JP7402277B2 - 情報処理システム、情報処理方法および情報処理装置 - Google Patents
情報処理システム、情報処理方法および情報処理装置 Download PDFInfo
- Publication number
- JP7402277B2 JP7402277B2 JP2022108497A JP2022108497A JP7402277B2 JP 7402277 B2 JP7402277 B2 JP 7402277B2 JP 2022108497 A JP2022108497 A JP 2022108497A JP 2022108497 A JP2022108497 A JP 2022108497A JP 7402277 B2 JP7402277 B2 JP 7402277B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- machine learning
- learning model
- input
- label
- 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 36
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000010801 machine learning Methods 0.000 claims description 208
- 238000001514 detection method Methods 0.000 claims description 67
- 238000011156 evaluation Methods 0.000 claims description 58
- 230000004044 response Effects 0.000 claims description 44
- 238000012360 testing method Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 7
- 238000000034 method Methods 0.000 description 48
- 230000008569 process Effects 0.000 description 30
- 238000012986 modification Methods 0.000 description 24
- 230000004048 modification Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 23
- 230000006872 improvement Effects 0.000 description 12
- 238000003058 natural language processing Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 230000000877 morphologic effect Effects 0.000 description 7
- 238000007792 addition Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Description
(例えば0.9)より大きい類似度が算出された学習データの数がN(例えば3)以上のものを抽出する(ステップS303:第1手法)。これは、多くの学習データに類似する質問を抽出する処理である。
Claims (9)
- 入力データと当該入力データに対する教師データであるラベルとを含む学習データのセットにより機械学習モデルを学習させる学習サーバと、前記学習された機械学習モデルにユーザから入力される入力データを入力し、当該機械学習モデルにより出力されるラベルに基づいて応答データを出力する応答サーバとを含む情報処理システムにおいて、
前記学習データのセットを取得する初期データ取得手段と、
前記学習データのセットにより前記機械学習モデルを学習させる学習手段と、
前記学習データのセットにより学習された前記機械学習モデルに対してテストデータを入力し、前記テストデータが入力された機械学習モデルの出力に基づいて前記機械学習モデルの性能が所定の条件を満たしているか評価する評価手段と、
前記機械学習モデルの性能が前記所定の条件を満たしていると評価された場合に、前記学習された機械学習モデルを前記応答サーバに展開する展開手段と、
前記機械学習モデルの性能が前記所定の条件を満たしていないと評価された場合に、前記学習データのセットが検出条件を満たしているか判定する検出手段と、
前記検出条件を満たしていると判定された場合に、前記学習データのセットを更新するデータ更新手段と、
前記更新された学習データのセットにより前記機械学習モデルを再学習させる再学習手段と、
を含み、
前記評価手段の評価に応じて前記データ更新手段、前記再学習手段、前記評価手段の処理を繰り返し、
前記検出手段は、正解率が閾値より低いラベルに属する入力データである対象入力データと当該ラベルに属する他の入力データとの類似性を示す第1指標と、当該ラベルと異なるラベルに属する入力データと前記対象入力データとの類似性を示す第2指標とを算出し、
前記データ更新手段は、前記第2指標が、前記対象入力データと前記対象入力データが属するラベルと異なるラベルに属する入力データのいずれかと類似することを示し、前記第1指標が前記対象入力データが属するラベルに属する他の入力データとの類似度が基準状態より低いことを示す場合に、前記対象入力データを前記学習データのセットから削除する、
情報処理システム。 - 入力データと当該入力データに対する教師データであるラベルとを含む学習データのセットにより機械学習モデルを学習させる学習サーバと、前記学習された機械学習モデルにユーザから入力される入力データを入力し、当該機械学習モデルにより出力されるラベルに基づいて応答データを出力する応答サーバとを含む情報処理システムにおいて、
前記学習データのセットを取得する初期データ取得手段と、
前記学習データのセットにより前記機械学習モデルを学習させる学習手段と、
前記学習データのセットにより学習された前記機械学習モデルに対してテストデータを入力し、前記テストデータが入力された機械学習モデルの出力に基づいて前記機械学習モデルの性能が所定の条件を満たしているか評価する評価手段と、
前記機械学習モデルの性能が前記所定の条件を満たしていると評価された場合に、前記学習された機械学習モデルを前記応答サーバに展開する展開手段と、
前記機械学習モデルの性能が前記所定の条件を満たしていないと評価された場合に、前記学習データのセットが検出条件を満たしているか判定する検出手段と、
前記検出条件を満たしていると判定された場合に、前記学習データのセットを更新するデータ更新手段と、
前記更新された学習データのセットにより前記機械学習モデルを再学習させる再学習手段と、
を含み、
前記評価手段の評価に応じて前記データ更新手段、前記再学習手段、前記評価手段の処理を繰り返し、
前記検出手段は、前記ユーザから入力され前記機械学習モデルに入力される入力データのうち、前記機械学習モデルによりラベルが決定されなかった入力データの件数が閾値を超えるか否か判定し、
前記データ更新手段は、前記ラベルが決定されなかった入力データをクラスタに分類し、分類されたクラスタに基づいてラベル候補を管理者に提案し、
前記データ更新手段は、前記管理者が前記ラベル候補に基づいて入力するラベルおよび入力データのセットを前記学習データに追加する、
情報処理システム。 - 入力データと当該入力データに対する教師データであるラベルとを含む学習データのセットにより機械学習モデルを学習させる学習サーバと、前記学習された機械学習モデルにユーザから入力される入力データを入力し、当該機械学習モデルにより出力されるラベルに基づいて応答データを出力する応答サーバとを含む情報処理システムにおいて、
前記学習データのセットを取得する初期データ取得手段と、
前記学習データのセットにより前記機械学習モデルを学習させる学習手段と、
前記学習データのセットにより学習された前記機械学習モデルに対してテストデータを入力し、前記テストデータが入力された機械学習モデルの出力に基づいて前記機械学習モデルの性能が所定の条件を満たしているか評価する評価手段と、
前記機械学習モデルの性能が前記所定の条件を満たしていると評価された場合に、前記学習された機械学習モデルを前記応答サーバに展開する展開手段と、
前記機械学習モデルの性能が前記所定の条件を満たしていないと評価された場合に、前記学習データのセットが検出条件を満たしているか判定する検出手段と、
前記検出条件を満たしていると判定された場合に、前記学習データのセットを更新するデータ更新手段と、
前記更新された学習データのセットにより前記機械学習モデルを再学習させる再学習手段と、
前記ユーザから入力データが入力された場合に、前記入力データをログストレージに記憶させるログ手段と、
を含み、
前記評価手段の評価に応じて前記データ更新手段、前記再学習手段、前記評価手段の処理を繰り返し、
前記検出手段は、前記ユーザから入力され前記機械学習モデルに入力される入力データのうち、前記機械学習モデルにより決定されたラベルに対して当該ユーザが適切でないと回答した入力データの件数に基づいて前記学習データに追加する対象となるラベルを決定し、
前記データ更新手段は、前記ログストレージに格納された入力データから、前記対象となるラベルに対応する入力データを抽出し、前記学習データのセットに前記抽出された入力データと当該ラベルとを含む学習データを追加する、
情報処理システム。 - 初期データ取得手段が、入力データと当該入力データに対する教師データであり応答データの作成に用いられるラベルとを含む学習データのセットを取得するステップと、
学習手段が、前記学習データのセットにより機械学習モデルを学習させるステップと、
評価手段が、前記学習データのセットにより学習された前記機械学習モデルに対してテストデータを入力し、前記テストデータが入力された機械学習モデルの出力に基づいて前記機械学習モデルの性能が所定の条件を満たしているか評価するステップと、
展開手段が、前記機械学習モデルの性能が前記所定の条件を満たしていると評価された場合に、前記学習された機械学習モデルにユーザから入力される入力データを入力し、当該機械学習モデルにより出力されるラベルに基づいて応答データを出力する応答サーバに、前記性能が評価された機械学習モデルを展開するステップと、
検出手段が、前記機械学習モデルの性能が前記所定の条件を満たしていないと評価された場合に、前記学習データのセットが検出条件を満たしているか判定するステップと、
データ更新手段が、前記検出条件を満たしていると判定された場合に、前記学習データのセットを更新するステップと、
再学習手段が、前記更新された学習データのセットにより前記機械学習モデルを再学習させるステップと、
を含み、
前記評価に応じて前記学習データのセットを更新するステップと、前記機械学習モデルを再学習させるステップと、前記機械学習モデルの性能を評価するステップとを繰り返し、
前記判定するステップでは、正解率が閾値より低いラベルに属する入力データである対象入力データと当該ラベルに属する他の入力データとの類似性を示す第1指標と、当該ラベルと異なるラベルに属する入力データと前記対象入力データとの類似性を示す第2指標とを算出し、
