JP2019040417A

JP2019040417A - 情報処理装置及びプログラム

Info

Publication number: JP2019040417A
Application number: JP2017162248A
Authority: JP
Inventors: 克司時得; Katsushi Tokie
Original assignee: Fuji Xerox Co Ltd
Current assignee: Fujifilm Business Innovation Corp
Priority date: 2017-08-25
Filing date: 2017-08-25
Publication date: 2019-03-14
Anticipated expiration: 2037-08-25
Also published as: JP7024255B2

Abstract

【課題】複数のサービス提供手段のいずれかの処理を指示する場合に、該処理を行うユーザがサービス提供手段の特性を把握していなくても、処理対象データを処理させるのに適したサービス提供手段に指示を行う。【解決手段】情報処理装置１０は、処理対象データが受け付けられると、類似データ抽出用学習モデル３を利用して得た処理対象データと各テストデータとの類似度のうち最高の類似度のテストデータ（類似テストデータ）を選出するテストデータ選出部１２と、類似テストデータを各学習済みモデル２に処理させて得た処理結果と類似テストデータの正解データとを比較し、正答率の最も高い学習済みモデル２を選定する学習済みモデル決定部１３と、処理対象データを選定された学習済みモデル２に処理させて処理結果を得る処理実行部１４と、を有する。【選択図】図１

Description

本発明は、情報処理装置及びプログラムに関する。

現在では、クラウド・コンピューティングの形態で提供されるクラウドサービスを組み込んで顧客等に提供するサービスを開発することが一般的になってきている。特に、ＡＩ（ＡｒｔｉｆｉｃａｌＩｎｔｅｌｌｉｇｅｎｃｅ）の深層学習によって品質や性能を大幅に向上させた学習済みモデルをサービスに組み込めば、比較的容易に機能を向上させることが可能となる。

例えば、入力された処理対象データに対して画像認識や文字認識等所定の処理を実施して処理結果を出力するようなクラウドサービス（サービス提供手段）などが複数のクラウド事業者から提供されている。サービス提供事業者は、いずれかのクラウドサービスを利用して自社サービスを提供する。

本発明は、複数のサービス提供手段のいずれかの処理を指示する場合に、該処理を行うユーザがサービス提供手段の特性を把握していなくても、処理対象データを処理させるのに適したサービス提供手段に指示を行うことができる装置を提供することを目的とする。

本発明に係る情報処理装置は、処理対象データを受け付ける第１の受付手段と、複数のサービス提供手段がテスト用データを処理した処理結果を受け付ける第２の受付手段と、前記処理結果に基づいて、前記複数のサービス提供手段のうちのいずれに前記処理対象データに対する処理を依頼するかを決定する決定手段と、前記決定されたサービス提供手段に前記処理対象データおよび処理依頼を送信する送信手段と、を有することを特徴とする。

また、前記決定手段は、前記処理結果の正答率が高いサービス提供手段を前記処理対象データに対する処理を依頼する依頼先として決定することを特徴とする。

また、前記決定手段は、前記テスト用データの処理結果として期待される正解データと、前記複数のサービス提供手段の処理結果を比較することにより、前記処理結果の正答率が高いサービス提供手段を依頼先として決定することを特徴とする。

また、前記決定手段は、前記正解データと前記各サービス提供手段の処理結果との類似度を、前記各サービス提供手段の正答率として算出することを特徴とする。

また、記憶手段に記憶された複数のテスト用のデータの中から前記処理対象データとの類似度が高いデータを前記テスト用データとして選出する選出手段をさらに備え、前記決定手段は、前記選出手段が選出したテスト用データに対する前記複数のサービス提供手段の処理結果に基づいて、前記複数のサービス提供手段のうちのいずれに前記処理対象データに対する処理を依頼するかを決定することを特徴とする。

また、前記決定手段が依頼先として決定したサービス提供手段と、当該サービス提供手段の決定に用いたテスト用データとの関連付け情報を保持、管理する管理手段を有し、前記決定手段は、前記選出手段が選出したテスト用データの関連付け情報が前記管理手段により保持されている場合、当該テスト用データに関連付けられているサービス提供手段を、前記処理対象データを処理させるサービス提供手段として決定することを特徴とする。

また、前記管理手段は、保持してから所定時間が経過した関連付け情報を削除することを特徴とする。

また、前記選出手段による処理の結果、前記処理対象データと所定の類似度に達するテスト用のデータが存在しない場合、前記処理対象データと所定の類似度以上となるテスト用のデータと、当該テスト用のデータを前記サービス提供手段に処理させて得られる処理結果として期待される正解データと、の組を新たに生成して前記記憶手段に登録する登録処理手段を有することを特徴とする。

また、前記登録処理手段は、前記処理対象データを、前記記憶手段に新たに登録するテスト用のデータとすることを特徴とする。

本発明に係るプログラムは、コンピュータを、処理対象データを受け付ける第１の受付手段、複数のサービス提供手段がテスト用データを処理した処理結果を受け付ける第２の受付手段、前記処理結果に基づいて、前記複数のサービス提供手段のうちのいずれに前記処理対象データに対する処理を依頼するかを決定する決定手段、前記決定されたサービス提供手段に前記処理対象データおよび処理依頼を送信する送信手段、として機能させる。

請求項１に記載の発明によれば、複数のサービス提供手段のいずれかの処理を指示する場合に、該処理を行うユーザがサービス提供手段の特性を把握していなくても、処理対象データを処理させるのに適したサービス提供手段に指示を行うことができる。

請求項２に記載の発明によれば、処理結果の正答率が高いサービス提供手段を処理対象データに対する処理を依頼する依頼先として決定することができる。

請求項３に記載の発明によれば、処理結果を正解データと比較することにより、処理結果の正答率が高いサービス提供手段を特定することができる。

請求項４に記載の発明によれば、正解データと各サービス提供手段の処理結果との類似度を各サービス提供手段の正答率として算出することができる。

請求項５に記載の発明によれば、複数のテスト用のデータの中から処理対象データとの類似度が高いデータを各サービス提供手段に処理させることによって得られた処理結果に基づき、処理対象データを処理させるのに最適なサービス提供手段を選択することができる。

請求項６に記載の発明によれば、サービス提供手段の決定に要する処理負荷を削減することができる。

請求項７に記載の発明によれば、古くなった決定手段による決定の結果を参照しないようにすることができる。

請求項８に記載の発明によれば、次回以降においてより適したテスト用データを選出することができる。

請求項９に記載の発明によれば、次回以降において、テスト用のデータとして登録された処理対象データに類似する処理対象データに対して、より適したテスト用データを選出することができる。

請求項１０に記載の発明によれば、複数のサービス提供手段のいずれかの処理を指示する場合に、該処理を行うユーザがサービス提供手段の特性を把握していなくても、処理対象データを処理させるのに適したサービス提供手段に指示を行うことができる。

本発明に係る情報処理装置の一実施の形態を示したブロック構成図である。実施の形態１における情報処理装置のハードウェア構成図である。実施の形態１における情報処理装置が実施するデータ処理を示すフローチャートである。実施の形態１において、ユーザが処理対象データを指定すると共に処理結果を表示させるための画面の一例を示す図である。実施の形態２における情報処理装置の一実施の形態を示したブロック構成図である。実施の形態２における情報処理装置が実施するデータ処理を示すフローチャートである。実施の形態３における情報処理装置の一実施の形態を示したブロック構成図である。

以下、図面に基づいて、本発明の好適な実施の形態について説明する。

実施の形態１．
図１は、本発明に係る情報処理装置の一実施の形態を示したブロック構成図である。図１には、情報処理装置１０と、情報処理装置１０がネットワーク（図示せず）を介してアクセス可能なクラウド・コンピューティング（以下、単に「クラウド」ともいう）１とが示されている。

クラウド１は、様々なクラウドサービスを提供しうるが、図１には、本実施の形態において用いる複数の学習済みモデル２及び類似データ抽出用学習モデル３をそれぞれ用いたクラウドサービスが示されている。学習済みモデル２及び類似データ抽出用学習モデル３は、ＡＩの深層学習によって品質や性能が大幅に向上された学習モデルである。このうち、学習済みモデル２は、入力された画像データに含まれている文字を抽出する文字認識機能を提供する学習モデルを想定している。類似データ抽出用学習モデル３は、基準となるデータと比較対象となるデータとの類似度を算出する学習モデルである。複数のクラウド事業者がそれぞれ同様のクラウドサービスを提供するので、同様の機能を提供する複数の学習済みモデル２が存在しうる。ただ、利用する教師データが異なるなどＡＩの深層学習の内容が異なるため、各学習済みモデル２は、同じデータが入力されても同じ処理結果が得られるとは限らない。本実施の形態では、複数存在する学習済みモデル２の中から、処理対象データを処理させるのに最適な学習済みモデル２を選択することを特徴としている。なお、サービス提供手段としてのクラウドサービスは、それぞれ学習モデルを利用して当該サービスを提供するため、本実施の形態では、クラウドサービスと学習モデルとは同義として説明する。

図２は、本実施の形態における情報処理装置１０を形成するコンピュータのハードウェア構成図である。本実施の形態における情報処理装置１０は、従前から存在する汎用的なハードウェア構成で実現できる。すなわち、情報処理装置１０は、図２に示したようにＣＰＵ２１、ＲＯＭ２２、ＲＡＭ２３、ハードディスクドライブ（ＨＤＤ）２４、入力手段として設けられたマウス２５とキーボード２６、及び表示装置として設けられたディスプレイ２７をそれぞれ接続する入出力コントローラ２８、通信手段として設けられたネットワークインタフェース（ＩＦ）２９を内部バス３０に接続して構成される。

図１に戻り、本実施の形態における情報処理装置１０は、データ受付部１１、テストデータ選出部１２、学習済みモデル決定部１３、処理実行部１４、ＡＰＩ（ＡｐｐｌｉｃａｔｉｏｎＰｒｏｇｒａｍｍｉｎｇＩｎｔｅｒｆａｃｅ）１５、処理対象データ記憶部１６及びテストデータ情報記憶部１７を有している。なお、本実施の形態の説明に用いない構成要素については説明を省略する。

データ受付部１１は、処理対象データを受け付け、処理対象データ記憶部１６に保存する。テストデータ選出部１２は、予め用意されているテスト用のデータ（以下、「テストデータ」）の中から処理対象データに最も類似しているテストデータ（類似テストデータ）を選出する。学習済みモデル決定部１３は、類似テストデータを各学習済みモデル２に処理させ、その処理結果に基づいて学習済みモデル２のうちいずれに処理対象データに対する処理を依頼するかを決定する。処理実行部１４は、学習済みモデル決定部１３が決定した学習済みモデル２に処理対象データ及び処理依頼を送信することで処理対象データを処理させる。また、処理実行部１４は、送信先の学習済みモデル２から処理対象データを処理した結果を受け取ると、その処理結果を処理対象データ提供元に提供する。ＡＰＩ１５は、クラウド１が提供するクラウドサービスを利用するために情報処理装置１０に組み込まれるインタフェースである。

テストデータ情報記憶部１７には、テストデータ選出部１２が参照するテストデータが予め登録されている。各テストデータには、当該テストデータが正しく処理されたときに得られる処理結果（正解データ）が対応付けされている。

情報処理装置１０における各構成要素１１〜１５は、情報処理装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ２１で動作するプログラムとの協調動作により実現される。また、各記憶部１６，１７は、情報処理装置１０に搭載されたＨＤＤ２４にて実現される。あるいは、ＲＡＭ２３又は外部にある記憶手段をネットワーク経由で利用してもよい。

また、本実施の形態で用いるプログラムは、通信手段により提供することはもちろん、ＣＤ−ＲＯＭやＵＳＢメモリ等のコンピュータ読み取り可能な記録媒体に格納して提供することも可能である。通信手段や記録媒体から提供されたプログラムはコンピュータにインストールされ、コンピュータのＣＰＵがプログラムを順次実行することで各種処理が実現される。

本実施の形態では、同様のサービス機能を提供する複数の学習済みモデル２の中から、処理対象データを処理させた結果、得られる処理結果として最適な処理結果、すなわち最も正しい処理結果が得られると推定される学習済みモデル２を特定することを特徴としている。以下、本実施の形態における情報処理装置１０が実施するデータ処理について、図３に示すフローチャートを用いて説明する。

なお、本実施の形態では、処理対象データは文字を含む画像データであり、各学習済みモデル２は、文字認識機能を提供し、入力された画像データに含まれている文字を処理結果として出力するものとする。

図４は、ユーザが処理対象データを指定すると共に処理結果を表示させるための画面の一例を示す図である。ユーザが情報処理装置１０に対し所定の操作を行うことで図４に例示した画面をディスプレイ２７に表示させ、この画面から処理対象データを指定すると共に、この処理対象データに対して実施させたい処理（本実施の形態では、文字認識処理）を選択する。

なお、図４を用いた処理対象データの指定方法は、一例であってこれに限る必要はない。例えば、ユーザが個人的に使用する端末装置から処理対象データを情報処理装置１０へ送信することで処理を指示するように構成してもよい。

データ受付部１１は、ユーザにより指定された処理対象データを受け付けると、受け付けた処理対象データを処理対象データ記憶部１６に保存する（ステップ１１１）。

データ受付部１１が処理対象データを受け付けると、テストデータ選出部１２は、テストデータ情報記憶部１７に登録されている全てのテストデータを取り出し、処理対象データと共にＡＰＩ１５経由でクラウド１の類似データ抽出用学習モデル３へ送信することで処理を依頼する。類似データ抽出用学習モデル３は、処理対象データ及び複数のテストデータが入力されると、処理対象データと各テストデータの類似度を算出して返信する。類似度の算出方法は類似データ抽出用学習モデル３に依存する。テストデータ選出部１２は、類似データ抽出用学習モデル３から返信されてきた各テストデータの類似度を参照し、最も類似度の高いテストデータを学習済みモデル決定部１３による処理に用いるテストデータ（類似テストデータ）として選出する（ステップ１１２）。

類似テストデータが選出されると、学習済みモデル決定部１３は、類似テストデータをクラウド１へ送信することで処理を依頼する。クラウド１の各学習済みモデル２は、テストデータが入力されると、テストデータに対して文字認識処理を実施し、そのテストデータから抽出した文字を含むファイルを処理結果として返信する。学習済みモデル決定部１３は、このようにして類似テストデータに基づき各学習済みモデル２に処理を実施させ、その処理結果を取得する（ステップ１１３）。そして、学習済みモデル決定部１３は、当該類似テストデータの正解データをテストデータ情報記憶部１７から取り出し、各処理結果をその正解データと照合する（ステップ１１４）。なお、正解データは、各学習済みモデル２からの処理結果を受信する前に取り出してもよい。そして、学習済みモデル決定部１３は、処理結果それぞれに対し正答率を算出する。正答率は、正しく文字認識できた割合であり、処理結果として得た文字又は文字列のうち、正解データに含まれている文字又は文字列と合致している文字又は文字列が占める割合である。従って、正答率が高いほど、正しい文字認識処理が実施されたことになる。従って、学習済みモデル決定部１３は、正答率が最も高い処理結果が得られた学習済みモデル２を、処理対象データを処理させる学習済みモデル２として選定する（ステップ１１５）。

このようにして、処理対象データを処理させる学習済みモデル２が決定されると、処理実行部１４は、処理対象データ記憶部１６から処理対象データを取り出し、学習済みモデル決定部１３により選定された学習済みモデル２に処理対象データ及び処理依頼を送信する。このようにして、選定された学習済みモデル２は、処理対象データに基づき処理を実施することで、処理対象データに対する処理結果を得ると情報処理装置１０に返信する。

処理実行部１４は、クラウド１から処理結果を取得すると（ステップ１１６）、図４に示す画面の所定の処理結果表示領域に表示することで、処理結果をユーザに提示する（ステップ１１７）。なお、本実施の形態では、処理結果を画面表示するようにしたが、処理結果を含むファイルを生成して、ユーザに提供するようにしてもよい。

本実施の形態によれば、処理対象データに最も類似しているテストデータを処理させることで最も高い正答率が得られた学習済みモデル２を、処理対象データを処理させる学習済みモデル２として選定した。各学習済みモデル２は、前述したようにＡＩの深層学習の内容によって同じ入力データに対して処理（本実施の形態の場合、文字認識処理）を実施しても同じ処理結果が得られるとは限らない。機械学習による学習済みモデル２は、学習に使用した教師データと類似するデータの処理は得意だが、教師データと特徴の異なるデータの処理は得意ではないので適切な処理結果が得られるとは限らない。つまり、適用分野が限られる傾向にあるとも言える。

そこで、本実施の形態では、処理対象データに最も類似しているテストデータを処理させた結果、正答率が最も高い学習済みモデル２であれば、処理対象データを処理させても最も高い正当率、すなわち最も正しい処理結果が得られると推定し、処理対象データに最も類似している類似テストデータを各学習済みモデル２に処理させることによって、複数の学習済みモデル２の中から処理対象データを処理させるのに最適と推測される学習済みモデル２を選定できるようにした。

なお、本実施の形態では、テストデータの中から類似テストデータを選出する際、処理対象データと各テストデータとの類似度を算出するようにしたが、この選出方法に限る必要はない。例えば、テストデータと処理対象データとの属性情報を対比して、処理対象データの属性情報と最も類似するテストデータを類似テストデータとして選出するようにしてもよい。

また、学習済みモデル２を選定する際、正当率を算出したが、例えば、類似データ抽出用学習モデル３を利用して、正解データと各処理結果との類似度を算出させてもよい、この場合、算出された類似度を各学習済みモデル２の正答率として利用することになる。

実施の形態２．
図５は、本実施の形態における情報処理装置１０のブロック構成図である。なお、実施の形態１における情報処理装置１０と同じ構成要素には同じ符号を付け、説明を省略する。本実施の形態は、実施の形態１に示した構成に、実績情報管理部１８及び実績情報記憶部１９を追加した構成を有している。

学習済みモデル決定部１３は、類似テストデータを各学習済みモデル２に処理させた結果に基づき処理対象データを処理させる学習済みモデル２を決定する。実績情報管理部１８は、学習済みモデル決定部１３が処理の依頼先として決定した学習済みモデル２と、当該学習済みモデル２の決定に用いた類似テストデータとの関連付け情報を実績情報記憶部１９に登録することによって保持、管理するようにした。

実績情報管理部１８は、情報処理装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ２１で動作するプログラムとの協調動作により実現される。また、実績情報記憶部１９は、情報処理装置１０に搭載されたＨＤＤ２４にて実現される。あるいは、ＲＡＭ２３又は外部にある記憶手段をネットワーク経由で利用してもよい。

以下、本実施の形態におけるデータ処理について図６に示すフローチャートを用いて説明する。なお、実施の形態１（図３）と同じ処理には同じステップ番号を付け説明を適宜省略する。

実施の形態1と同様にして、学習済みモデル決定部１３は、処理対象データを処理させる学習済みモデル２を決定するが（ステップ１１５）、このとき、実績情報管理部１８は、決定した学習済みモデル２を識別する情報と類似テストデータを識別する情報とを紐付けて関連付け情報を生成して実績情報記憶部１９に登録する（ステップ１２３）。

そして、データ受付部１１が新たな処理対象データを受け付けると（ステップ１１１）、テストデータ選出部１２は、その処理対象データに対する類似テストデータを選出することになるが（ステップ１１２）、学習済みモデル決定部１３は、選出された類似テストデータが実績情報記憶部１９に登録されている場合（ステップ１２１でＹ）、その類似テストデータに関連付けられている学習済みモデル２を、処理対象データを処理させる学習済みモデル２と選定する（ステップ１２２）。すなわち、ステップ１１３において、選出された類似テストデータを各学習済みモデル２に処理させても、結果として同じ学習済みモデル２が選定されることになる（ステップ１１４，１１５）。従って、本実施の形態では、この学習済みモデル２の決定に要する処理負荷を削減するために過去の学習済みモデル２の決定の実績を保持し、そして利用できるようにした。

ただ、各学習済みモデル２は、ＡＩの深層学習が継続して実施されることで品質や性能の向上が図られているので、同じ学習済みモデル２に処理させても、時間の経過に伴い正答率が異なってくる可能性が少なくない。そこで、実績情報管理部１８は、保持してから所定時間が経過した関連付け情報を実績情報記憶部１９から削除することによって過去の決定の結果を参照できないようにしてもよい。なお、テストデータ選出部１２により選出された類似テストデータが実績情報記憶部１９に登録されていない場合（ステップ１２１でＮ）、実施の形態１と同様にして学習済みモデル２を選定することになる（ステップ１１３〜１１５）。

実施の形態３．
図７は、本実施の形態における情報処理装置１０のブロック構成図である。なお、実施の形態１における情報処理装置１０と同じ構成要素には同じ符号を付け、説明を省略する。本実施の形態では、実施の形態１に示した構成に、テストデータ登録処理部２０を追加した構成を有している。

実施の形態１において説明したように、テストデータ選出部１２は、処理対象データと、テストデータ情報記憶部１７に登録されている全てのテストデータとの類似度を類似データ抽出用学習モデル３に算出させ、最も類似度の高いテストデータを学習済みモデル決定部１３による処理に用いるテストデータ（類似テストデータ）として選出した（ステップ１１２）。ただ、最も類似度の高いテストデータであっても類似度が相対的に低ければ、最適な学習済みモデル２が選定されるとは限らない。

そこで、本実施の形態においては、テストデータ登録処理部２０を設け、所定の閾値（類似度）に達するテストデータが存在しない場合、以降の処理のために、処理対象データとの類似度が所定の閾値以上となるテストデータと、当該テストデータを学習済みモデル２に処理させて得られる処理結果として期待される正解データと、の組を新たに生成してテストデータ情報記憶部１７に登録するようにした。

テストデータ登録処理部２０は、情報処理装置１０を形成するコンピュータと、コンピュータに搭載されたＣＰＵ２１で動作するプログラムとの協調動作により実現される。

図４におけるステップ１１２において、類似データ抽出用学習モデル３から返信されてきた各テストデータの類似度のいずれもが、所定の閾値（類似度）に達していない場合、テストデータ登録処理部２０は、前述したように処理対象データとの類似度が所定の閾値以上となるテストデータと、当該テストデータの正解データとの組をテストデータ情報記憶部１７に登録するが、このテストデータ登録処理部２０における処理は、図３に示すデータ処理の途中において実施してもよいし、類似度は閾値に達していないまま図３に示すデータ処理を実施させ、このデータ処理とは別個に実施するようにしてもよい。

新たに用意するテストデータとしては、所定の閾値（類似度）に達するテストデータが存在しなかった処理対象データをテストデータとするのが好適である。処理対象データと所定の閾値（類似度）に達するテストデータが存在しなかったため、処理対象データを以降の処理のためのテストデータとして採用することで、複数のテストデータによる類似範囲を拡張させることが可能となる。処理対象データをテストデータとして採用する場合、テストデータ登録処理部２０は、処理対象データ記憶部１６から取り出せばよいが、そうでない場合は入力されたデータを取得することになる。また、テストデータの正解データも合わせて用意する必要があるが、そのためにはエンジニア等により生成された正解データを取得して、テストデータと関連付けしてテストデータ情報記憶部１７に登録する。

なお、上記各実施の形態においては、単一の類似データ抽出用学習モデル３を用いたが、複数の類似データ抽出用学習モデル３に類似度を算出させ、それぞれの類似データ抽出用学習モデル３で算出された類似度に基づきテストデータの類似度を決めるようにしてもよい。例えば、各類似データ抽出用学習モデル３からの類似度の平均値を当該テストデータの類似度としてもよい。あるいは、最高値の類似度を当該テストデータの類似度としてもよい。

また、上記実施の形態２，３は、適宜組み合わせて実施してもよい。

１クラウド、２学習済みモデル、３類似データ抽出用学習モデル、１０情報処理装置、１１データ受付部、１２テストデータ選出部、１３学習済みモデル決定部、１４処理実行部、１６処理対象データ記憶部、１７テストデータ情報記憶部、１８実績情報管理部、１９実績情報記憶部、２０テストデータ登録処理部、２１ＣＰＵ、２２ＲＯＭ、２３ＲＡＭ、２４ハードディスクドライブ（ＨＤＤ）、２５マウス、２６キーボード、２７ディスプレイ、２８入出力コントローラ、２９ネットワークインタフェース、３０内部バス。

Claims

処理対象データを受け付ける第１の受付手段と、
複数のサービス提供手段がテスト用データを処理した処理結果を受け付ける第２の受付手段と、
前記処理結果に基づいて、前記複数のサービス提供手段のうちのいずれに前記処理対象データに対する処理を依頼するかを決定する決定手段と、
前記決定されたサービス提供手段に前記処理対象データおよび処理依頼を送信する送信手段と、
を有することを特徴とする情報処理装置。
前記決定手段は、前記処理結果の正答率が高いサービス提供手段を前記処理対象データに対する処理を依頼する依頼先として決定することを特徴とする請求項１に記載の情報処理装置。
前記決定手段は、前記テスト用データの処理結果として期待される正解データと、前記複数のサービス提供手段の処理結果を比較することにより、前記処理結果の正答率が高いサービス提供手段を依頼先として決定することを特徴とする請求項２に記載の情報処理装置。
前記決定手段は、前記正解データと前記各サービス提供手段の処理結果との類似度を、前記各サービス提供手段の正答率として算出することを特徴とする請求項３に記載の情報処理装置。
記憶手段に記憶された複数のテスト用のデータの中から前記処理対象データとの類似度が高いデータを前記テスト用データとして選出する選出手段をさらに備え、
前記決定手段は、前記選出手段が選出したテスト用データに対する前記複数のサービス提供手段の処理結果に基づいて、前記複数のサービス提供手段のうちのいずれに前記処理対象データに対する処理を依頼するかを決定することを特徴とする請求項１に記載の情報処理装置。
前記決定手段が依頼先として決定したサービス提供手段と、当該サービス提供手段の決定に用いたテスト用データとの関連付け情報を保持、管理する管理手段を有し、
前記決定手段は、前記選出手段が選出したテスト用データの関連付け情報が前記管理手段により保持されている場合、当該テスト用データに関連付けられているサービス提供手段を、前記処理対象データを処理させるサービス提供手段として決定することを特徴とする請求項５に記載の情報処理装置。
前記管理手段は、保持してから所定時間が経過した関連付け情報を削除することを特徴とする請求項６に記載の情報処理装置。
前記選出手段による処理の結果、前記処理対象データと所定の類似度に達するテスト用のデータが存在しない場合、前記処理対象データと所定の類似度以上となるテスト用のデータと、当該テスト用のデータを前記サービス提供手段に処理させて得られる処理結果として期待される正解データと、の組を新たに生成して前記記憶手段に登録する登録処理手段を有することを特徴とする請求項５に記載の情報処理装置。
前記登録処理手段は、前記処理対象データを、前記記憶手段に新たに登録するテスト用のデータとすることを特徴とする請求項８に記載の情報処理装置。
コンピュータを、
処理対象データを受け付ける第１の受付手段、
複数のサービス提供手段がテスト用データを処理した処理結果を受け付ける第２の受付手段、
前記処理結果に基づいて、前記複数のサービス提供手段のうちのいずれに前記処理対象データに対する処理を依頼するかを決定する決定手段、
前記決定されたサービス提供手段に前記処理対象データおよび処理依頼を送信する送信手段、
として機能させるためのプログラム。