特許ウォッチ

公開番号2025093411
公報種別公開特許公報(A)
公開日2025-06-24
出願番号2023209025
出願日2023-12-12
発明の名称情報処理装置、情報処理方法、及び、プログラム
出願人日本電気株式会社
代理人個人,個人,個人
主分類G06F 16/332 20250101AFI20250617BHJP(計算;計数)
要約【課題】機械学習モデルの開発や運用に関する知識や経験が必ずしも十分でない者であっても、目的のタスクに関する適切な説明変数や特徴量を生成可能とする。
【解決手段】プロンプト取得手段は、自然言語で記述され、タスクの指定を含むプロンプトを取得する。入力変数取得手段は、言語モデルを用いて前記プロンプトを解釈し、前記プロンプトにより指定されたタスクに対応する関連情報を取得し、前記関連情報に基づいて前記指定されたタスクに対応する予測に用いる入力変数を取得する。出力手段は、取得した入力変数を出力する。
【選択図】図4
特許請求の範囲【請求項１】
自然言語で記述され、タスクの指定を含むプロンプトを取得するプロンプト取得手段と、
言語モデルを用いて前記プロンプトを解釈し、前記プロンプトにより指定されたタスクに対応する関連情報を取得し、前記関連情報に基づいて前記指定されたタスクに対応する予測に用いる入力変数を取得する入力変数取得手段と、
取得した入力変数を出力する出力手段と、
を備える情報処理装置。
続きを表示（約 1,000 文字）【請求項２】
前記入力変数取得手段は、前記関連情報に含まれていない新たな入力変数を生成する請求項１に記載の情報処理装置。
【請求項３】
前記関連情報は、自然言語で記述されており、
前記関連情報は、前記指定されたタスクに対応する予測式と、前記指定されたタスクに対応する予測に使用される入力変数と、前記入力変数の加工方法と、を含む請求項１に記載の情報処理装置。
【請求項４】
前記入力変数取得手段は、前記プロンプト及び前記関連情報に基づいて、前記関連情報に含まれる既存の複数の入力変数から新たな入力変数を生成する請求項３に記載の情報処理装置。
【請求項５】
前記入力変数取得手段は、前記新たな入力変数を使用する新たな予測式を生成する請求項４に記載の情報処理装置。
【請求項６】
前記入力変数取得手段は、前記プロンプト及び前記関連情報に基づいて、前記入力変数の新たな加工方法、及び、当該加工方法により得られる新たな入力変数を生成する請求項３に記載の情報処理装置。
【請求項７】
前記関連情報は記憶部に記憶されており、
前記入力変数取得手段は、前記記憶部から前記関連情報を取得し、
前記入力変数取得手段は、生成した新たな加工方法及び新たな入力変数を前記記憶部に記憶する請求項６に記載の情報処理装置。
【請求項８】
前記プロンプトは、前記タスクに関する条件を含み、
前記入力変数取得手段は、前記条件を満たす入力変数を取得する請求項１に記載の情報処理装置。
【請求項９】
コンピュータにより実行され、
自然言語で記述され、タスクの指定を含むプロンプトを取得し、
言語モデルを用いて前記プロンプトを解釈し、前記プロンプトにより指定されたタスクに対応する関連情報を取得し、前記関連情報に基づいて前記指定されたタスクに対応する予測に用いる入力変数を取得し、
取得した入力変数を出力する情報処理方法。
【請求項１０】
自然言語で記述され、タスクの指定を含むプロンプトを取得し、
言語モデルを用いて前記プロンプトを解釈し、前記プロンプトにより指定されたタスクに対応する関連情報を取得し、前記関連情報に基づいて前記指定されたタスクに対応する予測に用いる入力変数を取得し、
取得した入力変数を出力する処理をコンピュータに実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、機械学習モデルを用いた予測に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
機械学習モデルを用いて様々な予測が行われている。一般的に、データサイエンティストなどのモデル設計者は、モデルが適用されるドメインに関する知識に基づいて適切な説明変数を選定し、予測に用いるモデルを作成する。しかし、モデルの設計において適切な説明変数を選定するためには十分な知識と経験を要する。特許文献１は、ユーザが入力した目的変数に対して有効な説明変数を抽出し、ユーザに提示する説明変数提案装置を開示している。
【先行技術文献】
【特許文献】
【０００３】
特開２０２３－１４１２０４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明の１つの目的は、機械学習モデルの開発や運用に関する知識や経験が必ずしも十分でない者であっても、目的のタスクに関する適切な説明変数や特徴量を生成可能とすることにある。
【課題を解決するための手段】
【０００５】
本開示の一つの観点では、情報処理装置は、
自然言語で記述され、タスクの指定を含むプロンプトを取得するプロンプト取得手段と、
言語モデルを用いて前記プロンプトを解釈し、前記プロンプトにより指定されたタスクに対応する関連情報を取得し、前記関連情報に基づいて前記指定されたタスクに対応する予測に用いる入力変数を取得する入力変数取得手段と、
取得した入力変数を出力する出力手段と、を備える。
【０００６】
本開示の他の観点では、情報処理方法は、コンピュータにより実行され、
自然言語で記述され、タスクの指定を含むプロンプトを取得し、
言語モデルを用いて前記プロンプトを解釈し、前記プロンプトにより指定されたタスクに対応する関連情報を取得し、前記関連情報に基づいて前記指定されたタスクに対応する予測に用いる入力変数を取得し、
取得した入力変数を出力する。
【０００７】
本開示のさらに他の観点では、プログラムは、
自然言語で記述され、タスクの指定を含むプロンプトを取得し、
言語モデルを用いて前記プロンプトを解釈し、前記プロンプトにより指定されたタスクに対応する関連情報を取得し、前記関連情報に基づいて前記指定されたタスクに対応する予測に用いる入力変数を取得し、
取得した入力変数を出力する処理をコンピュータに実行させる。
【発明の効果】
【０００８】
本開示によれば、機械学習モデルの開発や運用に関する知識や経験が必ずしも十分でない者であっても、目的のタスクに関する適切な説明変数や特徴量を生成可能となる。
【図面の簡単な説明】
【０００９】
本開示に係る情報処理装置を適用した設計支援システムの全体構成を示す。
サーバ装置のハードウェア構成を示すブロック図である。
端末装置のハードウェア構成を示すブロック図である。
端末装置とサーバ装置の機能構成を示すブロック図である。
予測式データベースに記憶されている予測式データの例を示す。
説明変数データベースに記憶されている説明変数データの例を示す。
加工方法データベースに記憶されている加工方法データの例を示す。
予測式データベースに記憶されている予測式データの例を示す。
加工方法データベースに記憶されている加工方法データの例を示す。
ユーザが入力するプロンプトの例を示す。
入力変数提案処理のフローチャートである。
第２実施形態の情報処理装置の機能構成を示すブロック図である。
第２実施形態の情報処理装置による処理のフローチャートである。
【発明を実施するための形態】
【００１０】
以下、図面を参照して、本開示の好適な実施形態について説明する。
＜第１実施形態＞
［全体構成］
図１は、本開示に係る情報処理装置を適用した機械学習モデルの設計支援システム（以下、単に「設計支援システム」と呼ぶ。）の全体構成を示す。設計支援システム１は、機械学習モデルの設計者（以下、「ユーザ」とも呼ぶ。）からタスクの指定を受け取り、指定されたタスクを実行するために機械学習モデルが使用する入力変数を生成する。図示のように、設計支援システム１は、サーバ装置１０と、端末装置２０とを含む。サーバ装置１０と、端末装置２０とは、有線又は無線のネットワークを介して通信可能である。
（【００１１】以降は省略されています）

関連特許