JPWO2020037217A5

JPWO2020037217A5 -

Info

Publication number: JPWO2020037217A5
Application number: JP2021507744A
Authority: JP
Publication date: 2022-08-16
Anticipated expiration: 2039-08-16

Claims

アプリケーションのためにカスタマイズされたナレッジグラフを生成するための、コンピュータにより実現される方法であって、前記コンピュータにより実現される方法は、
前記アプリケーションのためのユーザデータセットを受信するステップと、
前記ユーザデータセットからエンティティを抽出するステップと、
前記ユーザデータセットに基づいて前記エンティティ間のリンクを特定するステップと、
前記エンティティと前記エンティティ間の前記リンクとを表すシードグラフを作成するステップと、
前記シードグラフ内の弱く接続されているコンポーネントを特定するステップと、
前記シードグラフ内の弱く接続されている各コンポーネントについて、
前記弱く接続されているコンポーネントにおけるエンティティを参照ナレッジグラフにおける頂点にマッピングするステップと、
有限状態機械に基づいて、前記参照ナレッジグラフにおける前記マッピングされた頂点から、前記参照ナレッジグラフをトラバースすることにより、前記参照ナレッジグラフにおける、最大で第１しきい値数までのエンティティを特定するステップと、
前記特定したエンティティのリソース記述フレームワーク（ＲＤＦ）を、エントリとしてバッファに保存するステップと、
前記バッファ内の前記エントリのプライオリティスコアを計算するステップと、
前記バッファ内の前記エントリから、最高プライオリティスコアを有する第１組のエントリを選択するステップと、
前記第１組のエントリによって特定されたエンティティおよびリンクを、前記シードグラフに追加することにより、前記カスタマイズされたナレッジグラフの、あるバージョンを生成するステップとを含む、コンピュータにより実現される方法。
前記ユーザデータセットは複数のユーザ発話を含む、請求項１に記載のコンピュータにより実現される方法。
前記エンティティを抽出するステップおよび前記エンティティ間のリンクを特定するステップは、前記ユーザデータセットに対し、
品詞タグ付け、
固有表現認識、または
句構造解析
のうちの少なくとも１つを実行することを含む、請求項１または２に記載のコンピュータにより実現される方法。
前記弱く接続されているコンポーネントにおけるエンティティを参照ナレッジグラフにおける頂点にマッピングするステップは、Ｄｅｘｔｅｒ２を用いて前記エンティティを前記参照ナレッジグラフにおける頂点にマッピングすることを含む、請求項１～３のいずれかに記載のコンピュータにより実現される方法。
前記有限状態機械は、曖昧性除去状態、エンティティ状態、禁止状態、および終了状態を含み、
前記参照ナレッジグラフをトラバースするステップは、
前記参照ナレッジグラフにおける次の頂点が曖昧性除去頂点であるときに、前記曖昧性除去状態に入ることと、
前記参照ナレッジグラフにおける前記次の頂点が禁止頂点であるときに、前記有限状態機械の現在の状態が前記禁止状態でなければ、前記禁止状態に入ることと、
前記参照ナレッジグラフにおける前記次の頂点がエンティティ頂点であるときに、
前記エンティティ状態に入り、
前記参照ナレッジグラフにおける前記次の頂点のＲＤＦをエントリとして前記バッファに保存することと、
前記バッファにおけるエントリの数が第２のしきい値数よりも大きいときに、前記終了状態に入ることとを含む、請求項１～４のいずれかに記載のコンピュータにより実現される方法。
前記禁止頂点は、日付、時間の値、別の参照ナレッジグラフへのリンク、ウェブページ、または、複製されたもしくはリダイレクトされたエンティティを含む、請求項５に記載のコンピュータにより実現される方法。
前記バッファ内のエントリのプライオリティスコアは、
前記シードグラフと前記エントリに対応付けられたエンティティとを含むナレッジグラフ内の、弱く接続されているコンポーネントの数、
前記シードグラフと前記エントリに対応付けられたエンティティとを含む前記ナレッジグラフのグラフ密度、および
制御パラメータ
の関数である、プライオリティ関数を用いて求められる、請求項１～６のいずれかに記載のコンピュータにより実現される方法。
前記第１組のエントリにおいて特定された前記エンティティおよびリンクを前記シードグラフに追加した後に、前記制御パラメータを更新するステップをさらに含む、請求項７に記載のコンピュータにより実現される方法。
前記制御パラメータを更新するステップは、前記制御パラメータを１未満の値で乗算することを含む、請求項８に記載のコンピュータにより実現される方法。
前記カスタマイズされたナレッジグラフの前記バージョンにおいて弱く接続されている各コンポーネントについて、
前記弱く接続されているコンポーネントにおけるエンティティを前記参照ナレッジグラフにおける頂点にマッピングし、
前記有限状態機械に基づいて、前記参照ナレッジグラフにおける前記マッピングされた頂点から、前記参照ナレッジグラフをトラバースすることにより、前記参照ナレッジグラフにおける、最大で前記第１しきい値数までのエンティティを特定し、
前記特定したエンティティのＲＤＦを、エントリとして前記バッファに保存する、ステップと、
前記プライオリティ関数と前記更新した制御パラメータとを用いて、前記バッファ内の前記エントリのプライオリティスコアを計算するステップと、
前記バッファ内の前記エントリから、最高プライオリティスコアを有する第２組のエントリを選択するステップと、
前記第２組のエントリによって特定されたエンティティおよびリンクを、前記シードグラフに追加することにより、更新されたカスタマイズされたナレッジグラフを生成するステップとをさらに含む、請求項８に記載のコンピュータにより実現される方法。
前記バッファ内の前記エントリのプライオリティスコアを計算するステップの前に、前記バッファ内の前記エントリに対してリザーバサンプリングを実行することにより、前記バッファ内の前記エントリの数を減じるステップをさらに含む、請求項１～１０のいずれかに記載のコンピュータにより実現される方法。
入力発話を受信するステップと、
前記入力発話からエンティティを抽出するステップと、
前記カスタマイズされたナレッジグラフに基づいて、前記抽出したエンティティのナレッジグラフ埋め込みを生成するステップと、
前記抽出したエンティティの前記ナレッジグラフ埋め込みに基づいて、前記入力発話を分類するステップとをさらに含む、請求項１～１１のいずれかに記載のコンピュータにより実現される方法。
前記ナレッジグラフ埋め込みを生成するステップは、ＴｒａｎｓＥまたはＴｒａｎｓＥを拡張したものを用いて前記ナレッジグラフ埋め込みを生成することを含む、請求項１２に記載のコンピュータにより実現される方法。
前記ナレッジグラフ埋め込みを生成するステップは、ＴｒａｎｓＥおよび重み付きスコアリング関数を用いて前記ナレッジグラフ埋め込みを生成することを含む、請求項１２に記載のコンピュータにより実現される方法。
前記ナレッジグラフ埋め込みを生成するステップは、
前記参照ナレッジグラフを用いて、前記入力発話から抽出した前記エンティティの前記ナレッジグラフ埋め込みを事前訓練することと、
前記カスタマイズされたナレッジグラフと、前記事前訓練したナレッジグラフ埋め込みとを用いて、前記入力発話から抽出した前記エンティティの前記ナレッジグラフ埋め込みを再訓練することとを含む、請求項１２に記載のコンピュータにより実現される方法。
前記抽出したエンティティの前記ナレッジグラフ埋め込みに基づいて前記入力発話を分類するステップは、
前記抽出したエンティティの前記ナレッジグラフ埋め込みの平均ナレッジグラフ埋め込みを求めることと、
前記入力発話における単語のＧｌｏＶｅベクトルの平均ＧｌｏＶｅベクトルを求めることと、
前記平均ナレッジグラフ埋め込みと前記平均ＧｌｏＶｅベクトルとに基づいて前記入力発話を分類することとを含む、請求項１２に記載のコンピュータにより実現される方法。
前記平均ナレッジグラフ埋め込みと前記平均ＧｌｏＶｅベクトルとに基づいて前記入力発話を分類することは、
前記平均ナレッジグラフ埋め込みと前記平均ＧｌｏＶｅベクトルとを組み合わせることにより、連結されたベクトルを生成することと、
前記連結されたベクトルに対して主成分分析を実行することと、
前記主成分分析に基づいて前記入力発話を分類することとを含む、請求項１６に記載のコンピュータにより実現される方法。
前記入力発話における単語のＧｌｏＶｅベクトルの平均ＧｌｏＶｅベクトルを求めることは、
前記入力発話をクリーニングすることと、
前記クリーニングした入力発話における各単語のＧｌｏＶｅベクトルを生成することと、
前記クリーニングした入力発話における各単語の前記ＧｌｏＶｅベクトルを平均することとを含む、請求項１６に記載のコンピュータにより実現される方法。
請求項１～１８のいずれかに記載の方法を、１つ以上のプロセッサに実行させるためのプログラム。
１つ以上のプロセッサと、
請求項１～１８のいずれかに記載の方法を、前記１つ以上のプロセッサに実行させるためのプログラムを格納したメモリとを備える、システム。