JP6828823B2 - 知識生成装置、知識生成方法、及びプログラム - Google Patents
知識生成装置、知識生成方法、及びプログラム Download PDFInfo
- Publication number
- JP6828823B2 JP6828823B2 JP2019541596A JP2019541596A JP6828823B2 JP 6828823 B2 JP6828823 B2 JP 6828823B2 JP 2019541596 A JP2019541596 A JP 2019541596A JP 2019541596 A JP2019541596 A JP 2019541596A JP 6828823 B2 JP6828823 B2 JP 6828823B2
- Authority
- JP
- Japan
- Prior art keywords
- knowledge
- data
- input data
- learning
- model
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N99/00—Subject matter not provided for in other groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
推論で用いる知識の生成のための、入力データ及び予め用意された知識データを取得し、取得した前記入力データ及び前記知識データを用いて生成される知識が、適正かどうかを、統計的な予測モデルを用いて判定する、知識判定部と、
前記知識判定部が適正と判断した前記入力データ及び前記知識データを用いて、前記推論で用いる知識を生成する、知識生成部と、を備え、
前記予測モデルは、入力データ及び知識データの組み合わせに応じて、両者から得られる知識の適正度合を出力するモデルである、
ことを特徴とする。
(a)推論で用いる知識の生成のための、入力データ及び予め用意された知識データを取得し、取得した前記入力データ及び前記知識データを用いて生成される知識が、適正かどうかを、統計的な予測モデルを用いて判定する、ステップと、
(b)前記(a)のステップで適正と判断した前記入力データ及び前記知識データを用いて、前記推論で用いる知識を生成する、ステップと、を有し、
前記予測モデルは、入力データ及び知識データの組み合わせに応じて、両者から得られる知識の適正度合を出力するモデルである、
ことを特徴とする。
コンピュータに、
(a)推論で用いる知識の生成のための、入力データ及び予め用意された知識データを取得し、取得した前記入力データ及び前記知識データを用いて生成される知識が、適正かどうかを、統計的な予測モデルを用いて判定する、ステップと、
(b)前記(a)のステップで適正と判断した前記入力データ及び前記知識データを用いて、前記推論で用いる知識を生成する、ステップと、
を実行させる、
前記予測モデルは、入力データ及び知識データの組み合わせに応じて、両者から得られる知識の適正度合を出力するモデルである、
ことを特徴とする。
以下、本発明の実施の形態における、知識生成装置、知識生成方法、及びコンピュータ読み取り可能な記録媒体について、図1〜図6を参照しながら説明する。
最初に、本実施の形態における知識生成装置の概略構成について図1を用いて説明する。図1は、本発明の実施の形態における知識生成装置の概略構成を示すブロック図である。
次に、本発明の実施の形態における知識生成装置の動作について図4及び図5を用いて説明する。以下の説明においては、適宜図1〜図3を参酌する。また、本実施の形態では、知識生成装置100を動作させることによって、知識生成方法が実施される。よって、本実施の形態における知識生成方法の説明は、以下の知識生成装置100の動作説明に代える。
述語項構造:我々(が格)が 運賃(を格)を (に格)に 統一(述語)
(なお、この文には「に格」は存在していない。)
知識:運賃を統一する→価格を調整する
本実施の形態におけるプログラムは、コンピュータに、図4に示すステップA1〜A3を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における知識生成装置と知識生成方法とを実現することができる。この場合、コンピュータのプロセッサは、知識判定部10、知識生成部20、モデル生成部50及びデータ抽出部60として機能し、処理を行なう。
推論で用いる知識の生成のための、入力データ及び予め用意された知識データを取得し、取得した前記入力データ及び前記知識データを用いて生成される知識が、適正かどうかを、統計的な予測モデルを用いて判定する、知識判定部と、
前記知識判定部が適正と判断した前記入力データ及び前記知識データを用いて、前記推論で用いる知識を生成する、知識生成部と、を備え、
前記予測モデルは、入力データ及び知識データの組み合わせに応じて、両者から得られる知識の適正度合を出力するモデルである、
ことを特徴とする知識生成装置。
前記予測モデルを生成する、モデル生成部を更に備え、
前記モデル生成部は、学習用の入力データ及び学習用の知識データの組み合せを用いた場合に、前記知識生成部によって生成された知識と、前記学習用の入力データ及び前記学習用の知識の組み合せに対して与えられている正解の知識とを、学習データとして用いて、学習処理を行なって、前記予測モデルを生成する、
付記1に記載の知識生成装置。
前記入力データから、知識の生成に用いるデータを抽出する、データ抽出部を更に備え、
前記知識判定部は、前記データ抽出部によって抽出されたデータ及び前記知識データを用いて生成される知識が、適正かどうかを、前記予測モデルを用いて判定し、
前記知識生成部は、前記知識判定部が適正と判断した、前記データ抽出部によって抽出されたデータ及び前記知識データを用いて、前記推論で用いる知識を生成する、
付記1または2に記載の知識生成装置。
(a)推論で用いる知識の生成のための、入力データ及び予め用意された知識データを取得し、取得した前記入力データ及び前記知識データを用いて生成される知識が、適正かどうかを、統計的な予測モデルを用いて判定する、ステップと、
(b)前記(a)のステップで適正と判断した前記入力データ及び前記知識データを用いて、前記推論で用いる知識を生成する、ステップと、を有し、
前記予測モデルは、入力データ及び知識データの組み合わせに応じて、両者から得られる知識の適正度合を出力するモデルである、
ことを特徴とする知識生成方法。
(c)前記予測モデルを生成する、ステップを更に有し、
前記(c)のステップにおいて、学習用の入力データ及び学習用の知識データの組み合せを用いた場合に、前記(b)のステップの実行によって生成される知識と、前記学習用の入力データ及び前記学習用の知識の組み合せに対して与えられている正解の知識とを、学習データとして用いて、学習処理を行なって、前記予測モデルを生成する、
付記4に記載の知識生成方法。
(d)前記入力データから、知識の生成に用いるデータを抽出する、ステップを更に有し、
前記(a)のステップにおいて、前記(d)のステップによって抽出されたデータ及び前記知識データを用いて生成される知識が、適正かどうかを、前記予測モデルを用いて判定し、
前記(b)のステップにおいて、前記(a)のステップで適正と判断した、前記(d)のステップで抽出されたデータ及び前記知識データを用いて、前記推論で用いる知識を生成する、
付記4または5に記載の知識生成方法。
コンピュータに、
(a)推論で用いる知識の生成のための、入力データ及び予め用意された知識データを取得し、取得した前記入力データ及び前記知識データを用いて生成される知識が、適正かどうかを、統計的な予測モデルを用いて判定する、ステップと、
(b)前記(a)のステップで適正と判断した前記入力データ及び前記知識データを用いて、前記推論で用いる知識を生成する、ステップと、
を実行させ、
前記予測モデルは、入力データ及び知識データの組み合わせに応じて、両者から得られる知識の適正度合を出力するモデルである、
ことを特徴とするプログラム。
前記コンピュータに、
(c)前記予測モデルを生成する、ステップを更に実行させ、
前記(c)のステップにおいて、学習用の入力データ及び学習用の知識データの組み合せを用いた場合に、前記(b)のステップの実行によって生成される知識と、前記学習用の入力データ及び前記学習用の知識の組み合せに対して与えられている正解の知識とを、学習データとして用いて、学習処理を行なって、前記予測モデルを生成する、
付記7に記載のプログラム。
前記コンピュータに、
(d)前記入力データから、知識の生成に用いるデータを抽出する、ステップを更に実行させ、
前記(a)のステップにおいて、前記(d)のステップによって抽出されたデータ及び前記知識データを用いて生成される知識が、適正かどうかを、前記予測モデルを用いて判定し、
前記(b)のステップにおいて、前記(a)のステップで適正と判断した、前記(d)のステップで抽出されたデータ及び前記知識データを用いて、前記推論で用いる知識を生成する、
付記7または8に記載のプログラム。
20 知識生成部
30 予測モデル
40 知識データ
50 モデル生成部
60 データ抽出部
100 知識生成装置
110 コンピュータ
111 CPU
112 メインメモリ
113 記憶装置
114 入力インターフェイス
115 表示コントローラ
116 データリーダ/ライタ
117 通信インターフェイス
118 入力機器
119 ディスプレイ装置
120 記録媒体
121 バス
Claims (9)
- 推論で用いる知識の生成のための、入力データ及び予め用意された知識データを取得し、取得した前記入力データ及び前記知識データを用いて生成される知識が、適正かどうかを、統計的な予測モデルを用いて判定する、知識判定部と、
前記知識判定部が適正と判断した前記入力データ及び前記知識データを用いて、前記推論で用いる知識を生成する、知識生成部と、を備え、
前記予測モデルは、入力データ及び知識データの組み合わせに応じて、両者から得られる知識の適正度合を出力するモデルである、
ことを特徴とする知識生成装置。 - 前記予測モデルを生成する、モデル生成部を更に備え、
前記モデル生成部は、学習用の入力データ及び学習用の知識データの組み合せを用いた場合に、前記知識生成部によって生成された知識と、前記学習用の入力データ及び前記学習用の知識の組み合せに対して与えられている正解の知識とを、学習データとして用いて、学習処理を行なって、前記予測モデルを生成する、
請求項1に記載の知識生成装置。 - 前記入力データから、知識の生成に用いるデータを抽出する、データ抽出部を更に備え、
前記知識判定部は、前記データ抽出部によって抽出されたデータ及び前記知識データを用いて生成される知識が、適正かどうかを、前記予測モデルを用いて判定し、
前記知識生成部は、前記知識判定部が適正と判断した、前記データ抽出部によって抽出されたデータ及び前記知識データを用いて、前記推論で用いる知識を生成する、
請求項1または2に記載の知識生成装置。 - (a)推論で用いる知識の生成のための、入力データ及び予め用意された知識データを取得し、取得した前記入力データ及び前記知識データを用いて生成される知識が、適正かどうかを、統計的な予測モデルを用いて判定する、ステップと、
(b)前記(a)のステップで適正と判断した前記入力データ及び前記知識データを用いて、前記推論で用いる知識を生成する、ステップと、を有し、
前記予測モデルは、入力データ及び知識データの組み合わせに応じて、両者から得られる知識の適正度合を出力するモデルである、
ことを特徴とする知識生成方法。 - (c)前記予測モデルを生成する、ステップを更に有し、
前記(c)のステップにおいて、学習用の入力データ及び学習用の知識データの組み合せを用いた場合に、前記(b)のステップの実行によって生成される知識と、前記学習用の入力データ及び前記学習用の知識の組み合せに対して与えられている正解の知識とを、学習データとして用いて、学習処理を行なって、前記予測モデルを生成する、
請求項4に記載の知識生成方法。 - (d)前記入力データから、知識の生成に用いるデータを抽出する、ステップを更に有し、
前記(a)のステップにおいて、前記(d)のステップによって抽出されたデータ及び前記知識データを用いて生成される知識が、適正かどうかを、前記予測モデルを用いて判定し、
前記(b)のステップにおいて、前記(a)のステップで適正と判断した、前記(d)のステップで抽出されたデータ及び前記知識データを用いて、前記推論で用いる知識を生成する、
請求項4または5に記載の知識生成方法。 - コンピュータに、
(a)推論で用いる知識の生成のための、入力データ及び予め用意された知識データを取得し、取得した前記入力データ及び前記知識データを用いて生成される知識が、適正かどうかを、統計的な予測モデルを用いて判定する、ステップと、
(b)前記(a)のステップで適正と判断した前記入力データ及び前記知識データを用いて、前記推論で用いる知識を生成する、ステップと、
を実行させ、
前記予測モデルは、入力データ及び知識データの組み合わせに応じて、両者から得られる知識の適正度合を出力するモデルである、
ことを特徴とするプログラム。 - 前記コンピュータに、
(c)前記予測モデルを生成する、ステップを更に実行させ、
前記(c)のステップにおいて、学習用の入力データ及び学習用の知識データの組み合せを用いた場合に、前記(b)のステップの実行によって生成される知識と、前記学習用の入力データ及び前記学習用の知識の組み合せに対して与えられている正解の知識とを、学習データとして用いて、学習処理を行なって、前記予測モデルを生成する、
請求項7に記載のプログラム。 - 前記コンピュータに、
(d)前記入力データから、知識の生成に用いるデータを抽出する、ステップを更に実行させ、
前記(a)のステップにおいて、前記(d)のステップによって抽出されたデータ及び前記知識データを用いて生成される知識が、適正かどうかを、前記予測モデルを用いて判定し、
前記(b)のステップにおいて、前記(a)のステップで適正と判断した、前記(d)のステップで抽出されたデータ及び前記知識データを用いて、前記推論で用いる知識を生成する、
請求項7または8に記載のプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/033450 WO2019053878A1 (ja) | 2017-09-15 | 2017-09-15 | 知識生成装置、知識生成方法、及びコンピュータ読み取り可能な記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019053878A1 JPWO2019053878A1 (ja) | 2020-10-15 |
JP6828823B2 true JP6828823B2 (ja) | 2021-02-10 |
Family
ID=65723352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019541596A Active JP6828823B2 (ja) | 2017-09-15 | 2017-09-15 | 知識生成装置、知識生成方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6828823B2 (ja) |
WO (1) | WO2019053878A1 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07105159A (ja) * | 1993-09-30 | 1995-04-21 | Omron Corp | 情報処理装置 |
EP1560158A1 (en) * | 2002-10-18 | 2005-08-03 | Japan Science and Technology Agency | Learning/thinking machine and learning/thinking method based on structured knowledge, computer system, and information generation method |
JP6614152B2 (ja) * | 2014-09-05 | 2019-12-04 | 日本電気株式会社 | テキスト処理システム、テキスト処理方法、及び、コンピュータ・プログラム |
-
2017
- 2017-09-15 WO PCT/JP2017/033450 patent/WO2019053878A1/ja active Application Filing
- 2017-09-15 JP JP2019541596A patent/JP6828823B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
WO2019053878A1 (ja) | 2019-03-21 |
JPWO2019053878A1 (ja) | 2020-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9542176B2 (en) | Predicting software build errors | |
US20170315803A1 (en) | Method and apparatus for generating a refactored code | |
US9779087B2 (en) | Cross-lingual discriminative learning of sequence models with posterior regularization | |
US20210201196A1 (en) | Method and apparatus for training machine reading comprehension model, and storage medium | |
Dietsch et al. | Fairness modulo theory: A new approach to LTL software model checking | |
EP3885963A1 (en) | Method and apparatus for determining causality, electronic device and storage medium | |
US10977156B2 (en) | Linking source code with compliance requirements | |
AU2019203758A1 (en) | Automatic analysis of a set of systems used to implement a process | |
EP3640814A1 (en) | User-friendly explanation production using generative adversarial networks | |
US9984064B2 (en) | Reduction of memory usage in feature generation | |
JP6828823B2 (ja) | 知識生成装置、知識生成方法、及びプログラム | |
US20230419036A1 (en) | Random token segmentation for training next token prediction models | |
CN113721928B (zh) | 一种基于二进制分析的动态库裁剪方法 | |
US9749281B2 (en) | Dynamic adaption of electronic routing slips for financial messaging | |
US20220405473A1 (en) | Machine learning for training nlp agent | |
US20220365955A1 (en) | Search platform for unstructured interaction summaries | |
CN110515653B (zh) | 文档生成方法、装置、电子设备及计算机可读存储介质 | |
Ye et al. | Parallel computational tree logic model‐checking on pushdown systems | |
US11074518B2 (en) | Computer system, generation method of plan, and non-transitory computer readable storage medium | |
US10127075B2 (en) | Model driven optimization of annotator execution in question answering system | |
US20230418566A1 (en) | Programmatically generating evaluation data sets for code generation models | |
US20230418567A1 (en) | Constrained prefix matching for generating next token predictions | |
US20230136507A1 (en) | Hybrid model for case complexity classification | |
US20230418565A1 (en) | Validating and providing proactively generated code suggestions | |
US11748576B2 (en) | Interpretation of deep neural model based dialogue agents |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200309 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200309 |
|
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: 20201222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210104 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6828823 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |