意味概念位相空間と知識位相構造技術をベースに多様な分野で活用できるコア・エンジンをライブラリ製品としてライセンス提供を開始いたしました。
コア・エンジンをベースとすることで以下のシステムなどへの実現が容易となります。
- トピック(話題)抽出と要約文生成
トピックや要約文生成には、文書の「意図」を示す「上位概念」の階層構造が必要になりますが、このエンジンは「CT：概念タグ」という意味概念分布がすべての形態素に付与されることによって、文単位の文書構造がCT階層により明示化され、トピックや要約文生成が容易にできます。 - 意味の分類と類似性
単語頻度やベクトルの内積などの分類や類似性では、ビッグデータを食わせれば食わせる程、ゆらぎが大きくなり精度に問題が出ることが深層学習で判ってきました。問題は意味の空間は「曲がった空間」にあり、単語間や文間ベクトルの非ユークリッド空間上の測地線などを使った「概念階層分布」依存で解決ができることが判ってきました。 - チャットボットの「問い返し文や聞き返し文、切り返し文」の自動生成
自由文の会話などで必要なのは、不明確や曖昧な質問での「問い返し文」や「聞き返し文」の自動生成です。それには、各分野ごとの知識の構造化(木構造)が必須になりますが、文書から自動で知識の構造化を可能にするには、上記のトピックや要約文生成そして精度の高い分類や類似性によって知識構造化が可能となります。 - 文や知識の構造化（木構造化）
上記の通り、知識の構造化が如何に大切であるか判ったことと思います。それには知識構造化の評価関数がKeyになります。
※評価関数とは、「曲がった意味概念空間」上の最短線(測地線)を求める関数であり、テンソルの多様体であるリー群の加法性で構造が求まる関数です。