JP7102563B2 - 機械学習分類器とともに知識表現を使用するためのシステム及び方法 - Google Patents
機械学習分類器とともに知識表現を使用するためのシステム及び方法 Download PDFInfo
- Publication number
- JP7102563B2 JP7102563B2 JP2021015547A JP2021015547A JP7102563B2 JP 7102563 B2 JP7102563 B2 JP 7102563B2 JP 2021015547 A JP2021015547 A JP 2021015547A JP 2021015547 A JP2021015547 A JP 2021015547A JP 7102563 B2 JP7102563 B2 JP 7102563B2
- Authority
- JP
- Japan
- Prior art keywords
- knowledge representation
- content item
- machine learning
- content items
- labeled
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
上記の実施形態につき以下の付記を残しておく。
[付記1]
機械学習分類器のためのトレーニングデータを生成する方法であって、
関心オブジェクトに基づく、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を受け取ることであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、受け取ることと、
コンテンツ項目の第1のセットを受け取ることであって、前記第1のセットは、ラベルを有しない1つ以上のコンテンツ項目を含み、前記ラベルは、コンテンツ項目を1つ以上のカテゴリに分類する、受け取ることと、
前記第1のセットのうちの1つ以上のそれぞれのコンテンツ項目についての1つ以上のスコアを決定することであって、それぞれのコンテンツ項目についてのスコアは、前記知識表現と該それぞれのコンテンツ項目の内容とに基づく、決定することと、
前記第1のセットのうちの前記1つ以上のそれぞれのコンテンツ項目に関連付けられたスコアに基づいて、前記第1のセットのうちの前記1つ以上のそれぞれのコンテンツ項目にラベルを割り当てることにより、前記機械学習分類器のための前記トレーニングデータを生成することと、
を含む、方法。
[付記2]
前記関心オブジェクトの内容に基づいて、前記知識表現を合成すること
をさらに含む、付記1に記載の方法。
[付記3]
前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記少なくとも1つの概念及び/又は2つ以上の概念間の関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、付記2に記載の方法。
[付記4]
前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、付記1に記載の方法。
[付記5]
前記それぞれのコンテンツ項目についての前記スコアは、前記知識表現における前記少なくとも1つの概念と前記それぞれのコンテンツ項目の前記内容との共通部分に基づく、付記1に記載の方法。
[付記6]
前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、付記1に記載の方法。
[付記7]
前記コンテンツ項目の第1のセットに割り当てられたラベルと前記コンテンツ項目の第1のセットに関連付けられた1つ以上の特徴とに基づいて、1つ以上の分類されていないコンテンツ項目についてのラベルを予測するように、分類器をトレーニングすること
をさらに含む、付記1に記載の方法。
[付記8]
コンテンツ項目の第2のセットを受け取ることであって、前記第2のセットは、ラベルを有しない1つ以上のコンテンツ項目を含む、受け取ることと、
前記分類器により、前記第2のセットのうちの1つ以上のそれぞれのコンテンツ項目に関連付けられた1つ以上の特徴に基づいて、前記第2のセットのうちの前記1つ以上のそれぞれのコンテンツ項目にラベルを割り当てることと、
をさらに含む、付記7に記載の方法。
[付記9]
前記第1のセットのうちの前記1つ以上のそれぞれのコンテンツ項目に前記ラベルを割り当てることは、
前記第1のセットのうちのそれぞれのコンテンツ項目についてのスコアが予め定められた閾値を超えていることに基づいて、前記ラベルを割り当てること
を含む、付記1に記載の方法。
[付記10]
前記ラベルは、「推奨する」及び「推奨しない」のうちの1つである、付記1に記載の方法。
[付記11]
前記1つ以上の特徴は、タイトル、長さ、作者、単語頻度、及び逆文書頻度のうちの少なくとも1つを含む、付記7に記載の方法。
[付記12]
前記1つ以上の特徴は、前記知識表現の1つ以上の属性を含む、付記7に記載の方法。
[付記13]
機械学習分類器のためのトレーニングデータを生成するためのシステムであって、
関心オブジェクトに基づく、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を受け取ることであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、受け取ることと、
コンテンツ項目の第1のセットを受け取ることであって、前記第1のセットは、ラベルを有しない1つ以上のコンテンツ項目を含み、前記ラベルは、コンテンツ項目を1つ以上のカテゴリに分類する、受け取ることと、
前記第1のセットのうちの1つ以上のそれぞれのコンテンツ項目についての1つ以上のスコアを決定することであって、それぞれのコンテンツ項目についてのスコアは、前記知識表現と該それぞれのコンテンツ項目の内容とに基づく、決定することと、
前記第1のセットのうちの前記1つ以上のそれぞれのコンテンツ項目に関連付けられたスコアに基づいて、前記第1のセットのうちの前記1つ以上のそれぞれのコンテンツ項目にラベルを割り当てることにより、前記機械学習分類器のための前記トレーニングデータを生成することと、
を含む方法を実行するよう構成されている少なくとも1つのプロセッサ
を有する、システム。
[付記14]
前記方法は、
前記関心オブジェクトの内容に基づいて、前記知識表現を合成すること
をさらに含む、付記13に記載のシステム。
[付記15]
前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記少なくとも1つの概念及び/又は2つ以上の概念間の関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、付記14に記載のシステム。
[付記16]
前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、付記13に記載のシステム。
[付記17]
前記それぞれのコンテンツ項目についての前記スコアは、前記知識表現における前記少なくとも1つの概念と前記それぞれのコンテンツ項目の前記内容との共通部分に基づく、付記13に記載のシステム。
[付記18]
前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、付記13に記載のシステム。
[付記19]
前記方法は、
前記コンテンツ項目の第1のセットに割り当てられたラベルと前記コンテンツ項目の第1のセットに関連付けられた1つ以上の特徴とに基づいて、1つ以上の分類されていないコンテンツ項目についてのラベルを予測するように、分類器をトレーニングすること
をさらに含む、付記13に記載のシステム。
[付記20]
前記方法は、
コンテンツ項目の第2のセットを受け取ることであって、前記第2のセットは、ラベルを有しない1つ以上のコンテンツ項目を含む、受け取ることと、
前記分類器により、前記第2のセットのうちの1つ以上のそれぞれのコンテンツ項目に関連付けられた1つ以上の特徴に基づいて、前記第2のセットのうちの前記1つ以上のそれぞれのコンテンツ項目にラベルを割り当てることと、
をさらに含む、付記19に記載のシステム。
[付記21]
前記第1のセットのうちの前記1つ以上のそれぞれのコンテンツ項目に前記ラベルを割り当てることは、
前記第1のセットのうちのそれぞれのコンテンツ項目についてのスコアが予め定められた閾値を超えていることに基づいて、前記ラベルを割り当てること
を含む、付記13に記載のシステム。
[付記22]
前記ラベルは、「推奨する」及び「推奨しない」のうちの1つである、付記13に記載のシステム。
[付記23]
前記1つ以上の特徴は、タイトル、長さ、作者、単語頻度、及び逆文書頻度のうちの少なくとも1つを含む、付記19に記載のシステム。
[付記24]
前記1つ以上の特徴は、前記知識表現の1つ以上の属性を含む、付記19に記載のシステム。
[付記25]
プロセッサ実行可能な命令を記憶している少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサにより実行されたときに、前記少なくとも1つのプロセッサに、機械学習分類器のためのトレーニングデータを生成する方法を実行させ、前記方法は、
関心オブジェクトに基づく、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を受け取ることであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、受け取ることと、
コンテンツ項目の第1のセットを受け取ることであって、前記第1のセットは、ラベルを有しない1つ以上のコンテンツ項目を含み、前記ラベルは、コンテンツ項目を1つ以上のカテゴリに分類する、受け取ることと、
前記第1のセットのうちの1つ以上のそれぞれのコンテンツ項目についての1つ以上のスコアを決定することであって、それぞれのコンテンツ項目についてのスコアは、前記知識表現と該それぞれのコンテンツ項目の内容とに基づく、決定することと、
前記第1のセットのうちの前記1つ以上のそれぞれのコンテンツ項目に関連付けられたスコアに基づいて、前記第1のセットのうちの前記1つ以上のそれぞれのコンテンツ項目にラベルを割り当てることにより、前記機械学習分類器のための前記トレーニングデータを生成することと、
を含む、少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記26]
前記方法は、
前記関心オブジェクトの内容に基づいて、前記知識表現を合成すること
をさらに含む、付記25に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記27]
前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記少なくとも1つの概念及び/又は2つ以上の概念間の関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、付記26に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記28]
前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、付記25に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記29]
前記それぞれのコンテンツ項目についての前記スコアは、前記知識表現における前記少なくとも1つの概念と前記それぞれのコンテンツ項目の前記内容との共通部分に基づく、付記25に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記30]
前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、付記25に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記31]
前記方法は、
前記コンテンツ項目の第1のセットに割り当てられたラベルと前記コンテンツ項目の第1のセットに関連付けられた1つ以上の特徴とに基づいて、1つ以上の分類されていないコンテンツ項目についてのラベルを予測するように、分類器をトレーニングすること
をさらに含む、付記25に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記32]
前記方法は、
コンテンツ項目の第2のセットを受け取ることであって、前記第2のセットは、ラベルを有しない1つ以上のコンテンツ項目を含む、受け取ることと、
前記分類器により、前記第2のセットのうちの1つ以上のそれぞれのコンテンツ項目に関連付けられた1つ以上の特徴に基づいて、前記第2のセットのうちの前記1つ以上のそれぞれのコンテンツ項目にラベルを割り当てることと、
をさらに含む、付記31に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記33]
前記第1のセットのうちの前記1つ以上のそれぞれのコンテンツ項目に前記ラベルを割り当てることは、
前記第1のセットのうちのそれぞれのコンテンツ項目についてのスコアが予め定められた閾値を超えていることに基づいて、前記ラベルを割り当てること
を含む、付記25に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記34]
前記ラベルは、「推奨する」及び「推奨しない」のうちの1つである、付記25に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記35]
前記1つ以上の特徴は、タイトル、長さ、作者、単語頻度、及び逆文書頻度のうちの少なくとも1つを含む、付記31に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記36]
前記1つ以上の特徴は、前記知識表現の1つ以上の属性を含む、付記31に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記37]
機械学習分類器により、少なくとも1つのラベル付けされていないコンテンツ項目を分類する方法であって、
関心オブジェクトに基づく、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を受け取ることであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、受け取ることと、
トレーニングデータを受け取ることであって、前記トレーニングデータは、各コンテンツ項目を1つ以上のカテゴリに分類するラベルを有する1つ以上のラベル付けされたコンテンツ項目の第1のセットを含む、受け取ることと、
前記知識表現から導出された1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の少なくとも1つの特徴を用いて、前記機械学習分類器をトレーニングすることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記少なくとも1つのラベル付けされていないコンテンツ項目の少なくとも1つの特徴を用いて、前記少なくとも1つのラベル付けされていないコンテンツ項目を前記1つ以上のカテゴリに分類することと、
を含む、方法。
[付記38]
前記関心オブジェクトの内容に基づいて、前記知識表現を合成すること
をさらに含む、付記37に記載の方法。
[付記39]
前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記少なくとも1つの概念及び/又は2つ以上の概念間の関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、付記38に記載の方法。
[付記40]
前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、付記37に記載の方法。
[付記41]
前記少なくとも1つのラベル付けされていないコンテンツ項目の前記少なくとも1つの特徴は、前記知識表現から導出された前記1つ以上の属性の共通部分に基づく、付記37に記載の方法。
[付記42]
前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、付記37に記載の方法。
[付記43]
検証データを受け取ることであって、前記検証データは、1つ以上のラベル付けされたコンテンツ項目の第2のセットを含む、受け取ることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの少なくとも1つの特徴を用いて、前記検証データを前記1つ以上のカテゴリに分類することと、
をさらに含む、付記37に記載の方法。
[付記44]
前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての分類された前記カテゴリを、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての1つ以上のラベルと比較することと、
前記機械学習分類器によりなされた正しい分類の数及び正しくない分類の数を決定することと、
前記正しい分類の数及び前記正しくない分類の数に基づいて、前記機械学習分類器を再トレーニングすることと、
をさらに含む、付記43に記載の方法。
[付記45]
前記ラベル付けされたコンテンツ項目の前記少なくとも1つの特徴は、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の総数と、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより広い概念の数と、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより狭い概念の数と、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の重みの合計と、
のうちの少なくとも1つを含む、付記37に記載の方法。
[付記46]
前記知識表現は、ユーザに固有である、付記37に記載の方法。
[付記47]
前記知識表現は、グループに固有である、付記37に記載の方法。
[付記48]
前記ラベルは、「推奨する」及び「推奨しない」のうちの1つである、付記37に記載の方法。
[付記49]
前記ラベルは、「複製である」及び「複製ではない」のうちの1つである、付記37に記載の方法。
[付記50]
前記機械学習分類器をトレーニングすることは、
少なくとも2つの機械学習分類器をトレーニングすることであって、前記少なくとも2つの機械学習分類器のうちの第1の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第1の特徴を用いて、トレーニングされ、前記少なくとも2つの機械学習分類器のうちの第2の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第2の特徴を用いて、トレーニングされ、前記第1の特徴及び前記第2の特徴は、少なくとも1つの異なる属性に基づく、トレーニングすること
を含む、付記37に記載の方法。
[付記51]
前記1つ以上のラベル付けされていないコンテンツ項目についての分類された前記カテゴリは、前記少なくとも2つの機械学習分類器を用いて決定される、付記50に記載の方法。
[付記52]
前記少なくとも2つの機械学習分類器の各々による、正しい分類のそれぞれの数及び正しくない分類のそれぞれの数に基づいて、重みを前記少なくとも2つの機械学習分類器の各々に関連付けること
をさらに含む、付記51に記載の方法。
[付記53]
前記トレーニングデータは、1つ以上のラベル付けされていないコンテンツ項目についてのスコアに基づいて生成され、それぞれのラベル付けされていないコンテンツ項目についてのスコアは、前記知識表現から導出された前記1つ以上の属性と前記それぞれのラベル付けされていないコンテンツ項目の内容とに基づく、付記37に記載の方法。
[付記54]
機械学習分類器により、少なくとも1つのラベル付けされていないコンテンツ項目を分類するためのシステムであって、
関心オブジェクトに基づく、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を受け取ることであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、受け取ることと、
トレーニングデータを受け取ることであって、前記トレーニングデータは、各コンテンツ項目を1つ以上のカテゴリに分類するラベルを有する1つ以上のラベル付けされたコンテンツ項目の第1のセットを含む、受け取ることと、
前記知識表現から導出された1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の少なくとも1つの特徴を用いて、前記機械学習分類器をトレーニングすることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記少なくとも1つのラベル付けされていないコンテンツ項目の少なくとも1つの特徴を用いて、前記少なくとも1つのラベル付けされていないコンテンツ項目を前記1つ以上のカテゴリに分類することと、
を含む方法を実行するよう構成されている少なくとも1つのプロセッサ
を有する、システム。
[付記55]
前記方法は、
前記関心オブジェクトの内容に基づいて、前記知識表現を合成すること
をさらに含む、付記54に記載のシステム。
[付記56]
前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記少なくとも1つの概念及び/又は2つ以上の概念間の関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、付記55に記載のシステム。
[付記57]
前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、付記54に記載のシステム。
[付記58]
前記少なくとも1つのラベル付けされていないコンテンツ項目の前記少なくとも1つの特徴は、前記知識表現から導出された前記1つ以上の属性の共通部分に基づく、付記54に記載のシステム。
[付記59]
前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、付記54に記載のシステム。
[付記60]
前記方法は、
検証データを受け取ることであって、前記検証データは、1つ以上のラベル付けされたコンテンツ項目の第2のセットを含む、受け取ることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの少なくとも1つの特徴を用いて、前記検証データを前記1つ以上のカテゴリに分類することと、
をさらに含む、付記54に記載のシステム。
[付記61]
前記方法は、
前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての分類された前記カテゴリを、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての1つ以上のラベルと比較することと、
前記機械学習分類器によりなされた正しい分類の数及び正しくない分類の数を決定することと、
前記正しい分類の数及び前記正しくない分類の数に基づいて、前記機械学習分類器を再トレーニングすることと、
をさらに含む、付記60に記載のシステム。
[付記62]
前記ラベル付けされたコンテンツ項目の前記少なくとも1つの特徴は、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の総数と、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより広い概念の数と、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより狭い概念の数と、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の重みの合計と、
のうちの少なくとも1つを含む、付記54に記載のシステム。
[付記63]
前記知識表現は、ユーザに固有である、付記54に記載のシステム。
[付記64]
前記知識表現は、グループに固有である、付記54に記載のシステム。
[付記65]
前記ラベルは、「推奨する」及び「推奨しない」のうちの1つである、付記54に記載のシステム。
[付記66]
前記ラベルは、「複製である」及び「複製ではない」のうちの1つである、付記54に記載のシステム。
[付記67]
前記機械学習分類器をトレーニングすることは、
少なくとも2つの機械学習分類器をトレーニングすることであって、前記少なくとも2つの機械学習分類器のうちの第1の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第1の特徴を用いて、トレーニングされ、前記少なくとも2つの機械学習分類器のうちの第2の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第2の特徴を用いて、トレーニングされ、前記第1の特徴及び前記第2の特徴は、少なくとも1つの異なる属性に基づく、トレーニングすること
を含む、付記54に記載のシステム。
[付記68]
前記1つ以上のラベル付けされていないコンテンツ項目についての分類された前記カテゴリは、前記少なくとも2つの機械学習分類器を用いて決定される、付記67に記載のシステム。
[付記69]
前記方法は、
前記少なくとも2つの機械学習分類器の各々による、正しい分類のそれぞれの数及び正しくない分類のそれぞれの数に基づいて、重みを前記少なくとも2つの機械学習分類器の各々に関連付けること
をさらに含む、付記68に記載のシステム。
[付記70]
前記トレーニングデータは、1つ以上のラベル付けされていないコンテンツ項目についてのスコアに基づいて生成され、それぞれのラベル付けされていないコンテンツ項目についてのスコアは、前記知識表現から導出された前記1つ以上の属性と前記それぞれのラベル付けされていないコンテンツ項目の内容とに基づく、付記54に記載のシステム。
[付記71]
プロセッサ実行可能な命令を記憶している少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサにより実行されたときに、前記少なくとも1つのプロセッサに、機械学習分類器により、少なくとも1つのラベル付けされていないコンテンツ項目を分類する方法を実行させ、前記方法は、
関心オブジェクトに基づく、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を受け取ることであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、受け取ることと、
トレーニングデータを受け取ることであって、前記トレーニングデータは、各コンテンツ項目を1つ以上のカテゴリに分類するラベルを有する1つ以上のラベル付けされたコンテンツ項目の第1のセットを含む、受け取ることと、
前記知識表現から導出された1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の少なくとも1つの特徴を用いて、前記機械学習分類器をトレーニングすることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記少なくとも1つのラベル付けされていないコンテンツ項目の少なくとも1つの特徴を用いて、前記少なくとも1つのラベル付けされていないコンテンツ項目を前記1つ以上のカテゴリに分類することと、
を含む、少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記72]
前記方法は、
前記関心オブジェクトの内容に基づいて、前記知識表現を合成すること
をさらに含む、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記73]
前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記少なくとも1つの概念及び/又は2つ以上の概念間の関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、付記72に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記74]
前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記75]
前記少なくとも1つのラベル付けされていないコンテンツ項目の前記少なくとも1つの特徴は、前記知識表現から導出された前記1つ以上の属性の共通部分に基づく、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記76]
前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記77]
前記方法は、
検証データを受け取ることであって、前記検証データは、1つ以上のラベル付けされたコンテンツ項目の第2のセットを含む、受け取ることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの少なくとも1つの特徴を用いて、前記検証データを前記1つ以上のカテゴリに分類することと、
をさらに含む、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記78]
前記方法は、
前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての分類された前記カテゴリを、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての1つ以上のラベルと比較することと、
前記機械学習分類器によりなされた正しい分類の数及び正しくない分類の数を決定することと、
前記正しい分類の数及び前記正しくない分類の数に基づいて、前記機械学習分類器を再トレーニングすることと、
をさらに含む、付記77に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記79]
前記ラベル付けされたコンテンツ項目の前記少なくとも1つの特徴は、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の総数と、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより広い概念の数と、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより狭い概念の数と、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の重みの合計と、
のうちの少なくとも1つを含む、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記80]
前記知識表現は、ユーザに固有である、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記81]
前記知識表現は、グループに固有である、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記82]
前記ラベルは、「推奨する」及び「推奨しない」のうちの1つである、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記83]
前記ラベルは、「複製である」及び「複製ではない」のうちの1つである、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記84]
前記機械学習分類器をトレーニングすることは、
少なくとも2つの機械学習分類器をトレーニングすることであって、前記少なくとも2つの機械学習分類器のうちの第1の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第1の特徴を用いて、トレーニングされ、前記少なくとも2つの機械学習分類器のうちの第2の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第2の特徴を用いて、トレーニングされ、前記第1の特徴及び前記第2の特徴は、少なくとも1つの異なる属性に基づく、トレーニングすること
を含む、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記85]
前記1つ以上のラベル付けされていないコンテンツ項目についての分類された前記カテゴリは、前記少なくとも2つの機械学習分類器を用いて決定される、付記84に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記86]
前記方法は、
前記少なくとも2つの機械学習分類器の各々による、正しい分類のそれぞれの数及び正しくない分類のそれぞれの数に基づいて、重みを前記少なくとも2つの機械学習分類器の各々に関連付けること
をさらに含む、付記85に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記87]
前記トレーニングデータは、1つ以上のラベル付けされていないコンテンツ項目についてのスコアに基づいて生成され、それぞれのラベル付けされていないコンテンツ項目についてのスコアは、前記知識表現から導出された前記1つ以上の属性と前記それぞれのラベル付けされていないコンテンツ項目の内容とに基づく、付記71に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記88]
機械学習分類器に基づいて知識表現を変更する方法であって、
関心オブジェクトに基づく、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を受け取ることであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、受け取ることと、
検証データを受け取ることであって、前記検証データは、各コンテンツ項目を、前記関心オブジェクトと関連性があることが既知である第1のカテゴリと、前記関心オブジェクトと関連性がないことが既知である第2のカテゴリと、を含む1つ以上のカテゴリに分類するラベルを有する1つ以上のラベル付けされたコンテンツ項目の第1のセットを含む、受け取ることと、
前記知識表現から導出された少なくとも1つの属性を、特徴として使用する機械学習分類器により、前記1つ以上のラベル付けされたコンテンツ項目の各々を、a)前記関心オブジェクトと関連性があるもの、及び、b)前記関心オブジェクトと関連性がないもののうちの一方として、予測することと、
前記第1のセットの各コンテンツ項目についての前記機械学習分類器による前記予測と、各コンテンツ項目のラベルと、の比較に基づいて、前記知識表現を変更することと、
を含む、方法。
[付記89]
前記関心オブジェクトの内容に基づいて、前記知識表現を合成すること
をさらに含む、付記88に記載の方法。
[付記90]
前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記少なくとも1つの概念及び/又は2つ以上の概念間の関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、付記89に記載の方法。
[付記91]
前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、付記88に記載の方法。
[付記92]
前記予測することは、前記1つ以上のラベル付けされたコンテンツ項目と前記特徴との共通部分に基づく、付記88に記載の方法。
[付記93]
前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、付記88に記載の方法。
[付記94]
前記知識表現を変更した後、
変更された前記知識表現を用いて、前記1つ以上のラベル付けされたコンテンツ項目の第1のセットの各々を再度予測することと、
前記第1のセットの各コンテンツ項目についての前記機械学習分類器による該予測と、各コンテンツ項目の前記ラベルと、の比較に基づいて、前記知識表現を変更することと、
をさらに含む、付記88に記載の方法。
[付記95]
前記再度予測すること及び前記変更することは、前記第1のカテゴリにおけるラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、適合率閾値以上になるまで、繰り返される、付記94に記載の方法。
[付記96]
前記再度予測すること及び前記変更することは、前記関心オブジェクトと関連性があるものとして予測された前記1つ以上のラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、再現率閾値以上になるまで、繰り返される、付記94に記載の方法。
[付記97]
前記知識表現を変更することは、
前記知識表現における前記少なくとも1つの概念に関連付けられた重みを変更すること、及び/又は
追加の概念を前記知識表現に付加すること
を含む、付記88に記載の方法。
[付記98]
前記比較に基づいて、前記知識表現を変更することは、
前記第1のカテゴリにおける前記1つ以上のラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、適合率閾値未満である場合に、前記知識表現を変更すること
を含む、付記88に記載の方法。
[付記99]
前記比較に基づいて、前記知識表現を変更することは、
前記関心オブジェクトに関連するものとして予測された前記1つ以上のラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、再現率閾値未満である場合に、前記知識表現を変更すること
を含む、付記88に記載の方法。
[付記100]
前記少なくとも1つの属性は、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通する概念の総数と、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通するより広い概念の数と、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通するより狭い概念の数と、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通する概念の重みの合計と、
のうちの少なくとも1つを含む、付記88に記載の方法。
[付記101]
機械学習分類器に基づいて知識表現を変更するためのシステムであって、
関心オブジェクトに基づく、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を受け取ることであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、受け取ることと、
検証データを受け取ることであって、前記検証データは、各コンテンツ項目を、前記関心オブジェクトと関連性があることが既知である第1のカテゴリと、前記関心オブジェクトと関連性がないことが既知である第2のカテゴリと、を含む1つ以上のカテゴリに分類するラベルを有する1つ以上のラベル付けされたコンテンツ項目の第1のセットを含む、受け取ることと、
前記知識表現から導出された少なくとも1つの属性を、特徴として使用する機械学習分類器により、前記1つ以上のラベル付けされたコンテンツ項目の各々を、a)前記関心オブジェクトと関連性があるもの、及び、b)前記関心オブジェクトと関連性がないもののうちの一方として、予測することと、
前記第1のセットの各コンテンツ項目についての前記機械学習分類器による前記予測と、各コンテンツ項目のラベルと、の比較に基づいて、前記知識表現を変更することと、
を含む方法を実行するよう構成されている少なくとも1つのプロセッサ
を有する、システム。
[付記102]
前記方法は、
前記関心オブジェクトの内容に基づいて、前記知識表現を合成すること
をさらに含む、付記101に記載のシステム。
[付記103]
前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記少なくとも1つの概念及び/又は2つ以上の概念間の関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、付記102に記載のシステム。
[付記104]
前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、付記101に記載のシステム。
[付記105]
前記予測することは、前記1つ以上のラベル付けされたコンテンツ項目と前記特徴との共通部分に基づく、付記101に記載のシステム。
[付記106]
前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、付記101に記載のシステム。
[付記107]
前記方法は、前記知識表現を変更した後、
変更された前記知識表現を用いて、前記1つ以上のラベル付けされたコンテンツ項目の第1のセットの各々を再度予測することと、
前記第1のセットの各コンテンツ項目についての前記機械学習分類器による該予測と、各コンテンツ項目の前記ラベルと、の比較に基づいて、前記知識表現を変更することと、
をさらに含む、付記101に記載のシステム。
[付記108]
前記再度予測すること及び前記変更することは、前記第1のカテゴリにおけるラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、適合率閾値以上になるまで、繰り返される、付記107に記載のシステム。
[付記109]
前記再度予測すること及び前記変更することは、前記関心オブジェクトと関連性があるものとして予測された前記1つ以上のラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、再現率閾値以上になるまで、繰り返される、付記107に記載のシステム。
[付記110]
前記知識表現を変更することは、
前記知識表現における前記少なくとも1つの概念に関連付けられた重みを変更すること、及び/又は
追加の概念を前記知識表現に付加すること
を含む、付記101に記載のシステム。
[付記111]
前記比較に基づいて、前記知識表現を変更することは、
前記第1のカテゴリにおける前記1つ以上のラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、適合率閾値未満である場合に、前記知識表現を変更すること
を含む、付記101に記載のシステム。
[付記112]
前記比較に基づいて、前記知識表現を変更することは、
前記関心オブジェクトと関連性があるものとして予測された前記1つ以上のラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、再現率閾値未満である場合に、前記知識表現を変更すること
を含む、付記101に記載のシステム。
[付記113]
前記少なくとも1つの属性は、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通する概念の総数と、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通するより広い概念の数と、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通するより狭い概念の数と、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通する概念の重みの合計と、
のうちの少なくとも1つを含む、付記101に記載のシステム。
[付記114]
プロセッサ実行可能な命令を記憶している少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサにより実行されたときに、前記少なくとも1つのプロセッサに、機械学習分類器に基づいて知識表現を変更する方法を実行させ、前記方法は、
関心オブジェクトに基づく、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を受け取ることであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、受け取ることと、
検証データを受け取ることであって、前記検証データは、各コンテンツ項目を、前記関心オブジェクトと関連性があることが既知である第1のカテゴリと、前記関心オブジェクトと関連性がないことが既知である第2のカテゴリと、を含む1つ以上のカテゴリに分類するラベルを有する1つ以上のラベル付けされたコンテンツ項目の第1のセットを含む、受け取ることと、
前記知識表現から導出された少なくとも1つの属性を、特徴として使用する機械学習分類器により、前記1つ以上のラベル付けされたコンテンツ項目の各々を、a)前記関心オブジェクトと関連性があるもの、及び、b)前記関心オブジェクトと関連性がないもののうちの一方として、予測することと、
前記第1のセットの各コンテンツ項目についての前記機械学習分類器による前記予測と、各コンテンツ項目のラベルと、の比較に基づいて、前記知識表現を変更することと、
を含む、少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記115]
前記方法は、
前記関心オブジェクトの内容に基づいて、前記知識表現を合成すること
をさらに含む、付記114に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記116]
前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記少なくとも1つの概念及び/又は2つ以上の概念間の関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、付記115に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記117]
前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、付記114に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記118]
前記予測することは、前記1つ以上のラベル付けされたコンテンツ項目と前記特徴との共通部分に基づく、付記114に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記119]
前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、付記114に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記120]
前記方法は、前記知識表現を変更した後、
変更された前記知識表現を用いて、前記1つ以上のラベル付けされたコンテンツ項目の第1のセットの各々を再度予測することと、
前記第1のセットの各コンテンツ項目についての前記機械学習分類器による該予測と、各コンテンツ項目の前記ラベルと、の比較に基づいて、前記知識表現を変更することと、
をさらに含む、付記114に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記121]
前記再度予測すること及び前記変更することは、前記第1のカテゴリにおけるラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、適合率閾値以上になるまで、繰り返される、付記120に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記122]
前記再度予測すること及び前記変更することは、前記関心オブジェクトと関連性があるものとして予測された前記1つ以上のラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、再現率閾値以上になるまで、繰り返される、付記120に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記123]
前記知識表現を変更することは、
前記知識表現における前記少なくとも1つの概念に関連付けられた重みを変更すること、及び/又は
追加の概念を前記知識表現に付加すること
を含む、付記114に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記124]
前記比較に基づいて、前記知識表現を変更することは、
前記第1のカテゴリにおける前記1つ以上のラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、適合率閾値未満である場合に、前記知識表現を変更すること
を含む、付記114に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記125]
前記比較に基づいて、前記知識表現を変更することは、
前記関心オブジェクトと関連性があるものとして予測された前記1つ以上のラベル付けされたコンテンツ項目の総数に対する、前記関心オブジェクトと関連性があるものとして正しく予測された前記1つ以上のラベル付けされたコンテンツ項目の数の比が、再現率閾値未満である場合に、前記知識表現を変更すること
を含む、付記114に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
[付記126]
前記少なくとも1つの属性は、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通する概念の総数と、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通するより広い概念の数と、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通するより狭い概念の数と、
前記知識表現と前記1つ以上のラベル付けされたコンテンツ項目との間で共通する概念の重みの合計と、
のうちの少なくとも1つを含む、付記114に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
Claims (48)
- 機械学習分類器により、少なくとも1つのラベル付けされていないコンテンツ項目を分類する方法であって、
関心オブジェクトの内容に基づいて、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を合成することであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、合成することと、
トレーニングデータを受け取ることであって、前記トレーニングデータは、各コンテンツ項目を1つ以上のカテゴリに分類するラベルを有する1つ以上のラベル付けされたコンテンツ項目の第1のセットを含む、受け取ることと、
前記知識表現から導出された1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の少なくとも1つの特徴を用いて、前記機械学習分類器をトレーニングすることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記少なくとも1つのラベル付けされていないコンテンツ項目の少なくとも1つの特徴を用いて、前記少なくとも1つのラベル付けされていないコンテンツ項目を前記1つ以上のカテゴリに分類することと、
を含む、方法。 - 前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記概念及び/又は関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
をさらに含む、請求項1に記載の方法。 - 前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、請求項1に記載の方法。
- 前記少なくとも1つのラベル付けされていないコンテンツ項目の前記少なくとも1つの特徴は、前記知識表現から導出された前記1つ以上の属性の共通部分に基づく、請求項1に記載の方法。
- 前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、請求項1に記載の方法。
- 検証データを受け取ることであって、前記検証データは、1つ以上のラベル付けされたコンテンツ項目の第2のセットを含む、受け取ることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの少なくとも1つの特徴を用いて、前記検証データを前記1つ以上のカテゴリに分類することと、
をさらに含む、請求項1に記載の方法。 - 前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての分類されたカテゴリを、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての1つ以上のラベルと比較することと、
前記機械学習分類器によりなされた正しい分類の数及び正しくない分類の数を決定することと、
前記正しい分類の数及び前記正しくない分類の数に基づいて、前記機械学習分類器を再トレーニングすることと、
をさらに含む、請求項6に記載の方法。 - 前記ラベル付けされたコンテンツ項目の前記少なくとも1つの特徴は、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の総数、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより広い概念の数、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより狭い概念の数、及び/又は
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の重みの合計と、
のうちの少なくとも1つを含む、請求項1に記載の方法。 - 前記知識表現は、ユーザに固有である、請求項1に記載の方法。
- 前記知識表現は、グループに固有である、請求項1に記載の方法。
- 前記ラベルは、「推奨する」及び「推奨しない」のうちの1つを含む、請求項1に記載の方法。
- 前記ラベルは、「複製である」及び「複製ではない」のうちの1つを含む、請求項1に記載の方法。
- 前記機械学習分類器をトレーニングすることは、
少なくとも2つの機械学習分類器をトレーニングすることであって、前記少なくとも2つの機械学習分類器のうちの第1の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第1の特徴を用いて、トレーニングされ、前記少なくとも2つの機械学習分類器のうちの第2の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第2の特徴を用いて、トレーニングされ、前記第1の特徴及び前記第2の特徴は、少なくとも1つの異なる属性に基づく、トレーニングすること
を含む、請求項1に記載の方法。 - 前記少なくとも1つのラベル付けされていないコンテンツ項目についての分類されたカテゴリは、前記少なくとも2つの機械学習分類器を用いて決定される、請求項13に記載の方法。
- 前記少なくとも2つの機械学習分類器の各々による、正しい分類のそれぞれの数及び正しくない分類のそれぞれの数に基づいて、重みを前記少なくとも2つの機械学習分類器の各々に関連付けること
をさらに含む、請求項14に記載の方法。 - 前記トレーニングデータは、1つ以上のラベル付けされていないコンテンツ項目についてのスコアに基づいて生成され、それぞれのラベル付けされていないコンテンツ項目についてのスコアは、前記知識表現から導出された前記1つ以上の属性と前記それぞれのラベル付けされていないコンテンツ項目の内容とに基づく、請求項1に記載の方法。
- 機械学習分類器により、少なくとも1つのラベル付けされていないコンテンツ項目を分類するためのシステムであって、
関心オブジェクトの内容に基づいて、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を合成することであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、合成することと、
トレーニングデータを受け取ることであって、前記トレーニングデータは、各コンテンツ項目を1つ以上のカテゴリに分類するラベルを有する1つ以上のラベル付けされたコンテンツ項目の第1のセットを含む、受け取ることと、
前記知識表現から導出された1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の少なくとも1つの特徴を用いて、前記機械学習分類器をトレーニングすることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記少なくとも1つのラベル付けされていないコンテンツ項目の少なくとも1つの特徴を用いて、前記少なくとも1つのラベル付けされていないコンテンツ項目を前記1つ以上のカテゴリに分類することと、
を含む方法を実行するよう構成されている少なくとも1つのプロセッサ
を有する、システム。 - 前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記概念及び/又は関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、請求項17に記載のシステム。 - 前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、請求項17に記載のシステム。
- 前記少なくとも1つのラベル付けされていないコンテンツ項目の前記少なくとも1つの特徴は、前記知識表現から導出された前記1つ以上の属性の共通部分に基づく、請求項17に記載のシステム。
- 前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、請求項17に記載のシステム。
- 前記方法は、
検証データを受け取ることであって、前記検証データは、1つ以上のラベル付けされたコンテンツ項目の第2のセットを含む、受け取ることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの少なくとも1つの特徴を用いて、前記検証データを前記1つ以上のカテゴリに分類することと、
をさらに含む、請求項17に記載のシステム。 - 前記方法は、
前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての分類されたカテゴリを、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての1つ以上のラベルと比較することと、
前記機械学習分類器によりなされた正しい分類の数及び正しくない分類の数を決定することと、
前記正しい分類の数及び前記正しくない分類の数に基づいて、前記機械学習分類器を再トレーニングすることと、
をさらに含む、請求項22に記載のシステム。 - 前記ラベル付けされたコンテンツ項目の前記少なくとも1つの特徴は、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の総数、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより広い概念の数、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより狭い概念の数、及び/又は
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の重みの合計、
のうちの少なくとも1つを含む、請求項17に記載のシステム。 - 前記知識表現は、ユーザに固有である、請求項17に記載のシステム。
- 前記知識表現は、グループに固有である、請求項17に記載のシステム。
- 前記ラベルは、「推奨する」及び「推奨しない」のうちの1つを含む、請求項17に記載のシステム。
- 前記ラベルは、「複製である」及び「複製ではない」のうちの1つを含む、請求項17に記載のシステム。
- 前記機械学習分類器をトレーニングすることは、
少なくとも2つの機械学習分類器をトレーニングすることであって、前記少なくとも2つの機械学習分類器のうちの第1の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第1の特徴を用いて、トレーニングされ、前記少なくとも2つの機械学習分類器のうちの第2の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第2の特徴を用いて、トレーニングされ、前記第1の特徴及び前記第2の特徴は、少なくとも1つの異なる属性に基づく、トレーニングすること
を含む、請求項17に記載のシステム。 - 前記少なくとも1つのラベル付けされていないコンテンツ項目についての分類されたカテゴリは、前記少なくとも2つの機械学習分類器を用いて決定される、請求項29に記載のシステム。
- 前記方法は、
前記少なくとも2つの機械学習分類器の各々による、正しい分類のそれぞれの数及び正しくない分類のそれぞれの数に基づいて、重みを前記少なくとも2つの機械学習分類器の各々に関連付けること
をさらに含む、請求項30に記載のシステム。 - 前記トレーニングデータは、1つ以上のラベル付けされていないコンテンツ項目についてのスコアに基づいて生成され、それぞれのラベル付けされていないコンテンツ項目についてのスコアは、前記知識表現から導出された前記1つ以上の属性と前記それぞれのラベル付けされていないコンテンツ項目の内容とに基づく、請求項17に記載のシステム。
- プロセッサ実行可能な命令を記憶している少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体であって、前記命令は、少なくとも1つのプロセッサにより実行されたときに、前記少なくとも1つのプロセッサに、機械学習分類器により、少なくとも1つのラベル付けされていないコンテンツ項目を分類する方法を実行させ、前記方法は、
関心オブジェクトの内容に基づいて、非一時的なコンピュータ読み取り可能なデータ構造として符号化された知識表現を合成することであって、前記知識表現は、少なくとも1つの概念及び/又は2つ以上の概念間の関係を含む、合成することと、
トレーニングデータを受け取ることであって、前記トレーニングデータは、各コンテンツ項目を1つ以上のカテゴリに分類するラベルを有する1つ以上のラベル付けされたコンテンツ項目の第1のセットを含む、受け取ることと、
前記知識表現から導出された1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の少なくとも1つの特徴を用いて、前記機械学習分類器をトレーニングすることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記少なくとも1つのラベル付けされていないコンテンツ項目の少なくとも1つの特徴を用いて、前記少なくとも1つのラベル付けされていないコンテンツ項目を前記1つ以上のカテゴリに分類することと、
を含む、少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。 - 前記合成することは、
前記少なくとも1つの概念及び/又は2つ以上の概念間の関係を生成することであって、前記概念及び/又は関係は、前記関心オブジェクトにおいて列挙されていない、生成すること
を含む、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。 - 前記知識表現は、前記少なくとも1つの概念に関連付けられた重みを含む、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
- 前記少なくとも1つのラベル付けされていないコンテンツ項目の前記少なくとも1つの特徴は、前記知識表現から導出された前記1つ以上の属性の共通部分に基づく、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
- 前記関心オブジェクトは、トピック、ツイート、ウェブページ、ウェブサイト、文書、文書の集合、文書タイトル、メッセージ、広告、及び/又は検索クエリを含む、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
- 前記方法は、
検証データを受け取ることであって、前記検証データは、1つ以上のラベル付けされたコンテンツ項目の第2のセットを含む、受け取ることと、
前記機械学習分類器により、前記知識表現から導出された前記1つ以上の属性に基づく、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの少なくとも1つの特徴を用いて、前記検証データを前記1つ以上のカテゴリに分類することと、
をさらに含む、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。 - 前記方法は、
前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての分類されたカテゴリを、前記1つ以上のラベル付けされたコンテンツ項目の第2のセットの各々についての1つ以上のラベルと比較することと、
前記機械学習分類器によりなされた正しい分類の数及び正しくない分類の数を決定することと、
前記正しい分類の数及び前記正しくない分類の数に基づいて、前記機械学習分類器を再トレーニングすることと、
をさらに含む、請求項38に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。 - 前記ラベル付けされたコンテンツ項目の前記少なくとも1つの特徴は、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の総数、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより広い概念の数、
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通するより狭い概念の数、及び/又は
前記知識表現と前記少なくとも1つのラベル付けされていないコンテンツ項目との間で共通する概念の重みの合計、
のうちの少なくとも1つを含む、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。 - 前記知識表現は、ユーザに固有である、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
- 前記知識表現は、グループに固有である、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
- 前記ラベルは、「推奨する」及び「推奨しない」のうちの1つを含む、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
- 前記ラベルは、「複製である」及び「複製ではない」のうちの1つを含む、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
- 前記機械学習分類器をトレーニングすることは、
少なくとも2つの機械学習分類器をトレーニングすることであって、前記少なくとも2つの機械学習分類器のうちの第1の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第1の特徴を用いて、トレーニングされ、前記少なくとも2つの機械学習分類器のうちの第2の分類器は、前記知識表現から導出された前記1つ以上の属性に基づく、前記ラベル付けされたコンテンツ項目の第2の特徴を用いて、トレーニングされ、前記第1の特徴及び前記第2の特徴は、少なくとも1つの異なる属性に基づく、トレーニングすること
を含む、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。 - 前記少なくとも1つのラベル付けされていないコンテンツ項目についての分類されたカテゴリは、前記少なくとも2つの機械学習分類器を用いて決定される、請求項45に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
- 前記方法は、
前記少なくとも2つの機械学習分類器の各々による、正しい分類のそれぞれの数及び正しくない分類のそれぞれの数に基づいて、重みを前記少なくとも2つの機械学習分類器の各々に関連付けること
をさらに含む、請求項46に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。 - 前記トレーニングデータは、1つ以上のラベル付けされていないコンテンツ項目についてのスコアに基づいて生成され、それぞれのラベル付けされていないコンテンツ項目についてのスコアは、前記知識表現から導出された前記1つ以上の属性と前記それぞれのラベル付けされていないコンテンツ項目の内容とに基づく、請求項33に記載の少なくとも1つの非一時的なコンピュータ読み取り可能な記憶媒体。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021015547A JP7102563B2 (ja) | 2021-02-03 | 2021-02-03 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
JP2022108908A JP7384968B2 (ja) | 2021-02-03 | 2022-07-06 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
JP2023191415A JP2024028697A (ja) | 2021-02-03 | 2023-11-09 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021015547A JP7102563B2 (ja) | 2021-02-03 | 2021-02-03 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019527560A Division JP6833999B2 (ja) | 2016-11-23 | 2016-11-23 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022108908A Division JP7384968B2 (ja) | 2021-02-03 | 2022-07-06 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021082319A JP2021082319A (ja) | 2021-05-27 |
JP7102563B2 true JP7102563B2 (ja) | 2022-07-19 |
Family
ID=75965740
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021015547A Active JP7102563B2 (ja) | 2021-02-03 | 2021-02-03 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
JP2022108908A Active JP7384968B2 (ja) | 2021-02-03 | 2022-07-06 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
JP2023191415A Pending JP2024028697A (ja) | 2021-02-03 | 2023-11-09 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022108908A Active JP7384968B2 (ja) | 2021-02-03 | 2022-07-06 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
JP2023191415A Pending JP2024028697A (ja) | 2021-02-03 | 2023-11-09 | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (3) | JP7102563B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11443209B2 (en) * | 2020-04-16 | 2022-09-13 | International Business Machines Corporation | Method and system for unlabeled data selection using failed case analysis |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010108265A (ja) | 2008-10-30 | 2010-05-13 | Kddi Corp | コンテンツ分類装置およびプログラム |
JP2013196680A (ja) | 2012-03-22 | 2013-09-30 | Nec (China) Co Ltd | 共学習に基づく概念認識方法および概念認識装置 |
JP2016527646A (ja) | 2013-08-05 | 2016-09-08 | フェイスブック,インク. | コンテキストキューを画像に相関付けることによる画像分類のシステム及び方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5383017B2 (ja) * | 2007-09-04 | 2014-01-08 | ヤフー株式会社 | Webページに対して適合する画像を提示するシステム |
JP5591871B2 (ja) * | 2012-06-04 | 2014-09-17 | 日本電信電話株式会社 | 回答タイプ推定装置、方法、及びプログラム |
JP6201779B2 (ja) * | 2014-01-20 | 2017-09-27 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
US10936967B2 (en) * | 2014-11-26 | 2021-03-02 | Nec Corporation | Information processing system, information processing method, and recording medium for learning a classification model |
-
2021
- 2021-02-03 JP JP2021015547A patent/JP7102563B2/ja active Active
-
2022
- 2022-07-06 JP JP2022108908A patent/JP7384968B2/ja active Active
-
2023
- 2023-11-09 JP JP2023191415A patent/JP2024028697A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010108265A (ja) | 2008-10-30 | 2010-05-13 | Kddi Corp | コンテンツ分類装置およびプログラム |
JP2013196680A (ja) | 2012-03-22 | 2013-09-30 | Nec (China) Co Ltd | 共学習に基づく概念認識方法および概念認識装置 |
JP2016527646A (ja) | 2013-08-05 | 2016-09-08 | フェイスブック,インク. | コンテキストキューを画像に相関付けることによる画像分類のシステム及び方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2024028697A (ja) | 2024-03-05 |
JP7384968B2 (ja) | 2023-11-21 |
JP2022145684A (ja) | 2022-10-04 |
JP2021082319A (ja) | 2021-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jelodar et al. | Latent Dirichlet allocation (LDA) and topic modeling: models, applications, a survey | |
Dessì et al. | Bridging learning analytics and cognitive computing for big data classification in micro-learning video collections | |
Golder et al. | Usage patterns of collaborative tagging systems | |
US9542477B2 (en) | Method of automated discovery of topics relatedness | |
JP6833999B2 (ja) | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 | |
Sohrabi et al. | An efficient preprocessing method for supervised sentiment analysis by converting sentences to numerical vectors: a twitter case study | |
Budhi et al. | Using machine learning to predict the sentiment of online reviews: a new framework for comparative analysis | |
US20180144269A1 (en) | System and method of using a knowledge representation for features in a machine learning classifier | |
US20180144270A1 (en) | System and method for modifying a knowledge representation based on a machine learning classifier | |
Akhtyamova et al. | A Large-scale CNN ensemble for medication safety analysis | |
Jain et al. | Deceptive reviews detection using deep learning techniques | |
US20230133065A1 (en) | System and method for generating training data for machine learning classifier | |
Osmani et al. | Enriched latent dirichlet allocation for sentiment analysis | |
JP2024028697A (ja) | 機械学習分類器とともに知識表現を使用するためのシステム及び方法 | |
Nawaz et al. | A segregational approach for determining aspect sentiments in social media analysis | |
Kaur et al. | A comprehensive overview of sentiment analysis and fake review detection | |
Biesialska et al. | Leveraging contextual embeddings and self-attention neural networks with bi-attention for sentiment analysis | |
Agbehadji et al. | Approach to sentiment analysis and business communication on social media | |
Kreutz et al. | Evaluating semantometrics from computer science publications | |
Belwal et al. | Extractive text summarization using clustering-based topic modeling | |
Pandey et al. | Progress, achievements, and challenges in multimodal sentiment analysis using deep learning: A survey | |
Chen et al. | Multi-domain Fake News Detection with Fuzzy Labels | |
Al Imran et al. | Bnnet: A deep neural network for the identification of satire and fake bangla news | |
Madani et al. | A review-based context-aware recommender systems: Using custom ner and factorization machines | |
Ellsaesser et al. | Models of causal inference: Imperfect but applicable is better than perfect but inapplicable |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210226 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210917 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211012 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220111 |
|
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: 20220607 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220706 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7102563 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |