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】P2025164368
(43)【公開日】2025-10-30
(54)【発明の名称】情報処理装置、分析方法、及び分析プログラム
(51)【国際特許分類】
G06F 16/38 20190101AFI20251023BHJP
【ＦＩ】
G06F16/38
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2024068300
(22)【出願日】2024-04-19
(71)【出願人】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(74)【代理人】
【識別番号】100103894
【弁理士】
【氏名又は名称】家入 健
(72)【発明者】
【氏名】吉永 直生
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175DA01
5B175FB03
(57)【要約】
【課題】様々なコンテンツの活用を支援する。
【解決手段】情報処理装置は、対象となるコンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを言語モデルを用いて抽出する抽出部と、抽出部の抽出結果に基づき、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、上記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析部と、を備える。分析部による関連付けの結果は、対象としたコンテンツに記述されている事項を根拠とした意思決定に利用することも可能である。
【選択図】図１
【解決手段】情報処理装置は、対象となるコンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを言語モデルを用いて抽出する抽出部と、抽出部の抽出結果に基づき、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、上記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析部と、を備える。分析部による関連付けの結果は、対象としたコンテンツに記述されている事項を根拠とした意思決定に利用することも可能である。
【選択図】図１
【特許請求の範囲】
【請求項1】
機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出手段と、
前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段と、を備える情報処理装置。
前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段と、を備える情報処理装置。
【請求項2】
前記抽出手段は、前記言語モデルを用いて、
前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、
前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、
前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、
前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、請求項１に記載の情報処理装置。
前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、
前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、
前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、
前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、請求項１に記載の情報処理装置。
【請求項3】
前記抽出手段は、前記言語モデルを用いて、
前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、
前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、
前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、
前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、請求項１に記載の情報処理装置。
前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、
前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、
前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、
前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、請求項１に記載の情報処理装置。
【請求項4】
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出し、
前記分析手段は、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、請求項１に記載の情報処理装置。
前記分析手段は、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、請求項１に記載の情報処理装置。
【請求項5】
前記抽出手段は、前記言語モデルを用いて、
前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、
抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、
抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、請求項１に記載の情報処理装置。
前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、
抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、
抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、請求項１に記載の情報処理装置。
【請求項6】
前記抽出手段は、前記言語モデルを用いて、
前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、
抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、
抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、請求項１に記載の情報処理装置。
前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、
抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、
抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、請求項１に記載の情報処理装置。
【請求項7】
前記第１の事項が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、前記第１の事項と前記仲介事項との関係性を示す第１の関係性情報と、前記仲介事項が前件として記述されていると共に前記第２の事項が後件として記述されているコンテンツから抽出された、前記仲介事項と前記第２の事項との関係性を示す第２の関係性情報と、を用いて、前記第１の事項と前記第２の事項との関係性を推論する推論手段を備える、請求項１から６の何れか１項に記載の情報処理装置。
【請求項8】
前記分析手段による関連付けの結果に基づき、前記複数のコンテンツに記述されている各事項の論理的な関係性を示すロジックモデルを生成するモデル生成手段を備える、請求項１から６の何れか１項に記載の情報処理装置。
【請求項9】
質問の入力を受け付ける受付手段と、
前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成手段と、
前記回答を提示する提示手段と、を備える請求項８に記載の情報処理装置。
前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成手段と、
前記回答を提示する提示手段と、を備える請求項８に記載の情報処理装置。
【請求項10】
少なくとも１つのプロセッサが、
機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、
前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出処理における抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、を含む分析方法。
機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、
前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出処理における抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、を含む分析方法。
【請求項11】
コンピュータを、
機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出手段、および
前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段、として機能させる分析プログラム。
機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出手段、および
前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段、として機能させる分析プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、情報処理装置、分析方法、及び分析プログラムに関する。
【背景技術】
【0002】
各種文書の活用を促進するための分析技術が知られている。その一例として、特許文献１に記載の文書処理装置が挙げられる。この文書処理装置は、関連元文書の種類に応じたルールに基づいて当該関連元文書から語句を抽出し、抽出した語句から関連先文書の検索条件を生成し、該検索条件を満たす関連先文書と関連元文書との関連を記憶する。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１０－１０８２６８号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
特許文献１に記載の文書処理装置は、「日報」、「週報」、「法律」、「法令」等の所定の種類に分類される文書において、特定の箇所に関連先文書の検索に利用できる語句が記載されることを利用して関連性を分析するものである。このため、特許文献１に記載の文書処理装置には、分析対象が限定的であるという点で改善の余地がある。
【0005】
例えば、ある文書Ｘに「Ａという条件を満たす場合、Ｂという事象が発生する」との記載があり、他の文書Ｙに「Ｂという事象が発生するときには、Ｃという事象も発生する」との記載があるとする。これらの文書は、何れもＢという事象について言及している点で関連性があるといえる。しかし、文書Ｘにおいて、その種類に応じた特定の箇所にＢという事象が記載されていない限り、特許文献１に記載の文書処理装置ではこれらの文書を関連付けることはできない。また、特許文献１に記載の文書処理装置では文書以外のコンテンツ（例えば画像）の関連付けを行うこともできない。
【0006】
本開示は、このような点に鑑みてなされたものであり、その一例示的目的は、様々なコンテンツの活用を支援することを可能にする技術を提供することにある。
【課題を解決するための手段】
【0007】
本開示の一例示的側面に係る情報処理装置は、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出手段と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段と、を備える。
【0008】
本開示の一例示的側面に係る分析方法は、少なくとも１つのプロセッサが、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出処理における抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、を含む。
【0009】
本開示の一例示的側面に係る分析プログラムは、コンピュータを、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出手段、および前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段、として機能させる。
【発明の効果】
【0010】
本開示の一例示的側面によれば、様々なコンテンツの活用を支援することが可能になるという一例示的効果を奏する。
【図面の簡単な説明】
【0011】
【図1】本開示に係る情報処理装置の構成を示すブロック図である。
【図2】本開示に係る分析方法の流れを示すフロー図である。
【図3】本開示に係る他の情報処理装置の構成を示すブロック図である。
【図4】文書の記載事項の抽出と関連付けの例を示す図である。
【図5】ロジックモデルの例を示す図である。
【図7】質問の受け付けと回答の提示における処理の流れを示すフロー図である。
【図8】文書の記載事項の抽出と関連付けの他の例を示す図である。
【図9】文書の記載事項の抽出と関連付けのさらに他の例を示す図である。
【図11】文書の記載事項の抽出と関連付けのさらに他の例を示す図である。
【図13】文書の記載事項の抽出と関連付けのさらに他の例を示す図である。
【図14】本開示に係る情報処理装置として機能するコンピュータの構成を示すブロック図である。
【発明を実施するための形態】
【0012】
以下、本発明の実施形態を例示する。ただし、本発明は、以下に示す各例示的実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。例えば、以下に示す各例示的実施形態において採用される技術（物又は方法の一部又は全部）を適宜組み合わせることにより得られる実施形態についても、本発明の範疇に含まれ得る。また、以下に示す各例示的実施形態において採用される技術の一部を適宜省略することにより得られる実施形態についても、本発明の範疇に含まれ得る。また、以下に示す各例示的実施形態において言及する効果は、その例示的実施形態において期待される効果の一例であり、本発明の外延を規定するものではない。すなわち、以下に示す各例示的実施形態において言及する効果を奏さない実施形態についても、本発明の範疇に含まれ得る。
【0013】
〔第１の例示的実施形態〕
本発明の実施形態の一例である第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する各例示的実施形態の基本となる形態である。なお、本例示的実施形態において採用する各技術の適用範囲は、本例示的実施形態に限定されない。すなわち、本例示的実施形態において採用する各技術は、特段の技術的支障が生じない範囲で、本開示に含まれる他の例示的実施形態においても採用可能である。また、本例示的実施形態を説明するために参照する図面に示される各技術的も、特段の技術的支障が生じない範囲で、本開示に含まれる他の例示的実施形態においても採用可能である。
本発明の実施形態の一例である第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する各例示的実施形態の基本となる形態である。なお、本例示的実施形態において採用する各技術の適用範囲は、本例示的実施形態に限定されない。すなわち、本例示的実施形態において採用する各技術は、特段の技術的支障が生じない範囲で、本開示に含まれる他の例示的実施形態においても採用可能である。また、本例示的実施形態を説明するために参照する図面に示される各技術的も、特段の技術的支障が生じない範囲で、本開示に含まれる他の例示的実施形態においても採用可能である。
【0014】
（情報処理装置１の構成）
本例示的実施形態に係る情報処理装置１の構成について、図１を参照して説明する。図１は、情報処理装置１の構成を示すブロック図である。図１に示すように、情報処理装置１は、抽出部１０１と分析部１０２とを備えている。
本例示的実施形態に係る情報処理装置１の構成について、図１を参照して説明する。図１は、情報処理装置１の構成を示すブロック図である。図１に示すように、情報処理装置１は、抽出部１０１と分析部１０２とを備えている。
【0015】
抽出部１０１は、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する。
【0016】
上記「前件として記載されている事項」は、「後件として記載されている事項」と対になる事項であり、「前件として記載されている事項」が成立すれば、「後件として記載されている事項」も成立するという関係にある。上記「前件」は、例えば「条件」、「前提」、あるいは「入力」等と言い換えることができ、上記「後件」は、例えば「結果」、「帰結」、「結論」、あるいは「出力」等と言い換えることができる。
【0017】
また、上記「コンテンツ」は、上述の前件に相当する事項と後件に相当する事項を含むものであればよい。例えば、上記「コンテンツ」は、文書すなわちテキスト形式のコンテンツであってもよいし、画像形式のコンテンツであってもよく、テキストと画像の両方を含むコンテンツであってもよい。
【0018】
また、上記「言語モデル」は、上述のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出できるように機械学習されたものであればよい。例えば、対象となるコンテンツがテキストデータである場合、上記言語モデルとして、文におけるその構成要素（単語など）の並びや、文章における文と文の並びを機械学習したモデルを適用してもよい。また、例えば、対象となるコンテンツが画像データである場合、上記言語モデルとして、画像データと、その画像データにより表される対象において前件に相当する事項および／または後件に相当する事項との関係を機械学習したモデルを適用してもよい。また、画像データから前件に相当する事項および／または後件に相当する事項を抽出するモデルと、テキストデータから前件に相当する事項および／または後件に相当する事項を抽出するモデルとを組み合わせたものを上記言語モデルとして適用することもできる。
【0019】
また、抽出部１０１は、対象となるコンテンツがテキスト以外の形式である場合に、当該コンテンツをテキスト形式に変換した上で上述の抽出を行ってもよい。例えば、抽出部１０１は、対象となるコンテンツが画像データである場合に、その画像データにより表される対象を示すテキストを生成する生成モデルを用いてテキストデータを生成してもよい。そして、抽出部１０１は、言語モデルを用いて当該テキストデータから前件に相当する事項および／または後件に相当する事項を抽出してもよい。また、例えば、抽出部１０１は、対象となるコンテンツが音声データである場合に、その音声データをテキストデータに変換した上で、言語モデルを用いて当該テキストデータから前件に相当する事項および／または後件に相当する事項を抽出してもよい。なお、コンテンツをテキスト形式に変換する処理は、情報処理装置１に抽出部１０１とは別のブロックを設けて当該ブロックに行わせるようにしてもよいし、情報処理装置１以外の他の装置に行わせてもよい。
【0020】
分析部１０２は、抽出部１０１の抽出結果に基づき、仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける。ここで、「仲介事項」とは、対象となる複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を意味する。
【0021】
以上のように、本例示的実施形態に係る情報処理装置１においては、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出部１０１と、上記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、抽出部１０１の抽出結果に基づき、上記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、上記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析部１０２と、を備える、という構成が採用されている。
【0022】
ここで、上記第１の事項が前件として記述されているコンテンツにおいては、仲介事項は後件として記述されている。つまり、当該コンテンツによれば、第１の事項が成り立てば、仲介事項が成り立つという関係にある。
【0023】
一方、上記第２の事項が後件として記述されているコンテンツにおいては、仲介事項は前件として記述されている。つまり、当該コンテンツによれば、仲介事項が成り立てば、第２の事項が成り立つという関係にある。
【0024】
したがって、上記２つのコンテンツによれば、第１の事項が成り立てば仲介事項が成り立ち、仲介事項が成り立てば第２の事項が成り立つという関係があるといえる。そして、この関係から、第１の事項が成り立てば第２の事項が成り立つ、という関係があるということもできる。分析部１０２は、このような関係にある第１の事項と第２の事項を抽出することができる。このように、異なるコンテンツに記述されている事項を関連付けることは、新たな知見を生み出し、コンテンツの活用を促進することにつながる。
【0025】
また、抽出部１０１による抽出には言語モデルが用いられるから、対象となるコンテンツは特定の種類の文書に限られず、様々なコンテンツを対象とすることが可能である。以上のように、情報処理装置１によれば、様々なコンテンツの活用を支援することが可能になるという効果が得られる。
【0026】
なお、分析部１０２による分析結果すなわち第１の事項と第２の事項の関連付けの結果は、様々な用途で利用することができる。例えば、情報処理装置１は、第１の事項と第２の事項の関連付けの結果を情報処理装置１のユーザに提示してもよく、これによりユーザに新たな知見を与えることが可能になる。また、第１の事項と第２の事項の関連付けの結果は、対象としたコンテンツに記述されている事項を根拠とした意思決定に利用することも可能である。例えば、第１の事項が「食品Ａを毎日５０ｇ以上摂取すること」であり、第２の事項が「生涯収入が増加すること」であったとする。この場合、これらの事項が関連付けられることにより、各コンテンツに記述されている事項を根拠として、食品Ａを毎日５０ｇ以上摂取する、という意思決定を行うことができる。
【0027】
また、情報処理装置１は、第１の事項と第２の事項の関連付けの結果に基づき、第１の事項が記述されているコンテンツと、第２の事項が記述されているコンテンツの少なくとも何れかをユーザに提示してもよい。これにより、ユーザは、コンテンツにおいて第１の事項／第２の事項が記述されている文脈を踏まえて、より的確な意思決定を行うことが可能になる。また、詳細は例示的実施形態２で説明するが、第１の事項と第２の事項の関連付けの結果は、ユーザからの質問に対する、コンテンツの内容に応じた回答の生成に利用することもできる。
【0028】
（分析プログラム）
上述の情報処理装置１の機能は、プログラムによって実現することもできる。本例示的実施形態に係る分析プログラムは、コンピュータを、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出手段、および前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段、として機能させる。この分析プログラムによれば、様々なコンテンツの活用を支援することが可能になるという効果が得られる。
上述の情報処理装置１の機能は、プログラムによって実現することもできる。本例示的実施形態に係る分析プログラムは、コンピュータを、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出手段、および前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段、として機能させる。この分析プログラムによれば、様々なコンテンツの活用を支援することが可能になるという効果が得られる。
【0029】
（分析方法の流れ）
本例示的実施形態に係る分析方法の流れについて、図２を参照して説明する。図２は、分析方法の流れを示すフロー図である。なお、この分析方法における各ステップの実行主体は、情報処理装置１が備えるプロセッサであってもよいし、他の装置が備えるプロセッサであってもよく、各ステップの実行主体がそれぞれ異なる装置に設けられたプロセッサであってもよい。
本例示的実施形態に係る分析方法の流れについて、図２を参照して説明する。図２は、分析方法の流れを示すフロー図である。なお、この分析方法における各ステップの実行主体は、情報処理装置１が備えるプロセッサであってもよいし、他の装置が備えるプロセッサであってもよく、各ステップの実行主体がそれぞれ異なる装置に設けられたプロセッサであってもよい。
【0030】
Ｓ１（抽出処理）では、少なくとも１つのプロセッサが、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する。
【0031】
Ｓ２（分析処理）では、少なくとも１つのプロセッサが、Ｓ１における抽出結果に基づき、仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、上記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける。上述のとおり、仲介事項は、上記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項である。
【0032】
以上のように、本例示的実施形態に係る分析方法においては、少なくとも１つのプロセッサが、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、上記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、上記抽出処理における抽出結果に基づき、上記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、を含む、という構成が採用されている。このため、本実施形態に係る分析方法によれば、様々なコンテンツの活用を支援することが可能になるという効果が得られる。
【0033】
〔第２の例示的実施形態〕
本発明の実施形態の一例である第２の例示的実施形態について、図面を参照して詳細に説明する。上述した例示的実施形態にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。なお、本例示的実施形態において採用する各技術の適用範囲は、本例示的実施形態に限定されない。すなわち、本例示的実施形態において採用する各技術は、特段の技術的支障が生じない範囲で、本開示に含まれる他の例示的実施形態においても採用可能である。また、本例示的実施形態を説明するために参照する各図面に示される各技術は、特段の技術的支障が生じない範囲で、本開示に含まれる他の例示的実施形態においても採用可能である。
本発明の実施形態の一例である第２の例示的実施形態について、図面を参照して詳細に説明する。上述した例示的実施形態にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。なお、本例示的実施形態において採用する各技術の適用範囲は、本例示的実施形態に限定されない。すなわち、本例示的実施形態において採用する各技術は、特段の技術的支障が生じない範囲で、本開示に含まれる他の例示的実施形態においても採用可能である。また、本例示的実施形態を説明するために参照する各図面に示される各技術は、特段の技術的支障が生じない範囲で、本開示に含まれる他の例示的実施形態においても採用可能である。
【0034】
（情報処理装置１Ａの構成）
本例示的実施形態に係る情報処理装置１Ａの構成を図３に基づいて説明する。図３は、情報処理装置１Ａの構成を示すブロック図である。情報処理装置１Ａは、コンテンツの活用を支援する機能を備えた装置である。情報処理装置１Ａは、コンテンツの活用支援を主な機能とする装置であってもよいし、他の機能も備えた汎用的な装置であってもよい。また、情報処理装置１Ａは、据え置き型の装置であってもよいし、携帯型の装置であってもよい。
本例示的実施形態に係る情報処理装置１Ａの構成を図３に基づいて説明する。図３は、情報処理装置１Ａの構成を示すブロック図である。情報処理装置１Ａは、コンテンツの活用を支援する機能を備えた装置である。情報処理装置１Ａは、コンテンツの活用支援を主な機能とする装置であってもよいし、他の機能も備えた汎用的な装置であってもよい。また、情報処理装置１Ａは、据え置き型の装置であってもよいし、携帯型の装置であってもよい。
【0035】
図示のように、情報処理装置１Ａは、情報処理装置１Ａの各部を統括して制御する制御部１０Ａと、情報処理装置１Ａが使用する各種データを記憶する記憶部１１Ａを備えている。また、情報処理装置１Ａは、情報処理装置１Ａが他の装置と通信するための通信部１２Ａ、情報処理装置１Ａに対する入力を受け付ける入力部１３Ａ、および情報処理装置１Ａがデータを出力するための出力部１４Ａを備えている。そして、制御部１０Ａには、抽出部１０１Ａ、分析部１０２Ａ、モデル生成部１０３Ａ、推論部１０４Ａ、受付部１０５Ａ、回答生成部１０６Ａ、および提示部１０７Ａが含まれている。また、記憶部１１Ａには言語モデル１１１Ａとロジックモデル１１２Ａが記憶されている。なお、モデル生成部１０３Ａ、推論部１０４Ａ、受付部１０５Ａ、回答生成部１０６Ａ、およびロジックモデル１１２Ａの詳細は後述する。
【0036】
抽出部１０１Ａは、例示的実施形態１の抽出部１０１と同様に、機械学習済みの言語モデルである言語モデル１１１Ａを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する。
【0037】
以下では、対象となるコンテンツがテキスト形式の文書である例を説明する。当該文書は、例えば学術論文等であってもよいし、商品やサービス等を紹介するウェブページやユーザレビュー等から抽出したテキストであってもよいし、ＳＮＳ（Social Networking Service）等に投稿されたメッセージ等であってもよい。また、対象となるコンテンツを特定の分野のコンテンツに限定してもよい。例えば、対象となるコンテンツを医療分野の論文に限定することにより、医療分野の専門技術的な知見について分析することができる。また、例えば、対象となるコンテンツをヘルスケア関連の文書に限定することにより、情報処理装置１Ａをヘルスケアに利用することもできる。なお、例示的実施形態１で説明したとおり、対象となるコンテンツはテキスト形式の文書に限られず、任意の形式の任意のコンテンツを分析対象とすることが可能である。このため、以下の説明における「文書」は、任意の形式の任意の「コンテンツ」に読み替えることができる。
【0038】
言語モデル１１１Ａは、例示的実施形態１で説明した言語モデルと同様に、分析の対象となるコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出できるように機械学習されたものであればよい。上述のように、本例示的実施形態において分析の対象となるコンテンツはテキスト形式の文書であるから、言語モデル１１１Ａとしては、文におけるその構成要素（単語など）の並びや、文章における文と文の並びを機械学習したモデルを適用すればよい。
【0039】
なお、情報処理装置１Ａは、必ずしも言語モデル１１１Ａを備えている必要はなく、情報処理装置１Ａの外部の装置に記憶された言語モデル１１１Ａを利用してもよい。この場合、抽出部１０１Ａは、言語モデル１１１Ａを備えた外部の装置に対して、文書の前件および／または後件として記述されている事項の抽出を指示し、当該装置が言語モデル１１１Ａを用いて抽出した事項を当該装置から取得する。
【0040】
分析部１０２Ａは、例示的実施形態１の分析部１０２と同様に、分析の対象となる複数のコンテンツ（本例示的実施形態では文書）のうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、抽出部１０１の抽出結果に基づき、上記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、上記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける。
【0041】
提示部１０７Ａは、コンテンツの活用を支援するための各種情報を情報処理装置１Ａのユーザに提示する。例えば、提示部１０７Ａは、ロジックモデル１１２Ａをユーザに提示する。例えば、提示部１０７Ａは、出力部１４Ａに情報を出力させることにより提示してもよいし、ユーザの所持する端末装置等に情報を出力させることにより提示してもよい。また、提示の態様は特に限定されない。例えば、提示部１０７Ａは、ロジックモデル１１２Ａのように画像により提示することが好ましい情報を提示する場合には、当該情報を表示出力させればよい。また、提示部１０７Ａは、他の情報を提示する場合には、当該情報を表示出力させてもよいし、音声出力させてもよいし、印字出力させてもよい。
【0042】
以上のように、本例示的実施形態に係る情報処理装置１Ａにおいては、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツ（本例示的実施形態では文書）から、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出部１０１Ａと、上記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、抽出部１０１の抽出結果に基づき、上記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、上記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析部１０２Ａと、を備える、という構成が採用されている。よって、様々なコンテンツの活用を支援することが可能になるという効果が得られる。
【0043】
（抽出と関連付けの例１：前件の抽出から開始）
抽出部１０１Ａによる抽出と分析部１０２Ａによる関連付けについて、図４に示す具体例に基づいて説明する。図４は、抽出部１０１Ａと分析部１０２Ａによる、文書の記載事項の抽出と関連付けの例を示す図である。なお、図４に例示する各文書の記載事項は、抽出部１０１Ａと分析部１０２Ａによる抽出と関連付けについて説明するためのものであり、その内容が正しいか否かはここでは問題としない。これは後述する他の例についても同様である。
抽出部１０１Ａによる抽出と分析部１０２Ａによる関連付けについて、図４に示す具体例に基づいて説明する。図４は、抽出部１０１Ａと分析部１０２Ａによる、文書の記載事項の抽出と関連付けの例を示す図である。なお、図４に例示する各文書の記載事項は、抽出部１０１Ａと分析部１０２Ａによる抽出と関連付けについて説明するためのものであり、その内容が正しいか否かはここでは問題としない。これは後述する他の例についても同様である。
【0044】
図４の例では、ＤＢ（Data Base：データベース）に記録されている文書Ｄ１～Ｄ４が分析の対象となるコンテンツである。なお、同図では簡単のため対象となる文書を４つのみ示しているが、対象となる文書の数は複数であればよく、特に限定されない。また、対象となる文書は、必ずしも１つのＤＢに記録されている必要はなく、複数のＤＢあるいは複数の記憶装置に分散して記録されている文書を分析の対象とすることもできる。
【0045】
図４の例では、抽出部１０１Ａは、ＤＢに記録されている文書Ｄ１～Ｄ４を１つずつ読み出し、読み出した文書から、その文書に前件として記述されている事項を抽出する。図４には、文書Ｄ１からの抽出について示している。図示のように、文書Ｄ１には、前件として「一日当たりの歩数が増える」との事項Ｍ１１が記述されていると共に、この前件に対応する後件として「健康寿命が延びる」との事項Ｍ１２が記述されている。
【0046】
抽出部１０１Ａは、文書に前件として記述されている事項を抽出することを指示するプロンプトを、ＤＢから読み出した文書と共に言語モデル１１１Ａに入力することにより、当該文書から、当該文書に前件として記述されている事項を抽出させる。例えば、抽出部１０１Ａは、図４に示すように、「この文書に前件として記述されている事項を抽出して下さい」という定型のプロンプトＰ１１と文書Ｄ１とを言語モデル１１１Ａに入力してもよい。これにより、図示のように、文書Ｄ１から事項Ｍ１１を抽出することができる。なお、抽出された事項Ｍ１１はテキストデータである。また、抽出部１０１Ａは、１つの文書から、当該文書に前件として記述されている事項を複数抽出してもよい。
【0047】
次に、抽出部１０１Ａは、以上のようにして抽出した事項が後件として記述されている文書を抽出する。例えば、抽出部１０１Ａは、図４に示すように、「この事項が後件として記述されている文書を抽出して下さい」という定型のプロンプトＰ１２と事項Ｍ１１とを言語モデル１１１Ａに入力してもよい。また、抽出部１０１Ａは、抽出候補としてＤＢに記録されている文書Ｄ１～Ｄ４を指定すればよい。これにより、図４の例では、文書Ｄ４が抽出されている。文書Ｄ４には、前件として「毎日の歩数を記録する」との事項Ｍ４１が記述されていると共に、この前件に対応する後件として「一日当たりの歩数が増える」との事項Ｍ４２が記述されている。
【0048】
ここで、図４の例における事項Ｍ４２と事項Ｍ１１は同一である。しかし、抽出部１０１Ａは、言語モデル１１１Ａを用いて抽出を行うため、仮に表現に差異があったとしても、事項Ｍ１１と内容的に一致する記述があれば、その記述を含む文書を抽出することが可能である。なお、文書Ｄ１から前件として記述されている事項が複数抽出された場合、抽出部１０１Ａは、抽出された各事項について、当該事項が後件として記述されている文書の抽出を試みる。また、抽出部１０１Ａは、該当する文書が抽出されなかった場合には、ＤＢから他の文書を読み出し、当該他の文書から、その文書に前件として記述されている事項を抽出する。
【0049】
次に、抽出部１０１Ａは、以上のようにして抽出した文書Ｄ４と、文書Ｄ４に前件として記述されている事項を抽出することを指示するプロンプトＰ１３とを言語モデル１１１Ａに入力することにより、文書Ｄ４に前件として記述されている事項を抽出させる。これにより、図示のように、文書Ｄ４から事項Ｍ４１を抽出することができる。
【0050】
また、抽出部１０１Ａは、文書Ｄ１と、文書Ｄ１に後件として記述されている事項を抽出することを指示するプロンプトＰ１４を言語モデル１１１Ａに入力することにより、文書Ｄ１に後件として記述されている事項を抽出させる。これにより、図示のように、文書Ｄ１から事項Ｍ１２を抽出することができる。
【0051】
分析部１０２Ａは、以上のようにして文書Ｄ４から抽出された事項Ｍ４１と、文書Ｄ１から抽出された事項Ｍ１２とを関連付ける。これにより、「毎日の歩数を記録する」ことにより「健康寿命が延びる」という知見が導かれる。なお、図４の例における「仲介事項」は事項Ｍ１１およびＭ４２である。
【0052】
以上のように、抽出部１０１Ａは、言語モデル１１１Ａを用いて、（１）分析の対象となる複数のコンテンツの１つである第１のコンテンツ（図４の例では文書Ｄ１）に前件として記述されている事項（図４の例では事項Ｍ１１）を抽出し、（２）複数のコンテンツのうち、抽出された上記事項が後件として記述されている第２のコンテンツ（図４の例では文書Ｄ４）を抽出し、（３）第２のコンテンツに前件として記述されている事項（図４の例では事項Ｍ４１）を第１の事項として抽出し、（４）第１のコンテンツに後件として記述されている事項（図４の例ではＭ１２）を第２の事項として抽出してもよい。これにより、複数のコンテンツのそれぞれに記述されている事項を論理的に関連付けて新たな知見を導き出すことが可能になるという効果が得られる。
【0053】
（ロジックモデルについて）
モデル生成部１０３Ａは、分析部１０２Ａによる以上のような関連付けの結果に基づき、分析対象となる複数のコンテンツ（本例示的実施形態では文書）に記述されている各事項の論理的な関係性を示すモデルであるロジックモデルを生成する。情報処理装置１Ａは、モデル生成部１０３Ａを備えていることにより、情報処理装置１の奏する効果に加えて、分析対象となる複数のコンテンツに記述されている各事項を、それら論理的な関係性に基づいてモデル化することができるという効果が得られる。
モデル生成部１０３Ａは、分析部１０２Ａによる以上のような関連付けの結果に基づき、分析対象となる複数のコンテンツ（本例示的実施形態では文書）に記述されている各事項の論理的な関係性を示すモデルであるロジックモデルを生成する。情報処理装置１Ａは、モデル生成部１０３Ａを備えていることにより、情報処理装置１の奏する効果に加えて、分析対象となる複数のコンテンツに記述されている各事項を、それら論理的な関係性に基づいてモデル化することができるという効果が得られる。
【0054】
生成されたロジックモデルは、ロジックモデル１１２Ａとして記憶部１１Ａに記憶される。以下では、ロジックモデル１１２Ａについて図５に基づいて説明する。図５は、ロジックモデル１１２Ａの例を示す図である。なお、図５では、ロジックモデル１１２Ａをグラフ形式で表しているが、ロジックモデル１１２Ａは、各事項の論理的な関係性を示すものであればよく、必ずしもグラフ形式とする必要はない。
【0055】
図５に示すロジックモデル１１２Ａ－１は、モデル生成部１０３Ａが生成するロジックモデル１１２Ａの一例である。ロジックモデル１１２Ａ－１では、分析の対象となる複数のコンテンツ（本例示的実施形態では文書）から抽出された第１の事項および第２の事項がノードとして示されている。ロジックモデル１１２Ａ－１は、各ノードの論理的な関係性を示すものであり、ロジックグラフと表現することもできる。なお、上述のとおり、第１の事項とは、仲介事項が後件として記述されているコンテンツに前件として記述されている事項であり、第２の事項は、仲介事項が前件として記述されているコンテンツに後件として記述されている事項である。
【0056】
また、ロジックモデル１１２Ａ－１では、ノード間の関連性つまりコンテンツの記載事項間の関連性が矢印のエッジと破線のエッジで表されている。矢印のエッジで接続されているノードは前件と後件の関係にあり、矢印の根元側のノードが前件、矢印の先端側が後件に対応する。例えば、ロジックモデル１１２Ａ－１では、図４に示した事項Ｍ４１に対応するノードと事項Ｍ４２に対応するノードとが矢印のエッジで接続されている。これらのノードのうち事項Ｍ４１に対応する方が矢印の根元側であり、事項Ｍ４２に対応する方が矢印の先端側である。このことは、事項Ｍ４１が前件、事項Ｍ４２が後件であることを示している。これらのノードの関係性は、事項Ｍ４１と事項Ｍ４２を記述している文書４Ｄ（図４参照）から特定される。なお、図４には、文書Ｄ４から事項Ｍ４２を抽出する点について記載していないが、抽出部１０１Ａは、図４に示すプロンプトＰ１４と文書Ｄ４を言語モデル１１１Ａに入力することにより、事項Ｍ４２を抽出することができる。つまり、抽出部１０１Ａは、ロジックモデル１１２Ａ－１を生成するために仲介事項の抽出を行ってもよい。
【0057】
一方、破線のエッジは分析部１０２Ａによる関連付けに基づくものであり、破線のエッジで接続される各ノードは仲介事項を示している。具体的には、事項Ｍ４２、Ｍ１１、Ｍ２１に対応するノードが仲介事項である。なお、事項Ｍ２１およびＭ２２は、図４に示す文書Ｄ２から抽出された事項（前者が前件、後者が後件）である。
【0058】
このように、ロジックモデル１１２Ａ－１では、仲介事項のノードを介して、異なる文書の記載事項の論理的な関係性が示されている。よって、ロジックモデル１１２Ａを情報処理装置１Ａのユーザに提示することにより、当該関係性を当該ユーザに認識させることができる。ロジックモデル１１２Ａ－１の提示は提示部１０７Ａに行わせればよい。また、提示部１０７Ａは、ロジックモデル１１２Ａ－１を提示する際には、各文書に記載されている事項に関連付けて、当該事項の抽出元の文書についても提示してもよい。例えば、図５の例であれば、提示部１０７Ａは、事項Ｍ４１、Ｍ４２のノードまたはこれらのノードを接続するエッジに対応付けて、それらの事項が文書Ｄ４から抽出されたことを示す情報を提示してもよい。
【0059】
モデル生成部１０３Ａは、分析部１０２Ａによる関連付けの対象となった各事項すなわち上述の第１の事項および第２の事項をそれぞれノードとし、それらの関連性をエッジで表すことによりロジックモデル１１２Ａ－１を生成することができる。また、図５に示すように、モデル生成部１０３Ａは、仲介事項についてもロジックモデル１１２Ａ－１のノードに含めてもよい。
【0060】
また、モデル生成部１０３Ａは、ロジックモデル１１２Ａにおいて、３つ以上の文書における記載事項を関連付けることも可能である。例えば、図４および図５の例における文書Ｄ３において、「健康寿命が延びる」こと（以下、事項Ｍ３１と呼ぶ）が前件として記述されており、この前件に対応する後件として「地域社会の基盤が強化される」こと（以下、事項Ｍ３２と呼ぶ）が記述されていたとする。
【0061】
この場合、抽出部１０１Ａは、文書Ｄ３から事項Ｍ３１を抽出すると共に、文書Ｄ１～Ｄ４の中から、事項Ｍ３１が後件として記述されている文書の抽出を試みる。この試行により、文書Ｄ１が抽出される。そして、抽出部１０１Ａは、文書Ｄ１に前件として記述されている事項Ｍ１１を抽出すると共に、文書Ｄ３に後件として記述されている事項Ｍ３２を抽出する。これにより、分析部１０２Ａは、事項Ｍ１１とＭ３２とを関連付けることができる。また、事項Ｍ１１は、事項Ｍ４１と関連付けられている。よって、モデル生成部１０３Ａは、分析部１０２Ａによる上述の関連付けに基づき、事項Ｍ４１が成立すれば事項Ｍ４２およびＭ１１（およびＭ２１）が成立し、事項Ｍ１１が成立すれば事項Ｍ１２およびＭ３１が成立し、事項Ｍ３１が成立すれば事項Ｍ３２が成立する、という論理的な関係性を示すロジックモデル１１２Ａを生成する。
【0062】
また、モデル生成部１０３Ａは、ロジックモデル１１２Ａを更新することもできる。例えば、図５に示すロジックモデル１１２Ａ－１を生成した後、新たな文書Ｄ７についての分析が行われ、事項Ｍ２２を仲介事項として、事項Ｍ２１と文書Ｄ７に記載されている事項Ｍ７２とが関連付けられたとする。この場合、モデル生成部１０３Ａは、ロジックモデル１１２Ａ－１に、事項Ｍ７２に対応するノードと、事項Ｍ７２に対応する前件として文書Ｄ７に記載されている事項Ｍ７１に対応するノードをそれぞれ追加する。そして、モデル生成部１０３Ａは、事項Ｍ７１に対応するノードと事項Ｍ２２に対応するノードとを破線のエッジで接続すると共に、事項Ｍ７１に対応するノードと事項Ｍ７２に対応するノードとを矢印のエッジで接続する。これにより、ロジックモデル１１２Ａ－１が更新される。
【0063】
（関係性情報について）
また、提示部１０７Ａは、各文書に記載されている事項に関連付けて、それら事項の関係性を示す関係性情報を提示してもよい。関係性情報は、抽出部１０１Ａにより抽出させればよい。例えば、抽出部１０１Ａは、文書から前件として記述されている事項を抽出する際に、抽出する事項とその事項に対応する後件として記述されている事項との関係性を示す記述を抽出することを求めるプロンプトを言語モデル１１１Ａに入力してもよい。このようにして抽出された記述を関係性情報として利用することができる。
また、提示部１０７Ａは、各文書に記載されている事項に関連付けて、それら事項の関係性を示す関係性情報を提示してもよい。関係性情報は、抽出部１０１Ａにより抽出させればよい。例えば、抽出部１０１Ａは、文書から前件として記述されている事項を抽出する際に、抽出する事項とその事項に対応する後件として記述されている事項との関係性を示す記述を抽出することを求めるプロンプトを言語モデル１１１Ａに入力してもよい。このようにして抽出された記述を関係性情報として利用することができる。
【0064】
例えば、図４の例における文書Ｄ１に、一日あたりの歩数の増加量と健康寿命が延びる程度との関係を示す数式が記述されていた場合、抽出部１０１Ａはこの数式を関係性情報として抽出することが可能である。そして、提示部１０７Ａは、抽出された数式を関係性情報として提示することができる。例えば、提示部１０７Ａは、抽出された数式を、事項Ｍ１１に対応するノードとＭ１２に対応するノードとを接続するエッジに対応付けて表示させてもよい。
【0065】
推論部１０４Ａは、上述の関係性情報を用いて、第１の事項と第２の事項との関係性を推論する。これについて、図５に示すロジックモデル１１２Ａ－２に基づいて説明する。ロジックモデル１１２Ａ－２には、文書Ｄ５に前件として記載されている事項Ｍ５１、文書Ｄ５に後件として記載されている事項Ｍ５２、文書Ｄ６に前件として記載されている事項Ｍ６１、および文書Ｄ６に後件として記載されている事項Ｍ６２、に対応するノードがそれぞれ含まれている。このうち、事項Ｍ５２とＭ６１が仲介事項であり、これらの事項を介して事項Ｍ５１とＭ６２が関連付けられている。
【0066】
また、ロジックモデル１１２Ａ－２では、事項Ｍ５１に対応するノードと事項Ｍ５２に対応するノードとを接続するエッジには、これらの事項の関係性を示す関連性情報ＲＩ１が対応付けられている。同様に、事項Ｍ６１に対応するノードと事項Ｍ６２に対応するノードとを接続するエッジには、これらの事項の関係性を示す関連性情報ＲＩ２が対応付けられている。
【0067】
関連性情報ＲＩ１は、文書Ｄ５から抽出された情報であり、適正体重の維持期間と体重管理のための投資額との関係を示す数式である。この数式によれば、適正体重の維持期間は、体重管理のための投資額に比例しており、その比例定数はａである。また、関連性情報ＲＩ２は、文書Ｄ６から抽出された情報であり、医療費の低減率と適正体重の維持期間との関係を示す数式である。この数式によれば、医療費の低減率は、適正体重の維持期間に比例しており、その比例定数はｂである。
【0068】
推論部１０４Ａは、これらの関連性情報を用いて事項Ｍ５１（上述の第１の事項に相当）と、事項Ｍ６２（上述の第２の事項に相当）との関係性を推論する。具体的には、推論部１０４Ａは、関連性情報ＲＩ１と関連性情報ＲＩ２から、体重管理のための投資額と、医療費の低減率の関係が、「（体重管理のための投資額）＝（医療費の低減率）／ａ・ｂ」との数式で表されると推論する。
【0069】
また、推論部１０４Ａは、上記の推論結果に基づき、体重管理のための投資額がある値であったときの医療費の低減率を推論することや、体重管理のための投資額の変化量がある値であったときの医療費の低減率の変化量を推論することも可能である。このように、推論部１０４Ａは、上記の推論結果に基づいて各種のシミュレーションを行うことも可能である。なお、推論部１０４Ａによる推論結果は、ロジックモデル１１２Ａと関連付けて記録しておけばよい。
【0070】
以上のように、情報処理装置１Ａは、第１の事項（ロジックモデル１１２Ａ－２の例ではＭ５１）が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、第１の事項と仲介事項との関係性を示す第１の関係性情報（ロジックモデル１１２Ａ－２の例ではＲＩ１）と、仲介事項が前件として記述されていると共に第２の事項（ロジックモデル１１２Ａ－２の例ではＭ６２）が後件として記述されているコンテンツから抽出された、仲介事項と前記第２の事項との関係性を示す第２の関係性情報（ロジックモデル１１２Ａ－２の例ではＲＩ２）と、を用いて、第１の事項と第２の事項との関係性を推論する推論部１０４Ａを備えている。これにより、情報処理装置１の奏する効果に加えて、第１の事項と第２の事項との関係性についての分析結果も得ることができるという効果が得られる。また、この分析結果を利用することにより、推論結果に基づいて各種のシミュレーションを行うことも可能になる。
【0071】
なお、推論部１０４Ａは、３つ以上の文書のそれぞれに記載されている事項の関係性についても同様にして推論することが可能である。また、関係性情報が数式である場合、推論部１０４Ａは、式変形により関連性を推定することができる。この場合、抽出部１０１Ａは、関連性情報を文書から抽出する際のプロンプトに、数式を抽出することを明示的に指示する文を含めてもよい。
【0072】
また、関係性情報は、数式に限られず、例えばテキストであってもよい。この場合、推論部１０４Ａは、第１の事項と、第２の事項と、各関係性情報（上述した第１の関係性情報と第２の関係性情報）とを言語モデル１１１Ａに入力して、それらの関係性情報から導かれる第１の事項と第２の事項との関係性を推論させてもよい。例えば、第１の関連性情報として抽出されたテキストが「適正体重の維持期間は体重管理のための投資額に比例する」というものであり、第２の関連性情報として抽出されたテキストが「医療費の低減率は適正体重の維持期間に比例する」というものであったとする。この場合、抽出部１０１Ａは、これらのテキストを言語モデル１１１Ａに入力することにより、例えば「適正体重の維持期間は医療費の低減率に比例する」との推論結果を得ることが可能である。
【0073】
（質問の受け付けと回答の生成について）
以下では、受付部１０５Ａと回答生成部１０６Ａについて説明する。受付部１０５Ａは、ユーザからの質問の入力を受け付ける。例えば、受付部１０５Ａは、通信部１２Ａを介して質問の入力を受け付けてもよいし、入力部１３Ａを介して質問の入力を受け付けてもよい。また、質問はテキストで入力されてもよいし、音声で入力されてもよい。後者の場合、受付部１０５Ａは、入力された音声をテキストに変換した上で処理すればよい。
以下では、受付部１０５Ａと回答生成部１０６Ａについて説明する。受付部１０５Ａは、ユーザからの質問の入力を受け付ける。例えば、受付部１０５Ａは、通信部１２Ａを介して質問の入力を受け付けてもよいし、入力部１３Ａを介して質問の入力を受け付けてもよい。また、質問はテキストで入力されてもよいし、音声で入力されてもよい。後者の場合、受付部１０５Ａは、入力された音声をテキストに変換した上で処理すればよい。
【0074】
回答生成部１０６Ａは、ロジックモデル１１２Ａを用いて上記質問に対する回答を生成する。回答の生成方法は特に限定されない。例えば、回答生成部１０６Ａは、言語モデル１１１Ａを用いて回答を生成してもよい。この場合、回答生成部１０６Ａは、受付部１０５Ａが受け付けた質問と、ロジックモデル１１２Ａとを含み、ロジックモデル１１２Ａに基づいて質問に対する回答を生成するように指示するプロンプトを生成してもよい。回答生成部１０６Ａは、このようなプロンプトを言語モデル１１１Ａに入力することにより、ロジックモデル１１２Ａに基づく回答を生成することができる。
【0075】
また、回答生成部１０６Ａは、ロジックモデル１１２Ａ自体を言語モデル１１１Ａに入力する代わりに、ロジックモデル１１２Ａに含まれている事項のうち、ユーザの質問に関連する事項を検出し、検出した事項を言語モデル１１１Ａに入力してもよい。この例については、図７に基づいて後述する。
【0076】
回答生成部１０６Ａが生成した回答は提示部１０７Ａによりユーザに提示される。なお、質問の入力者と、回答の提示対象者とは同一人物であってもよいし、異なる人物であってもよい。また、回答はテキストを表示出力させる形式で提示されてもよいし、音声出力の形式で提示されてもよい。
【0077】
以上のように、情報処理装置１Ａは、質問の入力を受け付ける受付部１０５Ａと、ロジックモデル１１２Ａを用いて上記質問に対する回答を生成する回答生成部１０６Ａと、生成された回答を提示する提示部１０７Ａと、を備える。これにより、情報処理装置１の奏する効果に加えて、ユーザからの質問に対して、分析の対象とした各コンテンツにおける記載事項の論理的な関係性に基づく回答を返すことが可能になるという効果が得られる。
【0078】
例えば、図５のロジックモデル１１２Ａ－１が生成され、記憶部１１Ａに記録されている場合に、受付部１０５Ａが「健康寿命を延ばすためにはどうしたらいい？」との質問を受け付けたとする。ここで、ロジックモデル１１２Ａ－１では「健康寿命」に関するＭ１２の事項に対してＭ４１の事項が関連付けられている。このため、回答生成部１０６Ａは、ロジックモデル１１２Ａ－１を用いることにより、Ｍ４１の事項を含む回答（例えば、「毎日の歩数を記録することが有効です。」等）を生成することができる。
【0079】
また、例えば、図５のロジックモデル１１２Ａ－２が生成され、記憶部１１Ａに記録されている場合に、受付部１０５Ａが「体重管理のためにフィットネスクラブに毎週通うことにした場合に期待できる効果は？」との質問を受け付けたとする。ここで、ロジックモデル１１２Ａ－２では「体重管理」に関するＭ５１の事項に対してＭ６２の事項が関連付けられている。このため、回答生成部１０６Ａは、ロジックモデル１１２Ａ－２を用いることにより、Ｍ６２の事項を含む回答（例えば、「医療費の低減が期待できます。」等）を生成することができる。
【0080】
また、回答生成部１０６Ａは、推論部１０４Ａによる推論の結果を考慮して回答を生成してもよい。この場合、例えば、回答生成部１０６Ａは、「フィットネスクラブに１年間通ったときの投資額をｘ円とした場合、期待できる医療費の低減額はｙ円です。」等の回答を生成することも可能である。
【0081】
また、回答生成部１０６Ａは、ユーザの属性を示す属性情報を考慮した回答を生成してもよい。なお、ここで「ユーザ」とは、質問者または回答の提示対象者である。考慮の対象とする属性は任意であり、例えば、ユーザの年齢、性別、職業、性格、過去の行動履歴などを示す属性情報を用いてもよい。また、ユーザの属性情報は、予め入力させておいてもよいし、受付部１０５Ａが受け付けた質問の一部を属性情報として利用してもよい。
【0082】
例えば、回答生成部１０６Ａは、ユーザの職業を示す属性情報を用いて、その職業に応じた内容の回答を生成してもよい。具体例を挙げれば、「お勧めの副業を教えて」との質問が入力された場合に、回答生成部１０６Ａは、入力された当該質問とロジックモデル１１２Ａを含み、ユーザの職業を示すプロンプトを生成して言語モデル１１１Ａに入力してもよい。これにより、ロジックモデル１１２Ａに基づき、かつ、ユーザの職業に応じた副業を示す回答を生成することが可能である。
【0083】
（処理の流れ：分析方法）
情報処理装置１Ａが実行する処理の流れを図６に基づいて説明する。図６は、情報処理装置１Ａが実行する処理の流れを示すフロー図である。図６のフローには、本例示的実施形態に係る分析方法の各ステップが含まれている。
情報処理装置１Ａが実行する処理の流れを図６に基づいて説明する。図６は、情報処理装置１Ａが実行する処理の流れを示すフロー図である。図６のフローには、本例示的実施形態に係る分析方法の各ステップが含まれている。
【0084】
Ｓ１１では、抽出部１０１Ａが、分析対象である複数の文書の中から１つの文書を選択する。選択の方法は任意であるが、選択済みの文書は再度選択しないようにする。なお、選択候補となる文書は予め指定しておけばよい。例えば、図４の例のように、特定のＤＢを指定しておいてもよい。この場合、Ｓ１１において、抽出部１０１Ａは、指定されたＤＢに記録された文書の中から１つの文書を選択する。
【0085】
Ｓ１２（抽出処理）では、抽出部１０１Ａは、Ｓ１１で取得された文書（上述した第１のコンテンツに相当）から、当該文書において前件として記述されている事項を、言語モデル１１１Ａを用いて抽出する。
【0086】
Ｓ１３では、抽出部１０１Ａは、分析対象である複数の文書の中から、Ｓ１２で抽出された事項が後件として記述されている文書（上述した第２のコンテンツに相当）を、言語モデル１１１Ａを用いて抽出する。なお、分析対象である複数の文書の中に、Ｓ１２で抽出された事項が後件として記述されている文書すなわち第２のコンテンツが存在しない場合、Ｓ１３～Ｓ１６の処理を行うことなくＳ１７の処理に進む。
【0087】
Ｓ１４（抽出処理）では、抽出部１０１Ａは、Ｓ１３で抽出した文書すなわち第２のコンテンツに前件として記述されている事項を第１の事項として抽出する。上述のように、第１の事項の抽出にも言語モデル１１１Ａが用いられる。
【0088】
Ｓ１５（抽出処理）では、抽出部１０１Ａは、Ｓ１１で選択された文書すなわち第１のコンテンツに後件として記述されている事項を第２の事項として抽出する。上述のように、第２の事項の抽出にも言語モデル１１１Ａが用いられる。なお、Ｓ１５の処理はＳ１４よりも先に行うようにしてもよいし、Ｓ１４と並行して行うようにしてもよい。
【0089】
Ｓ１６（分析処理）では、分析部１０２Ａが、文書の記載事項の関連付けを行う。具体的には、分析部１０２Ａは、仲介事項が後件として記述されている文書すなわち第２のコンテンツに前件として記述されている第１の事項（Ｓ１４で抽出されたもの）と、その仲介事項が前件として記述されている文書すなわち第１のコンテンツに後件として記述されている第２の事項（Ｓ１５で抽出されたもの）とを関連付ける。なお、Ｓ１６の処理は、後述するＳ１７より後で行うようにしてもよい。
【0090】
Ｓ１７では、抽出部１０１Ａは、分析対象である複数の文書の全てについて、Ｓ１１以降の処理を実施済みであるか否かを判定する。Ｓ１７でＮＯと判定された場合にはＳ１１に戻り、抽出部１０１Ａは、次に処理する文書を選択する。一方、Ｓ１７でＹＥＳと判定された場合にはＳ１８に進む。
【0091】
Ｓ１８では、モデル生成部１０３Ａが、Ｓ１６の関連付けの結果に基づいて、分析対象となる複数の文書に記述されている各事項の論理的な関係性を示すロジックモデル１１２Ａを生成する。なお、既にロジックモデル１１２Ａが生成されている場合、モデル生成部１０３Ａは、既存のロジックモデル１１２Ａを更新する。
【0092】
Ｓ１９では、提示部１０７Ａが、Ｓ１８で生成または更新されたロジックモデル１１２Ａを表示装置（情報処理装置１Ａが備えているものであってもよいし、他の装置が備えているものであってもよい）に表示させる。これにより、図６の処理は終了する。
【0093】
（処理の流れ：質問の受け付けと回答の提示）
情報処理装置１Ａが質問の受け付けと回答の提示を行う際の処理の流れを図７に基づいて説明する。図７は、質問の受け付けと回答の提示における処理の流れを示すフロー図である。
情報処理装置１Ａが質問の受け付けと回答の提示を行う際の処理の流れを図７に基づいて説明する。図７は、質問の受け付けと回答の提示における処理の流れを示すフロー図である。
【0094】
Ｓ２１では、受付部１０５Ａが、ユーザからの質問の入力を受け付ける。質問をどのようにして受け付けるかは特に限定されない。例えば、受付部１０５Ａは、通信部１２Ａを介して質問の入力を受け付けてもよいし、入力部１３Ａを介して質問の入力を受け付けてもよい。
【0095】
Ｓ２２では、回答生成部１０６Ａが、ロジックモデル１１２Ａから、Ｓ２１で受け付けられた質問に関連する事項を検出する。例えば、回答生成部１０６Ａは、受け付けられた質問とロジックモデル１１２Ａを含み、当該質問に関連する事項をロジックモデル１１２Ａから選択するように指示するプロンプトを生成し、生成したプロンプトを言語モデル１１１Ａに入力してもよい。これにより、回答生成部１０６Ａは、言語モデル１１１Ａの出力に基づき、Ｓ２１で受け付けられた質問に関連する事項を検出することができる。また、回答生成部１０６Ａは、ロジックモデル１１２Ａにおいて、上記のようにして検出された事項に関連付けられている事項についても、上記質問に関連する事項として検出する。
【0096】
例えば、図５に示すロジックモデル１１２Ａ－１が記憶部１１Ａに記憶されている場合に、「高血圧と診断されたので生活習慣を見直そうと思っているが、よい方法はないか？」との質問を受け付けたとする。この場合、回答生成部１０６Ａは、上述のような検索により、当該質問に関連する事項として、事項Ｍ２２をロジックモデル１１２Ａ－１から検出することができる。そして、回答生成部１０６Ａは、ロジックモデル１１２Ａ－１において、事項Ｍ２２に関連付けられている事項Ｍ２１、Ｍ１１、Ｍ４２、Ｍ４１についても当該質問に関連する事項として検出することができる。なお、仲介事項は検出対象から外すようにしてもよく、その場合、事項Ｍ２１に関連する事項としては、事項Ｍ４１のみが検出される。
【0097】
Ｓ２３では、回答生成部１０６Ａは、Ｓ２２で検出した事項に関連する、推論部１０４Ａの推論結果を取得する。推論部１０４Ａによる推論は事前に（例えば図６のフローにおけるＳ１６の後などに）行っておいてもよいし、Ｓ２２の後、Ｓ２３の前に行うようにしてもよい。また、回答生成部１０６Ａは、推論部１０４Ａの推論結果に加えて、Ｓ２２で検出した事項に関連する関連性情報についても取得するようにしてもよい。関連性情報の抽出についても推論部１０４Ａによる推論と同様に事前に行っておいてもよいし、Ｓ２２の後、Ｓ２３の前に行うようにしてもよい。
【0098】
Ｓ２４では、回答生成部１０６Ａは、Ｓ２１で受け付けられた質問に対する回答を生成する。より詳細には、回答生成部１０６Ａは、Ｓ２１で受け付けられた質問と、Ｓ２２で検出された事項と、Ｓ２３で取得された推論結果とを含み、当該事項および当該推論結果に基づいて質問に対する回答を生成するように指示するプロンプトを生成してもよい。そして、回答生成部１０６Ａは、このようなプロンプトを言語モデル１１１Ａに入力することにより、質問に対する回答を生成することができる。また、回答生成部１０６Ａは、Ｓ２３で関連性情報を取得していた場合、取得した関連性情報についてもプロンプトに含めてもよい。
【0099】
Ｓ２５では、提示部１０７Ａが、Ｓ２４で生成された回答をユーザに提示する。これにより図７の処理は終了する。なお、Ｓ２５の後、Ｓ２１に戻って追加の質問を受け付けるようにしてもよい。
【0100】
また、分析の対象となる文書からの記載事項の抽出および関連付けは、質問の受け付け後に行うようにしてもよい。この場合、抽出部１０１Ａは、受け付けた質問において問われている事項を、分析の対象となる文書から検索し、検索により得られた事項を上述の第１または第２の事項として、当該第１または第２の事項に関連する第２または第１の事項を抽出する。これにより、回答生成部１０６Ａは、抽出された第２または第１の事項に基づく回答を生成することができる。
【0101】
例えば、「高血圧と診断されたので生活習慣を見直そうと思っているが、よい方法はないか？」との質問を受け付けたとする。このように、方策や条件等の「前件」について問う質問を受け付けた場合、抽出部１０１Ａは、「高血圧」が後件として記述されている文書の抽出を試み、これにより文書Ｄ２を抽出する。そして、抽出部１０１Ａは、文書Ｄ２に後件として記載されている「高血圧が改善」という事項Ｍ２２を抽出し、これを第２の事項とする。次に、抽出部１０１Ａは、文書Ｄ２に事項Ｍ２２に対応する前件として記述されている事項Ｍ２１が、後件として記述されている文書の抽出を試み、これにより文書Ｄ４を検出する。そして、抽出部１０１Ａは、文書Ｄ４に前件として記述されている「毎日の歩数を記録する」という事項Ｍ４１を、第１の事項として抽出する。これにより、分析部１０２Ａは、事項Ｍ４１と事項Ｍ２２とを関連付けることができ、回答生成部１０６Ａは、この関連付けに基づいた回答（例えば、「毎日の歩数を記録する」ことを勧める回答）を生成することができる。
【0102】
また、例えば、「体重管理のためにフィットネスクラブに毎週通うことにした場合に期待できる効果は？」との質問を受け付けたとする。このように、効果や結果等の「後件」について問う質問を受け付けた場合、抽出部１０１Ａは、「体重管理」が前件として記述されている文書の抽出を試み、これにより文書Ｄ５を抽出する。そして、抽出部１０１Ａは、文書Ｄ５に前件として記載されている「体重管理のための投資額」という事項Ｍ５１を抽出し、これを第１の事項とする。次に、抽出部１０１Ａは、文書Ｄ５に事項Ｍ５１に対応する後件として記述されている事項Ｍ５２が、前件として記述されている文書の抽出を試み、これにより文書Ｄ６を検出する。そして、抽出部１０１Ａは、文書Ｄ６に後件として記述されている「医療費の低減率」という事項Ｍ６２を、第２の事項として抽出する。これにより、分析部１０２Ａは、事項Ｍ４１と事項Ｍ２２とを関連付けることができ、回答生成部１０６Ａは、この関連付けに基づいた回答（例えば、「医療費の低減」が期待できる旨の回答）を生成することができる。
【0103】
（抽出と関連付けの例２：後件の抽出から開始）
図４の例では、ＤＢに記録されている文書Ｄ１～Ｄ４の中から１つずつ文書を選択した後、選択した文書に前件として記述されている事項を抽出しているが、選択した文書に後件として記述されている事項を抽出するようにしてもよい。これについて図８に基づいて説明する。図８は、文書の記載事項の抽出と関連付けの他の例を示す図である。なお、文書Ｄ１～Ｄ４の記載事項は図４の例と同じであるから記載事項についての説明は繰り返さない。
図４の例では、ＤＢに記録されている文書Ｄ１～Ｄ４の中から１つずつ文書を選択した後、選択した文書に前件として記述されている事項を抽出しているが、選択した文書に後件として記述されている事項を抽出するようにしてもよい。これについて図８に基づいて説明する。図８は、文書の記載事項の抽出と関連付けの他の例を示す図である。なお、文書Ｄ１～Ｄ４の記載事項は図４の例と同じであるから記載事項についての説明は繰り返さない。
【0104】
図８の例では、抽出部１０１Ａは、ＤＢに記録されている文書Ｄ１～Ｄ４を１つずつ読み出し、読み出した文書から、その文書に後件として記述されている事項を抽出する。例えば、抽出部１０１Ａは、図８に示すように、「この文書に後件として記述されている事項を抽出して下さい」という定型のプロンプトＰ２１と文書Ｄ４とを言語モデル１１１Ａに入力してもよい。これにより、図示のように、文書Ｄ４から事項Ｍ４２を抽出することができる。なお、抽出部１０１Ａは、１つの文書から、後件として記述されている事項を複数抽出してもよい。
【0105】
次に、抽出部１０１Ａは、以上のようにして抽出した事項が前件として記述されている文書を抽出する。例えば、抽出部１０１Ａは、図８に示すように、「この事項が前件として記述されている文書を抽出して下さい」という定型のプロンプトＰ２２と事項Ｍ４２とを言語モデル１１１Ａに入力してもよい。また、抽出部１０１Ａは、抽出候補としてＤＢに記録されている文書Ｄ１～Ｄ４を指定すればよい。これにより、図８の例では、文書Ｄ１が抽出されている。なお、文書Ｄ４から前件として記述されている事項が複数抽出された場合、抽出部１０１Ａは、抽出された各事項について、当該事項が前件として記述されている文書の抽出を試みる。また、抽出部１０１Ａは、該当する文書が抽出されなかった場合には、ＤＢから他の文書を読み出し、当該他の文書から、その文書に後件として記述されている事項を抽出する。
【0106】
次に、抽出部１０１Ａは、以上のようにして抽出した文書Ｄ１と、文書Ｄ１に後件として記述されている事項を抽出することを指示するプロンプトＰ２３を言語モデル１１１Ａに入力することにより、文書Ｄ１に後件として記述されている事項を抽出させる。これにより、図示のように、文書Ｄ１から事項Ｍ１２を抽出することができる。
【0107】
また、抽出部１０１Ａは、文書Ｄ４と、文書Ｄ４に前件として記述されている事項を抽出することを指示するプロンプトＰ２４を言語モデル１１１Ａに入力することにより、文書Ｄ４に前件として記述されている事項を抽出させる。これにより、図示のように、文書Ｄ４から事項Ｍ４１を抽出することができる。
【0108】
分析部１０２Ａは、以上のようにして文書Ｄ４から抽出された事項Ｍ４１と、文書Ｄ１から抽出された事項Ｍ１２とを関連付ける。これにより、図４の例と同様に、「毎日の歩数を記録する」ことにより「健康寿命が延びる」という知見が導かれる。
【0109】
以上のように、抽出部１０１Ａは、言語モデル１１１Ａを用いて、（１）分析の対象となる複数のコンテンツの１つである第１のコンテンツ（図８の例では文書Ｄ４）に後件として記述されている事項（図８の例では事項Ｍ４２）を抽出し、（２）複数のコンテンツのうち、抽出された上記事項が前件として記述されている第２のコンテンツ（図８の例では文書Ｄ１）を抽出し、（３）第２のコンテンツに後件として記述されている事項を第２の事項（図８の例では事項Ｍ１２）として抽出し、（４）第１のコンテンツに前件として記述されている事項（図８の例では事項Ｍ１１）を第１の事項として抽出する。これにより、複数のコンテンツのそれぞれに記述されている事項を論理的に関連付けて新たな知見を導き出すことが可能になるという効果が得られる。
【0110】
図８のように後件の抽出から開始する場合も、処理の流れは図６と同様である。ただし、後件の抽出から開始する場合、Ｓ１２では、選択された文書において「後件」として記述されている事項が抽出され、Ｓ１３では、Ｓ１２で抽出された事項が「前件」として記述されている文書が抽出される。そして、Ｓ１４では、Ｓ１３で抽出された文書に「後件」として記述されている事項が「第２の事項」として抽出され、Ｓ１５では、Ｓ１１で選択された文書において「前件」として記述されている事項が「第１の事項」として抽出される。
【0111】
（抽出と関連付けの例３：各文書から前件および後件を抽出）
また、抽出部１０１Ａは、言語モデル１１１Ａを用いて、分析の対象となる複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出してもよい。この場合、分析部１０２Ａは、抽出された事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項として、抽出された事項の中から第１の事項と前記第２の事項とを特定し、特定した第１の事項と第２の事項とを関連付ければよい。このような処理によっても、複数のコンテンツのそれぞれに記述されている事項を論理的に関連付けて新たな知見を導き出すことが可能になるという効果が得られる。
また、抽出部１０１Ａは、言語モデル１１１Ａを用いて、分析の対象となる複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出してもよい。この場合、分析部１０２Ａは、抽出された事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項として、抽出された事項の中から第１の事項と前記第２の事項とを特定し、特定した第１の事項と第２の事項とを関連付ければよい。このような処理によっても、複数のコンテンツのそれぞれに記述されている事項を論理的に関連付けて新たな知見を導き出すことが可能になるという効果が得られる。
【0112】
上記の処理について図９に基づいて説明する。図９は、文書の記載事項の抽出と関連付けのさらに他の例を示す図である。図９の例では、抽出部１０１Ａは、ＤＢに記録されている文書Ｄ１～Ｄ４を１つずつ読み出し、読み出した文書から、その文書に前件として記述されている事項と、後件として記述されている事項をそれぞれ抽出する。例えば、抽出部１０１Ａは、図９に示すように、「この文書に前件として記述されている事項と、それに対応する後件として記述されている事項とをそれぞれ抽出して下さい」という定型のプロンプトＰ３１と読み出した文書とを言語モデル１１１Ａに入力する処理を、文書Ｄ１～Ｄ４のそれぞれについて行うようにしてもよい。これにより、図示のように、文書Ｄ１～Ｄ４のそれぞれにおいて前件として記述されている事項と後件として記述されている事項とを抽出することができる。
【0113】
そして、分析部１０２Ａが、以上のようにして抽出された事項のうち、第１の事項と前記第２の事項とを特定し、特定した第１の事項と第２の事項とを関連付ける。上述のように、第１の事項は仲介事項が後件として記述されているコンテンツに前件として記述されている事項であり、第２の事項は仲介事項が前件として記述されているコンテンツに後件として記述されている事項である。このため、分析部１０２Ａは、抽出部１０１Ａが抽出した事項の中から仲介事項を特定し、特定した仲介事項が後件として記述されているコンテンツに前件として記述されている事項を第１の事項とし、特定した仲介事項が前件として記述されているコンテンツに後件として記述されている事項を第２の事項として、これらを関連付けてもよい。
【0114】
なお、仲介事項の特定方法は特に限定されず、例えば言語モデル１１１Ａに行わせるようにしてもよい。この場合、分析部１０２Ａは、抽出部１０１Ａが抽出した事項のうち、内容が同様である事項を抽出するように指示するプロンプトを生成して言語モデル１１１Ａに入力すればよい。そして、分析部１０２Ａは、抽出された事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を、仲介事項と特定することができる。
【0115】
図９の例では、事項Ｍ４２と事項Ｍ１１の内容が同一であるからこれらが仲介事項として特定される。そして、この仲介事項を介して、文書Ｄ４から抽出された事項Ｍ４１と、文書Ｄ１から抽出された事項Ｍ１２とが関連付けられる。これにより、図４の例と同様に、「毎日の歩数を記録する」ことにより「健康寿命が延びる」という知見が導かれる。
【0116】
（処理の流れ：図９に対応する分析方法）
図９に基づいて説明したように、分析の対象となる複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出した上で、各事項の関連付けを行うようにしてもよい。この場合に情報処理装置１Ａが実行する処理の流れを図１０に基づいて説明する。図１０は、情報処理装置１Ａが実行する処理の他の例を示すフロー図である。図１０のフローにも、図６のフローと同様に、本例示的実施形態に係る分析方法の各ステップが含まれている。
図９に基づいて説明したように、分析の対象となる複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出した上で、各事項の関連付けを行うようにしてもよい。この場合に情報処理装置１Ａが実行する処理の流れを図１０に基づいて説明する。図１０は、情報処理装置１Ａが実行する処理の他の例を示すフロー図である。図１０のフローにも、図６のフローと同様に、本例示的実施形態に係る分析方法の各ステップが含まれている。
【0117】
なお、図１０のＳ３１、Ｓ３３の処理は、図６のＳ１１、Ｓ１７とそれぞれ同様の処理であるからここでは説明を繰り返さない。また、図１０のフローにはロジックモデル１１２Ａの生成および提示の処理が含まれていないが、図１０のフローにもロジックモデル１１２Ａの生成および提示の処理を含めてもよい。
【0118】
Ｓ３２（抽出処理）では、抽出部１０１Ａは、言語モデル１１１Ａを用いて、Ｓ３１で取得された文書から、当該文書において前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出する。なお、抽出部１０１Ａは、１つの文書から、前件として記述されている事項と後件として記述されている事項を複数組抽出してもよい。
【0119】
Ｓ３４では、分析部１０２Ａが、Ｓ３１～Ｓ３３の処理の繰り返しにより抽出された、分析対象である複数の文書の記述事項の中から仲介事項を特定する。なお、分析部１０２Ａは、複数の仲介事項を特定してもよい。また、抽出された記載事項の中に仲介事項が存在しなかった場合には、図１０の処理は終了する。
【0120】
Ｓ３５（分析処理）では、分析部１０２Ａは、文書の記載事項の関連付けを行う。具体的には、分析部１０２Ａは、Ｓ３４で特定された仲介事項が後件として記述されている文書に前件として記述されている第１の事項と、その仲介事項が前件として記述されている文書に後件として記述されている第２の事項とを関連付ける。これにより、図１０の処理は終了する。なお、Ｓ３４で仲介事項が複数特定された場合には、Ｓ３５では各仲介事項について関連付けが行われる。
【0121】
（抽出と関連付けの例４：仲介事項が記述されている文書を抽出する例１）
また、抽出部１０１Ａは、言語モデル１１１Ａを用いて、（１）複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツすなわち仲介事項が記述されている第２のコンテンツを抽出し、（２）抽出されたコンテンツに前件として記述されている事項を第１の事項として抽出し、（３）抽出されたコンテンツに後件として記載されている事項が前件として記述されているコンテンツすなわち仲介事項が記述されている第１のコンテンツに後件として記載されている事項を第２の事項として抽出してもよい。このような処理によっても、複数のコンテンツのそれぞれに記述されている事項を論理的に関連付けて新たな知見を導き出すことが可能になるという効果が得られる。
また、抽出部１０１Ａは、言語モデル１１１Ａを用いて、（１）複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツすなわち仲介事項が記述されている第２のコンテンツを抽出し、（２）抽出されたコンテンツに前件として記述されている事項を第１の事項として抽出し、（３）抽出されたコンテンツに後件として記載されている事項が前件として記述されているコンテンツすなわち仲介事項が記述されている第１のコンテンツに後件として記載されている事項を第２の事項として抽出してもよい。このような処理によっても、複数のコンテンツのそれぞれに記述されている事項を論理的に関連付けて新たな知見を導き出すことが可能になるという効果が得られる。
【0122】
上記の処理について図１１に基づいて説明する。図１１は、文書の記載事項の抽出と関連付けのさらに他の例を示す図である。図１１の例では、抽出部１０１Ａは、ＤＢに記録されている文書Ｄ１～Ｄ４を１つずつ読み出し、読み出した文書に前件として記述されている事項が後件として記述されている文書を抽出する。例えば、抽出部１０１Ａは、図１１に示すように、「この文書に前件として記述されている事項が後件として記述されている文書を、ＤＢに記録されている文書の中から抽出して下さい」という定型のプロンプトＰ４１と読み出した文書とを言語モデル１１１Ａに入力してもよい。これにより、図示のように、読み出された文書が文書Ｄ１である場合に、文書Ｄ１において前件として記述されている事項Ｍ１１と同じ内容の事項Ｍ４２が後件として記述されている文書Ｄ４を抽出することができる。事項Ｍ１１およびＭ４２は仲介事項であるから、この例における文書Ｄ４は上述の第２のコンテンツに相当し、文書Ｄ１は上述の第１のコンテンツに相当する。
【0123】
次に、抽出部１０１Ａは、抽出した文書Ｄ４すなわち第２のコンテンツに前件として記述されている事項を第１の事項として抽出すると共に、ＤＢから読み出した文書Ｄ１すなわち第１のコンテンツに後件として記載されている事項を第２の事項として抽出する。
【0124】
より詳細には、抽出部１０１Ａは、図示のように、抽出した文書Ｄ４と、文書Ｄ４に前件として記述されている事項を抽出することを指示するプロンプトＰ４２を言語モデル１１１Ａに入力することにより、文書Ｄ４に前件として記述されている事項を抽出させる。これにより、図示のように、文書Ｄ４に記述されている事項Ｍ４１を第１の事項として抽出することができる。
【0125】
また、抽出部１０１Ａは、図示のように、読み出した文書Ｄ１と、文書Ｄ１に後件として記述されている事項を抽出することを指示するプロンプトＰ４３を言語モデル１１１Ａに入力することにより、文書Ｄ１に後件として記述されている事項を抽出させる。これにより、図示のように、文書Ｄ１に記述されている事項Ｍ１２を第２の事項として抽出することができる。
【0126】
分析部１０２Ａが、以上のようにして文書Ｄ４から抽出された事項Ｍ４１と、文書Ｄ１から抽出された事項Ｍ１２とを関連付ける。これにより、図４等の例と同様に、「毎日の歩数を記録する」ことにより「健康寿命が延びる」という知見が導かれる。
【0127】
（処理の流れ：図１１に対応する分析方法）
図１１に基づいて説明したように、言語モデル１１１Ａを用いて仲介事項が記述されている文書を抽出した上で第１および第２の事項を抽出し、各事項の関連付けを行うようにしてもよい。この場合に情報処理装置１Ａが実行する処理の流れを図１２に基づいて説明する。図１２は、情報処理装置１Ａが実行する処理の他の例を示すフロー図である。図１２のフローにも、図６のフローと同様に、本例示的実施形態に係る分析方法の各ステップが含まれている。
図１１に基づいて説明したように、言語モデル１１１Ａを用いて仲介事項が記述されている文書を抽出した上で第１および第２の事項を抽出し、各事項の関連付けを行うようにしてもよい。この場合に情報処理装置１Ａが実行する処理の流れを図１２に基づいて説明する。図１２は、情報処理装置１Ａが実行する処理の他の例を示すフロー図である。図１２のフローにも、図６のフローと同様に、本例示的実施形態に係る分析方法の各ステップが含まれている。
【0128】
なお、図１２のフローと図６のフローは、後者におけるＳ１２およびＳ１３の処理がＳ４２の処理の処理に代わっている点を除けば同様であるから、ここではＳ４２を中心に説明する。また、図１２のフローにはロジックモデル１１２Ａの生成および提示の処理が含まれていないが、図１２のフローにもロジックモデル１１２Ａの生成および提示の処理を含めてもよい。
【0129】
Ｓ４２（抽出処理）では、抽出部１０１Ａは、言語モデル１１１Ａを用いて、分析の対象となる複数の文書の中から、Ｓ４１で選択された文書に前件として記述されている事項が後件として記述されている文書すなわち第２のコンテンツを抽出する。なお、抽出部１０１Ａは、Ｓ４２において、複数の文書を抽出してもよい。
【0130】
Ｓ４３（抽出処理）では、抽出部１０１Ａは、Ｓ４２で抽出した文書すなわち第２のコンテンツに前件として記述されている事項を第１の事項として抽出する。また、Ｓ４４（抽出処理）では、抽出部１０１Ａは、Ｓ４１で選択された文書すなわち第１のコンテンツに後件として記述されている事項を第２の事項として抽出する。そして、Ｓ４５（分析処理）では、分析部１０２Ａが、Ｓ４３で抽出された第１の事項と、Ｓ４４で抽出された第２の事項とを関連付けする。
【0131】
（抽出と関連付けの例５：仲介事項が記述されている文書を抽出する例２）
また、抽出部１０１Ａは、言語モデル１１１Ａを用いて、（１）複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツすなわち仲介事項が記述されている第１のコンテンツを抽出し、（２）抽出されたコンテンツに後件として記述されている事項を第２の事項として抽出し、（３）抽出されたコンテンツに前件として記載されている事項が後件として記述されているコンテンツすなわち仲介事項が記述されている第２のコンテンツに前件として記載されている事項を第１の事項として抽出してもよい。このような処理によっても、複数のコンテンツのそれぞれに記述されている事項を論理的に関連付けて新たな知見を導き出すことが可能になるという効果が得られる。
また、抽出部１０１Ａは、言語モデル１１１Ａを用いて、（１）複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツすなわち仲介事項が記述されている第１のコンテンツを抽出し、（２）抽出されたコンテンツに後件として記述されている事項を第２の事項として抽出し、（３）抽出されたコンテンツに前件として記載されている事項が後件として記述されているコンテンツすなわち仲介事項が記述されている第２のコンテンツに前件として記載されている事項を第１の事項として抽出してもよい。このような処理によっても、複数のコンテンツのそれぞれに記述されている事項を論理的に関連付けて新たな知見を導き出すことが可能になるという効果が得られる。
【0132】
上記の処理について図１３に基づいて説明する。図１３は、文書の記載事項の抽出と関連付けのさらに他の例を示す図である。図１３の例では、抽出部１０１Ａは、ＤＢに記録されている文書Ｄ１～Ｄ４を１つずつ読み出し、読み出した文書に後件として記述されている事項が前件として記述されている文書を抽出する。例えば、抽出部１０１Ａは、図１３に示すように、「この文書に後件として記述されている事項が前件として記述されている文書を、ＤＢに記録されている文書の中から抽出して下さい」という定型のプロンプトＰ５１と読み出した文書とを言語モデル１１１Ａに入力してもよい。これにより、図示のように、読み出された文書が文書Ｄ４である場合に、文書Ｄ４において後件として記述されている事項Ｍ４２と同じ内容の事項Ｍ１１が前件として記述されている文書Ｄ１を抽出することができる。事項Ｍ４２およびＭ１１は仲介事項であるから、この例における文書Ｄ１は上述の第１のコンテンツに相当し、文書Ｄ４は上述の第２のコンテンツに相当する。
【0133】
次に、抽出部１０１Ａは、抽出した文書Ｄ１すなわち第１のコンテンツに後件として記述されている事項を第２の事項として抽出すると共に、ＤＢから読み出した文書Ｄ４すなわち第２のコンテンツに前件として記載されている事項を第１の事項として抽出する。
【0134】
より詳細には、抽出部１０１Ａは、図示のように、抽出した文書Ｄ１と、文書Ｄ１に後件として記述されている事項を抽出することを指示するプロンプトＰ５２を言語モデル１１１Ａに入力することにより、文書Ｄ１に後件として記述されている事項を抽出させる。これにより、図示のように、文書Ｄ１に記述されている事項Ｍ１２を第２の事項として抽出することができる。
【0135】
また、抽出部１０１Ａは、図示のように、読み出した文書Ｄ４と、文書Ｄ４に前件として記述されている事項を抽出することを指示するプロンプトＰ５３を言語モデル１１１Ａに入力することにより、文書Ｄ４に前件として記述されている事項を抽出させる。これにより、図示のように、文書Ｄ４に記述されている事項Ｍ４１を第１の事項として抽出することができる。
【0136】
分析部１０２Ａは、以上のようにして文書Ｄ４から抽出された事項Ｍ４１と、文書Ｄ１から抽出された事項Ｍ１２とを関連付ける。これにより、図４等の例と同様に、「毎日の歩数を記録する」ことにより「健康寿命が延びる」という知見が導かれる。
【0137】
図１３の例における処理（分析方法）の流れは、図１１の例における処理の流れ（図１２参照）と同様である。ただし、図１３の例における処理では、Ｓ４２において、選択された文書において「後件」として記述されている事項が「前件」として記述されている文書が抽出され、Ｓ４３において、Ｓ４２で抽出された文書において「後件」として記述されている事項が「第２の事項」として抽出され、Ｓ４４において、Ｓ４１で選択された文書において「前件」として記述されている事項が「第１の事項」として抽出される。
【0138】
〔文書の検索装置としての利用について〕
情報処理装置１Ａは、文書の検索装置として利用することもできる。この場合、ユーザは、検索対象を示す情報を情報処理装置１Ａに入力する。検索対象を示す情報は、例えば、ユーザが検索したい文書に関連する記述を含む文書であってもよいし、検索対象を示す文（テキストデータ）等であってもよい。
情報処理装置１Ａは、文書の検索装置として利用することもできる。この場合、ユーザは、検索対象を示す情報を情報処理装置１Ａに入力する。検索対象を示す情報は、例えば、ユーザが検索したい文書に関連する記述を含む文書であってもよいし、検索対象を示す文（テキストデータ）等であってもよい。
【0139】
例えば、ユーザが検索対象を示す情報として文書を入力したとする。この場合、抽出部１０１Ａは、入力された文書に前件または後件として記述されている事項を仲介事項として、検索の対象となる複数の文書の中から当該仲介事項が記述されている文書を抽出する。そして、提示部１０７Ａは、抽出部１０１Ａが抽出した文書をユーザに提示する。
【0140】
文書の抽出には、図４、図８、図９、図１１、または図１３に記載されている方法を適用することができる。例えば、図４に記載されている方法を適用する場合、抽出部１０１Ａは、入力された文書に前件として記述されている事項を抽出し、抽出した事項が後件として記述されている文書を抽出する。また、図８に記載されている方法を適用する場合、抽出部１０１Ａは、入力された文書に後件として記述されている事項を抽出し、抽出した事項が前件として記述されている文書を抽出する。
【0141】
また、図９に記載されている方法を適用する場合、抽出部１０１Ａは、入力された文書に前件として記載されている事項と、後件として記述されている事項を抽出する。また、抽出部１０１Ａは、検索の対象となる複数の文書からも、それらの文書に前件として記載されている事項と、後件として記述されている事項をそれぞれ抽出する。そして、抽出部１０１Ａは、検索の対象となる複数の文書の中から、入力された文書に前件として記載されている事項が後件として記述されている文書と、入力された文書に後件として記述されている事項が前件として記述されている文書の少なくとも何れかを抽出する。
【0142】
また、図１１に記載されている方法を適用する場合、抽出部１０１Ａは、入力された文書に前件として記述されている事項が後件として記述されている文書を、検索の対象となる複数の文書の中から抽出する。同様に、図１３に記載されている方法を適用する場合、抽出部１０１Ａは、入力された文書に後件として記述されている事項が前件として記述されている文書を、検索の対象となる複数の文書の中から抽出する。
【0143】
また、ユーザが検索対象を示すテキストを入力したとする。この場合、抽出部１０１Ａは、検索の対象となる複数の文書の中から、入力されたテキストに示される事項が前件または後件として記述されている文書を抽出する。そして、抽出部１０１Ａは、抽出した文書において、上記テキストに示される事項に対応する前件または後件として記載されている事項を仲介事項として、当該仲介事項が記述されている文書を抽出する。
【0144】
例えば、上記テキストが「サプリメントｓを摂取することにより期待される効果は？」というユーザの質問を示すものであったとする。このように、効果や結果等の「後件」について問う質問を受け付けた場合、抽出部１０１Ａは、「サプリメントｓを摂取する」という事項が前件として記述されている文書を抽出する。そして、抽出部１０１Ａは、抽出した文書において、上記事項に対応する後件として記載されている事項（例えば、「睡眠の質が改善する」等）を仲介事項として、当該仲介事項が前件として記述されている文書を抽出する。これにより、例えば、睡眠の質が改善すれば、仕事の能率が上がる等の記述がある文書が抽出される。したがって、このような文書を提示部１０７Ａがユーザに提示することにより、サプリメントｓを摂取することにより仕事の能率が上がることが期待できる、という知見を与えることができる。
【0145】
また、例えば、方策や条件等の「前件」について問う質問を受け付けた場合、抽出部１０１Ａは、上記テキストに示される事項が後件として記述されている文書を抽出してもよい。そして、抽出部１０１Ａは、抽出した文書において、上記事項に対応する前件として記載されている事項を仲介事項として、当該仲介事項が後件として記述されている文書を抽出してもよい。
【0146】
以上のように、情報処理装置１Ａは、対象となる複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とし、当該仲介事項が後件として記述されているコンテンツを第１のコンテンツとし、当該仲介事項が前件として記述されているコンテンツを第２のコンテンツとするとき、機械学習済みの言語モデル１１１Ａを用いて第１のコンテンツおよび第２のコンテンツの少なくとも何れかを抽出する抽出部１０１Ａと、抽出部１０１Ａにより抽出されたコンテンツを提示する提示部１０７Ａと、を備える。よって、様々なコンテンツの活用を支援することが可能になるという効果が得られる。
【0147】
なお、上記構成における「対象となる複数のコンテンツ」には、検索対象のコンテンツの他、ユーザが検索のために入力したコンテンツが含まれていてもよい。この場合、ユーザが検索のために入力したコンテンツは、第１または第２のコンテンツとなる。そして、ユーザが検索のために入力したコンテンツが第１のコンテンツとなる場合、抽出部１０１Ａは検索対象のコンテンツの中から第２のコンテンツを抽出する。一方、ユーザが検索のために入力したコンテンツが第２のコンテンツとなる場合、抽出部１０１Ａは検索対象のコンテンツの中から第１のコンテンツを抽出する。
【0148】
〔変形例〕
上述の例示的実施形態で説明した各処理の実行主体は任意であり、上述の例に限られない。例えば、相互に通信可能な複数の装置により、情報処理装置１、１Ａと同様の機能を有するシステムを構築することができる。また、図６、図７、図１０、図１２に示すフローチャートに示される各処理の実行主体は、１つの装置（プロセッサと言い換えることもできる）としてもよいし、複数の装置（同じくプロセッサと言い換えることもできる）としてもよい。
上述の例示的実施形態で説明した各処理の実行主体は任意であり、上述の例に限られない。例えば、相互に通信可能な複数の装置により、情報処理装置１、１Ａと同様の機能を有するシステムを構築することができる。また、図６、図７、図１０、図１２に示すフローチャートに示される各処理の実行主体は、１つの装置（プロセッサと言い換えることもできる）としてもよいし、複数の装置（同じくプロセッサと言い換えることもできる）としてもよい。
【0149】
〔ソフトウェアによる実現例〕
情報処理装置１，１Ａの一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。
情報処理装置１，１Ａの一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。
【0150】
後者の場合、情報処理装置１または１Ａは、例えば、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータによって実現される。このようなコンピュータの一例（以下、コンピュータＣと記載する）を図１４に示す。図１４は、情報処理装置１または１Ａとして機能するコンピュータＣのハードウェア構成を示すブロック図である。
【0151】
コンピュータＣは、少なくとも１つのプロセッサＣ１と、少なくとも１つのメモリＣ２と、を備えている。メモリＣ２には、コンピュータＣを情報処理装置１または１Ａとして動作させるためのプログラム（分析プログラム）Ｐが記録されている。コンピュータＣにおいて、プロセッサＣ１は、プログラムＰをメモリＣ２から読み取って実行することにより、情報処理装置１または１Ａの各機能が実現される。
【0152】
プロセッサＣ１としては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＰＵ（Micro Processing Unit）、ＦＰＵ（Floating point number Processing Unit）、ＰＰＵ（Physics Processing Unit）、ＴＰＵ（Tensor Processing Unit）、量子プロセッサ、マイクロコントローラ、又は、これらの組み合わせなどを用いることができる。メモリＣ２としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又は、これらの組み合わせなどを用いることができる。
【0153】
なお、コンピュータＣは、プログラムＰを実行時に展開したり、各種データを一時的に記憶したりするためのＲＡＭ（Random Access Memory）を更に備えていてもよい。また、コンピュータＣは、他の装置との間でデータを送受信するための通信インタフェースを更に備えていてもよい。また、コンピュータＣは、キーボードやマウス、ディスプレイやプリンタなどの入出力機器を接続するための入出力インタフェースを更に備えていてもよい。
【0154】
また、プログラムＰは、コンピュータＣが読み取り可能な、一時的でない有形の記録媒体Ｍに記録することができる。このような記録媒体Ｍとしては、例えば、テープ、ディスク、カード、半導体メモリ、又はプログラマブルな論理回路などを用いることができる。コンピュータＣは、このような記録媒体Ｍを介してプログラムＰを取得することができる。また、プログラムＰは、伝送媒体を介して伝送することができる。このような伝送媒体としては、例えば、通信ネットワーク、又は放送波などを用いることができる。コンピュータＣは、このような伝送媒体を介してプログラムＰを取得することもできる。
【0155】
また、情報処理装置１または１Ａの上記各機能は、単一のコンピュータに設けられた単一のプロセッサが実現してもよいし、単一のコンピュータに設けられた複数のプロセッサが協働して実現してもよいし、複数のコンピュータの各々に設けられた複数のプロセッサが協働して実現してもよい。また、情報処理装置１または１Ａに上記各機能を実現させるためのプログラムは、単一のコンピュータに設けられた単一のメモリに記憶されていてもよいし、単一のコンピュータに設けられた複数のメモリに分散して記憶されていてもよいし、複数のコンピュータの各々に設けられた複数のメモリに分散して記憶されていてもよい。
【0156】
〔付記事項１〕
本開示には、以下の各付記に記載の技術が含まれる。ただし、本発明は、以下の各付記に記載の技術に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。
本開示には、以下の各付記に記載の技術が含まれる。ただし、本発明は、以下の各付記に記載の技術に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。
【0157】
〔付記事項Ａ〕
（付記Ａ１）
機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出部と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出部の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析部と、を備える情報処理装置。
（付記Ａ１）
機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出部と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出部の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析部と、を備える情報処理装置。
【0158】
（付記Ａ２）
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、付記Ａ１に記載の情報処理装置。
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、付記Ａ１に記載の情報処理装置。
【0159】
（付記Ａ３）
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、付記Ａ１に記載の情報処理装置。
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、付記Ａ１に記載の情報処理装置。
【0160】
（付記Ａ４）
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出し、前記分析部は、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、付記Ａ１に記載の情報処理装置。
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出し、前記分析部は、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、付記Ａ１に記載の情報処理装置。
【0161】
（付記Ａ５）
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、付記Ａ１に記載の情報処理装置。
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、付記Ａ１に記載の情報処理装置。
【0162】
（付記Ａ６）
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、付記Ａ１に記載の情報処理装置。
前記抽出部は、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、付記Ａ１に記載の情報処理装置。
【0163】
（付記Ａ７）
前記第１の事項が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、前記第１の事項と前記仲介事項との関係性を示す第１の関係性情報と、前記仲介事項が前件として記述されていると共に前記第２の事項が後件として記述されているコンテンツから抽出された、前記仲介事項と前記第２の事項との関係性を示す第２の関係性情報と、を用いて、前記第１の事項と前記第２の事項との関係性を推論する推論部を備える、付記Ａ１からＡ６の何れかに記載の情報処理装置。
前記第１の事項が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、前記第１の事項と前記仲介事項との関係性を示す第１の関係性情報と、前記仲介事項が前件として記述されていると共に前記第２の事項が後件として記述されているコンテンツから抽出された、前記仲介事項と前記第２の事項との関係性を示す第２の関係性情報と、を用いて、前記第１の事項と前記第２の事項との関係性を推論する推論部を備える、付記Ａ１からＡ６の何れかに記載の情報処理装置。
【0164】
（付記Ａ８）
前記分析部による関連付けの結果に基づき、前記複数のコンテンツに記述されている各事項の論理的な関係性を示すロジックモデルを生成するモデル生成部を備える、付記Ａ１からＡ７の何れかに記載の情報処理装置。
前記分析部による関連付けの結果に基づき、前記複数のコンテンツに記述されている各事項の論理的な関係性を示すロジックモデルを生成するモデル生成部を備える、付記Ａ１からＡ７の何れかに記載の情報処理装置。
【0165】
（付記Ａ９）
質問の入力を受け付ける受付部と、前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成部と、前記回答を提示する提示部と、を備える付記Ａ８に記載の情報処理装置。
質問の入力を受け付ける受付部と、前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成部と、前記回答を提示する提示部と、を備える付記Ａ８に記載の情報処理装置。
【0166】
〔付記事項Ｂ〕
（付記Ｂ１）
少なくとも１つのプロセッサが、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出処理における抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、を含む分析方法。
（付記Ｂ１）
少なくとも１つのプロセッサが、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出処理における抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、を含む分析方法。
【0167】
（付記Ｂ２）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、付記Ｂ１に記載の分析方法。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、付記Ｂ１に記載の分析方法。
【0168】
（付記Ｂ３）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、付記Ｂ１に記載の分析方法。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、付記Ｂ１に記載の分析方法。
【0169】
（付記Ｂ４）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出し、前記分析処理では、前記少なくとも１つのプロセッサは、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、付記Ｂ１に記載の分析方法。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出し、前記分析処理では、前記少なくとも１つのプロセッサは、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、付記Ｂ１に記載の分析方法。
【0170】
（付記Ｂ５）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、付記Ｂ１に記載の分析方法。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、付記Ｂ１に記載の分析方法。
【0171】
（付記Ｂ６）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、付記Ｂ１に記載の分析方法。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、付記Ｂ１に記載の分析方法。
【0172】
（付記Ｂ７）
前記少なくとも１つのプロセッサが、前記第１の事項が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、前記第１の事項と前記仲介事項との関係性を示す第１の関係性情報と、前記仲介事項が前件として記述されていると共に前記第２の事項が後件として記述されているコンテンツから抽出された、前記仲介事項と前記第２の事項との関係性を示す第２の関係性情報と、を用いて、前記第１の事項と前記第２の事項との関係性を推論する推論処理を含む、付記Ｂ１からＢ６の何れかに記載の分析方法。
前記少なくとも１つのプロセッサが、前記第１の事項が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、前記第１の事項と前記仲介事項との関係性を示す第１の関係性情報と、前記仲介事項が前件として記述されていると共に前記第２の事項が後件として記述されているコンテンツから抽出された、前記仲介事項と前記第２の事項との関係性を示す第２の関係性情報と、を用いて、前記第１の事項と前記第２の事項との関係性を推論する推論処理を含む、付記Ｂ１からＢ６の何れかに記載の分析方法。
【0173】
（付記Ｂ８）
前記少なくとも１つのプロセッサが、前記分析処理による関連付けの結果に基づき、前記複数のコンテンツに記述されている各事項の論理的な関係性を示すロジックモデルを生成するモデル生成処理を含む、付記Ｂ１からＢ７の何れかに記載の分析方法。
前記少なくとも１つのプロセッサが、前記分析処理による関連付けの結果に基づき、前記複数のコンテンツに記述されている各事項の論理的な関係性を示すロジックモデルを生成するモデル生成処理を含む、付記Ｂ１からＢ７の何れかに記載の分析方法。
【0174】
（付記Ｂ９）
前記少なくとも１つのプロセッサが質問の入力を受け付ける受付処理と、前記少なくとも１つのプロセッサが前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成処理と、前記少なくとも１つのプロセッサが前記回答を提示する提示処理と、を含む付記Ｂ８に記載の分析方法。
前記少なくとも１つのプロセッサが質問の入力を受け付ける受付処理と、前記少なくとも１つのプロセッサが前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成処理と、前記少なくとも１つのプロセッサが前記回答を提示する提示処理と、を含む付記Ｂ８に記載の分析方法。
【0175】
〔付記事項Ｃ〕
（付記Ｃ１）
コンピュータを、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出手段、および前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段、として機能させる分析プログラム。
（付記Ｃ１）
コンピュータを、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出手段、および前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出手段の抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析手段、として機能させる分析プログラム。
【0176】
（付記Ｃ２）
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、付記Ｃ１に記載の分析プログラム。
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、付記Ｃ１に記載の分析プログラム。
【0177】
（付記Ｃ３）
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、付記Ｃ１に記載の分析プログラム。
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、付記Ｃ１に記載の分析プログラム。
【0178】
（付記Ｃ４）
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出し、前記分析手段は、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、付記Ｃ１に記載の分析プログラム。
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出し、前記分析手段は、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、付記Ｃ１に記載の分析プログラム。
【0179】
（付記Ｃ５）
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、付記Ｃ１に記載の分析プログラム。
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、付記Ｃ１に記載の分析プログラム。
【0180】
（付記Ｃ６）
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、付記Ｃ１に記載の分析プログラム。
前記抽出手段は、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、付記Ｃ１に記載の分析プログラム。
【0181】
（付記Ｃ７）
前記コンピュータを、前記第１の事項が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、前記第１の事項と前記仲介事項との関係性を示す第１の関係性情報と、前記仲介事項が前件として記述されていると共に前記第２の事項が後件として記述されているコンテンツから抽出された、前記仲介事項と前記第２の事項との関係性を示す第２の関係性情報と、を用いて、前記第１の事項と前記第２の事項との関係性を推論する推論手段として機能させる、付記Ｃ１からＣ６の何れかに記載の分析プログラム。
前記コンピュータを、前記第１の事項が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、前記第１の事項と前記仲介事項との関係性を示す第１の関係性情報と、前記仲介事項が前件として記述されていると共に前記第２の事項が後件として記述されているコンテンツから抽出された、前記仲介事項と前記第２の事項との関係性を示す第２の関係性情報と、を用いて、前記第１の事項と前記第２の事項との関係性を推論する推論手段として機能させる、付記Ｃ１からＣ６の何れかに記載の分析プログラム。
【0182】
（付記Ｃ８）
前記コンピュータを、前記分析手段による関連付けの結果に基づき、前記複数のコンテンツに記述されている各事項の論理的な関係性を示すロジックモデルを生成するモデル生成手段として機能させる、付記Ｃ１からＣ７の何れかに記載の分析プログラム。
前記コンピュータを、前記分析手段による関連付けの結果に基づき、前記複数のコンテンツに記述されている各事項の論理的な関係性を示すロジックモデルを生成するモデル生成手段として機能させる、付記Ｃ１からＣ７の何れかに記載の分析プログラム。
【0183】
（付記Ｃ９）
前記コンピュータを、質問の入力を受け付ける受付手段、前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成手段、および前記回答を提示する提示手段、として機能させる、付記Ｃ８に記載の分析プログラム。
前記コンピュータを、質問の入力を受け付ける受付手段、前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成手段、および前記回答を提示する提示手段、として機能させる、付記Ｃ８に記載の分析プログラム。
【0184】
〔付記事項Ｄ〕
（付記Ｄ１）
少なくとも１つのプロセッサを備え、前記少なくとも１つのプロセッサは、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出処理における抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、を実行する情報処理装置。
（付記Ｄ１）
少なくとも１つのプロセッサを備え、前記少なくとも１つのプロセッサは、機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出処理における抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、を実行する情報処理装置。
【0185】
なお、前記情報処理装置は、更にメモリを備えていてもよい。また、前記メモリには、前記各処理を前記少なくとも１つのプロセッサに実行させるためのプログラムが記憶されていてもよい。
【0186】
（付記Ｄ２）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、付記Ｄ１に記載の情報処理装置。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに前件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が後件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに前件として記述されている事項を前記第１の事項として抽出し、前記第１のコンテンツに後件として記述されている事項を前記第２の事項として抽出する、付記Ｄ１に記載の情報処理装置。
【0187】
（付記Ｄ３）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、付記Ｄ１に記載の情報処理装置。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツの１つである第１のコンテンツに後件として記述されている事項を抽出し、前記複数のコンテンツのうち、抽出された前記事項が前件として記述されている第２のコンテンツを抽出し、前記第２のコンテンツに後件として記述されている事項を前記第２の事項として抽出し、前記第１のコンテンツに前件として記述されている事項を前記第１の事項として抽出する、付記Ｄ１に記載の情報処理装置。
【0188】
（付記Ｄ４）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出し、前記分析処理では、前記少なくとも１つのプロセッサは、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、付記Ｄ１に記載の情報処理装置。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのそれぞれから、当該コンテンツに前件として記述されている事項と、当該事項に対応する後件として記述されている事項とをそれぞれ抽出し、前記分析処理では、前記少なくとも１つのプロセッサは、抽出された前記事項のうち、あるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を前記仲介事項として、抽出された前記事項の中から前記第１の事項と前記第２の事項とを特定し、特定した前記第１の事項と前記第２の事項とを関連付ける、付記Ｄ１に記載の情報処理装置。
【0189】
（付記Ｄ５）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、付記Ｄ１に記載の情報処理装置。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに前件として記述されている事項が後件として記述されているコンテンツを抽出し、抽出された前記コンテンツに前件として記述されている事項を前記第１の事項として抽出し、抽出された前記コンテンツに後件として記載されている事項が前件として記述されている前記コンテンツに後件として記載されている事項を前記第２の事項として抽出する、付記Ｄ１に記載の情報処理装置。
【0190】
（付記Ｄ６）
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、付記Ｄ１に記載の情報処理装置。
前記抽出処理では、前記少なくとも１つのプロセッサは、前記言語モデルを用いて、前記複数のコンテンツのうち、他のコンテンツに後件として記述されている事項が前件として記述されているコンテンツを抽出し、抽出された前記コンテンツに後件として記述されている事項を前記第２の事項として抽出し、抽出された前記コンテンツに前件として記載されている事項が後件として記述されている前記コンテンツに前件として記載されている事項を前記第１の事項として抽出する、付記Ｄ１に記載の情報処理装置。
【0191】
（付記Ｄ７）
前記少なくとも１つのプロセッサは、前記第１の事項が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、前記第１の事項と前記仲介事項との関係性を示す第１の関係性情報と、前記仲介事項が前件として記述されていると共に前記第２の事項が後件として記述されているコンテンツから抽出された、前記仲介事項と前記第２の事項との関係性を示す第２の関係性情報と、を用いて、前記第１の事項と前記第２の事項との関係性を推論する推論処理を実行する、付記Ｄ１からＤ６の何れかに記載の情報処理装置。
前記少なくとも１つのプロセッサは、前記第１の事項が前件として記述されていると共に前記仲介事項が後件として記述されているコンテンツから抽出された、前記第１の事項と前記仲介事項との関係性を示す第１の関係性情報と、前記仲介事項が前件として記述されていると共に前記第２の事項が後件として記述されているコンテンツから抽出された、前記仲介事項と前記第２の事項との関係性を示す第２の関係性情報と、を用いて、前記第１の事項と前記第２の事項との関係性を推論する推論処理を実行する、付記Ｄ１からＤ６の何れかに記載の情報処理装置。
【0192】
（付記Ｄ８）
前記少なくとも１つのプロセッサは、前記分析処理による関連付けの結果に基づき、前記複数のコンテンツに記述されている各事項の論理的な関係性を示すロジックモデルを生成するモデル生成処理を実行する、付記Ｄ１からＤ７の何れかに記載の情報処理装置。
前記少なくとも１つのプロセッサは、前記分析処理による関連付けの結果に基づき、前記複数のコンテンツに記述されている各事項の論理的な関係性を示すロジックモデルを生成するモデル生成処理を実行する、付記Ｄ１からＤ７の何れかに記載の情報処理装置。
【0193】
（付記Ｄ９）
前記少なくとも１つのプロセッサは、質問の入力を受け付ける受付処理と、前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成処理と、前記回答を提示する提示処理と、を実行する付記Ｄ８に記載の情報処理装置。
前記少なくとも１つのプロセッサは、質問の入力を受け付ける受付処理と、前記ロジックモデルを用いて前記質問に対する回答を生成する回答生成処理と、前記回答を提示する提示処理と、を実行する付記Ｄ８に記載の情報処理装置。
【0194】
〔付記事項Ｅ〕
機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出処理における抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、をコンピュータに実行させる分析プログラム、を記録した一時的でない記録媒体。
機械学習済みの言語モデルを用いて、対象となる複数のコンテンツから、当該コンテンツに前件として記述されている事項と、後件として記述されている事項の少なくとも何れかを抽出する抽出処理と、前記複数のコンテンツのうちのあるコンテンツには前件として記述されている一方で、他のコンテンツには後件として記述されている事項を仲介事項とするとき、前記抽出処理における抽出結果に基づき、前記仲介事項が後件として記述されているコンテンツに前件として記述されている第１の事項と、前記仲介事項が前件として記述されているコンテンツに後件として記述されている第２の事項と関連付ける分析処理と、をコンピュータに実行させる分析プログラム、を記録した一時的でない記録媒体。
【符号の説明】
【0195】
１ 情報処理装置
１０１ 抽出部（抽出手段）
１０２ 分析部（分析手段）
１Ａ 情報処理装置
１０１Ａ 抽出部（抽出手段）
１０２Ａ 分析部（分析手段）
１０３Ａ モデル生成部（モデル生成手段）
１０４Ａ 推論部（推論手段）
１０５Ａ 受付部（受付手段）
１０６Ａ 回答生成部（回答生成手段）
１０７Ａ 提示部（提示手段）
１１１Ａ 言語モデル
１１２Ａ ロジックモデル
１０１ 抽出部（抽出手段）
１０２ 分析部（分析手段）
１Ａ 情報処理装置
１０１Ａ 抽出部（抽出手段）
１０２Ａ 分析部（分析手段）
１０３Ａ モデル生成部（モデル生成手段）
１０４Ａ 推論部（推論手段）
１０５Ａ 受付部（受付手段）
１０６Ａ 回答生成部（回答生成手段）
１０７Ａ 提示部（提示手段）
１１１Ａ 言語モデル
１１２Ａ ロジックモデル
【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】