図面 (/)

技術 単語の意味属性の精選方法及び単語の意味属性の精選プログラムを記録したコンピュータ読み取り可能な記録媒体

出願人 日本電信電話株式会社
発明者 佐藤浩史藤本和則
出願日 1999年5月24日 (21年1ヶ月経過) 出願番号 1999-143423
公開日 2000年11月30日 (19年7ヶ月経過) 公開番号 2000-331000
状態 未査定
技術分野 機械翻訳
主要キーワード 概念データ 統計力学 概念データベース 味データ 各自立語 しるし データ獲得 和集合
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2000年11月30日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (5)

課題

概念べ一スの精度を向上させることができる単語の意味属性精選方法及び単語の意味属性の精選プログラムを記録したコンピュータ読み取り可能な記録媒体を提供する。

解決手段

見出し語対応付けられた意味属性リスト各自立語に対して、自立語に対応付けられた重要度の、全見出し語にわたるばらつきが大きければ大きな数値を、小さければ小さな数値である分散値を対応付け、自立語に対応付けられた分散値が、指定された閾値を越えていればその自立語を必要と判断し、分散値が前記閾値を越えていなければその自立語を不要と判断して全見出し語の各意味属性リストから除去する。

概要

背景

近年、データ処理装置発達により、文献データベース等のように、その内容が数値ではなく、自然言語により表現されている大容量のデータベースが広く利用されている。

この種のデータベースでは、例えば、検索したい文献の内容を表す単語の集合キーワードとして入力し、その文献自体又はそれに関連する文献を検索することが行われている。

このようなデータベースの検索処理では、その処理の核は単語の意味の類似性判別であり、この良否によりその性能が大きく左右される。これは、データベース処理だけではなく、機械翻訳を始めとする各種の自然言語処理についてもいえることである。

このような単語の意味の類似性判別は、基本的には多数の単語の意味を記憶した単語意味データベース(以下、概念べ一ス)をあらかじめ用意しておき、これに基づいて行われる。

この概念べ一スでは、それぞれの単語の意味は、単語の特徴を表す意味属性と、その単語とその意味属性の間の関連の深さを示す重要度の対を、複数対用意することにより表される。

自然言語処理においては、特に、数多くの単語についての類似性判別が必要となるため、大規模な概念べ一スを獲得する必要がある。

大規模な概念べ一スを構築する方法として、従来より辞書から自動的にデータを獲得する方法がある。こうした従来技術は、辞書の語義文中に出現する自立語とその語義文中への出現頻度から意味属性リストを獲得する方法をとっている。

この時に基本となる考えを以下に示す。

意味的な単語は、その単語と意味的に関係の深い見出し語の語義文によく出現し、意味的に関係の浅い見出し語の語義文にはあまり出現しないという傾向をもつ。例えば、見出し語にとって意味的に関係の深いような自立語「動物」は、「」や「」など、動物を意味する見出し語の語義文の自立語リストによく出現し、「記述」や「文章」など、動物を意味しない見出し語の語義文の自立語リストにはあまり出現しない。

また、語義文中に同じ自立語が出現する頻度は、見出し話とその自立語の関係の深さを示していると考えられるため、その自立語の意味属性としての重要度になりうる。

次の見出し語と語義文の対を用いて、データ獲得フローの一例を示す。
[記述] 文を書きしるすこと、また、書きしるしたものまず、この語義文を形態素解析し、自立語のリストを抽出する。
[記述] {文、書く、しるす、こと、また、書く、しるす、もの}
そして、該自立語の出現頻度を計り、該出現頻度が高ければその重要度を大きな値、低けれぱその重要度を小さな値として属性組を構成する。上の例では、[記述] {(文、1)、(書く、2)、(しるす、2)、(こと、1)、(また、1)、(もの、1)}のようになる。以上のように概念べ一スを自動的に辞書から獲得する方法が提案されている。

しかしながら、こうした獲得方法では、本来は意味属性としてふさわしくない自立語が意味属性リストに含まれてしまうという問題点がある。例えば、上の例で、[記述]の意味属性リストにある自立語(また)は、語義文を構成するために用いられたいい回しであり、見出し語と意味的には直接関係しない。

こういった見出し語と意味的に直接関係しない自立語を除去するために、「見出し語全ての中でその自立語が出現する見出し語数」に注目する手法が提案されていた。

これは、数多くの見出し語の意味属性リストに出現する自立語は、その見出し語を特徴づける意味属性としてふさわしくないと考え、除去するという方法である。

これを実現する具体的方法として、0以上かつ1以下の閾値を定め、各見出し語の意味属性Aに対して、
n:Aを意味属性リストに含む見出し語数
N:全見出し語数
とした時に、(n/N)が閾値を越えていればその意味属性を全見出し語の意味属性リストから除去し、越えていなけれ残すといった方法などが挙げられる。

ここで、本明細書で用いる用語の定義をまとめておく。
見出し語:1つの単語、
語義文:見出し語の説明文(1つ以上の自然言語文からなる)、
自立語リスト:語義文を単語に分割し、該単語のうち自立語からなる集合、
説明組:1つの見出し語と1つの語義文の組、
辞書データ:説明組の集合、
意味属性:見出し語と意味的に関係の深い単語、
意味属性リスト:意味属性の集合、
重要度:見出し語と意味属性の関係の強さを表す数値、
属性組:1つの意味属性と1つの重要度との組、
意味属性データ:属性組の集合、
意味組:1つの見出し語と1つの意味属性データの組、
概念べ一ス:意味組の集合。

概要

概念べ一スの精度を向上させることができる単語の意味属性の精選方法及び単語の意味属性の精選プログラムを記録したコンピュータ読み取り可能な記録媒体を提供する。

見出し語と対応付けられた意味属性リストの各自立語に対して、自立語に対応付けられた重要度の、全見出し語にわたるばらつきが大きければ大きな数値を、小さければ小さな数値である分散値を対応付け、自立語に対応付けられた分散値が、指定された閾値を越えていればその自立語を必要と判断し、分散値が前記閾値を越えていなければその自立語を不要と判断して全見出し語の各意味属性リストから除去する。

目的

従って本発明の目的は、この問題を解決し、概念べ一スの精度を向上させることができる単語の意味属性の精選方法及び単語の意味属性の精選プログラムを記録したコンピュータ読み取り可能な記録媒体を提供することにある。

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

1つの単語である見出し語と、少なくとも1つの自立語からなるリストである意味属性リストと、該意味属性リストのそれぞれの自立語に対応付けて並べられており、該自立語と該見出し語との関係が深ければ大きな値を、浅ければ小さな値をとる1つの数値である重要度のリストとの3つの組の集合である意味属性データに関して、見出し語と対応付けられた意味属性リストから見出し語の意味属性として不要な自立語を除く単語の意味属性の精選方法であって、見出し語と対応付けられた意味属性リストの各自立語に対して、該自立語に対応付けられた重要度の、全見出し語にわたるばらつきが大きければ大きな数値を、小さければ小さな数値である分散値を対応付け、該自立語に対応付けられた分散値が、指定された閾値を越えていれば該自立語を必要と判断し、該分散値が前記閾値を越えていなければ該自立語を不要と判断して全見出し語の各意味属性リストから除去することを特徴とする単語の意味属性の精選方法。

請求項2

前記意味属性データを、見出し語と、該見出し語と関連のある少なくとも1つの自然言語文である語義文との組である説明組の集合を用い、見出し語と、説明組で該見出し語と対応付けられた語義文に含まれる自立語からなるリストである自立語リストと、該自立語リストのそれぞれの自立語に対応付けて並べられており、該語義文中に該自立語が出現する回数が多ければ大きな値を、少なければ小さな値をとる数値のリストとの3つの組の集合として生成することを特徴とする請求項1に記載の方法。

請求項3

1つの単語である見出し語と、少なくとも1つの自立語からなるリストである意味属性リストと、該意味属性リストのそれぞれの自立語に対応付けて並べられており、該自立語と該見出し語との関係が深ければ大きな値を、浅ければ小さな値をとる1つの数値である重要度のリストとの3つの組の集合である意味属性データに関して、見出し語と対応付けられた意味属性リストから見出し語の意味属性として不要な自立語を除く、単語の意味属性の精選プログラムを記録した記録媒体であって、見出し語と対応付けられた意味属性リストの各自立語に対して、該自立語に対応付けられた重要度の、全見出し語にわたるばらつきが大きければ大きな数値を、小さければ小さな数値である分散値を対応付け、該自立語に対応付けられた分散値が、指定された閾値を越えていれば該自立語を必要と判断し、該分散値が前記閾値を越えていなければ該自立語を不要と判断して全見出し語の各意味属性リストから除去することを特徴とする単語の意味属性の精選プログラムを記録したコンピュータ読み取り可能な記録媒体。

請求項4

前記意味属性データを、見出し語と、該見出し語と関連のある少なくとも1つの自然言語文である語義文との組である説明組の集合を用い、見出し語と、説明組で該見出し語と対応付けられた語義文に含まれる自立語からなるリストである自立語リストと、該自立語リストのそれぞれの自立語に対応付けて並べられており、該語義文中に該自立語が出現する回数が多ければ大きな値を、少なければ小さな値をとる数値のリストとの3つの組の集合として生成することを特徴とする請求項3に記載の記録媒体。

技術分野

0001

本発明は、暖味検索処理機械翻訳での類似性判別をはじめとする各種の自然言語処理等で用いられる「単語の意味を記憶したデータベース」を構築するための単語の意味属性精選方法及び単語の意味属性の精選プログラムを記録したコンピュータ読み取り可能な記録媒体に関する。

背景技術

0002

近年、データ処理装置発達により、文献データベース等のように、その内容が数値ではなく、自然言語により表現されている大容量のデータベースが広く利用されている。

0003

この種のデータベースでは、例えば、検索したい文献の内容を表す単語の集合キーワードとして入力し、その文献自体又はそれに関連する文献を検索することが行われている。

0004

このようなデータベースの検索処理では、その処理の核は単語の意味の類似性の判別であり、この良否によりその性能が大きく左右される。これは、データベース処理だけではなく、機械翻訳を始めとする各種の自然言語処理についてもいえることである。

0005

このような単語の意味の類似性判別は、基本的には多数の単語の意味を記憶した単語意味データベース(以下、概念べ一ス)をあらかじめ用意しておき、これに基づいて行われる。

0006

この概念べ一スでは、それぞれの単語の意味は、単語の特徴を表す意味属性と、その単語とその意味属性の間の関連の深さを示す重要度の対を、複数対用意することにより表される。

0007

自然言語処理においては、特に、数多くの単語についての類似性判別が必要となるため、大規模な概念べ一スを獲得する必要がある。

0008

大規模な概念べ一スを構築する方法として、従来より辞書から自動的にデータを獲得する方法がある。こうした従来技術は、辞書の語義文中に出現する自立語とその語義文中への出現頻度から意味属性リストを獲得する方法をとっている。

0009

この時に基本となる考えを以下に示す。

0010

意味的な単語は、その単語と意味的に関係の深い見出し語の語義文によく出現し、意味的に関係の浅い見出し語の語義文にはあまり出現しないという傾向をもつ。例えば、見出し語にとって意味的に関係の深いような自立語「動物」は、「」や「」など、動物を意味する見出し語の語義文の自立語リストによく出現し、「記述」や「文章」など、動物を意味しない見出し語の語義文の自立語リストにはあまり出現しない。

0011

また、語義文中に同じ自立語が出現する頻度は、見出し話とその自立語の関係の深さを示していると考えられるため、その自立語の意味属性としての重要度になりうる。

0012

次の見出し語と語義文の対を用いて、データ獲得フローの一例を示す。
[記述] 文を書きしるすこと、また、書きしるしたものまず、この語義文を形態素解析し、自立語のリストを抽出する。
[記述] {文、書く、しるす、こと、また、書く、しるす、もの}
そして、該自立語の出現頻度を計り、該出現頻度が高ければその重要度を大きな値、低けれぱその重要度を小さな値として属性組を構成する。上の例では、[記述] {(文、1)、(書く、2)、(しるす、2)、(こと、1)、(また、1)、(もの、1)}のようになる。以上のように概念べ一スを自動的に辞書から獲得する方法が提案されている。

0013

しかしながら、こうした獲得方法では、本来は意味属性としてふさわしくない自立語が意味属性リストに含まれてしまうという問題点がある。例えば、上の例で、[記述]の意味属性リストにある自立語(また)は、語義文を構成するために用いられたいい回しであり、見出し語と意味的には直接関係しない。

0014

こういった見出し語と意味的に直接関係しない自立語を除去するために、「見出し語全ての中でその自立語が出現する見出し語数」に注目する手法が提案されていた。

0015

これは、数多くの見出し語の意味属性リストに出現する自立語は、その見出し語を特徴づける意味属性としてふさわしくないと考え、除去するという方法である。

0016

これを実現する具体的方法として、0以上かつ1以下の閾値を定め、各見出し語の意味属性Aに対して、
n:Aを意味属性リストに含む見出し語数
N:全見出し語数
とした時に、(n/N)が閾値を越えていればその意味属性を全見出し語の意味属性リストから除去し、越えていなけれ残すといった方法などが挙げられる。

0017

ここで、本明細書で用いる用語の定義をまとめておく。
見出し語:1つの単語、
語義文:見出し語の説明文(1つ以上の自然言語文からなる)、
自立語リスト:語義文を単語に分割し、該単語のうち自立語からなる集合、
説明組:1つの見出し語と1つの語義文の組、
辞書データ:説明組の集合、
意味属性:見出し語と意味的に関係の深い単語、
意味属性リスト:意味属性の集合、
重要度:見出し語と意味属性の関係の強さを表す数値、
属性組:1つの意味属性と1つの重要度との組、
意味属性データ:属性組の集合、
意味組:1つの見出し語と1つの意味属性データの組、
概念べ一ス:意味組の集合。

発明が解決しようとする課題

0018

上述の手法で注目する「数多くの見出し語の意味属性リストに出現する自立語」は、見出し語を特徴づける意味属性としてふさわしくない場合があるのは事実である。

0019

しかし、たとえ多くの見出し語の意味属性リストにその自立語が現れていても、その出現の仕方が見出し語によって「ばらついて」いれば、その自立語は見出し語を出現の頻度により特徴付けていると言える。

0020

上述の既存方法では、本来は意味属性としてふさわしいそれら自立語も除去してしまうという問題があり、概念べ一スの精度低下をもたらしている。

0021

従って本発明の目的は、この問題を解決し、概念べ一スの精度を向上させることができる単語の意味属性の精選方法及び単語の意味属性の精選プログラムを記録したコンピュータ読み取り可能な記録媒体を提供することにある。

課題を解決するための手段

0022

本発明によれば、1つの単語である見出し語と、少なくとも1つの自立語からなるリストである意味属性リストと、意味属性リストのそれぞれの自立語に対応付けて並べられており、自立語と見出し語との関係が深ければ大きな値を、浅ければ小さな値をとる1つの数値である重要度のリストとの3つの組の集合である意味属性データに関して、見出し語と対応付けられた意味属性リストから見出し語の意味属性として不要な自立語を除く単語の意味属性の精選方法及び精選プログラムを記録した記録媒体であって、見出し語と対応付けられた意味属性リストの各自立語に対して、自立語に対応付けられた重要度の、全見出し語にわたるばらつきが大きければ大きな数値を、小さければ小さな数値である分散値を対応付け、自立語に対応付けられた分散値が、指定された閾値を越えていればこの自立語を必要と判断し、分散値が閾値を越えていなければこの自立語を不要と判断して全見出し語の各意味属性リストから除去する単語の意味属性の精選方法及び精選プログラムを記録したコンピュータ読み取り可能な記録媒体が提供される。

0023

各見出し語について充分に大きな語義文が得られているとする。このとき、意味的な単語は、その単語と意味的に関係の深い見出し語の語義文によく出現し、意味的に関係の浅い見出し語の語義文の自立語リストにはあまり出現しないという傾向をもつ。従って、意味的な単語の語義文中の出現頻度に、見出し語によってばらつきが生じることになる。逆に、語義文中の出現頻度にばらつきがない単語は、非意味的と言える。

0024

本発明では、こうした各見出し語の語義単語リスト間での単語の出現頻度のばらつきに着目して、意味的な単語か否かを判別する。

0025

具体的には、ばらつきの程度を数値として算出し、その数値があらかじめ定められた値を越えれば意味的な属性であるとし、越えなければ意味的な属性でないとする。

0026

ばらつきの程度を表す数値としては、統計学での分散や統計力学でのエントロピーが考えられる。

0027

さらに、補充属性リストから非意味的な単語を除くことによって、各見出し語について意味的に関係の深い単語のみを並べた属性リストを獲得する。

0028

以上のようにして単語の意味属性の精選を行う。

0029

従来の単語の意味属性の精選方法では、多くの見出し語の語義文に出現した自立語は意味属性から除かれてしまうが、そうして除かれた自立語の中には出現頻度のばらつきにより単語を特徴付けているものが存在しており、これらは意味属性として十分価値があるものである。

0030

本発明では、そういった自立語の出現頻度のばらつきを意味属性としての採否判断基準にすることで、出現頻度にばらつきのある自立語を意味属性として採用することが出来る。その結果、概念べ一スの精度が向上し、目的を達成できる。

0031

意味属性データを、見出し語と、見出し語と関連のある少なくとも1つの自然言語文である語義文との組である説明組の集合を用い、見出し語と、説明組で見出し語と対応付けられた語義文に含まれる自立語からなるリストである自立語リストと、自立語リストのそれぞれの自立語に対応付けて並べられており、語義文中に自立語が出現する回数が多ければ大きな値を、少なければ小さな値をとる数値のリストとの3つの組の集合として生成することが好ましい。

発明を実施するための最良の形態

0032

図1は本発明の一実施形態における装置構成を概略的に示すブロック図である。本実施形態は、既に、見出し語に対応して、意味属性とその重要度とが格納されている概念データベースが存在しており、その意味属性の付与を精選する場合である。

0033

同図において、10はコンピュータであり、11はこのコンピュータに接続されている外部記憶装置である。コンピュータ10内には、以下に説明する意味属性の精選プログラムが格納されており、外部記憶装置11内には、概念データベースが格納されている。

0034

図2は、本実施形態における精選プログラムの流れを示すフロー図である。

0035

同図の(1)に示すように、十分な数の意味組から成る概念データべ一スが外部記憶装置11内に既に存在している。

0036

この概念べ一スの見出し語を{W1,...,Wn}(1≦n)、見出し語Wj(1≦j≦n)の意味属性を{Aj1,...,Ajm}(1≦m)、意味属性Ajk(1≦j≦n)の重要度をFjk(0≦Fjk)とすると、概念べ一スは以下のように表される。ただし、表記単純化のため、各見出し語の意味属性リストの和集合を新たに意味属性リストとし(即ち、Ajk=Alk=Ak(1≦j,l≦n))、各見出し語の意味属性リスト中で本来存在しなかった意味属性の重要度は0とすることで一般性を失わないようにする。
W1:(A1,F11),(A2,F12),...,(Am,F1m)
W2:(A1,F21),(A2,F22),...,(Am,F2m)
・ ・ ・ ・
・ ・ ・ ・
Wn:(A1,Fn1),(A2,Fn2),...,(Am,Fnm)
次に、(2)に示すように、各意味属性の重要度の全見出し語での「ばらつき」を計算する。「ばらつき」の数値化には、ある集合に対しその集合がばらついていればいるほど大きな値をとる関数であれば、どのようなものでも適用できる。

0037

例えば、その集合の要素が全て等しいときに「0」、そうではないときに「1」をとるような単純な関数を使ってもよい。本実施形態では、統計学の分散を用いている。

0038

意味属性Akに対する各見出し語での重要度{F1k,...,Fnk}の加法平均をave(Fk)とすると、Akの分散Vkは、
Vk=(1/n){(ave(Fk)・F1k)2+...+(ave(Fk)・Fnk)2}
で求められる。

0039

この分散は、各重要度がその平均値からどの程度離れているかの指標であり、重要度のばらつきが大きければ大きな値、小さければ小さな値となり、均等、つまり全て同じ重要度であればOとなる。

0040

ここで分散の閾値を、V(0≦V)と任意に決める。この閾値Vを定めた結果、閾値Vより小さい分散Vtをもつ意味属性At(1≦t≦m)が存在し、他の意味属性の分散は全て閾値Vを上回ったとする。

0041

閾値Vを上回った分散をもつ意味属性は、(3)に示すように、必要な意味属性として選択され、閾値Vより小さい分散をもつ意味属性Atは、(4)に示すように意味属性リスト{A1,...,Am}より除去される。

0042

その結果、概念べ一スは(5)に示すように意味属性が精選され、次のような内容となる。
W1:(A1,F11),...,(A(t−1),F1(t−1)),(A
(t+1),F1(t+1)),...,(Am,F1m)
W2:(A1,F21),...,(A(t−1),F2(t−1)),(A
(t+1),F2(t+1)),...,(Am,F2m)
・ ・
・ ・
Wn:(A1,Fn1),...,(A(t−1),Fn(t−1)),(A
(t+1),Fn(t+1)),...,(Am,Fnm)

0043

以上のように、本実施形態によれば、ばらつきの小さい意味属性のみを意味属性リストから除去することが出来る。

0044

図3は本発明の他の実施形態における装置構成を概略的に示すブロック図である。本実施形態は、辞書データから概念データベースを作成した後、図1の実施形態の場合と同様に意味属性の精選を行うものである。図1の実施形態の場合と同じ動作をする構成要素については、同じ番号を付与してある。

0045

同図において、10はコンピュータであり、11はこのコンピュータに接続されており、外部記憶装置、12は例えばCD−ROM13等を駆動するドライバである。コンピュータ10内には、以下に説明する意味属性の精選プログラムが格納されており、外部記憶装置11内には、作成される概念データベースが格納され、CD−ROM13内には、例えば見出し語とその説明とが格納されている電子化辞書(例えば国語辞書)等が格納されている。

0046

図4は、本実施形態における精選プログラムの流れを示すフロー図である。

0047

同図の(6)に示すように、十分な数の辞書組から成る辞書データがCD−ROM13内に格納されている。

0048

そのうちの辞書組の1つとして、[記述] 文を書きしるすこと、また、書きしるしたものを例にとって以下具体的に説明する。

0049

(7)に示すように、各見出し語に対応する語義文に対し、形態素解析を行って以下のような単語群を得る。{文、を、書き、しるす、こと、また、書き、しるし、た、もの}次いで、(8)に示すように、得られた単語群から自立語を抽出し、その原形をもって自立語リストとする。{文、書く、しるす、こと、また、書く、しるす、もの}

0050

ここでの形態素解析とは、自然言語文を単語に分割する操作であり、単語の原形を求める操作および品詞の判別操作を含めて、計算機により自動化された形態素解析ツールが数多く存在する。なお、形態素解析ツールによっては複合語の扱い等が変わってくることがあるが、辞書データ全体にわたって同じツールにより一貫した処理を行えば特に問題はない。例えば、{文、書きしるす、こと、また、書きしるす、もの}のような自立語リストが得られてもよい。

0051

次に、(9)に示すように、各見出し語に対して得られた自立語リストの中で重複を探し、その出現回数をもって重要度とする。
{(文、1)、(書く、2)、(しるす、2)、(こと、1)、(また、1)、(もの、1)}

0052

ここでは出現回数をそのまま重要度としたが、出現回数が多ければ大きな値をとるようなものであればなんでもかまわない。

0053

以上の操作により辞書データから概念べ一スを得る。以後の(1)〜(5)の流れは図2の場合と同様である。

0054

以上述べた実施形態は全て本発明を例示的に示すものであって限定的に示すものではなく、本発明は他の種々の変形態様及び変更態様で実施することができる。従って本発明の範囲は特許請求の範囲及びその均等範囲によってのみ規定されるものである。

発明の効果

0055

以上詳細に説明したように本発明によれば、見出し語の意味属性リストを精選する際に、意味属性の全見出し語にわたる重要度の「ばらつき」を判断基準として採用することにより、既存手法では除去してしまっていた「重要度のばらつきにより見出し語を特徴付けていた」有用な意味属性を残したまま、非意味的な単語を意味属性リストから除去することが可能になる。従って、概念べ一スの精度が向上する。

図面の簡単な説明

0056

図1本発明の一実施形態における装置構成を概略的に示すブロック図である。
図2図1の実施形態における精選プログラムの流れを示すフロー図である。
図3本発明の他の実施形態における装置構成を概略的に示すブロック図である。
図4図3の実施形態における精選プログラムの流れを示すフロー図である。

--

0057

10コンピュータ
11外部記憶装置
12ドライバ
13 CD−ROM

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