JPS62286173A - Relation learning system - Google Patents
Relation learning systemInfo
- Publication number
- JPS62286173A JPS62286173A JP61131006A JP13100686A JPS62286173A JP S62286173 A JPS62286173 A JP S62286173A JP 61131006 A JP61131006 A JP 61131006A JP 13100686 A JP13100686 A JP 13100686A JP S62286173 A JPS62286173 A JP S62286173A
- Authority
- JP
- Japan
- Prior art keywords
- relationship
- dictionary
- basic
- general
- registered
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 14
- 238000012937 correction Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 235000010724 Wisteria floribunda Nutrition 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Landscapes
- Machine Translation (AREA)
Abstract
Description
【発明の詳細な説明】
３、発明の詳細な説明
技術分野
本発明は、関係学習システムに関し、特に自然言語処理
において、２項間の関係を明確に学習するのに好適な関
係学習システムに関するものである。Detailed Description of the Invention 3. Detailed Description of the Invention Technical Field The present invention relates to a relational learning system, and particularly to a relational learning system suitable for clearly learning the relation between two terms in natural language processing. It is.
従来技術
従来、自然言語処理を行うシステムにおいては、中間表
現として概念間の依存関係をネットワーク構造で表した
概念依存構造を導入している。概念間の依存関係・は、
格文法で言われる用語とその格要素間の意味的（役割）
である格関係、部分−全体、上位−下位など物と物の２
項関係である意味関係、事象内容間の関係である因果関
係という３種類の概念関係からなっている。上述したよ
うな２項間の関係は人間により記述されていたが、非常
に多くの調査と時間と人手が必要であった。そのため、
一度作成した物を修正することは、非常に困難であると
いう問題があった。また、作成した関係自体が複雑で、
相互に関連しあっているため、修正等の処理をさらに雉
しくしていた。BACKGROUND OF THE INVENTION Conventionally, systems that perform natural language processing have introduced a concept dependency structure in which dependencies between concepts are expressed in a network structure as an intermediate representation. Dependencies between concepts are
Semantic (role) between terms used in case grammar and their case elements
Case relations such as part-whole, superior-inferior, etc.
It consists of three types of conceptual relationships: semantic relationships, which are term relationships, and causal relationships, which are relationships between event contents. The relationship between two terms as described above was described by humans, but this required a great deal of research, time, and manpower. Therefore,
There has been a problem in that it is extremely difficult to modify something once it has been created. In addition, the created relationship itself is complex,
Because they were interrelated, it made the process of correction even more difficult.
目 的
本発明の目的は、このような従来の問題を解決し、概念
を複数の属性情報の集合として表現し、個々の２項間の
関係を、基本とする２項間の関係とで比較、演算し、そ
の結果からより一般的な関係を学習していく関係学習シ
ステムを提供することにある。Purpose The purpose of the present invention is to solve such conventional problems, express a concept as a set of multiple attribute information, and compare the relationship between each two terms with the basic relationship between the two terms. , and to provide a relationship learning system that calculates and learns more general relationships from the results.
構 成
本発明の関係学習システムは、上記目的を達成するため
に、物と物の２項間の基本的な関係が登録されている基
本関係辞書、該基本関係辞書内の基本関係と入力される
２項間の関係との各属性に対し、該属性値間の距離が示
されている相関表、入力された２項間関係と上記基本関
係間におけるそれらの持つ各属性値同志の距離を該相関
表に従い演算し、また、属性の異なりを検査し、それら
の結果に基づき基本関係を基本とした２項間関係を生成
する距離演算装置、該距離演算装置により生成された関
係とあらかじめ一般な関係として登録してある一般関係
辞書内の関係とのマツチングを取る関係マツチング装置
、該関係マツチング装置からのデータにより、上記二股
関係辞書に新たな関係を登録する。あるいは、既存の関
係を修正する関係生成装置とから構成されることに特徴
がある。Configuration In order to achieve the above object, the relationship learning system of the present invention includes a basic relationship dictionary in which basic relationships between two terms of objects are registered, and basic relationships inputted in the basic relationship dictionary. A correlation table that shows the distance between the attribute values for each attribute with the relationship between the two terms, and a table that shows the distance between the input two-term relationships and the respective attribute values between the above basic relationships. A distance calculation device that calculates according to a correlation table, inspects the differences in attributes, and generates a binary relationship based on the basic relationship based on the results, and a distance calculation device that calculates the relationship generated by the distance calculation device and a general A relational matching device performs matching with a relation in the general relational dictionary registered as a relation, and a new relation is registered in the bifurcated relational dictionary using data from the relational matching device. Alternatively, it is characterized in that it is comprised of a relationship generation device that modifies existing relationships.
以下１本発明の構成を、一実施例により詳細に説明する
。The configuration of the present invention will be explained in detail below using one embodiment.
（＋）第１実施例
第１図は、本発明の第１実施例を示す関係学習システム
の構成図である。(+) First Embodiment FIG. 1 is a block diagram of a relationship learning system showing a first embodiment of the present invention.
第１図において、１は距離演算装置であり、入カされた
２項間関係と基本関係辞書４に登録されている基本関係
間におけるそれらの持つ各属性情報同志の距離を相関表
５に従い演算し、また、属性の異なりを検査し、それら
の結果に基づき基本関係を基準とした２項間関係を生成
し、関係マツチング装置２に送る。２は関係マツチング
装置であり、距離演算装置ｌかも送られた関係を一般関
係辞書６に登録してある関係とマツチングを取り、既に
生成され、一般関係辞書６に登録されている関係に含ま
れるか、あるいは、含まれていないかを判定し、その結
果を関係生成装置３に送る。ここでいう判定には、■−
一般関係辞書６登録されているある関係に含まれる、■
−一般関係辞書６登録されているある関係に近い、■−
一般関係辞書６登録されていないという３つがある。上
記■の判定では、各属性がすべて一致し、その属性値が
持つ距離が一般関係辞書６に登録されている関係のそれ
らより小さい。結果として、関係生成装置３にはデータ
として何も送らない。上記■の判定では、各属性がすべ
て一致し、その属性値が持つ距離のいくつかが一般関係
辞書６に登録されている関係のそれらより大きいものが
ある。結果として、関係生成装置３に距離演算装置ｌよ
り送られてきた関係を含んでいる一般関係辞書６に登録
されている関係（一般関係辞書６へのポインタ情報）と
修正すべき属性とその距離を送る。In FIG. 1, reference numeral 1 denotes a distance calculation device, which calculates the distance between the entered two-term relations and the basic relations registered in the basic relation dictionary 4, according to the correlation table 5. It also checks for differences in attributes, and based on the results, generates a relationship between two terms based on the basic relationship, and sends it to the relationship matching device 2. Reference numeral 2 denotes a relation matching device, and the distance calculating device 1 also matches the sent relation with the relations registered in the general relation dictionary 6, and matches the relations already generated and included in the relations registered in the general relation dictionary 6. It is determined whether the relationship is included or not included, and the result is sent to the relationship generation device 3. The judgment here includes ■−
Included in a certain relationship registered in General Relationship Dictionary 6,■
- Close to a certain relationship registered in General Relationship Dictionary 6,■-
There are three reasons: General Relation Dictionary 6 is not registered. In the above determination (2), all the attributes match, and the distances of the attribute values are smaller than those of the relationships registered in the general relational dictionary 6. As a result, nothing is sent to the relationship generation device 3 as data. In the above determination (2), all the attributes match, and some of the distances of the attribute values are greater than those of the relationships registered in the general relational dictionary 6. As a result, the relationships registered in the general relational dictionary 6 (pointer information to the general relational dictionary 6) containing the relations sent from the distance calculation device l to the relation generation device 3, the attributes to be corrected, and their distances. send.
上記■の判定では、距離演算装置１より送られた関係の
持つ属性と一般関係辞書６に登録されている関係の持つ
属性が一致しない。すなわち、片方にあって、もう片方
にない属性がある。結果として、関係生成装置３に距離
演算装置１より送られてきた関係をそのまま送る。In the above determination (2), the attributes of the relationship sent from the distance calculation device 1 and the attributes of the relationship registered in the general relationship dictionary 6 do not match. That is, there are attributes that are present on one side but not on the other side. As a result, the relationship sent from the distance calculation device 1 is sent to the relationship generation device 3 as is.
３は関係生成装置であり、関係マツチング装置２より送
られてくるデータにより、以下のことを行う。（＋）関
係マツチング装置２より送られてくるのが、上記■の判
定の場合、関係生成装置３は何もしない。（２）関係マ
ツチング装置２より送られてくるのが上記■の判定の場
合、関係生成装置３は送られてきたポインタの指す関係
を修正すべき属性とその距離に従い、修正する。（３）
関係マツチング装置２より送られてくるのカモ上記■の
判定の場合、その関係を新しく一般関係辞書６に登録す
る。Reference numeral 3 denotes a relationship generation device, which performs the following based on data sent from the relationship matching device 2. (+) If the judgment sent from the relationship matching device 2 is the above-mentioned determination (2), the relationship generation device 3 does nothing. (2) If the judgment sent from the relationship matching device 2 is the above-described determination (2), the relationship generation device 3 modifies the relationship pointed to by the sent pointer according to the attribute to be modified and its distance. (3)
In the case of the above judgment (2), the relationship is newly registered in the general relationship dictionary 6.
４は基本関係辞書であり、２項間の基本的な関係が登録
されている。５は相関表であり、各属性に対し、その属
性の持つ属性値間の距離が示されている。この相関表５
は、各属性に対して−ずつあり、表中、交点の数字は距
離を示し、小さい方が関係が強いことを表す（後述第３
図参照）。4 is a basic relationship dictionary in which basic relationships between two terms are registered. 5 is a correlation table, which shows, for each attribute, the distance between the attribute values of that attribute. This correlation table 5
is - for each attribute, and in the table, the numbers at the intersection indicate the distance, and the smaller the number, the stronger the relationship (see Section 3 below)
(see figure).
６は一般関係辞書であり、入力された関係と基本関係辞
書４の基本関係とから生成された関係を登録する。この
辞書６には、最初は何も登録されていなく、２項間の関
係を学習していくごとに増加する。Reference numeral 6 denotes a general relationship dictionary in which relationships generated from input relationships and basic relationships in the basic relationship dictionary 4 are registered. At first, nothing is registered in this dictionary 6, and the number increases as the relationship between two terms is learned.
第２図は、第１図の基本関係辞書４の構成例を示す図で
ある。また、一般関係辞書６も同様な構成を取り、さら
に各関係にはポインタが付加されているものとする。FIG. 2 is a diagram showing an example of the configuration of the basic relationship dictionary 4 shown in FIG. 1. It is also assumed that the general relational dictionary 6 has a similar configuration, and that a pointer is added to each relation.
第２図において、２１は主概念と中心とする副概念との
関係を表す関係（エリア）、２２は包括的な概念を表す
主概念（Ｂ性情報）、主概念２２の部分的、または付属
的な概念を表す副概念（ａ性情報）である。詳しくは、
後述第４図で説明する。In FIG. 2, 21 is a relationship (area) that represents the relationship between the main concept and the central sub-concept, 22 is the main concept (B-sexual information) that represents a comprehensive concept, and is a partial or attached part of the main concept 22. It is a sub-concept (a-sexual information) that represents a concept. For more information,
This will be explained later with reference to FIG.
第３図は、第１図の相関表５の構成例を示す図である。FIG. 3 is a diagram showing a configuration example of the correlation table 5 in FIG. 1.
横軸は入力された２項間関係側を示し、縦軸は基本関係
側を示している。ここで、ａ、ｂ。The horizontal axis shows the input two-term relationship side, and the vertical axis shows the basic relationship side. Here, a, b.
Ｃ２・・・は副概念に対する属性値であり、整数値で表
している。C2... is an attribute value for a subconcept, and is expressed as an integer value.
第４図（ａ ）、（ｂ ）、（ｃ ）は第１実施例にお
ける２項間関係の入力例を示す図であり、第５図（ａ）
。FIGS. 4(a), (b), and (c) are diagrams showing input examples of inter-binary relationships in the first embodiment, and FIG. 5(a)
.
（ｂ ）、（Ｃ）は入力される２項間関係と基本関係辞
書４との演算に用いられる相関表である。この入力され
る２項関係は、基本関係辞書４と同様な構造となってい
る。したがって、関係２１と関係４１は対応しており、
主概念２２と主概念４２．副概念２３と副概念４３もそ
れぞれ対応している。(b) and (C) are correlation tables used in calculations between input binary relationships and the basic relationship dictionary 4. This input binary relationship has a structure similar to that of the basic relationship dictionary 4. Therefore, relation 21 and relation 41 correspond,
Main concept 22 and main concept 42. The sub-concepts 23 and 43 also correspond to each other.
ここで１図中、 ＡＡは主概念を中心とした副概念との
関係を表すものである。例えば、部分、上位、機能等が
それに相当する。ＡＩ、Ａ２．Ａ３は主概念および副概
念を構成する属性名である。例えば、個別概念、構文品
詞、意味素、シソーラス等がそれらに相当する。ａ ＋
ｂ ＋ Ｃ＋ ｄ ＋ ｅはＡｌ（例えば、個別概念
とすると）に対する属性値である。この属性値としては
、例えば、山、舟、富士山等が挙げられる。In Figure 1, AA represents the relationship between the main concept and the sub-concepts. For example, it corresponds to part, upper level, function, etc. AI, A2. A3 is an attribute name that constitutes a main concept and a subconcept. For example, individual concepts, syntactic parts of speech, semantics, thesaurus, etc. correspond to these. a+
b+C+d+e is an attribute value for Al (for example, if it is an individual concept). Examples of this attribute value include a mountain, a boat, and Mt. Fuji.
ｆ＋Ｌｈ＋’＋ＪはＡ２ （例えば、構文品詞とすると
）に対する属性値である。二の場合の例としては、固有
名詞、動詞等が挙げられる。ｋ、ｌ、ｍ、ｎ、ｏはＡ３
（例えば、意味素とすると）に対する属性値である。例
えば、生物、自然物１人間等が挙げられる。f+Lh+'+J is an attribute value for A2 (for example, if it is a syntactic part of speech). Examples of the second case include proper nouns, verbs, etc. k, l, m, n, o are A3
It is an attribute value for (for example, a semantic element). Examples include living things, natural objects, humans, and the like.
第６図は、第１実施例による関係学習処理のフローチャ
ートである。以下、第６図のフローチャートに従って第
１図の動作を説明する。FIG. 6 is a flowchart of the relationship learning process according to the first embodiment. The operation shown in FIG. 1 will be explained below according to the flowchart shown in FIG.
まず、キーボード等（図示せず）により２項間の関係入
力をする（ステップ６０１）。次に、距離演算装置１に
より相関表５を用いて基本関係辞書４に登録されている
基本関係と入力された２項間関係との比較、演算を行う
（ステップ６０２）。一般関係辞書６に関係生成装置３
により既に生成された関係が登録されている場合は、関
係マツチング装置２により既に生成された関係と入力さ
れた２項間関係との比較を行う（ステップ６０３）。さ
らに、関係マツチング装置２では、一般関係辞書６内の
既に生成された関係に含まれるかどうかを判定する（ス
テップ６０４）。この判定で含まれる場合は処理を終了
し、含まれない場合は関係の属性が異なるかどうかを判
定する（ステップ６０５）。First, a relationship between two terms is input using a keyboard or the like (not shown) (step 601). Next, the distance calculation device 1 uses the correlation table 5 to compare and calculate the basic relationship registered in the basic relationship dictionary 4 and the input two-term relationship (step 602). General relation dictionary 6 and relation generation device 3
If the relationship already generated by the relationship matching device 2 is registered, the relationship already generated by the relationship matching device 2 is compared with the input two-term relationship (step 603). Furthermore, the relationship matching device 2 determines whether the relationship is included in an already generated relationship in the general relationship dictionary 6 (step 604). If it is determined that the relationship is included, the process ends; if it is not included, it is determined whether the relationship attributes are different (step 605).
属性が異なる場合はその関係を登録しくステップ６０６
）、７ｍ性が同じ場合は既に生成された関係の属性情報
を修正する（ステップ６０７）。以上の処理を繰返して
２項間関係の学習を行う。If the attributes are different, register the relationship in step 606.
) and 7m characteristics are the same, the attribute information of the already generated relationship is modified (step 607). The above process is repeated to learn the relationship between two terms.
以下、具体的な例により２項間関係の学習処理について
説明する。第７図（ａ）〜（ｈ）に第４図に示す２項間
関係が入力された場合の関係学習の過程を示す。Hereinafter, the learning process of the relationship between two terms will be explained using a specific example. FIGS. 7(a) to (h) show the process of relationship learning when the inter-term relationship shown in FIG. 4 is input.
まず、一般関係辞書６に登浮されている既に生成された
関係に含まれる例について説明する。First, examples included in the already generated relationships listed in the general relationship dictionary 6 will be explained.
第４図（ａ）に示す２項間関係が入力されたとする。こ
れらは距離演算装置１に送られ、距離演算装置１では関
係をキーとして基本関係辞書４を検索する。検索とは関
係が一致した項目の各概念を表す属性名がすべて一致し
、その各属性値同志の距離の差が一番小さいものが選ば
れる。距離演算装置１で各相関表（第５図（ａ Ｌ（ｂ
）、（ｃ ）参照）を使用して各属性値間の距離の距
離を求めると、第７図（ａ）のようになる。ここで、基
率とされるのは、基本関係である。第７図（ａ）につい
て、基本関係辞書４に登録されている原型は第７図（ｂ
）のようなものである。距離演算装置１では第７図（ａ
）を関係マツチング装置２に送る。Assume that the inter-term relationship shown in FIG. 4(a) is input. These are sent to the distance calculation device 1, and the distance calculation device 1 searches the basic relationship dictionary 4 using the relationship as a key. In a search, all the attribute names representing each concept of items with matching relationships are matched, and the one with the smallest difference in distance between each attribute value is selected. The distance calculation device 1 calculates each correlation table (Fig. 5 (a L (b
), (c)) to calculate the distance between each attribute value, the result is as shown in FIG. 7(a). Here, the basis is the basic relationship. Regarding Fig. 7(a), the prototype registered in the basic relation dictionary 4 is Fig. 7(b).
). In the distance calculation device 1, as shown in FIG.
) is sent to the relational matching device 2.
関係マツチング装置２では第７図（ａ）を用いて一般関
係辞書６な検索する。検索方法は１項目の違いはあるが
、距離演算装置１と同じである。その結果、第７図（Ｃ
）のようなものが検索されたとする。The relational matching device 2 searches the general relational dictionary 6 using FIG. 7(a). The search method is the same as the distance calculation device 1, although there is one difference. As a result, Figure 7 (C
) is searched.
ここで、第７図（ａ）と第７図（Ｃ）を比較してみると
、各属性は一致していて、その各属性値の距離は第７図
（Ｃ）の距離に等しいか小さい。よって、第７図（ａ）
は第７図（Ｃ）に含まれている。関係マツチング装置２
は関係生成装置３に何もデータを送らない。処理の制御
は関係生成装ｇＬ３に移る。Now, when comparing Figure 7(a) and Figure 7(C), each attribute matches, and the distance between each attribute value is equal to or smaller than the distance in Figure 7(C). . Therefore, Fig. 7(a)
is included in FIG. 7(C). Relationship matching device 2
does not send any data to the relationship generation device 3. Control of the process is transferred to the relationship generation device gL3.
関係生成装置３は何もせず終了する。The relationship generation device 3 ends without doing anything.
次に、一般関係辞書６に既に生成された関係があったが
、関係の距離が大きい場合について説明する。Next, a case will be described in which there is already a generated relationship in the general relationship dictionary 6, but the distance between the relationships is large.
第４図（ｂ）に示す２項間関係が入力されたとする。こ
れらは距離演算装置１に送られ、距離演算装置１では関
係をキーとして基本関係辞書４を検索する。第４図（ｂ
）の場合、第７図（ｄ）に示すものが原型として検索さ
れたとする。距離演算装置 −１で各相関表（第５図
（ａ）、（ｂ）、（ｃ）参照）を使用して各属性の属性
値間の距離を求めると、第７図（ｅ）のようなものとな
る。距離演算装置１ては第７図（ｅ）を関係マツチング
装置２に送る。関係マツチング装置２では第７図（ｅ）
を用いて一般関係辞書６を検索する。その結果、第７図
（ｆ）に示すようなデータが検索されたとする。Assume that the inter-term relationship shown in FIG. 4(b) is input. These are sent to the distance calculation device 1, and the distance calculation device 1 searches the basic relationship dictionary 4 using the relationship as a key. Figure 4 (b
), it is assumed that the one shown in FIG. 7(d) is retrieved as a prototype. When calculating the distance between the attribute values of each attribute using each correlation table (see Figures 5 (a), (b), and (c)) with distance calculation device -1, the distance between the attribute values of each attribute is calculated as shown in Figure 7 (e). Become something. The distance calculation device 1 sends the data shown in FIG. 7(e) to the relationship matching device 2. In relational matching device 2, FIG. 7(e)
The general relation dictionary 6 is searched using . As a result, it is assumed that data as shown in FIG. 7(f) is retrieved.
ここで、第７図（ｅ）と第７図（ｆ）を比較してみると
、各属性は一致していて、その属性値の距離は主概念の
Ａ１を除いて（ｆ）の距離に等しいか／Ｊ’ｔさい。よ
って、（ｆ）の主概念Ａ１の属性値の距離のところを第
７図（ｇ）のように修正し、関係生成装置３に送る。こ
のとき、第７図（ｆ）の一般関係辞書６へのポインタも
いっしょに送る。関係生成装置３ではポインタの指す一
般関係辞書６のところへ第７図（ｇ）を登録し、終了す
る。Here, when comparing Figure 7(e) and Figure 7(f), each attribute matches, and the distance of the attribute value is the distance of (f) except for the main concept A1. Are they equal?/J't. Therefore, the distance of the attribute value of the main concept A1 in (f) is corrected as shown in FIG. 7(g) and sent to the relationship generation device 3. At this time, a pointer to the general relation dictionary 6 shown in FIG. 7(f) is also sent. The relationship generation device 3 registers the image shown in FIG. 7(g) in the general relationship dictionary 6 pointed to by the pointer, and ends the process.
次に、基本関係辞書４にも一般関係辞書６にも入力され
る２項間関係に対応する２項間関係が全くない場合の例
を説明する。Next, an example will be described in which there is no inter-term relationship corresponding to the inter-term relationship input into both the basic relational dictionary 4 and the general relational dictionary 6.
第４図（ｃ）に示す２項間関係が入力されたとする。こ
れらは距離演算装置１に送られ、距離演算装置１では関
係をキーとして基本関係辞書４を検索する。しかし、基
本関係辞書４には、適当な物（データ）が登録されてい
ないとする。そのときは。Assume that the inter-term relationship shown in FIG. 4(c) is input. These are sent to the distance calculation device 1, and the distance calculation device 1 searches the basic relationship dictionary 4 using the relationship as a key. However, it is assumed that the basic relational dictionary 4 does not contain any suitable items (data). That time.
第４図（ｃ）を第７図（ｈ）のように修正し、関係マツ
チング装置２に送る。さらに、一般関係辞書６にも適当
な物（データ）が登録されていないとする。4(c) is corrected as shown in FIG. 7(h) and sent to the relationship matching device 2. Furthermore, it is assumed that the general relational dictionary 6 also does not have any suitable items (data) registered therein.
よって、入力された２項間関係をそのまま関係生成装置
３に送る。この情報は、登録されていないので、ポイン
タは無い。関係生成装置３では新しく第７図（ｈ）を一
般関係辞書６に登録する。Therefore, the input two-term relationship is directly sent to the relationship generation device 3. Since this information has not been registered, there is no pointer. The relationship generation device 3 newly registers the data shown in FIG. 7(h) in the general relationship dictionary 6.
以上のような処理を行うことにより、基本的な２項間の
関係の定義と、入力される個々の関係からより一般的な
関係へと自動的に拡張できる。また、関係等の修正につ
いても自動的に行われるので、簡単になる。By performing the above processing, it is possible to automatically expand the definition of the relationship between two basic terms and the input individual relationships to more general relationships. Furthermore, since corrections to relationships and the like are automatically made, it becomes easier.
（［［）第２実施例
第８図は、本発明の第２実施例を示す関係学習システム
の構成図である。([[) Second Embodiment FIG. 8 is a configuration diagram of a relationship learning system showing a second embodiment of the present invention.
第８図において、１は距離演算装置、２は関係マツチン
グ装置、３は関係生成装置、４は基本関係辞書、５は相
関表、６は一般関係辞書、７は第２実施例の特徴的な例
外関係辞書である。ここで、関係生成装置３と例外関係
辞書７以外は、第１実施例と同様であるので、第１図の
説明を参照することとし、その関係生成装置３と例外関
係辞書７について説明する。In FIG. 8, 1 is a distance calculation device, 2 is a relationship matching device, 3 is a relationship generation device, 4 is a basic relationship dictionary, 5 is a correlation table, 6 is a general relationship dictionary, and 7 is a characteristic feature of the second embodiment. It is an exception relation dictionary. Here, since everything other than the relationship generation device 3 and the exception relationship dictionary 7 is the same as the first embodiment, the relationship generation device 3 and the exception relationship dictionary 7 will be explained with reference to the explanation of FIG. 1.
関係生成装置３は、まず、一般関係辞書６を検索し、適
当な物（データ）が検索できなかったときは、次に例外
関係辞書７を検索し、例外関係辞書７でも検索できなか
った場合、出現頻度をｒｌＪにして例外関係辞書７に登
録する。もし、例外関係辞書７で検索できたときは、検
索できた関係の出現頻度を見て、ある閾値より大きけれ
ば一般関係辞書６に登録し１例外関係辞書７からは削除
する。小さければ出現頻度に「１」を加える。その他の
動作は、第１実施例と同じである。例外関係辞書７は、
一般関係辞書６の項目に出！！；ｉｌＪ度の項が付加さ
れているものである。The relationship generating device 3 first searches the general relationship dictionary 6, and if no suitable thing (data) can be found, then it searches the exception relationship dictionary 7, and if the exception relationship dictionary 7 also cannot be searched. , the appearance frequency is set to rlJ and registered in the exception relation dictionary 7. If the search is successful in the exceptional relationship dictionary 7, the appearance frequency of the searched relationship is checked, and if it is greater than a certain threshold, it is registered in the general relationship dictionary 6 and deleted from the one exception relationship dictionary 7. If it is smaller, add "1" to the appearance frequency. Other operations are the same as in the first embodiment. The exception relation dictionary 7 is
It appears in the general relation dictionary 6! ! ; ilJ degree term is added.
第９図は、第２実施例における例外関係辞″ｉ：Ｉ７の
構成例を示す図である。これは、一般関係辞書６の項目
に出現頻度を追加したものである（第２図参照）。すな
わち、関係９１．主概念（属性情報）９２、副概念（属
性情報）９３に出現頻度９４を追加したものである。FIG. 9 is a diagram showing an example of the structure of the exception relation term "i:I7" in the second embodiment. This is an item in which the appearance frequency is added to the items of the general relation dictionary 6 (see FIG. 2). That is, the relationship 91, the main concept (attribute information) 92, the subconcept (attribute information) 93, and the appearance frequency 94 are added.
第１０図は、第２実施例による関係学習処理フローチャ
ートである。以下、第１０図のフローチャートに従って
第８図の動作を説明する。FIG. 10 is a flowchart of relationship learning processing according to the second embodiment. The operation shown in FIG. 8 will be explained below according to the flowchart shown in FIG.
まず、キーボード等（図示せず）により２項間の関係を
入力する（ステップｔｏｏｌ）。次に、距離演算装置１
により相関表５を用いて基本関係辞書４に登録されてい
る基本関係と入力された２項間関係との比較、演算を行
う（ステップ１００２）。First, a relationship between two terms is input using a keyboard or the like (not shown) (step tool). Next, distance calculation device 1
By using the correlation table 5, the basic relationships registered in the basic relationship dictionary 4 and the input two-term relationship are compared and calculated (step 1002).
関係マツチング装置２により既に生成された一般関係（
一般関係辞１ｉ６に登録されている）と入力された２項
間関係との比較を行うくステップ１ｏＯ３）。また、関
係マツチング装置２では、その一般関係に含まれるかど
うかを判定する（ステップ１００４）。含まれる場合は
、そこで、処理を終了する。The general relation already generated by the relation matching device 2 (
(registered in the general relational term 1i6) and the input two-term relation (step 1oO3). Furthermore, the relationship matching device 2 determines whether or not it is included in the general relationship (step 1004). If it is included, the process ends there.
含まれない場合は、例外関係辞書７の例外関係との比較
を行う（ステップ１００５）。含まれない場合は、さら
に属性が異なるかどうかを関係生成装置３により調べる
（ステップ１００７）。属性が異なる場合は、例外関係
辞書７へ登録し、出現カウントを「１」にする。また、
属性が同じ場合は、関係生成装置３では例外関係を修正
し、出現カウントに［１」を加える。ステップ１００６
で入力された２項間関係が例外関係辞書７の例外関係に
含まれる場合は、例外関係の出現カウントに「１」を加
える（ステップ１０１０）。次に出現カウントと閾値Ｎ
の大小関係を比較する（ステップ１０１１）。閾値Ｎよ
り出現カウントが小さいときは、処理を終了する。閾値
Ｎより出現カウントが大きいときは、一般関係として、
一般関係辞書６に例外関係を登録しくステップ１０１２
）、処理を終了する。If not included, a comparison is made with the exception relations in the exception relations dictionary 7 (step 1005). If not included, the relationship generation device 3 further checks whether the attributes are different (step 1007). If the attributes are different, they are registered in the exception relationship dictionary 7 and the appearance count is set to "1". Also,
If the attributes are the same, the relationship generation device 3 modifies the exceptional relationship and adds [1] to the appearance count. Step 1006
If the two-term relationship input in step 1010 is included in the exceptional relationships in the exception relationship dictionary 7, "1" is added to the exception relationship appearance count (step 1010). Next, the appearance count and threshold N
The magnitude relationship between the two is compared (step 1011). When the appearance count is smaller than the threshold value N, the process ends. When the appearance count is greater than the threshold N, as a general relation,
Step 1012: Register the exceptional relationship in the general relationship dictionary 6.
), the process ends.
このように、第２実施例においては、例外関係辞書７と
いうものを設けて、ある程度出現頻度の小さい関係は例
外関係として、一般関係とは分離させておき、ある閾値
を越えたときには例外関係から一般関係へと移行させる
。これにより、より明確な一般関係を抽出でき、雑音が
減少されることになる。In this way, in the second embodiment, an exception relationship dictionary 7 is provided, and relationships that appear with a certain low frequency are treated as exceptional relationships and separated from general relationships, and when a certain threshold is exceeded, the exception relationship is changed. Shift to general relationships. This allows for a clearer general relationship to be extracted and noise to be reduced.
第１１図は、相関表５の他の構成例を示す図である。こ
れは、第３図の相関表に「＊」（全く関係なし）という
属性値が付加されたものである。FIG. 11 is a diagram showing another example of the structure of the correlation table 5. This is the correlation table shown in FIG. 3 with an attribute value of "*" (completely unrelated) added.
その他のものは、第３図と同様であるので、詳しくは第
３図を参照されたい。Other details are the same as in FIG. 3, so please refer to FIG. 3 for details.
第２実施例において、上記第１１図のような相関表を用
いて関係学習を行う場合、距離演算装置１の機能に、属
性値の距離に「木」があれば、他の属性値の距離がどん
なに近くても、結果的には関係なしとする機能を追加す
る。追加された距離演算装置１において、入力された関
係と基本関係辞書４の基本関係とをマツチングを取ると
き一つでも属性値間の距離に「＊」があれば、他の属性
値の距離がどんなに近くても、結果的には関係なしとす
る。これにより、要求に応じた詳細な関係（特例的な）
記述が行えるようになる。In the second embodiment, when performing relational learning using a correlation table as shown in FIG. Add a function that makes it irrelevant in the end, no matter how close they are. In the added distance calculation device 1, when matching the input relationship with the basic relationship in the basic relationship dictionary 4, if there is a "*" in the distance between at least one attribute value, the distance between other attribute values is No matter how close they are, in the end it doesn't matter. This allows detailed relationships (special cases) upon request.
Be able to write.
効 果
以上説明したように１本発明によれば、概念を複数の属
性値の組で表すことにより、２項間の関係をより詳細に
記述することができ、関係の違いもより明確にすること
ができる。また、オペレータは、基本的な関係だけを記
述するだけで、後は多くの２項間の例を入力すれば、自
動的に一般関係を作成することができる。Effects As explained above, according to the present invention, by representing a concept as a set of multiple attribute values, the relationship between two terms can be described in more detail, and the differences in relationships can also be made clearer. be able to. Further, the operator can automatically create a general relationship by simply describing the basic relationship and inputting many examples between two terms.
第１図は本発明の第１実施例を示す関係学習システムの
構成図、第２図は第１図の基本関係辞書の概略構成図、
第３図は第１図の相関表を示す図、第４図は第１実施例
における２項間関係の入力例を示す図、第５図は第１実
施例で使用される相関表の構成例を示す図、第６図は第
１実施例による関係学習処理のフローチャート、第７図
は第１実施例による関係学習処理の説明図、第８図は本
発明の第２実施例を示す関係学習システムの構成図、第
９図は第８図の例外関係辞書の構成例を示す図、第１０
図は第２実施例による関係学習処理のフローチャート、
第１１図は第３図の相関表の他の構成例を示す図である
。
１、距離演算装置、２・関係マツチング装置、３・関係
生成装置、４：基本関係辞書、５：相関表、６：一般関
係辞書、７・例外関係辞書。
第 １ 図
第 ２ 図
第 ３ 図
入力された２項間関係側
第 ４ 図
第 ５ 図
第 ６ 図
第 ７ 図
第８図
第９図
第 １０ 図FIG. 1 is a configuration diagram of a relationship learning system showing a first embodiment of the present invention, FIG. 2 is a schematic configuration diagram of the basic relationship dictionary shown in FIG. 1,
FIG. 3 is a diagram showing the correlation table of FIG. 1, FIG. 4 is a diagram showing an input example of the inter-binary relationship in the first embodiment, and FIG. 5 is the structure of the correlation table used in the first embodiment. FIG. 6 is a flowchart of the relationship learning process according to the first embodiment, FIG. 7 is an explanatory diagram of the relationship learning process according to the first embodiment, and FIG. 8 is a relationship showing the second embodiment of the present invention. A configuration diagram of the learning system, FIG. 9 is a diagram showing an example of the configuration of the exception relationship dictionary in FIG. 8, and FIG.
The figure is a flowchart of relationship learning processing according to the second embodiment,
FIG. 11 is a diagram showing another example of the structure of the correlation table shown in FIG. 3. 1. Distance calculation device, 2. Relationship matching device, 3. Relationship generation device, 4. Basic relationship dictionary, 5. Correlation table, 6. General relationship dictionary, 7. Exception relationship dictionary. Figure 1 Figure 2 Figure 3 Input two-term relation side Figure 4 Figure 5 Figure 6 Figure 7 Figure 8 Figure 9 Figure 10
Claims (7)
基本関係辞書、該基本関係辞書内の基本関係と入力され
る２項間の関係との各属性に対し、該属性値間の距離が
示されている相関表、入力された２項間関係と上記基本
関係間におけるそれらの持つ各属性値同志の距離を該相
関表に従い演算し、また、属性の異なりを検査し、それ
らの結果に基づき基本関係を基準とした２項間関係を生
成する距離演算装置、該距離演算装置により生成された
関係とあらかじめ一般な関係として登録してある一般関
係辞書内の関係とのマッチングを取る関係マッチング装
置、該関係マッチング装置からのデータにより、上記一
般関係辞書に新たな関係を登録する、あるいは、既存の
関係を修正する関係生成装置とから構成されることを特
徴とする関係学習システム。(1) A basic relationship dictionary in which the basic relationship between two items of objects is registered, and for each attribute of the basic relationship in the basic relationship dictionary and the relationship between the input two terms, the attribute Calculates the distance between each attribute value between the input binary relationship and the above basic relationship according to the correlation table showing the distance between values, and also inspects for differences in attributes. , a distance calculation device that generates a binary relationship based on the basic relationship based on those results, and a distance calculation device that generates a relationship between two terms based on the basic relationship, and a relationship between the relationship generated by the distance calculation device and a relationship in a general relationship dictionary that is registered in advance as a general relationship. A relationship matching device that performs matching, and a relationship generation device that registers a new relationship in the general relationship dictionary or modifies an existing relationship using data from the relationship matching device. learning system.
基本関係辞書、該基本関係辞書内の基本関係と入力され
る２項間の関係との各属性に対し、該属性値間の距離が
示されている相関表、入力された２項間関係と上記基本
関係間におけるそれらの持つ各属性値同志の距離を該相
関表に従い演算し、また、属性の異なりを検査し、それ
らの結果に基づき基本関係を基準とした２項間関係を生
成する距離演算装置、該距離演算装置により生成された
関係とあらかじめ一般な関係として登録してある一般関
係辞書内の関係とのマッチングを取る関係マッチング装
置、該関係マッチング装置からのデータにより、上記一
般関係辞書に新たな関係を登録する、あるいは、既存の
関係を修正する関係生成装置、上記一般関係辞書に関係
の出現頻度が付加されている例外関係辞書とから構成さ
れることを特徴とする関係学習システム。(2) A basic relationship dictionary in which the basic relationship between two items of objects is registered, and for each attribute of the basic relationship in the basic relationship dictionary and the relationship between the input two terms, the attribute Calculates the distance between each attribute value between the input binary relationship and the above basic relationship according to the correlation table showing the distance between values, and also inspects for differences in attributes. , a distance calculation device that generates a binary relationship based on the basic relationship based on those results, and a distance calculation device that generates a relationship between two terms based on the basic relationship, and a relationship between the relationship generated by the distance calculation device and a relationship in a general relationship dictionary that is registered in advance as a general relationship. A relationship matching device that performs matching, a relationship generation device that registers new relationships in the general relationship dictionary or modifies existing relationships based on data from the relationship matching device, and a relationship generation device that registers the appearance frequency of relationships in the general relationship dictionary. A relational learning system comprising an additional exception relational dictionary.
ら送られてきた関係を一般関係辞書に登録してある関係
とマッチングを取り、既に生成され、一般関係辞書に登
録されている関係に含まれるか、あるいは、含まれてい
ないかを判定することを特徴とする特許請求の範囲第１
項または第２項記載の関係学習システム。(3) The relationship matching device matches the relationship sent from the distance calculation device with the relationships registered in the general relationship dictionary, and matches the relationship sent from the distance calculation device with the relationships already generated and registered in the general relationship dictionary. Claim 1 characterized in that it is determined whether the content is included or not included.
2. The relational learning system according to item 1 or 2.
なく、入力された関係と基本関係辞書の基本関係とから
生成された関係を登録することを特徴とする特許請求の
範囲第１項または第２項記載の関係学習システム。(4) The first aspect of the present invention is characterized in that nothing is registered in the general relationship dictionary at first, but a relationship generated from the input relationship and the basic relationship in the basic relationship dictionary is registered. 2. The relational learning system according to item 1 or 2.
辞書に登録するか、例外関係辞書に登録するかを判定す
る機能を有し、上記関係マッチング装置からのデータよ
り、一般関係辞書に新たな関係を登録する、あるいは、
既存の関係を修正することを特徴とする特許請求の範囲
第２項記載の関係学習システム。(5) The relationship generation device has a function of determining whether to register in the general relationship dictionary or the exception relationship dictionary based on the frequency of appearance, and uses the data from the relationship matching device to add new information to the general relationship dictionary. register a relationship, or
3. The relationship learning system according to claim 2, wherein an existing relationship is modified.
がないことを示す記号を付加し、各属性に対し、その属
性の持つ属性値間の距離が示されていることを特徴とす
る特許請求の範囲第１項または第２項記載の関係学習シ
ステム。(6) The above correlation table is characterized in that a symbol is added to the distance between the above attribute values to indicate that there is no relationship at all, and for each attribute, the distance between the attribute values of that attribute is shown. A relationship learning system according to claim 1 or 2.
あるときには、他の属性値の距離がどんなに近くても、
結果的には関係なしとすることを特徴とする特許請求の
範囲第１項または第２項記載の関係学習システム。(7) When the distance of an attribute value has the above symbol, the distance calculation device calculates
3. A relationship learning system according to claim 1 or 2, characterized in that there is no relationship as a result.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61131006A JPH0682374B2 (en) | 1986-06-05 | 1986-06-05 | Relationship learning system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61131006A JPH0682374B2 (en) | 1986-06-05 | 1986-06-05 | Relationship learning system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS62286173A true JPS62286173A (en) | 1987-12-12 |
| JPH0682374B2 JPH0682374B2 (en) | 1994-10-19 |
Family
ID=15047758
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61131006A Expired - Lifetime JPH0682374B2 (en) | 1986-06-05 | 1986-06-05 | Relationship learning system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0682374B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5323310A (en) * | 1991-02-14 | 1994-06-21 | The British And Foreign Bible Society | Analyzing textual documents |
-
1986
- 1986-06-05 JP JP61131006A patent/JPH0682374B2/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5323310A (en) * | 1991-02-14 | 1994-06-21 | The British And Foreign Bible Society | Analyzing textual documents |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0682374B2 (en) | 1994-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPWO2009017158A1 (en) | Conversion program search system and conversion program search method | |
| GB2513537A (en) | Natural language processing | |
| US5943643A (en) | Language processing method and apparatus | |
| Yonai et al. | Mercem: Method name recommendation based on call graph embedding | |
| US20040205035A1 (en) | Method and system for adaptive learning and pattern recognition | |
| Garanina et al. | Context-dependent Lexical and Syntactic Disambiguation in Ontology Population. | |
| JPS62286173A (en) | Relation learning system | |
| JP3123836B2 (en) | Text type database device | |
| Bai et al. | Accurate abstractions for controller synthesis with non-uniform disturbances | |
| Jabri et al. | A graph-based approach for text query expansion using pseudo relevance feedback and association rules mining | |
| Sakai et al. | An algorithm for checking dependencies of attributes in a table with non-deterministic information: A rough sets based approach | |
| JPH07110818A (en) | Data base system | |
| RU2818494C1 (en) | Information search system and method | |
| JP7012811B1 (en) | Search device, search method, and program | |
| US20220343121A1 (en) | Application of local interpretable model-agnostic explanations on decision services | |
| JPH07146785A (en) | Method for automatically generating program and device therefor | |
| US20220067555A1 (en) | Creation Assisting Device, Creation Assisting Method, And Recording Medium | |
| Klarlund | An n log n algorithm for online BDD refinement | |
| JP2005352861A (en) | Electronic data processing method, apparatus and program | |
| Cuteri et al. | Querying Cultural Heritage Knowledge Bases in Natural Language: Discussion Paper. | |
| Walton | Vertical Meaning: Interpersonal Data in Quantum Circuits via Japanese Honorifics | |
| Crouch et al. | An approach to the functional description of an information retrieval system based on a generalized model | |
| JPH06195384A (en) | Data base retrieval system | |
| JPH02143331A (en) | Natural language interaction device | |
| He et al. | Resolving references to graphical objects in multimodal queries by constraint satisfaction |