JP7384968B2 - 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
- JP7384968B2 JP7384968B2 JP2022108908A JP2022108908A JP7384968B2 JP 7384968 B2 JP7384968 B2 JP 7384968B2 JP 2022108908 A JP2022108908 A JP 2022108908A JP 2022108908 A JP2022108908 A JP 2022108908A JP 7384968 B2 JP7384968 B2 JP 7384968B2
- Authority
- JP
- Japan
- Prior art keywords
- knowledge representation
- content items
- interest
- labeled
- relevant
- 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
- 238000000034 method Methods 0.000 title claims description 143
- 238000010801 machine learning Methods 0.000 title claims description 130
- 238000010200 validation analysis Methods 0.000 claims description 45
- 230000002194 synthesizing effect Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 description 92
- 238000013145 classification model Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000002372 labelling Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 206010042496 Sunburn Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007803 itching Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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 (39)
- 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、又は、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、各それぞれの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。 - 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、請求項1に記載の方法。 - 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2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、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。
- 前記知識表現を変更した後、
前記変更された知識表現を用いて、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、各それぞれの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、請求項1に記載の方法。 - 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、請求項7に記載の方法。
- 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と予測された前記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、請求項7に記載の方法。
- 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、請求項1に記載の方法。 - 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と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、閾値適合率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、請求項1に記載の方法。 - 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と予測された前記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と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、閾値再現率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、請求項1に記載の方法。 - 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、
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、
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、及び/又は
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より狭い概念の数、
のうちの少なくとも1つを含む、請求項1に記載の方法。 - 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、又は、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、各それぞれの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。 - 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、請求項14に記載のシステム。 - 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
をさらに含む、請求項15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14に記載のシステム。
- 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、請求項14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14に記載のシステム。
- 前記方法は、前記知識表現を変更した後、
前記変更された知識表現を用いて、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、各それぞれの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、請求項14に記載のシステム。 - 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、請求項20に記載のシステム。
- 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と予測された前記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、請求項20に記載のシステム。
- 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、請求項14に記載のシステム。 - 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と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、閾値適合率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、請求項14に記載のシステム。 - 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と予測された前記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と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、閾値再現率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、請求項14に記載のシステム。 - 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、
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、
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、及び/又は
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より狭い概念の数、
のうちの少なくとも1つを含む、請求項14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、又は、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、各それぞれの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。 - 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、請求項27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28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27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、請求項27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27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、前記知識表現を変更した後、
前記変更された知識表現を用いて、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、各それぞれの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、請求項27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、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と予測された前記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、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、請求項27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と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、閾値適合率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、請求項27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と予測された前記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と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、閾値再現率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、請求項27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、
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、
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、及び/又は
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より狭い概念の数、
のうちの少なくとも1つを含む、請求項27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 (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
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 (2)
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 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021015547A Division 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 Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023191415A Division 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022145684A JP2022145684A (ja) | 2022-10-04 |
JP7384968B2 true JP7384968B2 (ja) | 2023-11-21 |
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 Before (1)
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 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009064079A (ja) | 2007-09-04 | 2009-03-26 | Yahoo Japan Corp | Webページに対して適合する画像を提示するシステム |
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 |
JP2013250925A (ja) | 2012-06-04 | 2013-12-12 | Nippon Telegr & Teleph Corp <Ntt> | 回答タイプ推定装置、方法、及びプログラム |
JP2015135640A (ja) | 2014-01-20 | 2015-07-27 | 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 |
WO2016084326A1 (ja) | 2014-11-26 | 2016-06-02 | 日本電気株式会社 | 情報処理システム、情報処理方法、及び、記録媒体 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5415055B2 (ja) * | 2008-10-30 | 2014-02-12 | Kddi株式会社 | コンテンツ分類装置およびプログラム |
US10169686B2 (en) * | 2013-08-05 | 2019-01-01 | Facebook, Inc. | Systems and methods for image classification by correlating contextual cues with images |
-
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009064079A (ja) | 2007-09-04 | 2009-03-26 | Yahoo Japan Corp | Webページに対して適合する画像を提示するシステム |
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 |
JP2013250925A (ja) | 2012-06-04 | 2013-12-12 | Nippon Telegr & Teleph Corp <Ntt> | 回答タイプ推定装置、方法、及びプログラム |
JP2015135640A (ja) | 2014-01-20 | 2015-07-27 | 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 |
WO2016084326A1 (ja) | 2014-11-26 | 2016-06-02 | 日本電気株式会社 | 情報処理システム、情報処理方法、及び、記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP2022145684A (ja) | 2022-10-04 |
JP7102563B2 (ja) | 2022-07-19 |
JP2024028697A (ja) | 2024-03-05 |
JP2021082319A (ja) | 2021-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11657231B2 (en) | Capturing rich response relationships with small-data neural networks | |
Chakraborty et al. | Sentiment analysis on a set of movie reviews using deep learning techniques | |
Dai et al. | Document embedding with paragraph vectors | |
US20180144269A1 (en) | System and method of using a knowledge representation for features in a machine learning classifier | |
US9542477B2 (en) | Method of automated discovery of topics relatedness | |
Weston et al. | Latent collaborative retrieval | |
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 | |
US20180144270A1 (en) | System and method for modifying a knowledge representation based on a machine learning classifier | |
Agrawal et al. | Transformer-based approach towards music emotion recognition from lyrics | |
US20230133065A1 (en) | System and method for generating training data for machine learning classifier | |
Jain et al. | Deceptive reviews detection using deep learning techniques | |
Yang et al. | RETRACTED: video associated cross-modal recommendation algorithm based on deep learning | |
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 | |
Aletras et al. | Labeling topics with images using a neural network | |
Gupta et al. | Task-optimized word embeddings for text classification representations | |
Yang et al. | Enhancing recommendation on extremely sparse data with blocks-coupled non-negative matrix factorization | |
Nasr et al. | Building sentiment analysis model using Graphlab | |
Nawaz et al. | A segregational approach for determining aspect sentiments in social media analysis | |
Köksal et al. | Improving automated Turkish text classification with learning‐based algorithms | |
Yu et al. | Web service recommendation for mashup creation based on graph network | |
Al Imran et al. | Bnnet: A deep neural network for the identification of satire and fake bangla news | |
Bisio et al. | Sentic computing for social network analysis | |
Ramírez-Cifuentes et al. | Enhanced word embeddings for anorexia nervosa detection on social media | |
Modak et al. | Sentiment analysis of twitter data using clustering and classification | |
Pinto et al. | Intelligent and fuzzy systems applied to language & knowledge engineering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220801 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230922 |
|
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: 20231010 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231109 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7384968 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |