特許ウォッチ

公開番号2025161756
公報種別公開特許公報(A)
公開日2025-10-24
出願番号2025060910
出願日2025-04-02
発明の名称データ変換のための方法と装置及びコンピュータプログラム
出願人富士通株式会社
代理人弁理士法人ITOH
主分類G06F 16/90 20190101AFI20251017BHJP(計算;計数)
要約【課題】本発明は。データ変換方法と装置及びプログラムを提供する。
【解決手段】かかる方法は、少なくとも1つの大規模言語モデルに少なくとも1つの指示を送信することで第一大規模言語モデルエージェント及び第二大規模言語モデルエージェントをエージェントシステムとして定義し;ユーザーにより提供される第一構造化データファイル及び質問セットを受信し;第一構造化データファイル及び質問セットに基づいて第二構造化データファイルを生成するための指示をエージェントシステムに提供し;及び、エージェントシステムから、第二大規模言語モデルエージェントの検証済みの、質問セットにおけるすべての質問に回答し得る第二構造化データファイルを得ることを含む。
【選択図】図1

特許請求の範囲【請求項１】
データを変換する方法であって、
少なくとも１つの大規模言語モデルに２つの指示を提供することで、第一大規模言語モデルエージェント及び第二大規模言語モデルエージェントをエージェントシステムとして定義し、前記２つの指示は、
前記エージェントシステムが前記第一大規模言語モデルエージェントと前記第二大規模言語モデルエージェントとの間の連携により、第一構造化データファイルに基づいて、前記第一構造化データファイルに関する質問を含む質問セットにおけるすべての質問に回答し得る第二構造化データファイルを生成し；
前記第一大規模言語モデルエージェントが以下のデータ変換タスクを実行するように定義され、即ち、未回答質問情報により未回答の質問があると示される場合に、前記第一構造化データファイルから、前記質問セットにおけるすべての質問に回答するためのデータを前記第二構造化データファイルとして抽出し；及び
前記第二大規模言語モデルエージェントが以下の検証タスクを実行するように定義され、即ち、前記第二構造化データファイルに基づいて前記質問セットにおける各質問に回答し得るかを検証することで、前記未回答質問情報を更新する
ように構成され；
ユーザーにより提供される前記第一構造化データファイル及び前記質問セットを受信し；
前記エージェントシステムに、前記第一構造化データファイル及び前記質問セットに基づいて前記第二構造化データファイルを生成するための指示を送信し；及び
前記エージェントシステムから、前記第二大規模言語モデルエージェントの検証済みの、前記質問セットにおけるすべての質問に回答し得る前記第二構造化データファイルを取得することを含む、方法。
続きを表示（約 1,000 文字）【請求項２】
請求項１に記載の方法であって、
前記２つの指示のうち、前記第一大規模言語モデルエージェントを定義する指示は、前記第一構造化データファイルの内容に関する説明を含む、方法。
【請求項３】
請求項１に記載の方法であって、
前記ユーザーが前記第一大規模言語モデルエージェントとの間でデータ抽出及び／又は前記第二構造化データファイルのデータ配置様式についてインタラクションを行うためのインターフェースを提供することをさらに含む、方法。
【請求項４】
請求項１に記載の方法であって、
前記２つの指示のうち、前記第二大規模言語モデルエージェントを定義する指示は、前記第二大規模言語モデルエージェントが前記第二構造化データファイル及び前記質問セットに基づいて拡張質問を生成し、かつ前記拡張質問を前記質問セットに追加して前記質問セットを更新するように構成される、方法。
【請求項５】
請求項１に記載の方法であって、
前記少なくとも１つの大規模言語モデルは生成型事前訓練変換器モデルである、方法。
【請求項６】
請求項１に記載の方法であって、
前記２つの指示のうち、前記第一大規模言語モデルエージェントを定義する指示は、前記第一大規模言語モデルエージェントがユーザーフレンドリーのデータ配置様式を有する前記第二構造化データファイルを生成するように構成される、方法。
【請求項７】
請求項１に記載の方法であって、
前記第二構造化データファイルのデータ配置様式は前記第一構造化データファイルのデータ配置様式とは異なる、方法。
【請求項８】
請求項１に記載の方法であって、
前記第一構造化データファイルにはデータを説明する自然言語文（ｓｅｎｔｅｎｃｅ）が含まれない、方法。
【請求項９】
データを変換する装置であって、
プログラムを記憶している記憶器；及び
前記記憶器に接続される少なくとも１つの処理器を含み、
前記処理器は前記プログラムを実行して請求項１乃至８のうちの任意の１項に記載の方法を実現するように構成される、装置。
【請求項１０】
コンピュータに、請求項１乃至８のうちの任意の１項に記載の方法を実行させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、データ処理に関し、特に、データを変換するための方法、データを変換するための装置、及びコンピュータプログラムに関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
タスク駆動型データ自動変換方法が高度な技術である。それはデータマイニング、自然言語処理（ＮａｔｕｒａｌＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇ、ＮＬＰ）、機械学習などの分野における最新のテクノロジーを組み合わせることで、データ処理の効率及び精度を向上させる。該技術の中核は複雑なデータ構造及びユーザーのニーズを理解し、これに基づいてデータを自動で変換することによって、特定の解析目標や業務目標を満足できる。変換の対象となるデータは様々な技術分野、例えば、輸送、販売、工業生産、世論、環境監視、リモートセンシング、気象、金融、ＳＮＳなどからのものであっても良い。
【０００３】
データマイニング技術は大規模なデータセットから有用な情報及びパターンを抽出することを目的とする。該技術は分類、回帰、クラスタリング、関連付けルールのマイニングなどの処理に関するが、これらに限定されない。これらの処理はすべてデータの内在構造を認識するための強力なツールである。例えば、クラスタリングアルゴリズムはデータを類似した特徴を有する集合（セット）に自動的にグループ化でき、これはデータの本質的な特徴への理解及び後続のデータ変換にとって非常に重要である。関連付けルールのマイニングはデータ属性間の興味深い関係を明らかにすることによって、データの変換にルールベースのガイダンス（指導）を提供できる。
【０００４】
ＮＬＰはコンピュータが人間の言語を理解、解釈及び生成できるようにさせるための技術である。それは一連のサブ分野、例えば、文法解析、語義解析、情感解析などを含む。これらはすべてデータ自動変換に必要不可欠な技術である。ＮＬＰを適用することで、コンピュータは自然言語形式のクエリ及び命令（指令）を理解し、そして、これに基づいてデータに対して対応する変換及び処理を行うことができる。例えば、語義解析はシステムがクエリの意味を理解することを助けることによって、データ変換の結果がユーザーの意図と一致するように確保できる。
【０００５】
機械学習アルゴリズムはコンピュータがデータから学習してそのパフォーマンスを改善できるようにさせる。データ自動変換の背景の下で、機械学習はデータのパターン及び構造を認識することによって、データの変換プロセスをガイド（指導）するために利用され得る。特に、ＧＰＴ（ＧｅｎｅｒａｔｉｖｅＰｒｅ－ＴｒａｉｎｅｄＴｒａｎｓｆｏｒｍｅｒ）やＢＥＲＴ（ＢｉｄｉｒｅｃｔｉｏｎａｌＥｎｃｏｄｅｒＲｅｐｒｅｓｅｎｔａｔｉｏｎｓｆｒｏｍＴｒａｎｓｆｏｒｍｅｒｓ）などの大規模言語モデルは、大量のテキストデータをもとに訓練を行うことでテキストの理解及び生成の面において強力な能力を有することが実証されている。これらのモデルの出現により、テキストベースのデータの自動処理及び変換の新しい可能性が開かれるため、テキストデータからの構造化情報の抽出はより効果的かつ正確になっている。
【０００６】
現代のデータ自動変換方法はより統合的かつインテリジェントな方向に向かって発展している。これはデータマイニング、ＮＬＰ、機械学習などの技術を密接に統合する総合的なフレームワーク構造を要する。このような総合的なフレームワークは複雑なデータ及びユーザーのクエリを理解できるだけでなく、データ変換プロセスを自動で訓練して最適化することもできる。このような方式により、システムはそのパフォーマンスを適応的に改善できるため、より正確でパーソナライズされるデータ処理サービスをユーザーに提供できる。
【０００７】
これらの技術の組み合わせにより、タスク駆動型データ自動変換方法は様々な分野、例えば、財務分析、市場調査、社会科学などで重要な役割を果たすことができる。一部の分野ではデータの処理及び解析への要求が特に高い。また、データ量及びデータ類型が増加し続けるにつれて、より強力かつ柔軟なサポートをデータ駆動型意思決定に提供するために、このような自動化方法の重要性がさらに高まる。
【０００８】
要約すると、タスク駆動型データ自動変換方法は学際的な分野であり、それは様々な高度な技術を結集し、データ処理の効率及び知能化レベルの向上を目指す。技術の進歩及び応用分野の拡大に伴い、このような方法は将来のデータ処理及び解析においてより重要な役割を果たすことが予想され得る。
【０００９】
既存の人工知能言語モデルはデータ変換の面において能力が不十分である。例えば、或る入力データセットについての質問をモデルに知らせる（提示する）場合に、例えば、データフォーマット、データ類型、データ複製度合いなどの問題が原因で、モデルは「エラー」を出力する可能性がある。即ち、モデルは、エラーが発生し、提示された質問に回答できないことをユーザーに知らせることがある。
【発明の概要】
【発明が解決しようとする課題】
【００１０】
発明者は、既存のＡＩ（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）モデルによるデータ自動変換に関する研究及び実験を行い、本発明の解決策を提案しており、データ変換の自動化レベルの向上及び変換後のデータ品質の改善により、変換後のデータがユーザーのニーズと十分に一致するようにさせることができる。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許