特開 2024-167903 データを分類するための装置及びコンピュータ実装された方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024167903

(43)【公開日】2024-12-04

(54)【発明の名称】データを分類するための装置及びコンピュータ実装された方法

(51)【国際特許分類】

   G06N 20/00 20190101AFI20241127BHJP

【ＦＩ】

G06N20/00

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

【外国語出願】

(21)【出願番号】P 2024082384

(22)【出願日】2024-05-21

(31)【優先権主張番号】10 2023 204 764.0

(32)【優先日】2023-05-22

(33)【優先権主張国・地域又は機関】DE

(71)【出願人】

【識別番号】390023711

【氏名又は名称】ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング

【氏名又は名称原語表記】ＲＯＢＥＲＴ ＢＯＳＣＨ ＧＭＢＨ

【住所又は居所原語表記】Ｓｔｕｔｔｇａｒｔ， Ｇｅｒｍａｎｙ

(74)【代理人】

【識別番号】100114890

【弁理士】

【氏名又は名称】アインゼル・フェリックス＝ラインハルト

(74)【代理人】

【識別番号】100098501

【弁理士】

【氏名又は名称】森田 拓

(74)【代理人】

【識別番号】100116403

【弁理士】

【氏名又は名称】前川 純一

(74)【代理人】

【識別番号】100134315

【弁理士】

【氏名又は名称】永島 秀郎

(74)【代理人】

【識別番号】100162880

【弁理士】

【氏名又は名称】上島 類

(72)【発明者】

【氏名】ウェイ チョウ

(72)【発明者】

【氏名】ハイケ アーデル－ヴー

(72)【発明者】

【氏名】ヘンドリク シュフ

(72)【発明者】

【氏名】ゴック タン ヴー

(57)【要約】

【課題】データを分類するための装置及びコンピュータ実装された方法に関する。
【解決手段】本装置及び本方法においては、第１の分類が、データに依存して第１のモデルを用いて決定され、データの分類すべき部分（１１０）について、分類への各部分の寄与についてのそれぞれ１つの尺度が決定され、データは、部分について決定された尺度に依存して確定される、部分のうちの少なくとも１つの部分だけ補完され、分類すべき部分（１１０）のうちの少なくとも１つの部分は、分類すべき部分（１１０）のうちの他の部分よりも多く第１の分類に寄与し、第２の分類が、部分のうちの少なくとも１つの部分だけ補完されたデータに依存して第１のモデル又は第２のモデルを用いて決定される。
【選択図】図１

【特許請求の範囲】

【請求項1】

データを分類するためのコンピュータ実装された方法において、
第１の分類が、データに依存して第１のモデルを用いて決定され（２０４）、
前記データの分類すべき部分（１１０）について、分類への各部分の寄与についてのそれぞれ１つの尺度が決定され（２０６）、
前記データは、前記部分について決定された尺度に依存して確定される、前記部分のうちの少なくとも１つの部分だけ補完され（２０８）、
前記分類すべき部分（１１０）のうちの少なくとも１つの部分は、前記分類すべき部分（１１０）のうちの他の部分よりも多く前記第１の分類に寄与し、
第２の分類が、前記部分のうちの少なくとも１つの部分だけ補完されたデータに依存して前記第１のモデル又は第２のモデルを用いて決定される（２１０）
ことを特徴とする方法。

【請求項2】

前記データの前記分類すべき部分（１１０）は、技術システムの状態を表し、前記第１の分類は、前記技術システムの状態についての第１のクラスと、前記技術システムの状態についての第２のクラスとを含み、前記第２の分類は、前記第１のクラスと前記第２のクラスとを含み、前記状態は、前記第２の分類に依存して決定される（２１２）、
請求項１に記載の方法。

【請求項3】

前記第２の分類は、前記第２のモデルを用いて決定され（２１０）、前記第１のモデルは、前記技術システムのデータを分類するためにトレーニングされており又はトレーニングされ、前記第２のモデルは、前記技術システムに依存することなく事前にトレーニングされており又は事前にトレーニングされる、
請求項２に記載の方法。

【請求項4】

前記第１のモデル及び／又は前記第２のモデルは、微分可能なモデル、特に変換モデルを含む、
請求項１乃至３のいずれか一項に記載の方法。

【請求項5】

前記データは、前記分類が決定されるタスクを定義する少なくとも１つの部分を含む、
請求項１乃至４のいずれか一項に記載の方法。

【請求項6】

前記データは、マスクを用いてマスキングされている少なくとも１つの部分を含み、前記第１のモデル及び／又は前記第２のモデルは、前記マスクを用いてマスキングされた部分を、前記第１の分類に依存して又は前記第２の分類に依存して決定するように構成されている、
請求項１乃至５のいずれか一項に記載の方法。

【請求項7】

前記データは、クラスに関連する少なくとも１つの部分を含み、前記第１のモデル及び／又は前記第２のモデルは、前記マスクを用いてマスキングされた部分を、前記クラスに関連する少なくとも１つの部分に依存して、前記第１の分類又は前記第２の分類から選択するように構成されている（２１２）、
請求項６に記載の方法。

【請求項8】

前記データは、前記データの前記分類すべき部分の予め設定された数又は予め設定された割合だけ補完される（２０８）、
請求項１乃至７のいずれか一項に記載の方法。

【請求項9】

前記データは、少なくとも１つのエンティティ又は知識グラフからの関係に割り当てられた一部を含み、前記少なくとも１つのエンティティ及び／又は関係を含む前記知識グラフ用のエントリは、前記第２の分類に依存して決定される（２１２）、
請求項１乃至８のいずれか一項に記載の方法。

【請求項10】

前記第２の分類に依存して、特に前記技術システムのアクチュエータを駆動制御するための信号が決定される（２１２）、
請求項１乃至９のいずれか一項に記載の方法。

【請求項11】

データを分類するための装置（１００）において、
前記装置（１００）は、
少なくとも１つのプロセッサ（１０２）と、
少なくとも１つのメモリ（１０４）と、
を含み、
前記少なくとも１つのメモリ（１０４）は、前記少なくとも１つのプロセッサ（１０２）によって実行可能な命令を含み、
前記命令が前記少なくとも１つのプロセッサ（１０２）によって実行されるときに、前記装置（１００）は、請求項１乃至１０のいずれか一項に記載の方法を実施することを特徴とする、装置（１００）。

【請求項12】

前記装置（１００）は、前記データの分類すべき部分（１１０）を捕捉するためのセンサ（１０８）を含み、若しくは、前記データの前記分類すべき部分（１１０）をインタフェース（１０６）において受信するように構成されており、又は、
前記装置（１００）は、信号（１１８）を用いて前記装置（１００）により駆動制御可能な特に技術システム（１１２）のアクチュエータ（１１６）を備え、若しくは、特に技術システム（１１２）のアクチュエータ（１１６）を駆動制御するための信号（１１８）を、インタフェース（１１４）を介して出力するように構成されている、
請求項１１に記載の装置（１００）。

【請求項13】

プログラムであって、前記プログラムは、コンピュータによって実行可能な命令を含み、前記命令が前記コンピュータによって実行されるときに、請求項１乃至１０のいずれか一項に記載の方法が実施されることを特徴とする、プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

従来技術
本発明は、データを分類するための装置及びコンピュータ実装された方法に関する。

【背景技術】

【0002】

データの分類は、技術システムの自動化のために使用可能である。

【発明の概要】

【発明が解決しようとする課題】

【0003】

発明の開示
独立請求項に記載のコンピュータ実装された方法及び装置により、データの分類は、データに関する付加的な知識に基づいて行われる。

【課題を解決するための手段】

【0004】

データを分類するためのコンピュータ実装された方法は、第１の分類が、データに依存して第１のモデルを用いて決定され、データの分類すべき部分について、分類への各部分の寄与についてのそれぞれ１つの尺度が決定され、データは、部分について決定された尺度に依存して確定される、部分のうちの少なくとも１つの部分だけ補完され、分類すべき部分のうちの少なくとも１つの部分は、分類すべき部分のうちの他の部分よりも多く第１の分類に寄与し、第２の分類は、部分のうちの少なくとも１つの部分だけ補完されたデータに依存して第１のモデル又は第２のモデルを用いて決定されることを想定する。この尺度は、それぞれ分類すべき部分の顕著性を表す。第２の分類は、付加的に、分類すべき部分のうちの最も顕著なもの、又は、元の分類すべき部分のうちから最も顕著な分類すべき部分を使用する。これにより、第２の分類は、第１の分類よりも改善される。

【0005】

データの分類すべき部分は、技術システムの状態を表し、第１の分類は、技術システムの状態についての第１のクラスと、技術システムの状態についての第２のクラスとを含み、第２の分類は、第１のクラスと第２のクラスとを含み、状態は、第２の分類に依存して決定されることが想定されるものとしてよい。これらのデータは、例えば、技術システムによって自動的に生成される報告である。例えば、これらのデータを含むログファイルが設けられている。第１のクラスは、例えば、技術システムの不良状態に割り当てられている。第２のクラスは、例えば、技術システムの正常状態に割り当てられている。これらのクラスは、他の状態について、例えば、技術システムの各不良状態又は該当する部分の異常又は微分情報について設けられるものとしてもよい。

【0006】

第２の分類は、第２のモデルを用いて決定され、第１のモデルは、技術システムのデータを分類するためにトレーニングされており又はトレーニングされ、第２のモデルは、技術システムに依存することなく事前にトレーニングされており又は事前にトレーニングされることが想定されるものとしてよい。顕著性は、技術システムのためにトレーニングされた第１のモデルを用いて決定される。第２のモデルは、技術システムのために特別にトレーニングされているものとしてもよいが、必ずしも技術システムのために特別にトレーニングされている必要はない。

【0007】

第１のモデル及び／又は第２のモデルは、微分可能なモデル、特に変換モデルを含むことが想定されるものとしてよい。これらを用いることにより、顕著性が特に良好に決定可能である。

【0008】

データは、分類が決定されるタスクを定義する少なくとも１つの部分を含むことが想定されるものとしてよい。このタスクは、第１のモデルが当該タスク固有の第１の分類を出力するように影響を受けるために、又は、第２のモデルが当該タスク固有の第２の分類を出力するように影響を受けるために、使用されるプロンプトである。

【0009】

データは、マスクを用いてマスキングされている少なくとも１つの部分を含み、第１のモデル及び／又は第２のモデルは、マスクを用いてマスキングされた部分を、第１の分類に依存して又は第２の分類に依存して決定するように構成されることが想定されるものとしてよい。これは、第１のモデル及び／又は第２のモデルが、マスキングされた言語モデルとして、すなわち、マスキングされた言語モデル（英語：Masked Language Model）として構成されるものとしてよいことを意味する。

【0010】

データは、クラスに関連する少なくとも１つの部分を含み、第１のモデル及び／又は第２のモデルは、マスクを用いてマスキングされた部分を、クラスに関連する少なくとも１つの部分に依存して、第１の分類又は第２の分類から選択するように構成されることが想定されるものとしてよい。クラスに関連する少なくとも１つの部分は、例えば、マスキングされた言語モデルのための表現部である。第１の分類及び第２の分類は、マスクを用いてマスキングされた部分についての可能な解決手段を予め設定する。表現部により、第１の分類又は第２の分類におけるマスクを用いてマスキングされた部分のための解決手段は、表現部のクラスに関連する解決手段を含む可能なすべての解決手段のサブセットのみから選択される。これにより、分類を付加的に改善又は設定することができる。

【0011】

好適には、データは、データの分類すべき部分の予め設定された数又は予め設定された割合だけ補完される。これにより、分類を付加的に改善又は設定することができる。

【0012】

データは、知識グラフからの少なくとも１つのエンティティ又は関係に割り当てられた一部を含み、ここで、少なくとも１つのエンティティ及び／又は関係を含む知識グラフ用のエントリは、第２の分類に依存して決定されることが想定されるものとしてよい。２つのエンティティ及び１つの関係は、知識グラフにおける事実を表す。これは、第２の分類を用いて、知識グラフに追加される事実が決定されることを意味する。

【0013】

第２の分類に依存して、特に技術システムのアクチュエータを駆動制御するための信号が決定されることが想定されるものとしてよい。これにより、技術システムは、第２の分類に依存して影響を与えることが可能である。

【0014】

データを分類するための装置は、少なくとも１つのプロセッサと、少なくとも１つのメモリとを含み、少なくとも１つのメモリは、少なくとも１つのプロセッサによって実行可能な命令を含み、当該命令が少なくとも１つのプロセッサによって実行されるときに、本装置は、本方法を実行する。本装置は、本方法の利点に相当する利点を有する。

【0015】

装置は、データを捕捉するためのセンサを含み、若しくは、データをインタフェースにおいて受信するように構成されており、又は、装置は、信号を用いて当該装置により駆動制御可能な特に技術システムのアクチュエータを備え、若しくは、特に技術システムのアクチュエータを駆動制御するための信号を、インタフェースを介して出力するように構成されることが想定されるものとしてよい。

【0016】

プログラムが想定されるものとしてよく、当該プログラムは、コンピュータによって実行可能な命令を含み、それらの命令がコンピュータによって実行されるときに、本方法が実行される。

【0017】

さらなる好適な実施形態は、以下の説明及び図面から読み取り可能である。

【図面の簡単な説明】

【0018】

【図1】データを分類するための装置を示す概略図である。

【図2】データを分類するための方法を示すフローチャートである。

【発明を実施するための形態】

【0019】

図１には、データを分類するための装置１００が概略的に示されている。

【0020】

装置１００は、少なくとも１つのプロセッサ１０２と、少なくとも１つのメモリ１０４とを含む。

【0021】

装置は、データの分類すべき部分１１０を提供するように構成されたセンサ１０８のための第１のインタフェース１０６を含むことが想定されるものとしてよい。このセンサ１０８は、例えば、技術システム１１２の状態に関する情報を捕捉するように構成されている。例えば、装置１００は、分類すべき部分１１０を報告に、例えば技術システム１１２のログファイルに設けるように構成されている。

【0022】

装置１００は、アクチュエータ１１６のための第２のインタフェース１１４を含み、このアクチュエータ１１６は、技術システム１１２に、装置１００からアクチュエータ１１６に送信される信号１１８に依存して影響を与えるように構成されることが想定されるものとしてよい。

【0023】

装置１００は、センサ１０８及び／又はアクチュエータ１１６を含み得る。技術システム１１２は、センサ１０８及び／又はアクチュエータ１１６を含み得る。この技術システム１１２は、装置１００を含み得る。

【0024】

少なくとも１つのメモリ１０４は、少なくとも１つのプロセッサ１０２によって実行可能な命令を含み、これらの命令が少なくとも１つのプロセッサ１０２によって実行されるときに、装置１００は以下に説明する方法を実行する。

【0025】

コンピュータによって実行可能な命令を含み、これらの命令がコンピュータによって実行されるときに、本方法を実行するプログラムが想定されるものとしてよい。

【0026】

本方法は、ステップ２０２を含む。

【0027】

ステップ２０２においては、分類すべきデータ１１０が捕捉される。

【0028】

例えば、分類すべきデータ１１０は、センサ１０６を用いて捕捉された技術システム１１２の状態に関する情報に依存して捕捉される。

【0029】

データの分類すべき部分１１０は、技術システム１１２の状態を表す。

【0030】

続いて、ステップ２０４が実行される。

【0031】

ステップ２０４においては、分類のためのデータが提供される。この例においては、分類のためのデータは、分類すべきデータ１１０を含む。

【0032】

これらのデータは、一例においては、分類が決定されるタスクを定義する少なくとも１つの部分を含む。

【0033】

これらのデータは、一例においては、マスクを用いてマスキングされた少なくとも１つの部分を含む。

【0034】

これらのデータは、一例においては、１つの表現部又は複数の表現部、すなわち、クラスに関連する少なくとも１つの部分を含む。

【0035】

ステップ２０４においては、第１の分類が、データに依存して第１のモデルを用いて決定される。

【0036】

第１の分類は、技術システム１１２の状態についての第１のクラスと、技術システム１１２の状態についての第２のクラスとを含む。

【0037】

第１のモデルは、技術システムのデータを分類するためにトレーニングされていることが想定されるものとしてよい。

【0038】

第１のモデルは、技術システムのデータを分類するために、本方法において、データを用いてデータの第１の分類を決定するためのトレーニングデータセットからデータに依存してトレーニングされることが想定されるものとしてよい。

【0039】

第１のモデルは、微分可能なモデル、特に変換モデルを含み得る。このモデルは、例えば、ＢＥＲＴ又はＲｏＢＥＲＴａである。メモリ制限システムにおいては、これよりも小さいモデル、例えば、ＤｉｓｔｉｌＢＥＲＴが想定されるものとしてよい。多くの計算リソースを有するシステムにおいては、これよりも大きいモデル、例えば、Ｔ５が想定されるものとしてよい。

【0040】

一例においては、第１のモデルは、タスクを定義する少なくとも１つの部分に依存して、タスク固有の第１の分類を出力するように構成される。

【0041】

一例においては、第１のモデルは、マスクを用いてマスキングされた部分を、第１の分類に依存して決定するように構成される。

【0042】

例えば、第１の分類は、マスクを用いてマスキングされた部分のための可能な解決手段にそれぞれ１つの確率を割り当てる。

【0043】

続いて、ステップ２０６が実行される。

【0044】

ステップ２０６においては、データの分類すべき部分１１０について、分類への各部分の寄与についてのそれぞれ１つの尺度が決定される。

【0045】

続いて、ステップ２０８が実行される。

【0046】

ステップ２０８においては、分類のためのデータは、部分について決定された尺度に依存して確定される、部分のうちの少なくとも１つの部分だけ補完され、分類すべき部分１１０のうちの少なくとも１つの部分は、分類すべき部分１１０のうちの他の部分よりも多く第１の分類に寄与する。

【0047】

データは、データの分類すべき部分の予め設定された数又は予め設定された割合だけ補完されることが想定されるものとしてよい。

【0048】

数又は割合は、予め設定されているパラメータ、又は、トレーニング中にトレーニングデータを用いて学習されるパラメータであるものとしてよい。

【0049】

続いて、ステップ２１０が実行される。

【0050】

ステップ２１０においては、第２の分類が、部分のうちの少なくとも１つの部分だけ補完されたデータに依存して第１のモデル又は第２のモデルを用いて決定される。

【0051】

第２の分類は、第１のクラスと第２のクラスとを含む。

【0052】

第２のモデルは、技術システムに依存することなく事前にトレーニングされていることが想定されるものとしてよい。

【0053】

第２のモデルは、技術システムのデータを分類するために、本方法において、データを用いてデータの第２の分類を決定するためのトレーニングデータセットからデータに依存してトレーニングされることが想定されるものとしてよい。

【0054】

第２のモデルは、微分可能なモデル、特に変換モデルを含み得る。この変換モデルは、例えば、ＢＥＲＴ又はＲｏＢＥＲＴａである。メモリ制限システムにおいては、これよりも小さいモデル、例えば、ＤｉｓｔｉｌＢＥＲＴが想定されるものとしてよい。多くの計算リソースを有するシステムにおいては、これよりも大きいモデル、例えば、Ｔ５が想定されるものとしてよい。

【0055】

一例においては、第２のモデルは、タスクを定義する少なくとも１つの部分に依存して、タスク固有の第２の分類を出力するように構成される。

【0056】

一例においては、第２のモデルは、マスクを用いてマスキングされた部分を、第２の分類に依存して決定するように構成される。例えば、第２の分類は、マスクを用いてマスキングされた部分のための可能な解決手段にそれぞれ１つの確率を割り当てる。

【0057】

第２のモデルは、一例においては、マスクを用いてマスキングされた部分を、クラスに関連する少なくとも１つの部分に依存して、第２の分類から選択するように構成される。

【0058】

続いて、ステップ２１２が実行される。

【0059】

ステップ２１２においては、技術システム１１２の状態が、第２の分類に依存して決定される。

【0060】

例えば、状態は、第２のモデルが他のクラスよりも高い確率を決定する第２の分類のクラスに依存して決定される。この例においては、第１のクラスと第２のクラスとの間で区別される。

【0061】

第１のクラスは、例えば第１の状態、例えば不良状態を示す。第２のクラスは、例えば第２の状態、例えば正常状態を示す。

【0062】

状態は、第２の分類が最大の確率を割り当てる解決手段に依存して決定されることが想定されるものとしてよい。

【0063】

分類すべき部分１１０は、知識グラフからの第１のエンティティに割り当てられた一部と、知識グラフからの関係に割り当てられた一部とを含むことが想定されるものとしてよい。

【0064】

知識グラフ用のエントリ、すなわち、第１のエンティティ及び関係及び第２のエンティティを含む事実は、第２の分類に依存して決定されることが想定されるものとしてよい。第２の分類は、例えば、知識グラフからのエンティティごとに、当該エンティティが第１のエンティティ、関係及び第２のエンティティを含む事実における第２のエンティティであることについての確率を示す。第１のエンティティは、例えば、技術システム１１２の状態を表す。第２のエンティティは、例えば、技術システム１１２に対するアクションを表す。

【0065】

第２の分類に依存して、特に技術システム１１２のアクチュエータ１１６を駆動制御するための信号１１８が決定されることが想定されるものとしてよい。例えば、アクションが決定され、当該アクションを実行するための信号１１８が生成される。

【0066】

技術システム１１２は、物理的なシステムであり、特に実際に存在しているシステムである。この技術システム１１２は、例えば、ロボット、特に車両、ツール、製造機械、医療装置、家庭用装置、アクセスコントロールシステム又は個人的な支援システムである。

【0067】

例えば、分類すべきデータは、技術システム１１２の動作温度を表す。分類すべき部分１１０は、例えば、記号によって表される。技術システム１１２の動作温度によって表される状態についての一例は、動作温度が予め設定された温度を上回る状態である。

【0068】

分類すべき部分１１０を含む記号についての一例は、「動作温度５０℃」である。このタスクについての一例は、「である」にある。表現部についての一例は、「不良」又は「正常」であり、この場合、表現部の第１のクラスには「不良」が割り当てられ、表現部の第２のクラスには「正常」が割り当てられている。

【0069】

データについての一例は、「動作温度５０℃は、［マスク］である」である。

【0070】

補完されたデータについての一例は、「動作温度５０℃は、［マスク］５０である」である。このマスクについては、例えば、第１のクラスが第２のクラスよりも高い確率を有する場合には第２のクラスに依存して「不良」が決定され、その他の場合には「正常」が決定される。

【0071】

動作温度は、技術システム１１２の動作量に対する一例である。他の動作量、特に物理量、例えば、回転数、トルク、電流、電圧、角速度、加速度、又は、速度が想定されるものとしてよい。

【0072】

動作量の値が許容閾値を上回っていることが検査により生じた場合に、不良ケースが識別されるように想定されるものとしてよい。動作量の値が許容閾値を下回っていることが検査により生じた場合に、不良ケースが識別されるように想定されるものとしてよい。閾値は、例えば、技術システム１１２に依存して定義される。

【0073】

例えば、不良ケースが識別される場合、すなわち、この例においては、動作量が「不良」として分類される場合、アクチュエータ１１６又は技術システム１１２を遮断するための信号１１８が出力され、そうでない場合には、アクチュエータ１１６又は技術システム１１２を遮断するための信号１１８は出力されない。

【図1】

【図2】

【手続補正書】

【提出日】2024-07-22

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

データを分類するためのコンピュータ実装された方法において、
第１の分類が、データに依存して第１のモデルを用いて決定され（２０４）、
前記データの分類すべき部分（１１０）について、分類への各部分の寄与についてのそれぞれ１つの尺度が決定され（２０６）、
前記データは、前記部分について決定された尺度に依存して確定される、前記部分のうちの少なくとも１つの部分だけ補完され（２０８）、
前記分類すべき部分（１１０）のうちの少なくとも１つの部分は、前記分類すべき部分（１１０）のうちの他の部分よりも多く前記第１の分類に寄与し、
第２の分類が、前記部分のうちの少なくとも１つの部分だけ補完されたデータに依存して前記第１のモデル又は第２のモデルを用いて決定される（２１０）
ことを特徴とする方法。

【請求項2】

前記データの前記分類すべき部分（１１０）は、技術システムの状態を表し、前記第１の分類は、前記技術システムの状態についての第１のクラスと、前記技術システムの状態についての第２のクラスとを含み、前記第２の分類は、前記第１のクラスと前記第２のクラスとを含み、前記状態は、前記第２の分類に依存して決定される（２１２）、
請求項１に記載の方法。

【請求項3】

前記第２の分類は、前記第２のモデルを用いて決定され（２１０）、前記第１のモデルは、前記技術システムのデータを分類するためにトレーニングされており又はトレーニングされ、前記第２のモデルは、前記技術システムに依存することなく事前にトレーニングされており又は事前にトレーニングされる、
請求項２に記載の方法。

【請求項4】

前記第１のモデル及び／又は前記第２のモデルは、微分可能なモデル、特に変換モデルを含む、
請求項１に記載の方法。

【請求項5】

前記データは、前記分類が決定されるタスクを定義する少なくとも１つの部分を含む、
請求項１に記載の方法。

【請求項6】

前記データは、マスクを用いてマスキングされている少なくとも１つの部分を含み、前記第１のモデル及び／又は前記第２のモデルは、前記マスクを用いてマスキングされた部分を、前記第１の分類に依存して又は前記第２の分類に依存して決定するように構成されている、
請求項１に記載の方法。

【請求項7】

前記データは、クラスに関連する少なくとも１つの部分を含み、前記第１のモデル及び／又は前記第２のモデルは、前記マスクを用いてマスキングされた部分を、前記クラスに関連する少なくとも１つの部分に依存して、前記第１の分類又は前記第２の分類から選択するように構成されている（２１２）、
請求項６に記載の方法。

【請求項8】

前記データは、前記データの前記分類すべき部分の予め設定された数又は予め設定された割合だけ補完される（２０８）、
請求項１に記載の方法。

【請求項9】

前記データは、少なくとも１つのエンティティ又は知識グラフからの関係に割り当てられた一部を含み、前記少なくとも１つのエンティティ及び／又は関係を含む前記知識グラフ用のエントリは、前記第２の分類に依存して決定される（２１２）、
請求項１に記載の方法。

【請求項10】

前記第２の分類に依存して、特に前記技術システムのアクチュエータを駆動制御するための信号が決定される（２１２）、
請求項１に記載の方法。

【請求項11】

データを分類するための装置（１００）において、
前記装置（１００）は、
少なくとも１つのプロセッサ（１０２）と、
少なくとも１つのメモリ（１０４）と、
を含み、
前記少なくとも１つのメモリ（１０４）は、前記少なくとも１つのプロセッサ（１０２）によって実行可能な命令を含み、
前記命令が前記少なくとも１つのプロセッサ（１０２）によって実行されるときに、前記装置（１００）は、請求項１に記載の方法を実施することを特徴とする、装置（１００）。

【請求項12】

前記装置（１００）は、前記データの分類すべき部分（１１０）を捕捉するためのセンサ（１０８）を含み、若しくは、前記データの前記分類すべき部分（１１０）をインタフェース（１０６）において受信するように構成されており、又は、
前記装置（１００）は、信号（１１８）を用いて前記装置（１００）により駆動制御可能な特に技術システム（１１２）のアクチュエータ（１１６）を備え、若しくは、特に技術システム（１１２）のアクチュエータ（１１６）を駆動制御するための信号（１１８）を、インタフェース（１１４）を介して出力するように構成されている、
請求項１１に記載の装置（１００）。

【請求項13】

プログラムであって、前記プログラムは、コンピュータによって実行可能な命令を含み、前記命令が前記コンピュータによって実行されるときに、前記コンピュータに、請求項１に記載の方法を実施させるためのものであることを特徴とする、プログラム。

【外国語明細書】