JP6446602B2 - データのカテゴリ分類のための方法およびシステム - Google Patents
データのカテゴリ分類のための方法およびシステム Download PDFInfo
- Publication number
- JP6446602B2 JP6446602B2 JP2018533601A JP2018533601A JP6446602B2 JP 6446602 B2 JP6446602 B2 JP 6446602B2 JP 2018533601 A JP2018533601 A JP 2018533601A JP 2018533601 A JP2018533601 A JP 2018533601A JP 6446602 B2 JP6446602 B2 JP 6446602B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- category
- data
- factor
- rnn
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/258—Heading extraction; Automatic titling; Numbering
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/04—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
Description
−神経網(Neural network)モデルを利用してテキスト単語を多次元実数ベクトルで表現し、単語間の意味/構造の類似性を2つのベクトル間の距離で表現可能にした言語モデル。
−神経網の隠れ層(hidden layer)で再帰的な入力が可能なようにモデルを修正することにより、順次的に(sequential)入力されるか因子(feature)の順序(sequence)が入力によって与えられるデータからパターンを効果的に学習することが可能な、時間的側面が考慮された神経網モデル。
−神経網モデルの初期に提案され、事前学習(pretraining)技法を使用せずにバックプロパゲーション(backpropagation)方法だけで学習が行われる、典型的な多重層神経網モデル。
Step2.Step1で与えられたメタデータの因子情報別に言語前処理器を利用して前処理を実行する。
→1.ヒラヒラ夏ビーチスタイルスタイリッシュワンピース、2.ワンツーモール、3.ABAB、4.衣類女性衣類
Step3.Step2で前処理された各因子別の単語は、順に予め学習された各因子別のRNNの入力として与えられる。また、各因子の単語に対してRNN−FFNNモデルでの順次入力が完了すると、RNNでは各単語に対する実数ベクトル値(u)が生成され、各出力因子ベクトルは1つのベクトルとして接合される。
→u(1)={0.1、…、−1.2}/u(2)={−0.3、…、0.4}、/u(3)={0.2、…、0.7}/u(4)={0.4、…、−1.3}
Step4.Step3で接合された実数ベクトル(u)は、予め学習されたFFNNの入力として与えられ、FFNNの出力によって各カテゴリ別の点数(y’’)が算出される。
→u(1)={0.1、…、−1.2}/u(2)={−0.3、…、0.4}、/u(3)={0.2、…、0.7}/u(4)={0.4、…、−1.3}→y’’={シューズ=0.01、…、ワンピース=0.76、…、カメラ=0.02}
図6は、図5の例に対するモデル構造図である。図6に示すように、メタデータの各因子別の単語は、該当因子のRNN(例えば、商品名−RNN、ブランド−RNN、ショッピングモール−RNN)の入力によって与えられて実数ベクトルで表現され、RNNの出力である各出力因子ベクトルは、FFNNの入力となり、FFNNによってカテゴリ別の点数として定義されてよい。
<例1>
シューズ→[0.12、−0.81、…、0.43]
<例2>
13534→[0.54、…、−1.22]
それぞれの商品因子−RNNは、テキスト単語あるいは記号のシーケンスを学習し、入力シーケンスが終了すると、シーケンス全体の情報を表現する多次元実数ベクトルを出力する。このとき、出力される実数ベクトルの大きさは、入力された単語の実数ベクトルの大きさと必ずしも同じである必要はない。
商品メタデータがM種類の因子で表現されるとき、商品カテゴリ分類モデルはM個のRNNと1つのFFNNで構成され、それぞれのRNNはRNN(1)、…、RNN(M)と定義し、各RNNから出力されるベクトルはu (1)={u(1) 1、…、u(1) n}、…、u(M)={u(M) 1、…、u(M) n}と定義する。また、出力されるベクトルは、接合によって1つのM×n次元のベクトルu={u (1)、…、u (M)}で表現される。
上述したRNN−FFNN学習モジュールは図7のとおりであり、RNN−FFNN学習モジュールを利用した商品カテゴリ分類過程は図8のとおりである。
Claims (19)
- コンピュータで実現される方法であって、
複数の因子で表現されるデータを入力とし、第1モデルに基づいて、前記データを構成する因子それぞれに対して前記因子に該当する単語のシーケンス学習によって前記因子のシーケンス情報が含まれたワードベクトルを表現する段階、
前記第1モデルの出力を入力とし、第2モデルに基づいて、前記因子のシーケンス情報が含まれたワードベクトルを利用して前記データのカテゴリ分類のためのカテゴリ別の点数を算出する段階、および
前記カテゴリ別の点数を利用して前記データに対する少なくても1つのカテゴリを決定する段階
を含むことを特徴とする、コンピュータで実現される方法。 - 前記データのカテゴリを分類するための学習モデルとして、前記第1モデルであるRNNモデルと前記第2モデルであるFFNNモデルが1つのモデルとして併合されたRNN−FFNNモデルを利用することを特徴とする、請求項1に記載のコンピュータで実現される方法。
- 前記RNN−FFNNモデルは、前記FFNNモデルにおけるカテゴリ分類エラー情報が前記RNNモデルに伝達され、前記RNNモデルでの学習に利用されること
を特徴とする、請求項2に記載のコンピュータで実現される方法。 - 前記因子のシーケンス情報が含まれたワードベクトルを表現する段階は、
前記データを構成する因子別に、各因子に該当する単語の順次的データを学習するための個別RNNを割り当てること
を特徴とする、請求項2に記載のコンピュータで実現される方法。 - 前記因子のシーケンス情報が含まれたワードベクトルを表現する段階は、
前記第1モデルで前記データを構成する因子それぞれに対し、前記因子のシーケンス情報を表現した多次元実数ベクトルを出力すること
を特徴とする、請求項1に記載のコンピュータで実現される方法。 - 前記因子のシーケンス情報が含まれたワードベクトルを表現する段階は、
前記データを構成する因子別に、各因子に該当する単語の順次的データを学習するための個別RNNを割り当てる段階、および
前記因子別に割り当てられた個別RNNで単語の順次入力が完了すると、前記順次入力された単語を実数ベクトルで表現して1つのベクトルとして接合する段階
を含むことを特徴とする、請求項1に記載のコンピュータで実現される方法。 - 言語前処理器を利用して前記データに含まれた一部のテキスト情報をフィルタリングする段階
をさらに含むことを特徴とする、請求項1に記載のコンピュータで実現される方法。 - 前記データのカテゴリ分類のためのカテゴリ別の点数を算出する段階は、
前記データと関連するカテゴリ集合に対し、前記ワードベクトルと対応するカテゴリ確率を計算すること
を特徴とする、請求項1に記載のコンピュータで実現される方法。 - 前記FFNNモデルにおいて、前記データの実際のカテゴリを示すベクトル値と前記ワードベクトルと対応するカテゴリを示すベクトル値との差を前記カテゴリ分類エラー情報として前記RNNモデルに伝達すること
を特徴とする、請求項3に記載のコンピュータで実現される方法。 - 請求項1〜9のうちのいずれか一項に記載の方法をコンピュータに実行させるコンピュータプログラム。
- 1つ以上のプロセッサを含むサーバのシステムであって、
前記1つ以上のプロセッサは、
複数の因子で表現されるデータのカテゴリを分類するための学習モデルを提供する学習処理部、および
前記学習モデルの学習結果に基づいて前記データのカテゴリを分類するカテゴリ分類部
を備え、
前記学習処理部は、
前記データを入力とし、第1モデルに基づいて、前記データを構成する因子それぞれに対して前記因子に該当する単語のシーケンス学習によって前記因子のシーケンス情報が含まれたワードベクトルを表現し、前記第1モデルの出力を入力とし、第2モデルに基づいて、前記因子のシーケンス情報が含まれたワードベクトルを利用して前記データのカテゴリ分類のためのカテゴリ別の点数を算出し、
前記カテゴリ分類部は、
前記カテゴリ別の点数を利用して前記データに対する少なくても1つのカテゴリを決定すること
を特徴とする、システム。 - 前記学習処理部は、
前記データのカテゴリを分類するための学習モデルとして、前記第1モデルであるRNNモデルと前記第2モデルであるFFNNモデルが1つのモデルとして併合されたRNN−FFNNモデルを利用することを特徴とする、請求項11に記載のシステム。 - 前記RNN−FFNNモデルは、前記FFNNモデルにおけるカテゴリ分類エラー情報が前記RNNモデルに伝達され、前記RNNモデルにおける学習に利用されること
を特徴とする、請求項12に記載のシステム。 - 前記学習処理部は、
前記データを構成する因子別に、各因子に該当する単語の順次的データを学習するための個別のRNNを割り当てること
を特徴とする、請求項12に記載のシステム。 - 前記学習処理部は、
前記第1モデルで前記データを構成する因子それぞれに対し、前記因子のシーケンス情報を表現した多次元実数ベクトルを出力すること
を特徴とする、請求項11に記載のシステム。 - 前記学習処理部は、
前記データを構成する因子別に、各因子に該当する単語の順次的データを学習するための個別のRNNを割り当てた後、
前記因子別に割り当てられた個別のRNNで単語の順次入力が完了すると、前記順次入力された単語を実数ベクトルで表現して1つのベクトルとして接合すること
を特徴とする、請求項12に記載のシステム。 - 前記1つ以上のプロセッサは、
言語前処理器によって前記データに含まれた一部のテキスト情報をフィルタリングする前処理部
をさらに備えることを特徴とする、請求項11に記載のシステム。 - 前記学習処理部は、
前記データと関連するカテゴリ集合に対し、前記ワードベクトルと対応するカテゴリ確率を計算すること
を特徴とする、請求項11に記載のシステム。 - 前記学習処理部は、
前記FFNNモデルにおいて、前記データの実際のカテゴリを示すベクトル値と前記ワードベクトルと対応するカテゴリを示すベクトル値との差を前記カテゴリ分類エラー情報として前記RNNモデルに伝達すること
を特徴とする、請求項13に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2015-0139192 | 2015-10-02 | ||
KR1020150139192A KR101778679B1 (ko) | 2015-10-02 | 2015-10-02 | 딥러닝을 이용하여 텍스트 단어 및 기호 시퀀스를 값으로 하는 복수 개의 인자들로 표현된 데이터를 자동으로 분류하는 방법 및 시스템 |
PCT/KR2016/010912 WO2017057921A1 (ko) | 2015-10-02 | 2016-09-29 | 딥러닝을 이용하여 텍스트 단어 및 기호 시퀀스를 값으로 하는 복수 개의 인자들로 표현된 데이터를 자동으로 분류하는 방법 및 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018533148A JP2018533148A (ja) | 2018-11-08 |
JP6446602B2 true JP6446602B2 (ja) | 2018-12-26 |
Family
ID=58424144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018533601A Active JP6446602B2 (ja) | 2015-10-02 | 2016-09-29 | データのカテゴリ分類のための方法およびシステム |
Country Status (4)
Country | Link |
---|---|
US (1) | US10643109B2 (ja) |
JP (1) | JP6446602B2 (ja) |
KR (1) | KR101778679B1 (ja) |
WO (1) | WO2017057921A1 (ja) |
Families Citing this family (53)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101778679B1 (ko) * | 2015-10-02 | 2017-09-14 | 네이버 주식회사 | 딥러닝을 이용하여 텍스트 단어 및 기호 시퀀스를 값으로 하는 복수 개의 인자들로 표현된 데이터를 자동으로 분류하는 방법 및 시스템 |
CN107220220A (zh) * | 2016-03-22 | 2017-09-29 | 索尼公司 | 用于文本处理的电子设备和方法 |
US11537845B2 (en) | 2017-04-12 | 2022-12-27 | Yodlee, Inc. | Neural networks for information extraction from transaction data |
EP3654172A1 (en) * | 2017-04-19 | 2020-05-20 | Shanghai Cambricon Information Technology Co., Ltd | Fused vector multiplier and method using the same |
KR101863615B1 (ko) | 2017-05-24 | 2018-06-01 | (주)이스트소프트 | 신경망 학습 기반의 변종 악성 코드를 탐지하기 위한 장치, 이를 위한 방법 및 이 방법을 수행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
KR101939209B1 (ko) * | 2017-06-16 | 2019-01-16 | (주)이스트소프트 | 신경망 기반의 텍스트의 카테고리를 분류하기 위한 장치, 이를 위한 방법 및 이 방법을 수행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 |
CN107506434A (zh) * | 2017-08-23 | 2017-12-22 | 北京百度网讯科技有限公司 | 基于人工智能分类语音输入文本的方法和装置 |
CN108009847B (zh) * | 2017-11-30 | 2021-06-15 | 西安电子科技大学 | 外卖场景下店铺embedding特征提取的方法 |
CN108170736B (zh) * | 2017-12-15 | 2020-05-05 | 南瑞集团有限公司 | 一种基于循环注意力机制的文档快速扫描定性方法 |
CN110119507A (zh) | 2018-02-05 | 2019-08-13 | 阿里巴巴集团控股有限公司 | 词向量生成方法、装置以及设备 |
CN110310739B (zh) * | 2018-03-20 | 2022-06-24 | 贺丽君 | 健康信息处理方法、及其系统 |
KR102108460B1 (ko) * | 2018-04-17 | 2020-05-07 | (주)레몬클라우드 | 상품 벡터를 이용한 상품 분류 방법 및 장치 |
CN108549777B (zh) * | 2018-04-19 | 2020-09-22 | 河海大学 | 一种中华鲟适宜产卵条件满足度计算方法 |
KR102047859B1 (ko) * | 2018-06-18 | 2019-11-22 | 주식회사 비즈부스터 | 딥 러닝 기반 기업 신용 평가 서버 및 이를 이용한 기업 신용 평가 방법 |
CA3197098A1 (en) * | 2018-06-19 | 2019-12-26 | Thomson Reuters Enterprise Centre Gmbh | Systems and methods for determining structured proceeding outcomes |
CN109165380B (zh) * | 2018-07-26 | 2022-07-01 | 咪咕数字传媒有限公司 | 一种神经网络模型训练方法及装置、文本标签确定方法及装置 |
CN109190123B (zh) * | 2018-09-14 | 2020-03-27 | 北京字节跳动网络技术有限公司 | 用于输出信息的方法和装置 |
CN111046170A (zh) * | 2018-10-15 | 2020-04-21 | 北京京东尚科信息技术有限公司 | 用于输出信息的方法和装置 |
EP3640855A1 (en) | 2018-10-19 | 2020-04-22 | Tata Consultancy Services Limited | Systems and methods for conversational based ticket logging |
KR20200054600A (ko) | 2018-11-12 | 2020-05-20 | 삼성전자주식회사 | 스토리지 장치의 구동 방법, 이를 수행하는 스토리지 장치 및 이를 포함하는 스토리지 시스템 |
CN109460816B (zh) * | 2018-11-16 | 2020-09-18 | 焦点科技股份有限公司 | 一种基于深度学习的用户行为预测方法 |
JP7333404B2 (ja) * | 2019-01-07 | 2023-08-24 | ジェネシス ラボ インコーポレイテッド | 面接映像自動評価モデルを管理する方法、システム、及びコンピュータ読取り可能な媒体 |
CN109857864A (zh) * | 2019-01-07 | 2019-06-07 | 平安科技(深圳)有限公司 | 文本情感分类方法、装置、计算机设备及存储介质 |
JP6918030B2 (ja) * | 2019-01-11 | 2021-08-11 | 株式会社東芝 | 学習装置、学習方法、プログラムおよび情報処理システム |
KR102002549B1 (ko) * | 2019-01-23 | 2019-07-22 | 주식회사 솔리드웨어 | 다단계 분류모델 생성 방법 및 그 장치 |
US11636330B2 (en) | 2019-01-30 | 2023-04-25 | Walmart Apollo, Llc | Systems and methods for classification using structured and unstructured attributes |
CN109740167B (zh) * | 2019-02-01 | 2020-03-17 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
KR102241486B1 (ko) * | 2019-02-14 | 2021-05-17 | 엔에이치엔 주식회사 | 이미지의 태그어에 기반하여 모자이크 이미지를 생성해 제공하는 방법 |
CN110162783A (zh) * | 2019-04-17 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 用于语言处理的循环神经网络中隐状态的生成方法和装置 |
WO2020218659A1 (ko) * | 2019-04-26 | 2020-10-29 | (주)아크릴 | 인공신경망을 활용한 보험상품 판매 질의응답 자동화 장치 |
KR102238424B1 (ko) * | 2019-07-24 | 2021-04-09 | (주)아인스에스엔씨 | 빅데이터 기계학습을 이용한 시스템 모델링방법 |
KR102421397B1 (ko) * | 2019-07-25 | 2022-07-18 | 주식회사 디에스랩글로벌 | 프로그래밍 코드 자동생성을 통한 백엔드 구축 방법 |
CN112396078A (zh) * | 2019-08-16 | 2021-02-23 | 中国移动通信有限公司研究院 | 一种服务分类方法、装置、设备及计算机可读存储介质 |
KR20210023385A (ko) * | 2019-08-23 | 2021-03-04 | 주식회사 세진마인드 | 신경망을 이용한 데이터 처리 방법 |
CN110705298B (zh) * | 2019-09-23 | 2022-06-21 | 四川长虹电器股份有限公司 | 一种改进的前缀树与循环神经网络结合的领域分类方法 |
KR20210094915A (ko) | 2020-01-22 | 2021-07-30 | 삼성전자주식회사 | 스토리지 컨트롤러, 이를 포함하는 스토리지 장치 및 스토리지 컨트롤러의동작 방법 |
US11544661B2 (en) * | 2020-04-09 | 2023-01-03 | Mercari, Inc. | Estimating shipping costs with machine learning |
KR102307598B1 (ko) * | 2020-04-27 | 2021-10-05 | 주식회사 엔스마트 | 딥러닝을 활용한 상품 가격 비교 방법 및 시스템 |
CN111652229B (zh) * | 2020-05-25 | 2023-09-12 | 泰康保险集团股份有限公司 | 一种信息输入方法、装置、电子设备及存储介质 |
CN111651597A (zh) * | 2020-05-27 | 2020-09-11 | 福建博思软件股份有限公司 | 一种基于Doc2Vec和卷积神经网络的多源异构商品信息分类方法 |
KR102535417B1 (ko) * | 2020-07-14 | 2023-05-22 | 주식회사 엔씨소프트 | 중요 문서 파일 판별 학습 장치, 중요 문서 파일 판별 학습 방법, 중요 문서 파일 판별 장치 및 중요 문서 파일 판별 방법 |
CN111737474B (zh) * | 2020-07-17 | 2021-01-12 | 支付宝(杭州)信息技术有限公司 | 业务模型的训练和确定文本分类类别的方法及装置 |
KR102254827B1 (ko) * | 2020-08-13 | 2021-05-21 | 정진연 | 딥러닝을 통한 패턴마이닝 이후 레코멘데이션 서비스 |
CN112328785A (zh) * | 2020-10-09 | 2021-02-05 | 福建亿榕信息技术有限公司 | 一种电力领域文本分类的方法和存储设备 |
CN112417111B (zh) * | 2020-11-04 | 2022-08-23 | 厦门快商通科技股份有限公司 | 文本分类方法、问答系统及对话机器人 |
KR102461665B1 (ko) * | 2020-11-19 | 2022-11-01 | (주)아이브릭스 | 워드 임베딩 및 순환 컨볼루션을 이용한 짧은 문장 분류 방법 및 장치 |
CA3199731A1 (en) * | 2020-11-20 | 2022-05-27 | Aidan Gomez | Training transformers using sliceout |
KR102443938B1 (ko) * | 2020-12-24 | 2022-09-16 | 숭실대학교 산학협력단 | 코드 시퀀스 기반 지능형 핵심코드 식별 방법, 이를 수행하기 위한 기록 매체 및 장치 |
KR102365875B1 (ko) * | 2021-03-31 | 2022-02-23 | 주식회사 써니마인드 | 언어 모델을 기초로 생성된 인공신경망을 이용한 텍스트 분류 및 분석 방법 및 이를 이용한 장치 |
KR102636082B1 (ko) * | 2021-04-02 | 2024-02-14 | 주식회사 인핸스 | 해외 박람회 상품 정보 제공 장치 |
US20230196112A1 (en) * | 2021-12-16 | 2023-06-22 | Korea Advanced Institute Of Science And Technology | Meta input method and system and user-centered inference method and system via meta input for recycling of pretrained deep learning model |
CN114722207B (zh) * | 2022-06-07 | 2022-08-12 | 广东海洋大学 | 一种针对微博的信息分类方法及系统 |
KR20240016816A (ko) * | 2022-07-29 | 2024-02-06 | 주식회사 마블러스 | 메타버스 내 사용자의 상태를 분석하는 시스템 및 방법 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6751621B1 (en) * | 2000-01-27 | 2004-06-15 | Manning & Napier Information Services, Llc. | Construction of trainable semantic vectors and clustering, classification, and searching using trainable semantic vectors |
US7567958B1 (en) * | 2000-04-04 | 2009-07-28 | Aol, Llc | Filtering system for providing personalized information in the absence of negative data |
KR100491250B1 (ko) | 2002-09-04 | 2005-05-25 | 차상영 | 상품 정보 등록 방법 및 시스템 |
JP4460417B2 (ja) * | 2004-10-08 | 2010-05-12 | 日本電信電話株式会社 | 自動分類方法、自動分類プログラム、記録媒体、および、自動分類装置 |
US7603330B2 (en) * | 2006-02-01 | 2009-10-13 | Honda Motor Co., Ltd. | Meta learning for question classification |
US8699796B1 (en) * | 2008-11-11 | 2014-04-15 | Trend Micro Incorporated | Identifying sensitive expressions in images for languages with large alphabets |
EP2369505A1 (en) * | 2010-03-26 | 2011-09-28 | British Telecommunications public limited company | Text classifier system |
US8566270B2 (en) * | 2010-09-24 | 2013-10-22 | Nuance Communications, Inc. | Sparse representations for text classification |
US8527276B1 (en) * | 2012-10-25 | 2013-09-03 | Google Inc. | Speech synthesis using deep neural networks |
JP6039518B2 (ja) * | 2013-08-21 | 2016-12-07 | 日本電信電話株式会社 | 情報処理装置、情報抽出装置、及びプログラム |
US20150095017A1 (en) * | 2013-09-27 | 2015-04-02 | Google Inc. | System and method for learning word embeddings using neural language models |
JP6588449B2 (ja) | 2014-01-31 | 2019-10-09 | グーグル エルエルシー | 文書のベクトル表現の生成 |
JP6312467B2 (ja) * | 2014-03-04 | 2018-04-18 | 株式会社デンソーアイティーラボラトリ | 情報処理装置、情報処理方法、およびプログラム |
KR101778679B1 (ko) * | 2015-10-02 | 2017-09-14 | 네이버 주식회사 | 딥러닝을 이용하여 텍스트 단어 및 기호 시퀀스를 값으로 하는 복수 개의 인자들로 표현된 데이터를 자동으로 분류하는 방법 및 시스템 |
US20170213130A1 (en) * | 2016-01-21 | 2017-07-27 | Ebay Inc. | Snippet extractor: recurrent neural networks for text summarization at industry scale |
US10437929B2 (en) * | 2016-03-31 | 2019-10-08 | Maluuba Inc. | Method and system for processing an input query using a forward and a backward neural network specific to unigrams |
KR102523472B1 (ko) * | 2016-08-01 | 2023-04-18 | 삼성전자주식회사 | 신규 물질의 구조 생성 방법 및 장치 |
-
2015
- 2015-10-02 KR KR1020150139192A patent/KR101778679B1/ko active IP Right Grant
-
2016
- 2016-09-29 JP JP2018533601A patent/JP6446602B2/ja active Active
- 2016-09-29 WO PCT/KR2016/010912 patent/WO2017057921A1/ko active Application Filing
-
2018
- 2018-04-02 US US15/943,279 patent/US10643109B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
KR20170039951A (ko) | 2017-04-12 |
KR101778679B1 (ko) | 2017-09-14 |
JP2018533148A (ja) | 2018-11-08 |
US10643109B2 (en) | 2020-05-05 |
WO2017057921A1 (ko) | 2017-04-06 |
US20180225553A1 (en) | 2018-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6446602B2 (ja) | データのカテゴリ分類のための方法およびシステム | |
CN111177569B (zh) | 基于人工智能的推荐处理方法、装置及设备 | |
US11983269B2 (en) | Deep neural network system for similarity-based graph representations | |
US11544550B2 (en) | Analyzing spatially-sparse data based on submanifold sparse convolutional neural networks | |
US11562243B2 (en) | Machine-learning models based on non-local neural networks | |
US10726208B2 (en) | Consumer insights analysis using word embeddings | |
US20180349477A1 (en) | Tensor-Based Deep Relevance Model for Search on Online Social Networks | |
CN111966914B (zh) | 基于人工智能的内容推荐方法、装置和计算机设备 | |
US11182806B1 (en) | Consumer insights analysis by identifying a similarity in public sentiments for a pair of entities | |
US11232147B2 (en) | Generating contextual tags for digital content | |
JP7083375B2 (ja) | 個人化コンテンツ推薦のためのリアルタイムグラフに基づく埋め込み構築方法およびシステム | |
Liu et al. | Background music recommendation based on latent factors and moods | |
US10558759B1 (en) | Consumer insights analysis using word embeddings | |
JP7150090B2 (ja) | ショッピング検索のための商品属性抽出方法 | |
Strat et al. | Hierarchical late fusion for concept detection in videos | |
US20230342833A1 (en) | Recommendation method, recommendation network, and related device | |
WO2024002167A1 (zh) | 一种操作预测方法及相关装置 | |
WO2024041483A1 (zh) | 一种推荐方法及相关装置 | |
CN111400584A (zh) | 联想词的推荐方法、装置、计算机设备和存储介质 | |
JP7427717B2 (ja) | マルチモーダルのトランスフォーマベースのアイテム分類システム、データ処理システム、データ処理方法、及びコンピュータ実行方法 | |
CN117217284A (zh) | 一种数据处理方法及其装置 | |
KR102119518B1 (ko) | 인공지능을 이용하여 생성되는 스타일 공간에 기반한 상품 추천 방법 및 시스템 | |
WO2024012360A1 (zh) | 一种数据处理方法及相关装置 | |
Xia | An overview of deep learning | |
CN116484085A (zh) | 一种信息投放方法、装置、设备及存储介质、程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20181120 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6446602 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 |