図面 (/)

技術 コグニティブ・インスタンスのためのコグニティブ・モデレータ

出願人 インターナショナル・ビジネス・マシーンズ・コーポレーション
発明者 ジョバンニーニ、アンドレアラヴィッツァ、ステファンシャイデラー、ティムウーヴェグラフ、フロリアン
出願日 2018年8月21日 (3年4ヶ月経過) 出願番号 2020-512817
公開日 2020年11月12日 (1年1ヶ月経過) 公開番号 2020-532804
状態 未査定
技術分野 検索装置
主要キーワード 収束ステップ 機械依存 応答生成器 自己一貫性 訓練フェーズ 送信ケーブル 固定シーケンス ルート位置
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(2020年11月12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 (9)

課題

クエリに対する改善された応答を複数の異なるコグティブ・エンジンから生成する。

解決手段

方法は、コンピューティングデバイスによって、第1のクエリを受信することと、各々がデータを処理するための異なる特徴を有する複数のコグニティブ・エンジンに第1のクエリを割り当てることとを含む。方法はまた、第1のクエリについて複数のコグニティブ・エンジンの各々から応答を受信したことに応答して、複数のコグニティブ・エンジンから受信した応答を比較することを含む。方法はまた、第1のコグニティブ・エンジンからの第1の応答と、第2のコグニティブ・エンジンからの第2の応答との差異が所定のしきい値を上回ると判断したことに応答して、差異が所定のしきい値を下回るまで応答調停プロセスを実施することを含む。方法はまた、第1のクエリおよび第2のクエリについて受信された応答から第1の最終応答を選択することと、第1の最終応答をユーザに表示することとを含む。

概要

背景

現在、コグティブ・コンピューティングは、部分的に商品サービスとなっており、モバイルまたはクラウドのコンピューティング・プロバイダが、話し言葉を認識し解釈することのできるエンドユーザ指向デバイスを、作成および配信するものである。エンドユーザ指向デバイスはまた個人的なアシスタントおよびナレッジナビゲータとして働くことができる。異なるプロバイダからのコグニティブ・サービスは、異なるデータ・ソース、異なるアルゴリズム、および異なるチューニングパラメータを使用し、異なる自己学習方法を経時的に適用することができる。加えて、様々なプロバイダの属性は、例えば、特定のタイプの言語を話すことなど、コグニティブ・サービスの特定のユーザのグループ特有であり得る。第1の言語で訓練された第1のコグニティブ・サービス・プロバイダからのコグニティブ・サービスは、第2の言語で訓練された第2のコグニティブ・サービス・プロバイダからのコグニティブ・サービスとは異なる回答を与えることがある。エンドユーザは典型的に、質問に対して最も価値のある応答を取得することに興味がある。

コグニティブ・システムから回答を生成する方法に関連して、いくつかの開示が存在する。文書「Cognitive Instance-Based Learning Agents in a Multi-Agent Congestion Game」、Paul Scerriら、AAMASにおけるInformation Sharing in Large Multi-Agent Systemsに関するワークショップ(2013)は、より数集約的なエージェント学習法に対して人間の学習法にヒントを得たマルチエージェント学習手法の経験的な比較を開示している。より具体的には、エージェントはグラフを繰り返しトラバースしなければならず、同一のエッジにある複数のエージェントは互いに干渉するので、渋滞していないルートを見つけるために学習が必要とされる。しかしながら、複数のエージェントによる学習は、学習が他のエージェントが学習する対象となる非静止の環境を生み出すため、望ましくない、かつ不要なダイナミクスをもたらすことがある。

概要

クエリに対する改善された応答を複数の異なるコグニティブ・エンジンから生成する。方法は、コンピューティング・デバイスによって、第1のクエリを受信することと、各々がデータを処理するための異なる特徴を有する複数のコグニティブ・エンジンに第1のクエリを割り当てることとを含む。方法はまた、第1のクエリについて複数のコグニティブ・エンジンの各々から応答を受信したことに応答して、複数のコグニティブ・エンジンから受信した応答を比較することを含む。方法はまた、第1のコグニティブ・エンジンからの第1の応答と、第2のコグニティブ・エンジンからの第2の応答との差異が所定のしきい値を上回ると判断したことに応答して、差異が所定のしきい値を下回るまで応答調停プロセスを実施することを含む。方法はまた、第1のクエリおよび第2のクエリについて受信された応答から第1の最終応答を選択することと、第1の最終応答をユーザに表示することとを含む。

目的

「Cognitive Instance-Based Learning Agents in a Multi-Agent Congestion Game」、Paul Scerriら、AAMASにおけるInformation Sharing in Large Multi-Agent Systemsに関するワークショップ(2013)






クエリに対する改善された応答を複数の異なるコグニティブ・エンジンから生成することを目的とする

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

(分野番号表示ON)※整理標準化データをもとに当社作成

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

方法であって、第1のクエリを、コンピューティングデバイスで受信することと、前記コンピューティング・デバイスによって、各々がデータを処理するための異なる特徴を含む複数のコグティブ・エンジンに、前記第1のクエリを割り当てることと、前記第1のクエリについて前記複数のコグニティブ・エンジンの各々から応答を受信したことに応答して、前記コンピューティング・デバイスによって、前記複数のコグニティブ・エンジンから受信された前記応答を比較することと、第1のコグニティブ・エンジンからの第1の応答と、第2のコグニティブ・エンジンからの第2の応答との差異が所定のしきい値を上回ると判断したことに応答して、前記差異が前記所定のしきい値を下回るまで前記コンピューティング・デバイスによって、応答調停プロセスを実施することであって、前記応答調停プロセスは、前記コンピューティング・デバイスによって、前記第1の応答を前記第2のコグニティブ・エンジンに送信することと、前記コンピューティング・デバイスによって、前記第1の応答と前記第2の応答との間で共通の概念を決定することと、前記コンピューティング・デバイスによって、前記第1の応答およびナレッジデータベースに基づいて第2のクエリを生成することと、前記コンピューティング・デバイスによって、前記第2のクエリを前記第2のコグニティブ・エンジンに送信することと、前記コンピューティング・デバイスで前記第2のコグニティブ・エンジンから前記第2のクエリについて第3の応答を受信することとを含む、前記実施することと、前記コンピューティング・デバイスによって、前記第1のクエリおよび前記第2のクエリについて受信された前記応答から第1の最終応答を選択することと、前記コンピューティング・デバイスによって、前記第1の最終応答をユーザに表示することとを含む、方法。

請求項2

前記コンピューティング・デバイスによって、選択された前記第1の最終応答に基づいて第2の最終応答を生成するように、前記複数のエンジンのうちの少なくとも1つのコグニティブ・エンジンに関連付けられるデータのコーパス適合することをさらに含む、請求項1に記載の方法。

請求項3

前記第1のクエリ、前記第2のクエリ、および受信された前記応答が、自然言語の形態である、請求項1または2に記載の方法。

請求項4

前記異なる特徴の少なくとも1つの特徴が、データ・ソースチューニングパラメータ、およびアルゴリズムから成る群から選択される、請求項1ないし3のいずれか一項に記載の方法。

請求項5

前記コンピューティング・デバイスによって、試験クエリのセットおよび試験応答のセットに基づいて、前記複数のコグニティブ・エンジンを分類することであって、スコア値が前記複数のコグニティブ・エンジンの各コグニティブ・エンジンに割り当てられる、前記分類することをさらに含む、請求項1ないし4のいずれか一項に記載の方法。

請求項6

前記コンピューティング・デバイスによって、前記第1のクエリを査定することと、前記コンピューティング・デバイスによって、前記第1のクエリについて、前記第1のコグニティブ・エンジンが前記第2のコグニティブ・エンジンのスコア値よりも大きいスコア値を有していると特定することとをさらに含む、請求項5に記載の方法。

請求項7

前記コンピューティング・デバイスによって、前記第1のクエリを第1のカテゴリに関連付けられる第1の部分と第2のカテゴリに関連付けられる第2の部分とに分割することであって、前記第1のカテゴリおよび前記第2のカテゴリが、地理学トピックセンサ・タイプ関連のトピック、および主題関連のトピックから成る群から選択される、前記分割することと、前記コンピューティング・デバイスによって、前記第1のクエリの前記第1の部分および前記第2の部分のそれぞれを、前記複数のコグニティブ・エンジンのうちの異なるコグニティブ・エンジンに割り当てることとをさらに含む、請求項1ないし6のいずれか一項に記載の方法。

請求項8

前記第1のクエリの前記第1の部分および前記第2の部分のそれぞれを割り当てることが、地理学的トピック、センサ・タイプ関連のトピック、および主題関連のトピックから成る群から選択されるカテゴリに基づいている、請求項7に記載の方法。

請求項9

前記第1のコグニティブ・エンジンが、前記コンピューティング・デバイスである、請求項1ないし8のいずれか一項に記載の方法。

請求項10

前記第2のコグニティブ・エンジンが、前記コンピューティング・デバイスである、請求項1ないし9のいずれか一項に記載の方法。

請求項11

前記コンピューティング・デバイスによって、前記第1のクエリを異なるやり方再構築して関連する部分的な応答を比較することにより、自己一貫性、関連性、およびカバレッジによって定義される査定に基づいて、コグニティブ・エンジンからの少なくとも1つの不適当な応答を除去することをさらに含む、請求項1ないし10のいずれか一項に記載の方法。

請求項12

自己一貫性が、少なくとも2つの異なるクエリに対する単一の応答によって定義される、請求項11に記載の方法。

請求項13

前記除去される不適当な応答が、前記第1のクエリについてのクエリのタイプに一致しない、請求項11または12に記載の方法。

請求項14

カバレッジが、前記第1のクエリのすべての部分に対処する応答によって定義される、請求項1ないし13のいずれか一項に記載の方法。

請求項15

前記コンピューティング・デバイスによって、前記複数のコグニティブ・エンジンの各コグニティブ・エンジンの可用性に基づいて、前記第1のクエリを割り当てるための前記複数のコグニティブ・エンジンを選択することをさらに含む、請求項1ないし14のいずれか一項に記載の方法。

請求項16

前記コンピューティング・デバイスによって、前記第1のクエリについての共通の概念を決定することが、オントロジに基づくファジィ一致方法またはシノニム一致あるいはその両方を適用することを含む、請求項1ないし15のいずれか一項に記載の方法。

請求項17

コンピュータ・システムであって、1つまたは複数のコンピュータ・プロセッサと、1つまたは複数のコンピュータ可読記憶媒体と、前記1つまたは複数のコンピュータ・プロセッサのうちの少なくとも1つによる実行のために前記コンピュータ可読記憶媒体に記憶されるプログラム命令であって、前記プログラム命令は、第1のクエリを受信するためのプログラム命令と、前記第1のクエリを複数のコグニティブ・エンジンに割り当てるためのプログラム命令であって、前記複数のコグニティブ・エンジンの各々がデータを処理するための異なる特徴を含む、前記割り当てるためのプログラム命令と、前記第1のクエリについて前記複数のコグニティブ・エンジンの各々から応答を受信したことに応答して、前記複数のコグニティブ・エンジンからの受信された前記応答を比較するためのプログラム命令と、第1のコグニティブ・エンジンからの第1の応答と、第2のコグニティブ・エンジンからの第2の応答との差異が所定のしきい値を上回ると判断したことに応答して、前記差異が前記所定のしきい値を下回るまで応答調停プロセスを実施するためのプログラム命令であって、前記応答調停プロセスは、前記第1の応答を前記第2のコグニティブ・エンジンに送信するためのプログラム命令と、前記第1の応答と前記第2の応答との間で共通の概念を決定するためのプログラム命令と、前記第1の応答およびナレッジ・データベースに基づいて第2のクエリを生成するためのプログラム命令と、前記第2のクエリを前記第2のコグニティブ・エンジンに送信するためのプログラム命令と、前記第2のコグニティブ・エンジンから前記第2のクエリについて第3の応答を受信するためのプログラム命令とを含む、前記実施するためのプログラム命令と、前記第1のクエリおよび前記第2のクエリについて受信された前記応答から第1の最終応答を選択するためのプログラム命令と、前記第1の最終応答をユーザに表示するためのプログラム命令とを含む、前記プログラム命令とを備える、コンピュータ・システム。

請求項18

前記1つまたは複数のコンピュータ可読記憶媒体に記憶され、プロセッサによって実行されると、前記プロセッサに前記選択された第1の最終応答に基づいて第2の最終応答を生成するために、前記複数のエンジンのうちの少なくとも1つのコグニティブ・エンジンに関連付けられるデータのコーパスを適合させる、プログラム命令をさらに備える、請求項17に記載のコンピュータ・システム。

請求項19

前記第1のクエリ、前記第2のクエリ、および受信された前記応答が、自然言語の形態である、請求項17または18に記載のコンピュータ・システム。

請求項20

前記異なる特徴の少なくとも1つの特徴が、データ・ソース、チューニング・パラメータ、およびアルゴリズムから成る群から選択される、請求項17ないし19のいずれか一項に記載のコンピュータ・システム。

請求項21

前記1つまたは複数のコンピュータ可読記憶媒体に記憶され、プロセッサによって実行されると、前記プロセッサに試験クエリのセットおよび試験応答のセットに基づいて、前記複数のコグニティブ・エンジンを分類することであって、スコア値が前記複数のコグニティブ・エンジンの各コグニティブ・エンジンに割り当てられる、前記分類すること、を行わせるプログラム命令をさらに含む、請求項17ないし20のいずれか一項に記載のコンピュータ・システム。

請求項22

前記1つまたは複数のコンピュータ可読記憶媒体に記憶され、プロセッサによって実行されると、前記プロセッサに前記第1のクエリを査定することと、前記第1のコグニティブ・エンジンが、前記第1のクエリについての前記第2のコグニティブ・エンジンのスコア値よりも大きいスコア値を有していると特定することとを行わせるプログラム命令をさらに含む、請求項21に記載のコンピュータ・システム。

請求項23

前記1つまたは複数のコンピュータ可読記憶媒体に記憶され、プロセッサによって実行されると、前記プロセッサに前記第1のクエリを第1のカテゴリに関連付けられる第1の部分と第2のカテゴリに関連付けられる第2の部分とに分割することであって、前記第1のカテゴリおよび前記第2のカテゴリは、地理学的トピック、センサ・タイプ関連のトピック、および主題関連のトピックから成る群から選択される、前記分割することと、前記第1のクエリの前記第1の部分および前記第2の部分のそれぞれを、前記複数のコグニティブ・エンジンからの異なるコグニティブ・エンジンに割り当てることとを行わせるプログラム命令をさらに含む、請求項17ないし20のいずれか一項に記載のコンピュータ・システム。

請求項24

前記第1のクエリの前記第1の部分および前記第2の部分のそれぞれを割り当てるためのプログラム命令が、地理学的トピック、センサ・タイプ関連のトピック、および主題関連のトピックから成る群から選択されるカテゴリに基づいている、請求項23に記載のコンピュータ・システム。

請求項25

コンピュータ・プログラム製品であって、1つまたは複数のコンピュータ可読記憶媒体と、前記1つまたは複数の記憶媒体のうちの少なくとも1つに記憶されるプログラム命令であって、前記プログラム命令は、第1のクエリを受信するためのプログラム命令と、前記第1のクエリを複数のコグニティブ・エンジンに割り当てるためのプログラム命令であって、前記複数のコグニティブ・エンジンの各々がデータを処理するための異なる特徴を含む、前記割り当てるためのプログラム命令と、前記第1のクエリについて前記複数のコグニティブ・エンジンの各々から応答を受信したことに応答して、前記複数のコグニティブ・エンジンからの受信された前記応答を比較するためのプログラム命令と、第1のコグニティブ・エンジンからの第1の応答と、第2のコグニティブ・エンジンからの第2の応答との差異が所定のしきい値を上回ると判断したことに応答して、前記差異が前記所定のしきい値を下回るまで応答調停プロセスを実施するためのプログラム命令であって、前記応答調停プロセスは、前記第1の応答を前記第2のコグニティブ・エンジンに送信するためのプログラム命令と、前記第1の応答と前記第2の応答との間で共通の概念を決定するためのプログラム命令と、前記第1の応答およびナレッジ・データベースに基づいて第2のクエリを生成するためのプログラム命令と、前記第2のクエリを前記第2のコグニティブ・エンジンに送信するためのプログラム命令と、前記第2のコグニティブ・エンジンから前記第2のクエリについて第3の応答を受信するためのプログラム命令とを含む、前記実施するためのプログラム命令と、前記第1のクエリおよび前記第2のクエリについて受信された前記応答から第1の最終応答を選択するためのプログラム命令と、前記第1の最終応答をユーザに表示するためのプログラム命令とを含む、前記プログラム命令とを備える、コンピュータ・プログラム製品。

技術分野

0001

本開示は全体的にコグティブ・コンピューティングに関し、より詳細には2つの異なるコグニティブ・エンジンに向けられたクエリに対する改善された応答を生成する方法に関する。本発明は、クエリに対する改善された応答を2つの異なるコグニティブ・エンジンから生成するためのシステム、およびコンピュータプログラム製品にさらに関する。

背景技術

0002

現在、コグニティブ・コンピューティングは、部分的に商品サービスとなっており、モバイルまたはクラウドのコンピューティング・プロバイダが、話し言葉を認識し解釈することのできるエンドユーザ指向デバイスを、作成および配信するものである。エンドユーザ指向デバイスはまた個人的なアシスタントおよびナレッジナビゲータとして働くことができる。異なるプロバイダからのコグニティブ・サービスは、異なるデータ・ソース、異なるアルゴリズム、および異なるチューニングパラメータを使用し、異なる自己学習方法を経時的に適用することができる。加えて、様々なプロバイダの属性は、例えば、特定のタイプの言語を話すことなど、コグニティブ・サービスの特定のユーザのグループ特有であり得る。第1の言語で訓練された第1のコグニティブ・サービス・プロバイダからのコグニティブ・サービスは、第2の言語で訓練された第2のコグニティブ・サービス・プロバイダからのコグニティブ・サービスとは異なる回答を与えることがある。エンドユーザは典型的に、質問に対して最も価値のある応答を取得することに興味がある。

0003

コグニティブ・システムから回答を生成する方法に関連して、いくつかの開示が存在する。文書「Cognitive Instance-Based Learning Agents in a Multi-Agent Congestion Game」、Paul Scerriら、AAMASにおけるInformation Sharing in Large Multi-Agent Systemsに関するワークショップ(2013)は、より数集約的なエージェント学習法に対して人間の学習法にヒントを得たマルチエージェント学習手法の経験的な比較を開示している。より具体的には、エージェントはグラフを繰り返しトラバースしなければならず、同一のエッジにある複数のエージェントは互いに干渉するので、渋滞していないルートを見つけるために学習が必要とされる。しかしながら、複数のエージェントによる学習は、学習が他のエージェントが学習する対象となる非静止の環境を生み出すため、望ましくない、かつ不要なダイナミクスをもたらすことがある。

先行技術

0004

「Cognitive Instance-Based Learning Agents in a Multi-Agent Congestion Game」、Paul Scerriら、AAMASにおけるInformation Sharing in Large Multi-Agent Systemsに関するワークショップ(2013)

発明が解決しようとする課題

0005

クエリに対する改善された応答を複数の異なるコグニティブ・エンジンから生成することを目的とする。

課題を解決するための手段

0006

本発明による実施形態は、コグニティブ調停のための、方法、コンピュータ・プログラム製品およびコンピュータ・システムを開示しており、方法は、第1のクエリを、コンピューティング・デバイスで受信することと、コンピューティング・デバイスによって、第1のクエリを複数のコグニティブ・エンジンに割り当てることであって、複数のコグニティブ・エンジンのそれぞれがデータを処理するための異なる特徴を含む、割り当てることと、第1のクエリについて複数のコグニティブ・エンジンのそれぞれから応答を受信したことに応答して、コンピューティング・デバイスによって、複数のコグニティブ・エンジンからの受信された応答を比較することと、第1のコグニティブ・エンジンからの第1の応答と、第2のコグニティブ・エンジンからの第2の応答との差異が所定のしきい値を上回ると判断したことに応答して、差異が所定のしきい値を下回るまでコンピューティング・デバイスによって、応答調停プロセスを実施することであって、応答調停プロセスは、コンピューティング・デバイスによって、第1の応答を第2のコグニティブ・エンジンに送信することと、コンピューティング・デバイスによって、第1の応答と第2の応答との間で共通の概念を決定することと、コンピューティング・デバイスによって、第1の応答およびナレッジ・データベースに基づいて第2のクエリを生成することと、コンピューティング・デバイスによって、第2のクエリを第2のコグニティブ・エンジンに送信することと、コンピューティング・デバイスで第2のコグニティブ・エンジンから第2のクエリについて第3の応答を受信することとを含む、実施することと、コンピューティング・デバイスによって、第1のクエリおよび第2のクエリについて受信された応答から第1の最終応答を選択することと、コンピューティング・デバイスによって、第1の最終応答をユーザに表示することとを含む。

0007

コンピュータ・システムであって、1つまたは複数のコンピュータ・プロセッサと、1つまたは複数のコンピュータ可読記憶媒体と、1つまたは複数のコンピュータ・プロセッサのうちの少なくとも1つによって実行するためにコンピュータ可読記憶媒体に記憶されるプログラム命令であって、プログラム命令は、第1のクエリを受信するためのプログラム命令と、第1のクエリを複数のコグニティブ・エンジンに割り当てるためのプログラム命令であって、複数のコグニティブ・エンジンのそれぞれがデータを処理するための異なる特徴を含む、割り当てるためのプログラム命令と、第1のクエリについて複数のコグニティブ・エンジンのそれぞれから応答を受信したことに応答して、複数のコグニティブ・エンジンからの受信された応答を比較するためのプログラム命令と、第1のコグニティブ・エンジンからの第1の応答と、第2のコグニティブ・エンジンからの第2の応答との差異が所定のしきい値を上回ると判断したことに応答して、差異が所定のしきい値を下回るまで応答調停プロセスを実施するためのプログラム命令であって、応答調停プロセスは、第1の応答を第2のコグニティブ・エンジンに送信するためのプログラム命令と、第1の応答と第2の応答との間で共通の概念を決定するためのプログラム命令と、第1の応答およびナレッジ・データベースに基づいて第2のクエリを生成するためのプログラム命令と、第2のクエリを第2のコグニティブ・エンジンに送信するためのプログラム命令と、第2のコグニティブ・エンジンから第2のクエリについて第3の応答を受信するためのプログラム命令とを含む、実施するためのプログラム命令と、第1のクエリおよび第2のクエリについて受信された応答から第1の最終応答を選択するためのプログラム命令と、第1の最終応答をユーザに表示するためのプログラム命令とを含む、プログラム命令とを備える、コンピュータ・システム。

0008

コンピュータ・プログラム製品であって、1つまたは複数のコンピュータ可読記憶媒体と、1つまたは複数の記憶媒体のうちの少なくとも1つに記憶されるプログラム命令であって、プログラム命令は、第1のクエリを受信するためのプログラム命令と、第1のクエリを複数のコグニティブ・エンジンに割り当てるためのプログラム命令であって、複数のコグニティブ・エンジンのそれぞれがデータを処理するための異なる特徴を含む、割り当てるためのプログラム命令と、第1のクエリについて複数のコグニティブ・エンジンのそれぞれから応答を受信したことに応答して、複数のコグニティブ・エンジンからの受信された応答を比較するためのプログラム命令と、第1のコグニティブ・エンジンからの第1の応答と、第2のコグニティブ・エンジンからの第2の応答との差異が所定のしきい値を上回ると判断したことに応答して、差異が所定のしきい値を下回るまで応答調停プロセスを実施するためのプログラム命令であって、応答調停プロセスは、第1の応答を第2のコグニティブ・エンジンに送信するためのプログラム命令と、第1の応答と第2の応答との間で共通の概念を決定するためのプログラム命令と、第1の応答およびナレッジ・データベースに基づいて第2のクエリを生成するためのプログラム命令と、第2のクエリを第2のコグニティブ・エンジンに送信するためのプログラム命令と、第2のコグニティブ・エンジンから第2のクエリについて第3の応答を受信するためのプログラム命令とを含む、実施するためのプログラム命令と、第1のクエリおよび第2のクエリについて受信された応答から第1の最終応答を選択するためのプログラム命令と、第1の最終応答をユーザに表示するためのプログラム命令とを含む、プログラム命令とを備える、コンピュータ・プログラム製品。

図面の簡単な説明

0009

本発明の実施形態による、分散データ処理環境を説明する機能のブロック図である。
本発明の実施形態による、一時的な固定数を有する冗長性を除去するための、部分的な冗長性除去モジュール動作ステップ描写するフローチャートである。
本発明の実施形態による、部分的な冗長性除去モジュールが冗長性除去を実施する制御フロー・グラフの一例である。
本発明の実施形態による、図3の制御フロー・グラフに関連するメモリ位置およびレジスタのセットについての特徴の表である。
本発明の実施形態による、部分的な冗長性除去モジュールによって処理される図4のメモリ位置M1についてのグローバルな情報の表である。
本発明の実施形態による、図1サーバ・コンピュータなどのコンピュータ・システムのコンポーネントのブロック図である。
本発明の実施形態による、2つのコグニティブ・エンジンからのクエリに対して改善された応答を生成するためのシステムの統合したブロック図である。
本発明の実施形態による、提案される方法に関するプログラム・コードを実行するために適切な例示のコンピューティング・システムである。

実施例

0010

クエリに対する改善された応答を2つの異なるコグニティブ・エンジンから生成するための提案される方法は、複数の利点および技術的効果を提供することができる。

0011

2つ以上のコグニティブ・エンジンからの応答を考慮することにより、異なるコグニティブ・エンジンからの異なる応答にアクセス重みづけすることができる調停ユニットは、個々のコグニティブ・エンジンからの単一の応答と比較して、エンドユーザのクエリに対して改善された応答を生成するように設計して構成することができる。複数のコグニティブ・エンジンを使用することにより、応答は改善された正確性を有することができる。加えて、提案される方法および関連するシステムは、複数のコグニティブ・インスタンスからの応答を、エンドユーザにとってより有用な応答に組み込むことができる。特定の応答についてのデシジョンツリーを表示することも可能であり、この場合デシジョン・ツリーは異なるソースからの長所と短所を示す。

0012

さらには、特別な知識分野にしたがって、クエリまたはその部分に対して特殊化されたコグニティブ・インスタンス/コグニティブ・エンジンを活用することが可能である。したがって、エンドユーザがどのコグニティブ・エンジンがクエリに対処し得るかを決定する必要はないが、複数のコグニティブ・エンジンの組み合わされたナレッジが、特定のユーザ・クエリに対してどのコグニティブ・エンジンが最も適当な回答(すなわち、改善された応答)を有し得るかを決定する。

0013

異なるコグニティブ・エンジンからの応答を重み付けすることにより、また、異なるコグニティブ・エンジンからの他の方法およびシステムの変形例が異なる知識分野に特化されていることにより、関連性、自己一貫性の観点で、および特定の応答が完全なクエリまたはその一部のみに対処しているかどうかの観点で応答をチェックすることが可能になることがある。これらのチェックは、コグニティブ・モデレータ・エンジンの自己学習プロセスのために使用することができる。

0014

提案される方法およびシステムによって、わずかに異なる(例えば、コーパスおよびチューニングが異なる)か、または完全に異なっていてもよい(例えば、アルゴリズムが異なる)2つのコグニティブ・エンジンのうちの1つを、特殊化されたコンピューティング・デバイスであるコグニティブ・モデレータ・エンジンとして、2つのコグニティブ・エンジンに関する2つのコグニティブ・サービスのうちの1つにおいて少ないオーバーヘッドで使用することを可能にする。オーバーヘッドが小さくなることにより、コグニティブ・サービスを提供するために要求されるデバイスが少ない合併されたシステムにおいて、中央処理装置(CPU)使用率が低くなり、ランダム・アクセス・メモリ(RAM)使用率が低くなる。

0015

以下に、提案される方法およびシステムのいくつかのさらなる実施形態を説明する。

0016

一実施形態において、方法は最終応答の範囲の応答を与えるようにコグニティブ・エンジンのうちの少なくとも1つのデータのコーパスを適合することを含むことができる。これは1つまたは複数のナレッジ・グラフを補正することによって達成することができる。代替的に、ナレッジ・グラフの代わりに、1つまたは複数のリンクされたリストを使用することができる。結果的に、データのコーパスを適合することは、将来的にこのコグニティブ・エンジンが最終的に選択される応答に一致し得る応答を生成するように、基本的に欠落している概念をナレッジ・グラフに追加することと等価であり得る。クエリおよび応答は自然言語の形態であることができ、この場合、自然言語は人間によって話されるあらゆる自然言語であってもよい。したがって、ユーザは自身のクエリまたは質問を、コグニティブ・エンジンのシステムにとって自然なやり方構築することができる。代替的に、クエリはまた、「これはスポーツカーの絵であるか?」などまたは類似のクエリを可能とするために、スタンドアロンのまたは音響センサなどと組合せたセンサ(例えば、画像センサ)からのデータを含んでもよい。

0017

別の実施形態において、方法はまた、2つよりも多いコグニティブ・エンジンへクエリを割り当てることを含むことができ、この場合2つのコグニティブ・エンジンはそれぞれ異なる特徴を有する。異なるデータ・ソース(すなわち、異なるコーパス)、コグニティブ・エンジンの異なるチューニング・パラメータ、または異なるアルゴリズムあるいはその組合せから成るグループから少なくとも1つの特徴を選択することができる。したがって、一般的かつ提案される概念にとって、異なる振る舞いを有し、それにより異なる応答を生成する複数のコグニティブ・エンジンを適用することが有用であり得る。これらの応答は、特定の知識エリアに応じてわずかにまたはかなりの程度までの変化があってもよい。

0018

方法はまた、2つのコグニティブ・エンジンを試験クエリのセットおよび関連する応答によって分類すること(すなわち、スコア値を割り当てること)を含むことができる。試験クエリのセットは、コグニティブ・エンジンの分類を目的として、特定のコグニティブ・エンジンの能力推論するために予め定義することができる。結果として、方法はまたコグニティブ・エンジンのそれぞれにスコア値を割り当てることもできる。スコア値によって、物理学哲学化学、および政治学などの異なる知識分野へのカテゴライズを可能とすることができる。分類は、コグニティブ・エンジンのスタートアップ/訓練手順の間に実施することができる。追加的に、2つよりも多いコグニティブ・エンジンが方法および訓練フェーズの一部として可能とされ得る。そして分類プロセスは、異なる知識エリアを異なるコグニティブ・エンジンに割り当てることができる。

0019

方法は、クエリのタイプを査定すること、およびクエリのタイプに一致しないコグニティブ・エンジンからの応答よりも高い質問/クエリのタイプに一致するスコア値を有するコグニティブ・エンジンの応答を重みづけすることをさらに含むことができる。人間のカテゴリに変換することにより、コグニティブ・エンジンがそのクエリの技術分野における「スペシャリスト」であるという信頼がもたらされる。概念はクエリのタイプとスコア値との間の相対距離に拡大され得る。割り当ておよび重みづけプロセスは、コグニティブ・モデレータ・エンジンによって実施することができる。

0020

コグニティブ・モデレータ・エンジンは、地理トピック、センサ・タイプ関連のトピック、タイプに関連するトピックから成る群から選択される少なくとも2つのカテゴリにしたがってクエリを部分に分割することができ、部分のそれぞれを異なるコグニティブ・エンジンに割り当てる。結果として、コグニティブ・エンジンのうちの1つの生成される応答のより高い関連性を増大させる。それぞれの部分を割り当てることは、地理学的トピック、センサ・タイプ関連のトピック、および主題関連のトピックから成る群から選択されるカテゴリにしたがって実施される。したがって、方法はコグニティブ・エンジンのカテゴライズならびにクエリを部分に分割することにしたがって適用され得る。

0021

可能な一実施形態において、コグニティブ・エンジンのうちの1つ、およびコグニティブ・モデレータ・エンジンは、同一のものであってもよく、その結果2つのコグニティブ・エンジンのうちの1つが、方法および関連するシステムの2つの基礎的な要素、コグニティブ・エンジンそれ自身ならびにコグニティブ・モデレータ・エンジンの役割引き継ぐ。これにより貴重リソースを節約することができ、またコグニティブ・モデレータ・エンジンおよび少なくとも2つのコグニティブ・エンジンを含む3つの部分によるソリューションと比較して、それに匹敵する応答を生成することができる。

0022

コグニティブ・エンジンのうちの1つは、2つのレベル2のコグニティブ・エンジンに接続されるレベル2のモデレータ・システムを含むことができる。したがって、コグニティブ・エンジンおよびコグニティブ・モデレータ・エンジンの階層は、より深くより洗練された応答生成を可能にするように構築される。提案される概念および関連するシステムの深度(すなわち、階層レベルの数)、ならびに幅(すなわち、レベルごとのコグニティブ・モデレータ・エンジンに結合する並列なコグニティブ・エンジンの数)は、理論的無限であり、ほとんどあらゆるタイプのクエリまたは質問に適用可能な微調整された応答生成器を可能にしている。

0023

方法はまた、自己一貫性の観点で応答を査定することにより、わずかに修正された質問、関連性およびカバレッジに対して同一または類似の回答を呼び出すことにより、クエリを異なるやり方で再構築して関連する部分的な応答を比較することにより、コグニティブ・エンジンの不適当な(すなわち、不足のあるまたは不十分な)応答を除去することを含むことができる。

0024

わずかに修正された複数のクエリに対する応答が同一の応答に帰着する場合、自己一貫性を与えることができる。また、予め定義されたしきい値を適用することができる。応答の比較値が予め定義されたしきい値を下回っている場合、応答は自己一貫性を有していると判断される。

0025

さらなる一実施形態によると、方法はまたそのクエリのタイプに一致しないコグニティブ・エンジンからの応答を除去することを含むことができる。したがって、異なるコグニティブ・エンジンからの応答が著しく異なっている場合、これらの応答は、そのクエリのタイプに一致している標準的なクエリのセット(上で言及した訓練セッションと比較されたい)によって決定される現在のコグニティブ・エンジンのタイプから選択することができる。結果として、有用な応答についての確率がより大きくなる。複数のコグニティブ・エンジンが適用されている場合、その大部分を構築している応答は、少数のグループからの応答よりも好まれる。

0026

方法のさらなる実施形態によると、応答が最初のクエリのすべての部分に対処している場合に、カバレッジを与えることができる。したがって、複数の部分にわかれたクエリに対して欠落している部分的な応答は残っていない。

0027

方法はまた、コグニティブ・エンジンの可用性を示す可用性シグナルに応じてクエリを割り当てるためにコグニティブ・エンジンを選択することを含むことができる。これは、サービスとしてのクラウド・コンピューティング環境展開されるコグニティブ・エンジンにとって有利な特徴であり得る。コグニティブ・エンジンが「予約済」(すなわち、完全に使用されている)である場合、クエリはこのコグニティブ・エンジンには割り当てることができない。代わりに、複数のコグニティブ・エンジンから別のコグニティブ・エンジンを選ぶことができる。選択基準は、質問のタイプおよびコグニティブ・エンジンのタイプによって影響され得る。クエリを1つの代替的なコグニティブ・エンジンに割り当てる代わりに、クエリを他の複数の代替的なコグニティブ・エンジンに割り当てることも可能であり得る。

0028

方法の有利な一実施形態によると、共通の概念を決定することは、オントロジに基づくファジィ一致方法またはシノニム一致あるいはその両方を適用することを含むことができる。1つのクエリが、1つまたは複数のシノニムの形式で元々の表現を含む複数のクエリに多重化されるように、特定の表現のシノニムを有する辞書を使用することができる。

0029

方法はまた、ナレッジ・グラフ内の知識概念を構成するノード間の欠落したリンクに対処することを含む、第2の質問を生成する能力を有する。ナレッジ・グラフにおいて、第1のリンクは応答のうちの1つを表現している第1の概念と、第3の概念との間に存在することができる。ナレッジ・グラフにおいて、第2のリンクは応答のうちの他のものを表現している第2の概念と、第3の概念との間に存在することができる。しかしながら、第1の概念と第2の概念との間の潜在的なリンクが「欠落しているリンク」を表現し得るように、第1の概念と第2の概念との間にはリンクが存在しなくてもよい。上で言及したように、ナレッジ・グラフの代わりに、提案される方法はリンクされた表のリストで機能することもできる。

0030

さらには、実施形態は、コンピュータもしくはあらゆる命令実行システムによって、またはそれらと関連して使用するための、プログラム・コードを提供するコンピュータ使用可能またはコンピュータ可読媒体からアクセス可能な関連するコンピュータ・プログラム製品の形態を取ってもよい。本説明の目的として、コンピュータ使用可能またはコンピュータ可読媒体は、命令実行システム、装置、もしくはデバイスによって、またはそれらと関連して使用するための、プログラムを記憶する、通信する、伝搬する、または移送するための手段を含み得るあらゆる装置であることができる。

0031

本説明のコンテキストにおいて、以下の慣例、用語、または表現あるいはその組合せが使用され得る。

0032

用語「改善された応答」は、単一のコグニティブ・エンジンの応答と比較した場合の、一群のコグニティブ・エンジンからの応答(または回答−両方の表現が、本文書のコンテキストにおいてはシノニムとして使用され得る)を意味することができる。この概念によって、2つまたはそれ以上のコグニティブ・エンジンの組み合わされた知識を使用することができる。このことはまた、複数のコグニティブ・エンジンが相互に影響し応答を向上させるために組み合わされるため、複数のコグニティブ・エンジンの大量の情報を使用することと考えることができる。

0033

用語「コグニティブ・エンジン」は、人工知能の科学的規律および信号処理に基づく技術プラットフォームを意味することができる。基本的に、これらのプラットフォームは機械学習、推論、自然言語処理発話および視覚、人間−コンピュータ対話ダイアログおよびナレーション生成などを包含することができる。

0034

コグニティブ・エンジンという用語は、開発のために使用されるコンポーネント、および大規模に学習し、目的に基づいて推論し、人間と自然に対話するシステムから得られる振る舞いを有するとして説明することもできる。それにより、人工知能の分野と多くの属性を共有する一方、異種類のコンポーネントの複雑な相互作用を通じてそれ自身を差別化しており、異種類のコンポーネントのそれぞれは自身の個々の成熟した規律を含んでいる。

0035

コグニティブ・エンジンまたはシステムが表現し得るいくつかの特徴は、以下を含む。適合性:情報が変わると、また目的および要求が発展すると、学習することができる。曖昧性を解決し予測不能性に耐えることができる。リアルタイム、またはほぼリアルタイムで動的なデータが与えられるように設計され得る。対話性:ユーザが自身のニーズを快適に定義することができるように、ユーザと容易に対話することができる。また、人と同様に、他のプロセッサ、デバイスおよびクラウド・コンピューティング・サービスと対話することができる。反復性およびステートフル(stateful):問題のステートメントが曖昧または不十分である場合、質問を問いかけることにより、またはさらなるソース入力を見つけることにより、問題を定義する際に助けとなり得る。プロセスにおける以前の対話を「覚える」−すなわち記憶することができ、特定の用途にその時点で適切な情報を返すことができる。コンテキスト性:意味、文法、時間、場所、適当な領域、規則、ユーザのプロファイル、プロセス、タスク、および目的などの、コンテキスト上の要素を理解し、識別し、および抽出することができる。構造化されたデジタル情報、および構造化されていないデジタル情報の両方を含む、複数の情報源、ならびに感覚的な入力(視覚、ジェスチャ聴覚、またはセンサによって提供されるもの)を利用することができる。用語「クエリ」は本文書のコンテキストにおいては、コグニティブ・システムに対して、問いかけられた−すなわち問い合わせされた(queried)−質問を意味することができる。ユーザ・インターフェースを介してシステムによって受信された入力に等価であり得る。本文書において、クエリおよび質問という用語は、互換的に使用される場合がある。クエリは、テキストとして、音声入力として、画像として、またはあらゆる種類のセンサ・データ(例えば、温度フィールド・データ、天気データ流量データ・・・)の形態など、様々な異なるフォーマットで存在することができる。

0036

用語「クエリ」は本文書のコンテキストにおいては、コグニティブ・システムに対して、問いかけられた−すなわち問い合わせされた(queried)−質問を意味することができる。ユーザ・インターフェースを介してシステムによって受信された入力に等価であり得る。本文書において、クエリおよび質問という用語は、互換的に使用される場合がある。クエリは、テキストとして、音声入力として、画像として、またはあらゆる種類のセンサ・データ(例えば、温度フィールド・データ、天気データ、流量データ・・・)の形態など、様々な異なるフォーマットで存在することができる。

0037

用語「応答」は、コグニティブ・システムの出力を意味することができる。質問/クエリに対する回答、と意味することもできる。用語「改善された応答」は、単一のコグニティブ・エンジンの応答と比較した場合の、一群のコグニティブ・エンジンによって生成された質問に対して、より良好、より精密または適切な回答を表現する応答を意味することができる。形容詞「改善された」は、常に単一のクエリおよび単一の回答に適用されるものではない。しかしながら、複数のクエリの平均について、提案されるシステムの応答は、正確性、信頼性、精密さ、および信用能力の観点から改善されたと意味することができる。

0038

用語「差異」−特に異なるコグニティブ・エンジンの応答同士の差異−は、基本的に異なる応答から導出される数値を意味することができる。応答それ自身は、文字列、すなわちいくつかの語句文章または文章の断片の形態で構造化され得る。文字列は、次元ごとに1語句のベクトルによって表現することができる。そして、文字列比較を、次元ごとに実施することができる。差異は、そのような文字列比較に基づくことができる(例えば、完全に同一であるか、または数文字の差異)−結果が数値となるような文字列比較のためのアルゴリズムは、当業者既知である。差異を判断する代替的な比較方法はまた、例えば、80%(または他のあらゆる値)一致となるアルゴリズムである、ファジィ文字列一致に基づくことができる。そのような比較の結果は、その後−正規化の後−しきい値と比較され得る数値として常に表現することができる。

0039

用語「ナレッジ・データベース」は、互いにリンクされ得る概念と事実を記憶する統合されたデータベースを意味することができる。これは、ナレッジ・グラフ(または複数のナレッジ・グラフを相互リンクしたもの)、またはリンクされたリストのセットの形態で実装することができる。

0040

用語「コーパス」は、ナレッジ・データベースの概念と事実の形態のナレッジを意味することができる。この時、「コーパスを適合すること」は、新しい概念または事実あるいはその両方を追加すること、およびナレッジ・データベースのノード間のリンクを追加または変更することにより、ナレッジ・データベースの内容を変更することを意味することができる。

0041

本明細書、および神経心理学言語学、および言語の理念において、用語「自然言語」は、自然言語、または意識的な計画性を伴わずもしくは故意ではなく使用および繰り返しを通じて人類の間で自然に発展した通常の言語を意味することができる。自然言語は、発話、手話、または筆記などの様々な形態を取ることができる。自然言語は、コンピュータをプログラムするために使用される言語、または論理を研究するための言語などの、構築された形式的な言語とは区別される。

0042

用語「レベル2モデレータ・システム」は、コグニティブ・エンジンおよびコグニティブ・モデレータ・エンジンの、最上位レベルまたはツリーのルートに配置されておらず、より低い、すなわち第2のレベルにある、コグニティブ・モデレータ・エンジンを意味することができる。また、レベル3コグニティブ・モデレータ・エンジン−以降も同様−が可能であり得る。

0043

用語「レベル2コグニティブ・エンジン」は、コグニティブ・エンジンおよびコグニティブ・モデレータ・エンジンのツリーで先端に最も近い葉の位置に位置するコグニティブ・エンジンを意味することができる。より包括的な定義を図5のコンテキストで与える。

0044

以下に図面の詳細な説明を与える。図面におけるすべての命令は概略的なものである。まず、クエリに対する改善された応答を2つの異なるコグニティブ・エンジンから生成する本発明方法の実施形態のブロック図を与える。その後、さらなる実施形態ならびに、クエリに対する改善された応答を2つの異なるコグニティブ・エンジンから生成するシステムの実施形態を説明する。

0045

図1は、クエリまたは質問に対する改善された応答を2つの異なるコグニティブ・エンジンから生成する方法100の実施形態のブロック図を示している。クエリまたは質問は、ユーザから、例えば、ユーザ・インターフェース(UI)によって受信することができる102。ユーザ・インターフェースは、古典的なテキストベースのUI、音声入力画像、もしくは動画入力、その組合せであってもよく、または他の種類のセンサおよび関連するデータによって表現することができる。

0046

方法100はまた、(a)クエリを異なる特徴を有する2つのコグニティブ・エンジン−特徴の観点で異なっている−に割り当てること104、(b)2つのコグニティブ・エンジンのそれぞれから応答を受信すること106、(c)応答を比較すること108、(d)応答間の差異が所定のしきい値を上回ると査定すること110に応答して、応答調停プロセスを実施すること112、を含む。そのような応答調停プロセスは、第1のコグニティブ・エンジンの応答を第2のコグニティブ・エンジンに与えることを含み、これはまた「ピアレビュー」と説明することができ、少なくとも2つの応答の共通の概念を決定するか、または1つの応答およびナレッジ・データベースから第2の質問を生成し、それをコグニティブ・エンジンの他の1つに割り当てる。共通の概念を決定するために、ファジィ一致方法、および/またはオントロジ・ベース、および/またはシノニム・ベースの方法を利用することができる。「欠落したリンク」を議論する際、第2の質問/クエリは、上述したように、ナレッジ・グラフまたはリンクされたリスト/表に基づく。

0047

方法100は、(e)差異が所定のしきい値以下になるまでステップ(b)から(d)を繰り返すこと114を、さらに含む。これは、統合または収束を表現し、回答および/または応答へ向かって収束することを表現することができる。最後に、方法は、(f)最終応答として応答の1つを選択し、その最終応答をユーザに表示すること116を含む。2つのコグニティブ・エンジンの2つの応答を査定して、等価であるまたは等しい場合、2つの応答のうちの1つを、主要なコグニティブ・マシンの概念によって、または異なるクエリについて選択された応答の固定シーケンスによって、例えば、ランダムに選択することができる。やはり、2つの応答が互いに等価である場合、任意の他の選択プロセスが適用されてもよい。さらには、改善された応答を生成するべく、ステップ(a)から(f)が、コグニティブ・モデレータによって実施される。

0048

図2は、提案される方法100を実施するために関与するコンポーネントの実施形態200のブロック図を示している。ユーザ・インターフェース202は、様々な形態でコグニティブ・モデレータ・エンジン204に、例えば、筆記入力、発話としてまたはデータ・ストリーミングとしてあるいはその両方で、質問/クエリを投げかけるように適合される。ユーザ・インターフェース202はサポートされる入力フォーマットの範囲に応じて実装される。

0049

コグニティブ・モデレータ・エンジン204は、以下の要素を備える特殊化されたコンピューティング・デバイスである:データ・プリプロセッサ206は、投げかけられた質問のデータ・フォーマットを検出し、例えば質問がサポートされているフォーマットかどうかなどの基本的なチェックを実施する。コグニティブ・アナライザ212は、クエリを解析し、コグニティブ・エンジン216、・・・、222との通信を扱い、最終的に回答をポストプロセッサ208に送信する。自然言語プロセッサ210は、コグニティブ・プロセスをサポートして、クエリおよび回答を解釈し、フォローアップの質問またはクエリあるいはその両方および最終的な回答を構築する。

0050

コグニティブ・アナライザ212は、試験質問(新しいコグニティブ・エンジンを評価するために使用される)および様々なコグニティブ・エンジン216、・・・、222での作業から経時的に収集された経験を記憶するためにデータ・ストア214を使用し、またコグニティブ・エンジン216、・・・、222で作業する際この情報を使用する。データ・ストア214は、コグニティブ・アナライザ212が、新しい概念および事実を、経時的に学習できることを保証する。

0051

ポストプロセッサ208は、与えられた回答/応答を要求される出力フォーマットに変換し、改善された応答をユーザ・インターフェース202に送信する。

0052

コグニティブ・アナライザ212はコグニティブ・モデレータ・エンジン204に配置され、プリプロセッサ206からの入力は十分に構造化されておらず、コグニティブ・アナライザ212がその入力を構造化する。テキストの入力の場合、コグニティブ・アナライザ212は以下のやり方で自然言語プロセッサ210を利用する。

0053

クエリの分割および割り当ての方法を適用するために、コグニティブ・モデレータ・エンジン204はクエリを分析して、それを例えば、以下のような基準によって区別され得る部分に分割する。

0054

地理学的な基準:質問を分割することは、応答の地理学的な正確性の利点を有していることがある。質問「世界規模で最もゴールを決めたのは、どのサッカー選手ですか?」は、例えば、「スイスで最もゴールを決めたのは、どのサッカー選手ですか?」、「イギリスで最もゴールを決めたのは、どのサッカー選手ですか?」に分割される。したがって、異なる地理学的な地域が次から次へと試される。

0055

センサ/アクチュエータ関連の基準:例えば、自動運転システムへの質問:「前方の車を追い越しますか?」など、複雑なシステム中のセンサ/アクチュエータの監視または制御を可能とするために、質問をサブ質問に分割することが実施されてもよい。コグニティブ・モデレータ・エンジン204は、そのような質問を分割して、他の可能な車を追跡するための光学センサに、利用可能な出力をチェックしているモータコントローラに、および急なカーブが差し迫っていないかどうかを確認するナビゲータ・システムに、分配する。

0056

主題による基準:質問をサブ質問に分割することは、クエリを論理的な部分に分割する概念に適用することもできる。質問を論理的な部分に分割するための方法は、自然言語処理に基づく。例えば、質問/クエリは:「宝くじに当たるのと、建物稲妻落ちるのはどちらが、可能性が高いか?」である場合がある。そのような質問は、「宝くじに当たる可能性はどれくらいか?」と「建物に稲妻が落ちる可能性はどれくらいか?」に分割することができる。次いで、断片的な質問がコグニティブ・エンジン216、・・・、222に送信される。1つの質問が複数のコグニティブ・エンジンに送信されてもよい。それぞれのコグニティブ・エンジンの選択は、ソリューションを最適化するために、コグニティブ・エンジンが有する機能(アルゴリズムについての訓練データに応じて)、および可用性に基づく。

0057

コグニティブ・アナライザ212についての有用な概念は、ナレッジ・グラフによって学習プロセスを促進することである。異なるエンティティが異なる関係性でリンクされ、例えば、人を関係性「誕生日」について日付でリンクすることができる。コグニティブ・モデレータ・エンジン204にとって新しい回答を処理する際、自然言語プロセッサ210は、ユーザ・インターフェース202からだけでなく、異なるコグニティブ・エンジン216、・・・、222からのフィードバックからの入力に基づいてナレッジ・グラフについて新しいエンティティおよびレーンを識別することができる。次いでナレッジ・グラフは将来的に、新しい応答をコグニティブ・モデレータ・エンジン204に対してより良く構造化するまたは分けるために、利用され得る。ナレッジ・グラフはデータ・ストア214、すなわちナレッジ・データベースに記憶される。

0058

十分な応答の統合および収束について、より包括的な理念を与えるために、以下の例を与えることができる:プロセスの統合ステップにおいて、コグニティブ・モデレータ・エンジンの回答は単一の回答、すなわち複数のコグニティブ・エンジンがある状況においてコグニティブ・エンジンのうちの1つのみによって与えられる回答、を考慮しない。この態様は、システム内に5つ以上のコグニティブ・エンジンが関与し得る場合に実装することができる。

0059

収束ステップにおいて、残りの応答(すなわち、ステートメント)は1つのステートメントに組み合わされるか、または結合される。コグニティブ・モデレータ・エンジンは、組み合わされたステートメントが自己一貫性、関連性、およびカバレッジの基準を充足するかどうかをチェックする。組み合わされたオンセットが3つの試験基準のいずれにも失敗する場合、コグニティブ・モデレータ・エンジンは、試験の失敗につながるステートメントの構築を避けて、組み合わされるステートメントを再構築する。

0060

以下は、分かりやすい例であり得る:「153について特別なことは何か?」

0061

6つのコグニティブ・エンジンによって、回答が与えられ得る:
A) 153は、1から17までの最初の整数の合計であり、153個のボールから三角形を形成する際、
B) 三角形はそれぞれ17個のボールの辺の長さを有する。
C) 153は、最初の5つの階乗の合計1!+2!+3!+4!+5!である。
D) 153は、数字三乗の合計13+53+33である
E) 毎時153マイル(246km)の奇跡的なピッチ
F) 車モデル153は特別である。
G)アラバマ州道153号線は特別である。

0062

また不足のある、または不十分な回答の除去は、コグニティブ・モデレータ・エンジンによって質問を再構築することにより実施することができる:数字153の一意な属性は何か?何によって他から153を区別するか?自己一貫性についてのチェックは以下を提供する:コグニティブ・エンジンD)、E)およびF)は、「数字153の一意な属性」を問う再構築された質問において同一の回答を与えない。

0063

関連性についてのチェック:回答として車のモデルを与えるコグニティブ・エンジンE)、およびハイウェイ番号を与えるコグニティブ・エンジンF)は、数字そのものについてのステートメントを作成していないため、関連性の試験に失敗した。コグニティブ・エンジンA)、B)およびC)からの回答だけが、試験を文法的に説明することができる。

0064

この例では、十分な回答の統合および収束は次の通りである:例であるため、すべての回答A)〜F)は第1のステップを通過したと仮定することができる。統合ステップは単一の回答E)、D)、およびF)を除去するが、これはこれらのステートメントは単一のコグニティブ・エンジンにより与えられただけであり、かつ他の回答とはどうやっても関連しないからである。収束ステップはコグニティブ・エンジンA)、B)、およびC)の回答は数値153の除外された表現であることをもたらす。収束された回答は:「数字153は、Σi(i=1〜17)=153、1!+2!+3!+4!+5!=153、および13+53+33=153といった様々な表現について特別である。」となり得る。

0065

図3は、方法100に関与する要素のブロック図300を時系列で示している。図面において、上から下へ向かって時間が経過するものと仮定することができる。一番左の破線は、異なる時点における、コグニティブ・モデレータ・エンジン204(図2の204と比較されたい)を表している。方法100の主要なフェーズは、水平方向の実線で分けられている。また3つのコグニティブ・エンジン216、218、220が関与していると仮定することができる。初めに、質問302が第1の部分、第2の部分、および第3の部分によって表される分割された質問304に分けられ、分割された質問304の下の破線上に四角表記され得るように、コグニティブ・モデレータ・エンジン204は、コグニティブ・エンジン216、218、220についての知識に基づいて質問またはクエリの分割を実施する。

0066

部分的な質問310に対して、第1の部分、第2の部分、および第3の部分用の部分的な応答312が、コグニティブ・エンジン216、218、220によって生成される。これはまた、ブロック306およびブロック306から延びる破線のタイムラインの数字1、2、3によっても表現されている。次のフェーズ314において、コグニティブ・モデレータ・エンジン204は、直接的に不足のあるまたは不十分な回答を除去し316、部分的な回答318を導く。代替的に、フェーズ314の次のステップで、コグニティブ・エンジン216、218、222によってピア・レビュー320が実施され、次の部分的な応答322が実現されてもよい。この次のステップは、フェーズ314内の水平な破線によって表記されている。この部分的なプロセスは、コグニティブ・モデレータ・エンジン204によって統制され、フェーズ314の最後の線のセット324および結果としての部分的な応答326によって表記される。

0067

最終的なフェーズ328において、コグニティブ・モデレータ・エンジン204は部分的な応答326を統合して、改善された応答または改善された回答308とする。

0068

コグニティブ・モデレータ・エンジン204は、エンジンの最初の評価から、また質問の分割および割り当てについての回答発見プロセスに対する以前の寄与から得られたコグニティブ・エンジン216、218、220についての知識を使用する。コグニティブ・エンジン216、218、220が回答312を与えた後、いずれかのコグニティブ・エンジン自身が不足のある不十分な回答を除去するか、またはピア・レビュー(コグニティブ・エンジンAがコグニティブ・エンジンBからの回答を評価する)からの結果が、除去ステップのために使用される。最終的に、コグニティブ・モデレータ・エンジン204は、部分的な回答326を改善された応答308に統合して収束させる。

0069

回答のフィルタリングを容易にするために、ピア・レビューおよび最初のクエリに関連する応答の収束が、図4に示されるように分析され、カテゴライズされる。図4のブロック図400は、ブロック402、404、406内のコグニティブ・モデレータ・エンジン204のタスク、ならびに矢印408、410、412、414、416、418によって表現されるコグニティブ・エンジン216、218、222との対話を含む。ボックス402、404、406のうちの1つからの外向きの矢印は、コグニティブ・モデレータ・エンジン204からコグニティブ・エンジン216、218、222のうちの少なくとも1つへの信号フローを表しており、ボックス402、404、406のうちの1つへの内向きの矢印はコグニティブ・モデレータ・エンジン204からコグニティブ・エンジン216、218、222のうちの少なくとも1つからの信号フローを表している。

0070

特に、矢印408は質問がコグニティブ・エンジン216、218、222のうちの1つへ渡されたことを表している。矢印410はコグニティブ・エンジン216、218、222からの複数の回答の受信を表している。矢印412は、コグニティブ・エンジン216、218、222のうちの少なくとも1つからの制御の質問/コグニティブ・エンジン216、218、222のうちの少なくとも1つによるピア・レビューの問いかけを表している。矢印414は、ピア・フィードバックの受信された回答を表している。矢印416は検証質問を問いかけることを表しており、矢印418は関連する複数の回答を表している。

0071

統合および収束アルゴリズムは、次のように構成され、コグニティブ・エンジン216、218、222がコグニティブ・モデレータ・エンジン204によって提示された質問に回答すると、モデレータ(コグニティブ・モデレータ・エンジン204の省略形)はナレッジ・グラフの形態の知識を利用して複数の回答を相対的に評価する。評価は、ナレッジ・グラフを使用して回答を合成するために、外れ値である回答を特定し、関連する回答をグループ化する。この情報を使用して、コグニティブ・モデレータ・エンジンは、単一のインスタンスからはい/いいえの回答を得るために構築される、合成された回答を評価するための第2の質問に回答する。回答は再度評価され、合成回答を調査する質問は、コグニティブ・エンジン216、218、222が共通のステートメントに合意するまで再反復される。共通のステートメントについての合意は、ユーザ定義の51%から100%の範囲のしきい値に依存しており、しきい値100%とは、コグニティブ・エンジン216、218、222のすべてが「はい」と回答するか、またはそのすべてが「いいえ」と回答することを意味している。

0072

モデレータは、与えられた回答にポストプロセスを行い、レーティングを適用することにより単一のコグニティブ・エンジンの「ナレッジ・ギャップ」を見つけ出す。レーティングはエンジン特有であり、主題(例えば、微生物学暗号化手法・・・)によって分類される複数の次元を有している。レーティングは、訓練データおよびエンジンが更新される都度、すなわちそれぞれのエンジンが主題特有の信頼水準(confidence level)を受信する都度、既知の回答を伴う一連の質問で評価される。このシナリオにおいて、レーティングは、単一エンジンの回答を重みづけされた平均(重みがレーティングである)と組合せることによって、はい/いいえの質問に対する正しい回答を見つけ出すために使用される。単一エンジンの「ナレッジ・ギャップ」は、最も簡単な構成においてモデレータによって正しい回答で作成された質問である訓練データを追加することによって満たされる。この点において、モデレータの第1のレベルの質問に対するすべてのエンジンの回答がすべて一貫するまで、すなわち回答同士の相対的な評価に外れ値がなくなるまで、プロセスは反復様式で繰り返される。

0073

図5はコグニティブ・モデレータ・エンジンの階層500の実施形態のブロック図を示している。ここでは、コグニティブ・モデレータ・エンジンは上位レベルに配置されているだけでなく、下位レベルにも配置されている。上で議論したように、ユーザ・インターフェース202が、レベル1でコグニティブ・モデレータ504に接続されている。しかしながら、位置508では、期待されるコグニティブ・エンジン2の代わりに、別のコグニティブ・モデレータ508が存在しており、コグニティブ・エンジン514、・・・、520に接続されている。上位レベルにあるコグニティブ・モデレータ504は、他のあらゆるコグニティブ・エンジンのように第2のレベルでコグニティブ・モデレータ・エンジン508に接続されている。場合によっては、コグニティブ・モデレータ504は、通信相手の1つがコグニティブ・エンジンの代わりにコグニティブ・モデレータであることを認識しない。図2のコンテキストにおいて説明したように、コグニティブ・エンジン506、510、・・・、512はレベル1のコグニティブ・モデレータ504に接続されている。

0074

図6で示したように、コグニティブ・モデレータ・エンジンの階層600の概念は、さらなるレベルに拡大することもできる。コグニティブ・モデレータ・エンジン504、608、610、612、614は、第1レベルおよび第2レベルに配置されているだけでなく、下位レベルにも配置されている。ユーザ・インターフェース202には変更がないままである。分かりやすくするため、コグニティブ・モデレータ・エンジン(CM:cognitive moderator engine)およびコグニティブ・エンジン(CE:cognitive engine)を符号なしに示す。当業者であれば、コグニティブ・モデレータおよびコグニティブ・エンジンのより複雑な階層を想像することができよう。

0075

一般的なやり方として、以下の規則を反映することができる限り、コグニティブ・モデレータ(コグニティブ・モデレータ・エンジンの省略形)およびコグニティブ・エンジンをあらゆる可能なツリー構造配置構成することができる:(1)ルート位置はUIに接続されるコグニティブ・モデレータ・エンジンでなければならない。(2)すべての葉の位置はコグニティブ・インスタンスでなければならない。(3)葉の位置はコグニティブ・エンジンであってもよい。(4)それぞれのコグニティブ・モデレータ・エンジンは、次の下位レベルの少なくとも2つのオブジェクトと接続され、またより上のレベルの1つのコグニティブ・モデレータ・エンジンに接続される。

0076

図7は、上図と比較した場合の別の態様の下、2つの異なるコグニティブ・エンジン602、604からのクエリに改善された応答を生成するためのシステムの統合したブロック図を示している。システムは、クエリまたは質問を受信するように構成されるユーザ・インターフェース202と、コグニティブ・モデレータ・エンジン204とを備え、コグニティブ・モデレータ・エンジン204は、クエリを異なる特徴を有する2つのコグニティブ・エンジン702、704に割り当てるように構成される割り当てユニット706と、、2つのコグニティブ・エンジン702、704のそれぞれからの応答を受信するように構成される受信ユニット708と、応答を比較するように構成される比較モジュール710と、応答同士の間の差異が所定のしきい値を上回ると査定することに応答して応答調停プロセスを実施するように構成される査定モジュール712と、を備える。

0077

応答調停プロセスを実施することは、コグニティブ・エンジン702、704のうちの第1のエンジンの応答をコグニティブ・エンジン702、704のうちの第2のエンジンに与えること、応答の少なくとも2つの共通の概念を決定すること、および/または応答およびナレッジ・データベースから第2の質問を生成してそれをコグニティブ・エンジンの他の1つに割り当てること、を含む。

0078

コグニティブ・モデレータ・エンジン204はまた、差異が所定のしきい値を下回るようになるまで、割り当てユニット706、受信ユニット708、比較モジュール710、および査定モジュール712をアクティブ化するように構成される。システムはまた、改善された応答308を生成するために、最終応答として応答のうちの1つを選択するように構成される選択ユニット714を備える(図3と比較されたい)。

0079

本発明の実施形態は、プログラム・コードを記憶または実行あるいはその両方を行うための適切なプラットフォームに関わらず、仮想的なあらゆるタイプのコンピュータとともに実装することができる。図8は、例として、提案される方法に関連するプログラム・コードを実行するために適切なコンピューティング・システム800を示している。コンピューティング・システム800は、クエリに対する改善された応答を2つの異なるコグニティブ・エンジンから生成するためのシステムについて、主に入力/出力エンジンとして使用され得ることに留意されたい。

0080

コンピューティング・システム800は、適切なコンピュータ・システムのただの一例であり、本明細書で説明される本発明の実施形態の使用または機能性の範囲に関していかなる制限を提案するように意図されていない。とにかく、コンピュータ・システム800は、本明細書で上述の機能性のあらゆるものを実装することができるか、または実施することができるか、あるいはその両方である。コンピュータ・システム800には、多くの他の汎用または特殊目的の、コンピューティング・システム環境または構成で動作可能である、コンポーネントが存在する。コンピュータ・システム/サーバ800での使用に適切であり得る良く知られているコンピューティング・システム、環境、または構成あるいはそれらの組合せの例は、パーソナル・コンピュータ・システム、サーバ・コンピュータ・システム、シンクライアントシック・クライアント、ハンドヘルドまたはラップトップのデバイス、マルチ・プロセッサ・システム、マイクロプロセッサベースのシステム、セット・トップ・ボックス、プログラム可能家庭用電子機器ネットワークPC、ミニ・コンピュータ・システム、メインフレーム・コンピュータ・システム、および上記システムまたはデバイスのいずれかを含むデバイス分散クラウド・コンピューティング環境などを含むがそれに限定しない。コンピュータ・システム/サーバ800は、コンピュータ・システム800によって実行されるプログラム・モジュールなどのコンピュータ・システム実行可能命令の一般的なコンテキストで説明され得る。一般的に、プログラム・モジュールは、特定のタスクを実施するか、または特定の抽象的なデータ・タイプを実装する、ルーチン、プログラム、オブジェクト、コンポーネント、ロジックデータ構造などを含むことができる。コンピュータ・システム/サーバ800は、タスクが通信ネットワークを通じてリンクされたリモート処理デバイスによって実施される分散クラウド・コンピューティング環境において実用化することができる。分散クラウド・コンピューティング環境において、プログラム・モジュールはローカルおよびリモートの両方のメモリ記憶デバイスを含むコンピュータ・システム記憶媒体に配置することができる。

0081

図面において示されるように、コンピュータ・システム/サーバ800が汎用コンピューティング・デバイスの形態で示されている。コンピュータ・システム/サーバ800のコンポーネントは、1つまたは複数のプロセッサまたは処理ユニット802、システム・メモリ804、およびシステム・メモリ804を含む様々なシステム・コンポーネントをプロセッサ802に連結するバス806を含むことができるが、それに限定されない。バス806は、バス構造のいくつかのタイプのうちの任意の1つまたは複数を表しており、メモリ・バスまたはメモリ・コントローラ、周辺バスアクセラレーテッドグラフィックスポート、およびプロセッサまたは様々なバス・アーキテクチャのいずれかを使用するローカル・バスを含む。限定ではなく例として、そのようなアーキテクチャはインダストリスタンダード・アーキテクチャ(ISA)バス、マイクロ・チャネル・アーキテクチャ(MCA)バス、エンハンストISA(EISA)バス、Video Electronics StandardsAssociation(VESA)ローカル・バス、およびPeripheral Component Interconnect(PCI)バスを含む。コンピュータ・システム/サーバ800は、典型的には様々なコンピュータ・システム可読媒体を含む。そのような媒体は、コンピュータ・システム/サーバ800によってアクセス可能なあらゆる利用可能な媒体であることができ、揮発性および非揮発性の媒体、ならびにリムーバブルおよび非リムーバブルの媒体の両方を含む。

0082

システム・メモリ804は、ランダム・アクセス・メモリ(RAM)808またはキャッシュ・メモリ810あるいはその両方などの揮発性メモリの形態のコンピュータ・システム可読媒体を含むことができる。コンピュータ・システム/サーバ800は、他のリムーバブル/非リムーバブルの、揮発性/非揮発性のコンピュータ・システム記憶媒体をさらに含むことができる。単なる例として、非リムーバブル、非揮発性の磁気媒体(典型的には「ハードドライブ」と称され、図示せず)からの読み取りおよびそれへの書き込みのための記憶装置システム812を設けることができる。図示していないが、リムーバブル、非揮発性の磁気ディスク(例えば、「フロッピーディスク」)からの読み取りおよびそれへの書き込みのための磁気ディスク・ドライブ、CD−ROM、DVD−ROMまたは他の光学媒体などのリムーバブル、非揮発性の光学ディスクからの読み取りおよびそれへの書き込みのための光学ディスク・ドライブを設けることができる。そのような事例において、それぞれは1つまたは複数のデータ媒体インターフェースによってバス806へ接続することができる。以下でさらに描写され説明されるように、メモリ804は、本発明の実施形態の機能を実行するように構成されるプログラム・モジュールのセット(例えば、少なくとも1つ)を有する少なくとも1つのプログラム製品を含むことができる。

0083

プログラム・モジュール816のセット(少なくとも1つ)を有するプログラム/ユーティリティは、限定ではなく例として、メモリ804に記憶することができ、オペレーティング・システム、1つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データも同様である。オペレーティング・システムのそれぞれ、1つまたは複数のアプリケーション・プログラム、他のプログラム・モジュール、およびプログラム・データまたはそのいくつかの組合せは、ネットワーク環境の実装を含むことができる。プログラム・モジュール816は、一般的に本明細書において説明されるような本発明の実施形態の、機能または方法あるいはその両方を実行する。

0084

コンピュータ・システム/サーバ800はまた、キーボードポインティング・デバイス、ディスプレイ820、などの1つもしくは複数の外部デバイス818、ユーザがコンピュータ・システム/サーバ800と対話できるようにする1つもしくは複数のデバイス、またはコンピュータ・システム/サーバ800が1つもしくは複数の他のコンピューティング・デバイスと通信できるようにするあらゆるデバイス(例えば、ネットワーク・カードモデムなど)あるいはその組合せと通信することができる。そのような通信は入力/出力(I/O)インターフェース814を介して行うことができる。さらになお、コンピュータ・システム/サーバ800は、ローカル・エリア・ネットワーク(LAN)、一般的なワイド・エリア・ネットワーク(WAN)、またはネットワーク・アダプタ822を介するパブリック・ネットワーク(例えば、インターネット)あるいはその組合せなどの1つまたは複数のネットワークと通信することができる。描写されるように、ネットワーク・アダプタ822は、バス806を介してコンピュータ・システム/サーバ800の他のコンポーネントと通信することができる。図示していないが、他のハードウェアまたはソフトウェアあるいはその両方のコンポーネントが、コンピュータ・システム/サーバ800と併せて使用することができることが理解されるべきである。例として、マイクロコード、デバイス・ドライバ冗長化処理ユニット、外部ディスク・ドライブ・アレイ、RAIDシステム、テープ・ドライブ、およびデータ・アーカイブ記憶装置システムなどが挙げられるが、それに限定されない。

0085

追加的に、クエリに対する改善された応答を2つの異なるコグニティブ・エンジンから生成するためのシステム800は、バス・システム806に接続されていても良い。

0086

例示を目的として本発明の様々な実施形態の説明を提示してきたが、網羅的であること、または開示された実施形態に限定することは意図されていない。説明された実施形態の範囲および思想から逸脱することなく、多くの修正形態および変形形態が当業者にとって明らかとなろう。本明細書において使用される用語法は、実施形態の原理実践的な用途もしくは市場で見られる技術に対する技術的な改善を最良に説明するため、または当業者の他の者が本明細書において開示される実施形態を理解できるように選ばれたものである。

0087

本発明は、システム、方法、またはコンピュータ・プログラム製品あるいはその組合せとして具体化することができる。コンピュータ・プログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を有するコンピュータ可読記憶媒体を含むことができる。

0088

媒体は、電子的、磁気的、光学的、電磁気的、赤外、または伝搬媒体用の半導体システムであってもよい。コンピュータ可読媒体の例としては、半導体またはソリッド・ステートのメモリ、磁気テープ、リムーバブルのコンピュータ・ディスケット、ランダム・アクセス・メモリ(RAM)、読み取り専用メモリ(ROM)、剛性の磁気ディスク、および光学ディスクを挙げることができる。光学ディスクの現在の例としては、コンパクト・ディスク読み取り専用メモリ(CD−ROM)、コンパクト・ディスク読み取り/書き込み(CD−R/W)、DVDおよびBlu−Rayディスクが挙げられる。

0089

コンピュータ可読記憶媒体は、命令実行デバイスによる使用のための命令を保持および記憶することができる有形のデバイスであり得る。コンピュータ可読記憶媒体は、例えば、電子記憶装置デバイス、磁気記憶装置デバイス、光学記憶装置デバイス、電磁気記憶装置デバイス半導体記憶装置デバイスまたは前述のあらゆる適切な組合せであってもよいが、それに限定はしない。コンピュータ可読記憶媒体のより具体的な例の非網羅的な列挙としては、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ(RAM)、読み取り専用メモリ(ROM)、消去可プログラマブル読み取り専用メモリ(EPROMまたはフラッシュ・メモリ)、静的ランダム・アクセス・メモリ(SRAM)、ポータブル・コンパクト・ディスク読み取り専用メモリ(CD−ROM)、デジタル多用途ディスク(DVD)、メモリ・スティック、フロッピー・ディスク、命令を記録されて有するパンチカードまたは溝に刻まれた構造などの機械的にエンコードされたデバイス、および前述のあらゆる適切な組合せ、を含む。本明細書において使用される場合、コンピュータ可読記憶媒体は、電波または他の自由に伝搬する電磁波、導波路もしくは他の送信媒体(例えば、光ファイバケーブルを通過する光パルス)を介して伝搬する電磁波、または電線を介して送信される電気的信号など、一過性の信号そのものであると解釈されてはならない。

0090

本明細書において説明されるコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から、個別のコンピューティング/処理デバイスに、あるいは、例えばインターネット、ローカル・エリア・ネットワーク、ワイド・エリア・ネットワークもしくは無線ネットワークまたはその組合せなどのネットワークを介して、外部のコンピュータもしくは外部の記憶装置デバイスに、ダウンロードすることができる。ネットワークは、銅の送信ケーブル、光学送信ファイバ無線送信ルータファイヤウォール、スイッチ、ゲートウェイ・コンピュータまたはエッジ・サーバあるいはその組合せを備えることができる。それぞれのコンピューティング/処理デバイスのネットワーク・アダプタ・カードまたはネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、個別のコンピューティング/処理デバイス内のコンピュータ可読記憶媒体に記憶するためにコンピュータ可読プログラム命令を転送する。

0091

本発明の動作を実施するためのコンピュータ可読プログラム命令は、アセンブラ命令命令セットアーキテクチャ(ISA)命令、機械命令機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、あるいはスモールトーク(R)、C++などのオブジェクト指向プログラミング言語、および「C」プログラミング言語などの従来的な手続き型プログラミング言語もしくは類似するプログラミング言語、を含む1つまたは複数のプログラミング言語のあらゆる組合せで記述された、ソース・コードまたはオブジェクト・コードのいずれかであってもよい。コンピュータ可読プログラム命令は、すべてユーザのコンピュータ上で、一部はユーザのコンピュータ上でスタンドアロンのソフトウェア・パッケージとして、一部はユーザのコンピュータ上かつ一部は遠隔のコンピュータ上で、またはすべて遠隔のコンピュータ上もしくはサーバ上で、実行することができる。後者のシナリオにおいて、遠隔のコンピュータは、ローカル・エリア・ネットワーク(LAN)もしくはワイド・エリア・ネットワーク(WAN)を含むあらゆるタイプのネットワークを介してユーザのコンピュータに接続することができるか、または接続は外部のコンピュータ(例えば、インターネット・サービス・プロバイダを使用するインターネットを介して)に対してなされてもよい。一部の実施形態において、例えば、プログラマブル論理回路フィールドプログラマブルゲート・アレイ(FPGA)、またはプログラマブル論理アレイPLA)を含む電子回路は、本発明の態様を実施するために、コンピュータ可読プログラム命令の状態情報を利用することによって、コンピュータ可読プログラム命令を実行して電子回路を個別化することができる。

0092

本発明の態様は本発明の実施形態による方法、装置(システム)、およびコンピュータ・プログラム製品のフローチャート図またはブロック図あるいはその両方を参照しながら本明細書において説明される。フローチャート図またはブロック図あるいはその両方のそれぞれのブロック、およびフローチャート図またはブロック図あるいはその両方におけるブロックの組合せは、コンピュータ可読プログラム命令によって実装され得ることが理解されよう。

0093

これらのコンピュータ可読プログラム命令は、コンピュータまたは他のプログラマブル・データ処理装置のプロセッサを介して実行する命令が、フローチャートまたはブロック図あるいはその両方のブロックに指定される機能/作用を実装する手段を作成すべく、汎用コンピュータ、特殊目的コンピュータ、または他のプログラマブル・データ処理装置のプロセッサに提供されて機械を作るものであってよい。これらのコンピュータ可読プログラム命令はまた、命令を記憶して有するコンピュータ可読記憶媒体が、フローチャートまたはブロック図あるいはその両方のブロックに指定される機能/作用の態様を実装するための命令を含む製造物品を備えるべく、コンピュータ、プログラマブル・データ処理装置、または他のデバイスあるいはその組合せに特定のやり方で機能するように指示することができるコンピュータ可読記憶媒体に記憶されてもよい。

0094

コンピュータ可読プログラム命令はまた、コンピュータ、他のプログラマブル装置、または他のデバイスで実行する命令が、フローチャートまたはブロック図あるいはその両方のブロックに指定される機能/作用を実装するべく、コンピュータ実装処理を作るために、コンピュータ、他のプログラマブル・データ処理装置、または他のデバイス上にロードされ、コンピュータ、他のプログラマブル装置、または別のデバイス上で一連の動作可能なステップを実施させるものであってもよい。

0095

図面中のフローチャートまたはブロック図あるいはその両方は、本発明の様々な実施形態にしたがって、システム、方法、およびコンピュータ・プログラム製品の可能な実装形態の、アーキテクチャ、機能性、および動作を図示している。この点において、フローチャートまたはブロック図のそれぞれのブロックは、指定される論理機能を実装するための1つまたは複数の実行可能な命令を含む、命令のモジュール、セグメント、または部分を表現することができる。一部の代替的な実装形態において、ブロックにおいて示した機能は図面で示した順とは異なって発生してもよい。例えば、連続して示される2つのブロックは、実際には実質的に同時に実行されてもよく、またはブロックは関与する機能性によっては、時に逆の順で実行されてもよい。ブロック図またはフローチャート図あるいはその両方のそれぞれのブロック、およびブロック図またはフローチャート図あるいはその両方のブロックの組合せは、指定される機能もしくは作用を実施する、または特殊目的ハードウェアおよびコンピュータ命令の組合せを実行する、特殊目的ハードウェア・ベースのシステムによって実装され得ることにも留意されたい。

0096

本明細書で使用される用語法は、特定の実施形態を説明するためだけのものであり、本発明を限定することを意図されていない。本明細書で使用される場合、コンテキストが明確にそうではないと指示しない限り、単数形「1つの(a)」、「1つの(an)」および「その(the)」は複数形を同様に含むように意図されている。用語「を含む(comprises)」または「を含む(comprising)」あるいはその両方は、本明細書で使用される場合、述べられた特徴、整数、ステップ、動作、要素、またはコンポーネントあるいはその組合せの存在を特定するが、1つまたは複数の他の特徴、整数、ステップ、動作、要素、コンポーネントまたはそのグループあるいはその組合せの、存在または追加を排除しないことが、さらに理解されよう。

0097

以下の特許請求の範囲における、対応する構造、材料、作用、およびすべての手段またはステップ・プラスファンクション要素の等価物は、具体的に特許請求されるように、他の特許請求される要素と組合せて機能を実施するために、あらゆる構造、材料、または作用を含むことを意図されている。例示および説明を目的として、本発明の説明を提示してきたが、網羅的であること、または開示された形式の発明に限定することは意図されていない。本発明の範囲および思想から逸脱することなく、多くの修正形態および変形形態が当業者にとって明らかとなろう。実施形態は、本発明の原理および実践的な用途を最良に説明するために選ばれ説明されたものであり、企図される特定の使用に適した様々な修正形態を伴う様々な実施形態のために本発明を、当業者の他の者に理解させることができる。

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

  • 株式会社日立製作所の「 検索支援システム、及び検索支援方法」が 公開されました。( 2021/09/30)

    【課題】ユーザによる情報検索を容易にする検索支援システム及び検索支援方法を提供する。【解決手段】検索支援システム1は、1又は複数の項目と、その項目の内容を示す情報とを対応づけた検索対象情報を作成するデ... 詳細

  • 株式会社日立製作所の「 画像取得装置及び画像取得方法」が 公開されました。( 2021/09/30)

    【課題】パンチアウト先の運用負荷を低減しつつ、認証が必要なWebページからも画像を収集して商品と商品画像との紐づけ精度を向上させる。【解決手段】画像取得装置は、商品を特定する商品特定情報と、商品につい... 詳細

  • カシオ計算機株式会社の「 情報処理装置、表示方法、及びプログラム」が 公開されました。( 2021/09/30)

    【課題】入力された語句と該語句に関する詳細情報とを表示する情報処理装置において、現在表示されている語句と以前に表示されていた語句との対応関係を把握しやすくする。【解決手段】情報処理装置1は、入力情報に... 詳細

この 技術と関連性が強い技術

関連性が強い 技術一覧

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