JP5885875B1 - データ分析システム、データ分析方法、プログラム、および、記録媒体 - Google Patents
データ分析システム、データ分析方法、プログラム、および、記録媒体 Download PDFInfo
- Publication number
- JP5885875B1 JP5885875B1 JP2015184442A JP2015184442A JP5885875B1 JP 5885875 B1 JP5885875 B1 JP 5885875B1 JP 2015184442 A JP2015184442 A JP 2015184442A JP 2015184442 A JP2015184442 A JP 2015184442A JP 5885875 B1 JP5885875 B1 JP 5885875B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- timing
- classification
- index
- artificial intelligence
- 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.)
- Active
Links
Classifications
-
- 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)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Computational Linguistics (AREA)
Abstract
Description
図1は、本実施の形態に係るデータ分析システム(以下、単に「システム」と略記することがある。)のハードウェア構成の一例を示すブロック図である。当該システムは、例えば、データ(デジタルデータおよびアナログデータを含む。)を格納可能な任意の記録媒体(例えば、メモリ、ハードディスクなど。)と、当該記録媒体に格納された制御プログラムを実行可能なコントローラ(例えば、CPU:Central Processing Unit)とを備え、当該記録媒体に少なくとも一時的に格納されたデータを分析するコンピュータ(例えば、パーソナルコンピュータ、サーバ装置、クライアント装置、ワークステーション、メインフレームなど)またはコンピュータシステム(例えば、データ分析のための主要処理を実行するサーバ装置、ユーザが使用するクライアント装置、分析対象となるデータを格納するファイルサーバなど、複数のコンピュータが統合的に動作することによってデータ分析を実現するシステム)を備えるシステムとして実現され得る。本実施の形態は、上記システムが後者によって実現される例(図1)を主として説明している。
図2は、本実施の形態に係るデータ分析システム(サーバ装置2)によって実現される、予測コーディング機能の一例を示す機能ブロック図である。予測コーディング機能は、人工知能によるデータ分析のための主要機能の一つである。
図2に例示されるように、人工知能は、予測コーディング(Predictive Coding)部10を備える。予測コーディング部10は、人手で分類された少数のデータ(既述の学習用データのことである。)に基づいて、多数のデータ(分類情報が対応付けられていない評価用データであり、例えば、ビッグデータである。)から有意な情報を抽出できるように、当該評価用データを評価、例えば、スコア付けする。
wgti:i番目の構成要素の評価値
図3は、本実施の形態に係るデータ分析システムが備えた予測コーディング部10が実行する処理の一例を示すフローチャートである。
管理計算機6は、例えば、データ分析システムの運用が開始される際、人工知能の成長プロセスを可視化する処理をサーバ装置2に依頼することができる。サーバ装置2が当該依頼を受信すると、管理部18は、人工知能の成長プロセスを可視化するための可視化プログラムを起動させる。
予測コーディング部10は、例えば、以下(1)〜(3)のように、所定の学習用データ、および/または新たに得られた学習用データに基づいて、構成要素の評価値を最適化することができる。
構成要素評価部15は、評価用データを評価した結果に基づいて再現率または適合率を算出し、当該再現率または適合率が上昇するように、構成要素がデータと分類情報との組み合わせに寄与する度合いを繰り返し評価することによって、上記学習したパターンを更新することができる。
構成要素評価部15は、学習用データに含まれる構成要素を評価した後、当該構成要素以外の他の構成要素の評価値を畳み込むことによって、当該構成要素の評価値に当該他の構成要素の評価値を反映させるように、当該構成要素を再評価することができる。これにより、構成要素と他の構成要素との関連性が、当該構成要素の評価値として評価されるため、データ分析システムは、データ分析の精度を向上させることができるという付加的な効果をさらに奏する。
構成要素評価部15は、任意のタイミングでパターン(例えば、構成要素と当該構成要素の評価値との組み合わせ)を更新することができる。すなわち、構成要素評価部15は、例えば、(a)上記システムを管理する管理ユーザから更新リクエストを受け付けたタイミングで、(b)予め設定された日時が到来したタイミングで、および/または(c)ユーザから追加レビューに関する入力を受け付けたタイミングで、上記パターンを更新することができる。
データ評価部17が、複数の評価用データに対してそれぞれ指標を導出し、(例えば、当該指標によって当該評価用データと所定事案との関連性が高いことが示された順に)ユーザが、当該複数の評価用データをそれぞれ確認して分類情報を付与した(確認レビューした)場合を一例として考える。このとき、管理部18は、分類情報が対応付けられた評価用データが、すべての評価用データに対して占める割合に応じたグラデーションを用いて、複数の評価用データをそれぞれ評価した結果に対する当該割合の分布を視認可能に表示することができる。
管理部18は、複数の主体(例えば、人、組織、コンピュータなど)間の相互関係(例えば、上下関係、系列関係、データ送受信の多寡など)を可視化することができる。例えば、第1コンピュータから第2コンピュータに電子メールが送信された場合、管理部18は、当該第1コンピュータを表す第1の円と当該第2コンピュータを表す第2の円とを、当該第1の円から当該第2の円に向かう矢印(例えば、電子メールの多寡に応じた太さを有してよい)で結んだダイアグラムを、所定の表示装置(例えば、クライアント装置10が備えたディスプレイ)に表示させることができる。
管理部18は、所定の動作を表す第1の構成要素が評価用データに含まれるか否かを判定し、含まれると判定する場合、当該所定の動作の対象を表す第2の構成要素を特定することができる。例えば、「仕様を確定する」という文章が上記評価用データに含まれる場合、当該文章から「仕様」および「確定する」という構成要素を抽出し、「確定する」という所定の動作を表す構成要素(動詞)の対象である「仕様」という他の構成要素(目的語)を特定する。次に、管理部18は、上記構成要素および他の構成要素を含む評価用データの属性(性質・特徴)を示すメタ情報(属性情報)と、当該構成要素および第他の構成要素とを関連付ける。ここで、上記メタ情報とは、データが有する所定の属性を示す情報であり、例えば、上記評価用データが電子メールである場合、当該電子メールを送信した人物の名前、受信した人物の名前、メールアドレス、送受信された日時などであってよい。
管理部18は、予め選定された概念の下位概念に対応する構成要素を含むデータを複数の評価用データからそれぞれ抽出し、当該複数の評価用データを要約可能なコンテンツ(例えば、文章、グラフ、表など)を生成することができる。
管理部18は、複数の評価用データに含まれるトピック(主題)に応じて、当該複数の評価用データをクラスタリングすることができる。例えば、管理部18は、任意の分類モデル(例えば、K平均法、サポートベクターマシン、球面クラスタリングなど)を用いて、複数の評価用データをクラスタリングすることができる。これにより、データ分析システムは、評価用データの全体像をユーザに把握させることができるという付加的な効果をさらに奏する。
予測コーディング部10が備えた各部は、例えば、以下(1)〜(6)の補助機能を有することができる。
データ評価部17は、高い解像度で評価用データを評価することができる。すなわち、データ評価部17は、評価用データに対して指標を導出するだけでなく、例えば、評価用データを複数のパーツ(例えば、当該評価用データに含まれるセンテンスまたは段落(部分評価用データ))に分割し、学習したパターンに基づいて当該複数の部分評価用データをそれぞれ評価(部分評価用データに対して指標を導出)することができる。そして、データ評価部17は、複数の部分評価用データに対してそれぞれ導出した複数の指標を統合し、当該統合指標を評価用データの評価結果とすることもできる(例えば、各指標が数値として導出される場合、当該指標の最大値を抽出して当該評価用データに対する統合指標としたり、当該指標の平均を当該評価用データに対する統合指標としたり、当該指標を大きい順から所定数合算して当該評価用データの統合指標としたりすることができる)。これにより、データ分析システムは、データ分析の精度を向上させることができるという付加的な効果をさらに奏する。
時間の経過とともにその性質が変化するデータ(例えば、時間の経過とともに進行する病状を記録した電子カルテなど)を分析する場合、構成要素評価部15は、所定時間ごとに区切られた学習用データ(例えば、第1区間の学習用データ、第2区間の学習用データ・・・)からそれぞれパターンを学習し(すなわち、当該所定時間ごとに構成要素と当該構成要素を評価した結果とを取得し)、データ評価部17は、当該パターンにそれぞれ基づいて評価用データを評価することができる。すなわち、データ評価部17は、時系列に沿って評価用データに対する指標を導出することができる。これにより、データ分析システムは、データ分析の精度を向上させることができるという付加的な効果をさらに奏する。
案件の種類に応じてその性質が変化するデータ(例えば、訴訟の種類(例えば、独占禁止法違反、情報漏洩、特許権侵害など)に応じて内容が変化する訴訟関連文書など)を分析する場合、構成要素評価部15は、案件ごとに準備された学習用データ(例えば、独占禁止法違反に関する学習用データ、情報漏洩に関する学習用データ・・・)からそれぞれパターンを学習し(すなわち、当該案件ごとに構成要素と当該構成要素を評価した結果とを取得し)、データ評価部17は、当該パターンにそれぞれ基づいて評価用データを評価することができる。これにより、データ分析システムは、データ分析の精度を向上させることができるという付加的な効果をさらに奏する。
データ評価部17は、評価用データが有する構造を解析し、当該解析した結果を当該評価用データの評価に反映させることができる。例えば、評価用データが少なくとも一部に文章(テキスト)を含む場合、データ評価部17は、当該文章に含まれる各センテンスの表現形態(例えば、当該センテンスが肯定形であるか、否定形であるか、消極形であるかなど)を解析し、当該解析した結果を評価用データに対して導出する指標に反映させることができる。ここで、肯定形は、主題を肯定する表現(例えば、「料理が美味しい」)であり、否定形は、主題を否定する表現(例えば、「料理が不味い」または「料理が美味しくない」)であり、消極形は、主題を婉曲に肯定または否定する表現(例えば、「料理が美味しいとはいえなかった」または「料理が不味いとはいえかった」)であってよい。
データ評価部17は、評価用データに含まれる第1構成要素と、当該評価用データに含まれる第2構成要素との相関(共起、例えば、両者が同時に出現する頻度)を考慮して、当該評価用データに対する指標を導出することができる。例えば、評価用データが少なくとも一部に文章(テキスト)を含む場合において、当該文章に「価格」という第1キーワード(第1構成要素)が出現するとき、データ評価部17は、当該第1キーワードが出現した第1位置の近傍にある第2位置(例えば、当該第1位置を含む所定の範囲に含まれる位置)に、第2キーワード(第2構成要素)が出現する数に基づいて、上記指標を導出することができる。これにより、データ分析システムは、データ分析の精度を向上させることができるという付加的な効果をさらに奏する。
評価用データが所定事案に対するユーザの評価情報を含む場合、データ評価部17は、当該評価用データを生成したユーザの感情であって、当該評価情報に基づいて生じた当該所定事案に対する感情を、当該評価用データから抽出する(当該評価用データに含まれる感情を評価する)ことができる。
本実施の形態においては、データ分析システムが文書データを分析する場合を主に想定し、当該想定に基づく一例を説明したが、当該システムは、文書データ以外のデータ(例えば、音声データ、画像データ、映像データなど)を分析することもできる。
データ分析システムの制御ブロックは、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、CPUを用いてソフトウェアによって実現してもよい。後者の場合、上記システムは、各機能を実現するソフトウェアであるプログラム(データ分析システムの制御プログラム)を実行するCPU、当該プログラムおよび各種データがコンピュータ(またはCPU)で読み取り可能に記録されたROM(Read Only Memory)または記憶装置(これらを「記録媒体」と称する)、当該プログラムを展開するRAM(Random Access Memory)などを備えている。そして、コンピュータ(またはCPU)が上記プログラムを上記記録媒体から読み取って実行することにより、本データ分析システムの目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムは、当該プログラムを伝送可能な任意の伝送媒体(通信ネットワークや放送波等)を介して上記コンピュータに供給されてもよい。本データ分析システムは、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。なお、上記プログラムは、任意のプログラミング言語によって実装可能であり、例えば、Python、ActionScript、JavaScript(登録商標)などのスクリプト言語、Objective-C、Java(登録商標)などのオブジェクト指向プログラミング言語、HTML5などのマークアップ言語などを用いて実装され得る。また、上記プログラムを記録した任意の記録媒体も、本データ分析システムの範疇に入る。
上記システムは、例えば、ディスカバリ支援システム、フォレンジックシステム、電子メール監視システム、医療応用システム(例えば、ファーマコビジランス支援システム、治験効率化システム、医療リスクヘッジシステム、転倒予測(転倒防止)システム、予後予測システム、診断支援システムなど)、インターネット応用システム(例えば、スマートメールシステム、情報アグリゲーション(キュレーション)システム、ユーザ監視システム、ソーシャルメディア運営システムなど)、情報漏洩検知システム、プロジェクト評価システム、マーケティング支援システム、知財評価システム、不正取引監視システム、コールセンターエスカレーションシステム、信用調査システムなど、ビッグデータを分析する人工知能システム(データと所定の事案との関連性を評価可能な任意のシステム)として実現され得る。なお、本発明のデータ分析システムが応用される分野によっては、当該分野に特有の事情を考慮して、例えば、データに前処理(例えば、当該データから重要箇所を抜き出し、当該重要箇所のみをデータ分析の対象とするなど)を施したり、データ分析の結果を表示する態様を変化させたりしてよい。こうした変形例が多様に存在し得ることは、当業者に理解されるところであり、すべての変形例が本発明の範疇に入る。
Claims (14)
- コンピュータがプログラムを実行することにより人工知能を機能させ、当該人工知能を学習ステップを経て成長させながら、データを当該人工知能によって評価し、前記評価に基づいて前記人工知能の成長を可視化できるようにしたデータ分析システムであって、
所定事案との関連性に応じた複数の分類であって、当該複数の分類は、第1の分類と当該第1の分類とは異なる第2の分類とを少なくとも含み、複数のデータ夫々に、前記第1の分類、又は、前記第2の分類を設定する分類設定手段と、
前記人工知能が成長を開始してから成長するまでの期間内での所定タイミング毎に、前記人工知能に、前記複数のデータ夫々に前記評価の結果としての指標を決定させる指標決定手段と、
前記所定タイミングのうち、第1のタイミングと、当該第1のタイミングより後の第2のタイミングと、を設定するタイミング設定手段と、
前記指標決定手段により、前記第1のタイミングで決定された指標を、前記第1の分類が付与された複数のデータ夫々と、前記第2の分類が付与された複数のデータ夫々と、に設定する第1設定手段と、
前記指標決定手段により、前記第2のタイミングで決定された指標を、前記第1の分類が付与された複数のデータ夫々と、前記第2の分類が付与された複数のデータ夫々と、に設定する第2設定手段と、
前記第1のタイミングの前記指標と前記第2のタイミングでの前記指標とが等しい範囲を含むように設定される基準領域に対する、前記第1設定手段によって設定された前記指標と前記第2設定手段によって設定された前記指標との分布を表示手段に表示させる表示処理手段と、
前記タイミング設定手段により、前記第1のタイミングと前記第2のタイミングとを前記人工知能の成長の段階に合わせて変更することによって、前記分布を表示させる態様を前記人工知能の成長の段階に応じて変化させる態様変化手段と、
を備える
データ分析システム。 - 前記人工知能に、サンプルデータと、当該サンプルデータの前記分類と、の組み合わせに、前記サンプルデータに含まれる複数の構成要素のそれぞれが寄与する度合いを演算させることによって、前記サンプルデータが特徴付けられるパターンを学習させ、
前記複数のデータを前記人工知能の成長過程を可視化するためのデータ群として、前記複数の評価用データの中から選択し、
前記分類設定手段は当該選択された複数のデータ夫々に前記第1の分類、又は、第2の分類を設定し、
前記指標決定手段は、前記人工知能に、前記学習したパターンに基づいて、前記複数のデータ夫々に前記指標を決定させる、
請求項1記載のデータ分析システム。 - 前記分類設定手段は、前記複数のデータ夫々に、前記第1の分類として、前記所定事案に関連するという分類を、前記第2の分類として、前記第1の分類よりも前記所定事案に対する関連性が小さいという分類を、それぞれ設定する、
請求項1又は2記載のデータ分析システム。 - 前記タイミング設定手段は、前記第1のタイミングと前記第2のタイミングとを、前記人工知能が成長し始めた段階に属するタイミングに設定し、
前記態様変化手段は、前記第1の分類が付与されたデータの前記指標と前記第2の分類が付与されたデータの前記指標とが、前記基準領域に沿って、混在するように分布するよう前記表示の態様を変化させる
請求項1乃至3の何れか1項記載のデータ処理システム。 - 前記態様変化手段は、前記第1の分類が付与されたデータの前記指標と前記第2の分類が付与されたデータの前記指標とを前記基準領域の前記評価の値が小さい領域に集まるように分布するよう前記表示の態様を変化させる
請求項4記載のデータ分析システム。 - 前記タイミング設定手段は、前記第1のタイミングと前記第2のタイミングとを、前記人工知能が成長している段階に属するタイミングに設定することにより、前記態様変化手段は、前記第1の分類が付与されたデータの前記指標と前記第2の分類が付与されたデータの前記指標とを、前記第1の分類が付与されたデータの前記指標と前記第2の分類が付与されたデータの前記指標とが分かれるように分布するよう前記表示の態様を変化させる
請求項4又は5記載のデータ分析システム。 - 前記態様変化手段は、前記基準領域に対して、前記第1の分類が付与されたデータの前記指標を、前記第1のタイミングよりも第2のタイミングで高い値になるように、前記第2の分類が付与されたデータの前記指標を、前記第1のタイミングよりも第2のタイミングで低い値になるように分布するよう前記表示の態様を変化させる
請求項6記載のデータ分析システム。 - 前記タイミング設定手段は、前記第1のタイミングと前記第2のタイミングとを、前記人工知能が成長している段階に属するタイミングに設定し、
前記態様変化手段は、前記基準領域に対して、前記第1の分類が付与されたデータの前記指標を、前記第1のタイミングよりも第2のタイミングで高い値になるように、前記第2の分類が付与されたデータの前記指標を、前記第1のタイミングよりも第2のタイミングで低い値になるように分布するよう前記表示の態様を変化させる、
請求項1乃至3の何れか1項記載のデータ分析システム。 - 前記タイミング設定手段は、前記第1のタイミングと前記第2のタイミングとを、前記人工知能の成長が安定した段階に属するタイミングに設定することにより、前記態様変化手段は、前記第1の分類が付与されたデータの前記指標と前記第2の分類が付与されたデータの前記指標とを、前記第1の分類が付与されたデータの前記指標と前記第2の分類が付与されたデータの前記指標とが前記基準領域に沿うように分布するよう前記表示の態様を変化させる
請求項6記載のデータ分析システム。 - 前記態様変化手段は、前記第1の分類が付与されたデータの前記指標を、前記第1のタイミングと第2のタイミングとが共に高い値になるように、前記第2の分類が付与されたデータの前記指標を、前記第1のタイミングと第2のタイミングとが共に低い値になるように分布するよう前記表示の態様を変化させる
請求項9記載のデータ分析システム。 - 前記タイミング設定手段は、前記第1のタイミングと前記第2のタイミングとを、前記人工知能の成長が安定した段階に属するタイミングに設定し、
前記態様変化手段は、前記基準領域に沿って、前記第1の分類が付与されたデータの前記指標を、前記第1のタイミングと第2のタイミングとで共に高い値になるように、前記第2の分類が付与されたデータの前記指標を、前記第1のタイミングと第2のタイミングとで共に低い値になるように分布するよう前記表示の態様を変化させる
請求項1乃至3の何れか1項記載のデータ分析システム。 - コンピュータのハードウェア資源としてのコントローラがプログラムを実行することにより人工知能を機能させ、当該人工知能を学習ステップを経て成長させながら、データを当該人工知能によって評価し、前記評価に基づいて前記人工知能の成長を可視化できるようにしたデータ分析制御方法であって、
前記コントローラは、
所定事案との関連性に応じた複数の分類であって、当該複数の分類は、第1の分類と当該第1の分類とは異なる第2の分類とを少なくとも含み、複数のデータ夫々に、前記第1の分類、又は、前記第2の分類を設定する分類設定ステップと、
前記人工知能が成長を開始してから成長するまでの期間内での所定タイミング毎に、前記人工知能に、前記複数のデータ夫々に前記評価の結果としての指標を決定させる指標決定ステップと、
前記所定タイミングのうち、第1のタイミングと、当該第1のタイミングより後の第2のタイミングと、を設定するタイミング設定ステップと、
前記指標決定ステップにより、前記第1のタイミングで決定された指標を、前記第1の分類が付与された複数のデータ夫々と、前記第2の分類が付与された複数のデータ夫々と、に設定する第1設定ステップと、
前記指標決定ステップにより、前記第2のタイミングで決定された指標を、前記第1の分類が付与された複数のデータ夫々と、前記第2の分類が付与された複数のデータ夫々と、に設定する第2設定ステップと、
前記第1のタイミングの前記指標と前記第2のタイミングでの前記指標とが等しい範囲を含むように設定される基準領域に対する、前記第1設定ステップによって設定された前記指標と前記第2設定ステップによって設定された前記指標との分布を表示手段に表示させる表示処理ステップと、
前記タイミング設定ステップにより、前記第1のタイミングと前記第2のタイミングとを前記人工知能の成長の段階に合わせて変更することによって、前記分布を表示させる態様を前記人工知能の成長の段階に応じて変化させる態様変化ステップと、
を実行する
データ分析制御方法。 - 人工知能を学習ステップを経て成長させながら、データを当該人工知能に評価させ、前記評価に基づいて前記人工知能の成長を可視化できるようにコンピュータを機能させるプログラムであって、
所定事案との関連性に応じた複数の分類であって、当該複数の分類は、第1の分類と当該第1の分類とは異なる第2の分類とを少なくとも含み、複数のデータ夫々に、前記第1の分類、又は、前記第2の分類を設定する分類設定機能と、
前記人工知能が成長を開始してから成長するまでの期間内での所定タイミング毎に、前記人工知能に、前記複数のデータ夫々に前記評価の結果としての指標を決定させる指標決定機能と、
前記所定タイミングのうち、第1のタイミングと、当該第1のタイミングより後の第2のタイミングと、を設定するタイミング設定機能と、
前記指標決定機能により、前記第1のタイミングで決定された指標を、前記第1の分類が付与された複数のデータ夫々と、前記第2の分類が付与された複数のデータ夫々と、に設定する第1設定機能と、
前記指標決定機能により、前記第2のタイミングで決定された指標を、前記第1の分類が付与された複数のデータ夫々と、前記第2の分類が付与された複数のデータ夫々と、に設定する第2設定機能と、
前記第1のタイミングの前記指標と前記第2のタイミングでの前記指標とが等しい範囲を含むように設定される基準領域に対する、前記第1設定機能によって設定された前記指標と前記第2設定機能によって設定された前記指標との分布を表示手段に表示させる表示処理機能と、
前記タイミング設定機能により、前記第1のタイミングと前記第2のタイミングとを前記人工知能の成長の段階に合わせて変更することによって、前記分布を表示させる態様を前記人工知能の成長の段階に応じて変化させる態様変化機能と、
をコンピュータに実現させるためのプログラム。 - 請求項13記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/208,301 US20170061285A1 (en) | 2015-08-28 | 2016-07-12 | Data analysis system, data analysis method, program, and storage medium |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562211039P | 2015-08-28 | 2015-08-28 | |
US62/211,039 | 2015-08-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5885875B1 true JP5885875B1 (ja) | 2016-03-16 |
JP2017045434A JP2017045434A (ja) | 2017-03-02 |
Family
ID=55523929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015184442A Active JP5885875B1 (ja) | 2015-08-28 | 2015-09-17 | データ分析システム、データ分析方法、プログラム、および、記録媒体 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20170061285A1 (ja) |
JP (1) | JP5885875B1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113130016A (zh) * | 2020-06-04 | 2021-07-16 | 北京世纪金光半导体有限公司 | 基于人工智能的晶片质量分析评价系统 |
WO2022264262A1 (ja) * | 2021-06-15 | 2022-12-22 | 日本電気株式会社 | モデル生成支援装置、モデル生成支援方法及びプログラム |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10728151B2 (en) * | 2017-06-16 | 2020-07-28 | International Business Machines Corporation | Channeling elements in an analytics engine environment |
JP6922983B2 (ja) * | 2017-07-13 | 2021-08-18 | 日本電気株式会社 | 分析システム、分析方法及びプログラム |
JP6715410B2 (ja) * | 2018-01-31 | 2020-07-01 | 甲斐 義章 | 評価方法、評価装置、評価プログラム、および、評価システム |
KR102268496B1 (ko) * | 2018-05-29 | 2021-06-23 | 주식회사 제네시스랩 | 기계학습에 기초한 비언어적 평가 방법, 시스템 및 컴퓨터-판독가능 매체 |
JP2022051981A (ja) * | 2019-02-15 | 2022-04-04 | ソニーグループ株式会社 | データ処理装置、表示制御方法 |
CN109920518B (zh) * | 2019-03-08 | 2021-11-16 | 腾讯科技(深圳)有限公司 | 医学影像分析方法、装置、计算机设备和存储介质 |
US11501233B2 (en) * | 2019-05-21 | 2022-11-15 | Hcl Technologies Limited | System and method to perform control testing to mitigate risks in an organization |
CN110928851B (zh) * | 2019-10-12 | 2023-04-07 | 中国平安财产保险股份有限公司 | 处理日志信息的方法、装置、设备及存储介质 |
US11741192B2 (en) * | 2020-01-29 | 2023-08-29 | International Business Machines Corporation | Increasing trust formation and reduce oversight costs for autonomous agents |
CN111507543B (zh) * | 2020-05-28 | 2022-05-17 | 支付宝(杭州)信息技术有限公司 | 用于预测实体间业务关系的模型训练方法及装置 |
CN112698988B (zh) * | 2020-12-30 | 2022-11-29 | 安徽迪科数金科技有限公司 | 一种基于分布式系统的解析超大文本文件处理方法 |
CN114510528B (zh) * | 2022-02-15 | 2023-11-17 | 平安科技(深圳)有限公司 | 农作物产量展示方法、装置电子设备及存储介质 |
CN115471141B (zh) * | 2022-11-02 | 2023-03-24 | 成都飞机工业(集团)有限责任公司 | 一种业务流程周期管控方法、装置、设备及介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4107658B2 (ja) * | 2003-07-23 | 2008-06-25 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 分類因子検出装置、分類因子検出方法、プログラム、及び記録媒体 |
US7502763B2 (en) * | 2005-07-29 | 2009-03-10 | The Florida International University Board Of Trustees | Artificial neural network design and evaluation tool |
JP4985653B2 (ja) * | 2006-11-13 | 2012-07-25 | 富士通株式会社 | 2クラス分類予測モデルの作成方法、分類予測モデル作成のためのプログラムおよび2クラス分類予測モデルの作成装置 |
US20140046983A1 (en) * | 2011-05-05 | 2014-02-13 | Centrifuge Pty Ltd | Data Analysis |
-
2015
- 2015-09-17 JP JP2015184442A patent/JP5885875B1/ja active Active
-
2016
- 2016-07-12 US US15/208,301 patent/US20170061285A1/en not_active Abandoned
Non-Patent Citations (2)
Title |
---|
JPN6015049785; 片山 太一,他: '"機械学習を用いたスパムブログ検出における信頼度の利用"' 第1回データ工学と情報マネジメントに関するフォーラム-DEIMフォーラム-論文集 , 20090509, B9-6, 電子情報通信学会データ工学研究専門委員会 * |
JPN6016002653; 小田 明人,ほか: '"機械学習における学習過程の可視化モデルの提案"' 第72回(平成22年)全国大会講演論文集(2) 人工知能と認知科学 , 20100308, p.2-449〜2-450, 社団法人情報処理学会 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113130016A (zh) * | 2020-06-04 | 2021-07-16 | 北京世纪金光半导体有限公司 | 基于人工智能的晶片质量分析评价系统 |
CN113130016B (zh) * | 2020-06-04 | 2024-02-02 | 北京星云联众科技有限公司 | 一种基于人工智能的晶片质量分析评价方法 |
WO2022264262A1 (ja) * | 2021-06-15 | 2022-12-22 | 日本電気株式会社 | モデル生成支援装置、モデル生成支援方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20170061285A1 (en) | 2017-03-02 |
JP2017045434A (ja) | 2017-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5885875B1 (ja) | データ分析システム、データ分析方法、プログラム、および、記録媒体 | |
TWI598755B (zh) | 資料分析系統、資料分析方法、內儲資料分析程式的電腦程式產品及內儲資料分析程式的記錄媒體 | |
Mostafa | Clustering halal food consumers: A Twitter sentiment analysis | |
WO2017180671A1 (en) | Universal business model scoring, classification, and decision-making engine | |
Torche et al. | Declining racial stratification in marriage choices? Trends in black/white status exchange in the United States, 1980 to 2010 | |
Holmes et al. | Mortality and morbidity risks from alcohol consumption in the UK: analyses using the Sheffield Alcohol Policy Model (v. 2.7) to inform the UK Chief Medical Officers’ review of the UK lower risk drinking guidelines | |
WO2017199445A1 (ja) | データ分析システム、その制御方法、プログラム、及び、記録媒体 | |
WO2016203652A1 (ja) | データ分析に係るシステム、制御方法、制御プログラム、および、その記録媒体 | |
JP4957127B2 (ja) | 属性間の部分関係抽出する装置、方法、及びプログラム | |
Delnevo et al. | Patients reactions to non-invasive and invasive prenatal tests: a machine-based analysis from reddit posts | |
You et al. | Exploring public sentiments for livable places based on a crowd-calibrated sentiment analysis mechanism | |
Chen et al. | COVID risk narratives: a computational linguistic approach to the econometric identification of narrative risk during a pandemic | |
Muttaqien et al. | Implementation of data mining using C4. 5 Algorithm for predicting customer loyalty of PT. Pegadaian (Persero) Pati Area Office | |
JP5933863B1 (ja) | データ分析システム、制御方法、制御プログラム、および記録媒体 | |
JP2017201543A (ja) | データ分析システム、データ分析方法、データ分析プログラム、および、記録媒体 | |
WO2016189605A1 (ja) | データ分析に係るシステム、制御方法、制御プログラム、および、その記録媒体 | |
JP6178480B1 (ja) | データ分析システム、その制御方法、プログラム、及び、記録媒体 | |
Ben-Rephael et al. | Do images provide relevant information to investors? An exploratory study | |
JP6026036B1 (ja) | データ分析システム、その制御方法、プログラム、及び、記録媒体 | |
Najafizada et al. | Ranked Performance of Canada's Health System on the International Stage: A Scoping Review | |
Tsao et al. | From mining to meaning: How B2B marketers can leverage text to inform strategy | |
WO2016056095A1 (ja) | データ分析システム、データ分析システムの制御方法、およびデータ分析システムの制御プログラム | |
JP5946949B1 (ja) | データ分析システム、その制御方法、プログラム、および、記録媒体 | |
Bochsler | Measures of vote-seat disproportionality for incomplete data | |
WO2016111007A1 (ja) | データ分析システム、データ分析システムの制御方法、及びデータ分析システムの制御プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160107 |
|
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: 20160202 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160209 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5885875 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |