JP7024255B2 - Information processing equipment and programs - Google Patents

Information processing equipment and programs Download PDF

Info

Publication number
JP7024255B2
JP7024255B2 JP2017162248A JP2017162248A JP7024255B2 JP 7024255 B2 JP7024255 B2 JP 7024255B2 JP 2017162248 A JP2017162248 A JP 2017162248A JP 2017162248 A JP2017162248 A JP 2017162248A JP 7024255 B2 JP7024255 B2 JP 7024255B2
Authority
JP
Japan
Prior art keywords
data
processing
test data
service providing
providing means
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
Application number
JP2017162248A
Other languages
Japanese (ja)
Other versions
JP2019040417A (en
Inventor
克司 時得
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Business Innovation Corp
Original Assignee
Fuji Xerox Co Ltd
Fujifilm Business Innovation Corp
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 Fuji Xerox Co Ltd, Fujifilm Business Innovation Corp filed Critical Fuji Xerox Co Ltd
Priority to JP2017162248A priority Critical patent/JP7024255B2/en
Publication of JP2019040417A publication Critical patent/JP2019040417A/en
Application granted granted Critical
Publication of JP7024255B2 publication Critical patent/JP7024255B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、情報処理装置及びプログラムに関する。 The present invention relates to an information processing apparatus and a program.

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（Ａｒｔｉｆｉｃａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）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。 At present, it is becoming common to develop services provided to customers and the like by incorporating cloud services provided in the form of cloud computing. In particular, if a trained model whose quality and performance are significantly improved by deep learning of AI (Artifical Intelligence) is incorporated into a service, it becomes possible to improve the function relatively easily.

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。 For example, a cloud service (service providing means) that performs predetermined processing such as image recognition and character recognition on the input processing target data and outputs the processing result is provided by a plurality of cloud operators. .. The service provider uses one of the cloud services to provide its own service.

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。 INDUSTRIAL APPLICABILITY The present invention is a service suitable for processing data to be processed even when a user performing the processing is instructed to process one of a plurality of service providing means, even if the user who performs the processing does not understand the characteristics of the service providing means. It is an object of the present invention to provide a device capable of giving an instruction to a providing means.

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、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最も高いデータをテスト用データとして選出する選出手段と、複数のサービス提供手段が前記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。 The information processing apparatus according to the present invention tests a first receiving means for receiving processing target data and data having the highest degree of similarity to the processing target data among a plurality of test data stored in the storage means. One of the selection means selected as the data for use, the second reception means for receiving the processing result obtained by processing the test data by the plurality of service providing means, and the plurality of service providing means based on the processing result. It is characterized by having a determination means for determining whether to request processing for the processing target data, and a transmission means for transmitting the processing target data and the processing request to the determined service providing means.

また、前記決定手段は、前記処理結果の正答率が最も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。 Further, the determination means is characterized in that the service providing means having the highest correct answer rate of the processing result is determined as a request destination for requesting processing for the processing target data.

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最も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。 Further, the determination means determines the service providing means having the highest correct answer rate of the processing result by comparing the correct answer data expected as the processing result of the test data with the processing results of the plurality of service providing means. It is characterized by deciding as a request destination.

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。 Further, the determination means is characterized in that the degree of similarity between the correct answer data and the processing result of each service providing means is calculated as the correct answer rate of each service providing means.

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。 Further, it has a management means for holding and managing association information between the service providing means determined by the determining means as a request destination and the test data used for determining the service providing means, and the determining means is selected. When the management means holds the association information of the test data selected by the means, the service providing means associated with the test data is determined as the service providing means for processing the processing target data. It is a feature.

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。 Further, the management means is characterized in that the association information for which a predetermined time has elapsed after being held is deleted.

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。 Further, when there is no test data that reaches a predetermined similarity with the processing target data as a result of processing by the selection means, the test data having a predetermined similarity or higher with the processing target data and the test are performed. It is characterized by having a registration processing means for newly generating a set of correct answer data expected as a processing result obtained by processing the data for the service by the service providing means and registering the data in the storage means.

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。 Further, the registration processing means is characterized in that the processing target data is used as test data to be newly registered in the storage means.

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、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最も高いデータをテスト用データとして選出する選出手段、複数のサービス提供手段が前記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。 The program according to the present invention tests the computer with the data having the highest degree of similarity to the data to be processed from among the plurality of test data stored in the first receiving means and the storage means for receiving the data to be processed. The selection means selected as the data for use, the second reception means for receiving the processing result obtained by processing the test data by the plurality of service providing means, and the plurality of service providing means based on the processing result. It functions as a determination means for deciding whether to request processing for the processing target data, and a transmission means for transmitting the processing target data and the processing request to the determined service providing means.

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。また、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最も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。 According to the first aspect of the present invention, when instructing a process of any of a plurality of service providing means, the data to be processed is processed even if the user performing the process does not understand the characteristics of the service providing means. It is possible to give an instruction to a service providing means suitable for processing. In addition, it is most suitable for processing the data to be processed based on the processing result obtained by having each service providing means process the data having the highest degree of similarity to the data to be processed from among the data for multiple tests. You can select the service provision method.

請求項２に記載の発明によれば、処理結果の正答率が最も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。 According to the second aspect of the present invention, the service providing means having the highest correct answer rate of the processing result can be determined as the request destination for requesting the processing of the data to be processed.

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最も高いサービス提供手段を特定することができる。 According to the third aspect of the present invention, by comparing the processing result with the correct answer data, the service providing means having the highest correct answer rate of the processing result can be specified.

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。 According to the invention of claim 4, the degree of similarity between the correct answer data and the processing result of each service providing means can be calculated as the correct answer rate of each service providing means.

請求項５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。 According to the invention of claim 5 , the processing load required for determining the service providing means can be reduced.

請求項６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。 According to the invention of claim 6 , it is possible to avoid referring to the result of the determination by the old determination means.

請求項７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。 According to the invention of claim 7 , more suitable test data can be selected from the next time onward.

請求項８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。 According to the invention of claim 8 , more suitable test data can be selected for the processing target data similar to the processing target data registered as the test data from the next time onward.

請求項９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。また、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最も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。 According to the invention of claim 9 , when instructing the processing of any one of a plurality of service providing means, even if the user who performs the processing does not understand the characteristics of the service providing means, the data to be processed is processed. It is possible to give an instruction to a service providing means suitable for processing. In addition, it is most suitable for processing the data to be processed based on the processing result obtained by having each service providing means process the data having the highest degree of similarity to the data to be processed from among the data for multiple tests. You can select the service provision method.

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。It is a block block diagram which showed one Embodiment of the information processing apparatus which concerns on this invention. 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。It is a hardware block diagram of the information processing apparatus in Embodiment 1. FIG. 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。It is a flowchart which shows the data processing which performs the information processing apparatus in Embodiment 1. FIG. 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。FIG. 1 is a diagram showing an example of a screen for a user to specify data to be processed and display a processing result in the first embodiment. 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。It is a block block diagram which showed one Embodiment of the information processing apparatus in Embodiment 2. 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。It is a flowchart which shows the data processing performed by the information processing apparatus in Embodiment 2. 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。It is a block block diagram which showed one Embodiment of the information processing apparatus in Embodiment 3. FIG.

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。 Hereinafter, preferred embodiments of the present invention will be described with reference to the drawings.

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。 Embodiment 1.
FIG. 1 is a block configuration diagram showing an embodiment of an information processing apparatus according to the present invention. FIG. 1 shows an information processing device 10 and cloud computing (hereinafter, also simply referred to as “cloud”) 1 to which the information processing device 10 can access via a network (not shown).

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。 The cloud 1 can provide various cloud services, and FIG. 1 shows a cloud service using a plurality of trained models 2 and a learning model 3 for extracting similar data used in the present embodiment. .. The trained model 2 and the learning model 3 for extracting similar data are learning models whose quality and performance are greatly improved by deep learning of AI. Of these, the trained model 2 assumes a learning model that provides a character recognition function for extracting characters included in the input image data. The learning model 3 for extracting similar data is a learning model that calculates the degree of similarity between the reference data and the data to be compared. Since a plurality of cloud providers provide similar cloud services, there may be a plurality of trained models 2 that provide similar functions. However, since the contents of deep learning of AI are different, such as different teacher data to be used, each trained model 2 does not always obtain the same processing result even if the same data is input. The present embodiment is characterized in that the optimum trained model 2 for processing the data to be processed is selected from the plurality of trained models 2. Since each cloud service as a service providing means provides the service by using a learning model, in the present embodiment, the cloud service and the learning model will be described as synonymous.

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。 FIG. 2 is a hardware configuration diagram of a computer forming the information processing apparatus 10 according to the present embodiment. The information processing apparatus 10 in the present embodiment can be realized by a general-purpose hardware configuration that has existed in the past. That is, as shown in FIG. 2, the information processing apparatus 10 includes a CPU 21, a ROM 22, a RAM 23, a hard disk drive (HDD) 24, a mouse 25 and a keyboard 26 provided as input means, and a display 27 provided as a display device. The input / output controller 28 and the network interface (IF) 29 provided as communication means are connected to the internal bus 30 to be configured.

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（Ａｐｐｌｉｃａｔｉｏｎ Ｐｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ）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。 Returning to FIG. 1, the information processing apparatus 10 in the present embodiment includes a data reception unit 11, a test data selection unit 12, a trained model determination unit 13, a processing execution unit 14, an API (Application Planning Interface) 15, and data to be processed. It has a storage unit 16 and a test data information storage unit 17. The components not used in the description of the present embodiment will be omitted.

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。 The data receiving unit 11 receives the processing target data and stores it in the processing target data storage unit 16. The test data selection unit 12 selects test data (similar test data) that is most similar to the data to be processed from the test data (hereinafter, “test data”) prepared in advance. The trained model determination unit 13 causes each trained model 2 to process similar test data, and determines which of the trained models 2 is requested to process the data to be processed based on the processing result. The processing execution unit 14 processes the processing target data by transmitting the processing target data and the processing request to the trained model 2 determined by the trained model determination unit 13. Further, when the processing execution unit 14 receives the processing result of the processing target data from the trained model 2 of the transmission destination, the processing execution unit 14 provides the processing result to the processing target data provider. The API 15 is an interface incorporated in the information processing apparatus 10 in order to use the cloud service provided by the cloud 1.

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。 The test data referred to by the test data selection unit 12 is registered in advance in the test data information storage unit 17. Each test data is associated with a processing result (correct answer data) obtained when the test data is correctly processed.

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。 Each component 11 to 15 in the information processing apparatus 10 is realized by a cooperative operation between a computer forming the information processing apparatus 10 and a program operated by the CPU 21 mounted on the computer. Further, each of the storage units 16 and 17 is realized by the HDD 24 mounted on the information processing apparatus 10. Alternatively, the RAM 23 or an external storage means may be used via the network.

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。 Further, the program used in the present embodiment can be provided not only by communication means but also by storing it in a computer-readable recording medium such as a CD-ROM or a USB memory. Programs provided from communication means and recording media are installed in a computer, and various processes are realized by sequentially executing the programs by the CPU of the computer.

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。 In the present embodiment, as a result of processing the processing target data from a plurality of trained models 2 that provide the same service function, the optimum processing result, that is, the most correct processing result can be obtained. It is characterized by identifying a trained model 2 that is presumed to be. Hereinafter, the data processing performed by the information processing apparatus 10 in the present embodiment will be described with reference to the flowchart shown in FIG.

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。 In the present embodiment, the processing target data is image data including characters, and each trained model 2 provides a character recognition function and outputs characters included in the input image data as a processing result. It shall be.

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。 FIG. 4 is a diagram showing an example of a screen for the user to specify the data to be processed and display the processing result. When the user performs a predetermined operation on the information processing apparatus 10, the screen illustrated in FIG. 4 is displayed on the display 27, the processing target data is specified from this screen, and the processing to be performed on the processing target data is performed. (In this embodiment, character recognition processing) is selected.

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。 The method for designating the data to be processed using FIG. 4 is an example and does not have to be limited to this. For example, the processing may be instructed by transmitting the processing target data from the terminal device personally used by the user to the information processing device 10.

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）。 When the data receiving unit 11 receives the processing target data designated by the user, the data receiving unit 11 stores the received processing target data in the processing target data storage unit 16 (step 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）。 When the data receiving unit 11 receives the processing target data, the test data selection unit 12 takes out all the test data registered in the test data information storage unit 17, and extracts similar data of the cloud 1 via the API 15 together with the processing target data. Request processing by sending to the learning model 3. When the processing target data and a plurality of test data are input, the learning model 3 for extracting similar data calculates and returns the similarity between the processing target data and each test data. The method of calculating the degree of similarity depends on the learning model 3 for extracting similar data. The test data selection unit 12 refers to the similarity of each test data returned from the learning model 3 for extracting similar data, and uses the test data having the highest similarity for processing by the trained model determination unit 13 (test data ( (Similar test data) (step 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）。 When the similar test data is selected, the trained model determination unit 13 requests processing by transmitting the similar test data to the cloud 1. When the test data is input, each trained model 2 of the cloud 1 performs character recognition processing on the test data, and returns a file containing the characters extracted from the test data as the processing result. In this way, the trained model determination unit 13 causes each trained model 2 to perform processing based on the similar test data, and acquires the processing result (step 113). Then, the trained model determination unit 13 takes out the correct answer data of the similar test data from the test data information storage unit 17, and collates each processing result with the correct answer data (step 114). The correct answer data may be taken out before receiving the processing result from each trained model 2. Then, the trained model determination unit 13 calculates the correct answer rate for each of the processing results. The correct answer rate is the ratio of characters that can be correctly recognized, and is the ratio of characters or character strings that match the characters or character strings contained in the correct answer data among the characters or character strings obtained as a result of processing. .. Therefore, the higher the correct answer rate, the more correct character recognition processing is performed. Therefore, the trained model determination unit 13 selects the trained model 2 for which the processing result having the highest correct answer rate is obtained as the trained model 2 for processing the data to be processed (step 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。 In this way, when the trained model 2 for processing the processing target data is determined, the processing execution unit 14 takes out the processing target data from the processing target data storage unit 16 and is selected by the trained model determination unit 13. The processing target data and the processing request are transmitted to the trained model 2. The trained model 2 selected in this way performs processing based on the processing target data, and returns to the information processing apparatus 10 when the processing result for the processing target data is obtained.

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。 When the process execution unit 14 acquires the process result from the cloud 1 (step 116), the process execution unit 14 presents the process result to the user by displaying the process result in a predetermined process result display area on the screen shown in FIG. 4 (step 117). In the present embodiment, the processing result is displayed on the screen, but a file including the processing result may be generated and provided to the user.

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。 According to the present embodiment, the trained model 2 for which the highest correct answer rate is obtained by processing the test data most similar to the processing target data is selected as the trained model 2 for processing the processing target data. did. As described above, each trained model 2 can obtain the same processing result even if processing (character recognition processing in the case of this embodiment) is performed on the same input data depending on the content of deep learning of AI. Not exclusively. The trained model 2 by machine learning is good at processing data similar to the teacher data used for training, but is not good at processing data with different characteristics from the teacher data, so it is not always possible to obtain appropriate processing results. .. In other words, it can be said that the fields of application tend to be limited.

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。 Therefore, in the present embodiment, as a result of processing the test data most similar to the processing target data, if the trained model 2 has the highest correct answer rate, the highest correctness rate even if the processing target data is processed. That is, by presuming that the most correct processing result is obtained and having each trained model 2 process the similar test data most similar to the processed data, the processed data is selected from the plurality of trained models 2. The trained model 2 that is presumed to be the most suitable for processing can be selected.

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。 In this embodiment, when selecting similar test data from the test data, the degree of similarity between the processing target data and each test data is calculated, but the selection method is not limited to this. For example, the attribute information of the test data and the processing target data may be compared, and the test data most similar to the attribute information of the processing target data may be selected as the similar test data.

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。 Further, although the correctness rate was calculated when the trained model 2 was selected, for example, the learning model 3 for extracting similar data may be used to calculate the degree of similarity between the correct answer data and each processing result. In this case, the calculated similarity is used as the correct answer rate of each trained model 2.

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。 Embodiment 2.
FIG. 5 is a block configuration diagram of the information processing apparatus 10 according to the present embodiment. The same components as those of the information processing apparatus 10 in the first embodiment are designated by the same reference numerals, and the description thereof will be omitted. This embodiment has a configuration in which a performance information management unit 18 and a performance information storage unit 19 are added to the configuration shown in the first embodiment.

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。 The trained model determination unit 13 determines the trained model 2 to be processed based on the result of processing the similar test data by each trained model 2. The performance information management unit 18 stores the association information between the trained model 2 determined by the trained model determination unit 13 as the processing request destination and the similar test data used for determining the trained model 2 in the performance information storage unit 19. It is now retained and managed by registering with.

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。 The performance information management unit 18 is realized by a cooperative operation between a computer forming the information processing device 10 and a program operated by the CPU 21 mounted on the computer. Further, the performance information storage unit 19 is realized by the HDD 24 mounted on the information processing device 10. Alternatively, the RAM 23 or an external storage means may be used via the network.

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。 Hereinafter, the data processing in the present embodiment will be described with reference to the flowchart shown in FIG. The same steps as those in the first embodiment (FIG. 3) are assigned the same step numbers, and the description thereof will be omitted as appropriate.

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）。 In the same manner as in the first embodiment, the trained model determination unit 13 determines the trained model 2 to be processed (step 115), but at this time, the performance information management unit 18 determines the determined trained model. The information that identifies the model 2 and the information that identifies the similar test data are associated with each other to generate association information, which is registered in the performance information storage unit 19 (step 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。 Then, when the data receiving unit 11 receives new processing target data (step 111), the test data selection unit 12 selects similar test data with respect to the processing target data (step 112), but the trained model When the selected similar test data is registered in the performance information storage unit 19 (Y in step 121), the determination unit 13 processes the trained model 2 associated with the similar test data to process the data to be processed. It is selected as the trained model 2 to be to be generated (step 122). That is, even if each trained model 2 processes the selected similar test data in step 113, the same trained model 2 is selected as a result (steps 114 and 115). Therefore, in the present embodiment, in order to reduce the processing load required for the determination of the trained model 2, the past achievements of the determination of the trained model 2 are retained and made available.

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）。 However, since the quality and performance of each trained model 2 are improved by continuously performing deep learning of AI, even if the same trained model 2 is processed, it will be processed with the passage of time. There is a high possibility that the correct answer rate will differ. Therefore, the performance information management unit 18 may not be able to refer to the result of the past determination by deleting the association information for which a predetermined time has passed since it was held from the performance information storage unit 19. When the similar test data selected by the test data selection unit 12 is not registered in the performance information storage unit 19 (N in step 121), the trained model 2 is selected in the same manner as in the first embodiment. (Steps 113 to 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。 Embodiment 3.
FIG. 7 is a block configuration diagram of the information processing apparatus 10 according to the present embodiment. The same components as those of the information processing apparatus 10 in the first embodiment are designated by the same reference numerals, and the description thereof will be omitted. In the present embodiment, the test data registration processing unit 20 is added to the configuration shown in the first embodiment.

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。 As described in the first embodiment, the test data selection unit 12 applies the degree of similarity between the processing target data and all the test data registered in the test data information storage unit 17 to the learning model 3 for similar data extraction. The test data having the highest degree of similarity was calculated and selected as the test data (similarity test data) used for processing by the trained model determination unit 13 (step 112). However, even if the test data has the highest degree of similarity, if the degree of similarity is relatively low, the optimum trained model 2 is not always selected.

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。 Therefore, in the present embodiment, the test data registration processing unit 20 is provided, and when there is no test data that reaches a predetermined threshold (similarity), the similarity with the processing target data is predetermined for the subsequent processing. A set of test data that exceeds the threshold value of and the correct answer data that is expected as a processing result obtained by processing the test data in the trained model 2 is newly generated and registered in the test data information storage unit 17. I did it.

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。 The test data registration processing unit 20 is realized by a cooperative operation between a computer forming the information processing device 10 and a program operated by the CPU 21 mounted on the computer.

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。 In step 112 of FIG. 4, when none of the similarity of each test data returned from the learning model 3 for extracting similar data reaches a predetermined threshold value (similarity), the test data registration processing unit 20 As described above, a set of the test data whose similarity with the processing target data is equal to or higher than a predetermined threshold and the correct answer data of the test data is registered in the test data information storage unit 17, and the test data registration processing unit The processing in 20 may be performed in the middle of the data processing shown in FIG. 3, or the data processing shown in FIG. 3 may be performed while the similarity has not reached the threshold value, and may be performed separately from this data processing. You may do it.

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。 As the test data to be newly prepared, it is preferable to use the processing target data in which the test data that does not reach a predetermined threshold value (similarity) exists as the test data. Since there was no test data that reached a predetermined threshold (similarity) with the processing target data, the similarity range of multiple test data can be expanded by adopting the processing target data as test data for subsequent processing. Is possible. When the processing target data is adopted as the test data, the test data registration processing unit 20 may take out the processing target data storage unit 16, but if not, the input data will be acquired. Further, it is necessary to prepare the correct answer data of the test data together, and for that purpose, the correct answer data generated by an engineer or the like is acquired, associated with the test data, and registered in the test data information storage unit 17.

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。 In each of the above embodiments, a single learning model 3 for extracting similar data is used, but a plurality of learning models 3 for extracting similar data are made to calculate the degree of similarity, and each learning model 3 for extracting similar data is used. The similarity of the test data may be determined based on the similarity calculated in. For example, the average value of the degree of similarity from each learning model 3 for extracting similar data may be used as the degree of similarity of the test data. Alternatively, the highest similarity may be the similarity of the test data.

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。 Further, the above-described embodiments 2 and 3 may be carried out in combination as appropriate.

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、２１ ＣＰＵ、２２ ＲＯＭ、２３ ＲＡＭ、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。 1 cloud, 2 trained model, 3 learning model for similar data extraction, 10 information processing device, 11 data reception unit, 12 test data selection unit, 13 trained model determination unit, 14 processing execution unit, 16 processing target data storage unit , 17 test data information storage unit, 18 performance information management unit, 19 performance information storage unit, 20 test data registration processing unit, 21 CPU, 22 ROM, 23 RAM, 24 hard disk drive (HDD), 25 mouse, 26 keyboard, 27 Display, 28 I / O controller, 29 network interface, 30 internal bus.

Claims (9)

処理対象データを受け付ける第１の受付手段と、
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最も高いデータをテスト用データとして選出する選出手段と、
複数のサービス提供手段が前記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。 The first receiving means for receiving the data to be processed and
A selection means for selecting data having the highest degree of similarity to the processing target data as test data from a plurality of test data stored in the storage means.
A second receiving means for receiving the processing result of processing the test data by a plurality of service providing means,
Based on the processing result, a determining means for determining which of the plurality of service providing means is requested to process the processing target data, and
A transmission means for transmitting the processing target data and the processing request to the determined service providing means, and
An information processing device characterized by having. 前記決定手段は、前記処理結果の正答率が最も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。 The information processing apparatus according to claim 1, wherein the determination means determines a service providing means having the highest correct answer rate of the processing result as a request destination for requesting processing for the processing target data. 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最も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。 The determination means requests the service providing means having the highest correct answer rate of the processing result by comparing the correct answer data expected as the processing result of the test data with the processing results of the plurality of service providing means. The information processing apparatus according to claim 2, wherein the information processing apparatus is determined to be. 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。 The information processing apparatus according to claim 3, wherein the determination means calculates the degree of similarity between the correct answer data and the processing result of each service providing means as the correct answer rate of each service providing means. 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１に記載の情報処理装置。 It has a management means for holding and managing association information between the service providing means determined by the determining means as a request destination and the test data used for determining the service providing means.
When the management means holds the association information of the test data selected by the selection means, the determination means causes the service providing means associated with the test data to process the processing target data. The information processing apparatus according to claim 1 , wherein the information processing apparatus is determined as a means of providing the data. 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５に記載の情報処理装置。 The information processing apparatus according to claim 5 , wherein the management means deletes the association information for which a predetermined time has passed since the holding. 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１に記載の情報処理装置。 As a result of processing by the selection means, when there is no test data that reaches a predetermined similarity with the processing target data, the test data having a predetermined similarity or higher with the processing target data and the test data are used. The first aspect of claim 1 is characterized by having a registration processing means for newly generating a set of correct answer data expected as a processing result obtained by processing the data by the service providing means and registering the data in the storage means. The information processing device described. 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７に記載の情報処理装置。 The information processing apparatus according to claim 7 , wherein the registration processing means uses the processing target data as test data to be newly registered in the storage means. 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、
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最も高いデータをテスト用データとして選出する選出手段、
複数のサービス提供手段が前記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。 Computer,
The first receiving means for receiving the data to be processed,
A selection means for selecting data having the highest degree of similarity to the processing target data as test data from a plurality of test data stored in the storage means.
A second receiving means, which receives the processing result of processing the test data by a plurality of service providing means.
A determining means for determining which of the plurality of service providing means is requested to process the data to be processed based on the processing result.
A transmission means for transmitting the processing target data and the processing request to the determined service providing means,
A program to function as.
JP2017162248A 2017-08-25 2017-08-25 Information processing equipment and programs Active JP7024255B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017162248A JP7024255B2 (en) 2017-08-25 2017-08-25 Information processing equipment and programs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017162248A JP7024255B2 (en) 2017-08-25 2017-08-25 Information processing equipment and programs

Publications (2)

Publication Number Publication Date
JP2019040417A JP2019040417A (en) 2019-03-14
JP7024255B2 true JP7024255B2 (en) 2022-02-24

Family

ID=65726865

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017162248A Active JP7024255B2 (en) 2017-08-25 2017-08-25 Information processing equipment and programs

Country Status (1)

Country Link
JP (1) JP7024255B2 (en)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11809297B2 (en) 2018-04-26 2023-11-07 Nec Corporation Data analysis device, precision estimation device, data analysis method, and storage medium
CN113449008B (en) * 2020-03-27 2023-06-06 华为技术有限公司 Modeling method and device
JP7026159B2 (en) * 2020-04-07 2022-02-25 株式会社ソディック Electric discharge machine
JP2021196912A (en) * 2020-06-15 2021-12-27 ヤフー株式会社 Execution apparatus, execution method, and execution program
JP7134380B2 (en) * 2020-08-24 2022-09-09 三菱電機ビルソリューションズ株式会社 Document image recognition system

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120284212A1 (en) 2011-05-04 2012-11-08 Google Inc. Predictive Analytical Modeling Accuracy Assessment

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120284212A1 (en) 2011-05-04 2012-11-08 Google Inc. Predictive Analytical Modeling Accuracy Assessment

Also Published As

Publication number Publication date
JP2019040417A (en) 2019-03-14

Similar Documents

Publication Publication Date Title
JP7024255B2 (en) Information processing equipment and programs
JP6986527B2 (en) How and equipment to process video
US10073861B2 (en) Story albums
US20190158532A1 (en) Browser Extension for Contemporaneous In-Browser Tagging and Harvesting of Internet Content
US9734138B2 (en) System and method of annotating utterances based on tags assigned by unmanaged crowds
CN109271556B (en) Method and apparatus for outputting information
US11231971B2 (en) Data engine
CN109168047B (en) Video recommendation method and device, server and storage medium
CN105894028B (en) User identification method and device
CN110096576B (en) Method, system and storage medium for automatically segmenting text
JP6140904B2 (en) Terminal marking method, terminal marking device, program, and recording medium
US20170187837A1 (en) Ad download method, the client and the server
US11863595B2 (en) Method and apparatus for matching users, computer device, and storage medium
US20170339252A1 (en) Generating a response to a client device in an internet of things domain
CN105447614A (en) Information processing apparatus, method and program
CN111143555A (en) Big data-based customer portrait generation method, device, equipment and storage medium
JPWO2020008991A1 (en) Verification automation equipment, verification automation methods, and programs
CN111435367A (en) Knowledge graph construction method, system, equipment and storage medium
CN110209780B (en) Question template generation method and device, server and storage medium
US10963527B2 (en) Associating user logs using geo-point density
KR20210013588A (en) Contextual digital media processing system and method
CN109034085B (en) Method and apparatus for generating information
US20190139149A1 (en) System and method for content reporting
CN110110099A (en) A kind of multimedia document retrieval method and device
JP5668492B2 (en) Data processing apparatus, computer program, and data processing method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200717

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210727

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210824

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211021

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: 20220111

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220124

R150 Certificate of patent or registration of utility model

Ref document number: 7024255

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150