JPWO2020145892A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2020145892A5 JPWO2020145892A5 JP2021531877A JP2021531877A JPWO2020145892A5 JP WO2020145892 A5 JPWO2020145892 A5 JP WO2020145892A5 JP 2021531877 A JP2021531877 A JP 2021531877A JP 2021531877 A JP2021531877 A JP 2021531877A JP WO2020145892 A5 JPWO2020145892 A5 JP WO2020145892A5
- Authority
- JP
- Japan
- Prior art keywords
- statement
- processor
- local intent
- entity
- entities
- 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
- 238000000034 method Methods 0.000 claims 87
- 208000014392 Cat-eye syndrome Diseases 0.000 claims 30
- 238000010561 standard procedure Methods 0.000 claims 11
- 238000005516 engineering process Methods 0.000 claims 7
- 230000008569 process Effects 0.000 claims 5
- 230000004044 response Effects 0.000 claims 5
- 230000006399 behavior Effects 0.000 claims 3
- 230000006870 function Effects 0.000 claims 3
- 238000010801 machine learning Methods 0.000 claims 3
- 230000001131 transforming effect Effects 0.000 claims 3
- 238000004458 analytical method Methods 0.000 claims 2
- 238000013459 approach Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 claims 2
- 230000001815 facial effect Effects 0.000 claims 2
- 230000002452 interceptive effect Effects 0.000 claims 2
- 238000005259 measurement Methods 0.000 claims 2
- 238000005457 optimization Methods 0.000 claims 2
- 230000037361 pathway Effects 0.000 claims 2
- 238000012545 processing Methods 0.000 claims 2
- 230000002207 retinal effect Effects 0.000 claims 2
- 238000013107 unsupervised machine learning method Methods 0.000 claims 2
- 238000013473 artificial intelligence Methods 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 claims 1
- 230000008859 change Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 claims 1
- 238000003066 decision tree Methods 0.000 claims 1
- 230000004069 differentiation Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 claims 1
- 238000012417 linear regression Methods 0.000 claims 1
- 238000007477 logistic regression Methods 0.000 claims 1
- 238000013507 mapping Methods 0.000 claims 1
- 238000005065 mining Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 claims 1
- 230000004048 modification Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000012706 support-vector machine Methods 0.000 claims 1
Claims (65)
- ユーザにより理解され、入力される自然言語を使用してコンピュータ実施ソリューションを構築する方法であって、
ユーザから計算デバイスのプロセッサにより、前記自然言語を使用して構築される前記ソリューションを示すグローバル意図言明を受信することであって、前記グローバル意図言明は、前記自然言語の形態で受信され、潜在状態に設定される、ことと、
前記ユーザから前記プロセッサにより、前記グローバル意図言明に関連付けられた1つ又は複数のローカル意図言明並びに各ローカル意図言明に関連付けられたN個の実体及び1つのエージェントの詳細を受信することであって、各ローカル意図言明並びに各実体及び前記エージェントの前記詳細は、前記自然言語の形態で受信され、それぞれ潜在状態に設定され、各ローカル意図言明は、前記ソリューションを実行するための要件を履行するサブステップを示す文章であり、各実体は、名詞句を含み、且つ対応する前記ローカル意図言明により示される前記サブステップの前記要件の履行に参加し、前記エージェントは、人間エージェント及び機械エージェントの少なくとも一方である、ことと、
実体毎に、前記ユーザから前記プロセッサにより前記自然言語の形態で、前記実体のそれぞれの特性を定義し、且つ前記対応するローカル意図言明の他の実体から前記実体のそれぞれを差別化する、潜在状態に設定された1つ又は複数の属性を受信することであって、各属性は、形容詞句及び副詞句の少なくとも1つを含み、
前記エージェントは、少なくとも、各属性、各実体、各ローカル意図言明及び前記グローバル意図言明の前記潜在状態を現実状態に変える、ことと、
前記プロセッサにより、ローカル意図言明毎に1組の実体-状態組合せ(CES)を形成することであって、前記1組のCESは、前記ローカル意図言明それぞれの前記N個の実体の2N個の可能な組み合わせを含み、前記それぞれのローカル意図言明の全て(N個)の実体に基づいて形成されるCESは、トリガー実体状態組合せ(トリガーCES)であり、前記1組中の各CESは、潜在状態に設定され、且つ関連付けられた前記実体を現実状態に変えることに応答して現実状態に変わる、ことと、
前記グローバル意図言明に関連付けられた、受信したローカル意図言明が1つのみであるとの判断に応答して、前記受信したローカル意図言明の前記トリガーCESを前記ソリューションの構築の終了として識別することと、
前記グローバル意図言明に関連付けられた、受信したローカル意図言明が2つ以上であるとの判断に応答して、前記ユーザから前記プロセッサにより前記自然言語の形態で、前記ローカル意図言明間の予め定義されたルール、制約及び公式のうちの1つ又は複数に基づく複数の別個の関係を受信することであって、別個の各関係は、前記ソリューションを実行するための前記要件を履行する別個の経路であり、前記関係は、あるローカル意図言明のトリガーCESが、別のローカル意図言明の前記1組のCESに影響しているか、それとも前記ソリューションの構築の終了であるかを示す、ことと、
を含み、
前記潜在状態は、空のバイナリ状態であり、前記現実状態は、空ではないバイナリ状態であり、
前記自然言語の形態の情報は、手書きベースインターフェース、タッチセンシティブインターフェース、音声ベースインターフェース、又はそれらの組合せを通して受信される、方法。 - 各ローカル意図言明の実体毎に、
前記関連するエージェントから前記プロセッサにより前記自然言語の形態で、前記実体のそれぞれに対する値を受信することであって、前記実体のそれぞれに対する値を受信することは、前記受信される値に基づいて、前記実体のそれぞれについての前記潜在状態を現実状態に変えるイベントの記録であり、各ローカル意図言明に関連する全ての実体に対する値を受信することは、前記ローカル意図言明のそれぞれについての前記潜在状態を現実状態に変えるイベントの記録であり、全てのローカル意図言明に関連する全ての実体に対する値を受信することは、前記グローバル意図言明についての前記潜在状態を現実状態に変えるイベントの記録である、こと
を更に含む、請求項1に記載の方法。 - 各ローカル意図言明の属性毎に、
前記関連するエージェントから前記プロセッサにより前記自然言語の形態で、前記属性のそれぞれに対する値を受信することであって、前記属性のそれぞれに対する値を受信することは、前記受信される値に基づいて、前記属性のそれぞれについての前記潜在状態を現実状態に変えるイベントの記録である、こと
を更に含む、請求項1に記載の方法。 - 各実体の属性について、
前記関連するエージェントから前記プロセッサにより前記自然言語の形態で、前記属性のそれぞれに対する値を受信することであって、前記属性のそれぞれに対する値を受信することは、前記受信される値に基づいて、前記属性のそれぞれについての前記潜在状態を現実状態に変えるイベントの記録である、こと
を更に含む、請求項1に記載の方法。 - 前記プロセッサにより、ログイン詳細、バイオメトリック詳細、顔認識技法、及び網膜検出技法の1つに基づいて前記関連するエージェントを認証することを更に含む、請求項2に記載の方法。
- 前記機械エージェントは、有線通信チャネル又は無線通信チャネルを介して前記計算デバイスに通信可能に結合される、請求項1に記載の方法。
- 前記機械エージェントは、前記計算デバイスの機能モジュールであり、前記プロセッサに結合される、請求項1に記載の方法。
- 前記グローバル意図言明に関連するローカル意図言明は、
別のコンピュータ実施ソリューションを借りるための前記別のコンピュータ実施ソリューションのローカル意図言明、又は
別のコンピュータ実施ソリューションを借りるための前記別のコンピュータ実施ソリューションのグローバル意図言明
である、請求項1に記載の方法。 - 前記グローバル意図言明のローカル意図言明に関連する実体は、
別のコンピュータ実施ソリューションを借りるための前記別のコンピュータ実施ソリューションのローカル意図言明、又は
別のコンピュータ実施ソリューションを借りるための前記別のコンピュータ実施ソリューションの実体
である、請求項1に記載の方法。 - 前記ローカル意図言明のそれぞれの特性を定義する属性は、
別のコンピュータ実施ソリューションを借りるための前記別のコンピュータ実施ソリューションの実体、又は
別のコンピュータ実施ソリューションを借りるための前記別のコンピュータ実施ソリューションの属性
である、請求項1に記載の方法。 - 前記実体のそれぞれの前記特性を定義する属性は、
別のコンピュータ実施ソリューションを借りるための前記別のコンピュータ実施ソリューションの実体、又は
別のコンピュータ実施ソリューションを借りるための前記別のコンピュータ実施ソリューションの属性
である、請求項1に記載の方法。 - 前記ソリューションは、
ローカル意図言明を2つ以上の他のローカル意図言明に分割し、前記対応する実体及びエージェントを各ローカル意図言明に添付すること、又は
2つ以上のローカル意図言明を結合して1つのローカル意図言明にし、前記対応する実体及びエージェントをそのローカル意図言明に添付すること
により構築される、請求項1に記載の方法。 - 前記ソリューションは、自然言語を使用して構築されるため、1つ又は複数のサーチエンジンによりサーチ可能である、請求項1に記載の方法。
- 各実体にわたる1つ又は複数の情報権又は決定権を前記実体のそれぞれの前記ローカル意図言明に関連する前記エージェントに割り当てることと、前記割り当てられた情報権又は決定権に基づいて実体を前記エージェントに表示することとを更に含む、請求項1に記載の方法。
- ユーザインターフェースを通して実体を表示して、前記関連するエージェントにより前記実体に対する値を受信することを更に含む、請求項1に記載の方法。
- 前記ローカル意図言明間の1つ又は複数の別個の関係を提供して、前記実体に対する値を受信することを更に含み、1つ又は複数の別個の関係を提供することは、組織化されたプロセス、自動プロセス、又は人間エージェント駆動プロセスに基づく、請求項1に記載の方法。
- ローカル意図言明の1つ若しくは複数の前記実体又は1つ若しくは複数のCESは、他のコンピュータ実施ソリューションの1つ又は複数のローカル意図言明と共有され、前記共有実体又はCESは、所与の時点で1つのみのトリガーCESに参加して、前記1つのトリガーCESに対応する前記ローカル意図言明について前記潜在状態から前記現実状態に変更し、前記共有実体又はCESの可用性は、複数のローカル意図言明についての前記潜在状態から前記現実状態への変更の順序に影響する、請求項1に記載の方法。
- 前記実体は本質的に物理的であり、前記実体は時間及び空間に存在する、請求項1に記載の方法。
- 前記ローカル意図言明を受信すること及び前記実体の前記詳細を受信することは、他のコンピュータ実施ソリューションのローカル意図言明及び実体を記憶したデータベース中のライブラリから1つ又は複数のローカル意図言明候補及び1つ又は複数の実体候補を提供することを含む、請求項1に記載の方法。
- 前記プロセッサにより、前記別個の関係の1つを選択して、前記実体に対する値を受信し、他の別個の関係をなくすことを更に含む、請求項1に記載の方法。
- 前記自然言語は、1つ若しくは複数の母語、1つ若しくは複数の手話、1つ若しくは複数の記号、1つ若しくは複数の数字、又はそれらの組合せに基づく、請求項1に記載の方法。
- 前記自然言語の形態で受信される前記情報は、物体認識技術、文字認識技術、画像認識技術、又はそれらの組合せを使用して解読される、請求項1に記載の方法。
- 前記プロセッサにより、記録すべき残りのイベント数を特定することと、
前記プロセッサにより前記残りのイベント数を表示することと、
を更に含む、請求項2に記載の方法。 - 各実体及び各ローカル意図言明のユーザインターフェース上の場所は、
ドラッグアンドドロップ機能であって、有線入力デバイス、無線入力デバイス、及びタッチセンシティブインターフェースの少なくとも1つにより実行される、ドラッグアンドドロップ機能、又は
前記実体のそれぞれ若しくは前記ローカル意図言明のそれぞれの場所座標に対応する属性の値の変更
により変更可能である、請求項1に記載の方法。 - 公開ブロックチェーン技術、秘密ブロックチェーン技術、及びハイブリッドブロックチェーン技術の1つを適用することを更に含む、請求項1に記載の方法。
- 前記公開ブロックチェーン技術、前記秘密ブロックチェーン技術、及び前記ハイブリッドブロックチェーン技術のそれぞれは、対称鍵暗号化技法、非対称鍵暗号化技法、又はそれらの組合せに基づく、請求項25に記載の方法。
- 1つ又は複数の予め定義された規範に基づいて測定フレームワークを前記実体に割り当てることを更に含み、前記測定フレームワークは、実体が前記潜在状態から現実状態に変更される時間期間を示す、請求項1に記載の方法。
- データベース中のライブラリの形態で、別のコンピュータ実施ソリューションの構築で使用するために、前記グローバル意図言明、前記ローカル意図言明、前記実体、及び前記エージェントの1つ又は複数に関連するデータを記憶することを更に含む、請求項1に記載の方法。
- 前記データベース内の前記ライブラリへのクエリベースのアクセスを提供することを更に含み、前記クエリベースのアクセスは、再使用に適切な実体の識別のためのサーチ及びクエリベースの技術に依存し、前記クエリベースのアクセスは、構造化クエリ言語(SQL)及びノットオンリー構造化クエリ言語(NoSQL)の少なくとも一方を含む、請求項28に記載の方法。
- ドラッグアンドドロップアクセスを前記データベース中の前記ライブラリに提供することを更に含む、請求項28に記載の方法。
- 前記CESの1つ又は複数の過去の挙動及び前記イベントの1つ又は複数の発生に基づいて、前記実体の1つ又は複数及び前記イベントの1つ又は複数に対応する1つ又は複数の不確実性及び確率を提供することを更に含む、請求項23に記載の方法。
- 会計システム及び金融システムに関する1つ又は複数の実体を前記コンピュータ実施ソリューションの各ローカル意図言明に添付することにより、会計システム及び金融システムを統合することを更に含む、請求項1に記載の方法。
- 1つ又は複数のアドバンストプランニングアンドオプティマイゼーション(APO)機能を実行して、前記実体の1つ又は複数及び前記イベントの1つ又は複数に対応する1つ又は複数の不確実性及び確率を提供し、前記イベントの記録についての前記値の受信を最適化することを更に含む、請求項31に記載の方法。
- 機械学習技法及び人工知能技法、
実体中心手法であって、前記実体中心手法は1つ又は複数のイベントの発生を提供する、実体中心手法、並びに
各イベントのデータ及び挙動パターンの記憶
の少なくとも1つに基づいて、前記CESの1つ又は複数の過去の挙動及び前記イベントの1つ又は複数の発生を査定することを更に含み、
前記機械学習技法は、教師あり学習技法、及び/又は教師なし学習技法、及び/又は半教師あり学習技法を含み、前記教師あり学習技法は、サポートベクターマシン、線形回帰、ロジスティック回帰、ナイーブベイズ、線形判別分析、決定木、k最近傍アルゴリズム、及びニューラルネットワークの少なくとも1つを含み、前記教師なし学習技法は、階層クラスタリング、K平均クラスタリング、K-NN(k最近傍)、及び相関ルールの少なくとも1つを含む、請求項31に記載の方法。 - 前記グローバル意図言明、各ローカル意図言明、及び前記実体の前記詳細の1つ又は複数を受信することは、対話式質問表に応答してのものであり、前記対話式質問表は、前記コンピュータ実施ソリューションを構築するための構造化フォーマットでの質問を含む、請求項1に記載の方法。
- 自然言語文法に基づいて前記受信したグローバル意図言明、各ローカル意図言明、及び前記実体の前記詳細の1つ又は複数を修正することを更に含み、前記自然言語文法は、自然言語ライブラリを使用して、修正に適切な1つ又は複数の動詞及び前置詞を選ぶ、請求項1に記載の方法。
- 前記プロセッサにより、前記残りの数のイベントに必要な時間及びリソースの量を特定することと、
前記プロセッサにより、前記必要とされる時間及びリソースの量を表示することと、
を更に含む、請求項23に記載の方法。 - 前記プロセッサにより、前記潜在状態から前記現実状態に変化するとき、記録される2つの連続イベント間の最適アイドル時間をデータベースに記憶することと、
前記プロセッサにより、前記潜在状態から前記現実状態に変化するとき、記録される2つの連続イベントのそれぞれの間のアイドル時間をリアルタイムで特定することと、
前記プロセッサにより、前記特定されたアイドル時間と前記最適アイドル時間との比較に基づいてリポートを準備することと、
を更に含む、請求項2に記載の方法。 - 前記プロセッサにより、前記受信した値をデータベースに記憶された最適値と比較することと、
前記プロセッサにより、前記比較に基づいて、前記受信した値が、前記コンピュータ実施ソリューションの構築に良好、不良、それとも曖昧であるかを判断することと、
を更に含む、請求項2に記載の方法。 - 一意の識別子(ID)を各ローカル意図言明、各実体、及び各エージェントに割り当てることを更に含む、請求項1に記載の方法。
- 前記ユーザが、リソースアイドル時間を最適化するように、全ての利用可能な実体の最適な使用を定義できるようにすることと、
リアルタイムで、各実体に関連付けられた時間及び空間の属性の監視を通して価値創造活動への実体の参加を追跡することと、
を更に含む、請求項1に記載の方法。 - 1つ又は複数の結果可能性及び1つ又は複数の機会又は1つ又は複数のリスクの1つ又は複数の価値判断を提供し、前記1つ又は複数の結果可能性に対する1つ又は複数の確率を前記エージェントに割り当てることと、又は
1つ又は複数の行動を実行することであって、それにより、前記1つ又は複数の実体を改変することにより1つ又は複数の経路に介入して改変することであって、前記行動は、関連付けられたエージェントにより望まれる1つ又は複数のリソース最適化原理を駆動する、ことと、
を更に含む、請求項31に記載の方法。 - 前記1つ又は複数の別個の経路を選り抜くための1つ又は複数の可能な経路を提供することを更に含み、前記1つ又は複数の可能な経路は、データベース中のライブラリからサーチされる、前記コンピュータ実施ソリューションと同様のソリューションのものである、請求項1に記載の方法。
- 1つ又は複数の教師あり及び/又は1つ又は複数の教師なし機械学習法を前記データベース中の前記ライブラリに対して実施することを更に含み、前記1つ又は複数の教師あり及び/又は1つ又は複数の教師なし機械学習法の実施は、ソリューション内容を処理するNLPコンポーネント、ANNコンポーネント、及び最近傍コンポーネントを含むDLDエンジンによるものであり、前記DLDエンジンは、前記ライブラリの一部であるリッチソリューション内容をマイニングし、トランザクションクラスからトランザクションデータを抽出し、NSLソリューションライブラリの一部である前記リッチソリューション内容及び前記トランザクションクラスから抽出された前記トランザクションデータは、前記DLDエンジンに供給され、前記DLDエンジンは、種々のレベルでの距離の計算を可能にし、前記距離計算は、機械学習アルゴリズムを使用してNSL実体値、時間、及び空間を使用している、請求項43に記載の方法。
- 動画及びユーザにより理解され、入力される自然言語を使用してコンピュータ実施ソリューションを構築する方法であって、
計算デバイスのプロセッサにより、前記動画の画像フレームを処理することであって、それにより、複数の差別化された画像フレームを識別し、差別化された各画像フレームは、その内容の違いに基づいて前記動画の1つ又は複数の前の画像フレームと異なるものとして識別され、前記内容は、前記自然言語の形態である、ことと、
前記プロセッサにより、前記動画の直前の画像フレームの内容に関する差別化された各画像フレームの内容の差に基づいて、それぞれ1つずつ複数のローカル意図言明を特定し、前記ローカル意図言明のそれぞれを潜在状態に設定することであって、各ローカル意図言明は、前記ソリューションを実行するための要件を履行するサブステップを示す文章であり、各ローカル意図言明は、データベースに記憶された自然言語データに関して前記画像フレームの内容を分析することにより特定される、ことと、
前記プロセッサにより、前記データベースに記憶された前記自然言語データに関して差別化された画像フレームの連続対間の前記画像フレームの内容を分析することにより、前記複数のローカル意図言明のそれぞれに関連付けられたN個の実体及び前記実体のそれぞれに関連付けられた属性を特定し、前記実体及び前記属性のそれぞれを潜在状態に設定することであって、各実体は、名詞句を含み、且つ対応するローカル意図言明により示される前記サブステップの前記要件の履行に参加し、前記属性は、前記実体のそれぞれの特性を定義し、且つ前記対応するローカル意図言明の他の実体から前記実体のそれぞれを差別化し、各属性は、形容詞句及び副詞句の少なくとも1つを含む、ことと、
前記プロセッサにより、最初の差別化された画像フレームと最後の差別化された画像フレームの内容の変化に基づいて、前記コンピュータ実施ソリューションのグローバル意図言明を特定し、前記グローバル意図言明を潜在状態に設定することであって、前記グローバル意図言明は、前記自然言語を使用して構築される前記ソリューションを示し、前記グローバル意図言明は、前記データベースに記憶された前記自然言語データに関して、前記最初の差別化された画像フレーム及び前記最後の差別化された画像フレームの前記内容を分析することにより特定される、ことと、
前記プロセッサにより、ローカル意図言明毎に1組の実体状態組合せ(CES)を形成することであって、前記1組のCESは、前記ローカル意図言明それぞれの前記N個の実体の2N個の可能な組み合わせを含み、前記それぞれのローカル意図言明の全て(N個)の前記実体に基づいて形成されるCESは、トリガー実体状態組合せ(トリガーCES)であり、前記1組中の各CESは潜在状態であり、且つ関連付けられた前記実体を現実状態に変えることに応答して現実状態に変わる、ことと、
ユーザから前記プロセッサにより前記自然言語の形態で、前記複数のローカル意図言明のそれぞれに関連付けられたエージェントの詳細を受信し、前記エージェントの前記詳細を潜在状態に設定することであって、前記エージェントは人間エージェント及び機械エージェントの少なくとも一方であり、前記エージェントは、少なくとも、各属性、各実体、各ローカル意図言明及び前記グローバル意図言明の前記潜在状態を現実状態に変える、ことと、
前記ユーザから前記プロセッサにより前記自然言語の形態で、前記ローカル意図言明間の予め定義されたルール、制約及び公式のうちの1つ又は複数に基づく複数の別個の関係を受信することであって、別個の各関係は、前記ソリューションを実行するための前記要件を履行する別個の経路であり、前記関係は、あるローカル意図言明のトリガーCESが別のローカル意図言明の前記1組のCESに影響しているか、それとも前記コンピュータ実施ソリューションの前記構築の終わりであるかを示す、ことと、
を含み、
前記潜在状態は、空のバイナリ状態であり、前記現実状態は、空ではないバイナリ状態である、方法。 - 前記画像フレームを処理することは、前記画像フレームの内容及び前記画像フレームにわたる前記内容の変化に基づいて情報を抽出することを含み、前記情報を抽出することは、物体認識技術、文字認識技術、音声認識技術、又はそれらの組合せに基づく、請求項45に記載の方法。
- 前記グローバル意図言明及び前記複数のローカル意図言明のそれぞれを特定することは、前記内容の前記変化に1つ又は複数の動詞をタグ付けすることを含む、請求項45に記載の方法。
- 各ローカル意図言明の実体毎に、
前記関連付けられたエージェントから前記プロセッサにより前記自然言語の形態で、前記実体のそれぞれに対する値を受信することを更に含み、前記実体のそれぞれに対する前記値を受信することは、前記受信した値に基づいて前記実体のそれぞれを前記潜在状態から現実状態に変えるイベントの記録である、請求項45に記載の方法。 - 各実体の属性毎に、
前記関連付けられたエージェントから前記プロセッサにより前記自然言語の形態で、前記属性のそれぞれに対する値を受信することを更に含み、前記属性のそれぞれに対する前記値を受信することは、前記受信した値に基づいて前記属性のそれぞれを前記潜在状態から現実状態に変えるイベントの記録である、請求項45に記載の方法。 - 前記プロセッサにより、ログイン詳細、バイオメトリック詳細、顔認識技法、及び網膜検出技法の1つに基づいて前記関連するエージェントを認証することを更に含む、請求項48に記載の方法。
- 各ローカル意図言明に関連付けられた実体のそれぞれについての前記イベントの記録時に、前記プロセッサにより、前記ローカル意図言明のそれぞれを前記潜在状態から現実状態に変えるイベントを記録することを更に含む、請求項48に記載の方法。
- 前記ローカル意図言明のそれぞれを前記潜在状態から前記現実状態に変える前記イベントを記録する際に、前記プロセッサにより、前記グローバル意図言明を前記潜在状態から現実状態に変えるイベントを記録することを更に含む、請求項51に記載の方法。
- 前記自然言語は、1つ若しくは複数の母国語、1つ若しくは複数の手話、1つ若しくは複数の記号、1つ若しくは複数の数字、又はそれらの組合せに基づく、請求項45に記載の方法。
- 標準作業手順書(SOP)ファイル及びユーザにより理解され、入力される自然言語を使用してコンピュータ実施ソリューションを構築する方法であって、前記SOPファイルは規範的言明、記述的言明、及びフローチャートを含み、前記方法は、
計算デバイスのプロセッサにより、前記SOPファイルをパーズすることであって、それにより、前記規範的言明、前記記述的言明、及び前記フローチャートを前記自然言語の形態で識別する、ことと、
前記プロセッサにより、前記規範的言明のそれぞれについてそれぞれ1つずつ複数のローカル意図言明を特定し、前記ローカル意図言明のそれぞれを潜在状態に設定することであって、各ローカル意図言明は、前記ソリューションを実行するための要件を履行するサブステップを示す文章であり、各ローカル意図言明は、データベースに記憶された自然言語データに関して対応する規範的言明を分析することにより特定される、ことと、
前記プロセッサにより、前記データベースに記憶された自然言語データに関して前記対応する規範的言明に関連付けられた前記記述的言明を分析することにより、前記複数のローカル意図言明のそれぞれに関連付けられたN個の実体及び前記実体のそれぞれに関連付けられた属性を特定し、前記実体及び前記属性のそれぞれを潜在状態に設定することであって、各実体は、名詞句を含み、且つ前記対応するローカル意図言明により示される前記サブステップの前記要件の履行に参加し、前記属性は、前記実体のそれぞれの特性を定義し、且つ前記対応するローカル意図言明の他の実体から前記実体のそれぞれを差別化し、各属性は、形容詞句及び副詞句の少なくとも1つを含む、ことと、
前記プロセッサにより、ローカル意図言明毎に、1組の実体-状態組合せ(CES)を形成することであって、前記1組のCESは、前記ローカル意図言明それぞれの前記N個の実体の2N個の可能な組み合わせを含み、前記それぞれのローカル意図言明の全て(N個)の実体に基づいて形成されるCESは、トリガー実体状態組合せ(トリガーCES)であり、前記1組中の各CESは、潜在状態に設定され、且つ関連付けられた前記実体を現実状態に変えることに応答して現実状態に変わる、ことと、
前記プロセッサにより、前記フローチャートに基づいて前記ローカル意図言明間の予め定義されたルール、制約及び公式のうちの1つ又は複数に基づく複数の別個の関係を特定することであって、別個の各関係は、前記ソリューションを実行するための前記要件を履行する別個の経路であり、前記関係は、あるローカル意図言明のトリガーCESが、別のローカル意図言明の前記1組のCESに影響しているか、それとも前記コンピュータ実施ソリューションの構築のグローバル意図言明の終わりであるかを示し、前記グローバル意図言明は、前記自然言語を使用して構築される前記ソリューションを示し、前記関係は、前記データベースに記憶された前記自然言語データに関して前記フローチャートを分析することにより特定される、ことと、
ユーザから前記プロセッサにより前記自然言語の形態で、前記複数のローカル意図言明のそれぞれに関連付けられたエージェントの詳細を受信し、前記エージェントの前記詳細を潜在状態に設定することであって、前記エージェントは人間エージェント及び機械エージェントの少なくとも一方であり、前記エージェントは、少なくとも、各属性、各実体、及び各ローカル意図言明の前記潜在状態を現実状態に変える、ことと、
を含み、
前記潜在状態は、空のバイナリ状態であり、前記現実状態は、空ではないバイナリ状態である、方法。 - 前記複数のローカル意図言明を特定すること、前記実体及び前記属性を特定すること、並びに前記関係を特定することのそれぞれは、
前記規範的言明、前記記述的言明、前記フローチャートの内容における発話部分を識別することと、
前記内容中の同一指示、特に先行詞による代名詞を解決することと、
継承関係をトラバースして、前記内容中の曖昧性をなくすことと、
前記分析において曖昧性がある場合、前記内容の1つ又は複数の部分をマークすることと、
前記1つ又は複数の曖昧な部分の曖昧さをなくすユーザ入力を受信することと、
を含む、請求項54に記載の方法。 - 前記実体を特定することは、前記記述的言明内の名詞句に基づく、請求項54に記載の方法。
- 前記SOPファイルをパーズすることは、分散ドキュメントパーズシステムを使用しており、前記分散ドキュメントパーズシステムはparse2Runであり、
前記parse2Runは、コアパス、参照パス、関係パス、理解パス、プロセスパス、エンリッチメントパス、及びコンプライアンスパスの少なくとも1つを含む、請求項54に記載の方法。 - 前記自然言語は、1つ若しくは複数の母国語、1つ若しくは複数の手話、1つ若しくは複数の記号、1つ若しくは複数の数字、又はそれらの組合せに基づく、請求項54に記載の方法。
- 計算デバイスのプロセッサにより、自然言語ベースの前記コンピュータ実施ソリューションをパーズすることであって、前記コンピュータ実施ソリューションは、前記グローバル意図言明と、前記複数のローカル意図言明と、前記複数のローカル意図言明のそれぞれに関連付けられた前記N個の実体及び前記エージェントと、前記実体のそれぞれに関連付けられた前記属性と、前記複数のローカル意図言明間の前記複数の別個の関係と、各ローカル意図言明に関する前記1組の実体状態組合せ(CES)と、前記1つ又は複数のトリガーCESを含む、ことと、
計算デバイスのプロセッサにより、前記自然言語ベースのコンピュータ実施ソリューションをパーズすることに基づいて、複数の自然言語ソリューションコンポーネントを抽出することであって、前記自然言語ソリューションコンポーネントは、前記グローバル意図言明と、前記複数のローカル意図言明と、前記実体のそれぞれに関連付けられた前記属性と、前記複数のローカル意図言明間の前記複数の別個の関係と、前記実体状態組合せ(CES)と、前記1つ又は複数のトリガーCESを含む、ことと、
データベースに記憶されたプログラミング言語の記号、キーワード、演算子、及び関数への前記自然言語ソリューションコンポーネントのマッピングに基づいて、前記プログラミング言語のコードを自動生成することと、
を含む、請求項1に記載の方法。 - ユーザにより理解され、入力される自然言語を使用してコンピュータ実施ソリューションを構築する計算デバイスであって、
プロセッサと、
前記プロセッサに結合されたメモリと、
を含み、前記メモリは、請求項1~44の何れか1項に記載の方法を実行するように前記プロセッサにより実行可能な命令を含む、計算デバイス。 - 動画及びユーザにより理解され、入力される自然言語を使用してコンピュータ実施ソリューションを構築する計算デバイスであって、
プロセッサと、
前記プロセッサに結合されたメモリと、
を含み、前記メモリは、請求項45~53の何れか1項に記載の方法を実行するように前記プロセッサにより実行可能な命令を含む、計算デバイス。 - 標準作業手順書(SOP)ファイル及びユーザにより理解され、入力される自然言語を使用してコンピュータ実施ソリューションを構築する計算デバイスであって、前記SOPファイルは規範的言明、記述的言明、及びフローチャートを含み、前記計算デバイスは、
プロセッサと、
前記プロセッサに結合されたメモリと、
を含み、前記メモリは、請求項54~58の何れか1項に記載の方法を実行するように前記プロセッサにより実行可能な命令を含む、計算デバイス。 - ユーザにより理解され、入力される自然言語を使用してコンピュータ実施ソリューションを構築する命令を記憶した非一時的コンピュータ可読媒体であって、前記命令は機械実行可能コードを含み、前記機械実行可能コードは、プロセッサにより実行されると、前記プロセッサに、請求項1~44の何れか1項に記載の方法を実行させる、非一時的コンピュータ可読媒体。
- 動画及びユーザにより理解され、入力される自然言語を使用してコンピュータ実施ソリューションを構築する命令を記憶した非一時的コンピュータ可読媒体であって、前記命令は機械実行可能コードを含み、前記機械実行可能コードは、プロセッサにより実行されると、前記プロセッサに、請求項45~53の何れか1項に記載の方法を実行させる、非一時的コンピュータ可読媒体。
- 標準作業手順書(SOP)ファイル及びユーザにより理解され、入力される自然言語を使用してコンピュータ実施ソリューションを構築する命令を記憶した非一時的コンピュータ可読媒体であって、前記SOPファイルは規範的言明、記述的言明、及びフローチャートを含み、前記命令は機械実行可能コードを含み、前記機械実行可能コードは、プロセッサにより実行されると、前記プロセッサに、請求項54~58の何れか1項に記載の方法を実行させる、非一時的コンピュータ可読媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023132568A JP2023156447A (ja) | 2019-01-10 | 2023-08-16 | 自然言語ソリューション |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201941001135 | 2019-01-10 | ||
IN201941001135 | 2019-01-10 | ||
IN201941028675 | 2019-07-16 | ||
IN201941028675 | 2019-07-16 | ||
PCT/SG2020/050004 WO2020145892A1 (en) | 2019-01-10 | 2020-01-03 | Natural solution language |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023132568A Division JP2023156447A (ja) | 2019-01-10 | 2023-08-16 | 自然言語ソリューション |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022516227A JP2022516227A (ja) | 2022-02-25 |
JPWO2020145892A5 true JPWO2020145892A5 (ja) | 2023-08-24 |
JP7422767B2 JP7422767B2 (ja) | 2024-01-26 |
Family
ID=69167884
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021531877A Active JP7422767B2 (ja) | 2019-01-10 | 2020-01-03 | 自然言語ソリューション |
JP2023132568A Pending JP2023156447A (ja) | 2019-01-10 | 2023-08-16 | 自然言語ソリューション |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023132568A Pending JP2023156447A (ja) | 2019-01-10 | 2023-08-16 | 自然言語ソリューション |
Country Status (23)
Country | Link |
---|---|
US (1) | US20220253288A1 (ja) |
EP (2) | EP3903182B1 (ja) |
JP (2) | JP7422767B2 (ja) |
KR (2) | KR20230124104A (ja) |
CN (2) | CN113366430A (ja) |
AU (2) | AU2020205593B2 (ja) |
BR (1) | BR112021012457A2 (ja) |
CA (1) | CA3122078A1 (ja) |
DK (1) | DK3903182T3 (ja) |
ES (1) | ES2961162T3 (ja) |
FI (1) | FI3903182T3 (ja) |
HR (1) | HRP20231346T1 (ja) |
HU (1) | HUE063522T2 (ja) |
IL (2) | IL283925B2 (ja) |
LT (1) | LT3903182T (ja) |
MX (2) | MX2021008262A (ja) |
PL (1) | PL3903182T3 (ja) |
PT (1) | PT3903182T (ja) |
RS (1) | RS65020B1 (ja) |
SG (1) | SG11202105981YA (ja) |
SI (1) | SI3903182T1 (ja) |
WO (1) | WO2020145892A1 (ja) |
ZA (2) | ZA202103627B (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11650802B2 (en) * | 2020-12-22 | 2023-05-16 | Diffblue Ltd | Idiomatic source code generation |
CN113810496A (zh) * | 2021-09-17 | 2021-12-17 | 中国长江三峡集团有限公司 | 一种基于区块链技术的财务人员操作记录黑匣子保存方法 |
WO2023219574A1 (en) * | 2022-05-13 | 2023-11-16 | Brane Cognitives Pte. Ltd. | Building solutions using natural language processing |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6633861B2 (en) * | 1993-03-19 | 2003-10-14 | Ricoh Company Limited | Automatic invocation of computational resources without user intervention across a network |
JP2002182913A (ja) | 2000-12-18 | 2002-06-28 | Takahisa Kaneko | 自動プログラミング装置、方法及び記憶媒体 |
US7752127B2 (en) * | 2001-09-28 | 2010-07-06 | Acs State & Local Solutions, Inc. | Apparatus and methods for providing a national portal for electronic services |
FR2837970A1 (fr) * | 2002-03-29 | 2003-10-03 | France Telecom | Procede de traduction de donnees au moyen d'un transducteur unique |
US7761858B2 (en) * | 2004-04-23 | 2010-07-20 | Microsoft Corporation | Semantic programming language |
US7779396B2 (en) * | 2005-08-10 | 2010-08-17 | Microsoft Corporation | Syntactic program language translation |
CN1889043A (zh) * | 2006-07-17 | 2007-01-03 | 大连大有吴涛易语言软件开发有限公司 | 计算机编程中使用人类自然语言的方法 |
JP2009181550A (ja) | 2008-02-01 | 2009-08-13 | Panasonic Corp | ソフトウェア要求仕様書自動生成ツール構成方法 |
US9082402B2 (en) * | 2011-12-08 | 2015-07-14 | Sri International | Generic virtual personal assistant platform |
WO2014086101A1 (zh) * | 2012-12-07 | 2014-06-12 | Wan Jihua | 将自然语言翻译成计算机语言的方法、语义分析器及人机对话系统 |
WO2015148725A2 (en) * | 2014-03-25 | 2015-10-01 | Mark Stephen Meadows | Systems and methods for executing cryptographically secure transactions using voice and natural language processing |
KR101919257B1 (ko) * | 2014-08-20 | 2018-11-15 | 후아웨이 테크놀러지 컴퍼니 리미티드 | 애플리케이션 프로그램 전환 방법, 장치 및 전자 단말기 |
JP2016126693A (ja) * | 2015-01-08 | 2016-07-11 | 富士通株式会社 | 制御手順方法、制御手順プログラム及び制御手順装置 |
US10303441B2 (en) * | 2015-04-28 | 2019-05-28 | Nadia Analía Huebra | Process and system for automatic generation of functional architecture documents and software design and analysis specification documents from natural language |
US20160357519A1 (en) * | 2015-06-05 | 2016-12-08 | Microsoft Technology Licensing, Llc | Natural Language Engine for Coding and Debugging |
US10843080B2 (en) * | 2016-02-24 | 2020-11-24 | Virginia Tech Intellectual Properties, Inc. | Automated program synthesis from natural language for domain specific computing applications |
KR102128571B1 (ko) * | 2016-03-23 | 2020-06-30 | 포그혼 시스템스 인코포레이티드 | 실시간 데이터플로우 프로그래밍을 위한 효율적인 상태 머신 |
US10402173B2 (en) * | 2017-02-24 | 2019-09-03 | General Electric Company | Systems and methods for arbitrary software logic modeling |
CN107169569A (zh) * | 2017-04-17 | 2017-09-15 | 湖南本体信息科技研究有限公司 | 一种逻辑推理机、机器模拟人脑学习和工作的方法及人工智能系统 |
US11135428B2 (en) | 2017-07-02 | 2021-10-05 | Ebt Medical, Inc. | Systems and methods for providing patient signaling and contingent stimulation |
DE102017116658A1 (de) | 2017-07-24 | 2019-01-24 | Vorwerk & Co. Interholding Gmbh | Selbsttätig im Außenbereich verfahrbares Gerät mit einem Überwachungsmodul |
CN108255814A (zh) * | 2018-01-25 | 2018-07-06 | 王立山 | 一种智能体的自然语言产生式系统及方法 |
US11444960B2 (en) * | 2019-06-05 | 2022-09-13 | Vmware, Inc. | Stateful rule generation for behavior based threat detection |
-
2020
- 2020-01-03 SI SI202030294T patent/SI3903182T1/sl unknown
- 2020-01-03 FI FIEP20700857.4T patent/FI3903182T3/fi active
- 2020-01-03 AU AU2020205593A patent/AU2020205593B2/en active Active
- 2020-01-03 US US17/420,587 patent/US20220253288A1/en active Pending
- 2020-01-03 RS RS20231221A patent/RS65020B1/sr unknown
- 2020-01-03 MX MX2021008262A patent/MX2021008262A/es unknown
- 2020-01-03 SG SG11202105981YA patent/SG11202105981YA/en unknown
- 2020-01-03 CA CA3122078A patent/CA3122078A1/en active Pending
- 2020-01-03 IL IL283925A patent/IL283925B2/en unknown
- 2020-01-03 BR BR112021012457-8A patent/BR112021012457A2/pt unknown
- 2020-01-03 HU HUE20700857A patent/HUE063522T2/hu unknown
- 2020-01-03 IL IL305359A patent/IL305359A/en unknown
- 2020-01-03 LT LTEPPCT/SG2020/050004T patent/LT3903182T/lt unknown
- 2020-01-03 EP EP20700857.4A patent/EP3903182B1/en active Active
- 2020-01-03 WO PCT/SG2020/050004 patent/WO2020145892A1/en active Application Filing
- 2020-01-03 PT PT207008574T patent/PT3903182T/pt unknown
- 2020-01-03 HR HRP20231346TT patent/HRP20231346T1/hr unknown
- 2020-01-03 KR KR1020237027564A patent/KR20230124104A/ko active Search and Examination
- 2020-01-03 JP JP2021531877A patent/JP7422767B2/ja active Active
- 2020-01-03 EP EP22202963.9A patent/EP4145273A1/en active Pending
- 2020-01-03 CN CN202080008550.1A patent/CN113366430A/zh active Pending
- 2020-01-03 ES ES20700857T patent/ES2961162T3/es active Active
- 2020-01-03 KR KR1020217021130A patent/KR102620904B1/ko active IP Right Grant
- 2020-01-03 CN CN202311106989.XA patent/CN117149163A/zh active Pending
- 2020-01-03 PL PL20700857.4T patent/PL3903182T3/pl unknown
- 2020-01-03 DK DK20700857.4T patent/DK3903182T3/da active
-
2021
- 2021-05-27 ZA ZA2021/03627A patent/ZA202103627B/en unknown
- 2021-07-07 MX MX2023010734A patent/MX2023010734A/es unknown
-
2023
- 2023-06-20 AU AU2023203892A patent/AU2023203892A1/en active Pending
- 2023-06-26 ZA ZA2023/06556A patent/ZA202306556B/en unknown
- 2023-08-16 JP JP2023132568A patent/JP2023156447A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10861439B2 (en) | Machine learning model for identifying offensive, computer-generated natural-language text or speech | |
US11003863B2 (en) | Interactive dialog training and communication system using artificial intelligence | |
US20200125639A1 (en) | Generating training data from a machine learning model to identify offensive language | |
US20200125928A1 (en) | Real-time supervised machine learning by models configured to classify offensiveness of computer-generated natural-language text | |
US11544177B2 (en) | Mapping of test cases to test data for computer software testing | |
US20200143247A1 (en) | Systems and methods for improved automated conversations with intent and action response generation | |
Garbacea et al. | Neural language generation: Formulation, methods, and evaluation | |
CN114341865B (zh) | 用于实时谈话的渐进式并置 | |
US20200401885A1 (en) | Collaborative real-time solution efficacy | |
FI3903182T3 (fi) | Luonnollinen ratkaisukieli | |
El Janati et al. | Adaptive e-learning AI-powered chatbot based on multimedia indexing | |
CN113343108B (zh) | 推荐信息处理方法、装置、设备及存储介质 | |
US20230350929A1 (en) | Method and system for generating intent responses through virtual agents | |
Hosokawa et al. | Temporal natural language inference: Evidence-based evaluation of temporal text validity | |
Tang et al. | It takes two flints to make a fire: Multitask learning of neural relation and explanation classifiers | |
JPWO2020145892A5 (ja) | ||
Colruyt et al. | EventDNA: a dataset for Dutch news event extraction as a basis for news diversification | |
Grifoni et al. | Evaluation of a dynamic classification method for multimodal ambiguities based on Hidden markov models | |
US11182552B2 (en) | Routine evaluation of accuracy of a factoid pipeline and staleness of associated training data | |
Sandhya et al. | Cognitive Computing and Its Applications | |
US20230342557A1 (en) | Method and system for training a virtual agent using optimal utterances | |
US11977515B1 (en) | Real time analysis of interactive content | |
US20240168918A1 (en) | Systems for cluster analysis of interactive content | |
RU2023128691A (ru) | Естественный язык решений | |
US20240168611A1 (en) | Interface for display of interactive content |