7714757 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

7714757システム

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-07-18

(45)【発行日】2025-07-29

(54)【発明の名称】システム

(51)【国際特許分類】

G06Q 10/10 20230101AFI20250722BHJP

G06F 16/383 20190101ALI20250722BHJP

G06F 16/338 20190101ALI20250722BHJP

【ＦＩ】

G06Q10/10

G06F16/383

G06F16/338

【請求項の数】 2

(21)【出願番号】P 2024161823

(22)【出願日】2024-09-19

(65)【公開番号】P2025044240

(43)【公開日】2025-04-01

【審査請求日】2024-11-21

(31)【優先権主張番号】P 2023151232

(32)【優先日】2023-09-19

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】591280485

【氏名又は名称】ソフトバンクグループ株式会社

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】尾崎孝行

【審査官】宮地匡人

(56)【参考文献】

【文献】特開２００２－０３２４１１（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１７／０３４４６４０（ＵＳ，Ａ１）

【文献】特開平０５－０８９１７３（ＪＰ，Ａ）

【文献】早崎麻耶，感情値を用いた検索結果のリランキング手法の提案，第３回データ工学と情報マネジメントに関するフォーラム論文集 [online]，電子情報通信学会データ工学専門委員会，2011年07月27日

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ１０／００－９９／００

Ｇ０６Ｆ１６／３８３

Ｇ０６Ｆ１６／３３８

(57)【特許請求の範囲】

【請求項1】

自然言語処理エンジンを用いて、ユーザの入力情報からキーワード又は意味を解析する手段と、
感情マップにマッピングされた複数の感情を示す感情値を学習したニューラルネットワークを用いて、ユーザの感情を推定する感情特定モデルを含む感情エンジンを用いて前記ユーザの感情的なコンテキストを解析する手段と、
前記自然言語処理エンジンによる解析結果と、前記感情エンジンによる解析結果とを組み合わせて、関連する文書データを検索する手段と、
前記ユーザの感情的なコンテキストに応じて、関連性の高い順に前記文書データの検索結果をソートする手段と、
ソートされた前記検索結果を前記ユーザに提供する手段と、
前記ユーザの感情的なコンテキストに基づいて前記文書データをカテゴリ分けし、前記カテゴリ分けされた文書データを前記感情的なコンテキストに対応させて格納する手段と、
を含むシステム。

【請求項2】

前記ユーザの感情的なコンテキストに応じて詳細な説明又は動画を提供する手段を含む、
請求項１記載のシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示の技術は、システムに関する。

【背景技術】

【0002】

特許文献１には、少なくとも一つのプロセッサにより遂行される、ペルソナチャットボット制御方法であって、ユーザ発話を受信するステップと、前記ユーザ発話を、チャットボットのキャラクターに関する説明と関連した指示文を含むプロンプトに追加するステップと前記プロンプトをエンコードするステップと、前記エンコードしたプロンプトを言語モデルに入力して、前記ユーザ発話に応答するチャットボット発話を生成するステップ、を含む、方法が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０２２－１８０２８２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

従業員が必要な情報を効率的に検索し、整理することは、大量の文書や資料が存在する現代のビジネス環境において重要な課題である。しかし、従来の検索システムでは、従業員が必要な情報を正確に検索し、整理するのは困難であった。

【課題を解決するための手段】

【0005】

本発明は、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索し、該検索結果を従業員に提供する。さらに、検索結果に基づいて文書や資料を整理する。これにより、従業員が必要な情報を効率的に検索し、整理することが可能となる。

【図面の簡単な説明】

【0006】

【図1】第１実施形態に係るデータ処理システムの構成の一例を示す概念図である。

【図2】第１実施形態に係るデータ処理装置及びスマートデバイスの要部機能の一例を示す概念図である。

【図3】第２実施形態に係るデータ処理システムの構成の一例を示す概念図である。

【図4】第２実施形態に係るデータ処理装置及びスマート眼鏡の要部機能の一例を示す概念図である。

【図5】第３実施形態に係るデータ処理システムの構成の一例を示す概念図である。

【図6】第３実施形態に係るデータ処理装置及びヘッドセット型端末の要部機能の一例を示す概念図である。

【図7】第４実施形態に係るデータ処理システムの構成の一例を示す概念図である。

【図8】第４実施形態に係るデータ処理装置及びロボットの要部機能の一例を示す概念図である。

【図9】複数の感情がマッピングされる感情マップを示す。

【図10】複数の感情がマッピングされる感情マップを示す。

【図11】形態例１の実施例１におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図12】形態例１の応用例１におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図13】形態例２の実施例２におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図14】形態例２の応用例２におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図15】形態例３の実施例３におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図16】形態例３の応用例３におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図17】感情エンジンを組み合わせた場合の形態例１の実施例１におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図18】感情エンジンを組み合わせた場合の形態例１の応用例１におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図19】感情エンジンを組み合わせた場合の形態例２の実施例２におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図20】感情エンジンを組み合わせた場合の形態例２の応用例２におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図21】感情エンジンを組み合わせた場合の形態例３の実施例３におけるデータ処理システムの処理の流れを示すシーケンス図である。

【図22】感情エンジンを組み合わせた場合の形態例３の応用例３におけるデータ処理システムの処理の流れを示すシーケンス図である。

【発明を実施するための形態】

【0007】

以下、添付図面に従って本開示の技術に係るシステムの実施形態の一例について説明する。

【0008】

先ず、以下の説明で使用される文言について説明する。

【0009】

以下の実施形態において、符号付きのプロセッサ（以下、単に「プロセッサ」と称する）は、１つの演算装置であってもよいし、複数の演算装置の組み合わせであってもよい。また、プロセッサは、１種類の演算装置であってもよいし、複数種類の演算装置の組み合わせであってもよい。演算装置の一例としては、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＧＰＧＰＵ（General-Purpose computing on Graphics Processing Units）、ＡＰＵ（Accelerated Processing Unit）、又はＴＰＵ（ＴＥＮＳＯＲＰＲＯＣＥＳＳＩＮＧＵＮＩＴ（登録商標））等が挙げられる。

【0010】

以下の実施形態において、符号付きのＲＡＭ（Random Access Memory）は、一時的に情報が格納されるメモリであり、プロセッサによってワークメモリとして用いられる。

【0011】

以下の実施形態において、符号付きのストレージは、各種プログラム及び各種パラメータ等を記憶する１つ又は複数の不揮発性の記憶装置である。不揮発性の記憶装置の一例としては、フラッシュメモリ（ＳＳＤ（Solid State Drive））、磁気ディスク（例えば、ハードディスク）、又は磁気テープ等が挙げられる。

【0012】

以下の実施形態において、符号付きの通信Ｉ／Ｆ（Interface）は、通信プロセッサ及びアンテナ等を含むインタフェースである。通信Ｉ／Ｆは、複数のコンピュータ間での通信を司る。通信Ｉ／Ｆに対して適用される通信規格の一例としては、５Ｇ（5th Generation Mobile Communication System）、Ｗｉ－Ｆｉ（登録商標）、又はＢｌｕｅｔｏｏｔｈ（登録商標）等を含む無線通信規格が挙げられる。

【0013】

以下の実施形態において、「Ａ及び／又はＢ」は、「Ａ及びＢのうちの少なくとも１つ」と同義である。つまり、「Ａ及び／又はＢ」は、Ａだけであってもよいし、Ｂだけであってもよいし、Ａ及びＢの組み合わせであってもよい、という意味である。また、本明細書において、３つ以上の事柄を「及び／又は」で結び付けて表現する場合も、「Ａ及び／又はＢ」と同様の考え方が適用される。

【0014】

［第１実施形態］

【0015】

図１には、第１実施形態に係るデータ処理システム１０の構成の一例が示されている。

【0016】

図１に示すように、データ処理システム１０は、データ処理装置１２及びスマートデバイス１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

【0017】

データ処理装置１２は、コンピュータ２２、データベース２４、及び通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、本開示の技術に係る「コンピュータ」の一例である。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、及びストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、及びストレージ３２は、バス３４に接続されている。また、データベース２４及び通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮ（Wide Area Network）及び／又はＬＡＮ（Local Area Network）等が挙げられる。

【0018】

スマートデバイス１４は、コンピュータ３６、受付装置３８、出力装置４０、カメラ４２、及び通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、及びストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、及びストレージ５０は、バス５２に接続されている。また、受付装置３８、出力装置４０、及びカメラ４２も、バス５２に接続されている。

【0019】

受付装置３８は、タッチパネル３８Ａ及びマイクロフォン３８Ｂ等を備えており、ユーザ入力を受け付ける。タッチパネル３８Ａは、指示体（例えば、ペン又は指等）の接触を検出することにより、指示体の接触によるユーザ入力を受け付ける。マイクロフォン３８Ｂは、ユーザの音声を検出することにより、音声によるユーザ入力を受け付ける。制御部４６Ａは、タッチパネル３８Ａ及びマイクロフォン３８Ｂによって受け付けたユーザ入力を示すデータをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が、ユーザ入力を示すデータを取得する。

【0020】

出力装置４０は、ディスプレイ４０Ａ及びスピーカ４０Ｂ等を備えており、データをユーザ２０が知覚可能な表現形（例えば、音声及び／又はテキスト）で出力することでデータをユーザ２０に対して提示する。ディスプレイ４０Ａは、プロセッサ４６からの指示に従ってテキスト及び画像等の可視情報を表示する。スピーカ４０Ｂは、プロセッサ４６からの指示に従って音声を出力する。カメラ４２は、レンズ、絞り、及びシャッタ等の光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサ又はＣＣＤ（Charge Coupled Device）イメージセンサ等の撮像素子とが搭載された小型デジタルカメラである。

【0021】

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４及び２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。

【0022】

図２には、データ処理装置１２及びスマートデバイス１４の要部機能の一例が示されている。

【0023】

図２に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。特定処理プログラム５６は、本開示の技術に係る「プログラム」の一例である。プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って特定処理部２９０として動作することによって実現される。

【0024】

ストレージ３２には、データ生成モデル５８及び感情特定モデル５９が格納されている。データ生成モデル５８及び感情特定モデル５９は、特定処理部２９０によって用いられる。

【0025】

スマートデバイス１４では、プロセッサ４６によって受付出力処理が行われる。ストレージ５０には、受付出力プログラム６０が格納されている。受付出力プログラム６０は、データ処理システム１０によって特定処理プログラム５６と併用される。プロセッサ４６は、ストレージ５０から受付出力プログラム６０を読み出し、読み出した受付出力プログラム６０をＲＡＭ４８上で実行する。受付出力処理は、プロセッサ４６がＲＡＭ４８上で実行する受付出力プログラム６０に従って、制御部４６Ａとして動作することによって実現される。

【0026】

次に、データ処理装置１２の特定処理部２９０による特定処理について説明する。

【0027】

「形態例１」

【0028】

本発明の一実施形態として、自然言語処理エンジンは、機械学習モデルに基づいて従業員の質問やキーワードを解析する。具体的には、従業員が「最新の営業報告書」などといったキーワードを入力すると、自然言語処理エンジンはこのキーワードを解析し、関連する文書や資料をデータベースから検索する。

【0029】

「形態例２」

【0030】

検索結果は、従業員に提供される。具体的には、検索結果は一覧形式で表示され、従業員は必要な文書や資料を選択することができる。また、検索結果は関連度の高い順に表示され、従業員が必要な情報を迅速に見つけることができる。

【0031】

「形態例３」

【0032】

さらに、検索結果に基づいて文書や資料を整理する。具体的には、検索結果はカテゴリ分けされ、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納される。例えば、「営業報告書」のカテゴリがある場合、このカテゴリに関連する文書や資料は「営業報告書」のフォルダに自動的に格納される。これにより、従業員は必要な情報を効率的に検索し、整理することができる。

【0033】

以下に、各形態例の処理の流れについて説明する。

【0034】

「形態例１」

【0035】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。例えば、「最新の営業報告書」などといったキーワードを入力する。

【0036】

ステップ２：自然言語処理エンジンがこのキーワードを解析し、関連する文書や資料をデータベースから検索する。この解析は機械学習モデルに基づいて行われる。

【0037】

ステップ３：検索結果は一覧形式で表示され、従業員は必要な文書や資料を選択することができる。また、検索結果は関連度の高い順に表示される。

【0038】

「形態例２」

【0039】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。例えば、「最新の営業報告書」などといったキーワードを入力する。

【0040】

【0041】

【0042】

ステップ４：選択された文書や資料は、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納される。例えば、「営業報告書」のカテゴリがある場合、このカテゴリに関連する文書や資料は「営業報告書」のフォルダに自動的に格納される。

【0043】

（実施例１）

【0044】

次に、形態例１の実施例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマートデバイス１４を「端末」と称する。

【0045】

従業員が業務を効率的に行うためには、必要な文書や資料を迅速に検索し、取得することが重要である。しかし、従来のシステムでは、キーワード検索の精度が低く、関連する文書や資料を見つけるのに時間がかかることが多かった。また、検索結果の整理が手動で行われるため、効率が悪く、ミスが発生しやすいという問題があった。これらの課題を解決するためには、より高精度な検索機能と自動的な整理機能を備えたシステムが必要である

【0046】

実施例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0047】

この発明では、サーバは、自然言語処理エンジンを用いて従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、従業員が端末からキーワードを入力する手段と、端末が入力されたキーワードをサーバに送信する手段と、サーバがキーワードを自然言語処理エンジンに渡す手段と、自然言語処理エンジンがキーワードを解析する手段と、サーバが解析結果を基にデータベースを検索する手段と、サーバが検索結果を端末に返す手段と、端末が検索結果を従業員に表示する手段を含む。これにより、従業員は必要な文書や資料を迅速かつ正確に検索し、取得することが可能となる。また、検索結果の自動整理機能により、業務の効率化とミスの削減が実現できる。

【0048】

「自然言語処理エンジン」とは、機械学習モデルを用いて人間の言語を解析し、意味を理解するためのソフトウェアである。

【0049】

「従業員」とは、企業や組織に所属し、業務を行う個人である。

【0050】

「質問」とは、従業員が情報を得るために入力する問い合わせ内容である。

【0051】

「キーワード」とは、従業員が特定の情報を検索するために入力する単語やフレーズである。

【0052】

「文書」とは、業務に関連する情報が記載されたテキストファイルやレポートなどの資料である。

【0053】

「資料」とは、業務に関連する情報が含まれるデータやドキュメントである。

【0054】

「検索する手段」とは、自然言語処理エンジンを用いて関連する文書や資料を特定するための方法である。

【0055】

「提供する手段」とは、検索結果を従業員に表示するための方法である。

【0056】

「整理する手段」とは、検索結果に基づいて文書や資料をカテゴリ分けし、適切なフォルダやディレクトリに格納する方法である。

【0057】

「端末」とは、従業員が使用するコンピュータやスマートフォンなどのデバイスである。

【0058】

「サーバ」とは、端末からのリクエストを受け取り、処理を行うコンピュータシステムである。

【0059】

「データベース」とは、文書や資料が格納されている情報の集合体である。

【0060】

「解析する手段」とは、自然言語処理エンジンを用いてキーワードの意味を理解し、関連する情報を抽出する方法である。

【0061】

「検索結果」とは、自然言語処理エンジンによって特定された関連する文書や資料のリストである。

【0062】

「表示する手段」とは、端末に検索結果を視覚的に示す方法である。

【0063】

この発明は、従業員が業務を効率的に行うために必要な文書や資料を迅速に検索し、取得するためのシステムである。このシステムは、自然言語処理エンジンを用いて従業員の質問やキーワードを解析し、関連する文書や資料をデータベースから検索する機能を持つ。

【0064】

使用するハードウェアおよびソフトウェア

【0065】

ハードウェア

【0066】

サーバ: 高性能なコンピュータシステムであり、データベースの管理や自然言語処理エンジンの実行を行う。

【0067】

端末: 従業員が使用するコンピュータやスマートフォンなどのデバイスである。

【0068】

ソフトウェア

【0069】

自然言語処理エンジン: 機械学習モデル（例えば、BERTやGPT-3（登録商標）など）を使用して、従業員の質問やキーワードを解析する。

【0070】

データベース: 文書や資料が格納されている情報の集合体であり、例えばＭｙＳＱＬ（登録商標）などが使用される。

【0071】

データ加工およびデータ演算

【0072】

サーバは、従業員が端末から入力したキーワードを受け取り、自然言語処理エンジンに送信する。自然言語処理エンジンは、機械学習モデルを用いてキーワードを解析し、関連する文書や資料を特定するための情報を抽出する。サーバは解析結果を基にデータベースを検索し、関連する文書や資料を取得する。取得した検索結果は、サーバから端末に返され、従業員が閲覧できるように表示される。

【0073】

具体例

【0074】

具体例として、従業員が「最新の営業報告書」を入力した場合を考える。この場合、サーバは以下のような処理を行う。

【0075】

1. ユーザが端末の入力フィールドに「最新の営業報告書」と入力する。

【0076】

2. 端末がHTTP POSTリクエストを使用して、キーワードをサーバに送信する。

【0077】

3. サーバがキーワードを自然言語処理エンジンに渡す。

【0078】

4. 自然言語処理エンジンがBERTモデルを使用して「最新の営業報告書」を解析する。

【0079】

5. サーバが解析結果を基に、MySQLデータベースを検索し、最新の営業報告書を特定する。

【0080】

6. サーバが検索結果をJSON形式で端末に返す。

【0081】

7. 端末が検索結果をユーザに表示し、ユーザが最新の営業報告書を閲覧できるようにする。

【0082】

プロンプト文の例

【0083】

以下は、ユーザが入力するプロンプト文の例である。

【0084】

「最新の営業報告書を表示してください。」

【0085】

「2023年の売上データを教えてください。」

【0086】

「新製品のマーケティング資料を探してください。」

【0087】

このようにして、ユーザは簡単に必要な情報を取得することができる。

【0088】

実施例１における特定処理の流れについて図１１を用いて説明する。

【0089】

ステップ１：

【0090】

ユーザが端末からキーワードを入力する。

【0091】

具体的な動作として、ユーザは端末の入力フィールドに「最新の営業報告書」などのキーワードを入力する。入力されたキーワードは、端末のメモリに一時的に保存される。

【0092】

入力：ユーザが入力したキーワード（例：「最新の営業報告書」）

【0093】

出力：端末に保存されたキーワード

【0094】

ステップ２：

【0095】

端末が入力されたキーワードをサーバに送信する。

【0096】

具体的な動作として、端末はHTTP POSTリクエストを使用して、入力されたキーワードをサーバに送信する。この際、キーワードはリクエストボディに含まれる。

【0097】

入力：端末に保存されたキーワード

【0098】

出力：サーバに送信されたキーワード

【0099】

ステップ３：

【0100】

サーバがキーワードを自然言語処理エンジンに渡す。

【0101】

具体的な動作として、サーバは受け取ったキーワードを自然言語処理エンジンに渡す。この際、キーワードはAPIリクエストのパラメータとして渡される。

【0102】

入力：サーバに送信されたキーワード

【0103】

出力：自然言語処理エンジンに渡されたキーワード

【0104】

ステップ４：

【0105】

自然言語処理エンジンがキーワードを解析する。

【0106】

具体的な動作として、自然言語処理エンジンは機械学習モデル（例：BERTやGPT-3）を使用してキーワードを解析する。解析結果として、関連する文書や資料を特定するための情報が生成される。

【0107】

入力：自然言語処理エンジンに渡されたキーワード

【0108】

出力：解析結果（関連する文書や資料の情報）

【0109】

ステップ５：

【0110】

サーバが解析結果を基にデータベースを検索する。

【0111】

具体的な動作として、サーバは解析結果を基にデータベース（例：MySQL）を検索する。検索クエリは解析結果に基づいて生成され、データベースに対して実行される。

【0112】

入力：解析結果

【0113】

出力：データベースから取得された検索結果（関連する文書や資料）

【0114】

ステップ６：

【0115】

サーバが検索結果を端末に返す。

【0116】

具体的な動作として、サーバはデータベースから取得した検索結果をJSON形式などで端末に返す。HTTPレスポンスとして送信される。

【0117】

入力：データベースから取得された検索結果

【0118】

出力：端末に送信された検索結果

【0119】

ステップ７：

【0120】

端末が検索結果をユーザに表示する。

【0121】

具体的な動作として、端末はサーバから受け取った検索結果をユーザインターフェースに表示する。例えば、最新の営業報告書のリンクや内容のプレビューが表示される。

【0122】

入力：端末に送信された検索結果

【0123】

出力：ユーザに表示された検索結果（関連する文書や資料）

【0124】

（応用例１）

【0125】

次に、形態例１の応用例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマートデバイス１４を「端末」と称する。

【0126】

物流センターにおいて、従業員が必要な情報を迅速に取得することが難しいという課題がある。特に、在庫状況や配送スケジュール、倉庫内の物品の位置などの情報を効率的に検索し、提供する手段が不足している。このため、業務効率が低下し、作業の遅延やミスが発生する可能性がある。

【0127】

応用例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0128】

この発明では、サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、従業員が音声やテキストで入力した質問を解析し、関連する情報をデータベースから検索する手段と、検索結果をスマートフォンに表示する手段と、を含む。これにより、従業員が必要な情報を迅速に取得し、業務効率を向上させることが可能となる。

【0129】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【0130】

「機械学習モデル」とは、データを基にして学習し、質問やキーワードの解析を行うアルゴリズムである。

【0131】

「データベース」とは、関連する情報を効率的に検索・取得するために構造化されたデータの集合である。

【0132】

「スマートフォン」とは、音声やテキストで入力された質問を解析し、検索結果を表示するための携帯型電子機器である。

【0133】

「検索結果」とは、自然言語処理エンジンが解析した質問やキーワードに基づいてデータベースから取得された関連情報である。

【0134】

「文書や資料」とは、従業員が必要とする情報を含むテキストやデータの集合である。

【0135】

「カテゴリ分け」とは、検索結果に基づいて文書や資料を分類し、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納するプロセスである。

【0136】

「音声やテキストで入力した質問」とは、従業員がスマートフォンを通じて音声またはテキスト形式で入力する問い合わせ内容である。

【0137】

「関連する情報」とは、従業員の質問やキーワードに対してデータベースから検索される必要なデータや資料である。

【0138】

この発明を実施するためのシステムは、自然言語処理エンジン、機械学習モデル、データベース、スマートフォンを含む。以下に、システムの具体的な構成と動作について説明する。

【0139】

システムの構成

【0140】

1. 自然言語処理エンジン：従業員が入力した質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。具体的には、spaCyなどの自然言語処理ライブラリを使用する。

【0141】

2. 機械学習モデル：質問やキーワードの解析を行うために使用されるアルゴリズムである。scikit-learnなどの機械学習ライブラリを用いて構築される。

【0142】

3. データベース：関連する情報を効率的に検索・取得するために構造化されたデータの集合である。SQLiteなどのデータベース管理システムを使用する。

【0143】

4. スマートフォン：従業員が音声やテキストで質問を入力し、検索結果を表示するための携帯型電子機器である。iOSまたはＡＮＤＲＯＩＤ（登録商標）のスマートフォンが使用される。

【0144】

システムの動作

【0145】

1. ユーザの入力：従業員がスマートフォンを用いて音声またはテキスト形式で質問を入力する。例えば、「最新の在庫状況を教えて」といったプロンプト文を入力する。

【0146】

2. 自然言語処理：サーバは、自然言語処理エンジンを用いてユーザの入力を解析し、キーワードを抽出する。例えば、「在庫状況」や「最新」といったキーワードが抽出される。

【0147】

3. データベース検索：サーバは、抽出されたキーワードに基づいてデータベースを検索し、関連する文書や資料を取得する。例えば、最新の在庫情報が含まれる文書が検索される。

【0148】

4. 検索結果の提供：サーバは、検索結果をスマートフォンに送信し、ユーザに表示する。これにより、従業員は必要な情報を迅速に取得することができる。

【0149】

具体例

【0150】

従業員が「最新の在庫状況を教えて」とスマートフォンに入力すると、自然言語処理エンジンが「在庫状況」や「最新」といったキーワードを抽出し、データベースから最新の在庫情報を検索する。その結果、最新の在庫情報がスマートフォンに表示される。

【0151】

他のプロンプト文の例として、「最新の配送スケジュールを教えて」や「倉庫内の物品の位置を教えて」といった質問が考えられる。

【0152】

このシステムにより、従業員は必要な情報を迅速に取得し、業務効率を向上させることが可能となる。

【0153】

応用例１における特定処理の流れについて図１２を用いて説明する。

【0154】

ステップ１：

【0155】

ユーザがスマートフォンを用いて音声またはテキスト形式で質問を入力する。

【0156】

入力：ユーザの音声またはテキスト形式の質問（例：「最新の在庫状況を教えて」）

【0157】

出力：スマートフォンに入力された質問データ

【0158】

具体的な動作：ユーザがスマートフォンのアプリケーションを起動し、音声入力またはテキスト入力を行う。音声入力の場合、音声認識ソフトウェアが音声をテキストに変換する。

【0159】

ステップ２：

【0160】

サーバは、自然言語処理エンジンを用いてユーザの入力を解析し、キーワードを抽出する。

【0161】

入力：ユーザの質問データ（テキスト形式）

【0162】

出力：抽出されたキーワード（例：「在庫状況」、「最新」）

【0163】

具体的な動作：サーバは、spaCyなどの自然言語処理ライブラリを使用してテキストを解析し、重要なキーワードを抽出する。例えば、形態素解析を行い、名詞や動詞などの重要な単語を特定する。

【0164】

ステップ３：

【0165】

サーバは、抽出されたキーワードに基づいてデータベースを検索し、関連する文書や資料を取得する。

【0166】

入力：抽出されたキーワード（例：「在庫状況」、「最新」）

【0167】

出力：関連する文書や資料（例：最新の在庫情報が含まれる文書）

【0168】

具体的な動作：サーバは、SQLiteなどのデータベース管理システムを使用して、キーワードに一致する文書や資料を検索する。例えば、SQLクエリを実行して、キーワードに一致するレコードを取得する。

【0169】

ステップ４：

【0170】

サーバは、検索結果をスマートフォンに送信し、ユーザに表示する。

【0171】

入力：関連する文書や資料（例：最新の在庫情報が含まれる文書）

【0172】

出力：スマートフォンに表示される検索結果

【0173】

具体的な動作：サーバは、検索結果をJSON形式などのデータ形式に変換し、スマートフォンに送信する。スマートフォンのアプリケーションは、受信したデータを解析し、ユーザに見やすい形式で表示する。

【0174】

ステップ５：

【0175】

ユーザは、スマートフォンに表示された検索結果を確認し、必要な情報を取得する。

【0176】

入力：スマートフォンに表示された検索結果

【0177】

出力：ユーザが取得した必要な情報（例：最新の在庫情報）

【0178】

具体的な動作：ユーザは、スマートフォンの画面に表示された検索結果を確認し、必要な情報を取得する。例えば、在庫状況や配送スケジュールなどの情報を確認する。

【0179】

（実施例２）

【0180】

次に、形態例２の実施例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマートデバイス１４を「端末」と称する。

【0181】

従業員が必要な文書や資料を迅速かつ効率的に検索し、関連度の高い順に整理された結果を提供することが求められている。しかし、従来のシステムでは検索結果が適切に整理されず、必要な情報を見つけるのに時間がかかるという問題があった。また、検索結果の表示形式が不適切であるため、ユーザが必要な情報を迅速に見つけることが難しいという課題があった

【0182】

実施例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0183】

この発明では、サーバは、自然言語処理エンジンを用いて従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を関連度の高い順に並べ替える手段と、該検索結果を一覧形式で生成する手段と、を含む。これにより、従業員が必要な情報を迅速かつ効率的に見つけることが可能となる。

【0184】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【0185】

「検索する手段」とは、従業員の質問やキーワードに基づいてデータベース内の文書や資料を探し出す機能である。

【0186】

「提供する手段」とは、検索結果を従業員に表示するための機能である。

【0187】

「並べ替える手段」とは、検索結果を関連度の高い順に整理するための機能である。

【0188】

「生成する手段」とは、検索結果を一覧形式で整形するための機能である。

【0189】

「表示する手段」とは、生成された検索結果を従業員の端末に表示するための機能である。

【0190】

「機械学習モデル」とは、データを基にして質問やキーワードの解析を行うアルゴリズムである。

【0191】

「カテゴリ分けする手段」とは、検索結果を特定の基準に基づいて分類し、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する機能である。

【0192】

発明を実施するための形態

【0193】

この発明は、従業員が必要な文書や資料を迅速かつ効率的に検索し、関連度の高い順に整理された結果を提供するシステムである。以下に、このシステムの具体的な実施形態を説明する。

【0194】

システムの構成

【0195】

このシステムは、サーバ、端末、ユーザの三つの主要な要素から構成される。サーバは、自然言語処理エンジンと機械学習モデルを用いて検索クエリを解析し、関連する文書や資料を検索する。端末は、ユーザが検索クエリを入力し、検索結果を表示するためのデバイスである。ユーザは、システムを利用して必要な情報を検索する従業員である。

【0196】

使用するハードウェアおよびソフトウェア

【0197】

サーバ: 高性能なプロセッサと大容量のメモリを備えたコンピュータシステムを使用する。サーバには、自然言語処理エンジンとしてPython（登録商標）ベースのライブラリ（例：NLTK、spaCy）をインストールする。また、検索アルゴリズムにはElasticSearch（登録商標）を使用する。

【0198】

端末: ユーザが使用するパソコンやスマートフォンなどのデバイスである。端末にはウェブブラウザや専用アプリケーションがインストールされている。

【0199】

ソフトウェア: 検索クエリの解析には機械学習モデル（例：BERT、GPT）を使用する。これにより、ユーザの質問やキーワードを高精度で解析することができる。

【0200】

システムの動作

【0201】

1. ユーザが検索クエリを入力する

【0202】

ユーザは端末の検索バーに必要な情報を入力する。例えば、「プロジェクト報告書」と入力する。

【0203】

2. 端末が検索クエリをサーバに送信する

【0204】

端末はユーザが入力した検索クエリをサーバに送信する。HTTPリクエストを使用してクエリを送信する。

【0205】

3. サーバが検索クエリを受信し、Elasticsearchに問い合わせを行う

【0206】

サーバは端末から受信した検索クエリを解析し、Elasticsearchに対して検索リクエストを送信する。

【0207】

4. サーバがElasticsearchから検索結果を受け取る

【0208】

サーバはElasticsearchから返された検索結果を受信する。検索結果には関連する文書や資料の情報が含まれている。

【0209】

5. サーバが検索結果を関連度の高い順に並べ替える

【0210】

サーバは受信した検索結果を関連度の高い順に並べ替える。Elasticsearchのスコアリング機能を使用して関連度を評価する。

【0211】

6. サーバが検索結果を一覧形式で生成する

【0212】

サーバは並べ替えた検索結果をHTML形式で一覧に整形する。

【0213】

7. サーバが生成した検索結果を端末に送信する

【0214】

サーバは生成したHTML形式の検索結果を端末に送信する。HTTPレスポンスを使用して結果を送信する。

【0215】

8. 端末が検索結果をユーザに表示する

【0216】

端末は受信したHTMLをウェブブラウザで表示し、ユーザに検索結果を一覧形式で見せる。

【0217】

9. ユーザが必要な文書や資料を選択する

【0218】

ユーザは表示された検索結果から必要な文書や資料を選択する。選択した文書をクリックすることで詳細を表示する。

【0219】

具体例

【0220】

具体例として、ユーザが「プロジェクト報告書」を検索する場合を考える。ユーザは端末から「プロジェクト報告書」と入力し、検索ボタンをクリックする。サーバはこのクエリを受け取り、Elasticsearchを用いてデータベース内の文書を検索する。検索結果は関連度の高い順に並べ替えられ、一覧形式でユーザに表示される。ユーザはこの一覧から必要な文書を選択することができる。

【0221】

プロンプト文の例

【0222】

プロンプト文の例としては、以下のようなものが考えられる。

【0223】

プロンプト文: 「プロジェクト報告書を検索してください」

【0224】

このプロンプト文を生成AIモデルに入力すると、AIモデルは従業員が必要とするプロジェクト報告書を迅速に見つけるための検索結果を提供する。

【0225】

実施例２における特定処理の流れについて図１３を用いて説明する。

【0226】

ステップ１：

【0227】

ユーザが検索クエリを入力する。

【0228】

ユーザは端末の検索バーに必要な情報を入力する。例えば、「プロジェクト報告書」と入力する。入力されたクエリは端末のメモリに一時的に保存される。

【0229】

ステップ２：

【0230】

端末が検索クエリをサーバに送信する。

【0231】

端末はユーザが入力した検索クエリをHTTPリクエストとしてサーバに送信する。このリクエストには、ユーザが入力したクエリが含まれている。端末はリクエストの送信後、サーバからのレスポンスを待機する。

【0232】

ステップ３：

【0233】

サーバが検索クエリを受信し、Elasticsearchに問い合わせを行う。

【0234】

サーバは端末から受信した検索クエリを解析し、Elasticsearchに対して検索リクエストを送信する。具体的には、サーバは検索クエリをElasticsearchのAPIに渡し、関連する文書や資料を検索するように指示する。入力は検索クエリ、出力はElasticsearchからの検索結果である。

【0235】

ステップ４：

【0236】

サーバがElasticsearchから検索結果を受け取る。

【0237】

サーバはElasticsearchから返された検索結果を受信する。検索結果には関連する文書や資料の情報が含まれている。サーバはこの結果をメモリに保存し、次の処理に備える。入力はElasticsearchからの検索結果、出力はサーバのメモリに保存された検索結果である。

【0238】

ステップ５：

【0239】

サーバが検索結果を関連度の高い順に並べ替える。

【0240】

サーバは受信した検索結果をElasticsearchのスコアリング機能を使用して関連度の高い順に並べ替える。具体的には、各文書の関連度スコアを計算し、高い順にソートする。入力はサーバのメモリに保存された検索結果、出力は並べ替えられた検索結果である。

【0241】

ステップ６：

【0242】

サーバが検索結果を一覧形式で生成する。

【0243】

サーバは並べ替えた検索結果をHTML形式で一覧に整形する。具体的には、各文書のタイトルや概要をHTMLタグで囲み、ユーザが見やすい形式にする。入力は並べ替えられた検索結果、出力はHTML形式の検索結果である。

【0244】

ステップ７：

【0245】

サーバが生成した検索結果を端末に送信する。

【0246】

サーバは生成したHTML形式の検索結果をHTTPレスポンスとして端末に送信する。入力はHTML形式の検索結果、出力は端末に送信された検索結果である。

【0247】

ステップ８：

【0248】

端末が検索結果をユーザに表示する。

【0249】

端末は受信したHTMLをウェブブラウザで表示し、ユーザに検索結果を一覧形式で見せる。具体的には、ウェブブラウザがHTMLを解析し、画面に表示する。入力はサーバから受信したHTML形式の検索結果、出力はユーザに表示された検索結果である。

【0250】

ステップ９：

【0251】

ユーザが必要な文書や資料を選択する。

【0252】

ユーザは表示された検索結果から必要な文書や資料を選択する。選択した文書をクリックすることで詳細を表示する。入力はユーザのクリック操作、出力は選択された文書の詳細表示である。

【0253】

（応用例２）

【0254】

次に、形態例２の応用例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマートデバイス１４を「端末」と称する。

【0255】

物流センターにおいて、従業員が必要な在庫情報や配送情報を迅速に検索し、効率的に業務を遂行することが求められている。しかし、従来のシステムでは、情報の検索に時間がかかり、関連性の低い情報が多く表示されるため、業務効率が低下するという問題があった。さらに、スマートフォンを用いた情報検索が十分に活用されていないため、現場での迅速な対応が難しいという課題も存在していた

【0256】

応用例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0257】

この発明では、サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、在庫情報や配送情報を関連度の高い順に表示する手段と、従業員がスマートフォンを用いて必要な情報を迅速に検索できる手段と、を含む。これにより、従業員は必要な情報を迅速に検索し、業務効率を向上させることが可能となる。

【0258】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【0259】

「検索結果を提供する手段」とは、検索された文書や資料を従業員に表示するための機能である。

【0260】

「文書や資料を整理する手段」とは、検索結果に基づいて文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する機能である。

【0261】

「在庫情報や配送情報を関連度の高い順に表示する手段」とは、在庫データや配送データを検索クエリに基づいて関連度の高い順に並べ替えて表示する機能である。

【0262】

「従業員がスマートフォンを用いて必要な情報を迅速に検索できる手段」とは、スマートフォンを使用して従業員が必要な情報を迅速に検索できるようにする機能である。

【0263】

この発明を実施するためのシステムは、物流センターにおいて従業員が必要な在庫情報や配送情報を迅速に検索できるようにするものである。以下に、このシステムの具体的な実施形態について説明する。

【0264】

システムの構成

【0265】

このシステムは、以下の主要なコンポーネントから構成される：

【0266】

1. サーバ：自然言語処理エンジンと機械学習モデルを搭載し、従業員の質問やキーワードを解析する。

【0267】

2. スマートフォン：従業員が使用する端末で、検索クエリを入力し、検索結果を表示する。

【0268】

3. データベース：在庫情報や配送情報を格納する。

【0269】

プログラムの処理

【0270】

サーバは、以下のように動作する：

【0271】

1. 自然言語処理エンジン：従業員がスマートフォンから入力した質問やキーワードを解析し、関連する文書や資料を検索する。

【0272】

2. 機械学習モデル：質問やキーワードの解析に基づいて、関連度の高い順に検索結果を生成する。

【0273】

3. 検索結果の提供：検索結果をスマートフォンに送信し、従業員に提供する。

【0274】

4. データ整理：検索結果に基づいて文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【0275】

5. 在庫情報や配送情報の表示：在庫データや配送データを関連度の高い順に並べ替えて表示する。

【0276】

使用するハードウェアおよびソフトウェア

【0277】

ハードウェア：スマートフォン、サーバ

【0278】

ソフトウェア：Python、Pandas、Scikit-learn、自然言語処理エンジン（例：SpaCy）

【0279】

具体例

【0280】

従業員が「在庫不足の商品」を検索する場合、以下のようにシステムが動作する：

【0281】

1. 従業員がスマートフォンに「在庫不足の商品」と入力する。

【0282】

2. サーバの自然言語処理エンジンがこのクエリを解析し、関連する在庫情報を検索する。

【0283】

3. 機械学習モデルが関連度の高い順に検索結果を生成する。

【0284】

4. 検索結果がスマートフォンに表示され、従業員は在庫不足の商品リストを確認できる。

【0285】

プロンプト文の例

【0286】

検索クエリ: "在庫不足の商品"

【0287】

このようにして、物流センターの従業員は必要な情報を迅速に検索し、業務効率を向上させることができる。

【0288】

応用例２における特定処理の流れについて図１４を用いて説明する。

【0289】

ステップ１：

【0290】

ユーザがスマートフォンに検索クエリを入力する。

【0291】

入力：ユーザがスマートフォンに「在庫不足の商品」と入力する。

【0292】

出力：検索クエリがサーバに送信される。

【0293】

具体的な動作：ユーザがスマートフォンの検索バーに「在庫不足の商品」と入力し、検索ボタンを押す。

【0294】

ステップ２：

【0295】

サーバが自然言語処理エンジンを用いて検索クエリを解析する。

【0296】

入力：スマートフォンから送信された検索クエリ「在庫不足の商品」。

【0297】

出力：解析されたクエリデータ。

【0298】

具体的な動作：サーバの自然言語処理エンジン（例：SpaCy）が検索クエリをトークン化し、重要なキーワードを抽出する。

【0299】

ステップ３：

【0300】

サーバが機械学習モデルを用いて関連する文書や資料を検索する。

【0301】

入力：解析されたクエリデータ。

【0302】

出力：関連する文書や資料のリスト。

【0303】

具体的な動作：サーバの機械学習モデル（例：Scikit-learn）が解析されたクエリデータを用いて、データベース内の在庫情報や配送情報を検索し、関連度の高い順に並べ替える。

【0304】

ステップ４：

【0305】

サーバが検索結果をスマートフォンに送信する。

【0306】

入力：関連する文書や資料のリスト。

【0307】

出力：スマートフォンに表示される検索結果。

【0308】

具体的な動作：サーバが関連する文書や資料のリストをスマートフォンに送信し、ユーザに表示する。

【0309】

ステップ５：

【0310】

ユーザがスマートフォンで検索結果を確認する。

【0311】

入力：スマートフォンに表示された検索結果。

【0312】

出力：ユーザが必要な情報を確認する。

【0313】

具体的な動作：ユーザがスマートフォンの画面に表示された検索結果をスクロールし、必要な在庫情報や配送情報を確認する。

【0314】

ステップ６：

【0315】

サーバが検索結果に基づいて文書や資料を整理する。

【0316】

入力：関連する文書や資料のリスト。

【0317】

出力：カテゴリ分けされた文書や資料。

【0318】

具体的な動作：サーバが検索結果に基づいて文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【0319】

ステップ７：

【0320】

サーバが在庫情報や配送情報を関連度の高い順に表示する。

【0321】

入力：関連する在庫情報や配送情報。

【0322】

出力：関連度の高い順に並べ替えられた在庫情報や配送情報。

【0323】

具体的な動作：サーバが在庫データや配送データを関連度の高い順に並べ替え、ユーザに表示する。

【0324】

（実施例３）

【0325】

次に、形態例３の実施例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマートデバイス１４を「端末」と称する。

【0326】

従業員が必要な情報を効率的に検索し、整理することが困難であるという問題がある。特に、大量の文書や資料が存在する場合、手動での検索や整理は時間と労力を要し、業務効率が低下する。また、検索結果が適切にカテゴリ分けされていない場合、必要な情報を迅速に見つけることが難しい

【0327】

実施例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。この発明では、サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する情報を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて情報を解析し、カテゴリ分けする手段と、該カテゴリ分けされた情報をそれぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する手段と、を含む。これにより、従業員は必要な情報を効率的に検索し、整理することが可能となる。

【0328】

「自然言語処理エンジン」とは、自然言語を解析し、意味を理解するためのソフトウェアである。

【0329】

「従業員」とは、企業や組織に所属し、業務を行う個人である。

【0330】

「質問やキーワード」とは、従業員が情報を検索する際に使用する入力データである。

【0331】

「関連する情報」とは、従業員の質問やキーワードに基づいて検索された文書や資料である。

【0332】

「検索する手段」とは、従業員の質問やキーワードを基に関連する情報を取得するための方法や技術である。

【0333】

「提供する手段」とは、検索結果を従業員に表示するための方法や技術である。

【0334】

「解析し、カテゴリ分けする手段」とは、検索結果を解析し、特定のカテゴリに分類するための方法や技術である。

【0335】

「フォルダやディレクトリ」とは、コンピュータ内で情報を整理するための仮想的な収納場所である。

【0336】

「自動的に格納する手段」とは、解析された情報を対応するフォルダやディレクトリに自動的に移動させるための方法や技術である。

【0337】

「機械学習モデル」とは、データを基に学習し、予測や分類を行うためのアルゴリズムである。

【0338】

この発明は、従業員が必要な情報を効率的に検索し、整理するためのシステムである。以下に、このシステムの具体的な実施形態を説明する。

【0339】

システムの構成

【0340】

このシステムは、サーバ、端末、ユーザの三つの主要な要素から構成される。

【0341】

1. サーバ:

【0342】

サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する情報を検索する。具体的には、Apache（登録商標） SolrやElasticsearchなどの検索エンジンを使用する。また、Google（登録商標） Cloud Natural Language APIやIBM Watson（登録商標） Natural Language Understandingなどの自然言語処理ツールを用いて、検索結果を解析し、カテゴリ分けを行う。さらに、Pythonのosモジュールやshutilモジュールを使用して、カテゴリ分けされた情報を対応するフォルダやディレクトリに自動的に格納する。

【0343】

2. 端末:

【0344】

端末は、ユーザが検索クエリを入力し、検索結果を確認するためのデバイスである。端末は、パソコン、タブレット、スマートフォンなどのコンピュータデバイスで構成される。

【0345】

3. ユーザ:

【0346】

ユーザは、システムを利用して情報を検索し、整理する従業員である。ユーザは、端末を使用して検索クエリを入力し、整理された情報を確認する。

【0347】

システムの動作

【0348】

1. ユーザによる検索クエリの入力:

【0349】

ユーザは、端末の検索バーに質問やキーワードを入力する。例えば、「2023年の営業報告書」と入力する。

【0350】

2. サーバによる検索結果の取得:

【0351】

サーバは、ユーザが入力した検索クエリを受け取り、Apache SolrやElasticsearchを使用してデータベースから関連する情報を取得する。

【0352】

3. サーバによる検索結果の解析とカテゴリ分け:

【0353】

サーバは、取得した検索結果をGoogle Cloud Natural Language APIやIBM Watson Natural Language Understandingを用いて解析し、適切なカテゴリに分類する。例えば、「営業報告書」、「財務報告書」、「市場分析」などのカテゴリに分ける。

【0354】

4. サーバによるカテゴリごとのフォルダへの格納:

【0355】

サーバは、カテゴリ分けされた情報をPythonのosモジュールやshutilモジュールを使用して、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。例えば、「営業報告書」カテゴリに分類された情報は、「営業報告書」フォルダに格納される。

【0356】

5. ユーザによる整理された情報の確認:

【0357】

ユーザは、端末を使用して整理されたフォルダを確認する。例えば、「営業報告書」フォルダを開き、必要な情報を閲覧することができる。

【0358】

具体例とプロンプト文の例

【0359】

具体例:

【0360】

ユーザが「2023年の営業報告書」を検索する場合の具体的な動作は以下の通りである。

【0361】

1. ユーザ: 端末の検索バーに「2023年の営業報告書」と入力し、検索ボタンをクリックする。

【0362】

2. サーバ: 検索クエリを受け取り、Apache Solrを使用してデータベースから関連する情報を取得する。

【0363】

3. サーバ: 取得した情報をGoogle Cloud Natural Language APIで解析し、「営業報告書」カテゴリに分類する。

【0364】

4. サーバ: 分類された情報をPythonのosモジュールを使用して「営業報告書」フォルダに移動させる。

【0365】

5. ユーザ: 端末で「営業報告書」フォルダを開き、必要な情報を確認する。

【0366】

プロンプト文の例:

【0367】

「2023年の営業報告書を検索し、関連する情報を営業報告書フォルダに自動的に格納してください。」

【0368】

このシステムにより、ユーザは必要な情報を効率的に検索し、整理することができる。実施例３における特定処理の流れについて図１５を用いて説明する。

【0369】

ステップ１：ユーザによる検索クエリの入力

【0370】

ユーザは、端末の検索バーに質問やキーワードを入力する。例えば、「2023年の営業報告書」と入力する。入力データは、ユーザが検索したい情報に関するテキストである。出力は、検索クエリとしてサーバに送信される。

【0371】

ステップ２：サーバによる検索結果の取得

【0372】

サーバは、ユーザが入力した検索クエリを受け取り、検索エンジン（例えば、Apache SolrやElasticsearch）を使用してデータベースから関連する情報を取得する。入力データは、ユーザの検索クエリである。サーバは検索クエリを検索エンジンに送信し、関連する文書や資料を取得する。出力は、検索結果としての文書や資料のリストである。

【0373】

ステップ３：サーバによる検索結果の解析とカテゴリ分け

【0374】

サーバは、取得した検索結果を自然言語処理エンジン（例えば、Google Cloud Natural Language APIやIBM Watson Natural Language Understanding）を用いて解析する。入力データは、検索結果として取得された文書や資料である。サーバはこれらの文書を解析し、適切なカテゴリに分類する。例えば、「営業報告書」、「財務報告書」、「市場分析」などのカテゴリに分ける。出力は、カテゴリ分けされた文書や資料のリストである。

【0375】

ステップ４：サーバによるカテゴリごとのフォルダへの格納

【0376】

サーバは、カテゴリ分けされた文書や資料を、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。入力データは、カテゴリ分けされた文書や資料である。サーバはPythonのosモジュールやshutilモジュールを使用して、文書のパスを取得し、対応するフォルダに移動させる。例えば、「営業報告書」カテゴリに分類された文書は、「営業報告書」フォルダに格納される。出力は、フォルダに格納された文書や資料である。

【0377】

ステップ５：ユーザによる整理された情報の確認

【0378】

ユーザは、端末を使用して整理されたフォルダを確認する。入力データは、フォルダに格納された文書や資料である。ユーザは、例えば「営業報告書」フォルダを開き、必要な文書を閲覧することができる。出力は、ユーザが閲覧する文書や資料である。

【0379】

このシステムにより、ユーザは必要な情報を効率的に検索し、整理することができる。

【0380】

（応用例３）

【0381】

次に、形態例３の応用例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマートデバイス１４を「端末」と称する。

【0382】

従来の文書管理システムでは、文書や資料の検索および整理が手動で行われることが多く、効率が悪いという問題があった。また、物流センターなどの現場では、紙ベースの文書が多く、これらをデジタル化して効率的に管理する手段が求められていた。さらに、文書のカテゴリ分けやクラウドストレージへのアップロードも手動で行われることが多く、時間と労力がかかるという課題があった。

【0383】

応用例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0384】

この発明では、サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、光学文字認識技術を用いて画像からテキストを抽出する手段と、抽出されたテキストに基づいて文書をカテゴリ分けし、対応するフォルダに自動的に格納する手段と、クラウドストレージに文書をアップロードする手段と、を含む。これにより、文書や資料の効率的な検索、整理、デジタル化およびクラウドストレージへの自動アップロードが可能となる。

【0385】

「自然言語処理エンジン」とは、自然言語を解析し、質問やキーワードから関連する情報を検索するためのソフトウェアである。

【0386】

「従業員」とは、企業や組織に所属し、業務を遂行する人々を指す。

【0387】

「検索する手段」とは、特定の情報を見つけ出すための方法や技術を指す。

【0388】

「提供する手段」とは、検索結果をユーザーに表示したり、アクセス可能にするための方法や技術を指す。

【0389】

「整理する手段」とは、文書や資料を特定の基準に基づいて分類し、管理するための方法や技術を指す。

【0390】

「光学文字認識技術」とは、画像から文字情報を抽出するための技術である。

【0391】

「画像」とは、視覚的な情報を含むデジタルファイルを指す。

【0392】

「テキスト」とは、文字情報を含むデジタルデータを指す。

【0393】

「カテゴリ分け」とは、特定の基準に基づいて情報を分類することを指す。

【0394】

「フォルダ」とは、デジタルデータを整理するための仮想的なコンテナを指す。

【0395】

「クラウドストレージ」とは、インターネットを通じてデータを保存するためのリモートサーバを指す。

【0396】

「アップロード」とは、ローカルデバイスからリモートサーバにデータを転送することを指す。

【0397】

この発明を実施するためのシステムは、以下のように構成される。まず、サーバは自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する。自然言語処理エンジンは、機械学習モデルに基づいて質問やキーワードの解析を行う。解析された結果は、従業員に提供される。

【0398】

次に、サーバは検索結果に基づいて文書や資料を整理する。整理する手段として、光学文字認識技術（OCR）を用いて画像からテキストを抽出する。抽出されたテキストは、特定のキーワードに基づいてカテゴリ分けされ、対応するフォルダに自動的に格納される。さらに、文書はクラウドストレージにアップロードされる。

【0399】

このシステムを実現するために、以下のハードウェアおよびソフトウェアが使用される。ハードウェアとしては、カメラ付きのスマートフォンが必要である。ソフトウェアとしては、Python、OCRライブラリ、PIL（Python Imaging Library）、およびGoogle Cloud Storageが使用される。

【0400】

具体例として、物流センターで使用する文書整理アプリを考える。従業員がスマートフォンのカメラで出荷指示書を撮影すると、その画像がOCR技術を用いてテキストに変換される。変換されたテキストは「出荷指示書」というカテゴリに分類され、対応するフォルダに自動的に格納される。その後、文書はクラウドストレージにアップロードされる。

【0401】

プロンプト文の例としては、以下のようなものが考えられる。

【0402】

「物流センターで使用する文書整理アプリを開発してください。スマートフォンのカメラで撮影した文書画像をOCR技術で解析し、出荷指示書、受領書、在庫リストなどのカテゴリに自動的に分類し、クラウドストレージにアップロードする機能を持つアプリケーションです。」

【0403】

このようにして、文書や資料の効率的な検索、整理、デジタル化およびクラウドストレージへの自動アップロードが可能となる。

【0404】

応用例３における特定処理の流れについて図１６を用いて説明する。

【0405】

ステップ１：

【0406】

ユーザがスマートフォンのカメラで文書を撮影する。

【0407】

入力：紙ベースの文書

【0408】

出力：デジタル画像ファイル

【0409】

具体的な動作：ユーザはスマートフォンのカメラアプリを起動し、文書を撮影する。撮影された画像はスマートフォン内に保存される。

【0410】

ステップ２：

【0411】

端末が光学文字認識技術（OCR）を用いて画像からテキストを抽出する。

【0412】

入力：デジタル画像ファイル

【0413】

出力：抽出されたテキストデータ

【0414】

具体的な動作：端末は保存された画像ファイルをOCRソフトウェアに入力し、画像内の文字情報をテキストデータとして抽出する。

【0415】

ステップ３：

【0416】

端末が抽出されたテキストを解析し、カテゴリ分けを行う。

【0417】

入力：抽出されたテキストデータ

【0418】

出力：カテゴリ情報

【0419】

具体的な動作：端末は抽出されたテキストデータを解析し、特定のキーワード（例：「出荷指示書」、「受領書」など）に基づいてカテゴリを決定する。

【0420】

ステップ４：

【0421】

端末がカテゴリに基づいて文書を対応するフォルダに自動的に格納する。

【0422】

入力：カテゴリ情報、デジタル画像ファイル

【0423】

出力：フォルダに格納された文書

【0424】

具体的な動作：端末は決定されたカテゴリに基づいて、デジタル画像ファイルを対応するフォルダに移動またはコピーする。

【0425】

ステップ５：

【0426】

端末が文書をクラウドストレージにアップロードする。

【0427】

入力：フォルダに格納された文書

【0428】

出力：クラウドストレージに保存された文書

【0429】

具体的な動作：端末はフォルダ内の文書をクラウドストレージサービス（Google Cloud Storage）にアップロードする。アップロードが完了すると、文書はクラウド上に保存される。

【0430】

ステップ６：

【0431】

サーバが自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する。

【0432】

入力：従業員の質問やキーワード

【0433】

出力：関連する文書や資料の検索結果

【0434】

具体的な動作：サーバは従業員から入力された質問やキーワードを自然言語処理エンジンに入力し、関連する文書や資料を検索する。検索結果は従業員に提供される。

【0435】

更に、ユーザの感情を推定する感情エンジンを組み合わせてもよい。すなわち、特定処理部２９０は、感情特定モデル５９を用いてユーザの感情を推定し、ユーザの感情を用いた特定処理を行うようにしてもよい。

【0436】

「形態例１」

【0437】

本発明の一実施形態では、自然言語処理エンジンと感情エンジンが組み合わされている。従業員がシステムに対して質問やキーワードを入力すると、自然言語処理エンジンがこのキーワードを解析し、関連する文書や資料をデータベースから検索する。同時に、感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。例えば、従業員が「最新の営業報告書が見つからない」というフレーズを入力した場合、感情エンジンはこのフレーズから従業員のフラストレーションを認識する。この情報は、システムがより関連性の高い文書や資料を提供するために使用される。

【0438】

「形態例２」

【0439】

本発明の別の実施形態では、感情エンジンが従業員の感情的なコンテキストに基づいて文書や資料を整理する。具体的には、感情エンジンは従業員の感情的なコンテキストを解析し、それぞれの感情的なコンテキストに対応するフォルダやディレクトリに文書や資料を自動的に格納する。例えば、従業員が「営業報告書が見つからない」というフレーズを入力した場合、感情エンジンはこのフレーズから従業員のフラストレーションを認識し、その結果、システムは「フラストレーション」のフォルダに関連する文書や資料を自動的に格納する。

【0440】

「形態例３」

【0441】

【0442】

以下に、各形態例の処理の流れについて説明する。

【0443】

「形態例１」

【0444】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。

【0445】

ステップ２：自然言語処理エンジンがこのキーワードを解析し、関連する文書や資料をデータベースから検索する。

【0446】

ステップ３：感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。

【0447】

ステップ４：感情エンジンの解析結果を自然言語処理エンジンが利用し、より関連性の高い文書や資料を提供する。

【0448】

「形態例２」

【0449】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。

【0450】

ステップ２：感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。

【0451】

ステップ３：感情エンジンの解析結果に基づき、それぞれの感情的なコンテキストに対応するフォルダやディレクトリに文書や資料を自動的に格納する。

【0452】

（実施例１）

【0453】

【0454】

従来のシステムでは、従業員が入力した質問やキーワードに対して関連する文書や資料を検索する際、感情的なコンテキストを考慮することができず、従業員のニーズに完全に応えることが難しかった。また、検索結果の整理や提供においても、従業員の感情を反映した適切な情報提供が行われないため、効率的な業務遂行が妨げられていた。

【0455】

実施例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0456】

この発明では、サーバは、自然言語処理エンジンを用いて従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、感情エンジンを用いて従業員の質問やキーワードの感情的なコンテキストを解析する手段と、該感情的なコンテキストに基づいて関連性の高い文書や資料を提供する手段と、を含む。これにより、従業員の感情を考慮した適切な情報提供が可能となり、業務の効率化と従業員の満足度向上が可能となる。

【0457】

「自然言語処理エンジン」とは、従業員が入力した質問やキーワードを解析し、その意味を理解して関連する文書や資料を検索するためのソフトウェアである。

【0458】

「機械学習モデル」とは、データを基にして学習し、パターンや規則を見つけ出すアルゴリズムであり、自然言語処理エンジンの解析能力を向上させるために使用されるものである。

【0459】

「感情エンジン」とは、従業員の質問やキーワードに含まれる感情的なコンテキストを解析し、その感情を認識するためのソフトウェアである。

【0460】

「文書や資料」とは、従業員が業務を遂行するために必要とする情報を含むテキスト、レポート、プレゼンテーション、データシートなどの総称である。

【0461】

「データベース」とは、文書や資料を効率的に保存、検索、管理するための情報システムである。

【0462】

「検索結果」とは、自然言語処理エンジンと感情エンジンによって解析された質問やキーワードに基づいてデータベースから取得された文書や資料のリストである。

【0463】

「カテゴリ分け」とは、検索結果に基づいて文書や資料を特定のテーマや属性に応じて分類するプロセスである。

【0464】

「フォルダやディレクトリ」とは、文書や資料を整理して保存するためのコンピュータ上の仮想的な収納場所である。

【0465】

「従業員」とは、システムを利用して業務を遂行するために質問やキーワードを入力するユーザである。

【0466】

発明を実施するための形態

【0467】

この発明は、従業員が入力した質問やキーワードを解析し、関連する文書や資料を提供するシステムである。システムは、自然言語処理エンジンと感情エンジンを組み合わせて、従業員の感情的なコンテキストも考慮した情報提供を行う。

【0468】

使用するハードウェアおよびソフトウェア

【0469】

サーバ

【0470】

サーバは、以下のソフトウェアを使用してシステムの主要な処理を行う：

【0471】

自然言語処理エンジン（例：BERT、GPT-3）

【0472】

感情エンジン（例：感情解析API）

【0473】

データベース管理システム（例：MySQL、PostgreSQL）

【0474】

端末

【0475】

端末は、従業員が質問やキーワードを入力するためのインターフェースを提供する。端末は、以下のソフトウェアを使用する：

【0476】

ウェブブラウザまたは専用アプリケーション

【0477】

HTTPクライアントライブラリ

【0478】

ユーザ

【0479】

ユーザ（従業員）は、システムに対して質問やキーワードを入力し、検索結果を確認する。

【0480】

データ加工およびデータ演算

【0481】

自然言語処理エンジン

【0482】

サーバは、従業員が入力した質問やキーワードを自然言語処理エンジンに渡し、解析を行う。自然言語処理エンジンは、機械学習モデル（例：BERT、GPT-3）を使用して入力テキストの意味を理解し、関連する文書や資料を検索するためのキーワードを抽出する。

【0483】

感情エンジン

【0484】

サーバは、入力テキストを感情エンジンに渡し、感情的なコンテキストを解析する。感情エンジンは、入力テキストから従業員の感情（例：フラストレーション、喜び）を認識し、その情報を基に関連性の高い文書や資料を提供する。

【0485】

データベース検索

【0486】

サーバは、自然言語処理エンジンと感情エンジンの解析結果を基に、データベースから関連する文書や資料を検索する。検索結果は、従業員の感情的なコンテキストを考慮して優先順位が付けられる。

【0487】

結果の提供と整理

【0488】

サーバは、検索結果を端末に送信し、端末はそれをユーザに表示する。さらに、検索結果に基づいて文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【0489】

具体例

【0490】

従業員が「最新の営業報告書が見つからない」と入力した場合、端末はこの入力をサーバに送信する。サーバは自然言語処理エンジンを使用して「最新の営業報告書」というキーワードを解析し、感情エンジンを使用して「見つからない」というフレーズから従業員のフラストレーションを認識する。サーバはこれらの情報を基にデータベースから関連する文書を検索し、検索結果を端末に送信する。端末は検索結果をユーザに表示する。

【0491】

プロンプト文の例

【0492】

「従業員がシステムに対して『最新の営業報告書が見つからない』と入力した場合、システムはどのように応答するか説明してください。」

【0493】

このプロンプト文を生成AIモデルに入力することで、システムの動作を詳細に説明する応答が得られる。

【0494】

実施例１における特定処理の流れについて図１７を用いて説明する。

【0495】

ステップ１：

【0496】

ユーザが質問やキーワードを入力する。

【0497】

ユーザは、システムのインターフェースに「最新の営業報告書が見つからない」といった質問やキーワードを入力する。入力されたテキストは、端末の入力フィールドに表示される。具体的な動作として、ユーザがキーボードを使ってテキストを入力し、送信ボタンをクリックする。

【0498】

ステップ２：

【0499】

端末が入力をサーバに送信する。

【0500】

端末は、ユーザが入力したテキストをサーバに送信する。入力テキストはHTTPリクエストとしてサーバに送信される。具体的な動作として、端末のアプリケーションがHTTPリクエストを生成し、サーバに送信する。

【0501】

ステップ３：

【0502】

サーバが自然言語処理エンジンで入力を解析する。

【0503】

サーバは、受け取ったテキストを自然言語処理エンジンに渡し、解析を行う。入力テキストを解析することで、関連するキーワードやフレーズが抽出される。具体的な動作として、サーバが自然言語処理エンジンのAPIを呼び出し、解析結果を取得する。入力はユーザのテキストであり、出力は解析されたキーワードやフレーズである。

【0504】

ステップ４：

【0505】

サーバが感情エンジンで感情的なコンテキストを解析する。

【0506】

サーバは、入力テキストを感情エンジンに渡し、感情的なコンテキストを解析する。感情エンジンは、入力テキストから従業員の感情（例：フラストレーション）を認識する。具体的な動作として、サーバが感情エンジンのAPIを呼び出し、感情解析結果を取得する。入力はユーザのテキストであり、出力は解析された感情情報である。

【0507】

ステップ５：

【0508】

サーバがデータベースから関連する文書や資料を検索する。

【0509】

サーバは、自然言語処理エンジンと感情エンジンの解析結果を基に、データベースから関連する文書や資料を検索する。検索結果は、従業員の感情的なコンテキストを考慮して優先順位が付けられる。具体的な動作として、サーバがSQLクエリを生成し、データベースに対して検索を実行する。入力は解析結果であり、出力は検索された文書や資料のリストである。

【0510】

ステップ６：

【0511】

サーバが検索結果を端末に送信する。

【0512】

サーバは、検索結果を端末に送信する。検索結果はHTTPレスポンスとして端末に送信される。具体的な動作として、サーバがHTTPレスポンスを生成し、端末に送信する。入力は検索結果であり、出力は端末に送信されたデータである。

【0513】

ステップ７：

【0514】

端末が検索結果をユーザに表示する。

【0515】

端末は、サーバから受け取った検索結果をユーザに表示する。ユーザは、関連する文書や資料を確認することができる。具体的な動作として、端末のアプリケーションが検索結果を画面に表示する。入力はサーバからのデータであり、出力はユーザに表示された検索結果である。

【0516】

（応用例１）

【0517】

【0518】

従業員が工場内で必要な文書や資料を迅速かつ正確に検索し、取得することは重要である。しかし、従来のシステムでは、従業員が必要な情報を見つけるのに時間がかかり、効率が低下することが多かった。また、従業員の感情的な状態を考慮せずに情報を提供するため、ストレスやフラストレーションが増大することがあった。これらの問題を解決するためには、従業員の質問やキーワードを解析し、関連する文書や資料を提供するだけでなく、感情的なコンテキストを考慮したサポートが必要である。

【0519】

応用例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0520】

この発明では、サーバは、自然言語処理エンジンを用いて従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、感情解析エンジンを用いて従業員の質問やキーワードの感情的なコンテキストを解析する手段と、該感情的なコンテキストに基づいて従業員に追加のサポートを提供する手段と、を含む。これにより、従業員は必要な情報を迅速かつ正確に取得できるだけでなく、感情的なサポートも受けることが可能となる。

【0521】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【0522】

「機械学習モデル」とは、データを基にして学習し、従業員の質問やキーワードの解析を行うアルゴリズムである。

【0523】

「感情解析エンジン」とは、従業員の質問やキーワードの感情的なコンテキストを解析するためのソフトウェアである。

【0524】

「文書や資料」とは、工場内で使用されるマニュアル、作業指示書、報告書などの情報を含むものである。

【0525】

「検索結果」とは、自然言語処理エンジンによって検索された関連する文書や資料のリストである。

【0526】

「カテゴリ分け」とは、検索結果に基づいて文書や資料を特定のカテゴリに分類するプロセスである。

【0527】

「フォルダやディレクトリ」とは、文書や資料を整理して格納するためのデジタルな保存場所である。

【0528】

「追加のサポート」とは、感情解析エンジンによって解析された感情的なコンテキストに基づいて提供される励ましの言葉や補助的な情報である。

【0529】

この発明を実施するためには、以下のハードウェアおよびソフトウェアを用いる。ハードウェアとしては、工場内で使用されるロボット本体、内蔵マイクとスピーカー、ディスプレイが必要である。ソフトウェアとしては、自然言語処理エンジン（例: spaCy、BERT）、感情解析エンジン（例: IBM Watson Tone Analyzer）、データベース管理システム（例: MySQL、PostgreSQL）、ロボット制御ソフトウェア（例: ROS - Robot Operating System）を使用する。

【0530】

サーバは、従業員がロボットに対して音声で質問やキーワードを入力すると、内蔵マイクが音声をキャプチャし、音声認識ソフトウェア（例: Google Speech-to-Text API）でテキストに変換する。次に、自然言語処理エンジンが変換されたテキストを解析し、キーワードや質問の意図を抽出する。例えば、「最新の作業指示書を見せて」と入力された場合、キーワード「最新の作業指示書」を抽出する。

【0531】

その後、感情解析エンジンがテキストの感情的なコンテキストを解析する。例えば、「作業指示書が見つからない」と入力された場合、フラストレーションを検出する。次に、サーバは抽出されたキーワードを基に、データベースから関連する文書や資料を検索する。例えば、「最新の作業指示書」に関連する文書をデータベースから取得する。

【0532】

検索結果は、ディスプレイに表示され、音声で従業員に通知される。感情解析の結果に基づいて、必要に応じて励ましの言葉や追加のサポートも提供される。例えば、「作業指示書が見つからず、困っているのですね。すぐに検索しますので、少々お待ちください。」といった応答が可能である。

【0533】

具体例として、以下のプロンプト文の例を示す。

【0534】

従業員: 「最新の作業指示書を見せて」

【0535】

ロボット: 「最新の作業指示書を検索しています。少々お待ちください。」

【0536】

（データベース検索後）

【0537】

ロボット: 「こちらが最新の作業指示書です。画面に表示しました。」

【0538】

また、感情解析の具体例としては、以下のようなやり取りが考えられる。

【0539】

従業員: 「作業指示書が見つからない、どうすればいい？」

【0540】

ロボット: 「作業指示書が見つからず、困っているのですね。すぐに検索しますので、少々お待ちください。」

【0541】

（データベース検索後）

【0542】

ロボット: 「こちらが最新の作業指示書です。画面に表示しました。何か他にお手伝いできることはありますか？」

【0543】

このようにして、従業員は必要な情報を迅速かつ正確に取得できるだけでなく、感情的なサポートも受けることが可能となる。

【0544】

応用例１における特定処理の流れについて図１８を用いて説明する。

【0545】

ステップ１：

【0546】

ユーザがロボットに対して音声で質問やキーワードを入力する。

【0547】

入力：ユーザの音声入力

【0548】

出力：音声データ

【0549】

具体的な動作：ユーザが「最新の作業指示書を見せて」とロボットに話しかける。

【0550】

ステップ２：

【0551】

ロボットの内蔵マイクが音声をキャプチャし、音声認識ソフトウェア（例: Google Speech-to-Text API）でテキストに変換する。

【0552】

入力：音声データ

【0553】

出力：テキストデータ

【0554】

具体的な動作：ロボットがユーザの音声を録音し、その音声データをテキストに変換する。

【0555】

ステップ３：

【0556】

サーバが自然言語処理エンジン（例: spaCy、BERT）を用いて、変換されたテキストを解析し、キーワードや質問の意図を抽出する。

【0557】

入力：テキストデータ

【0558】

出力：抽出されたキーワードや意図

【0559】

具体的な動作：サーバが「最新の作業指示書を見せて」というテキストから「最新の作業指示書」というキーワードを抽出する。

【0560】

ステップ４：

【0561】

サーバが感情解析エンジン（例: IBM Watson Tone Analyzer）を用いて、テキストの感情的なコンテキストを解析する。

【0562】

入力：テキストデータ

【0563】

出力：感情解析結果

【0564】

具体的な動作：サーバが「作業指示書が見つからない」というテキストからフラストレーションを検出する。

【0565】

ステップ５：

【0566】

サーバが抽出されたキーワードを基に、データベースから関連する文書や資料を検索する。

【0567】

入力：抽出されたキーワード

【0568】

出力：検索結果（関連する文書や資料）

【0569】

具体的な動作：サーバが「最新の作業指示書」というキーワードを使ってデータベースを検索し、関連する文書を取得する。

【0570】

ステップ６：

【0571】

サーバが検索結果をディスプレイに表示し、音声でユーザに通知する。

【0572】

入力：検索結果

【0573】

出力：ディスプレイ表示および音声通知

【0574】

具体的な動作：サーバが「こちらが最新の作業指示書です。画面に表示しました。」と音声で通知し、ディスプレイに文書を表示する。

【0575】

ステップ７：

【0576】

サーバが感情解析の結果に基づいて、必要に応じて励ましの言葉や追加のサポートを提供する。

【0577】

入力：感情解析結果

【0578】

出力：追加のサポート（励ましの言葉など）

【0579】

具体的な動作：サーバが「作業指示書が見つからず、困っているのですね。すぐに検索しますので、少々お待ちください。」と音声で通知する。

【0580】

（実施例２）

【0581】

【0582】

従業員が必要な文書や資料を迅速かつ効率的に見つけることが難しいという問題がある。また、従業員の感情的なコンテキストを考慮せずに情報を提供するため、従業員のストレスやフラストレーションが増加する可能性がある。さらに、従業員の感情に基づいて文書や資料を整理する手段が不足しているため、情報の管理が煩雑になることがある。

【0583】

実施例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0584】

この発明では、サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、感情解析エンジンを用いて従業員の感情的なコンテキストを解析する手段と、該感情的なコンテキストに基づいて文書や資料を特定のフォルダやディレクトリに自動的に格納する手段と、を含む。これにより、従業員が必要な情報を迅速かつ効率的に見つけることが可能となり、感情的なコンテキストに基づいて情報を整理することで、従業員のストレスやフラストレーションを軽減することができる。

【0585】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【0586】

「機械学習モデル」とは、データを基にしてパターンを学習し、予測や分類を行うアルゴリズムである。

【0587】

「感情解析エンジン」とは、従業員の入力したテキストから感情的なコンテキストを解析するためのソフトウェアである。

【0588】

「フォルダやディレクトリ」とは、文書や資料を整理・格納するためのデジタルな保存場所である。

【0589】

「検索結果」とは、従業員の質問やキーワードに基づいて検索エンジンが返す関連する文書や資料の一覧である。

【0590】

「従業員」とは、システムを使用して文書や資料を検索・整理するユーザである。

【0591】

「文書や資料」とは、従業員が業務上必要とする情報を含むデジタルファイルである。

【0592】

「感情的なコンテキスト」とは、従業員の入力したテキストから読み取れる感情や心理状態である。

【0593】

この発明は、従業員が必要な文書や資料を迅速かつ効率的に見つけるためのシステムである。システムは、自然言語処理エンジン、感情解析エンジン、検索エンジン、およびデータベースを含むサーバと、ユーザが操作する端末から構成される。

【0594】

サーバは、従業員が端末から入力した検索クエリを受け取り、自然言語処理エンジンを用いて解析する。自然言語処理エンジンには、機械学習モデルが組み込まれており、従業員の質問やキーワードを理解し、関連する文書や資料を検索する。検索エンジンには、一般的な検索ソフトウェアであるApache SolrやElasticsearchを使用する。

【0595】

検索結果は、関連度の高い順に一覧形式で表示される。サーバは、検索結果をユーザの端末に提供し、ユーザは必要な文書や資料を選択することができる。

【0596】

さらに、サーバは感情解析エンジンを用いて、従業員の感情的なコンテキストを解析する。感情解析エンジンには、IBM WatsonやMicrosoft（登録商標） Azure（登録商標）の感情分析APIを使用する。従業員が入力したフレーズや検索クエリから感情を認識し、それに基づいて文書や資料を整理する。例えば、従業員が「営業報告書が見つからない」というフレーズを入力した場合、感情解析エンジンはフラストレーションを認識し、関連する文書や資料を「フラストレーション」のフォルダに自動的に格納する。

【0597】

具体例として、ユーザが「新製品のマーケティング資料を探している」と入力する場合を考える。端末はこのクエリをサーバに送信する。サーバはElasticsearchを使用して関連するマーケティング資料を検索し、関連度の高い順に結果を生成する。同時に、サーバはIBM Watsonの感情分析APIを使用して「期待」という感情を解析する。サーバは検索結果を一覧形式でユーザの端末に表示し、関連する文書を「期待」のフォルダに自動的に格納する。ユーザは表示された一覧から必要な資料を選択し、閲覧することができる。

【0598】

プロンプト文の例としては、以下のようなものがある：

【0599】

「新製品のマーケティング資料を探している」

【0600】

「営業報告書が見つからない」

【0601】

「顧客のフィードバックをまとめた資料を探している」

【0602】

このようにして、サーバはユーザが必要とする情報を迅速かつ効率的に提供することができる。

【0603】

実施例２における特定処理の流れについて図１９を用いて説明する。

【0604】

ステップ１：

【0605】

ユーザが検索クエリを入力する。

【0606】

ユーザは、端末の検索バーに必要な情報を入力する。例えば、「新製品のマーケティング資料を探している」と入力する。入力された検索クエリが次のステップの入力データとなる。

【0607】

ステップ２：

【0608】

端末が検索クエリをサーバに送信する。

【0609】

端末は、ユーザが入力した検索クエリをサーバに送信する。この通信にはHTTPリクエストが使用される。送信された検索クエリがサーバの入力データとなる。

【0610】

ステップ３：

【0611】

サーバが検索エンジンを用いて検索結果を生成する。

【0612】

サーバは、受信した検索クエリをApache SolrやElasticsearchなどの検索エンジンに渡し、関連する文書や資料を検索する。検索エンジンは、インデックスされたデータベースから関連度の高い結果を返す。検索結果が次のステップの入力データとなる。

【0613】

ステップ４：

【0614】

サーバが感情解析エンジンを用いてユーザの感情を解析する。

【0615】

サーバは、IBM WatsonやMicrosoft Azureの感情分析APIを使用して、ユーザの検索クエリから感情を解析する。例えば、「新製品のマーケティング資料を探している」というクエリから「期待」や「興奮」といった感情を認識する。解析された感情が次のステップの入力データとなる。

【0616】

ステップ５：

【0617】

サーバが検索結果を関連度の高い順に一覧形式で表示する。

【0618】

サーバは、検索エンジンから返された結果を関連度の高い順に並べ替え、一覧形式でユーザの端末に表示する。ユーザはこの一覧から必要な文書や資料を選択できる。表示された検索結果が次のステップの入力データとなる。

【0619】

ステップ６：

【0620】

サーバが感情に基づいて文書や資料を整理する。

【0621】

サーバは、感情解析エンジンで解析された感情に基づいて、関連する文書や資料を特定のフォルダやディレクトリに自動的に格納する。例えば、「期待」の感情が認識された場合、関連する文書を「期待」のフォルダに格納する。整理された文書や資料が次のステップの入力データとなる。

【0622】

ステップ７：

【0623】

ユーザが必要な文書や資料を選択する。

【0624】

ユーザは、表示された検索結果一覧から必要な文書や資料を選択する。選択した文書や資料は、ユーザの端末にダウンロードされるか、閲覧可能な状態で表示される。選択された文書や資料が最終的な出力データとなる。

【0625】

（応用例２）

【0626】

【0627】

従業員が必要な文書や資料を迅速に見つけることができない場合、業務効率が低下し、ストレスが増大する問題がある。また、従業員の感情的な状態に応じた適切なサポートが提供されないため、作業の質が低下する可能性がある。特に工場のような現場では、作業指示やマニュアルの検索が迅速かつ正確に行われることが求められるが、現行のシステムではこれが十分に達成されていない。

【0628】

応用例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0629】

この発明では、サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、感情エンジンを用いて従業員の感情的なコンテキストを解析し、それに基づいて文書や資料を整理する手段と、従業員の感情に応じて関連する文書や資料をソートし、必要に応じて詳細な説明や動画を提供する手段と、を含む。これにより、従業員が必要な情報を迅速に見つけることができ、感情的な状態に応じた適切なサポートが提供されるため、業務効率の向上とストレスの軽減が可能となる。

【0630】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するための技術である。

【0631】

「検索結果」とは、自然言語処理エンジンによって検索された文書や資料の一覧である。

【0632】

「感情エンジン」とは、従業員の感情的なコンテキストを解析し、それに基づいて文書や資料を整理するための技術である。

【0633】

「感情的なコンテキスト」とは、従業員が入力した質問やキーワードから推測される感情の状態である。

【0634】

「ソート」とは、特定の基準に基づいて文書や資料を並べ替えることである。

【0635】

「詳細な説明」とは、文書や資料に対して追加の情報や具体的な手順を提供することである。

【0636】

「動画」とは、視覚的に情報を提供するための映像コンテンツである。

【0637】

「フォルダ」とは、文書や資料を整理するための仮想的な収納場所である。

【0638】

「ディレクトリ」とは、コンピュータシステムにおいてファイルやフォルダを整理するための構造である。

【0639】

この発明を実施するためのシステムは、以下のような構成を持つ。サーバは、自然言語処理エンジン、感情エンジン、文書検索エンジン、及びデータベースを含む。端末は、音声入力デバイス、ディスプレイ、及びインターフェースを含む。ユーザは、端末を通じてシステムにアクセスし、質問やキーワードを入力する。

【0640】

サーバは、まず自然言語処理エンジンを用いて、ユーザが入力した質問やキーワードを解析する。この解析に基づいて、文書検索エンジンが関連する文書や資料をデータベースから検索する。検索結果は、関連度の高い順にソートされ、ユーザに提供される。

【0641】

次に、感情エンジンがユーザの入力から感情的なコンテキストを解析する。例えば、ユーザが「この部品の取り付け方がわからない」と入力した場合、感情エンジンはユーザのフラストレーションを認識する。この感情的なコンテキストに基づいて、サーバは関連する文書や資料をさらにソートし、必要に応じて詳細な説明や動画を提供する。

【0642】

具体例として、工場の作業員が「この部品の取り付け方がわからない」と入力した場合を考える。この場合、サーバは関連するマニュアルを検索し、感情エンジンがフラストレーションを認識した場合、詳細な手順や動画を提供する。これにより、作業員は迅速に必要な情報を得ることができ、作業効率が向上する。

【0643】

生成AIモデルへ入力するプロンプト文の例は以下の通りである：

【0644】

「この部品の取り付け方がわからない」というフレーズを入力した従業員の感情を解析し、関連する文書やマニュアルを検索して表示するプログラムを作成してください。従業員がフラストレーションを感じている場合は、詳細な説明や動画も提供してください。

【0645】

応用例２における特定処理の流れについて図２０を用いて説明する。

【0646】

ステップ１：

【0647】

ユーザが端末を通じて質問やキーワードを入力する。

【0648】

入力：ユーザが音声またはテキストで質問やキーワードを入力する。

【0649】

出力：端末が入力された質問やキーワードをサーバに送信する。

【0650】

ステップ２：

【0651】

サーバが自然言語処理エンジンを用いて、ユーザの質問やキーワードを解析する。

【0652】

入力：端末から送信された質問やキーワード。

【0653】

データ加工：自然言語処理エンジンが機械学習モデルを用いて、質問やキーワードの意味を解析する。

【0654】

出力：解析結果としてのキーワードやフレーズ。

【0655】

ステップ３：

【0656】

サーバが文書検索エンジンを用いて、解析結果に基づいて関連する文書や資料をデータベースから検索する。

【0657】

入力：自然言語処理エンジンの解析結果。

【0658】

データ演算：文書検索エンジンがデータベース内の文書や資料を検索し、関連度の高い順にリストアップする。

【0659】

出力：関連する文書や資料のリスト。

【0660】

ステップ４：

【0661】

サーバが検索結果を端末に送信し、端末がユーザに提供する。

【0662】

入力：関連する文書や資料のリスト。

【0663】

出力：端末がユーザに検索結果を表示する。

【0664】

ステップ５：

【0665】

サーバが感情エンジンを用いて、ユーザの入力から感情的なコンテキストを解析する。

【0666】

入力：ユーザの質問やキーワード。

【0667】

データ加工：感情エンジンがユーザの入力から感情を解析し、感情的なコンテキストを特定する。

【0668】

出力：感情的なコンテキスト（例：フラストレーション）。

【0669】

ステップ６：

【0670】

サーバが感情的なコンテキストに基づいて、関連する文書や資料を再ソートし、必要に応じて詳細な説明や動画を追加する。

【0671】

入力：感情的なコンテキストと関連する文書や資料のリスト。

【0672】

データ演算：感情的なコンテキストに基づいて文書や資料を再ソートし、詳細な説明や動画を追加する。

【0673】

出力：再ソートされた文書や資料のリストと追加の説明や動画。

【0674】

ステップ７：

【0675】

サーバが再ソートされた文書や資料のリストと追加の説明や動画を端末に送信し、端末がユーザに提供する。

【0676】

入力：再ソートされた文書や資料のリストと追加の説明や動画。

【0677】

出力：端末がユーザに再ソートされた文書や資料と追加の説明や動画を表示する。

【0678】

（実施例３）

【0679】

【0680】

従業員が必要な文書や資料を迅速かつ効率的に検索し、整理することが困難であるという問題がある。特に、従業員が感情的なストレスを感じている場合、その検索効率がさらに低下する可能性がある

【0681】

実施例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。この発明では、サーバは、自然言語処理エンジンを用いて従業員の質問やキーワードから関連する文書や資料を検索する手段と、感情エンジンを用いて従業員の質問やキーワードの感情的なコンテキストを解析する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、を含む。これにより、従業員は必要な文書や資料を迅速かつ効率的に検索し、感情的なストレスを軽減しながら情報を整理することが可能となる。

【0682】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、その意味を理解して関連する文書や資料を検索するためのソフトウェアである。

【0683】

「感情エンジン」とは、従業員の質問やキーワードに含まれる感情的なコンテキストを解析し、その感情状態を認識するためのソフトウェアである。

【0684】

「検索する手段」とは、自然言語処理エンジンを用いて従業員の質問やキーワードから関連する文書や資料をデータベースから探し出す機能である。

【0685】

「提供する手段」とは、検索結果を従業員に表示し、必要な文書や資料にアクセスできるようにする機能である。

【0686】

「整理する手段」とは、検索結果に基づいて文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する機能である。

【0687】

「機械学習モデル」とは、データを基にして学習し、自然言語処理エンジンが質問やキーワードを解析する際に使用するアルゴリズムである。

【0688】

「カテゴリ分け」とは、文書や資料を特定の基準に基づいて分類し、整理するプロセスである。

【0689】

「フォルダやディレクトリ」とは、文書や資料を格納するためのデジタルな保存場所である。

【0690】

発明を実施するための形態

【0691】

この発明は、従業員が必要な文書や資料を迅速かつ効率的に検索し、整理するためのシステムである。以下に、このシステムの具体的な実施形態について説明する。

【0692】

システムの構成

【0693】

このシステムは、サーバ、端末、ユーザの三つの主要な要素から構成される。サーバは、自然言語処理エンジンと感情エンジンを搭載しており、ユーザの入力を解析し、関連する文書や資料を検索・整理する役割を担う。端末は、ユーザがシステムにアクセスし、質問やキーワードを入力するためのインターフェースを提供する。

【0694】

使用するハードウェアおよびソフトウェア

【0695】

自然言語処理エンジン: Google Cloud Natural Language APIなどの自然言語処理ソフトウェアを使用する。

【0696】

感情エンジン: IBM Watson Tone Analyzerなどの感情解析ソフトウェアを使用する。

【0697】

データベース: 文書や資料を格納するためのデータベースシステムを使用する。具体的には、SQLデータベースやNoSQLデータベースが考えられる。

【0698】

データ加工およびデータ演算

【0699】

サーバは、ユーザが端末を通じて入力した質問やキーワードを受信する。受信した入力は、まず自然言語処理エンジンによって解析される。この解析により、入力されたキーワードや質問の意味を理解し、関連する文書や資料をデータベースから検索する。同時に、感情エンジンがユーザの入力に含まれる感情的なコンテキストを解析し、ユーザの感情状態を認識する。

【0700】

解析結果を基に、サーバは最も関連性の高い文書や資料を選定し、これらをカテゴリ分けする。カテゴリ分けされた文書や資料は、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納される。例えば、「営業報告書」のカテゴリに関連する文書は「営業報告書」のフォルダに格納される。

【0701】

具体例

【0702】

ユーザが端末に「最新の営業報告書が見つからない」と入力した場合、以下のように処理が進行する。

【0703】

1. ユーザが端末に「最新の営業報告書が見つからない」と入力する。

【0704】

2. 端末がこの入力をHTTPリクエストでサーバに送信する。

【0705】

3. サーバがGoogle Cloud Natural Language APIを使用して「最新の営業報告書」をキーワードとして解析する。

【0706】

4. サーバがIBM Watson Tone Analyzerを使用して「見つからない」というフレーズからユーザのフラストレーションを認識する。

【0707】

5. サーバがデータベースから「営業報告書」に関連する文書を検索する。

【0708】

6. サーバが検索結果を「営業報告書」フォルダに自動的に格納する。

【0709】

7. サーバが整理された文書のリンクを生成し、端末に返送する。

【0710】

8. ユーザが端末を通じて返送されたリンクをクリックし、整理された「営業報告書」にアクセスする。

【0711】

プロンプト文の例

【0712】

「最新の営業報告書が見つからない。関連する文書を検索し、営業報告書フォルダに整理してください。」

【0713】

このシステムにより、ユーザは必要な情報を迅速かつ効率的に検索・整理することができる。実施例３における特定処理の流れについて図２１を用いて説明する。

【0714】

ステップ１：

【0715】

ユーザが端末に質問やキーワードを入力する。例えば、「最新の営業報告書が見つからない」と入力する。入力されたデータは、端末のインターフェースを通じてサーバに送信される。

【0716】

ステップ２：

【0717】

端末が入力をサーバに送信する。具体的には、HTTPリクエストを使用してユーザの入力データをサーバに送信する。入力データは、ユーザの質問やキーワードを含むテキストデータである。

【0718】

ステップ３：

【0719】

サーバが自然言語処理エンジンを使用して入力データを解析する。サーバは、Google Cloud Natural Language APIなどの自然言語処理ソフトウェアを用いて、入力された質問やキーワードの意味を解析する。解析結果として、関連するキーワードやフレーズが抽出される。

【0720】

ステップ４：

【0721】

サーバが感情エンジンを使用して感情的なコンテキストを解析する。サーバは、IBM Watson Tone Analyzerなどの感情解析ソフトウェアを用いて、ユーザの入力に含まれる感情状態を解析する。例えば、「見つからない」というフレーズからユーザのフラストレーションを認識する。解析結果として、感情状態が出力される。

【0722】

ステップ５：

【0723】

サーバが関連する文書や資料をデータベースから検索する。サーバは、自然言語処理エンジンと感情エンジンの解析結果を基に、データベースから関連する文書や資料を検索する。検索結果として、関連する文書や資料のリストが出力される。

【0724】

ステップ６：

【0725】

サーバが検索結果をカテゴリ分けし、対応するフォルダに格納する。サーバは、検索結果を特定のカテゴリに分類し、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。例えば、「営業報告書」のカテゴリに関連する文書は「営業報告書」のフォルダに格納される。カテゴリ分けされた文書や資料のリストが出力される。

【0726】

ステップ７：

【0727】

サーバが整理された文書や資料のリンクを端末に返送する。サーバは、カテゴリ分けされた文書や資料のリンクを生成し、HTTPレスポンスとして端末に返送する。返送されたリンクは、ユーザがアクセスできる形式で出力される。

【0728】

ステップ８：

【0729】

ユーザが端末を通じて整理された文書や資料にアクセスする。ユーザは、端末に表示されたリンクをクリックし、整理された文書や資料にアクセスする。これにより、ユーザは必要な情報を迅速かつ効率的に取得することができる。

【0730】

（応用例３）

【0731】

【0732】

従業員が大量の文書や資料を効率的に検索し、整理することが困難であるという問題がある。また、従業員の感情的なコンテキストを考慮せずに検索結果を提供するため、必要な情報を迅速に見つけることができない場合がある。特に、物流センターのような環境では、文書や資料の管理が煩雑であり、効率的な検索と整理が求められている

【0733】

応用例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0734】

この発明では、サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段と、感情解析エンジンを用いて従業員の感情的なコンテキストを解析し、より関連性の高い文書や資料を提供する手段と、検索結果をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する手段と、を含む。これにより、従業員は必要な情報を迅速かつ効率的に検索し、整理することが可能となる。

【0735】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するための技術である。

【0736】

「感情解析エンジン」とは、従業員の入力に基づいて感情的なコンテキストを解析し、より関連性の高い文書や資料を提供するための技術である。

【0737】

「検索結果」とは、自然言語処理エンジンによって検索された文書や資料の集合である。

【0738】

「カテゴリ分け」とは、検索結果を特定のカテゴリに分類し、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納するプロセスである。

【0739】

「フォルダやディレクトリ」とは、文書や資料を整理・保管するためのデジタルな保存場所である。

【0740】

「従業員」とは、システムを利用して文書や資料を検索・整理するユーザーを指す。

【0741】

「機械学習モデル」とは、データを基に学習し、自然言語処理エンジンや感情解析エンジンの性能を向上させるためのアルゴリズムである。

【0742】

「文書や資料」とは、業務に関連する情報が記載されたテキストやデジタルファイルの総称である。

【0743】

この発明を実施するためのシステムは、自然言語処理エンジン、感情解析エンジン、検索結果のカテゴリ分けおよびフォルダへの自動格納機能を含む。以下に、具体的な実施形態を示す。

【0744】

システム構成

【0745】

サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する。感情解析エンジンは、従業員の入力に基づいて感情的なコンテキストを解析し、より関連性の高い文書や資料を提供する。検索結果はカテゴリ分けされ、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納される。

【0746】

使用するハードウェアおよびソフトウェア

【0747】

ハードウェア: スマートフォン、サーバ

【0748】

ソフトウェア: Python、Transformersライブラリ

【0749】

データ加工およびデータ演算

【0750】

サーバは、従業員がスマートフォンを使用して入力した質問やキーワードを受け取る。自然言語処理エンジンは、入力されたテキストを解析し、関連する文書や資料をデータベースから検索する。感情解析エンジンは、入力されたテキストの感情的なコンテキストを解析し、検索結果の関連性を向上させる。検索結果はカテゴリ分けされ、対応するフォルダやディレクトリに自動的に格納される。

【0751】

具体例

【0752】

従業員がスマートフォンを使用して「最新の営業報告書が見つからない」と入力した場合、感情解析エンジンは従業員のフラストレーションを解析する。自然言語処理エンジンは「営業報告書」に関連する文書を検索し、カテゴリ分けしてフォルダに格納する。これにより、従業員は必要な情報を迅速かつ効率的に検索し、整理することが可能となる。

【0753】

プロンプト文の例

【0754】

「最新の営業報告書が見つからない」

【0755】

このプロンプト文を入力すると、感情解析エンジンがフラストレーションを解析し、自然言語処理エンジンが「営業報告書」に関連する文書を検索し、カテゴリ分けしてフォルダに格納する。

【0756】

応用例３における特定処理の流れについて図２２を用いて説明する。

【0757】

ステップ１：

【0758】

ユーザがスマートフォンを使用して質問やキーワードを入力する。

【0759】

入力：ユーザが入力した質問やキーワード（例：「最新の営業報告書が見つからない」）

【0760】

出力：入力されたテキストデータ

【0761】

ステップ２：

【0762】

サーバが入力されたテキストデータを受信し、自然言語処理エンジンに渡す。

【0763】

入力：ユーザから受信したテキストデータ

【0764】

出力：自然言語処理エンジンに渡されるテキストデータ

【0765】

ステップ３：

【0766】

自然言語処理エンジンがテキストデータを解析し、関連する文書や資料をデータベースから検索する。

【0767】

入力：自然言語処理エンジンに渡されたテキストデータ

【0768】

出力：関連する文書や資料のリスト

【0769】

ステップ４：

【0770】

サーバが感情解析エンジンにテキストデータを渡し、感情的なコンテキストを解析する。

【0771】

入力：自然言語処理エンジンに渡されたテキストデータ

【0772】

出力：感情解析結果（例：フラストレーション）

【0773】

ステップ５：

【0774】

感情解析エンジンの結果を基に、サーバが関連性の高い文書や資料を選定する。

【0775】

入力：感情解析結果および関連する文書や資料のリスト

【0776】

出力：関連性の高い文書や資料のリスト

【0777】

ステップ６：

【0778】

サーバが関連性の高い文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【0779】

入力：関連性の高い文書や資料のリスト

【0780】

出力：カテゴリ分けされた文書や資料が格納されたフォルダやディレクトリ

【0781】

ステップ７：

【0782】

サーバがユーザに検索結果を提供し、関連する文書や資料がどのフォルダに格納されたかを通知する。

【0783】

入力：カテゴリ分けされた文書や資料の情報

【0784】

出力：ユーザに提供される検索結果およびフォルダ情報

【0785】

特定処理部２９０は、特定処理の結果をスマートデバイス１４に送信する。スマートデバイス１４では、制御部４６Ａが、出力装置４０に対して特定処理の結果を出力させる。マイクロフォン３８Ｂは、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン３８Ｂによって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

【0786】

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。データ生成モデル５８の一例としては、ChatGPT（登録商標）（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）等の生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、及び画像を示す画像データ等の推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ及びテキストデータ等のデータ形式で出力する。ここで、推論とは、例えば、分析、分類、予測、及び／又は要約等を指す。

【0787】

生成AIの他の例としては、Ｇｅｍｉｎｉ（登録商標）（インターネット検索＜URL: https://gemini.google.com/?hl=ja＞）が挙げられる。

【0788】

上記実施形態では、データ処理装置１２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、スマートデバイス１４によって特定処理が行われるようにしてもよい。

【0789】

［第２実施形態］

【0790】

図３には、第２実施形態に係るデータ処理システム２１０の構成の一例が示されている。

【0791】

図３に示すように、データ処理システム２１０は、データ処理装置１２及びスマート眼鏡２１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

【0792】

データ処理装置１２は、コンピュータ２２、データベース２４、及び通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、本開示の技術に係る「コンピュータ」の一例である。

【0793】

コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、及びストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、及びストレージ３２は、バス３４に接続されている。また、データベース２４及び通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮ（Wide Area Network）及び／又はＬＡＮ（Local Area Network）等が挙げられる。

【0794】

スマート眼鏡２１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、及び通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、及びストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、及びストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、及びカメラ４２も、バス５２に接続されている。

【0795】

マイクロフォン２３８は、ユーザ２０が発する音声を受け付けることで、ユーザ２０から指示等を受け付ける。マイクロフォン２３８は、ユーザ２０が発する音声を捕捉し、捕捉した音声を音声データに変換してプロセッサ４６に出力する。スピーカ２４０は、プロセッサ４６からの指示に従って音声を出力する。

【0796】

カメラ４２は、レンズ、絞り、及びシャッタ等の光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサ又はＣＣＤ（Charge Coupled Device）イメージセンサ等の撮像素子とが搭載された小型デジタルカメラであり、ユーザ２０の周囲（例えば、一般的な健常者の視界の広さに相当する画角で規定された撮像範囲）を撮像する。

【0797】

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４及び２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。通信Ｉ／Ｆ４４及び２６を用いたプロセッサ４６とプロセッサ２８との間の各種情報の授受はセキュアな状態で行われる。

【0798】

図４には、データ処理装置１２及びスマート眼鏡２１４の要部機能の一例が示されている。図４に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

【0799】

特定処理プログラム５６は、本開示の技術に係る「プログラム」の一例である。プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って、特定処理部２９０として動作することによって実現される。

【0800】

【0801】

スマート眼鏡２１４では、プロセッサ４６によって受付出力処理が行われる。ストレージ５０には、受付出力プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から受付出力プログラム６０を読み出し、読み出した受付出力プログラム６０をＲＡＭ４８上で実行する。受付出力処理は、プロセッサ４６がＲＡＭ４８上で実行する受付出力プログラム６０に従って、制御部４６Ａとして動作することによって実現される。

【0802】

次に、データ処理装置１２の特定処理部２９０による特定処理について説明する。

【0803】

「形態例１」

【0804】

【0805】

「形態例２」

【0806】

【0807】

「形態例３」

【0808】

【0809】

以下に、各形態例の処理の流れについて説明する。

【0810】

「形態例１」

【0811】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。例えば、「最新の営業報告書」などといったキーワードを入力する。

【0812】

【0813】

【0814】

「形態例２」

【0815】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。例えば、「最新の営業報告書」などといったキーワードを入力する。

【0816】

【0817】

【0818】

【0819】

（実施例１）

【0820】

次に、形態例１の実施例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマート眼鏡２１４を「端末」と称する。

【0821】

【0822】

実施例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0823】

【0824】

「自然言語処理エンジン」とは、機械学習モデルを用いて人間の言語を解析し、意味を理解するためのソフトウェアである。

【0825】

「従業員」とは、企業や組織に所属し、業務を行う個人である。

【0826】

「質問」とは、従業員が情報を得るために入力する問い合わせ内容である。

【0827】

「キーワード」とは、従業員が特定の情報を検索するために入力する単語やフレーズである。

【0828】

「文書」とは、業務に関連する情報が記載されたテキストファイルやレポートなどの資料である。

【0829】

「資料」とは、業務に関連する情報が含まれるデータやドキュメントである。

【0830】

「検索する手段」とは、自然言語処理エンジンを用いて関連する文書や資料を特定するための方法である。

【0831】

「提供する手段」とは、検索結果を従業員に表示するための方法である。

【0832】

「整理する手段」とは、検索結果に基づいて文書や資料をカテゴリ分けし、適切なフォルダやディレクトリに格納する方法である。

【0833】

「端末」とは、従業員が使用するコンピュータやスマートフォンなどのデバイスである。

【0834】

「サーバ」とは、端末からのリクエストを受け取り、処理を行うコンピュータシステムである。

【0835】

「データベース」とは、文書や資料が格納されている情報の集合体である。

【0836】

「解析する手段」とは、自然言語処理エンジンを用いてキーワードの意味を理解し、関連する情報を抽出する方法である。

【0837】

「検索結果」とは、自然言語処理エンジンによって特定された関連する文書や資料のリストである。

【0838】

「表示する手段」とは、端末に検索結果を視覚的に示す方法である。

【0839】

【0840】

使用するハードウェアおよびソフトウェア

【0841】

ハードウェア

【0842】

サーバ: 高性能なコンピュータシステムであり、データベースの管理や自然言語処理エンジンの実行を行う。

【0843】

端末: 従業員が使用するコンピュータやスマートフォンなどのデバイスである。

【0844】

ソフトウェア

【0845】

自然言語処理エンジン: 機械学習モデル（例えば、BERTやGPT-3など）を使用して、従業員の質問やキーワードを解析する。

【0846】

データベース: 文書や資料が格納されている情報の集合体であり、例えばMySQLなどが使用される。

【0847】

データ加工およびデータ演算

【0848】

【0849】

具体例

【0850】

具体例として、従業員が「最新の営業報告書」を入力した場合を考える。この場合、サーバは以下のような処理を行う。

【0851】

1. ユーザが端末の入力フィールドに「最新の営業報告書」と入力する。

【0852】

2. 端末がHTTP POSTリクエストを使用して、キーワードをサーバに送信する。

【0853】

3. サーバがキーワードを自然言語処理エンジンに渡す。

【0854】

4. 自然言語処理エンジンがBERTモデルを使用して「最新の営業報告書」を解析する。

【0855】

5. サーバが解析結果を基に、MySQLデータベースを検索し、最新の営業報告書を特定する。

【0856】

6. サーバが検索結果をJSON形式で端末に返す。

【0857】

7. 端末が検索結果をユーザに表示し、ユーザが最新の営業報告書を閲覧できるようにする。

【0858】

プロンプト文の例

【0859】

以下は、ユーザが入力するプロンプト文の例である。

【0860】

「最新の営業報告書を表示してください。」

【0861】

「2023年の売上データを教えてください。」

【0862】

「新製品のマーケティング資料を探してください。」

【0863】

このようにして、ユーザは簡単に必要な情報を取得することができる。

【0864】

実施例１における特定処理の流れについて図１１を用いて説明する。

【0865】

ステップ１：

【0866】

ユーザが端末からキーワードを入力する。

【0867】

【0868】

入力：ユーザが入力したキーワード（例：「最新の営業報告書」）

【0869】

出力：端末に保存されたキーワード

【0870】

ステップ２：

【0871】

端末が入力されたキーワードをサーバに送信する。

【0872】

【0873】

入力：端末に保存されたキーワード

【0874】

出力：サーバに送信されたキーワード

【0875】

ステップ３：

【0876】

サーバがキーワードを自然言語処理エンジンに渡す。

【0877】

【0878】

入力：サーバに送信されたキーワード

【0879】

出力：自然言語処理エンジンに渡されたキーワード

【0880】

ステップ４：

【0881】

自然言語処理エンジンがキーワードを解析する。

【0882】

【0883】

入力：自然言語処理エンジンに渡されたキーワード

【0884】

出力：解析結果（関連する文書や資料の情報）

【0885】

ステップ５：

【0886】

サーバが解析結果を基にデータベースを検索する。

【0887】

【0888】

入力：解析結果

【0889】

出力：データベースから取得された検索結果（関連する文書や資料）

【0890】

ステップ６：

【0891】

サーバが検索結果を端末に返す。

【0892】

具体的な動作として、サーバはデータベースから取得した検索結果をJSON形式などで端末に返す。HTTPレスポンスとして送信される。

【0893】

入力：データベースから取得された検索結果

【0894】

出力：端末に送信された検索結果

【0895】

ステップ７：

【0896】

端末が検索結果をユーザに表示する。

【0897】

【0898】

入力：端末に送信された検索結果

【0899】

出力：ユーザに表示された検索結果（関連する文書や資料）

【0900】

（応用例１）

【0901】

次に、形態例１の応用例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマート眼鏡２１４を「端末」と称する。

【0902】

【0903】

応用例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0904】

【0905】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【0906】

「機械学習モデル」とは、データを基にして学習し、質問やキーワードの解析を行うアルゴリズムである。

【0907】

「データベース」とは、関連する情報を効率的に検索・取得するために構造化されたデータの集合である。

【0908】

「スマートフォン」とは、音声やテキストで入力された質問を解析し、検索結果を表示するための携帯型電子機器である。

【0909】

「検索結果」とは、自然言語処理エンジンが解析した質問やキーワードに基づいてデータベースから取得された関連情報である。

【0910】

「文書や資料」とは、従業員が必要とする情報を含むテキストやデータの集合である。

【0911】

【0912】

「音声やテキストで入力した質問」とは、従業員がスマートフォンを通じて音声またはテキスト形式で入力する問い合わせ内容である。

【0913】

「関連する情報」とは、従業員の質問やキーワードに対してデータベースから検索される必要なデータや資料である。

【0914】

【0915】

システムの構成

【0916】

【0917】

【0918】

【0919】

4. スマートフォン：従業員が音声やテキストで質問を入力し、検索結果を表示するための携帯型電子機器である。iOSまたはAndroidのスマートフォンが使用される。

【0920】

システムの動作

【0921】

【0922】

【0923】

【0924】

【0925】

具体例

【0926】

【0927】

他のプロンプト文の例として、「最新の配送スケジュールを教えて」や「倉庫内の物品の位置を教えて」といった質問が考えられる。

【0928】

このシステムにより、従業員は必要な情報を迅速に取得し、業務効率を向上させることが可能となる。

【0929】

応用例１における特定処理の流れについて図１２を用いて説明する。

【0930】

ステップ１：

【0931】

ユーザがスマートフォンを用いて音声またはテキスト形式で質問を入力する。

【0932】

入力：ユーザの音声またはテキスト形式の質問（例：「最新の在庫状況を教えて」）

【0933】

出力：スマートフォンに入力された質問データ

【0934】

【0935】

ステップ２：

【0936】

サーバは、自然言語処理エンジンを用いてユーザの入力を解析し、キーワードを抽出する。

【0937】

入力：ユーザの質問データ（テキスト形式）

【0938】

出力：抽出されたキーワード（例：「在庫状況」、「最新」）

【0939】

【0940】

ステップ３：

【0941】

サーバは、抽出されたキーワードに基づいてデータベースを検索し、関連する文書や資料を取得する。

【0942】

入力：抽出されたキーワード（例：「在庫状況」、「最新」）

【0943】

出力：関連する文書や資料（例：最新の在庫情報が含まれる文書）

【0944】

【0945】

ステップ４：

【0946】

サーバは、検索結果をスマートフォンに送信し、ユーザに表示する。

【0947】

入力：関連する文書や資料（例：最新の在庫情報が含まれる文書）

【0948】

出力：スマートフォンに表示される検索結果

【0949】

【0950】

ステップ５：

【0951】

ユーザは、スマートフォンに表示された検索結果を確認し、必要な情報を取得する。

【0952】

入力：スマートフォンに表示された検索結果

【0953】

出力：ユーザが取得した必要な情報（例：最新の在庫情報）

【0954】

【0955】

（実施例２）

【0956】

次に、形態例２の実施例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマート眼鏡２１４を「端末」と称する。

【0957】

【0958】

実施例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【0959】

【0960】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【0961】

「検索する手段」とは、従業員の質問やキーワードに基づいてデータベース内の文書や資料を探し出す機能である。

【0962】

「提供する手段」とは、検索結果を従業員に表示するための機能である。

【0963】

「並べ替える手段」とは、検索結果を関連度の高い順に整理するための機能である。

【0964】

「生成する手段」とは、検索結果を一覧形式で整形するための機能である。

【0965】

「表示する手段」とは、生成された検索結果を従業員の端末に表示するための機能である。

【0966】

「機械学習モデル」とは、データを基にして質問やキーワードの解析を行うアルゴリズムである。

【0967】

【0968】

発明を実施するための形態

【0969】

【0970】

システムの構成

【0971】

【0972】

使用するハードウェアおよびソフトウェア

【0973】

サーバ: 高性能なプロセッサと大容量のメモリを備えたコンピュータシステムを使用する。サーバには、自然言語処理エンジンとしてPythonベースのライブラリ（例：NLTK、spaCy）をインストールする。また、検索アルゴリズムにはElasticsearchを使用する。

【0974】

【0975】

【0976】

システムの動作

【0977】

1. ユーザが検索クエリを入力する

【0978】

ユーザは端末の検索バーに必要な情報を入力する。例えば、「プロジェクト報告書」と入力する。

【0979】

2. 端末が検索クエリをサーバに送信する

【0980】

端末はユーザが入力した検索クエリをサーバに送信する。HTTPリクエストを使用してクエリを送信する。

【0981】

3. サーバが検索クエリを受信し、Elasticsearchに問い合わせを行う

【0982】

サーバは端末から受信した検索クエリを解析し、Elasticsearchに対して検索リクエストを送信する。

【0983】

4. サーバがElasticsearchから検索結果を受け取る

【0984】

サーバはElasticsearchから返された検索結果を受信する。検索結果には関連する文書や資料の情報が含まれている。

【0985】

5. サーバが検索結果を関連度の高い順に並べ替える

【0986】

サーバは受信した検索結果を関連度の高い順に並べ替える。Elasticsearchのスコアリング機能を使用して関連度を評価する。

【0987】

6. サーバが検索結果を一覧形式で生成する

【0988】

サーバは並べ替えた検索結果をHTML形式で一覧に整形する。

【0989】

7. サーバが生成した検索結果を端末に送信する

【0990】

サーバは生成したHTML形式の検索結果を端末に送信する。HTTPレスポンスを使用して結果を送信する。

【0991】

8. 端末が検索結果をユーザに表示する

【0992】

端末は受信したHTMLをウェブブラウザで表示し、ユーザに検索結果を一覧形式で見せる。

【0993】

9. ユーザが必要な文書や資料を選択する

【0994】

ユーザは表示された検索結果から必要な文書や資料を選択する。選択した文書をクリックすることで詳細を表示する。

【0995】

具体例

【0996】

【0997】

プロンプト文の例

【0998】

プロンプト文の例としては、以下のようなものが考えられる。

【0999】

プロンプト文: 「プロジェクト報告書を検索してください」

【1000】

このプロンプト文を生成AIモデルに入力すると、AIモデルは従業員が必要とするプロジェクト報告書を迅速に見つけるための検索結果を提供する。

【1001】

実施例２における特定処理の流れについて図１３を用いて説明する。

【1002】

ステップ１：

【1003】

ユーザが検索クエリを入力する。

【1004】

【1005】

ステップ２：

【1006】

端末が検索クエリをサーバに送信する。

【1007】

【1008】

ステップ３：

【1009】

サーバが検索クエリを受信し、Elasticsearchに問い合わせを行う。

【1010】

【1011】

ステップ４：

【1012】

サーバがElasticsearchから検索結果を受け取る。

【1013】

【1014】

ステップ５：

【1015】

サーバが検索結果を関連度の高い順に並べ替える。

【1016】

【1017】

ステップ６：

【1018】

サーバが検索結果を一覧形式で生成する。

【1019】

【1020】

ステップ７：

【1021】

サーバが生成した検索結果を端末に送信する。

【1022】

サーバは生成したHTML形式の検索結果をHTTPレスポンスとして端末に送信する。入力はHTML形式の検索結果、出力は端末に送信された検索結果である。

【1023】

ステップ８：

【1024】

端末が検索結果をユーザに表示する。

【1025】

【1026】

ステップ９：

【1027】

ユーザが必要な文書や資料を選択する。

【1028】

【1029】

（応用例２）

【1030】

次に、形態例２の応用例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマート眼鏡２１４を「端末」と称する。

【1031】

【1032】

応用例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1033】

【1034】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【1035】

「検索結果を提供する手段」とは、検索された文書や資料を従業員に表示するための機能である。

【1036】

【1037】

【1038】

【1039】

【1040】

システムの構成

【1041】

このシステムは、以下の主要なコンポーネントから構成される：

【1042】

1. サーバ：自然言語処理エンジンと機械学習モデルを搭載し、従業員の質問やキーワードを解析する。

【1043】

2. スマートフォン：従業員が使用する端末で、検索クエリを入力し、検索結果を表示する。

【1044】

3. データベース：在庫情報や配送情報を格納する。

【1045】

プログラムの処理

【1046】

サーバは、以下のように動作する：

【1047】

1. 自然言語処理エンジン：従業員がスマートフォンから入力した質問やキーワードを解析し、関連する文書や資料を検索する。

【1048】

2. 機械学習モデル：質問やキーワードの解析に基づいて、関連度の高い順に検索結果を生成する。

【1049】

3. 検索結果の提供：検索結果をスマートフォンに送信し、従業員に提供する。

【1050】

4. データ整理：検索結果に基づいて文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【1051】

5. 在庫情報や配送情報の表示：在庫データや配送データを関連度の高い順に並べ替えて表示する。

【1052】

使用するハードウェアおよびソフトウェア

【1053】

ハードウェア：スマートフォン、サーバ

【1054】

ソフトウェア：Python、Pandas、Scikit-learn、自然言語処理エンジン（例：SpaCy）

【1055】

具体例

【1056】

従業員が「在庫不足の商品」を検索する場合、以下のようにシステムが動作する：

【1057】

1. 従業員がスマートフォンに「在庫不足の商品」と入力する。

【1058】

2. サーバの自然言語処理エンジンがこのクエリを解析し、関連する在庫情報を検索する。

【1059】

3. 機械学習モデルが関連度の高い順に検索結果を生成する。

【1060】

4. 検索結果がスマートフォンに表示され、従業員は在庫不足の商品リストを確認できる。

【1061】

プロンプト文の例

【1062】

検索クエリ: "在庫不足の商品"

【1063】

このようにして、物流センターの従業員は必要な情報を迅速に検索し、業務効率を向上させることができる。

【1064】

応用例２における特定処理の流れについて図１４を用いて説明する。

【1065】

ステップ１：

【1066】

ユーザがスマートフォンに検索クエリを入力する。

【1067】

入力：ユーザがスマートフォンに「在庫不足の商品」と入力する。

【1068】

出力：検索クエリがサーバに送信される。

【1069】

具体的な動作：ユーザがスマートフォンの検索バーに「在庫不足の商品」と入力し、検索ボタンを押す。

【1070】

ステップ２：

【1071】

サーバが自然言語処理エンジンを用いて検索クエリを解析する。

【1072】

入力：スマートフォンから送信された検索クエリ「在庫不足の商品」。

【1073】

出力：解析されたクエリデータ。

【1074】

具体的な動作：サーバの自然言語処理エンジン（例：SpaCy）が検索クエリをトークン化し、重要なキーワードを抽出する。

【1075】

ステップ３：

【1076】

サーバが機械学習モデルを用いて関連する文書や資料を検索する。

【1077】

入力：解析されたクエリデータ。

【1078】

出力：関連する文書や資料のリスト。

【1079】

【1080】

ステップ４：

【1081】

サーバが検索結果をスマートフォンに送信する。

【1082】

入力：関連する文書や資料のリスト。

【1083】

出力：スマートフォンに表示される検索結果。

【1084】

具体的な動作：サーバが関連する文書や資料のリストをスマートフォンに送信し、ユーザに表示する。

【1085】

ステップ５：

【1086】

ユーザがスマートフォンで検索結果を確認する。

【1087】

入力：スマートフォンに表示された検索結果。

【1088】

出力：ユーザが必要な情報を確認する。

【1089】

具体的な動作：ユーザがスマートフォンの画面に表示された検索結果をスクロールし、必要な在庫情報や配送情報を確認する。

【1090】

ステップ６：

【1091】

サーバが検索結果に基づいて文書や資料を整理する。

【1092】

入力：関連する文書や資料のリスト。

【1093】

出力：カテゴリ分けされた文書や資料。

【1094】

【1095】

ステップ７：

【1096】

サーバが在庫情報や配送情報を関連度の高い順に表示する。

【1097】

入力：関連する在庫情報や配送情報。

【1098】

出力：関連度の高い順に並べ替えられた在庫情報や配送情報。

【1099】

具体的な動作：サーバが在庫データや配送データを関連度の高い順に並べ替え、ユーザに表示する。

【1100】

（実施例３）

【1101】

次に、形態例３の実施例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマート眼鏡２１４を「端末」と称する。

【1102】

【1103】

【1104】

「自然言語処理エンジン」とは、自然言語を解析し、意味を理解するためのソフトウェアである。

【1105】

「従業員」とは、企業や組織に所属し、業務を行う個人である。

【1106】

「質問やキーワード」とは、従業員が情報を検索する際に使用する入力データである。

【1107】

「関連する情報」とは、従業員の質問やキーワードに基づいて検索された文書や資料である。

【1108】

「検索する手段」とは、従業員の質問やキーワードを基に関連する情報を取得するための方法や技術である。

【1109】

「提供する手段」とは、検索結果を従業員に表示するための方法や技術である。

【1110】

「解析し、カテゴリ分けする手段」とは、検索結果を解析し、特定のカテゴリに分類するための方法や技術である。

【1111】

「フォルダやディレクトリ」とは、コンピュータ内で情報を整理するための仮想的な収納場所である。

【1112】

「自動的に格納する手段」とは、解析された情報を対応するフォルダやディレクトリに自動的に移動させるための方法や技術である。

【1113】

「機械学習モデル」とは、データを基に学習し、予測や分類を行うためのアルゴリズムである。

【1114】

この発明は、従業員が必要な情報を効率的に検索し、整理するためのシステムである。以下に、このシステムの具体的な実施形態を説明する。

【1115】

システムの構成

【1116】

このシステムは、サーバ、端末、ユーザの三つの主要な要素から構成される。

【1117】

1. サーバ:

【1118】

サーバは、自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する情報を検索する。具体的には、Apache SolrやElasticsearchなどの検索エンジンを使用する。また、Google Cloud Natural Language APIやIBM Watson Natural Language Understandingなどの自然言語処理ツールを用いて、検索結果を解析し、カテゴリ分けを行う。さらに、Pythonのosモジュールやshutilモジュールを使用して、カテゴリ分けされた情報を対応するフォルダやディレクトリに自動的に格納する。

【1119】

2. 端末:

【1120】

【1121】

3. ユーザ:

【1122】

【1123】

システムの動作

【1124】

1. ユーザによる検索クエリの入力:

【1125】

ユーザは、端末の検索バーに質問やキーワードを入力する。例えば、「2023年の営業報告書」と入力する。

【1126】

2. サーバによる検索結果の取得:

【1127】

サーバは、ユーザが入力した検索クエリを受け取り、Apache SolrやElasticsearchを使用してデータベースから関連する情報を取得する。

【1128】

3. サーバによる検索結果の解析とカテゴリ分け:

【1129】

【1130】

4. サーバによるカテゴリごとのフォルダへの格納:

【1131】

【1132】

5. ユーザによる整理された情報の確認:

【1133】

ユーザは、端末を使用して整理されたフォルダを確認する。例えば、「営業報告書」フォルダを開き、必要な情報を閲覧することができる。

【1134】

具体例とプロンプト文の例

【1135】

具体例:

【1136】

ユーザが「2023年の営業報告書」を検索する場合の具体的な動作は以下の通りである。

【1137】

1. ユーザ: 端末の検索バーに「2023年の営業報告書」と入力し、検索ボタンをクリックする。

【1138】

2. サーバ: 検索クエリを受け取り、Apache Solrを使用してデータベースから関連する情報を取得する。

【1139】

3. サーバ: 取得した情報をGoogle Cloud Natural Language APIで解析し、「営業報告書」カテゴリに分類する。

【1140】

4. サーバ: 分類された情報をPythonのosモジュールを使用して「営業報告書」フォルダに移動させる。

【1141】

5. ユーザ: 端末で「営業報告書」フォルダを開き、必要な情報を確認する。

【1142】

プロンプト文の例:

【1143】

「2023年の営業報告書を検索し、関連する情報を営業報告書フォルダに自動的に格納してください。」

【1144】

【1145】

ステップ１：ユーザによる検索クエリの入力

【1146】

【1147】

ステップ２：サーバによる検索結果の取得

【1148】

【1149】

ステップ３：サーバによる検索結果の解析とカテゴリ分け

【1150】

【1151】

ステップ４：サーバによるカテゴリごとのフォルダへの格納

【1152】

【1153】

ステップ５：ユーザによる整理された情報の確認

【1154】

【1155】

このシステムにより、ユーザは必要な情報を効率的に検索し、整理することができる。

【1156】

（応用例３）

【1157】

次に、形態例３の応用例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、スマート眼鏡２１４を「端末」と称する。

【1158】

【1159】

応用例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1160】

【1161】

「自然言語処理エンジン」とは、自然言語を解析し、質問やキーワードから関連する情報を検索するためのソフトウェアである。

【1162】

「従業員」とは、企業や組織に所属し、業務を遂行する人々を指す。

【1163】

「検索する手段」とは、特定の情報を見つけ出すための方法や技術を指す。

【1164】

「提供する手段」とは、検索結果をユーザーに表示したり、アクセス可能にするための方法や技術を指す。

【1165】

「整理する手段」とは、文書や資料を特定の基準に基づいて分類し、管理するための方法や技術を指す。

【1166】

「光学文字認識技術」とは、画像から文字情報を抽出するための技術である。

【1167】

「画像」とは、視覚的な情報を含むデジタルファイルを指す。

【1168】

「テキスト」とは、文字情報を含むデジタルデータを指す。

【1169】

「カテゴリ分け」とは、特定の基準に基づいて情報を分類することを指す。

【1170】

「フォルダ」とは、デジタルデータを整理するための仮想的なコンテナを指す。

【1171】

「クラウドストレージ」とは、インターネットを通じてデータを保存するためのリモートサーバを指す。

【1172】

「アップロード」とは、ローカルデバイスからリモートサーバにデータを転送することを指す。

【1173】

【1174】

【1175】

【1176】

【1177】

プロンプト文の例としては、以下のようなものが考えられる。

【1178】

【1179】

このようにして、文書や資料の効率的な検索、整理、デジタル化およびクラウドストレージへの自動アップロードが可能となる。

【1180】

応用例３における特定処理の流れについて図１６を用いて説明する。

【1181】

ステップ１：

【1182】

ユーザがスマートフォンのカメラで文書を撮影する。

【1183】

入力：紙ベースの文書

【1184】

出力：デジタル画像ファイル

【1185】

具体的な動作：ユーザはスマートフォンのカメラアプリを起動し、文書を撮影する。撮影された画像はスマートフォン内に保存される。

【1186】

ステップ２：

【1187】

端末が光学文字認識技術（OCR）を用いて画像からテキストを抽出する。

【1188】

入力：デジタル画像ファイル

【1189】

出力：抽出されたテキストデータ

【1190】

具体的な動作：端末は保存された画像ファイルをOCRソフトウェアに入力し、画像内の文字情報をテキストデータとして抽出する。

【1191】

ステップ３：

【1192】

端末が抽出されたテキストを解析し、カテゴリ分けを行う。

【1193】

入力：抽出されたテキストデータ

【1194】

出力：カテゴリ情報

【1195】

【1196】

ステップ４：

【1197】

端末がカテゴリに基づいて文書を対応するフォルダに自動的に格納する。

【1198】

入力：カテゴリ情報、デジタル画像ファイル

【1199】

出力：フォルダに格納された文書

【1200】

具体的な動作：端末は決定されたカテゴリに基づいて、デジタル画像ファイルを対応するフォルダに移動またはコピーする。

【1201】

ステップ５：

【1202】

端末が文書をクラウドストレージにアップロードする。

【1203】

入力：フォルダに格納された文書

【1204】

出力：クラウドストレージに保存された文書

【1205】

【1206】

ステップ６：

【1207】

サーバが自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する。

【1208】

入力：従業員の質問やキーワード

【1209】

出力：関連する文書や資料の検索結果

【1210】

【1211】

なお、更に、ユーザの感情を推定する感情エンジンを組み合わせてもよい。すなわち、特定処理部２９０は、感情特定モデル５９を用いてユーザの感情を推定し、ユーザの感情を用いた特定処理を行うようにしてもよい。

【1212】

「形態例１」

【1213】

【1214】

「形態例２」

【1215】

【1216】

「形態例３」

【1217】

【1218】

以下に、各形態例の処理の流れについて説明する。

【1219】

「形態例１」

【1220】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。

【1221】

ステップ２：自然言語処理エンジンがこのキーワードを解析し、関連する文書や資料をデータベースから検索する。

【1222】

ステップ３：感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。

【1223】

ステップ４：感情エンジンの解析結果を自然言語処理エンジンが利用し、より関連性の高い文書や資料を提供する。

【1224】

「形態例２」

【1225】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。

【1226】

ステップ２：感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。

【1227】

【1228】

（実施例１）

【1229】

【1230】

【1231】

実施例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1232】

【1233】

【1234】

【1235】

「感情エンジン」とは、従業員の質問やキーワードに含まれる感情的なコンテキストを解析し、その感情を認識するためのソフトウェアである。

【1236】

【1237】

「データベース」とは、文書や資料を効率的に保存、検索、管理するための情報システムである。

【1238】

【1239】

「カテゴリ分け」とは、検索結果に基づいて文書や資料を特定のテーマや属性に応じて分類するプロセスである。

【1240】

「フォルダやディレクトリ」とは、文書や資料を整理して保存するためのコンピュータ上の仮想的な収納場所である。

【1241】

「従業員」とは、システムを利用して業務を遂行するために質問やキーワードを入力するユーザである。

【1242】

発明を実施するための形態

【1243】

【1244】

使用するハードウェアおよびソフトウェア

【1245】

サーバ

【1246】

サーバは、以下のソフトウェアを使用してシステムの主要な処理を行う：

【1247】

自然言語処理エンジン（例：BERT、GPT-3）

【1248】

感情エンジン（例：感情解析API）

【1249】

データベース管理システム（例：MySQL、PostgreSQL）

【1250】

端末

【1251】

端末は、従業員が質問やキーワードを入力するためのインターフェースを提供する。端末は、以下のソフトウェアを使用する：

【1252】

ウェブブラウザまたは専用アプリケーション

【1253】

HTTPクライアントライブラリ

【1254】

ユーザ

【1255】

ユーザ（従業員）は、システムに対して質問やキーワードを入力し、検索結果を確認する。

【1256】

データ加工およびデータ演算

【1257】

自然言語処理エンジン

【1258】

【1259】

感情エンジン

【1260】

【1261】

データベース検索

【1262】

【1263】

結果の提供と整理

【1264】

【1265】

具体例

【1266】

【1267】

プロンプト文の例

【1268】

「従業員がシステムに対して『最新の営業報告書が見つからない』と入力した場合、システムはどのように応答するか説明してください。」

【1269】

このプロンプト文を生成AIモデルに入力することで、システムの動作を詳細に説明する応答が得られる。

【1270】

実施例１における特定処理の流れについて図１７を用いて説明する。

【1271】

ステップ１：

【1272】

ユーザが質問やキーワードを入力する。

【1273】

【1274】

ステップ２：

【1275】

端末が入力をサーバに送信する。

【1276】

【1277】

ステップ３：

【1278】

サーバが自然言語処理エンジンで入力を解析する。

【1279】

【1280】

ステップ４：

【1281】

サーバが感情エンジンで感情的なコンテキストを解析する。

【1282】

【1283】

ステップ５：

【1284】

サーバがデータベースから関連する文書や資料を検索する。

【1285】

【1286】

ステップ６：

【1287】

サーバが検索結果を端末に送信する。

【1288】

【1289】

ステップ７：

【1290】

端末が検索結果をユーザに表示する。

【1291】

【1292】

（応用例１）

【1293】

【1294】

【1295】

応用例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1296】

【1297】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【1298】

「機械学習モデル」とは、データを基にして学習し、従業員の質問やキーワードの解析を行うアルゴリズムである。

【1299】

「感情解析エンジン」とは、従業員の質問やキーワードの感情的なコンテキストを解析するためのソフトウェアである。

【1300】

「文書や資料」とは、工場内で使用されるマニュアル、作業指示書、報告書などの情報を含むものである。

【1301】

「検索結果」とは、自然言語処理エンジンによって検索された関連する文書や資料のリストである。

【1302】

「カテゴリ分け」とは、検索結果に基づいて文書や資料を特定のカテゴリに分類するプロセスである。

【1303】

「フォルダやディレクトリ」とは、文書や資料を整理して格納するためのデジタルな保存場所である。

【1304】

「追加のサポート」とは、感情解析エンジンによって解析された感情的なコンテキストに基づいて提供される励ましの言葉や補助的な情報である。

【1305】

【1306】

【1307】

【1308】

【1309】

具体例として、以下のプロンプト文の例を示す。

【1310】

従業員: 「最新の作業指示書を見せて」

【1311】

ロボット: 「最新の作業指示書を検索しています。少々お待ちください。」

【1312】

（データベース検索後）

【1313】

ロボット: 「こちらが最新の作業指示書です。画面に表示しました。」

【1314】

また、感情解析の具体例としては、以下のようなやり取りが考えられる。

【1315】

従業員: 「作業指示書が見つからない、どうすればいい？」

【1316】

ロボット: 「作業指示書が見つからず、困っているのですね。すぐに検索しますので、少々お待ちください。」

【1317】

（データベース検索後）

【1318】

ロボット: 「こちらが最新の作業指示書です。画面に表示しました。何か他にお手伝いできることはありますか？」

【1319】

このようにして、従業員は必要な情報を迅速かつ正確に取得できるだけでなく、感情的なサポートも受けることが可能となる。

【1320】

応用例１における特定処理の流れについて図１８を用いて説明する。

【1321】

ステップ１：

【1322】

ユーザがロボットに対して音声で質問やキーワードを入力する。

【1323】

入力：ユーザの音声入力

【1324】

出力：音声データ

【1325】

具体的な動作：ユーザが「最新の作業指示書を見せて」とロボットに話しかける。

【1326】

ステップ２：

【1327】

ロボットの内蔵マイクが音声をキャプチャし、音声認識ソフトウェア（例: Google Speech-to-Text API）でテキストに変換する。

【1328】

入力：音声データ

【1329】

出力：テキストデータ

【1330】

具体的な動作：ロボットがユーザの音声を録音し、その音声データをテキストに変換する。

【1331】

ステップ３：

【1332】

サーバが自然言語処理エンジン（例: spaCy、BERT）を用いて、変換されたテキストを解析し、キーワードや質問の意図を抽出する。

【1333】

入力：テキストデータ

【1334】

出力：抽出されたキーワードや意図

【1335】

具体的な動作：サーバが「最新の作業指示書を見せて」というテキストから「最新の作業指示書」というキーワードを抽出する。

【1336】

ステップ４：

【1337】

サーバが感情解析エンジン（例: IBM Watson Tone Analyzer）を用いて、テキストの感情的なコンテキストを解析する。

【1338】

入力：テキストデータ

【1339】

出力：感情解析結果

【1340】

具体的な動作：サーバが「作業指示書が見つからない」というテキストからフラストレーションを検出する。

【1341】

ステップ５：

【1342】

サーバが抽出されたキーワードを基に、データベースから関連する文書や資料を検索する。

【1343】

入力：抽出されたキーワード

【1344】

出力：検索結果（関連する文書や資料）

【1345】

具体的な動作：サーバが「最新の作業指示書」というキーワードを使ってデータベースを検索し、関連する文書を取得する。

【1346】

ステップ６：

【1347】

サーバが検索結果をディスプレイに表示し、音声でユーザに通知する。

【1348】

入力：検索結果

【1349】

出力：ディスプレイ表示および音声通知

【1350】

具体的な動作：サーバが「こちらが最新の作業指示書です。画面に表示しました。」と音声で通知し、ディスプレイに文書を表示する。

【1351】

ステップ７：

【1352】

サーバが感情解析の結果に基づいて、必要に応じて励ましの言葉や追加のサポートを提供する。

【1353】

入力：感情解析結果

【1354】

出力：追加のサポート（励ましの言葉など）

【1355】

具体的な動作：サーバが「作業指示書が見つからず、困っているのですね。すぐに検索しますので、少々お待ちください。」と音声で通知する。

【1356】

（実施例２）

【1357】

【1358】

【1359】

実施例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1360】

【1361】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【1362】

「機械学習モデル」とは、データを基にしてパターンを学習し、予測や分類を行うアルゴリズムである。

【1363】

「感情解析エンジン」とは、従業員の入力したテキストから感情的なコンテキストを解析するためのソフトウェアである。

【1364】

「フォルダやディレクトリ」とは、文書や資料を整理・格納するためのデジタルな保存場所である。

【1365】

「検索結果」とは、従業員の質問やキーワードに基づいて検索エンジンが返す関連する文書や資料の一覧である。

【1366】

「従業員」とは、システムを使用して文書や資料を検索・整理するユーザである。

【1367】

「文書や資料」とは、従業員が業務上必要とする情報を含むデジタルファイルである。

【1368】

「感情的なコンテキスト」とは、従業員の入力したテキストから読み取れる感情や心理状態である。

【1369】

【1370】

【1371】

【1372】

さらに、サーバは感情解析エンジンを用いて、従業員の感情的なコンテキストを解析する。感情解析エンジンには、IBM WatsonやMicrosoft Azureの感情分析APIを使用する。従業員が入力したフレーズや検索クエリから感情を認識し、それに基づいて文書や資料を整理する。例えば、従業員が「営業報告書が見つからない」というフレーズを入力した場合、感情解析エンジンはフラストレーションを認識し、関連する文書や資料を「フラストレーション」のフォルダに自動的に格納する。

【1373】

【1374】

プロンプト文の例としては、以下のようなものがある：

【1375】

「新製品のマーケティング資料を探している」

【1376】

「営業報告書が見つからない」

【1377】

「顧客のフィードバックをまとめた資料を探している」

【1378】

このようにして、サーバはユーザが必要とする情報を迅速かつ効率的に提供することができる。

【1379】

実施例２における特定処理の流れについて図１９を用いて説明する。

【1380】

ステップ１：

【1381】

ユーザが検索クエリを入力する。

【1382】

【1383】

ステップ２：

【1384】

端末が検索クエリをサーバに送信する。

【1385】

【1386】

ステップ３：

【1387】

サーバが検索エンジンを用いて検索結果を生成する。

【1388】

【1389】

ステップ４：

【1390】

サーバが感情解析エンジンを用いてユーザの感情を解析する。

【1391】

【1392】

ステップ５：

【1393】

サーバが検索結果を関連度の高い順に一覧形式で表示する。

【1394】

【1395】

ステップ６：

【1396】

サーバが感情に基づいて文書や資料を整理する。

【1397】

【1398】

ステップ７：

【1399】

ユーザが必要な文書や資料を選択する。

【1400】

【1401】

（応用例２）

【1402】

【1403】

【1404】

応用例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1405】

【1406】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するための技術である。

【1407】

「検索結果」とは、自然言語処理エンジンによって検索された文書や資料の一覧である。

【1408】

「感情エンジン」とは、従業員の感情的なコンテキストを解析し、それに基づいて文書や資料を整理するための技術である。

【1409】

「感情的なコンテキスト」とは、従業員が入力した質問やキーワードから推測される感情の状態である。

【1410】

「ソート」とは、特定の基準に基づいて文書や資料を並べ替えることである。

【1411】

「詳細な説明」とは、文書や資料に対して追加の情報や具体的な手順を提供することである。

【1412】

「動画」とは、視覚的に情報を提供するための映像コンテンツである。

【1413】

「フォルダ」とは、文書や資料を整理するための仮想的な収納場所である。

【1414】

「ディレクトリ」とは、コンピュータシステムにおいてファイルやフォルダを整理するための構造である。

【1415】

【1416】

【1417】

【1418】

【1419】

生成AIモデルへ入力するプロンプト文の例は以下の通りである：

【1420】

【1421】

応用例２における特定処理の流れについて図２０を用いて説明する。

【1422】

ステップ１：

【1423】

ユーザが端末を通じて質問やキーワードを入力する。

【1424】

入力：ユーザが音声またはテキストで質問やキーワードを入力する。

【1425】

出力：端末が入力された質問やキーワードをサーバに送信する。

【1426】

ステップ２：

【1427】

サーバが自然言語処理エンジンを用いて、ユーザの質問やキーワードを解析する。

【1428】

入力：端末から送信された質問やキーワード。

【1429】

データ加工：自然言語処理エンジンが機械学習モデルを用いて、質問やキーワードの意味を解析する。

【1430】

出力：解析結果としてのキーワードやフレーズ。

【1431】

ステップ３：

【1432】

サーバが文書検索エンジンを用いて、解析結果に基づいて関連する文書や資料をデータベースから検索する。

【1433】

入力：自然言語処理エンジンの解析結果。

【1434】

データ演算：文書検索エンジンがデータベース内の文書や資料を検索し、関連度の高い順にリストアップする。

【1435】

出力：関連する文書や資料のリスト。

【1436】

ステップ４：

【1437】

サーバが検索結果を端末に送信し、端末がユーザに提供する。

【1438】

入力：関連する文書や資料のリスト。

【1439】

出力：端末がユーザに検索結果を表示する。

【1440】

ステップ５：

【1441】

サーバが感情エンジンを用いて、ユーザの入力から感情的なコンテキストを解析する。

【1442】

入力：ユーザの質問やキーワード。

【1443】

データ加工：感情エンジンがユーザの入力から感情を解析し、感情的なコンテキストを特定する。

【1444】

出力：感情的なコンテキスト（例：フラストレーション）。

【1445】

ステップ６：

【1446】

サーバが感情的なコンテキストに基づいて、関連する文書や資料を再ソートし、必要に応じて詳細な説明や動画を追加する。

【1447】

入力：感情的なコンテキストと関連する文書や資料のリスト。

【1448】

データ演算：感情的なコンテキストに基づいて文書や資料を再ソートし、詳細な説明や動画を追加する。

【1449】

出力：再ソートされた文書や資料のリストと追加の説明や動画。

【1450】

ステップ７：

【1451】

サーバが再ソートされた文書や資料のリストと追加の説明や動画を端末に送信し、端末がユーザに提供する。

【1452】

入力：再ソートされた文書や資料のリストと追加の説明や動画。

【1453】

出力：端末がユーザに再ソートされた文書や資料と追加の説明や動画を表示する。

【1454】

（実施例３）

【1455】

【1456】

【1457】

【1458】

【1459】

【1460】

【1461】

「提供する手段」とは、検索結果を従業員に表示し、必要な文書や資料にアクセスできるようにする機能である。

【1462】

【1463】

「機械学習モデル」とは、データを基にして学習し、自然言語処理エンジンが質問やキーワードを解析する際に使用するアルゴリズムである。

【1464】

「カテゴリ分け」とは、文書や資料を特定の基準に基づいて分類し、整理するプロセスである。

【1465】

「フォルダやディレクトリ」とは、文書や資料を格納するためのデジタルな保存場所である。

【1466】

発明を実施するための形態

【1467】

【1468】

システムの構成

【1469】

【1470】

使用するハードウェアおよびソフトウェア

【1471】

自然言語処理エンジン: Google Cloud Natural Language APIなどの自然言語処理ソフトウェアを使用する。

【1472】

感情エンジン: IBM Watson Tone Analyzerなどの感情解析ソフトウェアを使用する。

【1473】

データベース: 文書や資料を格納するためのデータベースシステムを使用する。具体的には、SQLデータベースやNoSQLデータベースが考えられる。

【1474】

データ加工およびデータ演算

【1475】

【1476】

【1477】

具体例

【1478】

ユーザが端末に「最新の営業報告書が見つからない」と入力した場合、以下のように処理が進行する。

【1479】

1. ユーザが端末に「最新の営業報告書が見つからない」と入力する。

【1480】

2. 端末がこの入力をHTTPリクエストでサーバに送信する。

【1481】

3. サーバがGoogle Cloud Natural Language APIを使用して「最新の営業報告書」をキーワードとして解析する。

【1482】

4. サーバがIBM Watson Tone Analyzerを使用して「見つからない」というフレーズからユーザのフラストレーションを認識する。

【1483】

5. サーバがデータベースから「営業報告書」に関連する文書を検索する。

【1484】

6. サーバが検索結果を「営業報告書」フォルダに自動的に格納する。

【1485】

7. サーバが整理された文書のリンクを生成し、端末に返送する。

【1486】

8. ユーザが端末を通じて返送されたリンクをクリックし、整理された「営業報告書」にアクセスする。

【1487】

プロンプト文の例

【1488】

「最新の営業報告書が見つからない。関連する文書を検索し、営業報告書フォルダに整理してください。」

【1489】

【1490】

ステップ１：

【1491】

【1492】

ステップ２：

【1493】

【1494】

ステップ３：

【1495】

【1496】

ステップ４：

【1497】

【1498】

ステップ５：

【1499】

【1500】

ステップ６：

【1501】

【1502】

ステップ７：

【1503】

【1504】

ステップ８：

【1505】

【1506】

（応用例３）

【1507】

【1508】

【1509】

応用例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1510】

【1511】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するための技術である。

【1512】

「感情解析エンジン」とは、従業員の入力に基づいて感情的なコンテキストを解析し、より関連性の高い文書や資料を提供するための技術である。

【1513】

「検索結果」とは、自然言語処理エンジンによって検索された文書や資料の集合である。

【1514】

【1515】

「フォルダやディレクトリ」とは、文書や資料を整理・保管するためのデジタルな保存場所である。

【1516】

「従業員」とは、システムを利用して文書や資料を検索・整理するユーザーを指す。

【1517】

「機械学習モデル」とは、データを基に学習し、自然言語処理エンジンや感情解析エンジンの性能を向上させるためのアルゴリズムである。

【1518】

「文書や資料」とは、業務に関連する情報が記載されたテキストやデジタルファイルの総称である。

【1519】

【1520】

システム構成

【1521】

【1522】

使用するハードウェアおよびソフトウェア

【1523】

ハードウェア: スマートフォン、サーバ

【1524】

ソフトウェア: Python、Transformersライブラリ

【1525】

データ加工およびデータ演算

【1526】

【1527】

具体例

【1528】

【1529】

プロンプト文の例

【1530】

「最新の営業報告書が見つからない」

【1531】

【1532】

応用例３における特定処理の流れについて図２２を用いて説明する。

【1533】

ステップ１：

【1534】

ユーザがスマートフォンを使用して質問やキーワードを入力する。

【1535】

入力：ユーザが入力した質問やキーワード（例：「最新の営業報告書が見つからない」）

【1536】

出力：入力されたテキストデータ

【1537】

ステップ２：

【1538】

サーバが入力されたテキストデータを受信し、自然言語処理エンジンに渡す。

【1539】

入力：ユーザから受信したテキストデータ

【1540】

出力：自然言語処理エンジンに渡されるテキストデータ

【1541】

ステップ３：

【1542】

自然言語処理エンジンがテキストデータを解析し、関連する文書や資料をデータベースから検索する。

【1543】

入力：自然言語処理エンジンに渡されたテキストデータ

【1544】

出力：関連する文書や資料のリスト

【1545】

ステップ４：

【1546】

サーバが感情解析エンジンにテキストデータを渡し、感情的なコンテキストを解析する。

【1547】

入力：自然言語処理エンジンに渡されたテキストデータ

【1548】

出力：感情解析結果（例：フラストレーション）

【1549】

ステップ５：

【1550】

感情解析エンジンの結果を基に、サーバが関連性の高い文書や資料を選定する。

【1551】

入力：感情解析結果および関連する文書や資料のリスト

【1552】

出力：関連性の高い文書や資料のリスト

【1553】

ステップ６：

【1554】

サーバが関連性の高い文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【1555】

入力：関連性の高い文書や資料のリスト

【1556】

出力：カテゴリ分けされた文書や資料が格納されたフォルダやディレクトリ

【1557】

ステップ７：

【1558】

サーバがユーザに検索結果を提供し、関連する文書や資料がどのフォルダに格納されたかを通知する。

【1559】

入力：カテゴリ分けされた文書や資料の情報

【1560】

出力：ユーザに提供される検索結果およびフォルダ情報

【1561】

特定処理部２９０は、特定処理の結果をスマート眼鏡２１４に送信する。スマート眼鏡２１４では、制御部４６Ａが、スピーカ２４０に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

【1562】

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。デ
ータ生成モデル５８の一例としては、ＣｈａｔＧＰＴ（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）等の生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、及び画像を示す画像データ等の推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ及びテキストデータ等のデータ形式で出力する。ここで、推論とは、例えば、分析、分類、予測、及び／又は要約等を指す。

【1563】

生成AIの他の例としては、Gemini（インターネット検索＜URL: https://gemini.google.com/?hl=ja＞）が挙げられる。

【1564】

上記実施形態では、データ処理装置１２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、スマート眼鏡２１４によって特定処理が行われるようにしてもよい。

【1565】

［第３実施形態］

【1566】

図５には、第３実施形態に係るデータ処理システム３１０の構成の一例が示されている。

【1567】

図５に示すように、データ処理システム３１０は、データ処理装置１２及びヘッドセット型端末３１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

【1568】

【1569】

ヘッドセット型端末３１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、通信Ｉ／Ｆ４４、及びディスプレイ３４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、及びストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、及びストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、カメラ４２、及びディスプレイ３４３も、バス５２に接続されている。

【1570】

【1571】

【1572】

【1573】

図６には、データ処理装置１２及びヘッドセット型端末３１４の要部機能の一例が示されている。図６に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

【1574】

【1575】

【1576】

ヘッドセット型端末３１４では、プロセッサ４６によって受付出力処理が行われる。ストレージ５０には、受付出力プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から受付出力プログラム６０を読み出し、読み出した受付出力プログラム６０をＲＡＭ４８上で実行する。受付出力処理は、プロセッサ４６がＲＡＭ４８上で実行する受付出力プログラム６０に従って、制御部４６Ａとして動作することによって実現される。

【1577】

次に、データ処理装置１２の特定処理部２９０による特定処理について説明する。

【1578】

「形態例１」

【1579】

【1580】

「形態例２」

【1581】

【1582】

「形態例３」

【1583】

【1584】

以下に、各形態例の処理の流れについて説明する。

【1585】

「形態例１」

【1586】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。例えば、「最新の営業報告書」などといったキーワードを入力する。

【1587】

【1588】

【1589】

「形態例２」

【1590】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。例えば、「最新の営業報告書」などといったキーワードを入力する。

【1591】

【1592】

【1593】

【1594】

（実施例１）

【1595】

次に、形態例１の実施例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ヘッドセット型端末３１４を「端末」と称する。

【1596】

【1597】

実施例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1598】

【1599】

「自然言語処理エンジン」とは、機械学習モデルを用いて人間の言語を解析し、意味を理解するためのソフトウェアである。

【1600】

「従業員」とは、企業や組織に所属し、業務を行う個人である。

【1601】

「質問」とは、従業員が情報を得るために入力する問い合わせ内容である。

【1602】

「キーワード」とは、従業員が特定の情報を検索するために入力する単語やフレーズである。

【1603】

「文書」とは、業務に関連する情報が記載されたテキストファイルやレポートなどの資料である。

【1604】

「資料」とは、業務に関連する情報が含まれるデータやドキュメントである。

【1605】

「検索する手段」とは、自然言語処理エンジンを用いて関連する文書や資料を特定するための方法である。

【1606】

「提供する手段」とは、検索結果を従業員に表示するための方法である。

【1607】

「整理する手段」とは、検索結果に基づいて文書や資料をカテゴリ分けし、適切なフォルダやディレクトリに格納する方法である。

【1608】

「端末」とは、従業員が使用するコンピュータやスマートフォンなどのデバイスである。

【1609】

「サーバ」とは、端末からのリクエストを受け取り、処理を行うコンピュータシステムである。

【1610】

「データベース」とは、文書や資料が格納されている情報の集合体である。

【1611】

「解析する手段」とは、自然言語処理エンジンを用いてキーワードの意味を理解し、関連する情報を抽出する方法である。

【1612】

「検索結果」とは、自然言語処理エンジンによって特定された関連する文書や資料のリストである。

【1613】

「表示する手段」とは、端末に検索結果を視覚的に示す方法である。

【1614】

【1615】

使用するハードウェアおよびソフトウェア

【1616】

ハードウェア

【1617】

サーバ: 高性能なコンピュータシステムであり、データベースの管理や自然言語処理エンジンの実行を行う。

【1618】

端末: 従業員が使用するコンピュータやスマートフォンなどのデバイスである。

【1619】

ソフトウェア

【1620】

自然言語処理エンジン: 機械学習モデル（例えば、BERTやGPT-3など）を使用して、従業員の質問やキーワードを解析する。

【1621】

データベース: 文書や資料が格納されている情報の集合体であり、例えばMySQLなどが使用される。

【1622】

データ加工およびデータ演算

【1623】

【1624】

具体例

【1625】

具体例として、従業員が「最新の営業報告書」を入力した場合を考える。この場合、サーバは以下のような処理を行う。

【1626】

1. ユーザが端末の入力フィールドに「最新の営業報告書」と入力する。

【1627】

2. 端末がHTTP POSTリクエストを使用して、キーワードをサーバに送信する。

【1628】

3. サーバがキーワードを自然言語処理エンジンに渡す。

【1629】

4. 自然言語処理エンジンがBERTモデルを使用して「最新の営業報告書」を解析する。

【1630】

5. サーバが解析結果を基に、MySQLデータベースを検索し、最新の営業報告書を特定する。

【1631】

6. サーバが検索結果をJSON形式で端末に返す。

【1632】

7. 端末が検索結果をユーザに表示し、ユーザが最新の営業報告書を閲覧できるようにする。

【1633】

プロンプト文の例

【1634】

以下は、ユーザが入力するプロンプト文の例である。

【1635】

「最新の営業報告書を表示してください。」

【1636】

「2023年の売上データを教えてください。」

【1637】

「新製品のマーケティング資料を探してください。」

【1638】

このようにして、ユーザは簡単に必要な情報を取得することができる。

【1639】

実施例１における特定処理の流れについて図１１を用いて説明する。

【1640】

ステップ１：

【1641】

ユーザが端末からキーワードを入力する。

【1642】

【1643】

入力：ユーザが入力したキーワード（例：「最新の営業報告書」）

【1644】

出力：端末に保存されたキーワード

【1645】

ステップ２：

【1646】

端末が入力されたキーワードをサーバに送信する。

【1647】

【1648】

入力：端末に保存されたキーワード

【1649】

出力：サーバに送信されたキーワード

【1650】

ステップ３：

【1651】

サーバがキーワードを自然言語処理エンジンに渡す。

【1652】

【1653】

入力：サーバに送信されたキーワード

【1654】

出力：自然言語処理エンジンに渡されたキーワード

【1655】

ステップ４：

【1656】

自然言語処理エンジンがキーワードを解析する。

【1657】

【1658】

入力：自然言語処理エンジンに渡されたキーワード

【1659】

出力：解析結果（関連する文書や資料の情報）

【1660】

ステップ５：

【1661】

サーバが解析結果を基にデータベースを検索する。

【1662】

【1663】

入力：解析結果

【1664】

出力：データベースから取得された検索結果（関連する文書や資料）

【1665】

ステップ６：

【1666】

サーバが検索結果を端末に返す。

【1667】

具体的な動作として、サーバはデータベースから取得した検索結果をJSON形式などで端末に返す。HTTPレスポンスとして送信される。

【1668】

入力：データベースから取得された検索結果

【1669】

出力：端末に送信された検索結果

【1670】

ステップ７：

【1671】

端末が検索結果をユーザに表示する。

【1672】

【1673】

入力：端末に送信された検索結果

【1674】

出力：ユーザに表示された検索結果（関連する文書や資料）

【1675】

（応用例１）

【1676】

次に、形態例１の応用例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ヘッドセット型端末３１４を「端末」と称する。

【1677】

【1678】

応用例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1679】

【1680】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【1681】

「機械学習モデル」とは、データを基にして学習し、質問やキーワードの解析を行うアルゴリズムである。

【1682】

「データベース」とは、関連する情報を効率的に検索・取得するために構造化されたデータの集合である。

【1683】

「スマートフォン」とは、音声やテキストで入力された質問を解析し、検索結果を表示するための携帯型電子機器である。

【1684】

「検索結果」とは、自然言語処理エンジンが解析した質問やキーワードに基づいてデータベースから取得された関連情報である。

【1685】

「文書や資料」とは、従業員が必要とする情報を含むテキストやデータの集合である。

【1686】

【1687】

「音声やテキストで入力した質問」とは、従業員がスマートフォンを通じて音声またはテキスト形式で入力する問い合わせ内容である。

【1688】

「関連する情報」とは、従業員の質問やキーワードに対してデータベースから検索される必要なデータや資料である。

【1689】

【1690】

システムの構成

【1691】

【1692】

【1693】

【1694】

【1695】

システムの動作

【1696】

【1697】

【1698】

【1699】

【1700】

具体例

【1701】

【1702】

他のプロンプト文の例として、「最新の配送スケジュールを教えて」や「倉庫内の物品の位置を教えて」といった質問が考えられる。

【1703】

このシステムにより、従業員は必要な情報を迅速に取得し、業務効率を向上させることが可能となる。

【1704】

応用例１における特定処理の流れについて図１２を用いて説明する。

【1705】

ステップ１：

【1706】

ユーザがスマートフォンを用いて音声またはテキスト形式で質問を入力する。

【1707】

入力：ユーザの音声またはテキスト形式の質問（例：「最新の在庫状況を教えて」）

【1708】

出力：スマートフォンに入力された質問データ

【1709】

【1710】

ステップ２：

【1711】

サーバは、自然言語処理エンジンを用いてユーザの入力を解析し、キーワードを抽出する。

【1712】

入力：ユーザの質問データ（テキスト形式）

【1713】

出力：抽出されたキーワード（例：「在庫状況」、「最新」）

【1714】

【1715】

ステップ３：

【1716】

サーバは、抽出されたキーワードに基づいてデータベースを検索し、関連する文書や資料を取得する。

【1717】

入力：抽出されたキーワード（例：「在庫状況」、「最新」）

【1718】

出力：関連する文書や資料（例：最新の在庫情報が含まれる文書）

【1719】

【1720】

ステップ４：

【1721】

サーバは、検索結果をスマートフォンに送信し、ユーザに表示する。

【1722】

入力：関連する文書や資料（例：最新の在庫情報が含まれる文書）

【1723】

出力：スマートフォンに表示される検索結果

【1724】

【1725】

ステップ５：

【1726】

ユーザは、スマートフォンに表示された検索結果を確認し、必要な情報を取得する。

【1727】

入力：スマートフォンに表示された検索結果

【1728】

出力：ユーザが取得した必要な情報（例：最新の在庫情報）

【1729】

【1730】

（実施例２）

【1731】

次に、形態例２の実施例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ヘッドセット型端末３１４を「端末」と称する。

【1732】

【1733】

実施例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1734】

【1735】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【1736】

「検索する手段」とは、従業員の質問やキーワードに基づいてデータベース内の文書や資料を探し出す機能である。

【1737】

「提供する手段」とは、検索結果を従業員に表示するための機能である。

【1738】

「並べ替える手段」とは、検索結果を関連度の高い順に整理するための機能である。

【1739】

「生成する手段」とは、検索結果を一覧形式で整形するための機能である。

【1740】

「表示する手段」とは、生成された検索結果を従業員の端末に表示するための機能である。

【1741】

「機械学習モデル」とは、データを基にして質問やキーワードの解析を行うアルゴリズムである。

【1742】

【1743】

発明を実施するための形態

【1744】

【1745】

システムの構成

【1746】

【1747】

使用するハードウェアおよびソフトウェア

【1748】

【1749】

【1750】

【1751】

システムの動作

【1752】

1. ユーザが検索クエリを入力する

【1753】

ユーザは端末の検索バーに必要な情報を入力する。例えば、「プロジェクト報告書」と入力する。

【1754】

2. 端末が検索クエリをサーバに送信する

【1755】

端末はユーザが入力した検索クエリをサーバに送信する。HTTPリクエストを使用してクエリを送信する。

【1756】

3. サーバが検索クエリを受信し、Elasticsearchに問い合わせを行う

【1757】

サーバは端末から受信した検索クエリを解析し、Elasticsearchに対して検索リクエストを送信する。

【1758】

4. サーバがElasticsearchから検索結果を受け取る

【1759】

サーバはElasticsearchから返された検索結果を受信する。検索結果には関連する文書や資料の情報が含まれている。

【1760】

5. サーバが検索結果を関連度の高い順に並べ替える

【1761】

サーバは受信した検索結果を関連度の高い順に並べ替える。Elasticsearchのスコアリング機能を使用して関連度を評価する。

【1762】

6. サーバが検索結果を一覧形式で生成する

【1763】

サーバは並べ替えた検索結果をHTML形式で一覧に整形する。

【1764】

7. サーバが生成した検索結果を端末に送信する

【1765】

サーバは生成したHTML形式の検索結果を端末に送信する。HTTPレスポンスを使用して結果を送信する。

【1766】

8. 端末が検索結果をユーザに表示する

【1767】

端末は受信したHTMLをウェブブラウザで表示し、ユーザに検索結果を一覧形式で見せる。

【1768】

9. ユーザが必要な文書や資料を選択する

【1769】

ユーザは表示された検索結果から必要な文書や資料を選択する。選択した文書をクリックすることで詳細を表示する。

【1770】

具体例

【1771】

【1772】

プロンプト文の例

【1773】

プロンプト文の例としては、以下のようなものが考えられる。

【1774】

プロンプト文: 「プロジェクト報告書を検索してください」

【1775】

このプロンプト文を生成AIモデルに入力すると、AIモデルは従業員が必要とするプロジェクト報告書を迅速に見つけるための検索結果を提供する。

【1776】

実施例２における特定処理の流れについて図１３を用いて説明する。

【1777】

ステップ１：

【1778】

ユーザが検索クエリを入力する。

【1779】

【1780】

ステップ２：

【1781】

端末が検索クエリをサーバに送信する。

【1782】

【1783】

ステップ３：

【1784】

サーバが検索クエリを受信し、Elasticsearchに問い合わせを行う。

【1785】

【1786】

ステップ４：

【1787】

サーバがElasticsearchから検索結果を受け取る。

【1788】

【1789】

ステップ５：

【1790】

サーバが検索結果を関連度の高い順に並べ替える。

【1791】

【1792】

ステップ６：

【1793】

サーバが検索結果を一覧形式で生成する。

【1794】

【1795】

ステップ７：

【1796】

サーバが生成した検索結果を端末に送信する。

【1797】

サーバは生成したHTML形式の検索結果をHTTPレスポンスとして端末に送信する。入力はHTML形式の検索結果、出力は端末に送信された検索結果である。

【1798】

ステップ８：

【1799】

端末が検索結果をユーザに表示する。

【1800】

【1801】

ステップ９：

【1802】

ユーザが必要な文書や資料を選択する。

【1803】

【1804】

（応用例２）

【1805】

次に、形態例２の応用例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ヘッドセット型端末３１４を「端末」と称する。

【1806】

【1807】

応用例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1808】

【1809】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【1810】

「検索結果を提供する手段」とは、検索された文書や資料を従業員に表示するための機能である。

【1811】

【1812】

【1813】

【1814】

【1815】

システムの構成

【1816】

このシステムは、以下の主要なコンポーネントから構成される：

【1817】

1. サーバ：自然言語処理エンジンと機械学習モデルを搭載し、従業員の質問やキーワードを解析する。

【1818】

2. スマートフォン：従業員が使用する端末で、検索クエリを入力し、検索結果を表示する。

【1819】

3. データベース：在庫情報や配送情報を格納する。

【1820】

プログラムの処理

【1821】

サーバは、以下のように動作する：

【1822】

1. 自然言語処理エンジン：従業員がスマートフォンから入力した質問やキーワードを解析し、関連する文書や資料を検索する。

【1823】

2. 機械学習モデル：質問やキーワードの解析に基づいて、関連度の高い順に検索結果を生成する。

【1824】

3. 検索結果の提供：検索結果をスマートフォンに送信し、従業員に提供する。

【1825】

4. データ整理：検索結果に基づいて文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【1826】

5. 在庫情報や配送情報の表示：在庫データや配送データを関連度の高い順に並べ替えて表示する。

【1827】

使用するハードウェアおよびソフトウェア

【1828】

ハードウェア：スマートフォン、サーバ

【1829】

ソフトウェア：Python、Pandas、Scikit-learn、自然言語処理エンジン（例：SpaCy）

【1830】

具体例

【1831】

従業員が「在庫不足の商品」を検索する場合、以下のようにシステムが動作する：

【1832】

1. 従業員がスマートフォンに「在庫不足の商品」と入力する。

【1833】

2. サーバの自然言語処理エンジンがこのクエリを解析し、関連する在庫情報を検索する。

【1834】

3. 機械学習モデルが関連度の高い順に検索結果を生成する。

【1835】

4. 検索結果がスマートフォンに表示され、従業員は在庫不足の商品リストを確認できる。

【1836】

プロンプト文の例

【1837】

検索クエリ: "在庫不足の商品"

【1838】

このようにして、物流センターの従業員は必要な情報を迅速に検索し、業務効率を向上させることができる。

【1839】

応用例２における特定処理の流れについて図１４を用いて説明する。

【1840】

ステップ１：

【1841】

ユーザがスマートフォンに検索クエリを入力する。

【1842】

入力：ユーザがスマートフォンに「在庫不足の商品」と入力する。

【1843】

出力：検索クエリがサーバに送信される。

【1844】

具体的な動作：ユーザがスマートフォンの検索バーに「在庫不足の商品」と入力し、検索ボタンを押す。

【1845】

ステップ２：

【1846】

サーバが自然言語処理エンジンを用いて検索クエリを解析する。

【1847】

入力：スマートフォンから送信された検索クエリ「在庫不足の商品」。

【1848】

出力：解析されたクエリデータ。

【1849】

具体的な動作：サーバの自然言語処理エンジン（例：SpaCy）が検索クエリをトークン化し、重要なキーワードを抽出する。

【1850】

ステップ３：

【1851】

サーバが機械学習モデルを用いて関連する文書や資料を検索する。

【1852】

入力：解析されたクエリデータ。

【1853】

出力：関連する文書や資料のリスト。

【1854】

【1855】

ステップ４：

【1856】

サーバが検索結果をスマートフォンに送信する。

【1857】

入力：関連する文書や資料のリスト。

【1858】

出力：スマートフォンに表示される検索結果。

【1859】

具体的な動作：サーバが関連する文書や資料のリストをスマートフォンに送信し、ユーザに表示する。

【1860】

ステップ５：

【1861】

ユーザがスマートフォンで検索結果を確認する。

【1862】

入力：スマートフォンに表示された検索結果。

【1863】

出力：ユーザが必要な情報を確認する。

【1864】

具体的な動作：ユーザがスマートフォンの画面に表示された検索結果をスクロールし、必要な在庫情報や配送情報を確認する。

【1865】

ステップ６：

【1866】

サーバが検索結果に基づいて文書や資料を整理する。

【1867】

入力：関連する文書や資料のリスト。

【1868】

出力：カテゴリ分けされた文書や資料。

【1869】

【1870】

ステップ７：

【1871】

サーバが在庫情報や配送情報を関連度の高い順に表示する。

【1872】

入力：関連する在庫情報や配送情報。

【1873】

出力：関連度の高い順に並べ替えられた在庫情報や配送情報。

【1874】

具体的な動作：サーバが在庫データや配送データを関連度の高い順に並べ替え、ユーザに表示する。

【1875】

（実施例３）

【1876】

次に、形態例３の実施例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ヘッドセット型端末３１４を「端末」と称する。

【1877】

【1878】

【1879】

「自然言語処理エンジン」とは、自然言語を解析し、意味を理解するためのソフトウェアである。

【1880】

「従業員」とは、企業や組織に所属し、業務を行う個人である。

【1881】

「質問やキーワード」とは、従業員が情報を検索する際に使用する入力データである。

【1882】

「関連する情報」とは、従業員の質問やキーワードに基づいて検索された文書や資料である。

【1883】

「検索する手段」とは、従業員の質問やキーワードを基に関連する情報を取得するための方法や技術である。

【1884】

「提供する手段」とは、検索結果を従業員に表示するための方法や技術である。

【1885】

「解析し、カテゴリ分けする手段」とは、検索結果を解析し、特定のカテゴリに分類するための方法や技術である。

【1886】

「フォルダやディレクトリ」とは、コンピュータ内で情報を整理するための仮想的な収納場所である。

【1887】

「自動的に格納する手段」とは、解析された情報を対応するフォルダやディレクトリに自動的に移動させるための方法や技術である。

【1888】

「機械学習モデル」とは、データを基に学習し、予測や分類を行うためのアルゴリズムである。

【1889】

この発明は、従業員が必要な情報を効率的に検索し、整理するためのシステムである。以下に、このシステムの具体的な実施形態を説明する。

【1890】

システムの構成

【1891】

このシステムは、サーバ、端末、ユーザの三つの主要な要素から構成される。

【1892】

1. サーバ:

【1893】

【1894】

2. 端末:

【1895】

【1896】

3. ユーザ:

【1897】

【1898】

システムの動作

【1899】

1. ユーザによる検索クエリの入力:

【1900】

ユーザは、端末の検索バーに質問やキーワードを入力する。例えば、「2023年の営業報告書」と入力する。

【1901】

2. サーバによる検索結果の取得:

【1902】

サーバは、ユーザが入力した検索クエリを受け取り、Apache SolrやElasticsearchを使用してデータベースから関連する情報を取得する。

【1903】

3. サーバによる検索結果の解析とカテゴリ分け:

【1904】

【1905】

4. サーバによるカテゴリごとのフォルダへの格納:

【1906】

【1907】

5. ユーザによる整理された情報の確認:

【1908】

ユーザは、端末を使用して整理されたフォルダを確認する。例えば、「営業報告書」フォルダを開き、必要な情報を閲覧することができる。

【1909】

具体例とプロンプト文の例

【1910】

具体例:

【1911】

ユーザが「2023年の営業報告書」を検索する場合の具体的な動作は以下の通りである。

【1912】

1. ユーザ: 端末の検索バーに「2023年の営業報告書」と入力し、検索ボタンをクリックする。

【1913】

2. サーバ: 検索クエリを受け取り、Apache Solrを使用してデータベースから関連する情報を取得する。

【1914】

3. サーバ: 取得した情報をGoogle Cloud Natural Language APIで解析し、「営業報告書」カテゴリに分類する。

【1915】

4. サーバ: 分類された情報をPythonのosモジュールを使用して「営業報告書」フォルダに移動させる。

【1916】

5. ユーザ: 端末で「営業報告書」フォルダを開き、必要な情報を確認する。

【1917】

プロンプト文の例:

【1918】

「2023年の営業報告書を検索し、関連する情報を営業報告書フォルダに自動的に格納してください。」

【1919】

【1920】

ステップ１：ユーザによる検索クエリの入力

【1921】

【1922】

ステップ２：サーバによる検索結果の取得

【1923】

【1924】

ステップ３：サーバによる検索結果の解析とカテゴリ分け

【1925】

【1926】

ステップ４：サーバによるカテゴリごとのフォルダへの格納

【1927】

【1928】

ステップ５：ユーザによる整理された情報の確認

【1929】

【1930】

このシステムにより、ユーザは必要な情報を効率的に検索し、整理することができる。

【1931】

（応用例３）

【1932】

次に、形態例３の応用例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ヘッドセット型端末３１４を「端末」と称する。

【1933】

【1934】

応用例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【1935】

【1936】

「自然言語処理エンジン」とは、自然言語を解析し、質問やキーワードから関連する情報を検索するためのソフトウェアである。

【1937】

「従業員」とは、企業や組織に所属し、業務を遂行する人々を指す。

【1938】

「検索する手段」とは、特定の情報を見つけ出すための方法や技術を指す。

【1939】

「提供する手段」とは、検索結果をユーザーに表示したり、アクセス可能にするための方法や技術を指す。

【1940】

「整理する手段」とは、文書や資料を特定の基準に基づいて分類し、管理するための方法や技術を指す。

【1941】

「光学文字認識技術」とは、画像から文字情報を抽出するための技術である。

【1942】

「画像」とは、視覚的な情報を含むデジタルファイルを指す。

【1943】

「テキスト」とは、文字情報を含むデジタルデータを指す。

【1944】

「カテゴリ分け」とは、特定の基準に基づいて情報を分類することを指す。

【1945】

「フォルダ」とは、デジタルデータを整理するための仮想的なコンテナを指す。

【1946】

「クラウドストレージ」とは、インターネットを通じてデータを保存するためのリモートサーバを指す。

【1947】

「アップロード」とは、ローカルデバイスからリモートサーバにデータを転送することを指す。

【1948】

【1949】

【1950】

【1951】

【1952】

プロンプト文の例としては、以下のようなものが考えられる。

【1953】

【1954】

このようにして、文書や資料の効率的な検索、整理、デジタル化およびクラウドストレージへの自動アップロードが可能となる。

【1955】

応用例３における特定処理の流れについて図１６を用いて説明する。

【1956】

ステップ１：

【1957】

ユーザがスマートフォンのカメラで文書を撮影する。

【1958】

入力：紙ベースの文書

【1959】

出力：デジタル画像ファイル

【1960】

具体的な動作：ユーザはスマートフォンのカメラアプリを起動し、文書を撮影する。撮影された画像はスマートフォン内に保存される。

【1961】

ステップ２：

【1962】

端末が光学文字認識技術（OCR）を用いて画像からテキストを抽出する。

【1963】

入力：デジタル画像ファイル

【1964】

出力：抽出されたテキストデータ

【1965】

具体的な動作：端末は保存された画像ファイルをOCRソフトウェアに入力し、画像内の文字情報をテキストデータとして抽出する。

【1966】

ステップ３：

【1967】

端末が抽出されたテキストを解析し、カテゴリ分けを行う。

【1968】

入力：抽出されたテキストデータ

【1969】

出力：カテゴリ情報

【1970】

【1971】

ステップ４：

【1972】

端末がカテゴリに基づいて文書を対応するフォルダに自動的に格納する。

【1973】

入力：カテゴリ情報、デジタル画像ファイル

【1974】

出力：フォルダに格納された文書

【1975】

具体的な動作：端末は決定されたカテゴリに基づいて、デジタル画像ファイルを対応するフォルダに移動またはコピーする。

【1976】

ステップ５：

【1977】

端末が文書をクラウドストレージにアップロードする。

【1978】

入力：フォルダに格納された文書

【1979】

出力：クラウドストレージに保存された文書

【1980】

【1981】

ステップ６：

【1982】

サーバが自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する。

【1983】

入力：従業員の質問やキーワード

【1984】

出力：関連する文書や資料の検索結果

【1985】

【1986】

【1987】

「形態例１」

【1988】

本発明の一実施形態では、自然言語処理エンジンと感情エンジンが組み合わされている。

【1989】

従業員がシステムに対して質問やキーワードを入力すると、自然言語処理エンジンがこのキーワードを解析し、関連する文書や資料をデータベースから検索する。同時に、感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。例えば、従業員が「最新の営業報告書が見つからない」というフレーズを入力した場合、感情エンジンはこのフレーズから従業員のフラストレーションを認識する。この情報は、システムがより関連性の高い文書や資料を提供するために使用される。

【1990】

「形態例２」

【1991】

【1992】

「形態例３」

【1993】

本発明の一実施形態では、自然言語処理エンジンと感情エンジンが組み合わされている。

【1994】

【1995】

以下に、各形態例の処理の流れについて説明する。

【1996】

「形態例１」

【1997】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。

【1998】

ステップ２：自然言語処理エンジンがこのキーワードを解析し、関連する文書や資料をデータベースから検索する。

【1999】

ステップ３：感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。

【2000】

ステップ４：感情エンジンの解析結果を自然言語処理エンジンが利用し、より関連性の高い文書や資料を提供する。

【2001】

「形態例２」

【2002】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。

【2003】

ステップ２：感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。

【2004】

【2005】

（実施例１）

【2006】

【2007】

【2008】

実施例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2009】

【2010】

【2011】

【2012】

「感情エンジン」とは、従業員の質問やキーワードに含まれる感情的なコンテキストを解析し、その感情を認識するためのソフトウェアである。

【2013】

【2014】

「データベース」とは、文書や資料を効率的に保存、検索、管理するための情報システムである。

【2015】

【2016】

「カテゴリ分け」とは、検索結果に基づいて文書や資料を特定のテーマや属性に応じて分類するプロセスである。

【2017】

「フォルダやディレクトリ」とは、文書や資料を整理して保存するためのコンピュータ上の仮想的な収納場所である。

【2018】

「従業員」とは、システムを利用して業務を遂行するために質問やキーワードを入力するユーザである。

【2019】

発明を実施するための形態

【2020】

【2021】

使用するハードウェアおよびソフトウェア

【2022】

サーバ

【2023】

サーバは、以下のソフトウェアを使用してシステムの主要な処理を行う：

【2024】

自然言語処理エンジン（例：BERT、GPT-3）

【2025】

感情エンジン（例：感情解析API）

【2026】

データベース管理システム（例：MySQL、PostgreSQL）

【2027】

端末

【2028】

端末は、従業員が質問やキーワードを入力するためのインターフェースを提供する。端末は、以下のソフトウェアを使用する：

【2029】

ウェブブラウザまたは専用アプリケーション

【2030】

HTTPクライアントライブラリ

【2031】

ユーザ

【2032】

ユーザ（従業員）は、システムに対して質問やキーワードを入力し、検索結果を確認する。

【2033】

データ加工およびデータ演算

【2034】

自然言語処理エンジン

【2035】

【2036】

感情エンジン

【2037】

【2038】

データベース検索

【2039】

【2040】

結果の提供と整理

【2041】

【2042】

具体例

【2043】

【2044】

プロンプト文の例

【2045】

「従業員がシステムに対して『最新の営業報告書が見つからない』と入力した場合、システムはどのように応答するか説明してください。」

【2046】

このプロンプト文を生成AIモデルに入力することで、システムの動作を詳細に説明する応答が得られる。

【2047】

実施例１における特定処理の流れについて図１７を用いて説明する。

【2048】

ステップ１：

【2049】

ユーザが質問やキーワードを入力する。

【2050】

【2051】

ステップ２：

【2052】

端末が入力をサーバに送信する。

【2053】

【2054】

ステップ３：

【2055】

サーバが自然言語処理エンジンで入力を解析する。

【2056】

【2057】

ステップ４：

【2058】

サーバが感情エンジンで感情的なコンテキストを解析する。

【2059】

【2060】

ステップ５：

【2061】

サーバがデータベースから関連する文書や資料を検索する。

【2062】

【2063】

ステップ６：

【2064】

サーバが検索結果を端末に送信する。

【2065】

【2066】

ステップ７：

【2067】

端末が検索結果をユーザに表示する。

【2068】

【2069】

（応用例１）

【2070】

【2071】

【2072】

応用例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2073】

【2074】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【2075】

「機械学習モデル」とは、データを基にして学習し、従業員の質問やキーワードの解析を行うアルゴリズムである。

【2076】

「感情解析エンジン」とは、従業員の質問やキーワードの感情的なコンテキストを解析するためのソフトウェアである。

【2077】

「文書や資料」とは、工場内で使用されるマニュアル、作業指示書、報告書などの情報を含むものである。

【2078】

「検索結果」とは、自然言語処理エンジンによって検索された関連する文書や資料のリストである。

【2079】

「カテゴリ分け」とは、検索結果に基づいて文書や資料を特定のカテゴリに分類するプロセスである。

【2080】

「フォルダやディレクトリ」とは、文書や資料を整理して格納するためのデジタルな保存場所である。

【2081】

「追加のサポート」とは、感情解析エンジンによって解析された感情的なコンテキストに基づいて提供される励ましの言葉や補助的な情報である。

【2082】

【2083】

【2084】

【2085】

【2086】

具体例として、以下のプロンプト文の例を示す。

【2087】

従業員: 「最新の作業指示書を見せて」

【2088】

ロボット: 「最新の作業指示書を検索しています。少々お待ちください。」

【2089】

（データベース検索後）

【2090】

ロボット: 「こちらが最新の作業指示書です。画面に表示しました。」

【2091】

また、感情解析の具体例としては、以下のようなやり取りが考えられる。

【2092】

従業員: 「作業指示書が見つからない、どうすればいい？」

【2093】

ロボット: 「作業指示書が見つからず、困っているのですね。すぐに検索しますので、少々お待ちください。」

【2094】

（データベース検索後）

【2095】

ロボット: 「こちらが最新の作業指示書です。画面に表示しました。何か他にお手伝いできることはありますか？」

【2096】

このようにして、従業員は必要な情報を迅速かつ正確に取得できるだけでなく、感情的なサポートも受けることが可能となる。

【2097】

応用例１における特定処理の流れについて図１８を用いて説明する。

【2098】

ステップ１：

【2099】

ユーザがロボットに対して音声で質問やキーワードを入力する。

【2100】

入力：ユーザの音声入力

【2101】

出力：音声データ

【2102】

具体的な動作：ユーザが「最新の作業指示書を見せて」とロボットに話しかける。

【2103】

ステップ２：

【2104】

ロボットの内蔵マイクが音声をキャプチャし、音声認識ソフトウェア（例: Google Speech-to-Text API）でテキストに変換する。

【2105】

入力：音声データ

【2106】

出力：テキストデータ

【2107】

具体的な動作：ロボットがユーザの音声を録音し、その音声データをテキストに変換する。

【2108】

ステップ３：

【2109】

サーバが自然言語処理エンジン（例: spaCy、BERT）を用いて、変換されたテキストを解析し、キーワードや質問の意図を抽出する。

【2110】

入力：テキストデータ

【2111】

出力：抽出されたキーワードや意図

【2112】

具体的な動作：サーバが「最新の作業指示書を見せて」というテキストから「最新の作業指示書」というキーワードを抽出する。

【2113】

ステップ４：

【2114】

サーバが感情解析エンジン（例: IBM Watson Tone Analyzer）を用いて、テキストの感情的なコンテキストを解析する。

【2115】

入力：テキストデータ

【2116】

出力：感情解析結果

【2117】

具体的な動作：サーバが「作業指示書が見つからない」というテキストからフラストレーションを検出する。

【2118】

ステップ５：

【2119】

サーバが抽出されたキーワードを基に、データベースから関連する文書や資料を検索する。

【2120】

入力：抽出されたキーワード

【2121】

出力：検索結果（関連する文書や資料）

【2122】

具体的な動作：サーバが「最新の作業指示書」というキーワードを使ってデータベースを検索し、関連する文書を取得する。

【2123】

ステップ６：

【2124】

サーバが検索結果をディスプレイに表示し、音声でユーザに通知する。

【2125】

入力：検索結果

【2126】

出力：ディスプレイ表示および音声通知

【2127】

具体的な動作：サーバが「こちらが最新の作業指示書です。画面に表示しました。」と音声で通知し、ディスプレイに文書を表示する。

【2128】

ステップ７：

【2129】

サーバが感情解析の結果に基づいて、必要に応じて励ましの言葉や追加のサポートを提供する。

【2130】

入力：感情解析結果

【2131】

出力：追加のサポート（励ましの言葉など）

【2132】

具体的な動作：サーバが「作業指示書が見つからず、困っているのですね。すぐに検索しますので、少々お待ちください。」と音声で通知する。

【2133】

（実施例２）

【2134】

【2135】

【2136】

実施例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2137】

【2138】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【2139】

「機械学習モデル」とは、データを基にしてパターンを学習し、予測や分類を行うアルゴリズムである。

【2140】

「感情解析エンジン」とは、従業員の入力したテキストから感情的なコンテキストを解析するためのソフトウェアである。

【2141】

「フォルダやディレクトリ」とは、文書や資料を整理・格納するためのデジタルな保存場所である。

【2142】

「検索結果」とは、従業員の質問やキーワードに基づいて検索エンジンが返す関連する文書や資料の一覧である。

【2143】

「従業員」とは、システムを使用して文書や資料を検索・整理するユーザである。

【2144】

「文書や資料」とは、従業員が業務上必要とする情報を含むデジタルファイルである。

【2145】

「感情的なコンテキスト」とは、従業員の入力したテキストから読み取れる感情や心理状態である。

【2146】

【2147】

【2148】

【2149】

【2150】

【2151】

プロンプト文の例としては、以下のようなものがある：

【2152】

「新製品のマーケティング資料を探している」

【2153】

「営業報告書が見つからない」

【2154】

「顧客のフィードバックをまとめた資料を探している」

【2155】

このようにして、サーバはユーザが必要とする情報を迅速かつ効率的に提供することができる。

【2156】

実施例２における特定処理の流れについて図１９を用いて説明する。

【2157】

ステップ１：

【2158】

ユーザが検索クエリを入力する。

【2159】

【2160】

ステップ２：

【2161】

端末が検索クエリをサーバに送信する。

【2162】

【2163】

ステップ３：

【2164】

サーバが検索エンジンを用いて検索結果を生成する。

【2165】

【2166】

ステップ４：

【2167】

サーバが感情解析エンジンを用いてユーザの感情を解析する。

【2168】

【2169】

ステップ５：

【2170】

サーバが検索結果を関連度の高い順に一覧形式で表示する。

【2171】

【2172】

ステップ６：

【2173】

サーバが感情に基づいて文書や資料を整理する。

【2174】

【2175】

ステップ７：

【2176】

ユーザが必要な文書や資料を選択する。

【2177】

【2178】

（応用例２）

【2179】

【2180】

【2181】

応用例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2182】

【2183】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するための技術である。

【2184】

「検索結果」とは、自然言語処理エンジンによって検索された文書や資料の一覧である。

【2185】

「感情エンジン」とは、従業員の感情的なコンテキストを解析し、それに基づいて文書や資料を整理するための技術である。

【2186】

「感情的なコンテキスト」とは、従業員が入力した質問やキーワードから推測される感情の状態である。

【2187】

「ソート」とは、特定の基準に基づいて文書や資料を並べ替えることである。

【2188】

「詳細な説明」とは、文書や資料に対して追加の情報や具体的な手順を提供することである。

【2189】

「動画」とは、視覚的に情報を提供するための映像コンテンツである。

【2190】

「フォルダ」とは、文書や資料を整理するための仮想的な収納場所である。

【2191】

「ディレクトリ」とは、コンピュータシステムにおいてファイルやフォルダを整理するための構造である。

【2192】

【2193】

【2194】

【2195】

【2196】

生成AIモデルへ入力するプロンプト文の例は以下の通りである：

【2197】

【2198】

応用例２における特定処理の流れについて図２０を用いて説明する。

【2199】

ステップ１：

【2200】

ユーザが端末を通じて質問やキーワードを入力する。

【2201】

入力：ユーザが音声またはテキストで質問やキーワードを入力する。

【2202】

出力：端末が入力された質問やキーワードをサーバに送信する。

【2203】

ステップ２：

【2204】

サーバが自然言語処理エンジンを用いて、ユーザの質問やキーワードを解析する。

【2205】

入力：端末から送信された質問やキーワード。

【2206】

データ加工：自然言語処理エンジンが機械学習モデルを用いて、質問やキーワードの意味を解析する。

【2207】

出力：解析結果としてのキーワードやフレーズ。

【2208】

ステップ３：

【2209】

サーバが文書検索エンジンを用いて、解析結果に基づいて関連する文書や資料をデータベースから検索する。

【2210】

入力：自然言語処理エンジンの解析結果。

【2211】

データ演算：文書検索エンジンがデータベース内の文書や資料を検索し、関連度の高い順にリストアップする。

【2212】

出力：関連する文書や資料のリスト。

【2213】

ステップ４：

【2214】

サーバが検索結果を端末に送信し、端末がユーザに提供する。

【2215】

入力：関連する文書や資料のリスト。

【2216】

出力：端末がユーザに検索結果を表示する。

【2217】

ステップ５：

【2218】

サーバが感情エンジンを用いて、ユーザの入力から感情的なコンテキストを解析する。

【2219】

入力：ユーザの質問やキーワード。

【2220】

データ加工：感情エンジンがユーザの入力から感情を解析し、感情的なコンテキストを特定する。

【2221】

出力：感情的なコンテキスト（例：フラストレーション）。

【2222】

ステップ６：

【2223】

サーバが感情的なコンテキストに基づいて、関連する文書や資料を再ソートし、必要に応じて詳細な説明や動画を追加する。

【2224】

入力：感情的なコンテキストと関連する文書や資料のリスト。

【2225】

データ演算：感情的なコンテキストに基づいて文書や資料を再ソートし、詳細な説明や動画を追加する。

【2226】

出力：再ソートされた文書や資料のリストと追加の説明や動画。

【2227】

ステップ７：

【2228】

サーバが再ソートされた文書や資料のリストと追加の説明や動画を端末に送信し、端末がユーザに提供する。

【2229】

入力：再ソートされた文書や資料のリストと追加の説明や動画。

【2230】

出力：端末がユーザに再ソートされた文書や資料と追加の説明や動画を表示する。

【2231】

（実施例３）

【2232】

【2233】

【2234】

【2235】

【2236】

【2237】

【2238】

「提供する手段」とは、検索結果を従業員に表示し、必要な文書や資料にアクセスできるようにする機能である。

【2239】

【2240】

「機械学習モデル」とは、データを基にして学習し、自然言語処理エンジンが質問やキーワードを解析する際に使用するアルゴリズムである。

【2241】

「カテゴリ分け」とは、文書や資料を特定の基準に基づいて分類し、整理するプロセスである。

【2242】

「フォルダやディレクトリ」とは、文書や資料を格納するためのデジタルな保存場所である。

【2243】

発明を実施するための形態

【2244】

【2245】

システムの構成

【2246】

【2247】

使用するハードウェアおよびソフトウェア

【2248】

自然言語処理エンジン: Google Cloud Natural Language APIなどの自然言語処理ソフトウェアを使用する。

【2249】

感情エンジン: IBM Watson Tone Analyzerなどの感情解析ソフトウェアを使用する。

【2250】

データベース: 文書や資料を格納するためのデータベースシステムを使用する。具体的には、SQLデータベースやNoSQLデータベースが考えられる。

【2251】

データ加工およびデータ演算

【2252】

【2253】

【2254】

具体例

【2255】

ユーザが端末に「最新の営業報告書が見つからない」と入力した場合、以下のように処理が進行する。

【2256】

1. ユーザが端末に「最新の営業報告書が見つからない」と入力する。

【2257】

2. 端末がこの入力をHTTPリクエストでサーバに送信する。

【2258】

3. サーバがGoogle Cloud Natural Language APIを使用して「最新の営業報告書」をキーワードとして解析する。

【2259】

4. サーバがIBM Watson Tone Analyzerを使用して「見つからない」というフレーズからユーザのフラストレーションを認識する。

【2260】

5. サーバがデータベースから「営業報告書」に関連する文書を検索する。

【2261】

6. サーバが検索結果を「営業報告書」フォルダに自動的に格納する。

【2262】

7. サーバが整理された文書のリンクを生成し、端末に返送する。

【2263】

8. ユーザが端末を通じて返送されたリンクをクリックし、整理された「営業報告書」にアクセスする。

【2264】

プロンプト文の例

【2265】

「最新の営業報告書が見つからない。関連する文書を検索し、営業報告書フォルダに整理してください。」

【2266】

【2267】

ステップ１：

【2268】

【2269】

ステップ２：

【2270】

【2271】

ステップ３：

【2272】

【2273】

ステップ４：

【2274】

【2275】

ステップ５：

【2276】

【2277】

ステップ６：

【2278】

【2279】

ステップ７：

【2280】

【2281】

ステップ８：

【2282】

【2283】

（応用例３）

【2284】

【2285】

【2286】

応用例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2287】

【2288】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するための技術である。

【2289】

「感情解析エンジン」とは、従業員の入力に基づいて感情的なコンテキストを解析し、より関連性の高い文書や資料を提供するための技術である。

【2290】

「検索結果」とは、自然言語処理エンジンによって検索された文書や資料の集合である。

【2291】

【2292】

「フォルダやディレクトリ」とは、文書や資料を整理・保管するためのデジタルな保存場所である。

【2293】

「従業員」とは、システムを利用して文書や資料を検索・整理するユーザーを指す。

【2294】

「機械学習モデル」とは、データを基に学習し、自然言語処理エンジンや感情解析エンジンの性能を向上させるためのアルゴリズムである。

【2295】

「文書や資料」とは、業務に関連する情報が記載されたテキストやデジタルファイルの総称である。

【2296】

【2297】

システム構成

【2298】

【2299】

使用するハードウェアおよびソフトウェア

【2300】

ハードウェア: スマートフォン、サーバ

【2301】

ソフトウェア: Python、Transformersライブラリ

【2302】

データ加工およびデータ演算

【2303】

【2304】

具体例

【2305】

【2306】

プロンプト文の例

【2307】

「最新の営業報告書が見つからない」

【2308】

【2309】

応用例３における特定処理の流れについて図２２を用いて説明する。

【2310】

ステップ１：

【2311】

ユーザがスマートフォンを使用して質問やキーワードを入力する。

【2312】

入力：ユーザが入力した質問やキーワード（例：「最新の営業報告書が見つからない」）

【2313】

出力：入力されたテキストデータ

【2314】

ステップ２：

【2315】

サーバが入力されたテキストデータを受信し、自然言語処理エンジンに渡す。

【2316】

入力：ユーザから受信したテキストデータ

【2317】

出力：自然言語処理エンジンに渡されるテキストデータ

【2318】

ステップ３：

【2319】

自然言語処理エンジンがテキストデータを解析し、関連する文書や資料をデータベースから検索する。

【2320】

入力：自然言語処理エンジンに渡されたテキストデータ

【2321】

出力：関連する文書や資料のリスト

【2322】

ステップ４：

【2323】

サーバが感情解析エンジンにテキストデータを渡し、感情的なコンテキストを解析する。

【2324】

入力：自然言語処理エンジンに渡されたテキストデータ

【2325】

出力：感情解析結果（例：フラストレーション）

【2326】

ステップ５：

【2327】

感情解析エンジンの結果を基に、サーバが関連性の高い文書や資料を選定する。

【2328】

入力：感情解析結果および関連する文書や資料のリスト

【2329】

出力：関連性の高い文書や資料のリスト

【2330】

ステップ６：

【2331】

サーバが関連性の高い文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【2332】

入力：関連性の高い文書や資料のリスト

【2333】

出力：カテゴリ分けされた文書や資料が格納されたフォルダやディレクトリ

【2334】

ステップ７：

【2335】

サーバがユーザに検索結果を提供し、関連する文書や資料がどのフォルダに格納されたかを通知する。

【2336】

入力：カテゴリ分けされた文書や資料の情報

【2337】

出力：ユーザに提供される検索結果およびフォルダ情報

【2338】

特定処理部２９０は、特定処理の結果をヘッドセット型端末３１４に送信する。ヘッドセット型端末３１４では、制御部４６Ａが、スピーカ２４０及びディスプレイ３４３に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

【2339】

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴ（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）等の生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、及び画像を示す画像データ等の推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ及びテキストデータ等のデータ形式で出力する。ここで、推論とは、例えば、分析、分類、予測、及び／又は要約等を指す。

【2340】

生成AIの他の例としては、Gemini（インターネット検索＜URL: https://gemini.google.com/?hl=ja＞）が挙げられる。

【2341】

上記実施形態では、データ処理装置１２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、ヘッドセット型端末３１４によって特定処理が行われるようにしてもよい。

【2342】

［第４実施形態］

【2343】

図７には、第４実施形態に係るデータ処理システム４１０の構成の一例が示されている。

【2344】

図７に示すように、データ処理システム４１０は、データ処理装置１２及びロボット４１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

【2345】

【2346】

ロボット４１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、通信Ｉ／Ｆ４４、及び制御対象４４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、及びストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、及びストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、カメラ４２、及び制御対象４４３も、バス５２に接続されている。

【2347】

【2348】

【2349】

【2350】

制御対象４４３は、表示装置、目部のＬＥＤ、並びに、腕、手及び足等を駆動するモータ等を含む。ロボット４１４の姿勢や仕草は、腕、手及び足等のモータを制御することにより制御される。ロボット４１４の感情の一部は、これらのモータを制御することにより表現できる。また、ロボット４１４の目部のＬＥＤの発光状態を制御することによっても、ロボット４１４の表情を表現できる。

【2351】

図８には、データ処理装置１２及びロボット４１４の要部機能の一例が示されている。図８に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

【2352】

【2353】

【2354】

ロボット４１４では、プロセッサ４６によって受付出力処理が行われる。ストレージ５０には、受付出力プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から受付出力プログラム６０を読み出し、読み出した受付出力プログラム６０をＲＡＭ４８上で実行する。受付出力処理は、プロセッサ４６がＲＡＭ４８上で実行する受付出力プログラム６０に従って、制御部４６Ａとして動作することによって実現される。

【2355】

次に、データ処理装置１２の特定処理部２９０による特定処理について説明する。

【2356】

「形態例１」

【2357】

【2358】

「形態例２」

【2359】

【2360】

「形態例３」

【2361】

【2362】

以下に、各形態例の処理の流れについて説明する。

【2363】

「形態例１」

【2364】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。例えば、「最新の営業報告書」などといったキーワードを入力する。

【2365】

【2366】

【2367】

「形態例２」

【2368】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。例えば、「最新の営業報告書」などといったキーワードを入力する。

【2369】

【2370】

【2371】

【2372】

（実施例１）

【2373】

次に、形態例１の実施例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2374】

【2375】

実施例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2376】

【2377】

「自然言語処理エンジン」とは、機械学習モデルを用いて人間の言語を解析し、意味を理解するためのソフトウェアである。

【2378】

「従業員」とは、企業や組織に所属し、業務を行う個人である。

【2379】

「質問」とは、従業員が情報を得るために入力する問い合わせ内容である。

【2380】

「キーワード」とは、従業員が特定の情報を検索するために入力する単語やフレーズである。

【2381】

「文書」とは、業務に関連する情報が記載されたテキストファイルやレポートなどの資料である。

【2382】

「資料」とは、業務に関連する情報が含まれるデータやドキュメントである。

【2383】

「検索する手段」とは、自然言語処理エンジンを用いて関連する文書や資料を特定するための方法である。

【2384】

「提供する手段」とは、検索結果を従業員に表示するための方法である。

【2385】

「整理する手段」とは、検索結果に基づいて文書や資料をカテゴリ分けし、適切なフォルダやディレクトリに格納する方法である。

【2386】

「端末」とは、従業員が使用するコンピュータやスマートフォンなどのデバイスである。

【2387】

「サーバ」とは、端末からのリクエストを受け取り、処理を行うコンピュータシステムである。

【2388】

「データベース」とは、文書や資料が格納されている情報の集合体である。

【2389】

「解析する手段」とは、自然言語処理エンジンを用いてキーワードの意味を理解し、関連する情報を抽出する方法である。

【2390】

「検索結果」とは、自然言語処理エンジンによって特定された関連する文書や資料のリストである。

【2391】

「表示する手段」とは、端末に検索結果を視覚的に示す方法である。

【2392】

【2393】

使用するハードウェアおよびソフトウェア

【2394】

ハードウェア

【2395】

サーバ: 高性能なコンピュータシステムであり、データベースの管理や自然言語処理エンジンの実行を行う。

【2396】

端末: 従業員が使用するコンピュータやスマートフォンなどのデバイスである。

【2397】

ソフトウェア

【2398】

自然言語処理エンジン: 機械学習モデル（例えば、BERTやGPT-3など）を使用して、従業員の質問やキーワードを解析する。

【2399】

データベース: 文書や資料が格納されている情報の集合体であり、例えばMySQLなどが使用される。

【2400】

データ加工およびデータ演算

【2401】

【2402】

具体例

【2403】

具体例として、従業員が「最新の営業報告書」を入力した場合を考える。この場合、サーバは以下のような処理を行う。

【2404】

1. ユーザが端末の入力フィールドに「最新の営業報告書」と入力する。

【2405】

2. 端末がHTTP POSTリクエストを使用して、キーワードをサーバに送信する。

【2406】

3. サーバがキーワードを自然言語処理エンジンに渡す。

【2407】

4. 自然言語処理エンジンがBERTモデルを使用して「最新の営業報告書」を解析する。

【2408】

5. サーバが解析結果を基に、MySQLデータベースを検索し、最新の営業報告書を特定する。

【2409】

6. サーバが検索結果をJSON形式で端末に返す。

【2410】

7. 端末が検索結果をユーザに表示し、ユーザが最新の営業報告書を閲覧できるようにする。

【2411】

プロンプト文の例

【2412】

以下は、ユーザが入力するプロンプト文の例である。

【2413】

「最新の営業報告書を表示してください。」

【2414】

「2023年の売上データを教えてください。」

【2415】

「新製品のマーケティング資料を探してください。」

【2416】

このようにして、ユーザは簡単に必要な情報を取得することができる。

【2417】

実施例１における特定処理の流れについて図１１を用いて説明する。

【2418】

ステップ１：

【2419】

ユーザが端末からキーワードを入力する。

【2420】

【2421】

入力：ユーザが入力したキーワード（例：「最新の営業報告書」）

【2422】

出力：端末に保存されたキーワード

【2423】

ステップ２：

【2424】

端末が入力されたキーワードをサーバに送信する。

【2425】

【2426】

入力：端末に保存されたキーワード

【2427】

出力：サーバに送信されたキーワード

【2428】

ステップ３：

【2429】

サーバがキーワードを自然言語処理エンジンに渡す。

【2430】

【2431】

入力：サーバに送信されたキーワード

【2432】

出力：自然言語処理エンジンに渡されたキーワード

【2433】

ステップ４：

【2434】

自然言語処理エンジンがキーワードを解析する。

【2435】

【2436】

入力：自然言語処理エンジンに渡されたキーワード

【2437】

出力：解析結果（関連する文書や資料の情報）

【2438】

ステップ５：

【2439】

サーバが解析結果を基にデータベースを検索する。

【2440】

【2441】

入力：解析結果

【2442】

出力：データベースから取得された検索結果（関連する文書や資料）

【2443】

ステップ６：

【2444】

サーバが検索結果を端末に返す。

【2445】

具体的な動作として、サーバはデータベースから取得した検索結果をJSON形式などで端末に返す。HTTPレスポンスとして送信される。

【2446】

入力：データベースから取得された検索結果

【2447】

出力：端末に送信された検索結果

【2448】

ステップ７：

【2449】

端末が検索結果をユーザに表示する。

【2450】

【2451】

入力：端末に送信された検索結果

【2452】

出力：ユーザに表示された検索結果（関連する文書や資料）

【2453】

（応用例１）

【2454】

次に、形態例１の応用例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2455】

【2456】

応用例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2457】

【2458】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【2459】

「機械学習モデル」とは、データを基にして学習し、質問やキーワードの解析を行うアルゴリズムである。

【2460】

「データベース」とは、関連する情報を効率的に検索・取得するために構造化されたデータの集合である。

【2461】

「スマートフォン」とは、音声やテキストで入力された質問を解析し、検索結果を表示するための携帯型電子機器である。

【2462】

「検索結果」とは、自然言語処理エンジンが解析した質問やキーワードに基づいてデータベースから取得された関連情報である。

【2463】

「文書や資料」とは、従業員が必要とする情報を含むテキストやデータの集合である。

【2464】

【2465】

「音声やテキストで入力した質問」とは、従業員がスマートフォンを通じて音声またはテキスト形式で入力する問い合わせ内容である。

【2466】

「関連する情報」とは、従業員の質問やキーワードに対してデータベースから検索される必要なデータや資料である。

【2467】

【2468】

システムの構成

【2469】

【2470】

【2471】

【2472】

【2473】

システムの動作

【2474】

【2475】

【2476】

【2477】

【2478】

具体例

【2479】

【2480】

他のプロンプト文の例として、「最新の配送スケジュールを教えて」や「倉庫内の物品の位置を教えて」といった質問が考えられる。

【2481】

このシステムにより、従業員は必要な情報を迅速に取得し、業務効率を向上させることが可能となる。

【2482】

応用例１における特定処理の流れについて図１２を用いて説明する。

【2483】

ステップ１：

【2484】

ユーザがスマートフォンを用いて音声またはテキスト形式で質問を入力する。

【2485】

入力：ユーザの音声またはテキスト形式の質問（例：「最新の在庫状況を教えて」）

【2486】

出力：スマートフォンに入力された質問データ

【2487】

【2488】

ステップ２：

【2489】

サーバは、自然言語処理エンジンを用いてユーザの入力を解析し、キーワードを抽出する。

【2490】

入力：ユーザの質問データ（テキスト形式）

【2491】

出力：抽出されたキーワード（例：「在庫状況」、「最新」）

【2492】

【2493】

ステップ３：

【2494】

サーバは、抽出されたキーワードに基づいてデータベースを検索し、関連する文書や資料を取得する。

【2495】

入力：抽出されたキーワード（例：「在庫状況」、「最新」）

【2496】

出力：関連する文書や資料（例：最新の在庫情報が含まれる文書）

【2497】

【2498】

ステップ４：

【2499】

サーバは、検索結果をスマートフォンに送信し、ユーザに表示する。

【2500】

入力：関連する文書や資料（例：最新の在庫情報が含まれる文書）

【2501】

出力：スマートフォンに表示される検索結果

【2502】

【2503】

ステップ５：

【2504】

ユーザは、スマートフォンに表示された検索結果を確認し、必要な情報を取得する。

【2505】

入力：スマートフォンに表示された検索結果

【2506】

出力：ユーザが取得した必要な情報（例：最新の在庫情報）

【2507】

【2508】

（実施例２）

【2509】

次に、形態例２の実施例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2510】

【2511】

実施例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2512】

【2513】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【2514】

「検索する手段」とは、従業員の質問やキーワードに基づいてデータベース内の文書や資料を探し出す機能である。

【2515】

「提供する手段」とは、検索結果を従業員に表示するための機能である。

【2516】

「並べ替える手段」とは、検索結果を関連度の高い順に整理するための機能である。

【2517】

「生成する手段」とは、検索結果を一覧形式で整形するための機能である。

【2518】

「表示する手段」とは、生成された検索結果を従業員の端末に表示するための機能である。

【2519】

「機械学習モデル」とは、データを基にして質問やキーワードの解析を行うアルゴリズムである。

【2520】

【2521】

発明を実施するための形態

【2522】

【2523】

システムの構成

【2524】

【2525】

使用するハードウェアおよびソフトウェア

【2526】

【2527】

【2528】

【2529】

システムの動作

【2530】

1. ユーザが検索クエリを入力する

【2531】

ユーザは端末の検索バーに必要な情報を入力する。例えば、「プロジェクト報告書」と入力する。

【2532】

2. 端末が検索クエリをサーバに送信する

【2533】

端末はユーザが入力した検索クエリをサーバに送信する。HTTPリクエストを使用してクエリを送信する。

【2534】

3. サーバが検索クエリを受信し、Elasticsearchに問い合わせを行う

【2535】

サーバは端末から受信した検索クエリを解析し、Elasticsearchに対して検索リクエストを送信する。

【2536】

4. サーバがElasticsearchから検索結果を受け取る

【2537】

サーバはElasticsearchから返された検索結果を受信する。検索結果には関連する文書や資料の情報が含まれている。

【2538】

5. サーバが検索結果を関連度の高い順に並べ替える

【2539】

サーバは受信した検索結果を関連度の高い順に並べ替える。Elasticsearchのスコアリング機能を使用して関連度を評価する。

【2540】

6. サーバが検索結果を一覧形式で生成する

【2541】

サーバは並べ替えた検索結果をHTML形式で一覧に整形する。

【2542】

7. サーバが生成した検索結果を端末に送信する

【2543】

サーバは生成したHTML形式の検索結果を端末に送信する。HTTPレスポンスを使用して結果を送信する。

【2544】

8. 端末が検索結果をユーザに表示する

【2545】

端末は受信したHTMLをウェブブラウザで表示し、ユーザに検索結果を一覧形式で見せる。

【2546】

9. ユーザが必要な文書や資料を選択する

【2547】

ユーザは表示された検索結果から必要な文書や資料を選択する。選択した文書をクリックすることで詳細を表示する。

【2548】

具体例

【2549】

【2550】

プロンプト文の例

【2551】

プロンプト文の例としては、以下のようなものが考えられる。

【2552】

プロンプト文: 「プロジェクト報告書を検索してください」

【2553】

このプロンプト文を生成AIモデルに入力すると、AIモデルは従業員が必要とするプロジェクト報告書を迅速に見つけるための検索結果を提供する。

【2554】

実施例２における特定処理の流れについて図１３を用いて説明する。

【2555】

ステップ１：

【2556】

ユーザが検索クエリを入力する。

【2557】

【2558】

ステップ２：

【2559】

端末が検索クエリをサーバに送信する。

【2560】

【2561】

ステップ３：

【2562】

サーバが検索クエリを受信し、Elasticsearchに問い合わせを行う。

【2563】

【2564】

ステップ４：

【2565】

サーバがElasticsearchから検索結果を受け取る。

【2566】

【2567】

ステップ５：

【2568】

サーバが検索結果を関連度の高い順に並べ替える。

【2569】

【2570】

ステップ６：

【2571】

サーバが検索結果を一覧形式で生成する。

【2572】

【2573】

ステップ７：

【2574】

サーバが生成した検索結果を端末に送信する。

【2575】

サーバは生成したHTML形式の検索結果をHTTPレスポンスとして端末に送信する。入力はHTML形式の検索結果、出力は端末に送信された検索結果である。

【2576】

ステップ８：

【2577】

端末が検索結果をユーザに表示する。

【2578】

【2579】

ステップ９：

【2580】

ユーザが必要な文書や資料を選択する。

【2581】

【2582】

（応用例２）

【2583】

次に、形態例２の応用例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2584】

【2585】

応用例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2586】

【2587】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【2588】

「検索結果を提供する手段」とは、検索された文書や資料を従業員に表示するための機能である。

【2589】

【2590】

【2591】

【2592】

【2593】

システムの構成

【2594】

このシステムは、以下の主要なコンポーネントから構成される：

【2595】

1. サーバ：自然言語処理エンジンと機械学習モデルを搭載し、従業員の質問やキーワードを解析する。

【2596】

2. スマートフォン：従業員が使用する端末で、検索クエリを入力し、検索結果を表示する。

【2597】

3. データベース：在庫情報や配送情報を格納する。

【2598】

プログラムの処理

【2599】

サーバは、以下のように動作する：

【2600】

1. 自然言語処理エンジン：従業員がスマートフォンから入力した質問やキーワードを解析し、関連する文書や資料を検索する。

【2601】

2. 機械学習モデル：質問やキーワードの解析に基づいて、関連度の高い順に検索結果を生成する。

【2602】

3. 検索結果の提供：検索結果をスマートフォンに送信し、従業員に提供する。

【2603】

4. データ整理：検索結果に基づいて文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【2604】

5. 在庫情報や配送情報の表示：在庫データや配送データを関連度の高い順に並べ替えて表示する。

【2605】

使用するハードウェアおよびソフトウェア

【2606】

ハードウェア：スマートフォン、サーバ

【2607】

ソフトウェア：Python、Pandas、Scikit-learn、自然言語処理エンジン（例：SpaCy）

【2608】

具体例

【2609】

従業員が「在庫不足の商品」を検索する場合、以下のようにシステムが動作する：

【2610】

1. 従業員がスマートフォンに「在庫不足の商品」と入力する。

【2611】

2. サーバの自然言語処理エンジンがこのクエリを解析し、関連する在庫情報を検索する。

【2612】

3. 機械学習モデルが関連度の高い順に検索結果を生成する。

【2613】

4. 検索結果がスマートフォンに表示され、従業員は在庫不足の商品リストを確認できる。

【2614】

プロンプト文の例

【2615】

検索クエリ: "在庫不足の商品"

【2616】

このようにして、物流センターの従業員は必要な情報を迅速に検索し、業務効率を向上させることができる。

【2617】

応用例２における特定処理の流れについて図１４を用いて説明する。

【2618】

ステップ１：

【2619】

ユーザがスマートフォンに検索クエリを入力する。

【2620】

入力：ユーザがスマートフォンに「在庫不足の商品」と入力する。

【2621】

出力：検索クエリがサーバに送信される。

【2622】

具体的な動作：ユーザがスマートフォンの検索バーに「在庫不足の商品」と入力し、検索ボタンを押す。

【2623】

ステップ２：

【2624】

サーバが自然言語処理エンジンを用いて検索クエリを解析する。

【2625】

入力：スマートフォンから送信された検索クエリ「在庫不足の商品」。

【2626】

出力：解析されたクエリデータ。

【2627】

具体的な動作：サーバの自然言語処理エンジン（例：SpaCy）が検索クエリをトークン化し、重要なキーワードを抽出する。

【2628】

ステップ３：

【2629】

サーバが機械学習モデルを用いて関連する文書や資料を検索する。

【2630】

入力：解析されたクエリデータ。

【2631】

出力：関連する文書や資料のリスト。

【2632】

【2633】

ステップ４：

【2634】

サーバが検索結果をスマートフォンに送信する。

【2635】

入力：関連する文書や資料のリスト。

【2636】

出力：スマートフォンに表示される検索結果。

【2637】

具体的な動作：サーバが関連する文書や資料のリストをスマートフォンに送信し、ユーザに表示する。

【2638】

ステップ５：

【2639】

ユーザがスマートフォンで検索結果を確認する。

【2640】

入力：スマートフォンに表示された検索結果。

【2641】

出力：ユーザが必要な情報を確認する。

【2642】

具体的な動作：ユーザがスマートフォンの画面に表示された検索結果をスクロールし、必要な在庫情報や配送情報を確認する。

【2643】

ステップ６：

【2644】

サーバが検索結果に基づいて文書や資料を整理する。

【2645】

入力：関連する文書や資料のリスト。

【2646】

出力：カテゴリ分けされた文書や資料。

【2647】

【2648】

ステップ７：

【2649】

サーバが在庫情報や配送情報を関連度の高い順に表示する。

【2650】

入力：関連する在庫情報や配送情報。

【2651】

出力：関連度の高い順に並べ替えられた在庫情報や配送情報。

【2652】

具体的な動作：サーバが在庫データや配送データを関連度の高い順に並べ替え、ユーザに表示する。

【2653】

（実施例３）

【2654】

次に、形態例３の実施例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2655】

【2656】

【2657】

「自然言語処理エンジン」とは、自然言語を解析し、意味を理解するためのソフトウェアである。

【2658】

「従業員」とは、企業や組織に所属し、業務を行う個人である。

【2659】

「質問やキーワード」とは、従業員が情報を検索する際に使用する入力データである。

【2660】

「関連する情報」とは、従業員の質問やキーワードに基づいて検索された文書や資料である。

【2661】

「検索する手段」とは、従業員の質問やキーワードを基に関連する情報を取得するための方法や技術である。

【2662】

「提供する手段」とは、検索結果を従業員に表示するための方法や技術である。

【2663】

「解析し、カテゴリ分けする手段」とは、検索結果を解析し、特定のカテゴリに分類するための方法や技術である。

【2664】

「フォルダやディレクトリ」とは、コンピュータ内で情報を整理するための仮想的な収納場所である。

【2665】

「自動的に格納する手段」とは、解析された情報を対応するフォルダやディレクトリに自動的に移動させるための方法や技術である。

【2666】

「機械学習モデル」とは、データを基に学習し、予測や分類を行うためのアルゴリズムである。

【2667】

この発明は、従業員が必要な情報を効率的に検索し、整理するためのシステムである。以下に、このシステムの具体的な実施形態を説明する。

【2668】

システムの構成

【2669】

このシステムは、サーバ、端末、ユーザの三つの主要な要素から構成される。

【2670】

1. サーバ:

【2671】

【2672】

2. 端末:

【2673】

【2674】

3. ユーザ:

【2675】

【2676】

システムの動作

【2677】

1. ユーザによる検索クエリの入力:

【2678】

ユーザは、端末の検索バーに質問やキーワードを入力する。例えば、「2023年の営業報告書」と入力する。

【2679】

2. サーバによる検索結果の取得:

【2680】

サーバは、ユーザが入力した検索クエリを受け取り、Apache SolrやElasticsearchを使用してデータベースから関連する情報を取得する。

【2681】

3. サーバによる検索結果の解析とカテゴリ分け:

【2682】

【2683】

4. サーバによるカテゴリごとのフォルダへの格納:

【2684】

【2685】

5. ユーザによる整理された情報の確認:

【2686】

ユーザは、端末を使用して整理されたフォルダを確認する。例えば、「営業報告書」フォルダを開き、必要な情報を閲覧することができる。

【2687】

具体例とプロンプト文の例

【2688】

具体例:

【2689】

ユーザが「2023年の営業報告書」を検索する場合の具体的な動作は以下の通りである。

【2690】

1. ユーザ: 端末の検索バーに「2023年の営業報告書」と入力し、検索ボタンをクリックする。

【2691】

2. サーバ: 検索クエリを受け取り、Apache Solrを使用してデータベースから関連する情報を取得する。

【2692】

3. サーバ: 取得した情報をGoogle Cloud Natural Language APIで解析し、「営業報告書」カテゴリに分類する。

【2693】

4. サーバ: 分類された情報をPythonのosモジュールを使用して「営業報告書」フォルダに移動させる。

【2694】

5. ユーザ: 端末で「営業報告書」フォルダを開き、必要な情報を確認する。

【2695】

プロンプト文の例:

【2696】

「2023年の営業報告書を検索し、関連する情報を営業報告書フォルダに自動的に格納してください。」

【2697】

【2698】

ステップ１：ユーザによる検索クエリの入力

【2699】

【2700】

ステップ２：サーバによる検索結果の取得

【2701】

【2702】

ステップ３：サーバによる検索結果の解析とカテゴリ分け

【2703】

【2704】

ステップ４：サーバによるカテゴリごとのフォルダへの格納

【2705】

【2706】

ステップ５：ユーザによる整理された情報の確認

【2707】

【2708】

このシステムにより、ユーザは必要な情報を効率的に検索し、整理することができる。

【2709】

（応用例３）

【2710】

次に、形態例３の応用例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2711】

【2712】

応用例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2713】

【2714】

「自然言語処理エンジン」とは、自然言語を解析し、質問やキーワードから関連する情報を検索するためのソフトウェアである。

【2715】

「従業員」とは、企業や組織に所属し、業務を遂行する人々を指す。

【2716】

「検索する手段」とは、特定の情報を見つけ出すための方法や技術を指す。

【2717】

「提供する手段」とは、検索結果をユーザーに表示したり、アクセス可能にするための方法や技術を指す。

【2718】

「整理する手段」とは、文書や資料を特定の基準に基づいて分類し、管理するための方法や技術を指す。

【2719】

「光学文字認識技術」とは、画像から文字情報を抽出するための技術である。

【2720】

「画像」とは、視覚的な情報を含むデジタルファイルを指す。

【2721】

「テキスト」とは、文字情報を含むデジタルデータを指す。

【2722】

「カテゴリ分け」とは、特定の基準に基づいて情報を分類することを指す。

【2723】

「フォルダ」とは、デジタルデータを整理するための仮想的なコンテナを指す。

【2724】

「クラウドストレージ」とは、インターネットを通じてデータを保存するためのリモートサーバを指す。

【2725】

「アップロード」とは、ローカルデバイスからリモートサーバにデータを転送することを指す。

【2726】

【2727】

【2728】

【2729】

【2730】

プロンプト文の例としては、以下のようなものが考えられる。

【2731】

【2732】

このようにして、文書や資料の効率的な検索、整理、デジタル化およびクラウドストレージへの自動アップロードが可能となる。

【2733】

応用例３における特定処理の流れについて図１６を用いて説明する。

【2734】

ステップ１：

【2735】

ユーザがスマートフォンのカメラで文書を撮影する。

【2736】

入力：紙ベースの文書

【2737】

出力：デジタル画像ファイル

【2738】

具体的な動作：ユーザはスマートフォンのカメラアプリを起動し、文書を撮影する。撮影された画像はスマートフォン内に保存される。

【2739】

ステップ２：

【2740】

端末が光学文字認識技術（OCR）を用いて画像からテキストを抽出する。

【2741】

入力：デジタル画像ファイル

【2742】

出力：抽出されたテキストデータ

【2743】

具体的な動作：端末は保存された画像ファイルをOCRソフトウェアに入力し、画像内の文字情報をテキストデータとして抽出する。

【2744】

ステップ３：

【2745】

端末が抽出されたテキストを解析し、カテゴリ分けを行う。

【2746】

入力：抽出されたテキストデータ

【2747】

出力：カテゴリ情報

【2748】

【2749】

ステップ４：

【2750】

端末がカテゴリに基づいて文書を対応するフォルダに自動的に格納する。

【2751】

入力：カテゴリ情報、デジタル画像ファイル

【2752】

出力：フォルダに格納された文書

【2753】

具体的な動作：端末は決定されたカテゴリに基づいて、デジタル画像ファイルを対応するフォルダに移動またはコピーする。

【2754】

ステップ５：

【2755】

端末が文書をクラウドストレージにアップロードする。

【2756】

入力：フォルダに格納された文書

【2757】

出力：クラウドストレージに保存された文書

【2758】

【2759】

ステップ６：

【2760】

サーバが自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する。

【2761】

入力：従業員の質問やキーワード

【2762】

出力：関連する文書や資料の検索結果

【2763】

【2764】

【2765】

「形態例１」

【2766】

【2767】

「形態例２」

【2768】

【2769】

「形態例３」

【2770】

【2771】

以下に、各形態例の処理の流れについて説明する。

【2772】

「形態例１」

【2773】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。

【2774】

ステップ２：自然言語処理エンジンがこのキーワードを解析し、関連する文書や資料をデータベースから検索する。

【2775】

ステップ３：感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。

【2776】

ステップ４：感情エンジンの解析結果を自然言語処理エンジンが利用し、より関連性の高い文書や資料を提供する。

【2777】

「形態例２」

【2778】

ステップ１：従業員がシステムに対して質問やキーワードを入力する。

【2779】

ステップ２：感情エンジンが従業員の質問やキーワードの感情的なコンテキストを解析する。

【2780】

【2781】

（実施例１）

【2782】

次に、形態例１の実施例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2783】

【2784】

実施例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2785】

【2786】

【2787】

【2788】

「感情エンジン」とは、従業員の質問やキーワードに含まれる感情的なコンテキストを解析し、その感情を認識するためのソフトウェアである。

【2789】

【2790】

「データベース」とは、文書や資料を効率的に保存、検索、管理するための情報システムである。

【2791】

【2792】

「カテゴリ分け」とは、検索結果に基づいて文書や資料を特定のテーマや属性に応じて分類するプロセスである。

【2793】

「フォルダやディレクトリ」とは、文書や資料を整理して保存するためのコンピュータ上の仮想的な収納場所である。

【2794】

「従業員」とは、システムを利用して業務を遂行するために質問やキーワードを入力するユーザである。

【2795】

発明を実施するための形態

【2796】

【2797】

使用するハードウェアおよびソフトウェア

【2798】

サーバ

【2799】

サーバは、以下のソフトウェアを使用してシステムの主要な処理を行う：

【2800】

自然言語処理エンジン（例：BERT、GPT-3）

【2801】

感情エンジン（例：感情解析API）

【2802】

データベース管理システム（例：MySQL、PostgreSQL）

【2803】

端末

【2804】

端末は、従業員が質問やキーワードを入力するためのインターフェースを提供する。端末は、以下のソフトウェアを使用する：

【2805】

ウェブブラウザまたは専用アプリケーション

【2806】

HTTPクライアントライブラリ

【2807】

ユーザ

【2808】

ユーザ（従業員）は、システムに対して質問やキーワードを入力し、検索結果を確認する。

【2809】

データ加工およびデータ演算

【2810】

自然言語処理エンジン

【2811】

【2812】

感情エンジン

【2813】

【2814】

データベース検索

【2815】

【2816】

結果の提供と整理

【2817】

【2818】

具体例

【2819】

【2820】

プロンプト文の例

【2821】

「従業員がシステムに対して『最新の営業報告書が見つからない』と入力した場合、システムはどのように応答するか説明してください。」

【2822】

このプロンプト文を生成AIモデルに入力することで、システムの動作を詳細に説明する応答が得られる。

【2823】

実施例１における特定処理の流れについて図１７を用いて説明する。

【2824】

ステップ１：

【2825】

ユーザが質問やキーワードを入力する。

【2826】

【2827】

ステップ２：

【2828】

端末が入力をサーバに送信する。

【2829】

【2830】

ステップ３：

【2831】

サーバが自然言語処理エンジンで入力を解析する。

【2832】

【2833】

ステップ４：

【2834】

サーバが感情エンジンで感情的なコンテキストを解析する。

【2835】

【2836】

ステップ５：

【2837】

サーバがデータベースから関連する文書や資料を検索する。

【2838】

【2839】

ステップ６：

【2840】

サーバが検索結果を端末に送信する。

【2841】

【2842】

ステップ７：

【2843】

端末が検索結果をユーザに表示する。

【2844】

【2845】

（応用例１）

【2846】

次に、形態例１の応用例１について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2847】

【2848】

応用例１におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2849】

【2850】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【2851】

「機械学習モデル」とは、データを基にして学習し、従業員の質問やキーワードの解析を行うアルゴリズムである。

【2852】

「感情解析エンジン」とは、従業員の質問やキーワードの感情的なコンテキストを解析するためのソフトウェアである。

【2853】

「文書や資料」とは、工場内で使用されるマニュアル、作業指示書、報告書などの情報を含むものである。

【2854】

「検索結果」とは、自然言語処理エンジンによって検索された関連する文書や資料のリストである。

【2855】

「カテゴリ分け」とは、検索結果に基づいて文書や資料を特定のカテゴリに分類するプロセスである。

【2856】

「フォルダやディレクトリ」とは、文書や資料を整理して格納するためのデジタルな保存場所である。

【2857】

「追加のサポート」とは、感情解析エンジンによって解析された感情的なコンテキストに基づいて提供される励ましの言葉や補助的な情報である。

【2858】

【2859】

【2860】

【2861】

【2862】

具体例として、以下のプロンプト文の例を示す。

【2863】

従業員: 「最新の作業指示書を見せて」

【2864】

ロボット: 「最新の作業指示書を検索しています。少々お待ちください。」

【2865】

（データベース検索後）

【2866】

ロボット: 「こちらが最新の作業指示書です。画面に表示しました。」

【2867】

また、感情解析の具体例としては、以下のようなやり取りが考えられる。

【2868】

従業員: 「作業指示書が見つからない、どうすればいい？」

【2869】

ロボット: 「作業指示書が見つからず、困っているのですね。すぐに検索しますので、少々お待ちください。」

【2870】

（データベース検索後）

【2871】

ロボット: 「こちらが最新の作業指示書です。画面に表示しました。何か他にお手伝いできることはありますか？」

【2872】

このようにして、従業員は必要な情報を迅速かつ正確に取得できるだけでなく、感情的なサポートも受けることが可能となる。

【2873】

応用例１における特定処理の流れについて図１８を用いて説明する。

【2874】

ステップ１：

【2875】

ユーザがロボットに対して音声で質問やキーワードを入力する。

【2876】

入力：ユーザの音声入力

【2877】

出力：音声データ

【2878】

具体的な動作：ユーザが「最新の作業指示書を見せて」とロボットに話しかける。

【2879】

ステップ２：

【2880】

ロボットの内蔵マイクが音声をキャプチャし、音声認識ソフトウェア（例: Google Speech-to-Text API）でテキストに変換する。

【2881】

入力：音声データ

【2882】

出力：テキストデータ

【2883】

具体的な動作：ロボットがユーザの音声を録音し、その音声データをテキストに変換する。

【2884】

ステップ３：

【2885】

サーバが自然言語処理エンジン（例: spaCy、BERT）を用いて、変換されたテキストを解析し、キーワードや質問の意図を抽出する。

【2886】

入力：テキストデータ

【2887】

出力：抽出されたキーワードや意図

【2888】

具体的な動作：サーバが「最新の作業指示書を見せて」というテキストから「最新の作業指示書」というキーワードを抽出する。

【2889】

ステップ４：

【2890】

サーバが感情解析エンジン（例: IBM Watson Tone Analyzer）を用いて、テキストの感情的なコンテキストを解析する。

【2891】

入力：テキストデータ

【2892】

出力：感情解析結果

【2893】

具体的な動作：サーバが「作業指示書が見つからない」というテキストからフラストレーションを検出する。

【2894】

ステップ５：

【2895】

サーバが抽出されたキーワードを基に、データベースから関連する文書や資料を検索する。

【2896】

入力：抽出されたキーワード

【2897】

出力：検索結果（関連する文書や資料）

【2898】

具体的な動作：サーバが「最新の作業指示書」というキーワードを使ってデータベースを検索し、関連する文書を取得する。

【2899】

ステップ６：

【2900】

サーバが検索結果をディスプレイに表示し、音声でユーザに通知する。

【2901】

入力：検索結果

【2902】

出力：ディスプレイ表示および音声通知

【2903】

具体的な動作：サーバが「こちらが最新の作業指示書です。画面に表示しました。」と音声で通知し、ディスプレイに文書を表示する。

【2904】

ステップ７：

【2905】

サーバが感情解析の結果に基づいて、必要に応じて励ましの言葉や追加のサポートを提供する。

【2906】

入力：感情解析結果

【2907】

出力：追加のサポート（励ましの言葉など）

【2908】

具体的な動作：サーバが「作業指示書が見つからず、困っているのですね。すぐに検索しますので、少々お待ちください。」と音声で通知する。

【2909】

（実施例２）

【2910】

次に、形態例２の実施例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2911】

【2912】

実施例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2913】

【2914】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するためのソフトウェアである。

【2915】

「機械学習モデル」とは、データを基にしてパターンを学習し、予測や分類を行うアルゴリズムである。

【2916】

「感情解析エンジン」とは、従業員の入力したテキストから感情的なコンテキストを解析するためのソフトウェアである。

【2917】

「フォルダやディレクトリ」とは、文書や資料を整理・格納するためのデジタルな保存場所である。

【2918】

「検索結果」とは、従業員の質問やキーワードに基づいて検索エンジンが返す関連する文書や資料の一覧である。

【2919】

「従業員」とは、システムを使用して文書や資料を検索・整理するユーザである。

【2920】

「文書や資料」とは、従業員が業務上必要とする情報を含むデジタルファイルである。

【2921】

「感情的なコンテキスト」とは、従業員の入力したテキストから読み取れる感情や心理状態である。

【2922】

【2923】

【2924】

【2925】

【2926】

【2927】

プロンプト文の例としては、以下のようなものがある：

【2928】

「新製品のマーケティング資料を探している」

【2929】

「営業報告書が見つからない」

【2930】

「顧客のフィードバックをまとめた資料を探している」

【2931】

このようにして、サーバはユーザが必要とする情報を迅速かつ効率的に提供することができる。

【2932】

実施例２における特定処理の流れについて図１９を用いて説明する。

【2933】

ステップ１：

【2934】

ユーザが検索クエリを入力する。

【2935】

【2936】

ステップ２：

【2937】

端末が検索クエリをサーバに送信する。

【2938】

【2939】

ステップ３：

【2940】

サーバが検索エンジンを用いて検索結果を生成する。

【2941】

【2942】

ステップ４：

【2943】

サーバが感情解析エンジンを用いてユーザの感情を解析する。

【2944】

【2945】

ステップ５：

【2946】

サーバが検索結果を関連度の高い順に一覧形式で表示する。

【2947】

【2948】

ステップ６：

【2949】

サーバが感情に基づいて文書や資料を整理する。

【2950】

【2951】

ステップ７：

【2952】

ユーザが必要な文書や資料を選択する。

【2953】

【2954】

（応用例２）

【2955】

次に、形態例２の応用例２について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【2956】

【2957】

応用例２におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【2958】

【2959】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するための技術である。

【2960】

「検索結果」とは、自然言語処理エンジンによって検索された文書や資料の一覧である。

【2961】

「感情エンジン」とは、従業員の感情的なコンテキストを解析し、それに基づいて文書や資料を整理するための技術である。

【2962】

「感情的なコンテキスト」とは、従業員が入力した質問やキーワードから推測される感情の状態である。

【2963】

「ソート」とは、特定の基準に基づいて文書や資料を並べ替えることである。

【2964】

「詳細な説明」とは、文書や資料に対して追加の情報や具体的な手順を提供することである。

【2965】

「動画」とは、視覚的に情報を提供するための映像コンテンツである。

【2966】

「フォルダ」とは、文書や資料を整理するための仮想的な収納場所である。

【2967】

「ディレクトリ」とは、コンピュータシステムにおいてファイルやフォルダを整理するための構造である。

【2968】

【2969】

【2970】

【2971】

【2972】

生成AIモデルへ入力するプロンプト文の例は以下の通りである：

【2973】

【2974】

応用例２における特定処理の流れについて図２０を用いて説明する。

【2975】

ステップ１：

【2976】

ユーザが端末を通じて質問やキーワードを入力する。

【2977】

入力：ユーザが音声またはテキストで質問やキーワードを入力する。

【2978】

出力：端末が入力された質問やキーワードをサーバに送信する。

【2979】

ステップ２：

【2980】

サーバが自然言語処理エンジンを用いて、ユーザの質問やキーワードを解析する。

【2981】

入力：端末から送信された質問やキーワード。

【2982】

データ加工：自然言語処理エンジンが機械学習モデルを用いて、質問やキーワードの意味を解析する。

【2983】

出力：解析結果としてのキーワードやフレーズ。

【2984】

ステップ３：

【2985】

サーバが文書検索エンジンを用いて、解析結果に基づいて関連する文書や資料をデータベースから検索する。

【2986】

入力：自然言語処理エンジンの解析結果。

【2987】

データ演算：文書検索エンジンがデータベース内の文書や資料を検索し、関連度の高い順にリストアップする。

【2988】

出力：関連する文書や資料のリスト。

【2989】

ステップ４：

【2990】

サーバが検索結果を端末に送信し、端末がユーザに提供する。

【2991】

入力：関連する文書や資料のリスト。

【2992】

出力：端末がユーザに検索結果を表示する。

【2993】

ステップ５：

【2994】

サーバが感情エンジンを用いて、ユーザの入力から感情的なコンテキストを解析する。

【2995】

入力：ユーザの質問やキーワード。

【2996】

データ加工：感情エンジンがユーザの入力から感情を解析し、感情的なコンテキストを特定する。

【2997】

出力：感情的なコンテキスト（例：フラストレーション）。

【2998】

ステップ６：

【2999】

サーバが感情的なコンテキストに基づいて、関連する文書や資料を再ソートし、必要に応じて詳細な説明や動画を追加する。

【3000】

入力：感情的なコンテキストと関連する文書や資料のリスト。

【3001】

データ演算：感情的なコンテキストに基づいて文書や資料を再ソートし、詳細な説明や動画を追加する。

【3002】

出力：再ソートされた文書や資料のリストと追加の説明や動画。

【3003】

ステップ７：

【3004】

サーバが再ソートされた文書や資料のリストと追加の説明や動画を端末に送信し、端末がユーザに提供する。

【3005】

入力：再ソートされた文書や資料のリストと追加の説明や動画。

【3006】

出力：端末がユーザに再ソートされた文書や資料と追加の説明や動画を表示する。

【3007】

（実施例３）

【3008】

次に、形態例３の実施例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【3009】

【3010】

【3011】

【3012】

【3013】

【3014】

「提供する手段」とは、検索結果を従業員に表示し、必要な文書や資料にアクセスできるようにする機能である。

【3015】

【3016】

「機械学習モデル」とは、データを基にして学習し、自然言語処理エンジンが質問やキーワードを解析する際に使用するアルゴリズムである。

【3017】

「カテゴリ分け」とは、文書や資料を特定の基準に基づいて分類し、整理するプロセスである。

【3018】

「フォルダやディレクトリ」とは、文書や資料を格納するためのデジタルな保存場所である。

【3019】

発明を実施するための形態

【3020】

【3021】

システムの構成

【3022】

【3023】

使用するハードウェアおよびソフトウェア

【3024】

自然言語処理エンジン: Google Cloud Natural Language APIなどの自然言語処理ソフトウェアを使用する。

【3025】

感情エンジン: IBM Watson Tone Analyzerなどの感情解析ソフトウェアを使用する。

【3026】

データベース: 文書や資料を格納するためのデータベースシステムを使用する。具体的には、SQLデータベースやNoSQLデータベースが考えられる。

【3027】

データ加工およびデータ演算

【3028】

【3029】

【3030】

具体例

【3031】

ユーザが端末に「最新の営業報告書が見つからない」と入力した場合、以下のように処理が進行する。

【3032】

1. ユーザが端末に「最新の営業報告書が見つからない」と入力する。

【3033】

2. 端末がこの入力をHTTPリクエストでサーバに送信する。

【3034】

3. サーバがGoogle Cloud Natural Language APIを使用して「最新の営業報告書」をキーワードとして解析する。

【3035】

4. サーバがIBM Watson Tone Analyzerを使用して「見つからない」というフレーズからユーザのフラストレーションを認識する。

【3036】

5. サーバがデータベースから「営業報告書」に関連する文書を検索する。

【3037】

6. サーバが検索結果を「営業報告書」フォルダに自動的に格納する。

【3038】

7. サーバが整理された文書のリンクを生成し、端末に返送する。

【3039】

8. ユーザが端末を通じて返送されたリンクをクリックし、整理された「営業報告書」にアクセスする。

【3040】

プロンプト文の例

【3041】

「最新の営業報告書が見つからない。関連する文書を検索し、営業報告書フォルダに整理してください。」

【3042】

【3043】

ステップ１：

【3044】

【3045】

ステップ２：

【3046】

【3047】

ステップ３：

【3048】

【3049】

ステップ４：

【3050】

【3051】

ステップ５：

【3052】

【3053】

ステップ６：

【3054】

【3055】

ステップ７：

【3056】

【3057】

ステップ８：

【3058】

【3059】

（応用例３）

【3060】

次に、形態例３の応用例３について説明する。以下の説明では、データ処理装置１２を「サーバ」と称し、ロボット４１４を「端末」と称する。

【3061】

【3062】

応用例３におけるデータ処理装置１２の特定処理部２９０による特定処理を、以下の各手段により実現する。

【3063】

【3064】

「自然言語処理エンジン」とは、従業員の質問やキーワードを解析し、関連する文書や資料を検索するための技術である。

【3065】

「感情解析エンジン」とは、従業員の入力に基づいて感情的なコンテキストを解析し、より関連性の高い文書や資料を提供するための技術である。

【3066】

「検索結果」とは、自然言語処理エンジンによって検索された文書や資料の集合である。

【3067】

【3068】

「フォルダやディレクトリ」とは、文書や資料を整理・保管するためのデジタルな保存場所である。

【3069】

「従業員」とは、システムを利用して文書や資料を検索・整理するユーザーを指す。

【3070】

「機械学習モデル」とは、データを基に学習し、自然言語処理エンジンや感情解析エンジンの性能を向上させるためのアルゴリズムである。

【3071】

「文書や資料」とは、業務に関連する情報が記載されたテキストやデジタルファイルの総称である。

【3072】

【3073】

システム構成

【3074】

【3075】

使用するハードウェアおよびソフトウェア

【3076】

ハードウェア: スマートフォン、サーバ

【3077】

ソフトウェア: Python、Transformersライブラリ

【3078】

データ加工およびデータ演算

【3079】

【3080】

具体例

【3081】

【3082】

プロンプト文の例

【3083】

「最新の営業報告書が見つからない」

【3084】

【3085】

応用例３における特定処理の流れについて図２２を用いて説明する。

【3086】

ステップ１：

【3087】

ユーザがスマートフォンを使用して質問やキーワードを入力する。

【3088】

入力：ユーザが入力した質問やキーワード（例：「最新の営業報告書が見つからない」）

【3089】

出力：入力されたテキストデータ

【3090】

ステップ２：

【3091】

サーバが入力されたテキストデータを受信し、自然言語処理エンジンに渡す。

【3092】

入力：ユーザから受信したテキストデータ

【3093】

出力：自然言語処理エンジンに渡されるテキストデータ

【3094】

ステップ３：

【3095】

自然言語処理エンジンがテキストデータを解析し、関連する文書や資料をデータベースから検索する。

【3096】

入力：自然言語処理エンジンに渡されたテキストデータ

【3097】

出力：関連する文書や資料のリスト

【3098】

ステップ４：

【3099】

サーバが感情解析エンジンにテキストデータを渡し、感情的なコンテキストを解析する。

【3100】

入力：自然言語処理エンジンに渡されたテキストデータ

【3101】

出力：感情解析結果（例：フラストレーション）

【3102】

ステップ５：

【3103】

感情解析エンジンの結果を基に、サーバが関連性の高い文書や資料を選定する。

【3104】

入力：感情解析結果および関連する文書や資料のリスト

【3105】

出力：関連性の高い文書や資料のリスト

【3106】

ステップ６：

【3107】

サーバが関連性の高い文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する。

【3108】

入力：関連性の高い文書や資料のリスト

【3109】

出力：カテゴリ分けされた文書や資料が格納されたフォルダやディレクトリ

【3110】

ステップ７：

【3111】

サーバがユーザに検索結果を提供し、関連する文書や資料がどのフォルダに格納されたかを通知する。

【3112】

入力：カテゴリ分けされた文書や資料の情報

【3113】

出力：ユーザに提供される検索結果およびフォルダ情報

【3114】

特定処理部２９０は、特定処理の結果をロボット４１４に送信する。ロボット４１４では、制御部４６Ａが、スピーカ２４０及び制御対象４４３に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

【3115】

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴ（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）等の生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、及び画像を示す画像データ等の推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ及びテキストデータ等のデータ形式で出力する。ここで、推論とは、例えば、分析、分類、予測、及び／又は要約等を指す。

【3116】

生成AIの他の例としては、Gemini（インターネット検索＜URL: https://gemini.google.com/?hl=ja＞）が挙げられる。

【3117】

上記実施形態では、データ処理装置１２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、ロボット４１４によって特定処理が行われるようにしてもよい。

【3118】

なお、感情エンジンとしての感情特定モデル５９は、特定のマッピングに従い、ユーザの感情を決定してよい。具体的には、感情特定モデル５９は、特定のマッピングである感情マップ（図９参照）に従い、ユーザの感情を決定してよい。また、感情特定モデル５９は、同様に、ロボットの感情を決定し、特定処理部２９０は、ロボットの感情を用いた特定処理を行うようにしてもよい。

【3119】

図９は、複数の感情がマッピングされる感情マップ４００を示す図である。感情マップ４００において、感情は、中心から放射状に同心円に配置されている。同心円の中心に近いほど、原始的状態の感情が配置されている。同心円のより外側には、心境から生まれる状態や行動を表す感情が配置されている。感情とは、情動や心的状態も含む概念である。同心円の左側には、概して脳内で起きる反応から生成される感情が配置されている。同心円の右側には概して、状況判断で誘導される感情が配置されている。同心円の上方向及び下方向には、概して脳内で起きる反応から生成され、かつ、状況判断で誘導される感情が配置されている。また、同心円の上側には、「快」の感情が配置され、下側には、「不快」の感情が配置されている。このように、感情マップ４００では、感情が生まれる構造に基づいて複数の感情がマッピングされており、同時に生じやすい感情が、近くにマッピングされている。

【3120】

これらの感情は、感情マップ４００の３時の方向に分布しており、普段は安心と不安のあたりを行き来する。感情マップ４００の右半分では、内部的な感覚よりも状況認識の方が優位に立つため、落ち着いた印象になる。

【3121】

感情マップ４００の内側は心の中、感情マップ４００の外側は行動を表すため、感情マップ４００の外側に行くほど、感情が目に見える（行動に表れる）ようになる。

【3122】

ここで、人の感情は、姿勢や血糖値のような様々なバランスを基礎としており、それらのバランスが理想から遠ざかると不快、理想に近づくと快という状態を示す。ロボットや自動車やバイク等においても、姿勢やバッテリー残量のような様々なバランスを基礎として、それらのバランスが理想から遠ざかると不快、理想に近づくと快という状態を示すように感情を作ることができる。感情マップは、例えば、光吉博士の感情地図（音声感情認識及び情動の脳生理信号分析システムに関する研究、徳島大学、博士論文：https://ci.nii.ac.jp/naid/500000375379）に基づいて生成されてよい。感情地図の左半分には、感覚が優位にたつ「反応」と呼ばれる領域に属する感情が並ぶ。また、感情地図の右半分には、状況認識が優位にたつ「状況」と呼ばれる領域に属する感情が並ぶ。

【3123】

感情マップでは学習を促す感情が２つ定義される。１つは、状況側にあるネガティブな「懺悔」や「反省」の真ん中周辺の感情である。つまり、「もう２度とこんな想いはしたくない」「もう叱られたくない」というネガティブな感情がロボットに生じたときである。もう１つは、反応側にあるポジティブな「欲」のあたりの感情である。つまり、「もっと欲しい」「もっと知りたい」というポジティブな気持ちのときである。

【3124】

感情特定モデル５９は、ユーザ入力を、予め学習されたニューラルネットワークに入力し、感情マップ４００に示す各感情を示す感情値を取得し、ユーザの感情を決定する。このニューラルネットワークは、ユーザ入力と、感情マップ４００に示す各感情を示す感情値との組み合わせである複数の学習データに基づいて予め学習されたものである。また、このニューラルネットワークは、図１０に示す感情マップ９００のように、近くに配置されている感情同士は、近い値を持つように学習される。図１０では、「安心」、「安穏」、「心強い」という複数の感情が、近い感情値となる例を示している。

【3125】

上記実施形態では、１台のコンピュータ２２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、コンピュータ２２を含めた複数のコンピュータによる特定処理に対する分散処理が行われるようにしてもよい。

【3126】

上記実施形態では、ストレージ３２に特定処理プログラム５６が格納されている形態例を挙げて説明したが、本開示の技術はこれに限定されない。例えば、特定処理プログラム５６がＵＳＢ（Universal Serial Bus）メモリなどの可搬型のコンピュータ読み取り可能な非一時的格納媒体に格納されていてもよい。非一時的格納媒体に格納されている特定処理プログラム５６は、データ処理装置１２のコンピュータ２２にインストールされる。プロセッサ２８は、特定処理プログラム５６に従って特定処理を実行する。

【3127】

また、ネットワーク５４を介してデータ処理装置１２に接続されるサーバ等の格納装置に特定処理プログラム５６を格納させておき、データ処理装置１２の要求に応じて特定処理プログラム５６がダウンロードされ、コンピュータ２２にインストールされるようにしてもよい。

【3128】

なお、ネットワーク５４を介してデータ処理装置１２に接続されるサーバ等の格納装置に特定処理プログラム５６の全てを格納させておいたり、ストレージ３２に特定処理プログラム５６の全てを記憶させたりしておく必要はなく、特定処理プログラム５６の一部を格納させておいてもよい。

【3129】

特定処理を実行するハードウェア資源としては、次に示す各種のプロセッサを用いることができる。プロセッサとしては、例えば、ソフトウェア、すなわち、プログラムを実行することで、特定処理を実行するハードウェア資源として機能する汎用的なプロセッサであるＣＰＵが挙げられる。また、プロセッサとしては、例えば、ＦＰＧＡ（Field-Programmable Gate Array）、ＰＬＤ（Programmable Logic Device）、又はＡＳＩＣ（Application Specific Integrated Circuit）などの特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路が挙げられる。何れのプロセッサにもメモリが内蔵又は接続されており、何れのプロセッサもメモリを使用することで特定処理を実行する。

【3130】

特定処理を実行するハードウェア資源は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせ、又はＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、特定処理を実行するハードウェア資源は１つのプロセッサであってもよい。

【3131】

１つのプロセッサで構成する例としては、第１に、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが、特定処理を実行するハードウェア資源として機能する形態がある。第２に、ＳｏＣ（System-on-a-chip）などに代表されるように、特定処理を実行する複数のハードウェア資源を含むシステム全体の機能を１つのＩＣチップで実現するプロセッサを使用する形態がある。このように、特定処理は、ハードウェア資源として、上記各種のプロセッサの１つ以上を用いて実現される。

【3132】

更に、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子などの回路素子を組み合わせた電気回路を用いることができる。また、上記の特定処理はあくまでも一例である。従って、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよいことは言うまでもない。

【3133】

以上に示した記載内容及び図示内容は、本開示の技術に係る部分についての詳細な説明であり、本開示の技術の一例に過ぎない。例えば、上記の構成、機能、作用、及び効果に関する説明は、本開示の技術に係る部分の構成、機能、作用、及び効果の一例に関する説明である。よって、本開示の技術の主旨を逸脱しない範囲内において、以上に示した記載内容及び図示内容に対して、不要な部分を削除したり、新たな要素を追加したり、置き換えたりしてもよいことは言うまでもない。また、錯綜を回避し、本開示の技術に係る部分の理解を容易にするために、以上に示した記載内容及び図示内容では、本開示の技術の実施を可能にする上で特に説明を要しない技術常識等に関する説明は省略されている。

【3134】

本明細書に記載された全ての文献、特許出願及び技術規格は、個々の文献、特許出願及び技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。

【3135】

以上の実施形態に関し、更に以下を開示する。

【3136】

（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、該検索結果を従業員に提供する手段と、該検索結果に基づいて文書や資料を整理する手段を含むシステム。

【3137】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3138】

（請求項３）
前記整理する手段が、検索結果に基づいて文書や資料をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する、請求項１記載のシステム。

【3139】

（請求項４）
前記自然言語処理エンジンと連携して、従業員の感情を認識する感情エンジンを更に含む、請求項１記載のシステム。

【3140】

（請求項５）
前記感情エンジンが、従業員の質問やキーワードの感情的なコンテキストを解析し、該解析結果に基づいて関連する文書や資料を検索する、請求項４記載のシステム。

【3141】

（請求項６）
前記感情エンジンが、従業員の感情的なコンテキストに基づいて文書や資料を整理し、それぞれの感情的なコンテキストに対応するフォルダやディレクトリに自動的に格納する、請求項４記載のシステム。

【3142】

「実施例１」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
従業員が端末からキーワードを入力する手段と、
端末が入力されたキーワードをサーバに送信する手段と、
サーバがキーワードを自然言語処理エンジンに渡す手段と、
自然言語処理エンジンがキーワードを解析する手段と、
サーバが解析結果を基にデータベースを検索する手段と、
サーバが検索結果を端末に返す手段と、
端末が検索結果を従業員に表示する手段を含むシステム。

【3143】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3144】

【3145】

「応用例１」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
従業員が音声やテキストで入力した質問を解析し、関連する情報をデータベースから検索する手段と、
検索結果をスマートフォンに表示する手段と、
を含むシステム。

【3146】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3147】

【3148】

「実施例２」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果を関連度の高い順に並べ替える手段と、
該検索結果を一覧形式で生成する手段と、
該生成した検索結果を従業員に表示する手段と、
を含むシステム。

【3149】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3150】

【3151】

「応用例２」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
在庫情報や配送情報を関連度の高い順に表示する手段と、
従業員がスマートフォンを用いて必要な情報を迅速に検索できる手段と、
を含むシステム。

【3152】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3153】

【3154】

「実施例３」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する情報を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて情報を解析し、カテゴリ分けする手段と、
該カテゴリ分けされた情報をそれぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する手段と、
を含むシステム。

【3155】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3156】

（請求項３）
前記カテゴリ分けされた情報をフォルダやディレクトリに自動的に格納する手段が、プログラムによって実行される、請求項１記載のシステム。

【3157】

「応用例３」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
光学文字認識技術を用いて画像からテキストを抽出する手段と、
抽出されたテキストに基づいて文書をカテゴリ分けし、対応するフォルダに自動的に格納する手段と、
クラウドストレージに文書をアップロードする手段と、
を含むシステム。

【3158】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3159】

【3160】

「感情エンジンを組み合わせた場合の実施例１」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
感情エンジンを用いて従業員の質問やキーワードの感情的なコンテキストを解析する手段と、
該感情的なコンテキストに基づいて関連性の高い文書や資料を提供する手段と、
を含むシステム。

【3161】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3162】

【3163】

「感情エンジンを組み合わせた場合の応用例１」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
感情解析エンジンを用いて従業員の質問やキーワードの感情的なコンテキストを解析する手段と、
該感情的なコンテキストに基づいて従業員に追加のサポートを提供する手段と、
を含むシステム。

【3164】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3165】

【3166】

「感情エンジンを組み合わせた場合の実施例２」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
感情解析エンジンを用いて従業員の感情的なコンテキストを解析する手段と、
該感情的なコンテキストに基づいて文書や資料を特定のフォルダやディレクトリに自動的に格納する手段と、
を含むシステム。

【3167】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3168】

【3169】

（請求項４）
前記感情解析エンジンが、機械学習モデルに基づいて従業員の感情を解析する、請求項１記載のシステム。

【3170】

「感情エンジンを組み合わせた場合の応用例２」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
感情エンジンを用いて従業員の感情的なコンテキストを解析し、それに基づいて文書や資料を整理する手段と、
従業員の感情に応じて関連する文書や資料をソートし、必要に応じて詳細な説明や動画を提供する手段と、
を含むシステム。

【3171】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3172】

【3173】

「感情エンジンを組み合わせた場合の実施例３」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
感情エンジンを用いて、従業員の質問やキーワードの感情的なコンテキストを解析する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
を含むシステム。

【3174】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3175】

【3176】

「感情エンジンを組み合わせた場合の応用例３」
（請求項１）
自然言語処理エンジンを用いて、従業員の質問やキーワードから関連する文書や資料を検索する手段と、
該検索結果を従業員に提供する手段と、
該検索結果に基づいて文書や資料を整理する手段と、
感情解析エンジンを用いて従業員の感情的なコンテキストを解析し、より関連性の高い文書や資料を提供する手段と、
検索結果をカテゴリ分けし、それぞれのカテゴリに対応するフォルダやディレクトリに自動的に格納する手段と、
を含むシステム。

【3177】

（請求項２）
前記自然言語処理エンジンが、機械学習モデルに基づいて質問やキーワードの解析を行う、請求項１記載のシステム。

【3178】

（請求項３）
前記感情解析エンジンが、従業員の入力に基づいて感情を解析し、検索結果の関連性を向上させる、請求項１記載のシステム。

【3179】

以上の実施形態の組み合わせに関し、更に以下を開示する。
（請求項１）
自然言語処理エンジンを用いて、ユーザの入力情報と関連する文書データを検索する手段と、
感情エンジンを用いて前記ユーザの感情的なコンテキストを解析する手段と、
前記ユーザの感情的なコンテキストに応じて前記文書データの検索結果をソートする手段と、
ソートされた前記検索結果を前記ユーザに提供する手段と、
を含むシステム。

【3180】

（請求項２）
前記検索結果に基づいて前記文書データをカテゴリ分けし、各カテゴリに対応する格納場所に前記文書データを自動的に格納する手段を含む、
請求項１記載のシステム。

【3181】

（請求項３）
前記ユーザの感情的なコンテキストに応じて詳細な説明又は動画を提供する手段を含む、
請求項１記載のシステム。

【符号の説明】

【3182】

１０、２１０、３１０、４１０データ処理システム
１２データ処理装置
１４スマートデバイス
２１４スマート眼鏡
３１４ヘッドセット型端末
４１４ロボット

【図1】