-
公开(公告)号：CN105830064A
公开(公告)日：2016-08-03
申请号：CN201480069245.8
申请日：2014-12-17
Applicant: 国立研究开发法人情报通信研究机构
Abstract: 本发明提供一种对生成人们为了进行获取了平衡的恰当的意思决定而有用的社会情态的作为基础的要素进行收集的系统。情态生成装置包含：因果关系短语对DB(70)，其存储因果关系短语对；同义关系生成部(600、602、604)，其分别针对各个因果关系短语对，检索具有与其结果短语存在因果的连贯性的原因短语的因果关系短语对，生成因果关系短语对的连结信息；连结关系DB(610)，其存储连结信息；和因果关系连结部(612)，其使用连结信息，通过使因果关系短语对的结果短语和具有与该短语存在因果的连贯性的原因短语的因果关系短语对连锁来使因果关系连锁。也可以设置发现短语间的隐藏的关系来使因果关系短语对连锁的连结关系生成部(606)。
-
公开(公告)号：CN105612515A
公开(公告)日：2016-05-25
申请号：CN201480055114.4
申请日：2014-10-06
Applicant: 国立研究开发法人情报通信研究机构
IPC: G06F17/30
CPC classification number: G06N99/005 , G06F17/2785 , G06K9/6263 , G06K9/6269 , G06K9/72 , G06K2209/01 , G06N5/047
Abstract: 提供能以比句小的单位效率良好地收集矛盾表现的装置。矛盾表现收集装置包括：第1阶段矛盾型式分类部，其通过将以「XがYを○○する(X对Y进行○○)」这样形式的型式所构成的型式对作为学习数据的机器学习来提取相互矛盾的型式所构成的型式对；追加矛盾型式对导出部(130)，其对提取的各个型式对，运用包含关系来改写一方的型式，导出新的型式对；学习数据扩展部(136)，其通过将在导出的新的型式对中由相互矛盾的型式构成的可能性高的型式对追加到学习数据中，来扩展学习数据；和SVM(142)，其通过利用了扩展的学习数据的机器学习，来进行第2阶段分类，将被赋予的型式对分类为相互矛盾的型式所构成的型式对和这以外。
-
公开(公告)号：CN105830064B
公开(公告)日：2019-06-11
申请号：CN201480069245.8
申请日：2014-12-17
Applicant: 国立研究开发法人情报通信研究机构
IPC: G06F16/332 , G06F17/27 , G06Q50/00
Abstract: 本发明提供一种对生成人们为了进行获取了平衡的恰当的意思决定而有用的社会情态的作为基础的要素进行收集的系统。情态生成装置包含：因果关系短语对DB(70)，其存储因果关系短语对；同义关系生成部(600、602、604)，其分别针对各个因果关系短语对，检索具有与其结果短语存在因果的连贯性的原因短语的因果关系短语对，生成因果关系短语对的连结信息；连结关系DB(610)，其存储连结信息；和因果关系连结部(612)，其使用连结信息，通过使因果关系短语对的结果短语和具有与该短语存在因果的连贯性的原因短语的因果关系短语对连锁来使因果关系连锁。也可以设置发现短语间的隐藏的关系来使因果关系短语对连锁的连结关系生成部(606)。
-
公开(公告)号：CN106104519A
公开(公告)日：2016-11-09
申请号：CN201480069207.2
申请日：2014-12-17
Applicant: 国立研究开发法人情报通信研究机构
CPC classification number: G06F17/2775 , G06F17/27 , G06F17/271 , G06F17/2755 , G06F17/277 , G06F17/2785 , G06F17/30604 , G06F17/30699 , G06Q10/04 , G06Q40/04
Abstract: 本发明提供一种对生成为了进行获取了平衡的恰当的意思决定而有用的社会情态的作为基础的要素进行收集的系统。短语对收集装置包含：因果关系种子对DB(410)，其对由包含名词与谓语模板的组合的短语对构成的种子对进行存储；意思关系模式DB(400)，其对单词间的意思关系模式进行存储；单词对DB(402)，其对与意思关系模式的任意一个有关系的单词对进行存储；意思关系模式匹配部(470)，其对存储于因果关系种子对DB(410)的各种子对内的名词对与意思关系模式的哪个匹配进行判定；和单词对置换部(472)，其分别使用存储于单词对DB(402)的单词对之中与被判定为匹配于名词对的意思关系模式有关系的各个单词对，置换种子对的该名词对，来生成新的假定。
-
公开(公告)号：CN106104524B
公开(公告)日：2019-06-14
申请号：CN201480069266.X
申请日：2014-12-17
Applicant: 国立研究开发法人情报通信研究机构
IPC: G06F17/27 , G06F16/335
Abstract: 本发明提供一种对生成为了进行获取了平衡的恰当的意思决定而有用的社会情态的作为基础的要素进行收集的系统。复杂谓语模板收集装置(64)包含：单纯谓语模板DB(62)，其存储被赋予了正或者负的值的极性的单纯谓语模板；对象名词词典(260)；复杂谓语模板候补提取部(268)，其从网络存档(44)提取由通过对象名词词典(260)来确定的单词与单纯谓语模板的组合构成的复杂谓语模板候补；Sa变名词极性赋予部(276)、数量名词极性赋予部(278)、麻烦名词极性赋予部280，其分别针对各个复杂谓语模板候补，判断其名词的极性；和复杂谓语模板极性计算部282，其通过复杂谓语模板候补中包含的名词的极性与单纯谓语模板的极性的组合，计算复杂谓语模板候补的极性。
-
Patent Agency Ranking
公开(公告)号：CN105339936B
公开(公告)日：2019-06-07
申请号：CN201480034989.6
申请日：2014-05-15
Applicant: 国立研究开发法人情报通信研究机构
IPC: G06F16/35 , G06F16/332 , G06F17/27
CPC classification number: G06F16/3344 , G06F16/3329 , G06F16/353 , G06F17/271 , G06N5/04 , G06N20/00
Abstract: 本发明提供可靠性高地自动收集属于某归类的信息并合适且及时地进行匹配的系统。文本分类装置(30)用词素解析部(52)和依赖被依赖解析部(54)对收集的文本的依赖被依赖进行解析。问题报告收集装置(64)基于文本的依赖被依赖关系确定文本中的由名词+谓语构成的核，使用名词的分类(负面系/非负面系)和谓语的分类(活性/非活性)的组合以称作核结构矩阵的手法将文本分类为问题报告和除此以外的部分。支援信息收集装置(66)、需求联络收集装置(68)也同样收集支援信息、需求联络。匹配装置(76)将合适的支援信息(问题信息)相对于用称作共现核矩阵的手法使由问题报告收集装置(64)以及支援信息收集装置(66)收集的问题报告以及支援信息匹配而得到的问题信息(支援信息)建立关联。
-
公开(公告)号：CN105393248B
公开(公告)日：2019-01-08
申请号：CN201480036652.9
申请日：2014-05-15
Applicant: 国立研究开发法人情报通信研究机构
IPC: G06F16/33
Abstract: 提供能适当地回答非事实类提问的提问应答系统。提问应答系统(30)包括：关联文档检索部(54)，其响应于接受到提问，从对象文档存储部(32)取出回答候补；回答候补提取部(56)，其从回答候补中提取有力的回答候补；因果关系认识部(60)，其认识包含于所提取的回答候补中的因果关系表现；因果关系相应性判定部(64)，其判定认识出的因果关系作为回答是否相称；属性矢量生成部(66)，其使用到因果关系相应性判定部(64)为止的处理结果，生成与提问、和检索到的回答候补的组合相关的属性矢量；和属性矢量生成部(66)，其在被给予属性矢量时，对成为生成该属性矢量的基础的提问和回答候补算出表示该回答候补是针对该提问的正确的回答的程度的评分，将评分最高的回答候补作为针对提问的回答输出。
-
公开(公告)号：CN105612515B
公开(公告)日：2019-05-03
申请号：CN201480055114.4
申请日：2014-10-06
Applicant: 国立研究开发法人情报通信研究机构
Abstract: 提供能以比句小的单位效率良好地收集矛盾表现的装置。矛盾表现收集装置包括：第1阶段矛盾型式分类部，其通过将以「XがYを○○する(X对Y进行○○)」这样形式的型式所构成的型式对作为学习数据的机器学习来提取相互矛盾的型式所构成的型式对；追加矛盾型式对导出部(130)，其对提取的各个型式对，运用包含关系来改写一方的型式，导出新的型式对；学习数据扩展部(136)，其通过将在导出的新的型式对中由相互矛盾的型式构成的可能性高的型式对追加到学习数据中，来扩展学习数据；和SVM(142)，其通过利用了扩展的学习数据的机器学习，来进行第2阶段分类，将被赋予的型式对分类为相互矛盾的型式所构成的型式对和这以外。
-
公开(公告)号：CN106104519B
公开(公告)日：2019-04-16
申请号：CN201480069207.2
申请日：2014-12-17
Applicant: 国立研究开发法人情报通信研究机构
IPC: G06F17/27 , G06F16/28 , G06F16/335
Abstract: 本发明提供一种对生成为了进行获取了平衡的恰当的意思决定而有用的社会情态的作为基础的要素进行收集的系统。短语对收集装置包含：因果关系种子对DB(410)，其对由包含名词与谓语模板的组合的短语对构成的种子对进行存储；意思关系模式DB(400)，其对单词间的意思关系模式进行存储；单词对DB(402)，其对与意思关系模式的任意一个有关系的单词对进行存储；意思关系模式匹配部(470)，其对存储于因果关系种子对DB(410)的各种子对内的名词对与意思关系模式的哪个匹配进行判定；和单词对置换部(472)，其分别使用存储于单词对DB(402)的单词对之中与被判定为匹配于名词对的意思关系模式有关系的各个单词对，置换种子对的该名词对，来生成新的假定。
-
公开(公告)号：CN106104524A
公开(公告)日：2016-11-09
申请号：CN201480069266.X
申请日：2014-12-17
Applicant: 国立研究开发法人情报通信研究机构
IPC: G06F17/30
Abstract: 本发明提供一种对生成为了进行获取了平衡的恰当的意思决定而有用的社会情态的作为基础的要素进行收集的系统。复杂谓语模板收集装置(64)包含：单纯谓语模板DB(62)，其存储被赋予了正或者负的值的极性的单纯谓语模板；对象名词词典(260)；复杂谓语模板候补提取部(268)，其从网络存档(44)提取由通过对象名词词典(260)来确定的单词与单纯谓语模板的组合构成的复杂谓语模板候补；Sa变名词极性赋予部(276)、数量名词极性赋予部(278)、麻烦名词极性赋予部280，其分别针对各个复杂谓语模板候补，判断其名词的极性；和复杂谓语模板极性计算部282，其通过复杂谓语模板候补中包含的名词的极性与单纯谓语模板的极性的组合，计算复杂谓语模板候补的极性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.041 seconds)
