JP7077265B2 - 文書解析装置、学習装置、文書解析方法および学習方法 - Google Patents
文書解析装置、学習装置、文書解析方法および学習方法 Download PDFInfo
- Publication number
- JP7077265B2 JP7077265B2 JP2019087651A JP2019087651A JP7077265B2 JP 7077265 B2 JP7077265 B2 JP 7077265B2 JP 2019087651 A JP2019087651 A JP 2019087651A JP 2019087651 A JP2019087651 A JP 2019087651A JP 7077265 B2 JP7077265 B2 JP 7077265B2
- Authority
- JP
- Japan
- Prior art keywords
- unit
- attention
- sentence
- information
- neural network
- 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
- G06F40/20—Natural language analysis
- G06F40/268—Morphological analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/416—Extracting the logical structure, e.g. chapters, sections or page numbers; Identifying elements of the document, e.g. authors
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
- Biodiversity & Conservation Biology (AREA)
Description
図1は、第1実施形態に係る情報処理システム10の構成を示す図である。情報処理システム10は、文書解析装置20と、学習装置30とを備える。
つぎに、第2実施形態に係る情報処理システム10について説明する。第2実施形態に係る情報処理システム10は、第1実施形態と略同一の機能および構成を有するので、略同一の機能および構成を有する部分には同一の符号を付けて、相違点を除き詳細な説明を省略する。
つぎに、第3実施形態に係る情報処理システム10について説明する。第3実施形態に係る情報処理システム10は、第1実施形態および第2実施形態と略同一の機能および構成を有するので、略同一の機能および構成を有する部分には同一の符号を付けて、相違点を除き詳細な説明を省略する。
図14は、情報処理システム10のハードウェアブロック図である。情報処理システム10は、一例として、一般のコンピュータ(情報処理装置)と同様のハードウェア構成により実現される。情報処理システム10は、CPU(Central Processing Unit)302と、ROM(Read Only Memory)304と、RAM(Random Access Memory)306と、記憶装置308と、操作装置310と、表示モニタ312と、通信装置314とを備える。各部は、バスにより接続される。
20 文書解析装置
30 学習装置
32 センテンス抽出部
34 分散表現変換部
36 解析部
38 記憶部
40 センテンス印加部
42 ニューラルネットワーク部
44 センテンス出力部
46 アテンション重み出力部
52 入力部
54 アテンション部
56 メインタスク実行部
62 メイン学習部
64 アテンション調整部
66 制御部
72 教師データ取得部
74 文書印加部
76 評価値算出部
78 学習制御部
82 センテンス表示制御部
84 センテンス受付部
86 印加制御部
88 アテンション重み取得部
90 ラベル記憶部
92 アテンション重み表示制御部
94 評価値受付部
96 パラメータ調整部
98 ラベル変更部
110 ユーザインターフェイス画像
112 センテンス領域
114 センテンス受付領域
116 ラベル領域
118 アテンション重み領域
120 評価値受付領域
122 再学習ボタン
124 精度表示領域
210 サブタスク実行部
212 サブ学習部
220 正解データ取得部
222 アテンション誤差評価部
Claims (13)
- 対象文書に含まれる複数のセンテンスを抽出するセンテンス抽出部と、
前記複数のセンテンスのそれぞれについて、予め定められた複数の属性項目のそれぞれに対する関連度の初期値を表す初期要素情報を生成する解析部と、
前記複数のセンテンスのそれぞれについて、含まれるテキストの内容を表すセンテンス情報および前記初期要素情報を受け取り、前記対象文書に対してメインタスクを実行した結果を出力するニューラルネットワーク部と、
を備え、
前記ニューラルネットワーク部は、
前記複数のセンテンスのそれぞれについて、前記センテンス情報および前記初期要素情報を受け取り、前記複数の属性項目のそれぞれに対する関連度の推定値を表すアテンション重みを算出し、前記アテンション重みに応じたアテンション情報を出力するアテンション部と、
前記複数のセンテンスのそれぞれについての前記アテンション情報に基づき、前記メインタスクを実行するメインタスク実行部と、
を有する文書解析装置。 - 前記複数の属性項目のうちの何れか1つは、センテンスの文書内での役割を表す項目、センテンスを含む領域の文書中での構造を表す項目、または、センテンスに含まれる文字の装飾を表す項目である
請求項1に記載の文書解析装置。 - 学習中において、訓練文書に含まれる複数のセンテンスのうちの対象センテンスに対応する前記センテンス情報および前記初期要素情報を、前記ニューラルネットワーク部に与えるセンテンス印加部と、
前記学習中において、前記対象センテンスに対応する前記センテンス情報および前記初期要素情報が前記ニューラルネットワーク部に与えられた場合に、前記アテンション部に含まれる正規化層から出力された複数の値を、前記アテンション重みとして出力するアテンション重み出力部と、
をさらに備える請求項2に記載の文書解析装置。 - 前記ニューラルネットワーク部は、前記対象文書に対して前記メインタスク、および、前記メインタスクとは異なるサブタスクを実行し、
前記ニューラルネットワーク部は、前記複数のセンテンスのそれぞれについての前記アテンション部により推定された前記アテンション情報に基づき、前記サブタスクを実行するサブタスク実行部をさらに有する
請求項1から3の何れか1項に記載の文書解析装置。 - 文書解析装置を訓練する学習装置であって、
前記文書解析装置は、
対象文書に含まれる複数のセンテンスを抽出するセンテンス抽出部と、
前記複数のセンテンスのそれぞれについて、予め定められた複数の属性項目のそれぞれに対する関連度の初期値を表す初期要素情報を生成する解析部と、
前記複数のセンテンスのそれぞれについて、含まれるテキストの内容を表すセンテンス情報および前記初期要素情報を受け取り、前記対象文書に対してメインタスクを実行した結果を出力するニューラルネットワーク部と、
を備え、
前記ニューラルネットワーク部は、
前記複数のセンテンスのそれぞれについて、前記センテンス情報および前記初期要素情報を受け取り、前記複数の属性項目のそれぞれに対する関連度の推定値を表すアテンション重みを算出し、前記アテンション重みに応じたアテンション情報を出力するアテンション部と、
前記複数のセンテンスのそれぞれについての前記アテンション情報に基づき、前記メインタスクを実行するメインタスク実行部と、
を有し、
前記学習装置は、
訓練文書と前記メインタスク実行部の実行結果を表す正解データとを含む教師データに基づき、前記ニューラルネットワーク部を訓練するメイン学習部と、
前記アテンション部に含まれるパラメータを調整するアテンション調整部と、
を備え、
前記アテンション調整部は、
前記訓練文書に含まれる複数のセンテンスのうちの1つの対象センテンスに対応する前記センテンス情報および前記初期要素情報を、前記ニューラルネットワーク部に印加させる印加制御部と、
前記対象センテンスに対応する前記センテンス情報および前記初期要素情報が前記ニューラルネットワーク部に印加された場合において、前記アテンション部に含まれる正規化層から出力された前記アテンション重みを取得するアテンション重み取得部と、
前記アテンション重みに対する誤差評価値に基づき、前記アテンション部に設定されている複数のパラメータを調整するパラメータ調整部と、
を有する学習装置。 - 前記複数の属性項目のそれぞれについて、前記アテンション重みにより表される関連度の推定値と、内容を表すラベルとを対応付けて表示装置に表示させるアテンション重み表示制御部と、
ユーザにより入力された前記アテンション重みに対する前記誤差評価値を受け付ける評価値受付部と、
をさらに有する請求項5に記載の学習装置。 - 前記訓練文書に含まれる前記複数のセンテンスを前記表示装置に表示させるセンテンス表示制御部と、
前記表示装置に表示された前記複数のセンテンスの中から、前記ユーザによる前記対象センテンスの指定操作を受け付けるセンテンス受付部と、
をさらに有する請求項6に記載の学習装置。 - 取得した前記アテンション重みと、前記対象センテンスに対応する前記アテンション重みの正解値を表す予め生成されたアテンション正解データとに基づき、前記アテンション重みに対する前記誤差評価値を算出するアテンション誤差評価部をさらに有し、
前記パラメータ調整部は、算出された前記アテンション重みに対する前記誤差評価値に基づき、前記アテンション部を訓練する
請求項5に記載の学習装置。 - 前記メイン学習部により前記ニューラルネットワーク部を訓練するか、前記アテンション調整部により前記アテンション部のパラメータを調整するかを制御する制御部をさらに備え、
前記制御部は、前記メイン学習部による前記ニューラルネットワーク部の訓練が予め定められた条件に達する毎に、前記アテンション調整部に前記アテンション部のパラメータを調整させる
請求項5から8の何れか1項に記載の学習装置。 - 前記ニューラルネットワーク部は、前記対象文書に対して前記メインタスク、および、前記メインタスクとは異なるサブタスクを実行し、
前記ニューラルネットワーク部は、前記複数のセンテンスのそれぞれについての前記アテンション部により推定された前記アテンション情報に基づき、前記サブタスクを実行するサブタスク実行部をさらに有し、
前記学習装置は、
前記訓練文書と前記サブタスク実行部の実行結果を表す正解データとを含む教師データに基づき、前記ニューラルネットワーク部を訓練するサブ学習部をさらに有し、
前記制御部は、前記メイン学習部により前記ニューラルネットワーク部を訓練するか、前記サブ学習部により前記ニューラルネットワーク部を訓練するか、前記アテンション調整部により前記アテンション部のパラメータを調整するかを制御する
請求項9に記載の学習装置。 - 前記制御部は、
前記メイン学習部による前記ニューラルネットワーク部の訓練と前記サブ学習部による前記ニューラルネットワーク部による訓練とを、所定の条件で切り替えながら交互に実行させ、
前記メイン学習部および前記サブ学習部による前記ニューラルネットワーク部の訓練が予め定められた条件に達する毎に、前記アテンション調整部に前記アテンション部のパラメータを調整させる
請求項10に記載の学習装置。 - 情報処理装置により実行される文書解析方法であって、
前記情報処理装置が、対象文書に含まれる複数のセンテンスを抽出し、
前記情報処理装置が、前記複数のセンテンスのそれぞれについて、予め定められた複数の属性項目のそれぞれに対する関連度の初期値を表す初期要素情報を生成し、
前記情報処理装置が、ニューラルネットワーク部を用いて、前記複数のセンテンスのそれぞれについて、含まれるテキストの内容を表すセンテンス情報および前記初期要素情報を受け取り、前記対象文書に対してメインタスクを実行した結果を出力し、
前記ニューラルネットワーク部は、
前記複数のセンテンスのそれぞれについて、前記センテンス情報および前記初期要素情報を受け取り、前記複数の属性項目のそれぞれに対する関連度の推定値を表すアテンション重みを算出し、前記アテンション重みに応じたアテンション情報を出力するアテンション部と、
前記複数のセンテンスのそれぞれについての前記アテンション情報に基づき、前記メインタスクを実行するメインタスク実行部と、
を有する文書解析方法。 - 情報処理装置により、文書解析装置を訓練する学習方法であって、
前記文書解析装置は、
対象文書に含まれる複数のセンテンスを抽出するセンテンス抽出部と、
前記複数のセンテンスのそれぞれについて、予め定められた複数の属性項目のそれぞれに対する関連度の初期値を表す初期要素情報を生成する解析部と、
前記複数のセンテンスのそれぞれについて、含まれるテキストの内容を表すセンテンス情報および前記初期要素情報を受け取り、前記対象文書に対してメインタスクを実行した結果を出力するニューラルネットワーク部と、
を備え、
前記ニューラルネットワーク部は、
前記複数のセンテンスのそれぞれについて、前記センテンス情報および前記初期要素情報を受け取り、前記複数の属性項目のそれぞれに対する関連度の推定値を表すアテンション重みを算出し、前記アテンション重みに応じたアテンション情報を出力するアテンション部と、
前記複数のセンテンスのそれぞれについての前記アテンション情報に基づき、前記メインタスクを実行するメインタスク実行部と、
を有し、
前記情報処理装置が、訓練文書と前記メインタスク実行部の実行結果を表す正解データとを含む教師データに基づき、前記ニューラルネットワーク部を訓練するメイン学習ステップと、
前記情報処理装置が、前記アテンション部に含まれるパラメータを調整するパラメータ調整ステップと、
を実行し、
前記パラメータ調整ステップにおいて、
前記情報処理装置が、前記訓練文書に含まれる複数のセンテンスのうちの1つの対象センテンスに対応する前記センテンス情報および前記初期要素情報を、前記ニューラルネットワーク部に印加させ、
前記情報処理装置が、前記対象センテンスに対応する前記センテンス情報および前記初期要素情報が前記ニューラルネットワーク部に印加された場合において、前記アテンション部に含まれる正規化層から出力された前記アテンション重みを取得し、
前記情報処理装置が、前記アテンション重みに対する誤差評価値に基づき、前記アテンション部に設定されている複数のパラメータを調整する
学習方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019087651A JP7077265B2 (ja) | 2019-05-07 | 2019-05-07 | 文書解析装置、学習装置、文書解析方法および学習方法 |
US16/801,326 US11429786B2 (en) | 2019-05-07 | 2020-02-26 | Document analysis device, learning device, document analysis method, and learning method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019087651A JP7077265B2 (ja) | 2019-05-07 | 2019-05-07 | 文書解析装置、学習装置、文書解析方法および学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020184157A JP2020184157A (ja) | 2020-11-12 |
JP7077265B2 true JP7077265B2 (ja) | 2022-05-30 |
Family
ID=73045193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019087651A Active JP7077265B2 (ja) | 2019-05-07 | 2019-05-07 | 文書解析装置、学習装置、文書解析方法および学習方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11429786B2 (ja) |
JP (1) | JP7077265B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111859982B (zh) * | 2020-06-19 | 2024-04-26 | 北京百度网讯科技有限公司 | 语言模型的训练方法、装置、电子设备及可读存储介质 |
US11568284B2 (en) * | 2020-06-26 | 2023-01-31 | Intuit Inc. | System and method for determining a structured representation of a form document utilizing multiple machine learning models |
CN112801287A (zh) * | 2021-01-26 | 2021-05-14 | 商汤集团有限公司 | 神经网络性能评估方法及装置、电子设备及存储介质 |
WO2023073890A1 (ja) * | 2021-10-28 | 2023-05-04 | 日本電信電話株式会社 | 変換装置、変換方法、および、変換プログラム |
CN114661904B (zh) * | 2022-03-10 | 2023-04-07 | 北京百度网讯科技有限公司 | 文档处理模型的训练方法、装置、设备、存储介质及程序 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006190229A (ja) | 2005-01-07 | 2006-07-20 | Nec Corp | 意見抽出用学習装置及び意見抽出用分類装置 |
WO2018131259A1 (ja) | 2017-01-11 | 2018-07-19 | パナソニックIpマネジメント株式会社 | 文章評価装置、及び文章評価方法 |
JP2019020893A (ja) | 2017-07-13 | 2019-02-07 | 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装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014067154A (ja) | 2012-09-25 | 2014-04-17 | Toshiba Corp | 文書分類支援装置、方法及びプログラム |
JP2016027493A (ja) | 2015-09-29 | 2016-02-18 | 株式会社東芝 | 文書分類支援装置、方法及びプログラム |
US10354168B2 (en) * | 2016-04-11 | 2019-07-16 | A2Ia S.A.S. | Systems and methods for recognizing characters in digitized documents |
CN110019471B (zh) * | 2017-12-15 | 2024-03-08 | 微软技术许可有限责任公司 | 从结构化数据生成文本 |
GB201805293D0 (en) * | 2018-03-29 | 2018-05-16 | Benevolentai Tech Limited | Attention filtering for multiple instance learning |
EP3794511A1 (en) * | 2018-05-18 | 2021-03-24 | BenevolentAI Technology Limited | Graph neutral networks with attention |
EP3811323A4 (en) * | 2018-06-19 | 2022-03-09 | Thomson Reuters Enterprise Centre GmbH | SYSTEMS AND METHODS FOR DETERMINING STRUCTURED PROCESS OUTCOMES |
US11010559B2 (en) * | 2018-08-30 | 2021-05-18 | International Business Machines Corporation | Multi-aspect sentiment analysis by collaborative attention allocation |
US10824815B2 (en) * | 2019-01-02 | 2020-11-03 | Netapp, Inc. | Document classification using attention networks |
US10949664B2 (en) * | 2019-04-08 | 2021-03-16 | Kyocera Document Solutions Inc. | Optical character recognition training data generation for neural networks by parsing page description language jobs |
US11790171B2 (en) * | 2019-04-16 | 2023-10-17 | Covera Health | Computer-implemented natural language understanding of medical reports |
-
2019
- 2019-05-07 JP JP2019087651A patent/JP7077265B2/ja active Active
-
2020
- 2020-02-26 US US16/801,326 patent/US11429786B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006190229A (ja) | 2005-01-07 | 2006-07-20 | Nec Corp | 意見抽出用学習装置及び意見抽出用分類装置 |
WO2018131259A1 (ja) | 2017-01-11 | 2018-07-19 | パナソニックIpマネジメント株式会社 | 文章評価装置、及び文章評価方法 |
JP2019020893A (ja) | 2017-07-13 | 2019-02-07 | 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装置 |
Non-Patent Citations (1)
Title |
---|
吉岡 重紀 ほか,生成型一文要約のためのマルチアテンションモデルの提案,第8回データ工学と情報マネジメントに関するフォーラム (第14回日本データベース学会年次大会)[online],日本,電子情報通信学会データ工学研究専門委員会 日本データベース学会 情報処理学会データベースシステム研究会,2016年03月02日,pp. 1-7,Internet<URL:http://db-event.jpn.org/deim2016/papers/216.pdf> |
Also Published As
Publication number | Publication date |
---|---|
US11429786B2 (en) | 2022-08-30 |
JP2020184157A (ja) | 2020-11-12 |
US20200356723A1 (en) | 2020-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7077265B2 (ja) | 文書解析装置、学習装置、文書解析方法および学習方法 | |
JP6842167B2 (ja) | 要約生成装置、要約生成方法及びコンピュータプログラム | |
US20210065569A1 (en) | System and method for providing an interactive visual learning environment for creation, presentation, sharing, organizing and analysis of knowledge on subject matter | |
US9881003B2 (en) | Automatic translation of digital graphic novels | |
US20180366013A1 (en) | System and method for providing an interactive visual learning environment for creation, presentation, sharing, organizing and analysis of knowledge on subject matter | |
US8761496B2 (en) | Image processing apparatus for calculating a degree of similarity between images, method of image processing, processing apparatus for calculating a degree of approximation between data sets, method of processing, computer program product, and computer readable medium | |
JP6909633B2 (ja) | 評価装置、評価方法、および評価プログラム | |
JP7069029B2 (ja) | 自動予測システム、自動予測方法および自動予測プログラム | |
US9268842B2 (en) | Information processing apparatus, control method for the same, and computer-readable recording medium | |
Nassiri et al. | Arabic readability assessment for foreign language learners | |
US20230336532A1 (en) | Privacy Preserving Document Analysis | |
US20190228335A1 (en) | Optimization apparatus and optimization method for hyper parameter | |
CN114528845A (zh) | 异常日志的分析方法、装置及电子设备 | |
JP7155625B2 (ja) | 検査装置、検査方法、プログラム及び学習装置 | |
US20050261881A1 (en) | Task-based design evaluation | |
JP2005292958A (ja) | 教師データ作成装置およびプログラム、言語解析処理装置およびプログラム、ならびに要約処理装置およびプログラム | |
Jockers et al. | Sentiment analysis | |
CN101382933A (zh) | 创建用于学习单词翻译的数据的装置和方法 | |
JP6529698B2 (ja) | データ分析装置およびデータ分析方法 | |
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 | |
WO2020250810A1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
JP6605683B1 (ja) | 見積方法、課金方法、コンピュータ、及びプログラム | |
JP6181890B2 (ja) | 文献解析装置、文献解析方法およびプログラム | |
Espinal et al. | A Format-sensitive BERT-based Approach to Resume Segmentation | |
JP2020160974A (ja) | 情報処理装置、情報処理方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210312 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220317 |
|
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: 20220419 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220518 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7077265 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |