【コンサルティング内容】

  • AL理論と技法を実装（ソフトウェア化）してきた豊富な経験に基づき、実践的な技術指導
  • 特に自然言語処理周りの意味理解と知識構造化理論と技術の指導

【言語処理技術】

①形態素解析

  • 分ち書き処理法（N-gram、CRF、…）
  • 品詞付け処理法（Viterbi、HMM、…）
  • 概念タグCT付与法※ 
　    全ての形態素（助詞、副詞、助動詞…）に概念構造があります
　 　 例：Xで行った。→X＝交通機関（車、電車、…）
 　　  　 Xへ行った。→X＝目的地（会社、家、…）

②構文解析

  • 文節結合（KalmanFilter、N-gram、…）
  • 連文節結合（VA、HMM、…）
  • 係り受け解析 
      係り受け関係は文節間だけでなく、形態素間、連文節間、文間にもあります。
      例：SP（主部、述部）、順接（前文、後文）、逆接（前々文、該当文）

③文脈解析（照応解析）

  • 照応詞特定
  • 先行詞特定 
  　  先行詞は単語だけでなく、連文節や文全体に係る場合がある
      例：「ここでタバコを吸ってはダメ。そのようなことはマナーの問題だ。」
          そのようなこと 照応詞

④意味解析

  • 文間意味タグ（関係子）付与
  • 連文節間意味タグ（関係子）付与
  • 文節間意味タグ（関係子）付与※
      例：Causal（前々文、文）、Metaphor（（鼻が、高い）、自慢）

⑤知識生成

  • 独立性
  • 依存性 
  　  文書から知識を抽出するにはResidueClassとCoset、Summaryが必須
      例：「太陽は東から昇る。」「地球は自転をしている。」 
      　　→「地球は太陽を中心に公転している。」

⑥知識構造化（シソーラス概念+イデアル概念）

  • シソーラス概念
  • イデアル概念 
      知識は包含関係（上位/下位概念）や因果関係（依存関係）、属性などの構造化が必要
      例：「家が燃えた」←「タバコの不始末」「放火」

⑦新知識生成

  • 仮説検証
    　既存の知識から仮説生成で仮知識を生成し、検証で新知識を確定する
      例：医学論文→未発見新知識「マグネシウムの欠乏で偏頭痛が起こる」

【データ処理技術】

（１）単語概念多様体：SCM（SemanticConceptualManifold）

　①ジャンルG別単語概念多様体SCMM          [自立語：自立語] 

　　生成：ジャンル別単語文行列M[自立語：文]→M◦MT＝SCMM 
　　用途：トピック推定＝ベクトル加法性
  　　　　CT推定＝Sgn((Sim(CTV,X))
　　　　　同義語Synonym推定＝Sgn(Sim(SentenceV,X))
　　　　　類義語Resemblance推定=Sgn(Sim(SentenceV,X))　　S⊂RB
　　　　　関連語RelatedWord推定=Sgn(Sim(GenreV,X))
　　　　　共起語Co-occuringWorde推定=Sgn(Sim(GenreV,X))　RW⊃CW

　②単語ジャンル行列SCMG                [自立語：ジャンル]  

　　生成：Σ∀diag(SCMMg)＝SCM
　　用途：文書分類推定＝Sgn(<SCMG,X>)  <・>:=InnerProduct
　　　　　文書から特徴ベクトル抽出      視点別特徴抽出

　③総合単語行列SCMT                      [自立語：自立語] 

  　生成：Σ∀SCMM＝SCM
 　 用途：RIDF値抽出（ジャンル判定）    重要度の抽出

　④G別文間行列SCMS                        [文：文] 

  　生成：MT◦M＝SCMS
 　 用途：クラスタリング、文生成、文間の類似度

（２）G別照応解析行列SCA（Anaphora）     [照応詞：先行詞] 

    生成：TAGGER(D)=P(Anaphora_CT，P(Antecedent_CT)
          Predicate(noun_head(CT),cp) 
　　用途：文脈解析（照応解析）、CT推定

（３）G別意味タグ行列SCT（ST）             [係側：受側] 

    生成：ST(depend,govern)
    用途：意味解析（ST自動生成）

（４）G別目的解析行列SCO（Object）       [動詞：助詞] 

    生成：TAGGER(D)=P(Predicate,Particle) 
　　用途：要約、主題、目的語抽出、CT推定

（５）G別因果関係行列SCC（Coherence）[動詞(結果)：先行詞(原因)] 

    生成：TAGGER(D)=P(Predicate,Coherence(Antecedent)) 
　　用途：TAGGERの意味解析（因果関係ST付与）　　

（６）五感行列SCG（Senses）   連体修飾語：連体詞]、[連用修飾語：連用詞] 

    生成：TAGGER(D)=P(SubstantivesModifier,Substantives)
    用途：感情ST（笑い、泣き、怒り、悲しみ、…）

（７）品詞列行列SCP（→PAT）            [品詞BP：品詞BP] 

    生成：TAGGER(D)=P(BP｜BP)
　　用途：未知語BP推定

（８）主述行列SCS（SP）                    [主語：述語] 

    生成：TAGGER(D)=P(S,P)
　　用途：照応解析（ゼロ代名詞）の主述推定

（９）文字列行列SCC（Character）       [文字：文字] 

    生成：TAGGER(D)=P(C｜C)
　　用途：未知語推定（Bi_gram,Tri_gram）

【アプリケーション技術】

〇 要約システム

　　☞「ズバリ要約」「SPSummary」など商品化実績があります

〇 因果関係抽出モジュール

　　☞新理論「因果推論」で正確な因果関係が抽出可能

〇 Chatbot/Q&A/FAQシステム

　　☞「問い返し/聞き返し/切り返し」やシナリオ自動作成が可能

〇 意味概念検索（曖昧検索）システム

　　☞大規模文書から意味タグで曖昧な横断的な検索が可能

〇 言語データに関する特殊加工技術

　　☞潜在的意味解析による潜在パラメータの自動抽出

〇 オントロジー自動構築技術

　　☞自動構築技術で柔軟で自由な多視点階層的知識が使える

〇 シソーラス辞書自動構築技術

　　☞単語の上位/下位概念構造の自動構築技術

■ALコンサルタント料金表

契約単位/訪問回数1回/月2回/月メール対応
3ヶ月間契約90万円 /月 170万円 /月 毎日(10時～17時)
半年契約85万円 /月 160万円 /月 毎日(10時～17時)
年間契約80万円 /月 150万円 /月 毎日(10時～17時) 
 ※消費税は別途になります。 
 ※交通費等は別途請求させて頂きます。 
 ※機材、通信料等は当方負担です。 
 ※上記基本料金は最低金額で、コンサル内容によっては増額する場合があります。

コンサル希望については お問い合わせ ください