JP7415495B2 - 文書処理プログラム、文書処理装置、及び文書処理方法 - Google Patents
文書処理プログラム、文書処理装置、及び文書処理方法 Download PDFInfo
- Publication number
- JP7415495B2 JP7415495B2 JP2019218049A JP2019218049A JP7415495B2 JP 7415495 B2 JP7415495 B2 JP 7415495B2 JP 2019218049 A JP2019218049 A JP 2019218049A JP 2019218049 A JP2019218049 A JP 2019218049A JP 7415495 B2 JP7415495 B2 JP 7415495B2
- Authority
- JP
- Japan
- Prior art keywords
- change
- text
- document
- user
- document set
- 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
- 238000012545 processing Methods 0.000 title claims description 60
- 238000003672 processing method Methods 0.000 title claims description 9
- 230000008859 change Effects 0.000 claims description 528
- 238000004458 analytical method Methods 0.000 claims description 58
- 238000000034 method Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 9
- 239000003814 drug Substances 0.000 description 69
- 208000005718 Stomach Neoplasms Diseases 0.000 description 57
- 206010017758 gastric cancer Diseases 0.000 description 57
- 201000011549 stomach cancer Diseases 0.000 description 57
- 201000010099 disease Diseases 0.000 description 43
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 43
- 229940079593 drug Drugs 0.000 description 32
- 239000005411 L01XE02 - Gefitinib Substances 0.000 description 18
- XGALLCVXEZPNRQ-UHFFFAOYSA-N gefitinib Chemical compound C=12C=C(OCCCN3CCOCC3)C(OC)=CC2=NC=NC=1NC1=CC=C(F)C(Cl)=C1 XGALLCVXEZPNRQ-UHFFFAOYSA-N 0.000 description 18
- 229960002584 gefitinib Drugs 0.000 description 18
- 238000012986 modification Methods 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 230000014509 gene expression Effects 0.000 description 15
- 229960003301 nivolumab Drugs 0.000 description 15
- 206010028980 Neoplasm Diseases 0.000 description 14
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 13
- 201000005202 lung cancer Diseases 0.000 description 13
- 208000020816 lung neoplasm Diseases 0.000 description 13
- 201000011510 cancer Diseases 0.000 description 12
- 206010009944 Colon cancer Diseases 0.000 description 11
- 238000003058 natural language processing Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 11
- 208000029742 colonic neoplasm Diseases 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000012217 deletion Methods 0.000 description 7
- 230000037430 deletion Effects 0.000 description 7
- 230000010365 information processing Effects 0.000 description 6
- 230000000750 progressive effect Effects 0.000 description 6
- 208000021491 Familial papillary or follicular thyroid carcinoma Diseases 0.000 description 5
- 208000024770 Thyroid neoplasm Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 201000002510 thyroid cancer Diseases 0.000 description 5
- 238000007792 addition Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004904 shortening Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 201000009916 Postpartum depression Diseases 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001717 pathogenic effect Effects 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 206010005003 Bladder cancer Diseases 0.000 description 1
- 208000001333 Colorectal Neoplasms Diseases 0.000 description 1
- 208000020401 Depressive disease Diseases 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 208000007097 Urinary Bladder Neoplasms Diseases 0.000 description 1
- RZEKVGVHFLEQIL-UHFFFAOYSA-N celecoxib Chemical compound C1=CC(C)=CC=C1C1=CC(C(F)(F)F)=NN1C1=CC=C(S(N)(=O)=O)C=C1 RZEKVGVHFLEQIL-UHFFFAOYSA-N 0.000 description 1
- 229960000590 celecoxib Drugs 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 208000021622 familial nonmedullary thyroid carcinoma Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000024714 major depressive disease Diseases 0.000 description 1
- 201000003995 melancholia Diseases 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 201000005112 urinary bladder cancer Diseases 0.000 description 1
Images
Landscapes
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
(P1)ユーザは、文書集合から、機械学習のための学習データを手作業で作成する。
(P2)ユーザは、機械学習により、学習モデルに学習データを学習させることで、学習モデルのパラメータを調整して、学習済みモデルである解析モデルを生成する。
(P3)ユーザは、解析モデルを用いて未知文書を解析し、解析結果を生成する。
(a)ユーザは、機械学習の性能向上のため、既存の学習データを見直して変更し、より正確な学習データを作成する。
(b)ユーザは、機械学習の性能向上のため、既存の学習データの変更と新たな学習データの追加を行うことで、大規模な学習データを作成する。
(c)ユーザは、独自の基準に基づいて学習データをカスタマイズするため、既存の学習データを変更する。
固有表現のテキストの範囲が短縮される。変更事例としては、例えば、“advanced gastric cancer:薬”を“gastric cancer:薬”に変更する事例が挙げられる。“advanced gastric cancer:薬”は、変更前の固有表現の範囲が“advanced gastric cancer”であり、“advanced gastric cancer”に付与されたタグが“薬”であることを表す。一方、“gastric cancer:薬”は、変更後の固有表現の範囲が“gastric cancer”であり、“gastric cancer”に付与されたタグが“薬”であることを表す。
固有表現のテキストの範囲が延長される。変更事例としては、例えば、“gastric cancer:薬”を“advanced gastric cancer:薬”に変更する事例が挙げられる。固有表現の範囲の延長の場合、変更前の固有表現の末尾の語句又はその同義語を含み、変更前の固有表現と同じタグが付与された固有表現を、変更対象として用いることができる。この場合、変更候補の種類は、固有表現である。
固有表現のタグが変更される。変更事例としては、例えば、“gastric cancer:薬”を“gastric cancer:がん”に変更する事例が挙げられる。固有表現の種類の変更の場合、変更前後の固有表現の末尾の語句又はその同義語を含み、変更前の固有表現と同じタグが付与された固有表現を、変更対象として用いることができる。この場合、変更候補の種類は、固有表現である。
固有表現のテキストの範囲とタグが、付加情報に追加される。変更事例としては、例えば、“-”を“nivolumab:薬”に変更する事例が挙げられる。“-”は、変更前の固有表現の範囲が指定されていないことを表す。一方、“nivolumab:薬”は、変更後の固有表現の範囲が“nivolumab”であり、“nivolumab”に付与されたタグが“薬”であることを表す。
固有表現のテキストの範囲とタグが、付加情報から削除される。変更事例としては、例えば、“nivolumab:薬”を“-”に変更する事例が挙げられる。固有表現の削除の場合、変更前の固有表現の末尾の語句又はその同義語を含み、変更前の固有表現と同じタグが付与された固有表現を、変更対象として用いることができる。この場合、変更候補の種類は、固有表現である。
固有表現間の関係が付加情報に追加される。変更事例としては、例えば、“gefitinib:薬”と“lung cancer:病気”との間に“効果あり”という関係を追加する事例が挙げられる。
固有表現間の関係が付加情報から削除される。変更事例としては、例えば、“gefitinib:薬”と“lung cancer:病気”との間の“効果あり”という関係を削除する事例が挙げられる。
固有表現間の関係が変更される。変更事例としては、例えば、“gefitinib:薬”と“lung cancer:病気”との間の関係を“効果あり”から“効果なし”に変更する事例が挙げられる。
(P11)分類部415は、変更候補のテキストの前後のW個(Wは1以上の整数)の単語を、bag of wordsによりベクトル化することで、変更候補の周辺の文脈を表す単語ベクトルを生成する。
(P12)分類部415は、k-means法により、生成された単語ベクトルをC個(Cは2以上の整数)のクラスタに分類する。k-means法の距離関数としては、特徴ベクトル間のコサイン距離、ユークリッド距離、マハラノビス距離等を用いることができる。
(付記1)
文書集合に含まれる情報をユーザが変更したことを示す変更履歴に基づいて、前記文書集合に対して前記ユーザが行う変更の変更対象を推定し、
前記変更対象に対応するテキストを前記文書集合から抽出し、
前記文書集合から抽出されたテキストを示す変更候補情報を出力する、
処理をコンピュータに実行させるための文書処理プログラム。
(付記2)
前記変更対象を推定する処理は、前記文書集合から抽出されたテキストに対する前記ユーザからの変更指示が入力される前に実行される、
ことを特徴とする付記1記載の文書処理プログラム。
(付記3)
前記変更履歴は、前記ユーザが行った変更操作を示す変更事例を含み、
前記変更対象は、前記変更事例が示す変更前のテキストを特定するとともに、前記変更前のテキストの一部の語句又は前記一部の語句の同義語を含み、かつ、前記変更前のテキストとは異なるテキストを特定する情報である、
ことを特徴とする付記1又は2記載の文書処理プログラム。
(付記4)
前記文書集合に含まれる情報は、前記文書集合に含まれるテキストの付加情報であり、
前記文書処理プログラムは、
前記文書集合から抽出されたテキストを、前記文書集合から抽出されたテキストの前後に存在するテキストに基づいてクラスタリングすることで、複数のクラスタを生成し、
前記複数のクラスタのうち特定のクラスタに属するテキストの付加情報を前記ユーザが変更した場合、前記特定のクラスタに属するテキストの付加情報に対する変更を、前記特定のクラスタに属する他のテキストの付加情報に反映させる、
処理を前記コンピュータにさらに実行させることを特徴とする付記3記載の文書処理プログラム。
(付記5)
前記変更履歴は、前記ユーザが行った変更操作を示す複数の変更事例を含み、
前記変更対象を推定する処理は、前記複数の変更事例各々を分類した複数の変更種類の種類毎に実行され、
前記テキストを抽出する処理は、前記種類毎の前記変更対象に対するテキストを抽出する処理を含み、
前記クラスタリングする処理は、前記文書集合における前記種類毎の前記変更対象に対応するテキストの出現頻度に基づいて選択された特定の種類の前記変更対象に対応するテキストに対して実行される、
ことを特徴とする付記4記載の文書処理プログラム。
(付記6)
前記文書集合は、複数の文書を含み、
前記複数の文書各々は、複数の部分文書を含み、
前記コンピュータは、
前記種類毎の前記変更対象に対応するテキストの出現頻度と、前記複数の部分文書各々に含まれる前記種類毎の前記変更対象に対応するテキストの個数とに基づいて、前記複数の部分文書各々の評価値を計算し、
前記複数の部分文書各々の評価値に基づいて、前記複数の部分文書のうち特定の部分文書を選択し、
前記変更候補情報は、前記特定の部分文書を強調表示する情報を含む、
ことを特徴とする付記5記載の文書処理プログラム。
(付記7)
前記文書集合は、解析モデルを生成する機械学習のための学習データであり、前記解析モデルは、解析対象の文書を解析して、前記解析対象の文書に含まれるテキストの付加情報を生成する、
ことを特徴とする付記4乃至6のいずれか1項に記載の文書処理プログラム。
(付記8)
文書集合に含まれる情報をユーザが変更したことを示す変更履歴を記憶する記憶部と、
前記変更履歴に基づいて、前記文書集合に対して前記ユーザが行う変更の変更対象を推定する推定部と、
前記変更対象に対応するテキストを前記文書集合から抽出する抽出部と、
前記文書集合から抽出されたテキストを示す変更候補情報を出力する出力部と、
を備えることを特徴とする文書処理装置。
(付記9)
前記推定部は、前記文書集合から抽出されたテキストに対する前記ユーザからの変更指示が入力される前に、前記変更対象を推定する、
ことを特徴とする付記8記載の文書処理装置。
(付記10)
前記変更履歴は、前記ユーザが行った変更操作を示す変更事例を含み、
前記変更対象は、前記変更事例が示す変更前のテキストを特定するとともに、前記変更前のテキストの一部の語句又は前記一部の語句の同義語を含み、かつ、前記変更前のテキストとは異なるテキストを特定する情報である、
ことを特徴とする付記8又は9記載の文書処理装置。
(付記11)
前記文書集合に含まれる情報は、前記文書集合に含まれるテキストの付加情報であり、
前記文書処理装置は、
前記文書集合から抽出されたテキストを、前記文書集合から抽出されたテキストの前後に存在するテキストに基づいてクラスタリングすることで、複数のクラスタを生成する分類部と、
前記複数のクラスタのうち特定のクラスタに属するテキストの付加情報を前記ユーザが変更した場合、前記特定のクラスタに属するテキストの付加情報に対する変更を、前記特定のクラスタに属する他のテキストの付加情報に反映させる変更部と、
をさらに備えることを特徴とする付記10記載の文書処理装置。
(付記12)
前記変更履歴は、前記ユーザが行った変更操作を示す複数の変更事例を含み、
前記推定部は、前記複数の変更事例各々を分類した複数の変更種類の種類毎に、前記変更対象を推定し、
前記抽出部は、前記種類毎の前記変更対象に対するテキストを抽出し、
前記分類部は、前記文書集合における前記種類毎の前記変更対象に対応するテキストの出現頻度に基づいて選択された特定の種類の前記変更対象に対応するテキストに対して、クラスタリングを実行する、
ことを特徴とする付記11記載の文書処理装置。
(付記13)
前記文書集合は、複数の文書を含み、
前記複数の文書各々は、複数の部分文書を含み、
前記推定部は、前記種類毎の前記変更対象に対応するテキストの出現頻度と、前記複数の部分文書各々に含まれる前記種類毎の前記変更対象に対応するテキストの個数とに基づいて、前記複数の部分文書各々の評価値を計算し、前記複数の部分文書各々の評価値に基づいて、前記複数の部分文書のうち特定の部分文書を選択し、
前記変更候補情報は、前記特定の部分文書を強調表示する情報を含む、
ことを特徴とする付記12記載の文書処理装置。
(付記14)
前記文書集合は、解析モデルを生成する機械学習のための学習データであり、前記解析モデルは、解析対象の文書を解析して、前記解析対象の文書に含まれるテキストの付加情報を生成する、
ことを特徴とする付記11乃至13のいずれか1項に記載の文書処理装置。
(付記15)
文書集合に含まれる情報をユーザが変更したことを示す変更履歴に基づいて、前記文書集合に対して前記ユーザが行う変更の変更対象を推定し、
前記変更対象に対応するテキストを前記文書集合から抽出し、
前記文書集合から抽出されたテキストを示す変更候補情報を出力する、
処理をコンピュータが実行することを特徴とする文書処理方法。
(付記16)
前記変更対象を推定する処理は、前記文書集合から抽出されたテキストに対する前記ユーザからの変更指示が入力される前に実行される、
ことを特徴とする付記15記載の文書処理方法。
(付記17)
前記変更履歴は、前記ユーザが行った変更操作を示す変更事例を含み、
前記変更対象は、前記変更事例が示す変更前のテキストを特定するとともに、前記変更前のテキストの一部の語句又は前記一部の語句の同義語を含み、かつ、前記変更前のテキストとは異なるテキストを特定する情報である、
ことを特徴とする付記15又は16記載の文書処理方法。
(付記18)
前記文書集合に含まれる情報は、前記文書集合に含まれるテキストの付加情報であり、
前記コンピュータは、さらに、
前記文書集合から抽出されたテキストを、前記文書集合から抽出されたテキストの前後に存在するテキストに基づいてクラスタリングすることで、複数のクラスタを生成し、
前記複数のクラスタのうち特定のクラスタに属するテキストの付加情報を前記ユーザが変更した場合、前記特定のクラスタに属するテキストの付加情報に対する変更を、前記特定のクラスタに属する他のテキストの付加情報に反映させる、
ことを特徴とする付記17記載の文書処理方法。
(付記19)
前記変更履歴は、前記ユーザが行った変更操作を示す複数の変更事例を含み、
前記変更対象を推定する処理は、前記複数の変更事例各々を分類した複数の変更種類の種類毎に実行され、
前記テキストを抽出する処理は、前記種類毎の前記変更対象に対するテキストを抽出する処理を含み、
前記クラスタリングする処理は、前記文書集合における前記種類毎の前記変更対象に対応するテキストの出現頻度に基づいて選択された特定の種類の前記変更対象に対応するテキストに対して実行される、
ことを特徴とする付記18記載の文書処理方法。
(付記20)
前記文書集合は、複数の文書を含み、
前記複数の文書各々は、複数の部分文書を含み、
前記コンピュータは、
前記種類毎の前記変更対象に対応するテキストの出現頻度と、前記複数の部分文書各々に含まれる前記種類毎の前記変更対象に対応するテキストの個数とに基づいて、前記複数の部分文書各々の評価値を計算し、
前記複数の部分文書各々の評価値に基づいて、前記複数の部分文書のうち特定の部分文書を選択し、
前記変更候補情報は、前記特定の部分文書を強調表示する情報を含む、
ことを特徴とする付記19記載の文書処理方法。
(付記21)
前記文書集合は、解析モデルを生成する機械学習のための学習データであり、前記解析モデルは、解析対象の文書を解析して、前記解析対象の文書に含まれるテキストの付加情報を生成する、
ことを特徴とする付記18乃至20のいずれか1項に記載の文書処理方法。
211、411 記憶部
212、413 推定部
213、414 抽出部
214、418 出力部
221、424 変更履歴
412 解析部
415 分類部
416 変更部
417 生成部
421 解析モデル
422 解析前文書集合
423 解析後文書集合
425 分類結果
701 段落
1101 CPU
1102 メモリ
1103 入力装置
1104 出力装置
1105 補助記憶装置
1106 媒体駆動装置
1107 ネットワーク接続装置
1108 バス
1109 可搬型記録媒体
Claims (8)
- 文書集合に含まれるテキストの付加情報をユーザが変更したことを示す変更履歴であって前記ユーザが行った変更操作を示す変更事例を含む前記変更履歴に基づいて、前記文書集合に対して前記ユーザが行う変更の変更対象を推定し、
前記変更対象に対応するテキストを前記文書集合から抽出し、
前記文書集合から抽出されたテキストを、前記文書集合から抽出されたテキストの前後に存在するテキストに基づいてクラスタリングすることで、複数のクラスタを生成し、
前記複数のクラスタのうち特定のクラスタに属するテキストの付加情報を前記ユーザが変更した場合、前記特定のクラスタに属するテキストの付加情報に対する変更を、前記特定のクラスタに属する他のテキストの付加情報に反映させ、
前記文書集合から抽出されたテキストを示す変更候補情報を出力する、
処理をコンピュータに実行させるための文書処理プログラム。 - 前記変更対象を推定する処理は、前記文書集合から抽出されたテキストに対する前記ユーザからの変更指示が入力される前に実行される、
ことを特徴とする請求項1記載の文書処理プログラム。 - 前記変更対象は、前記変更事例が示す変更前のテキストを特定するとともに、前記変更前のテキストの一部の語句又は前記一部の語句の同義語を含み、かつ、前記変更前のテキストとは異なるテキストを特定する情報である、
ことを特徴とする請求項1又は2記載の文書処理プログラム。 - 前記変更履歴は、前記ユーザが行った変更操作を示す複数の変更事例を含み、
前記変更対象を推定する処理は、前記複数の変更事例各々を分類した複数の変更種類の種類毎に実行され、
前記テキストを抽出する処理は、前記種類毎の前記変更対象に対するテキストを抽出する処理を含み、
前記クラスタリングする処理は、前記文書集合における前記種類毎の前記変更対象に対応するテキストの出現頻度に基づいて選択された特定の種類の前記変更対象に対応するテキストに対して実行される、
ことを特徴とする請求項1乃至3のいずれか1項に記載の文書処理プログラム。 - 前記文書集合は、複数の文書を含み、
前記複数の文書各々は、複数の部分文書を含み、
前記コンピュータは、
前記種類毎の前記変更対象に対応するテキストの出現頻度であって前記複数の部分文書各々に含まれる前記テキストそれぞれについての前記出現頻度の合計を、前記複数の部分文書各々の評価値として計算し、
前記複数の部分文書各々の評価値に基づいて、前記複数の部分文書のうち特定の部分文書を選択し、
前記変更候補情報は、前記特定の部分文書を強調表示する情報を含む、
ことを特徴とする請求項4記載の文書処理プログラム。 - 前記文書集合は、解析モデルを生成する機械学習のための学習データであり、前記解析モデルは、解析対象の文書を解析して、前記解析対象の文書に含まれるテキストの付加情報を生成する、
ことを特徴とする請求項1乃至5のいずれか1項に記載の文書処理プログラム。 - 文書集合に含まれるテキストの付加情報をユーザが変更したことを示す変更履歴であって前記ユーザが行った変更操作を示す変更事例を含む前記変更履歴を記憶する記憶部と、
前記変更履歴に基づいて、前記文書集合に対して前記ユーザが行う変更の変更対象を推定する推定部と、
前記変更対象に対応するテキストを前記文書集合から抽出する抽出部と、
前記文書集合から抽出されたテキストを、前記文書集合から抽出されたテキストの前後に存在するテキストに基づいてクラスタリングすることで、複数のクラスタを生成する分類部と、
前記複数のクラスタのうち特定のクラスタに属するテキストの付加情報を前記ユーザが変更した場合、前記特定のクラスタに属するテキストの付加情報に対する変更を、前記特定のクラスタに属する他のテキストの付加情報に反映させる変更部と、
前記文書集合から抽出されたテキストを示す変更候補情報を出力する出力部と、
を備えることを特徴とする文書処理装置。 - 文書集合に含まれるテキストの付加情報をユーザが変更したことを示す変更履歴であって前記ユーザが行った変更操作を示す変更事例を含む前記変更履歴に基づいて、前記文書集合に対して前記ユーザが行う変更の変更対象を推定し、
前記変更対象に対応するテキストを前記文書集合から抽出し、
前記文書集合から抽出されたテキストを、前記文書集合から抽出されたテキストの前後に存在するテキストに基づいてクラスタリングすることで、複数のクラスタを生成し、
前記複数のクラスタのうち特定のクラスタに属するテキストの付加情報を前記ユーザが変更した場合、前記特定のクラスタに属するテキストの付加情報に対する変更を、前記特定のクラスタに属する他のテキストの付加情報に反映させ、
前記文書集合から抽出されたテキストを示す変更候補情報を出力する、
処理をコンピュータが実行することを特徴とする文書処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019218049A JP7415495B2 (ja) | 2019-12-02 | 2019-12-02 | 文書処理プログラム、文書処理装置、及び文書処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019218049A JP7415495B2 (ja) | 2019-12-02 | 2019-12-02 | 文書処理プログラム、文書処理装置、及び文書処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021089473A JP2021089473A (ja) | 2021-06-10 |
JP7415495B2 true JP7415495B2 (ja) | 2024-01-17 |
Family
ID=76220673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019218049A Active JP7415495B2 (ja) | 2019-12-02 | 2019-12-02 | 文書処理プログラム、文書処理装置、及び文書処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7415495B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024057589A1 (ja) * | 2022-09-15 | 2024-03-21 | 株式会社LegalOn Technologies | 修正提案方法、修正提案システム、及び修正提案プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140319A (ja) | 2000-10-31 | 2002-05-17 | Cm C:Kk | 部品説明書の作成支援方法、部品説明書の作成支援システム、及びコンピュータ読取可能な記録媒体 |
JP2011053840A (ja) | 2009-08-31 | 2011-03-17 | Toshiba Corp | 文書処理装置および文書処理プログラム |
WO2015052817A1 (ja) | 2013-10-10 | 2015-04-16 | 株式会社東芝 | 音訳作業支援装置、音訳作業支援方法及びプログラム |
-
2019
- 2019-12-02 JP JP2019218049A patent/JP7415495B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140319A (ja) | 2000-10-31 | 2002-05-17 | Cm C:Kk | 部品説明書の作成支援方法、部品説明書の作成支援システム、及びコンピュータ読取可能な記録媒体 |
JP2011053840A (ja) | 2009-08-31 | 2011-03-17 | Toshiba Corp | 文書処理装置および文書処理プログラム |
WO2015052817A1 (ja) | 2013-10-10 | 2015-04-16 | 株式会社東芝 | 音訳作業支援装置、音訳作業支援方法及びプログラム |
Non-Patent Citations (1)
Title |
---|
小林 賢司 外5名,エビデンスに基づく医療のための文献キュレーションシステムの開発,情報処理学会 研究報告 グループウェアとネットワークサービス(GN) 2019-GN-107 [online] ,日本,情報処理学会,2019年03月11日,pp.1-8 |
Also Published As
Publication number | Publication date |
---|---|
JP2021089473A (ja) | 2021-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Popović | Error classification and analysis for machine translation quality assessment | |
Khan et al. | A novel natural language processing (NLP)–based machine translation model for English to Pakistan sign language translation | |
US11030407B2 (en) | Computer system, method and program for performing multilingual named entity recognition model transfer | |
EP3230896B1 (en) | Localization complexity of arbitrary language assets and resources | |
US11210468B2 (en) | System and method for comparing plurality of documents | |
Chen et al. | Automatic ICD-10 coding algorithm using an improved longest common subsequence based on semantic similarity | |
WO2005059771A1 (ja) | 対訳判断装置、方法及びプログラム | |
JP5697202B2 (ja) | 用語の対応を見出す方法、プログラム及びシステム | |
JP2014078132A (ja) | 機械翻訳装置、方法およびプログラム | |
US20190317986A1 (en) | Annotated text data expanding method, annotated text data expanding computer-readable storage medium, annotated text data expanding device, and text classification model training method | |
US11537797B2 (en) | Hierarchical entity recognition and semantic modeling framework for information extraction | |
Ofazer et al. | Bootstrapping morphological analyzers by combining human elicitation and machine learning | |
JP2021507350A (ja) | 複雑な回答の補強証拠取り出し | |
Nguyen et al. | Adaptive edit-distance and regression approach for post-OCR text correction | |
JP6622236B2 (ja) | 発想支援装置及び発想支援方法 | |
JP2014186395A (ja) | 文書作成支援装置、方法およびプログラム | |
JP6077727B1 (ja) | 多言語の固有表現認識モデルの転移を行うコンピュータシステム、方法、およびプログラム | |
Cui et al. | Simple question answering over knowledge graph enhanced by question pattern classification | |
JP7415495B2 (ja) | 文書処理プログラム、文書処理装置、及び文書処理方法 | |
Uçar et al. | A novel algorithm for extracting the user reviews from web pages | |
JP4401269B2 (ja) | 対訳判断装置及びプログラム | |
WO2015177861A1 (ja) | 教師データ作成装置及び方法 | |
JP2003263441A (ja) | キーワード決定データベース作成方法、キーワード決定方法、装置、プログラム、および記録媒体 | |
Xie et al. | Automatic chinese spelling checking and correction based on character-based pre-trained contextual representations | |
JP2008140204A (ja) | データ検索システム及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220809 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230724 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230725 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230919 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20230919 |
|
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: 20231205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231218 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7415495 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |