JP7481251B2 - テキスト中のイベント抽出方法、装置、電子機器及び記憶媒体 - Google Patents
テキスト中のイベント抽出方法、装置、電子機器及び記憶媒体 Download PDFInfo
- Publication number
- JP7481251B2 JP7481251B2 JP2020217680A JP2020217680A JP7481251B2 JP 7481251 B2 JP7481251 B2 JP 7481251B2 JP 2020217680 A JP2020217680 A JP 2020217680A JP 2020217680 A JP2020217680 A JP 2020217680A JP 7481251 B2 JP7481251 B2 JP 7481251B2
- Authority
- JP
- Japan
- Prior art keywords
- sequence
- predicate
- character
- term
- labeling
- 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
- 238000000034 method Methods 0.000 title claims description 51
- 238000000605 extraction Methods 0.000 claims description 271
- 238000002372 labelling Methods 0.000 claims description 143
- 239000013598 vector Substances 0.000 claims description 122
- 230000015654 memory Effects 0.000 claims description 21
- 230000007704 transition Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 19
- 238000010276 construction Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000013604 expression vector Substances 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
入力テキストを取得するステップと、前記入力テキストを述語抽出モデルに入力して、前記入力テキストの述語抽出結果を取得するステップと、前記入力テキスト及び前記述語抽出結果を項抽出モデルに入力して、前記入力テキストの項抽出結果を取得するステップと、前記述語抽出結果及び前記項抽出結果に基づいて、前記入力テキストのイベント抽出結果を決定するステップと、を含む。
入力テキストを取得するための取得モジュールと、前記入力テキストを述語抽出モデルに入力して、前記入力テキストの述語抽出結果を取得するための述語抽出モジュールと、前記入力テキスト及び前記述語抽出結果を項抽出モデルに入力して、前記入力テキストの項抽出結果を取得するための項抽出モジュールと、前記述語抽出結果及び前記項抽出結果に基づいて、前記入力テキストのイベント抽出結果を決定するための決定モジュールと、を含む。
少なくとも一つのプロセッサと、
前記少なくとも一つのプロセッサと通信可能に接続されるメモリと、を含み、
前記メモリには、前記少なくとも一つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサによって実行される場合、前記少なくとも一つのプロセッサが本出願のテキスト中のイベント抽出方法を実行する。
本出願の別の態様によれば、コンピュータプログラムを提供し、前記コンピュータプログラムにおける命令が実行された場合に、第1の態様の実施例に記載のテキスト中のイベント抽出方法が実行される。
ステップ101:入力テキストを取得する。
ステップ201:述語抽出結果に基づいて、入力テキスト中の述語を決定する。
ステップ301:入力テキストを字分割して、入力テキストの字シーケンスを取得する。
ステップ401:第1の意味特徴ベクトルシーケンスに基づいて、各述語ラベリングラベルで字シーケンスにおける各字の確率値を決定する。
ステップ501:入力テキストを字分割して、入力テキストの字シーケンスを取得する。
ステップ601:第2の意味特徴ベクトルシーケンスに基づいて、各項ラベリングラベルで字シーケンスにおける各字の確率値を決定する。
まず、述語抽出モデルの入力レイヤは、入力テキストの語彙特徴ベクトル(Token Embedding)、上下文の特徴ベクトル(Segment Embedding)及び位置特徴ベクトル(Position Embedding)を構築し、入力テキストの語彙特徴ベクトル、上下文の特徴ベクトル及び位置特徴ベクトルを加算処理し、取得された融合特徴ベクトルを加算処理する。
次いで、融合特徴ベクトルを第1のERNIEモデルに入力して、予めトレーニングされた出力層ベクトルを計算して取得する。
そして、第1のERNIEモデルにおける出力層ベクトルを第1のCRFネットワークに入力して、述語ラベリングシーケンスを取得する。
ここで、図7でAとラベリングされた部分は、入力テキスト「李栄浩は楊丞琳に求婚した」に対応する述語ラベリング結果である。
最後に、述語ラベリングシーケンスに基づいて、入力テキストにおける述語は「求婚」であることを決定することができる。
まず、センテンス入力モデルは、語彙特徴(Token Embedding)、上下文の特徴(Segment Embedding)、位置特徴(Position Embedding)及び述語特徴が含まれる特徴を構築し、シーケンスラベリングに基づく述語抽出モデルで予測して取得された述語を特徴として追加し、追加方式は、当該位置の語彙は述語として識別される場合、1に設定し、識別されない場合、0に設定してから、ベクトルembeddingの形式に変換する。
次いで、上記4種類の特徴ベクトルをベクトル加算処理して、融合特徴ベクトルを取得し、融合特徴ベクトルを第2のERNIEモデルに入力して、予めトレーニングされた出力層ベクトルを計算して取得する。
そして、第2のERNIEモデルの出力層ベクトルを第2のcrfネットワークに入力して、項ラベリング結果を取得する。
最後に、項ラベリング結果に基づいて、入力テキストにおける項を決定する。
これにより、深層学習のイベント抽出方式に完全に基づいて、イベント抽出を実現し、入力テキストのイベント抽出の精度を向上させ、イベント抽出の構築コストを低減し、人工的な特徴は必要がない。
取得モジュール110は、入力テキストを取得することに用いられる。
述語抽出モジュール120は、入力テキストを述語抽出モデルに入力して、入力テキストの述語抽出結果を取得することに用いられる。
項抽出モジュール130は、入力テキスト及び述語抽出結果を項抽出モデルに入力して、入力テキストの項抽出結果を取得することに用いられる。
決定モジュール140は、述語抽出結果及び項抽出結果に基づいて、入力テキストのイベント抽出結果を決定することに用いられる。
述語抽出結果に基づいて、入力テキスト中の述語を決定するための第1の決定サブモジュール141と、
述語に基づいて、述語が属するイベントタイプを決定するための第2の決定サブモジュール142と、
項抽出結果に基づいて、入力テキスト中の項を決定するための第3の決定サブモジュール143と、
イベントタイプに基づいて、項がイベントタイプで属する項役割を決定するための第4の決定サブモジュール144と、
述語、イベントタイプ、項及び項役割に基づいて、入力テキストのイベント抽出結果を決定するための第5の決定サブモジュール145と、を含むことができる。
入力テキストを字分割して、入力テキストの字シーケンスを取得するための第1の字分割サブモジュール121と、
字シーケンスを第1の予めトレーニングされた言語モデルに入力して、字シーケンスの第1の意味特徴ベクトルシーケンスを取得するための第1の意味特徴表現サブモジュール122と、
第1の意味特徴ベクトルシーケンスを第1のシーケンスラベリングネットワークに入力して、字シーケンスの述語ラベリングシーケンスを取得するための第1のラベリングサブモジュール123と、
述語ラベリングシーケンスに基づいて、入力テキストの述語抽出結果を決定するための第6の結果サブモジュール124と、を含む。
第1の意味特徴ベクトルシーケンスに基づいて、各述語ラベリングラベルで字シーケンスにおける各字の確率値を決定するための第1の決定ユニット1231と、
第1の条件ランダムフィールドレイヤに対応する第1のラベル遷移確率行列を取得するための第1の取得ユニット1232と、
第1のラベル遷移確率行列及び各述語ラベリングラベルで各字の確率値に基づいて、字シーケンスの複数の候補述語抽出結果の確率値を決定するための第2の決定ユニット1233と、
複数の候補述語シーケンスから確率値が最も大きい候補述語ラベリングシーケンスを字シーケンスの述語ラベリングシーケンスとして取得するための第2の取得ユニット1234と、を含む。
入力テキストを字分割して、入力テキストの字シーケンスを取得するための第2の字分割サブモジュール131と、
述語抽出結果に基づいて、字シーケンスの述語特徴ベクトルシーケンスを決定するための第7の決定サブモジュール132と、
字シーケンスに基づいて、字シーケンスに対応するテキスト特徴ベクトルシーケンスを決定するための第8の決定サブモジュール133と、
テキスト特徴ベクトルシーケンスと述語特徴ベクトルシーケンスを加算して、融合特徴ベクトルシーケンスを取得するための融合サブモジュール134と、
融合特徴ベクトルシーケンスを第2の予めトレーニングされた言語モデルに入力して、字シーケンスの第2の意味特徴ベクトルシーケンスを取得するための第2の意味特徴表現サブモジュール135と、
第2の意味特徴ベクトルシーケンスを第2のシーケンスラベリングネットワークに入力して、字シーケンスの項ラベリングシーケンスを取得するための第2のラベリングサブモジュール136と、
項ラベリングシーケンスに基づいて、入力テキストの項を決定するための第9の決定サブモジュール137と、を含む。
第2の意味特徴ベクトルシーケンスに基づいて、各項ラベリングラベルで字シーケンスにおける各字の確率値を決定するための第3の決定ユニット1361と、
第2の条件ランダムフィールドレイヤに対応する第2のラベル遷移確率行列を取得するための第3の取得ユニット1362と、
第2のラベル遷移確率行列及び各項ラベリングラベルで各字の確率値に基づいて、字シーケンスの複数の候補項ラベリングシーケンスの確率値を決定するための第4の決定ユニット1363と、
複数の候補項シーケンスから確率値が最も大きい候補項ラベリングシーケンスを字シーケンスの項ラベリングシーケンスとして取得するための第4の取得モジュール1364と、を含むことができる。
本出願の実施例によれば、コンピュータプログラムが提供される。当該コンピュータプログラムにおける命令が実行された場合に、上記テキスト中のイベント抽出方法が実行される。
Claims (11)
- テキスト中のイベント抽出方法であって、
取得モジュールが入力テキストを取得するステップと、
述語抽出モジュールが前記入力テキストを述語抽出モデルに入力して、前記入力テキストの述語抽出結果を取得するステップと、
項抽出モジュールが前記入力テキスト及び前記述語抽出結果を項抽出モデルに入力して、前記入力テキストの項抽出結果を取得するステップと、
決定モジュールが前記述語抽出結果及び前記項抽出結果に基づいて、前記入力テキストのイベント抽出結果を決定するステップと、
を含み、イベントは述語が示すイベントであり、
前記述語抽出モデルは、第1の予めトレーニングされた言語モデルと、第1のシーケンスラベリングネットワークと、を含み、前記述語抽出モデルが前記入力テキストを述語抽出モデルに入力して、前記入力テキストの述語抽出結果を取得するステップは、
第1の字分割サブモジュールが前記入力テキストを字分割して、前記入力テキストの字シーケンスを取得するステップと、
第1の意味特徴表現サブモジュールが前記字シーケンスを第1の予めトレーニングされた言語モデルに入力して、前記字シーケンスの第1の意味特徴ベクトルシーケンスを取得するステップと、
第1のラベリングサブモジュールが前記第1の意味特徴ベクトルシーケンスを前記第1のシーケンスラベリングネットワークに入力して、前記字シーケンスの述語ラベリングシーケンスを取得するステップと、
第6の結果サブモジュールが前記述語ラベリングシーケンスに基づいて、前記入力テキストの述語抽出結果を決定するステップと、
を含み、
前記第1のシーケンスラベリングネットワークは、第1の条件ランダムフィールドレイヤを含み、第1のラベリングサブモジュールが前記第1の意味特徴ベクトルシーケンスを前記第1のシーケンスラベリングネットワークに入力して、前記字シーケンスの述語ラベリングシーケンスを取得するステップは、
第1の決定ユニットが前記第1の意味特徴ベクトルシーケンスに基づいて、前記各述語ラベリングラベルで字シーケンスにおける各字の確率値を決定するステップと、
第1の取得ユニットが前記第1の条件ランダムフィールドレイヤに対応する第1のラベル遷移確率行列を取得するステップと、
第2の決定ユニットが前記第1のラベル遷移確率行列及び各述語ラベリングラベルで各字の確率値に基づいて、前記字シーケンスの複数の候補述語抽出結果の確率値を決定するステップと、
第2の取得ユニットが複数の候補述語シーケンスから確率値が最も大きい候補述語ラベリングシーケンスを前記字シーケンスの述語ラベリングシーケンスとして取得するステップと、
を含む、
ことを特徴とするテキスト中のイベント抽出方法。 - 決定モジュールが前記述語抽出結果及び前記項抽出結果に基づいて、前記入力テキストのイベント抽出結果を決定するステップは、
第1の決定サブモジュールが前記述語抽出結果に基づいて、前記入力テキスト中の述語を決定するステップと、
第2の決定サブモジュールが前記述語に基づいて、前記述語が属するイベントタイプを決定するステップと、
第3の決定サブモジュールが前記項抽出結果に基づいて、前記入力テキスト中の項を決定するステップと、
第4の決定サブモジュールが前記イベントタイプと前記項に基づいて、前記項が前記イベントタイプで属する項役割を決定するステップと、
第5の決定サブモジュールが前記述語、前記イベントタイプ、前記項及び前記項役割に基づいて、前記入力テキストのイベント抽出結果を決定するステップと、
を含む、
ことを特徴とする請求項1に記載の方法。 - 前記項抽出モデルは、第2の予めトレーニングされた言語モデルと、第2のシーケンスラベリングネットワークと、を含み、項抽出モジュールが前記入力テキスト及び前記述語抽出結果を項抽出モデルに入力して、前記入力テキストの項抽出結果を取得するステップは、
第2の字分割サブモジュールが前記入力テキストを字分割して、前記入力テキストの字シーケンスを取得するステップと、
第7の決定サブモジュールが入力テキストにおける各字の述語抽出結果に基づいて、前記字シーケンスの述語特徴ベクトルシーケンスを決定するステップであって、述語抽出結果は、入力テキストにおける各字の述語識別結果を含むステップと、
第8の決定サブモジュールが前記字シーケンスに基づいて、前記字シーケンスに対応するテキスト特徴ベクトルシーケンスを決定するステップであって、テキスト特徴ベクトルは、字シーケンスの字特徴ベクトルと、位置特徴ベクトルと、コンテキスト特徴ベクトルと、を含むステップと、
融合サブモジュールが前記字シーケンスの字特徴ベクトルと、位置特徴ベクトルと、コンテキスト特徴ベクトルと、前記述語特徴ベクトルシーケンスを加算して、融合特徴ベクトルシーケンスを取得するステップと、
第2の意味特徴表現サブモジュールが前記融合特徴ベクトルシーケンスを前記第2の予めトレーニングされた言語モデルに入力して、前記字シーケンスの第2の意味特徴ベクトルシーケンスを取得するステップと、
第2のラベリングサブモジュールが前記第2の意味特徴ベクトルシーケンスを第2のシーケンスラベリングネットワークに入力して、前記字シーケンスの項ラベリングシーケンスを取得するステップと、
第9の決定サブモジュールが前記項ラベリングシーケンスに基づいて、前記入力テキストの項を決定するステップと、
を含む、
ことを特徴とする請求項1に記載の方法。 - 前記第2のシーケンスラベリングネットワークは、第2の条件ランダムフィールドレイヤを含み、第2のラベリングサブモジュールが前記第2の意味特徴ベクトルシーケンスを第2のシーケンスラベリングネットワークに入力して、前記字シーケンスの項ラベリングシーケンスを取得するステップは、
第3の決定ユニットが前記第2の意味特徴ベクトルシーケンスに基づいて、前記各項ラベリングラベルで字シーケンスにおける各字の確率値を決定するステップと、
第3の取得ユニットが前記第2の条件ランダムフィールドレイヤに対応する第2のラベル遷移確率行列を取得するステップと、
第4の決定ユニットが前記第2のラベル遷移確率行列及び各項ラベリングラベルで各字の確率値に基づいて、前記字シーケンスの複数の候補項ラベリングシーケンスの確率値を決定するステップと、
第4の取得モジュールが前記複数の候補項シーケンスから確率値が最も大きい候補項ラベリングシーケンスを前記字シーケンスの項ラベリングシーケンスとして取得するステップと、
を含む、
ことを特徴とする請求項3に記載の方法。 - テキスト中のイベント抽出装置であって、
入力テキストを取得するための取得モジュールと、
前記入力テキストを述語抽出モデルに入力して、前記入力テキストの述語抽出結果を取得するための述語抽出モジュールと、
前記入力テキスト及び前記述語抽出結果を項抽出モデルに入力して、前記入力テキストの項抽出結果を取得するための項抽出モジュールと、
前記述語抽出結果及び前記項抽出結果に基づいて、前記入力テキストのイベント抽出結果を決定するための決定モジュールと、
を含み、イベントは述語が示すイベントであり、
前記述語抽出モデルは、第1の予めトレーニングされた言語モデルと、第1のシーケンスラベリングネットワークと、を含み、前記述語抽出モジュールは、
前記入力テキストを字分割して、前記入力テキストの字シーケンスを取得するための第1の字分割サブモジュールと、
前記字シーケンスを第1の予めトレーニングされた言語モデルに入力して、前記字シーケンスの第1の意味特徴ベクトルシーケンスを取得するための第1の意味特徴表現サブモジュールと、
前記第1の意味特徴ベクトルシーケンスを前記第1のシーケンスラベリングネットワークに入力して、前記字シーケンスの述語ラベリングシーケンスを取得するための第1のラベリングサブモジュールと、
前記述語ラベリングシーケンスに基づいて、前記入力テキストの述語抽出結果を決定するための第6の結果サブモジュールと、
を含み、
前記第1のシーケンスラベリングネットワークは、第1の条件ランダムフィールドレイヤを含み、前記第1のラベリングサブモジュールは、
前記第1の意味特徴ベクトルシーケンスに基づいて、前記各述語ラベリングラベルで字シーケンスにおける各字の確率値を決定するための第1の決定ユニットと、
前記第1の条件ランダムフィールドレイヤに対応する第1のラベル遷移確率行列を取得するための第1の取得ユニットと、
前記第1のラベル遷移確率行列及び各述語ラベリングラベルで各字の確率値に基づいて、前記字シーケンスの複数の候補述語抽出結果の確率値を決定するための第2の決定ユニットと、
複数の候補述語シーケンスから確率値が最も大きい候補述語ラベリングシーケンスを前記字シーケンスの述語ラベリングシーケンスとして取得するための第2の取得ユニットと、
を含む、
ことを特徴とするテキスト中のイベント抽出装置。 - 前記決定モジュールは、
前記述語抽出結果に基づいて、前記入力テキスト中の述語を決定するための第1の決定サブモジュールと、
前記述語に基づいて、前記述語が属するイベントタイプを決定するための第2の決定サブモジュールと、
前記項抽出結果に基づいて、前記入力テキスト中の項を決定するための第3の決定サブモジュールと、
前記イベントタイプと前記項に基づいて、前記項が前記イベントタイプで属する項役割を決定するための第4の決定サブモジュールと、
前記述語、前記イベントタイプ、前記項及び前記項役割に基づいて、前記入力テキストのイベント抽出結果を決定するための第5の決定サブモジュールと、
を含む、
ことを特徴とする請求項5に記載の装置。 - 前記項抽出モデルは、第2の予めトレーニングされた言語モデルと、第2のシーケンスラベリングネットワークと、を含み、前記項抽出モジュールは、
前記入力テキストを字分割して、前記入力テキストの字シーケンスを取得するための第2の字分割サブモジュールと、
入力テキストにおける各字の述語抽出結果に基づいて、前記字シーケンスの述語特徴ベクトルシーケンスを決定するための第7の決定サブモジュールであって、述語抽出結果は、入力テキストにおける各字の述語識別結果を含む第7の決定サブモジュールと、
前記字シーケンスに基づいて、前記字シーケンスに対応するテキスト特徴ベクトルシーケンスを決定するための第8の決定サブモジュールであって、テキスト特徴ベクトルは、字シーケンスの字特徴ベクトルと、位置特徴ベクトルと、コンテキスト特徴ベクトルと、を含む第8の決定サブモジュールと、
前記字シーケンスの字特徴ベクトルと、位置特徴ベクトルと、コンテキスト特徴ベクトルと、前記述語特徴ベクトルシーケンスを加算して、融合特徴ベクトルシーケンスを取得するための融合サブモジュールと、
前記融合特徴ベクトルシーケンスを前記第2の予めトレーニングされた言語モデルに入力して、前記字シーケンスの第2の意味特徴ベクトルシーケンスを取得するための第2の意味特徴表現サブモジュールと、
前記第2の意味特徴ベクトルシーケンスを第2のシーケンスラベリングネットワークに入力して、前記字シーケンスの項ラベリングシーケンスを取得するための第2のラベリングサブモジュールと、
前記項ラベリングシーケンスに基づいて、前記入力テキストの項を決定するための第9の決定サブモジュールと、
を含む、
ことを特徴とする請求項5に記載の装置。 - 前記第2のシーケンスラベリングネットワークは、第2の条件ランダムフィールドレイヤを含み、前記第2のラベリングサブモジュールは、
前記第2の意味特徴ベクトルシーケンスに基づいて、前記各項ラベリングラベルで字シーケンスにおける各字の確率値を決定するための第3の決定ユニットと、
前記第2の条件ランダムフィールドレイヤに対応する第2のラベル遷移確率行列を取得するための第3の取得ユニットと、
前記第2のラベル遷移確率行列及び各項ラベリングラベルで各字の確率値に基づいて、前記字シーケンスの複数の候補項ラベリングシーケンスの確率値を決定するための第4の決定ユニットと、
前記複数の候補項シーケンスから確率値が最も大きい候補項ラベリングシーケンスを前記字シーケンスの項ラベリングシーケンスとして取得するための第4の取得モジュールと、
を含む、
ことを特徴とする請求項7に記載の装置。 - 電子機器であって、
少なくとも一つのプロセッサと、
前記少なくとも一つのプロセッサと通信可能に接続されるメモリと、を含み、
前記メモリには、前記少なくとも一つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサによって実行される場合、前記少なくとも一つのプロセッサが請求項1~4のいずれかに記載の方法を実行する、
ことを特徴とする電子機器。 - コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令は、コンピュータに請求項1~4のいずれかに記載の方法を実行させる、
ことを特徴とするコンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体。 - コンピュータプログラムであって、
前記コンピュータプログラムにおける命令が実行された場合に、請求項1~4のいずれかに記載の方法が実行される、
ことを特徴とするコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010608577.6 | 2020-06-30 | ||
CN202010608577.6A CN111967268B (zh) | 2020-06-30 | 2020-06-30 | 文本中的事件抽取方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022013602A JP2022013602A (ja) | 2022-01-18 |
JP7481251B2 true JP7481251B2 (ja) | 2024-05-10 |
Family
ID=73361071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020217680A Active JP7481251B2 (ja) | 2020-06-30 | 2020-12-25 | テキスト中のイベント抽出方法、装置、電子機器及び記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11625539B2 (ja) |
EP (1) | EP3933660A1 (ja) |
JP (1) | JP7481251B2 (ja) |
KR (1) | KR102577512B1 (ja) |
CN (1) | CN111967268B (ja) |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507700A (zh) * | 2020-11-26 | 2021-03-16 | 北京百度网讯科技有限公司 | 事件抽取方法、装置、电子设备及存储介质 |
CN112487826A (zh) * | 2020-11-30 | 2021-03-12 | 北京百度网讯科技有限公司 | 信息抽取方法、抽取模型训练方法、装置以及电子设备 |
CN112560460B (zh) * | 2020-12-08 | 2022-02-25 | 北京百度网讯科技有限公司 | 抽取结构化信息的方法、装置、电子设备和可读存储介质 |
CN112612885A (zh) * | 2020-12-18 | 2021-04-06 | 成都三零凯天通信实业有限公司 | 一种基于bert类模型的阅读理解式新闻文本事件抽取方法 |
US20220398384A1 (en) * | 2020-12-25 | 2022-12-15 | Boe Technology Group Co., Ltd. | Text extraction method and device, computer readable storage medium and electronic device |
CN112632223B (zh) * | 2020-12-29 | 2023-01-20 | 天津汇智星源信息技术有限公司 | 案事件知识图谱构建方法及相关设备 |
CN112733507B (zh) * | 2021-01-16 | 2023-06-09 | 江苏网进科技股份有限公司 | 一种自动生成法律文本标记事件的方法 |
CN112860852B (zh) * | 2021-01-26 | 2024-03-08 | 北京金堤科技有限公司 | 信息分析方法及装置、电子设备和计算机可读存储介质 |
CN112817561B (zh) * | 2021-02-02 | 2023-08-18 | 山东省计算中心(国家超级计算济南中心) | 软件需求文档的事务类功能点结构化抽取方法及*** |
CN112906391B (zh) * | 2021-03-16 | 2024-05-31 | 合肥讯飞数码科技有限公司 | 元事件抽取方法、装置、电子设备和存储介质 |
CN112861527A (zh) * | 2021-03-17 | 2021-05-28 | 合肥讯飞数码科技有限公司 | 一种事件抽取方法、装置、设备及存储介质 |
CN113392213B (zh) * | 2021-04-19 | 2024-05-31 | 合肥讯飞数码科技有限公司 | 事件抽取方法以及电子设备、存储装置 |
CN113064983B (zh) * | 2021-04-23 | 2024-04-26 | 深圳壹账通智能科技有限公司 | 语义检测方法、装置、计算机设备及存储介质 |
CN113255322B (zh) * | 2021-06-10 | 2021-10-01 | 深圳追一科技有限公司 | 事件抽取方法、装置、计算机设备和计算机可读存储介质 |
CN113468889A (zh) * | 2021-06-29 | 2021-10-01 | 上海犀语科技有限公司 | 一种基于bert预训练模型信息提取的方法和装置 |
CN113407610B (zh) * | 2021-06-30 | 2023-10-24 | 北京百度网讯科技有限公司 | 信息抽取方法、装置、电子设备和可读存储介质 |
CN113722461B (zh) * | 2021-09-02 | 2022-05-06 | 中科雨辰科技有限公司 | 目标事件抽取数据处理*** |
US20230083512A1 (en) * | 2021-09-10 | 2023-03-16 | Salesforce.Com, Inc. | Systems and methods for factual extraction from language model |
CN113779227B (zh) * | 2021-11-12 | 2022-01-25 | 成都数之联科技有限公司 | 案情事实抽取方法及***及装置及介质 |
CN113779182B (zh) * | 2021-11-12 | 2022-02-15 | 航天宏康智能科技(北京)有限公司 | 从文本数据抽取事件的方法及装置 |
CN113901170A (zh) * | 2021-12-07 | 2022-01-07 | 北京道达天际科技有限公司 | 结合Bert模型和模板匹配的事件抽取方法及***、电子设备 |
CN114741516A (zh) * | 2021-12-08 | 2022-07-12 | 商汤国际私人有限公司 | 一种事件抽取方法和装置、电子设备及存储介质 |
CN114936559B (zh) * | 2022-01-05 | 2023-04-07 | 华能贵诚信托有限公司 | 一种基于多模型融合的多级事件抽取方法和抽取*** |
CN114564959B (zh) * | 2022-01-14 | 2024-07-05 | 北京交通大学 | 中文临床表型细粒度命名实体识别方法及*** |
CN114168716B (zh) * | 2022-02-11 | 2022-05-24 | 华南理工大学 | 基于深度学习的工程造价自动抽取和分析方法及装置 |
CN114239536B (zh) * | 2022-02-22 | 2022-06-21 | 北京澜舟科技有限公司 | 一种事件抽取方法、***及计算机可读存储介质 |
CN114298053B (zh) * | 2022-03-10 | 2022-05-24 | 中国科学院自动化研究所 | 一种基于特征和注意力机制融合的事件联合抽取*** |
CN114297394B (zh) * | 2022-03-11 | 2022-07-01 | 中国科学院自动化研究所 | 对文本中的事件论元进行抽取的方法和电子设备 |
CN114780677B (zh) * | 2022-04-06 | 2024-07-16 | 西安电子科技大学 | 基于特征融合的中文事件抽取方法 |
CN114943221A (zh) * | 2022-04-11 | 2022-08-26 | 哈尔滨工业大学(深圳) | 片段指针交互模型的构建方法及社会传感灾情监测方法 |
CN114741473B (zh) * | 2022-04-17 | 2023-04-18 | 中国人民解放军国防科技大学 | 一种基于多任务学习的事件抽取方法 |
CN114610866B (zh) * | 2022-05-12 | 2023-05-05 | 湖南警察学院 | 基于全局事件类型的序列到序列联合事件抽取方法和*** |
CN114841162B (zh) * | 2022-05-20 | 2024-01-05 | 中国电信股份有限公司 | 文本处理方法、装置、设备及介质 |
CN115048486B (zh) * | 2022-05-24 | 2024-05-31 | 支付宝(杭州)信息技术有限公司 | 事件抽取方法、装置、计算机程序产品、存储介质及设备 |
CN116108857B (zh) * | 2022-05-30 | 2024-04-05 | 北京百度网讯科技有限公司 | 信息抽取方法、装置、电子设备以及存储介质 |
CN115238045B (zh) * | 2022-09-21 | 2023-01-24 | 北京澜舟科技有限公司 | 一种生成式事件论元抽取方法、***及存储介质 |
CN115759036B (zh) * | 2022-10-28 | 2023-08-04 | 中国矿业大学(北京) | 基于推荐的事件检测模型的构建方法及利用模型进行事件检测的方法 |
CN116205220B (zh) * | 2023-04-23 | 2024-02-06 | 北京邮电大学 | 一种触发词和论元的抽取方法、***、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5389273B1 (ja) | 2012-06-25 | 2014-01-15 | 株式会社東芝 | 文脈解析装置および文脈解析方法 |
JP2018197953A (ja) | 2017-05-24 | 2018-12-13 | 富士通株式会社 | 解析装置、解析方法、および解析プログラム |
JP2018206263A (ja) | 2017-06-08 | 2018-12-27 | 日本電信電話株式会社 | 述語項構造モデル生成装置、述語項構造解析装置、方法、及びプログラム |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9501467B2 (en) * | 2007-12-21 | 2016-11-22 | Thomson Reuters Global Resources | Systems, methods, software and interfaces for entity extraction and resolution and tagging |
KR100987214B1 (ko) * | 2008-09-11 | 2010-10-12 | 고려대학교 산학협력단 | 논항 분석 장치, 논항 분석 방법 및 논항 분석 기반 정보 제공 시스템 |
US8606564B2 (en) * | 2010-11-01 | 2013-12-10 | Yahoo! Inc. | Extracting rich temporal context for business entities and events |
CN102298635B (zh) * | 2011-09-13 | 2013-09-04 | 苏州大学 | 事件信息融合方法和*** |
CN104598510A (zh) * | 2014-10-16 | 2015-05-06 | 苏州大学 | 一种事件触发词识别方法及装置 |
CN104572958B (zh) * | 2014-12-29 | 2018-10-02 | 中国科学院计算机网络信息中心 | 一种基于事件抽取的敏感信息监控方法 |
KR101646159B1 (ko) | 2015-04-23 | 2016-08-05 | 한림대학교 산학협력단 | Srl 기반의 문장 분석 방법 및 장치 |
US20170075904A1 (en) * | 2015-09-16 | 2017-03-16 | Edgetide Llc | System and method of extracting linked node graph data structures from unstructured content |
KR101831058B1 (ko) * | 2016-01-11 | 2018-02-21 | 한국과학기술원 | 구체화된 삼항 관계 추출을 위한 개방형 정보 추출 방법 및 시스템 |
US20180061256A1 (en) * | 2016-01-25 | 2018-03-01 | Wespeke, Inc. | Automated digital media content extraction for digital lesson generation |
EP3452914A4 (en) * | 2016-05-04 | 2020-03-11 | Wespeke, Inc. | AUTOMATED CREATION AND PRESENTATION OF LESSONS THROUGH EXTRACTION OF DIGITAL MEDIA CONTENT |
CN106445999A (zh) * | 2016-07-27 | 2017-02-22 | 天津海量信息技术股份有限公司 | 一种基于事件要素的事件抽取方法及*** |
CN106776523B (zh) * | 2017-01-22 | 2020-04-07 | 百度在线网络技术(北京)有限公司 | 基于人工智能的新闻速报生成方法及装置 |
CN108304365A (zh) * | 2017-02-23 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 关键词提取方法及装置 |
CN107122416B (zh) * | 2017-03-31 | 2021-07-06 | 北京大学 | 一种中文事件抽取方法 |
EP3407209A1 (en) * | 2017-05-22 | 2018-11-28 | Fujitsu Limited | Apparatus and method for extracting and storing events from a plurality of heterogeneous sources |
CN107239445A (zh) * | 2017-05-27 | 2017-10-10 | 中国矿业大学 | 一种基于神经网络的新闻事件抽取的方法及*** |
CN107220352B (zh) * | 2017-05-31 | 2020-12-08 | 北京百度网讯科技有限公司 | 基于人工智能构建评论图谱的方法和装置 |
CN110633330B (zh) | 2018-06-01 | 2022-02-22 | 北京百度网讯科技有限公司 | 事件发现方法、装置、设备及存储介质 |
CN108897989B (zh) * | 2018-06-06 | 2020-05-19 | 大连理工大学 | 一种基于候选事件元素注意力机制的生物事件抽取方法 |
CN108829801B (zh) * | 2018-06-06 | 2020-11-20 | 大连理工大学 | 一种基于文档级别注意力机制的事件触发词抽取方法 |
CN110209807A (zh) * | 2018-07-03 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 一种事件识别的方法、模型训练的方法、设备及存储介质 |
CN109582949B (zh) * | 2018-09-14 | 2022-11-22 | 创新先进技术有限公司 | 事件元素抽取方法、装置、计算设备及存储介质 |
CN110019843B (zh) * | 2018-09-30 | 2020-11-06 | 北京国双科技有限公司 | 知识图谱的处理方法及装置 |
RU2721190C1 (ru) * | 2018-12-25 | 2020-05-18 | Общество с ограниченной ответственностью "Аби Продакшн" | Обучение нейронных сетей с использованием функций потерь, отражающих зависимости между соседними токенами |
CN110134720B (zh) * | 2019-05-17 | 2021-02-09 | 苏州大学 | 融合局部特征与深度学习的事件联合抽取方法 |
US11144721B2 (en) * | 2019-05-31 | 2021-10-12 | Accenture Global Solutions Limited | System and method for transforming unstructured text into structured form |
CN110489520B (zh) * | 2019-07-08 | 2023-05-16 | 平安科技(深圳)有限公司 | 基于知识图谱的事件处理方法、装置、设备和存储介质 |
CN110597994A (zh) * | 2019-09-17 | 2019-12-20 | 北京百度网讯科技有限公司 | 事件元素识别方法和装置 |
CN110941692B (zh) * | 2019-09-28 | 2022-07-29 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 互联网政治外交类新闻事件抽取方法 |
CN111428049B (zh) * | 2020-03-20 | 2023-07-21 | 北京百度网讯科技有限公司 | 一种事件专题的生成方法、装置、设备和存储介质 |
US11687385B2 (en) * | 2020-05-21 | 2023-06-27 | International Business Machines Corporation | Unsupervised event extraction |
US11860684B2 (en) * | 2020-06-01 | 2024-01-02 | Asapp, Inc. | Few-shot named-entity recognition |
-
2020
- 2020-06-30 CN CN202010608577.6A patent/CN111967268B/zh active Active
- 2020-12-07 US US17/113,748 patent/US11625539B2/en active Active
- 2020-12-10 EP EP20213084.5A patent/EP3933660A1/en not_active Withdrawn
- 2020-12-24 KR KR1020200183500A patent/KR102577512B1/ko active IP Right Grant
- 2020-12-25 JP JP2020217680A patent/JP7481251B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5389273B1 (ja) | 2012-06-25 | 2014-01-15 | 株式会社東芝 | 文脈解析装置および文脈解析方法 |
JP2018197953A (ja) | 2017-05-24 | 2018-12-13 | 富士通株式会社 | 解析装置、解析方法、および解析プログラム |
JP2018206263A (ja) | 2017-06-08 | 2018-12-27 | 日本電信電話株式会社 | 述語項構造モデル生成装置、述語項構造解析装置、方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US11625539B2 (en) | 2023-04-11 |
CN111967268A (zh) | 2020-11-20 |
US20210406476A1 (en) | 2021-12-30 |
CN111967268B (zh) | 2024-03-19 |
KR20220002051A (ko) | 2022-01-06 |
KR102577512B1 (ko) | 2023-09-12 |
JP2022013602A (ja) | 2022-01-18 |
EP3933660A1 (en) | 2022-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7481251B2 (ja) | テキスト中のイベント抽出方法、装置、電子機器及び記憶媒体 | |
US11341366B2 (en) | Cross-modality processing method and apparatus, and computer storage medium | |
US11704492B2 (en) | Method, electronic device, and storage medium for entity linking by determining a linking probability based on splicing of embedding vectors of a target and a reference text | |
KR102466399B1 (ko) | 핵심 엔티티를 레이블링하는 방법, 장치 및 전자 기기 | |
EP3828719A2 (en) | Method and apparatus for generating model for representing heterogeneous graph node, electronic device, storage medium, and computer program product | |
US20210390260A1 (en) | Method, apparatus, device and storage medium for matching semantics | |
JP7264866B2 (ja) | イベント関係の生成方法、装置、電子機器及び記憶媒体 | |
US11537792B2 (en) | Pre-training method for sentiment analysis model, and electronic device | |
US11669690B2 (en) | Method and apparatus for processing sematic description of text entity, and storage medium | |
US20210334669A1 (en) | Method, apparatus, device and storage medium for constructing knowledge graph | |
JP2021099774A (ja) | ドキュメントのベクトル化表現方法、ドキュメントのベクトル化表現装置及びコンピュータ機器 | |
EP3879427A2 (en) | Information extraction method, extraction model training method, apparatus and electronic device | |
KR102521765B1 (ko) | 인과 관계의 판별 방법, 장치, 전자 기기 및 저장 매체 | |
US11216615B2 (en) | Method, device and storage medium for predicting punctuation in text | |
CN111078878B (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
CN111144108A (zh) | 情感倾向性分析模型的建模方法、装置和电子设备 | |
US11704326B2 (en) | Generalization processing method, apparatus, device and computer storage medium | |
US20210312308A1 (en) | Method for determining answer of question, computing device and storage medium | |
CN112269884B (zh) | 信息抽取方法、装置、设备及存储介质 | |
CN112328749A (zh) | 知识要素提取方法、装置、电子设备、介质和程序产品 | |
CN111339314A (zh) | 一种三元组数据的生成方法、装置和电子设备 | |
CN116070614A (zh) | 用于搜索场景的文本相似度计算方法及双塔模型训练方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220308 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220608 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230113 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230113 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230120 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230124 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230303 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20230314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231211 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240226 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240425 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7481251 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |