概念图处理装置、概念图处理方法和计算机可读介质制造方法及图纸

本发明专利技术提供概念图处理装置、概念图处理方法和计算机可读介质。概念图处理装置包含处理器，所述处理器进行如下处理：根据关于概念组的说明语句组，生成表示所述概念组与所述说明语句组中包含的单词组之间的关系的概念单词图，该概念组由已有的概念图中包含的多个已有概念和所述已有的概念图中不包含的新概念构成；以及根据所述概念单词图生成包含所述新概念的被扩展的概念图。

【技术实现步骤摘要】
概念图处理装置、概念图处理方法和计算机可读介质
本公开涉及概念图处理装置、概念图处理方法和计算机可读介质。
技术介绍
提出了用于在计算机上处理知识的各种方法(例如参照日本特开2018-156332号公报)。作为其中之一，公知有概念图。概念图通过概念的关系使知识系统化而成为图。具体而言，概念图由多个节点(下面根据情况而称为概念组。)和表示节点间的连结关系(即概念间的连结关系)的多个边构成。在概念图中，有时对各个节点赋予象征概念的标签，对各个边赋予象征连结关系的标签。根据情况，概念图也被称为本体图。提出了按照构成概念图的各个节点和各个边计算作为分散表现的向量的各种方法。在专利文献1中记载了该方法的一例。该方法以公知的TransE为基础。在概念图中一般包含多个三元组。各三元组由开头、关系、末尾这3个要素构成，典型地讲，它们对应于主语(s)、谓语或关系(r)、宾语(o)。在上述的TransE中，搜索对构成概念图的要素组赋予的最佳向量集，以使得规定的损失函数值最小。实际上，利用机器学习导出最佳向量集。根据这种分散表现，容易在信息处理中活用由概念图表现的知识。在希望对已有的概念图追加新的概念(下面称为新概念。)的情况下，在概念图处理装置中，无法确定概念图中包含的多个已有的概念(下面称为已有概念。)和新概念的关系。因此，只能通过手动作业进行对概念图追加新概念的全部处理。
技术实现思路
本公开的目的在于，与全部通过手动作业进行追加新概念的处理的情况相比，减轻用户的负担，并且能够对已有的概念图追加新概念。根据本公开的第1方案，提供一种概念图处理装置，其中，所述概念图处理装置包含处理器，所述处理器进行如下处理：根据关于概念组的说明语句组，生成表示所述概念组与所述说明语句组中包含的单词组之间的关系的概念单词图，该概念组由已有的概念图中包含的多个已有概念和所述已有的概念图中不包含的新概念构成；以及根据所述概念单词图生成包含所述新概念的被扩展的概念图。根据本公开的第2方案，所述处理器进行如下处理：生成由表示所述概念组与所述单词组之间的联系程度的多个要素构成的矩阵；以及根据所述矩阵生成所述概念单词图。根据本公开的第3方案，所述各要素是按照概念和单词的每个对运算的数值，是表示单词对于概念而言的重要度的数值。根据本公开的第4方案，所述处理器根据所述矩阵，在所述概念组与所述单词组之间生成由1个或多个边构成的中间构造，所述概念单词图包含所述中间构造。根据本公开的第5方案，所述处理器进行如下处理：运算表示所述单词组中的单词间关系的多个相似度；以及根据所述多个相似度，针对所述单词组生成由1个或多个边构成的单词组构造，所述概念单词图包含所述中间构造和所述单词组构造。根据本公开的第6方案，所述处理器进行如下处理：对所述已有的概念图和所述概念单词图进行合成；根据所述合成后的图，针对构成所述合成后的图的多个图要素运算向量集；以及根据所述向量集，在所述多个已有概念与所述新概念之间追加1个或多个新边，由此生成所述被扩展的概念图。根据本公开的第7方案，所述向量集是作为基于所述合成后的图的机器学习的结果而生成的。根据本公开的第8方案，所述处理器进行如下处理：根据所述已有的概念图，针对构成所述已有的概念图的多个图要素运算第1向量集；根据所述概念单词图，针对构成所述概念单词图的多个图要素运算第2向量集；对针对所述已有的概念图运算出的第1向量集和针对所述概念单词图运算出的第2向量集进行合成，由此生成被扩展的向量集；以及根据所述被扩展的向量集生成所述被扩展的概念图。根据本公开的第9方案，所述第1向量集是作为基于所述已有的概念图的机器学习的结果而生成的，所述第2向量集是作为基于所述概念单词图的机器学习的结果而生成的。根据本公开的第10方案，所述处理器进行如下处理：针对所述说明语句组，进行将相同意思的单词统一为同一单词的预处理；以及根据进行了所述预处理的说明语句组生成所述概念单词图。根据本公开的第11方案，提供一种计算机可读介质，其存储有使计算机执行处理的程序，其中，包含以下步骤：根据关于概念组的说明语句组，生成表示所述概念组与所述说明语句组中包含的单词组之间的关系的概念单词图，该概念组由已有的概念图中包含的多个已有概念和所述已有的概念图中不包含的新概念构成；以及根据所述概念单词图生成包含所述新概念的被扩展的概念图。根据本公开的第12方案，提供一种概念图处理方法，其中，所述概念图处理方法包含以下步骤：根据关于概念组的说明语句组，生成表示所述概念组与所述说明语句组中包含的单词组之间的关系的概念单词图，该概念组由已有的概念图中包含的多个已有概念和所述已有的概念图中不包含的新概念构成；以及根据所述概念单词图生成包含所述新概念的被扩展的概念图。(效果)根据所述第1、11或12方案，消除或减轻对概念图追加新概念时的用户的负担。根据所述第2方案，提供生成概念单词图的新方法。根据所述第3方案，生成反映了单词对于概念而言的重要度的矩阵。根据所述第4方案，根据矩阵生成概念单词图所具有的中间构造。根据所述第5方案，扩充概念单词图的内容。根据所述第6方案，以合成后的图为基础生成被扩展的概念图。根据所述第7方案，在概念数或单词数较多的情况下，也能够容易地生成向量集。根据所述第8方案，能够生成被扩展的向量集，而不经过概念图和概念单词图的合成。根据所述第9方案，在概念数或单词数较多的情况下，也能够容易地生成第1向量集和第2向量集。根据所述第10方案，提高概念单词图的品质。附图说明图1是示出第1实施方式的概念图处理方法的概念图。图2是示出第1实施方式的概念图处理装置的结构的框图。图3是示出与多个概念有关的多个说明语句的例子的图。图4是示出与新概念有关的说明语句的例子的图。图5是示出预处理(名册处理)中参照的群组列表的例子的图。图6是示出预处理前后的说明语句的变化的一例的图。图7是示出重要度矩阵的一例的图。图8是示出向量集学习方法的图。图9是示出第1实施方式的概念图处理的流程图。图10是示出被扩展的概念图的生成方法的一例的图。图11是示出第2实施方式的概念图处理方法的概念图。图12是示出第2实施方式的处理器的框图。图13是示出相似度矩阵的一例的图。图14是示出第3实施方式的概念图处理方法的概念图。图15是示出扩展概念图的另一例的概念图。图16是示出变形例的概念图。图17是示出新边追加方法的具体例的图。具体实施方式下面，根据附图对实施方式进行说明。(1)实施方式的概要实施方式的概念图处理装置包含处理器。处理器作为概念单词图的生成部、被扩展的概念图的生成部、被扩展的向量集的生成部等发挥功能。更详细地讲，处理器根据关于概念组的说明语句组，生本文档来自技高网...

【技术保护点】
1.一种概念图处理装置，其中，/n所述概念图处理装置包含处理器，/n所述处理器进行如下处理：/n根据关于概念组的说明语句组，生成表示所述概念组与所述说明语句组中包含的单词组之间的关系的概念单词图，该概念组由已有的概念图中包含的多个已有概念和所述已有的概念图中不包含的新概念构成；以及/n根据所述概念单词图生成包含所述新概念的被扩展的概念图。/n

【技术特征摘要】
20191101 JP 2019-200119;20200206 JP 2020-0190011.一种概念图处理装置，其中，
所述概念图处理装置包含处理器，
所述处理器进行如下处理：
根据关于概念组的说明语句组，生成表示所述概念组与所述说明语句组中包含的单词组之间的关系的概念单词图，该概念组由已有的概念图中包含的多个已有概念和所述已有的概念图中不包含的新概念构成；以及
根据所述概念单词图生成包含所述新概念的被扩展的概念图。


2.根据权利要求1所述的概念图处理装置，其中，
所述处理器进行如下处理：
生成由表示所述概念组与所述单词组之间的联系程度的多个要素构成的矩阵；以及
根据所述矩阵生成所述概念单词图。


3.根据权利要求2所述的概念图处理装置，其中，
所述各要素是按照概念和单词的每个对运算的数值，是表示单词对于概念而言的重要度的数值。


4.根据权利要求2所述的概念图处理装置，其中，
所述处理器根据所述矩阵，在所述概念组与所述单词组之间生成由1个或多个边构成的中间构造，
所述概念单词图包含所述中间构造。


5.根据权利要求4所述的概念图处理装置，其中，
所述处理器进行如下处理：
运算表示所述单词组中的单词间关系的多个相似度；以及
根据所述多个相似度，针对所述单词组生成由1个或多个边构成的单词组构造，
所述概念单词图包含所述中间构造和所述单词组构造。


6.根据权利要求1所述的概念图处理装置，其中，
所述处理器进行如下处理：
对所述已有的概念图和所述概念单词图进行合成；
根据所述合成后的图，针对构成所述合成后的图的多个图要素运算向量集；以及
根据所述向量集，在所述多个已有概念与所述新概念之间追加1个或多个新边，由此生成所述被扩展的概念图...

【专利技术属性】
技术研发人员：田川裕辉，
申请(专利权)人：富士施乐株式会社，
类型：发明
国别省市：日本;JP