特許 7612261 システムおよびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2024-12-27

(45)【発行日】2025-01-14

(54)【発明の名称】システムおよびプログラム

(51)【国際特許分類】

   G06F 40/279 20200101AFI20250106BHJP

   G06F 40/216 20200101ALI20250106BHJP

   G06Q 10/02 20120101ALI20250106BHJP

   G06F 3/0484 20220101ALI20250106BHJP

【ＦＩ】

G06F40/279

G06F40/216

G06Q10/02

G06F3/0484

【請求項の数】 12

(21)【出願番号】P 2024067278

(22)【出願日】2024-04-18

【審査請求日】2024-06-03

【新規性喪失の例外の表示】特許法第３０条第２項適用 令和５年５月１７日の株式会社令和トラベルのＷｅｂページ

【早期審査対象出願】

(73)【特許権者】

【識別番号】521201517

【氏名又は名称】株式会社令和トラベル

(74)【代理人】

【識別番号】100124729

【弁理士】

【氏名又は名称】谷 和紘

(72)【発明者】

【氏名】篠塚 孝哉

(72)【発明者】

【氏名】飯沼 俊平

【審査官】成瀬 博之

(56)【参考文献】

【文献】特開平０９－０６２７００（ＪＰ，Ａ）

【文献】特開２０２１－１６２９１７（ＪＰ，Ａ）

【文献】特開２０１４－１１６６８９（ＪＰ，Ａ）

【文献】特開２００６－１８５３４２（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１９／０２５８６１５（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ ４０／００－４０／５８

Ｇ０６Ｆ １６／００－１６／９５８

Ｇ０６Ｑ １０／００－９９／００

Ｇ０６Ｎ ３／００－９９／００

(57)【特許請求の範囲】

【請求項1】

１以上のコンピュータを備えるシステムであって、
前記１以上のコンピュータは、
第１語句を示す姓情報および第２語句を示す名情報を取得し、
前記姓情報が示す前記第１語句が姓である可能性または名である可能性を示す第１スコアを算出し、
前記名情報が示す前記第２語句が姓である可能性または名である可能性を示す第２スコアを算出し、
前記第１スコアおよび前記第２スコアに基づいて、前記第１語句および前記第２語句が
誤状態であるか否かを判定し、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓であり、
前記第１語句および前記第２語句は、前記１以上のコンピュータによってユーザにより
入力された語句であり、
前記第１語句および前記第２語句が前記誤状態である場合、前記１以上のコンピュータ
は、前記第１語句および前記第２語句が前記誤状態であることを示す映像を表示する、
システム。

【請求項2】

１以上のコンピュータを備えるシステムであって、
前記１以上のコンピュータは、
第１語句を示す姓情報および第２語句を示す名情報を取得し、
前記姓情報が示す前記第１語句が姓である可能性または名である可能性を示す第１スコアを算出し、
前記名情報が示す前記第２語句が姓である可能性または名である可能性を示す第２スコアを算出し、
前記第１スコアおよび前記第２スコアに基づいて、前記第１語句および前記第２語句が
誤状態であるか否かを判定し、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓であり、
前記誤状態であるか否かを判定する処理では、前記１以上のコンピュータは、前記姓情報が示す前記第１語句が姓である可能性を示す前記第１スコアが前記名情報が示す前記第１語句が姓である可能性を示す前記第２スコアより小さい場合、前記第１語句および前記第２語句が前記誤状態であると判定する、
または、
前記誤状態であるか否かを判定する処理では、前記１以上のコンピュータは、前記姓情報が示す前記第１語句が名である可能性を示す前記第１スコアが前記名情報が示す前記第１語句が名である可能性を示す前記第２スコアより大きい場合、前記第１語句および前記第２語句が前記誤状態であると判定する、
システム。

【請求項3】

前記第１スコアを算出する処理および前記第２スコアを算出する処理では、前記１以上のコンピュータは、語句が姓である可能性または名である可能性を示すスコアを算出する機械学習モデルにより、前記第１スコアおよび前記第２スコアを算出する、
請求項１または請求項２に記載のシステム。

【請求項4】

前記機械学習モデルは、姓がラベル付けされた複数の語句、および、名がラベル付けされた複数の語句を示す教師データを用いて学習した学習済みモデルである、
請求項３に記載のシステム。

【請求項5】

前記誤状態であるか否かを判定する処理では、前記１以上のコンピュータは、前記姓情報が示す前記第１語句が姓である可能性を示す前記第１スコアが前記名情報が示す前記第１語句が姓である可能性を示す前記第２スコアより小さい場合、前記第１語句および前記第２語句が前記誤状態であると判定する、
または、
前記誤状態であるか否かを判定する処理では、前記１以上のコンピュータは、前記姓情報が示す前記第１語句が名である可能性を示す前記第１スコアが前記名情報が示す前記第１語句が名である可能性を示す前記第２スコアより大きい場合、前記第１語句および前記第２語句が前記誤状態であると判定する、
請求項１に記載のシステム。

【請求項6】

前記第１語句は、航空券の予約のために姓として入力された語句であり、
前記第２語句は、前記航空券の予約のために名として入力された語句である、
請求項１または請求項２に記載のシステム。

【請求項7】

前記第１語句および前記第２語句は、前記１以上のコンピュータによってユーザにより入力された語句であり、
前記第１語句および前記第２語句が前記誤状態である場合、前記１以上のコンピュータは、前記第１語句および前記第２語句が前記誤状態であることを示す映像を表示する、
請求項２に記載のシステム。

【請求項8】

１以上のコンピュータを備えるシステムであって、
前記１以上のコンピュータは、
第１語句を示す姓情報および第２語句を示す名情報を取得し、
機械学習モデルにより、前記第１語句および前記第２語句が誤状態であるか否かを判定し、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓であり、
前記第１語句および前記第２語句は、前記１以上のコンピュータによってユーザにより入力された語句であり、
前記第１語句および前記第２語句が前記誤状態である場合、前記１以上のコンピュータは、前記第１語句および前記第２語句が前記誤状態であることを示す映像を表示する、
システム。

【請求項9】

前記機械学習モデルは、姓がラベル付けされた複数の語句、および、名がラベル付けされた複数の語句を示す教師データを用いて学習した学習済みモデルである、
請求項８に記載のシステム。

【請求項10】

１以上のコンピュータを備えるシステムにおいて実行されるプログラムであって、
前記プログラムは、前記１以上のコンピュータに、
第１語句を示す姓情報および第２語句を示す名情報を取得させ、
前記姓情報が示す前記第１語句が姓である可能性または名である可能性を示す第１スコアを算出させ、
前記名情報が示す前記第２語句が姓である可能性または名である可能性を示す第２スコアを算出させ、
前記第１スコアおよび前記第２スコアに基づいて、前記第１語句および前記第２語句が誤状態であるか否かを判定させ、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓であり、
前記第１語句および前記第２語句は、前記１以上のコンピュータによってユーザにより入力された語句であり、
前記第１語句および前記第２語句が前記誤状態である場合、前記１以上のコンピュータは、前記第１語句および前記第２語句が前記誤状態であることを示す映像を表示する、
プログラム。

【請求項11】

１以上のコンピュータを備えるシステムにおいて実行されるプログラムであって、
前記プログラムは、前記１以上のコンピュータに、
第１語句を示す姓情報および第２語句を示す名情報を取得させ、
前記姓情報が示す前記第１語句が姓である可能性または名である可能性を示す第１スコアを算出させ、
前記名情報が示す前記第２語句が姓である可能性または名である可能性を示す第２スコアを算出させ、
前記第１スコアおよび前記第２スコアに基づいて、前記第１語句および前記第２語句が誤状態であるか否かを判定させ、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓であり、
前記プログラムは、前記１以上のコンピュータに、
前記誤状態であるか否かを判定する処理では、前記姓情報が示す前記第１語句が姓である可能性を示す前記第１スコアが前記名情報が示す前記第１語句が姓である可能性を示す前記第２スコアより小さい場合、前記第１語句および前記第２語句が前記誤状態であると判定させる、
または、
前記誤状態であるか否かを判定する処理では、前記姓情報が示す前記第１語句が名である可能性を示す前記第１スコアが前記名情報が示す前記第１語句が名である可能性を示す前記第２スコアより大きい場合、前記第１語句および前記第２語句が前記誤状態であると判定させる、
プログラム。

【請求項12】

１以上のコンピュータを備えるシステムにおいて実行されるプログラムであって、
前記プログラムは、前記１以上のコンピュータに、
第１語句を示す姓情報および第２語句を示す名情報を取得させ、
機械学習モデルにより、前記第１語句および前記第２語句が誤状態であるか否かを判定させ、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓であり、
前記第１語句および前記第２語句は、前記１以上のコンピュータによってユーザにより入力された語句であり、
前記第１語句および前記第２語句が前記誤状態である場合、前記１以上のコンピュータは、前記第１語句および前記第２語句が前記誤状態であることを示す映像を表示する、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、システムおよびプログラムに関する。

【背景技術】

【0002】

従来のシステムに関する発明としては、例えば、特許文献１に記載の入力誤り警告装置が知られている。入力誤り警告装置は、正解語と、第１の出現数と、第２の出現数と、誤り語と、第１の誤り数と、第２の誤り数と、重み係数とに基づいて、正解語が誤り語として誤読される誤り率を算出する。正解語は、定められた文字情報である。第１の出現数は、パターン認識処理により文字情報を検出する処理対象である処理対象データに含まれる正解語の数である。第２の出現数は、ユーザに入力された文字情報に含まれる正解語の数である。誤り語は、正解語が誤読された結果である。第１の誤り数は、パターン認識処理によって正解語が誤り語として誤読された数である。第２の誤り数は、ユーザによって正解語が誤り語として誤読された数である。重み係数は、第１の誤り数に対する第２の誤り数の信頼性の度合いを示す。

【0003】

入力誤り警告装置は、ユーザから入力される文字情報が誤り語として記憶されており、かつ誤り語に応じて算出した誤り率が予め定められた閾値を超えていると判定すると、誤り語に対応する正解語を出力する。これにより、入力誤り警告装置は、聞き取り間違いや読み取り間違いに基づく誤入力を検出してユーザに警告できる。

【先行技術文献】

【特許文献】

【0004】

【文献】特許第５１４５２８７号

【発明の概要】

【発明が解決しようとする課題】

【0005】

ところで、ユーザが姓の入力欄に名を入力し、名の入力欄に姓を入力する入力ミスを検知したいという要望がある。

【0006】

そこで、本発明の目的は、ユーザが姓の入力欄に名を入力し、名の入力欄に姓を入力する入力ミスを検知できるシステムおよびプログラムを提供する。

【課題を解決するための手段】

【0007】

第１形態は、
１以上のコンピュータを備えるシステムであって、
前記１以上のコンピュータは、
第１語句を示す姓情報および第２語句を示す名情報を取得し、
前記姓情報が示す前記第１語句が姓または名である可能性を示す第１スコアを算出し、
前記名情報が示す前記第２語句が姓または名である可能性を示す第２スコアを算出し、
前記第１スコアおよび前記第２スコアに基づいて、前記第１語句および前記第２語句が誤状態であるか否かを判定し、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓である。

【0008】

第２形態は、第１形態に記載のシステムであって、
前記第１スコアを算出する処理および前記第２スコアを算出する処理では、前記１以上のコンピュータは、語句が姓である可能性または名である可能性を示すスコアを算出する機械学習モデルにより、前記第１スコアおよび前記第２スコアを算出する。

【0009】

第３形態は、第２形態に記載のシステムであって、
前記機械学習モデルは、姓がラベル付けされた複数の語句、および、名がラベル付けされた複数の語句を示す教師データを用いて学習した学習済みモデルである。

【0010】

第４形態は、第１形態ないし第３形態のいずれかに記載のシステムであって、
前記誤状態であるか否かを判定する処理では、前記１以上のコンピュータは、前記第１スコアと前記第２スコアとの大小関係に基づいて、前記第１語句および前記第２語句が前記誤状態であるか否かを判定する。

【0011】

第５形態は、第１形態ないし第４形態に記載のシステムであって、
前記第１語句は、航空券の予約のために姓として入力された語句であり、
前記第２語句は、前記航空券の予約のために名として入力された語句である。

【0012】

第６形態は、第１形態ないし第５形態のいずれかに記載のシステムであって、
前記第１語句および前記第２語句は、前記１以上のコンピュータによってユーザにより入力された語句であり、
前記第１語句および前記第２語句が前記誤状態である場合、前記１以上のコンピュータは、前記第１語句および前記第２語句が前記誤状態であることを示す映像を表示する。

【0013】

第７形態は、
１以上のコンピュータを備えるシステムであって、
前記１以上のコンピュータは、
第１語句を示す姓情報および第２語句を示す名情報を取得し、
機械学習モデルにより、前記第１語句および前記第２語句が誤状態であるか否かを判定し、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓である。

【0014】

第８形態は、第７形態に記載のシステムであって、
前記機械学習モデルは、姓がラベル付けされた複数の語句、および、名がラベル付けされた複数の語句を示す教師データを用いて学習した学習済みモデルである。

【0015】

第９形態は、
１以上のコンピュータを備えるシステムにおいて実行されるプログラムであって、
前記プログラムは、前記１以上のコンピュータに、
第１語句を示す姓情報および第２語句を示す名情報を取得させ、
前記姓情報が示す前記第１語句が姓または名であることを示す第１スコアを算出させ、
前記名情報が示す前記第２語句が姓または名であることを示す第２スコアを算出させ、
前記第１スコアおよび前記第２スコアに基づいて、前記第１語句および前記第２語句が誤状態であるか否かを判定させ、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓である。

【0016】

第１０形態は、
１以上のコンピュータを備えるシステムにおいて実行されるプログラムであって、
前記プログラムは、前記１以上のコンピュータに、
第１語句を示す姓情報および第２語句を示す名情報を取得させ、
機械学習モデルにより、前記第１語句および前記第２語句が誤状態であるか否かを判定させ、
前記誤状態では、前記第１語句が名であり、かつ、前記第２語句が姓である。

【発明の効果】

【0017】

本開示によれば、ユーザが姓の入力欄に名を入力し、名の入力欄に姓を入力する入力ミスを検知できる。

【図面の簡単な説明】

【0018】

【図1】図１は、システム１の説明図である。

【図2】図２は、ユーザ端末１０のブロック図である。

【図3】図３は、サーバ１１０のブロック図である。

【図4】図４は、ユーザ端末１０が表示する映像である。

【図5】図５は、ユーザ端末１０が表示する映像である。

【図6】図６は、ユーザ端末１０が表示する映像である。

【図7】図７は、システム１において用いられる機械学習モデル３００の説明図である。

【図8】図８は、ユーザ端末１０の制御部１２およびサーバ１１０の制御部１１２が実行するフローチャートである。

【発明を実施するための形態】

【0019】

（実施形態）
本開示の実施形態に係るシステム１について、図面を参照して説明する。

【0020】

［システムの構造］
まず、システム１の全体構成について図面を参照しながら説明する。図１は、システム１の説明図である。図２は、ユーザ端末１０のブロック図である。図３は、サーバ１１０のブロック図である。

【0021】

図１に示すシステム１は、ユーザ端末１０およびサーバ１１０を備えている。ユーザ端末１０およびサーバ１１０は、通信ネットワークを介して互いに通信可能である。ネットワークは、インターネットやイントラネット等である。

【0022】

ユーザ端末１０は、ユーザにより使用される情報処理装置である。ユーザ端末１０は、例えば、スマートフォン、タブレット端末、または、パーソナルコンピュータである。図２に示すように、ユーザ端末１０は、制御部１２と、記憶部１４と、ネットワークインターフェース１６と、グラフィック処理部１８と、ディスプレイ２０と、操作部２６と、タッチパネル２８と、を含んでいる。

【0023】

記憶部１４は、プログラムおよびデータを記憶する。記憶部１４は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、および、ストレージ（例えば、フラッシュメモリまたはハードディスク）の組合せである。

【0024】

プログラムは、例えば、以下のプログラムを含む。
・ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）のプログラム
・情報処理を実行するアプリケーション（例えば、ウェブブラウザ、または後述する対象アプリ）のプログラム

【0025】

データは、例えば、以下のデータを含む。
・情報処理において参照されるデータベース
・情報処理を実行することによって得られるデータ（つまり、情報処理の実行結果）

【0026】

制御部１２は、記憶部１４が記憶しているプログラムを実行することによって、ユーザ端末１０の機能を実現する。制御部１２は、例えば、以下の少なくとも１つである。
・ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
・ＧＰＵ（Ｇｒａｐｈｉｃ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
・ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）
・ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ａｒｒａｙ）

【0027】

制御部１２は、第１情報取得部３０と、送信制御部３２と、第２情報取得部３４と、表示制御部３６と、を機能ブロックとして含んでいる。

【0028】

ネットワークインターフェース１６は、ユーザ端末１０と外部装置との間の通信を制御する。外部装置は、サーバ１１０である。

【0029】

グラフィック処理部１８は、制御部１２が生成した映像データに基づいてディスプレイ２０に映像を表示させる。ディスプレイ２０は、液晶ディスプレイまたは有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイである。

【0030】

操作部２６は、タッチパネル２８によるユーザの操作に基づいて操作信号を生成し、制御部１２に操作信号を出力する。

【0031】

サーバ１１０は、Ｗｅｂページのデータを記憶しているＷｅｂサーバである。図３に示すように、サーバ１１０は、制御部１１２と、記憶部１１４と、ネットワークインターフェース１１６と、を含んでいる。

【0032】

記憶部１１４は、プログラムおよびデータを記憶する。記憶部１１４は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、および、ストレージ（例えば、フラッシュメモリまたはハードディスク）の組合せである。

【0033】

制御部１１２は、記憶部１１４が記憶しているプログラムを実行することによって、サーバ１１０の機能を実現する。制御部１１２は、例えば、以下の少なくとも１つである。
・ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
・ＧＰＵ（Ｇｒａｐｈｉｃ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）
・ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）
・ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ａｒｒａｙ）

【0034】

制御部１１２は、第３情報取得部１２０と、第１スコア算出部１２２と、第２スコア算出部１２４と、判定部１２６と、結果生成部１２８、送信制御部１３０と、を機能ブロックとして含んでいる。

【0035】

ネットワークインターフェース１１６は、サーバ１１０と外部装置との間の通信を制御する。外部装置は、ユーザ端末１０である。

【0036】

［システム１の動作］
次に、システム１の動作について図面を参照しながら説明する。図４ないし図６は、ユーザ端末１０が表示する映像である。図７は、システム１において用いられる機械学習モデル３００の説明図である。

【0037】

まず、システム１の動作の概要について説明する。図４ないし図６に示す映像は、ユーザが航空券を予約する際に、ユーザが自身の姓および名を入力するための映像である。図４ないし図６に示す映像は、ユーザ端末１０のディスプレイ２０に表示される。図４ないし図６に示す映像は、ボックス２０１，２０２を含んでいる。ユーザは、ユーザ端末１０のタッチパネル２８を用いて、ボックス２０１に第１語句Ｗ１を姓として入力できる。また、ユーザは、ユーザ端末１０の操作部２６を用いて、ボックス２０２に第２語句Ｗ２を名として入力できる。このように、第１語句Ｗ１は、航空券の予約のために姓として入力された語句である。第２語句Ｗ２は、航空券の予約のために名として入力された語句である。

【0038】

図５に示すように、ユーザは、第１語句Ｗ１である「ＹＡＭＡＤＡ」をボックス２０１に入力し、第２語句Ｗ２である「ＴＡＲＯ」をボックス２０２に入力する。「ＹＡＭＡＤＡ」は、姓である可能性が高い語句である。「ＴＡＲＯ」は、名である可能性が高い語句である。この場合、サーバ１１０の制御部１１２は、ユーザが姓および名を適切に入力している可能性が高いと判定する。具体的には、サーバ１１０の制御部１１２は、第１語句Ｗ１および第２語句Ｗ２が正状態であると判定する。正状態では、第１語句Ｗ１が姓であり、第２語句Ｗ２が名である。そして、図５の映像では、警告が表示されない。

【0039】

一方、図６に示すように、ユーザは、第１語句Ｗ１である「ＴＡＲＯ」をボックス２０１に入力し、第２語句Ｗ２である「ＹＡＭＡＤＡ」をボックス２０２に入力する。この場合、サーバ１１０の制御部１１２は、ユーザが姓および名を誤って入力している可能性が高いと判定する。具体的には、サーバ１１０の制御部１１２は、第１語句Ｗ１および第２語句Ｗ２が誤状態であると判定する。誤状態では、第１語句Ｗ１が名であり、第２語句Ｗ２が姓である。そして、図６の映像では、警告が表示される。以上のように、サーバ１１０の制御部１１２は、機械学習モデル３００により、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。

【0040】

次に、図７を参照しながら機械学習モデル３００について説明する。記憶部１１４は、図７に示す機械学習モデル３００を記憶している。サーバ１１０の制御部１１２は、機械学習モデル３００により上記判定を行う。

【0041】

機械学習モデル３００は、姓がラベル付けされた複数の語句、および、名がラベル付けされた複数の語句を示す教師データ３０２を用いて学習した学習済みモデルである。教師データ３０２では、姓がラベル付けされた複数の語句は、名がラベル付けされた複数の語句に含まれていない。名がラベル付けされた複数の語句は、姓がラベル付けされた複数の語句に含まれていない。すなわち、姓および名の両方がラベル付けされた語句は、教師データ３０２には含まれていない。

【0042】

このような機械学習モデル３００は、語句が姓である可能性または名である可能性を示すスコアを算出する。より詳細には、サーバ１１０の制御部１１２は、第１語句Ｗ１が姓である可能性を示す第１スコアＳＣ１を機械学習モデル３００により算出する。また、機械学習モデル３００は、第２語句Ｗ２が姓である可能性を示す第２スコアＳＣ２を機械学習モデル３００により算出する。そして、サーバ１１０の制御部１１２は、第１スコアＳＣ１および第２スコアＳＣ２に基づいて、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。

【0043】

機械学習プログラムは、教師データ３０２の中から一定の規則を見出し、見出した規則を表現する学習済の機械学習モデル３００を生成するための機械学習アルゴリズムを実行するためのプログラムである。サーバ１１０の制御部１１２が機械学習プログラムを実行することにより、複数の教師データ３０２が機械学習されて、推論プログラムのパラメータが調整される。この結果、学習済の機械学習モデル３００が生成される。

【0044】

機械学習アルゴリズムは、教師有り学習であれば、特に限定されず、例えば、決定木、最近傍法、単純ベイズ分類器、サポートベクターマシン、または、ニューラルネットワークである。したがって、学習済の機械学習モデル３００は、決定木、最近傍法、単純ベイズ分類器、サポートベクターマシン、または、ニューラルネットワークを含む。学習済の機械学習モデル３００が生成される機械学習において、誤差逆伝搬法が利用されてもよい。

【0045】

例えば、ニューラルネットワークは、入力層、１以上の中間層、および、出力層を含む。具体的には、ニューラルネットワークは、ディープニューラルネットワーク（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、再帰型ニューラルネットワーク（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、または、畳み込みニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）であり、ディープラーニングを行う。ディープニューラルネットワークは、例えば、入力層、複数の中間層、および、出力層を含む。

【0046】

次に、図８を参照しながら、ユーザ端末１０の制御部１２およびサーバ１１０の制御部１１２が実行する動作の詳細を説明する。図８は、ユーザ端末１０の制御部１２およびサーバ１１０の制御部１１２が実行するフローチャートである。

【0047】

ユーザ端末１０の制御部１２が記憶部１４により記憶されているプログラムを読み出すことにより、これらのプログラムが以下に説明する動作をユーザ端末１０の制御部１２に実行させる。そして、プログラムは、第１情報取得部３０と、送信制御部３２と、第２情報取得部３４と、表示制御部３６と、としてユーザ端末１０の制御部１２を機能させる。

【0048】

サーバ１１０の制御部１１２が記憶部１１４により記憶されているプログラムを読み出すことにより、これらのプログラムが以下に説明する動作をサーバ１１０の制御部１１２に実行させる。そして、プログラムは、第３情報取得部１２０と、第１スコア算出部１２２と、第２スコア算出部１２４と、判定部１２６と、結果生成部１２８と、送信制御部１３０と、としてサーバ１１０の制御部１１２を機能させる。

【0049】

ユーザ端末１０のディスプレイ２０は、図４の映像を表示している。ユーザは、ユーザ端末１０のタッチパネル２８を用いて、ボックス２０１に第１語句Ｗ１を入力すると共に、ボックス２０２に第２語句Ｗ２を入力する。このように、第１語句Ｗ１および第２語句Ｗ２は、ユーザ端末１０によってユーザにより入力された語句である。これにより、ユーザ端末１０の制御部１２（第１情報取得部３０）は、第１語句Ｗ１を示す姓情報Ｉ１および第２語句Ｗ２を示す名情報Ｉ２を取得する（ステップＳ１）。

【0050】

次に、ユーザ端末１０の制御部１２（送信制御部３２）は、姓情報Ｉ１および名情報Ｉ２をネットワークインターフェース１６によりサーバ１１０に対して送信する（ステップＳ２）。応じて、サーバ１１０のネットワークインターフェース１１６は、姓情報Ｉ１および名情報Ｉ２を受信し、姓情報Ｉ１および名情報Ｉ２を制御部１１２に対して出力する。これにより、サーバ１１０の制御部１１２（第３情報取得部１２０）は、第１語句Ｗ１を示す姓情報Ｉ１および第２語句Ｗ２を示す名情報Ｉ２を取得する（ステップＳ１１）。

【0051】

次に、サーバ１１０の制御部１１２（第１スコア算出部１２２）は、姓情報Ｉ１が示す第１語句Ｗ１が姓である可能性を示す第１スコアＳＣ１を算出する（ステップＳ１２）。さらに、サーバ１１０の制御部１１２（第１スコア算出部１２２）は、名情報Ｉ２が示す第２語句Ｗ２が姓である可能性を示す第２スコアＳＣ２を算出する（ステップＳ１３）。第１スコアＳＣ１を算出する処理（ステップＳ１２）および第２スコアＳＣ２を算出する処理（ステップＳ１３）では、サーバ１１０の制御部１１２（第１スコア算出部１２２）は、語句が姓である可能性を示すスコアを算出する機械学習モデル３００により、第１スコアＳＣ１および第２スコアＳＣ２を算出する。第１スコアＳＣ１および第２スコアＳＣ２は、０以上１以下の確率を示す数値である。第１スコアＳＣ１が１に近づくにしたがって、第１語句Ｗ１が姓である確率が高くなる。第２スコアＳＣ２が１に近づくにしたがって、第２語句Ｗ２が姓である確率が高くなる。０は、０％を示し、１は、１００％を示す。なお、機械学習モデル３００の詳細については既に説明を行ったので、これ以上の説明を省略する。

【0052】

次に、サーバ１１０の制御部１１２（判定部１２６）は、第１スコアＳＣ１および第２スコアＳＣ２に基づいて、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する（ステップＳ１４）。誤状態であるか否かを判定する処理（ステップＳ１４）では、サーバ１１０の制御部１１２（判定部１２６）は、第１スコアＳＣ１と第２スコアＳＣ２との大小関係に基づいて、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。本実施形態では、サーバ１１０の制御部１１２（判定部１２６）は、第１スコアＳＣ１が第２スコアＳＣ２より小さいか否かを判定する。第１スコアＳＣ１が第２スコアＳＣ２より小さい場合、第１語句Ｗ１が姓である可能性は、第２語句Ｗ２が姓である可能性より低い。そこで、サーバ１１０の制御部１１２（判定部１２６）は、第１語句Ｗ１および第２語句Ｗ２が誤状態であると判定する。この後、本処理は、ステップＳ１５に進む。第１スコアＳＣ１が第２スコアＳＣ２より小さくない場合、第１語句Ｗ１が姓である可能性は、第２語句Ｗ２が姓である可能性より高い。そこで、サーバ１１０の制御部１１２（判定部１２６）は、第１語句Ｗ１および第２語句Ｗ２が正状態であると判定する。この後、本処理は、ステップＳ１６に進む。

【0053】

第１語句Ｗ１および第２語句Ｗ２が誤状態である場合、サーバ１１０の制御部１１２（結果生成部１２８）は、第１語句Ｗ１および第２語句Ｗ２が誤状態であることを示す判定結果情報を生成する（ステップＳ１５）。この後、本処理は、ステップＳ１７に進む。

【0054】

第１語句Ｗ１および第２語句Ｗ２が正状態である場合、サーバ１１０の制御部１１２（結果生成部１２８）は、第１語句Ｗ１および第２語句Ｗ２が正状態であることを示す判定結果情報を生成する（ステップＳ１６）。この後、本処理は、ステップＳ１７に進む。

【0055】

前記ステップＳ１７において、サーバ１１０の制御部１１２（送信制御部１３０）は、判定結果情報をネットワークインターフェース１１６によりユーザ端末１０に対して送信する（ステップＳ１７）。応じて、ユーザ端末１０のネットワークインターフェース１６は、判定結果情報を受信し、判定結果情報を制御部１２に対して出力する。これにより、ユーザ端末１０の制御部１２（第２情報取得部３４）は、判定結果情報を取得する（ステップＳ３）。

【0056】

次に、ユーザ端末１０の制御部１２（表示制御部３６）は、判定結果情報を示す映像をディスプレイ２０に表示させる（ステップＳ４）。判定結果情報が正状態であることを示す場合、図５に示す映像がディスプレイ２０に表示される。図５に示す映像には、第１語句Ｗ１および第２語句Ｗ２が誤状態であることを示す警告が含まれていない。一方、判定結果情報が誤情報であることを示す場合、図６に示す映像がディスプレイ２０に表示される。図６に示す映像には、第１語句Ｗ１および第２語句Ｗ２が誤状態であることを示す警告が含まれている。このように、第１語句Ｗ１および第２語句Ｗ２が誤状態である場合、ユーザ端末１０の制御部１２は、第１語句Ｗ１および第２語句Ｗ２が誤状態であることを示す映像を表示する。また、この警告には、姓および名が正しく入力されていることをユーザが確認したことを示す入力部が設けられている。入力部は、例えば、チェックボックスである。ユーザがチェックボックスにチェックを入れた場合、警告が映像に含まれていても、サーバ１１０の制御部１１２は、誤状態ではないと判定する。この後、本処理は終了する。

【0057】

［効果］
システム１によれば、ユーザが姓の入力欄に名を入力し、名の入力欄に姓を入力する入力ミス（以下、単に入力ミスと呼ぶ）を検知できる。より詳細には、サーバ１１０の制御部１１２は、姓情報Ｉ１が示す第１語句Ｗ１が姓である可能性を示す第１スコアＳＣ１を算出し、名情報Ｉ２が示す第２語句Ｗ２が姓である可能性を示す第２スコアＳＣ２を算出する。そして、サーバ１１０の制御部１１２は、第１スコアＳＣ１および第２スコアＳＣ２に基づいて、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。これにより、サーバ１１０の制御部１１２は、入力ミスが発生したことを適切に検知できる。

【0058】

また、サーバ１１０の制御部１１２が、入力ミスが発生したことを適切に検知できるので、ユーザが入力ミスを認識できる。そのため、ユーザは、入力ミスを修正できる。これにより、航空券の手配業務における姓および名の確認および修正のための対応を減らすことができる。

【0059】

システム１によれば、ユーザが姓の入力欄に名を入力し、名の入力欄に姓を入力する入力ミスを検知できる。より詳細には、サーバ１１０の制御部１１２は、機械学習モデルにより、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。これにより、サーバ１１０の制御部１１２は、入力ミスが発生したことを適切に検知できる。

【0060】

システム１は、航空券の予約システムに適用されることが有効である。より詳細には、航空券の予約システムにおいて、入力ミスが発生すると、ユーザが航空機に搭乗できない。そこで、システム１では、第１語句Ｗ１は、航空券の予約のために姓として入力された語句である。第２語句Ｗ２は、航空券の予約のために名として入力された語句である。これにより、ユーザが第１語句Ｗ１および第２語句Ｗ２を入力した時に、ユーザ端末１０の制御部１２は、図６に示す映像をディスプレイ２０に表示させる。図６に示す映像は、警告を含んでいるので、ユーザは、自身が入力ミスをしたことを認識できる。その結果、ユーザが入力ミスより航空機に搭乗できなくなる可能性が低減される。以上のように、システム１は、航空券の予約システムに適用されることが有効である。

【0061】

システム１では、第１語句Ｗ１および第２語句Ｗ２が誤状態である場合、ユーザ端末１０の制御部１２は、第１語句Ｗ１および第２語句Ｗ２が誤状態であることを示す映像を表示させる。これにより、ユーザは、入力ミスが発生したことを認識できる。よって、ユーザは、第１語句Ｗ１および第２語句Ｗ２を修正することができる。

【0062】

（その他の実施形態）
本発明に係るシステムは、システム１に限らず、その要旨の範囲内において変更可能である。

【0063】

なお、サーバ１１０の制御部１１２は、姓情報Ｉ１が示す第１語句Ｗ１が名である可能性を示す第１スコアＳＣ１を算出してもよい。また、サーバ１１０の制御部１１２は、名情報Ｉ２が示す第２語句Ｗ２が姓である可能性を示す第２スコアＳＣ２を算出してもよい。この場合、第１スコアＳＣ１を算出する処理および第２スコアＳＣ２を算出する処理では、サーバ１１０の制御部１１２は、語句が名である可能性を示すスコアを算出する機械学習モデルにより、第１スコアＳＣ１および第２スコアＳＣ２を算出する。

【0064】

なお、第１語句Ｗ１が名である可能性を示す第１スコアＳＣ１を算出する場合、サーバ１１０の制御部１１２は、第１語句Ｗ１が姓である可能性を示すスコアを機械学習モデルにより算出した後に、１からこのスコアを引き算することにより第１スコアＳＣ１を算出してもよい。

【0065】

なお、第１語句Ｗ１が姓である可能性を示す第１スコアＳＣ１を算出する場合、サーバ１１０の制御部１１２は、第１語句Ｗ１が名である可能性を示すスコアを機械学習モデルにより算出した後に、１からこのスコアを引き算することにより第１スコアＳＣ１を算出してもよい。

【0066】

なお、第２語句Ｗ２が姓である可能性を示す第２スコアＳＣ２を算出する場合、サーバ１１０の制御部１１２は、第２語句Ｗ２が名である可能性を示すスコアを機械学習モデルにより算出した後に、１からこのスコアを引き算することにより第２スコアＳＣ２を算出してもよい。

【0067】

なお、第２語句Ｗ２が名である可能性を示す第２スコアＳＣ２を算出する場合、サーバ１１０の制御部１１２は、第２語句Ｗ２が姓である可能性を示すスコアを機械学習モデルにより算出した後に、１からこのスコアを引き算することにより第２スコアＳＣ２を算出してもよい。

【0068】

なお、第１スコアＳＣ１は、第１語句Ｗ１が名であることを示すスコアであり、第２スコアＳＣ２は、第２語句Ｗ２が名であることを示すスコアであってもよい。この場合、サーバ１１０の制御部１１２は、第１スコアＳＣ１と１から第２スコアとを比較することにより、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。そして、第１スコアＳＣ１が第２スコアを引いた値より大きい場合、第１語句Ｗ１が名である可能性は、第２語句Ｗ２が名である可能性より高い。すなわち、第１語句Ｗ１および第２語句Ｗ２が誤状態である。

【0069】

なお、第１スコアＳＣ１は、第１語句Ｗ１が姓であることを示すスコアであり、第２スコアＳＣ２は、第２語句Ｗ２が名であることを示すスコアであってもよい。この場合、サーバ１１０の制御部１１２は、第１スコアＳＣ１と１から第２スコアを引いた値とを比較することにより、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。そして、第１スコアＳＣ１が１から第２スコアを引いた値より小さい場合、第１語句Ｗ１が姓である可能性は、第２語句Ｗ２が姓である可能性より低い。すなわち、第１語句Ｗ１および第２語句Ｗ２が誤状態である。また、サーバ１１０の制御部１１２は、１から第１スコアＳＣ１を引いた値と第２スコアとを比較することにより、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。そして、１から第１スコアＳＣ１を引いた値が第２スコアより大きい場合、第１語句Ｗ１が名である可能性は、第２語句Ｗ２が名である可能性より高い。すなわち、第１語句Ｗ１および第２語句Ｗ２が誤状態である。

【0070】

なお、第１スコアＳＣ１は、第１語句Ｗ１が名であることを示すスコアであり、第２スコアＳＣ２は、第２語句Ｗ２が姓であることを示すスコアであってもよい。この場合、サーバ１１０の制御部１１２は、第１スコアＳＣ１と１から第２スコアを引いた値とを比較することにより、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。そして、第１スコアＳＣ１が１から第２スコアを引いた値より大きい場合、第１語句Ｗ１が名である可能性は、第２語句Ｗ２が名である可能性より高い。すなわち、第１語句Ｗ１および第２語句Ｗ２が誤状態である。また、サーバ１１０の制御部１１２は、１から第１スコアＳＣ１を引いた値と第２スコアとを比較することにより、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する。そして、１から第１スコアＳＣ１を引いた値が第２スコアより小さい場合、第１語句Ｗ１が姓である可能性は、第２語句Ｗ２が姓である可能性より低い。すなわち、第１語句Ｗ１および第２語句Ｗ２が誤状態である。

【0071】

なお、サーバ１１０の制御部１１２は、機械学習モデル３００により第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定する場合、第１スコアＳＣ１および第２スコアＳＣ２を出力しなくてもよい。この場合、サーバ１１０の制御部１１２は、第１語句Ｗ１を示す姓情報Ｉ１および第２語句Ｗ２を示す名情報Ｉ２を機械学習モデル３００に対する入力情報として用い、誤状態であるか否かの判定結果を機械学習モデル３００から出力してもよい。

【0072】

具体的には、機械学習モデル３００は、第１語句Ｗ１と第２語句Ｗ２とを取得して、第１語句Ｗ１または第２語句Ｗ２のいずれが姓である可能性が高いのかを判定することにより、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定してもよい。また、機械学習モデル３００は、第１語句Ｗ１と第２語句Ｗ２とを取得して、第１語句Ｗ１または第２語句Ｗ２のいずれが名である可能性が高いのかを判定することにより、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否かを判定してもよい。

【0073】

なお、第１語句は、航空券の予約以外の目的のために姓として入力された語句であってもよい。第２語句は、航空券の予約以外の目的のために名として入力された語句であってもよい。航空券の予約以外の目的は、例えば、旅行の予約や、新幹線等の特急電車の予約、各種サービスの申し込み等が挙げられる。

【0074】

なお、姓および名の両方がラベル付けされた語句は、教師データ３０２には含まれていてもよい。

【0075】

なお、第１スコアＳＣ１および第２スコアＳＣ２は、０以上１以下の数値でなくてもよい。第１スコアＳＣ１および第２スコアＳＣ２は、例えば、０以上１００以下の数値であってもよい。

【0076】

なお、第１語句Ｗ１および第２語句Ｗ２は、ローマ字以外の表記であってもよい。ローマ字以外の表記は、例えば、平仮名、漢字、または、これらの組み合わせである。また、第１語句Ｗ１および第２語句Ｗ２のそれぞれは、日本人以外の外国人の姓および名であってもよい。

【0077】

なお、教師データ３０２において、姓がラベル付けされた複数の語句に姓を示す１をラベル付けし、名がラベル付けされた複数の語句に名を示す０をラベル付けしてもよい。また、姓がラベル付けされた複数の語句に姓を示す０をラベル付けし、名がラベル付けされた複数の語句に名を示す１をラベル付けしてもよい。

【0078】

なお、システム１は、ユーザ端末１０およびサーバ１１０の２つのコンピュータを備えているが、１以上のコンピュータを備えていればよい。システム１が１つのコンピュータを備えている場合、１つのコンピュータは、ユーザ端末１０またはサーバ１１０である。ユーザ端末１０は、第１スコアＳＣ１および第２スコアＳＣ２を算出して、第１語句Ｗ１および第２語句Ｗ２が誤状態であるか否を判定してもよい。この場合、ユーザ端末１０の記憶部１４は、機械学習モデル３００を記憶している。

【0079】

なお、サーバ１１０の制御部１１２（判定部１２６）は、ステップＳ１４において、第１スコアＳＣ１が第２スコアＳＣ２より小さいか否かを判定するのではなく、第１スコアＳＣ１が第２スコアＳＣ２以下であるか否かを判定してもよい。

【符号の説明】

【0080】

１：システム
１０：ユーザ端末
１２：制御部
１４：記憶部
１６：ネットワークインターフェース
１８：グラフィック処理部
２０：ディスプレイ
２６：操作部
２８：タッチパネル
３０：第１情報取得部
３２：送信制御部
３４：第２情報取得部
３６：表示制御部
１１０：サーバ
１１２：制御部
１１４：記憶部
１１６：ネットワークインターフェース
１２０：第３情報取得部
１２２：第１スコア算出部
１２４：第２スコア算出部
１２６：判定部
１２８：結果生成部
１３０：送信制御部
２０１，２０２：ボックス
３００：機械学習モデル
３０２：教師データ
Ｉ１：姓情報
Ｉ２：名情報
ＳＣ１：第１スコア
ＳＣ２：第２スコア
Ｗ１：第１語句
Ｗ２：第２語句

【要約】

【課題】本発明の目的は、ユーザが姓の入力欄に名を入力し、名の入力欄に姓を入力する入力ミスを検知できるシステムおよびプログラムを提供する。
【解決手段】本発明は、１以上のコンピュータを備えるシステムである。１以上のコンピュータは、第１語句を示す姓情報および第２語句を示す名情報を取得し、姓情報が示す第１語句が姓または名である可能性を示す第１スコアを算出し、名情報が示す第２語句が姓または名である可能性を示す第２スコアを算出し、第１スコアおよび第２スコアに基づいて、第１語句および第２語句が誤状態であるか否かを判定する。誤状態では、第１語句が名であり、かつ、第２語句が姓である。
【選択図】図７

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】