JP6206840B2 - テキストマッチング装置、テキスト分類装置及びそれらのためのコンピュータプログラム - Google Patents
テキストマッチング装置、テキスト分類装置及びそれらのためのコンピュータプログラム Download PDFInfo
- Publication number
- JP6206840B2 JP6206840B2 JP2013128454A JP2013128454A JP6206840B2 JP 6206840 B2 JP6206840 B2 JP 6206840B2 JP 2013128454 A JP2013128454 A JP 2013128454A JP 2013128454 A JP2013128454 A JP 2013128454A JP 6206840 B2 JP6206840 B2 JP 6206840B2
- Authority
- JP
- Japan
- Prior art keywords
- text
- information
- matching
- nucleus
- noun
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- 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
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
最初に、問題報告、要望連絡及び支援情報という3つのカテゴリに属するテキストを特定・収集するための核構成マトリックス手法(テーブル1)について説明し、続いて、その作用と効果について説明する。次に、問題報告と支援情報のマッチング・要望連絡と支援情報のマッチングのために開発した共起対マトリックス手法(テーブル2)について説明した後、その作用・効果について述べる。なお、以下では、問題報告というカテゴリに属するテキスト、要望連絡というカテゴリに属するテキスト及び支援情報というカテゴリに属するテキストを、それぞれ問題報告、要望連絡及び支援情報と呼ぶことがある。
本実施の形態では、問題報告、要望連絡、支援情報の特定・収集のために、核構成マトリックス手法と呼ばれる新規な方法を用いる。テーブル1を参照して、この手法は、テキストに表現されている名詞と述部との係り受け関係を、名詞の分類と述部の極性の組合せによって細分化する。ここでは、名詞はトラブル表現と非トラブル表現に、述部の極性は活性と非活性とに分類する。この極性にしたがい、各述部を活性テンプレートと非活性テンプレートとに分類する。
問題核(1)とは、名詞+述部のうち、名詞=トラブル表現、かつ、述部=活性テンプレートの係り受け表現のことをいう。例えば、「ヘドロが蓄積する」(ヘドロ=トラブル表現、Xが蓄積する=活性テンプレート)等が該当する。問題核(1)に該当する係り受け関係は、トラブル表現に該当する問題や負担の機能がオンになることをあらわし、問題が存在すること、影響を及ぼすこと等を示す傾向がある。
問題核(2)とは、名詞が非トラブル表現で、かつ、述部が不活性テンプレートの係り受け関係のことをいう。例えば、「お風呂に困る」(お風呂=非トラブル表現、Xに困る=不活性テンプレート)等が該当する。災害時、断水又は停電のためにお風呂に入れないことが問題となっていたが、そのような場合に発生する可能性の高い表現である。問題核(2)に該当する係り受け関係は、非トラブル表現に該当する事象の機能がオフになることをあらわし、対処又は支援行為等が機能していないこと等を示す傾向がある。
支援核(1)とは、名詞がトラブル表現で、述部が不活性テンプレートの係り受け関係のことをいう。例えば、「ヘドロを除去する」(ヘドロ=トラブル表現、Xを除去する=不活性テンプレート)等が該当する。支援核(1)に該当する係り受け関係は、トラブル表現に該当する問題又は負担の機能がオフになることをあらわすことで問題の解決又は弱体化等を示す傾向がある。
支援核は、名詞が非トラブル表現で、述部が活性テンプレートの係り受け関係のことをいう。例えば、「お風呂を開放する」(お風呂=非トラブル表現、Xを開放する=活性テンプレート)等が該当する。支援核(2)に該当する係り受け関係は、非トラブル表現に該当する事象の機能がオンになることをあらわし、対処又は支援行為等が実行又は準備されていること等を示す傾向がある。
要望核(1)は、支援核(1)に要求マーカが付与されたものをいう。例えば「ヘドロを片付けてください」(ヘドロ=トラブル表現、Xを片付ける=不活性テンプレート、ください=要求マーカ)等が該当する。このタイプに該当する係り受け関係は、トラブル表現に該当する問題や負担の機能がオフになることを要求するもので、問題の解決や弱体化等に対する要望を示す傾向がある。
要望核(2)は、支援核(2)に要求マーカが付与されたものをいう。例えば「お風呂を提供してほしい」(お風呂=非トラブル表現、Xを提供する=活性テンプレート、ほしい=要求マーカ)等が該当する。このタイプに該当する係り受け関係は、非トラブル表現に該当する事象の機能がオンになることを要求するもので、対処又は支援行為等の実行又は準備に対する要望を示す傾向がある。
問題報告には、2つの問題核のいずれかが含まれる傾向が認められる。例えば、「〇〇市でアレルギー用の粉ミルクが足りないとのことです。」という問題報告には、問題核(1)に該当する表現が含まれている。そこで、分類器の素性として、テキスト中に問題核が有るか無いかを分類器の素性として利用する。後述する実験によれば、この素性を利用した場合、利用しない場合と比較して問題報告の特定・収集の性能が向上することが明らかとなった。
支援情報には、2つの支援核のいずれかが含まれる傾向が認められる。例えば、「〇〇市役所でアレルギー幼児用の粉ミルクを配布します」という支援情報は、「粉ミルクを配布する」(粉ミルク=非トラブル、Xを配布する=活性テンプレート)という支援核に該当する表現を含む。そこで、本実施の形態では、分類器の素性として、テキスト中に支援核が有るか無いかを利用する。後述するように、この素性を利用した場合には、しない場合と比較して、支援情報の特定・収集の性能が向上することが実験の結果明らかになった。
要望連絡には、2つの要望核のいずれかが含まれる傾向が認められる。例えば、「〇〇市にアレルギー幼児用の粉ミルクを届けてください!」という要望連絡は、「粉ミルクを届けてください」(粉ミルク=非トラブル、Xを届ける=活性テンプレート、ください=要求マーカ)という要望核(2)に該当する表現を含む。そこで、本実施の形態では、分類器の素性として、テキスト中に要望核が有るか無いかを利用する。この素性を利用した場合には、しない場合と比較して、要望連絡の特定・収集の性能が向上することが実験の結果明らかになった。
本実施の形態では、問題報告と支援情報とのマッチング及び要望連絡と支援情報とのマッチングのために、「共起対マトリックス手法」と呼ぶ新規な手法を用いる。この手法は、例えば問題報告に含まれる問題核と支援情報に含まれる支援核とが同じ名詞を共有する場合に、その問題報告と支援情報とからなるペアに対して適用できる。要望連絡と支援情報とのペアの場合も同様である。この手法は、これらペアの種類を、それらに含まれる核の分類と、述部の極性とによって細分化する。共起対マトリックス手法において、核の種類と、核に含まれる述部の極性とによる分類をマトリックス化したものを次のテーブル2に示す。
核の種類が問題核と支援核ペアで、かつ、述部の極性が問題核と支援核で反対となるペアのことをいう。すなわち、問題核(1)と支援核(1)のペアか、問題核(2)と支援核(2)のペアが該当する。核が他の関係となるペアは該当しない。問題‐支援核ペアの例は以下のテーブル3に示す通りである。それぞれの核は同じ名詞を共有することが前提である。
核の種類が要望核と支援核ペアで、かつ、述部の極性が要望核と支援核で同じペアのことをいう。すなわち、要望核(1)と支援核(1)とのペアか、要望核(2)と支援核(2)とのペアが該当する。核が他の関係となるペアは該当しない。要望核‐支援ペアの例は以下のテーブル4に示す通りである。この場合も、それぞれの核が同じ名詞を共有することが前提である。
問題報告と支援情報とが適切にマッチできる場合は、これら情報の組合せが問題核‐支援核ペアを含む傾向が認められる。例えば、「〇〇市にアレルギー幼児用の粉ミルクが足りないとのことです」という問題報告と「〇〇市役所でアレルギー幼児用の粉ミルクを配布します」という支援情報とは、前者の問題が後者の支援情報によって解決する、又は、後者の情報が前者の問題解決に貢献する、という意味で適切なマッチングと考えられる。このペアには、「粉ミルクが足りない⇔粉ミルクを配布する」という問題核‐支援核ペアに該当する表現が含まれている。そこで、本実施の形態では、分類器の素性として、問題報告と支援情報のペアに問題核‐支援核ペアが有るか無いかを利用する。後述するように、この素性を利用した場合には、利用しない場合と比較して適切な問題要望‐支援情報ペアをマッチングできる性能が向上することが実験の結果明らかになった。
要望報告と支援情報が適切にマッチできる場合は、これら情報の組合せが要望核‐支援核ペアを含む傾向が認められる。例えば、「〇〇市にアレルギー幼児用の粉ミルクを届けてください!」という要望連絡と「〇〇市役所でアレルギー幼児用の粉ミルクを配布します」という支援情報とは、前者の要望が、後者の支援情報によって解決する、又は、後者の情報が前者の問題の解決に貢献する、という意味で適切なマッチングと考えられる。これらの情報の組合せは、「粉ミルクを届けてください⇔粉ミルクを配布する」という要望核‐支援核ペアに該当する表現を含む。そこで、以下に述べる実施の形態では、分類器の素性として、要望報告と支援情報とのペアに要望核‐支援核ペアが有るか無いかを利用する。この素性を利用した場合には、利用しない場合と比較して適切な要望連絡‐支援情報ペアをマッチングできる性能が向上することが実験の結果明らかになった。
図1を参照して、この実施の形態に係る情報マッチングシステム30は、インターネット40から、問題報告、要望連絡及び支援情報を含む様々な情報(以下これらを「メッセージ」と呼ぶ。)を収集し、後続する情報処理に適した形式に整形する情報収集部50と、情報収集部50により収集され整形されたメッセージに対して形態素解析を行なって、品詞等の情報が付与された形態素列の形式で出力する形態素解析部52と、形態素解析部52が出力する形態素解析後のメッセージに対して係り受け解析を行ない、形態素間の係り受け関係をメッセージに付与して出力する係り受け解析部54と、係り受け解析部54により係り受け関係が付与されたメッセージの出所である地名又は場所名を特定し、各メッセージに付与する地名・場所特定部58と、地名・場所特定部58がメッセージの出所を特定するために利用する地名・場所辞書を記憶する地名・場所辞書記憶装置56とを含む。携帯電話等から発信されるTwitter等のメッセージには、地名ではなくその発信地の緯度・経度情報が付与されることがある。地名・場所特定部58は、そのような緯度・経度情報から地名・場所名を特定する機能も持っている。
(B)「水が無い」「水が届くというのはデマ」
(C)「水が無い」「水が届くことを予想してます」
モダリティの分類の仕方には様々な立場があるが、大きく分けると、メッセージの内容に対する書き手の判断のあり方を表すモダリティと、読み手に対する態度を表すモダリティとの2つがある。前者はさらに、真偽判断のモダリティと、価値判断のモダリティとに分けられる。これらは、メッセージ中の述部に付随した表現(モダリティ要素)を手掛かりとして判定できる。例えば、真偽判断のモダリティとしては、断定、推量、判断、伝聞、説明等がある。上の例では「デマ」及び「予想してます」という語が、この文が推量、又は伝聞の類であることを示し、本実施の形態のような用途ではマッチングに対象として不適切であることを示す。一方、(A)のように文の述部が動詞等の終止形で終わる場合には、事実を述べているため、マッチングの対象として適切である。モダリティを判断するための語は、メッセージの核を中心としてその核に関連した位置に配されることが多い。したがって、メッセージの係り受け関係において核に含まれる名詞を含むn−グラムを素性に使用することにより、メッセージのモダリティを考慮した形でメッセージのマッチングができる。
以上説明した情報マッチングシステム30は以下のように動作する。図1を参照して、これに先立って、図1に示す問題報告収集装置64、支援情報収集装置66、要望連絡収集装置68、問題報告・支援情報マッチング装置76及び要望連絡・支援情報マッチング装置78のSVMは、予め適切な学習データで学習を完了しているものとする。
SVM102は、この素性ベクトルを受け、その素性ベクトルに対応する情報が問題報告か否かを判定し、判定結果を出力する。選択部104は、判定が肯定(情報は問題報告である。)ならこの情報を問題報告蓄積部70に追加する。判定が否定ならこの情報については何もせず、問題報告収集装置64は次の情報の処理に移る。
本実施の形態に係るシステムの効果が最も発揮される利用例の1つは、大規模災害時における被災者と支援団体のコミュニケーションの円滑化に関連する。大規模災害時には、先述したように、被災者からの問題報告及び要望連絡がTwitter等を介して発信されるものの、多量に発信されるツイートにこれらの情報が埋没してしまうという傾向がある。支援団体等が発信する支援情報についても同様である。こうした現象は、被災者が支援情報を必要としているにもかかわらず入手しにくいという問題に繋がる。一方で、支援団体にとっては、最も支援を必要としている相手が発見できないという問題に繋がる。仮に、被災者の要望及び問題を支援団体が認識できても、どの問題等が対処されたのかわからない状況では、複数の支援団体が同じ要望や問題に対応し、結果として、資源や時間が無駄に消費されるという問題にも繋がる。
なお、上記実施の形態の効果を検証するため、いくつかの実験を行なった。以下に、その実験結果を比較例とともに示す。テーブル5,6,7はそれぞれ、問題報告、支援情報及び要望連絡の特定精度に関する実験結果である。
上記実施の形態に係る情報マッチングシステム30は、コンピュータハードウェアと、そのコンピュータハードウェア上で実行される上記したコンピュータプログラムとにより実現できる。図7はこのコンピュータシステム330の外観を示し、図8はコンピュータシステム330の内部構成を示す。
40 インターネット
50 情報収集部
52 形態素解析部
54 係り受け解析部
56 地名・場所辞書記憶装置
58 地名・場所特定部
60 情報蓄積部
62 分類用素性の生成用データの記憶装置
64 問題報告収集装置
66 支援情報収集装置
68 要望連絡収集装置
70 問題報告蓄積部
72 支援情報蓄積部
74 要望連絡蓄積部
76 問題報告・支援情報マッチング装置
78 要望連絡・支援情報マッチング装置
80 関連情報DB
82 マッチング用素性の生成用データの記憶装置
84 出力生成部
86 ウェブサーバ
100,130 素性算出部
102,132 SVM
104,134 選択部
Claims (9)
- 第1及び第2のカテゴリのいずれかに分類されたテキストの集合において、前記第1のカテゴリのテキストに対して、前記第2のカテゴリのテキストを対応付けるテキストマッチング装置であって、
前記集合に含まれるテキストは、当該テキストを構成する1又は複数の形態素、当該1又は複数の形態素の係り受け情報、及び、前記テキストに含まれる名詞と、当該名詞が係る述部との組合せからなる文の核内の名詞の分類と述部の分類との組合せとを素性として用いた機械学習を用いたテキスト分類装置により前記第1及び第2のカテゴリに分類されており、
前記テキストマッチング装置は、
前記第1のカテゴリのテキストと、前記第2のカテゴリのテキストとを互いに区別して記憶する記憶手段と、
前記記憶手段から、前記第1のカテゴリのテキストと前記第2のカテゴリのテキストとからなるテキストのペアを生成するテキストペア生成手段と、
前記テキストペア生成手段により生成された前記ペア内のテキストが前記テキスト分類装置により分類されたときの前記素性を含むマッチング用素性を、前記ペアから生成するマッチング用素性生成手段と、
前記マッチング用素性生成手段により生成されたマッチング用素性を用いて、前記ペアを構成する2つのテキストが互いにマッチするか否かを判定するマッチング手段とを含み、
前記マッチング手段は、予めマッチング用の学習データを用い、前記マッチング用素性により、テキストのペアがマッチするか否かを判定するように学習済の、機械学習モデルを含む、テキストマッチング装置。 - 前記マッチング用素性はさらに、前記ペア内のテキストの各々について求められた、前記核内の名詞を含む係り受け関係の部分木上のn−グラムを含み、
当該n−グラムのいずれかは、時間情報、地域情報、若しくは各テキストのモダリティを表す形態素、又はこれらの任意の組合せを含む、請求項1に記載のテキストマッチング装置。 - 前記第1及び第2のカテゴリの一方は問題の報告を表すテキストからなるカテゴリであり、他方は問題を解決するための支援情報を表すテキストからなるカテゴリである、請求項1又は請求項2に記載のテキストマッチング装置。
- 前記第1及び第2のカテゴリの一方は問題の解決を要望するテキストであり、他方は問題を解決するための支援情報を表すテキストである、請求項1又は請求項2に記載のテキストマッチング装置。
- テキストを、問題の報告又は解決に関連する特定のカテゴリに分類するためのテキスト分類装置であって、
前記テキストを形態素解析し、品詞情報が付された形態素列を出力する形態素解析手段と、
前記形態素解析手段の出力する形態素列に対し、形態素間の係り受けを解析し、前記テキストの係り受け関係を表す係り受け情報を出力する係り受け解析手段と、
前記形態素列と、前記テキストの係り受け関係とに基づいて、前記テキストに含まれる名詞と、当該名詞が係る述部との組合せからなる文の核を特定し、当該核内の名詞の分類と述部の分類との組合せを用いて、前記テキストを前記特定のカテゴリとそれ以外のカテゴリとに分類する分類手段を含む、テキスト分類装置。 - 前記分類手段は、
前記形態素列と、前記テキストの係り受け関係とに基づいて、前記テキストに含まれる名詞と、当該名詞が係る述部との組合せからなる文の核を特定する核特定手段と、
前記核特定手段により特定された核内の名詞を、問題の発生に関連した問題系の名詞と、問題の発生と関連しない非問題系の名詞とに分類する名詞分類手段と、
前記核特定手段により特定された核内の述部を、その述部に係る名詞により表される事物機能が活性化することを表す述部か、不活性化することを表す述部かに分類する述部分類手段と、
前記核特定手段により特定された核について、当該核内の名詞について前記名詞分類手段により分類された結果と、当該核内で当該名詞が係る述部について前記述部分類手段により分類された結果との組合せから、前記テキストを前記特定のカテゴリとそれ以外のカテゴリとに分類する手段とを含む、請求項5に記載のテキスト分類装置。 - 前記分類する手段は、少なくとも、前記核特定手段により特定された核について、当該核内の名詞について前記名詞分類手段が分類した結果と、当該核内で当該名詞が係る述部について前記述部分類手段が分類した結果との組合せを表す情報を素性として、与えられたテキストが前記特定のカテゴリに属するか否かを判定する、機械学習による判定手段を含む、請求項6に記載のテキスト分類装置。
- 前記素性はさらに、前記テキストの各々について求められた、前記核内の名詞を含む係り受け関係の部分木上のn−グラムを含み、
当該n−グラムのいずれかは、時間情報、地域情報、若しくは各テキストのモダリティを表す形態素、又はこれらの任意の組合せを含む、請求項7に記載のテキストマッチング装置。 - コンピュータにより実行されると、当該コンピュータを、請求項1〜請求項8のいずれかに記載のすべての手段として機能させる、コンピュータプログラム。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013128454A JP6206840B2 (ja) | 2013-06-19 | 2013-06-19 | テキストマッチング装置、テキスト分類装置及びそれらのためのコンピュータプログラム |
EP14813194.9A EP3012746A4 (en) | 2013-06-19 | 2014-05-15 | Text matching device and method, and text classification device and method |
US14/898,565 US10803103B2 (en) | 2013-06-19 | 2014-05-15 | Text matching device and method, and text classification device and method |
CN201480034989.6A CN105339936B (zh) | 2013-06-19 | 2014-05-15 | 文本匹配装置以及方法、和文本分类装置以及方法 |
KR1020157035100A KR102188292B1 (ko) | 2013-06-19 | 2014-05-15 | 텍스트 매칭 장치와 방법 및 텍스트 분류 장치와 방법 |
PCT/JP2014/062912 WO2014203659A1 (ja) | 2013-06-19 | 2014-05-15 | テキストマッチング装置および方法、並びにテキスト分類装置および方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013128454A JP6206840B2 (ja) | 2013-06-19 | 2013-06-19 | テキストマッチング装置、テキスト分類装置及びそれらのためのコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015005027A JP2015005027A (ja) | 2015-01-08 |
JP6206840B2 true JP6206840B2 (ja) | 2017-10-04 |
Family
ID=52104401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013128454A Active JP6206840B2 (ja) | 2013-06-19 | 2013-06-19 | テキストマッチング装置、テキスト分類装置及びそれらのためのコンピュータプログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US10803103B2 (ja) |
EP (1) | EP3012746A4 (ja) |
JP (1) | JP6206840B2 (ja) |
KR (1) | KR102188292B1 (ja) |
CN (1) | CN105339936B (ja) |
WO (1) | WO2014203659A1 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5825676B2 (ja) * | 2012-02-23 | 2015-12-02 | 国立研究開発法人情報通信研究機構 | ノン・ファクトイド型質問応答システム及びコンピュータプログラム |
WO2017139575A1 (en) * | 2016-02-11 | 2017-08-17 | Ebay Inc. | Semantic category classification |
US10706044B2 (en) * | 2016-04-06 | 2020-07-07 | International Business Machines Corporation | Natural language processing based on textual polarity |
US10635727B2 (en) | 2016-08-16 | 2020-04-28 | Ebay Inc. | Semantic forward search indexing of publication corpus |
US10565242B2 (en) * | 2017-01-10 | 2020-02-18 | International Business Machines Corporation | Method of label transform for managing heterogeneous information |
EP3577570A4 (en) * | 2017-01-31 | 2020-12-02 | Mocsy Inc. | INFORMATION EXTRACTION FROM DOCUMENTS |
JP6805927B2 (ja) | 2017-03-28 | 2020-12-23 | 富士通株式会社 | インデックス生成プログラム、データ検索プログラム、インデックス生成装置、データ検索装置、インデックス生成方法、及びデータ検索方法 |
US20180285775A1 (en) * | 2017-04-03 | 2018-10-04 | Salesforce.Com, Inc. | Systems and methods for machine learning classifiers for support-based group |
JP6649318B2 (ja) * | 2017-05-30 | 2020-02-19 | 株式会社ソケッツ | 言語情報分析装置および方法 |
CN108305050B (zh) * | 2018-02-08 | 2023-04-07 | 贵州小爱机器人科技有限公司 | 报案信息及服务需求信息的提取方法、装置、设备及介质 |
CN108549723B (zh) * | 2018-04-28 | 2022-04-05 | 北京神州泰岳软件股份有限公司 | 一种文本概念分类方法、装置及服务器 |
CN108763402B (zh) * | 2018-05-22 | 2021-08-27 | 广西师范大学 | 基于依存关系、词性和语义词典的类中心向量文本分类法 |
CN108804591A (zh) * | 2018-05-28 | 2018-11-13 | 杭州依图医疗技术有限公司 | 一种病历文本的文本分类方法及装置 |
US11698921B2 (en) | 2018-09-17 | 2023-07-11 | Ebay Inc. | Search system for providing search results using query understanding and semantic binary signatures |
WO2020222999A1 (en) * | 2019-04-29 | 2020-11-05 | Ip.Com I, Llc | Method, system, and data storage device for automating solution prompts based upon semantic representation |
JP6839868B1 (ja) * | 2019-09-20 | 2021-03-10 | 博之 宮▲崎▼ | コメント共有方法、コメント共有システム及びコメント共有プログラム |
JP7390708B2 (ja) * | 2019-12-24 | 2023-12-04 | Jcc株式会社 | 情報掲示システムおよび情報掲示方法 |
US11694025B2 (en) * | 2020-05-04 | 2023-07-04 | Kyndryl Inc. | Cognitive issue description and multi-level category recommendation |
CN112818668B (zh) * | 2021-02-05 | 2024-03-29 | 上海市气象灾害防御技术中心(上海市防雷中心) | 气象灾情数据语义识别分析方法和*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7606714B2 (en) * | 2003-02-11 | 2009-10-20 | Microsoft Corporation | Natural language classification within an automated response system |
JP4348145B2 (ja) * | 2003-08-27 | 2009-10-21 | 富士通株式会社 | 文章分類プログラム、文章分類方法および文章分類装置 |
KR100701044B1 (ko) * | 2004-07-20 | 2007-03-29 | 황상석 | 온라인망을 기반으로 하는 위급상황 처리 시스템 |
EP1669896A3 (en) * | 2004-12-03 | 2007-03-28 | Panscient Pty Ltd. | A machine learning system for extracting structured records from web pages and other text sources |
JP2008225582A (ja) * | 2007-03-08 | 2008-09-25 | Mazda Motor Corp | テキスト分類装置及びプログラム |
US20100063797A1 (en) | 2008-09-09 | 2010-03-11 | Microsoft Corporation | Discovering question and answer pairs |
WO2010105216A2 (en) * | 2009-03-13 | 2010-09-16 | Invention Machine Corporation | System and method for automatic semantic labeling of natural language texts |
KR101173561B1 (ko) | 2010-10-25 | 2012-08-13 | 한국전자통신연구원 | 질문 형태 및 도메인 인식 장치 및 그 방법 |
US8560567B2 (en) * | 2011-06-28 | 2013-10-15 | Microsoft Corporation | Automatic question and answer detection |
US10372741B2 (en) * | 2012-03-02 | 2019-08-06 | Clarabridge, Inc. | Apparatus for automatic theme detection from unstructured data |
-
2013
- 2013-06-19 JP JP2013128454A patent/JP6206840B2/ja active Active
-
2014
- 2014-05-15 EP EP14813194.9A patent/EP3012746A4/en not_active Withdrawn
- 2014-05-15 US US14/898,565 patent/US10803103B2/en active Active
- 2014-05-15 WO PCT/JP2014/062912 patent/WO2014203659A1/ja active Application Filing
- 2014-05-15 KR KR1020157035100A patent/KR102188292B1/ko active IP Right Grant
- 2014-05-15 CN CN201480034989.6A patent/CN105339936B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
EP3012746A1 (en) | 2016-04-27 |
US20160140217A1 (en) | 2016-05-19 |
CN105339936A (zh) | 2016-02-17 |
JP2015005027A (ja) | 2015-01-08 |
US10803103B2 (en) | 2020-10-13 |
KR20160021110A (ko) | 2016-02-24 |
WO2014203659A1 (ja) | 2014-12-24 |
KR102188292B1 (ko) | 2020-12-08 |
CN105339936B (zh) | 2019-06-07 |
EP3012746A4 (en) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6206840B2 (ja) | テキストマッチング装置、テキスト分類装置及びそれらのためのコンピュータプログラム | |
Song et al. | Social big data analysis of information spread and perceived infection risk during the 2015 Middle East respiratory syndrome outbreak in South Korea | |
Wallgrün et al. | GeoCorpora: building a corpus to test and train microblog geoparsers | |
US8793254B2 (en) | Methods and apparatus for classifying content | |
Yaqub et al. | Analysis and visualization of subjectivity and polarity of Twitter location data | |
Rosa et al. | Event detection system based on user behavior changes in online social networks: Case of the covid-19 pandemic | |
Vieira | Machine translation in the news: A framing analysis of the written press | |
Joshi et al. | Automated monitoring of tweets for early detection of the 2014 Ebola epidemic | |
Reuter et al. | Big data in a crisis? Creating social media datasets for crisis management research | |
Alzahrani et al. | [Retracted] Towards Understanding the Usability Attributes of AI‐Enabled eHealth Mobile Applications | |
Keselman et al. | Adapting semantic natural language processing technology to address information overload in influenza epidemic management | |
Liu et al. | Epic30m: An epidemics corpus of over 30 million relevant tweets | |
Paramita et al. | Do you see what I see? Images of the COVID-19 pandemic through the lens of Google | |
Chan et al. | An online risk index for the cross-sectional prediction of new HIV chlamydia, and gonorrhea diagnoses across US counties and across years | |
Mukherjee et al. | Managing a natural disaster: actionable insights from microblog data | |
Pei et al. | A new method for early detection of mass concern about public health issues | |
Ye et al. | The fear of Ebola: A tale of two cities in China | |
Yoon et al. | DiTeX: Disease-related topic extraction system through internet-based sources | |
Recabarren et al. | Exploring the feasibility of web form adaptation to users’ cultural dimension scores | |
Subramani et al. | Text mining and real-time analytics of twitter data: A case study of australian hay fever prediction | |
Şahin et al. | Emergency detection and evacuation planning using social media | |
Stronkman | Exploiting Twitter to fulfill information needs during incidents | |
Sandesh et al. | Detection of cyberbullying on twitter data using machine learning | |
Alshehri | A machine learning approach to predicting community engagement on social media during disasters | |
Patel et al. | A call for governments to pause Twitter censorship: A cross-sectional study using Twitter data as social-spatial sensors of COVID-19/SARS-CoV-2 research diffusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160608 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170516 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170615 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170808 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170828 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6206840 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |