JP7328636B2 - 情報検索方法、情報検索装置、コンピュータプログラム - Google Patents
情報検索方法、情報検索装置、コンピュータプログラム Download PDFInfo
- Publication number
- JP7328636B2 JP7328636B2 JP2019026363A JP2019026363A JP7328636B2 JP 7328636 B2 JP7328636 B2 JP 7328636B2 JP 2019026363 A JP2019026363 A JP 2019026363A JP 2019026363 A JP2019026363 A JP 2019026363A JP 7328636 B2 JP7328636 B2 JP 7328636B2
- Authority
- JP
- Japan
- Prior art keywords
- feature vector
- brain activity
- concept
- information
- searcher
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Psychology (AREA)
- Computational Linguistics (AREA)
- Radiology & Medical Imaging (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Psychiatry (AREA)
- High Energy & Nuclear Physics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Description
以下、本発明の一実施形態について、詳細に説明する。
まず、本発明の一実施形態に係る情報検索方法の概要を、図2を用いて説明する。図2は、本発明の一態様に係る情報検索方法の概要を示す概念図である。この情報検索方法では、検索者が検索を所望する任意の概念を想起しているときの脳活動から、概念空間上の特徴ベクトルを決定し、決定した該特徴ベクトルから情報検索用のクエリを生成する。これにより、概念空間上の特徴ベクトルを、言語化することなく情報検索のための検索用のクエリとして利用した概念検索が可能となる。
学習1
まず、訓練用素材を、深層ニューラルネットワーク(DNN)、畳み込みニューラルネットワーク(CNN)、オートエンコーダ(auto encoder)、リカレントニューラルネットワーク(RNN)、LSTM(Long Short-Term Memory)などのニューラルネットワークモデル、もしくは運動エネルギーモデルや自然言語処理モデルなどの任意の特徴抽出アルゴリズムを用いて、所定の次元(例えば、300次元)の概念空間上の位置を示す特徴ベクトルと対応付ける。これにより、概念空間上の特徴ベクトル(座標)をクエリとして概念検索処理を実行したときに、該特徴ベクトルと類似した特徴ベクトルと関連付けられた訓練用素材を検索することが可能となる。ここで訓練用素材としては、視覚、嗅覚、味覚、聴覚、触覚の少なくともいずれか1つの感覚的な訓練用刺激を検索者に与えるものであればよい。訓練用素材としては、例えば、動画、画像、音楽、音声、香りの標本、文章、色の標本などであってもよい。
・文書情報を検索対象とする場合、ウィキペディア(Wikipedia)に公開されている100万項目のそれぞれを、LSTMを用いて200次元の特徴空間上の特徴ベクトルと対応付ける。
・動画情報を検索対象とする場合、ユーチューブ(YouTube(登録商標))に投稿されている100万本の動画のそれぞれを、CNNを用いて300次元の特徴空間上の特徴ベクトルと対応付ける。
・香りの情報を検索対象とする場合、例えばSuperScent(http://bioinf-services.charite.de/superscent/)などのデータベースに登録されている約2000種類の匂いのそれぞれについて、その分子構造、化学式、および知覚情報を、オートエンコーダを用いて100次元の特徴空間上の特徴ベクトルと対応付ける。
次に、事前に訓練用素材を検索者に提示することによって訓練用刺激を検索者に与え、該訓練用刺激が検索者に誘発する脳活動を計測する。与えられた訓練用刺激に応じて、検索者の脳Bの神経細胞の発火パターンや、単数または複数の特定領域での活動パターンに変化が生じる。
検索者が検索を所望する概念を脳内で想起しているときの脳活動を、学習済の脳デコーディングを適用して解析し、検索者が想起している概念に対応した300次元の特徴ベクトルを得る。得られた特徴ベクトルをクエリとして概念検索処理を実行する。
・検索者が、映画のあるシーンの映像を視聴したり、想起したりすれば、当該シーンを含む映画に関する情報を検索結果として得ることができる。
・検索者が、過去に嗅いだ匂いを想起すれば、たとえ当該匂いが言葉では形容できない匂いであったとしても、その匂いを発する物質の候補を標本の中から検索することができる。
・検索者が、過去に味わった味を想起すれば、たとえ当該味が言葉では形容できない匂いであったとしても、その味の料理に関する情報を検索結果として得ることができる。
・検索者が、楽曲のメロディーを視聴したり、想起したりすれば、たとえ当該メロディーの楽曲を提供したアーティストやその楽曲名を思い出せなかったとしても、その楽曲に関する情報を検索結果として得ることができる。
続いて、図2において示した情報検索方法を実行する情報検索装置10の構成について図1を用いて説明する。図1は、一態様に係る情報検索装置10の概略構成の一例を示す図である。情報検索装置10は、脳活動計測部31(脳活動入力部)、制御部1、記憶部2、および検索結果出力部42を備えている。制御部1は、脳活動解析部32、特徴ベクトル決定部33、クエリ生成部34、および検索実行部41を備えている。記憶部2は、概念空間データベース21および検索対象データベース22を備えている。
次に、概念検索処理における処理の流れについて図3および図4を用いて説明する。図3は、脳活動デコーディングおよび概念検索処理の流れの一例を示すフローチャートである。また、図4の(a)は、検索対象データベースの準備のための処理の流れの一例を示すフローチャートであり、図4の(b)は、脳活動デコーダのための準備処理の流れの一例を示すフローチャートである。
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
情報検索装置10の制御ブロック(特に脳活動解析部32、特徴ベクトル決定部33、クエリ生成部34、および検索実行部41)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、ソフトウェアによって実現してもよい。
2 記憶部
10 情報検索装置
21 概念空間データベース(概念空間、学習済モデル)
22 検索対象データベース(検索対象の情報群)
30 脳活動デコーダ部
31 脳活動計測部(脳活動入力部)
32 脳活動解析部
33 特徴ベクトル決定部
34 クエリ生成部
41 検索実行部
42 検索結果出力部
40 概念検索エンジン部
90 インターネット
220 ウェブサイトインデックス(検索対象の情報群)
300 通信端末
400 検索サービス提供装置
Claims (9)
- コンピュータが、検索者が所望する概念を含む情報を、検索対象の情報群から検索する情報検索方法であって、
前記コンピュータが、前記検索者が前記所望する概念を想起しているときの該検索者の脳活動の入力を受け付ける脳活動入力工程と、
前記コンピュータが、前記脳活動入力工程において入力された脳活動を、所定の学習モデルを用いて概念空間上に投射して、該脳活動を投射した位置に対応する特徴ベクトルを決定する特徴ベクトル決定工程と、
前記コンピュータが、前記特徴ベクトル決定工程において決定した特徴ベクトルを含むクエリを生成するクエリ生成工程と、
前記コンピュータが、前記クエリ生成工程において生成したクエリに含まれる特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する概念検索工程と、
前記コンピュータが、前記概念検索工程において検索された情報を出力する出力工程と、を含む
ことを特徴とする情報検索方法。 - 前記コンピュータが、事前に訓練用素材を前記検索者に提示することによって訓練用刺激を前記検索者に与え、該訓練用刺激が前記検索者に誘発する脳活動を計測する脳活動計測工程と、
前記コンピュータが、前記脳活動計測工程において計測された脳活動を誘発した前記訓練用素材の概念を表す前記概念空間上の特徴ベクトルと、前記訓練用刺激を与えられた前記検索者の脳活動の状態における特徴と、の関連性を学習した学習済モデルを作成する学習済モデル作成工程と、をさらに含み、
前記特徴ベクトル決定工程は、
前記コンピュータが、前記脳活動入力工程において入力された脳活動を前記概念空間上に投射した位置と、前記学習済モデルとに基づいて、該脳活動を投射した位置に対応する特徴ベクトルを決定する
ことを特徴とする請求項1に記載の情報検索方法。 - 前記訓練用素材は、視覚、嗅覚、味覚、聴覚、触覚の少なくともいずれか1つの感覚的な訓練用刺激を前記検索者に与えるものであり、
前記学習済モデル作成工程において、前記訓練用素材が前記検索者に与える前記訓練用刺激の種類毎に異なる概念空間を参照して、概念空間毎に前記学習済モデルを作成し、
前記訓練用刺激の種類毎に異なる概念空間の各々には識別情報が付与されており、
前記クエリ生成工程において、
前記コンピュータが、前記特徴ベクトル決定工程において決定した特徴ベクトルを含む概念空間に付与された識別情報、および、前記特徴ベクトル決定工程において決定した特徴ベクトルを含むクエリを生成し、
前記概念検索工程において、
前記コンピュータが、前記クエリに含まれている特徴ベクトルを該クエリに含まれている前記識別情報が付与された概念空間を参照して特定し、該特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する
ことを特徴とする請求項2に記載の情報検索方法。 - コンピュータが、検索者が所望する概念を含む情報を、検索対象の情報群から検索する情報検索方法であって、
前記コンピュータが、前記所望の概念に対応する脳活動を入力する脳活動入力工程と、
前記コンピュータが、前記脳活動入力工程において入力された脳活動を、所定の学習モデルを用いて概念空間上に投射して、該脳活動を投射した位置に対応する特徴ベクトルを決定する特徴ベクトル決定工程と、
前記コンピュータが、前記特徴ベクトル決定工程において決定した特徴ベクトルを含むクエリを生成するクエリ生成工程と、
前記コンピュータが、前記クエリ生成工程において生成したクエリに含まれる特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する概念検索工程と、
前記コンピュータが、前記概念検索工程において検索された情報を出力する出力工程と、
前記コンピュータが、事前に訓練用素材を前記検索者に提示することによって訓練用刺激を前記検索者に与え、該訓練用刺激が前記検索者に誘発する脳活動を計測する脳活動計測工程と、
前記コンピュータが、前記脳活動計測工程において計測された脳活動を誘発した前記訓練用素材の概念を表す前記概念空間上の特徴ベクトルと、前記訓練用刺激を与えられた前記検索者の脳活動の状態における特徴と、の関連性を学習した学習済モデルを作成する学習済モデル作成工程と、を含み、
前記特徴ベクトル決定工程は、
前記コンピュータが、前記脳活動入力工程において入力された脳活動を前記概念空間上に投射した位置と、前記学習済モデルとに基づいて、該脳活動を投射した位置に対応する特徴ベクトルを決定し、
前記訓練用素材は、視覚、嗅覚、味覚、聴覚、触覚の少なくともいずれか1つの感覚的な訓練用刺激を前記検索者に与えるものであり、
前記コンピュータが、前記学習済モデル作成工程において、前記訓練用素材が前記検索者に与える前記訓練用刺激の種類毎に異なる概念空間を参照して、概念空間毎に前記学習済モデルを作成し、
前記訓練用刺激の種類毎に異なる概念空間の各々には識別情報が付与されており、
前記クエリ生成工程において、
前記コンピュータが、前記特徴ベクトル決定工程において決定した特徴ベクトルを含む概念空間に付与された識別情報、および、前記特徴ベクトル決定工程において決定した特徴ベクトルを含むクエリを生成し、
前記概念検索工程において、
前記コンピュータが、前記クエリに含まれている特徴ベクトルを該クエリに含まれている前記識別情報が付与された概念空間を参照して特定し、該特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する
ことを特徴とする情報検索方法。 - 前記出力工程において出力される検索結果には、前記識別情報または該識別情報が付与された概念空間を示す情報が含まれる
ことを特徴とする請求項3または4に記載の情報検索方法。 - 検索者が所望する概念を含む情報を、検索対象の情報群から検索する情報検索装置であって、
前記検索者が前記所望する概念を想起しているときの該検索者の脳活動の入力を受け付ける脳活動入力部と、
前記脳活動を、前記検索対象の情報群に含まれる各概念を、所定の学習モデルを用いて概念空間上に投射して、該脳活動を投射した位置に対応する特徴ベクトルを決定する特徴ベクトル決定部と、
前記特徴ベクトル決定部が決定した特徴ベクトルを含むクエリを生成するクエリ生成部と、
前記クエリに含まれる特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する検索実行部と、
前記検索実行部が検索した情報を出力する検索結果出力部と、を備える
ことを特徴とする情報検索装置。 - 検索者が所望する概念を含む情報を、検索対象の情報群から検索する情報検索装置であって、
前記所望の概念に対応する脳活動を入力する脳活動入力部と、
前記脳活動を、前記検索対象の情報群に含まれる各概念を、所定の学習モデルを用いて概念空間上に投射して、該脳活動を投射した位置に対応する特徴ベクトルを決定する特徴ベクトル決定部と、
前記特徴ベクトル決定部が決定した特徴ベクトルを含むクエリを生成するクエリ生成部と、
前記クエリに含まれる特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する検索実行部と、
前記検索実行部が検索した情報を出力する検索結果出力部と、
事前に訓練用素材を前記検索者に提示することによって訓練用刺激を前記検索者に与え、該訓練用刺激が前記検索者に誘発する脳活動を計測する脳活動計測部と、
前記脳活動計測部において計測された脳活動を誘発した前記訓練用素材の概念を表す概念空間上の特徴ベクトルと、前記訓練用刺激を与えられた前記検索者の脳活動の状態における特徴と、の関連性を学習した学習済モデルを作成する処理部と、を備え、
前記特徴ベクトル決定部は、
前記脳活動入力部において入力された脳活動を前記概念空間上に投射した位置と、
前記学習済モデルと、に基づいて、該脳活動を投射した位置に対応する特徴ベクトルを決定し、
前記訓練用素材は、視覚、嗅覚、味覚、聴覚、触覚の少なくともいずれか1つの感覚的な訓練用刺激を前記検索者に与えるものであり、
前記処理部は、前記訓練用素材が前記検索者に与える前記訓練用刺激の種類毎に異なる概念空間を参照して、概念空間毎に前記学習済モデルを作成し、
前記訓練用刺激の種類毎に異なる概念空間の各々には識別情報が付与されており、
前記クエリ生成部は、
前記特徴ベクトル決定部において決定した特徴ベクトルを含む概念空間に付与された識別情報、および、前記特徴ベクトル決定部において決定した特徴ベクトルを含むクエリを生成し、
前記検索実行部は、
前記クエリに含まれている特徴ベクトルを該クエリに含まれている前記識別情報が付与された概念空間を参照して特定し、該特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する
ことを特徴とする情報検索装置。 - 検索者が所望する概念を含む情報を、検索対象の情報群から検索するための処理をコンピュータに実行させるためのコンピュータプログラムであって、
前記処理は、
前記検索者が前記所望する概念を想起しているときの該検索者の脳活動の入力を受け付ける脳活動入力工程と、
前記脳活動入力工程において入力された脳活動を、所定の学習モデルを用いて前記検索対象の情報群に含まれる各概念を概念空間上に投射して、該脳活動を投射した位置に対応する特徴ベクトルを決定する特徴ベクトル決定工程と、
前記特徴ベクトル決定工程において決定した特徴ベクトルを含むクエリを生成するクエリ生成工程と、
前記クエリ生成工程において生成したクエリに含まれる特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する概念検索工程と、
前記概念検索工程において検索された情報を出力する出力工程と、を含む、
ことを特徴とするコンピュータプログラム。 - 検索者が所望する概念を含む情報を、検索対象の情報群から検索するための処理をコンピュータに実行させるためのコンピュータプログラムであって、
前記処理は、
所望の概念に対応する脳活動を入力する脳活動入力工程と、
前記脳活動入力工程において入力された脳活動を、所定の学習モデルを用いて前記検索対象の情報群に含まれる各概念を概念空間上に投射して、該脳活動を投射した位置に対応する特徴ベクトルを決定する特徴ベクトル決定工程と、
前記特徴ベクトル決定工程において決定した特徴ベクトルを含むクエリを生成するクエリ生成工程と、
前記クエリ生成工程において生成したクエリに含まれる特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する概念検索工程と、
前記概念検索工程において検索された情報を出力する出力工程と、
事前に訓練用素材を前記検索者に提示することによって訓練用刺激を前記検索者に与え、該訓練用刺激が前記検索者に誘発する脳活動を計測する脳活動計測工程と、
前記脳活動計測工程において計測された脳活動を誘発した前記訓練用素材の概念を表す前記概念空間上の特徴ベクトルと、前記訓練用刺激を与えられた前記検索者の脳活動の状態における特徴と、の関連性を学習した学習済モデルを作成する学習済モデル作成工程と、を含み、
前記特徴ベクトル決定工程は、
前記脳活動入力工程において入力された脳活動を前記概念空間上に投射した位置と、
前記学習済モデルとに基づいて、該脳活動を投射した位置に対応する特徴ベクトルを決定し、
前記訓練用素材は、視覚、嗅覚、味覚、聴覚、触覚の少なくともいずれか1つの感覚的な訓練用刺激を前記検索者に与えるものであり、
前記学習済モデル作成工程において、前記訓練用素材が前記検索者に与える前記訓練用刺激の種類毎に異なる概念空間を参照して、概念空間毎に前記学習済モデルを作成し、
前記訓練用刺激の種類毎に異なる概念空間の各々には識別情報が付与されており、
前記クエリ生成工程において、
前記特徴ベクトル決定工程において決定した特徴ベクトルを含む概念空間に付与された識別情報、および、前記特徴ベクトル決定工程において決定した特徴ベクトルを含むクエリを生成し、
前記概念検索工程において、
前記クエリに含まれている特徴ベクトルを該クエリに含まれている前記識別情報が付与された概念空間を参照して特定し、該特徴ベクトルおよび該特徴ベクトルに類似する特徴ベクトルに関連付けられている概念を含む情報を、前記検索対象の情報群から検索する
ことを特徴とするコンピュータプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019026363A JP7328636B2 (ja) | 2019-02-18 | 2019-02-18 | 情報検索方法、情報検索装置、コンピュータプログラム |
PCT/JP2020/005683 WO2020170951A1 (ja) | 2019-02-18 | 2020-02-14 | 情報検索方法、情報検索装置、コンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019026363A JP7328636B2 (ja) | 2019-02-18 | 2019-02-18 | 情報検索方法、情報検索装置、コンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020135268A JP2020135268A (ja) | 2020-08-31 |
JP7328636B2 true JP7328636B2 (ja) | 2023-08-17 |
Family
ID=72144267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019026363A Active JP7328636B2 (ja) | 2019-02-18 | 2019-02-18 | 情報検索方法、情報検索装置、コンピュータプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7328636B2 (ja) |
WO (1) | WO2020170951A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008234031A (ja) | 2007-03-16 | 2008-10-02 | Satoshi Yasuda | 建築空間設計方法及びそれに用いる建築空間設計支援装置 |
JP2014115913A (ja) | 2012-12-11 | 2014-06-26 | Advanced Telecommunication Research Institute International | 脳情報処理装置、脳情報処理方法、およびプログラム |
-
2019
- 2019-02-18 JP JP2019026363A patent/JP7328636B2/ja active Active
-
2020
- 2020-02-14 WO PCT/JP2020/005683 patent/WO2020170951A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008234031A (ja) | 2007-03-16 | 2008-10-02 | Satoshi Yasuda | 建築空間設計方法及びそれに用いる建築空間設計支援装置 |
JP2014115913A (ja) | 2012-12-11 | 2014-06-26 | Advanced Telecommunication Research Institute International | 脳情報処理装置、脳情報処理方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020135268A (ja) | 2020-08-31 |
WO2020170951A1 (ja) | 2020-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Unified multisensory perception: Weakly-supervised audio-visual video parsing | |
Mottini et al. | Airline passenger name record generation using generative adversarial networks | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
KR101827345B1 (ko) | 다중 알고리즘 및 자기학습기능을 적용한 개인화 추천 시스템 및 추천 방법 | |
Schedl et al. | Putting the User in the Center of Music Information Retrieval. | |
CN108135520B (zh) | 从功能性大脑图像生成心理内容的自然语言表示 | |
US20230066853A1 (en) | Method and apparatus for training information prediction models, method and apparatus for predicting information, and storage medium and device thereof | |
Ambita et al. | Covit-gan: vision transformer forcovid-19 detection in ct scan imageswith self-attention gan forDataAugmentation | |
Cimen et al. | Classification of human motion based on affective state descriptors | |
WO2020170593A1 (ja) | 情報処理装置及び情報処理方法 | |
Moreno-Barea et al. | Gan-based data augmentation for prediction improvement using gene expression data in cancer | |
Holzinger et al. | Toward human-level concept learning: Pattern benchmarking for AI algorithms | |
Liu et al. | How to synthesize a large-scale and trainable micro-expression dataset? | |
Umaashankar et al. | Atlas: A dataset and benchmark for e-commerce clothing product categorization | |
JP7328636B2 (ja) | 情報検索方法、情報検索装置、コンピュータプログラム | |
CN113722507A (zh) | 基于知识图谱的住院费用预测方法、装置及计算机设备 | |
CN116524513B (zh) | 开放词表场景图生成方法、系统、设备及存储介质 | |
KR101260728B1 (ko) | 전자 코 시스템에서 특징 되먹임을 이용하는 시간 구간 선택 방법 | |
CN110309359B (zh) | 视频相关性预测方法、装置、设备及存储介质 | |
Kyle-Davidson et al. | Modulating human memory for complex scenes with artificially generated images | |
CN116186395A (zh) | 一种资源推荐、模型训练方法及装置、设备及存储介质 | |
KR20230049486A (ko) | 정치성향 분석 장치 및 이를 이용한 서비스 제공 방법 | |
Duan et al. | Pip: Physical interaction prediction via mental simulation with span selection | |
Joly et al. | LifeCLEF 2020 teaser: biodiversity identification and prediction challenges | |
Chang et al. | Real-time emotion retrieval scheme in video with image sequence features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220201 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230411 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230609 |
|
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: 20230711 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230726 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7328636 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |