特開 2024-63704 知識グラフを生成するシステムおよび方法、ならびにそれらを使用するシステムおよび方法

(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】P2024063704

(43)【公開日】2024-05-13

(54)【発明の名称】知識グラフを生成するシステムおよび方法、ならびにそれらを使用するシステムおよび方法

(51)【国際特許分類】

   G06F 16/36 20190101AFI20240502BHJP

【ＦＩ】

G06F16/36

【審査請求】有

【請求項の数】10

【出願形態】ＯＬ

【外国語出願】

(21)【出願番号】P 2022186823

(22)【出願日】2022-11-22

(31)【優先権主張番号】111140554

(32)【優先日】2022-10-26

(33)【優先権主張国・地域又は機関】TW

(71)【出願人】

【識別番号】502250743

【氏名又は名称】國立成功大學

【氏名又は名称原語表記】ＮＡＴＩＯＮＡＬ ＣＨＥＮＧ ＫＵＮＧ ＵＮＩＶＥＲＳＩＴＹ

(74)【代理人】

【識別番号】110000408

【氏名又は名称】弁理士法人高橋・林アンドパートナーズ

(72)【発明者】

【氏名】ル， ウェン－シャン

(72)【発明者】

【氏名】トゥン， シャ－ミン

(72)【発明者】

【氏名】リュウ， ディン－ジェ

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175DA01

5B175KA12

(57)【要約】      （修正有）

【課題】知識グラフを生成する又は使用する方法及びシステムを提供する。
【解決手段】処理装置によって実行される知識グラフを生成する方法は、知識ドキュメントを取得し、知識ドキュメントに対して単語分割および品詞タグ付けを実行し、複数のタグ付けされた単語を生成し、デフォルトの文型にしたがって、タグ付けされた単語から複数の文を取得する、ことを含む。ここで、各文は主語、副詞型に対応する副詞、動詞および目的語を含む。各文について、知識グラフを生成する方法は、主語をトリプルの第１エンティティとして使用し、目的語をトリプルの第２エンティティとして使用し、副詞型および動詞をトリプルの関係として使用し、各文に対応するトリプルを使用して知識グラフを形成する、ことを含む。
【選択図】図２

【特許請求の範囲】

【請求項1】

処理装置によって実行される知識グラフを生成する方法であって、
前記知識グラフを生成する方法は、
知識ドキュメントを取得し、
前記知識ドキュメントに対して単語分割および品詞タグ付けを実行し、複数のタグ付けされた単語を生成し、
デフォルト文パターンにしたがって、前記タグ付けされた単語から複数の文を取得する、ことを含み、
前記文の各々は、主語、副詞型に対応する副詞、動詞および目的語を含み、
前記文の各々について、前記知識グラフを生成する方法は、
前記主語をトリプルの第１エンティティとして使用し、
前記目的語を前記トリプルの第２エンティティとして使用し、
前記副詞型および前記動詞を前記トリプルの関係として使用し、
前記文の各々に対応する前記トリプルを使用して知識グラフを形成する、ことを含む、
知識グラフを生成する方法。

【請求項2】

前記処理装置はレキシコンと接続され、
前記主語を取得した後、前記知識グラフを生成する方法は、さらに、
前記レキシコンが前記主語を有するか否かを判定し、
前記レキシコンが前記主語を有していないとき、前記主語を前記レキシコンに追加し、
前記知識ドキュメントに対して、前記品詞タグ付けを再度実行する、ことを含む、
請求項１に記載の知識グラフを生成する方法。

【請求項3】

第１処理装置によって実行される知識グラフを使用する方法であって、
前記知識グラフを使用する方法は、
入力質問を取得し、
前記入力質問に対して自然言語理解手順を実行し、前記入力質問の質問主語、質問目的語および質問関係を含む質問セットを取得し、
請求項１に記載の前記知識グラフを生成する方法により生成された複数の候補知識グラフから、前記質問主語と一致するターゲット知識グラフを検索し、
前記質問主語と一致する前記ターゲット知識グラフの中の第１ターゲットエンティティ、および前記質問目的語と一致する前記ターゲット知識グラフの中の第２ターゲットエンティティを決定し、
前記第１ターゲットエンティティと前記第２ターゲットエンティティとを接続するターゲット関係を決定し、
前記第１ターゲットエンティティ、前記第２ターゲットエンティティおよび前記ターゲット関係にしたがって質問応答を出力する、ことを含む、
知識グラフを使用する方法。

【請求項4】

前記質問セットは、さらに、質問意図を含み、
前記第１ターゲットエンティティ、前記第２ターゲットエンティティおよび前記ターゲット関係にしたがって前記質問応答を出力することは、
前記質問意図を、前記第１ターゲットエンティティ、前記第２ターゲットエンティティおよび前記ターゲット関係と照合し、初期応答を形成し、
前記初期応答に対して自然言語生成手順を実行し、前記質問応答を生成する、ことを含む、
請求項３に記載の知識グラフを使用する方法。

【請求項5】

第１処理装置によって実行される知識グラフを使用する方法であって、
前記知識グラフを使用する方法は、
入力質問を取得し、
前記入力質問に対して自然言語理解手順を実行し、前記入力質問の質問主語、質問目的語および質問関係を含む質問セットを取得し、
請求項２に記載の知識グラフを生成する方法により生成された複数の候補知識グラフから、前記質問主語と一致するターゲット知識グラフを検索し、
前記質問主語と一致する前記ターゲット知識グラフの中の第１ターゲットエンティティ、および前記質問目的語と一致する前記ターゲット知識グラフの中の第２ターゲットエンティティを決定し、
前記第１ターゲットエンティティと前記第２ターゲットエンティティとを接続するターゲット関係を決定し、
前記第１ターゲットエンティティ、前記第２ターゲットエンティティ、および前記ターゲット関係にしたがって質問応答を出力する、ことを含む、
知識グラフを使用する方法。

【請求項6】

知識ドキュメントを格納するメモリと、
前記メモリと接続される処理装置と、を含み、
前記処理装置は、
前記知識ドキュメントを取得し、
前記知識ドキュメントに対して単語分割および品詞タグ付けを実行し、複数のタグ付けされた単語を生成し、
デフォルト文パターンにしたがって、前記タグ付けされた単語から複数の文を取得する、ことを実行し、
前記文の各々は、主語、副詞型に対応する副詞、動詞および目的語を含み、
前記文の各々について、前記処理装置は、
前記主語をトリプルの第１エンティティとして使用し、
前記目的語を前記トリプルの第２エンティティとして使用し、
前記副詞型および前記動詞を前記トリプルの関係として使用し、
前記文の各々に対応する前記トリプルを使用して知識グラフを形成する、ことを実行する、
知識グラフを生成するシステム。

【請求項7】

前記処理装置はレキシコンと接続され、
前記主語を取得した後、前記処理装置は、さらに、
前記レキシコンが前記主語を有するか否かを判定し、
前記レキシコンが前記主語を有していないとき、前記主語を前記レキシコンに追加し、
前記知識ドキュメントに対して、前記品詞タグ付けを再度実行する、ことを実行する、
請求項６に記載の知識グラフを生成するシステム。

【請求項8】

請求項１に記載された知識グラフを生成する方法にしたがって生成された複数の候補知識グラフを格納するメモリと、
入力質問を取得し、前記入力質問に対応する質問応答を提示するユーザインターフェースと、
前記メモリおよび前記ユーザインターフェースと接続される第１処理装置と、を含み、
前記第１処理装置は、
前記入力質問に対して自然言語理解手順を実行し、前記入力質問の質問主語、質問目的語および質問関係を含む質問セットを取得し、
前記複数の候補知識グラフから前記質問主語と一致するターゲット知識グラフを検索し、
前記質問主語と一致する前記ターゲット知識グラフの中の第１ターゲットエンティティ、および前記質問目的語と一致する前記ターゲット知識グラフの中の第２ターゲットエンティティを決定し、
前記第１ターゲットエンティティと前記第２ターゲットエンティティとを接続するターゲット関係を決定し、
前記第１ターゲットエンティティ、前記第２ターゲットエンティティおよび前記ターゲット関係にしたがって質問応答を出力する、ことを実行する、
知識グラフを使用するシステム。

【請求項9】

前記質問セットは、さらに、質問意図を含み、
前記第１処理装置が、前記第１ターゲットエンティティ、前記第２ターゲットエンティティおよび前記ターゲット関係にしたがって前記質問応答を出力することを実行することは、
前記質問意図を、前記第１ターゲットエンティティ、前記第２ターゲットエンティティおよび前記ターゲット関係と照合して、初期応答を形成し、
前記初期応答に対して自然言語生成手順を実行し、前記質問応答を生成する、ことを含む、
請求項８に記載の知識グラフを使用するシステム。

【請求項10】

請求項２に記載された知識グラフを生成する方法にしたがって生成された複数の候補知識グラフを格納するメモリと、
入力質問を取得し、前記入力質問に対応する質問応答を提示するユーザインターフェースと、
前記メモリおよび前記ユーザインターフェースと接続される第１処理装置と、を含み、
前記第１処理装置は、
前記入力質問に対して自然言語理解手順を実行し、前記入力質問の質問主語、質問目的語および質問関係を含む質問セットを取得し、
前記複数の候補知識フラフから前記質問主語と一致するターゲット知識グラフを検索し、
前記質問主語と一致する前記ターゲット知識グラフの中の第１ターゲットエンティティ、および前記質問目的語と一致する前記ターゲット知識グラフの中の第２ターゲットエンティティを決定し、
前記第１ターゲットエンティティと前記第２ターゲットエンティティとを接続するターゲット関係を決定し、
前記第１ターゲットエンティティ、前記第２ターゲットエンティティおよびターゲット関係にしたがって質問応答する、ことを実行する、
知識グラフを使用するシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、知識グラフを生成するシステムおよび方法、ならびにそれらを使用するシステムおよび方法に関する。

【背景技術】

【0002】

近年、知識グラフは、人間の言語および知識推論の理解を支援し、チャットボットによるユーザ体験を向上させるために、医療知識グラフ、金融知識グラフ、電子商取引グラフなどのチャットボットおよび質問応答システムで広く使用されている。ノード（エンティティ）とエッジ（関係）で形成される知識グラフにより、ユーザはより迅速に答えを見つけ、またはユーザが予期しなかった検索結果に関する情報を提供することができる。

【0003】

しかしながら、既存の知識グラフ技術は、知識の衝突の問題に対処していないため、一部の知識を正しく表現することができない。さらに、知識グラフを構築するための既存の意味論的解析は、表面的かつ直接的であり、深い意味論的含意を扱っていない。

【発明の概要】

【発明が解決しようとする課題】

【0004】

したがって、本開示は、知識グラフを生成するシステムおよび方法、ならびにそれらを使用するシステムおよび方法を提供する。

【課題を解決するための手段】

【0005】

本開示の１つ以上の実施形態によれば、処理装置によって実行される知識グラフを生成する方法は、知識ドキュメントを取得し、知識ドキュメントに対して単語分割および品詞タグ付けを実行し、複数のタグ付けされた単語を生成し、デフォルト文パターンにしたがって、タグ付けされた単語から複数の文を取得する、ことを含む。ここで、各文は、主語、副詞型に対応する副詞、動詞および目的語を含む。各文について、知識グラフを生成する方法は、主語をトリプルの第１エンティティとして使用し、目的語をトリプルの第２エンティティとして使用し、副詞型および動詞をトリプルの関係として使用し、各文に対応するトリプルを使用して知識グラフを形成する。

【0006】

本開示の１つ以上の実施形態によれば、知識グラフを生成するシステムは、メモリと処理装置とを含む。メモリは知識ドキュメントを格納する。処理装置は、メモリと接続され、知識ドキュメントを取得し、知識ドキュメントに対して単語分割および品詞タグ付けを実行し、複数のタグ付けされた単語を生成し、デフォルト文パターンにしたがって、タグ付けされた単語から複数の文を取得することを実行する。各文は、主語、副詞型に対応する副詞、動詞および目的語を含み、各文について、処理装置は、主語をトリプルの第１エンティティとして使用し、目的語をトリプルの第２エンティティとして使用し、副詞型および動詞をトリプルの関係として使用し、各文に対応するトリプルを使用して知識グラフを形成することを実行する。

【0007】

以上の記載から、本開示の１つ以上の実施形態に係る知識グラフを生成するシステムおよび方法は、組織化された知識グラフを生成するために適用されてもよく、情報と情報との接続および知識推論は、より効率的かつ正確になり得る。また、本開示は、副詞の副詞型を２つのエンティティ間の関係として使用し、これは、知識の衝突の問題を解決するのに役立ち、知識を正確に表現するために、より深い意味論的含意を処理することができ、知識グラフの拡張を改善する。

【0008】

本開示は、以下に与えられる詳細な説明、および例示のみを目的として与えられ、したがって本開示を限定するものではない添付の図面からより完全に理解される。

【図面の簡単な説明】

【0009】

【図1】本開示の一実施形態に係る知識グラフを生成するシステムを示すブロック図である。

【図2】本開示の一実施形態に係る知識グラフを生成する方法を示すフローチャートである。

【図3】本開示の一実施形態に係る知識グラフを示す模式図である。

【図4】本開示の別の実施形態に係る知識グラフを生成する方法を示すフローチャートである。

【図5】本開示の一実施形態に係るを使用するシステムを示すブロック図である。

【図6】本開示の一実施形態に係る知識グラフを使用する方法を示すフローチャートである。

【図7】本開示の別の実施形態に係る知識グラフを使用する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】

【0010】

以下の詳細な説明では、説明の目的のため、開示された実施形態の完全な理解を提供するために、多くの特定の詳細が記載されている。明細書に開示された説明、特許請求の範囲、および図面によれば、当業者は、本発明の概念および特徴を容易に理解することができる。以下の実施形態は、本発明の様々な態様をさらに説明するが、本発明の範囲を限定することを意図するものではない。

【0011】

図１を参照する。図１は、本開示の一実施形態に係る知識グラフを生成するシステムを示すブロック図である。本開示の一実施形態に係る知識グラフを生成するシステム１は、メモリ１１および第１処理装置１２を含む。メモリ１１は、第１処理装置１２と通信接続され、または第１処理装置１２と電気的に接続されていてもよい。メモリ１１は、リードオンリーメモリ（ＲＯＭ）、フラッシュメモリまたは不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）などの不揮発性メモリであってもよく、本開示はこれに限定されない。第１処理デバイス１２は、中央処理装置、プログラマブルロジックデバイスまたは特定用途向け集積回路などであってもよく、本開示はこれらに限定されない。

【0012】

メモリ１１は、様々な知識分野に対応する知識ドキュメントを格納するように構成され、第１処理装置１２は、知識ドキュメントにしたがって様々な知識分野に対応する知識グラフを生成し、知識グラフをメモリ１１またはその他のメモリに格納するように構成される。第１処理装置１２は、様々なウェブサイト上で定期的に、または非定期的にウェブクローラーを実行して、知識ドキュメントをメモリ１１に格納することができる。知識ドキュメントは、内部知識ドキュメントおよび外部知識ドキュメントを含む場合がある。例えば、知識分野が医学であると仮定すると、内部知識ドキュメントには病院が発行する健康教育記事が含まれ、外部知識ドキュメントにはウィキペディアの医学記事、医学雑誌および各国の食品医薬品局のウェブサイトが含まれる場合があり、本開示は知識ドキュメントのソースを限定しない。

【0013】

知識グラフを生成する方法をより詳細に説明するために、図２を参照する。図２は、本開示の一実施形態に係る知識グラフを生成する方法を示すフローチャートである。図２に示すように、本開示の一実施形態に係る知識グラフを生成する方法は、第１処理装置１２によって実行され、知識ドキュメントを取得し（ステップＳ２０１）、知識ドキュメントに対して単語分割および品詞タグ付けを実行し、複数のタグ付けされた単語を生成し（ステップＳ２０３）、デフォルト文パターンにしたがって、タグ付けされた単語から複数の文を取得する（ステップＳ２０５）。ここで、各文は、主語、副詞型に対応する副詞、動詞および目的語を含む。また、本開示の一実施形態に係る知識グラフを生成する方法は、主語をトリプルの第１エンティティとして使用し（ステップＳ２０７）、目的語をトリプルの第２エンティティとして使用し（ステップＳ２０９）、副詞型および動詞をトリプルの関係として使用し（ステップＳ２１１）、各文に対応するトリプルを使用して知識グラフを形成する（ステップＳ２１３）。以下の説明では、医学に関する知識ドキュメントを例として説明する。

【0014】

ステップＳ２０１では、第１処理装置１２が、メモリ１１から知識ドキュメントを取得する。ステップＳ２０３では、第１処理装置１２が、知識ドキュメントに対して単語分割および品詞タグ付け（ＰＯＳタグ付け）を実行し、タグ付けされた単語を生成する。ここで、第１処理装置１２は、品詞タガーを使用してＰＯＳタグ付けを実行することができる。例えば、知識ドキュメント内の文の１つが「骨折の患者は、カルシウム、チーズ、骨ブロスを摂取するとよい（Ｐａｔｉｅｎｔｓ ｓｕｆｆｅｒｅｄ ｆｒｏｍ ｂｏｎｅ ｆｒａｃｔｕｒｅ ｃａｎ ｃｏｎｓｕｍｅ ｃａｌｃｉｕｍ， ｃｈｅｅｓｅ ａｎｄ ｂｏｎｅ ｂｒｏｔｈ）」であるとする。このとき、第１処理装置１２は、文に対して単語分割を実行し、「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」、「よい（ｃａｎ）」、「摂取する（ｃｏｎｓｕｍｅ）」、「チーズ（ｃｈｅｅｓｅ）」、「カルシウム（ｃａｌｃｉｕｍ）」および「骨ブロス（ｂｏｎｅ ｂｒｏｔｈ）」の単語を生成する。第１処理装置１２は、これらの単語にＰＯＳタグ付けを実行し、「骨折の患者（ｐａｔｉｅｎｔｓ ｓｕｆｆｅｒｅｄ ｆｒｏｍ ｂｏｎｅ ｆｒａｃｔｕｒｅ）＿主語」、「よい（ｃａｎ）＿副詞」、「摂取する（ｃｏｎｓｕｍｅ）＿動詞」、「チーズ（ｃｈｅｅｓｅ）＿目的語」、「カルシウム（ｃａｌｃｉｕｍ）＿目的語」、「骨ブロス（ｂｏｎｅ ｂｒｏｔｈ）＿目的語」のタグ付けされた単語を取得する。

【0015】

ステップＳ２０５では、第１処理装置１２が、デフォルト文にしたがって、これらのタグ付けされた単語から文を取得する。デフォルト文は、例えば、「主語－副詞－動詞－目的語」である。例えば、第１処理装置１２は、デフォルト文にしたがって３つの文を取得することができ、これらはそれぞれ、「骨折の患者は、チーズを摂取するとよい（Ｐａｔｉｅｎｔｓ ｓｕｆｆｅｒｅｄ ｆｒｏｍ ｂｏｎｅ ｆｒａｃｔｕｒｅ ｃａｎ ｃｏｎｓｕｍｅ ｃｈｅｅｓｅ）」、「骨折の患者は、カルシウムを摂取するとよい（Ｐａｔｉｅｎｔｓ ｓｕｆｆｅｒｅｄ ｆｒｏｍ ｂｏｎｅ ｆｒａｃｔｕｒｅ ｃａｎ ｃｏｎｓｕｍｅ ｃａｌｃｉｕｍ）」および「骨折の患者は、骨ブロスを摂取するとよい（Ｐａｔｉｅｎｔｓ ｓｕｆｆｅｒｅｄ ｆｒｏｍ ｂｏｎｅ ｆｒａｃｔｕｒｅ ｃａｎ ｃｏｎｓｕｍｅ ｂｏｎｅ ｂｒｏｔｈ）」である。

【0016】

また、副詞は、対応する副詞型を有する。副詞型は、肯定型、否定型、高頻度型および低頻度型を含んでいてもよい。肯定型は、主語と目的語との間の肯定的な関係を示すために使用される。否定型は、主語と目的語との間の否定的な関係を示すために使用される。高頻度型は、主語と目的語との間の肯定的な関係を示すために使用され、主語に対応する状況が発生すると、目的語のコンテンツを使用／実行する頻度が増加する場合がある。低頻度型は、主語と目的語との間の否定的な関係を示すために使用され、主語に対応する状況が発生すると、目的語のコンテンツを使用／実行する頻度が減少する場合がある。

【0017】

例えば、上記の例における副詞「よい（ｃａｎ）」の副詞型は肯定型であり、骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）の状況が発生した場合、人はチーズ（ｃｈｅｅｓｅ）、カルシウム（ｃａｌｃｉｕｍ）および骨ブロス（ｂｏｎｅ ｂｒｏｔｈ）を摂取する場合があることを意味する。主語が「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」の他の例では、目的語が「ウェイトトレーニング（ｗｅｉｇｈｔ ｔｒａｉｎｉｎｇ）」で、「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」（主語）と「ウェイトトレーニング（ｗｅｉｇｈｔ ｔｒａｉｎｉｎｇ）」（目的語）との間の副詞型が否定型であるとすると、骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）の人はウェイトトレーニング（ｗｅｉｇｈｔ ｔｒａｉｎｉｎｇ）を行うべきではないことを意味する。目的語が「リハビリテーション（ｒｅｈａｂｉｌｉｔａｔｉｏｎ）」で、「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」（主語）と「リハビリテーション（ｒｅｈａｂｉｌｉｔａｔｉｏｎ）」（目的語）との間の副詞型が高頻度型であるとすると、骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）の人はより多くのリハビリテーション（ｒｅｈａｂｉｌｉｔａｔｉｏｎ）をしたほうがよいことを意味する。目的語が「横になる（ｌｙｉｎｇ ｄｏｗｎ）」で、「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」（主語）と「横になる（ｌｙｉｎｇ ｄｏｗｎ）」（目的語）との間の副詞型が低頻度型であるとすると、骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）の人は横になる（ｌｙｉｎｇ ｄｏｗｎ）時間を多くすべきではないことを意味する。

【0018】

また、メモリ１１は、第１処理装置１２が副詞の副詞型を決定するために、以下に示すような副詞型テーブルを格納することができる。

【0019】

【表1】

【0020】

第１処理装置１２は、知識ドキュメントに対してステップＳ２０３およびステップＳ２０５を複数回実行し、文を取得する。そして、第１処理装置１２は、各文に対してステップＳ２０７、ステップＳ２０９およびステップＳ２１１を実行する。ステップＳ２０７、ステップＳ２０９およびステップＳ２１１を詳細に説明するため、図３を参照する。図３は、本開示の一実施形態に係る知識グラフを示す模式図である。

【0021】

ステップＳ２０７では、第１処理装置１２は、主語「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」をトリプルの第１エンティティＡ１として使用する。ステップＳ２０９では、第１処理装置１２は、目的語「骨折（ｂｏｎｅ ｂｒｏｔｈ）」をトリプルの第２エンティティＢ１として使用する。ステップＳ２１１では、第１処理装置１２は、肯定型の副詞「よい（ｃａｎ）」および動詞「摂取する（ｃｏｎｓｕｍｅ）」を第１エンティティＡ１と第２エンティティＢ１との間の関係Ｒ１として使用する。同様に、第１処理装置１２は、目的語「チーズ（ｃｈｅｅｓｅ）」をトリプルの第２エンティティＢ２として使用し、肯定型の副詞「よい（ｃａｎ）」および動詞「摂取する（ｃｏｎｓｕｍｅ）」を第１エンティティＡ１と第２エンティティＢ２との間の関係Ｒ２として使用する。第１処理装置１２は、目的語「カルシウム（ｃａｌｃｉｕｍ）」をトリプルの第２エンティティＢ３として使用し、肯定型の副詞「よい（ｃａｎ）」および動詞「摂取する（ｃｏｎｓｕｍｅ）」を第１エンティティＡ１と第２エンティティＢ３との間の関係Ｒ３として使用する。

【0022】

なお、理解を深めるために、図３に示す第１エンティティＡ１と第２エンティティＢ１～Ｂ３との関係は、副詞と動詞（ＣＡＮ＿ＥＡＴ）の形で表されているが、第１エンティティＡ１と第２エンティティＢ１～Ｂ３との間の関係は、対応する動詞とともに、肯定型、否定型、高頻度型および低頻度型の形で表されてもよい。

【0023】

次に、ステップＳ２１３では、第１処理装置１２が、各文に対して、ステップＳ２０７、ステップＳ２０９およびステップＳ２１１を実行して生成されたトリプルにより知識グラフＫＧを構築する。例えば、第１処理装置１２は、第１エンティティＡ１、第２エンティティＢ１～Ｂ３および関係Ｒ１～Ｒ３を１つの知識グラフとして使用してもよい。また、第１処理装置１２は、知識グラフＫＧが対応する分野ヘッダを有するように、知識グラフＫＧの知識分野にしたがって知識グラフＫＧにタグを付けてもよい。図３を例にとると、知識グラフＫＧの分野ヘッダは、「医学（ｍｅｄｉｃｉｎｅ）」、「整形外科（ｏｒｔｈｏｐｅｄｉｃｓ）」、または「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」などであってもよい。したがって、分野ヘッダに基づいて、知識グラフＫＧを迅速に検索することができる。

【0024】

また、図３に示すように、知識グラフＫＧは、さらに、第１エンティティＡ１に接続された第３エンティティＣ１～Ｃ３を含んでもよい。ここで、第１エンティティＡ１と第３エンティティＣ１～Ｃ３との間の関係Ｒ４～Ｒ６は、動詞である。第３エンティティＣ１～Ｃ３を生成する方法は、第２エンティティＢ１～Ｂ３を生成する方法と同じであってもよい。文が副詞を含まないとき、第１処理装置１２は、主語をトリプルの第１エンティティＡ１として使用し、目的語をトリプルの第３エンティティＣ１～Ｃ３として使用し、主語と目的語との間の動詞をトリプルの第１エンティティＡ１と第３エンティティとの間の関係Ｒ４～Ｒ６として使用してもよい。

【0025】

また、図３に示すように、目的語に基づいて生成された第３エンティティＣ１～Ｃ３は、さらに、別の目的語に基づいて生成された第４エンティティに接続されていてもよい。例えば、知識ドキュメントがさらに「浮腫の人は、ビタミンＢ６を摂取するとよい（Ａ ｐｅｒｓｏｎ ｗｉｔｈ ｅｄｅｍａ ｃａｎ ｃｏｎｓｕｍｅ ｖｉｔａｍｉｎ Ｂ６）」の記述を含むとすると、ステップＳ２０３およびステップＳ２０５に基づいて、タグ付けされた「浮腫（ｅｄｅｍａ）＿主語」、「よい（ｃａｎ）＿副詞」、「摂取する（ｃｏｎｓｕｍｅ）＿動詞」および「ビタミンＢ６（ｖｉｔａｍｉｎ Ｂ６）＿目的語」が取得されてもよい。

【0026】

したがって、ステップＳ２０７では、第１処理装置１２が、エンティティＣ１「浮腫（ｅｄｅｍａ）（主語）」をトリプルの第１エンティティとして使用する。ステップＳ２０９では、第１処理装置１２が、目的語「ビタミンＢ６（ｖｉｔａｍｉｎ Ｂ６）」をトリプルの第２エンティティ（ここでは、第４エンティティＤ１とする）として使用する。ステップＳ２１１では、第１処理装置１２が、肯定型の副詞「よい（ｃａｎ）」および動詞「摂取する（ｃｏｎｓｕｍｅ）」を第３エンティティＣ１と第４エンティティＤ１との間の関係Ｒ７として使用する。すなわち、目的語に基づいて生成されたエンティティは、上述の第１エンティティとみなされてもよく、それに応じて知識グラフＫＧを拡張することができる。

【0027】

上記の説明は、例えば、医学に関する知識ドキュメントを使用したが、本開示の１つ以上の実施形態に係る知識グラフを生成するシステムおよび方法は、製造業、ニュース、政治または国際情勢などの他の分野にも適用することができる。

【0028】

製造業を例にとると、知識ドキュメントに「上半期の製造業全体の業績は２０２１年の同時期より劣らず、半導体産業、繊維産業、電気機械・機械産業の業績も２０２１年の同時期よりもよい（Ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｏｖｅｒａｌｌ ｍａｎｕｆａｃｔｕｒｉｎｇ ｉｎｄｕｓｔｒｙ ｉｎ ｔｈｅ ｆｉｒｓｔ ｈａｌｆ ｏｆ ｔｈｅ ｙｅａｒ ｉｓ ｎｏｔ ｉｎｆｅｒｉｏｒ ｔｏ ｔｈａｔ ｏｆ ｔｈｅ ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１， ａｎｄ ｅｖｅｎ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅｓ ｏｆ ｓｅｍｉｃｏｎｄｕｃｔｏｒ ｉｎｄｕｓｔｒｙ， ｔｅｘｔｉｌｅ ｉｎｄｕｓｔｒｙ， ｅｌｅｃｔｒｉｃａｌ ｍａｃｈｉｎｅｒｙ ａｎｄ ｍａｃｈｉｎｅｒｙ ｉｎｄｕｓｔｒｙ ａｒｅ ｂｅｔｔｅｒ ｔｈａｎ ｔｈｅ ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１）」の記述があるとすると、ステップＳ２０３を実行する第１処理装置１２によって取得されるタグ付けされた単語は、「上半期の製造業全体の業績（ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｏｖｅｒａｌｌ ｍａｎｕｆａｃｔｕｒｉｎｇ ｉｎｄｕｓｔｒｙ ｉｎ ｔｈｅ ｆｉｒｓｔ ｈａｌｆ）＿主語」、「ない（ｎｏｔ）＿副詞」、「より劣る（ｉｎｆｅｒｉｏｒ ｔｏ）＿動詞」および「２０２１年の同時期（ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１）＿目的語」を含んでいてもよい。第１処理装置１２は、ステップＳ２０５を実行し、デフォルト文にしたがって「上半期の製造業全体の業績（主語）は、２０２１年の同時期（目的語）より劣ら（動詞）ない（副詞）（ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｏｖｅｒａｌｌ ｍａｎｕｆａｃｔｕｒｉｎｇ ｉｎｄｕｓｔｒｙ ｉｎ ｔｈｅ ｆｉｒｓｔ ｈａｌｆ （主語） ｎｏｔ （副詞） ｉｎｆｅｒｉｏｒ ｔｏ （動詞） ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１ （目的語））」の文を取得する。そして、第１処理装置１２は、ステップＳ２０７、ステップＳ２０９およびステップＳ２１１を実行し、第１エンティティ（上半期の製造業全体の業績（ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｏｖｅｒａｌｌ ｍａｎｕｆａｃｔｕｒｉｎｇ ｉｎｄｕｓｔｒｙ ｉｎ ｔｈｅ ｆｉｒｓｔ ｈａｌｆ））、第２エンティティ（２０２１年の同時期（ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１））および関係（より劣らない（ｎｏｔ ｉｎｆｅｒｉｏｒ ｔｏ））のトリプルを取得する。

【0029】

また、「半導体産業、繊維産業、電気機械・機械産業の業績も２０２１年の同時期よりもよい（ｅｖｅｎ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅｓ ｏｆ ｓｅｍｉｃｏｎｄｕｃｔｏｒ ｉｎｄｕｓｔｒｙ， ｔｅｘｔｉｌｅ ｉｎｄｕｓｔｒｙ， ｅｌｅｃｔｒｉｃａｌ ｍａｃｈｉｎｅｒｙ ａｎｄ ｍａｃｈｉｎｅｒｙ ｉｎｄｕｓｔｒｙ ａｒｅ ｂｅｔｔｅｒ ｔｈａｎ ｔｈｅ ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１）」の場合、ステップＳ２０３を実行する第１処理装置１２によって取得されるタグ付けされた単語は、「半導体産業、繊維産業、電気機械・機械産業の業績（ｐｅｒｆｏｒｍａｎｃｅｓ ｏｆ ｓｅｍｉｃｏｎｄｕｃｔｏｒ ｉｎｄｕｓｔｒｙ， ｔｅｘｔｉｌｅ ｉｎｄｕｓｔｒｙ， ｅｌｅｃｔｒｉｃａｌ ｍａｃｈｉｎｅｒｙ ａｎｄ ｍａｃｈｉｎｅｒｙ ｉｎｄｕｓｔｒｙ）＿主語」、「も（ｅｖｅｎ）＿副詞」、「よりよい（ａｒｅ ｂｅｔｔｅｒ ｔｈａｎ）＿動詞」および「２０２１年の同時期（ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１）＿目的語」を含んでいてもよい。第１処理装置１２は、ステップＳ２０５を実行し、デフォルト文にしたがって「半導体産業、繊維産業、電気機械・機械産業の業績（主語）も（副詞）２０２１年の同時期（目的語）よりよい（動詞）（ｐｅｒｆｏｒｍａｎｃｅｓ ｏｆ ｓｅｍｉｃｏｎｄｕｃｔｏｒ ｉｎｄｕｓｔｒｙ， ｔｅｘｔｉｌｅ ｉｎｄｕｓｔｒｙ， ｅｌｅｃｔｒｉｃａｌ ｍａｃｈｉｎｅｒｙ ａｎｄ ｍａｃｈｉｎｅｒｙ ｉｎｄｕｓｔｒｙ （主語） ｅｖｅｎ （副詞） ａｒｅ ｂｅｔｔｅｒ ｔｈａｎ （動詞） ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１ （目的語）」の文を取得する。そして、第１処理装置１２は、ステップＳ２０７、ステップＳ２０９およびステップＳ２１１を実行し、第１エンティティ（半導体産業、繊維産業、電気機械・機械産業の業績（ｐｅｒｆｏｒｍａｎｃｅｓ ｏｆ ｓｅｍｉｃｏｎｄｕｃｔｏｒ ｉｎｄｕｓｔｒｙ， ｔｅｘｔｉｌｅ ｉｎｄｕｓｔｒｙ， ｅｌｅｃｔｒｉｃａｌ ｍａｃｈｉｎｅｒｙ ａｎｄ ｍａｃｈｉｎｅｒｙ ｉｎｄｕｓｔｒｙ））、第２エンティティ（２０２１年の同時期（ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１））および関係（もよりよい（ｅｖｅｎ ｂｅｔｔｅｒ ｔｈａｎ））のトリプルを取得する。この例では、副詞および動詞を、第１エンティティと第２エンティティとの間の関係として直接使用してもよい。

【0030】

したがって、この例では、エンティティ「上半期の製造業全体の業績（ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｏｖｅｒａｌｌ ｍａｎｕｆａｃｔｕｒｉｎｇ ｉｎｄｕｓｔｒｙ ｉｎ ｔｈｅ ｆｉｒｓｔ ｈａｌｆ）」およびエンティティ「半導体産業、繊維産業、電気機械・機械産業の業績（ｐｅｒｆｏｒｍａｎｃｅｓ ｏｆ ｓｅｍｉｃｏｎｄｕｃｔｏｒ ｉｎｄｕｓｔｒｙ， ｔｅｘｔｉｌｅ ｉｎｄｕｓｔｒｙ， ｅｌｅｃｔｒｉｃａｌ ｍａｃｈｉｎｅｒｙ ａｎｄ ｍａｃｈｉｎｅｒｙ ｉｎｄｕｓｔｒｙ）」は、いずれもエンティティ「２０２１年の同時期（ｓａｍｅ ｐｅｒｉｏｄ ｉｎ ２０２１）」に接続されていてもよい。

【0031】

また、製造業を例にとると、知識ドキュメントに「新規参入産業である非金属鉱業を除いて、他の４産業はいずれも粗利益率上位５産業に属している（Ｅｘｃｅｐｔ ｆｏｒ ｔｈｅ ｎｏｎ－ｍｅｔａｌｌｉｃ ｍｉｎｅｒａｌ ｐｒｏｄｕｃｔｓ ｉｎｄｕｓｔｒｙ， ｗｈｉｃｈ ｉｓ ａ ｎｅｗｌｙ ｅｎｔｅｒｅｄ ｉｎｄｕｓｔｒｙ， ｔｈｅ ｏｔｈｅｒ ｆｏｕｒ ｉｎｄｕｓｔｒｉｅｓ ａｌｌ ｂｅｌｏｎｇ ｔｏ ｔｈｅ ｔｏｐ ｆｉｖｅ ｉｎｄｕｓｔｒｉｅｓ ｉｎ ｇｒｏｓｓ ｐｒｏｆｉｔ ｍａｒｇｉｎ）」の記述があるとすると、ステップＳ２０３を実行する第１処理装置１２によって取得されるタグ付けされた単語は、「他の４産業（ｔｈｅ ｏｔｈｅｒ ｆｏｕｒ ｉｎｄｕｓｔｒｉｅｓ）＿主語」、「新規参入産業である非金属鉱業を除いて（ｅｘｃｅｐｔ ｆｏｒ ｔｈｅ ｎｏｎ－ｍｅｔａｌｌｉｃ ｍｉｎｅｒａｌ ｐｒｏｄｕｃｔｓ ｉｎｄｕｓｔｒｙ， ｗｈｉｃｈ ｉｓ ａ ｎｅｗｌｙ ｅｎｔｅｒｅｄ ｉｎｄｕｓｔｒｙ）＿副詞」、「いずれも（ａｌｌ）＿副詞」、「属している（ｂｅｌｏｎｇ ｔｏ）＿動詞」および「粗利益率上位５産業（ｔｈｅ ｔｏｐ ｆｉｖｅ ｉｎｄｕｓｔｒｉｅｓ ｉｎ ｇｒｏｓｓ ｐｒｏｆｉｔ ｍａｒｇｉｎ）＿目的語」を含んでいてもよい。第１処理装置１２は、ステップＳ２０５を実行し、デフォルト文にしたがって「他の４産業は（主語）新規参入産業である非金属鉱業を除いて（副詞）粗利益率上位５産業（目的語）に属している（動詞）（ｔｈｅ ｏｔｈｅｒ ｆｏｕｒ ｉｎｄｕｓｔｒｉｅｓ （主語） ｅｘｃｅｐｔ ｆｏｒ ｔｈｅ ｎｏｎ－ｍｅｔａｌｌｉｃ ｍｉｎｅｒａｌ ｐｒｏｄｕｃｔｓ ｉｎｄｕｓｔｒｙ， ｗｈｉｃｈ ｉｓ ａ ｎｅｗｌｙ ｅｎｔｅｒｅｄ ｉｎｄｕｓｔｒｙ （副詞） ｂｅｌｏｎｇ ｔｏ （動詞） ｔｈｅ ｔｏｐ ｆｉｖｅ ｉｎｄｕｓｔｒｉｅｓ ｉｎ ｇｒｏｓｓ ｐｒｏｆｉｔ ｍａｒｇｉｎ （目的語））」の文を取得する。そして、第１処理装置１２は、ステップＳ２０７、ステップＳ２０９およびステップＳ２１１を実行し、第１エンティティ（他の４産業（ｔｈｅ ｏｔｈｅｒ ｆｏｕｒ ｉｎｄｕｓｔｒｉｅｓ））、第２エンティティ（粗利益率上位５産業（ｔｈｅ ｔｏｐ ｆｉｖｅ ｉｎｄｕｓｔｒｉｅｓ ｉｎ ｇｒｏｓｓ ｐｒｏｆｉｔ ｍａｒｇｉｎ））および関係（いずれも属している（ａｌｌ ｂｅｌｏｎｇ ｔｏ））のトリプルを取得し、それに応じて知識グラフを形成する。この例では、副詞および動詞を、第１エンティティと第２エンティティとの間の関係として直接使用してもよい。

【0032】

製造業を別の例としてとると、知識ドキュメントに「ゴムおよびプラスチック産業が初めてリストのトップになった（Ｔｈｅ ｒｕｂｂｅｒ ａｎｄ ｐｌａｓｔｉｃ ｉｎｄｕｓｔｒｙ ｔｏｐｐｅｄ ｔｈｅ ｌｉｓｔ ｆｏｒ ｔｈｅ ｆｉｒｓｔ ｔｉｍｅ）」の記述があるとすると、ステップＳ２０３を実行する第１処理装置１２によって取得されるタグ付けされた単語は、「ゴムおよびプラスチック産業（ｒｕｂｂｅｒ ａｎｄ ｐｌａｓｔｉｃ ｉｎｄｕｓｔｒｙ）＿主語」、「初めて（ｆｏｒ ｔｈｅ ｆｉｒｓｔ ｔｉｍｅ）＿副詞」、「トップになった（ｔｏｐｐｅｄ）＿動詞」および「リスト（ｔｈｅ ｌｉｓｔ）＿目的語」を含んでいてもよい。第１処理装置１２は、ステップＳ２０５を実行し、デフォルト文にしたがって「ゴムおよびプラスチック産業（主語）が初めて（副詞）リスト（目的語）のトップになった（動詞）（ｒｕｂｂｅｒ ａｎｄ ｐｌａｓｔｉｃ ｉｎｄｕｓｔｒｙ （主語） ｆｏｒ ｔｈｅ ｆｉｒｓｔ ｔｉｍｅ （副詞） ｔｏｐｐｅｄ （動詞） ｔｈｅ ｌｉｓｔ （目的語））」の文を取得する。そして、第１処理装置１２は、ステップＳ２０７、ステップＳ２０９およびステップＳ２１１を実行し、第１エンティティ（ゴムおよびプラスチック産業（ｒｕｂｂｅｒ ａｎｄ ｐｌａｓｔｉｃ ｉｎｄｕｓｔｒｙ））、第２エンティティ（リスト（ｔｈｅ ｌｉｓｔ））および関係（初めてトップになった（ｔｏｐｐｅｄ ｆｏｒ ｔｈｅ ｆｉｒｓｔ ｔｉｍｅ））を取得し、それに応じて知識グラフを形成する。この例では、副詞および動詞を、第１エンティティと第２エンティティとの間の関係として直接使用してもよい。

【0033】

ニュースを例にとると、ニュース記事（知識ドキュメント）に「新竹球場の設計者は専門家の意見を尊重しなかった（Ｔｈｅ ｄｅｓｉｇｎｅｒ ｏｆ Ｈｓｉｎｃｈｕ ｂａｓｅｂａｌｌ ｓｔａｄｉｕｍ ｄｉｄ ｎｏｔ ｒｅｓｐｅｃｔ ｐｒｏｆｅｓｓｉｏｎａｌ ｏｐｉｎｉｏｎ）」の記述があるとすると、ステップＳ２０３を実行する第１処理装置１２によって取得されるタグ付けされた単語は、「新竹球場の設計者（ｄｅｓｉｇｎｅｒ ｏｆ Ｈｓｉｎｃｈｕ ｂａｓｅｂａｌｌ ｓｔａｄｉｕｍ）＿主語」、「ない（ｎｏｔ）＿副詞」、「尊重する（ｒｅｓｐｅｃｔ）＿動詞」および「専門家の意見（ｐｒｏｆｅｓｓｉｏｎａｌ ｏｐｉｎｉｏｎ）＿目的語」を含んでいてもよい。第１処理装置１２は、ステップＳ２０５を実行し、デフォルト文にしたがって「新竹球場の設計者（主語）は専門家の意見（目的語）を尊重し（動詞）ない（副詞）（ｄｅｓｉｇｎｅｒ ｏｆ Ｈｓｉｎｃｈｕ ｂａｓｅｂａｌｌ ｓｔａｄｉｕｍ （主語） ｎｏｔ （副詞） ｒｅｓｐｅｃｔ （動詞） ｐｒｏｆｅｓｓｉｏｎａｌ ｏｐｉｎｉｏｎ （目的語））」の文を取得する。そして、第１処理装置１２は、ステップＳ２０７、ステップＳ２０９およびステップＳ２１１を実行し、第１エンティティ（新竹球場の設計者（ｄｅｓｉｇｎｅｒ ｏｆ Ｈｓｉｎｃｈｕ ｂａｓｅｂａｌｌ ｓｔａｄｉｕｍ））、第２エンティティ（専門家の意見（ｐｒｏｆｅｓｓｉｏｎａｌ ｏｐｉｎｉｏｎ））および関係（尊重しない（ｎｏｔ ｒｅｓｐｅｃｔ））のトリプルを取得し、それに応じて知識グラフを形成する。この例では、副詞および動詞を、第１エンティティと第２エンティティとの間の関係として直接使用してもよい。

【0034】

国際情勢を例にとると、ニュース記事（知識ドキュメント）に「ＥＵ加盟国は全面的にガス消費を削減する（ＥＵ ｍｅｍｂｅｒ ｓｔａｔｅｓ ｃｕｔ ｇａｓ ｃｏｎｓｕｍｐｔｉｏｎ ａｃｒｏｓｓ ｔｈｅ ｂｏａｒｄ）」の記述があるとすると、ステップＳ２０３を実行する第１処理装置１２によって取得されるタグ付けされた単語は、「ＥＵ加盟国（ＥＵ ｍｅｍｂｅｒ ｓｔａｔｅｓ）＿主語」、「全面的に（ａｃｒｏｓｓ ｔｈｅ ｂｏａｒｄ）＿副詞」、「削減する（ｃｕｔ）＿動詞」、「ガス消費（ｇａｓ ｃｏｎｓｕｍｐｔｉｏｎ）＿目的語」を含んでいてもよい。第１処理装置１２は、ステップＳ２０５を実行し、デフォルト文にしたがって「ＥＵ加盟国（主語）は全面的に（副詞）ガス消費（目的語）を削減する（動詞）（ＥＵ ｍｅｍｂｅｒ ｓｔａｔｅｓ （主語） ａｃｒｏｓｓ ｔｈｅ ｂｏａｒｄ （副詞） ｃｕｔ （動詞） ｇａｓ ｃｏｎｓｕｍｐｔｉｏｎ （目的語））」の文を取得する。そして、第１処理装置１２は、ステップＳ２０７、ステップＳ２０９およびステップＳ２１１を実行し、第１エンティティ（ＥＵ加盟国（ＥＵ ｍｅｍｂｅｒ ｓｔａｔｅｓ））、第２エンティティ（ガス消費（ｇａｓ ｃｏｎｓｕｍｐｔｉｏｎ））および関係（全面的に削減する（ｃｕｔ ａｃｒｏｓｓ ｔｈｅ ｂｏａｒｄ））を取得し、それに応じて知識グラフを形成する。この例では、副詞および動詞を、第１エンティティと第２エンティティとの間の関係として直接使用してもよい。

【0035】

図１～図４を参照する。図４は、本開示の別の実施形態に係る知識グラフを生成する方法を示すフローチャートである。図４に示すステップＳ４０１、ステップＳ４０３およびステップＳ４０５は、第１処理装置１２が主語を取得した後、第１エンティティが生成される前に実行されてもよい。すなわち、図４に示すステップＳ４０１、ステップＳ４０３およびステップＳ４０５は、図２に示すステップＳ２０５とステップＳ２０７との間で実行されてもよい。図４に示すように、主語を取得した後、第１処理装置１２は、レキシコンが主語を有するか否かを判定し（ステップＳ４０１）、ステップＳ４０１の判定結果が「いいえ」である場合、主語をレキシコンに追加し（ステップＳ４０３）、知識ドキュメントに対してＰＯＳタグ付けを再度実行する（ステップＳ４０５）。また、ステップＳ４０１の判定結果が「はい」である場合、第１処理装置１２は、図２に示すステップＳ２０７を実行してもよい。

【0036】

第１処理装置１２は、レキシコンと接続され（レキシコンへのアクセスを有し）ていてもよい。ここで、レキシコンは、メモリ１１に格納されていてもよい。したがって、図２に示すステップＳ２０５を経て主語を取得した後、ステップＳ４０１において、第１処理装置１２は、レキシコンの中に主語が存在するか否かを判定してもよい。

【0037】

第１処理装置１２が、レキシコンが主語を有すると決定した場合、第１処理装置１２は、図２に示すステップＳ２０７を実行してもよい。第１処理装置１２が、レキシコンが主語を有していないと決定した場合、ステップＳ４０３において、第１処理装置１２は、主語をレキシコンに追加し、知識ドキュメントに対してＰＯＳタグ付けを再度実行し、複数のタグ付けされた単語を生成してもよい。

【0038】

換言すれば、新しい単語を見つけた後、第１処理装置１２は、最初にその新しい単語を現在のレキシコンに追加し、次に知識ドキュメントに対してエンティティ関係の抽出を実行してもよい。したがって、既存の知識グラフを拡張し、より完全にすることができる。

【0039】

図５を参照する。図５は、本開示の一実施形態に係る知識グラフを使用するシステムを示すブロック図である。図５に示すように、知識グラフを使用するシステム２は、メモリ２１、第２処理装置２２およびユーザインターフェース２３を含む。第２処理装置２２は、メモリ２１およびユーザインターフェース２３と電気的に接続され、または通信接続されている。メモリ２１は、リードオンリーメモリ（ＲＯＭ）、フラッシュメモリまたは不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）などの不揮発性メモリであってもよく、本開示はこれに限定されない。メモリ２１は、本開示の実施形態に係る知識グラフを生成するシステムおよび方法にしたがって生成された複数の知識グラフを格納することができるが、以下では、これらの知識グラフを候補知識グラフとする。また、メモリ２１は、さらに、上述の知識ドキュメントを格納することができる。第２処理装置２２は、中央処理装置、プログラマブルロジックデバイスまたは特定用途向け集積回路などであってもよく、本開示はこれらに限定されない。ユーザインターフェース２３は、スクリーン、タッチディスプレイインターフェースおよびオーディオデバイスなどであってもよく、ユーザインターフェース２３は、ユーザ命令を受信し、および情報を提示するために使用することができる任意の要素であってもよい。

【0040】

図５に示すメモリ２１と図１に示すメモリ１１とは同じメモリであってもよく、図５に示すメモリ２１は、図１のメモリとは異なる別のメモリであってもよい。図５に示す第２処理装置２２と図１に示す第１処理装置１２とは同じ処理装置であってもよく、図５に示す第２処理装置２２は、図１の処理装置とは異なる別の処理装置であってもよい。

【0041】

上記実施形態にしたがって生成された候補知識グラフを使用する方法をより詳細に説明するために、図５および図６を参照する。図６は、本開示の一実施形態に係る知識グラフを使用する方法を示すフローチャートである。

【0042】

本開示の一実施形態に係る知識グラフを使用する方法を示すフローチャートである図６に示すように、第２処理装置２２によって実行される当該方法は、入力質問を取得し（ステップＳ６０１）、入力質問に対して自然言語理解手順を実行し、質問セットを取得する（ステップＳ６０３）、ことを含む。ここで、質問セットは、入力質問の質問主語、質問目的語および質問関係を含む。当該方法は、複数の候補知識グラフから質問主語と一致するターゲット知識グラフを検索し（ステップＳ６０５）、質問主語と一致するターゲット知識グラフの中の第１ターゲットエンティティおよび質問目的語と一致するターゲット知識グラフの中の第２ターゲットエンティティを決定し（ステップＳ６０７）、第１ターゲットエンティティと第２ターゲットエンティティとを接続するターゲット関係を決定し（ステップＳ６０９）、第１ターゲットエンティティ、第２ターゲットエンティティおよびターゲット関係にしたがって質問応答を出力する（ステップＳ６１１）、ことを含む。

【0043】

ステップＳ６０１では、ユーザインターフェース２３が、ユーザによって入力された入力質問を取得し、入力質問を第２処理装置２２に送信する。ステップＳ６０３では、第２処理装置２２が、入力質問に対して自然言語理解（ＮＬＵ）手順を実行し、入力質問の構文または意味論を解析し、それによって質問セットを取得する。ここで、質問セットは、入力質問の質問主語、質問目的語および質問関係を含む。例えば、入力質問が「骨折の患者はチーズを摂取するとよいか？（Ｃａｎ ｐａｔｉｅｎｔｓ ｓｕｆｆｅｒｅｄ ｆｒｏｍ ｂｏｎｅ ｆｒａｃｔｕｒｅ ｃｏｎｓｕｍｅ ｃｈｅｅｓｅ？）」であるとすると、第２処理装置２２は、自然言語理解手順を通じて、質問主語「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」、質問目的語「チーズ（ｃｈｅｅｓｅ）」および質問関係「摂取するとよい（ｃａｎ ｃｏｎｓｕｍｅ）」を取得することができる。すなわち、第２処理装置２２は、自然言語理解手順を通じて、ユーザがエンティティ「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」とエンティティ「チーズ（ｃｈｅｅｓｅ）」との間の関係が「食べるとよい（ｃａｎ ｅａｔ）」であるか否かを尋ねていることを理解することができる。なお、入力質問の質問関係が「食べるとよい（ｃａｎ ｅａｔ）」であるとすると、第２処理装置２２は、自然言語理解を通じて「摂取する（ｃｏｎｓｕｍｅ）」と「食べる（ｅａｔ）」とが同義語であると決定してもよい。

【0044】

ステップＳ６０３では、第２処理装置２２が、メモリ２１に格納された候補知識グラフの中から、ターゲット知識グラフとして質問主語と一致する知識グラフを検索する。上述したように、各候補知識グラフは対応する分野ヘッダを有することができ、第２処理装置２２は、質問主語および分野ヘッダにしたがってターゲット知識グラフを検索することができる。例えば、質問主語が「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」である例では、第２処理装置２２は、分野ヘッダ「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」である候補知識グラフをターゲット知識グラフとして使用してもよい。

【0045】

ステップＳ６０７およびステップＳ６０９では、第２処理装置２２が、質問主語と一致するターゲット知識グラフの中の第１ターゲットエンティティ、質問目的語と一致するターゲット知識グラフの中の第２ターゲットエンティティを決定し、第１ターゲットエンティティと第２ターゲットエンティティとの間を接続するターゲット関係を決定する。例えば、上述の入力質問および図３を例としてとると、第２処理装置２２は、質問主語「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」と一致する知識グラフＫＧの中のエンティティが第１ターゲットエンティティＡ１であり、質問目的語「チーズ（ｃｈｅｅｓｅ）」と一致する知識グラフＫＧの中のエンティティが第２ターゲットエンティティＢ２であると決定し、第１ターゲットエンティティＡ１と第２ターゲットエンティティＢ２とを接続する関係がターゲット関係Ｒ２であると決定する。

【0046】

次に、ステップＳ６１１では、第２処理装置２２が、第１ターゲットエンティティＡ１、第２ターゲットエンティティＢ２およびターゲット関係Ｒ２にしたがって質問応答を生成し、ユーザインターフェース２３に質問応答を出力する。具体的には、ターゲット関係Ｒ２は、第１ターゲットエンティティＡ１と第２ターゲットエンティティＢ２との間の動詞および対応する副詞型を示すので、第２処理装置２２は、第１ターゲットエンティティＡ１と第２ターゲットエンティティＢ２との間の関係に基づいて質問応答を生成することができる。

【0047】

上記の質問主語「骨折（ｂｏｎｅ ｆｒａｃｔｕｒｅ）」および質問目的語「チーズ（ｃｈｅｅｓｅ）」を例にとると、知識グラフにしたがって、第２処理装置２２は、対応する主語および目的語のエンティティ間のターゲット関係Ｒ２が、肯定型副詞および動詞「摂取する（ｃｏｎｓｕｍｅ）」であると決定することができる。したがって、第２処理装置２２は、「はい、骨折の患者はチーズを摂取するとよい（Ｙｅｓ， ａ ｐａｔｉｅｎｔ ｓｕｆｆｅｒｅｄ ｆｒｏｍ ｂｏｎｅ ｆｒａｃｔｕｒｅ ｃａｎ ｃｏｎｓｕｍｅ ｃｈｅｅｓｅ）」の質問応答などの肯定的な質問応答を生成することができる。

【0048】

図５および図７を参照する。図７は、本開示の別の実施形態に係る知識グラフを使用する方法を示すフローチャートである。図６に示すステップＳ６１１は、図７に示すステップＳ７０１およびステップＳ７０３を含んでいてもよい。図７に示すように、図６に示すステップＳ６１１は、質問意図を、第１ターゲットエンティティ、第２ターゲットエンティティおよびターゲット関係と照合し、初期応答を形成し（ステップＳ７０１）、初期応答に対して自然言語生成手順を実行し、質問応答を生成する（ステップＳ７０３）、ことを含んでいてもよい。

【0049】

ステップＳ７０１では、第２処理装置２２が、初期応答「骨折＿肯定型＿摂取する＿チーズ（ｂｏｎｅ ｆｒａｃｔｕｒｅ＿肯定型＿ｃｏｎｓｕｍｅ＿ｃｈｅｅｓｅ）」から第１ターゲットエンティティＡ１、第２ターゲットエンティティＢ２およびターゲット関係Ｒ２を照合する。ステップＳ７０３では、第２処理装置２２が、初期応答に対して自然言語生成（ＮＬＧ）手順を実行し、上述の質問応答「はい、骨折の患者はチーズを摂取するとよい（Ｙｅｓ， ａ ｐａｔｉｅｎｔ ｓｕｆｆｅｒｅｄ ｆｒｏｍ ｂｏｎｅ ｆｒａｃｔｕｒｅ ｃａｎ ｃｏｎｓｕｍｅ ｃｈｅｅｓｅ）」のような質問応答を生成する。

【0050】

上記の説明を考慮すると、本開示の１つ以上の実施形態に係る知識グラフを生成するシステムおよび方法は、組織化された知識グラフを生成するために適用されてもよく、情報と情報との間の接続および知識推論が、より効率的かつ正確になり得る。また、本開示は、副詞の副詞型を２つのエンティティ間の関係として使用し、これは、知識の衝突の問題を解決するのに役立ち、知識をより正確に表現すするために、より深い意味論的含意を処理することができ、知識グラフの拡張を改善する。また、本開示の１つ以上の実施形態に係る知識グラフを生成するシステムおよび方法は、さらに、レキシコンに新しい単語を追加し、知識ドキュメントに対してエンティティ関係の抽出を再度実行することを開示する。したがって、既存の知識グラフを拡張し、より完全にすることができる。さらに、本開示の１つ以上の実施形態に係る知識グラフを使用するシステムおよび方法は、ユーザに正確な応答または提案を提供することができる。

【0051】

関連出願の相互参照
本出願は、３５ Ｕ．Ｓ．Ｃ．１１９（ａ）の下で２０２２年１０月２６日に中華民国（ＲＯＣ）に出願された特許出願第１１１１４０５５４号の優先権を主張し、その内容を全体として本出願で参照として組み込む。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【外国語明細書】