JP6651190B1 - 機械学習用のデータ構造、学習方法及び情報提供システム - Google Patents

Abstract

【課題】作業を短時間に行うことができる機械学習用のデータ構造を提供する。【解決手段】計装機器に関する作業を行うユーザが作業を実施する上で適した参照情報を選択するときに利用する第１データベースを構築するために用いられ、コンピュータの備える記憶部に記憶される機械学習用のデータ構造であって、画像データを有する評価対象情報と、メタＩＤと、を有する学習データを複数備え、前記画像データは、前記計装機器と、前記計装機器を識別するための識別ラベル、を示す画像を有し、前記メタＩＤは、前記参照情報に対応するコンテンツＩＤに紐づけられ、複数の前記学習データは、前記コンピュータの備える制御部が実行する機械学習により前記第１データベースを構築するために用いられる。【選択図】図３

Description

本発明は、機械学習用のデータ構造、学習方法及び情報提供システムに関する。

近年、取得した画像から所定の情報をユーザに提供する技術が注目されている。例えば、特許文献１は、ウェアラブル端末から農作物の画像を取得し、予測した収穫時期をウェアラブル端末の表示板に拡張現実として表示される。

特許文献１のウェアラブル端末表示システムは、 ウェアラブル端末の表示板に、農作物の収穫時期を表示するウェアラブル端末表示システムであって、 前記ウェアラブル端末の視界に入った農作物の画像を取得する画像取得手段と、 前記画像を解析して、前記農作物の種類を特定する特定手段と、前記種類に応じて、判定基準を選択する選択手段と、前記判定基準に基づいて、前記画像を解析して色およびサイズを判定する判定手段と、前記判定の結果に基づいて、前記農作物の収穫時期を予測する予測手段と、前記ウェアラブル端末の表示板に、前記表示板を透過して見える前記農作物に対して、前記予測された収穫時期を拡張現実として表示する収穫時期表示手段と、を備える。

特許６２６７８４１号公報

しかしながら、特許文献１に開示されたウェアラブル端末表示システムは、画像を解析して農作物の種類を特定する。このため、画像と農作物の関係を新たに取得した場合には、この関係を新たに機械学習により学習させる必要がある。このため、新たな関係を取得した場合にはその更新に時間が掛かるという問題点があった。

そこで本発明は、上述した問題に鑑みて案出されたものであり、その目的とするところは、作業を短時間に行うことができる機械学習用のデータ構造、学習方法及び情報提供システムを提供することにある。

本発明に係る情報提供システムは、計装機器に関する作業を行うユーザが作業を実施する上で適した参照情報を選択する情報提供システムであって、特定の計装機器及び前記特定の計装機器を識別するための特定の識別ラベル、を撮像した第１画像データを有する取得データを取得する取得手段と、画像データを有する評価対象情報、及び前記評価対象情報に紐づくメタＩＤ、を有する学習データを複数備えた機械学習用のデータ構造を用いて、機械学習により構築された第１データベースと、前記第１データベースを参照し、前記取得データに基づいて、複数の前記メタＩＤのうち第１メタＩＤを選択するメタＩＤ選択手段と、前記メタＩＤに紐づくコンテンツＩＤと、前記コンテンツＩＤに対応する前記参照情報とが複数記憶された第２データベースと、前記第２データベースを参照し、前記第１メタＩＤに基づいて、複数の前記コンテンツＩＤのうち第１コンテンツＩＤを選択するコンテンツＩＤ選択手段と、前記第２データベースを参照し、前記第１コンテンツＩＤに基づいて、複数の前記参照情報のうち第１参照情報を選択する参照情報選択手段とを備え、前記画像データは、前記計装機器と、前記計装機器を識別するための識別ラベルと、を示す画像を有し、第１映像情報を取得する第１取得手段と、予め取得された過去の第１映像情報、前記過去の第１映像情報に紐づけられたシーンＩＤを含むシーン情報、及び、前記過去の第１映像情報と前記シーン情報との間における３段階以上のシーン連関度が記憶されたシーンモデルデータベースと、前記シーンモデルデータベースを参照し、前記第１映像情報と前記シーン情報との間における第１シーン連関度を含むシーンＩＤリストを取得する第１評価手段と、前記シーンＩＤリストに対応するシーン名リストを生成する第１生成手段と、更に備え、前記取得手段は、前記第１画像データと、前記シーン名リストから選択されたシーン名に対応する第１シーンＩＤと、を１組として有する前記取得データを取得することを特徴とする。

本発明によれば、作業を短時間に行うことができる。

図１は、本実施形態における情報提供システムの構成の一例を示す模式図である。 図２は、本実施形態における情報提供システムを使用した一例を示す模式図である。 図３は、本実施形態におけるメタＩＤ推定処理用データベース及び参照用データベースの一例を示す模式図である。 図４は、本実施形態における機械学習用のデータ構造の一例を示す模式図である。 図５は、本実施形態における情報提供装置の構成の一例を示す模式図である。 図６は、本実施形態における情報提供装置の機能の一例を示す模式図である。 図７は、本実施形態における情報提供システムの動作の一例を示すフローチャートである。 図８は、本実施形態における情報提供装置の機能の変形例を示す模式図である。 図９は、本実施形態における情報提供システムを使用した変形例を示す模式図である。 図１０は、本実施形態におけるシーンモデルデータベースの一例を示す模式図である。 図１１は、本実施形態におけるシーンモデルテーブルの一例を示す模式図である。 図１２は、本実施形態におけるシーン用コンテンツモデルテーブルの一例を示す模式図である。 図１３は、本実施形態におけるシーンテーブルの一例を示す模式図である。 図１４は、本実施形態における情報提供システムを使用した変形例を示す模式図である。 図１５は、本実施形態におけるコンテンツデータベースの一例を示す模式図である。 図１６は、本実施形態におけるサマリーテーブルの一例を示す模式図である。 図１７は、本実施形態における参照サマリーリストの一例を示す模式図である。 図１８は、本実施形態における情報提供システムの動作の変形例を示すフローチャートである。 図１９は、本実施形態における情報提供システムを使用した変形例を示す模式図である。 図２０は、本実施形態における情報提供装置の機能の第２変形例を示す模式図である。 図２１は、本実施形態における情報提供システムを使用した第２変形例を示す模式図である。 図２２は、コンテンツ関連性データベースの一例を示す模式図である。 図２３は、外部情報類似度算出用データベースの一例を示す模式図である。 図２４は、チャンク参照情報類似度算出用データベースの一例を示す模式図である。 図２５は、本実施形態における情報提供システムの動作の第２変形例を示すフローチャートである。 図２６は、本実施形態における情報提供システムの動作の第３変形例を示すフローチャートである。

以下、本発明の実施形態における機械学習用のデータ構造、学習方法及び情報提供システムの一例について、図面を参照しながら説明する。

（情報提供システム１００の構成）
図１〜図７を参照して、本実施形態における情報提供システム１００の構成の一例について説明する。図１は、本実施形態における情報提供システム１００の全体の構成を示すブロック図である。

情報提供システム１００は、計装機器を使用する技術者等のユーザに利用される。情報提供システム１００は、主に技術者等が使用する計装機器４を対象として用いられる。情報提供システム１００は、計装機器４の画像データを有する取得データから、計装機器４に関する作業を行うユーザが作業を実施する上で適した第１参照情報を選択する。情報提供システム１００は、例えば計装機器４のマニュアルをユーザに提供できるほか、例えば計装機器４に関するインシデント情報をユーザに提供できる。これにより、ユーザは、計装機器４のマニュアルや計装機器４に関するインシデントを把握することができる。

図１に示すように、情報提供システム１００は、情報提供装置１を備える。情報提供装置１は、例えば公衆通信網７を介してユーザ端末５及びサーバ６の少なくとも何れかと接続されてもよい。

図２は、本実施形態における情報提供システム１００を使用した一例を示す模式図である。情報提供装置１は、第１画像データを有する取得データを取得する。情報提供装置１は、取得した取得データに基づいて、第１メタＩＤを選択し、ユーザ端末５に送信する。情報提供装置１は、ユーザ端末５から第１メタＩＤを取得する。情報提供装置１は、取得した第１メタＩＤに基づいて、第１参照情報を選択し、ユーザ端末５に送信する。これにより、ユーザは、計装機器４のマニュアル等の計装機器４に関する第１参照情報を把握することができる。

図３は、本実施形態におけるメタＩＤ推定処理用データベース及び参照用データベースの一例を示す模式図である。情報提供装置１は、メタＩＤ推定処理用データベース（第１データベース）を参照し、取得した取得データに基づいて、複数のメタＩＤのうち第１メタＩＤを選択する。情報提供装置１は、参照用データベース（第２データベース）を参照し、選択した第１メタＩＤに基づいて、複数のコンテンツＩＤのうち第１コンテンツＩＤを選択する。情報提供装置１は、参照用データベースを参照し、選択した第１コンテンツＩＤに基づいて、複数の参照情報のうち第１参照情報を選択する。

メタＩＤ推定処理用データベースは、本発明を適用した機械学習用のデータ構造を用いて、機械学習により構築される。本発明を適用した機械学習のデータ構造は、計装機器４に関する作業を行うユーザが作業を実施する上で適した参照情報を選択するときに利用するメタＩＤ推定処理用データベースを構築するために用いられ、情報提供装置１（コンピュータ）の備える保存部１０４に記憶される。

図４は、本実施形態における機械学習用データ構造の一例を示す模式図である。本発明を適用した機械学習用のデータ構造は、学習データを複数備える。複数の学習データは、情報提供装置１の備える制御部１８が実行する機械学習によりメタＩＤ推定処理用データベースを構築するために用いられる。メタＩＤ推定処理用データベースは、機械学習用のデータ構造を用いて機械学習することで構築された学習済みモデルであってもよい。

学習データは、評価対象情報と、メタＩＤとを有する。メタＩＤ推定処理用データベースは、保存部１０４に記憶される。

評価対象情報は、画像データを有する。画像データは、計装機器４と、計装機器４を識別するための識別ラベルと、を示す画像を有する。画像は、静止画像であってもよいし、動画像であってもよい。識別ラベルは、タグナンバ、シリアルナンバ、形名、型名、ユーザ等が計装機器４を識別するために付与した管理番号等の文字列からなるものが用いられてもよいし、バーコード等の一次元コード、ＱＲコード（登録商標）等の二次元コード等が用いられてもよい。評価対象情報は、更に、インシデント情報を有していてもよい。

インシデント情報は、計装機器４におけるヒヤリハットや、計装機器４の事故事例等を含む。インシデント情報は、事故や火災等の緊急災害時を示す情報を含む。インシデント情報は、計装機器４に発生した警報・アラーム等のアラーム情報を含む。インシデント情報は、計測機器４の非定常処理・制御等のイベントに関するイベント情報を含む。インシデント情報は、計装機器４の異常や故障を示す異常情報を含む。インシデント情報は、例えば、音声等のファイルであってもよく、日本語に対応する外国語等の翻訳された音声等のファイルであってもよい。例えば、ある１ヶ国の音声言語が登録されれば、それに合わせて対応する外国語の翻訳音声ファイルが記憶されてもよい。

メタＩＤは、文字列からなり、コンテンツＩＤに紐づけられる。メタＩＤは、参照情報よりも容量が小さいものとなる。メタＩＤは、画像データに示された計装機器４を分類する装置メタＩＤと、画像データに示された計装機器４の作業手順に関する作業手順メタＩＤと、を有する。メタＩＤは、取得データに示されたインシデント情報に関するインシデントメタＩＤを有していてもよい。

取得データは、第１画像データを有する。第１画像データは、特定の計装機器及び特定の計装機器を識別するための特定の識別ラベル、を撮像した画像である。第１画像データは、例えばユーザ端末５のカメラ等により撮影された画像データである。取得データは、更にインシデント情報を有していてもよい。

図３に示すように、メタＩＤ推定処理用データベースには、評価対象情報と、メタＩＤとの間におけるメタ連関度が記憶される。メタ連関度は、評価対象情報と、メタＩＤとが紐づく度合いを示しており、例えば百分率、１０段階、又は５段階等の３段階以上で示される。例えば図３では、評価対象情報に含まれる「画像データＡ」は、メタＩＤ「ＩＤａａ」との間におけるメタ連関度「２０％」を示し、メタＩＤ「ＩＤａｂ」との間におけるメタ連関度「５０％」を示す。この場合、「ＩＤａｂ」は「ＩＤａａ」に比べて「画像データＡ」との繋がりが強いことを示す。

メタＩＤ推定処理用データベースは、例えばメタ連関度を算出できるアルゴリズムを有してもよい。メタＩＤ推定処理用データベースとして、例えば評価対象情報、メタＩＤ、及びメタ連関度に基づいて最適化された関数（分類器）が用いられてもよい。

メタＩＤ推定処理用データベースは、例えば機械学習を用いて構築される。機械学習の方法として、例えば深層学習が用いられる。メタＩＤ推定処理用データベースは、例えばニューラルネットワークで構成され、その場合、メタ連関度は隠れ層及び重み変数で示されてもよい。

参照用データベースは、コンテンツＩＤと、参照情報と、が複数記憶される。参照用データベースは、保存部１０４に記憶される。

コンテンツＩＤは、文字列からなり、１又は複数のメタＩＤに紐づけられる。コンテンツＩＤは、参照情報よりも容量が小さいものとなる。コンテンツＩＤは、参照情報に示された計装機器４を分類する装置ＩＤと、参照情報に示された計装機器４の作業手順に関する作業手順ＩＤと、を有する。コンテンツＩＤは、参照情報に示された計装機器４のインシデント情報に関するインシデントＩＤを更に有していてもよい。装置ＩＤは、メタＩＤにおける装置メタＩＤに紐づけられ、作業手順ＩＤは、メタＩＤにおける作業手順メタＩＤに紐づけられる。インシデントＩＤは、インシデントメタＩＤに紐づけられる。

参照情報は、コンテンツＩＤに対応する。１つの参照情報に対しては、１つのコンテンツＩＤが割り当てられている。参照情報は、計装機器４に関する情報を有する。参照情報は、計装機器４のマニュアル、分割マニュアル、インシデント情報、ドキュメント情報、履歴情報、プロセス情報等、を有する。参照情報は、意味のある情報がひとまとまりのデータの塊となったチャンク構造であってもよい。参照情報は、動画ファイルであってもよい。参照情報は、音声ファイルであってもよく、日本語に対応する外国語等の翻訳された音声等のファイルであってもよい。例えば、ある１ヶ国の音声言語が登録されれば、それに合わせて対応する外国語の翻訳音声ファイルが記憶されてもよい。

マニュアルは、装置情報と、作業手順情報とを有する。装置情報は、計装機器４を分類する情報であり、仕様（スペック）、操作保守マニュアル等を含む。作業手順情報は、計装機器４の作業手順に関する情報を有する。装置情報は、装置ＩＤに紐づけられ、作業手順情報は、作業手順ＩＤに紐づけられていてもよい。参照情報は、装置情報、作業手順情報を有していてもよい。

分割マニュアルは、マニュアルが所定の範囲で分割されたものである。分割マニュアルは、マニュアルが例えばページ毎、章毎、意味のある情報がひとまとまりのデータの塊となったチャンク構造毎に、分割されたものであってもよい。マニュアル、分割マニュアルは、動画であってもよいし、音声データであってもよい。

インシデント情報は、上記したように、計装機器４におけるヒヤリハットや、厚生労働省等の行政機関等が発行する計装機器４の事故事例等を含む。また、インシデント情報は、上記したように、計装機器４で生じるアラームに関するアラーム情報を含んでいてもよい。このとき、インシデント情報は、装置ＩＤ、作業手順ＩＤの少なくとも何れかに紐づけられていてもよい。

ドキュメント情報は、計装機器４の仕様書、報告書、リポート、図面等を有する。

履歴情報は、計装機器４の点検、故障、修理等の履歴に関する情報である。

プロセス情報は、計装機器４により得られる情報であり、計装機器４の指示データ、操作出力データ、設定データ、警報状態、測定データ等を示す。

情報提供システム１００は、計装機器４の画像データを有する評価対象情報と、メタＩＤと、を有する学習データが複数記憶された機械学習用のデータ構造を用いて、機械学習により構築されるメタＩＤ推定処理用データベース（第１データベース）を備え、メタＩＤは、コンテンツＩＤに紐づけられる。このため、新たに参照情報を更新する場合であっても、メタＩＤと、参照情報に対応するコンテンツＩＤと、の紐づけを変更するか、又は更新した参照情報とコンテンツＩＤとの対応関係を変更すればよく、評価対象情報とメタＩＤとの関係を新たに更新する必要がない。これにより、参照情報の更新に伴うメタＩＤ推定処理用データベースの再構築が不要となる。よって、更新作業を短時間で行うことが可能となる。

また、情報提供システム１００は、学習データは、メタＩＤを有する。このため、メタＩＤ推定処理用データベースを構築する際に、参照情報よりも容量の小さいメタＩＤを用いて、機械学習を行うことができる。これにより、参照情報を用いて機械学習を行うよりも、短時間でメタＩＤ推定処理用データベースを構築することが可能となる。

また、情報提供システム１００は、参照情報を検索する際は画像データよりも容量の小さいメタＩＤを検索クエリとして用い、参照情報よりも容量の小さいコンテンツＩＤを検索クエリに一致又は部分一致した結果として返すことになるため、検索処理におけるデータ通信量と処理時間を少なくすることができる。

また、情報提供システム１００は、機械学習用のデータ構造に基づいた機械学習を用いて参照情報を検索するシステムを作成する場合、検索キーワードに相当する取得データ（入力情報）として画像データを用いることが可能となる。このため、ユーザは検索したい情報や特定の計装機器を文字入力や音声等で言語化する必要がなく、概念や名前が分からなくても検索が可能となる。

実施形態における学習方法は、計装機器に関する作業を行うユーザが作業を実施する上で適した参照情報を選択するときに利用するメタＩＤ推定処理用データベースを構築するために用いられ、コンピュータの備える保存部１０４に記憶される、実施形態における機械学習用のデータ構造を用いて、機械学習する。このため、新たに参照情報を更新する場合であっても、メタＩＤと、参照情報に対応するコンテンツＩＤと、の紐づけを変更すればよく、評価対象情報とメタＩＤとの関係を新たに更新する必要がない。これにより、参照情報の更新に伴うメタＩＤ推定処理用データベースの再構築が不要となる。よって、更新作業を短時間で行うことが可能となる。

＜情報提供装置１＞
図５は、情報提供装置１の構成の一例を示す模式図である。情報提供装置１として、パーソナルコンピュータ（ＰＣ）のほか、スマートフォンやタブレット端末等の電子機器が用いられてもよい。情報提供装置１は、筐体１０と、ＣＰＵ１０１と、ＲＯＭ１０２と、ＲＡＭ１０３と、保存部１０４と、Ｉ／Ｆ１０５〜１０７とを備える。各構成１０１〜１０７は、内部バス１１０により接続される。

ＣＰＵ（Central Processing Unit）１０１は、情報提供装置１全体を制御する。ＲＯＭ（Read Only Memory）１０２は、ＣＰＵ１０１の動作コードを格納する。ＲＡＭ（Random Access Memory）１０３は、ＣＰＵ１０１の動作時に使用される作業領域である。保存部１０４は、機械学習用のデータ構造、取得データ、メタＩＤ推定処理用データベース、参照用データベース、後述するコンテンツデータベース、後述するシーンモデルデータベース等の各種情報が保存される。保存部１０４として、例えばＨＤＤ（Hard Disk Drive）のほか、ＳＳＤ（solid state drive）等が用いられる。

Ｉ／Ｆ１０５は、公衆通信網７を介してユーザ端末５等との各種情報の送受信を行うためのインターフェースである。Ｉ／Ｆ１０６は、入力部分１０８との各種情報の送受信を行うためのインターフェースである。入力部分１０８として、例えばキーボードが用いられ、情報提供システム１００を利用するユーザは、入力部分１０８を介して、各種情報又は情報提供装置１の制御コマンド等を入力又は選択する。Ｉ／Ｆ１０７は、出力部分１０９との各種情報の送受信を行うためのインターフェースである。出力部分１０９は、保存部１０４に保存された各種情報、又は情報提供装置１の処理状況等を出力する。出力部分１０９として、ディスプレイが用いられ、例えばタッチパネル式でもよい。この場合、出力部分１０９が入力部分１０８を含む構成としてもよい。

図５は、情報提供装置１の機能の一例を示す模式図である。情報提供装置１は、取得部１１と、メタＩＤ選択部１２と、コンテンツＩＤ選択部１３と、参照情報選択部１４と、入力部１５と、出力部１６と、記憶部１７と、制御部１８とを備える。なお、図５に示した各機能は、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、保存部１０４等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。

＜取得部１１＞
取得部１１は、取得データ等の各種情報を取得する。取得部１１は、メタＩＤ推定処理用データベースを構築するための学習データを取得する。

＜メタＩＤ選択部１２＞
メタＩＤ選択部１２は、メタＩＤ推定処理用データベースを参照し、取得データに基づいて、複数のメタＩＤのうち第１メタＩＤを選択する。メタＩＤ選択部１２は、例えば図３に示したメタＩＤ推定処理用データベースを用いた場合、取得データに含まれる「第１画像データ」と同一又は類似する評価対象情報（例えば「画像データＡ」）を選択する。また、メタＩＤ選択部１２は、例えば図３に示したメタＩＤ推定処理用データベースを用いた場合、取得データに含まれる「第１画像データ」と「インシデント情報」と同一又は類似する評価対象情報（例えば「画像データＢ」と「インシデント情報Ａ」）を選択する。

評価対象情報として、取得データと一部一致又は完全一致する情報が選択されるほか、例えば類似（同一概念等を含む）する情報が用いられる。取得データ及び評価対象情報は、それぞれ等しい特徴の情報を含むことで、選択すべき評価対象情報の精度を向上させることができる。

メタＩＤ選択部１２は、選択した評価対象情報に紐づく複数のメタＩＤのうち１以上の第１メタＩＤを選択する。例えばメタＩＤ選択部１２は、例えば図３に示したメタＩＤ推定処理用データベースを用いた場合、選択した「画像データＡ」に紐づく複数のメタＩＤ「ＩＤａａ」、「ＩＤａｂ」、「ＩＤａｃ」、「ＩＤｂａ」、「ＩＤｃａ」のうち、メタＩＤ「ＩＤａａ」、「ＩＤａｂ」、「ＩＤａｃ」を第１メタＩＤとして選択する。

なお、メタＩＤ選択部１２は、あらかじめメタ連関度に閾値を設定しておき、その閾値より高いメタ連関度を有するメタＩＤを第１メタＩＤとして選択するようにしてもよい。例えば、メタ連関度が５０％以上を閾値としたとき、メタ連関度５０％以上である「ＩＤａｂ」を第１メタＩＤとして選択するようにしてもよい。

＜コンテンツＩＤ選択部１３＞
コンテンツＩＤ選択部１３は、参照用データベースを参照し、第１メタＩＤに基づいて、複数のコンテンツＩＤのうち第１コンテンツＩＤを選択する。コンテンツＩＤ選択部１３は、例えば図３に示した参照用データベースを用いた場合、選択した第１メタＩＤ「ＩＤａａ」「ＩＤａｂ」、「ＩＤａｃ」に紐づけられるコンテンツＩＤ（例えば「コンテンツＩＤ−Ａ」「コンテンツＩＤ−Ｂ」）を第１コンテンツＩＤとして選択する。図３に示した参照用データベースでは、「コンテンツＩＤ−Ａ」は、メタＩＤ「ＩＤａａ」「ＩＤａｂ」に紐づけられ、「コンテンツＩＤ−Ｂ」は、メタＩＤ「ＩＤａａ」「ＩＤａｃ」に紐づけられる。即ち、コンテンツＩＤ選択部１３は、第１メタＩＤ「ＩＤａａ」「ＩＤａｂ」、「ＩＤａｃ」のうちの何れか及びこれらの組み合わせ、に紐づけられるコンテンツＩＤを第１コンテンツＩＤとして選択する。コンテンツＩＤ選択部１３は、第１メタＩＤを検索クエリとして用い、この検索クエリに一致又は部分一致した結果を第１コンテンツＩＤとして選択する。

また、選択した第１メタＩＤのうち装置メタＩＤがコンテンツＩＤの装置ＩＤに紐づけられ、作業手順メタＩＤがコンテンツＩＤの作業手順ＩＤに紐づけられるとき、コンテンツＩＤ選択部１３は、装置メタＩＤに紐づく装着ＩＤを有するコンテンツＩＤを、又は、作業手順メタＩＤに紐づく作業手順ＩＤを有するコンテンツＩＤを、第１コンテンツＩＤとして選択する。

＜参照情報選択部１４＞
参照情報選択部１４は、参照用データベースを参照し、第１コンテンツＩＤに基づいて、複数の参照情報のうち第１参照情報を選択する。参照情報選択部１４は、例えば図３に示した参照用データベースを用いた場合、選択した第１コンテンツＩＤ「コンテンツＩＤ−Ａ」に対応する参照情報（例えば「参照情報Ａ」）を第１参照情報として選択する。

＜入力部１５＞
入力部１５は、情報提供装置１に各種情報を入力する。入力部１５は、Ｉ／Ｆ１０５を介して学習データ、取得データ等の各種情報を入力するほか、例えばＩ／Ｆ１０６を介して入力部分１０８から各種情報を入力する。

＜出力部１６＞
出力部１６は、第１メタＩＤ、参照情報等を出力部分１０９等に出力する。出力部１６は、例えば公衆通信網７を介して、ユーザ端末５等に第１メタＩＤ、参照情報等を送信する。

＜記憶部１７＞
記憶部１７は、機械学習用のデータ構造、取得データ等の各種情報を保存部１０４に記憶し、必要に応じて保存部１０４に記憶された各種情報を取出す。また、記憶部１７は、メタＩＤ推定処理用データベース、参照用データベース、後述するコンテンツデータベース、後述するシーンモデルデータベース等の各種データベースを、保存部１０４に記憶し、必要に応じて保存部１０４に記憶された各種データベースを取出す。

＜制御部１８＞
制御部１８は、本発明を適用した機械学習用のデータ構造を用いて、第１データベースを構築するための機械学習を実行する。制御部１８は、線形回帰、ロジスティック回帰、サポートベクターマシーン、決定木、回帰木、ランダムフォレスト、勾配ブースティング木、ニューラルネットワーク、ベイズ、時系列、クラスタリング、アンサンブル学習等により機械学習を実行する。

＜計装機器４＞
計装機器４は、プラントやプロセスが使命を果たすように装備された測定装置や制御装置等の工業計器類（検出部、表示部、調整部、操作部）である。計装機器４は、ある調節計の出力が他の調節計の目標値(設定値)となるように制御するカスケード制御に用いられる計装機器であってもよい。計装機器４は、制御対象の制御出力を出している法の調節計である１次調節計であってもよいし、目標値を与えられる方の調節計である２次調節計であってもよい。計装機器４は、結果を見てから修正動作を行って制御するフィードバック制御に用いられる計装機器であってもよい。計装機器４は、外乱の影響を除去するように制御するフィードフォワード制御に用いられる計装機器であってもよい。計装機器４は、例えば、工場や製造ライン等に設置される機器である。計装機器４は、面積式流量計、タービン式流量計、容積式流量計、電磁流量計等の液体や気体の流量を測定する機器であってもよい。計装機器４は、オリフィス、ベンチュリ管、ノズル等であってもよい。計装機器４は、バルブ、アングル弁、三方弁、バタフライ弁、ダンパ、ルーパ、ボール弁等であってもよい。計装機器４は、伝送器であってもよい。計装機器４は、ダイアフラム式、電動式、電磁式、ピストン式のバルブであってもよい。計装機器４は、気圧計、真空計等の圧力を測定する機器であってもよい。計装機器４は、加速度計、慣性計装装置等の加速度を測定する機器であってもよい。計装機器４は、回路計、電流計、電圧計、抵抗計、検流計、周波数計、静電容量計、オシロスコープ、ネットワーク・アナライザ (高周波回路)、スペクトラムアナライザ、ＳＷＲ計、パワー計、ディップメータ、アンテナ・アナライザ等の電気を測定する機器であってもよい。計装機器４は、温度計、体温計等の温度を測定する機器であってもよい。計装機器４は、時計、ストップウォッチ等の時間を計測する機器であってもよい。計装機器４は、分光光度計、蛍光光度計、天体望遠鏡等の光を計測する機器であってもよい。計装機器４は、電離箱、ガイガー＝ミュラー計数管、シンチレーション検出器、半導体検出器流量計等の放射線を計測する機器であってもよい。計装機器４は、プラントやプロセスにおける各種計装機器を制御するための中央制御室にある、各種計装機器をモニタリングするモニタリング機器であってもよい。

＜ユーザ端末５＞
ユーザ端末５は、計装機器４を管理するユーザが保有する端末を示す。ユーザ端末５として、主にＨＭＤ（ヘッドマウントディスプレイ）の１種類であるホロレンズ（登録商標）であってもよい。ユーザは、ユーザ端末５の第１メタＩＤ、第１参照情報をヘッドマウントディスプレイ又はホロレンズ等の透過して表示する表示部を介して、作業エリアや特定の計装機器を透過して確認することができる。これによりユーザは、目の前の状況を確認しつつ、取得された取得データに基づいて、選択されるマニュアル等を合わせて確認することが可能となる。ユーザ端末５は、この他、携帯電話（携帯端末）、スマートフォン、タブレット型端末、ウェアラブル端末、パーソナルコンピュータ、ＩｏＴ（Internet of Things）デバイス等の電子機器のほか、あらゆる電子機器で具現化されたものが用いられてもよい。ユーザ端末５は、例えば公衆通信網７を介して情報提供装置１と接続されるほか、例えば情報提供装置１と直接接続されてもよい。ユーザは、ユーザ端末５を用いて、情報提供装置１から第１参照情報を取得するほか、例えば情報提供装置１の制御を行ってもよい。

＜サーバ６＞
サーバ６には、上述した各種情報が記憶される。サーバ６には、例えば公衆通信網７を介して送られてきた各種情報が蓄積される。サーバ６には、例えば保存部１０４と同様の情報が記憶され、公衆通信網７を介して情報提供装置１と各種情報の送受信が行われてもよい。すなわち、情報提供装置１は、保存部１０４の代わりにサーバ６を用いてもよい。

＜公衆通信網７＞
公衆通信網７は、情報提供装置１等が通信回路を介して接続されるインターネット網等である。公衆通信網７は、いわゆる光ファイバ通信網で構成されてもよい。また、公衆通信網７は、有線通信網には限定されず、無線通信網等の公知の通信網で実現してもよい。

（情報提供システム１００の動作の一例）
次に、本実施形態における情報提供システム１００の動作の一例について説明する。図７は、本実施形態における情報提供システム１００の動作の一例を示すフローチャートである。

＜取得ステップＳ１１＞
先ず、取得部１１は、取得データを取得する（取得ステップＳ１１）。取得部１１は、入力部１５を介して、取得データを取得する。取得部１１は、ユーザ端末５により撮像された第１画像データと、サーバ６等に記憶されたインシデント情報と、を有する取得データを取得する。取得部１１は、例えば記憶部１７を介して取得データを保存部１０４に保存する。

取得データは、ユーザ端末５により生成されてもよい。ユーザ端末５は、特定の計装機器及び特定の計装機器を識別するための特定の識別ラベル、を撮像した第１画像データを有する取得データを生成する。ユーザ端末５は、さらにインシデント情報を生成してもよいし、サーバ６等からインシデント情報を取得してもよい。ユーザ端末５は、第１画像データとインシデント情報とを有する取得データを生成してもよい。ユーザ端末５は、生成した取得データを情報提供装置１に送信する。入力部１５は、取得データを受信し、取得部１１は、取得データを取得する。

＜メタＩＤ選択ステップＳ１２＞
次に、メタＩＤ選択部１２は、メタＩＤ推定処理用データベースを参照し、取得データに基づいて、複数のメタＩＤのうち第１メタＩＤを選択する（メタＩＤ選択ステップＳ１２）。メタＩＤ選択部１２は、取得部１１により取得された取得データを取得し、保存部１０４に保存されたメタＩＤ推定処理用データベースを取得する。メタＩＤ選択部１２は、１つの取得データに対して１つの第１メタＩＤを選択するほか、例えば１つの取得データに対して複数の第１メタＩＤを選択してもよい。メタＩＤ選択部１２は、例えば記憶部１７を介して、選択した第１メタＩＤを保存部１０４に保存する。

メタＩＤ選択部１２は、第１メタＩＤをユーザ端末５に送信し、ユーザ端末５の表示部に表示させる。これにより、ユーザは、選択された第１メタＩＤ等を確認することができる。なお、メタＩＤ選択部１２は、第１メタＩＤを情報提供装置１の出力部分１０９に表示させてもよい。メタＩＤ選択部１２は、第１メタＩＤをユーザ端末５に送信するのを省略してもよい。

＜コンテンツＩＤ選択ステップＳ１３＞
次に、コンテンツＩＤ選択部１３は、参照用データベースを参照し、第１メタＩＤに基づいて、複数のコンテンツＩＤのうち第１コンテンツＩＤを選択する（コンテンツＩＤ選択ステップＳ１３）。コンテンツＩＤ選択部１３は、メタＩＤ選択部１２により選択された第１メタＩＤを取得し、保存部１０４に保存された参照用データベースを取得する。コンテンツＩＤ選択部１３は、第１メタＩＤに対して１つの第１コンテンツＩＤを選択するほか、例えば１つの第１メタＩＤに対して複数の第１コンテンツＩＤを選択してもよい。つまり、コンテンツＩＤ選択部１３は、第１メタＩＤを検索クエリとして用い、この検索クエリに一致又は部分一致した結果を第１コンテンツＩＤとして選択する。コンテンツＩＤ選択部１３は、例えば記憶部１７を介して、選択した第１コンテンツＩＤを保存部１０４に保存する。

＜参照情報選択ステップＳ１４＞
次に、参照情報選択部１４は、参照用データベースを参照し、第１コンテンツＩＤに基づいて、複数の参照情報のうち第１参照情報を選択する（参照情報選択ステップＳ１４）。参照情報選択部１４は、コンテンツＩＤ選択部１３により選択された第１コンテンツＩＤを取得し、保存部１０４に保存された参照用データベースを取得する。参照情報選択部１４は、１つの第１コンテンツＩＤに対応する１つの第１参照情報を選択する。参照情報選択部１４は、複数の第１コンテンツＩＤを選択したとき、それぞれの第１コンテンツＩＤに対応するそれぞれの第１参照情報を選択してもよい。これにより、複数の第１参照情報が選択される。参照情報選択部１４は、例えば記憶部１７を介して、選択した第１参照情報を保存部１０４に保存する。

例えば出力部１６が第１参照情報をユーザ端末５等に送信する。ユーザ端末５は、表示部に選択された１又は複数の第１参照情報を表示する。ユーザは、表示された１又は複数の第１参照情報から１又は複数の第１参照情報を選択することができる。これにより、ユーザは、マニュアル等を有する１又は複数の第１参照情報を把握することができる。即ち、計装機器４の画像データから、ユーザに適した第１参照情報の候補が１又は複数検索され、ユーザは検索された１又は複数の第１参照情報から選択することができるため、現場で計装機器４に関する作業を行うユーザに対するフィールドワークソリューションとして、大いに役立てることができる。

なお、情報提供装置１は、第１参照情報を出力部分１０９に表示させてもよい。以上により、本実施形態における情報提供システム１００の動作が終了する。

本実施形態によれば、メタＩＤは、参照情報に対応するコンテンツＩＤに紐づけられる。これにより、参照情報を更新するとき、参照情報に対応するコンテンツＩＤと、メタＩＤと、の紐づけを更新するか、又は、更新した参照情報とコンテンツＩＤとの対応関係を変更すればよく、学習データを新たに更新する必要がない。このため、参照情報の更新に伴うメタＩＤ推定処理用データベースの再構築が不要となる。よって、参照情報の更新に伴うデータベースの構築を短時間に行うことができる。

また、本実施形態によれば、メタＩＤ推定処理用データベースを構築するとき、参照情報よりも容量の小さいメタＩＤを用いて機械学習を行うことができる。このため、参照情報を用いて機械学習を行うよりも、短時間でメタＩＤ推定処理用データベースを構築することができる。

また、本実施形態によれば、参照情報を検索する際は画像データよりも容量の小さいメタＩＤを検索クエリとして用い、参照情報よりも容量の小さいコンテンツＩＤを検索クエリに一致又は部分一致した結果として返すことになるため、検索処理におけるデータ通信量と処理時間を少なくすることができる。

また、本実施形態によれば、機械学習用のデータ構造に基づいた機械学習を用いて参照情報を検索するシステムを作成する場合、検索キーワードに相当する取得データ（入力情報）として画像データを用いることが可能となる。このため、ユーザは検索したい情報や特定の計装機器を文字入力や音声等で言語化する必要がなく、概念や名前が分からなくても検索が可能となる。

本実施形態によれば、装置メタＩＤは、装置ＩＤに紐づけられ、作業手順メタＩＤは、作業手順メタＩＤに紐づけられる。これにより、メタＩＤに基づいてコンテンツＩＤを選択するとき、コンテンツＩＤの選択対象を狭めることができる。このため、コンテンツＩＤの選択精度を向上させることができる。

本実施形態によれば、メタＩＤは、参照情報とコンテンツＩＤとが複数記憶された、メタＩＤ推定処理用データベースとは異なる参照用データベースのコンテンツＩＤの少なくとも１つに紐づけられる。このため、メタＩＤ推定処理用データベースを更新する際に、参照用データベースを更新させる必要がない。また、参照用データベースを更新する際に、メタＩＤ推定処理用データベースを更新させる必要がない。これにより、メタＩＤ推定処理用データベース及び参照用データベースの更新作業を、短時間で行うことができる。

本実施形態によれば、参照情報は、計装機器４のマニュアルを有する。これにより、ユーザは、対象となる計装機器のマニュアルを即座に把握することができる。このため、マニュアルを探索する時間を短縮させることができる。

本実施形態によれば、参照情報は、計装機器４のマニュアルが所定の範囲で分割された分割マニュアルを有する。これにより、ユーザは、マニュアル中の該当箇所がより絞り込まれた状態のマニュアルを把握することができる。このため、マニュアル中から該当箇所を探索する時間を短縮させることができる。

本実施形態によれば、参照情報は、計装機器４のインシデント情報を更に有する。これにより、ユーザは、インシデント情報を把握することができる。このため、ユーザは、ヒヤリハットや事故に対して、即座に対応することができる。

本実施形態によれば、参照情報は、計装機器４により得られるプロセス情報を有する。これにより、ユーザは、計装機器４の状態を把握することができる。このため、ユーザは、計装機器４の点検作業等を短時間で行うことが可能となる。

本実施形態によれば、評価対象情報は、計装機器４のインシデント情報を更に有する。これにより、評価対象情報から第１メタＩＤを選択するとき、インシデント情報を考慮することができ、第１メタＩＤの選択対象を狭めることができる。このため、第１メタＩＤの選択精度を向上させることができる。

＜情報提供装置１の第１変形例＞
次に、情報提供装置１の第１変形例について、説明する。本変形例では、主に、第１取得部２１、第１評価部２２、第１生成部２３、取得部１１、メタＩＤ選択部１２、コンテンツＩＤ選択部１３が、上述した実施形態と相違する。以下では、これら相違する点について、主に説明をする。図８は、本実施形態における情報提供装置１の機能の第１変形例を示す模式図である。なお、図８に示した各機能は、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、保存部１０４等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。

図９は、本実施形態における情報提供システム１００を使用した第１変形例を示す模式図である。本変形例に係る情報提供装置１は、第１画像データと、第１シーンＩＤとを１組として有する取得データを取得する。情報提供装置１は、取得した取得データに基づいて、第１メタＩＤを選択し、ユーザ端末５に送信する。このため、本変形例に係る情報提供装置１は、第１メタＩＤの選択精度を更に向上させることができる。

＜第１取得部２１＞
第１取得部２１は、第１映像情報を取得する。第１取得部２１は、ユーザ端末５から第１映像情報を取得する。第１映像情報は、作業者によって撮影された機器や部品等であり、例えば、ＨＭＤ（ヘッドマウントディスプレイ）やホロレンズ等により撮影される。撮影された映像は、リアルタイムでサーバ６に送信されてもよい。また、撮影されている映像が、第１映像情報として取得されてもよい。第１映像情報は、例えば、フィールドのユーザが備えるユーザ端末５のカメラ等により撮影された映像である。第１映像情報は、例えば、静止画、動画、何れであっても良く、ユーザによる撮影、又はユーザ端末５の設定で、自動的に撮像されてもよい。さらに、ユーザ端末５のメモリ等に記録されている映像情報に読み込ませたり、公衆通信網７経由で取得する等してもよい。

＜第１評価部２２＞
第１評価部２２は、シーンモデルデータベースを参照し、第１映像情報とシーンＩＤを含むシーン情報との間における第１シーン連関度を含むシーンＩＤリストを取得する。第１評価部２２は、シーンモデルデータベースを参照し、取得した第１映像情報と一致、一部一致、又は類似する過去の第１映像情報を選択し、選択された過去の第１映像情報に紐づけられたシーンＩＤを含むシーン情報を選択し、選択された過去の第１映像情報とシーン情報との間におけるシーン連関度に基づいて第１シーン連関度を算出する。第１評価部２２は、算出された第１シーン連関度を含むシーンＩＤを取得し、シーンＩＤリストに基づいて選択されたシーン名リストを、ユーザ端末５に表示する。

図１０は、本実施形態におけるシーンモデルデータベースの一例を示す模式図である。シーンモデルデータベースは、保存部１０４に記憶される。シーンモデルデータベースは、予め取得された過去の第１映像情報、過去の第１映像情報に紐づけられたシーンＩＤを含むシーン情報、及び、過去の第１映像情報とシーン情報との間における３段階以上のシーン連関度が記憶される。

シーンモデルデータベースは、例えばニューラルネットワーク等の任意のモデルが用いられ、機械学習により構築される。シーンモデルデータベースは、機械学習により取得された第１映像情報と過去の第１映像情報とシーンＩＤとの評価結果により構築され、例えば、各々の関係がシーン連関度として記憶される。シーン連関度は、過去の第１映像情報とシーン情報との繋がりの度合いを示しており、例えばシーン連関度が高いほど過去の第１映像情報とシーン情報との繋がりが強いと判断することができる。シーン連関度は、例えば百分率等の３値以上（３段階以上）で示されるほか、２値（２段階）で示されてもよい。例えば、過去の第１映像情報の『０１』は、シーンＩＤ『Ａ』とは７０％のシーン連関度であり、シーンＩＤ『Ｄ』とは５０％、シーンＩＤ『Ｃ』とは１０％等として記憶される。ユーザ端末５から取得された第１映像情報は、機械学習により、例えば、予め取得された過去の第１映像情報と類似性等の評価結果が構築される。例えば、深層学習を行うことで、同一ではなく類似の情報に対しても対応可能となる。

シーンモデルデータベースは、シーンＩＤリストと、シーン名リストが記憶される。シーンＩＤリストは、例えば、算出された第１シーン連関度と、シーンＩＤとを示す。シーンモデルデータベースは、この評価された結果であるリスト化された内容を記憶する。リスト化された内容は、例えば、『シーンＩＤ Ａ：７０％』、『シーンＩＤ Ｂ：５０％』等、シーン連関度の高い関係性を表すシーンＩＤである。

シーン名リストは、後述する第１生成部２３により生成される。例えば、シーンＩＤリストには、第１評価部２２によってシーンＩＤに対応するシーン名が取得され、それらをシーン名リストに記憶する。シーンモデルデータベースに記憶されたシーン名リストは、その後の処理でユーザ端末５に送信される。ユーザは、ユーザ端末５により受信されたシーン名リストを参照し、第１映像情報に対応するシーンを把握する。

なお、シーンモデルデータベースの更新や登録されているデータの修正や追加等のため、シーンモデルデータベースに第１映像情報に対応するシーン情報、及びシーンＩＤに対応するシーン名が存在しない場合は、別視野における第１映像情報の取得処理を行う、又は未対応時の代替対応として準備されているシーン情報又はシーンＩＤを新たに対応づけ、対応づけたれた代替シーンを加えたシーン名リストを生成し、ユーザ端末５に送信するようにしてもよい。

＜第１生成部２３＞
第１生成部２３は、第１評価部２２により取得されたシーンＩＤリストに対応するシーン名リストを生成する。生成されるシーン名リストは、例えば、『シーンＩＤ』、『シーン連関度』等を有する。

シーンＩＤは、例えば、図１１に示すシーンモデルテーブルと、図１２に示すシーン用コンテンツモデルテーブル（ＯＦＥ）と、に関連付けられる。シーンモデルテーブルには、例えば、シーンＩＤ、学習モデル等が記憶され、シーン用コンテンツモデルテーブルには、コンテンツＩＤ、学習モデル等が記憶される。第１生成部２３は、これらの情報に基づいてシーン名リストを生成する。

図１１に示すシーンモデルテーブルは、シーンモデルデータベースに記憶される。シーンモデルテーブルには、例えば、ユーザがフィールドで行う各作業を識別するシーンＩＤとそのシーンＩＤに対応する学習モデルが対応づけられて記憶される。シーンＩＤは、複数存在し、その各シーンＩＤに対応する映像情報の学習モデルが対応づけられて記憶される。

図１２に示すシーン用コンテンツモデルテーブルは、各シーンＩＤにおけるコンテンツＩＤと学習モデルが対応づけられて記憶される。図１２に示すシーン用コンテンツモデルテーブルでは、例えば、シーンＩＤが『ＯＦＥ』の例であり、様々なシーンごとに対応するコンテンツＩＤが分かれて記憶される。コンテンツＩＤは、複数存在し、その各シーンに対応する映像情報の学習モデルが対応づけられて記憶される。なお、コンテンツＩＤは、シーン無指定のコンテンツを含んでもよい。この場合は、コンテンツＩＤには『ＮＵＬＬ』が記憶される。

図１３は、シーンテーブルの一例を示す模式図である。図１３に示すシーンテーブルは、シーンモデルデータベースに記憶される。シーンテーブルには、例えば、ユーザがフィールドで行う各作業の映像情報の概略と、その概略の作業を識別するシーンＩＤが対応づけられて記憶される。シーンＩＤは複数存在し、その各シーンＩＤに対応するシーン名が対応づけられて記憶される。

＜取得部１１＞
取得部１１は、第１画像データと、シーン名リストから選択されたシーン名に対応する第１シーンＩＤと、を１組として有する取得データを取得する。

＜メタＩＤ選択部１２＞
図１４は、本実施形態における情報提供システムを使用した変形例を示す模式図である。メタＩＤ選択部１２は、メタＩＤ推定処理用データベースを参照し、取得データに基づいて、複数のメタＩＤを抽出し、複数のメタＩＤを含むメタＩＤリストを生成する。メタＩＤリストは、複数のメタＩＤがリスト化されている。メタＩＤ選択部１２は、メタＩＤリストに対応する参照サマリーリストを生成する。詳細には、メタＩＤ選択部１２は、コンテンツデータベースを参照し、生成したメタＩＤリストに含まれるそれぞれのメタＩＤに紐づくコンテンツＩＤを取得する。

図１５は、コンテンツデータベースの一例を示す模式図である。コンテンツデータベースには、メタＩＤと、コンテンツＩＤと、メタＩＤとコンテンツＩＤとの間におけるコンテンツ連関度が記憶されてもよい。コンテンツ連関度は、メタＩＤと、コンテンツＩＤとが紐づく度合いを示しており、例えば百分率、１０段階、又は５段階等の３段階以上で示される。例えば図１５では、メタＩＤに含まれる「ＩＤａａ」は、コンテンツＩＤに含まれる「コンテンツＩＤ−Ａ」との間における連関度「６０％」を示し、「コンテンツＩＤ−Ｂ」との間における連関度「４０％」を示す。この場合、「ＩＤａａ」は「コンテンツＩＤ−Ｂ」に比べて「コンテンツＩＤ−Ａ」との繋がりが強いことを示す。

コンテンツデータベースは、例えばコンテンツ連関度を算出できるアルゴリズムを有してもよい。コンテンツデータベースとして、例えばメタＩＤ、コンテンツＩＤ、及びコンテンツ連関度に基づいて最適化された関数（分類器）が用いられてもよい。

コンテンツデータベースは、例えば機械学習を用いて構築される。機械学習の方法として、例えば深層学習が用いられる。コンテンツデータベースは、例えばニューラルネットワークで構成され、その場合、連関度は隠れ層及び重み変数で示されてもよい。

メタＩＤ選択部１２は、コンテンツ連関度を参照し、メタＩＤリストに含まれる複数のメタＩＤに紐づくコンテンツＩＤを取得してもよい。例えば、メタＩＤ選択部１２は、メタＩＤからコンテンツ連関度の高いコンテンツＩＤを取得してもよい。

メタＩＤ選択部１２は、サマリーテーブルを参照し、取得したコンテンツＩＤに対応する参照情報のサマリーを取得する。図１６は、サマリーテーブルの一例を示す。サマリーテーブルは、コンテンツＩＤとコンテンツＩＤに対応する参照情報のサマリーとを複数含む。サマリーテーブルは、保存部１０４に記憶される。参照情報のサマリーは、参照情報を要約した内容等を示す。

メタＩＤ選択部１２は、取得した参照情報のサマリーに基づいて、参照サマリーリストを生成する。図１７は、参照サマリーリストの一例を示す。参照サマリーリストは、参照情報のサマリーと、参照情報のサマリーに対応するメタＩＤとを複数含む。メタＩＤ選択部１２は、参照サマリーリストをユーザ端末５に送信する。ユーザ端末５は、送信された参照サマリーリストから参照情報のサマリーを選択し、選択した参照情報のサマリーからメタＩＤを選択し、選択したメタＩＤを情報提供装置１に送信する。そして、メタＩＤ選択部１２は、ユーザ端末５により参照サマリーリストから選択されたメタＩＤを第１メタＩＤとして選択する。

＜コンテンツＩＤ選択部１３＞
コンテンツＩＤ選択部１３は、参照用データベースとコンテンツデータベースとを参照し、第１メタＩＤに基づいて、複数のコンテンツＩＤのうち第１コンテンツＩＤを選択する。コンテンツＩＤ選択部１３は、例えば図１４に示したコンテンツデータベースを用いた場合、第１メタＩＤ「ＩＤａａ」に紐づけられるコンテンツＩＤ（例えば「コンテンツＩＤ−Ａ」「コンテンツＩＤ−Ｂ」等）を第１コンテンツＩＤとして選択する。このとき、コンテンツ連関度の高い（例えばコンテンツ連関度が６０％である）「コンテンツＩＤ−Ａ」を選択するようにしてもよい。コンテンツ連関度にあらかじめ閾値を設定しておき、その閾値より高いコンテンツ連関度を有するコンテンツＩＤを第１コンテンツＩＤとして選択するようにしてもよい。

（情報提供システム１００の動作の第１変形例）
次に、本実施形態における情報提供システム１００の動作の第１変形例について説明する。図１８は、本実施形態における情報提供システム１００の動作の第１変形例を示すフローチャートである。

＜第１取得ステップＳ２１＞
まず、第１取得部２１は、ユーザ端末５から第１映像情報を取得する（第１取得ステップＳ２１）。第１取得部２１は、ユーザ端末５により特定の計装機器４の映像情報が撮影された第１映像情報を取得する。

＜第１評価ステップＳ２２＞
次に、第１評価部２２は、シーンモデルデータベースを参照し、取得した第１映像情報とシーン情報との間における第１シーン連関度を含むシーンＩＤリストを取得する（第１評価ステップＳ２２）。

＜第１生成ステップＳ２３＞
次に、第１生成部２３は、第１評価部２２で取得されたシーンＩＤリストに対応するシーン名リストを生成する（第１生成ステップＳ２３）。第１生成部２３は、例えば、図１３に示すシーンテーブルを参照し、取得したシーンＩＤリストに対応するシーン名リストを生成する。例えば、第１評価部２２で取得されたシーンＩＤリストに含まれるシーンＩＤが『０ＦＤ』の場合、シーン名として『ABC-999装置の再起動』というシーン名が選択される。例えば、シーンＩＤが『ＯＦＥ』の場合、シーン名として『ABC-999装置のメモリを取り外す』というシーン名が選択されることとなる。

＜取得ステップＳ２４＞
次に、取得部１１は、第１画像データと、シーン名リストから選択されたシーン名に対応する第１シーンＩＤと、を１組として有する取得データを取得する（取得ステップＳ２４）。シーン名リストから選択されたシーン名に対応するシーンＩＤが第１シーンＩＤとなる。

＜メタＩＤ選択ステップＳ２５＞
次に、メタＩＤ選択部１２は、取得データに基づいて、複数のメタＩＤを抽出し、複数のメタＩＤを含むメタＩＤリストを生成する（メタＩＤ選択ステップＳ２５）。メタＩＤ選択部１２は、メタＩＤリストに対応する参照サマリーリストを生成する。メタＩＤ選択部１２は、生成した参照サマリーリストをユーザ端末５に送信する。そして、ユーザ端末５は、送信された参照サマリーリストから１又は複数の参照情報のサマリーと、この参照情報のサマリーに対応するメタＩＤと、を選択する。ユーザ端末５は、選択した参照情報のサマリーと、メタＩＤと、を情報提供装置１に送信する。そして、メタＩＤ選択部１２は、ユーザ端末５により参照サマリーリストから選択されたメタＩＤを第１メタＩＤとして選択する。

＜コンテンツＩＤ選択ステップＳ２６＞
次に、コンテンツＩＤ選択部１３は、参照用データベースとコンテンツデータベースとを参照し、第１メタＩＤに基づいて、複数のコンテンツＩＤのうち第１コンテンツＩＤを選択する（コンテンツＩＤ選択ステップＳ２６）。コンテンツＩＤ選択部１３は、メタＩＤ選択部１２により選択された第１メタＩＤを取得し、保存部１０４に保存された参照用データベースとコンテンツデータベースとを取得する。コンテンツＩＤ選択部１３は、第１メタＩＤに対して１つの第１コンテンツＩＤを選択するほか、例えば１つの第１メタＩＤに対して複数の第１コンテンツＩＤを選択してもよい。コンテンツＩＤ選択部１３は、例えば記憶部１７を介して、選択した第１コンテンツＩＤを保存部１０４に保存する。

その後、上述した参照情報選択ステップＳ１４を行い、完了する。

本変形例によれば、メタＩＤ選択部１２は、複数のメタＩＤのうち、複数の第１メタＩＤを抽出し、複数の第１メタＩＤを含むメタＩＤリストを生成し、メタＩＤリストに対応する参照サマリーリストを生成し、参照サマリーリストから選択された第１メタＩＤを選択する。これにより、参照サマリーリストに基づいて、第１メタＩＤを選択することができる。このため、第１メタＩＤの選択精度を向上させることができる。

本変形例によれば、取得部１１は、第１画像データと、シーン名リストから選択されたシーン名に対応する第１シーンＩＤと、を１組として有する取得データを取得する。これにより、第１シーンＩＤを考慮して、メタＩＤを選択することができる。このため、メタＩＤの選択精度を向上させることができる。

本変形例によれば、コンテンツＩＤ選択部１３は、参照用データベースとコンテンツデータベースとを参照し、第１メタＩＤに基づいて、複数のコンテンツＩＤのうち第１コンテンツＩＤを選択する。これにより、メタＩＤに基づいてコンテンツＩＤを選択するとき、コンテンツ連関度を参照してコンテンツＩＤの選択対象を更に狭めることができる。このため、第１コンテンツＩＤの選択精度を更に向上させることができる。

図１９は、本実施形態における情報提供システム１００を使用した変形例を示す模式図である。計装機器４１、４２は、例えば、プラントや工場等に設置される計装機器であり、プロセスＰ内で互いに接続される。

情報提供装置１は、計装機器４１の第１画像データを有する取得データを取得する。情報提供装置１は、取得した取得データに基づいて、第１メタＩＤを選択し、ユーザ端末５に送信する。情報提供装置１は、ユーザ端末５から第１メタＩＤを取得する。情報提供装置１は、取得した第１メタＩＤに基づいて、第１参照情報を選択し、ユーザ端末５に送信する。

このとき、参照情報は、計装機器４１と同一のプロセスＰ内に接続された他の計装機器４２に関する第２計装機器情報を有していてもよい。第２計装機器情報は、他の計装機器４２のマニュアル、分割マニュアル、インシデント情報、ドキュメント情報、履歴情報、プロセス情報等、を有する。

本実施形態によれば、参照情報は、計装機器４１と同一のプロセスＰ内に接続された他の計装機器４２に関する第２計装機器情報を有する。これにより、ユーザは、計装機器４１の同一のプロセスＰにおける他の計装機器４２の情報を把握できる。このため、ユーザは、プロセスＰの点検作業等を短時間で行うことが可能となる。

本実施形態によれば、第２計装機器情報は、計装機器４１と同一のプロセスＰ内に接続された他の計装機器４２により得られるプロセス情報を有する。これにより、ユーザは、他の計装機器４２の状態を把握することができる。このため、ユーザは、他の計装機器４２の点検作業等を短時間で行うことが可能となる。

＜情報提供装置１の第２変形例＞
次に、情報提供装置１の第２変形例について、説明する。本変形例では、主に、外部情報取得部３１と、外部情報比較部３２と、外部情報類似度算出部３３と、チャンク参照情報抽出部３４と、チャンク参照情報類似度算出部３５と、を更に備える点で、上述した実施形態と相違する。また、保存部１０４に、更にコンテンツ関連性データベースと、外部情報類似度算出用データベースと、チャンク参照情報類似度推定処理用データベースとが、保存される点で、上述した実施形態と相違する。以下では、これら相違する点について、主に説明をする。図２０は、本実施形態における情報提供装置１の機能の第２変形例を示す模式図である。なお、図２０に示した各機能は、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、保存部１０４等に記憶されたプログラムを実行することにより実現される。また、各機能は、例えば人工知能により制御されてもよい。ここで、「人工知能」は、いかなる周知の人工知能技術に基づくものであってもよい。

図２１は、本実施形態における情報提供システム１００を使用した第２変形例を示す模式図である。本変形例に係る情報提供装置１は、特定の外部情報ｘを取得する。情報提供装置１は、取得した特定の外部情報ｘに対する外部情報類似度を算出する。情報提供装置１は、算出された外部情報類似度に基づいて、複数の外部情報から第１外部情報ｂ１を選択する。情報提供装置１は、コンテンツ関連性データベースを参照し、選択された第１外部情報ｂ１に対応するチャンク参照情報Ｂ１を第１チャンク参照情報Ｂ１として抽出する。これにより、取得した特定の外部情報ｘに類似する外部情報ｂ１に対応するチャンク参照情報Ｂ１が、特定の外部情報ｘに基づく変更箇所であることを把握することができる。このため、参照情報を編集等の更新する際に、第１チャンク参照情報Ｂ１を更新するだけでよく、参照情報の更新作業を短時間で行うことができる。

また、情報提供装置１は、チャンク参照情報類似度推定処理用データベースを参照し、第１チャンク参照情報Ｂ１に対するチャンク参照情報類似度を算出する。情報提供装置１は、算出されたチャンク参照情報類似度に基づいて、第１チャンク参照情報Ｂ１とは異なる第２チャンク参照情報Ｂ２を抽出する。これにより、第１チャンク参照情報Ｂ１に類似する第２チャンク参照情報Ｂ２も、特定の外部情報ｘに基づく変更箇所であることを把握することができる。このため、参照情報を編集等の更新する際に、第１チャンク参照情報と第２チャンク参照情報とを更新するだけでよく、参照情報の更新作業を短時間で行うことができる。

＜コンテンツ関連性データベース＞
図２２は、コンテンツ関連性データベースの一例を示す模式図である。コンテンツ関連性データベースは、参照情報をチャンク構造に分割した複数のチャンク参照情報と、チャンク参照情報の作成に用いられた外部情報とが記憶される。

チャンク参照情報は、文章情報を含む。チャンク参照情報は、更に図表情報を含んでもよい。チャンク参照情報は、チャンク参照情報を識別するための文字列からなるチャンク参照情報ラベルを含んでいてもよい。チャンク参照情報は、例えば参照情報が計装機器のマニュアルである場合、このマニュアルが意味のある情報がひとまとまりのデータの塊となったチャンク構造に分割された情報である。チャンク参照情報は、例えばマニュアル等の文章毎、章毎、段落毎、ページ毎等のチャンク構造に分割された情報である。

外部情報は、文章情報を含む。外部情報は、更に図表情報を含んでもよい。外部情報は、外部情報を識別するための文字列からなる外部情報ラベルを含んでいてもよい。外部情報は、チャンク参照情報に１対１で対応して、コンテンツ関連性データベースに記憶される。外部情報は、例えば参照情報が計装機器等の装置のマニュアルである場合、このマニュアルの作成に用いられた仕様書等が、ひとまとまりのデータの塊となったチャンク構造に分割された情報である。外部情報は、例えば仕様書等の文章毎、章毎、段落毎、ページ毎等のチャンク構造に分割された情報である。外部情報は、参照情報の作成に用いられる情報として、仕様書がチャンク構造に分割されたもののほか、例えば、インシデント情報、各種論文、参照情報の原典となる情報等がチャンク構造に分割されたものであってもよい。また、チャンク参照情報が日本語等の第１言語で作成されている場合、外部情報は第１言語とは異なる英語等の第２言語で作成されるものであってもよい。

図２３は、外部情報類似度算出用データベースの一例を示す模式図である。図２４は、チャンク参照情報類似度算出用データベースの一例を示す模式図である。

＜外部情報類似度算出用データベース＞
外部情報類似度算出用データベースは、外部情報を用いて機械学習により構築される。機械学習の方法として、例えば外部情報をベクトル化した上で教師データとして学習させる。ベクトル化された外部情報は、外部情報における外部情報ラベルに対応させて、外部情報類似度算出用データベースに記憶される。ベクトル化された外部情報は、外部情報に対応させて、外部情報類似度算出用データベースに記憶されてもよい。

＜チャンク参照情報類似度推定処理用データベース＞
チャンク参照情報類似度推定処理用データベースは、チャンク参照情報を用いて機械学習により構築される。機械学習の方法として、例えばチャンク参照情報をベクトル化した上で教師データとして学習させる。ベクトル化されたチャンク参照情報は、チャンク参照情報におけるチャンク参照情報ラベルに対応させて、チャンク参照情報類似度推定処理用データベースに記憶される。ベクトル化されたチャンク参照情報は、チャンク参照情報に対応させて、チャンク参照情報類似度推定処理用データベースに記憶されてもよい。

＜外部情報取得部３１＞
外部情報取得部３１は、外部情報、特定の外部情報等の各種情報を取得する。特定の外部情報は、これから外部情報類似度を算出すべき対象となる外部情報である。

＜外部情報比較部３２＞
外部情報比較部３２は、コンテンツ関連性データベースに記憶された外部情報と、外部情報取得部３１により取得した特定の外部情報と、を比較する。外部情報比較部３２は、外部情報と、特定の外部情報と、が一致するか、一致しないか、を判定する。

図２３の例では、外部情報取得部３１により取得した特定の外部情報が「外部情報ｘ」、「外部情報ａ１」、「外部情報ｃ１」を含むとする。そして、外部情報比較部３２は、特定の外部情報に含まれる「外部情報ｘ」、「外部情報ａ１」、「外部情報ｃ１」と、コンテンツ関連性データベースに記憶された外部情報と、を比較する。コンテンツ関連性データベースには、「外部情報ａ１」「外部情報ｃ１」が記憶され、「外部情報ｘ」が記憶されていないとする。このとき、外部情報比較部３２は、特定の外部情報に含まれる「外部情報ａ１」「外部情報ｃ１」がコンテンツ関連性データベースに記憶された外部情報に一致すると判定する。また、外部情報比較部３２は、「外部情報ｘ」がコンテンツ関連性データベースに記憶された外部情報に一致しないと判定する。

＜外部情報類似度算出部３３＞
外部情報類似度算出部３３は、外部情報比較部３２により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報類似度算出用データベースに記憶された外部情報と、外部情報取得部３１により取得された特定の外部情報と、の類似度を示す外部情報類似度を算出する。外部情報類似度算出部３３は、外部情報の特徴量を用いて、外部情報類似度算出する。外部情報の特徴量として、例えば外部情報がベクトル化されて表現されてもよい。外部情報類似度算出部３３は、特定の外部情報をベクトル化した上で、外部情報類似度算出用データベース内でベクトル化された外部情報とのベクトル演算により、特定の外部情報と外部情報との外部情報類似度を算出する。

なお、外部情報類似度算出部３３は、外部情報比較部３２により外部情報と特定の外部情報とが一致する場合、外部情報類似度の算出を行わない。

外部情報類似度は、特定の外部情報と、外部情報とが類似する度合いを示しており、例えば「０．９７」等の０〜１までの１００段階の小数、百分率、１０段階、又は５段階等の３段階以上で示される。

図２３の例では、外部情報比較部３２により特定の外部情報に含まれる「外部情報ｘ」とコンテンツ関連性データベースに記憶された外部情報と一致しない。かかる場合、外部情報類似度算出部３３は、外部情報類似度算出用データベースを参照し、特定の外部情報に含まれる「外部情報ｘ」と、外部情報類似度算出用データベースに記憶された「外部情報ａ１」、「外部情報ｂ１」、「外部情報ｃ１」、「外部情報ｂ２」と、それぞれ外部情報類似度を算出する。「外部情報ｘ」と、「外部情報ａ１」との外部情報類似度は、「外部情報ｘの特徴量ｑ２」と「外部情報ａ１の特徴量ｐ１」の内積を演算して、例えば「０．２０」として算出される。同様に「外部情報ｘ」と、「外部情報ａ１」との外部情報類似度は、「０．９８」である。「外部情報ｘ」と、「外部情報ａ１」との外部情報類似度は、「０．３３」である。「外部情報ｘ」と、「外部情報ａ１」との外部情報類似度は、「０．８５」である。この場合、「外部情報ｘ」は、例えば「外部情報ａ１」に比べて「外部情報ｂ１」と類似していることを示す。

＜チャンク参照情報抽出部３４＞
チャンク参照情報抽出部３４は、算出された外部情報類似度に基づいて、複数の外部情報から第１外部情報を選択し、コンテンツ関連性データベースを参照し、選択した第１外部情報に対応するチャンク参照情報を第１チャンク参照情報として抽出する。チャンク参照情報抽出部３４は、複数の外部情報から１つの第１外部情報を選択したとき、選択した１つの第１外部情報に対応する１つのチャンク参照情報を第１チャンク参照情報として抽出する。また、チャンク参照情報抽出部３４は、複数の第１外部情報を選択したとき、選択したそれぞれの第１外部情報に対応するチャンク参照情報をそれぞれ第１チャンク参照情報として抽出してもよい。

チャンク参照情報抽出部３４は、算出された外部情報類似度に基づいて、複数の外部情報に含まれるそれぞれの外部情報ラベルから、第１外部情報として選択してもよい。チャンク参照情報抽出部３４は、選択した外部情報ラベル（第１外部情報）から、コンテンツ関連性データベースに記憶された外部情報ラベルに対応するチャンク参照情報を第１チャンク参照情報として抽出してもよい。例えば、チャンク参照情報抽出部３４は、外部情報ラベル２１を選択し、選択した外部情報ラベル２１から、コンテンツ関連性データベースに記憶された外部情報ラベル２１に対応するチャンク参照情報Ｂ１を第１チャンク参照情報として抽出してもよい。外部情報ラベルは、文字列からなるため、文章情報を有する外部情報を記憶させるよりも、外部情報類似度算出用データベースの容量を低減することができる。

図２３の例では、チャンク参照情報抽出部３４は、外部情報類似度を算出した結果、「外部情報ａ１」、「外部情報ｂ１」、「外部情報ｃ１」、「外部情報ｂ２」のうち最も高い外部情報類似度を算出した「外部情報ｂ１」を第１外部情報として選択する。第１外部情報として選択するとき、外部情報類似度に閾値を設定し、その閾値以上又は以下の外部情報類似度を算出した外部情報を選択してもよい。この閾値は、ユーザ側で適宜設定することができる。

そして、チャンク参照情報抽出部３４は、コンテンツ関連性データベースを参照し、第１外部情報として選択した「外部情報ｂ１」に対応する「チャンク参照情報Ｂ１」を第１チャンク参照情報として抽出する。

更に、チャンク参照情報抽出部３４は、後述するチャンク参照情報類似度に基づいて、コンテンツ関連性データベースから、第１チャンク参照情報とは異なる第２チャンク参照情報を更に１又は複数抽出する。

チャンク参照情報抽出部３４は、算出されたチャンク参照情報類似度に基づいて、複数のチャンク参照情報に含まれるチャンク参照情報ラベルから、１又は複数のチャンク参照情報ラベルを選択してもよい。チャンク参照情報抽出部３４は、選択したチャンク参照情報ラベルから、コンテンツ関連性データベースに記憶されたチャンク参照情報ラベルに対応するチャンク参照情報を、第２チャンク参照情報として抽出してもよい。例えば、チャンク参照情報抽出部３４は、チャンク参照情報ラベル１２２を選択し、選択した外部情報ラベル１２２から、コンテンツ関連性データベースに記憶されたチャンク参照情報ラベル１２２に対応するチャンク参照情報Ｂ２を第２チャンク参照情報として抽出してもよい。チャンク参照情報ラベルは、文字列からなるため、文章情報を有するチャンク参照情報を記憶させるよりも、チャンク参照情報類似度算出用データベースの容量を低減することができる。

＜チャンク参照情報類似度算出部３５＞
チャンク参照情報類似度算出部３５は、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報と、チャンク参照情報抽出部３４により抽出された第１チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出する。チャンク参照情報類似度算出部３５は、チャンク参照情報の特徴量を用いて、チャンク参照情報類似度を算出する。チャンク参照情報の特徴量として、例えばチャンク参照情報がベクトル化されて表現されてもよい。チャンク参照情報類似度算出部３５は、特定のチャンク参照情報をベクトル化した上で、チャンク参照情報類似度推定処理用データベース内でベクトル化されたチャンク参照情報とのベクトル演算により、特定のチャンク参照情報とチャンク参照情報とのチャンク参照情報類似度を算出する。

チャンク参照情報類似度は、第１チャンク参照情報と、チャンク参照情報とが類似する度合いを示しており、例えば「０．９７」等の０〜１までの１００段階の小数、百分率、１０段階、又は５段階等の３段階以上で示される。

図２４の例では、チャンク参照情報類似度算出部３５は、チャンク参照情報類似度算出用データベースを参照し、チャンク参照情報抽出部３４により第１チャンク参照情報として抽出された「チャンク参照情報Ｂ１」と、チャンク参照情報類似度算出用データベースに記憶された「チャンク参照情報Ａ１」、「チャンク参照情報Ｂ１」、「チャンク参照情報Ｃ１」、「チャンク参照情報Ｂ２」と、それぞれチャンク参照情報類似度を算出する。「チャンク参照情報Ｂ１」と、「チャンク参照情報Ａ１」とのチャンク参照情報類似度は、「チャンク参照情報Ｂ１の特徴量Ｑ１」と「チャンク参照情報Ａ１の特徴量Ｐ１」の内積を演算して、例えば「０．３０」と算出される。同様に、「チャンク参照情報Ｂ１」と、「チャンク参照情報Ｂ１」とのチャンク参照情報類似度は、「１．００」である。「チャンク参照情報Ｂ１」と、「チャンク参照情報Ｃ１」とのチャンク参照情報類似度は、「０．２０」である。「チャンク参照情報Ｂ１」と、「チャンク参照情報Ｂ２」とのチャンク参照情報類似度は、「０．９５」である。この場合、「チャンク参照情報Ｂ１」は、例えば「チャンク参照情報Ａ１」に比べて「チャンク参照情報Ｂ２」と類似していることを示す。

上述したとおり、チャンク参照情報抽出部３４は、チャンク参照情報類似度に基づいて、第１チャンク参照情報とは異なる第２チャンク参照情報を更に１又は複数抽出する。

図２４の例では、チャンク参照情報抽出部３４は、チャンク参照情報類似度を算出した結果、「チャンク参照情報Ａ１」、「チャンク参照情報Ｂ１」、「チャンク参照情報Ｃ１」、「チャンク参照情報Ｂ２」のうち所定のチャンク参照情報類似度を算出した「チャンク参照情報Ｂ２」を第２チャンク参照情報として抽出する。第２チャンク参照情報を選択するとき、チャンク参照情報類似度に閾値を設定し、その閾値以上又は以下の外部情報類似度を算出したチャンク参照情報を選択してもよい。この閾値は、ユーザ側で適宜設定することができる。なお、チャンク参照情報類似度「１．００」を算出したチャンク参照情報については、第１チャンク参照情報に一致することになるため、第２チャンク参照情報として選択されるのを除外してもよい。

（情報提供システム１００の動作の第２変形例）
次に、本実施形態における情報提供システム１００の動作の第２変形例について説明する。図２５は、本実施形態における情報提供システム１００の動作の第２変形例を示すフローチャートである。

＜外部情報取得ステップＳ３１＞
外部情報取得部３１は、例えば仕様書等がチャンク構造に分割された外部情報を特定の外部情報として１又は複数取得する（外部情報取得ステップＳ３１）。外部情報取得ステップＳ３１は、参照情報選択ステップＳ１４の後に行われる。

＜外部情報比較ステップＳ３２＞
次に、外部情報比較部３２は、コンテンツ関連性データベースに記憶された外部情報と、外部情報取得部３１により取得した特定の外部情報と、を比較する（外部情報比較ステップＳ３２）。外部情報比較部３２は、外部情報と、特定の外部情報と、が一致するか、一致しないか、を判定する。

＜外部情報類似度算出ステップＳ３３＞
次に、外部情報類似度算出部３３は、外部情報比較部３２により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報類似度算出用データベースに記憶された外部情報と、外部情報取得部３１により取得された特定の外部情報と、の類似度を示す外部情報類似度を算出する（外部情報類似度算出ステップＳ３３）。

＜第１チャンク参照情報抽出ステップＳ３４＞
チャンク参照情報抽出部３４は、算出された外部情報類似度に基づいて、複数の外部情報から第１外部情報を選択し、コンテンツ関連性データベースを参照し、選択した第１外部情報に対応するチャンク参照情報を第１チャンク参照情報として抽出する（第１チャンク参照情報抽出ステップＳ３４）。

＜チャンク参照情報類似度算出ステップＳ３５＞
次に、チャンク参照情報類似度算出部３５は、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報類似度推定処理用データベースに記憶されたチャンク参照情報と、チャンク参照情報抽出部３４により抽出された第１チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出する（チャンク参照情報類似度算出ステップＳ３５）。

＜第２チャンク参照情報抽出ステップＳ３６＞
次に、チャンク参照情報抽出部３４は、チャンク参照情報類似度に基づいて、第１チャンク参照情報とは異なる第２チャンク参照情報を更に１又は複数抽出する（第２チャンク参照情報抽出ステップＳ３６）。

以上で、情報提供システム１００の動作の第２変形例が完了する。

本実施形態によれば、参照情報がチャンク構造に分割された複数のチャンク参照情報と、各々のチャンク参照情報に対応するとともにチャンク参照情報の作成に用いられた外部情報と、が記憶されるコンテンツ関連性データベースと、複数の外部情報を用いて機械学習により構築される外部情報類似度算出用データベースと、特定の外部情報を取得する外部情報取得部３１と、外部情報と、特定の外部情報とを比較する外部情報比較手段と、外部情報比較部３２により外部情報と特定の外部情報とが一致しない場合、外部情報類似度算出用データベースを参照し、外部情報と、特定の外部情報と、の類似度を示す外部情報類似度を算出する外部情報類似度算出部３３と、外部情報類似度に基づいて、複数の外部情報から第１外部情報を選択し、コンテンツ関連性データベースを参照し、第１外部情報に対応するチャンク参照情報を第１チャンク参照情報として抽出するチャンク参照情報抽出部３４と、を備える。

本実施形態によれば、外部情報類似度算出部３３は、外部情報比較部３２によりコンテンツ関連性データベースに記憶された外部情報に一致しない特定の外部情報について、外部情報類似度の算出を行う。すなわち、外部情報比較部３２によりコンテンツ関連性データベースに記憶された外部情報に一致する特定の外部情報については、外部情報類似度の算出を行う必要がない。このため、外部情報類似度の算出をより効率的に行うことができる。

特に、本実施形態によれば、外部情報類似度に基づいて、複数の外部情報から第１外部情報を選択し、コンテンツ関連性データベースを参照し、第１外部情報に対応するチャンク参照情報を第１チャンク参照情報として抽出する。これにより、定量的に評価された外部情報類似度に基づいて、特定の外部情報に類似する第１外部情報を選択することで、第１外部情報の選択の精度を向上させることができる。

特に、本実施形態によれば、コンテンツ関連性データベースを参照し、第１外部情報に対応するチャンク参照情報を第１チャンク参照情報として抽出する。このため、特定の外部情報に新しい情報が含まれる場合や変更があった場合には、参照情報が分割されたチャンク参照情報のどの部分に該当するかを、ユーザは即座に把握することができる。このため、参照情報を更新する際には、第１チャンク参照情報として抽出されたチャンク参照情報を更新するだけでよく、参照情報の更新作業を短時間で行うことができる。

すなわち、ある装置がバージョン１からバージョン２にバージョンアップして、過去の仕様書から一部が変更されて新しい仕様書となった場合には、過去の仕様書に基づいて作成した製品の過去のマニュアルも、新しいマニュアルに作成する必要がある。本実施形態によれば、新しい仕様書から、変更すべき候補となる過去の仕様書を選択し、この過去の仕様書に対応する過去のマニュアルが、新しい仕様書によって変更が必要であると把握することができる。このとき、新しい仕様書、過去の仕様書、過去のマニュアルがそれぞれチャンク構造に分割されている。このため、過去のマニュアルから、新しい仕様書によって変更が生じた部分のみ、を効率よく抽出することができる。このため、新しい仕様書に基づいて変更すべき過去のマニュアルの該当部分を、ユーザは容易に把握できる。よって、例えば新しいマニュアルを作成する際、仕様書で変更の無い部分については過去のマニュアルをそのまま流用し、仕様書で変更のあった部分についてのみ、新たに作成することができる。いわば、仕様書で変更のあった部分のみを差分編集すればよいこととなる。このため、マニュアルの編集作業を容易に行うことが可能となる。

また、本実施形態によれば、複数のチャンク参照情報を用いて機械学習により構築されたチャンク参照情報類似度推定処理用データベースと、チャンク参照情報類似度推定処理用データベースを参照し、チャンク参照情報と、第１チャンク参照情報と、の類似度を示すチャンク参照情報類似度を算出するチャンク参照情報類似度算出部３５と、を備え、チャンク参照情報抽出部３４は、チャンク参照情報類似度に基づいて、第１チャンク参照情報とは異なる第２チャンク参照情報を更に抽出する。

本実施形態によれば、チャンク参照情報類似度に基づいて、第１チャンク参照情報とは異なる第２チャンク参照情報を更に抽出する。これにより、定量的に評価されたチャンク参照情報類似度に基づいて、第１チャンク参照情報に類似する第２チャンク参照情報を選択することで、第２チャンク参照情報の選択の精度を向上させることができる。このため、特定の外部情報に新しい情報が含まれる場合や変更があった場合には、第１チャンク参照情報に類似する第２チャンク参照情報も抽出するため、参照情報が分割されたチャンク参照情報のどの部分に該当するかを、ユーザは即座に把握することができる。このため、参照情報を更新する際には、第１チャンク参照情報と第２チャンク参照情報として抽出されたチャンク参照情報を更新するだけでよく、参照情報の更新作業を短時間で行うことができる。

すなわち、ある装置が複数のバージョンを有しており、複数の過去の仕様書から一部が変更されて新しい仕様書となった場合には、複数の過去の仕様書に基づいて作成した製品のそれぞれの過去のマニュアルも、新しいマニュアルに作成する必要がある。本実施形態によれば、新しい仕様書から、変更すべき候補となる過去の仕様書を選択し、この過去の仕様書に対応する過去のマニュアルと、過去のマニュアルに類似する他の過去のマニュアルとが、新しい仕様書によって変更が必要であると把握することができる。このとき、新しい仕様書、過去の仕様書、過去のマニュアルがそれぞれチャンク構造に分割されている。このため、過去のマニュアルから、新しい仕様書によって変更が生じた部分のみ、を効率よく抽出することができる。このとき、類似する複数の過去のマニュアルを対象として抽出することができる。このため、新しい仕様書に基づいて変更すべき複数の過去のマニュアルの該当部分を、ユーザは容易に、かつ同時に把握できる。よって、例えば新しいマニュアルを作成する際、仕様書で変更の無い部分については過去のマニュアルをそのまま流用し、仕様書で変更のあった部分についてのみ、新たに作成することができる。いわば、仕様書で変更のあった部分のみを差分編集すればよいこととなる。このため、マニュアルの編集作業を容易に行うことが可能となる。

本実施形態によれば、参照情報選択ステップＳ１４の後に、外部情報取得ステップＳ３１を行う。これにより、ユーザは、参照情報選択部１４により選択した第１参照情報、並びに、チャンク参照情報抽出部３４により抽出した第１チャンク参照情報及び第２チャンク参照情報を比較することができる。このため、マニュアル等の第１参照情報において、変更すべき該当箇所を即座に把握することができる。

＜情報提供装置１の第３変形例＞
情報提供装置１の第３変形例では、外部情報取得部３１と、外部情報比較部３２と、外部情報類似度算出部３３と、チャンク参照情報抽出部３４と、チャンク参照情報類似度算出部３５と、を備える。また、保存部１０４に、更にコンテンツ関連性データベースと、外部情報類似度算出用データベースと、チャンク参照情報類似度推定処理用データベースとが、保存される。

図２６は、本実施形態における情報提供システム１００の動作の第３変形例を示すフローチャートである。第２変形例では、外部情報取得ステップＳ３１は、参照情報選択ステップＳ１４の後に行われる例について説明した。第３変形例では、参照情報選択ステップＳ１４を省略し、外部情報取得ステップＳ３１、外部情報比較ステップＳ３２、外部情報類似度算出ステップＳ３３、第１チャンク参照情報抽出ステップＳ３４、チャンク参照情報類似度算出ステップＳ３５、第２チャンク参照情報抽出ステップＳ３６を行ってもよい。

＜情報提供装置１の第４変形例＞
情報提供装置１の第４変形例では、更にアクセス制御部を備える点で、第２変形例及び第３変形例と相違する。アクセス制御部は、例えば、ＣＰＵ１０１が、ＲＡＭ１０３を作業領域として、保存部１０４等に記憶されたプログラムを実行することにより実現される。

アクセス制御部は、チャンク参照情報に対するアクセスを制御する。アクセスは、完全アクセス、読み取りアクセス及び書き込みアクセス、校閲専用アクセス、コメント専用アクセス、読み取り専用アクセス、並びアクセス禁止を含む。アクセス制御部は、アクセス制御情報に基づいて行われる。アクセス制御情報は、ユーザ名と、各ユーザ名に割り当てられるアクセスと、を含む。アクセス制御情報は、例えば、保存部１０４に保存される。

ユーザが完全アクセスを割当てられると、そのユーザはチャンク参照情報に対して完全な読み取り及び書き込みアクセスを有し、さらにそのユーザは、ユーザインターフェースの任意の態様を使用できる。例えば、完全アクセスの場合、ユーザはチャンク参照情報の書式を変更できる。ユーザが読み取り及び書き込みアクセスを有している場合、ユーザは読み取り及び書き込みをチャンク参照情報に対して有するが、書式を変更できない。校閲専用アクセスの場合、ユーザは、追跡されているチャンク参照情報に変更を行うことができる。コメント専用アクセスの場合、ユーザはコメントをチャンク参照情報に挿入できるが、チャンク参照情報にある文章情報を変更できない。読み取り専用アクセスの場合、ユーザはチャンク参照情報を閲覧できるが、そのチャンク参照情報に変更を加えることはできず、またいかなるコメントも挿入できない。

例えば外部情報に基づいて新たなチャンク参照情報を生成し、生成した新たなチャンク参照情報を更新するとする。このとき、本実施形態によれば、アクセス制御部を更に備える。これにより、アクセス制御情報に基づいて、複数のユーザのうち特定の１又は複数のユーザが所定のアクセスを行うことができる。すなわち、チャンク参照情報を利用する複数のユーザに対して、読み取り専用、完全アクセスが可能等の編集種別のコントロールと、ユーザの属性に基づく権限とを結び付けて、チャンク参照情報毎に管理することができる。特に、閲覧のみは同時にアクセス可能としつつ、書き込み等の編集に関しては権限を有するユーザにのみ許可することによって、意図しない編集を防ぐことができる。

本発明の実施形態を説明したが、実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ ：情報提供装置
４ ：計装機器
５ ：ユーザ端末
６ ：サーバ
７ ：公衆通信網
１０ ：筐体
１１ ：取得部
１２ ：メタＩＤ選択部
１３ ：コンテンツＩＤ選択部
１４ ：参照情報選択部
１５ ：入力部
１６ ：出力部
１７ ：記憶部
１８ ：制御部
２１ ：第１取得部
２２ ：第１評価部
２３ ：第１生成部
３１ ：外部情報取得部
３２ ：外部情報比較部
３３ ：外部情報類似度算出部
３４ ：チャンク参照情報抽出部
３５ ：チャンク参照情報類似度算出部
１００ ：情報提供システム
１０１ ：ＣＰＵ
１０２ ：ＲＯＭ
１０３ ：ＲＡＭ
１０４ ：保存部
１０５ ：Ｉ／Ｆ
１０６ ：Ｉ／Ｆ
１０７ ：Ｉ／Ｆ
１０８ ：入力部分
１０９ ：出力部分
１１０ ：内部バス
Ｓ１１ ：取得ステップ
Ｓ１２ ：メタＩＤ選択ステップ
Ｓ１３ ：コンテンツＩＤ選択ステップ
Ｓ１４ ：参照情報選択ステップ
Ｓ２１ ：第１取得ステップ
Ｓ２２ ：第１評価ステップ
Ｓ２３ ：第１生成ステップ
Ｓ２４ ：取得ステップ
Ｓ２５ ：メタＩＤ選択ステップ
Ｓ３１ ：外部情報取得部ステップ
Ｓ３２ ：外部情報比較ステップ
Ｓ３３ ：外部情報類似度算出ステップ
Ｓ３４ ：第１チャンク参照情報抽出ステップ
Ｓ３５ ：チャンク参照情報類似度算出ステップ
Ｓ３６ ：第２チャンク参照情報抽出ステップ

Claims (4)

1. 計装機器に関する作業を行うユーザが作業を実施する上で適した参照情報を選択する情報提供システムであって、
   特定の計装機器及び前記特定の計装機器を識別するための特定の識別ラベル、を撮像した第１画像データを有する取得データを取得する取得手段と、
   画像データを有する評価対象情報、及び前記評価対象情報に紐づくメタＩＤ、を有する学習データを複数備えた機械学習用のデータ構造を用いて、機械学習により構築された第１データベースと、
   前記第１データベースを参照し、前記取得データに基づいて、複数の前記メタＩＤのうち第１メタＩＤを選択するメタＩＤ選択手段と、
   前記メタＩＤに紐づくコンテンツＩＤと、前記コンテンツＩＤに対応する前記参照情報とが複数記憶された第２データベースと、
   前記第２データベースを参照し、前記第１メタＩＤに基づいて、複数の前記コンテンツＩＤのうち第１コンテンツＩＤを選択するコンテンツＩＤ選択手段と、
   前記第２データベースを参照し、前記第１コンテンツＩＤに基づいて、複数の前記参照情報のうち第１参照情報を選択する参照情報選択手段とを備え、
   前記画像データは、
   前記計装機器と、
   前記計装機器を識別するための識別ラベルと、
   を示す画像を有し、
   第１映像情報を取得する第１取得手段と、
   予め取得された過去の第１映像情報、前記過去の第１映像情報に紐づけられたシーンＩＤを含むシーン情報、及び、前記過去の第１映像情報と前記シーン情報との間における３段階以上のシーン連関度が記憶されたシーンモデルデータベースと、
   前記シーンモデルデータベースを参照し、前記第１映像情報と前記シーン情報との間における第１シーン連関度を含むシーンＩＤリストを取得する第１評価手段と、
   前記シーンＩＤリストに対応するシーン名リストを生成する第１生成手段と、更に備え、
   前記取得手段は、前記第１画像データと、前記シーン名リストから選択されたシーン名に対応する第１シーンＩＤと、を１組として有する前記取得データを取得すること
   を特徴とする情報提供システム。
2. 前記メタＩＤ選択手段は、
   複数の前記メタＩＤを含むメタＩＤリストを生成し、
   前記メタＩＤリストに対応する参照サマリーリストを生成し、
   前記参照サマリーリストから選択された前記第１メタＩＤを選択すること
   を特徴とする請求項１記載の情報提供システム。
3. 前記参照情報は、
   前記計装機器により得られるプロセス情報を有すること
   を特徴とする請求項１又は２記載の情報提供システム。
4. 前記参照情報は、前記計装機器と同一のプロセス内に接続された他の計装機器に関する第２計装機器情報を有すること
   を特徴とする請求項１〜３の何れか１項記載の情報提供システム。

Images