JP6703698B1 - 情報提供システム - Google Patents
情報提供システム Download PDFInfo
- Publication number
- JP6703698B1 JP6703698B1 JP2019199259A JP2019199259A JP6703698B1 JP 6703698 B1 JP6703698 B1 JP 6703698B1 JP 2019199259 A JP2019199259 A JP 2019199259A JP 2019199259 A JP2019199259 A JP 2019199259A JP 6703698 B1 JP6703698 B1 JP 6703698B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- basic information
- target
- basic
- target information
- 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
-
- 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
- G06F16/33—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】編集すべき箇所を容易に把握することが可能となる情報提供システムを提供する。【解決手段】情報提供システムにおいて、情報提供装置１は、基礎コンテンツがチャンク構造に分割された複数の基礎情報と、対象コンテンツがチャンク構造に分割された複数の対象情報と、を対応させて記憶される関連性データベースと、複数の基礎情報を用いて機械学習により構築される基礎情報類似度算出用データベースと、特定の基礎情報を取得する基礎情報取得部３１と、基礎情報と特定の基礎情報とを比較する基礎情報比較部３２と、基礎情報と特定の基礎情報とが一致しない場合、基礎情報類似度算出用データベースを参照し、基礎情報と特定の基礎情報との類似度を示す基礎情報類似度を算出する基礎情報類似度算出部３３と、基礎情報類似度に基づいて、選択した第１基礎情報に対応する対象情報を第１対象情報として抽出する対象情報抽出部３４と、を備える。【選択図】図７
Description
本発明は、情報提供システムに関する。
特許文献１の情報処理装置は、記入済みの文書を読み込む読込手段、前記文書の定型種類及び情報構造を認識する認識手段、前記文書に記入された内容を記憶する記憶手段、読み込まれた文書が最新版でなかった場合に、認識された定型種類に対応する予め登録された定型種類の最新版における情報構造と、認識された情報構造との比較を行う比較手段、比較した結果、変更されている情報構造の差分文書を生成する生成手段、生成した差分文書を出力する出力手段、ユーザーが記入した差分文書が読み取られると、差分文書への記入内容と記憶手段に記憶している文書への記入内容をマージするマージ手段を具備し、前記記憶手段は、前記マージ手段がマージした内容で記憶済みの内容を置き換えて記憶するものである。
ところで、例えばある装置が古いバージョンから新しいバージョンにバージョンアップした際には、その装置マニュアルについても古いものから新しいものに編集する必要がある。装置マニュアルは、その製品の仕様書に基づいて作成されることから、装置マニュアルの作成者は、新しい仕様書に基づいて、新たなマニュアルを作成する必要がある。
しかしながら、特許文献１に開示された情報処理装置は、定型種類と情報構造を認識するものであり、旧文書である古いマニュアルと、これと同じ属性の新文書である新しいマニュアルと、を比較するものである。このため、異なる属性を有する仕様書等からは、マニュアルにおける編集箇所を容易に把握することができない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、編集箇所を容易に把握することが可能となる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、基礎コンテンツがチャンク構造に分割された複数の基礎情報と、前記基礎コンテンツとは異なる属性の対象コンテンツがチャンク構造に分割された複数の対象情報と、を対応させて記憶される関連性データベースと、複数の前記基礎情報を用いて機械学習により構築される基礎情報類似度算出用データベースと、特定の基礎情報を取得する基礎情報取得手段と、前記基礎情報と、前記特定の基礎情報とを比較する基礎情報比較手段と、前記基礎情報比較手段により前記基礎情報と前記特定の基礎情報とが一致しない場合、前記基礎情報類似度算出用データベースを参照し、前記基礎情報と、前記特定の基礎情報と、の類似度を示す基礎情報類似度を算出する基礎情報類似度算出手段と、前記基礎情報類似度に基づいて、複数の前記基礎情報から第１基礎情報を選択し、前記関連性データベースを参照し、前記第１基礎情報に対応する前記対象情報を第１対象情報として抽出する対象情報抽出手段と、を備えることを特徴とする。
本発明によれば、編集すべき箇所を容易に把握することが可能となる技術を提供することができる。
以下、本発明の実施形態における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。
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、例えば、装置の仕様書に基づいて装置のマニュアルを新たに作成するマニュアル作成者等のユーザに利用される。
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やサーバ６に接続されてもよい。
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、基礎コンテンツＸにおける特定の基礎情報ｘを取得する。情報提供装置１は、取得した特定の基礎情報ｘに対する基礎情報類似度を算出する。情報提供装置１は、算出された基礎情報類似度に基づいて、複数の基礎情報から第１基礎情報ｂ１を選択する。情報提供装置１は、関連性データベースを参照し、選択された第１基礎情報ｂ１に対応する対象情報Ｂ１を、第１対象情報として抽出する。これにより、取得した特定の基礎情報ｘに類似する基礎情報ｂ１に対応する対象情報Ｂ１が、特定の基礎情報ｘに基づく編集箇所であることを把握することができる。このため、基礎コンテンツとしての仕様書等から対象コンテンツとしてのマニュアル等を編集する際に、対象情報Ｂ１を編集するだけでよく、対象コンテンツの編集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、対象情報類似度推定処理用データベースを参照し、第１対象情報Ｂ１に対する対象情報類似度を算出する。情報提供装置１は、算出された対象情報類似度に基づいて、第１対象情報Ｂ１とは異なる第２対象情報Ｂ２を抽出する。これにより、第１対象情報Ｂ１に類似する第２対象情報Ｂ２も、特定の基礎情報ｘに基づく編集箇所であることを把握することができる。このため、基礎コンテンツとしての仕様書等から対象コンテンツとしてのマニュアル等を編集する際に、第１対象情報と第２対象情報とを編集するだけでよく、対象コンテンツの編集作業を短時間で行うことができる。
＜関連性データベース＞
図３は、本実施形態における情報提供システムの関連性データベースの一例を示す模式図である。関連性データベースは、基礎情報と対象情報とが１対１で対応して、複数記憶される。関連性データベースは、基礎コンテンツがチャンク構造に分割された複数の基礎情報と、基礎コンテンツと関連して基礎コンテンツとは異なる属性の対象コンテンツがチャンク構造に分割された複数の対象情報を、それぞれ対応させて記憶される。基礎コンテンツと対象コンテンツとは、文章情報を含み、更に図表に関する図表情報を含んでいてもよい。対象コンテンツは、基礎コンテンツに基づいて編集すべき対象となるコンテンツである。
図３は、本実施形態における情報提供システムの関連性データベースの一例を示す模式図である。関連性データベースは、基礎情報と対象情報とが１対１で対応して、複数記憶される。関連性データベースは、基礎コンテンツがチャンク構造に分割された複数の基礎情報と、基礎コンテンツと関連して基礎コンテンツとは異なる属性の対象コンテンツがチャンク構造に分割された複数の対象情報を、それぞれ対応させて記憶される。基礎コンテンツと対象コンテンツとは、文章情報を含み、更に図表に関する図表情報を含んでいてもよい。対象コンテンツは、基礎コンテンツに基づいて編集すべき対象となるコンテンツである。
ここでいう異なる属性とは、例えば基礎コンテンツが装置の仕様書である場合には、対象コンテンツが当該装置の仕様書以外の情報であることをいい、例えば、装置のマニュアル、広告、ＦＡＱ（Frequently Asked Questions）等であればよい。このように、対象コンテンツは、基礎コンテンツに基づいて作成される情報であってもよい。例えば、基礎コンテンツが英語等の第１言語におけるコンテンツである場合には、対象コンテンツは日本語等の第１言語以外のコンテンツであってもよい。例えば、基礎コンテンツが装置で実行されるプログラムが参照するリソースデータ（画像、テキスト、アイコン、ダイアログ、メニュー内容などのデータ）である場合には、対象コンテンツはリソースデータ以外の情報であり、例えば、リソースデータに関するマニュアル、仕様書、メッセージ、アイコン等の情報であればよい。
基礎情報は、文章情報を含む。基礎情報は、更に図表に関する図表情報を含んでもよい。基礎情報は、基礎情報を識別するための文字列からなる基礎情報ラベルを含んでいてもよい。基礎情報は、例えば基礎コンテンツが医療機器等の装置の仕様書である場合、この仕様書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。基礎情報は、例えば仕様書等の基礎コンテンツが文章毎、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。基礎情報は、対象コンテンツ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、対象コンテンツ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。
対象情報は、文章情報を含む。対象情報は、更に図表に関する図表情報を含んでもよい。対象情報は、対象情報を識別するための文字列からなる対象情報ラベルを含んでいてもよい。対象情報は、例えば基礎コンテンツが医療機器等の装置の仕様書である場合、この仕様書に基づいて作成される対象コンテンツとしてのマニュアルが、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。対象情報は、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。また、基礎情報が英語等の第１言語で作成されている場合、対象情報は第１言語とは異なる日本語等の第２言語で作成されるものであってもよい。
図４は、本実施形態における情報提供システムの基礎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５は、本実施形態における情報提供システムの対象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。
＜基礎情報類似度算出用データベース＞
基礎情報類似度算出用データベースは、基礎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、例えば基礎情報を教師データとして学習用プログラムを使いベクトル化して学習させる。基礎情報は、基礎情報における基礎情報ラベルに対応させて、ベクトル化された状態でパラメータとして基礎情報類似度算出用データベースに記憶される。基礎情報は、基礎情報に対応させて、ベクトル化された状態でパラメータとして基礎情報類似度算出用データベースに記憶されてもよい。
基礎情報類似度算出用データベースは、基礎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、例えば基礎情報を教師データとして学習用プログラムを使いベクトル化して学習させる。基礎情報は、基礎情報における基礎情報ラベルに対応させて、ベクトル化された状態でパラメータとして基礎情報類似度算出用データベースに記憶される。基礎情報は、基礎情報に対応させて、ベクトル化された状態でパラメータとして基礎情報類似度算出用データベースに記憶されてもよい。
＜対象情報類似度推定処理用データベース＞
対象情報類似度推定処理用データベースは、対象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、例えば対象情報を教師データとして学習用プログラムを使いベクトル化して学習させる。対象情報は、対象情報における対象情報ラベルに対応させて、ベクトル化された状態でパラメータとして対象情報類似度推定処理用データベースに記憶される。対象情報は、対象情報に対応させて、ベクトル化された状態でパラメータとして対象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。
対象情報類似度推定処理用データベースは、対象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、例えば対象情報を教師データとして学習用プログラムを使いベクトル化して学習させる。対象情報は、対象情報における対象情報ラベルに対応させて、ベクトル化された状態でパラメータとして対象情報類似度推定処理用データベースに記憶される。対象情報は、対象情報に対応させて、ベクトル化された状態でパラメータとして対象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。
＜情報提供装置１＞
図６は、本実施形態における情報提供システムの情報提供装置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。
図６は、本実施形態における情報提供システムの情報提供装置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、基礎情報、対象情報、基礎情報類似度算出用データベース、対象情報類似度算出用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７は、本実施形態における情報提供システムの情報提供装置１の機能の一例を示す模式図である。情報提供装置１は、基礎情報取得部３１と、基礎情報比較部３２と、基礎情報類似度算出部３３と、対象情報抽出部３４と、対象情報類似度算出部３５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７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。
＜基礎情報取得部３１＞
基礎情報取得部３１は、基礎情報、特定の基礎情報等の各種情報を取得する。特定の基礎情報は、これから基礎情報類似度を算出すべき対象となる基礎情報である。
基礎情報取得部３１は、基礎情報、特定の基礎情報等の各種情報を取得する。特定の基礎情報は、これから基礎情報類似度を算出すべき対象となる基礎情報である。
＜基礎情報比較部３２＞
基礎情報比較部３２は、関連性データベースに記憶された基礎情報と、基礎情報取得部３１により取得した特定の基礎情報と、を比較する。基礎情報比較部３２は、基礎情報と、特定の基礎情報と、が一致するか、一致しないか、を判定する。
基礎情報比較部３２は、関連性データベースに記憶された基礎情報と、基礎情報取得部３１により取得した特定の基礎情報と、を比較する。基礎情報比較部３２は、基礎情報と、特定の基礎情報と、が一致するか、一致しないか、を判定する。
図４の例では、基礎情報取得部３１により取得した、基礎コンテンツＸにおける特定の基礎情報が「基礎情報ｘ」、「基礎情報ａ１」、「基礎情報ｃ１」を含むとする。そして、基礎情報比較部３２は、特定の基礎情報に含まれる「基礎情報ｘ」、「基礎情報ａ１」、「基礎情報ｃ１」と、関連性データベースに記憶された基礎情報と、を比較する。関連性データベースには、「基礎情報ａ１」「基礎情報ｃ１」が記憶され、「基礎情報ｘ」が記憶されていないとする。このとき、基礎情報比較部３２は、特定の基礎情報に含まれる「基礎情報ａ１」「基礎情報ｃ１」が関連性データベースデータベースに記憶された基礎情報に一致すると判定し、判定終了となる。また、基礎情報比較部３２は、「基礎情報ｘ」が関連性データベースデータベースに記憶された基礎情報に一致しないと判定する。
＜基礎情報類似度算出部３３＞
基礎情報類似度算出部３３は、基礎情報比較部３２により基礎情報と特定の基礎情報とが一致しない場合、基礎情報類似度算出用データベースを参照し、基礎情報類似度算出用データベースに記憶された基礎情報と、基礎情報取得部３１により取得された特定の基礎情報と、の類似度を示す基礎情報類似度を算出する。基礎情報類似度算出部３３は、基礎情報の特徴量を用いて、基礎情報類似度算出する。基礎情報の特徴量として、例えば基礎情報がベクトル化されて表現されてもよい。基礎情報類似度算出部３３は、特定の基礎情報をベクトル化した上で、基礎情報類似度算出用データベース内でベクトル化された基礎情報とのベクトル演算により、特定の基礎情報と基礎情報との基礎情報類似度を算出する。
基礎情報類似度算出部３３は、基礎情報比較部３２により基礎情報と特定の基礎情報とが一致しない場合、基礎情報類似度算出用データベースを参照し、基礎情報類似度算出用データベースに記憶された基礎情報と、基礎情報取得部３１により取得された特定の基礎情報と、の類似度を示す基礎情報類似度を算出する。基礎情報類似度算出部３３は、基礎情報の特徴量を用いて、基礎情報類似度算出する。基礎情報の特徴量として、例えば基礎情報がベクトル化されて表現されてもよい。基礎情報類似度算出部３３は、特定の基礎情報をベクトル化した上で、基礎情報類似度算出用データベース内でベクトル化された基礎情報とのベクトル演算により、特定の基礎情報と基礎情報との基礎情報類似度を算出する。
なお、基礎情報類似度算出部３３は、基礎情報比較部３２により基礎情報と特定の基礎情報とが一致する場合、基礎情報類似度の算出を行わない。
基礎情報類似度は、特定の基礎情報と、基礎情報とが類似する度合いを示しており、例えば「０．９８」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４の例では、基礎情報比較部３２により特定の基礎情報に含まれる「基礎情報ｘ」と関連性データベースに記憶された基礎情報と一致しない。かかる場合、基礎情報類似度算出部３３は、基礎情報類似度算出用データベースを参照し、特定の基礎情報に含まれる「基礎情報ｘ」と、基礎情報類似度算出用データベースに記憶された「基礎情報ａ１」、「基礎情報ｂ１」、「基礎情報ｃ１」、「基礎情報ｂ２」と、それぞれ基礎情報類似度を算出する。「基礎情報ｘ」と、「基礎情報ａ１」との基礎情報類似度は、「基礎情報ｘの特徴量ｑ２」と「基礎情報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「基礎情報ｘ」と、「基礎情報ａ１」との基礎情報類似度は、「０．９８」である。「基礎情報ｘ」と、「部情報ａ１」との基礎情報類似度は、「０．３３」である。「基礎情報ｘ」と、「基礎情報ａ１」との基礎情報類似度は、「０．８５」である。この場合、「基礎情報ｘ」は、例えば「基礎情報ａ１」に比べて「基礎情報ｂ１」と類似していることを示す。
＜対象情報抽出部３４＞
対象情報抽出部３４は、算出された基礎情報類似度に基づいて、複数の基礎情報から第１基礎情報を選択し、関連性データベースを参照し、選択した第１基礎情報に対応する対象情報を第１対象情報として抽出する。対象情報抽出部３４は、複数の基礎情報から１つの第１基礎情報を選択したとき、選択した１つの第１基礎情報に対応する１つの対象情報を第１対象情報として抽出する。また、対象情報抽出部３４は、複数の第１基礎情報を選択したとき、選択したそれぞれの第１基礎情報に対応する対象情報をそれぞれ第１対象情報として抽出してもよい。
対象情報抽出部３４は、算出された基礎情報類似度に基づいて、複数の基礎情報から第１基礎情報を選択し、関連性データベースを参照し、選択した第１基礎情報に対応する対象情報を第１対象情報として抽出する。対象情報抽出部３４は、複数の基礎情報から１つの第１基礎情報を選択したとき、選択した１つの第１基礎情報に対応する１つの対象情報を第１対象情報として抽出する。また、対象情報抽出部３４は、複数の第１基礎情報を選択したとき、選択したそれぞれの第１基礎情報に対応する対象情報をそれぞれ第１対象情報として抽出してもよい。
対象情報抽出部３４は、算出された基礎情報類似度に基づいて、複数の基礎情報に含まれるそれぞれの基礎情報ラベルから、第１基礎情報として選択してもよい。対象情報抽出部３４は、選択した基礎情報ラベル（第１基礎情報）から、関連性データベースに記憶された基礎情報ラベルに対応する対象情報を第１対象情報として抽出してもよい。例えば、対象情報抽出部３４は、基礎情報ラベル２１を選択し、選択した基礎情報ラベル２１から、関連性データベースに記憶された基礎情報ラベル２１に対応する対象情報Ｂ１を第１対象情報として抽出してもよい。基礎情報ラベルは、文字列からなるため、文章情報を有する基礎情報を記憶させるよりも、基礎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４の例では、対象情報抽出部３４は、基礎情報類似度を算出した結果、「基礎情報ａ１」、「基礎情報ｂ１」、「基礎情報ｃ１」、「基礎情報ｂ２」のうち最も高い基礎情報類似度を算出した「基礎情報ｂ１」を第１基礎情報として選択する。第１基礎情報として選択するとき、基礎情報類似度に閾値を設定し、その閾値以上又は以下の基礎情報類似度を算出した基礎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、対象情報抽出部３４は、関連性データベースを参照し、第１基礎情報として選択した「基礎情報ｂ１」に対応する「対象情報Ｂ１」を第１対象情報として抽出する。
更に、対象情報抽出部３４は、後述する対象情報類似度に基づいて、関連性データベースから、第１対象情報とは異なる第２対象情報を更に１又は複数抽出する。
対象情報抽出部３４は、算出された対象情報類似度に基づいて、複数の対象情報に含まれる対象情報ラベルから、１又は複数の対象情報ラベルを選択してもよい。対象情報抽出部３４は、選択した対象情報ラベルから、関連性データベースに記憶された対象情報ラベルに対応する対象情報を、第２対象情報として抽出してもよい。例えば、対象情報抽出部３４は、対象情報ラベル１２２を選択し、選択した基礎情報ラベル１２２から、関連性データベースに記憶された対象情報ラベル１２２に対応する対象情報Ｂ２を第２対象情報として抽出してもよい。対象情報ラベルは、文字列からなるため、文章情報を有する対象情報を記憶させるよりも、対象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。
＜対象情報類似度算出部３５＞
対象情報類似度算出部３５は、対象情報類似度推定処理用データベースを参照し、対象情報と、対象情報抽出部３４により抽出された第１対象情報と、の類似度を示す対象情報類似度を算出する。対象情報類似度算出部３５は、対象情報の特徴量を用いて、対象情報類似度を算出する。対象情報の特徴量として、例えば対象情報がベクトル化されて表現されてもよい。対象情報類似度算出部３５は、特定の対象情報をベクトル化した上で、対象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対象情報とのベクトル演算により、特定の対象情報と対象情報との対象情報類似度を算出する。
対象情報類似度算出部３５は、対象情報類似度推定処理用データベースを参照し、対象情報と、対象情報抽出部３４により抽出された第１対象情報と、の類似度を示す対象情報類似度を算出する。対象情報類似度算出部３５は、対象情報の特徴量を用いて、対象情報類似度を算出する。対象情報の特徴量として、例えば対象情報がベクトル化されて表現されてもよい。対象情報類似度算出部３５は、特定の対象情報をベクトル化した上で、対象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対象情報とのベクトル演算により、特定の対象情報と対象情報との対象情報類似度を算出する。
対象情報類似度は、第１対象情報と、対象情報とが類似する度合いを示しており、例えば「０．９５」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５の例では、対象情報類似度算出部３５は、対象情報類似度算出用データベースを参照し、対象情報抽出部３４により第１対象情報として抽出された「対象情報Ｂ１」と、対象情報類似度算出用データベースに記憶された「対象情報Ａ１」、「対象情報Ｂ１」、「対象情報Ｃ１」、「対象情報Ｂ２」と、それぞれ対象情報類似度を算出する。「対象情報Ｂ１」と、「対象情報Ａ１」との対象情報類似度は、「対象情報Ｂ１の特徴量Ｑ１」と「対象情報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、「対象情報Ｂ１」と、「対象情報Ｂ１」との対象情報類似度は、「１．００」である。「対象情報Ｂ１」と、「対象情報Ｃ１」との対象情報類似度は、「０．２０」である。「対象情報Ｂ１」と、「対象情報Ｂ２」との対象情報類似度は、「０．９５」である。この場合、「対象情報Ｂ１」は、例えば「対象情報Ａ１」に比べて「対象情報Ｂ２」と類似していることを示す。
上述したとおり、対象情報抽出部３４は、対象情報類似度に基づいて、第１対象情報とは異なる第２対象情報を更に１又は複数抽出する。
図５の例では、対象情報抽出部３４は、対象情報類似度を算出した結果、「対象情報Ａ１」、「対象情報Ｂ１」、「対象情報Ｃ１」、「対象情報Ｂ２」のうち所定の対象情報類似度を算出した「対象情報Ｂ２」を第２対象情報として抽出する。第２対象情報を選択するとき、対象情報類似度に閾値を設定し、その閾値以上又は以下の対象情報類似度を算出した対象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、対象情報類似度「１．００」を算出した対象情報については、第１対象情報に一致することになるため、第２対象情報として選択されるのを除外してもよい。
＜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、基礎情報、基礎コンテンツ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。
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、基礎情報、基礎コンテンツ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、対象情報等の各種情報を出力部分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等に対象情報等の各種情報を送信する。
出力部１６は、対象情報等の各種情報を出力部分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等に対象情報等の各種情報を送信する。
＜記憶部１７＞
記憶部１７は、基礎情報や対象情報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、基礎情報類似度算出用データベース、対象情報類似度算出用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。
記憶部１７は、基礎情報や対象情報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、基礎情報類似度算出用データベース、対象情報類似度算出用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、複数の基礎情報を用いて基礎情報類似度算出用データベースを構築するための機械学習を実行する。また、制御部１８は、複数の対象情報を用いて対象情報類似度算出用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。
制御部１８は、複数の基礎情報を用いて基礎情報類似度算出用データベースを構築するための機械学習を実行する。また、制御部１８は、複数の対象情報を用いて対象情報類似度算出用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。
＜ユーザ端末５＞
ユーザ端末５は、ユーザが保有する端末を示す。ユーザ端末５は、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、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）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対象情報を取得するほか、ユーザ端末５の表示部に取得した各種情報を表示させることができる。また、ユーザは、ユーザ端末５を用いて、情報提供装置１の各種制御を行ってもよい。
ユーザ端末５は、ユーザが保有する端末を示す。ユーザ端末５は、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、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）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対象情報を取得するほか、ユーザ端末５の表示部に取得した各種情報を表示させることができる。また、ユーザは、ユーザ端末５を用いて、情報提供装置１の各種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。
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。
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の動作の第１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８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。
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８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。
＜基礎情報取得ステップＳ３１＞
基礎情報取得部３１は、例えば仕様書等の基礎コンテンツがチャンク構造に分割された基礎情報を特定の基礎情報として１又は複数取得する（基礎情報取得ステップＳ３１）。基礎情報取得部３１は、特定の基礎情報を含む特定の基礎コンテンツを取得してもよい。
基礎情報取得部３１は、例えば仕様書等の基礎コンテンツがチャンク構造に分割された基礎情報を特定の基礎情報として１又は複数取得する（基礎情報取得ステップＳ３１）。基礎情報取得部３１は、特定の基礎情報を含む特定の基礎コンテンツを取得してもよい。
＜基礎情報比較ステップＳ３２＞
次に、基礎情報比較部３２は、関連性データベースに記憶された基礎情報と、基礎情報取得部３１により取得した特定の基礎情報と、を比較する（基礎情報比較ステップＳ３２）。基礎情報比較部３２は、基礎情報と、特定の基礎情報と、が一致するか、一致しないか、を判定する。
次に、基礎情報比較部３２は、関連性データベースに記憶された基礎情報と、基礎情報取得部３１により取得した特定の基礎情報と、を比較する（基礎情報比較ステップＳ３２）。基礎情報比較部３２は、基礎情報と、特定の基礎情報と、が一致するか、一致しないか、を判定する。
＜基礎情報類似度算出ステップＳ３３＞
次に、基礎情報類似度算出部３３は、基礎情報比較部３２により比較した結果、基礎情報と特定の基礎情報とが一致しない場合、基礎情報類似度算出用データベースを参照し、基礎情報類似度算出用データベースに記憶された基礎情報と、基礎情報取得部３１により取得された特定の基礎情報と、の類似度を示す基礎情報類似度を算出する（基礎情報類似度算出ステップＳ３３）。
次に、基礎情報類似度算出部３３は、基礎情報比較部３２により比較した結果、基礎情報と特定の基礎情報とが一致しない場合、基礎情報類似度算出用データベースを参照し、基礎情報類似度算出用データベースに記憶された基礎情報と、基礎情報取得部３１により取得された特定の基礎情報と、の類似度を示す基礎情報類似度を算出する（基礎情報類似度算出ステップＳ３３）。
＜第１対象情報抽出ステップＳ３４＞
対象情報抽出部３４は、算出された基礎情報類似度に基づいて、複数の基礎情報から第１基礎情報を選択し、関連性データベースを参照し、選択した第１基礎情報に対応する対象情報を第１対象情報として抽出する（第１対象情報抽出ステップＳ３４）。
対象情報抽出部３４は、算出された基礎情報類似度に基づいて、複数の基礎情報から第１基礎情報を選択し、関連性データベースを参照し、選択した第１基礎情報に対応する対象情報を第１対象情報として抽出する（第１対象情報抽出ステップＳ３４）。
＜対象情報類似度算出ステップＳ３５＞
次に、対象情報類似度算出部３５は、対象情報類似度推定処理用データベースを参照し、対象情報類似度推定処理用データベースに記憶された対象情報と、対象情報抽出部３４により抽出された第１対象情報と、の類似度を示す対象情報類似度を算出する（対象情報類似度算出ステップＳ３５）。
次に、対象情報類似度算出部３５は、対象情報類似度推定処理用データベースを参照し、対象情報類似度推定処理用データベースに記憶された対象情報と、対象情報抽出部３４により抽出された第１対象情報と、の類似度を示す対象情報類似度を算出する（対象情報類似度算出ステップＳ３５）。
＜第２対象情報抽出ステップＳ３６＞
次に、対象情報抽出部３４は、対象情報類似度に基づいて、第１対象情報とは異なる第２対象情報を更に１又は複数抽出する（第２対象情報抽出ステップＳ３６）。
次に、対象情報抽出部３４は、対象情報類似度に基づいて、第１対象情報とは異なる第２対象情報を更に１又は複数抽出する（第２対象情報抽出ステップＳ３６）。
以上で、情報提供システム１００の動作の一例が完了する。
本実施形態によれば、基礎コンテンツがチャンク構造に分割された複数の基礎情報と、基礎コンテンツとは異なる属性の対象コンテンツがチャンク構造に分割された複数の対象情報と、を対応させて記憶される関連性データベースと、複数の基礎情報を用いて機械学習により構築される基礎情報類似度算出用データベースと、特定の基礎情報を取得する基礎情報取得部３１と、基礎情報と、特定の基礎情報とを比較する基礎情報比較部３２と、基礎情報比較部３２により基礎情報と特定の基礎情報とが一致しない場合、基礎情報類似度算出用データベースを参照し、基礎情報と、特定の基礎情報と、の類似度を示す基礎情報類似度を算出する基礎情報類似度算出部３３と、基礎情報類似度に基づいて、複数の基礎情報から第１基礎情報を選択し、関連性データベースを参照し、第１基礎情報に対応する対象情報を第１対象情報として抽出する対象情報抽出部３４と、を備える。
本実施形態によれば、基礎情報類似度算出部３３は、基礎情報比較部３２により関連性データベースに記憶された基礎情報に一致しない特定の基礎情報について、基礎情報類似度の算出を行う。すなわち、基礎情報比較部３２により関連性データベースに記憶された基礎情報に一致する特定の基礎情報については、基礎情報類似度の算出を行う必要がない。このため、基礎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、基礎情報類似度に基づいて、複数の基礎情報から第１基礎情報を選択し、関連性データベースを参照し、第１基礎情報に対応する対象情報を第１対象情報として抽出する。これにより、定量的に評価された基礎情報類似度に基づいて、特定の基礎情報に類似する第１基礎情報を選択することで、第１基礎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、関連性データベースを参照し、第１基礎情報に対応する対象情報を第１対象情報として抽出する。特定の基礎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対象情報として抽出した箇所が、マニュアル等の対象コンテンツにおける編集箇所に該当することになる。このため、マニュアル等の対象コンテンツを編集する際には、第１対象情報として抽出された対象情報を編集するだけでよく、対象コンテンツの編集作業を短時間で行うことができる。
例えば、ある装置が古いバージョンから新しいバージョン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。このとき、従来では、新しい仕様書から過去のマニュアルにおける編集箇所を把握することが難しかった。上記したように、本実施形態によれば、基礎コンテンツとしての新しい仕様書から、編集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編集すべき対象となる対象コンテンツであると把握することができる。このとき、基礎情報取得部３１により取得される特定の基礎コンテンツとして新しい仕様書、関連性データベースに記憶される複数の基礎情報の集合である過去の仕様書、及び、複数の対象情報の集合である過去のマニュアル、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、過去のマニュアルにおける編集箇所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、新しい仕様書において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、複数の対象情報を用いて機械学習により構築された対象情報類似度推定処理用データベースと、対象情報類似度推定処理用データベースを参照し、対象情報と、第１対象情報と、の類似度を示す対象情報類似度を算出する対象情報類似度算出部３５と、を備え、対象情報抽出部３４は、対象情報類似度に基づいて、第１対象情報とは異なる第２対象情報を更に抽出する。
本実施形態によれば、対象情報類似度に基づいて、第１対象情報とは異なる第２対象情報を更に抽出する。これにより、定量的に評価された対象情報類似度に基づいて、第１対象情報に類似する第２対象情報を選択することで、第２対象情報の選択の精度を向上させることができる。このため、特定の基礎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対象情報に類似する第２対象情報も抽出するため、対象コンテンツが分割された対象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、対象コンテンツを編集する際には、第１対象情報と第２対象情報として抽出された対象情報を編集するだけでよく、対象コンテンツの編集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、対象情報選択ステップＳ１４の後に、基礎情報取得ステップＳ３１を行う。これにより、ユーザは、対象情報選択部１４により選択した第１対象情報、並びに、対象情報抽出部３４により抽出した第１対象情報及び第２対象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対象情報において、編集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２例＞
図９は、本実施形態における情報提供システム１００における第２例を示す模式図である。情報提供システム１００の第２例では、基礎コンテンツがチャンク構造に分割された複数の基礎情報と、属性ごとに分類された対象コンテンツがチャンク単位に分割された複数の対象情報と、が記憶される関連性データベースを複数備える。
図９は、本実施形態における情報提供システム１００における第２例を示す模式図である。情報提供システム１００の第２例では、基礎コンテンツがチャンク構造に分割された複数の基礎情報と、属性ごとに分類された対象コンテンツがチャンク単位に分割された複数の対象情報と、が記憶される関連性データベースを複数備える。
図９の例では、情報提供システム１００は、第１関連性データベース、第２関連性データベース、第３関連性データベース、第４関連性データベース、を備える。例えば、基礎コンテンツが装置の仕様書である場合、第１関連性データベースには、装置のマニュアルとしての対象コンテンツに関する複数の対象情報が記憶される。第２関連性データベースには、装置の広告としての対象コンテンツに関する複数の対象情報が記憶される。第３関連性データベースには、装置のＦＡＱとしての対象コンテンツに関する複数の対象情報が記憶される。第４関連性データベースには、装置で実行されるプログラムが参照するリソースデータ（画像、テキスト、アイコン、ダイアログ、メニュー内容などのデータ）としての対象コンテンツに関する複数の対象情報が記憶される。
第２例に係る情報提供システム１００の動作について説明する。
＜基礎情報取得ステップＳ３１＞
先ず、基礎情報取得部３１は、特定の基礎コンテンツＸに含まれる、特定の基礎情報ｘ１〜ｘ５、特定の基礎情報ｅ１、特定の基礎情報ｆ２、特定の基礎情報ｇ３、特定の基礎情報ｈ２、を取得する（基礎情報取得ステップＳ３１）。
先ず、基礎情報取得部３１は、特定の基礎コンテンツＸに含まれる、特定の基礎情報ｘ１〜ｘ５、特定の基礎情報ｅ１、特定の基礎情報ｆ２、特定の基礎情報ｇ３、特定の基礎情報ｈ２、を取得する（基礎情報取得ステップＳ３１）。
＜基礎情報比較ステップＳ３２＞
基礎情報比較部３２は、関連性データベースに記憶された基礎情報と、基礎情報取得部３１により取得した特定の基礎情報と、を比較する。基礎情報比較部３２は、基礎情報と、特定の基礎情報と、が一致するか、一致しないか、を判定する。
基礎情報比較部３２は、関連性データベースに記憶された基礎情報と、基礎情報取得部３１により取得した特定の基礎情報と、を比較する。基礎情報比較部３２は、基礎情報と、特定の基礎情報と、が一致するか、一致しないか、を判定する。
図９の例では、基礎情報比較部３２は、特定の基礎情報に含まれる「基礎情報ｘ１」〜「基礎情報ｘ５」、「基礎情報ｅ１」、「基礎情報ｆ２」、「基礎情報ｇ３」、「基礎情報ｈ２」と、関連性データベースに記憶された基礎情報と、を比較する。第１関連性データベースには、「基礎情報ｅ１」が記憶され、第２関連性データベースには、「基礎情報ｆ２」が記憶され、第３関連性データベースには、「基礎情報ｇ３」が記憶され、第４関連性データベースには、「基礎情報ｈ２」が記憶され、これら何れの関連性データベースには、「基礎情報ｘ１」〜「基礎情報ｘ５」、が記憶されていないとする。このとき、基礎情報比較部３２は、特定の基礎情報に含まれる「基礎情報ｅ１」、「基礎情報ｆ２」、「基礎情報ｇ３」、「基礎情報ｈ２」が関連性データベースに記憶された基礎情報に一致すると判定する。また、基礎情報比較部３２は、「基礎情報ｘ１」〜「基礎情報ｘ５」が関連性データベースデータベースに記憶された基礎情報に一致しないと判定する。
＜基礎情報類似度算出ステップＳ３３＞
基礎情報類似度算出部３３は、基礎情報比較部３２により基礎情報と特定の基礎情報とが一致しない場合、基礎情報類似度算出用データベースを参照し、基礎情報類似度算出用データベースに記憶された基礎情報と、基礎情報取得部３１により取得された特定の基礎情報と、の類似度を示す基礎情報類似度を算出する。
基礎情報類似度算出部３３は、基礎情報比較部３２により基礎情報と特定の基礎情報とが一致しない場合、基礎情報類似度算出用データベースを参照し、基礎情報類似度算出用データベースに記憶された基礎情報と、基礎情報取得部３１により取得された特定の基礎情報と、の類似度を示す基礎情報類似度を算出する。
なお、基礎情報類似度算出部３３は、基礎情報比較部３２により基礎情報と特定の基礎情報とが一致する場合、基礎情報類似度の算出を行わない。
図９の例では、基礎情報比較部３２により特定の基礎情報に含まれる「基礎情報ｘ１」〜「基礎情報ｘ５」と、それぞれの関連性データベースに記憶された基礎情報と一致しない。かかる場合、基礎情報類似度算出部３３は、基礎情報類似度算出用データベースを参照し、特定の基礎情報に含まれる「基礎情報ｘ１」〜「基礎情報ｘ５」について、基礎情報類似度算出用データベースに記憶されたそれぞれの基礎情報との基礎情報類似度を算出する。
＜第１対象情報抽出ステップＳ３４＞
対象情報抽出部３４は、算出された基礎情報類似度に基づいて、複数の基礎情報から第１基礎情報を選択し、それぞれの関連性データベースを参照し、選択した第１基礎情報に対応する対象情報を第１対象情報として抽出する。対象情報抽出部３４は、複数の基礎情報から１つの第１基礎情報を選択したとき、選択した１つの第１基礎情報に対応する１つの対象情報を第１対象情報として抽出する。また、対象情報抽出部３４は、複数の第１基礎情報を選択したとき、選択したそれぞれの第１基礎情報に対応する対象情報をそれぞれ第１対象情報として抽出してもよい。
対象情報抽出部３４は、算出された基礎情報類似度に基づいて、複数の基礎情報から第１基礎情報を選択し、それぞれの関連性データベースを参照し、選択した第１基礎情報に対応する対象情報を第１対象情報として抽出する。対象情報抽出部３４は、複数の基礎情報から１つの第１基礎情報を選択したとき、選択した１つの第１基礎情報に対応する１つの対象情報を第１対象情報として抽出する。また、対象情報抽出部３４は、複数の第１基礎情報を選択したとき、選択したそれぞれの第１基礎情報に対応する対象情報をそれぞれ第１対象情報として抽出してもよい。
対象情報抽出部３４は、算出された基礎情報類似度に基づいて、複数の基礎情報に含まれるそれぞれの基礎情報ラベルから、第１基礎情報として選択してもよい。対象情報抽出部３４は、選択した基礎情報ラベル（第１基礎情報）から、関連性データベースに記憶された基礎情報ラベルに対応する対象情報を第１対象情報として抽出してもよい。例えば、対象情報抽出部３４は、基礎情報ラベル２１を選択し、選択した基礎情報ラベル２１から、関連性データベースに記憶された基礎情報ラベル２１に対応する対象情報Ｂ１を第１対象情報として抽出してもよい。基礎情報ラベルは、文字列からなるため、文章情報を有する基礎情報を記憶させるよりも、基礎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９の例では、対象情報抽出部３４は、基礎情報類似度を算出した結果、「基礎情報ｘ１」については、最も高い基礎情報類似度を算出した「基礎情報ｅ１」を第１基礎情報として選択する。第１基礎情報として選択するとき、基礎情報類似度に閾値を設定し、その閾値以上又は以下の基礎情報類似度を算出した基礎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。同様に、対象情報抽出部３４は、「基礎情報ｘ２」については「基礎情報ｆ１」を、「基礎情報ｘ３」については「基礎情報ｆ３」を、「基礎情報ｘ４」については「基礎情報ｇ２」を、「基礎情報ｘ５」については「基礎情報ｈ２」を、それぞれ第１基礎情報として選択する。
そして、対象情報抽出部３４は、第１関連性データベースを参照し、第１基礎情報として選択した「基礎情報ｅ１」に対応する「対象情報Ｅ１」を第１対象情報として抽出する。同様に、対象情報抽出部３４は、第２関連性データベースを参照し、第１基礎情報として選択した「基礎情報ｆ１」に対応する「対象情報Ｆ１」を、第１基礎情報として選択した「基礎情報ｆ３」に対応する「対象情報Ｆ３」を、それぞれ第１対象情報として抽出する。対象情報抽出部３４は、第３関連性データベースを参照し、第１基礎情報として選択した「基礎情報ｇ２」に対応する「対象情報Ｇ２」を第１対象情報として抽出する。対象情報抽出部３４は、第４関連性データベースを参照し、第１基礎情報として選択した「基礎情報ｈ２」に対応する「対象情報Ｈ２」を第１対象情報として抽出する。
対象情報抽出部３４は、算出された対象情報類似度に基づいて、複数の対象情報に含まれる対象情報ラベルから、１又は複数の対象情報ラベルを選択してもよい。
本実施形態によれば、基礎コンテンツがチャンク構造に分割された複数の基礎情報と、属性毎に分類された対象コンテンツがチャンク単位に分割された複数の対象情報と、が記憶される関連性データベースを複数備える。
これにより、本実施形態によれば、属性毎に分類されたそれぞれの関連性データベースを参照し、第１基礎情報に対応する対象情報をそれぞれ第１対象情報として抽出する。このため、特定の基礎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対象情報として抽出した箇所が、マニュアル等の対象コンテンツにおける編集箇所に該当することになるため、ユーザは対象コンテンツにおける編集箇所を容易に把握することができる。このため、マニュアル等の対象コンテンツを編集する際には、第１対象情報として抽出された対象情報を編集するだけでよく、対象コンテンツの編集作業を短時間で行うことができる。
特に、基礎コンテンツとして取得した仕様書から、マニュアル、広告、ＦＡＱとしてのそれぞれの対象コンテンツを編集する場合、第１対象情報として抽出した箇所が、マニュアル、広告、ＦＡＱとしてのそれぞれの対象コンテンツにおける編集箇所に該当することになる。このため、ユーザはマニュアル、広告、ＦＡＱ等の属性毎に、それぞれの対象コンテンツにおける編集箇所を容易に把握することができる。
＜情報提供装置１の第３例＞
情報提供装置１の第３例では、更にアクセス制御部を備える点で、第１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。
情報提供装置１の第３例では、更にアクセス制御部を備える点で、第１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、各種データベースや対象コンテンツ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、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、そのユーザは各種データベースや対象コンテンツ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、ユーザはデータベース構成を変更できる。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対象コンテンツに対して有するが、データベース構成を変更できない。コメント専用アクセスの場合、ユーザはコメントを対象コンテンツに挿入できるが、各種データベースや対象コンテンツを変更できない。読み取り専用アクセスの場合、ユーザは対象コンテンツを閲覧できるが、各種データベースやその対象コンテンツ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。
例えば特定の基礎情報に基づいて新たな対象コンテンツを生成し、生成した新たな対象コンテンツを編集するとする。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、各種データベースや対象コンテンツ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、各種データベースや対象コンテンツ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
５ ：ユーザ端末
６ ：サーバ
７ ：公衆通信網
１０ ：筐体
１５ ：入力部
１６ ：出力部
１７ ：記憶部
１８ ：制御部
３１ ：基礎情報取得部
３２ ：基礎情報比較部
３３ ：基礎情報類似度算出部
３４ ：対象情報抽出部
３５ ：対象情報類似度算出部
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
Ｓ３１ ：基礎情報取得部ステップ
Ｓ３２ ：基礎情報比較ステップ
Ｓ３３ ：基礎情報類似度算出ステップ
Ｓ３４ ：第１対象情報抽出ステップ
Ｓ３５ ：対象情報類似度算出ステップ
Ｓ３６ ：第２対象情報抽出ステップ
５ ：ユーザ端末
６ ：サーバ
７ ：公衆通信網
１０ ：筐体
１５ ：入力部
１６ ：出力部
１７ ：記憶部
１８ ：制御部
３１ ：基礎情報取得部
３２ ：基礎情報比較部
３３ ：基礎情報類似度算出部
３４ ：対象情報抽出部
３５ ：対象情報類似度算出部
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
Ｓ３１ ：基礎情報取得部ステップ
Ｓ３２ ：基礎情報比較ステップ
Ｓ３３ ：基礎情報類似度算出ステップ
Ｓ３４ ：第１対象情報抽出ステップ
Ｓ３５ ：対象情報類似度算出ステップ
Ｓ３６ ：第２対象情報抽出ステップ
Claims (3)
- 基礎コンテンツがチャンク構造に分割された複数の基礎情報と、前記基礎コンテンツとは異なる属性の対象コンテンツがチャンク構造に分割された複数の対象情報と、を対応させて記憶される関連性データベースと、
複数の前記基礎情報を用いて機械学習により構築される基礎情報類似度算出用データベースと、
特定の基礎情報を取得する基礎情報取得手段と、
前記基礎情報と、前記特定の基礎情報とを比較する基礎情報比較手段と、
前記基礎情報比較手段により前記基礎情報と前記特定の基礎情報とが一致しない場合、前記基礎情報類似度算出用データベースを参照し、前記基礎情報と、前記特定の基礎情報と、の類似度を示す基礎情報類似度を算出する基礎情報類似度算出手段と、
前記基礎情報類似度に基づいて、複数の前記基礎情報から第１基礎情報を選択し、前記関連性データベースを参照し、前記第１基礎情報に対応する前記対象情報を第１対象情報として抽出する対象情報抽出手段と、を備えること
を特徴とする情報提供システム。 - 複数の前記対象情報を用いて機械学習により構築された対象情報類似度推定処理用データベースと、
前記対象情報類似度推定処理用データベースを参照し、前記対象情報と、前記対象情報抽出手段により抽出された前記第１対象情報と、の類似度を示す対象情報類似度を算出する対象情報類似度算出手段と、を備え、
前記対象情報抽出手段は、前記対象情報類似度に基づいて、前記第１対象情報とは異なる第２対象情報を更に抽出すること
を特徴とする請求項１記載の情報提供システム。 - 複数の前記基礎情報と、属性ごとに分類された前記対象コンテンツがチャンク構造に分割された複数の前記対象情報と、を対応させて記憶される前記関連性データベースを複数備えること
を特徴とする請求項２記載の情報提供システム。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019199259A JP6703698B1 (ja) | 2019-10-31 | 2019-10-31 | 情報提供システム |
| PCT/JP2020/026693 WO2021084807A1 (ja) | 2019-10-31 | 2020-07-08 | 情報提供システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019199259A JP6703698B1 (ja) | 2019-10-31 | 2019-10-31 | 情報提供システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6703698B1 true JP6703698B1 (ja) | 2020-06-03 |
| JP2021071992A JP2021071992A (ja) | 2021-05-06 |
Family
ID=70858073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019199259A Active JP6703698B1 (ja) | 2019-10-31 | 2019-10-31 | 情報提供システム |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP6703698B1 (ja) |
| WO (1) | WO2021084807A1 (ja) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3851712B2 (ja) * | 1997-07-28 | 2006-11-29 | 株式会社ジャストシステム | 文書管理システムおよびそのシステムとしてコンピュータを機能させるため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 |
| JP2010191519A (ja) * | 2009-02-16 | 2010-09-02 | Nec Corp | 文書管理装置、方法、及び、プログラム |
| JP2012185667A (ja) * | 2011-03-04 | 2012-09-27 | Takara Printing Co Ltd | 財務文書対訳表示システム |
| GB2503486A (en) * | 2012-06-28 | 2014-01-01 | Ibm | Managing changes to files |
| WO2014064803A1 (ja) * | 2012-10-25 | 2014-05-01 | 株式会社日立製作所 | 文書処理プログラム、文書処理装置、文書処理システム、文書処理方法 |
| JP6651189B1 (ja) * | 2019-03-29 | 2020-02-19 | 株式会社 情報システムエンジニアリング | 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 |
-
2019
- 2019-10-31 JP JP2019199259A patent/JP6703698B1/ja active Active
-
2020
- 2020-07-08 WO PCT/JP2020/026693 patent/WO2021084807A1/ja active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021084807A1 (ja) | 2021-05-06 |
| JP2021071992A (ja) | 2021-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11222167B2 (en) | Generating structured text summaries of digital documents using interactive collaboration | |
| US20240028651A1 (en) | System and method for processing documents | |
| US10474708B2 (en) | Entity-centric knowledge discovery | |
| US9542477B2 (en) | Method of automated discovery of topics relatedness | |
| US20200117446A1 (en) | Code search and code navigation | |
| US10678820B2 (en) | System and method for computerized semantic indexing and searching | |
| US11887011B2 (en) | Schema augmentation system for exploratory research | |
| US20180293215A1 (en) | Method and Computer Program for Sharing Memo between Electronic Documents | |
| JP2017041171A (ja) | テストシナリオ生成支援装置およびテストシナリオ生成支援方法 | |
| US20080184107A1 (en) | Method and apparatus for creating a tool for generating an index for a document | |
| JP2021144348A (ja) | 情報処理装置及び情報処理方法 | |
| JP6621514B1 (ja) | 要約作成装置、要約作成方法、及びプログラム | |
| CN117420998A (zh) | 一种客户端ui交互组件生成方法、装置、终端及介质 | |
| JP2019016074A (ja) | オントロジー生成装置、オントロジー生成プログラム及びオントロジー生成方法 | |
| JP6703698B1 (ja) | 情報提供システム | |
| CN113449063B (zh) | 一种构建文档结构信息检索库的方法及装置 | |
| KR101835994B1 (ko) | 키워드 맵을 이용한 전자책 검색 서비스 제공 방법 및 장치 | |
| CN114676155A (zh) | 代码提示信息的确定方法、数据集的确定方法及电子设备 | |
| JP2018156552A (ja) | 計算機システム及び文章データの検索方法 | |
| JP2021101375A (ja) | 辞書構築装置、辞書の生産方法、およびプログラム | |
| CN112699642A (zh) | 复杂医疗文书的索引提取方法及装置、介质及电子设备 | |
| JP2021128620A (ja) | 文書情報評価装置および文書情報評価方法並びに文書情報評価プログラム | |
| CN113505889B (zh) | 图谱化知识库的处理方法、装置、计算机设备和存储介质 | |
| JP6949341B1 (ja) | プログラムコード自動生成装置及びプログラム | |
| JP6476638B2 (ja) | 固有用語候補抽出装置、固有用語候補抽出方法、及び固有用語候補抽出プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191101 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191101 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20191203 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200226 |
|
| 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: 20200303 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200327 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6703698 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |