特許ウォッチ

公開番号2025006604
公報種別公開特許公報(A)
公開日2025-01-17
出願番号2023107501
出願日2023-06-29
発明の名称情報処理プログラム、情報処理方法及び情報処理装置
出願人富士通株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06Q 50/10 20120101AFI20250109BHJP(計算;計数)
要約【課題】受信した情報の信憑性の確認を容易にする情報処理プログラム、情報処理方法及び情報処理装置を提供する。
【解決手段】データの確からしさを示すプロパティ情報であってプロパティ情報の信頼度を示す信頼度情報が付与されたプロパティ情報を入力として前記データの信憑性を出力する学習済みの信憑性判定傾向モデル114を有し、受信者が受信した所定データの確からしさを示す第1プロパティ情報を取得し、第1プロパティ情報の生成主体のうち受信者が信頼する生成主体が登録された信頼リスト112に基づいて、第1プロパティ情報の信頼度を示す第1信頼度情報を生成し、第1信頼度情報を付与した第1プロパティ情報を信憑性判定傾向モデル114に入力して、所定データの信憑性を判定して結果を提示する処理をコンピュータに実行させる。
【選択図】図11
特許請求の範囲【請求項１】
データの確からしさを示すプロパティ情報であって前記プロパティ情報の信頼度を示す信頼度情報が付与された前記プロパティ情報を入力として前記データの信憑性を出力する学習済みの第１機械学習モデルを有し、
受信者が受信した所定データの確からしさを示す第１プロパティ情報を取得し、
前記第１プロパティ情報の生成主体のうち前記受信者が信頼する前記生成主体が登録された信頼リストに基づいて、前記第１プロパティ情報の信頼度を示す第１信頼度情報を生成し、
前記第１信頼度情報を付与した前記第１プロパティ情報を前記第１機械学習モデルに入力して、前記所定データの信憑性を判定して結果を提示する
処理をコンピュータに実行させることを特徴とする情報処理プログラム。
続きを表示（約 1,500 文字）【請求項２】
前記第１プロパティ情報の前記取得は、前記所定データ、前記第１プロパティ情報及び前記生成主体の関係を表すグラフ情報を取得することで行い、
前記グラフ情報に前記第１信頼度情報を付加した固有グラフ情報を入力データとして前記第１機械学習モデルに学習させる
ことを特徴とする請求項１に記載の情報処理プログラム。
【請求項３】
第２プロパティ情報に対する前記受信者の過去の信頼度の判断結果に基づいて学習が行われた、特定のプロパティ情報及び前記特定のプロパティ情報の生成主体の情報を入力として前記特定のプロパティ情報の信頼度情報を出力する第２機械学習モデルをさらに有し、
前記第１信頼度情報の前記生成は、前記第１プロパティ情報のうち前記信頼リストに登録されていない前記生成主体に紐づけられた第３プロパティ情報及び前記第３プロパティ情報の生成主体の情報を前記第２機械学習モデルに入力して、前記第１信頼度情報を生成することを特徴とする請求項２に記載の情報処理プログラム。
【請求項４】
前記第１プロパティ情報に対する前記受信者の信頼度の判定結果を受信して、前記第２機械学習モデルを更新する処理を前記コンピュータにさらに実行させることを特徴とする請求項３に記載の情報処理プログラム。
【請求項５】
前記所定データに対する前記受信者の信憑性の判断結果を受信して、前記信憑性の判断結果を基に前記第１機械学習モデルを更新する処理を前記コンピュータにさらに実行させることを特徴とする請求項１に記載の情報処理プログラム。
【請求項６】
前記信憑性の判断結果に加えて、前記受信者により信頼度が高いと判断される仮想プロパティ情報を用いて前記第１機械学習モデルを更新する処理を前記コンピュータに実行させることを特徴とする請求項５に記載の情報処理プログラム。
【請求項７】
情報処理装置が、
データの確からしさを示すプロパティ情報であって前記プロパティ情報の信頼度を示す信頼度情報が付与された前記プロパティ情報を入力として前記データの信憑性を出力する学習済みの第１機械学習モデルを有し、
受信者が受信した所定データの確からしさを示す第１プロパティ情報を取得し、
前記第１プロパティ情報の生成主体のうち前記受信者が信頼する前記生成主体が登録された信頼リストに基づいて、前記第１プロパティ情報の信頼度を示す第１信頼度情報を生成し、
前記第１信頼度情報を付与した前記第１プロパティ情報を前記第１機械学習モデルに入力して、前記所定データの信憑性を判定して結果を提示する
処理を実行することを特徴とする情報処理方法。
【請求項８】
受信者が受信した所定データの確からしさを示す第１プロパティ情報を取得するデータ保持部と、
前記データ保持部が取得した前記第１プロパティ情報の生成主体のうち前記受信者が信頼する前記生成主体が登録された信頼リストに基づいて、前記第１プロパティ情報の信頼度を示す第１信頼度情報を生成する生成部と
前記生成部により生成された前記第１信頼度情報を付与した前記第１プロパティ情報を、データの確からしさを示すプロパティ情報であって前記プロパティ情報の信頼度を示す信頼度情報が付与された前記プロパティ情報を入力として前記データの信憑性を出力する学習済みの第１機械学習モデルに入力して、前記所定データの信憑性を判定して結果を提示する信憑性判定部と
を備えたことを特徴とする情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、情報処理プログラム、情報処理方法及び情報処理装置に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
インターネット上には、ニュースサイトの記事やＳＮＳ（Social Networking Service）を通じて提供される情報といった様々な情報があふれている。これらのインターネット上に存在する情報には、誤った内容を含む情報である偽情報が含まれていることがある。近年、このような偽情報が、経済や社会に混乱をもたらすことが問題視されている。
【０００３】
そこで、偽情報対策として、インターネット上のデータの確からしさを汎用的に確認する技術が提案されている。この技術では、インターネット上のデータに対して、データの発信者及び受信者以外の第三者による確認や評価に関する評価を表すプロパティ情報が付与される。そして、プロパティ情報及びそのプロパティ情報を提供した第三者である提供者の情報が、受信者にグラフ化して利用者に開示される。これにより、受信者はプロパティ情報が付与されたデータの信憑性を判断することができ、データの信頼性を高めることができる。グラフには、例えば、データの発信者及びプロパティ情報の提供者の情報それぞれが、データに関連する要素にあたるノードとして表される。
【０００４】
さらに、このようなグラフを用いた技術の利用方法として、以下の様な技術が考えられる。例えば、真偽の明らかなデータ及びプロパティ情報を含む学習データを用いて機械学習モデルに学習させる。そして、学習済みの機械学習モデルに未知のデータ及びそのデータに対するプロパティ情報を入力して、データの真偽を出力させることができる。
【０００５】
また、情報の信憑性に関する技術として、複数評価者の評価信頼度及び評価傾向を用いて機械学習モデルに学習させ、評価者による評価が付されたニュースの信憑性を判定する技術が提案されている。他にも、投稿者の投稿履歴を機械学習モデルに学習させ、学習済みの機械学習モデルを用いて製品レビュー投稿の不正を判定する技術が提案されている。また、レポートを受信してそのレポートのカテゴリを特定し、特定したカテゴリに対応する機械学習モデルを用いてレポートの信頼性を評価する技術が提案されている。
【先行技術文献】
【特許文献】
【０００６】
特表２０２０－５０８５１８号公報
特開２０２２－１４７０１３号公報
米国特許出願公開第２０２１／０２８９１６６号明細書
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、機械学習モデルに未知のデータ及びプロパティ情報を入力して真偽の判定結果を得る技術では、各プロパティ情報の提供者がどれほど信頼できるかが明確でない状態で判定が行われる。そして、プロパティ情報の提供者がどれほど信頼できるかは、受信者や判断対象によって異なる。
【０００８】
例えば、経済学の専門書についての「分かり易い」という説明文の信憑性を受信者が確かめたい場合を例に説明する。この場合に、その専門書に対して、経済学の専門家は分かり易いと評価し、経済学を勉強し始めた者の分かり難いと評価することが考えられる。この状況では、説明文の受信者が経済学にある程度精通していれば、受信者は、経済学を勉強し始めた人よりも専門家の意見を信頼して説明文が真であると捉える。これに対して、説明文の受信者が経済学の初学者であれば、受信者は、専門家よりも経済学を勉強し始めた人の意見を信頼して説明文が偽であると捉える。このように、受信者の属性によりプロパティ情報の提供者の信頼度は変化する。
【０００９】
そこで、機械学習モデルに未知のデータ及びプロパティ情報を入力して真偽の判定結果を得る技術では、プロパティ情報の提供者の信頼度が考慮されておらず、受信者にとっての適切な信憑性の判定結果を得ることが困難である。したがって、受信情報についての信憑性判断を適切に行えるようにすることは困難である。
【００１０】
また、複数評価者の評価信頼度及び評価傾向を用いて機械学習モデルに学習させて信憑性を評価する技術では、一般的な評価者の情報に基づいており、データを取得した受信者にとってのその取得したデータ信憑性を得ることは困難である。また、投稿者の投稿履歴を機械学習モデルに学習させ製品レビュー投稿の不正を判定する技術やレポートのカテゴリに応じた機械学習モデルを用いて信頼性を評価する技術でも、データを取得した受信者にとってのその取得したデータ信憑性は考慮されていない。そのため、いずれの技術を用いても、受信情報についての信憑性判断を適切に行えるようにすることは困難である。
（【００１１】以降は省略されています）

関連特許