JP7034015B2 - 選択装置、学習装置、抽出装置、選択方法、学習方法、抽出方法、選択プログラム、学習プログラム、および抽出プログラム - Google Patents
選択装置、学習装置、抽出装置、選択方法、学習方法、抽出方法、選択プログラム、学習プログラム、および抽出プログラム Download PDFInfo
- Publication number
- JP7034015B2 JP7034015B2 JP2018117093A JP2018117093A JP7034015B2 JP 7034015 B2 JP7034015 B2 JP 7034015B2 JP 2018117093 A JP2018117093 A JP 2018117093A JP 2018117093 A JP2018117093 A JP 2018117093A JP 7034015 B2 JP7034015 B2 JP 7034015B2
- Authority
- JP
- Japan
- Prior art keywords
- text
- importance
- learning
- sentence
- partial
- 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
- 238000000034 method Methods 0.000 title claims description 112
- 238000000605 extraction Methods 0.000 title claims description 89
- 238000010187 selection method Methods 0.000 title claims description 13
- 239000000284 extract Substances 0.000 claims description 53
- 238000007619 statistical method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 description 34
- 238000010586 diagram Methods 0.000 description 12
- 238000012358 sourcing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
〔1.情報提供装置の概要について〕
まず、図1を用いて、選択装置、学習装置および抽出装置の一例である情報提供装置が実行する処理の一例について説明する。図1は、実施形態に係る情報提供装置が実行する処理の一例を示す図である。図1では、情報提供装置10は、以下に説明する選択処理、学習処理および抽出処理を実行する情報処理装置であり、例えば、サーバ装置やクラウドシステム等により実現される。
ここで、配信装置200は、Q&Aサービス等、利用者から投稿された情報を他の利用者に配信するサービスを提供する。このようなサービスにおいては、タイトルやサムネイル等、本文の内容を示唆する情報(すなわち、見出し)の登録を受付けるものと、投稿の手間を省くため、本文の登録のみを受付けるものとが存在する。
しかしながら、複数のテキストを有する文章の中から、見出しとなるテキストを適切に抽出するのは困難である。例えば、従来技術のように、文章の先頭から所定の文字数のテキストを見出しとして抽出された場合、挨拶等、文章の内容とはあまり関係が無いテキストを抽出する恐れがある。
以下、図1を用いて、情報提供装置10が実行する各処理の一例について説明する。まず、配信装置200は、端末装置100から利用者が入力した文章を投稿情報として受付ける(ステップS1)。このような場合、配信装置200は、投稿情報を学習文章として情報提供装置10に提供する(ステップS2)。なお、配信装置200は、投稿情報を他の利用者に対して提供する処理を並行して実行してもよい。
ここで、情報提供装置10は、任意の手法を用いて、学習文章から部分テキストの抽出を行ってもよい。例えば、情報提供装置10は、句読点、クエスチョンマーク、エクスクラメーションマーク等といった分の末尾に配置される文末表現で学習文章を分割し、分割された各文章を部分テキストとして採用してもよい。また、情報提供装置10は、分割された各文章のうち先頭から所定の数の文字(例えば、20文字)を含む文字列を抽出し、抽出した文字列を部分テキストとしてもよい。また、情報提供装置10は、各種の文章解析技術を用いて、文章の区切りを特定し、特定した区切りで学習文章を分割することで、部分テキストの抽出を行ってもよい。
図1に戻り、説明を続ける。情報提供装置10は、部分テキストの抽出を行った場合、学習文章と学習文章から抽出した部分テキストとを生成装置300へと提供する(ステップS4)。このような場合、生成装置300は、部分テキストのうち学習文章の見出しとして適切な部分テキストを特定する。より具体的には、生成装置300は、クラウドソージングを用いて、学習文章における部分テキストの重要性を特定する(ステップS5)。
続いて、情報提供装置10が実行する選択処理について説明する。例えば、配信装置200は、端末装置100から投稿情報を受付ける(ステップS8)。一方、配信装置200は、投稿情報を選択処理の対象となる対象文章として情報提供装置10に提供する(ステップS9)。このような場合、情報提供装置10は、対象文章から部分テキストの抽出を行う(ステップS10)。例えば、情報提供装置10は、対象文章に対して上述した抽出処理を実行することで、対象文章から抽出された部分テキストであって、統計的な解析結果に基づく重要性が所定の条件を満たすと判断された部分テキストを抽出する。
上述した情報提供装置10は、文章から部分テキストの抽出を行った。ここで、情報提供装置10は、上述した抽出手法を組み合わせてもよい。例えば、情報提供装置10は、文章を複数のエリアに分割し、分割したエリアごとに異なる手法で部分テキストの抽出を行ってもよい。例えば、情報提供装置10は、文章のうち先頭の数文については、テキスト範囲TAを徐々に拡張することで部分テキストを抽出し、文章の中央部分の数分については、文末表現で分割した部分テキストを抽出してもよい。
上述した情報提供装置10は、同じ学習文章から抽出された部分テキストの重要性の順序をモデルに学習させた。ここで、情報提供装置10は、同じ学習文章における部分テキストの重要性の順序を学習させるのであれば、任意の形式で、重要性の順序を学習させてよい。例えば、情報提供装置10は、部分テキストのペアを生成し、各ペアにおいてどちらの部分テキストの重要性が高いかを学習させてもよい。また、情報提供装置10は、複数の部分テキストの組を生成し、各組における部分テキストの重要性の順位をモデルに学習させてもよい。また、情報提供装置10は、全ての部分テキストを入力した際に、各部分テキストの重要性の順位を出力するように、モデルの学習を行わせてもよい。
上述した情報提供装置10は、利用者が投稿した投稿情報について、上述した抽出処理、学習処理、および選択処理を実行した。ここで、情報提供装置10は、投稿情報以外にも、任意の文章について、各処理を実行してもよい。
なお、情報提供装置10は、複数の装置が連携して動作することで、実現されてもよい。例えば、情報提供装置10は、上述した抽出処理を実行する抽出装置と、上述した学習処理を実行する学習装置と、上述した選択処理を実行する選択装置により実現されてもよい。すなわち、上述した抽出処理、学習処理および選択処理は、それぞれ独立に実行されてもよく、連携した状態で実行されてもよい。
以下、上記した検出処理および配信処理を実現する情報提供装置10が有する機能構成の一例について説明する。図4は、実施形態に係る情報提供装置の構成例を示す図である。図4に示すように、情報提供装置10は、通信部20、記憶部30、および制御部40を有する。
次に、図6~8を用いて、情報提供装置10が実行する処理の流れの一例について説明する。まず、図6を用いて、情報提供装置10が実行する抽出処理の流れの一例を説明する。図6は、実施形態に係る情報提供装置が実行する抽出処理の流れの一例を示すフローチャートである。
上記では、情報提供装置10による抽出処理、学習処理および選択処理の一例について説明した。しかしながら、実施形態は、これに限定されるものではない。以下、情報提供装置10が実行する処理のバリエーションについて説明する。
情報提供装置10は、上述した各処理を単独で実行してもよく、それぞれ連携させてもよい。例えば、情報提供装置10は、抽出処理において単語を選択する際や、テキスト範囲TAを拡張させる際の指標として、クラウドソージングにより付与された見出しスコアの傾向を考慮してもよい。例えば、情報提供装置10は、見出しスコアが高くなる傾向を有する文字数の範囲を特定し、特定した範囲に収まるように、テキスト範囲TAを拡張させてもよい。また、情報提供装置10は、テキスト範囲TAに含まれるテキストの特徴量が、見出しスコアが高い部分テキストの特徴量に近づくように、テキスト範囲TAの拡張を行ってもよい。
記憶部30に登録された各データベース31、32は、外部のストレージサーバに保持されていてもよい。また、情報提供装置10は、抽出処理を実行する抽出サーバ、学習処理を実行する学習サーバ、および選択処理を実行する選択サーバとが連携して動作することにより、実現されてもよい。このような場合、学習サーバには図2に示す学習ユニット50が配置され、抽出サーバには抽出ユニット60が配置され、選択サーバには選択ユニット70が配置されていればよい。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、逆に、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、上述した実施形態に係る情報提供装置10は、例えば図9に示すような構成のコンピュータ1000によって実現される。図9は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力IF(Interface)1060、入力IF1070、ネットワークIF1080がバス1090により接続された形態を有する。
上述したように、情報提供装置10は、処理対象となる対象文章から抽出された複数の部分テキストを取得する。そして、情報提供装置10は、学習データとなる学習文章から抽出された複数の部分テキストのそれぞれについてその学習文章における重要性を学習したモデルを用いて、対象文章から取得された複数の部分テキストのうち対象文章における重要性がより高い部分テキストを選択する。また、情報提供装置10は、部分テキストを、対象文章の見出しとして選択する。このような処理の結果、情報提供装置10は、対象文章における重要性が高い部分テキストを見出しとして選択できるので、適切な見出しを選択することができる。
20 通信部
30 記憶部
31 学習データデータベース
32 モデルデータベース
40 制御部
50 学習ユニット
51 第1取得部
52 学習部
60 抽出ユニット
61 第1選択部
62 設定部
63 拡張部
64 抽出部
70 選択ユニット
71 第2取得部
72 第2選択部
73 提供部
100 端末装置
200 配信装置
300 生成装置
Claims (27)
- 対象文章から所定の条件を満たす複数の単語を選択する単語選択部と、
それぞれ前記単語選択部により選択された単語を含む複数の範囲を含むテキスト領域を設定する設定部と、
前記範囲に含まれるテキストの重要性であって、前記対象文章に含まれるテキストの統計的な解析結果に基づく重要性が高くなるように、前記設定部により設定された範囲を拡張する拡張部と、
前記拡張部により拡張された領域を含むテキスト領域のうち、当該テキスト領域に含まれる複数の範囲の重要性が所定の条件を満たすテキスト領域を特定し、特定したテキスト領域に含まれるテキストを、部分テキストとして取得する取得部と、
前記取得部により学習データとなる学習文章から抽出された複数の部分テキストのそれぞれについて当該学習文章における重要性を学習したモデルを用いて、前記取得部により取得された複数の部分テキストのうち、前記対象文章における重要性がより高い部分テキストを選択する選択部と
を有することを特徴とする選択装置。 - 前記選択部は、前記モデルとして、同一の学習文章から抽出された複数の部分テキストの重要性の順位を学習したモデルを用いて、前記取得部により取得された複数の部分テキストのうち、前記対象文章における重要性がより高い部分テキストを選択する
ことを特徴とする請求項1に記載の選択装置。 - 前記選択部は、前記モデルとして、同一の学習文章から抽出された前記部分テキストの相対的な重要性を学習したモデルを用いて、前記取得部により取得された複数の部分テキストのうち、前記対象文章における重要性がより高い部分テキストを選択する
ことを特徴とする請求項1または2に記載の選択装置。 - 前記選択部は、前記モデルとして、同一の学習文章から抽出された前記部分テキストのペアのうちどちらの重要性がより高いかを学習したモデルを用いて、前記取得部により取得された複数の部分テキストのうち、前記対象文章における重要性がより高い部分テキストを選択する
ことを特徴とする請求項1~3のうちいずれか1つに記載の選択装置。 - 前記選択部は、前記モデルとして、複数の学習文章について、同一の学習文章から抽出された前記部分テキストのペアのうちどちらの重要性がより高いかを学習したモデルを用いて、前記取得部により取得された複数の部分テキストのうち、前記対象文章における重要性がより高い部分テキストを選択する
ことを特徴とする請求項1~4のうちいずれか1つに記載の選択装置。 - 前記拡張部は、前記範囲に含まれるテキストが所定の文章構造を有するように、当該範囲を拡張する
ことを特徴とする請求項1~5のうちいずれか1つに記載の選択装置。 - 前記拡張部は、前記対象文章に含まれるテキストの出現頻度に基づく重要性が高くなるように、前記設定部により設定された範囲を拡張する
ことを特徴とする請求項1~6のうちいずれか1つに記載の選択装置。 - 前記拡張部は、キーワード抽出に基づくスコア又はTF-IDF(Term Frequency-Inverse Document Frequency)に基づくスコアに基づいて、前記範囲に含まれるテキストの前記重要性を特定し、特定した重要性が高くなるように、各範囲を拡張する
ことを特徴とする請求項1~7のうちいずれか1つに記載の選択装置。 - 前記取得部は、前記テキスト領域に含まれるテキストのうち、前記複数の範囲に含まれるテキスト以外のテキストを、テキストの省略を示す所定のテキスト若しくはタイポグラフィに置き換えたテキストを、前記部分テキストとして取得する
ことを特徴とする請求項1~8のうちいずれか1つに記載の選択装置。 - 前記選択部は、前記部分テキストを、前記対象文章の見出しとして選択する
ことを特徴とする請求項1~9のうちいずれか1つに記載の選択装置。 - 対象文章から所定の条件を満たす複数の単語を選択する単語選択部と、
それぞれ前記単語選択部により選択された単語を含む複数の範囲を含むテキスト領域を設定する設定部と、
前記範囲に含まれるテキストの重要性であって、前記対象文章に含まれるテキストの統計的な解析結果に基づく重要性が高くなるように、前記設定部により設定された範囲を拡張する拡張部と、
前記拡張部により拡張された領域を含むテキスト領域のうち、当該テキスト領域に含まれる複数の範囲の重要性が所定の条件を満たすテキスト領域を特定し、特定したテキスト領域に含まれるテキストを、部分テキストとして取得する取得部と、
前記取得部により学習データとなる学習文章から抽出された複数の部分テキストのそれぞれについて当該学習文章における重要性をモデルに学習させる学習部と
を有することを特徴とする学習装置。 - 前記学習部は、同一の学習文章から抽出された複数の部分テキストの重要性の順位を前記モデルに学習させる
ことを特徴とする請求項11に記載の学習装置。 - 前記学習部は、前記部分テキストの相対的な重要性をモデルに学習させる
ことを特徴とする請求項11または12に記載の学習装置。 - 前記学習部は、前記部分テキストのペアを複数生成し、生成したペアに含まれる部分テキストのうちどちらの重要性がより高いかを前記モデルに学習させる
ことを特徴とする請求項11~13のうちいずれか1つに記載の学習装置。 - 前記取得部は、複数の学習文章から抽出された複数の部分テキストを取得し、
前記学習部は、同一の学習文章から抽出された部分テキストのペアを複数生成し、生成したペアに含まれる部分テキストのうちどちらの重要性がより高いかを前記モデルに学習させる
ことを特徴とする請求項11~14のうちいずれか1つに記載の学習装置。 - 文章から所定の条件を満たす複数の単語を選択する単語選択部と、
前記単語選択部により選択された単語を含む範囲を設定する設定部と、
前記範囲に含まれるテキストの重要性であって、前記文章に含まれるテキストの統計的な解析結果に基づく重要性が高くなるように、前記設定部により設定された範囲を拡張する拡張部と、
前記拡張部により拡張された範囲に含まれるテキストのうち、前記重要性が所定の条件を満たすテキストを、前記文章の内容を示すテキストの候補として抽出する抽出部と
を有し、
前記設定部は、複数の範囲を含むテキスト領域を設定し、
前記抽出部は、前記テキスト領域のうち、当該テキスト領域に含まれる複数の範囲の重要性が所定の条件を満たすテキスト領域を特定し、特定したテキスト領域に含まれるテキストを、前記文章の内容を示すテキストの候補として抽出する
ことを特徴とする抽出装置。 - 前記拡張部は、前記範囲に含まれるテキストが所定の文章構造を有するように、当該範囲を拡張する
ことを特徴とする請求項16に記載の抽出装置。 - 前記拡張部は、前記文章に含まれるテキストの出現頻度に基づく重要性が高くなるように、前記設定部により設定された範囲を拡張する拡張部と、
ことを特徴とする請求項16または17に記載の抽出装置。 - 前記拡張部は、キーワード抽出に基づくスコア又はTF-IDF(Term Frequency-Inverse Document Frequency)に基づくスコアに基づいて、前記範囲に含まれるテキストの前記重要性を特定し、特定した重要性が高くなるように、各範囲を拡張する
ことを特徴とする請求項18に記載の抽出装置。 - 前記抽出部は、前記テキスト領域に含まれるテキストのうち、前記複数の範囲に含まれるテキスト以外のテキストを、テキストの省略を示す所定のテキスト若しくはタイポグラフィに置き換えたテキストを、前記文章の内容を示すテキストの候補として抽出する
ことを特徴とする請求項16~19のうちいずれか1つに記載の抽出装置。 - 前記抽出部は、前記テキストを、前記文章の見出しの候補として抽出する
ことを特徴とする請求項16~20のうちいずれか1つに記載の抽出装置。 - 選択装置が実行する選択方法であって、
対象文章から所定の条件を満たす複数の単語を選択する単語選択工程と、
それぞれ前記単語選択工程により選択された単語を含む複数の範囲を含むテキスト領域を設定する設定工程と、
前記範囲に含まれるテキストの重要性であって、前記対象文章に含まれるテキストの統計的な解析結果に基づく重要性が高くなるように、前記設定工程により設定された範囲を拡張する拡張工程と、
前記拡張工程により拡張された領域を含むテキスト領域のうち、当該テキスト領域に含まれる複数の範囲の重要性が所定の条件を満たすテキスト領域を特定し、特定したテキスト領域に含まれるテキストを、部分テキストとして取得する取得工程と、
前記取得工程により学習データとなる学習文章から抽出された複数の部分テキストのそれぞれについて当該学習文章における重要性を学習したモデルを用いて、前記取得工程により取得された複数の部分テキストのうち、前記対象文章における重要性がより高い部分テキストを選択するテキスト選択工程と
を含むことを特徴とする選択方法。 - 対象文章から所定の条件を満たす複数の単語を選択する単語選択手順と、
それぞれ前記単語選択手順により選択された単語を含む複数の範囲を含むテキスト領域を設定する設定手順と、
前記範囲に含まれるテキストの重要性であって、前記対象文章に含まれるテキストの統計的な解析結果に基づく重要性が高くなるように、前記設定手順により設定された範囲を拡張する拡張手順と、
前記拡張手順により拡張された領域を含むテキスト領域のうち、当該テキスト領域に含まれる複数の範囲の重要性が所定の条件を満たすテキスト領域を特定し、特定したテキスト領域に含まれるテキストを、部分テキストとして取得する取得手順と、
前記取得手順により学習データとなる学習文章から抽出された複数の部分テキストのそれぞれについて当該学習文章における重要性を学習したモデルを用いて、前記取得手順により取得された複数の部分テキストのうち、前記対象文章における重要性がより高い部分テキストを選択するテキスト選択手順と
をコンピュータに実行させるための選択プログラム。 - 学習装置が実行する学習方法であって、
対象文章から所定の条件を満たす複数の単語を選択する単語選択工程と、
それぞれ前記単語選択工程により選択された単語を含む複数の範囲を含むテキスト領域を設定する設定工程と、
前記範囲に含まれるテキストの重要性であって、前記対象文章に含まれるテキストの統計的な解析結果に基づく重要性が高くなるように、前記設定工程により設定された範囲を拡張する拡張工程と、
前記拡張工程により拡張された領域を含むテキスト領域のうち、当該テキスト領域に含まれる複数の範囲の重要性が所定の条件を満たすテキスト領域を特定し、特定したテキスト領域に含まれるテキストを、部分テキストとして取得する取得工程と、
前記取得工程により学習データとなる学習文章から抽出された複数の部分テキストのそれぞれについて当該学習文章における重要性をモデルに学習させる学習工程と
を含むことを特徴とする学習方法。 - 対象文章から所定の条件を満たす複数の単語を選択する単語選択手順と、
それぞれ前記単語選択手順により選択された単語を含む複数の範囲を含むテキスト領域を設定する設定手順と、
前記範囲に含まれるテキストの重要性であって、前記対象文章に含まれるテキストの統計的な解析結果に基づく重要性が高くなるように、前記設定手順により設定された範囲を拡張する拡張手順と、
前記拡張手順により拡張された領域を含むテキスト領域のうち、当該テキスト領域に含まれる複数の範囲の重要性が所定の条件を満たすテキスト領域を特定し、特定したテキスト領域に含まれるテキストを、部分テキストとして取得する取得手順と、
前記取得手順により学習データとなる学習文章から抽出された複数の部分テキストのそれぞれについて当該学習文章における重要性をモデルに学習させる学習手順と
をコンピュータに実行させるための学習プログラム。 - 抽出装置が実行する抽出方法であって、
文章から所定の条件を満たす複数の単語を選択する単語選択工程と、
前記単語選択工程により選択された単語を含む範囲を設定する設定工程と、
前記範囲に含まれるテキストの重要性であって、前記文章に含まれるテキストの統計的な解析結果に基づく重要性が高くなるように、前記設定工程により設定された範囲を拡張する拡張工程と、
前記拡張工程により拡張された範囲に含まれるテキストのうち、前記重要性が所定の条件を満たすテキストを、前記文章の内容を示すテキストの候補として抽出する抽出工程と
を含み、
前記設定工程は、複数の範囲を含むテキスト領域を設定し、
前記抽出工程は、前記テキスト領域のうち、当該テキスト領域に含まれる複数の範囲の重要性が所定の条件を満たすテキスト領域を特定し、特定したテキスト領域に含まれるテキストを、前記文章の内容を示すテキストの候補として抽出する
ことを特徴とする抽出方法。 - 文章から所定の条件を満たす複数の単語を選択する単語選択手順と、
前記単語選択手順により選択された単語を含む範囲を設定する設定手順と、
前記範囲に含まれるテキストの重要性であって、前記文章に含まれるテキストの統計的な解析結果に基づく重要性が高くなるように、前記設定手順により設定された範囲を拡張する拡張手順と、
前記拡張手順により拡張された範囲に含まれるテキストのうち、前記重要性が所定の条件を満たすテキストを、前記文章の内容を示すテキストの候補として抽出する抽出手順と
をコンピュータに実行させるための抽出プログラムであって、
前記設定手順は、複数の範囲を含むテキスト領域を設定し、
前記抽出手順は、前記テキスト領域のうち、当該テキスト領域に含まれる複数の範囲の重要性が所定の条件を満たすテキスト領域を特定し、特定したテキスト領域に含まれるテキストを、前記文章の内容を示すテキストの候補として抽出する
ことを特徴とする抽出プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018117093A JP7034015B2 (ja) | 2018-06-20 | 2018-06-20 | 選択装置、学習装置、抽出装置、選択方法、学習方法、抽出方法、選択プログラム、学習プログラム、および抽出プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018117093A JP7034015B2 (ja) | 2018-06-20 | 2018-06-20 | 選択装置、学習装置、抽出装置、選択方法、学習方法、抽出方法、選択プログラム、学習プログラム、および抽出プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019219932A JP2019219932A (ja) | 2019-12-26 |
JP7034015B2 true JP7034015B2 (ja) | 2022-03-11 |
Family
ID=69096614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018117093A Active JP7034015B2 (ja) | 2018-06-20 | 2018-06-20 | 選択装置、学習装置、抽出装置、選択方法、学習方法、抽出方法、選択プログラム、学習プログラム、および抽出プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7034015B2 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009122807A (ja) | 2007-11-13 | 2009-06-04 | Nomura Securities Co Ltd | 連想検索システム |
-
2018
- 2018-06-20 JP JP2018117093A patent/JP7034015B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009122807A (ja) | 2007-11-13 | 2009-06-04 | Nomura Securities Co Ltd | 連想検索システム |
Non-Patent Citations (1)
Title |
---|
川場 真理子 外3名,文脈的特徴を用いたランキング学習によるブログからの主題抽出,第3回データ工学と情報マネジメントに関するフォーラム 論文集 [online],日本,電子情報通信学会データ工学専門委員会,2011年07月27日,pp.1-6 |
Also Published As
Publication number | Publication date |
---|---|
JP2019219932A (ja) | 2019-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Welleck et al. | Dialogue natural language inference | |
da Silva et al. | Using unsupervised information to improve semi-supervised tweet sentiment classification | |
JP6381775B2 (ja) | 情報処理システム及び情報処理方法 | |
CN110325986A (zh) | 文章处理方法、装置、服务器及存储介质 | |
JP2012027845A (ja) | 情報処理装置、関連文提供方法、及びプログラム | |
US20200074013A1 (en) | System and method for automatically generating articles of a product | |
US11023503B2 (en) | Suggesting text in an electronic document | |
JP6767342B2 (ja) | 検索装置、検索方法および検索プログラム | |
US20210103622A1 (en) | Information search method, device, apparatus and computer-readable medium | |
CN110717038B (zh) | 对象分类方法及装置 | |
US20150205860A1 (en) | Information retrieval device, information retrieval method, and information retrieval program | |
JP2020091857A (ja) | 電子文書の分類 | |
JP6605410B2 (ja) | 感情要因推定支援装置、感情要因推定支援方法及び感情要因推定支援用プログラム | |
US9058328B2 (en) | Search device, search method, search program, and computer-readable memory medium for recording search program | |
JP6746472B2 (ja) | 生成装置、生成方法および生成プログラム | |
JP7034015B2 (ja) | 選択装置、学習装置、抽出装置、選択方法、学習方法、抽出方法、選択プログラム、学習プログラム、および抽出プログラム | |
JP7212642B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP6310529B1 (ja) | 検索装置、検索方法および検索プログラム | |
JP6178480B1 (ja) | データ分析システム、その制御方法、プログラム、及び、記録媒体 | |
KR20200109515A (ko) | 빅데이터를 이용한 교육 콘텐츠 생성 방법 | |
Sariki et al. | A book recommendation system based on named entities | |
KR20070118154A (ko) | 정보 처리 장치 및 방법, 및 프로그램 기록 매체 | |
JP7057229B2 (ja) | 評価装置、評価方法および評価プログラム | |
JP6723897B2 (ja) | 抽出装置、学習装置、抽出方法、抽出プログラム、学習方法および学習プログラム | |
JP7244449B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20180720 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200819 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210625 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210830 |
|
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: 20220201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220301 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7034015 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |