特許ウォッチ

公開番号2025170679
公報種別公開特許公報(A)
公開日2025-11-19
出願番号2024075461
出願日2024-05-07
発明の名称将来事象予測システム及び将来事象予測方法
出願人株式会社日立製作所
代理人青稜弁理士法人
主分類G06F 16/332 20250101AFI20251112BHJP(計算;計数)
要約【課題】
文書に記載された事象を基に、将来発生する可能性のある事象を予測する。
【解決手段】
過去に発生した過去事象と過去事象が発生した日付が自然言語で記載された文書に基づいて将来発生する可能性のある将来事象を予測する将来事象予測システムにおいて、文書から過去事象を読み込み、ベクトル距離が予め定められた閾値以下の文書で過去事象ツリーを生成する過去事象ツリー生成部と、過去事象ツリーから将来事象予測モデルを生成する言語モデル生成部と、事象の指定を受け付け、受付けた事象を基に前記将来事象予測モデルから将来事象を予測する予測部と、予測部が求めた将来事象を出力する出力部を備える将来事象予測システム。
【選択図】図1
特許請求の範囲【請求項１】
過去に発生した過去事象と過去事象が発生した日付が自然言語で記載された文書に基づいて将来発生する可能性のある将来事象を予測する将来事象予測システムであって、
文書から過去事象を読み込み、ベクトル距離が予め定められた閾値以下の文書で過去事象ツリーを生成する過去事象ツリー生成部と、
過去事象ツリーから将来事象予測モデルを生成する言語モデル生成部と、
事象の指定を受け付け、受付けた事象を基に前記将来事象予測モデルから将来事象を予測する予測部と、
予測部が求めた将来事象を出力する出力部を備える将来事象予測システム。
続きを表示（約 1,100 文字）【請求項２】
請求項１に記載の将来事象予測システムにおいて、
前記言語モデル生成部は前記過去事象ツリーに含まれる事象を事象が発生した日付の順に並べ替え、兄弟ノードが異なる事象となるよう修正し、日付事象の順に記載されたノードと事象日付の順に記載されたノードの割合が予め定められた範囲になるよう調整する将来事象予測システム。
【請求項３】
請求項２に記載の将来事象予測システムにおいて、
前記予測部は事象系列の入力を受け付け、
受け付けた事象系列と調整された前記将来事象予測モデルを用いて、将来発生する可能性のある時系列情報を含む将来事象を生成し、
前記出力部が生成された時系列情報を含む将来事象を出力する将来事象予測システム。
【請求項４】
請求項２に記載の将来事象予測システムにおいて、
前記文書は自然言語で記載された文書を分割した日付と固有表現を含むチャンクである将来事象予測システム。
【請求項５】
請求項２に記載の将来事象予測システムにおいて、
前記予測部は日付の指定を受け付け、受付けた日付の範囲で将来事象予測モデルから将来事象を予測する将来事象予測システム。
【請求項６】
請求項２に記載の将来事象予測システムにおいて、
前記予測部は事象の指定を受け付け、将来事象予測モデルから受付けた事象の発生する日付を予測する将来事象予測システム。
【請求項７】
請求項２に記載の将来事象予測システムにおいて、
前記予測部は出力する将来事象ツリーの深さの指定を受け付け、将来事象予測モデルから事象の発生を予測した将来事象ツリーを受付けた深さで出力する将来事象予測システム。
【請求項８】
請求項２に記載の将来事象予測システムにおいて、
前記予測部は出力する将来事象ツリーの分岐数の指定を受け付け、将来事象予測モデルから事象の発生を予測した将来事象ツリーを受付けた分岐数で出力する将来事象予測システム。
【請求項９】
過去に発生した過去事象と過去事象が発生した日付が自然言語で記載された文書に基づいて将来発生する可能性のある将来事象を予測する将来事象予測方法において、
過去事象ツリー生成部が文書から過去事象を読み込み、ベクトル距離が予め定められた閾値以下の文書で過去事象ツリーを生成し、
言語モデル生成部が過去事象ツリーから将来事象予測モデルを生成し、
予測部が事象の指定を受け付け、受付けた事象を基に前記将来事象予測モデルから将来事象を予測し、
出力部が予測部が求めた将来事象を出力する将来事象予測方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、将来事象予測システム及び将来事象予測方法に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
将来事象予測は自然言語処理やシミュレーション、機械学習などの技術を用いて行われている。自然言語処理技術を用いる場合は、テキストデータから情報を抽出し、その内容から将来の動向を予測する手法ある。ニュース記事やソーシャルメディアの投稿などが活用される。
【０００３】
また、シミュレーションは、現象やシステムをモデル化し、それに基づいて将来の振る舞いを予測する手法である。物理モデルや経済モデルなどが利用される。さらに、機械学習は、大量のデータからパターンや関係性を学習し、それを活用して将来の事象を予測する技術である。
【０００４】
特許文献１には因果関係フレーズペアを記憶する因果関係フレーズペアＤＢと、因果関係フレーズペアの各々につき、その結果フレーズと因果的一貫性がある原因フレーズを持つ因果関係フレーズペアを検索し、因果関係フレーズペアの連結情報を生成する同義関係生成部と、連結情報を記憶する連結関係ＤＢと連結情報を用い、因果関係フレーズペアの結果フレーズに、そのフレーズと因果的一貫性を持つ原因フレーズを持つ因果関係フレーズペアを連鎖させることで因果関係を連鎖させる因果関係連結部とを含むシナリオ生成装置が開示されている。
【０００５】
また特許文献２には予測部と出力部とを有し、予測部は将来発生し得る事象を予測し、出力部は予測部により予測された事象である予測事象が発生したと仮定した場合に基づく情報を出力する情報処理装置が開示されている。
【先行技術文献】
【特許文献】
【０００６】
特開２０１５－１２１８９７号公報
特開２０２１－３３３２０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
特許文献１に開示されたシナリオ生成装置、及びそのためのコンピュータプログラムは、形態素解析や係り受け解析の結果をもとに、因果関係にあるフレーズを抽出することが開示されている。しかしながら、フレーズが文書内に複数回出現する場合、それらを一意に識別することができないという課題があった。
【０００８】
つまり、一つの事象が発生したときに起こり得る複数の事象が発生する可能性について時系列に予測することについては配慮されていない。
【０００９】
また特許文献２に開示された情報処理装置、情報処理方法および情報処理プログラムでは、選手履歴情報、チーム履歴情報、進行ログ、開催場所情報、天候情報等の履歴情報から予測モデルを生成するもので文書のなかから予測モデルを生成するものではない。
【００１０】
予測対象を特定した上で、将来発生し得る事象が発生した場合に新たに発生する事象を予測するものである。
【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