JP7432974B1 - データ生成システム - Google Patents
データ生成システム Download PDFInfo
- Publication number
- JP7432974B1 JP7432974B1 JP2023143585A JP2023143585A JP7432974B1 JP 7432974 B1 JP7432974 B1 JP 7432974B1 JP 2023143585 A JP2023143585 A JP 2023143585A JP 2023143585 A JP2023143585 A JP 2023143585A JP 7432974 B1 JP7432974 B1 JP 7432974B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- output data
- specific
- unit
- output
- 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
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000007717 exclusion Effects 0.000 claims abstract description 23
- 238000013480 data collection Methods 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 abstract description 10
- 208000035976 Developmental Disabilities Diseases 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011089 mechanical engineering Methods 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000036642 wellbeing Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】労働生産性を上げて人的資本のレベルを向上させるデータ生成システムを提供する。【解決手段】データ生成システム１００は、データ生成の対象となる特定分野を特定するアウトプットデータ設定値に基づいて、インターネットを介してターゲットデータを収集するデータ収集部１１０と、ターゲットデータのうち、第１のＡＩ処理により、特定要素を含む固定概念データを抽出するデータ判別部１２０と、固定概念データから、第２のＡＩ処理により、特定要素を除外して特定要素除外データを生成する特定要素除外部１３０と、固定概念データを除くターゲットデータ及び特定要素除外データを含むデータをアウトプットデータとして生成するアウトプットデータ生成部１４０と、を有する。【選択図】 図２
Description
本発明は、データ生成システムに関する。
従来から、労働生産性を向上するためのシステムが提供されている。例えば、特許文献１には、ネットワークによって接続された複数のユーザ端末と管理サーバによって構成され、業績成果を示唆するファイルへの書き込みをユーザ端末で行い、この書き込みデータ量の累計を計算して、複数のユーザ間で累計を算出、比較して、当該累計の大小に基づいてユーザごとに相対評価値を決定する評価支援システムが開示されている。このシステムによれば、企業の従業員の評価を適切に行うことができ、労働生産性を向上することができる。
適正な評価を受けることで、従業員のモチベーションが向上することはある。しかしながら、評価が適正であっても、従業員の作業環境、特に、提供される情報を含む従業員を取り巻く環境が変化していない状況下においては、現状の能力以上の能力が発揮され難い。また、従業員は、会社等に雇われているものであって、自営等も含めた広い意味での労働者にとっては、上記の従来技術は有効に作用し難いことがある。よって、労働者の潜在的な能力や未だ引き出されていない能力等を発揮することができれば、更なる労働生産性の向上が期待できる。
本発明は、労働生産性を上げて人的資本のレベルを向上させるデータ生成システムを提供することを目的とする。
本発明に係るデータ生成システムは、データ生成の対象となる特定分野を特定するアウトプットデータ設定値に基づいて、インターネットを介してターゲットデータを収集するデータ収集部と、前記ターゲットデータのうち、第１のＡＩ処理により、特定要素を含む固定概念データを抽出するデータ判別部と、前記固定概念データから、第２のＡＩ処理により、前記特定要素を除外して特定要素除外データを生成する特定要素除外部と、前記固定概念データを除く前記ターゲットデータ及び前記特定要素除外データを含むデータをアウトプットデータとして生成するアウトプットデータ生成部と、を有する。
本発明によれば、労働生産性を上げて人的資本のレベルを向上させるデータ生成システムを提供することができる。
本発明の実施形態を図に基づいて説明する。図１は、データ生成システム１００の構成を示すブロック図である。データ生成システム１００は、記憶部１０１、制御部１０２、表示部１０３、通信部１０４、操作部１０５を有する。データ生成システム１００は、例えば、学術分野や教育分野等の特定分野において活用することができるデータ（アウトプットデータ）を生成することができる。
記憶部１０１は、例えば、少なくとも１つのメモリとしてのフラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable ROM）及びＳＳＤ（Solid State Drive）等の記憶装置等で構成される。記憶部１０１は、制御プログラムや、生成された各種データを一時的又は継続的に保存し、記憶させておくことができる。
制御部１０２は、少なくとも１つのプロセッサとしてのＣＰＵ（Central Processing Unit）により構成され、記憶部１０１に記憶される制御プログラムを読み出し、各種の処理を実行する。制御部１０２は、システムバスＳＢを介して、記憶部１０１、表示部１０３、通信部１０４、操作部１０５と接続し、各部を制御する。
表示部１０３は、例えばディスプレイにより構成される。通信部１０４は、例えばネットワークインタフェースコントローラ（ＮＩＣ）であり、インターネットと接続して各種の情報を送受信することができる。
図２は、記憶部１０１に記憶される制御プログラムが実行されることにより制御部１０２のＣＰＵが機能する機能ブロック図である。データ生成システム１００の制御部１０２は、データ収集部１１０、データ判別部１２０、特定要素除外部１３０、アウトプットデータ生成部１４０及びＡＩ処理部１５０を含む。ここで、「ＡＩ」とは「人工知能」である。
データ収集部１１０は、データ生成の対象となる特定分野を特定するアウトプットデータ設定値に基づいて、インターネットを介してターゲットデータを収集する。ここで、データ生成の対象となる特定分野とは、生成したアウトプットデータを活用する分野であって、図３に示すように、例えば、学術分野、教育分野、医療分野、産業分野、宇宙工学分野等をいう。アウトプットデータ設定値は、特定分野を特定するデータであり、キーワード（テキストデータ）、数詞や記号、画像、音声データ等を含むことができる。なお、以下で説明するターゲットデータ、特定要素、固定概念データ、特定要素除外データ、アウトプットデータについても、テキストデータ、数値、画像、音声データ等を含むことができる。
アウトプットデータ設定値は、階層構造とすることもできる。例えば、図３に示すように、特定分野を「学術分野」としたとき、上位の第１のアウトプットデータ設定値は、社会科学、人文科学、自然科学等を特定するデータとすることができる。更に、下位の第２のアウトプットデータ設定値は、各分野における専門用語（例えば、社会科学における法学、そして法学における法律用語）や、公表される論文の執筆者名、情報を発信している大学名等のデータとすることができる。
データ収集部１１０は、図３に例示するアウトプットデータ設定値（第１のアウトプットデータ設定値、第２のアウトプットデータ設定値）に基づいて、インターネットを介して情報を収集する。ターゲットデータとは、データ収集部１１０において収集したデータをいう。より具体的には、例えば、社会科学分野の法学におけるＡ大学が発信する情報をターゲットデータとして収集する。
データ判別部１２０は、データ収集部１１０により収集されたターゲットデータのうち、第１のＡＩ処理により、固定概念データを抽出する。固定概念データとは、図４に示すように、特定要素を含むデータである。特定要素とは、不変な固定的要素、例えば、性別、身体的・精神的障がい、年齢等を含むデータである。例えば、「女児はお人形を与えると喜ぶ」というデータは、「女児」という性別、年齢からなる特定要素を含むデータである。よって、「女児はお人形を与えると喜ぶ」というデータは、固定概念データに該当する可能性が高い。固定概念データに該当するか否かは、従来からの思考や思い込みであるか否かに基づいて、第１のＡＩ処理にて判断する。
同様に、例えば、「男らしさ≒強い」は「男」という性別からなる特定要素を含むデータである。データ判別部１２０では、ターゲットデータから、このような固定概念データを抽出する。なお、ここでいう「抽出」は、「特定」することも含まれる。換言すれば、データ判別部１２０は、多数のターゲットデータについて、固定概念データに属するデータと、固定概念データに属しないデータに判別することができる。
固定概念データの抽出は、ＡＩ処理部１５０による第１のＡＩ処理により行うことができる。固定概念データの事例を機械学習させたＡＩ処理部１５０が行う第１のＡＩ処理により、直接的なキーワードからの抽出だけではなく、データ（テキストデータ、数値、画像、音声データ等を含む）の意味内容を把握して固定概念データを抽出することができる。
また、第１のＡＩ処理は、固定概念データとして抽出する条件を設定することもできる。例えば、同一内容のデータが閾値以上の個数存在することを条件とすることができる。データが同一内容か否かは、データ内容をＡＩ処理により解析して判断することができる。また、同一内容のデータが存在する年代を条件とすることもできる。ある年代（特定の年であってもよいし、年代の境界を厳密に設定していなくてもよい）以前からあるデータは古くからある概念として、固定概念データと判別することができる。また、設定した発信者（又は、所定条件を満たす者として抽出された発信者）が情報源であることを条件とすることができる。所定の思想を持つ発信者（個人又は組織（団体等）であってもよい）が情報源となるデータは固定概念データと判別することができる場合がある。
特定要素除外部１３０は、データ判別部１２０で抽出した固定概念データから、ＡＩ処理部１５０が行う第２のＡＩ処理により、特定要素を除外して特定要素除外データを生成する。具体的には、図５に示すように、例えば、データ生成の対象となる特定分野が学術分野において、第１のＡＩ処理により「機械工学は女性に向かない」といったデータ（固定概念データ）が抽出された場合に、この「機械工学は女性に向かない」という固定概念データに対して、第２のＡＩ処理により削除する。つまり、第２のＡＩ処理により行われる、固定概念データにおける特定要素の除外には、当該固定概念データそのものの削除も含まれる。
更に図５の例のうち、「発達障がい者が向く学術分野」に関するデータがある場合には、第２のＡＩ処理により、「発達障がい者の特性を持つ者が向く学術分野」に変換する。ＡＩ処理部１５０は、「発達障がい者の特性」、例えば、高い集中力を備える等の特性を機械学習し、第２のＡＩ処理を行うことができる。ここで、「発達障がい」は、特定要素である。また、「特定要素を除外」には、データの変換も含まれる。同様に、「５０歳以上はＩＴ研究できない」というデータについても変換して「５０歳以上」の条件を能力的条件に置き換えることができる。
アウトプットデータ生成部１４０は、固定概念データを除くターゲットデータ及び特定要素除外データを含むデータをアウトプットデータとして生成する。アウトプットデータが生成される工程は、図６（ａ），（ｂ），（ｃ）の順で行われる。図６（ａ）に示すように、データ収集部１１０が収集したターゲットデータは、データ判別部１２０が第１のＡＩ処理を用いて抽出した固定概念データを含むものである。そして、図６（ｂ）に示すように、固定概念データは、特定要素除外部１３０が第２のＡＩ処理を用いて、特定要素除外データに変換（生成）される。図６（ｃ）に示すように、アウトプットデータ生成部１４０は、特定要素除外部１３０で生成された特定要素除外データとターゲットデータを組み合わせて、アウトプットデータを生成する。
データ生成システム１００のデータ生成方法は、図７のフロー図に示す工程を含む。
ターゲットデータ収集工程；ステップＳ１０において、データ収集部１１０は、データ生成の対象となる特定分野を特定するアウトプットデータ設定値に基づいて、インターネットを介してターゲットデータを収集する。なお、アウトプットデータ設定値は、第１のアウトプットデータ設定値、第２のアウトプットデータ設定値を含む階層構造とすることもでき、階層毎にターゲットデータを収集することもできる。
ターゲットデータ収集工程；ステップＳ１０において、データ収集部１１０は、データ生成の対象となる特定分野を特定するアウトプットデータ設定値に基づいて、インターネットを介してターゲットデータを収集する。なお、アウトプットデータ設定値は、第１のアウトプットデータ設定値、第２のアウトプットデータ設定値を含む階層構造とすることもでき、階層毎にターゲットデータを収集することもできる。
固定概念データ抽出工程；ステップＳ２０において、データ判別部１２０は、データ収集部１１０が収集したターゲットデータのうち、第１のＡＩ処理により、特定要素を含む固定概念データを抽出する。
特定要素除外データ生成工程；ステップＳ３０において、特定要素除外部１３０は、ステップＳ２０で抽出した固定概念データから、第２のＡＩ処理により特定要素を除外して特定要素除外データを生成する。
特定要素除外データ生成工程；ステップＳ３０において、特定要素除外部１３０は、ステップＳ２０で抽出した固定概念データから、第２のＡＩ処理により特定要素を除外して特定要素除外データを生成する。
アウトプットデータ生成工程；ステップＳ４０において、アウトプットデータ生成部１４０は、固定概念データを除くターゲットデータ及び特定要素除外データを含むデータをアウトプットデータとして生成する。なお、アウトプットデータは、ターゲットデータのすべてが固定概念データであった場合には、特定要素除外データのみからなるデータとなることもある。
生成したアウトプットデータは、特定分野に応じたビッグデータとして利用することができる。生成したアウトプットデータは、性別や年齢、障がいの有無に由来する思い込み、思考が取り除かれたデータとされることから、従来のビッグデータを活用したアウトプットから脱却したアウトプットとなる。これにより、性別や年齢、障がいの有無により、従来は引き出されなかった能力を引き出すことができ、労働生産性を上げて人的資本のレベルを向上させることができる。
例えば、特定分野を産業分野として生成したアウトプットデータは、企業における社内制度の制定や仕事のやり方の改善、商品開発、製造工程の改善等に利用することができる。生成されたアウトプットデータを利用したこれらの成果物は、ビッグデータとされる当該アウトプットデータをＡＩ処理することで得ることもできる。生成したアウトプットデータは、特定要素を含む固定概念データが除外されているので、今までの、例えば「女性らしさ」、「男性らしさ」、「障がい者は」といった思考や思い込みから脱却した成果を得ることができる。ここで得られる成果、例えば、企業の社内制度であれば、性別や年齢、障がいの有無に関係なく、気付かなかった才能や能力を引き出すような制度を制定することができる。
または、精神的な障がい者が働く福祉作業所の改善では、福祉作業所で生産するのに適した商品開発や、作業方法、勤務時間等の制度の策定等に利用することができる。本発明に係るデータ生成システムにより生成されたアウトプットデータを利用することで、人々のウェルビーイングが向上し、個人らしさや発想力が創出され、生産性が向上される。
以上、本発明の実施形態を説明したが、本発明は本実施形態によって限定されることはなく、種々の変更を加えて実施することができる。
１００ データ生成システム １０１ 記憶部
１０２ 制御部 １０３ 表示部
１０４ 通信部 １０５ 操作部
１１０ データ収集部 １２０ データ判別部
１３０ 特定要素除外部 １４０ アウトプットデータ生成部
１５０ ＡＩ処理部
１０２ 制御部 １０３ 表示部
１０４ 通信部 １０５ 操作部
１１０ データ収集部 １２０ データ判別部
１３０ 特定要素除外部 １４０ アウトプットデータ生成部
１５０ ＡＩ処理部
Claims (3)
- データ生成の対象となる特定分野を特定するアウトプットデータ設定値に基づいて、インターネットを介して前記特定された特定分野に関するターゲットデータを収集するデータ収集部と、
前記ターゲットデータのうち、第１のＡＩ処理により、性別や年齢、障がいの有無に由来する思い込み、思考に関するいずれかの特定要素を含む固定概念データを抽出するデータ判別部と、
前記固定概念データから、第２のＡＩ処理により、前記特定要素を除外して特定要素除外データを生成する特定要素除外部と、
前記固定概念データを除く前記ターゲットデータ及び前記特定要素除外データを含むデータをアウトプットデータとして生成するアウトプットデータ生成部と、
を有するデータ生成システム。
- 前記第１のＡＩ処理は、同一内容のデータが閾値以上の個数存在すること、同一内容のデータが存在する年代、所定条件を満たす発信者が情報源であること、の条件を含む、請求項１に記載のデータ生成システム。
- 前記アウトプットデータ生成部は、前記特定分野の異なる第１の前記アウトプットデータと第２の前記アウトプットデータを生成し、前記第１の前記アウトプットデータと前記第２の前記アウトプットデータから新たな第３の前記アウトプットデータを生成する、請求項１又は請求項２に記載のデータ生成システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023143585A JP7432974B1 (ja) | 2023-09-05 | 2023-09-05 | データ生成システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2023143585A JP7432974B1 (ja) | 2023-09-05 | 2023-09-05 | データ生成システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP7432974B1 true JP7432974B1 (ja) | 2024-02-19 |
Family
ID=89904349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023143585A Active JP7432974B1 (ja) | 2023-09-05 | 2023-09-05 | データ生成システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7432974B1 (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013080375A (ja) | 2011-10-04 | 2013-05-02 | Hitachi Ltd | 個人情報匿名化装置及び方法 |
| JP2022545049A (ja) | 2020-01-06 | 2022-10-25 | エスエヌピーラボ インコーポレイテッド | 個人情報管理装置、個人情報管理システム、その個人情報の管理方法及びこれを記録したコンピューター判読可能記録媒体 |
| WO2022249390A1 (ja) | 2021-05-27 | 2022-12-01 | 日本電気株式会社 | 情報処理装置、情報処理システム、情報処理方法およびプログラム |
-
2023
- 2023-09-05 JP JP2023143585A patent/JP7432974B1/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013080375A (ja) | 2011-10-04 | 2013-05-02 | Hitachi Ltd | 個人情報匿名化装置及び方法 |
| JP2022545049A (ja) | 2020-01-06 | 2022-10-25 | エスエヌピーラボ インコーポレイテッド | 個人情報管理装置、個人情報管理システム、その個人情報の管理方法及びこれを記録したコンピューター判読可能記録媒体 |
| WO2022249390A1 (ja) | 2021-05-27 | 2022-12-01 | 日本電気株式会社 | 情報処理装置、情報処理システム、情報処理方法およびプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111651751B (zh) | 安全事件的分析报告生成方法、装置、存储介质及设备 | |
| WO2015093540A1 (ja) | フレーズペア収集装置、及びそのためのコンピュータプログラム | |
| CN106650799A (zh) | 一种电子证据分类提取方法及系统 | |
| CN111930948B (zh) | 一种信息收集和分级方法、装置、计算机设备及存储介质 | |
| CN112185586A (zh) | 一种传染病监测预警方法及装置 | |
| JP2022530868A (ja) | 機械学習に基づくターゲットオブジェクト属性予測方法、関連機器及びコンピュータプログラム | |
| Suresh et al. | Understanding potential sources of harm throughout the machine learning life cycle | |
| CN108647229B (zh) | 基于人工智能的虚拟人模型构建方法 | |
| CN115497616A (zh) | 一种感染性疾病辅助决策的方法、系统、设备及存储介质 | |
| CN108027824B (zh) | 未来脚本生成装置和方法、以及计算机可读存储介质 | |
| CN112148946A (zh) | 基于微博的分析及视图展示方法与系统 | |
| CN111460144A (zh) | 基于时序切分与融合的谣言早期检测算法 | |
| KR101655948B1 (ko) | 관계 써클 프로세싱 방법 및 시스템, 그리고 컴퓨터 저장 매체 | |
| JP2019020882A (ja) | ライフログ活用システム、方法及びプログラム | |
| JP7432974B1 (ja) | データ生成システム | |
| CN112214602B (zh) | 基于幽默度的文本分类方法、装置、电子设备及存储介质 | |
| CN112233747A (zh) | 一种基于个人数字孪生网络数据分析方法及系统 | |
| Luo et al. | Region-based active learning with hierarchical and adaptive region construction | |
| Tesfaye | Developing a Learning Knowledge-Based System For Diagnosis And Treatment Of Malaria | |
| Aminuddin et al. | A sentiment analysis framework on COVID-19 in major cities of Malaysia based on tweets using machine learning classification model | |
| Paez et al. | Chronic patients monitoring using wireless sensors and big data processing | |
| Garcia-Mancilla et al. | Characterizing negative sentiments in at-risk populations via crowd computing: a computational social science approach | |
| Buruzs et al. | Using Fuzzy Cognitive Maps approach to identify integrated waste management system characteristics | |
| Alhashem et al. | Diabetes Detection and Forecasting using Machine Learning Approaches: Current State-of-the-art | |
| Wang et al. | Mood disorder patients' language features on their microblogs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230920 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230920 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231114 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231128 |
|
| 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: 20240123 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240130 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7432974 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |