[发明专利]标签添加装置、标签添加方法以及程序

说明书

本发明提供一种标签添加装置，用于对根据传感器检测到的数据而推定行为的时间序列的机器学习的学习所使用的训练数据添加标签，所述标签添加装置具备：关键字提取部，其将以自然语言文本格式记录了行为的文本数据中包含的、表示行为的行为关键字，作为训练标签的候选即训练标签候选进行提取；以及选择部，其从关键字提取部提取出的训练标签候选中，选择与表示行为发生的时刻的候选的时刻信息相对应的训练标签。

本申请要求2018年1月5日在日本申请的特愿2018-000806号的优先权，并在此引用其内容。

技术领域

本发明涉及标签添加装置、标签添加方法以及程序。

背景技术

已知一种行为识别技术，该技术根据从佩戴在人身上的传感器获取的数据、或者从测量环境的传感器获取的传感器数据，推定人的行为。在行为识别技术中，通过推定人的行为，能够实现工作的自动记录、可视化、通过回顾行为而改善工作。此外，将从传感器等获取的数据与工作成绩等其他数据进行组合应该也有助于改善工作。

在利用以传感器为首的时间序列数据的行为识别中，使用作为机器学习的一个分支的监督学习(Supervised learning)。在监督学习中，利用训练数据生成学习模型。训练数据是指将表示实际行为的信息即训练标签与从由传感器获取的数据中提取的特征量进行组合的数据。在监督学习中，基于生成的学习模型，根据从由传感器获取的数据中提取的特征量，推定表示行为的训练标签。

作为上述利用监督学习来推定人的行为的技术，例如已知一种信息处理装置，该信息处理装置将基于从位置传感器、动作传感器获取到的信息而得到的行为模式识别结果、与从位置传感器及动作传感器获取到的信息之外的信息进行组合，提供信息(专利文献1)。在专利文献1记载的信息处理装置中，获取文本信息和文本信息被输入的时刻信息，分析所获取的文本，从文本信息中提取与用户的体验相关的信息。在专利文献1记载的信息处理装置中，在得到与用户的体验相关的信息的情况下，从文本信息提取类型特征量，基于提取到的类型特征量，利用学习模型而从输入的类型特征量判断体验的类型。

专利文献1：日本特开2013-250861号公报

然而，在如专利文献1中记载的信息处理装置这样的技术中，由于使用机器学习算法，因此为了生成学习模型需要创建训练数据。创建训练数据时，必须从由传感器获取的数据中提取特征量，并添加与提取出的特征量对应的训练标签。由于训练标签的添加(标注)是由人进行的，因此选择与特征量对应的训练标签需要花费时间和精力，负担很重。因此，存在无法充分收集训练数据而难以实施高精度的行为识别的问题。

发明内容

本发明就是鉴于上述内容而实现的，提供一种标签添加装置、标签添加方法以及程序，能够简单地对机器学习的学习所使用的训练数据添加训练标签。

本发明就是为了解决上述课题而完成的，本发明的一个方式为一种标签添加装置(1)，用于对根据传感器检测到的数据而推定行为的时间序列的机器学习的学习所使用的训练数据(TD)添加标签，该标签添加装置(1)具备：关键字提取部(10)，其将以自然语言文本格式记录了所述行为的文本数据(TX)中包含的、表示所述行为的行为关键字(KA)，作为训练标签的候选即训练标签候选(LC)进行提取；以及选择部(14)，其从所述关键字提取部(10)提取出的所述训练标签候选(LC)中，选择与表示所述行为发生的时刻的候选的时刻信息(TI)相对应的所述训练标签(LL)。

此外，本发明的一个方式为，在上述标签添加装置中，所述关键字提取部从所述文本数据提取所述时刻信息。

此外，本发明的一个方式为，在上述标签添加装置中，所述关键字提取部在提取出的所述训练标签候选中针对一个所述行为存在多个所述训练标签候选时，提取与多个所述训练标签候选相比数量较少的所述训练标签候选。