JP7052016B2 - 訓練データを更新するための方法、システム、およびコンピュータ・プログラム - Google Patents
訓練データを更新するための方法、システム、およびコンピュータ・プログラム Download PDFInfo
- Publication number
- JP7052016B2 JP7052016B2 JP2020513922A JP2020513922A JP7052016B2 JP 7052016 B2 JP7052016 B2 JP 7052016B2 JP 2020513922 A JP2020513922 A JP 2020513922A JP 2020513922 A JP2020513922 A JP 2020513922A JP 7052016 B2 JP7052016 B2 JP 7052016B2
- Authority
- JP
- Japan
- Prior art keywords
- training data
- question
- classifier
- answer
- class
- 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
- 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
- G06N20/00—Machine learning
-
- 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
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90332—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06N5/048—Fuzzy inferencing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Probability & Statistics with Applications (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Description
式中、qは質問を示し、cはクラスを示す。当該関数は、質問qがクラスcに属するときは1を返し、すべての他の場合においては0を返す。
式中、φA(q,c)は第1のクラシファイアAが使用される関数を示し、φB(q,c)は第2のクラシファイアBが使用される関数を示し、iは質問と関連付けられる識別子を示し、jはクラスと関連付けられる識別子を示す。
式中、nは目下の反復を示し、n-1は目下の反復の直前の反復を示す。所定の閾値は、例えば、標的ビジネス・エリアの主題専門家によって定義することができる。
式中、kは、目下の反復に関するk回の先行するまたは過去の更新を示す。所定の閾値は、例えば、標的ビジネス・エリアの主題専門家によって定義することができる。判定または決定が肯定的または真である場合、システムはステップ610に進み、次いで、ステップ606に進む。
式中、qは質問を示し、cはクラスを示す。
式中、φB(q,c)は第2のクラシファイアBが使用される関数を示し、φA(q,c)は第1のクラシファイアAが使用される関数を示し、iは質問と関連付けられる識別子を示し、jはクラスと関連付けられる識別子を示す。
式中、nは目下の反復を示し、n-1は目下の反復の直前の反復を示す。所定の閾値は、例えば、標的ビジネス・エリアの主題専門家によって定義することができる。
式中、kは、目下の反復に関するk回の先行するまたは過去の更新を示す。所定の閾値は、例えば、標的ビジネス・エリアの主題専門家によって定義することができる。判定または決定が肯定的または真である場合、システムはステップ620に進み、次いで、ステップ616に進む。
オンデマンド・セルフサービス:クラウド顧客は、人間がサービスの提供者と対話することなく、必要に応じて自動的に、サーバ時間およびネットワーク・ストレージのようなコンピューティング能力を一方的に供給することができる。
ブロード・ネットワーク・アクセス:機能がネットワークを介して利用可能であり、異種のシンまたはシック・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、およびPDA)による使用を促進する標準的なメカニズムを通じてアクセスされる。
リソース・プーリング:提供者のコンピューティング・リソースが、種々の物理的および仮想リソースが需要に従って動的に割り当てられ、再割り当てされる、マルチテナント・モデルを使用して、複数の消費者にサービスするためにプールされる。消費者が一般的に、提供されるリソースの正確なロケーションに対する制御または知識を有しないが、より上位の抽象化(例えば、国家、州、またはデータセンター)におけるロケーションを指定することが可能であり得るという点において、位置独立の感覚がある。
スピーディな拡張性:機能を、場合によっては自動的に、迅速かつ適応的に供給して、迅速にスケール・アウトし、迅速にリリースして、迅速にスケール・インすることができる。消費者にとって、供給するために利用可能な機能は多くの場合、無制限であるように見え、いつでも任意の量を購入することができる。
サービスが計測可能であること:クラウド・システムは、サービスのタイプにとって適切な何らかのレベルの抽象化(例えば、ストレージ、処理、帯域幅、およびアクティブなユーザ・アカウント)における計量機能を活用することによって、リソース使用を自動的に制御および最適化する。リソース使用は、監視、制御、および報告することができ、利用されるサービスの提供者と消費者の両方にとっても透明性を提供する。
サービス型ソフトウェア(SaaS):消費者に提供される機能は、クラウド・インフラストラクチャ上で作動する提供者のアプリケーションを使用することである。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)のようなシン・クライアント・インターフェースを通じて様々なクライアント・デバイスからアクセス可能である。消費者は、場合によっては制限されたユーザ特有のアプリケーション構成設定を除いて、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、またはさらには個々のアプリケーション機能を含む、基礎となるクラウド・インフラストラクチャを管理せず、制御しない。
サービス型プラットフォーム(PaaS):消費者に提供される機能は、プログラミング言語および提供者によってサポートされるツールを使用して作成された、消費者が作成または取得している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展開することである。消費者は、ネットワーク、サーバ、オペレーティング・システム、またはストレージを含む、基礎となるクラウド・インフラストラクチャを管理せず、制御しないが、展開されているアプリケーション、および、場合によっては、環境設定をホストするアプリケーションを制御する。
サービス型インフラストラクチャ(IaaS):消費者に提供される機能は、消費者が、オペレーティング・システムおよびアプリケーションを含むことができる、任意のソフトウェアを展開および作動させることが可能である場合に、処理、ストレージ、ネットワーク、および他の基礎的なコンピューティング・リソースを供給することである。消費者は、基礎となるクラウド・インフラストラクチャを管理せず、制御しないが、ペレーティング・システム、ストレージ、展開されているアプリケーションを制御し、場合によっては、ネットワーク接続構成要素(例えば、ホスト・ファイアウォール)の選択を制限付きで制御する。
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、組織のためにのみ運用される。当該インフラストラクチャは、組織またはサード・パーティによって管理され得、施設内または施設外に存在し得る。
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、いくつかの組織によって共有され、関心事(例えば、任務、セキュリティ要件、ポリシ、およびコンプライアンス考慮事項)を共有している特定のコミュニティをサポートする。当該インフラストラクチャは、組織またはサード・パーティによって管理され得、施設内または施設外に存在し得る。
公衆クラウド:クラウド・インフラストラクチャは、一般人または大規模な業界団体にとって利用可能にされ、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、固有の実体を保持するが、データおよびアプリケーションの移植性(例えば、クラウド間の負荷平衡のためのクラウド・バースティング)を有効化する標準化されたまたは専有の技術によってともに拘束される2つ以上のクラウド(プライベート、コミュニティ、または公衆)から成る構成体である。
Claims (15)
- 自然言語分類器において使用される訓練データを更新するためのコンピュータ実施方法であって、
前記訓練データをメモリに読み出すことであり、前記訓練データは第1の質問グループおよび第2の質問グループを含み、各質問は、回答と関連付けられる、前記読み出すことと、
前記第1の質問グループおよび前記第2の質問グループの各質問について、質問に対する前記回答を含む回答クラスを決定することであり、前記回答クラスは、前記質問の各々と関連付けられているクラス・ラベルを有し、前記質問の各々は、それぞれの回答クラスに分類される、前記決定することと、
前記第1の質問グループおよび前記第2の質問グループ、ならびに、それぞれ第1のクラシファイアおよび第2のクラシファイアにおいて使用するための対応する回答クラスを含む、第1の訓練データおよび第2の訓練データを生成することと、
前記第2のクラシファイアによって前記第1の質問グループの各質問を分類し、前記第1のクラシファイアによって前記第2の質問グループの各質問を分類することであり、各質問は、対応する回答クラスに分類され、前記第1のクラシファイアおよび前記第2のクラシファイアによる分類は各々、それぞれの分類結果を生成する、前記分類することと、
前記分類結果に基づいて前記第1の訓練データおよび前記第2の訓練データのうちの1つまたは複数を更新することと、
それぞれ、前記第1のクラシファイアおよび前記第2のクラシファイアにおいて使用するための、更新された第1の訓練データおよび第2の訓練データを生成することと
を含む、コンピュータ実施方法。 - それぞれ、前記更新された第1の訓練データおよび第2の訓練データに基づいて前記第1のクラシファイアおよび前記第2のクラシファイアのうちの一方を更新することをさらに含む、請求項1に記載のコンピュータ実施方法。
- 前記分類すること、前記第1の訓練データおよび前記第2の訓練データを前記更新すること、ならびに、前記第1のクラシファイアおよび前記第2のクラシファイアのうちの一方を前記更新することが、マッチングの程度が所定の閾値を超えるまで反復され、前記マッチングの程度は、前記分類の前と後の両方において、前記第1の質問グループおよび前記第2の質問グループのうちの一方の各質問に関して、前記回答を含む前記回答クラスについて決定される、請求項2に記載のコンピュータ実施方法。
- 前記分類すること、前記第1の訓練データおよび前記第2の訓練データを前記更新すること、ならびに、前記第1のクラシファイアおよび前記第2のクラシファイアのうちの一方を前記更新することが、連続するマッチングの程度の間の差が所定の閾値を超えなくなるまで反復され、前記マッチングの程度は、前記分類の前と後の両方において、前記第1の質問グループおよび前記第2の質問グループのうちの一方の各質問に関して、前記回答を含む前記回答クラスについて決定される、請求項2に記載のコンピュータ実施方法。
- 前記分類すること、前記第1の訓練データおよび前記第2の訓練データを前記更新すること、ならびに、前記第1のクラシファイアおよび前記第2のクラシファイアのうちの一方を前記更新することが、マッチングの程度の移動平均値が所定の閾値を超えるまで反復され、前記マッチングの程度は、前記分類の前と後の両方において、前記第1の質問グループおよび前記第2の質問グループのうちの一方の各質問に関して、前記回答を含む前記回答クラスについて決定される、請求項2に記載のコンピュータ実施方法。
- 前記分類結果が、それぞれ前記第1のクラシファイアおよび前記第2のクラシファイアによる対応する回答クラスに関する各質問の前記分類に対応する信頼度値を含み、前記第1の訓練データおよび前記第2の訓練データのうちの1つまたは複数を更新することは、信頼度値が所定の閾値を超えるときに行われる、請求項1に記載のコンピュータ実施方法。
- 前記分類結果が、それぞれ前記第1のクラシファイアおよび前記第2のクラシファイアによる対応する回答クラスに関する各質問の前記分類に対応する信頼度値を含み、前記第1の訓練データおよび前記第2の訓練データのうちの1つまたは複数を更新することは、
対応する信頼度値が所定の閾値を超える場合、質問を1つの回答クラスから別の回答クラスへと再分類することを含む、請求項1に記載のコンピュータ実施方法。 - それぞれ、前記更新された第1の訓練データおよび第2の訓練データのうちの一方に基づいて前記第1のクラシファイアおよび前記第2のクラシファイアのうちの1つまたは複数を更新することをさらに含む、請求項1に記載のコンピュータ実施方法。
- 質問グループを前記第1の質問グループおよび前記第2の質問グループに分割することと、
各質問を前記回答と関連付けることと
をさらに含む、請求項1に記載のコンピュータ実施方法。 - 前記分類結果が、それぞれ前記第1のクラシファイアおよび前記第2のクラシファイアによる対応する回答クラスに関する各質問の前記分類に対応する信頼度値を含み、各質問を前記回答と前記関連付けることは、
検索エンジンおよび回答コーパスのうちの1つまたは複数を使用することを含む、請求項9に記載のコンピュータ実施方法。 - 自然言語分類器において使用される訓練データを更新するためのコンピュータ・システムであって、
1つまたは複数のコンピュータ・プロセッサと、1つまたは複数のコンピュータ可読記憶媒体と、前記1つまたは複数のコンピュータ・プロセッサのうちの少なくとも1つによって実行するための、前記コンピュータ可読記憶媒体のうちの1つまたは複数に記憶されているプログラム命令とを備え、前記プログラム命令は、前記1つまたは複数のコンピュータ・プロセッサのうちの前記少なくとも1つによって実行されると、前記コンピュータ・システムに、訓練データを更新するための方法を実施させ、前記方法は、
前記訓練データをメモリに読み出すことであり、前記訓練データは第1の質問グループおよび第2の質問グループを含み、各質問は、回答と関連付けられる、前記読み出すことと、
前記第1の質問グループおよび前記第2の質問グループの各質問について、質問に対する前記回答を含む回答クラスを決定することであり、前記回答クラスは、前記質問の各々と関連付けられているクラス・ラベルを有し、前記質問の各々は、それぞれの回答クラスに分類される、前記決定することと、
前記第1の質問グループおよび前記第2の質問グループ、ならびに、それぞれ第1のクラシファイアおよび第2のクラシファイアにおいて使用するための対応する回答クラスを含む、第1の訓練データおよび第2の訓練データを生成することと、
前記第2のクラシファイアによって前記第1の質問グループの各質問を分類し、前記第1のクラシファイアによって前記第2の質問グループの各質問を分類することであり、各質問は、対応する回答クラスに分類され、前記第1のクラシファイアおよび前記第2のクラシファイアによる分類は各々、それぞれの分類結果を生成する、前記分類することと、
前記分類結果に基づいて前記第1の訓練データおよび前記第2の訓練データのうちの1つまたは複数を更新することと、
それぞれ、前記第1のクラシファイアおよび前記第2のクラシファイアにおいて使用するための、更新された第1の訓練データおよび第2の訓練データを生成することと
を含む、コンピュータ・システム。 - 前記方法が、
それぞれ、前記更新された第1の訓練データおよび第2の訓練データに基づいて前記第1のクラシファイアおよび前記第2のクラシファイアのうちの一方を更新することをさらに含む、請求項11に記載のコンピュータ・システム。 - コンピュータ・プログラムであって、
1つまたは複数のコンピュータ可読記憶デバイスと、コンピュータ・システムの少なくとも1つまたは複数のコンピュータ・プロセッサによって実行するための、前記1つまたは複数のコンピュータ可読記憶デバイスのうちの少なくとも1つに記憶されているプログラム命令とを備え、前記プログラム命令は、前記1つまたは複数のコンピュータ・プロセッサのうちの前記少なくとも1つによって実行されると、前記コンピュータ・システムに、訓練データを更新するための方法を実施させ、前記方法は、
前記訓練データをメモリに読み出すことであり、前記訓練データは第1の質問グループおよび第2の質問グループを含み、各質問は、回答と関連付けられる、前記読み出すことと、
前記第1の質問グループおよび前記第2の質問グループの各質問について、質問に対する前記回答を含む回答クラスを決定することであり、前記回答クラスは、前記質問の各々と関連付けられているクラス・ラベルを有し、前記質問の各々は、それぞれの回答クラスに分類される、前記決定することと、
前記第1の質問グループおよび前記第2の質問グループ、ならびに、それぞれ第1のクラシファイアおよび第2のクラシファイアにおいて使用するための対応する回答クラスを含む、第1の訓練データおよび第2の訓練データを生成することと、
前記第2のクラシファイアによって前記第1の質問グループの各質問を分類し、前記第1のクラシファイアによって前記第2の質問グループの各質問を分類することであり、各質問は、対応する回答クラスに分類され、前記第1のクラシファイアおよび前記第2のクラシファイアによる分類は各々、それぞれの分類結果を生成する、前記分類することと、
前記分類結果に基づいて前記第1の訓練データおよび前記第2の訓練データのうちの1つまたは複数を更新することと、
それぞれ、前記第1のクラシファイアおよび前記第2のクラシファイアにおいて使用するための、更新された第1の訓練データおよび第2の訓練データを生成することと
を含む、コンピュータ・プログラム。 - 前記方法が、
それぞれ、前記更新された第1の訓練データおよび第2の訓練データに基づいて前記第1のクラシファイアおよび前記第2のクラシファイアのうちの一方を更新することをさらに含む、請求項13に記載のコンピュータ・プログラム。 - 請求項14に記載の前記コンピュータ・プログラムを、コンピュータ可読記録媒体に記録した、記録媒体。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/705,596 | 2017-09-15 | ||
US15/705,596 US10387572B2 (en) | 2017-09-15 | 2017-09-15 | Training data update |
US15/845,031 | 2017-12-18 | ||
US15/845,031 US10372826B2 (en) | 2017-09-15 | 2017-12-18 | Training data update |
PCT/IB2018/057011 WO2019053629A1 (en) | 2017-09-15 | 2018-09-13 | UPDATE OF LEARNING DATA |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020533692A JP2020533692A (ja) | 2020-11-19 |
JP2020533692A5 JP2020533692A5 (ja) | 2021-01-07 |
JP7052016B2 true JP7052016B2 (ja) | 2022-04-11 |
Family
ID=65720294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020513922A Active JP7052016B2 (ja) | 2017-09-15 | 2018-09-13 | 訓練データを更新するための方法、システム、およびコンピュータ・プログラム |
Country Status (6)
Country | Link |
---|---|
US (4) | US10387572B2 (ja) |
JP (1) | JP7052016B2 (ja) |
CN (1) | CN111095234A (ja) |
DE (1) | DE112018005167T5 (ja) |
GB (1) | GB2580805A (ja) |
WO (1) | WO2019053629A1 (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10387572B2 (en) | 2017-09-15 | 2019-08-20 | International Business Machines Corporation | Training data update |
US10467640B2 (en) | 2017-11-29 | 2019-11-05 | Qualtrics, Llc | Collecting and analyzing electronic survey responses including user-composed text |
CN109919317B (zh) * | 2018-01-11 | 2024-06-04 | 华为技术有限公司 | 一种机器学习模型训练方法和装置 |
CN110949458B (zh) * | 2019-11-27 | 2021-11-12 | 交控科技股份有限公司 | 基于微服务架构的轨道交通运维管理系统 |
CN111858875B (zh) * | 2020-05-09 | 2024-06-07 | 北京嘀嘀无限科技发展有限公司 | 智能交互方法、装置、设备及存储介质 |
US11756663B2 (en) * | 2020-07-27 | 2023-09-12 | Kpn Innovations, Llc. | Method of and system for determining a prioritized instruction set for a user |
CN111967581B (zh) * | 2020-08-06 | 2023-10-31 | 平安科技(深圳)有限公司 | 分群模型的解释方法、装置、计算机设备和存储介质 |
CN111949769B (zh) * | 2020-08-23 | 2024-03-12 | 云知声智能科技股份有限公司 | 一种增强阅读理解系统鲁棒性的方法及装置 |
US11080484B1 (en) * | 2020-10-08 | 2021-08-03 | Omniscient Neurotechnology Pty Limited | Natural language processing of electronic records |
CN112541109B (zh) * | 2020-12-22 | 2023-10-24 | 北京百度网讯科技有限公司 | 答案摘要抽取方法及装置、电子设备、可读介质、产品 |
US20220215034A1 (en) * | 2021-01-05 | 2022-07-07 | Samsung Electronics Co., Ltd. | Electronic apparatus and controlling method thereof |
CN112733932A (zh) * | 2021-01-08 | 2021-04-30 | 北京匠数科技有限公司 | 基于训练数据相似度聚合的模型加速训练方法及装置 |
CN112948560A (zh) * | 2021-03-23 | 2021-06-11 | 平安科技(深圳)有限公司 | 佛学问答数据生成方法、装置、计算机设备及存储介质 |
CN114238598A (zh) * | 2021-12-07 | 2022-03-25 | 北京妙医佳健康科技集团有限公司 | 一种问答系统及其标注、审核与模型训练的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080262985A1 (en) | 2006-11-15 | 2008-10-23 | Cretu Gabriela | Systems, methods, and media for generating sanitized data, sanitizing anomaly detection models, and/or generating sanitized anomaly detection models |
WO2015190203A1 (ja) | 2014-06-10 | 2015-12-17 | 株式会社東芝 | 検出装置、修正システム、検出方法およびプログラム |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7925492B2 (en) * | 2004-01-06 | 2011-04-12 | Neuric Technologies, L.L.C. | Method for determining relationships through use of an ordered list between processing nodes in an emulated human brain |
US6289513B1 (en) * | 1999-06-01 | 2001-09-11 | Isaac Bentwich | Interactive application generation and text processing |
US7269545B2 (en) * | 2001-03-30 | 2007-09-11 | Nec Laboratories America, Inc. | Method for retrieving answers from an information retrieval system |
US7657935B2 (en) * | 2001-08-16 | 2010-02-02 | The Trustees Of Columbia University In The City Of New York | System and methods for detecting malicious email transmission |
US7489812B2 (en) * | 2002-06-07 | 2009-02-10 | Dynamic Digital Depth Research Pty Ltd. | Conversion and encoding techniques |
US7734554B2 (en) * | 2005-10-27 | 2010-06-08 | Hewlett-Packard Development Company, L.P. | Deploying a document classification system |
US8010410B2 (en) | 2006-12-29 | 2011-08-30 | Ebay Inc. | Method and system for listing categorization |
US9342588B2 (en) | 2007-06-18 | 2016-05-17 | International Business Machines Corporation | Reclassification of training data to improve classifier accuracy |
KR101265486B1 (ko) | 2007-12-27 | 2013-05-21 | 캐논 가부시끼가이샤 | 토너 및 2성분계 현상제 |
JP5206044B2 (ja) * | 2008-03-17 | 2013-06-12 | 株式会社リコー | 省エネ小粒径トナーの製造方法及び製造装置 |
US10482114B2 (en) * | 2008-03-27 | 2019-11-19 | Oath Inc. | System and method for maintenance of questions and answers through collaborative and community editing |
US20090306967A1 (en) * | 2008-06-09 | 2009-12-10 | J.D. Power And Associates | Automatic Sentiment Analysis of Surveys |
CN102903008B (zh) * | 2011-07-29 | 2016-05-18 | 国际商业机器公司 | 用于计算机问答的方法及系统 |
US9213686B2 (en) * | 2011-10-04 | 2015-12-15 | Wfh Properties Llc | System and method for managing a form completion process |
JP5825676B2 (ja) * | 2012-02-23 | 2015-12-02 | 国立研究開発法人情報通信研究機構 | ノン・ファクトイド型質問応答システム及びコンピュータプログラム |
US20140006012A1 (en) * | 2012-07-02 | 2014-01-02 | Microsoft Corporation | Learning-Based Processing of Natural Language Questions |
US20140067816A1 (en) * | 2012-08-29 | 2014-03-06 | Microsoft Corporation | Surfacing entity attributes with search results |
US9471559B2 (en) | 2012-12-10 | 2016-10-18 | International Business Machines Corporation | Deep analysis of natural language questions for question answering system |
US9390378B2 (en) | 2013-03-28 | 2016-07-12 | Wal-Mart Stores, Inc. | System and method for high accuracy product classification with limited supervision |
JP6328463B2 (ja) | 2013-11-01 | 2018-05-23 | ローランド株式会社 | 鍵盤装置 |
US9286910B1 (en) | 2014-03-13 | 2016-03-15 | Amazon Technologies, Inc. | System for resolving ambiguous queries based on user context |
US20150278264A1 (en) * | 2014-03-31 | 2015-10-01 | International Business Machines Corporation | Dynamic update of corpus indices for question answering system |
CN104166643A (zh) | 2014-08-19 | 2014-11-26 | 南京金娃娃软件科技有限公司 | 一种智能问答系统中的对话行为分析方法 |
CN105447031A (zh) * | 2014-08-28 | 2016-03-30 | 百度在线网络技术(北京)有限公司 | 训练样本的标注方法及装置 |
CN104182767B (zh) * | 2014-09-05 | 2018-03-13 | 西安电子科技大学 | 主动学习和邻域信息相结合的高光谱图像分类方法 |
US9501525B2 (en) * | 2014-11-05 | 2016-11-22 | International Business Machines Corporation | Answer sequence evaluation |
US9792549B2 (en) | 2014-11-21 | 2017-10-17 | International Business Machines Corporation | Extraction of semantic relations using distributional relation detection |
KR102415503B1 (ko) * | 2015-08-21 | 2022-07-01 | 삼성전자주식회사 | 분류기 학습 방법 및 객체 검출 방법 |
CN106778796B (zh) * | 2016-10-20 | 2020-04-21 | 江苏大学 | 基于混合式协同训练的人体动作识别方法及系统 |
CN106844530A (zh) * | 2016-12-29 | 2017-06-13 | 北京奇虎科技有限公司 | 一种问答对分类模型的训练方法和装置 |
US10387572B2 (en) | 2017-09-15 | 2019-08-20 | International Business Machines Corporation | Training data update |
-
2017
- 2017-09-15 US US15/705,596 patent/US10387572B2/en not_active Expired - Fee Related
- 2017-12-18 US US15/845,031 patent/US10372826B2/en active Active
-
2018
- 2018-09-13 JP JP2020513922A patent/JP7052016B2/ja active Active
- 2018-09-13 DE DE112018005167.6T patent/DE112018005167T5/de active Pending
- 2018-09-13 WO PCT/IB2018/057011 patent/WO2019053629A1/en active Application Filing
- 2018-09-13 GB GB2004051.5A patent/GB2580805A/en not_active Withdrawn
- 2018-09-13 CN CN201880059457.6A patent/CN111095234A/zh active Pending
-
2019
- 2019-06-28 US US16/455,902 patent/US10621284B2/en active Active
- 2019-06-28 US US16/455,959 patent/US10614269B2/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080262985A1 (en) | 2006-11-15 | 2008-10-23 | Cretu Gabriela | Systems, methods, and media for generating sanitized data, sanitizing anomaly detection models, and/or generating sanitized anomaly detection models |
WO2015190203A1 (ja) | 2014-06-10 | 2015-12-17 | 株式会社東芝 | 検出装置、修正システム、検出方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
DE112018005167T5 (de) | 2020-06-25 |
US10372826B2 (en) | 2019-08-06 |
US20190317997A1 (en) | 2019-10-17 |
US10614269B2 (en) | 2020-04-07 |
GB202004051D0 (en) | 2020-05-06 |
US20190087411A1 (en) | 2019-03-21 |
US20190087408A1 (en) | 2019-03-21 |
US20190317998A1 (en) | 2019-10-17 |
WO2019053629A1 (en) | 2019-03-21 |
CN111095234A (zh) | 2020-05-01 |
US10387572B2 (en) | 2019-08-20 |
US10621284B2 (en) | 2020-04-14 |
JP2020533692A (ja) | 2020-11-19 |
GB2580805A (en) | 2020-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7052016B2 (ja) | 訓練データを更新するための方法、システム、およびコンピュータ・プログラム | |
US10621074B2 (en) | Intelligent device selection for mobile application testing | |
US11593642B2 (en) | Combined data pre-process and architecture search for deep learning models | |
JP2020532012A (ja) | ランダム・ドキュメント埋め込みを用いたテキスト・データ表現学習 | |
US11048564B2 (en) | API evolution and adaptation based on cognitive selection and unsupervised feature learning | |
JP2022537912A (ja) | 転移学習を用いた低リソース・エンティティ解決 | |
US11501111B2 (en) | Learning models for entity resolution using active learning | |
US11934891B2 (en) | APIA configuration using auto-rationalization and modeling | |
US20240112229A1 (en) | Facilitating responding to multiple product or service reviews associated with multiple sources | |
US11501115B2 (en) | Explaining cross domain model predictions | |
CN116261717A (zh) | 用于产品配方的表征机器学习 | |
US11302096B2 (en) | Determining model-related bias associated with training data | |
US20210150270A1 (en) | Mathematical function defined natural language annotation | |
US10776411B2 (en) | Systematic browsing of automated conversation exchange program knowledge bases | |
US11520757B2 (en) | Explanative analysis for records with missing values | |
US11556558B2 (en) | Insight expansion in smart data retention systems | |
US11681501B2 (en) | Artificial intelligence enabled open source project enabler and recommendation platform | |
US11868167B2 (en) | Automatically provisioned tag schema for hybrid multicloud cost and chargeback analysis | |
US20230021563A1 (en) | Federated data standardization using data privacy techniques | |
US20220076079A1 (en) | Distributed machine learning scoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201117 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211227 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211228 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220304 |
|
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: 20220322 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220330 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7052016 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |