ホーム > 特許ランキング > ＬＩＮＥヤフー株式会社
知財求人 - 知財ポータルサイト「IP Force」
(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】P2024088130
(43)【公開日】2024-07-02
(54)【発明の名称】情報処理装置、情報処理方法、及び情報処理プログラム
(51)【国際特許分類】
G06F 40/166 20200101AFI20240625BHJP
G06F 40/216 20200101ALI20240625BHJP
【ＦＩ】
G06F40/166
G06F40/216
【審査請求】有
【請求項の数】6
【出願形態】ＯＬ
(21)【出願番号】P 2022203153
(22)【出願日】2022-12-20
(71)【出願人】
【識別番号】500257300
【氏名又は名称】ＬＩＮＥヤフー株式会社
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】西川 荘介
(72)【発明者】
【氏名】小林 健
(72)【発明者】
【氏名】井上 裁都
(72)【発明者】
【氏名】増山 毅司
【テーマコード（参考）】
5B091
5B109
【Ｆターム（参考）】
5B091AA15
5B091EA01
5B109QB11
(57)【要約】
【課題】的確に文章の改善箇所を指摘し、文章の改善案を提案することができる情報処理装置、情報処理方法、及び情報処理プログラムを提供すること。
【解決手段】本開示に係る情報処理装置は、校正対象となる文章を示す校正対象文章を受け付ける受付部と、校正対象文章のうち校正範囲を示すマスク部を特定する特定部と、文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、校正対象文章のうちマスク部を秘匿した校正対象文章に基づいて、マスク部に含まれる文字列を推定する推定部と、推定部が推定した文字列と、マスク部に含まれる文字列が一致しない場合は、マスク部の文字列を校正対象として指摘する指摘部と、を備える。
【選択図】図４
【解決手段】本開示に係る情報処理装置は、校正対象となる文章を示す校正対象文章を受け付ける受付部と、校正対象文章のうち校正範囲を示すマスク部を特定する特定部と、文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、校正対象文章のうちマスク部を秘匿した校正対象文章に基づいて、マスク部に含まれる文字列を推定する推定部と、推定部が推定した文字列と、マスク部に含まれる文字列が一致しない場合は、マスク部の文字列を校正対象として指摘する指摘部と、を備える。
【選択図】図４
【特許請求の範囲】
【請求項1】
校正対象となる文章を示す校正対象文章を受け付ける受付部と、
前記校正対象文章のうち校正範囲を示すマスク部を特定する特定部と、
文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、前記校正対象文章のうち前記マスク部を秘匿した前記校正対象文章に基づいて、前記マスク部に含まれる文字列を推定する推定部と、
前記推定部が推定した文字列と、前記マスク部に含まれる文字列が一致しない場合は、前記マスク部の文字列を校正対象として指摘する指摘部と、
を備える情報処理装置。
前記校正対象文章のうち校正範囲を示すマスク部を特定する特定部と、
文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、前記校正対象文章のうち前記マスク部を秘匿した前記校正対象文章に基づいて、前記マスク部に含まれる文字列を推定する推定部と、
前記推定部が推定した文字列と、前記マスク部に含まれる文字列が一致しない場合は、前記マスク部の文字列を校正対象として指摘する指摘部と、
を備える情報処理装置。
【請求項2】
前記推定部が推定した前記マスク部に含まれる文字列の出現確率に対する、前記校正対象文章の前記マスク部に含まれる文字列の出現確率の比率を示す確信度を算出する算出部と、をさらに備える、
請求項１に記載の情報処理装置。
請求項１に記載の情報処理装置。
【請求項3】
前記算出部が算出した前記確信度が所定の閾値を超える対象ワードをホワイトリストとして抽出する抽出部と、をさらに備える、
請求項２に記載の情報処理装置。
請求項２に記載の情報処理装置。
【請求項4】
前記受付部は、校正フィルタリングを行った後の文章を前記校正対象文章として受け付け、
前記特定部は、校正フィルタリングにおいて指摘された文字列を前記マスク部として特定し、
前記推定部は、前記マスク部に含まれる文字列を推定する、
請求項１に記載の情報処理装置。
前記特定部は、校正フィルタリングにおいて指摘された文字列を前記マスク部として特定し、
前記推定部は、前記マスク部に含まれる文字列を推定する、
請求項１に記載の情報処理装置。
【請求項5】
校正対象となる文章を示す校正対象文章を受け付けるステップと、
前記校正対象文章のうち校正範囲を示すマスク部を特定するステップと、
文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、前記校正対象文章のうち前記マスク部を秘匿した前記校正対象文章に基づいて、前記マスク部に含まれる文字列を推定するステップと、
推定した文字列と、前記マスク部に含まれる文字列が一致しない場合は、前記マスク部の文字列を校正対象として指摘するステップと、
を含む情報処理方法。
前記校正対象文章のうち校正範囲を示すマスク部を特定するステップと、
文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、前記校正対象文章のうち前記マスク部を秘匿した前記校正対象文章に基づいて、前記マスク部に含まれる文字列を推定するステップと、
推定した文字列と、前記マスク部に含まれる文字列が一致しない場合は、前記マスク部の文字列を校正対象として指摘するステップと、
を含む情報処理方法。
【請求項6】
校正対象となる文章を示す校正対象文章を受け付けるステップと、
前記校正対象文章のうち校正範囲を示すマスク部を特定するステップと、
文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、前記校正対象文章のうち前記マスク部を秘匿した前記校正対象文章に基づいて、前記マスク部に含まれる文字列を推定するステップと、
推定した文字列と、前記マスク部に含まれる文字列が一致しない場合は、前記マスク部の文字列を校正対象として指摘するステップと、
をコンピュータに実行させる情報処理プログラム。
前記校正対象文章のうち校正範囲を示すマスク部を特定するステップと、
文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、前記校正対象文章のうち前記マスク部を秘匿した前記校正対象文章に基づいて、前記マスク部に含まれる文字列を推定するステップと、
推定した文字列と、前記マスク部に含まれる文字列が一致しない場合は、前記マスク部の文字列を校正対象として指摘するステップと、
をコンピュータに実行させる情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。
【背景技術】
【0002】
文章について文法チェックや文字列チェック、単語チェックなどを行い、文章の誤り箇所を指摘する文章校正システムが知られている。文章校正システムでは、文章の文脈を考慮して校正を指摘することができず、校正の必要がない文字列について校正を指摘する場合があるなど、校正の品質に不安があった。また、校正の必要がないワードのリストを示すホワイトリストの作成に手間がかかっていた。
【0003】
例えば、下記の特許文献１には、文章中の改善箇所の抽出精度を向上し得る、文章改善箇所抽出装置であって、ユーザが文章を閲読した際の視線の軌跡を特定する視線履歴情報を取得する情報取得部と、取得された視線履歴情報に基づいてユーザが文章を閲読した際の標準閲読速度を計算する標準閲読速度計算部と、取得された視線履歴情報に基づいて、文章において、ユーザの視線の移動速度が標準閲読速度に比べて低下している箇所を、文章の改善箇所として抽出する改善箇所抽出部と、を備える文章改善箇所抽出装置が開示されている。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０１９－１６４５１５号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、特許文献１に記載の文章改善箇所抽出装置は、文章改善箇所を抽出することができるものの、どのように改善したら良いかを提案することができなかった。本開示は上記課題を鑑み、的確に文章の改善箇所を指摘し、文章の改善案を提案することができる情報処理装置、情報処理方法、及び情報処理プログラムを提供することを目的とする。
【課題を解決するための手段】
【0006】
上述した課題を解決し、目的を達成するために、本開示に係る情報処理装置は、校正対象となる文章を示す校正対象文章を受け付ける受付部と、前記校正対象文章のうち校正範囲を示すマスク部を特定する特定部と、文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、前記校正対象文章のうち前記マスク部を秘匿した前記校正対象文章に基づいて、前記マスク部に含まれる文字列を推定する推定部と、前記推定部が推定した文字列と、前記マスク部に含まれる文字列が一致しない場合は、前記マスク部の文字列を校正対象として指摘する指摘部と、を備える。
【発明の効果】
【0007】
本開示によれば、的確に文章の改善箇所を指摘し、文章の改善案を提案することができる情報処理装置、情報処理方法、及び情報処理プログラムを提供することができる。
【図面の簡単な説明】
【0008】
【発明を実施するための形態】
【0009】
以下に、本開示に係る情報処理装置、情報処理方法、及び情報処理プログラムを実施するための形態（以下、「実施形態」と記載する。）について図面を参照しつつ詳細に説明する。なお、この実施形態により本開示に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。
【0010】
（実施形態）
〔１．実施形態に係る情報処理〕
〔１－１．実施形態に係る情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の第一の例を示す図である。図１では、実施形態に係る情報処理が情報処理装置１００、事業者端末２００により実行される例を示す。以下、実施形態に係る情報処理についてステップごとに順を追って説明する。
〔１．実施形態に係る情報処理〕
〔１－１．実施形態に係る情報処理の一例〕
まず、図１を用いて、実施形態に係る情報処理の一例について説明する。図１は、実施形態に係る情報処理の第一の例を示す図である。図１では、実施形態に係る情報処理が情報処理装置１００、事業者端末２００により実行される例を示す。以下、実施形態に係る情報処理についてステップごとに順を追って説明する。
【0011】
まず、情報処理装置１００は、事業者端末２００から校正対象となる文章を受け付ける（ステップＳ１）。例えば、情報処理装置１００は、事業者端末２００から事業者Ｍ１が入力した校正対象となる文章として、文章Ａ「文部科学省が報道発表した資料を閲覧できます。」といった文章を受け付ける。ここで、文章Ａのような文章は、事業者端末２００の出力部２３０に文章の入力ボックスを表示させて、事業者端末２００が備える入力部３２０を介して、事業者Ｍ１から文章の入力を受け付けてよい。
【0012】
次に、情報処理装置１００は、事業者端末２００から校正対象となる文章のうち、校正対象の範囲を示すマスク部の特定を受け付ける（ステップＳ２）。例えば、情報処理装置１００は、事業者端末２００から事業者Ｍ１が入力した前述の文章Ａにおける「科学」をマスク部として特定を受け付ける。ここで、マスク部の特定の受け付けは、事業者端末２００の出力部２３０に、ステップＳ１において受け付けた校正対象文章（例えば、前述の文章Ａ）を表示させて、事業者端末２００の入力部２２０を介して、事業者からマスク部の特定を受け付けてよい。情報処理装置１００は、事業者端末２００からマスク部の特定を受け付けたら、受け付けたマスク部に沿って特定された箇所をマスクした文章を生成する。例えば、情報処理装置１００は、文章Ａにおいて「科学」をマスク部として特定を受け付けた場合であれば、文章Ａ＊「文部［ＭＡＳＫ］省が報道発表した資料を閲覧できます。」を生成する。
【0013】
次に、情報処理装置１００は、受け付けた校正対象文章をモデルに入力し、マスク部に当て嵌まる置換ワードの推定結果を出力する（ステップＳ３）。例えば、情報処理装置１００は、ステップＳ２において生成した前述の文章Ａ＊をモデルに入力して、マスク部に当て嵌まる置換ワードの推定結果を出力する。この場合のモデルは、ＢＥＲＴ（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｅｎｃｏｒｄｅｒ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ｆｒｏｍ Ｔｒａｎｓｆｏｒｍｅｒｓ）や、ＥＬＭｏ（Ｅｍｂｅｄｄｉｎｇｓ ｆｒｏｍ Ｌａｎｇｕａｇｅ Ｍｏｄｅｌ）、Ｗｏｒｄ２Ｖｅｃ、Ｂｉｄｉｒｅｃｔｉｏｎａｌ ＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ）などにより構成可能である。これらのモデルは、入力した文章のマスク部に当て嵌まる単語を前後の文脈を考慮して予測する。なお、モデルの出力は、マスク部に当て嵌まる複数の置換ワードが、その出現確率と共に出力される。情報処理装置１００は、モデルの出力のうち、最も出現確率が高いと予測された置換ワードをマスク部に当て嵌まる置換ワードの推定結果としてよい。
【0014】
次に、情報処理装置１００は、マスク部の文章と、モデルの推定結果が一致している場合は校正不要、一致していない場合は校正必要と判断する（ステップＳ４）。例えば、情報処理装置１００は、文章Ａ「文部科学省が報道発表した資料を閲覧できます。」においてマスク部の元々対象ワード「科学」に対して、ステップＳ３においてモデルが推定した置換ワードが「科学」であったとする。この場合、情報処理装置１００は、マスク部の元々対象ワードと、モデルの推定結果が一致していることから、校正不要と判断する。
【0015】
次に、情報処理装置１００は、文章校正の結果を事業者端末２００に通知する（ステップＳ５）。例えば、情報処理装置１００は、ステップＳ４において、文章Ａのマスクした箇所の「科学」に対して、モデルの推定結果が「科学」で一致していることから、校正不要と判断した旨を示す文章校正の結果を事業者端末２００に通知する。
【0016】
これによれば、文章の文脈を考慮して文章の校正箇所を指摘することができる。そのため、的確に文章の改善箇所を指摘し、文章の改善案を提案することができる情報処理装置１００を提供することができる。
【0017】
〔１－２．実施形態に係る情報処理の他の例〕
情報処理装置１００は、推定したマスク部に含まれる文字列の出現確率に対する、校正対象文章のマスク部に含まれる文字列の出現確率の比率を示す確信度を算出する。
情報処理装置１００は、推定したマスク部に含まれる文字列の出現確率に対する、校正対象文章のマスク部に含まれる文字列の出現確率の比率を示す確信度を算出する。
【0018】
この情報処理について順を追って説明する。まず、情報処理装置１００は、図１に示したステップＳ１からＳ３と同じ処理を実行する。ステップＳ１からＳ３は、上述した処理と同じであるから説明を省略する。
【0019】
次に、情報処理装置１００は、推定したマスク部に含まれる文字列の出現確率に対する、校正対象文章のマスク部に含まれる文字列の出現確率の比率を示す確信度を算出する（ステップＳａ）。例えば、情報処理装置１００は、ステップＳ１において、文章Ｂ「として「地方創生臨時交付金」を拡充する費用と」といった文章を受け付けたとする。そして、情報処理装置１００は、ステップＳ２において、マスク部として文章Ｂのうち「交付」を対象ワードとして特定を受け付け、「交付」の箇所をマスクした文章Ｂ＊を生成したとする。この場合、情報処理装置１００は、モデルに文章Ｂ＊を入力して、マスク部として特定された箇所に当て嵌まる置換ワードの出現確率、及びマスク部の元々の文字列を示す対象ワードの出現確率を出力する。そして、情報処理装置１００は、複数の置換ワードの出現確率に対する、対象ワード「交付」の出現確率の比率を確信度としてそれぞれ算出する。すなわち、情報処理装置１００は、校正対象文章のマスク部の対象ワードの出現確率と、マスク部に当て嵌まるワードとして推定した置換ワードの複数の候補の出現確率を算出して、それぞれの比率を確信度として算出するといえる。つまり、確信度は、対象ワードの出現確率を、置換ワードの出現確率によって除算した値である。
【0020】
これによれば、マスク部に含まれる文字列の推定結果の出現確率に対する、校正対象文章のマスク部に含まれる文字列の出現確率の比率を示す確信度を算出することができる。そのため、マスク部の推定結果が適切であるか否かの判断を容易に行うことができる。
【0021】
〔１－３．実施形態に係る情報処理の他の例〕
情報処理装置１００は、算出した確信度が所定の閾値を超える対象ワードをホワイトリストとして抽出する。
情報処理装置１００は、算出した確信度が所定の閾値を超える対象ワードをホワイトリストとして抽出する。
【0022】
この情報処理について順を追って説明する。まず、情報処理装置１００は、図１に示したステップＳ１からＳ３と同じ処理を実行する。ステップＳ１からＳ３は、上述した処理と同じであるから説明を省略する。
【0023】
次に、情報処理装置１００は、前述したステップＳａと同じ処理を実行する。ステップＳａは、前述した処理と同じであるから説明を省略する。
【0024】
次に、情報処理装置１００は、ステップＳａにおいて算出した確信度が所定の閾値を超える対象ワードをホワイトリストワードとして抽出する（ステップＳｂ）。例えば、情報処理装置１００は、ステップＳ１において、文章Ｃ「中高一貫校」といった文章を受け付けたとする。そして、情報処理装置１００は、ステップＳ２において、マスク部として文章Ｃのうち「一貫」の箇所の特定を受け付け、「一貫」の箇所をマスクした文章Ｃ＊を生成したとする。そして、情報処理装置１００は、ステップＳ３において、モデルに文章Ｃ＊を入力して、マスク部として特定された箇所に当て嵌まる置換ワードの出現確率、及びマスク部の元々の文字列を示す対象ワードの出現確率を出力したとする。そして、情報処理装置１００は、ステップＳａにおいて、マスク部の「一貫」の出現確率と、マスク部に当て嵌まる置換ワードとしての「一環」の出現確率の比率を示す確信度を算出し、その値を１２，７８６，８２０，７９０と算出したとする。この場合、情報処理装置１００は、確信度が所定の閾値、例えば１００を超える対象ワードをホワイトリストワードとして抽出する。このようにして、情報処理装置１００は、その他の対象ワードについても確信度に基づいて、ホワイトリストワードとして抽出する。
【0025】
これによれば、確信度が所定の閾値を超える文字列をホワイトリストワードとして抽出することができる。そのため、ホワイトリストワードの抽出を効率的に行うことができる。
【0026】
〔１－４．実施形態に係る情報処理の他の例〕
情報処理装置１００は、校正フィルタリングを行った後の文章を校正対象文章として受け付け、校正フィルタリングにおいて指摘された文字列をマスク部として特定し、マスク部に含まれる文字列を推定する。
情報処理装置１００は、校正フィルタリングを行った後の文章を校正対象文章として受け付け、校正フィルタリングにおいて指摘された文字列をマスク部として特定し、マスク部に含まれる文字列を推定する。
【0027】
この情報処理について順を追って説明する。
【0028】
まず、情報処理装置１００は、事業者端末２００から校正対象となる文章を受け付ける（ステップＳ１－１）。この場合において、情報処理装置１００は、校正対象文章として、校正フィルタリングを行った後の文章を校正対象文章として受け付ける。ここで、校正フィルタリングとは、文章を入力すると、文法や単語表現に基づいて、誤りを指摘する文章校正システムを用いて文章の校正箇所を指摘することを指している。例えば、文章Ｄ「無人の戦車が自律的に標的を攻撃する。」といった文章を、文章校正システムに入力して、校正指摘として「自律->［自立］との誤用に注意（誤用注意）」を受けていたとする。この場合、情報処理装置１００は、前述の文章Ｄを校正対象文章として受け付ける。
【0029】
次に、情報処理装置１００は、事業者端末２００から校正対象となる文章のうち、校正対象の範囲を示すマスク部の特定を受け付ける（ステップＳ２－１）。この場合、情報処理装置１００は、校正フィルタリングにおいて指摘された文字列をマスク部として特定する。例えば、前述の文章Ｄを校正対象文章として受け付けた場合であれば、情報処理装置１００は、校正フィルタリングにおいて指摘された文字列である「自律」をマスク部として特定する。そして、情報処理装置１００は、文章Ｄのマスク部をマスクした文章Ｄ＊「無人の戦車が［ＭＡＳＫ］的に標的を攻撃する。」を生成する。
【0030】
次に、情報処理装置１００は、受け付けた校正対象文章をモデルに入力し、マスク部の推定結果を出力する（ステップＳ３－１）。例えば、情報処理装置１００は、前述の文章Ｄ＊をモデルに入力し、マスク部の推定結果を出力する。この場合のモデルには、前述したものと同様のものを用いてよい。つまり、情報処理装置１００は、入力した文章のマスク部に当て嵌まる単語を前後の文脈を考慮して予測する。情報処理装置１００は、モデルの出力のうち、最も出現確率が高いと予測された単語をマスク部に当て嵌まる置換ワードの推定結果としてよい。
【0031】
次に、情報処理装置１００は、図１に示したステップＳ４、及びＳ５と同じ処理を実行する。ステップＳ４、及びＳ５は、上述した処理と同じであるから説明を省略する。
【0032】
このような情報処理装置１００の処理の概要について図２に示す。図２は、実施形態に係る情報処理の第二の例を示す図である。図２の中央の位置に示す「校正くん」は、校正フィルタリングの一例を示しており、校正対象文章として「校正くん」に文章Ｄ「無人の戦車が自律的に標的を攻撃する。」が入力されたことが示されている。そして、図２には「校正くん」の指摘として、「自律->［自立］との誤用に注意（誤用注意）」との指摘されたことが示されている。また、図２には、その指摘を受けて、指摘を受けた箇所である「自律」をマスクした文章Ｄ＊をモデルに入力して、新たな指摘がされたことが示されている。
【0033】
これによれば、校正フィルタリングを行った後の文章に対して、校正フィルタリングにより指摘された文字列をマスク部として特定し、マスク部に含まれる文字列を推定することができる。そのため、校正フィルタリングにおける指摘が適切であるか否かを別の観点から検証することができる。
【0034】
〔２．情報処理システムの構成〕
次に、図３を用いて実施形態に係る情報処理システムの構成について説明する。図３は、実施形態に係る情報処理システムの構成例を示す図である。図３に示すように、実施形態に係る情報処理システム１は、情報処理装置１００と、事業者端末２００と、ネットワークＮを有する。以下、これらの構成について簡単に順を追って説明する。
次に、図３を用いて実施形態に係る情報処理システムの構成について説明する。図３は、実施形態に係る情報処理システムの構成例を示す図である。図３に示すように、実施形態に係る情報処理システム１は、情報処理装置１００と、事業者端末２００と、ネットワークＮを有する。以下、これらの構成について簡単に順を追って説明する。
【0035】
情報処理装置１００は、例えばＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ＷＳ（Ｗｏｒｋ Ｓｔａｔｉｏｎ）、サーバの機能を備えるコンピュータなどの情報処理装置であってよい。情報処理装置１００は、事業者端末２００からネットワークＮを介して送信されてきた情報に基づいて処理を行う。
【0036】
事業者端末２００は、事業者が利用する情報処理装置である。事業者端末２００は、例えば、スマートフォン、タブレット型端末、デスクトップ型ＰＣ、ノート型ＰＣ、携帯電話機、ＰＤＡ等の情報処理装置であってよい。なお、図１に示す例においては、事業者端末２００がノート型ＰＣである場合を示している。
【0037】
ネットワークＮは、情報処理装置１００と、事業者端末２００を有線、又は無線により相互に通信可能に接続する。ネットワークＮが有線の場合は、ＩＥＥＥ８０２．３に規定されるイーサネット（登録商標）（ＥＴＨＥＲＮＥＴ（登録商標））により実現されてよい。また、ネットワークＮが無線の場合は、ＩＥＥＥ８０２．１１に規定される無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）により実現されてよい。
【0038】
〔３．情報処理装置の構成〕
次に、図４を用いて、情報処理装置１００の構成について説明する。
次に、図４を用いて、情報処理装置１００の構成について説明する。
【0039】
【0040】
（通信部１１０について）
通信部１１０は、例えば、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）カード等によって実現される。そして、通信部１１０は、ネットワークＮと有線または無線で接続され、事業者端末２００などとの間で情報の送受信を行う。
通信部１１０は、例えば、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）カード等によって実現される。そして、通信部１１０は、ネットワークＮと有線または無線で接続され、事業者端末２００などとの間で情報の送受信を行う。
【0041】
（記憶部１２０について）
記憶部１２０は、主記憶装置と外部記憶装置とを備える。主記憶装置は、制御部１３０が実行するプログラム、あるいは制御部１３０が処理するデータを記憶する。主記憶装置は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）等のような半導体メモリ素子によって実現されてよい。外部記憶装置は、制御部１３０が処理するデータを保存する。外部記憶装置は、例えば、ハードディスクやＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、磁気テープ、光ディスク等によって実現されてよい。
記憶部１２０は、主記憶装置と外部記憶装置とを備える。主記憶装置は、制御部１３０が実行するプログラム、あるいは制御部１３０が処理するデータを記憶する。主記憶装置は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）等のような半導体メモリ素子によって実現されてよい。外部記憶装置は、制御部１３０が処理するデータを保存する。外部記憶装置は、例えば、ハードディスクやＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、磁気テープ、光ディスク等によって実現されてよい。
【0042】
図４に示すように、記憶部１２０は、ホワイトリスト記憶部１２１と、自然言語モデル記憶部１２２を有する。以下、これらの構成について順を追って説明する。
【0043】
（ホワイトリスト記憶部１２１について）
ホワイトリスト記憶部１２１は、文章校正における指摘対象から除外されるワードのリストを示すホワイトリストを記憶する。ここで、図５を用いて、ホワイトリスト記憶部１２１が記憶する情報の一例を説明する。図５は、実施形態に係る情報処理装置のホワイトリスト記憶部に記憶される情報の一例を示す図である。
ホワイトリスト記憶部１２１は、文章校正における指摘対象から除外されるワードのリストを示すホワイトリストを記憶する。ここで、図５を用いて、ホワイトリスト記憶部１２１が記憶する情報の一例を説明する。図５は、実施形態に係る情報処理装置のホワイトリスト記憶部に記憶される情報の一例を示す図である。
【0044】
図５に示す例において、ホワイトリスト記憶部１２１は、「ホワイトリストワードＩＤ」、「ホワイトリストワード」という項目に係る情報を紐付けて記憶する。
【0045】
「ホワイトリストワードＩＤ」は、ホワイトリストワードを識別する識別子であり、文字列や記号などによって表される。「ホワイトリストワード」は、ホワイトリストとして管理されるワードを示す。
【0046】
すなわち、図５においては、ホワイトリストワードＩＤ「ＷＩＤ＃１」により識別されるホワイトリストワードが「ＷＯＲＤ＃１」であることを示している。
【0047】
なお、ホワイトリスト記憶部１２１に記憶される情報は、「ホワイトリストワードＩＤ」、「ホワイトリストワード」という項目に係る情報に限定されるものではなく、その他の任意のホワイトリストに関係する情報が記憶されてよい。
【0048】
（自然言語モデル記憶部１２２について）
自然言語モデル記憶部１２２は、自然言語モデルに関係する情報を記憶する。ここで、図６を用いて、自然言語モデル記憶部１２２が記憶する情報の一例を説明する。図６は、実施形態に係る情報処理装置の自然言語モデル記憶部に記憶される情報の一例を示す図である。
自然言語モデル記憶部１２２は、自然言語モデルに関係する情報を記憶する。ここで、図６を用いて、自然言語モデル記憶部１２２が記憶する情報の一例を説明する。図６は、実施形態に係る情報処理装置の自然言語モデル記憶部に記憶される情報の一例を示す図である。
【0049】
図６に示す例において、自然言語モデル記憶部１２２は、「モデルＩＤ」、「モデルデータ」という項目に係る情報を紐付けて記憶する。
【0050】
「モデルＩＤ」は、自然言語モデルを識別する識別子であり、文字列や番号によって表される。「モデルデータ」は、自然言語モデルのモデルデータを示す。例えば、自然言語モデルは、ニューラルネットワークなどであってよい。
【0051】
すなわち、図６において、モデルＩＤ「Ｍ＃１」で識別されるモデルは、自然言語モデルＭ＃１を示す。また、モデルデータ「ＭＤＴ＃１」は、自然言語モデルＭ＃１のモデルデータを示す。
【0052】
ここで、自然言語モデルがニューラルネットワークである場合は、モデルデータ「ＭＤＴ＃１」には、例えば、ニューラルネットワークを構成する複数の層のそれぞれに含まれるノードが互いにどのように結合するかという結合情報や、結合されたノード間で入出力される数値に掛け合わされる結合係数などの各種情報が含まれる。
【0053】
なお、自然言語モデル記憶部１２２に記憶される情報は、「モデルＩＤ」、「モデルデータ」という項目に係る情報に限定されるものではなく、その他の任意の自然言語モデルに関係する情報が記憶されてよい。
【0054】
（制御部１３０について）
次に、図４に戻って、制御部１３０について説明する。制御部１３０は、情報処理装置１００を制御するコントローラ（Ｃｏｎｔｒｏｌｌｅｒ）であり、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等によって、情報処理装置１００の記憶部１２０に記憶されている各種プログラムを読み出して、ＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ））等の集積回路により実現されてもよい。
次に、図４に戻って、制御部１３０について説明する。制御部１３０は、情報処理装置１００を制御するコントローラ（Ｃｏｎｔｒｏｌｌｅｒ）であり、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等によって、情報処理装置１００の記憶部１２０に記憶されている各種プログラムを読み出して、ＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、コントローラであり、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ））等の集積回路により実現されてもよい。
【0055】
制御部１３０は、図４に示すように、受付部１３１と、特定部１３２と、推定部１３３と、指摘部１３４と、算出部１３５と、抽出部１３６を有する。制御部１３０は、記憶部１２０からプログラムを読み出して、ＲＡＭを作業領域として実行することで、これらの機能を実現して、以下に説明する情報処理の機能や作用を実現または実行する。以下、これらの処理を、順を追って説明する。
【0056】
（受付部１３１について）
受付部１３１は、校正対象となる文章を示す校正対象文章を受け付ける。例えば、受付部１３１は、事業者端末２００から事業者Ｍ１が入力した校正対象となる文章として、文章Ａ「文部科学省が報道発表した資料を閲覧できます。」といった文章を受け付ける。受付部１３１は、校正対象となる文章を受け付けたら、受け付けた文章を記憶部１２０に記憶する。
受付部１３１は、校正対象となる文章を示す校正対象文章を受け付ける。例えば、受付部１３１は、事業者端末２００から事業者Ｍ１が入力した校正対象となる文章として、文章Ａ「文部科学省が報道発表した資料を閲覧できます。」といった文章を受け付ける。受付部１３１は、校正対象となる文章を受け付けたら、受け付けた文章を記憶部１２０に記憶する。
【0057】
受付部１３１は、校正フィルタリングを行った後の文章を校正対象文章として受け付けてもよい。ここで、校正フィルタリングとは、文章を入力すると、文法や単語表現に基づいて、誤りを指摘する文章校正システムを用いて文章の校正箇所を指摘することを指している。例えば、文章Ｄ「無人の戦車が自律的に標的を攻撃する。」といった文章を、文章校正システムに入力して、校正指摘として「自律->［自立］との誤用に注意（誤用注意）」を受けていたとする。この場合、受付部１３１は、前述の文章Ｄを校正対象文章として受け付ける。
【0058】
（特定部１３２について）
特定部１３２は、校正対象文章のうち校正範囲を示すマスク部を特定する。例えば、特定部１３２は、事業者端末２００から事業者Ｍ１が入力した前述の文章Ａにおける「科学」をマスク部として特定を受け付ける。ここで、マスク部の特定の受け付けは、事業者端末２００の出力部２３０に、ステップＳ１において受け付けた校正対象文章（例えば、前述の文章Ａ）を表示させて、事業者端末２００の入力部２２０を介して、マスク部の特定を受け付けてよい。特定部１３２は、事業者端末２００からマスク部の特定を受け付けたら、受け付けたマスク部に沿って特定された箇所をマスクした文章を生成する。例えば、特定部１３２は、前述の文章Ａにおいて「科学」をマスク部として特定を受け付けた場合であれば、文章Ａ＊「文部［ＭＡＳＫ］省が報道発表した資料を閲覧できます。」を生成する。
特定部１３２は、校正対象文章のうち校正範囲を示すマスク部を特定する。例えば、特定部１３２は、事業者端末２００から事業者Ｍ１が入力した前述の文章Ａにおける「科学」をマスク部として特定を受け付ける。ここで、マスク部の特定の受け付けは、事業者端末２００の出力部２３０に、ステップＳ１において受け付けた校正対象文章（例えば、前述の文章Ａ）を表示させて、事業者端末２００の入力部２２０を介して、マスク部の特定を受け付けてよい。特定部１３２は、事業者端末２００からマスク部の特定を受け付けたら、受け付けたマスク部に沿って特定された箇所をマスクした文章を生成する。例えば、特定部１３２は、前述の文章Ａにおいて「科学」をマスク部として特定を受け付けた場合であれば、文章Ａ＊「文部［ＭＡＳＫ］省が報道発表した資料を閲覧できます。」を生成する。
【0059】
特定部１３２は、校正フィルタリングにおいて指摘された文字列をマスク部として特定してもよい。例えば、受付部１３１が前述の文章Ｄを校正対象文章として受け付けた場合であれば、特定部１３２は、校正フィルタリングにおいて指摘された文字列である「自律」をマスク部として特定する。そして、特定部１３２は、文章Ｄのマスク部をマスクした文章Ｄ＊「無人の戦車が［ＭＡＳＫ］的に標的を攻撃する。」を生成する。
【0060】
（推定部１３３について）
推定部１３３は、文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、校正対象文章のうちマスク部を秘匿した校正対象文章に基づいて、マスク部に含まれる文字列を推定する。この場合のモデルは、ＢＥＲＴや、ＥＬＭｏ、Ｗｏｒｄ２Ｖｅｃ、Ｂｉｄｉｒｅｃｔｉｏｎａｌ ＬＳＴＭなどにより構成可能である。これらのモデルは、入力した文章のマスク部に当て嵌まる単語を前後の文脈を考慮して予測する。なお、モデルの出力は、マスク部に当て嵌まる複数の単語が、その出現確率が大きい順に並べて出力される。推定部１３３は、モデルの出力のうち、最も出現確率が高いと予測された単語をマスク部の推定結果としてよい。
推定部１３３は、文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、校正対象文章のうちマスク部を秘匿した校正対象文章に基づいて、マスク部に含まれる文字列を推定する。この場合のモデルは、ＢＥＲＴや、ＥＬＭｏ、Ｗｏｒｄ２Ｖｅｃ、Ｂｉｄｉｒｅｃｔｉｏｎａｌ ＬＳＴＭなどにより構成可能である。これらのモデルは、入力した文章のマスク部に当て嵌まる単語を前後の文脈を考慮して予測する。なお、モデルの出力は、マスク部に当て嵌まる複数の単語が、その出現確率が大きい順に並べて出力される。推定部１３３は、モデルの出力のうち、最も出現確率が高いと予測された単語をマスク部の推定結果としてよい。
【0061】
ここで、図７を用いて、推定部１３３の推定結果の第一の例について説明する。図７は、実施形態に係る情報処理装置の推定部の推定結果の第一の例を示す図である。図７には、入力した校正対象文章と、マスク部に元々含まれる対象ワードと、当該の対象ワードの出現確率と、推定部１３３が推定した置換ワードと、当該の置換ワードの出現確率といった項目について、校正対象文章ごとに一覧表として示されている。例えば、「文部［ＭＡＳＫ］省」といった校正対象文章の場合であれば、マスク部に元々含まれる対象ワードが「科学」であり、対象ワードの出現確率が「９９．９８」であり、置換ワードが「科学」であり、当該の置換ワードの出現確率が「０．０」であることが示されている。なお、図７に示す第一の例の場合であれば、いずれも対象ワードの出現確率が、置換ワードの出現確率を上回っていることから、校正の必要無しと判断してよい。
【0062】
次に、図８を用いて、推定部１３３の推定結果の第二の例について説明する。図８は、実施形態に係る情報処理装置の推定部の推定結果の第二の例を示す図である。図８には、図７に示した項目と同じ項目について、図７に示した校正対象文章とは異なる校正対象文章に関して示されている。例えば、「結局［ＭＡＳＫ］的」といった文章であれば、マスク部に元々含まれる対象ワードが「自律」であり、対象ワードの出現確率が「０．０１」であり、置換ワードが「自立」であり、当該の置換ワードの出現確率が「０．０５」であることが示されている。なお、図８に示す第二の例の場合であれば、いずれも対象ワードの出現確率が、置換ワードの出現確率を下回っていることから、校正の必要有りと判断してよい。
【0063】
（指摘部１３４について）
指摘部１３４は、推定部１３３が推定した文字列と、マスク部に含まれる文字列とが一致しない場合は、マスク部の文字列を校正対象として指摘する。例えば、受付部１３１が受け付けた文章Ａ「文部科学省が報道発表した資料を閲覧できます。」において、特定部１３２がマスクした箇所の「科学」に対して、推定部１３３のモデルが推定した置換ワードが「科学」であったとする。この場合、指摘部１３４は、マスク部に含まれる文字列と、モデルの推定結果が一致していることから、校正不要と判断し、校正対象の指摘を行わない。この場合は、指摘部１３４は、校正不要と判断した旨を示すメッセージを生成して、事業者端末２００の出力部２３０に表示させる。
指摘部１３４は、推定部１３３が推定した文字列と、マスク部に含まれる文字列とが一致しない場合は、マスク部の文字列を校正対象として指摘する。例えば、受付部１３１が受け付けた文章Ａ「文部科学省が報道発表した資料を閲覧できます。」において、特定部１３２がマスクした箇所の「科学」に対して、推定部１３３のモデルが推定した置換ワードが「科学」であったとする。この場合、指摘部１３４は、マスク部に含まれる文字列と、モデルの推定結果が一致していることから、校正不要と判断し、校正対象の指摘を行わない。この場合は、指摘部１３４は、校正不要と判断した旨を示すメッセージを生成して、事業者端末２００の出力部２３０に表示させる。
【0064】
これに対し、例えば、受付部１３１が文章Ｂ「として「地方創生臨時交付金」を拡充する費用と」といった文章を受け付けて、推定部１３３のモデルが推定した置換ワードが「交付」であったとする。この場合、指摘部１３４は、マスク部に含まれる文字列と、モデルの推定結果が一致していないことから、校正必要と判断し、校正対象として指摘を行う。具体的には、指摘部１３４は、「「交付」は、「公布」が適切な可能性があります。」といったメッセージを生成して、事業者端末３００の出力部２３０に表示させてよい。
【0065】
（算出部１３５について）
算出部１３５は、推定部１３３が推定したマスク部に含まれる文字列の出現確率に対する、校正対象文章のマスク部に含まれる文字列の出現確率の比率を示す確信度を算出する。例えば、受付部１３１が文章Ｂ「として「地方創生臨時交付金」を拡充する費用と」といった文章を受け付けたとする。そして、特定部１３２がマスク部として文章Ｂのうち「交付」の箇所の特定を受け付け、「交付」の箇所をマスクした文章Ｂ＊を生成したとする。この場合、推定部１３３は、モデルに文章Ｂ＊を入力して、マスク部として特定された箇所に当て嵌まる置換ワードの出現確率、及びマスク部の元々の文字列を示す対象ワードの出現確率を出力して、出現確率が最も高いワードを推定結果として出力する。そして、算出部１３５は、複数の置換ワードの出現確率に対する、対象ワード「交付」の出現確率の比率を確信度としてそれぞれ算出する。つまり、確信度は、マスク部に元々含まれる対象ワードの出現確率を、置換ワードの出現確率によって除算した値である。
算出部１３５は、推定部１３３が推定したマスク部に含まれる文字列の出現確率に対する、校正対象文章のマスク部に含まれる文字列の出現確率の比率を示す確信度を算出する。例えば、受付部１３１が文章Ｂ「として「地方創生臨時交付金」を拡充する費用と」といった文章を受け付けたとする。そして、特定部１３２がマスク部として文章Ｂのうち「交付」の箇所の特定を受け付け、「交付」の箇所をマスクした文章Ｂ＊を生成したとする。この場合、推定部１３３は、モデルに文章Ｂ＊を入力して、マスク部として特定された箇所に当て嵌まる置換ワードの出現確率、及びマスク部の元々の文字列を示す対象ワードの出現確率を出力して、出現確率が最も高いワードを推定結果として出力する。そして、算出部１３５は、複数の置換ワードの出現確率に対する、対象ワード「交付」の出現確率の比率を確信度としてそれぞれ算出する。つまり、確信度は、マスク部に元々含まれる対象ワードの出現確率を、置換ワードの出現確率によって除算した値である。
【0066】
ここで、図９を用いて算出部１３５が算出した確信度の算出結果の一例について説明する。図９は、実施形態に係る情報処理装置の算出部の確信度の算出結果の一例を示す図である。図９には、入力した校正対象文章と、マスク部の元々含まれる対象ワードと、推定部１３３が推定した置換ワードと、対象ワードの置換ワードに対する確信度が示されている。例えば、「として「地方創生臨時［ＭＡＳＫ］金」を拡充する費用と」といった校正対象文章の場合であれば、対象ワードが「交付」であり、置換ワードが「公布」であり、確信度が「７５，０３０，０００」であることが示されている。このように、算出部１３５は、校正対象文章ごとに、対象ワードの出現確率と、置換ワードの出現確率の比率を示す確信度を算出する。
【0067】
（抽出部１３６について）
抽出部１３６は、算出部１３５が算出した確信度が所定の閾値を超える対象ワードをホワイトリストとして抽出する。例えば、受付部１３１が文章Ｃ「中高一貫校」といった文章を受け付けたとする。そして、特定部１３２がマスク部として文章Ｃのうち「一貫」の箇所の特定を受け付け、「一貫」の箇所をマスクした文章Ｃ＊を生成したとする。そして、推定部１３３が、モデルに文章Ｃ＊を入力して、マスク部として特定された箇所に当て嵌まる置換ワードの出現確率、及びマスク部の元々の文字列を示す対象ワードの出現確率を出力したとする。そして、算出部１３５が、マスク部の「一貫」の出現確率と、マスク部に当て嵌まる置換ワードとしての「一環」の出現確率の比率を示す確信度を算出し、その値を１２，７８６，８２０，７９０と算出したとする。この場合、抽出部１３６は、確信度が所定の閾値、例えば１００を超える対象ワードをホワイトリストワードとして抽出する。
抽出部１３６は、算出部１３５が算出した確信度が所定の閾値を超える対象ワードをホワイトリストとして抽出する。例えば、受付部１３１が文章Ｃ「中高一貫校」といった文章を受け付けたとする。そして、特定部１３２がマスク部として文章Ｃのうち「一貫」の箇所の特定を受け付け、「一貫」の箇所をマスクした文章Ｃ＊を生成したとする。そして、推定部１３３が、モデルに文章Ｃ＊を入力して、マスク部として特定された箇所に当て嵌まる置換ワードの出現確率、及びマスク部の元々の文字列を示す対象ワードの出現確率を出力したとする。そして、算出部１３５が、マスク部の「一貫」の出現確率と、マスク部に当て嵌まる置換ワードとしての「一環」の出現確率の比率を示す確信度を算出し、その値を１２，７８６，８２０，７９０と算出したとする。この場合、抽出部１３６は、確信度が所定の閾値、例えば１００を超える対象ワードをホワイトリストワードとして抽出する。
【0068】
このような抽出部１３６の処理について、図１０を用いて説明する。図１０は、実施形態に係る情報処理装置の抽出部の処理の概要を示す図である。図１０に概要として示すように、抽出部１３６は、校正対象文章の確信度に基づいて、ホワイトリストワードを抽出する。図１０に示す例においては、校正対象文章として入力された「中高一貫校」、「実戦力」、「文部科学省」、「消火器」、「パレスチナ解放機構」といった文章に対して、抽出部１３６が確信度に基づいてホワイトリストとして抽出したのは、「中高一貫校」、「文部科学省」、「パレスチナ解放機構」であることが示されている。
【0069】
なお、図１０に示した例を含むホワイトリストワードとして抽出された例の確信度について、図１１を用いて説明する。図１１は、実施形態に係る情報処理装置の抽出部によって抽出されたホワイトリストワードの確信度の一例を示す図である。図１１には、抽出部１３６が抽出したホワイトリストワード、及び当該のホワイトリストワードの確信度の例が示されている。図１１に示すホワイトリストワードの確信度はいずれも高い値であり、確信度が高いことから、校正対象として指摘する必要がないと判断されてホワイトリストワードとして抽出してよいと考えられる。なお、抽出部１３６がホワイトリストワードとして抽出する際の確信度の閾値は、任意の値を設定して良いが、例えば、一例としては１００と設定してよい。また、小規模な正解データセットを人手で用意して、このデータセットに対するシステムの性能が最も良くなる閾値を設定してもよい。
【0070】
〔４．事業者端末の構成〕
次に、図１２を用いて、実施形態に係る事業者端末２００の構成について説明する。図１２は、実施形態に係る事業者端末の構成例を示す図である。図１２に示すように、事業者端末２００は、通信部２１０と、入力部２２０と、出力部２３０と、制御部２４０を有する。
次に、図１２を用いて、実施形態に係る事業者端末２００の構成について説明する。図１２は、実施形態に係る事業者端末の構成例を示す図である。図１２に示すように、事業者端末２００は、通信部２１０と、入力部２２０と、出力部２３０と、制御部２４０を有する。
【0071】
通信部２１０は、例えば、ＮＩＣ、無線ＬＡＮカード等によって実現される。そして、通信部２１０は、ネットワークＮと有線又は無線で接続され、ネットワークＮを介して、情報処理装置１００との間で各種の情報の送受信を行う。
【0072】
入力部２２０は、事業者から各種の操作情報が入力される。例えば、入力部２２０は、タッチパネルにより表示面（例えば出力部２３０）を介して事業者からの各種操作を受け付けてもよい。また、入力部２２０は、事業者端末２００に設けられたボタンや、事業者端末２００に接続されたキーボードやマウスからの各種操作を受け付けてもよい。
【0073】
出力部２３０は、例えば液晶ディスプレイや有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等によって実現されるタブレット型端末等の表示画面であり、各種情報を表示するための表示装置である。つまり、事業者端末２００は、入力部２２０がタッチパネルである場合は、出力部２３０である表示画面により事業者の入力を受け付け、事業者への出力も行う。また、出力部２３０は、スピーカーであってもよく、スピーカーにより音声を出力してよい。
【0074】
制御部２４０は、例えば、ＣＰＵやＭＰＵ等によって、事業者端末２００に記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部２４０は、例えば、ＡＳＩＣやＦＰＧＡ等の集積回路により実現されてもよい。
【0075】
図１２に示すように、制御部２４０は、受付部２４１と、通知部２４２を有する。
【0076】
受付部２４１は、事業者から校正対象となる文章を示す校正対象文章を受け付ける。例えば、受付部２４１は、事業者端末２００の出力部２３０に文章の入力ボックスを表示させて、事業者端末２００が備える入力部２２０を介して、事業者から文章の入力を受け付けてよい。
【0077】
通知部２４２は、情報処理装置１００の指摘部１３４が通知した校正の要不要の判断結果を事業者に通知する。例えば、通知部２４２は、事業者端末２００の出力部２３０に指摘部１３４から通知された校正の要不要の判断結果を表示させて、事業者に指摘部１３４の通知した校正の要不要の判断結果を通知してよい。
【0078】
〔５．情報処理のフロー〕
次に、図１３を用いて、実施形態に係る情報処理の手順について説明する。図１３は、実施形態に係る情報処理の一例を示すフローチャートである。以下、図１３に示すフローチャートに沿って、実施形態に係る情報処理の手順について説明する。
次に、図１３を用いて、実施形態に係る情報処理の手順について説明する。図１３は、実施形態に係る情報処理の一例を示すフローチャートである。以下、図１３に示すフローチャートに沿って、実施形態に係る情報処理の手順について説明する。
【0079】
まず、情報処理装置１００は、校正対象となる文章を受け付ける（ステップＳ１０１）。次に、情報処理装置１００は、校正対象となる文章のうち、校正対象の範囲を示すマスク部の特定を受け付ける（ステップＳ１０２）。そして、情報処理装置１００は、校正対象の文章をモデルに入力し、マスク部の推定結果を出力する（ステップＳ１０３）。そして、情報処理装置１００は、マスク部の文章と、モデルの推定結果が一致している場合は校正不要、一致していない場合は校正必要と判断する（ステップＳ１０４）。そして、情報処理装置１００は、文章校正の結果を通知する（ステップＳ１０５）。
【0080】
これによれば、文章の文脈を考慮して文章の校正箇所を指摘することができる。そのため、的確に文章の改善箇所を指摘し、文章の改善案を提案することができる情報処理方法を提供することができる。
【0081】
〔６．ハードウェア構成〕
また、上述した実施形態に係る情報処理装置１００は、例えば図１４に示すような構成のコンピュータ１０００によって実現される。図１４は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Ｉｎｔｅｒｆａｃｅ）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。
また、上述した実施形態に係る情報処理装置１００は、例えば図１４に示すような構成のコンピュータ１０００によって実現される。図１４は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、出力装置１０１０、入力装置１０２０と接続され、演算装置１０３０、一次記憶装置１０４０、二次記憶装置１０５０、出力ＩＦ（Ｉｎｔｅｒｆａｃｅ）１０６０、入力ＩＦ１０７０、ネットワークＩＦ１０８０がバス１０９０により接続された形態を有する。
【0082】
演算装置１０３０は、一次記憶装置１０４０や二次記憶装置１０５０に格納されたプログラムや入力装置１０２０から読み出したプログラム等に基づいて動作し、各種の処理を実行する。一次記憶装置１０４０は、ＲＡＭ等、演算装置１０３０が各種の演算に用いるデータを一次的に記憶するメモリ装置である。また、二次記憶装置１０５０は、演算装置１０３０が各種の演算に用いるデータや、各種のデータベースが記憶される記憶装置であり、ＲＯＭ(Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ)、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリ等により実現される。
【0083】
出力ＩＦ１０６０は、モニタやプリンタといった各種の情報を出力する出力装置１０１０に対し、出力対象となる情報を送信するためのインタフェースであり、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）やＤＶＩ（Ｄｉｇｉｔａｌ Ｖｉｓｕａｌ Ｉｎｔｅｒｆａｃｅ）、ＨＤＭＩ（登録商標）（Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）といった規格のコネクタにより実現される。また、入力ＩＦ１０７０は、マウス、キーボード、およびスキャナ等といった各種の入力装置１０２０から情報を受信するためのインタフェースであり、例えば、ＵＳＢ等により実現される。
【0084】
なお、入力装置１０２０は、例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）、ＰＤ（Ｐｈａｓｅ ｃｈａｎｇｅ ｒｅｗｒｉｔａｂｌｅ Ｄｉｓｋ）等の光学記録媒体、ＭＯ（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ ｄｉｓｋ）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等から情報を読み出す装置であってもよい。また、入力装置１０２０は、ＵＳＢメモリ等の外付け記憶媒体であってもよい。
【0085】
ネットワークＩＦ１０８０は、ネットワークＮを介して他の機器からデータを受信して演算装置１０３０へ送り、また、ネットワークＮを介して演算装置１０３０が生成したデータを他の機器へ送信する。
【0086】
演算装置１０３０は、出力ＩＦ１０６０や入力ＩＦ１０７０を介して、出力装置１０１０や入力装置１０２０の制御を行う。例えば、演算装置１０３０は、入力装置１０２０や二次記憶装置１０５０からプログラムを一次記憶装置１０４０上にロードし、ロードしたプログラムを実行する。
【0087】
例えば、コンピュータ１０００が情報処理装置１００として機能する場合、コンピュータ１０００の演算装置１０３０は、一次記憶装置１０４０上にロードされたプログラムを実行することにより、情報処理装置１００の制御部１３０の機能を実現する。
【0088】
〔７．構成と効果〕
本開示に係る情報処理装置１００は、校正対象となる文章を示す校正対象文章を受け付ける受付部１３１と、校正対象文章のうち校正範囲を示すマスク部を特定する特定部１３２と、文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、校正対象文章のうちマスク部を秘匿した校正対象文章に基づいて、マスク部に含まれる文字列を推定する推定部１３３と、推定部１３３が推定した文字列と、マスク部に含まれる文字列が一致しない場合は、マスク部の文字列を校正対象として指摘する指摘部１３４と、を備える。
本開示に係る情報処理装置１００は、校正対象となる文章を示す校正対象文章を受け付ける受付部１３１と、校正対象文章のうち校正範囲を示すマスク部を特定する特定部１３２と、文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、校正対象文章のうちマスク部を秘匿した校正対象文章に基づいて、マスク部に含まれる文字列を推定する推定部１３３と、推定部１３３が推定した文字列と、マスク部に含まれる文字列が一致しない場合は、マスク部の文字列を校正対象として指摘する指摘部１３４と、を備える。
【0089】
この構成によれば、文章の文脈を考慮して文章の校正箇所を指摘することができる。そのため、的確に文章の改善箇所を指摘し、文章の改善案を提案することができる情報処理装置１００を提供することができる。
【0090】
本開示に係る情報処理装置１００は、推定部１３３が推定したマスク部に含まれる文字列の出現確率に対する、校正対象文章のマスク部に含まれる文字列の出現確率の比率を示す確信度を算出する算出部１３５と、をさらに備える。
【0091】
この構成によれば、マスク部に含まれる文字列の推定結果の出現確率に対する、校正対象文章のマスク部に含まれる文字列の出現確率の比率を示す確信度を算出することができる。そのため、マスク部の推定結果が適切であるか否かの判断を容易に行うことができる。
【0092】
本開示に係る情報処理装置１００は、算出部１３５が算出した確信度が所定の閾値を超える文字列をホワイトリストとして抽出する抽出部１３６と、をさらに備える。
【0093】
この構成によれば、確信度が所定の閾値を超える文字列をホワイトリストワードとして抽出することができる。そのため、ホワイトリストワードの抽出を効率的に行うことができる。
【0094】
本開示に係る情報処理装置１００の受付部１３１は、校正フィルタリングを行った後の文章を校正対象文章として受け付け、特定部１３２は、校正フィルタリングにおいて指摘された文字列をマスク部として特定し、推定部１３３は、マスク部に含まれる文字列を推定する。
【0095】
この構成によれば、校正フィルタリングを行った後の文章に対して、校正フィルタリングにより指摘された文字列をマスク部として特定し、マスク部に含まれる文字列を推定することができる。そのため、校正フィルタリングにおける指摘が適切であるか否かを別の観点から検証することができる。
【0096】
本開示に係る情報処理方法は、校正対象となる文章を示す校正対象文章を受け付けるステップと、校正対象文章のうち校正範囲を示すマスク部を特定するステップと、文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、校正対象文章のうちマスク部を秘匿した校正対象文章に基づいて、マスク部に含まれる文字列を推定するステップと、推定した文字列と、マスク部に含まれる文字列が一致しない場合は、マスク部の文字列を校正対象として指摘するステップと、を含む。
【0097】
この構成によれば、文章の文脈を考慮して文章の校正箇所を指摘することができる。そのため、的確に文章の改善箇所を指摘し、文章の改善案を提案することができる情報処理方法を提供することができる。
【0098】
本開示に係る情報処理プログラムは、校正対象となる文章を示す校正対象文章を受け付けるステップと、校正対象文章のうち校正範囲を示すマスク部を特定するステップと、文章のうちの一部の文字列を秘匿した秘匿文章を入力した際に、当該秘匿された文字列を推定するように学習が行われたモデルを用いて、校正対象文章のうちマスク部を秘匿した校正対象文章に基づいて、マスク部に含まれる文字列を推定するステップと、推定した文字列と、マスク部に含まれる文字列が一致しない場合は、マスク部の文字列を校正対象として指摘するステップと、をコンピュータに実行させる。
【0099】
この構成によれば、文章の文脈を考慮して文章の校正箇所を指摘することができる。そのため、的確に文章の改善箇所を指摘し、文章の改善案を提案することができる情報処理プログラムを提供することができる。
【0100】
以上、本願の実施形態を図面に基づいて詳細に説明したが、これは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。
【0101】
また、上述してきた「部（ｓｅｃｔｉｏｎ、ｍｏｄｕｌｅ、ｕｎｉｔ）」は、「手段」や「回路」などに読み替えることができる。例えば、受付部１３１は、受付手段や受付回路に読み替えることができる。
【符号の説明】
【0102】
１００ 情報処理装置
１１０ 通信部
１２０ 記憶部
１２１ ホワイトリスト記憶部
１２２ 自然言語モデル記憶部
１３０ 制御部
１３１ 受付部
１３２ 特定部
１３３ 推定部
１３４ 指摘部
１３５ 算出部
１３６ 抽出部
２００ 事業者端末
２１０ 通信部
２２０ 入力部
２３０ 出力部
２４０ 制御部
２４１ 受付部
２４２ 通知部
Ｎ ネットワーク
１１０ 通信部
１２０ 記憶部
１２１ ホワイトリスト記憶部
１２２ 自然言語モデル記憶部
１３０ 制御部
１３１ 受付部
１３２ 特定部
１３３ 推定部
１３４ 指摘部
１３５ 算出部
１３６ 抽出部
２００ 事業者端末
２１０ 通信部
２２０ 入力部
２３０ 出力部
２４０ 制御部
２４１ 受付部
２４２ 通知部
Ｎ ネットワーク
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】