JP7034184B2 - 意味グラフにおけるメタ関係の適応評価のためのコンピュータ実施方法、コンピュータ・システム、及びコンピュータ・プログラム - Google Patents
意味グラフにおけるメタ関係の適応評価のためのコンピュータ実施方法、コンピュータ・システム、及びコンピュータ・プログラム Download PDFInfo
- Publication number
- JP7034184B2 JP7034184B2 JP2019569743A JP2019569743A JP7034184B2 JP 7034184 B2 JP7034184 B2 JP 7034184B2 JP 2019569743 A JP2019569743 A JP 2019569743A JP 2019569743 A JP2019569743 A JP 2019569743A JP 7034184 B2 JP7034184 B2 JP 7034184B2
- Authority
- JP
- Japan
- Prior art keywords
- meta
- graph
- semantic
- computer
- weighting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3338—Query expansion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Description
i.コーパスの概念のインスタンスに関する意味及び語彙特徴、
ii.タスクの主要目的であるメタ関数の強度。これは、例えば、分極できるバイアス又は感情の場合のように、多次元のものとすることができる、
iii.上記の全てに関する信頼度スコア、及び
iv.同一ベクトルの論理回帰等の統計技術を用いた関連及び強度の尺度の集約。
例示的実施形態において、意味グラフは、「腫瘍」、「プロゲステロン」、又は「リンパ節」などの医学ドメイン概念について統合医学用語システム(UMLS)データから構築するか、又は既存のグラフを用いることができる。
a)「TumourSize(腫瘍サイズ)」ノードは、ハードコード関連係数0.9を有するので、患者が到着し、この概念に対する関連値を有すると、ベクトルは、(患者の腫瘍サイズ*0.9)の正規化値を含み得る;
b)「ProgesteroneLevel(プロゲステロン・レベル)」ノードが、この薬に対して0.8の関連性を有する場合、ベクトルは、(患者のプロゲステロン・レベル*0.8)を含む;
c)「ki67増殖指数」に関するノードは、正規化百分率(n%*0.7)を有し得る。
感情分析は、対象の意見を抽出し、それをポジティブ(positive、肯定的)、ネガティブ(negative、否定的)、もしくはニュートラル(neutral、中立)として分類し、又はこの能力を拡張して何らかの数値表現を行うことを含む。通常、感情分析は文書(document)レベルで適用され、文書の集約された極性が議論のトピックに適用される。語句レベルの感情検出は、「観点レベル感情分析(aspect level sentiment analysis)」として知られるトピックの特定の要素にますます適用されている。この場合、トピック全体の各サブ要素について、別個のスコアがドキュメント又はコーパスに集約される。本プロセスの最も困難な部分の1つは、語句「ネガティブな試験結果」対「ネガティブな経験」など、文脈において語の固有の感情がいつ変化するかを認識することである。
感情分析技術の使用が普及するにつれて、感情評価における体系的なバイアスは、自然言語テキストの自動感情分析に基づく決定の完全性を危うくするおそれがある。例えば、会社又その競合他社に関する記事が発行され、この記事がこれらの行為者及びその将来の財務成績について又は特定の競合製品についてのポジティブ又はネガティブな意見を表す場合、記事を適切に扱うために、いずれかの固有バイアスにさらされることは重要である。次に、記事は、決定プロセスから除外されることがあり、又はスコアを生成する際、バイアスの強度が考慮に入れられることがある。最も信頼できる記事は、いずれかの方向に偏らないものである。多くのシステムは、ノイズの多いコーパスにおける平均感情スコアは、ニュートラルなものと仮定する。
実施形態において、意味グラフは、固有表現抽出(NER)データを用いて、金融ドメイン・コーパスから構築することができ、以下の:
a)詳細な数値及びテキストによる概要、並びに短期的見通しを有する年次/四半期報告書、
b)金融ニュースレポート、
c)金融ブログ、
d)記事の著者、発行詳細等を含む上記全てについてのメタデータ、
等のデータに関するフレームを構文解析することができる。
「P社の財務見通しに関する新しいレポートは、不正確さ及び現実を全く反映しない奇妙な予測で満ちている。CEOが最新の技術に十分投資を行ったQ社とは異なり、P社は、正しい方向に進むとは思われず、このレポートは、単に、ますます悪化する業績における亀裂を取り繕う試みのように見える。」
著者A:重み付け+1、ノード重み付け421として追加される、
P社レポート:重み付け-1、ノード重み付け423として追加される、
Q社:重み付け+1、ノード重み付け422として追加される。
[P社]に対する[著者A]=(-0.9)+(-1.3)+(-1.45)=(-3.65)バイアス結果474として示される、
[Q社]に対する[著者A]=(+1)+(0.7)=(+1.7)バイアス結果473として示される。
著者及び出版物を表すエンティティは、従前の記事及びプレス発表等の履歴を有し、コンテンツの概念間のアサートの極性に関して分析できるコンテンツを有し得る。例として以下が挙げられる。:
「A社は破産するであろう」、又は
「B社は、AIの新機軸を開いている」、又は
「A社の財務予測は、明らかに悪化すると思われる」。
a)文章、名詞句、段落、文書、又は出版物全体などの異なる範囲で同時発生するエンティティ、
b)例えば、親ノード→子ノード、又は同じ動詞の項のような依存関係解析構造によりリンクされるエンティティ、及び
c)テキスト内に独立した基準を有する、又は述部(subj、obj)など、解析ツリーにおけるドメイン及び範囲エンティティを直接リンクする特定の関係によりリンクされるエンティティ。
*0-信頼に値せず、無視できる。
**ポジティブ/ネガティブ-想定されておらず、追加の値である。
ニュートラル値は、同等と考えることができる。
意味グラフのコンテンツに程度の差はあるが関連し得る意味分類及びエンティティに対するハードコード化重み付けの他に、意味関連性を意味グラフにおいて拡散信号として符号化する他の多くの方法がある。記載される方法の1つの実施形態は、ドメイン特有のコーパスから情報検索(IR)頻度を用いて意味関連性に対する活性化拡散の自動化構成として提供してグラフ・ノード及びリンクを重み付けすることができる。
例示的実施形態においては、例えば、UMLS-医学ドメイン・グラフ、又はDBPedia-オープン・ドメイン・グラフなどの既存の意味グラフを用いることができる。
a)ノード頻度(Fn)は、用語の一般性を反映し、従って、逆数1/Fnが用いられる。
b)エッジ頻度(Fe)は、用語の関連性に直接比例し、値Feが用いられる。
c)0から1まで又は0.5から1までの間に適合するようにスケールダウンされた値が、信号の伝播の再帰的減少に対する活性化拡散において非常に一般的である。
d)上記のその他の変形は、ノード及びエッジに対してtf/idfスコアを使用することを含む。
クエリ拡張のプロセスは、入力語句又はクエリの文脈を理解すること、及び、オリジナルのクエリに対する適正文書を見つけるのに役立つ代替的な又は追加の語句を見つけることであると考えることができる。1つの例は、「A社の事務所はアイルランドのどこにあるか?」である。「アイルランド(Ireland)」を、A社が事務所を有する「コーク(Cork)」、「ダブリン(Dublin)」及び「ガルウェイ(Galway)」に改めると、正しい回答を見つける可能性が潜在的に向上する。通常、クエリ拡張は、入力の観点に焦点を当て、合致の尤度を向上させるように補外を試みる。
自動リスク評価の分野は、所与のキーワードと特定のレベルのリスク危険度との間に直接リンクがあるキーワード・ベースの手法に主として依存する。機械学習技術は、通常、キーワードとそれに関連するリスク要因に基づくより頑強な認識を得るのに用いる。リスク危険度を推定し、文脈に直ちには存在しないかもしれないという、知見を用いて定量化するアプローチは、既存の技術に対して有意な追加価値となる。
バイアスを歴史的感情極性の強度に従って定量化できるのと同じ方法で、エンティティ又はトピックの地理的場所のリストとの関連性を、歴史的関連付け及び地理的距離に従って評価することができる。地理空間推定の既存の方法は、テキストにおける直接的言及に限定されるが、テキスト内に複数の位置が存在する場合、ドメイン・コーパスにおける普遍的関連付けにより関連性を決定できる方法が、はるかに有用である。
a)2つのエンティティ間の正規化した地理的距離、
b)意味的関連付けの関連性(例えば、オリジナルの活性化拡散実装による重み)、
c)地理空間意味分類のみが伝達され、重みの蓄積に使用される、b)の代案、
を含むことができる。
本開示はクラウド・コンピューティングについての詳細な説明を含むが、本明細書に記載される教示の実装は、クラウド・コンピューティング環境に限定されないことを理解されたい。むしろ、本発明の実施形態は、現在既知の又は後で開発される他のいずれかのタイプのコンピューティング環境と共に実施することができる。
オンデマンド・セルフサービス:クラウド・コンシューマは、必要に応じて、サーバ時間及びネットワーク・ストレージ等のコンピューティング機能を、人間がサービスのプロバイダと対話する必要なく自動的に、一方的にプロビジョニングすることができる。
広範なネットワーク・アクセス:機能は、ネットワーク上で利用可能であり、異種のシン又はシック・クライアント・プラットフォーム(例えば、携帯電話、ラップトップ、及びPDA)による使用を促進する標準的な機構を通じてアクセスされる。
リソースのプール化:プロバイダのコンピューティング・リソースは、マルチ・テナント・モデルを用いて、異なる物理及び仮想リソースを要求に応じて動的に割り当て及び再割り当てすることにより、複数のコンシューマにサービスを提供するためにプールされる。コンシューマは、一般に、提供されるリソースの正確な位置についての制御又は知識を持たないが、より高レベルの抽象化では位置(例えば、国、州、又はデータセンタ)を特定できる場合があるという点で、位置とは独立しているといえる。
迅速な弾力性:機能は、迅速かつ弾力的に、場合によっては自動的に、プロビジョニングして素早くスケール・アウトし、迅速にリリースして素早くスケール・インさせることができる。コンシューマにとって、プロビジョニングに利用可能なこれらの機能は、多くの場合、無制限であり、いつでもどんな量でも購入できるように見える。
計測されるサービス:クラウド・システムは、サービスのタイプ(例えば、ストレージ、処理、帯域幅、及びアクティブなユーザ・アカウント)に適した何らかの抽象化レベルでの計量機能を用いることによって、リソースの使用を自動的に制御及び最適化する。リソース使用を監視し、制御し、報告し、利用されるサービスのプロバイダとコンシューマの両方に対して透明性をもたらすことができる。
Software as a Service(SaaS):クラウド・インフラストラクチャ上で動作しているプロバイダのアプリケーションを使用するために、コンシューマに提供される機能である。これらのアプリケーションは、ウェブ・ブラウザ(例えば、ウェブ・ベースの電子メール)などのシン・クライアント・インターフェースを通じて、種々のクライアント・デバイスからアクセス可能である。コンシューマは、限定されたユーザ固有のアプリケーション構成設定の考え得る例外として、ネットワーク、サーバ、オペレーティング・システム、ストレージ、又は個々のアプリケーション機能をも含めて、基礎をなすクラウド・インフラストラクチャを管理又は制御しない。
Platform as a Service(PaaS):プロバイダによってサポートされるプログラミング言語及びツールを用いて生成された、コンシューマが生成した又は取得したアプリケーションを、クラウド・インフラストラクチャ上に配備するために、コンシューマに提供される機能である。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、又はストレージなどの基礎をなすクラウド・インフラストラクチャを管理又は制御しないが、配備されたアプリケーション、及び場合によってはアプリケーション・ホスティング環境構成に対して制御を有する。
Infrastructure as a Service(IaaS):コンシューマが、オペレーティング・システム及びアプリケーションを含み得る任意のソフトウェアを配備及び動作させることができる、処理、ストレージ、ネットワーク、及び他の基本的なコンピューティング・リソースをプロビジョニンングするために、コンシューマに提供される機能である。コンシューマは、基礎をなすクラウド・インフラストラクチャを管理又は制御しないが、オペレーティング・システム、ストレージ、配備されたアプリケーションに対する制御、及び場合によってはネットワーク・コンポーネント(例えば、ホストのファイアウォール)選択の限定された制御を有する。
プライベート・クラウド:クラウド・インフラストラクチャは、ある組織のためだけに運営される。このクラウド・インフラストラクチャは、その組織又は第三者によって管理することができ、オンプレミス又はオフプレミスに存在することができる。
コミュニティ・クラウド:クラウド・インフラストラクチャは、幾つかの組織によって共有され、共通の関心事項(例えば、任務、セキュリティ要件、ポリシー、及びコンプライアンス上の考慮事項)を有する特定のコミュニティをサポートする。クラウド・インフラストラクチャは、その組織又は第三者によって管理することができ、オンプレミス又はオフプレミスに存在することができる。
パブリック・クラウド:クラウド・インフラストラクチャは、一般公衆又は大規模な業界グループに利用可能であり、クラウド・サービスを販売する組織によって所有される。
ハイブリッド・クラウド:クラウド・インフラストラクチャは、固有のエンティティのままであるが、データ及びアプリケーションの移行性を可能にする標準化された又は専用の技術(例えば、クラウド間の負荷分散のためのクラウド・バースティング)によって結び付けられる2つ以上のクラウド(プライベート、コミュニティ、又はパブリック)の混成物である。
110:意味リソース
111、115:意味グラフ
112:追加リソース
113、116:メタ関係重み付け
114:入力文脈
200:システム
201:プロセッサ
202:メモリ
203:コンピュータ命令
210:意味グラフ評価システム
210、516:プロセッサ
220:メタ関係コンポーネント
222:シード重み付け導出コンポーネント
223:重み付け追加コンポーネント
224:重み付け更新コンポーネント
230:実行時コンポーネント
231:入力文脈選択コンポーネント
232:概念検出コンポーネント
233:グラフ活性化コンポーネント
234:スコア化コンポーネント
235:環境文脈コンポーネント
237:出力コンポーネント
300、400:意味グラフ
310、312、410、411、412、413:ノード
320、420:エッジ
421、422、423:ノード重み付け
450:固有バイアス
451、452、453、461、462、463:エッジ重み付け
460:表示バイアス
471、472、473、474、475:活性化拡散値
512:コンピュータ・システム/サーバ
528:システム・メモリ
650:クラウド・コンピューティング環境
760:ハードウェア及びソフトウェア層
760:仮想化層
780:管理層
790:ワークロード層
Claims (10)
- コンピュータの情報処理により、意味グラフにおけるメタ関係の測定を行う方法であって、
ノードの形態の概念がエッジの形態の意味関係によりリンクされる、知識ベースに基づいた自然言語ソースから前記意味グラフを得ることと、
前記意味グラフのエッジ及びノードのメタデータに、メタ関係を測定するための特徴ベクトルとしての重み付けを符号化(エンコード)することであって、前記メタ関係は、前記意味グラフの概念に適用され、かつ、前記意味グラフのエッジによって定義される前記意味関係とは独立しており、前記特徴ベクトルは、前記メタ関係の強度を含み、前記強度は、前記ノードの実行時入力を使用する、符号化することと、
意味論的グラフの1又は複数の概念に関連する入力文脈を用いてグラフを活性化することであって、前記重み付けが意味論的グラフを介して広がっていく活性化信号に適用されて、意味論的グラフの概念のサブセットに対する前記メタ関係の測定値を生成する、活性化することと、
を含む、方法。 - 前記入力文脈に対してグラフ活性化を実行することは、前記入力文脈における概念エンティティを検出すること、並びに、前記意味グラフにおける前記概念に対応するノードを活性化させること、信号に前記重み付けを適用しながら前記信号を隣接するノードに向けて順次伝達して前記隣接するノードを活性化させること、及び結果としての再活性化信号を有する1つ又は複数の焦点ノードを特定することと、
を含む、請求項1に記載の方法。 - 前記入力文脈における前記メタ関係の測定を反映した、前記意味グラフの結果的に活性化された部分を出力することをさらに含む、請求項2に記載の方法。
- 前記意味グラフが基づく知識ベースとは独立したリソースのセットから得られたメタ関係の測定値に対する重み付けを前記グラフに適用することをさらに含む、請求項1乃至3のいずれかに記載の方法。
- 前記重み付けは、前記リソースのセットから得られる未加工値であり、前記リソースのセットへの追加に応答して更新され、前記未加工値は、1つのグラフ活性化の処理の中で適用される、請求項4に記載の方法。
- 前記重み付けは、前記メタ関係の異なる観点に対する多次元測定、及び/又は前記メタ関係の極性を示す、請求項1乃至5のいずれかに記載の方法。
- 前記重み付けは、入力文脈の概念エンティティに対するノードの実行時入力に応じて計算される特徴ベクトルである、請求項1乃至6のいずれかに記載の方法。
- 前記メタ関係は、
感情分析、バイアス評価、予測分析におけるバイアス、情報検索を用いたクエリ拡張、リスク評価、地理空間推定、及び臨床試験マッチングを含む治療、使用又は処理の適合性を含む群のうちの1つの形態の現象に関する、請求項1乃至7のいずれかに記載の方法。 - 請求項1乃至8のいずれかに記載の方法を、プロセッサとメモリを有するコンピュータ・ハードウェアとして構成した、コンピュータ・システム。
- 請求項1乃至8のいずれかに記載の方法を、コンピュータに実行させる、コンピュータ・プログラム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/632,564 | 2017-06-26 | ||
US15/632,564 US11176325B2 (en) | 2017-06-26 | 2017-06-26 | Adaptive evaluation of meta-relationships in semantic graphs |
US15/844,723 | 2017-12-18 | ||
US15/844,723 US11270076B2 (en) | 2017-06-26 | 2017-12-18 | Adaptive evaluation of meta-relationships in semantic graphs |
PCT/IB2018/054610 WO2019003069A1 (en) | 2017-06-26 | 2018-06-22 | ADAPTIVE EVALUATION OF META-RELATIONS IN SEMANTIC GRAPHICS |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020525897A JP2020525897A (ja) | 2020-08-27 |
JP2020525897A5 JP2020525897A5 (ja) | 2020-10-08 |
JP7034184B2 true JP7034184B2 (ja) | 2022-03-11 |
Family
ID=64692566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019569743A Active JP7034184B2 (ja) | 2017-06-26 | 2018-06-22 | 意味グラフにおけるメタ関係の適応評価のためのコンピュータ実施方法、コンピュータ・システム、及びコンピュータ・プログラム |
Country Status (6)
Country | Link |
---|---|
US (2) | US11176325B2 (ja) |
JP (1) | JP7034184B2 (ja) |
CN (1) | CN110692050B (ja) |
DE (1) | DE112018001876T5 (ja) |
GB (1) | GB2578065A (ja) |
WO (1) | WO2019003069A1 (ja) |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10169130B2 (en) | 2016-07-19 | 2019-01-01 | International Business Machines Corporation | Tailoring diagnostic information in a multithreaded environment |
US11586827B2 (en) | 2017-05-10 | 2023-02-21 | Oracle International Corporation | Generating desired discourse structure from an arbitrary text |
US11386274B2 (en) | 2017-05-10 | 2022-07-12 | Oracle International Corporation | Using communicative discourse trees to detect distributed incompetence |
US11615145B2 (en) | 2017-05-10 | 2023-03-28 | Oracle International Corporation | Converting a document into a chatbot-accessible form via the use of communicative discourse trees |
US10817670B2 (en) | 2017-05-10 | 2020-10-27 | Oracle International Corporation | Enabling chatbots by validating argumentation |
US10599885B2 (en) | 2017-05-10 | 2020-03-24 | Oracle International Corporation | Utilizing discourse structure of noisy user-generated content for chatbot learning |
US11373632B2 (en) | 2017-05-10 | 2022-06-28 | Oracle International Corporation | Using communicative discourse trees to create a virtual persuasive dialogue |
US10839154B2 (en) | 2017-05-10 | 2020-11-17 | Oracle International Corporation | Enabling chatbots by detecting and supporting affective argumentation |
US11960844B2 (en) | 2017-05-10 | 2024-04-16 | Oracle International Corporation | Discourse parsing using semantic and syntactic relations |
CN110612525B (zh) | 2017-05-10 | 2024-03-19 | 甲骨文国际公司 | 通过使用交流话语树启用修辞分析 |
US11176325B2 (en) | 2017-06-26 | 2021-11-16 | International Business Machines Corporation | Adaptive evaluation of meta-relationships in semantic graphs |
US10956822B1 (en) * | 2017-07-06 | 2021-03-23 | Wells Fargo Bank, N.A. | Identification and management of frequently asked questions |
JP7187545B2 (ja) | 2017-09-28 | 2022-12-12 | オラクル・インターナショナル・コーポレイション | 名前付きエンティティの構文解析および識別に基づくクロスドキュメントの修辞的つながりの判断 |
JP7214719B2 (ja) | 2017-09-28 | 2023-01-30 | オラクル・インターナショナル・コーポレイション | 質問と要求とを自律エージェントが区別できるようにすること |
US10997259B2 (en) * | 2017-10-06 | 2021-05-04 | Realpage, Inc. | Concept networks and systems and methods for the creation, update and use of same in artificial intelligence systems |
US10740398B2 (en) * | 2017-11-27 | 2020-08-11 | International Business Machines Corporation | Structuring incoherent nodes by superimposing on a base knowledge graph |
US11537645B2 (en) * | 2018-01-30 | 2022-12-27 | Oracle International Corporation | Building dialogue structure by using communicative discourse trees |
US11797838B2 (en) | 2018-03-13 | 2023-10-24 | Pinterest, Inc. | Efficient convolutional network for recommender systems |
US11327941B2 (en) * | 2018-05-02 | 2022-05-10 | Flexera Software Llc | Standardized graph-based framework for determining a license position of an enterprise computer system |
EP3791292A1 (en) | 2018-05-09 | 2021-03-17 | Oracle International Corporation | Constructing imaginary discourse trees to improve answering convergent questions |
US10769158B2 (en) * | 2018-05-15 | 2020-09-08 | National Technology & Engineering Solutions od Sandia, LLC | Computer processing through distance-based quality score method in geospatial-temporal semantic graphs |
US11455494B2 (en) | 2018-05-30 | 2022-09-27 | Oracle International Corporation | Automated building of expanded datasets for training of autonomous agents |
US11645459B2 (en) | 2018-07-02 | 2023-05-09 | Oracle International Corporation | Social autonomous agent implementation using lattice queries and relevancy detection |
US11086911B2 (en) * | 2018-07-31 | 2021-08-10 | Wipro Limited | Method and system for generating question variations to user input |
US11562135B2 (en) * | 2018-10-16 | 2023-01-24 | Oracle International Corporation | Constructing conclusive answers for autonomous agents |
US10885279B2 (en) * | 2018-11-08 | 2021-01-05 | Microsoft Technology Licensing, Llc | Determining states of content characteristics of electronic communications |
US20200175419A1 (en) * | 2018-12-04 | 2020-06-04 | Akamai Technologies, Inc. | Multi-machine based collaborative learning |
US11321536B2 (en) | 2019-02-13 | 2022-05-03 | Oracle International Corporation | Chatbot conducting a virtual social dialogue |
US11275791B2 (en) * | 2019-03-28 | 2022-03-15 | International Business Machines Corporation | Automatic construction and organization of knowledge graphs for problem diagnoses |
US11132513B2 (en) | 2019-05-07 | 2021-09-28 | International Business Machines Corporation | Attention-based natural language processing |
US11176333B2 (en) | 2019-05-07 | 2021-11-16 | International Business Machines Corporation | Generation of sentence representation |
WO2020263180A1 (en) * | 2019-06-24 | 2020-12-30 | Singapore University Of Technology And Design | A computational and visualization aid for brainstorming and crowdsourcing of ideas |
US11200376B2 (en) * | 2019-08-20 | 2021-12-14 | International Business Machines Corporation | Expanded concept matching |
US11586731B2 (en) * | 2019-09-26 | 2023-02-21 | Microsoft Technology Licensing, Llc | Risk-aware entity linking |
CN110795569B (zh) * | 2019-10-08 | 2021-06-15 | 北京百度网讯科技有限公司 | 知识图谱的向量表示生成方法、装置及设备 |
US11455467B2 (en) * | 2020-01-30 | 2022-09-27 | Tencent America LLC | Relation extraction using full dependency forests |
US11423094B2 (en) * | 2020-06-09 | 2022-08-23 | International Business Machines Corporation | Document risk analysis |
US11501241B2 (en) * | 2020-07-01 | 2022-11-15 | International Business Machines Corporation | System and method for analysis of workplace churn and replacement |
CN112287218B (zh) * | 2020-10-26 | 2022-11-01 | 安徽工业大学 | 一种基于知识图谱的非煤矿山文献关联推荐方法 |
CN112783474B (zh) * | 2020-12-31 | 2022-09-02 | 北京航空航天大学 | 一种考虑多因素的软件体系结构适应性评估方法 |
US11741106B2 (en) | 2021-02-02 | 2023-08-29 | Optum, Inc. | Graph data representation systems and methods for eligibility determination and/or monitoring |
CN112860864B (zh) * | 2021-02-05 | 2022-11-08 | 陕西师范大学 | 一种基于概念图的故事语义可视化呈现方法 |
CN112883278A (zh) * | 2021-03-23 | 2021-06-01 | 西安电子科技大学昆山创新研究院 | 基于智慧社区大数据知识图谱的不良舆论传播抑制方法 |
CN115344663A (zh) * | 2021-05-12 | 2022-11-15 | 华为技术有限公司 | 一种业务逻辑的知识表示和推演方法及装置 |
US20220414128A1 (en) * | 2021-06-23 | 2022-12-29 | Servicenow Canada Inc. | Method and system for interactive searching based on semantic similarity of semantic representations of text objects |
CN113792544B (zh) * | 2021-07-06 | 2023-08-29 | 中国地质大学(武汉) | 顾及地理空间分布的文本情感分类方法及装置 |
US11842153B2 (en) * | 2021-07-28 | 2023-12-12 | Microsoft Technology Licensing, Llc | Computing system for auto-identification of secondary insights using reverse extraction |
US20230214603A1 (en) * | 2021-12-30 | 2023-07-06 | Biasly, LLC | Generating bias scores from articles |
CN114565429A (zh) * | 2022-02-22 | 2022-05-31 | 哈尔滨工程大学 | 一种基于语义图模型的智能供应商匹配方法 |
WO2023205478A1 (en) * | 2022-04-22 | 2023-10-26 | Nextnet Inc. | Data integration, knowledge extraction and methods thereof |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008310784A (ja) | 2007-06-13 | 2008-12-25 | Shinichiro Okude | 意味的ネットワークをベースとして用いる対話装置、対話プログラム、及び対話プログラムを記録した記録媒体 |
JP2015060243A (ja) | 2013-09-17 | 2015-03-30 | 富士通株式会社 | 検索装置、検索方法、およびプログラム |
JP2016212838A (ja) | 2015-04-30 | 2016-12-15 | 富士通株式会社 | 発見情報学システム、方法、及びコンピュータプログラム |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020091736A1 (en) * | 2000-06-23 | 2002-07-11 | Decis E-Direct, Inc. | Component models |
US6970860B1 (en) * | 2000-10-30 | 2005-11-29 | Microsoft Corporation | Semi-automatic annotation of multimedia objects |
US8930178B2 (en) | 2007-01-04 | 2015-01-06 | Children's Hospital Medical Center | Processing text with domain-specific spreading activation methods |
US7870141B2 (en) * | 2007-04-17 | 2011-01-11 | International Business Machines Corporation | Method and system for finding a focus of a document |
US8799773B2 (en) * | 2008-01-25 | 2014-08-05 | Google Inc. | Aspect-based sentiment summarization |
CN101630314B (zh) | 2008-07-16 | 2011-12-07 | 中国科学院自动化研究所 | 一种基于领域知识的语义查询扩展方法 |
US8504490B2 (en) * | 2010-04-09 | 2013-08-06 | Microsoft Corporation | Web-scale entity relationship extraction that extracts pattern(s) based on an extracted tuple |
US9721039B2 (en) | 2011-12-16 | 2017-08-01 | Palo Alto Research Center Incorporated | Generating a relationship visualization for nonhomogeneous entities |
EP2634705A1 (en) * | 2012-02-29 | 2013-09-04 | Hypios SAS | Method for discovering relevant concepts in a semantic graph of concepts |
WO2013181222A2 (en) | 2012-05-29 | 2013-12-05 | Battelle Memorial Institute | Method of analyzing a graph with a covariance-based clustering algorithm using a modified laplacian pseudo-inverse matrix |
US10002371B1 (en) | 2013-01-02 | 2018-06-19 | Codeq, Llc | System, method, and computer program product for searching summaries of online reviews of products |
AU2015201364A1 (en) * | 2014-03-17 | 2015-10-01 | Accenture Global Services Limited | Generating a semantic network based on semantic connections between subject-verb-object units |
US9336306B2 (en) | 2014-03-21 | 2016-05-10 | International Business Machines Corporation | Automatic evaluation and improvement of ontologies for natural language processing tasks |
CN106339401A (zh) | 2015-07-16 | 2017-01-18 | 富士通株式会社 | 确定实体之间的关系的方法和设备 |
US10157220B2 (en) * | 2015-07-23 | 2018-12-18 | International Business Machines Corporation | Context sensitive query expansion |
US11176325B2 (en) | 2017-06-26 | 2021-11-16 | International Business Machines Corporation | Adaptive evaluation of meta-relationships in semantic graphs |
-
2017
- 2017-06-26 US US15/632,564 patent/US11176325B2/en active Active
- 2017-12-18 US US15/844,723 patent/US11270076B2/en active Active
-
2018
- 2018-06-22 DE DE112018001876.8T patent/DE112018001876T5/de active Pending
- 2018-06-22 GB GB2000279.6A patent/GB2578065A/en not_active Withdrawn
- 2018-06-22 JP JP2019569743A patent/JP7034184B2/ja active Active
- 2018-06-22 CN CN201880035469.5A patent/CN110692050B/zh active Active
- 2018-06-22 WO PCT/IB2018/054610 patent/WO2019003069A1/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008310784A (ja) | 2007-06-13 | 2008-12-25 | Shinichiro Okude | 意味的ネットワークをベースとして用いる対話装置、対話プログラム、及び対話プログラムを記録した記録媒体 |
JP2015060243A (ja) | 2013-09-17 | 2015-03-30 | 富士通株式会社 | 検索装置、検索方法、およびプログラム |
JP2016212838A (ja) | 2015-04-30 | 2016-12-15 | 富士通株式会社 | 発見情報学システム、方法、及びコンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
US11176325B2 (en) | 2021-11-16 |
WO2019003069A1 (en) | 2019-01-03 |
US11270076B2 (en) | 2022-03-08 |
DE112018001876T5 (de) | 2019-12-24 |
US20180373699A1 (en) | 2018-12-27 |
CN110692050A (zh) | 2020-01-14 |
GB2578065A (en) | 2020-04-15 |
GB202000279D0 (en) | 2020-02-26 |
JP2020525897A (ja) | 2020-08-27 |
CN110692050B (zh) | 2023-05-12 |
US20180373701A1 (en) | 2018-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7034184B2 (ja) | 意味グラフにおけるメタ関係の適応評価のためのコンピュータ実施方法、コンピュータ・システム、及びコンピュータ・プログラム | |
US10789552B2 (en) | Question answering system-based generation of distractors using machine learning | |
US9535980B2 (en) | NLP duration and duration range comparison methodology using similarity weighting | |
US9760627B1 (en) | Private-public context analysis for natural language content disambiguation | |
US11636376B2 (en) | Active learning for concept disambiguation | |
US11397954B2 (en) | Providing analytics on compliance profiles of type organization and compliance named entities of type organization | |
JP2021531536A (ja) | 質問および回答の語彙のグラフを使用する照会拡張 | |
US10372822B2 (en) | Automated timeline completion using event progression knowledge base | |
US11030402B2 (en) | Dictionary expansion using neural language models | |
US11194849B2 (en) | Logic-based relationship graph expansion and extraction | |
US20180089567A1 (en) | Root cause identification in audit data | |
US11681876B2 (en) | Cascaded fact-based summarization | |
JP2023535913A (ja) | 対話エージェントを用いた対話システムの性能を改善するシステム、方法、プログラム | |
US11532387B2 (en) | Identifying information in plain text narratives EMRs | |
US11694815B2 (en) | Intelligent ranking of sections of clinical practical guidelines | |
US20190164061A1 (en) | Analyzing product feature requirements using machine-based learning and information retrieval | |
Becker et al. | Explaining arguments with background knowledge: Towards knowledge-based argumentation analysis | |
US10216719B2 (en) | Relation extraction using QandA | |
US11475211B1 (en) | Elucidated natural language artifact recombination with contextual awareness | |
JP2022079430A (ja) | 方法、システムおよびコンピュータ・プログラム | |
US11120060B2 (en) | Efficient resolution of syntactic patterns in question and answer (QA) pairs in an n-ary focus cognitive QA system | |
Tan et al. | A Comparison of Web Services for Sentiment Analysis in Digital Mental Health Interventions | |
US11947536B2 (en) | Identifying and processing poly-process natural language queries | |
US20240054282A1 (en) | Elucidated natural language artifact recombination with contextual awareness | |
Kulisiewicz et al. | On sentiment polarity assignment in the wordnet using loopy belief propagation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200722 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201130 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210628 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210706 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210929 |
|
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: 20220222 |
|
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: 7034184 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |