JPH10187764A - データバンク、テータバンクを得る方法、及びデータバンクに質問する方法 - Google Patents

データバンク、テータバンクを得る方法、及びデータバンクに質問する方法

Info

Publication number
JPH10187764A
JPH10187764A JP9301393A JP30139397A JPH10187764A JP H10187764 A JPH10187764 A JP H10187764A JP 9301393 A JP9301393 A JP 9301393A JP 30139397 A JP30139397 A JP 30139397A JP H10187764 A JPH10187764 A JP H10187764A
Authority
JP
Japan
Prior art keywords
data set
vector
data
linguistically
term
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP9301393A
Other languages
English (en)
Inventor
Michael Trompf
ミヒヤエル・トロンプフ
Bernd Beterke
ベルンド・ベーテルケ
Tobias Geiger
トービアス・ガイゲル
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alcatel Lucent SAS
Original Assignee
Alcatel Alsthom Compagnie Generale dElectricite
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alcatel Alsthom Compagnie Generale dElectricite filed Critical Alcatel Alsthom Compagnie Generale dElectricite
Publication of JPH10187764A publication Critical patent/JPH10187764A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2468—Fuzzy queries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】 【課題】 データバンク、データバンクを得る方法、お
よびデータバンクに質問する方法を提供する。 【解決手段】 本発明によるデータバンクは、言語学的
に不明確な用語により質問することができる。言語学的
に不明確な用語の意味はそれらが使用される状況によっ
て決まるので、データバンク内の各データセットは言語
学的に不明確な用語に関する連想値を含み、それは、そ
れぞれの言語値が他のデータセットと比べ、対応するデ
ータセットと相対的にどの程度まで一致するかを示す。
データバンクは、第一のデータセットから得られ、各第
一のデータセットごとに、連想値が格納された対応する
第二のデータセットを含む。さらに、このようなデータ
バンクに質問する方法と、ファジー論理学理論の規則を
使用することにより第一のデータセットからこのような
データバンクを得る方法とを示す。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、請求項１によるデ
ータバンク、請求項５によるデータバンクを得る方法、
ならびに請求項７の特徴部分によるデータバンク質問に
応答してデータセットのリストを獲得する方法に関す
る。
【０００２】
【従来の技術】言語学的に不明確な用語を使用してデー
タバンクに質問する方法は、J. Kacpryk他の論文「FQUE
RY III+: A Human Consistent Database Querying Syst
em Based on Fuzzy Logic with Linguistic Quantifier
s」Information Systems Vol.14 No. 6、１９８９年、
４４３〜４５３ページに示されている。上記の方法で
は、ファジー論理学理論の方法により言語学的に不明確
な用語に重みが付けられる。定義済みメンバーシップ関
数を適用することにより、データバンク内の各データセ
ットの各質問ごとに、その質問に使用する言語学的に不
明確な用語が各データセットとどの程度まで一致するか
を示す連想値が計算される。その質問に最も適合するデ
ータセットのリストが作成される。しかし、この方法の
欠点は、特にデータバンクが広範囲にわたる場合にデー
タバンク質問が遅いことである。
【０００３】国際特許出願ＷＯ９３／０７５７６号およ
びＷＯ９３／０７５７５号（ＥＰ０ ６０６ ４７６号
およびＥＰ ０ ６０６ ４７４号）は、データバンク
を生成する方法とこのデータバンクに質問する方法を示
している。データバンクが生成されると、データセット
の個々の属性として言語学的に不明確な用語を入力する
ことができ、それはその後、明確な代表値に変換され、
格納される。このように生成されたデータバンクは、明
確なデータと、不明確なデータに関する明確な代表値
（言語上の用語）とを含む。このようなデータの信頼性
に関する値も格納することができる。考えられる一連の
言語学的に不明確な用語からの言語学的に不明確な用語
もその質問に使用することができる。ファジー辞書に格
納された定義済みメンバーシップ関数を使用することに
より、連想値を備えたデータセットのリストがタスクの
各基準ごとに生成され、ユーザの質問に対応するデータ
セットを選択するためにユーザに対して発行される。こ
の質問方法も、特にデータバンクが広範囲にわたる場合
に動作が遅くなるという欠点がある。
【０００４】
【発明が解決しようとする課題】本発明の一つの課題
は、言語学的に不明確な用語によるデータバンク質問を
可能にするデータバンクであって、現在の技術のデータ
バンクより高速のデータバンクを提示することにある。
本発明の他の課題は、それによりいくつかのデータセッ
トからこのようなデータバンクを獲得することができる
方法を提示することにある。本発明の別の課題は、それ
により言語学的に不明確な用語によりこのようなデータ
バンクに質問を行うことができる方法を提示することに
ある。
【０００５】
【課題を解決するための手段】上記の課題は、データバ
ンクについては請求項１の特徴により達成され、このよ
うなデータバンクを達成する方法については請求項５の
特徴により達成され、このようなデータバンクに質問す
る方法については請求項７により達成される。有利な構
成は従属クレイムに示されている。
【０００６】本発明によるデータバンクと、このような
データバンクに質問するための本発明の方法の利点は、
データバンクの内容に関する特殊な知識を持たないユー
ザがデータバンク質問を行えることである。このため、
本発明は、専門的データバンクに特に適している。
【０００７】データバンクに質問するためのこの新しい
方法の他の利点は、この方法が特にデータバンク質問に
慣れていないユーザにも扱いやすく、オンラインサービ
スとしての使用に適していることである。
【０００８】
【発明の実施の形態】本発明によるデータバンクの構成
例と、このようなデータバンクを達成する方法と、この
ようなデータバンクに質問する方法について、図１から
図８により以下に説明する。
【０００９】本発明により、ユーザは、言語学的に不明
確な用語を使用することによってデータバンクに質問す
ることができる。言語学的に不明確な用語の意味は、そ
の用語が使用される状況と、ユーザグループの言語感覚
によって決まる。したがって、例えばサイズ（大きい、
小さい）やスポーティさ（スポーティではない、非常に
スポーティ）などの用語は、それによりデータバンクの
検索を行えるような絶対値を一切示さないが、個々のデ
ータバンク項目との比較による相対的重み付けを示す。
言語学的に不明確な用語を使用してデータバンクに質問
を可能にするため、データバンクのすべてのデータセッ
トは、それぞれの言語学的に不明確な用語が、他のデー
タセットと比べ、対応するデータセットとどの程度まで
一致するかを示す、言語学的に不明確な用語用の連想値
を含む。データバンクは、第一のデータセットから得ら
れ、各データセットごとに、連想値が格納された対応す
る第二のデータセットを含む。
【００１０】本発明の構成例は、異なったＮ個の自動車
からなるデータバンクである。このデータバンクは、コ
スト、安全性、スポーティさ、快適さという言語学的に
不明確な用語で質問することができる。
【００１１】図１はデータバンクＤＢからの抜粋を表形
式で示している。各行はデータバンクＤＢの個々のデー
タセットＤＳを含む。１列目は各データセットＤＳごと
の連続番号ＮＲである。２列目は、データバンクＤＢに
含まれる自動車のタイプ名称ＴＰを示している。他の４
列は、個々の言語学的に不明確な用語ＳＢ用の各データ
セットＤＳの連想値ＷＷを含む。この構成例で可能な連
想値の範囲は０〜１０，０００であり、５，０００はデ
ータバンクＤＢに含まれる自動車の平均値に対応する。
【００１２】データバンクはＮ個の第一のデータセット
から導出される。図２はこのような第一のデータセット
ＥＤＳを表形式で示している。これは、自動車のタイプ
名称ＴＰと、その自動車に関する技術および営業上のデ
ータＤＡＴとを含む。１列目は新車価格や燃費などのデ
ータフィールドＤＦを有し、２列目は該当するデータＤ
ＡＴをリストで示す。
【００１３】データバンクに含まれる第二のデータセッ
トの連想値は、第一のデータセットのいくつかのデータ
フィールドによって決まる可能性がある。したがって、
たとえば、スポーティさという言語学的に不明確な用語
の連想値は、パワー、加速、最高速度という第一のデー
タセットのデータフィールドから得られる。連想値は、
メンバーシップ関数を適用し、ファジー論理学理論の規
則によるファジー推論を形成することによって得られる
ことが好ましい（たとえば、C.P.Schluter他による「A
Fuzzy, Knowledge-based Support Tool for Production
Operations Management」（Expert Systems Vol. 11 N
o. 1、１９９４年、３〜１１ページ）を参照）。その他
の可能性としては、独立した専門家の意見により連想値
を見積もること、またはすべての言語学的に不明確な用
語について自動車のランキングリストを確立すること、
ならびに正規分布など、連想値の所定の統計分布を見積
もることが考えられる。
【００１４】第一のデータセットは、ソースデータバン
クの形式で用意することができる。連想値に加え、デー
タバンクは、ポインタなど、ソースデータバンクの対応
する第一のデータセットへの参照を含むことができる。
これには、データバンク内の記憶空間を節約するという
利点がある。そのデータバンクに対して質問を命ずるこ
とができ、その質問に応答して、ソースデータバンクは
第一のデータセットのリストを発行することができる。
【００１５】データバンク内の第二のデータセットのそ
れぞれは、第一のデータセットからのデータの少なくと
も一部も含むことができる。その後、第一のデータセッ
トはもはや不要になる。その場合、データバンク質問に
対する応答は、第一のデータセットのリストを発行する
ことではなく、むしろ、データバンクに含まれる第二の
データセットのリストを発行することである。
【００１６】Ｎ個の第一のデータセットからデータバン
クを得る方法では、データバンクの連想値を導出するた
めの言語学的に不明確な用語Ｓｂがまず選択される。構
成例では、これは、コスト、安全性、スポーティさ、快
適さという言語学的に不明確な用語ＳＢである。次に、
このような言語学的に不明確な用語ＳＢのそれぞれにつ
いて、スポーティさの概念に関して図３に概略で示す諸
ステップが実行される。
【００１７】まず、連想値を左右する第一のデータセッ
ト内のデータフィールドＤＦを決定する。図３のスポー
ティさの例では、これは、加速、最高速度、パワーとい
うデータフィールドである。次に、第一のメンバーシッ
プ関数ＭＦ１１、ＭＦ１２、ＭＦ１３を所定のデータフ
ィールドのデータに適用するが、これについては以下に
詳述する。このようにして、明確な論理平面ＳＬＥのデ
ータから言語学的に不明確な論理平面ＵＬＥの入力用語
に到達するために、言語的入力用語を獲得する。
【００１８】次に、不明確な論理平面の出力用語を求め
るために、制御セットＲＳ（これについても以下に詳述
する）により入力用語のファジー推論ＦＩを形成する。
その後、このような出力用語に対して第二のメンバーシ
ップ関数ＭＦ２を使用し、連想値を求める。
【００１９】図４は、第一のデータセットの加速データ
フィールドＢに関するメンバーシップ関数ＭＦ１１の図
を示している。同図は、「高加速」、「中加速」、「低
加速」という相対的言語値を表す、高、中、低という三
つの言語的入力用語に関する関数Ｆ１、Ｆ２、Ｆ３を含
む。各加速値ごとに３通りの関数は各言語値の重みＧを
供給するが、それは言語値が所定の加速値とどの程度ま
で一致するかを定義するものである。このため、９．６
秒（０〜１００ｋｍ／ｈ）という加速値が「高加速」の
重み付けにより０．３４という程度として記述され、
「中加速」の重み付けにより０．５９として記述される
ことは、メンバーシップ関数ＭＦ１１からわかることが
できる。
【００２０】データフィールド用のこのようなメンバー
シップ関数は、第一のデータセットの内容に関する知識
を基礎とし、言語値の意味に対するユーザグループの言
語的解釈を考慮して確立される。入力用語の数は三つに
限定されない。したがって、四つまたはそれ以上の入力
用語を有するメンバーシップ関数も確立することができ
る。また、それらが各言語値ごとの所定の分布、たとえ
ば、正規（ガウス）分布に適合すると想定された場合、
第一のデータセットからメンバーシップ関数を導出する
こともできる。
【００２１】図５は、スポーティさの例に関する制御セ
ットＲＳを表形式で示している。この表は、スポーティ
さの連想値の一因となるデータフィールドＤＦの入力用
語ＥＴについて可能なすべての組合せを含む。左の３列
は、加速、最高速度、パワーというデータフィールドＤ
Ｆの入力用語ＥＴを含み、これらはＡＮＤ結合としてス
ポーティさの出力用語ＡＴを右の列に示す。したがっ
て、たとえば、この表の３行目は以下のような意味にな
る。
【００２２】ＩＦ「中加速」ＡＮＤ「低最高速度」ＡＮ
Ｄ「低パワー」の場合、ＴＨＥＮスポーティさの出力用
語は「スポーティではない」になる。
【００２３】個々の言語学的に不明確な用語用の制御セ
ットは、メンバーシップ関数のように、第一のデータセ
ットの内容に関する知識を基礎とし、ユーザグループの
言語的解釈を考慮して確立される。
【００２４】図６ａから図６ｃは、図３の例について概
略で示した諸ステップの詳細を示している。図６ｄは図
６ａから図６ｃをどのように並べて配置すべきかを示す
ものであり、図６ａは肖像形式に配置され、その右側の
図６ｂは景観形式になっている。また、図６ｃも図６ｂ
の右側に景観形式で配置されている。
【００２５】図６ａは、第一のメンバーシップ関数ＭＦ
１１、ＭＦ１２、ＭＦ１３から所定の自動車について不
明確な論理平面の入力用語ＥＴをどのように獲得するか
をまず示している。この自動車は９．６秒（０〜１００
ｋｍ／ｈ）という加速率を有する。対応する重み０．３
４、０．５９、０．００を有する高、中、低という入力
用語を第一のメンバーシップ関数ＭＦ１１から読み取
る。同様に、メンバーシップ関数ＭＦ１１は、２２１ｋ
ｍ／ｈという最高速度に対する入力用語と重み、すなわ
ち、高０．７２、中０．２５、低０．００を生成し、メ
ンバーシップ関数ＭＦ１３は、１２７ＰＳというパワー
に対する入力用語と重み、すなわち、高０．２１、中
０．６６、低０．００を生成する。
【００２６】入力用語からファジー推論を形成する。こ
のステップは図６ｂに表されている。特定の制御セット
ＲＳを入力用語ＥＴに適用する。様々なデータフィール
ドからの入力用語ＥＴのすべての組合せが形成される
が、すべての入力用語ＥＴの重みは０ではない。制御セ
ットＲＳはそれぞれの組合せについて出力用語ＡＴを生
成する。ファジー論理学理論の規則により、組み合わさ
れた入力用語ＥＴの重みの最小値ｍｉｎとして個々の出
力用語ＡＴの重みＧを計算する。さらに、同図に示すよ
うに、それぞれの組合せについて乗数ＤｏＳ（サポート
の程度）が発生しうる。これは、個々の制御セットを重
み付けするための補正係数を表している。
【００２７】ファジー論理学理論の規則により、公分母
を有する出力用語ＡＴの重みから最大値ｍａｘを形成す
る。このステップは図６ｃに示されている。この例のフ
ァジー推論の結果として、対応する重みＧを有する以下
の出力用語ＡＴが得られる。
【００２８】中０．１８、スポーティ０．４１、非常に
スポーティ０．３４図６ｃは、求めていた連想値を出力
用語ＡＴとその重みＧから重心（最大値中心方法）とし
て生成する、第二のメンバーシップ関数ＭＦ２をさらに
示している。この重心を構築するため、各関数の最大値
にある個々の出力用語の重みを連想値に掛け、それぞれ
の出力用語に加える。したがって、スポーティさの連想
値に関する最終結果は７９７０になる。連想値を求める
別の可能性は、曲線の下にある機能領域を考慮に入れた
領域中心法と呼ばれる方法である。
【００２９】図７は、データバンク質問に最も対応する
データセットのリストを獲得するためのフローチャート
を示している。第一のステップＳ１では、ユーザはデー
タバンク質問を行う。このため、ユーザは、自分が探し
ている自動車に関する言語学的に不明確な用語について
連想値を示す。たとえば、スポーティだが費用効果の高
い自動車を希望する場合、ユーザは、スポーティさにつ
いては高い連想値を選び、コストについては低い連想値
を選ぶ。このデータバンク質問は、以下のようにユーザ
が示す四つの連想値を含むベクトルＫに対応する。
【００３０】
【数１】
【００３１】第二のステップＳ２では、第一のデータセ
ットをデータバンクから読み取る。これは、以下のよう
にデータバンクに格納された連想値を含むベクトルＡと
して表すこともできる。
【００３２】
【数２】
【００３３】第三のステップＳ３では、以下のように差
ベクトルＤをベクトルＡとベクトルＫとの差として形成
する。
【００３４】
【数３】
【００３５】これは、第四のステップＳ４で重み付け関
数ｆを差ベクトルＤに適用する場合、特に有利である。
このため、データバンク質問が過剰達成になる場合にデ
ータバンク内のデータセットに上向きの重み付けを行う
ことができ、データバンク質問が達成不足になる場合に
下向きの重み付けを行うことができる。可能な重み付け
関数は図８に示す。ベクトルＤの一つの成分を水平軸上
に描き、該当する関数値を垂直軸上に描く。ベクトルＡ
およびベクトルＫの各成分によって想定される値の幅は
限定されているので、ベクトルＤの成分が想定可能な最
大値ＭＡＸと最小値ＭＩＮが存在することになる。この
構成例の最大値ＭＡＸは１０，０００であり、最小値Ｍ
ＩＮは−１０，０００である。図８に示す重み付け関数
ｆは以下の通りである。
【００３６】
【数４】
【００３７】式中、Ｏはこの構成例では１，０００にな
る正のオフセット値を意味し、ＤはベクトルＤの一つの
成分である。一つの成分として重み付け関数ｆをベクト
ルＤに適用することにより、結果は以下のように重み付
き差ベクトルＢになる。
【００３８】
【数５】
【００３９】データバンク質問から最適一致だけが要求
され、質問基準の過剰達成をしても上向き重み付けが行
われない場合には、第四のステップを省略することもで
きる。形式的に見ると、この場合は、恒等関数である重
み付け関数ｆの適用に対応する。
【００４０】第五のステップＳ５では、重み付き差ベク
トルＢのノルムとして最終値Ｅを形成する。このノルム
は、たとえば、以下のように重み付き差ベクトルＢの成
分の幾何平均にすることができる。
【００４１】
【数６】
【００４２】式中、添字ｉはベクトルＢの個々の成分を
示す。その他の可能なノルムとしては、各種成分の個々
の量の和またはそれぞれの高位累乗の和が考えられる。
データバンク内のそれぞれのデータセットについてこの
最終値Ｅを格納し、次のデータセットを読み取る。この
プロセスは最初のものと同じなので、次のデータセット
についても最終値Ｅを計算することができる。その後、
条件Ｂ１が達成されるまで、すなわち、データバンクの
最後のデータセットに到達し、それについて最終値Ｅを
計算するまで、次のデータセットの読取りなどを行う。
【００４３】第六のステップＳ６では、最終値Ｅに応じ
て格納したデータセットのリストを発行するが、最小最
終値Ｅを有するデータセットが最初のデータセットにな
る。すべての最終値Ｅを格納するわけではなく、たとえ
ば、これまでに計算した最終値のうち最低の１０個だけ
を格納することは一つの利点である。このため、記憶ス
ペースが節約され、リストを分類するのに必要な時間が
短縮される。最終的に、データバンク質問に最も対応
し、したがって、ユーザの要求に適している１０通りの
自動車からなるリストが発行される。
【００４４】この構成例のデータバンクは、新車購入の
アドバイザとして使用することができる。その場合、ユ
ーザは、新車に関する自分の希望をデータバンク質問と
して入力する顧客である。
【００４５】本発明の特に有利な実施においては、デー
タバンク質問はユーザの言語感覚に合うように適応させ
る。これは、ユーザが供給する情報から決定され、第一
のベクトル（ベクトルＫ）、第二のベクトル（ベクトル
Ａ）、差ベクトル（ベクトルＤ）、または重み付き差ベ
クトル（ベクトルＢ）の各種成分に適応される適応関数
によって行うことができる。ユーザが供給する情報とし
ては、たとえば、ユーザの年齢、収入、運転記録又はこ
れまで使用していた自動車のタイプが考えられる。この
情報から、収入の高さに応じてコストの所望の連想値を
低減するなどの適応関数を決定することができる。その
利点は、ユーザの言語感覚を決定するユーザ自身の事情
や習慣を考慮に入れるので、質問結果とユーザの実際の
希望との一致の程度が高くなることである。
【００４６】ユーザが供給した情報から決定した適応関
数は、言語学的に不明確な用語に重み付けをするために
使用することもできる。たとえば、ユーザが費用効果の
高い自動車に特別な重要性を付与し、スポーティさには
それより低い重要性を付与する場合、これは適応関数の
助けを借りて考慮に入れることができる。上記の事例で
は、コストに関する所望の連想値の過剰達成の場合、ス
ポーティさに関する所望の連想値が同程度の過剰達成に
なった場合よりデータセットの上向き重み付けが重いデ
ータセットが得られるという結果になる。これに対し
て、コストに関する所望の連想値の達成不足の場合は、
スポーティさに関する所望の連想値が同程度の達成不足
になった場合よりそれぞれのデータセットの下向き重み
付けが重くなるという結果になるはずである。これを達
成するため、差ベクトルＤまたは重み付き差ベクトルＢ
のそれぞれの成分に適応関数を適用することができる。
【００４７】データバンクに質問するためのこの方法の
利点は、所定の量の言語学的に不明確な用語からのそれ
ぞれの言語学的に不明確な用語ごとに、所定の範囲の可
能な入力値から一つの所望の入力値だけを端末に入力す
ればいいので、データバンクの取扱いに関する知識がま
ったくないユーザでも扱いやすいことである。これは、
それぞれの言語学的に不明確な用語ごとに図形で表現し
たスライドコントロールによる端末などで達成すること
ができる。
【００４８】また、データバンクに質問するためのこの
方法は、データバンクの内容に関してほとんどまたはま
ったく特別な知識を持たないユーザに特に適している。
このため、上記の構成例のコストに関する言語学的に不
明確な用語は、購入価格と消費量だけでなく、自動車の
排気量にかかる税金と自動車のパワーにかかる税金にも
依存する。コストに関する言語学的に不明確な用語でデ
ータバンク質問を行うことを希望するユーザは、それが
すでにデータバンクに含まれているので、この専門知識
を持つ必要がない。
【００４９】データバンク質問のこの方法は、扱いやす
く、従来の方法より高速なので、特にインターネット上
でオンラインサービスとしての使用にも適している。
【００５０】その他の応用分野としては、たとえば、不
動産販売業者からの不動産の選択、専門の装置を購入す
る際のアドバイス、保険、銀行サービス、移動無線料金
の選択に対するコンサルタントなどがある。
【図面の簡単な説明】
【図１】請求項１によるデータバンクの構成例である。
【図２】データバンクが得られる第一のデータセットで
ある。
【図３】請求項５による方法の概略手順である。
【図４】メンバーシップ関数である。
【図５】制御セットである。
【図６ａ】図３の方法の詳細な手順である。
【図６ｂ】図３の方法の詳細な手順である。
【図６ｃ】図３の方法の詳細な手順である。
【図６ｄ】図６ａから図６ｃの配置である。
【図７】請求項７による方法のフローチャートである。
【図８】重み付け関数である。
【符号の説明】
ＤＦ データフィールド ＦＩ ファジー推論 ＭＦ１１、ＭＦ１２、ＭＦ１３ 第一のメンバーシップ
関数 ＭＦ２ 第二のメンバーシップ関数 ＲＳ 制御セット ＳＢ 言語学的に不明確な用語 ＳＬＥ 明確な論理平面 ＵＬＥ 言語学的に不明確な論理平面
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ベルンド・ベーテルケ ドイツ国、71546・アスパツハ、ハイルブ ロンネル・シユトラーセ・54 (72)発明者 トービアス・ガイゲル ドイツ国、70825・ミユンヒンゲン、ヒユ ーネルベルクベーク・５

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 いくつかの第一のデータセット（ＥＤ
    Ｓ）から得られ、それぞれの第一のデータセット（ＥＤ
    Ｓ）ごとに対応する第二のデータセット（ＤＳ）を含
    み、所定量の言語学的に不明確な用語からの言語学的に
    不明確な用語（ＳＢ）に関する連想値（ＷＷ）を含んで
    おり、該連想値はそれぞれの言語学的に不明確な用語
    （ＳＢ）の意味が残りの第一のデータセットと比べて対
    応する第一のデータセット（ＥＤＳ）とどの程度まで一
    致するかを示しているデータバンク（ＤＢ）。
  2. 【請求項２】 第二のデータセット（ＤＳ）に含まれる
    個々の言語学的に不明確な用語（ＳＢ）に関する連想値
    （ＷＷ）が、メンバーシップ関数（ＭＦ１１、ＭＦ１
    ２、ＭＦ１３、ＭＦ２）を使用し、ファジー論理学理論
    の規則によりファジー推論（ＦＩ）を形成することによ
    り、対応する第一のデータセット（ＥＤＳ）から得られ
    る、請求項１に記載のデータバンク（ＤＢ）。
  3. 【請求項３】 第二のデータセット（ＤＳ）が、それぞ
    れに対応する第一のデータセット（ＥＤＳ）に関する参
    照を含む、請求項１に記載のデータバンク（ＤＢ）。
  4. 【請求項４】 第二のデータセット（ＤＳ）が、それぞ
    れに対応する第一のデータセット（ＥＤＳ）のデータの
    少なくとも一部を含む、請求項１に記載のデータバンク
    （ＤＢ）。
  5. 【請求項５】 それぞれの第一のデータセット（ＥＤ
    Ｓ）ごとに対応する第二のデータセット（ＤＳ）を含
    み、所定量の言語学的に不明確な用語からの言語学的に
    不明確な用語（ＳＢ）に関する連想値（ＷＷ）を含んで
    おり、連想値はそれぞれの言語学的に不明確な用語（Ｓ
    Ｂ）の意味が残りの第一のデータセットと比べ、対応す
    る第一のデータセット（ＥＤＳ）とどの程度まで一致す
    るかを示している、データバンク（ＤＢ）をいくつかの
    第一のデータセット（ＥＤＳ）から得る方法であって、 言語学的に不明確な用語（ＳＢ）の選択ステップと、 選択した各言語学的に不明確な用語（ＳＢ）ごとに、関
    連の言語学的に不明確な用語（ＳＢ）の意味が他の第一
    のデータセット（ＥＤＳ）とどの程度まで一致するかに
    影響するような、第一のデータセット（ＥＤＳ）のデー
    タフィールド（ＤＦ）の決定ステップと、 明確な論理平面（ＳＬＥ）のデータ（ＤＡＴ）から言語
    学的に不明確な論理平面（ＵＬＥ）の入力用語（ＥＴ）
    に到達するために、各第一のデータセット（ＥＤＳ）ご
    とに、決定されたデータフィールド（ＤＦ）のデータ
    （ＤＡＴ）に対する第一のメンバーシップ関数（ＭＦ１
    １、ＭＦ１２、ＭＦ１３）の適用ステップと、 言語学的に不明確な論理平面（ＵＬＥ）の出力用語（Ａ
    Ｔ）を獲得するために、各第一のデータセット（ＥＤ
    Ｓ）ごとに、制御セット（ＲＳ）による入力用語（Ｅ
    Ｔ）のファジー推論（ＦＩ）の形成ステップと、 言語学的に不明確な論理平面（ＵＬＥ）から、それぞれ
    の言語学的に不明確な用語（ＳＢ）の意味がそれぞれの
    第一のデータセット（ＥＤＳ）とどの程度まで一致する
    かを示す連想値（ＷＷ）を得るために、各第一のデータ
    セット（ＥＤＳ）ごとに、出力用語（ＡＴ）に対する第
    二のメンバーシップ関数（ＭＦ２）の適用ステップとを
    含む方法。
  6. 【請求項６】 個々の制御セット（ＲＳ）に重み付けを
    するために、ファジー推論（ＦＩ）の形成中に、出力用
    語（ＡＴ）の重み（Ｇ）に乗数（ＤｏＳ）を掛ける、請
    求項５に記載の方法。
  7. 【請求項７】 データバンク質問に応答して、いくつか
    の第一のデータセット（ＥＤＳ）からデータバンク質問
    に最も対応するデータセットのリストを獲得する方法で
    あって、前記質問が所定量の言語学的に不明確な用語か
    らの言語学的に不明確な用語（ＳＢ）を含んでおり、デ
    ータバンク質問が第一のデータセット（ＥＤＳ）から得
    たデータバンク（ＤＢ）に適用され、それぞれの第一の
    データセット（ＥＤＳ）ごとに、言語学的に不明確な用
    語（ＳＢ）に関する連想値（ＷＷ）を含む対応する第二
    のデータセット（ＤＳ）を含み、連想値はそれぞれの言
    語学的に不明確な用語（ＳＢ）の意味が残りの第一のデ
    ータセットと比べ、それぞれの第一のデータセット（Ｅ
    ＤＳ）とどの程度まで一致するかを示すことを特徴とす
    る方法。
  8. 【請求項８】 データバンク質問がユーザの言語感覚に
    応じて適応されることを特徴とする、請求項７に記載の
    方法。
  9. 【請求項９】 ａ）所望の連想値を示し、その成分が所
    望の連想値である第一のベクトル（ベクトルＫ）を形成
    することにより、データバンク質問を公式化するステッ
    プと、 ｂ）データバンクに含まれる第二のデータセット（Ｄ
    Ｓ）の第一のデータセットを読み取り、その成分が第二
    のデータセット（ＤＳ）における第一のデータセットの
    連想値である第二のベクトル（ベクトルＡ）を形成する
    ステップと、 ｃ）第二のベクトル（ベクトルＡ）と第一のベクトル
    （ベクトルＫ）との差として差ベクトル（ベクトルＤ）
    を形成するステップと、 ｄ）重み付き差ベクトル（ベクトルＢ）を達成するため
    に、恒等関数にすることもできる重み付け関数（ｆ）を
    差ベクトル（ベクトルＤ）に適用することにより、差ベ
    クトル（ベクトルＤ）に重み付けをするステップと、 ｅ）重み付き差ベクトル（ベクトルＢ）のノルムとして
    最終値（Ｅ）を形成するステップと、 ｆ）データバンクに含まれる第二のデータセット（Ｄ
    Ｓ）の次のデータセットを読み取り、その成分が前記次
    のデータセットの連想値である第二のベクトル（ベクト
    ルＡ）をもう一度形成するステップと、 ｇ）データバンクに含まれる第二のデータセット（Ｄ
    Ｓ）の最後のデータセットを読み取り、この最後のデー
    タセットについても最終値（Ｅ）を計算するまで、ステ
    ップｃからｆを繰り返すステップと、 ｈ）データセットの少なくとも一部から最終値（Ｅ）に
    応じて分類したリストを作成して発行するステップであ
    って、最小の最終値（Ｅ）を有するデータセットが最初
    のデータセットになるステップとを実行することを特徴
    とする、請求項７に記載の方法。
  10. 【請求項１０】 ユーザが供給した情報から決定された
    一つまたは複数の適応関数によって適応が行われ、それ
    が第一のベクトル（ベクトルＫ）、第二のベクトル（ベ
    クトルＡ）、差ベクトル（ベクトルＤ）、または重み付
    き差ベクトル（ベクトルＢ）の成分に適用されることを
    特徴とする、請求項８および９に記載の方法。
JP9301393A 1996-09-25 1997-09-25 データバンク、テータバンクを得る方法、及びデータバンクに質問する方法 Pending JPH10187764A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE19639349A DE19639349A1 (de) 1996-09-25 1996-09-25 Datenbank, Verfahren zum Ableiten einer Datenbank und Verfahren zur Abfrage einer Datenbank
DE19639349.3 1996-09-25

Publications (1)

Publication Number Publication Date
JPH10187764A true JPH10187764A (ja) 1998-07-21

Family

ID=7806837

Family Applications (1)

Application Number Title Priority Date Filing Date
JP9301393A Pending JPH10187764A (ja) 1996-09-25 1997-09-25 データバンク、テータバンクを得る方法、及びデータバンクに質問する方法

Country Status (5)

Country Link
EP (1) EP0833263A3 (ja)
JP (1) JPH10187764A (ja)
AU (1) AU3917997A (ja)
CA (1) CA2215140A1 (ja)
DE (1) DE19639349A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19963123B4 (de) * 1999-12-24 2004-09-16 Deutsche Telekom Ag Analytisches Informationssystem
DE10219515A1 (de) * 2002-04-30 2003-11-13 Volkswagen Ag Werkstoffspezifische Kennzeichnung eines Bauteils
US20050102275A1 (en) * 2003-11-06 2005-05-12 Kinstrey Michael A. Method and system for intelligent searching of crude oil properties and knowledge
CN112465337B (zh) * 2020-11-25 2024-10-15 重庆邮电大学 一种基于犹豫模糊语言术语集的污水处理厂选址方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03260769A (ja) * 1990-03-09 1991-11-20 S R Soken Kk ファジイ検索方法
JP2804403B2 (ja) * 1991-05-16 1998-09-24 インターナショナル・ビジネス・マシーンズ・コーポレイション 質問回答システム
WO1993007575A1 (fr) * 1991-09-30 1993-04-15 Omron Corporation Dispositif d'extraction approximative, procede associe, et generateur de fonction d'appartenance
DE69223979T2 (de) * 1991-10-04 1998-08-27 Omron Tateisi Electronics Co Fuzzy-züruckgewinnungsgerät und verfahren dafür
EP0639814B1 (en) * 1993-08-20 2000-06-14 Canon Kabushiki Kaisha Adaptive non-literal textual search apparatus and method

Also Published As

Publication number Publication date
EP0833263A3 (de) 2000-08-23
CA2215140A1 (en) 1998-03-25
DE19639349A1 (de) 1998-03-26
EP0833263A2 (de) 1998-04-01
AU3917997A (en) 1998-04-02

Similar Documents

Publication Publication Date Title
US9355352B1 (en) Personal search results
US5960422A (en) System and method for optimized source selection in an information retrieval system
Marín-Blázquez et al. From approximative to descriptive fuzzy classifiers
Shen et al. The implementation of quality function deployment based on linguistic data
EP2181430A1 (en) Method and apparatus for recommending information using hybrid algorithm
Winter et al. A role for soft systems methodology in information systems development
US20020052880A1 (en) Method and an apparatus for searching and presenting electronic information from one or more information sources
US8977621B1 (en) Search engine optimizer
CN111402013B (zh) 一种商品搭配推荐方法、系统、装置及存储介质
JP6851894B2 (ja) 対話システム、対話方法及び対話プログラム
US20020032645A1 (en) System and method for score calculation
Herrera-Viedma et al. A fuzzy linguistic RFM model applied to campaign management
JP2002517027A (ja) １対１アプリケーションにおけるユーザーのダイナミックプロファイリング及びユーザールール認証のためのシステム及び方法
US20080208705A1 (en) Personalized shopping assistant
CN108319646A (zh) 基于用户历史行为的车源搜索方法及装置
CN105868422B (zh) 一种基于弹性维特征向量优化抽取的协同过滤推荐方法
Liu et al. A multiple attribute group decision-making method based on the partitioned Bonferroni mean of linguistic intuitionistic fuzzy numbers
Babaei et al. Application of credit‐scoring methods in a decision support system of investment for peer‐to‐peer lending
Riesbeck An interface for case-based knowledge acquisition
Thasni et al. Cloud service provider selection using fuzzy TOPSIS
JPH10187764A (ja) データバンク、テータバンクを得る方法、及びデータバンクに質問する方法
Priyanka et al. Product recommendation system using machine learning
Lamba et al. Ranking of classification algorithm in breast Cancer based on estrogen receptor using MCDM technique
KR20210035392A (ko) 모바일 어플리케이션을 이용한 주식 종목선정 시스템 및 상기시스템을 이용한 종목선정 방법
CN117575734A (zh) 一种基于gpt模型的电力售电推荐方法、系统、设备及介质