WO2018147150A1 - 推論用知識生成装置、推論用知識生成方法、及びコンピュータ読み取り可能な記録媒体 - Google Patents

推論用知識生成装置、推論用知識生成方法、及びコンピュータ読み取り可能な記録媒体 Download PDF

Info

Publication number
WO2018147150A1
WO2018147150A1 PCT/JP2018/003337 JP2018003337W WO2018147150A1 WO 2018147150 A1 WO2018147150 A1 WO 2018147150A1 JP 2018003337 W JP2018003337 W JP 2018003337W WO 2018147150 A1 WO2018147150 A1 WO 2018147150A1
Authority
WO
WIPO (PCT)
Prior art keywords
knowledge
inference
computer
entities
data
Prior art date
Application number
PCT/JP2018/003337
Other languages
English (en)
French (fr)
Inventor
細見　格
Original Assignee
日本電気株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2018567389A priority Critical patent/JP7028194B2/ja
Priority to US16/484,512 priority patent/US20200005163A1/en
Publication of WO2018147150A1 publication Critical patent/WO2018147150A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Definitions

  • the present invention relates to an inference knowledge generation apparatus and an inference knowledge generation method for generating inference knowledge used for inference by a computer, and further to a computer-readable recording program for realizing these.
  • the present invention relates to a recording medium.
  • Patent Documents 1 to 4 Conventionly, attempts have been made to execute inference by a computer (see Patent Documents 1 to 4). If inference is performed by a computer, various situations can be inferred based on information obtained from facts. For this reason, the inference by the computer is useful for the above-mentioned store opening plan, criminal investigation, evacuation at the time of disaster, environmental management, and the like, and if the inference is used, improvement in the accuracy of the simulation can be expected. Furthermore, in recent years, the use of inference by a computer has become easier as the processing capability of the computer has improved.
  • An example of an object of the present invention is to provide an inference knowledge generation device and an inference knowledge generation method capable of solving the above-described problem and reducing processing time and processing cost when inferring a thing in space by a computer. And providing a computer-readable recording medium.
  • an inference knowledge generating apparatus is an apparatus for generating inference knowledge used for inference by a computer,
  • a data extraction unit that extracts data corresponding to a specified position or region based on a set parameter from a first data set that includes data relating to a thing in a predetermined space;
  • the plurality of entities constituting the space, and the entity composed of words included in the data extracted from the second data set that is grouped for each related entity.
  • a knowledge generation unit that generates the inference knowledge indicating a spatial relationship between the entities based on the identified group and a vocabulary representing a spatial relationship registered in advance; It is characterized by having.
  • an inference knowledge generation method is a method for generating inference knowledge used for inference by a computer, (A) extracting data corresponding to a designated position or region based on a set parameter from a first data set including data relating to an object in a predetermined space; (B) Consists of words included in the data extracted from the second data set that includes a plurality of entities constituting the space and is grouped for each related entity Identify the group of entities, Generating the inference knowledge indicating a spatial relationship between the entities based on the identified group and a vocabulary representing a spatial relationship registered in advance; It is characterized by having.
  • a computer-readable recording medium is a computer-readable recording in which a program for generating inference knowledge used for inference by a computer is recorded by a computer.
  • a medium In the computer, (A) extracting data corresponding to a designated position or region based on a set parameter from a first data set including data relating to an object in a predetermined space; (B) Consists of words included in the data extracted from the second data set that includes a plurality of entities constituting the space and is grouped for each related entity Identify the group of entities, Generating the inference knowledge indicating a spatial relationship between the entities based on the identified group and a vocabulary representing a spatial relationship registered in advance; A program including an instruction for executing is recorded.
  • FIG. 1 is a block diagram showing a schematic configuration of an inference knowledge generation apparatus according to an embodiment of the present invention.
  • FIG. 2 is a block diagram showing a specific configuration of the inference knowledge generation apparatus according to the embodiment of the present invention.
  • FIG. 3 is a diagram showing an example of spatial relation vocabulary and inference knowledge in the embodiment of the present invention.
  • FIG. 4 is a flowchart showing the operation of the inference knowledge generation apparatus according to the embodiment of the present invention.
  • FIG. 5 is a block diagram illustrating an example of a computer that implements the inference knowledge generation apparatus according to the embodiment of the present invention.
  • FIG. 1 is a block diagram showing a schematic configuration of an inference knowledge generation apparatus according to an embodiment of the present invention.
  • the inference knowledge generation apparatus 10 shown in FIG. 1 is an apparatus for generating inference knowledge used for inference by a computer. As shown in FIG. 1, the inference knowledge generation apparatus 10 includes a data extraction unit 11 and a knowledge generation unit 12.
  • the data extraction unit 11 extracts data corresponding to a designated position or region from a first data set including data related to an object in a predetermined space based on a set parameter.
  • the knowledge generation unit 12 first extracts by the data extraction unit 11 from the second data set that includes a plurality of entities constituting the space and is grouped for each related entity. Identify a group of entities composed of words contained in the generated data. Subsequently, the knowledge generation unit 12 generates inference knowledge indicating a spatial relationship between entities based on the identified group and a vocabulary representing a spatial relationship registered in advance.
  • the inference knowledge generation apparatus 10 As described above, if a set of data related to an object in a predetermined space and a set of data including a plurality of entities constituting the space are prepared, the inference knowledge generation apparatus 10 according to the present embodiment Inference knowledge can be generated in advance. For this reason, according to the present embodiment, it is possible to shorten the processing time and the processing cost required for the knowledge necessary for making inferences about things in space by a computer.
  • FIG. 2 is a block diagram showing a specific configuration of the inference knowledge generation apparatus according to the embodiment of the present invention.
  • inference knowledge generation apparatus 10 stores inference knowledge generated by knowledge generation unit 12 in addition to data extraction unit 11 and knowledge generation unit 12.
  • An inference knowledge storage unit 14 and an input reception unit 15 are provided.
  • the inference knowledge generation apparatus 10 is constructed by introducing the program in the present embodiment into a computer.
  • the inference knowledge generation device 10 includes a spatial data storage unit 21, an entity storage unit 22, a geographic case knowledge storage unit 23, an extraction parameter storage unit 24, and a spatial relation vocabulary storage unit 25. And connected to.
  • the spatial data storage unit 21, the entity storage unit 22, the geographic case knowledge storage unit 23, the extraction parameter storage unit 24, and the spatial relation vocabulary storage unit 25 are respectively stored in a computer outside the inference knowledge generation device 10. Built by equipment.
  • Each storage unit may be constructed by a storage device of a computer constituting the inference knowledge generation device 10.
  • the spatial data storage unit 21 stores a first data set including data related to an object in a predetermined space (hereinafter referred to as “spatial data”).
  • spatial data is electronic map data.
  • the entity storage unit 22 stores the second data set.
  • the second data set is configured by collecting a large number of groups of a plurality of related entities.
  • the group may be composed of, for example, two related entities (entity pairs), and in this case, the second data set is composed of a large number of entity pairs.
  • Entity pairs include combinations of terms that have a co-occurrence frequency above a certain level in past blog articles, past news articles, history of queries used in past inferences, and the like.
  • a group is composed of, for example, a combination of three or more terms whose co-occurrence frequencies are a certain level or more.
  • the term includes a term relating to a geographical space, for example, a station, an airport, a prefecture, a municipality, a building, a stadium, a landmark, and the like.
  • the geographic case knowledge storage unit 23 stores case knowledge about a predetermined geographical space (for example, a municipality, a prefecture, a district, etc.). As case knowledge, for example, “A City and B City have an agreement on support in the event of fire fighting.” “A City and B City have an agreement to share supplies in the event of a disaster.” Etc.
  • a predetermined geographical space for example, a municipality, a prefecture, a district, etc.
  • the extraction parameter storage unit 24 stores parameters used for data extraction by the data extraction unit 11.
  • the parameter is used to specify the data to be extracted.
  • center of (input place name) ⁇ 20 km meaning a range less than 20 km from the center
  • the space-related vocabulary storage unit 25 stores space-related vocabulary.
  • the spatial relation vocabulary is a vocabulary indicating the spatial relation by a predicate term structure. A specific example of the space-related vocabulary will be described later with reference to FIG.
  • the spatial relationship represents a positional relationship in space or a temporal / spatial distance or connection.
  • the input reception unit 15 receives a query input from the outside, specifically, text data indicating a designated position or region, and passes the received query to the data extraction unit 11.
  • the data extraction unit 11 first acquires parameters from the extraction parameter storage unit 24.
  • the data extraction unit 11 compares the acquired query and parameter with the spatial data stored in the spatial data storage unit 21 and extracts spatial data corresponding to the query and the parameter.
  • the data extraction unit 11 specifies the latitude and longitude of the center of the city A, and extracts, as data, a place name, a POI (Point Of Interface) name, and the like existing within a radius of 20 km from the specified latitude and longitude.
  • the knowledge generation unit 12 collates the spatial data extracted by the data extraction unit 11 with each entity pair stored in the entity storage unit 22, and the words included in the extracted spatial data Identify a specific entity pair consisting of For example, when A city is included in the extracted data and “A city, A municipal general hospital” exists as an entity pair, the knowledge generation unit 12 identifies this entity pair.
  • the knowledge generation unit 12 applies the identified entity pair to the spatial relationship vocabulary stored in the spatial relationship vocabulary storage unit 25, and uses the two entities constituting the identified entity pair as terms. Is generated. This generated predicate term structure becomes inference knowledge. Further, in this embodiment, the knowledge generation unit 12 outputs the generated inference knowledge to the inference knowledge storage unit 14 and stores it therein.
  • FIG. 3 is a diagram showing an example of spatial relation vocabulary and inference knowledge in the embodiment of the present invention.
  • an example of the spatial relation vocabulary is shown in the leftmost column
  • an example of inference knowledge is shown in the center column
  • the meaning content of the inference knowledge is shown in the rightmost column.
  • the spatial vocabulary is defined by predicates and terms that are indispensable elements. Further, in the space-related vocabulary, attributes of terms such as those shown in the lower part of FIG. 3 are defined, and a predicate is not established depending on a word that does not correspond to the attribute.
  • the knowledge generation unit 12 first identifies the attributes of each entity constituting the identified entity pair, and further determines the spatial relation vocabulary stored in the spatial relation vocabulary storage section 25. Then, a spatial relation vocabulary corresponding to the entity having the specified attribute is extracted. Then, the knowledge generation unit 12 applies the identified entity pair to the extracted spatial relation vocabulary, and generates a predicate term structure shown in the middle column of FIG. 3 as inference knowledge.
  • the knowledge generation part 12 can specify numerical data, such as distance and time, using a search site on the Internet, for example. Specifically, the knowledge generation unit 12 searches for an entity name using a search site connected to a map database that can be browsed via the Internet, thereby identifying an entity attribute (O: object shown in FIG.
  • A Area (name), L: Position (name), U: Unit, D: Distance, W: Means, Type: Type.
  • An object O having a position attribute can be assigned to a position (name) L, and an object O having an area attribute and a position (name) L can be assigned to an area (name) A.
  • a service S may be provided as an attribute of the entity. The service S is used for extracting a topic from an announcement on an official website regarding each object, web news, or the like. For example, in the case of “hasContract (O1, O2, S)” shown in FIG.
  • the knowledge generation unit 12 includes a case knowledge extraction unit 13.
  • the case knowledge extraction unit 13 extracts case knowledge at a specified position or region from the case knowledge stored in the geographic case knowledge storage unit 23, and the extracted case knowledge is related to the generated inference knowledge. In this state, it is stored in the inference knowledge storage unit 14.
  • FIG. 4 is a flowchart showing the operation of the inference knowledge generation apparatus according to the embodiment of the present invention.
  • FIGS. 1 to 3 are referred to as appropriate.
  • the inference knowledge generation method is performed by operating the inference knowledge generation apparatus. Therefore, the description of the inference knowledge generation method in this embodiment is replaced with the following description of the operation of the inference knowledge generation apparatus 10.
  • the input receiving unit 15 receives a query (text data indicating a designated position or region) input from the outside, and passes the received query to the data extracting unit 11 (step A1). ).
  • the data extraction unit 11 collates the parameter received in step A1 and the parameter acquired from the extraction parameter storage unit 24 with the spatial data stored in the spatial data storage unit 21 to obtain the query and parameter.
  • the spatial data corresponding to is extracted (step A2).
  • the knowledge generation unit 12 collates the spatial data extracted in step A2 with each entity pair stored in the entity storage unit 22, and specifies the words composed of words included in the extracted spatial data. Are identified (step A3).
  • the knowledge generation unit 12 applies the entity pair specified in step A3 to the spatial relationship vocabulary stored in the spatial relationship vocabulary storage unit 25, and each of the two entities constituting the entity pair uses it as a term.
  • the generated predicate term structure is generated and used as inference knowledge (step A4).
  • the case knowledge extraction unit 13 extracts the case knowledge in the query accepted in step A1 from the case knowledge stored in the geographic case knowledge storage unit 23 (step A5).
  • the case knowledge extraction unit 13 stores the case knowledge extracted in step A5 in the inference knowledge storage unit 14 in a state associated with the inference knowledge generated in step A4 (step A6).
  • inference knowledge is generated, so when performing inference on a thing in space by a computer, it is not necessary to derive a spatial relationship on demand at the time of inference.
  • the processing time can be shortened and the processing cost can be reduced.
  • the generated inference knowledge has a predicate term structure, and therefore can be applied to inference as it is.
  • the data extraction unit 11 uses the electronic map data as a place name and POI name within a radius of 20 km of the center of Kawasaki City as Yokohama City, Sagamihara City, Ota Ward, Setagaya Ward, Shinagawa Ward, Kanie City, Chofu City. Extract city, Kawasaki station, Yokohama station, etc.
  • the knowledge generation part 12 specified (Kawasaki Station, Yokohama Station), (Kawasaki Station, Ota General Hospital), (Kawasaki City, Yokohama City), (Kawasaki City, Ota Ward), etc. as an entity pair, for example.
  • the knowledge generation unit 12 uses the spatial relation vocabulary shown in FIG. 3 as inference knowledge, for example, “timeDistance (L station, M station, drive, 6, hours)”, “nearest (Kawasaki city) , Ota General Hospital, Hospital ",” adjoining Sakai (Kawasaki City, Yokohama City) ",” adjoining Sakai (Kawasaki City, Ota Ward) ", etc.
  • the case knowledge extraction unit 13 extracts “hasContract (Kawasaki City, Yokohama City, Firefighting Support)”, “hasContract (Kawasaki City, Yokohama City, Material Sharing in Disaster)” and the like as the case knowledge, These are associated with the reasoning knowledge described above.
  • the prepared inference knowledge and the extracted case knowledge are stored in the inference knowledge storage unit 14.
  • the program in the present embodiment may be a program that causes a computer to execute steps A1 to A6 shown in FIG.
  • the processor of the computer functions as the data extraction unit 11 and the knowledge generation unit 12 to perform processing.
  • the inference knowledge storage unit 14 can be realized by a storage device such as a hard disk provided in the computer.
  • the program in the present embodiment may be executed by a computer system constructed by a plurality of computers.
  • each computer may function as either the data extraction unit 11 or the knowledge generation unit 12.
  • the inference knowledge storage unit 14 may be constructed on a computer different from the computer that executes the program in the present embodiment.
  • FIG. 5 is a block diagram illustrating an example of a computer that implements the inference knowledge generation apparatus according to the embodiment of the present invention.
  • the computer 110 includes a CPU (Central Processing Unit) 111, a main memory 112, a storage device 113, an input interface 114, a display controller 115, a data reader / writer 116, and a communication interface 117. With. These units are connected to each other via a bus 121 so that data communication is possible.
  • the computer 110 may include a GPU (GraphicsGraphProcessing Unit) or an FPGA (Field-ProgrammableGate Array) in addition to or instead of the CPU 111.
  • GPU GraphicsGraphProcessing Unit
  • FPGA Field-ProgrammableGate Array
  • the CPU 111 performs various operations by developing the program (code) in the present embodiment stored in the storage device 113 in the main memory 112 and executing them in a predetermined order.
  • the main memory 112 is typically a volatile storage device such as a DRAM (Dynamic Random Access Memory).
  • the program in the present embodiment is provided in a state of being stored in a computer-readable recording medium 120. Note that the program in the present embodiment may be distributed on the Internet connected via the communication interface 117.
  • the storage device 113 includes a hard disk drive and a semiconductor storage device such as a flash memory.
  • the input interface 114 mediates data transmission between the CPU 111 and an input device 118 such as a keyboard and a mouse.
  • the display controller 115 is connected to the display device 119 and controls display on the display device 119.
  • the data reader / writer 116 mediates data transmission between the CPU 111 and the recording medium 120, and reads a program from the recording medium 120 and writes a processing result in the computer 110 to the recording medium 120.
  • the communication interface 117 mediates data transmission between the CPU 111 and another computer.
  • the recording medium 120 include general-purpose semiconductor storage devices such as CF (Compact Flash (registered trademark)) and SD (Secure Digital), magnetic recording media such as a flexible disk, or CD- An optical recording medium such as ROM (Compact Disk Read Only Memory) may be used.
  • CF Compact Flash
  • SD Secure Digital
  • magnetic recording media such as a flexible disk
  • CD- An optical recording medium such as ROM (Compact Disk Read Only Memory) may be used.
  • the inference knowledge generation apparatus 10 can be realized not by using a computer in which a program is installed but also by using hardware corresponding to each unit. Furthermore, part of the inference knowledge generation apparatus 10 may be realized by a program, and the remaining part may be realized by hardware.
  • a device for generating inference knowledge used for inference by a computer A data extraction unit that extracts data corresponding to a specified position or region based on a set parameter from a first data set that includes data relating to a thing in a predetermined space; The plurality of entities constituting the space, and the entity composed of words included in the data extracted from the second data set that is grouped for each related entity. Identify the group, A knowledge generation unit that generates the inference knowledge indicating a spatial relationship between the entities based on the identified group and a vocabulary representing a spatial relationship registered in advance; An inference knowledge generating device characterized by comprising:
  • Appendix 3 An inference knowledge storage unit for storing the generated inference knowledge; The inference knowledge generation device according to appendix 1 or 2.
  • the knowledge generation unit extracts case knowledge at a specified position or region from case knowledge related to the space, and the inference is performed in a state where the extracted case knowledge is associated with the generated inference knowledge. Store it in the knowledge store, The inference knowledge generation device according to attachment 3.
  • a method for generating inference knowledge used for inference by a computer (A) extracting data corresponding to a designated position or region based on a set parameter from a first data set including data relating to an object in a predetermined space; (B) Consists of words included in the data extracted from the second data set that includes a plurality of entities constituting the space and is grouped for each related entity Identify the group of entities, Generating the inference knowledge indicating a spatial relationship between the entities based on the identified group and a vocabulary representing a spatial relationship registered in advance;
  • a reasoning knowledge generation method characterized by comprising:
  • a computer-readable recording medium recording a program for generating inference knowledge used for inference by a computer by a computer, In the computer, (A) extracting data corresponding to a designated position or region based on a set parameter from a first data set including data relating to an object in a predetermined space; (B) Consists of words included in the data extracted from the second data set that includes a plurality of entities constituting the space and is grouped for each related entity Identify the group of entities, Generating the inference knowledge indicating a spatial relationship between the entities based on the identified group and a vocabulary representing a spatial relationship registered in advance; The computer-readable recording medium which recorded the program containing the instruction
  • the present invention is a system in which inferences about things in space are performed by a computer, for example, for opening a store, investigating crimes, evacuation plans and instructions at the time of disaster, environmental management, etc. Useful for targeted systems.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

推論用知識生成装置１０は、計算機による推論に用いられる推論用の知識を生成するため、所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、データ抽出部１１と、空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、先に抽出されたデータに含まれる語で構成されたエンティティのグループを特定し、特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、エンティティ間の空間的な関係を示す推論用の知識を生成する、知識生成部１２とを備えている。

Description

推論用知識生成装置、推論用知識生成方法、及びコンピュータ読み取り可能な記録媒体
　本発明は、計算機による推論に用いられる推論用の知識を生成するための、推論用知識生成装置及び推論用知識生成方法に関し、更には、これらを実現するためのプログラムを記録したコンピュータ読み取り可能な記録媒体に関する。
　従来から、出店計画、犯罪捜査、災害時の避難計画や指示、環境管理等のために、人及びモノの動きを捉えることを目的とした処理が行なわれている。そして、このような処理を実行するためには、地理空間の情報が必要となる。インターネット上では、多数のＷｅｂサイトが、計算機で利用可能な地理空間の情報を公開している（例えば、非特許文献１～３参照）。
　また、従来より、計算機によって推論を実行する試みがなされている（特許文献１～４参照）。計算機によって推論を行なえば、事実から得られた情報に基づいて、様々な事態を推理することが可能となる。このため、計算機による推論は、上述した出店計画、犯罪捜査、災害時の避難、環境管理等に有用であり、推論を利用すればシミュレーションの精度の向上が期待できる。更に、近年においては、計算機の処理能力の向上に伴い、計算機による推論の利用が容易なものとなっている。
特開平９－２１３０８１号公報 特開平１０－３３３９１１号公報 特開２０００－２４２４９９号公報 特表２０１５－５０２６１７号公報
" Open Street Map "，［online］，Open Street Map contributors，［平成28年11月18日検索］，インターネット＜URL：http://www.openstreetmap.org/＞ " GeoNLP "，［online］，NationalInstitute of Informatics，［平成28年11月18日検索］，インターネット＜URL：http://www.openstreetmap.org/＞ " Linked Open Addresses Japan "，［online］，Open Addresses，［平成28年11月18日検索］，インターネット＜URL：http://uedayou.net/loa/＞
　ところで、計算機によって推論を行なうためには、単なる事実を示すデータだけでは分からないことを知識化する必要がある。つまり、上述した出店計画、犯罪捜査、災害時の避難、環境管理等において、計算機による推論を行なうためには、空間上の事物について、知識化を行なう必要がある。しかしながら、推論の実行時に、オンデマンドで知識化を行なえば、処理にかかる時間が増大すると共に、処理コストを大きく押し上げることになる。
　本発明の目的の一例は、上記問題を解消し、計算機によって空間上の事物について推論を行なう際の処理時間の短縮及び処理コストの低下を図り得る、推論用知識生成装置、推論用知識生成方法、及びコンピュータ読み取り可能な記録媒体を提供することにある。
　上記目的を達成するため、本発明の一側面における推論用知識生成装置は、計算機による推論に用いられる推論用の知識を生成するための装置であって、
　所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、データ抽出部と、
　前記空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、抽出された前記データに含まれる語で構成された前記エンティティのグループを特定し、
特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、前記エンティティ間の空間的な関係を示す前記推論用の知識を生成する、知識生成部と、
を備えている、ことを特徴とする。
　また、上記目的を達成するため、本発明の一側面における推論用知識生成方法は、計算機による推論に用いられる推論用の知識を生成するための方法であって、
（ａ）所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、ステップと、
（ｂ）前記空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、抽出された前記データに含まれる語で構成された前記エンティティのグループを特定し、
特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、前記エンティティ間の空間的な関係を示す前記推論用の知識を生成する、ステップと、
を有する、ことを特徴とする。
　更に、上記目的を達成するため、本発明の一側面におけるコンピュータ読み取り可能な記録媒体は、コンピュータによって、計算機による推論に用いられる推論用の知識を生成するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
前記コンピュータに、
（ａ）所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、ステップと、
（ｂ）前記空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、抽出された前記データに含まれる語で構成された前記エンティティのグループを特定し、
特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、前記エンティティ間の空間的な関係を示す前記推論用の知識を生成する、ステップと、
を実行させる命令を含む、プログラムを記録していることを特徴とする。
　以上のように、本発明によれば、計算機によって空間上の事物について推論を行なう際の処理時間の短縮及び処理コストの低下を図ることができる。
図１は、本発明の実施の形態における推論用知識生成装置の概略構成を示すブロック図である。 図２は、本発明の実施の形態における推論用知識生成装置の具体的構成を示すブロック図である。 図３は、本発明の実施の形態における空間関係語彙及び推論用の知識の一例を示す図である。 図４は、本発明の実施の形態における推論用知識生成装置の動作を示すフロー図である。 図５は、本発明の実施の形態における推論用知識生成装置を実現するコンピュータの一例を示すブロック図である。
（実施の形態）
　以下、本発明の実施の形態における、推論用知識生成装置、推論用知識生成方法、及びプログラムについて、図１～図５を参照しながら説明する。
［装置構成］
　最初に、本実施の形態における推論用知識生成装置の概略構成について、図１を用いて説明する。図１は、本発明の実施の形態における推論用知識生成装置の概略構成を示すブロック図である。
　図１に示す、本実施の形態における推論用知識生成装置１０は、計算機による推論に用いられる推論用の知識を生成するための装置である。図１に示すように、推論用知識生成装置１０は、データ抽出部１１と、知識生成部１２とを備えている。
　このうち、データ抽出部１１は、所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する。
　また、知識生成部１２は、先ず、空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている、第２のデータ集合から、データ抽出部１１によって抽出されたデータに含まれる語で構成されたエンティティのグループを特定する。続いて、知識生成部１２は、特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、エンティティ間の空間的な関係を示す、推論用の知識を生成する。
　このように、所定の空間上の事物に関するデータの集合と、空間を構成している複数のエンティティを含むデータの集合とが用意されていれば、本実施の形態における推論用知識生成装置１０は、推論用の知識を予め生成することができる。このため、本実施の形態によれば、計算機によって空間上の事物について推論を行なう際に必要な知識化に要するの処理時間の短縮及び処理コストの低下を図ることができる。
　続いて、図２を用いて、本実施の形態における推論用知識生成装置の具体的構成について説明する。図２は、本発明の実施の形態における推論用知識生成装置の具体的構成を示すブロック図である。
　図２に示すように、本実施の形態においては、推論用知識生成装置１０は、データ抽出部１１及び知識生成部１２に加えて、知識生成部１２によって生成された推論用の知識を格納する推論用知識格納部１４と、入力受付部１５とを備えている。また、本実施の形態では、推論用知識生成装置１０は、コンピュータに、本実施の形態におけるプログラムを導入することによって構築されている。
　更に、本実施の形態では、推論用知識生成装置１０は、空間データ格納部２１と、エンティティ格納部２２と、地理事例知識格納部２３と、抽出パラメータ格納部２４と、空間関係語彙格納部２５とに接続されている。加えて、空間データ格納部２１、エンティティ格納部２２、地理事例知識格納部２３、抽出パラメータ格納部２４、及び空間関係語彙格納部２５は、それぞれ、推論用知識生成装置１０の外部のコンピュータの記憶装置によって構築されている。なお、各格納部は、推論用知識生成装置１０を構成するコンピュータの記憶装置によって構築されていても良い。
　空間データ格納部２１は、所定の空間上の事物に関するデータ（以下、「空間データ」と表記する。）を含む第１のデータ集合を格納している。空間データの具体例としては、電子地図データが挙げられる。
　エンティティ格納部２２は、第２のデータ集合を格納している。第２のデータ集合は、上述したように、関連する複数のエンティティのグループを、多数集めて構成されている。具体的には、グループは、例えば、関連する２つのエンティティ（エンティティ対）で構成されていても良く、この場合、第２のデータ集合は、多数のエンティティ対で構成されている。
　また、エンティティ対としては、過去のブログの記事、過去のニュース記事、過去の推論で用いられたクエリの履歴等において、共起頻度が一定以上であった用語の組みあわせが挙げられる。３つ以上のエンティティにおいてグループは、例えば、互いに共起頻度が一定以上であった３つ以上の用語の組合せからなる。用語としては、地理的空間に関する用語、例えば、駅、空港、都道府県、市町村、ビル、競技場、ランドマーク等が挙げられる。
　地理事例知識格納部２３は、所定の地理的空間（例えば、市町村、都道府県、地区等）に関する事例知識を格納している。事例知識としては、例えば、「Ａ市とＢ市とは消防の際の応援について協定を結んでいる。」、「Ａ市とＢ市とは災害時に物資を共有する協定を結んでいる。」等が挙げられる。
　抽出パラメータ格納部２４は、データ抽出部１１によるデータ抽出に用いられるパラメータを格納している。パラメータは、抽出されるデータの特定に用いられ、具体例としては、例えば、「（入力された地名）の中心＜２０ｋｍ」（中心から２０ｋｍ未満の範囲の意）等が挙げられる。
　空間関係語彙格納部２５は、空間関係語彙を格納している。空間関係語彙は、空間関係を述語項構造によって示す語彙である。空間関係語彙の具体例については、図３を用いて後述する。なお、空間関係は、空間上の位置関係または時間的・空間的な距離や繋がりなどを表す。
　入力受付部１５は、外部から入力されたクエリ、具体的には、指定された位置又は領域を示すテキストデータを受付け、受付けたクエリをデータ抽出部１１に渡す。データ抽出部１１は、本実施の形態では、まず、抽出パラメータ格納部２４からパラメータを取得する。次いで、データ抽出部１１は、取得したクエリとパラメータとを、空間データ格納部２１に格納されている空間データに照合して、クエリ及びパラメータに対応する空間データを抽出する。
　例えば、クエリが「Ａ市」、パラメータが「（入力された地名）の中心＜２０ｋｍ」であるとする。この場合、データ抽出部１１は、Ａ市の中心の緯度経度を特定し、特定した緯度経度から半径２０ｋｍ以内に存在する地名、ＰＯＩ（Point Of Interface）名等を、データとして抽出する。
　知識生成部１２は、本実施の形態では、データ抽出部１１によって抽出された空間データを、エンティティ格納部２２に格納されている各エンティティ対に照合して、抽出された空間データに含まれる語で構成された特定のエンティティ対を特定する。例えば、抽出されたデータに、Ａ市が含まれ、エンティティ対として「Ａ市、Ａ市立総合病院」が存在する場合は、知識生成部１２は、このエンティティ対を特定する。
　また、知識生成部１２は、特定したエンティティ対を、空間関係語彙格納部２５に格納されている空間関係語彙に当てはめ、特定したエンティティ対を構成する２つのエンティティそれぞれを項として用いた述語項構造を生成する。この生成された述語項構造が、推論用の知識となる。更に、知識生成部１２は、本実施の形態では、生成した推論用の知識を推論用知識格納部１４に出力して、これに格納させる。
　ここで、図３を用いて、空間関係語彙を用いた推論用の知識の作成処理について具体的に説明する。図３は、本発明の実施の形態における空間関係語彙及び推論用の知識の一例を示す図である。図３では、左端の欄に空間関係語彙の例を示し、中央の欄に、推論用の知識の一例を示し、右端の欄に、推論用の知識の意味内容を示している。
　図３の左端の欄に示すように、空間関係語彙は、述語と、それに必要不可欠な要素である項とで規定されている。また、空間関係語彙においては、図３の下部に記載のような項の属性も規定されており、属性が対応していない語によっては述語が成立しないようになっている。
　このため、本実施の形態では、知識生成部１２は、まず、特定したエンティティ対を構成する各エンティティの属性を特定し、更に、空間関係語彙格納部２５に格納されている空間関係語彙のなから、特定された属性を持つエンティティに対応する空間関係語彙を抽出する。そして、知識生成部１２は、特定したエンティティ対を、抽出した空間関係語彙に当てはめて、推論用の知識として、図３の中央の欄に示す述語項構造を生成する。また、知識生成部１２は、距離、時間といった数値データについては、例えば、インターネット上の検索サイトを利用して特定することができる。具体的には、知識生成部１２は、インターネットを介して閲覧できる、地図データベースに接続される検索サイトを用いて、エンティティ名を検索することで、エンティティの属性（図３に示す、Ｏ：オブジェクト、Ａ：エリア（名）、Ｌ：位置（名）、Ｕ：単位、Ｄ：距離、Ｗ：手段、Ｔｙｐｅ：種類）を特定できる。なお、位置属性を持つオブジェクトＯは、位置（名）Ｌに代入可能とし、エリア属性を持つオブジェクトＯ、位置（名）Ｌはエリア（名）Ａに代入可能とする。また、エンティティの属性としてサービスＳを設けてもよい。サービスＳは、各オブジェクトに関する公式Ｗｅｂサイトでの発表、又はＷｅｂニュースなどからトピックを抽出するために用いる。例えば、図３に示す「hasContract（Ｏ１,Ｏ２,Ｓ）」の場合、属性Ｏ１、Ｏ２、Ｓとして「Ｇ市」「Ｈ市」「消防応援」を用いて検索することにより、Ｇ市とＨ市との協定の有無の確認、東京消防庁のＷｅｂサイトから「消防相互応援協定一覧」というトピック（http://www.tfd.metro.tokyo.jp/hp-keibouka/sougokyoutei-2.html）を抽出できる。
　また、本実施の形態では、知識生成部１２は、事例知識抽出部１３を備えている。事例知識抽出部１３は、地理事例知識格納部２３に格納されている事例知識から、指定された位置又は領域における事例知識を抽出し、抽出した事例知識を、生成された推論用の知識と関連させた状態で、推論用知識格納部１４に格納させる。
［装置動作］
　次に、本発明の実施の形態における推論用知識生成装置の動作について図４を用いて説明する。図４は、本発明の実施の形態における推論用知識生成装置の動作を示すフロー図である。以下の説明においては、適宜図１～図３を参酌する。また、本実施の形態では、推論用知識生成装置を動作させることによって、推論用知識生成方法が実施される。よって、本実施の形態における推論用知識生成方法の説明は、以下の推論用知識生成装置１０の動作説明に代える。
　最初に、図５に示すように、入力受付部１５が、外部から入力されたクエリ(指定された位置又は領域を示すテキストデータ)を受付け、受付けたクエリをデータ抽出部１１に渡す（ステップＡ１）。
　次に、データ抽出部１１は、ステップＡ１で受けられたパラメータと、抽出パラメータ格納部２４から取得したパラメータとを、空間データ格納部２１に格納されている空間データに照合して、クエリ及びパラメータに対応する空間データを抽出する（ステップＡ２）。
　次に、知識生成部１２は、ステップＡ２で抽出された空間データを、エンティティ格納部２２に格納されている各エンティティ対に照合して、抽出された空間データに含まれる語で構成された特定のエンティティ対を特定する（ステップＡ３）。
　次に、知識生成部１２は、ステップＡ３で特定したエンティティ対を、空間関係語彙格納部２５に格納されている空間関係語彙に当てはめて、このエンティティ対を構成する２つのエンティティそれぞれが項として用いられた述語項構造を生成し、これを推論用の知識とする（ステップＡ４）。
　次に、知識生成部１２において、事例知識抽出部１３は、地理事例知識格納部２３に格納されている事例知識から、ステップＡ１で受付けられたクエリにおける事例知識を抽出する（ステップＡ５）。
　その後、事例知識抽出部１３は、ステップＡ５で抽出した事例知識を、ステップＡ４で生成された推論用の知識と関連させた状態で、推論用知識格納部１４に格納させる（ステップＡ６）。
　このように、ステップＡ１～Ａ６が実行されると、推論用の知識が生成されるので、計算機によって空間上の事物について推論を行なう際、推論時にオンデマンドに空間関係を導出する必要がなく、処理時間の短縮及び処理コストの低下が図られる。また、本実施の形態では、生成された推論用の知識は、述語項構造を備えているため、これを推論にそのまま適用することができる。
［具体例］
　続いて、具体例について説明する。まず、クエリとして、例えば「川崎市」が入力されたとする。また、空間データ格納部２１は、電子地図データを格納し、抽出パラメータ格納部２４が、「（入力された地名）の中心＜２０ｋｍ」を格納しているとする。
　この場合、データ抽出部１１は、電子地図データから、川崎市の中心の半径２０ｋｍ以内に存在する地名、ＰＯＩ名として、横浜市、相模原市、大田区、世田谷区、品川区、狛江市、調布市、川崎駅、横浜駅等を抽出する。
　また、知識生成部１２が、例えば、エンティティ対として、（川崎駅、横浜駅）、（川崎駅、大田総合病院）、（川崎市、横浜市）、（川崎市、大田区）等を特定したとする。この場合、知識生成部１２は、図３に示した空間関係語彙を用い、推論用の知識として、例えば、「timeDistance (L駅,M駅,drive,6,hours)」、「nearest (川崎市,太田総合病院,病院」、「adjoining (川崎市,横浜市)」、「adjoining (川崎市,大田区)」等を作成する。
　更に、この場合、事例知識抽出部１３は、事例知識として、「hasContract (川崎市,横浜市,消防応援)」、「hasContract (川崎市,横浜市,災害時物資共有)」等を抽出し、これらを上述の推論用の知識と関連付ける。また、作成された推論用の知識と、抽出された事例知識は、推論用知識格納部１４に格納される。
　以上の処理により、クエリである「川崎市」に関して、予め、「横浜市」との間で火災時の消防応援及び災害時の物資共有について取り決めがあることが知識として保持される。従って、例えば川崎市が、緊急に消防の応援を求めたい場合に、横浜市が川崎市の近隣都市であり、且つ、川崎市との間で消防応援協定を結んでいることが、推論における知識の参照によってすぐに特定される。
［プログラム］
　本実施の形態におけるプログラムは、コンピュータに、図４に示すステップＡ１～Ａ６を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における推論用知識生成装置１０と推論用知識生成方法とを実現することができる。この場合、コンピュータのプロセッサは、データ抽出部１１及び知識生成部１２として機能し、処理を行なう。また、推論用知識格納部１４は、コンピュータに備えられたハードディスク等の記憶装置によって実現できる。
　また、本実施の形態におけるプログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、各コンピュータが、それぞれ、データ抽出部１１及び知識生成部１２のいずれかとして機能しても良い。また、推論用知識格納部１４は、本実施の形態におけるプログラムを実行するコンピュータとは別のコンピュータ上に構築されていても良い。
　ここで、本実施の形態におけるプログラムを実行することによって、推論用知識生成装置１０を実現するコンピュータについて図５を用いて説明する。図５は、本発明の実施の形態における推論用知識生成装置を実現するコンピュータの一例を示すブロック図である。
　図５に示すように、コンピュータ１１０は、ＣＰＵ（Central Processing Unit）１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。なお、コンピュータ１１０は、ＣＰＵ１１１に加えて、又はＣＰＵ１１１に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-ProgrammableGate Array）を備えていても良い。
　ＣＰＵ１１１は、記憶装置１１３に格納された、本実施の形態におけるプログラム（コード）をメインメモリ１１２に展開し、これらを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。また、本実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２０に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス１１７を介して接続されたインターネット上で流通するものであっても良い。
　また、記憶装置１１３の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボード及びマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。
　データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、及びコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。
　また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記録媒体、又はＣＤ－ＲＯＭ（Compact DiskRead Only Memory）などの光学記録媒体が挙げられる。
　なお、本実施の形態における推論用知識生成装置１０は、プログラムがインストールされたコンピュータではなく、各部に対応したハードウェアを用いることによっても実現可能である。更に、推論用知識生成装置１０は、一部がプログラムで実現され、残りの部分がハードウェアで実現されていてもよい。
　上述した実施の形態の一部又は全部は、以下に記載する（付記１）～（付記１２）によって表現することができるが、以下の記載に限定されるものではない。
（付記１）
　計算機による推論に用いられる推論用の知識を生成するための装置であって、
　所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、データ抽出部と、
　前記空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、抽出された前記データに含まれる語で構成された前記エンティティのグループを特定し、
特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、前記エンティティ間の空間的な関係を示す前記推論用の知識を生成する、知識生成部と、
を備えている、ことを特徴とする推論用知識生成装置。
（付記２）
　前記第２のデータ集合において、複数の前記エンティティは、関連する２つのエンティティ毎にグループ化されており、
　前記知識生成部が、前記推論用の知識として、特定したグループを構成する前記２つのエンティティそれぞれを項として用いた述語項構造を生成する、
付記１に記載の推論用知識生成装置。
（付記３）
　生成された前記推論用の知識を格納する、推論用知識格納部を更に備えている、
付記１または２に記載の推論用知識生成装置。
（付記４）
　前記知識生成部が、前記空間に関する事例知識から、指定された位置又は領域における事例知識を抽出し、抽出した前記事例知識を、生成された前記推論用の知識と関連させた状態で、前記推論用知識格納部に格納させる、
付記３に記載の推論用知識生成装置。
（付記５）
　計算機による推論に用いられる推論用の知識を生成するための方法であって、
（ａ）所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、ステップと、
（ｂ）前記空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、抽出された前記データに含まれる語で構成された前記エンティティのグループを特定し、
特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、前記エンティティ間の空間的な関係を示す前記推論用の知識を生成する、ステップと、
を有する、ことを特徴とする推論用知識生成方法。
（付記６）
　前記第２のデータ集合において、複数の前記エンティティは、関連する２つのエンティティ毎にグループ化されており、
　前記（ｂ）のステップにおいて、前記推論用の知識として、特定したグループを構成する前記２つのエンティティそれぞれを項として用いた述語項構造を生成する、
付記５に記載の推論用知識生成方法。
（付記７）
（ｃ）生成された前記推論用の知識を格納する、ステップを更に有する、
付記５または６に記載の推論用知識生成方法。
（付記８）
（ｄ）前記空間に関する事例知識から、指定された位置又は領域における事例知識を抽出する、ステップを更に有し、
　前記（ｃ）のステップにおいて、抽出した前記事例知識を、生成された前記推論用の知識と関連させた状態で格納する、
付記７に記載の推論用知識生成方法。
（付記９）
　コンピュータによって、計算機による推論に用いられる推論用の知識を生成するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
前記コンピュータに、
（ａ）所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、ステップと、
（ｂ）前記空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、抽出された前記データに含まれる語で構成された前記エンティティのグループを特定し、
特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、前記エンティティ間の空間的な関係を示す前記推論用の知識を生成する、ステップと、
を実行させる命令を含む、プログラムを記録したコンピュータ読み取り可能な記録媒体。
（付記１０）
　前記第２のデータ集合において、複数の前記エンティティは、関連する２つのエンティティ毎にグループ化されており、
　前記（ｂ）のステップにおいて、前記推論用の知識として、特定したグループを構成する前記２つのエンティティそれぞれを項として用いた述語項構造を生成する、
付記９に記載のコンピュータ読み取り可能な記録媒体。
（付記１１）
前記プログラムが、前記コンピュータに、
（ｃ）生成された前記推論用の知識を格納する、ステップを更に実行させる命令を含む、
付記９または１０に記載のコンピュータ読み取り可能な記録媒体。
（付記１２）
前記プログラムが、前記コンピュータに、
（ｄ）前記空間に関する事例知識から、指定された位置又は領域における事例知識を抽出する、ステップを更に実行させる命令を含み、
　前記（ｃ）のステップにおいて、抽出した前記事例知識を、生成された前記推論用の知識と関連させた状態で格納する、
付記１１に記載のコンピュータ読み取り可能な記録媒体。
　以上、実施の形態を参照して本願発明を説明したが、本願発明は上記実施の形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０１７年２月１０日に出願された日本出願特願２０１７－０２３４０９を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　以上のように、本発明によれば、計算機によって空間上の事物について推論を行なう際の処理時間の短縮及び処理コストの低下を図ることができる。本発明は、計算機による空間上の事物についての推論が行なわれるシステム、例えば、出店計画、犯罪捜査、災害時の避難計画や指示、環境管理等のために、人及びモノの動きを捉えることを目的としたシステムに有用である。
　１０　推論用知識生成装置
　１１　データ抽出部
　１２　知識生成部
　１３　事例知識抽出部
　１４　推論用知識格納部
　１５　入力受付部
　２１　空間データ格納部
　２２　エンティティ格納部
　２３　地理事例知識格納部
　２４　抽出パラメータ格納部
　２５　空間関係語彙格納部
　１１０　コンピュータ
　１１１　ＣＰＵ
　１１２　メインメモリ
　１１３　記憶装置
　１１４　入力インターフェイス
　１１５　表示コントローラ
　１１６　データリーダ／ライタ
　１１７　通信インターフェイス
　１１８　入力機器
　１１９　ディスプレイ装置
　１２０　記録媒体
　１２１　バス

Claims (12)

  1. 　計算機による推論に用いられる推論用の知識を生成するための装置であって、
    　所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、データ抽出部と、
    　前記空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、抽出された前記データに含まれる語で構成された前記エンティティのグループを特定し、
    特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、前記エンティティ間の空間的な関係を示す前記推論用の知識を生成する、知識生成部と、
    を備えている、ことを特徴とする推論用知識生成装置。
  2. 　前記第２のデータ集合において、複数の前記エンティティは、関連する２つのエンティティ毎にグループ化されており、
    　前記知識生成部が、前記推論用の知識として、特定したグループを構成する前記２つのエンティティそれぞれを項として用いた述語項構造を生成する、
    請求項１に記載の推論用知識生成装置。
  3. 　生成された前記推論用の知識を格納する、推論用知識格納部を更に備えている、
    請求項１または２に記載の推論用知識生成装置。
  4. 　前記知識生成部が、前記空間に関する事例知識から、指定された位置又は領域における事例知識を抽出し、抽出した前記事例知識を、生成された前記推論用の知識と関連させた状態で、前記推論用知識格納部に格納させる、
    請求項３に記載の推論用知識生成装置。
  5. 　計算機による推論に用いられる推論用の知識を生成するための方法であって、
    （ａ）所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、ステップと、
    （ｂ）前記空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、抽出された前記データに含まれる語で構成された前記エンティティのグループを特定し、
    特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、前記エンティティ間の空間的な関係を示す前記推論用の知識を生成する、ステップと、
    を有する、ことを特徴とする推論用知識生成方法。
  6. 　前記第２のデータ集合において、複数の前記エンティティは、関連する２つのエンティティ毎にグループ化されており、
    　前記（ｂ）のステップにおいて、前記推論用の知識として、特定したグループを構成する前記２つのエンティティそれぞれを項として用いた述語項構造を生成する、
    請求項５に記載の推論用知識生成方法。
  7. （ｃ）生成された前記推論用の知識を格納する、ステップを更に有する、
    請求項５または６に記載の推論用知識生成方法。
  8. （ｄ）前記空間に関する事例知識から、指定された位置又は領域における事例知識を抽出する、ステップを更に有し、
    　前記（ｃ）のステップにおいて、抽出した前記事例知識を、生成された前記推論用の知識と関連させた状態で格納する、
    請求項７に記載の推論用知識生成方法。
  9. 　コンピュータによって、計算機による推論に用いられる推論用の知識を生成するためのプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
    前記コンピュータに、
    （ａ）所定の空間上の事物に関するデータを含む、第１のデータ集合から、設定されたパラメータに基づいて、指定された位置又は領域に該当するデータを抽出する、ステップと、
    （ｂ）前記空間を構成している複数のエンティティを含み、且つ、関連するエンティティ毎にグループ化が行なわれている第２のデータ集合から、抽出された前記データに含まれる語で構成された前記エンティティのグループを特定し、
    特定したグループと、予め登録されている空間的な関係を表す語彙とに基づいて、前記エンティティ間の空間的な関係を示す前記推論用の知識を生成する、ステップと、
    を実行させる命令を含む、プログラムを記録したコンピュータ読み取り可能な記録媒体。
  10. 　前記第２のデータ集合において、複数の前記エンティティは、関連する２つのエンティティ毎にグループ化されており、
    　前記（ｂ）のステップにおいて、前記推論用の知識として、特定したグループを構成する前記２つのエンティティそれぞれを項として用いた述語項構造を生成する、
    請求項９に記載のコンピュータ読み取り可能な記録媒体。
  11. 前記プログラムが、前記コンピュータに、
    （ｃ）生成された前記推論用の知識を格納する、ステップを更に実行させる、
    請求項９または１０に記載のコンピュータ読み取り可能な記録媒体。
  12. 前記プログラムが、前記コンピュータに、
    （ｄ）前記空間に関する事例知識から、指定された位置又は領域における事例知識を抽出する、ステップを更に実行させる命令を含み、
    　前記（ｃ）のステップにおいて、抽出した前記事例知識を、生成された前記推論用の知識と関連させた状態で格納する、
    請求項１１に記載のコンピュータ読み取り可能な記録媒体。
PCT/JP2018/003337 2017-02-10 2018-02-01 推論用知識生成装置、推論用知識生成方法、及びコンピュータ読み取り可能な記録媒体 WO2018147150A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018567389A JP7028194B2 (ja) 2017-02-10 2018-02-01 推論用知識生成装置、推論用知識生成方法、及びプログラム
US16/484,512 US20200005163A1 (en) 2017-02-10 2018-02-01 Inference-use knowledge generation apparatus, inference-use knowledge generation method, and computer-readable recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-023409 2017-02-10
JP2017023409 2017-02-10

Publications (1)

Publication Number Publication Date
WO2018147150A1 true WO2018147150A1 (ja) 2018-08-16

Family

ID=63108233

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/003337 WO2018147150A1 (ja) 2017-02-10 2018-02-01 推論用知識生成装置、推論用知識生成方法、及びコンピュータ読み取り可能な記録媒体

Country Status (3)

Country Link
US (1) US20200005163A1 (ja)
JP (1) JP7028194B2 (ja)
WO (1) WO2018147150A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220374607A1 (en) * 2019-10-02 2022-11-24 Nec Corporation Inferential knowledge construction support apparatus, inferential knowledge construction support method, and computer-readable recording medium

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117371529B (zh) * 2023-12-07 2024-04-05 北京市农林科学院信息技术研究中心 作物表型数据知识图谱生成方法、装置、电子设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03233632A (ja) * 1990-02-09 1991-10-17 Hitachi Ltd エキスパートシステム構築支援方法および文書検索方法
JP2004102428A (ja) * 2002-09-05 2004-04-02 Internatl Business Mach Corp <Ibm> 情報表示システム、情報表示方法、該情報表示方法を実行させるためのプログラム、該プログラムを記録したコンピュータ可読な記憶媒体、サーバ制御方法、該サーバ制御方法を実行させるためのプログラム、該プログラムを記録したコンピュータ可読な記憶媒体および情報表示のためのグラフィカル・ユーザ・インタフェイス・システム
WO2015190149A1 (ja) * 2014-06-11 2015-12-17 ソニー株式会社 情報処理装置、制御方法、およびプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2671799B1 (fr) 1991-01-17 1993-03-12 Rhone Poulenc Rorer Sa La b-phenylisoserine-(2r, 3s), ses sels, sa preparation et son emploi.

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03233632A (ja) * 1990-02-09 1991-10-17 Hitachi Ltd エキスパートシステム構築支援方法および文書検索方法
JP2004102428A (ja) * 2002-09-05 2004-04-02 Internatl Business Mach Corp <Ibm> 情報表示システム、情報表示方法、該情報表示方法を実行させるためのプログラム、該プログラムを記録したコンピュータ可読な記憶媒体、サーバ制御方法、該サーバ制御方法を実行させるためのプログラム、該プログラムを記録したコンピュータ可読な記憶媒体および情報表示のためのグラフィカル・ユーザ・インタフェイス・システム
WO2015190149A1 (ja) * 2014-06-11 2015-12-17 ソニー株式会社 情報処理装置、制御方法、およびプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220374607A1 (en) * 2019-10-02 2022-11-24 Nec Corporation Inferential knowledge construction support apparatus, inferential knowledge construction support method, and computer-readable recording medium

Also Published As

Publication number Publication date
JP7028194B2 (ja) 2022-03-02
JPWO2018147150A1 (ja) 2019-12-12
US20200005163A1 (en) 2020-01-02

Similar Documents

Publication Publication Date Title
Huang Comprehensive geographic information systems
JP5925338B2 (ja) 無線ネットワークアクセスポイントの発見
US20140372458A1 (en) Systems and Methods for Mapping Nodes of Disconnected Graphs
Xing et al. Crowdsourced social media and mobile phone signaling data for disaster impact assessment: A case study of the 8.8 Jiuzhaigou earthquake
Liu et al. Assessing relevance of tweets for risk communication
Crişan et al. Emergency management using geographic information systems: application to the first romanian traveling salesman problem instance
Vert et al. Relevant aspects for the integration of linked data in mobile augmented reality applications for tourism
US8694512B1 (en) Query suggestions
US20130031458A1 (en) Hyperlocal content determination
US20230194302A1 (en) Method of updating map data, electronic device and storage medium
Chai et al. Analysis of spatiotemporal mobility of shared‐bike usage during COVID‐19 pandemic in Beijing
WO2018147150A1 (ja) 推論用知識生成装置、推論用知識生成方法、及びコンピュータ読み取り可能な記録媒体
WO2021062484A1 (en) System and method for identifying a disease affected area
Santos et al. Road network vulnerability and city-level characteristics: A nationwide comparative analysis of Japanese cities
Buchel et al. Geospatial analysis
Silva et al. Applications of geospatial big data in the Internet of Things
Mls et al. Agent-based models of human response to natural hazards: systematic review of tsunami evacuation
Tempelmeier et al. GeoVectors: a linked open corpus of OpenStreetMap Embeddings on world scale
Yu et al. Automatic geospatial data conflation using semantic web technologies
Francalanci et al. Exploratory spatio-temporal queries in evolving information
CN117056620A (zh) 一种基于职业信息处理业务的方法、装置、设备及介质
Leidner A survey of textual data & geospatial technology
Mahmood et al. Public bus commuter assistance through the named entity recognition of twitter feeds and intelligent route finding
Idhoko et al. Development of a geographic information systems road network database for emergency response: A case study of Oyo-Town, Oyo State, Nigeria
Yin et al. A probabilistic framework for improving reverse geocoding output

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18751604

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2018567389

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18751604

Country of ref document: EP

Kind code of ref document: A1