JP7442430B2 - 審査支援システム、及び審査支援方法 - Google Patents
審査支援システム、及び審査支援方法 Download PDFInfo
- Publication number
- JP7442430B2 JP7442430B2 JP2020210382A JP2020210382A JP7442430B2 JP 7442430 B2 JP7442430 B2 JP 7442430B2 JP 2020210382 A JP2020210382 A JP 2020210382A JP 2020210382 A JP2020210382 A JP 2020210382A JP 7442430 B2 JP7442430 B2 JP 7442430B2
- Authority
- JP
- Japan
- Prior art keywords
- classification
- data
- result
- examination
- verification
- 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 52
- 238000012795 verification Methods 0.000 claims description 129
- 238000013145 classification model Methods 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 32
- 230000010365 information processing Effects 0.000 claims description 23
- 238000012552 review Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 8
- 230000007812 deficiency Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
入力の傾向や規則の変化が時系列的に連続していることを前提として構成されており、法令や組織の内部ルールの変更といった外部要因により、審査における基準や規則が不連続に変化する場合には対応することができない。
分類状態記憶部300、モデル記憶部400、分類結果記憶部500、ラベル記憶部600、及び分割情報記憶部700の各機能を備える。
他の情報処理システムからのデータ転送等により、申請書管理部200に提供される。
D」と称する。)が設定される。代表点4012には、当該クラスタの代表点を示す情報(分類用データがいずれのクラスタに属するかの判定に際し、分類用データの項目群と対照される、クラスタの特徴を表す項目群(以下、「代表点」と称する。)を示す情報)が設定される。距離閾値4013には、分類用データがいずれのクラスタに属するかを判定する際に用いる類似度(距離)の閾値(境界値)が設定される。上記の類似度は、例えば、ユークリッド距離やマハラノビス距離である。本例では、距離閾値4013には、分類用データを構成する項目群と代表点4012との類似度について設定された閾値が設定される。ラベル4014には、自動審査の対象である分類用データが当該クラスタに該当する場合に当該分類用データに付与するラベルが設定される。対象期間4015には、当該クラスタが適用される期間(開始日時と終了日時)が設定される。上記期間は、当該分類用データがいずれのクラスタに属するかを判定する際、分類用データのタイムスタンプ(申請データのタイムスタンプ2012)と対照される。本例では、開始日時や終了日時が定まっていない場合、対象期間4015の該当欄には未定義を意味する値(以下、「null値」と称する。)が設定される。
た場合に当該分類用データ(申請データ)に付与されるラベルをラベル記憶部600に入力する。ラベル記憶部600は、結果検証部105から入力された各申請データ(申請書)のラベルをラベルTBL601に管理する。
り得られるクラスタの数は、学習データの性質等に応じて適切に(自動審査の精度が向上するように)設定される。
もよい。また、情報処理装置20によって提供される機能の全部又は一部は、例えば、SaaS(Software as a Service)、PaaS(Platform as a Service)、IaaS(Infrastructure as a Service)等を利用して実現されるものであってもよい。
Only Memory)、RAM(Random Access Memory)、不揮発性メモリ(NVRAM(Non Volatile RAM))等である。
(スマートフォン、タブレット、ノートブック型コンピュータ、各種携帯情報端末等)との間で通信を行う装置であり、無線又は有線の通信モジュール(無線通信モジュール、通信ネットワークアダプタ、USBモジュール等)である。
、DVD(Digital Versatile Disc)等)、ICカード、SDカード等である。補助記憶装置26の全部又は一部は、クラウドが提供する仮想的な記憶領域等であってもよい。補助記憶装置26には、審査支援システム1の機能を実現するためのプログラムやデータが格納されている。
現する。
記憶部400、分類結果記憶部500、ラベル記憶部600、及び分割情報記憶部700は、例えば、DBMSが管理するテーブルやファイルシステムが関するファイルに情報(データ)を管理する。
進む。
検証画面1400は、検証の対象となる分類結果の分類用データの申請書ID1411、当該分類用データのタイムスタンプ1412、当該分類用データの元になる申請書のイメージ1413、当該分類用データの各項目の名称(項目名1414)と各項目に設定されている値1415が表示されている。ユーザは、プルダウンリスト1416を操作することで、当該分類用データに設定するラベルを指定することができる。ユーザが登録ボタン1417を操作すると、当該分類用データにプルダウンリスト1416で指定されたラベルがラベルTBL601に反映される。
、公衆通信網、シリアル通信装置等)を介して審査支援装置100と通信可能に接続している。申請書管理部200は、通信ネットワーク5を介して審査支援装置100に申請データTBL201の申請データを提供する。審査支援装置100は、例えば、RESTやgRPC等のプロトコルを用いて申請データTBL201の申請データや個別結果検証部10が管理する検証結果を取得する。ユーザ端末220は、審査支援装置100から提供される画面や自身が生成する画面を、例えば、Webページ等の形式でユーザに提示する。
ド、SDカード、DVD等の記録媒体に置くことができる。
モデルTBL、500 分類結果記憶部、501 分類結果TBL、600 ラベル記憶部、601 ラベルデータTBL、700 分割情報記憶部、701 分割情報TBL、1300 検証結果画面、1400 個別結果検証画面
Claims (14)
- 申請書の審査を支援する審査支援システムであって、
情報処理装置を用いて構成され、
申請の各項目及び前記各項目の値と、審査の基準として参照される日時であるタイムスタンプと、を含むデータである申請データを記憶するデータベースから、審査の対象とする前記申請データである分類用データを取得する分類用データ取得部と、
前記申請書の審査に適用される規則に従い前記申請データを正しく審査した場合の審査の結果を示すラベルを前記申請書に対応づけて記憶するラベル記憶部と、
前記分類用データを審査する機械学習モデルである分類モデルを記憶するモデル記憶部と、
前記分類用データの審査に用いる前記分類モデルを前記モデル記憶部から選択し、選択した前記分類モデルを用いて前記分類用データを審査する分類器と、
前記審査の結果と前記分類用データとを対応づけた情報である分類結果を記憶する分類結果記憶部と、
前記分類結果について、前記分類器による審査が規則に従い正しく行われているか否かの検証の結果を取得する結果検証部と、
前記分類モデルの学習に用いる学習データの生成に用いる前記申請データを前記データベースから取得する際のサンプリング範囲を示す分割空間に関する情報である分割情報を記憶する分割情報記憶部と、
前記検証により審査が誤っていることが判明した前記分類結果に基づき前記規則が変化した時点を推定し、推定した前記時点に基づき前記分割情報を更新する分割情報更新部と、
前記申請データを前記分割空間ごとに前記データベースからサンプリングし、前記分割空間の夫々に属する前記申請データに基づき前記学習データを生成する学習データ生成部と、
前記分割空間ごとに前記学習データをクラスタリングして得られるクラスタごとに前記分類モデルを生成する学習器と、
を備え、
前記分類器は、審査の対象となる前記分類用データに類似する前記学習データにより学習した前記クラスタの前記分類モデルを選択し、選択した前記分類モデルにより前記分類用データの審査を行う、
審査支援システム。 - 請求項1に記載の審査支援システムであって、
前記分割情報更新部は、前記誤った分類結果に類似する他の前記分類結果を、前記誤った分類結果の前記タイムスタンプから前回の検証を行った日時である最終検証日時に遡って選択し、選択した前記他の分類結果を検証する処理を、検証結果が正しくなるまで繰り返し実行することにより前記時点を推定する、
審査支援システム。 - 請求項1に記載の審査支援システムであって、
前記結果検証部は、前記タイムスタンプが、前回の検証を行った日時である最終検証日時と現在日時との間の前記分類結果について前記検証を行う、
審査支援システム。 - 請求項1に記載の審査支援システムであって、
前記結果検証部が、推定した前記時点よりも後のタイムスタンプの未検証の前記分類結果について検証結果を受け付け、受け付けた前記検証結果に基づき前記時点を推定する、
審査支援システム。 - 請求項1に記載の審査支援システムであって、
前記学習器は、前記分類モデルに、当該分類モデルの対象期間と、前記分類用データと当該分類モデルの生成に用いた前記学習データとの間の類似度を判定するための情報と、を設定し、
前記分類器は、前記分類用データの前記タイムスタンプが前記対象期間に含まれ、かつ、前記情報に基づき、前記分類用データと前記学習データとが類似すると判定した前記分類モデルを、前記分類用データの審査に用いる分類モデルとして前記モデル記憶部から選択する、
審査支援システム。 - 請求項1に記載の審査支援システムであって、
前記検証の結果を示す情報を前記クラスタごとにユーザに提示するユーザインタフェースを更に備える、審査支援システム。 - 請求項6に記載の審査支援システムであって、
前記ユーザインタフェースは、前記クラスタごとに前記分割情報の更新指示を受け付け、
前記分割情報更新部は、前記更新指示を受け付けた前記クラスタに関連する前記分割情報を更新する、
審査支援システム。 - 請求項1に記載の審査支援システムであって、
前記検証により誤った審査が行われたことが判明した前記分類結果の前記分類用データに対応する前記申請データの内容を提示するユーザインタフェースを更に備える、審査支援システム。 - 請求項8に記載の審査支援システムであって、
前記ユーザインタフェースは、前記検証により誤った審査が行われたことが判明した前記分類結果の前記分類用データについての正しい前記ラベルを受け付け、
前記ラベル記憶部は、受け付けた前記ラベルを前記分類用データに対応する前記申請書に対応づけて記憶する、
審査支援システム。 - 申請書の審査を支援する方法であって、
情報処理装置が、
申請の各項目及び前記各項目の値と、審査の基準として参照される日時であるタイムスタンプと、を含むデータである申請データを記憶するデータベースから、審査の対象とする前記申請データである分類用データを取得するステップと、
前記申請書の審査に適用される規則に従い前記申請データを正しく審査した場合の審査の結果を示すラベルを前記申請書に対応づけて記憶するステップと、
前記分類用データを審査する機械学習モデルである分類モデルを記憶するステップと、
前記分類用データの審査に用いる前記分類モデルを選択し、選択した前記分類モデルを用いて前記分類用データを審査するステップと、
前記審査の結果と前記分類用データとを対応づけた情報である分類結果を記憶するステップと、
前記分類結果について、前記審査が規則に従い正しく行われているか否かの検証の結果を取得するステップと、
前記分類モデルの学習に用いる学習データの生成に用いる前記申請データを前記データベースから取得する際のサンプリング範囲を示す分割空間に関する情報である分割情報を
記憶するステップと、
前記検証により審査が誤っていることが判明した前記分類結果に基づき前記規則が変化した時点を推定し、推定した前記時点に基づき前記分割情報を更新するステップと、
前記申請データを前記分割空間ごとに前記データベースからサンプリングし、前記分割空間の夫々に属する前記申請データに基づき前記学習データを生成するステップと、
前記分割空間ごとに前記学習データをクラスタリングして得られるクラスタごとに前記分類モデルを生成するステップと、
前記審査の対象となる前記分類用データに類似する前記学習データにより学習した前記クラスタの前記分類モデルを選択し、選択した前記分類モデルにより前記分類用データの審査を行うステップと、
を実行する、審査支援方法。 - 請求項10に記載の審査支援方法であって、
前記情報処理装置が、前記誤った分類結果に類似する他の前記分類結果を、前記誤った分類結果の前記タイムスタンプから前回の検証を行った日時である最終検証日時に遡って選択し、選択した前記他の分類結果を検証する処理を、検証結果が正しくなるまで繰り返し実行することにより前記時点を推定するステップ、
を更に実行する、審査支援方法。
- 請求項10に記載の審査支援方法であって、
前記情報処理装置が、前記タイムスタンプが、前回の検証を行った日時である最終検証日時と現在日時との間の前記分類結果について前記検証を行うステップを更に実行する、審査支援方法。 - 請求項10に記載の審査支援方法であって、
前記情報処理装置が、推定した前記時点よりも後のタイムスタンプの未検証の前記分類結果について検証結果を受け付け、受け付けた前記検証結果に基づき前記時点を推定するステップ、
を更に実行する、審査支援方法。 - 請求項10に記載の審査支援方法であって、
前記情報処理装置が、前記分類モデルに、当該分類モデルの対象期間と、前記分類用データと当該分類モデルの生成に用いた前記学習データとの間の類似度を判定するための情報と、を設定するステップと、
前記分類用データの前記タイムスタンプが前記対象期間に含まれ、かつ、前記情報に基づき、前記分類用データと前記学習データとが類似すると判定した前記分類モデルを、前記分類用データの審査に用いる分類モデルとして選択するステップ、
を更に実行する、審査支援方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020210382A JP7442430B2 (ja) | 2020-12-18 | 2020-12-18 | 審査支援システム、及び審査支援方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020210382A JP7442430B2 (ja) | 2020-12-18 | 2020-12-18 | 審査支援システム、及び審査支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022097034A JP2022097034A (ja) | 2022-06-30 |
JP7442430B2 true JP7442430B2 (ja) | 2024-03-04 |
Family
ID=82165357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020210382A Active JP7442430B2 (ja) | 2020-12-18 | 2020-12-18 | 審査支援システム、及び審査支援方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7442430B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002202984A (ja) | 2000-11-02 | 2002-07-19 | Fujitsu Ltd | ルールベースモデルに基づくテキスト情報自動分類装置 |
WO2017130835A1 (ja) | 2016-01-27 | 2017-08-03 | 日本電信電話株式会社 | 作成装置、作成方法、および作成プログラム |
JP2019200618A (ja) | 2018-05-16 | 2019-11-21 | 日本電信電話株式会社 | 作成装置、作成方法、および作成プログラム |
-
2020
- 2020-12-18 JP JP2020210382A patent/JP7442430B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002202984A (ja) | 2000-11-02 | 2002-07-19 | Fujitsu Ltd | ルールベースモデルに基づくテキスト情報自動分類装置 |
WO2017130835A1 (ja) | 2016-01-27 | 2017-08-03 | 日本電信電話株式会社 | 作成装置、作成方法、および作成プログラム |
JP2019200618A (ja) | 2018-05-16 | 2019-11-21 | 日本電信電話株式会社 | 作成装置、作成方法、および作成プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2022097034A (ja) | 2022-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210374610A1 (en) | Efficient duplicate detection for machine learning data sets | |
US20200050968A1 (en) | Interactive interfaces for machine learning model evaluations | |
CA2953826C (en) | Machine learning service | |
US20190251471A1 (en) | Machine learning device | |
CN107209861A (zh) | 使用否定数据优化多类别多媒体数据分类 | |
US11797593B2 (en) | Mapping of topics within a domain based on terms associated with the topics | |
CN113051362B (zh) | 数据的查询方法、装置和服务器 | |
WO2022222943A1 (zh) | 科室推荐方法、装置、电子设备及存储介质 | |
AU2022223275B2 (en) | Auditing citations in a textual document | |
EP4040311A1 (en) | Utilizing machine learning and natural language processing to extract and verify vaccination data | |
CN115668168A (zh) | 用于处理数据记录的方法和系统 | |
CN113919336A (zh) | 基于深度学习的文章生成方法、装置及相关设备 | |
CN115222443A (zh) | 客户群体划分方法、装置、设备及存储介质 | |
US20210357808A1 (en) | Machine learning model generation system and machine learning model generation method | |
AU2015204339A1 (en) | Information processing apparatus and information processing program | |
US11409772B2 (en) | Active learning for data matching | |
JP7442430B2 (ja) | 審査支援システム、及び審査支援方法 | |
JP7292235B2 (ja) | 分析支援装置及び分析支援方法 | |
JP6810780B2 (ja) | Cnn基盤イメージ検索方法および装置 | |
CN116745781A (zh) | 规则更新程序、规则更新方法以及规则更新装置 | |
JP6496078B2 (ja) | 分析支援装置、分析支援方法、および分析支援プログラム | |
CN111161824A (zh) | 自动化报告解读方法及系统 | |
JP2785317B2 (ja) | ソフトウェア標準化方法 | |
CN114676258B (zh) | 一种基于症状描述文本的非诊断为目的的疾病分类方法 | |
JP2023082330A (ja) | 文書レビュー支援システム、及び文書レビュー支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230216 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231220 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240105 |
|
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: 20240220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7442430 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |