JP5944859B2 - 評価情報抽出装置、確信度学習装置、方法、及びプログラム - Google Patents

評価情報抽出装置、確信度学習装置、方法、及びプログラム Download PDF

Info

Publication number
JP5944859B2
JP5944859B2 JP2013085943A JP2013085943A JP5944859B2 JP 5944859 B2 JP5944859 B2 JP 5944859B2 JP 2013085943 A JP2013085943 A JP 2013085943A JP 2013085943 A JP2013085943 A JP 2013085943A JP 5944859 B2 JP5944859 B2 JP 5944859B2
Authority
JP
Japan
Prior art keywords
evaluation
expression
sentence
evaluation expression
certainty
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
Application number
JP2013085943A
Other languages
English (en)
Other versions
JP2014209283A (ja
Inventor
九月 貞光
九月 貞光
松尾　義博
義博 松尾
齋藤　邦子
邦子 齋藤
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.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2013085943A priority Critical patent/JP5944859B2/ja
Publication of JP2014209283A publication Critical patent/JP2014209283A/ja
Application granted granted Critical
Publication of JP5944859B2 publication Critical patent/JP5944859B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、評価情報抽出装置、確信度学習装置、方法、及びプログラムに係り、特に、評価対象に関する文書集合から評価情報を抽出するための評価情報抽出装置、確信度学習装置、方法、及びプログラムに関する。
現在、テキストの中からある対象に対して主観・評判を抽出する技術がある（非特許文献１）。
しかし、テキストに記載されている評判自体にユーザ本人がどの程度の確信度を持っているかどうかは考慮されていないという問題がある。
本発明では、上記問題点を解決するために成されたものであり、評価表現を抽出すると共に、抽出された評価表現に対する確信度を精度よく推定することができる評価情報抽出装置、方法、及びプログラムを提供することを目的とする。
また、評価表現に対する確信度を精度よく推定するためのモデルを学習することができる確信度学習装置、方法、及びプログラムを提供することを目的とする。
上記目的を達成するために、第１の発明に係る評価情報抽出装置は、特定の評価対象に関する文書であって、かつ、評価表現を含む文書の集合から、前記評価表現を抽出すると共に、前記抽出された評価表現を含む文に含まれる述部の機能表現の意味を表す意味ラベルと、前記抽出された評価表現とのペアを抽出する評価表現抽出部と、前記評価表現抽出部によって抽出された評価表現毎に、予め学習された、前記意味ラベルに基づいて前記意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための推定モデルと、前記評価表現とペアとなって抽出された意味ラベルの各々とに基づいて、前記評価表現の確信度を推定する確信度推定部と、を含んで構成されている。
第２の発明に係る評価情報抽出方法は、評価表現抽出部と確信度推定部とを含む評価情報抽出装置における評価情報抽出方法において、前記評価表現抽出部は、特定の評価対象に関する文書であって、かつ、評価表現を含む文書の集合から、前記評価表現を抽出すると共に、前記抽出された評価表現を含む文に含まれる述部の機能表現の意味を表す意味ラベルと、前記抽出された評価表現とのペアを抽出し、前記確信度推定部は、前記評価表現抽出部によって抽出された評価表現毎に、予め学習された、前記意味ラベルに基づいて前記意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための推定モデルと、前記評価表現とペアとなって抽出された意味ラベルの各々とに基づいて、前記評価表現の確信度を推定する。
第１の発明及び第２の発明によれば、評価表現抽出部により、特定の評価対象に関する文書であって、かつ、評価表現を含む文書の集合から、評価表現を抽出するとともに、抽出された評価表現を含む文に含まれる意味ラベルを抽出することにより、抽出された評価表現と意味ラベルとのペアを抽出する。
そして、確信度推定部により、抽出された評価表現毎に、予め学習された推定モデルと、評価表現とペアとなって抽出された意味ラベルの各々とに基づいて、評価表現の確信度を推定する。
このように、第１の発明及び第２の発明によれば、特定の評価対象に関する、評価表現を含む文書の集合から、評価表現を抽出すると共に、抽出された評価表現に対する確信度を精度よく推定することができる。
第３の発明に係る確信度学習装置は、評価表現を含む文であって、前記評価表現が表す評価の確信度合いを示す確信度が予め付与された文を含む文書の集合に基づいて、前記文書の集合に含まれる各文について、前記文に付与された前記確信度と、前記文に含まれる述部の機能表現の意味を表す意味ラベルとのペアを、教師データとして作成する教師データ作成部と、前記教師データ作成部により作成された教師データに基づいて、前記意味ラベルに基づいて前記意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための推定モデルを学習する確信度推定モデル学習部と、を含んで構成されている。
第４の発明に係る確信度学習方法は、教師データ作成部と確信度推定モデル学習部とを含む確信度学習装置における確信度学習方法において、前記教師データ作成部は、評価表現を含む文であって、前記評価表現が表す評価の確信度合いを示す確信度が予め付与された文を含む文書の集合に基づいて、前記文書の集合に含まれる各文について、前記文に付与された前記確信度と、前記文に含まれる述部の機能表現の意味を表す意味ラベルとのペアを、教師データとして作成し、前記確信度推定モデル学習部は、前記教師データ作成部により作成された教師データに基づいて、前記意味ラベルに基づいて前記意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための推定モデルを学習する。
第３の発明及び第４の発明によれば、教師データ作成部により、評価表現を含む文であって、評価表現が表す評価の確信度合いを示す確信度が予め付与された文を含む文書の集合に基づいて、文書の集合に含まれる各文について、文に付与された確信度と、意味ラベルとのペアを、教師データとして作成する
そして、確信度推定モデル学習部により、教師データに基づいて、意味ラベルに基づいて、意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための推定モデルを学習する。
このように、第３の発明及び第４の発明によれば、評価表現に対する確信度を精度よく推定するためのモデルを学習することができる。
また、本発明のプログラムは、コンピュータを、上記の評価情報抽出装置又は確信度学習装置を構成する各部として機能させるためのプログラムである。
以上説明したように、本発明の評価情報抽出装置、方法、及びプログラムによれば、特定の評価対象に関する、評価表現を含む文書の集合から、評価表現を抽出すると共に、抽出された評価表現に対する確信度を精度よく推定することができる。
また、本発明の確信度学習装置、方法、及びプログラムによれば、評価表現に対する確信度を精度よく推定するためのモデルを学習することができる。
本発明の実施の形態に係る確信度学習装置の機能的構成を示すブロック図である。 正解確信度が付与された形態素解析済み文書集合の例を示す図である。 確信度学習装置において意味ラベルを抽出した例を示す図である。 教師データの例を示す図である。 確信度推定モデルの例を示す図である。 本発明の実施の形態に係る評価情報抽出装置の機能的構成を示すブロック図である。 評価情報抽出装置において意味ラベルを抽出した例を示す図である。 評価表現と意味ラベルを紐づけた例を示す図である。 確信度を推定した結果の例を示す図である。 本発明の実施の形態に係る確信度学習装置における確信度学習処理ルーチンを表すフローチャート図である。 本発明の実施の形態に係る評価情報抽出装置における評価情報抽出処理ルーチンを表すフローチャート図である。
以下、図面を参照して本発明の実施の形態を詳細に説明する。
＜確信度学習装置の構成＞
次に、本発明の実施の形態に係る確信度学習装置の構成ついて説明する。図１に示すように、本発明の実施の形態に係る確信度学習装置１００は、ＣＰＵとＲＡＭと後述する確信度学習処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することができる。この確信度学習装置１００は、機能的には図１に示すように入力部１０と、演算部２０と、出力部５０とを備えている。
入力部１０は、図２に示す様な、評価表現を含む文であって、評価表現が表す評価についてのユーザの確信度合いを示す正解確信度が予め付与された形態素解析済みの文を含む文書の集合を受け付け、学習データとして学習データ記憶部２２に記憶する。なお、１つの文書は少なくとも１つの文からなる。また、正解確信度が、文に予め付与された確信度の一例である。
演算部２０は、学習データ記憶部２２と、意味ラベル付与部２４と、教師データ作成部２６と、確信度推定モデル学習部２８と、確信度推定モデル記憶部３０とを備えている。
学習データ記憶部２２には、入力部１０において受け付けた学習データが記憶されている。
意味ラベル付与部２４は、学習データ記憶部２２に記憶されている学習データに含まれる文の各々について、従来既知の意味ラベルタガーを用いて、図３に示す様な、当該文に含まれる述部の機能表現の意味を表す意味ラベルを、当該文の述部の機能表現に付与する。なお、意味ラベルタガーとしては、例えば、非特許文献２（非特許文献２：「述部機能表現の意味ラベルタガー」今村賢治 et al. 言語処理学会第１７回年次大会（２０１１））に記載の意味ラベルタガーを用いればよい。
教師データ作成部２６は、学習データ記憶部２２に記憶されている学習データに含まれる文の各々について、図４に示すような、意味ラベル付与部２４において当該文に対して付与された意味ラベルの出現回数を含む、当該意味ラベルと当該文の正解確信度とのペアを表す教師データを作成する。なお、１つの文に対して、２種類以上の意味ラベルが付与されている場合には、意味ラベル毎に、意味ラベルと当該文の正解確信度とのペアを表す教師データを作成する。
確信度推定モデル学習部２８は、教師データ作成部２６において作成された複数の教師データに基づいて、図５に示す様な、意味ラベルを入力として、当該意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための確信度推定モデルを学習し、確信度推定モデル記憶部３０に記憶する。なお、確信度推定モデルの学習は、既存の機械学習法（ＳＶＭ、最大エントロピー法等）を用いて行う。また、確信度推定モデルが推定モデルの一例である。
＜評価情報抽出装置の構成＞
次に、本発明の実施の形態に係る評価情報抽出装置の構成について説明する。図６に示すように、本発明の実施の形態に係る評価情報抽出装置２００は、ＣＰＵとＲＡＭと後述する評価情報抽出処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この評価情報抽出装置２００は、機能的には図６に示すように入力部２１０と、演算部２２０と、出力部２５０とを備えている。
入力部２１０は、特定の評価対象に関する文書であって、かつ、評価表現を含む文書の集合を受け付ける。例えば、特定の評価対象に関する評判情報が記載された文書の集合が入力される。
演算部２２０は、文書集合記憶部２２１と、意味ラベル付与部２２２と、評価表現辞書記憶部２２４と、評価表現抽出部２２６と、確信度推定モデル記憶部２２８と、確信度推定部２３０とを備えている。
文書集合記憶部２２１は、入力部２１０において受け付けた文書集合を記憶している。
意味ラベル付与部２２２は、文書集合記憶部２２１に記憶されている文書集合に含まれる形態素解析済みの文の各々について、意味ラベルタガーを用いて図７に示す様な述部の機能表現意味を表す意味ラベルを、当該文の述部の機能表現に付与する。
評価表現辞書記憶部２２４は、評価を表す評価表現が複数記憶されている。
評価表現抽出部２２６は、意味ラベル付与部２２２において意味ラベルが付与された文書集合に含まれる文の各々について、評価表現辞書記憶部２２４に記憶されている評価表現と一致する評価表現を当該文から抽出する。そして、評価表現が抽出された文と同一の文において意味ラベルが付与されている場合には、図８に示す様に意味ラベルと評価表現を紐づけて意味ラベルと評価表現のペアとして抽出する。
確信度推定モデル記憶部２２８は、確信度学習装置１００の確信度推定モデル記憶部３０に記憶されている確信度推定モデルと同一の確信度推定モデルが記憶されている。
確信度推定部２３０は、評価表現抽出部２２６において抽出された評価表現と意味ラベルのペアの各々に基づいて、評価表現毎に、当該評価表現とペアになって抽出された意味ラベル及び当該意味ラベルの抽出回数とを求める。確信度推定部２３０は、評価表現毎に求められた意味ラベル及び抽出回数と、確信度推定モデル記憶部２２８に記憶されている確信度推定モデルとに基づいて、評価表現の各々について、当該評価表現に対する確信度を推定し、図９に示す様に当該評価表現に、推定された確信度を紐づける。具体的には、確信度推定モデルに基づいて、意味ラベル「推量」が出現した場合には確信度スコア「０．１」、意味ラベル「断定」が出現した場合には確信度スコア「０．２」が得られる場合、ある評価表現に対して、意味ラベル「推量」がＸ回、「断定」がＹ回出現したとすると、当該評価表現の確信度は、「確信度＝０．１Ｘ＋０．２Ｙ」と計算される。
出力部２５０は、確信度推定部２３０により紐付けられた評価表現と確信度のペアの各々を、評価情報の推定結果として出力する。
＜確信度学習装置の作用＞
次に、本発明の実施の形態に係る確信度学習装置１００の作用について説明する。図１０に示す確信度学習処理ルーチンを実行する前に、入力部１０により、文に含まれる評価表現が表す評価についてのユーザの確信度合いを示す正解確信度が予め付与された形態素解析済みの文を含む文書の集合が入力され、学習データとして学習データ記憶部２２に記憶される。そして、確信度学習装置１００は、図１０に示す確信度学習処理ルーチンを実行する。
まず、ステップＳ１００では、学習データ記憶部２２に記憶されている学習データを読み込む。
次に、ステップＳ１０２では、ステップＳ１００において読み込んだ学習データに含まれる文について、従来既知の意味ラベルタガーを用いて、当該文に含まれる述部の機能表現を表す意味ラベルを、当該文の述部の機能表現に付与する。
次に、ステップＳ１０４では、ステップＳ１０２において意味ラベルを付与した文について、当該文に対して付与された意味ラベルの出現回数を含む、当該意味ラベルと、当該文の正解確信度とのペアを表す教師データを作成する。なお、当該文に対して意味ラベルが付与されなかった場合に、当該文についての教師データは作成されない。
次に、ステップＳ１０６では、学習データに含まれる全ての文ついて上記ステップＳ１０２〜Ｓ１０４を実行したか否かを判定する。全ての文について上記ステップＳ１０２〜Ｓ１０４を実行した場合には、ステップＳ１０８に移行し、一方、上記ステップＳ１０２〜Ｓ１０４を実行していない文が存在する場合には、ステップＳ１０２へ戻り、当該文について、ステップＳ１０２〜ステップＳ１０４の処理を繰り返す。
次に、ステップＳ１０８では、ステップＳ１０６において作成された複数の教師データに基づいて、既存の機械学習法（ＳＶＭ、最大エントロピー法等）を用いて、意味ラベルを入力として、当該意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための確信度推定モデルの学習を行う。
次に、ステップＳ１１０では、ステップＳ１０８において学習した確信度推定モデルを確信度推定モデル記憶部３０に記憶して処理を終了する。
＜評価情報抽出装置の作用＞
次に、本発明の実施の形態に係る評価情報抽出装置２００の作用について説明する。図１１に示す評価情報抽出処理ルーチンを実行する前に、入力部２１０により特定の評価対象に関する文書であって、かつ、評価表現を含む文書の集合が入力される。そして、評価情報抽出装置２００は、図１１に示す評価情報抽出処理ルーチンを実行する。
まず、ステップＳ２００では、入力部２１０において受け付けた特定の評価対象に関する文書であって、かつ、評価表現を含む文書の集合を読み込む。
次に、ステップＳ２０２では、ステップＳ２００において読み込んだ文書集合に含まれる処理対象の文について、意味ラベルダガーを用いて、当該処理対象の文の述部の機能表現に意味ラベルを付与する。
次に、ステップＳ２０４では、当該処理対象の文について、評価表現辞書記憶部２２４に記憶されている評価表現と一致する評価表現を抽出し、当該処理対象の文について、評価表現が抽出され、かつ、上記ステップＳ２０２により意味ラベルが付与されている場合には、当該評価表現と意味ラベルとを紐づけたペアを抽出する。
次に、ステップＳ２０５では、ステップＳ２００において受け付けた文書集合に含まれる全ての文について、上記ステップＳ２０２、Ｓ２０４の処理を行ったか否かを判定する。全ての文について上記ステップＳ２０２、Ｓ２０４の処理を行った場合には、ステップＳ２０６へ移行し、上記ステップＳ２０２、Ｓ２０４の処理を行っていない文が存在する場合には、ステップＳ２０２へ移行し、当該文について、ステップＳ２０２〜ステップＳ２０４の処理を繰り返す。
次に、ステップＳ２０６では、ステップＳ２０４において紐付けられた複数の評価表現と意味ラベルのペアの各々と、確信度推定モデル記憶部２２８に記憶されている確信度推定モデルとに基づいて、評価表現の各々について、確信度を推定する。
次に、ステップＳ２０８では、ステップＳ２０６において評価表現の各々について推定された結果を、評価情報の抽出結果として出力部２５０に出力して処理を終了する。
以上説明したように、本発明の実施の形態に係る確信度学習装置によれば、評価表現に対する確信度を精度よく推定するためのモデルを学習することができる。
また、本発明の実施の形態に係る評価情報抽出装置によれば、特定の評価対象に関する、評価表現を含む文書の集合から、評価表現を抽出すると共に、抽出された評価表現に対する確信度を精度よく推定することができる。
また、評価表現の現れる文に対し、意味ラベルタガーを用いて意味ラベルを付与し、自動付与された意味ラベルに基づいて評価表現に対する確信度を推定し、評判分析用の集計データを出力することができる。
なお、本発明は、上述した実施形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。
本実施の形態においては、教師データを、文の述部の機能表現の各々の意味ラベルと、当該意味ラベルの出現回数と、当該意味ラベルを含む文の正解確信度とに基づいて作成する場合について説明しているがこの限りでない。例えば、当該意味ラベルの出現回数を考慮せずに、文の述部の機能表現の各々の意味ラベルと、当該意味ラベルを含む文の正解確信度とのペアを教師データとして作成してもよい。
本実施の形態においては、評価表現の各々について、当該評価表現とペアとなって抽出された意味ラベルの回数を考慮して、確信度を推定しているがこの限りでない。例えば、評価表現の各々について、当該評価表現とペアとなって抽出された意味ラベルの回数を考慮せずに、当該評価表現とペアとなって抽出された意味ラベルの各々と、確信度推定モデルとに基づいて、評価表現の各々について、確信度を推定してもよい。
本実施の形態においては、文書集合に含まれる文の各々について、意味ラベルを付与すると共に評価表現を抽出し、評価表現が抽出された文と同一の文において意味ラベルが付与されている場合には、意味ラベルと評価表現を紐づけてペアとして抽出する場合について説明したがこの限りでない。例えば、評価表現が抽出された文の各々に対して意味ラベルを付与し、評価表現と意味ラベルを紐づけたペアとして抽出してもよい。
また、意味ラベル付与部が意味ラベルを付与する場合を例に説明したが、これに限定されるものではなく、意味ラベルが予め付与された学習データや文書集合が入力されてもよい。
１０ 入力部
２０ 演算部
２２ 学習データ記憶部
２４ 意味ラベル付与部
２６ 教師データ作成部
２８ 確信度推定モデル学習部
３０ 確信度推定モデル記憶部
５０ 出力部
１００ 確信度学習装置
２００ 評価表現抽出装置
２１０ 入力部
２２０ 演算部
２２１ 文書集合記憶部
２２２ 意味ラベル付与部
２２４ 評価表現辞書記憶部
２２６ 評価表現抽出部
２２８ 確信度推定モデル記憶部
２３０ 確信度推定部

Claims (5)

  1. 特定の評価対象に関する文書であって、かつ、評価表現を含む文書の集合から、前記評価表現を抽出すると共に、前記抽出された評価表現を含む文に含まれる述部の機能表現の意味を表す意味ラベルと、前記抽出された評価表現とのペアを抽出する評価表現抽出部と、
    前記評価表現抽出部によって抽出された評価表現毎に、予め学習された、前記意味ラベルに基づいて前記意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための推定モデルと、前記評価表現とペアとなって抽出された意味ラベルの各々とに基づいて、前記評価表現の確信度を推定する確信度推定部と、
    を含む評価情報抽出装置。
  2. 評価表現を含む文であって、前記評価表現が表す評価の確信度合いを示す確信度が予め付与された文を含む文書の集合に基づいて、前記文書の集合に含まれる各文について、前記文に付与された前記確信度と、前記文に含まれる述部の機能表現の意味を表す意味ラベルとのペアを、教師データとして作成する教師データ作成部と、
    前記教師データ作成部により作成された教師データに基づいて、前記意味ラベルに基づいて前記意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための推定モデルを学習する確信度推定モデル学習部と、
    を含む、確信度学習装置。
  3. 評価表現抽出部と確信度推定部とを含む評価情報抽出装置における評価情報抽出方法において、
    前記評価表現抽出部は、特定の評価対象に関する文書であって、かつ、評価表現を含む文書の集合から、前記評価表現を抽出すると共に、前記抽出された評価表現を含む文に含まれる述部の機能表現の意味を表す意味ラベルと、前記抽出された評価表現とのペアを抽出し、
    前記確信度推定部は、前記評価表現抽出部によって抽出された評価表現毎に、予め学習された、前記意味ラベルに基づいて前記意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための推定モデルと、前記評価表現とペアとなって抽出された意味ラベルの各々とに基づいて、前記評価表現の確信度を推定する
    評価情報抽出方法。
  4. 教師データ作成部と確信度推定モデル学習部とを含む確信度学習装置における確信度学習方法において、
    前記教師データ作成部は、評価表現を含む文であって、前記評価表現が表す評価の確信度合いを示す確信度が予め付与された文を含む文書の集合に基づいて、前記文書の集合に含まれる各文について、前記文に付与された前記確信度と、前記文に含まれる述部の機能表現の意味を表す意味ラベルとのペアを、教師データとして作成し、
    前記確信度推定モデル学習部は、前記教師データ作成部により作成された教師データに基づいて、前記意味ラベルに基づいて前記意味ラベルに対応する述部の機能表現を含む文に含まれる評価表現の確信度を推定するための推定モデルを学習する
    確信度学習方法。
  5. コンピュータを、請求項１記載の評価情報抽出装置又は請求項２記載の確信度学習装置を構成する各部として機能させるためのプログラム。
JP2013085943A 2013-04-16 2013-04-16 評価情報抽出装置、確信度学習装置、方法、及びプログラム Expired - Fee Related JP5944859B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013085943A JP5944859B2 (ja) 2013-04-16 2013-04-16 評価情報抽出装置、確信度学習装置、方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013085943A JP5944859B2 (ja) 2013-04-16 2013-04-16 評価情報抽出装置、確信度学習装置、方法、及びプログラム

Publications (2)

Publication Number Publication Date
JP2014209283A JP2014209283A (ja) 2014-11-06
JP5944859B2 true JP5944859B2 (ja) 2016-07-05

Family

ID=51903481

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013085943A Expired - Fee Related JP5944859B2 (ja) 2013-04-16 2013-04-16 評価情報抽出装置、確信度学習装置、方法、及びプログラム

Country Status (1)

Country Link
JP (1) JP5944859B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112836505A (zh) * 2021-01-21 2021-05-25 中国科学院沈阳自动化研究所 一种基于多源数据的信息可信度检测与评价系统

Also Published As

Publication number Publication date
JP2014209283A (ja) 2014-11-06

Similar Documents

Publication Publication Date Title
WO2020119075A1 (zh) 通用文本信息提取方法、装置、计算机设备和存储介质
WO2019200806A1 (zh) 文本分类模型的生成装置、方法及计算机可读存储介质
Furlan et al. Semantic similarity of short texts in languages with a deficient natural language processing support
CN112270196B (zh) 实体关系的识别方法、装置及电子设备
Bhaskar et al. Enhanced sentiment analysis of informal textual communication in social media by considering objective words and intensifiers
US9262400B2 (en) Non-transitory computer readable medium and information processing apparatus and method for classifying multilingual documents
Qian et al. Tri-training for authorship attribution with limited training data
Kawahara et al. Rapid development of a corpus with discourse annotations using two-stage crowdsourcing
CN116629275A (zh) 一种基于大数据的智能决策支持系统及方法
JP2018097468A (ja) 文分類学習装置、文分類装置、文分類学習方法、及び文分類学習プログラム
Kaur et al. Emotion mining and sentiment analysis in software engineering domain
Liu et al. An empirical study on Chinese microblog stance detection using supervised and semi-supervised machine learning methods
JP5911931B2 (ja) 述語項構造抽出装置、方法、プログラム、及びコンピュータ読取り可能な記録媒体
JP5944859B2 (ja) 評価情報抽出装置、確信度学習装置、方法、及びプログラム
JP5954836B2 (ja) 不理解文判定モデル学習方法、不理解文判定方法、装置、及びプログラム
JP6418975B2 (ja) 難易度推定モデル学習装置、難易度推定装置、方法、及びプログラム
JP6368633B2 (ja) 用語意味学習装置、用語意味判定装置、方法、及びプログラム
JP2017021523A (ja) 用語意味コード判定装置、方法、及びプログラム
JP6586055B2 (ja) 深層格解析装置、深層格学習装置、深層格推定装置、方法、及びプログラム
KR102518895B1 (ko) 바이오 정보 분석 방법 및 이를 수행하기 위한 프로그램을 저장하는 저장 매체
JP5824429B2 (ja) スパムアカウントスコア算出装置、スパムアカウントスコア算出方法、及びプログラム
JP2013182580A (ja) 素性ベクトル構築装置、素性ベクトル構築方法、述部類似度計算装置、述部類似度計算方法および述部類似度計算プログラム
JP2014112306A (ja) 要望文抽出装置、要望内容同定モデル学習装置、方法、及びプログラム
Tran et al. Modelling consequence relationships between two action, state or process Vietnamese sentences for improving the quality of new meaning-summarizing sentence
JP5964916B2 (ja) モデル学習装置、人物属性分類装置、方法、及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150709

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20160420

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: 20160426

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160526

R150 Certificate of patent or registration of utility model

Ref document number: 5944859

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees