。HTTPサーバ202は、次の図9で説明する処理フローを、判定テーブル300内の全レコードについて実施する。
HTTPサーバ202が、本フローチャート内で用いる変数を定義する。閾値αは、外部から定義するパラメータであり、画像データの不適正度u(x)と比較するために用いられる。その他の変数については以下のステップで併せて説明する。
HTTPサーバ202は、判定対象画像xに対する画像キーワード自動判定結果309を参照する。後述のステップS912においてURLに対する判定を実施する際に、そのURL内に判定対象画像xが含まれており、判定対象画像xが判定済みとなっている場合があるので、本ステップを設けた。画像キーワード自動判定結果309=0であれば本処理フローを終了し、それ以外であればステップS903へ進む。
画像キーワード自動判定結果309=−1であればステップS904〜S906を実施し、それ以外であればこれらのステップはスキップする。
HTTPサーバ202は、式2に示す不適正度u(x)を算出する(S904)。HTTPサーバ202は、u(x)が閾値αより大きければ判定対象画像Xは不適正と判定し、そうでなければ適正であると判定する(S905)。HTTPサーバ202は、判定結果に基づき判定テーブル300の画像キーワード自動判定結果309を更新する。また、不適正度u(x)をキーワード不適正度313として格納する(S906)。u(x)>αの場合および判定対象画像Xについて既に不適正と判定済みであった場合はステップS907へ進み、それ以外であれば本処理フローを終了する。
HTTPサーバ202は、URLに対して不適正判定を実施する場合は、本ステップ以降を実施する。検索サーバ203は、URL304の末尾から、区切り子として”/”と”?”を順次検出することにより(S907)、URL304の先頭から区切り子までの部分文字列を切り出す(S908)。
HTTPサーバ202は、URLサーバ207に問い合わせることにより、切り出されたURL304の部分文字列hについて不適正判定を実施済みか否かを確認する。URL属性テーブル600内に部分文字列hが未登録である場合は、当該部分文字列hについて不適正判定は実施してないと判断される。URL属性テーブル600内に部分文字列hが登録されていた場合は、キーワード自動判定結果603の値に基づき、不適正判定を実施済みであるか否かを判断することができる。不適正判定を実施済みである場合は部分文字列hのインデックスを1つ勧めてステップS907へ戻り、未実施である場合はステップS910へ進む。
HTTPサーバ202は、URL304の先頭部分が部分文字列hと一致するURL内に含まれる画像データを判定テーブル300から全て抽出し、画像集合Xとする(S910)。検索サーバ203は、式3に示す画像集合Xの不適正度v(X)を算出する(S911)。v(X)を算出するためには、集合X内の全ての画像データxについての不適正度u(x)が必要である。集合X内の各画像データについて不適正度u(x)を算出済みである、すなわち画像キーワード自動判定結果309が−1でない場合は、キーワード不適正度313の値を用いる。そうでない場合は、式2にしたがってその画像データの不適正度u(x)を算出する。
HTTPサーバ202は、v(x)が別途定めた閾値βより大きければ当該URLは不適正と判定し、そうでなければ適正と判定する。判定結果は、URL属性テーブル600のキーワード自動判定結果603に格納される。検索サーバ203はさらに、集合X内の全ての画像データについて、判定テーブル300のURLキーワード自動判定結果310の値を更新する。ただし既にURLキーワード自動判定結果310の値が1であるレコードについては更新しない。
判定テーブル300に登録されている画像データの件数が大規模な場合は、全画像データに対する処理を実施するのが適切ではない場合がある。この場合は、キーワード属性テーブル400の不適正度403が所定閾値以上のキーワードを選択し、それらのキーワードを含む画像データのみを対象として、図9に示す処理を実施すればよい。
画像特徴量に基づき画像の不適正性を自動判定する場合は、式5に示す画像の不適正度u(x)を算出するために要する計算コストが大きいため、全画像データを対象として画像特徴量に基づく自動判定を実施するのは適切ではない。そこでHTTPサーバ202は、特徴量属性テーブル500の画像特徴量502をクエリとし、全画像を対象とする類似検索を実施することにより、画像特徴量502の近傍に存在するもののみを抽出して自動判定を実施する。
キーワード属性テーブル400の不適正度403と特徴量属性テーブル500の信頼度504を自動更新する際に、これらを相互に利用補充して互いの精度を向上させる手法について、以下に説明する。
Webクローラ204が、新たな画像データを登録する際の不適正判定処理について、以下に説明する。
HTTPサーバ202は、端末装置100から画像に対する検索要求を受け取ると、手動判定結果および自動判定結果のいずれかが不適正と判定されている画像については、ユーザからの明示的な配信要求がない限り、ユーザへ提示する検索結果には含めない。判定テーブル300の各フィールドを用いた論理式で表記すると、img_unsafe307==1||url_unsafe308==1||img_unsafe_by_kw309==1||url_unsafe_by_kw310==1||img_unsafe_by_img311==1||url_unsafe_by_img312==1である画像は不適正画像と判定して検索結果には含めない。処理の効率化のため、この論理式の結果は、判定結果306にあらかじめ格納しておいてもよい。
以上のように、本実施形態1に係るコンテンツフィルタリングシステム1000は、キーワードの不適正度(式2)と画像特徴量の不適正度(式5)に基づき、画像データの不適正性を判定することができる。これにより、多数の画像データについて、不適正判定を自動的に実施することができる。
実施形態1では、画像データの属性として、検索結果に含めることが適正であるか否かを示す不適正性を自動判定することとした。キーワードに基づく判定結果と画像特徴量に基づく判定結果を用いる手法は、これに限らず画像データに関連付ける様々な属性について適用することができる。例えば、キーワードにあらかじめ属性が付与されており、画像特徴量にも同様にあらかじめ属性が付与されている場合、ある画像データの属性は、その周辺に存在するキーワードの属性と当該画像データに類似する他の画像データに付与されている属性とに基づき推定することができる。
以上のように、本実施形態2に係るコンテンツフィルタリングシステム1000は、キーワードに付与された属性と画像特徴量に付与された属性に基づき、画像データの属性を自動判定することができる。
実施形態1で説明した式1〜式3は、下記式7〜式9に置き換えることができる。
Claims (12)
- 画像を取得する画像取得部と、
前記画像取得部が取得した前記画像の特徴量を算出する特徴量算出部と、
前記画像取得部が取得した前記画像に関連付けられている文字列を取得し、前記文字列のなかからキーワードを抽出するキーワード抽出部と、
キーワードとその属性値との間の対応関係を記述するキーワード属性テーブルと、
画像の特徴量とその属性値との間の対応関係を記述する特徴量属性テーブルと、
前記キーワード抽出部が抽出した前記キーワードと対応する属性値を前記キーワード属性テーブルの記述に基づき判定するキーワード属性判定部と、
前記特徴量算出部が算出した前記特徴量と対応する属性値を前記特徴量属性テーブルの記述に基づき判定する特徴量属性判定部と、
前記キーワード属性判定部の判定結果と前記特徴量属性判定部の判定結果に基づき、前記画像取得部が取得した前記画像の属性を判定する画像属性判定部と、
前記特徴量属性テーブルが記述している前記属性値の信頼度を算出する信頼度算出部と、
を備え、
前記特徴量属性判定部は、
前記特徴量属性テーブルの記述と前記信頼度算出部が算出した前記信頼度に基づき、前記特徴量属性テーブルが記述している特徴量のうち前記画像取得部が取得した前記画像の特徴量に類似するものを特定し、
前記特定した特徴量と対応する前記属性値に基づき、前記特徴量算出部が算出した前記特徴量と対応する属性値を判定する、
ことを特徴とするコンテンツフィルタリングシステム。 - 前記信頼度算出部は、
前記画像取得部が取得した前記画像の特徴量と類似する特徴量を前記特徴量属性テーブル中の画像を含む十分大きな画像集合を対象として検索し、
前記検索の結果得られた特徴量に対応する前記属性値のうち、前記画像取得部が取得した前記画像の属性値と同じものが含まれている割合に基づき、前記信頼度を算出する、
ことを特徴とする請求項1記載のコンテンツフィルタリングシステム。 - 前記信頼度算出部は、
前記検索の結果得られた特徴量を、前記画像取得部が取得した前記画像の特徴量との間の距離にしたがってソートして得られる配列を作成し、
前記配列の構成要素を先頭から数えて前記割合を算出したとき、前記割合が所定閾値を超えた時点における前記配列の要素番号の前後いずれか少なくとも1つについての前記距離を用いて、前記信頼度を算出する、
ことを特徴とする請求項2記載のコンテンツフィルタリングシステム。 - 前記信頼度算出部は、
前記検索の結果得られた特徴量が、前記画像取得部が取得した前記画像の特徴量と同じである場合は、前記検索の結果得られた特徴量に対応する属性値と前記画像取得部が取得した前記画像の属性値が同じであると判断する、
ことを特徴とする請求項2記載のコンテンツフィルタリングシステム。 - 前記画像取得部は、
階層化されたデータ構造のなかに含まれる画像を取得し、
前記コンテンツフィルタリングシステムは、
前記データ構造のなかに含まれる画像についての前記画像属性判定部による判定結果に基づき前記データ構造の属性を判定する階層属性判定部を備える、
ことを特徴とする請求項1記載のコンテンツフィルタリングシステム。 - 前記階層属性判定部は、
前記データ構造のなかに含まれる複数の画像が含まれる場合は、
前記データ構造のなかに含まれる各画像についての前記画像属性判定部による判定結果の平均値に基づき、前記データ構造の属性を判定する、
ことを特徴とする請求項5記載のコンテンツフィルタリングシステム。 - 前記特徴量属性判定部は、
前記画像取得部が過去に取得した過去画像のうち、前記過去画像の特徴量と前記特徴量テーブル内に記述されている特徴量との間の距離が所定範囲内にあるもののみを対象として、前記判定を実施する、
ことを特徴とする請求項1記載のコンテンツフィルタリングシステム。 - 前記キーワード属性判定部は、
前記特徴量属性判定部の判定結果を用いて、自己の判定結果を補正する、
ことを特徴とする請求項1記載のコンテンツフィルタリングシステム。 - 前記特徴量属性判定部は、
前記キーワード属性判定部の判定結果を用いて、自己の判定結果を補正する、
ことを特徴とする請求項1記載のコンテンツフィルタリングシステム。 - 前記画像取得部は、
HTMLページ内に含まれる画像を取得し、
前記キーワード抽出部は、
前記HTMLページ内に含まれる文字列のなかからキーワードを抽出し、
前記キーワード属性テーブルは、
キーワードがHTMLページ内に含まれる文字列としての適正度を示す数値を前記属性値として記述しており、
前記特徴量属性テーブルは、
画像がHTMLページ内に含まれる画像として適正であるか否かを示すフラグを前記属性値として記述しており、
前記キーワード属性判定部は、
前記キーワード属性テーブルの記述に基づき、前記キーワード取得部が取得した前記文字列が前記HTMLページ内に含まれる文字列として適正であるか否かを判定し、
前記特徴量属性判定部は、
前記特徴量属性テーブルの記述に基づき、前記特徴量算出部が算出した前記特徴量が前記HTMLページ内に含まれる画像の特徴量として適正であるか否かを判定し、
前記画像属性判定部は、
前記キーワード属性判定部の判定結果と前記特徴量属性判定部の判定結果に基づき、前記画像取得部が取得した前記画像が前記HTMLページ内に含まれる画像として適正であるか否かを判定する、
ことを特徴とする請求項1記載のコンテンツフィルタリングシステム。 - コンテンツをフィルタリングする処理をコンピュータに実行させるコンテンツフィルタリング方法であって、前記コンピュータに、
画像を取得する画像取得ステップ、
前記画像取得ステップで取得した前記画像の特徴量を算出する特徴量算出ステップ、
前記画像取得ステップで取得した前記画像に関連付けられている文字列を取得し、前記文字列のなかからキーワードを抽出するキーワード抽出ステップ、
前記キーワード抽出ステップで取得した前記キーワードと対応する属性値を、キーワードとその属性値との間の対応関係を記述するキーワード属性テーブルの記述に基づき判定するキーワード属性判定ステップ、
前記特徴量算出ステップで算出した前記特徴量と対応する属性値を、画像の特徴量とその属性値との間の対応関係を記述する特徴量属性テーブルの記述に基づき判定する特徴量属性判定ステップ、
前記キーワード属性判定ステップにおける判定結果と前記特徴量属性判定ステップにおける判定結果に基づき、前記画像取得ステップで取得した前記画像の属性を判定する画像属性判定ステップ、
前記特徴量属性テーブルが記述している前記属性値の信頼度を算出する信頼度算出ステップ、
を実行させ、
前記特徴量属性判定ステップにおいては、前記コンピュータに、
前記特徴量属性テーブルの記述と前記信頼度算出ステップにおいて算出した前記信頼度に基づき、前記特徴量属性テーブルが記述している特徴量のうち前記画像取得ステップにおいて取得した前記画像の特徴量に類似するものを特定するステップ、
前記特定した特徴量と対応する前記属性値に基づき、前記特徴量算出ステップにおいて算出した前記特徴量と対応する属性値を判定するステップ、
を実行させる、
ことを特徴とするコンテンツフィルタリング方法。 - 前記キーワード属性判定部は、
前記画像取得部が過去に取得した過去画像のうち、属性判定に効果があるキーワードと関連づいた前記過去画像のみを対象として、前記判定を実施する、
ことを特徴とする請求項1記載のコンテンツフィルタリングシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012045919A JP5820307B2 (ja) | 2012-03-01 | 2012-03-01 | コンテンツフィルタリングシステム、コンテンツフィルタリング方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012045919A JP5820307B2 (ja) | 2012-03-01 | 2012-03-01 | コンテンツフィルタリングシステム、コンテンツフィルタリング方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013182427A JP2013182427A (ja) | 2013-09-12 |
JP5820307B2 true JP5820307B2 (ja) | 2015-11-24 |
Family
ID=49273027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012045919A Expired - Fee Related JP5820307B2 (ja) | 2012-03-01 | 2012-03-01 | コンテンツフィルタリングシステム、コンテンツフィルタリング方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5820307B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102643211B1 (ko) | 2023-08-04 | 2024-03-05 | 팜피 주식회사 | 추천된 어셋을 이용하여 씬을 생성하는 방법 및 이를 위한 장치 |
-
2012
- 2012-03-01 JP JP2012045919A patent/JP5820307B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2013182427A (ja) | 2013-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6494777B2 (ja) | 端末にプッシュされるデータコンテンツを選択するための方法およびデバイス | |
JP5105802B2 (ja) | 情報処理装置 | |
US9530075B2 (en) | Presentation and organization of content | |
US8898160B2 (en) | Profiling content creation and retrieval in a content management system | |
KR101927450B1 (ko) | 대용량 비정형 데이터를 처리하는 rest api 서비스 제공 방법 | |
AU2014384636A1 (en) | Systems and methods for ephemeral eventing | |
JP2013156881A (ja) | ファイルリスト生成方法及びシステム、ファイルリスト生成装置並びにプログラム | |
CN106462632B (zh) | 具有内容规范层的媒体商店 | |
CN109542741A (zh) | 日志自动分组存储方法、装置、计算机设备和存储介质 | |
US20130198240A1 (en) | Social Network Analysis | |
US7562286B2 (en) | Apparatus, system, method and computer program product for document management | |
CN110546633A (zh) | 文档的基于命名实体的类别标签添加 | |
KR20150008342A (ko) | 멀티미디어 컨텐츠를 인리칭하기 위한 방법 및 대응하는 디바이스 | |
US10628421B2 (en) | Managing a single database management system | |
JP5447484B2 (ja) | 情報処理装置 | |
US11645312B2 (en) | Attribute extraction apparatus and attribute extraction method | |
JP5820307B2 (ja) | コンテンツフィルタリングシステム、コンテンツフィルタリング方法 | |
US8422831B2 (en) | Information management apparatus, information management method, and computer readable medium which determine similarities | |
KR101877885B1 (ko) | 공공의 공개 데이터 연계장치 및 그 방법 | |
JP2005293384A (ja) | コンテンツレコメンドシステムと方法、及びコンテンツレコメンドプログラム | |
Simon et al. | Tag clouds and old maps: Annotations as linked spatiotemporal data in the cultural heritage domain | |
KR101638048B1 (ko) | 맵리듀스를 이용한 sql 질의처리방법 | |
JP2004139210A (ja) | 画像検索装置 | |
KR102636754B1 (ko) | 복수의 워크스페이스를 포함하는 서버 백업 방법 및이러한 방법을 수행하는 장치 | |
KR102636753B1 (ko) | 워크스페이스 마이그레이션 방법 및 이러한 방법을수행하는 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140902 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150515 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150707 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150828 |
|
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: 20150924 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151002 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5820307 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
LAPS | Cancellation because of no payment of annual fees |