前記更新するステップでは、前記第2指標が、前記対象入力データと前記対象入力データが属するラベルと異なるラベルに属する入力データのいずれかと類似することを示し、前記第1指標が前記対象入力データが属するラベルに属する他の入力データとの類似度が基準状態より低いことを示す場合に、前記対象入力データを前記学習データのセットから削除する、
情報処理方法。 - 初期データ取得手段が、入力データと当該入力データに対する教師データであり応答データの作成に用いられるラベルとを含む学習データのセットを取得するステップと、
学習手段が、前記学習データのセットにより機械学習モデルを学習させるステップと、
評価手段が、前記学習データのセットにより学習された前記機械学習モデルに対してテストデータを入力し、前記テストデータが入力された機械学習モデルの出力に基づいて前記機械学習モデルの性能が所定の条件を満たしているか評価するステップと、
展開手段が、前記機械学習モデルの性能が前記所定の条件を満たしていると評価された場合に、前記学習された機械学習モデルにユーザから入力される入力データを入力し、当該機械学習モデルにより出力されるラベルに基づいて応答データを出力する応答サーバに、前記性能が評価された機械学習モデルを展開するステップと、
検出手段が、前記機械学習モデルの性能が前記所定の条件を満たしていないと評価された場合に、前記学習データのセットが検出条件を満たしているか判定するステップと、
データ更新手段が、前記検出条件を満たしていると判定された場合に、前記学習データのセットを更新するステップと、
再学習手段が、前記更新された学習データのセットにより前記機械学習モデルを再学習させるステップと、
を含み、
前記評価に応じて前記学習データのセットを更新するステップと、前記機械学習モデルを再学習させるステップと、前記機械学習モデルの性能を評価するステップとを繰り返し、
前記判定するステップでは、前記ユーザから入力され前記機械学習モデルに入力される入力データのうち、前記機械学習モデルによりラベルが決定されなかった入力データの件数が閾値を超えるか否か判定し、
前記更新するステップでは、前記ラベルが決定されなかった入力データをクラスタに分類し、分類されたクラスタに基づいてラベル候補を管理者に提案し、
前記更新するステップでは、前記管理者が前記ラベル候補に基づいて入力するラベルおよび入力データのセットを前記学習データに追加する、
情報処理方法。 - 初期データ取得手段が、入力データと当該入力データに対する教師データであり応答データの作成に用いられるラベルとを含む学習データのセットを取得するステップと、
学習手段が、前記学習データのセットにより機械学習モデルを学習させるステップと、
評価手段が、前記学習データのセットにより学習された前記機械学習モデルに対してテストデータを入力し、前記テストデータが入力された機械学習モデルの出力に基づいて前記機械学習モデルの性能が所定の条件を満たしているか評価するステップと、
展開手段が、前記機械学習モデルの性能が前記所定の条件を満たしていると評価された場合に、前記学習された機械学習モデルにユーザから入力される入力データを入力し、当該機械学習モデルにより出力されるラベルに基づいて応答データを出力する応答サーバに、前記性能が評価された機械学習モデルを展開するステップと、
検出手段が、前記機械学習モデルの性能が前記所定の条件を満たしていないと評価された場合に、前記学習データのセットが検出条件を満たしているか判定するステップと、
データ更新手段が、前記検出条件を満たしていると判定された場合に、前記学習データのセットを更新するステップと、
再学習手段が、前記更新された学習データのセットにより前記機械学習モデルを再学習させるステップと、
ログ手段が、前記ユーザから入力データが入力された場合に、前記入力データをログストレージに記憶させるステップと、
を含み、
前記評価に応じて前記学習データのセットを更新するステップと、前記機械学習モデルを再学習させるステップと、前記機械学習モデルの性能を評価するステップとを繰り返し、
前記判定するステップでは、前記ユーザから入力され前記機械学習モデルに入力される入力データのうち、前記機械学習モデルにより決定されたラベルに対して当該ユーザが適切でないと回答した入力データの件数に基づいて前記学習データに追加する対象となるラベルを決定し、
前記更新するステップでは、前記ログストレージに格納された入力データから、前記対象となるラベルに対応する入力データを抽出し、前記学習データのセットに前記抽出された入力データと当該ラベルとを含む学習データを追加する、
情報処理方法。 - 入力データと当該入力データに対する教師データであり応答データの作成に用いられるラベルとを含む学習データのセットを取得する初期データ取得手段、
前記学習データのセットにより機械学習モデルを学習させる学習手段、
前記学習データのセットにより学習された前記機械学習モデルに対してテストデータを入力し、前記テストデータが入力された機械学習モデルの出力に基づいて前記機械学習モデルの性能が所定の条件を満たしているか評価する評価手段、
前記機械学習モデルの性能が前記所定の条件を満たしていると評価された場合に、前記学習された機械学習モデルにユーザから入力される入力データを入力し、当該機械学習モデルにより出力されるラベルに基づいて応答データを出力する応答サーバに、前記性能が評価された機械学習モデルを展開する展開手段、
前記機械学習モデルの性能が前記所定の条件を満たしていないと評価された場合に、前記学習データのセットが検出条件を満たしているか判定する検出手段、
前記検出条件を満たしていると判定された場合に、前記学習データのセットを更新するデータ更新手段、および、
前記更新された学習データのセットにより前記機械学習モデルを再学習させる再学習手段、
としてコンピュータを機能させ、
前記評価手段の評価に応じて前記データ更新手段、前記再学習手段、前記評価手段の処理を繰り返し、
前記検出手段は、正解率が閾値より低いラベルに属する入力データである対象入力データと当該ラベルに属する他の入力データとの類似性を示す第1指標と、当該ラベルと異なるラベルに属する入力データと前記対象入力データとの類似性を示す第2指標とを算出し、
前記データ更新手段は、前記第2指標が、前記対象入力データと前記対象入力データが属するラベルと異なるラベルに属する入力データのいずれかと類似することを示し、前記第1指標が前記対象入力データが属するラベルに属する他の入力データとの類似度が基準状態より低いことを示す場合に、前記対象入力データを前記学習データのセットから削除する、
プログラム。 - 入力データと当該入力データに対する教師データであり応答データの作成に用いられるラベルとを含む学習データのセットを取得する初期データ取得手段、
前記学習データのセットにより機械学習モデルを学習させる学習手段、
前記学習データのセットにより学習された前記機械学習モデルに対してテストデータを入力し、前記テストデータが入力された機械学習モデルの出力に基づいて前記機械学習モデルの性能が所定の条件を満たしているか評価する評価手段、
前記機械学習モデルの性能が前記所定の条件を満たしていると評価された場合に、前記学習された機械学習モデルにユーザから入力される入力データを入力し、当該機械学習モデルにより出力されるラベルに基づいて応答データを出力する応答サーバに、前記性能が評価された機械学習モデルを展開する展開手段、
前記機械学習モデルの性能が前記所定の条件を満たしていないと評価された場合に、前記学習データのセットが検出条件を満たしているか判定する検出手段、
前記検出条件を満たしていると判定された場合に、前記学習データのセットを更新するデータ更新手段、および、
前記更新された学習データのセットにより前記機械学習モデルを再学習させる再学習手段、
としてコンピュータを機能させ、
前記評価手段の評価に応じて前記データ更新手段、前記再学習手段、前記評価手段の処理を繰り返し、
前記検出手段は、前記ユーザから入力され前記機械学習モデルに入力される入力データのうち、前記機械学習モデルによりラベルが決定されなかった入力データの件数が閾値を超えるか否か判定し、
前記データ更新手段は、前記ラベルが決定されなかった入力データをクラスタに分類し、分類されたクラスタに基づいてラベル候補を管理者に提案し、
前記データ更新手段は、前記管理者が前記ラベル候補に基づいて入力するラベルおよび入力データのセットを前記学習データに追加する、
プログラム。 - 入力データと当該入力データに対する教師データであり応答データの作成に用いられるラベルとを含む学習データのセットを取得する初期データ取得手段、
前記学習データのセットにより機械学習モデルを学習させる学習手段、
前記学習データのセットにより学習された前記機械学習モデルに対してテストデータを入力し、前記テストデータが入力された機械学習モデルの出力に基づいて前記機械学習モデルの性能が所定の条件を満たしているか評価する評価手段、
前記機械学習モデルの性能が前記所定の条件を満たしていると評価された場合に、前記学習された機械学習モデルにユーザから入力される入力データを入力し、当該機械学習モデルにより出力されるラベルに基づいて応答データを出力する応答サーバに、前記性能が評価された機械学習モデルを展開する展開手段、
前記機械学習モデルの性能が前記所定の条件を満たしていないと評価された場合に、前記学習データのセットが検出条件を満たしているか判定する検出手段、
前記検出条件を満たしていると判定された場合に、前記学習データのセットを更新するデータ更新手段、
前記更新された学習データのセットにより前記機械学習モデルを再学習させる再学習手段、および、
前記ユーザから入力データが入力された場合に、前記入力データをログストレージに記憶させるログ手段、
としてコンピュータを機能させ、
前記評価手段の評価に応じて前記データ更新手段、前記再学習手段、前記評価手段の処理を繰り返し、
前記検出手段は、前記ユーザから入力され前記機械学習モデルに入力される入力データのうち、前記機械学習モデルにより決定されたラベルに対して当該ユーザが適切でないと回答した入力データの件数に基づいて前記学習データに追加する対象となるラベルを決定し、
前記データ更新手段は、前記ログストレージに格納された入力データから、前記対象となるラベルに対応する入力データを抽出し、前記学習データのセットに前記抽出された入力データと当該ラベルとを含む学習データを追加する、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022108497A JP7402277B2 (ja) | 2020-12-23 | 2022-07-05 | 情報処理システム、情報処理方法および情報処理装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020213626A JP7101752B2 (ja) | 2020-12-23 | 2020-12-23 | 情報処理システム、情報処理方法および情報処理装置 |
JP2022108497A JP7402277B2 (ja) | 2020-12-23 | 2022-07-05 | 情報処理システム、情報処理方法および情報処理装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020213626A Division JP7101752B2 (ja) | 2020-12-23 | 2020-12-23 | 情報処理システム、情報処理方法および情報処理装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022125222A JP2022125222A (ja) | 2022-08-26 |
JP2022125222A5 JP2022125222A5 (ja) | 2022-09-05 |
JP7402277B2 true JP7402277B2 (ja) | 2023-12-20 |
Family
ID=79024698
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020213626A Active JP7101752B2 (ja) | 2020-12-23 | 2020-12-23 | 情報処理システム、情報処理方法および情報処理装置 |
JP2022108497A Active JP7402277B2 (ja) | 2020-12-23 | 2022-07-05 | 情報処理システム、情報処理方法および情報処理装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020213626A Active JP7101752B2 (ja) | 2020-12-23 | 2020-12-23 | 情報処理システム、情報処理方法および情報処理装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220198337A1 (ja) |
EP (1) | EP4020339A1 (ja) |
JP (2) | JP7101752B2 (ja) |
CN (1) | CN114742230A (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220215393A1 (en) * | 2021-01-04 | 2022-07-07 | Capital One Services, Llc | Real-time updating of a security model |
WO2024005313A1 (ko) * | 2022-06-30 | 2024-01-04 | 삼성전자 주식회사 | 전자 장치의 학습 모델을 갱신하는 서버 및 그의 동작 방법 |
WO2024089064A1 (en) | 2022-10-25 | 2024-05-02 | Continental Automotive Technologies GmbH | Method and wireless communication system for gnb-ue two side control of artificial intelligence/machine learning model |
CN117596087A (zh) * | 2024-01-19 | 2024-02-23 | 深圳市安络科技有限公司 | 一种服务模拟方法、装置、计算机设备及存储介质 |
JP7492188B1 (ja) | 2024-03-25 | 2024-05-29 | 日本製鉄株式会社 | 学習システム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015001888A (ja) | 2013-06-17 | 2015-01-05 | 富士ゼロックス株式会社 | 情報処理プログラム及び情報処理装置 |
JP2019212073A (ja) | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
US10614373B1 (en) | 2013-12-23 | 2020-04-07 | Groupon, Inc. | Processing dynamic data within an adaptive oracle-trained learning system using curated training data for incremental re-training of a predictive model |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7548847B2 (en) | 2002-05-10 | 2009-06-16 | Microsoft Corporation | System for automatically annotating training data for a natural language understanding system |
JP6441980B2 (ja) | 2017-03-29 | 2018-12-19 | 三菱電機インフォメーションシステムズ株式会社 | 教師画像を生成する方法、コンピュータおよびプログラム |
JP6693938B2 (ja) | 2017-11-17 | 2020-05-13 | ファナック株式会社 | 外観検査装置 |
-
2020
- 2020-12-23 JP JP2020213626A patent/JP7101752B2/ja active Active
-
2021
- 2021-12-22 US US17/645,740 patent/US20220198337A1/en active Pending
- 2021-12-22 EP EP21216740.7A patent/EP4020339A1/en active Pending
- 2021-12-23 CN CN202111588796.3A patent/CN114742230A/zh active Pending
-
2022
- 2022-07-05 JP JP2022108497A patent/JP7402277B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015001888A (ja) | 2013-06-17 | 2015-01-05 | 富士ゼロックス株式会社 | 情報処理プログラム及び情報処理装置 |
US10614373B1 (en) | 2013-12-23 | 2020-04-07 | Groupon, Inc. | Processing dynamic data within an adaptive oracle-trained learning system using curated training data for incremental re-training of a predictive model |
JP2019212073A (ja) | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220198337A1 (en) | 2022-06-23 |
JP2022125222A (ja) | 2022-08-26 |
JP7101752B2 (ja) | 2022-07-15 |
CN114742230A (zh) | 2022-07-12 |
EP4020339A1 (en) | 2022-06-29 |
JP2022099685A (ja) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7402277B2 (ja) | 情報処理システム、情報処理方法および情報処理装置 | |
CN111046152B (zh) | Faq问答对自动构建方法、装置、计算机设备及存储介质 | |
US10643632B2 (en) | Automated voice assistant personality selector | |
KR102040400B1 (ko) | 머신러닝을 이용한 사용자 맞춤형 문제 제공 시스템 및 방법 | |
CN111191450B (zh) | 语料清洗方法、语料录入设备及计算机可读存储介质 | |
CN109902301B (zh) | 基于深度神经网络的关系推理方法、装置及设备 | |
KR102170968B1 (ko) | 머신 러닝 기반의 근사모델 구축 방법 및 시스템 | |
KR102285142B1 (ko) | 챗봇을 위한 학습 데이터 추천 장치 및 방법 | |
CN109359137B (zh) | 基于特征筛选与半监督学习的用户成长性画像构建方法 | |
JP2020004045A (ja) | 質問応答装置及びコンピュータプログラム | |
US11636272B2 (en) | Hybrid natural language understanding | |
WO2024066920A1 (zh) | 虚拟场景的对话方法、装置、电子设备、计算机程序产品及计算机存储介质 | |
CN113778871A (zh) | Mock测试方法、装置、设备及存储介质 | |
JP6695835B2 (ja) | 機械学習を利用したfaq登録支援方法、及びコンピュータシステム | |
CN111832787B (zh) | 教师风格预测模型的训练方法及计算机存储介质 | |
WO2020151017A1 (zh) | 一种可扩展的领域人机对话系统状态跟踪方法及设备 | |
CN109657710A (zh) | 数据筛选方法、装置、服务器及存储介质 | |
CN112002306B (zh) | 语音类别的识别方法、装置、电子设备及可读存储介质 | |
KR20230116143A (ko) | 상담 유형 분류 시스템 | |
CN114239565A (zh) | 一种基于深度学习的情绪原因识别方法及系统 | |
JP7057229B2 (ja) | 評価装置、評価方法および評価プログラム | |
JP6997046B2 (ja) | アノテーション支援装置 | |
JP7013329B2 (ja) | 学習装置、学習方法および学習プログラム | |
CN116484004B (zh) | 一种对话情绪识别分类方法 | |
US20240020487A1 (en) | Computer-readable recording medium storing machine learning program, machine learning method, and information processing apparatus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220826 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220826 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230821 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231030 |
|
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: 20231205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231208 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7402277 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |