JP7373213B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP7373213B2 JP7373213B2 JP2021130738A JP2021130738A JP7373213B2 JP 7373213 B2 JP7373213 B2 JP 7373213B2 JP 2021130738 A JP2021130738 A JP 2021130738A JP 2021130738 A JP2021130738 A JP 2021130738A JP 7373213 B2 JP7373213 B2 JP 7373213B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- unit
- text
- information
- users
- 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
- 230000010365 information processing Effects 0.000 title claims description 83
- 238000003672 processing method Methods 0.000 title claims description 20
- 230000006870 function Effects 0.000 description 20
- 239000013598 vector Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/93—Document management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
特許文献1に記載される文献検索装置は、検索キーワードに一致する特許文献を検索し、その検索の結果が閲覧された場合に閲覧と文献とを対応付けて検索履歴として記憶する。さらに文献検索装置は、他のユーザの検索履歴と、現在のユーザの検索履歴とに基づいて類似度を算出し、算出される類似度が最も高い他のユーザが閲覧した特許文献のうち、現在のユーザが閲覧していない特許文献を推薦する。
まず、一実施形態に係る情報処理装置1の概要について説明する。
図1は、一実施形態に係る情報処理装置1について説明するための図である。
情報処理装置1は、例えば、サーバ、ラップトップ、デスクトップ、タブレット及びスマートフォン等のコンピュータであってもよい。
ここで、対応情報は、例えば、文章201と、その文章201を所定単位毎に区切った際にユーザによって所定単位に指標が付される特定位置と、文章201と特定位置とに基づいて推定されるユーザの分類(例えば、ユーザをグループ分けするための分類)とを対応付けた情報であってもよい。一例として、対応情報は、文章201と、その文章201を句読点毎に文節(所定単位)に分割して、ユーザが興味を持った文章201の箇所にブックマーク202(指標)を付す際のその箇所(特定位置)と、文章201とブックマーク202の位置とに基づいて同じ(略同じ又は類似)傾向を有するユーザをグループ化した際のグループの分類とを対応付けた情報であってもよい。より具体的な一例として図1に例示するように、対応情報は、文章201と、ブックマーク202の位置とに応じて分類されるグループA,Bについての情報であってもよい。対応情報は、記憶部21に記憶されていてもよい。
情報処理装置1は、例えば、対応情報及びユーザ情報に基づいて、第1ユーザをグループに分類する。すなわち、情報処理装置1は、対応情報及びユーザ情報に基づいて、文章101の興味を持った箇所について同じ(略同じ又は類似の)傾向を有する複数の第1ユーザをグループ化する、換言するとその複数の第1ユーザを同一のグループに分類する。
より具体的な一例として図1に例示するように、情報処理装置1は、第1ユーザC,D,Eが文章101を読んでブックマーク102付したユーザ情報を取得する。情報処理装置1は、例えば、第1ユーザC,D,Eのユーザ情報としての文章101及びブックマーク102の特定位置とが、対応情報としてのグループA,Bのいずれのうちの文章101とブックマーク102の特定位置とが対応するか判定する。すなわち、情報処理装置1は、例えば、ユーザ情報の文章101及びブックマーク102の特定位置が対応情報の文章201及びブックマーク202の特定位置と同じ(略同じ又は類似する)かに応じて、第1ユーザC,D,EをグループA,Bのいずれかに分類する。図1に例示する場合では、情報処理装置1は、第1ユーザC,Dを同一グループとして推定し、第1ユーザEを他のグループとして推定する。
図1に例示する場合、情報処理装置1は、例えば、同一グループとなる第1ユーザCが読んだ文章であり、第1ユーザDが読んでない文章があれば、第1ユーザCが読んだ文章を第1ユーザDに推薦する。
次に、一実施形態に係る情報処理装置1の詳細について説明する。
図2は、一実施形態に係る情報処理装置1について説明するためのブロック図である。
また一例として、制御部10等は、所定単位として文章を文節毎に区切る場合、句読点で文章を区切ってもよい。具体的な一例として、制御部10等は、句読点を予め学習した学習モデルと、文章とに基づいて、文章を文節毎に区切ってもよい。制御部10等は、上述した具体的な一例に限らず、種々の処理方法によって文章を文節毎に区切ってもよい。また、制御部10等は、文章を特定単位毎に区切ることとして、上述したように文節毎に区切る例に限らず、適宜設定される単位毎(例えば、1文毎、段落毎、章毎及びページ毎等)で文章を区切ってもよい。
一例として、記憶領域に記憶される文章をディスプレイに表示させる場合、第1ユーザは、その文章を読んで興味を持った箇所等が有ると、入力部(図示せず)等を操作して、文章のうち興味を持った箇所(特定位置)に指標(例えば、ブックマーク等)を付す。ここで、記憶領域は、例えば、記憶部21、外部サーバ(図示せず)及びユーザ端末100の端末記憶部(図示せず)等を始めとする種々の記憶領域であってもよい。ディスプレイは、例えば、表示部23及びユーザ端末100の端末表示部(図示せず)等であってもよい。入力部は、例えば、キーボード(例えば、ハードキー及びソフトキー等)及びマウス等であってもよい。
第1取得部11は、例えば、ユーザ端末100において文章に指標が付された場合、その指標が付された特定位置に関する情報を、通信部22を介してユーザ端末100から取得する。又は、第1取得部11は、例えば、情報処理装置1において所定単位に指標が付された場合、その指標が付された特定位置に関する情報を取得する。
図3は、可視変数ベクトルと隠れ変数ベクトルとの関係を示す図である。
可視データVは、ユーザ情報に基づく文章に指標(ブックマーク)が付された特定位置(文節)を示すデータである。可視データVをベクトル化すると、以下の可視変数ベクトルとなる。ここで、Nは、全文章における文節の数を示す。可視変数ベクトルにおいて、Nは第1ユーザ毎に存在する。
図1に例示する場合、第2取得部14は、同一グループ内の第1ユーザC,Dそれぞれが文章で指標(例えば、ブックマーク等)を付した際のユーザ情報に基づいて、第1ユーザC,Dが読んだ文章に関する文章情報を取得する。文章情報は、例えば、第1ユーザC,Dが読んだ文章を特定することができる情報であってもよい。一例として、文章情報は、文章内容、著者、タイトル、インタビューを受けた研究者、発行所及び発行日等を始めとする種々の文章を特定することができる情報であってもよい。
また上記と同様に、図1に例示する場合、第2取得部14は、同一グループ内の第1ユーザEそれぞれが文章で指標(例えば、ブックマーク等)を付した際のユーザ情報に基づいて、第1ユーザEが読んだ文章に関する文章情報を取得する。
図1に例示する場合、一例として、特定部15は、同一グループ内の第1ユーザC,Dの文章情報に基づいて、第1ユーザCは読んでいる文章ではあるが、第1ユーザDは読んでいない文章を特定する。すなわち、特定部15は、第1ユーザC(第2ユーザ)は読んだ文章のうち、第1ユーザD(第3ユーザ)は読んでいない文章を特定する。
図1に例示する場合、一例として、特定部15は、同一グループ内の第1ユーザC,Dの文章情報に基づいて、対応情報に記録される推薦文章のうち、第1ユーザC,D(第4ユーザ)が読んでいない推薦文章を特定する。
同様に、図1に例示する場合、特定部15は、同一グループ内の第1ユーザEの文章情報に基づいて、対応情報に記録される推薦文章のうち、第1ユーザE(第4ユーザ)が読んでいない推薦文章を特定する。
図1に例示する場合、一例として、推薦部16は、特定部15によって第1ユーザC(第2ユーザ)は読んだ文章F,G,Hのうち、第1ユーザD(第3ユーザ)は読んでいない文章として文章Hが特定される場合、文章Hを第1ユーザD(第3ユーザ)に推薦する(ここで、符号F,G,Hは図1には図示せず)。ここで一例として、推薦部16は、文章Hの文章情報を第1ユーザD(第3ユーザ)が使用するユーザ端末100に送信するよう通信部22を制御してもよい。また一例として、推薦部16は、文章Hの文章情報を表示するよう表示部23を制御してもよい。
図1に例示する場合、一例として、推薦部16は、特定部15によって推薦文章(I,J,K)のうち第1ユーザD(第4ユーザ)が読んでいない推薦文章として推薦文章Kが特定される場合、推薦文章Kを第1ユーザD(第4ユーザ)に推薦する(ここで、符号I,J,Kは図1には図示せず)。ここで一例として、推薦部16は、推薦文章Kの推薦文章情報を第1ユーザD(第4ユーザ)が使用するユーザ端末100に送信するよう通信部22を制御してもよい。また一例として、推薦部16は、推薦文章Kの文章情報を表示するよう表示部23を制御してもよい。推薦部16は、例えば、第1ユーザC(第4ユーザ)についても同様に推薦文章を推薦する。
同様に図1に例示する場合、一例として、推薦部16は、特定部15によって推薦文章(I,J,K)のうち第1ユーザE(第4ユーザ)が読んでいない推薦文章として推薦文章Jが特定される場合、推薦文章Jを第1ユーザE(第4ユーザ)に推薦する。ここで一例として、推薦部16は、推薦文章Jの推薦文章情報を第1ユーザE(第4ユーザ)が使用するユーザ端末100に送信するよう通信部22を制御してもよい。また一例として、推薦部16は、推薦文章Jの推薦文章情報を表示するよう表示部23を制御してもよい。
一例として、推薦文章情報は、対応情報の推薦文章に対応付けられていてもよく、推薦文章内容、著者、タイトル、インタビューを受けた研究者、発行所及び発行日等を始めとする種々の推薦文章を特定することができる情報であってもよい。
次に、一実施形態に係る情報処理方法について説明する。
ステップST1として、制御部10は、ユーザ情報としての可視データVと、対応情報としての隠れた人物特性hとの出力結果に基づき、パラメータb,c,wを学習する。一例として、制御部10は、パラメータb,c,wの勾配法に基づく学習を行ってもよい。この場合、制御部10は、変化の幅が小さく、所定の基準を下回ると学習を停止してもよい。所定の基準は、学習するデータと実際の学習の様子とに基づいて決定されてもよい。推定部12は、パラメータb,c,wを所定のタイミング毎に学習してもよい。
図4は、一実施形態に係る情報処理方法について説明するための第1のフローチャートである。
この場合、第1取得部11は、例えば、第1ユーザがインタビュー記事を読んだ際に、第1ユーザが参考となるとしてインタビュー記事の特定の文節に付した1又は複数の指標の特定位置に関するユーザ情報を取得してもよい。
図5は、一実施形態に係る情報処理方法について説明するための第2のフローチャートである。
図6は、一実施形態に係る情報処理方法について説明するための第3のフローチャートである。
情報処理プログラムは、上述した各機能をコンピュータに実現させることができる。情報処理プログラムは、例えば、メモリ、ソリッドステートドライブ、ハードディスクドライブ又は光ディスク等の、コンピュータで読み取り可能な非一時的な記録媒体に記録されていてもよい。
また、上述したように、情報処理装置1の各部は、コンピュータの演算処理装置等で実現されてもよい。その演算処理装置等は、例えば、集積回路等によって構成される。このため、情報処理装置1の各部は、演算処理装置等を構成する回路として実現されてもよい。すなわち、情報処理装置1の第1取得部11、推定部12、グループ設定部13、第2取得部14、特定部15及び推薦部16(制御部10)は、コンピュータの演算処理装置等を構成する第1取得回路、推定回路、グループ設定回路、第2取得回路、特定回路及び推薦回路(制御回路)として実現されてもよい。
また、情報処理装置1の記憶部21、通信部22及び表示部23(出力部)は、例えば、演算処理装置等の機能を含む記憶機能、通信機能及び表示機能(出力機能)として実現されもよい。また、情報処理装置1の記憶部21、通信部22及び表示部23(出力部)は、例えば、集積回路等によって構成されることにより記憶回路、通信回路及び表示回路(出力回路)として実現されてもよい。また、情報処理装置1の記憶部21、通信部22及び表示部23(出力部)は、例えば、複数のデバイスによって構成されることにより記憶装置、通信装置及び表示装置(出力装置)として構成されてもよい。
本開示では、「情報」の文言を使用しているが、「情報」の文言は「データ」と言い換えることができ、「データ」の文言は「情報」と言い換えることができる。
次に、本実施形態の一態様及び各態様が奏する効果について説明する。なお、以下に記載する効果は一例であり、各態様が奏する効果は以下に記載するものに限定されることはない。
一態様の情報処理装置は、文章と、その文章を所定単位毎に区切った際にユーザによって所定単位に指標が付される特定位置と、文章と特定位置とに基づいて推定されるユーザの分類とを対応付けた対応情報を記憶する記憶部と、第1ユーザが文章を読んだ際に第1ユーザが指標を付す特定位置に関するユーザ情報を取得する第1取得部と、第1取得部によって取得するユーザ情報と、記憶部に記憶する対応情報とに基づいて、第1ユーザの特定位置に応じた分類を推定する推定部と、推定部によって推定される分類毎に複数の第1ユーザのグループ化を行うグループ設定部と、を備える。
これにより、情報処理装置は、文章の推薦に利用する、ユーザのグループ化を行うことができる。情報処理装置は、ユーザが所定単位毎に区切った文章に指標を付すため、ユーザそれぞれの好みをより反映させることができ、ユーザの分類をより適切に行うことができる。
一態様の情報処理装置は、グループ設定部によってグループ化が行われた複数の第1ユーザのそれぞれのユーザ情報に基づいて、複数の第1ユーザが読んだ文章に関する文章情報を取得する第2取得部と、グループ設定部によってグループ化が行われた複数の第1ユーザのうちの第2ユーザ及び第3ユーザであって、第2取得部によって取得する第2ユーザの文章情報と第3ユーザの文章情報に基づいて、第2ユーザは読んだ文章のうち第3ユーザは読んでいない文章を特定する特定部と、特定部によって特定される文章を第3ユーザに推薦する推薦部と、を備えることとしてもよい。
同一グループ内の複数のユーザは、文章に対して興味を持つ点及び文章の参考となる点等に類似性が有ると考えられる。したがって、情報処理装置は、同一グループ内のユーザに対して自身の好みにあった文章を推薦することができる。
一態様の情報処理装置では、記憶部が記憶する対応情報には、ユーザの分類毎に推薦する推薦文章がさらに対応付けられており、特定部は、グループ設定部によってグループ化が行われた複数の第1ユーザのうちの第4ユーザであって、記憶部に記憶される対応情報において対応付けられる推薦文章のうち、第2取得部によって取得する第4ユーザの文章情報に基づいて第4ユーザが読んでいない推薦文章を特定し、推薦部は、特定部によって特定される推薦文章を第4ユーザに推薦することとしてもよい。
これにより、情報処理装置は、ユーザの分類毎、すなわちグループ毎に対応付けられる推薦文章を、対応するグループに分類するユーザに対して推薦することができる。
一態様の情報処理装置では、記憶部が記憶する対応情報に対応付けられる文章は、研究者をインタビューした際に作成されるインタビュー記事であり、対応情報に対応付けられる特定位置は、文章としてのインタビュー記事を所定単位としての文節毎に区切った際の文節の位置であり、第1取得部は、第1ユーザがインタビュー記事を読んだ際に、第1ユーザが参考となるとしてインタビュー記事の特定の文節に付した1又は複数の指標の特定位置に関するユーザ情報を取得することとしてもよい。
これにより、情報処理装置は、ユーザが興味を持つインタビュー記事に応じてそのユーザを分類することができる。
一態様の情報処理方法では、文章と、その文章を所定単位毎に区切った際にユーザによって所定単位に指標が付される特定位置と、文章と特定位置とに基づいて推定されるユーザの分類とを対応付けた対応情報を記憶する記憶部を備えるコンピュータが、第1ユーザが文章を読んだ際に第1ユーザが指標を付す特定位置に関するユーザ情報を取得する第1取得ステップと、第1取得ステップによって取得するユーザ情報と、記憶部に記憶する対応情報とに基づいて、第1ユーザの特定位置に応じた分類を推定する推定ステップと、推定ステップによって推定される分類毎に複数の第1ユーザのグループ化を行うグループ設定ステップと、を実行する。
これにより、情報処理方法は、上述した一態様の情報処理装置と同様の効果を奏することができる。
一態様の情報処理プログラムは、コンピュータに、文章と、その文章を所定単位毎に区切った際にユーザによって所定単位に指標が付される特定位置と、文章と特定位置とに基づいて推定されるユーザの分類とを対応付けた対応情報を記憶する記憶機能と、第1ユーザが文章を読んだ際に第1ユーザが指標を付す特定位置に関するユーザ情報を取得する第1取得機能と、第1取得機能によって取得するユーザ情報と、記憶機能に記憶する対応情報とに基づいて、第1ユーザの特定位置に応じた分類を推定する推定機能と、推定機能によって推定される分類毎に複数の第1ユーザのグループ化を行うグループ設定機能と、を実現させる。
これにより、情報処理プログラムは、上述した一態様の情報処理装置と同様の効果を奏することができる。
10 制御部
11 第1取得部
12 推定部
13 グループ設定部
14 第2取得部
15 特定部
16 推薦部
21 記憶部
22 通信部
23 表示部
Claims (6)
- 文章と、当該文章を所定単位毎に区切った際にユーザによって所定単位に指標が付される特定位置と、ユーザの分類とを対応付けた対応情報を記憶する記憶部と、
複数の第1ユーザのそれぞれについて、第1ユーザが前記文章を読んだ際に第1ユーザが指標を付した特定位置に関するユーザ情報を取得する第1取得部と、
複数の第1ユーザのそれぞれについて、前記第1取得部によって取得するユーザ情報と、前記記憶部に記憶する対応情報とに基づいて、第1ユーザが指標を付した特定位置に応じたユーザの分類を推定する推定部と、
前記推定部によって推定されたユーザの分類が同一である第1ユーザは同一のグループに属するように、複数の第1ユーザのグループ化を行うグループ設定部と、
を備える情報処理装置。 - 前記グループ設定部によってグループ化が行われた複数の第1ユーザのそれぞれのユーザ情報に基づいて、複数の第1ユーザが読んだ文章に関する文章情報を取得する第2取得部と、
前記グループ設定部によってグループ化が行われた複数の第1ユーザのうちの同一のグループに属する第2ユーザ及び第3ユーザについて、前記第2取得部によって取得する第2ユーザの文章情報と第3ユーザの文章情報に基づいて、第2ユーザは読んだ文章のうち第3ユーザは読んでいない文章を特定する特定部と、
前記特定部によって特定される文章を第3ユーザに推薦する推薦部と、
を備える請求項1に記載の情報処理装置。 - 前記記憶部が記憶する対応情報には、ユーザの分類毎に推薦する推薦文章がさらに対応付けられており、
前記特定部は、前記グループ設定部によってグループ化が行われた複数の第1ユーザのうちの第4ユーザについて、前記記憶部に記憶される対応情報において第4ユーザの前記推定部によって推定されたユーザの分類に対応付けられている推薦文章のうち、前記第2取得部によって取得する第4ユーザの文章情報に基づいて第4ユーザが読んでいない推薦文章を特定し、
前記推薦部は、前記特定部によって特定される推薦文章を第4ユーザに推薦する
請求項2に記載の情報処理装置。 - 前記記憶部が記憶する対応情報に対応付けられる前記文章は、研究者をインタビューした際に作成されるインタビュー記事であり、対応情報に対応付けられる特定位置は、前記文章としての前記インタビュー記事を所定単位としての文節毎に区切った際の文節の位置であり、
前記第1取得部は、第1ユーザがインタビュー記事を読んだ際に、第1ユーザが参考となるとして前記インタビュー記事の特定の文節に付した1又は複数の指標の特定位置に関するユーザ情報を取得する
請求項1~3のいずれか1項に記載の情報処理装置。 - 文章と、当該文章を所定単位毎に区切った際にユーザによって所定単位に指標が付される特定位置と、ユーザの分類とを対応付けた対応情報を記憶する記憶部を備えるコンピュータが、
複数の第1ユーザのそれぞれについて、第1ユーザが前記文章を読んだ際に第1ユーザが指標を付した特定位置に関するユーザ情報を取得する第1取得ステップと、
複数の第1ユーザのそれぞれについて、前記第1取得ステップによって取得するユーザ情報と、前記記憶部に記憶する対応情報とに基づいて、第1ユーザが指標を付した特定位置に応じたユーザの分類を推定する推定ステップと、
前記推定ステップによって推定されたユーザの分類が同一である第1ユーザは同一のグループに属するように、複数の第1ユーザのグループ化を行うグループ設定ステップと、
を実行する情報処理方法。 - コンピュータに、
文章と、当該文章を所定単位毎に区切った際にユーザによって所定単位に指標が付される特定位置と、ユーザの分類とを対応付けた対応情報を記憶部に記憶する記憶機能と、
複数の第1ユーザのそれぞれについて、第1ユーザが前記文章を読んだ際に第1ユーザが指標を付した特定位置に関するユーザ情報を取得する第1取得機能と、
複数の第1ユーザのそれぞれについて、前記第1取得機能によって取得するユーザ情報と、前記記憶部に記憶する対応情報とに基づいて、第1ユーザが指標を付した特定位置に応じたユーザの分類を推定する推定機能と、
前記推定機能によって推定されたユーザの分類が同一である第1ユーザは同一のグループに属するように、複数の第1ユーザのグループ化を行うグループ設定機能と、
を実現させる情報処理プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021130738A JP7373213B2 (ja) | 2021-08-10 | 2021-08-10 | 情報処理装置、情報処理方法及び情報処理プログラム |
PCT/JP2022/025966 WO2023017690A1 (ja) | 2021-08-10 | 2022-06-29 | 情報処理装置、情報処理方法及び情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021130738A JP7373213B2 (ja) | 2021-08-10 | 2021-08-10 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023025470A JP2023025470A (ja) | 2023-02-22 |
JP7373213B2 true JP7373213B2 (ja) | 2023-11-02 |
Family
ID=85199929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021130738A Active JP7373213B2 (ja) | 2021-08-10 | 2021-08-10 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7373213B2 (ja) |
WO (1) | WO2023017690A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013109734A (ja) | 2011-11-24 | 2013-06-06 | Canon Inc | 文書検索装置、文書検索方法及びプログラム |
JP2014235632A (ja) | 2013-06-04 | 2014-12-15 | キヤノン株式会社 | 文書管理システム、文書管理システムの制御方法、及び、プログラム |
US20200097509A1 (en) | 2018-04-30 | 2020-03-26 | Innoplexus Ag | System and method for providing recommendations of documents |
-
2021
- 2021-08-10 JP JP2021130738A patent/JP7373213B2/ja active Active
-
2022
- 2022-06-29 WO PCT/JP2022/025966 patent/WO2023017690A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013109734A (ja) | 2011-11-24 | 2013-06-06 | Canon Inc | 文書検索装置、文書検索方法及びプログラム |
JP2014235632A (ja) | 2013-06-04 | 2014-12-15 | キヤノン株式会社 | 文書管理システム、文書管理システムの制御方法、及び、プログラム |
US20200097509A1 (en) | 2018-04-30 | 2020-03-26 | Innoplexus Ag | System and method for providing recommendations of documents |
Also Published As
Publication number | Publication date |
---|---|
WO2023017690A1 (ja) | 2023-02-16 |
JP2023025470A (ja) | 2023-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kobayashi et al. | Text classification for organizational researchers: A tutorial | |
US8027977B2 (en) | Recommending content using discriminatively trained document similarity | |
US9305083B2 (en) | Author disambiguation | |
US10762439B2 (en) | Event clustering and classification with document embedding | |
CN108345702A (zh) | 实体推荐方法和装置 | |
CN107145536B (zh) | 用户画像构建方法与装置及推荐方法与装置 | |
US20130204833A1 (en) | Personalized recommendation of user comments | |
JP6056610B2 (ja) | テキスト情報処理装置、テキスト情報処理方法、及びテキスト情報処理プログラム | |
CN111737560B (zh) | 内容搜索方法、领域预测模型训练方法、装置及存储介质 | |
LU101914B1 (en) | Document conversion engine | |
Tariq et al. | Exploiting topical perceptions over multi-lingual text for hashtag suggestion on twitter | |
CN106462644B (zh) | 标识来自多个结果页面标识的优选结果页面 | |
CN112188312A (zh) | 用于确定新闻的视频素材的方法和装置 | |
CN112307336A (zh) | 热点资讯挖掘与预览方法、装置、计算机设备及存储介质 | |
Matsumoto et al. | Classification of emoji categories from tweet based on deep neural networks | |
JP6260678B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Mounika et al. | Design of book recommendation system using sentiment analysis | |
López-Escobedo et al. | Analysis of intertextual distances using multidimensional scaling in the context of authorship attribution | |
CN113590945B (zh) | 一种基于用户借阅行为-兴趣预测的图书推荐方法和装置 | |
CN109740156B (zh) | 反馈信息处理方法、装置、电子设备及存储介质 | |
CN113076758B (zh) | 一种面向任务型对话的多域请求式意图识别方法 | |
KR20190130410A (ko) | 스마트 시니어를 위한 맞춤형 콘텐츠 추천 장치 및 방법 | |
JP7373213B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Wei et al. | Finding related publications: extending the set of terms used to assess article similarity | |
CN113868424A (zh) | 文本主题的确定方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230112 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230418 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230613 |
|
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: 20230919 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231016 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7373213 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |