JP7056132B2 - 設計書評価プログラム、設計書評価方法および設計書評価装置 - Google Patents
設計書評価プログラム、設計書評価方法および設計書評価装置 Download PDFInfo
- Publication number
- JP7056132B2 JP7056132B2 JP2017241676A JP2017241676A JP7056132B2 JP 7056132 B2 JP7056132 B2 JP 7056132B2 JP 2017241676 A JP2017241676 A JP 2017241676A JP 2017241676 A JP2017241676 A JP 2017241676A JP 7056132 B2 JP7056132 B2 JP 7056132B2
- Authority
- JP
- Japan
- Prior art keywords
- design document
- learning model
- evaluation
- document data
- page
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Stored Programmes (AREA)
Description
以下、図面を参照して、実施形態について説明する。図1は、設計書評価装置1の一例を示す図である。設計書評価装置1は、制御部2と記憶部3とを含む。また、設計書評価装置1は、表示装置4および入力装置5に接続されている。設計書評価装置1は、コンピュータの一例である。表示装置4は、例えば、ディスプレイであり、入力装置5は、例えば、マウスやキーボード等である。
次に、図2乃至図4の例を参照して、多次元配列の一例について説明する。記憶部3には、評価済みの過去の設計書データ(以下、過去設計書データと称する)が複数記憶されている。データ取得部11は、複数の過去設計書データを記憶部3から取得する。
図5は、予測部17による予測結果を示す予測結果画面の一例を示す図である。図5の例において、「数値解析による予測結果」は、第1学習モデルを用いた評価対象の設計書データの予測結果を示す。「グラフ化画像による予測結果」は、第2学習モデルを用いた評価対象の設計書データの予測結果を示す。
次に、学習モデル生成の処理の流れの一例について説明する。図6および図7は、学習モデル生成の一例を示すフローチャートである。図6のフローチャートに示されるように、データ取得部11は、記憶部3から、過去設計書データを取得する(ステップS1)。
設計書分析部12は、取得された過去設計書データの各ページについて、図形(画像データ)の密度を分析する(ステップS5)。また、設計書分析部12は、取得された過去設計書データの各ページについて、例えば、白黒の二値の表現とした場合、全体のうち黒の占める割合を記載密度として分析する(ステップS6)。
次に、評価結果予測の処理の流れの一例について、図8および図9のフローチャートを参照して、説明する。記憶部3には、評価対象である評価対象設計書データが記憶されているものとする。データ取得部11は、評価対象設計書データを記憶部3から取得する(ステップS21)。
設計書分析部12は、取得された評価対象設計書データの各ページについて、図形(画像データ)の密度を分析する(ステップS25)。また、設計書分析部12は、取得された評価対象設計書データの各ページについて、例えば、白黒の二値の表現とした場合、全体のうち黒の占める割合を記載密度として分析する(ステップS26)。
次に、図10の例を参照して、設計書評価装置1のハードウェア構成の一例を説明する。図10の例に示すように、バス100に対して、プロセッサ111とRandom Access Memory(RAM)112とRead Only Memory(ROM)113とが接続される。また、該バス100に対して、補助記憶装置114と媒体接続部115とが接続される。
本実施形態では、語句の量と文章データと画像密度と記載密度とを表す多次元配列に、教師データが設定される例について説明したが、多次元配列は、語句の量と文章データと画像密度と記載密度とのうち、記載密度のみを含んでもよい。
2 制御部
3 記憶部
4 表示装置
5 入力装置
11 データ取得部
12 設計書分析部
13 画像化部
14 教師データ設定部
15 第1学習モデル生成部
16 第2学習モデル生成部
17 予測部
18 表示制御部
111 プロセッサ
112 RAM
113 ROM
Claims (6)
- 過去の設計書データに含まれる各ページについての、1ページあたりの記載密度をグラフにして画像化し、
前記各ページについての前記記載密度に対応付けられた前記過去の設計書データについての評価結果を入力として、機械学習を行い、第1学習モデルを生成し、
前記画像化されたグラフに対応付けられた前記過去の設計書データについての評価結果を入力として、機械学習を行い、第2学習モデルを生成し、
前記第1学習モデルおよび前記第2学習モデルの両方を用いて評価対象の設計書データの評価結果を予測する、
処理をコンピュータに実行させることを特徴とする設計書評価プログラム。 - 前記画像化では、前記記載密度と共に、前記過去の設計書データに含まれる各ページについての、1ページあたりの語句の種類の数と文章量と図形密度とをグラフにして画像化し、
前記第1学習モデルの生成では、前記記憶密度と共に、前記各ページについての前記語句の種類の数と前記文章量と前記図形密度とに対応付けられた前記過去の設計書データについての評価結果を入力として、機械学習を行い、前記第1学習モデルを生成する、
ことを特徴とする請求項1記載の設計書評価プログラム。 - 前記第1学習モデルを用いた前記評価対象の設計書データの評価結果が肯定的であり、且つ前記第2学習モデルを用いた前記評価対象の設計書データの評価結果が肯定的である場合に、前記評価対象の設計書データが肯定的な評価結果であると予測し、
前記第1学習モデルを用いた前記評価対象の設計書データの評価結果と、前記第2学習モデルを用いた前記評価対象の設計書データの評価結果とのうち何れか一方が否定的である場合に、前記評価対象の設計書データの評価結果が否定的な評価結果であると予測する、
処理を前記コンピュータに実行させることを特徴とする請求項1又は2に記載の設計書評価プログラム。 - 前記第1学習モデルおよび前記第2学習モデルの両方を用いて予測された前記評価対象の設計書データの評価結果、前記第1学習モデルを用いて予測された前記評価対象の設計書データの評価結果、および前記第2学習モデルを用いて予測された前記評価対象の設計書データの評価結果、を表示させる、
処理を前記コンピュータに実行させることを特徴とする請求項3記載の設計書評価プログラム。 - 過去の設計書データに含まれる各ページについての、1ページあたりの記載密度をグラフにして画像化し、
前記各ページについての前記記載密度に対応付けられた前記過去の設計書データについての評価結果を入力として、機械学習を行い、第1学習モデルを生成し、
前記画像化されたグラフに対応付けられた前記過去の設計書データについての評価結果を入力として、機械学習を行い、第2学習モデルを生成し、
前記第1学習モデルおよび前記第2学習モデルの両方を用いて評価対象の設計書データの評価結果を予測する、
処理をコンピュータが実行することを特徴とする設計書評価方法。 - 過去の設計書データに含まれる各ページについての、1ページあたりの記載密度をグラフにして画像化する画像化部と、
前記各ページについての前記記載密度に対応付けられた前記過去の設計書データについての評価結果を入力として、機械学習を行い、第1学習モデルを生成する第1学習モデル生成部と、
前記画像化されたグラフに対応付けられた前記過去の設計書データについての評価結果を入力として、機械学習を行い、第2学習モデルを生成する第2学習モデル生成部と、
前記第1学習モデルおよび前記第2学習モデルの両方を用いて評価対象の設計書データの評価結果を予測する予測部と、
を備えることを特徴とする設計書評価装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017241676A JP7056132B2 (ja) | 2017-12-18 | 2017-12-18 | 設計書評価プログラム、設計書評価方法および設計書評価装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017241676A JP7056132B2 (ja) | 2017-12-18 | 2017-12-18 | 設計書評価プログラム、設計書評価方法および設計書評価装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019109664A JP2019109664A (ja) | 2019-07-04 |
JP7056132B2 true JP7056132B2 (ja) | 2022-04-19 |
Family
ID=67179820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017241676A Active JP7056132B2 (ja) | 2017-12-18 | 2017-12-18 | 設計書評価プログラム、設計書評価方法および設計書評価装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7056132B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102297242B1 (ko) * | 2019-07-08 | 2021-09-03 | 연세대학교 산학협력단 | 딥러닝을 이용한 흑색종 진단 방법, 장치 및 프로그램 |
CN111737446B (zh) * | 2020-06-22 | 2024-04-05 | 北京百度网讯科技有限公司 | 用于构建质量评估模型的方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003345812A (ja) | 2002-05-17 | 2003-12-05 | Xerox Corp | 膨大な異種ドキュメント集合内のドキュメントについて信頼度の等級付け、推定、分類を行うシステムおよび方法 |
JP2016122332A (ja) | 2014-12-25 | 2016-07-07 | 株式会社東芝 | プロセス評価装置およびプロセス評価プログラム |
WO2017081829A1 (ja) | 2015-11-13 | 2017-05-18 | 富士通株式会社 | 行動検知装置、行動検知方法及び行動検知プログラム |
JP2017182663A (ja) | 2016-03-31 | 2017-10-05 | 日本電気株式会社 | コンテンツ管理装置、コンテンツ管理方法及びプログラム |
US20170337240A1 (en) | 2016-05-19 | 2017-11-23 | Wistron Corporation | Software function verification system and software function verification method |
-
2017
- 2017-12-18 JP JP2017241676A patent/JP7056132B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003345812A (ja) | 2002-05-17 | 2003-12-05 | Xerox Corp | 膨大な異種ドキュメント集合内のドキュメントについて信頼度の等級付け、推定、分類を行うシステムおよび方法 |
JP2016122332A (ja) | 2014-12-25 | 2016-07-07 | 株式会社東芝 | プロセス評価装置およびプロセス評価プログラム |
WO2017081829A1 (ja) | 2015-11-13 | 2017-05-18 | 富士通株式会社 | 行動検知装置、行動検知方法及び行動検知プログラム |
JP2017182663A (ja) | 2016-03-31 | 2017-10-05 | 日本電気株式会社 | コンテンツ管理装置、コンテンツ管理方法及びプログラム |
US20170337240A1 (en) | 2016-05-19 | 2017-11-23 | Wistron Corporation | Software function verification system and software function verification method |
Non-Patent Citations (1)
Title |
---|
片山 真一,ソフトウェアタグを用いた設計文書メトリクスからの低品質モジュールの予測,電子情報通信学会技術研究報告,社団法人電子情報通信学会,2019年12月10日,第109巻 第343号,pp.67~72,SS2009-46 |
Also Published As
Publication number | Publication date |
---|---|
JP2019109664A (ja) | 2019-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11170257B2 (en) | Image captioning with weakly-supervised attention penalty | |
US20090074303A1 (en) | Method and System for Creating a Form Template for a Form | |
JP6237168B2 (ja) | 情報処理装置及び情報処理プログラム | |
US11429786B2 (en) | Document analysis device, learning device, document analysis method, and learning method | |
Wiley et al. | Advanced R statistical programming and data models: Analysis, machine learning, and visualization | |
JP7056132B2 (ja) | 設計書評価プログラム、設計書評価方法および設計書評価装置 | |
JP7155625B2 (ja) | 検査装置、検査方法、プログラム及び学習装置 | |
US11263258B2 (en) | Information processing method, information processing apparatus, and non-transitory computer-readable storage medium for storing information processing program of scoring with respect to combination of imaging method and trained model | |
US20170178528A1 (en) | Method and System for Providing Automated Localized Feedback for an Extracted Component of an Electronic Document File | |
JP2005181928A (ja) | 機械学習システム及び機械学習方法、並びにコンピュータ・プログラム | |
JP2019160236A (ja) | 学習データ生成方法、学習データ生成プログラムおよびデータ構造 | |
Petukhova et al. | TextCL: A Python package for NLP preprocessing tasks | |
JPWO2020240538A5 (ja) | ||
Nie et al. | LitGen: Genetic literature recommendation guided by human explanations | |
US20210358317A1 (en) | System and method to generate sets of similar assessment papers | |
JP7427510B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
US20210318949A1 (en) | Method for checking file data, computer device and readable storage medium | |
US20230052101A1 (en) | Learning apparatus, learning method, and recording medium | |
JP6509391B1 (ja) | 計算機システム | |
US11768852B2 (en) | System and method for data analysis and presentation of data | |
JP2020198023A (ja) | 情報処理装置、方法及びプログラム | |
JP6494687B2 (ja) | 評価装置、評価方法、および評価プログラム | |
US11107096B1 (en) | Survey analysis process for extracting and organizing dynamic textual content to use as input to structural equation modeling (SEM) for survey analysis in order to understand how customer experiences drive customer decisions | |
Demirel | Object Detection with Minimal Supervision | |
JP7198492B2 (ja) | パーソナリティ出力装置、パーソナリティ出力方法、パーソナリティ出力プログラム、単語評価値生成装置、単語評価値生成方法および単語評価値生成プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200904 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20200904 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20200904 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210730 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210817 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20210826 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211005 |
|
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: 20220308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220321 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7056132 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |