JP7438808B2 - Needs matching equipment and programs - Google Patents

Description

Translated fromJapanese

本発明は、ニーズマッチングの技術に関する。 The present invention relates to needs matching technology.

企業における事業は、他の企業との取引や協力によって成り立っている。そのため、企業は、新しい取引先や協力相手を探していることが多い。その企業にとって好適な相手が見つかれば、事業活動が円滑に進む。 A company's business is based on transactions and cooperation with other companies. Therefore, companies are often looking for new business partners and cooperation partners. If a company finds a suitable partner, business activities will proceed smoothly.

新しい取引先や協力相手は、人的な紹介などによって見つかることもあるが、人間関係に頼らずに効率よく出会える機会があればなお良い。 New business partners and cooperation partners can sometimes be found through personal introductions, but it would be even better if there were opportunities to meet them efficiently without relying on personal relationships.

双方の事業に関するニーズが満たされるときに、取引や協力関係が成立するという点で、新しい取引先や協力相手を探すということは、企業同士のニーズのマッチングがキーとなると言える。たとえば、ある企業がある商品を売りたいというニーズを持っており、別の企業がその商品を買いたいというニーズを持っていれば、それらのニーズはマッチしており、取引関係へ発展する可能性が高い。 Business transactions and cooperative relationships are established when the business needs of both parties are met, so it can be said that matching the needs of two companies is the key to finding new business partners and cooperation partners. For example, if one company has a need to sell a certain product and another company has a need to buy that product, these needs match and there is a possibility that a business relationship will develop. is high.

特開２０１８－１３８１９号公報Japanese Patent Application Publication No. 2018-13819

特許文献１にビジネスマッチングを支援するシステムが開示されている。特許文献１は、様々の企業に関する情報をデータベース化して、相手企業を探し出そうとする技術の一種である。企業に関する情報はテキストで表現されており、ユーザが設定したキーワードと一致する情報を検索するという手法が基礎となっている。つまり、テキストの比較によって適合する情報を探し出す。 Patent Document 1 discloses a system that supports business matching. Patent Document 1 is a type of technology that attempts to find a partner company by creating a database of information regarding various companies. Information about companies is expressed in text, and the basic method is to search for information that matches keywords set by the user. In other words, matching information is found by comparing texts.

しかし、従来の手法では、必ずしも所望の企業情報にたどり着くとは限らない。表現的に合致していないように見えても、実質的にはニーズに適合する企業情報が見逃されることがある。企業に関する情報は膨大であって、人がニーズの実質的な適合性を判断することは、時間的にも労力的にも負荷が大きい。 However, conventional methods do not always lead to desired corporate information. Corporate information that may not seem to match in terms of expression, but that actually meets the needs, may be overlooked. There is a huge amount of information about companies, and it takes a lot of time and effort for people to judge whether the company is actually compatible with their needs.

本発明は、上記課題認識に基づいて完成された発明であり、その主たる目的は、あるニーズに適合する他のニーズを効率的に見つけられるようにすることである。 The present invention was completed based on the recognition of the above problem, and its main purpose is to enable efficient finding of other needs that match one need.

本発明のある態様におけるニーズマッチング装置は、複数の登録ニーズの内容文をニーズ区分に紐づけて管理するデータベースに関して、各登録ニーズの内容文に含まれる各単語を表すベクトルと、ニーズ区分のタイトルに含まれる各単語を表すベクトルとに基づいて、当該登録ニーズを表す登録ニーズベクトルを算出する算出部と、照会ニーズの内容文を受け付ける第１受付部と、照会ニーズの内容文に含まれる各単語を表すベクトルに基づいて、照会ニーズを表す照会ニーズベクトルを算出し、算出された当該照会ニーズベクトルと類似する登録ニーズベクトルを探索する探索部と、探索された登録ニーズベクトルで表される登録ニーズの少なくとも内容文を出力する出力部と、を備える。 A needs matching device in an aspect of the present invention relates to a database that manages content sentences of a plurality of registered needs by linking them to need categories, and includes a vector representing each word included in the content sentences of each registered need, and a title of the need category. a calculation unit that calculates a registered needs vector representing the registered need based on the vector representing each word included in the registration need; a first reception unit that receives the content sentence of the inquiry need; a search unit that calculates an inquiry needs vector representing an inquiry need based on a vector representing a word, and searches for a registered needs vector similar to the calculated inquiry needs vector; and an output unit that outputs at least a content sentence of the needs.

本発明によれば、あるニーズに適合する他のニーズを効率的に見つけられる。 According to the present invention, other needs matching a certain need can be efficiently found.

本実施形態におけるニーズマッチングシステムのネットワーク構成図である。It is a network configuration diagram of the needs matching system in this embodiment.参考企業テーブルのデータ構造図である。It is a data structure diagram of a reference company table.単語テーブルのデータ構成図である。It is a data structure diagram of a word table.登録ニーズ受付画面の図である。It is a diagram of a registration needs reception screen.登録ニーズテーブルのデータ構成図である。FIG. 3 is a data configuration diagram of a registered needs table.ニーズ区分テーブルのデータ構成図である。FIG. 3 is a data configuration diagram of a needs classification table.ニーズ区分ベクトル記憶部のデータ構成図である。FIG. 3 is a data configuration diagram of a needs classification vector storage unit.登録ニーズベクトル記憶部のデータ構成図である。FIG. 3 is a data configuration diagram of a registered needs vector storage unit.照会ニーズ受付画面の図である。It is a diagram of an inquiry needs reception screen.マッチング結果画面の図である。It is a figure of a matching result screen.サーバの機能ブロック図である。It is a functional block diagram of a server.分散表現モデル生成処理の過程を示すフローチャート図である。FIG. 3 is a flowchart diagram showing the process of distributed representation model generation processing.登録ニーズ追加処理の過程を示すフローチャート図である。It is a flowchart figure which shows the process of registration needs addition processing.ニーズマッチング処理の過程を示すフローチャート図である。FIG. 3 is a flowchart diagram showing the process of needs matching processing.

企業間の取引や協力関係は、企業同士のニーズが適合したときに成り立つ。ある企業がある商品を売りたいというニーズを持っており、別の企業がその商品を買いたいというニーズを持っていれば、それらのニーズはマッチしており、取引関係へ発展する可能性が高い。他にも、ある企業がある技術を開発したいというニーズを持っており、別の企業がその技術に関連する技術を提供したいというニーズを持っていれば、それらのニーズはマッチしており、研究や開発のパートナーになり得る。また、ある企業があるサービスを受けたいというニーズを持っており、別の企業がそのサービスを提供したいというニーズを持っていれば、それらのニーズはマッチしており、その企業のサービスが利用されるかも知れない。本実施形態では、このような企業間のニーズマッチングを支援するシステムを提案する。 Transactions and cooperative relationships between companies are established when the needs of the companies are compatible. If one company has a need to sell a certain product and another company has a need to buy that product, these needs match and there is a high possibility that a business relationship will develop. . In addition, if one company has a need to develop a certain technology and another company has a need to provide technology related to that technology, these needs are matched, and research and development partners. In addition, if one company has a need to receive a certain service and another company has a need to provide that service, those needs match, and that company's service will be used. Maybe. This embodiment proposes a system that supports such needs matching between companies.

図１は、本実施形態におけるニーズマッチングシステムのネットワーク構成図である。ニーズマッチングシステムにおいて、好適なニーズ同士を引き合わせるためのニーズマッチングを行う。ただし、テキスト検索ではなくて、分散表現モデルを使ったベクトルの類似判定による探索を行う。 FIG. 1 is a network configuration diagram of the needs matching system in this embodiment. In the needs matching system, needs matching is performed to match suitable needs. However, rather than a text search, the search is performed by determining the similarity of vectors using a distributed representation model.

本実施形態におけるニーズマッチングシステムは、サーバ１００、ユーザ端末２００ａおよびユーザ端末２００ｂを含む。この例で、ユーザ端末２００ａは、たとえばある企業の担当者が自社のニーズを登録するために使用する。登録されたニーズは他社から探索される対象となる。このように探索対象として登録されるニーズを、「登録ニーズ」という。ユーザ端末２００ｂは、たとえば別の企業の担当者が登録ニーズの中から自社のニーズに適合するニーズを探し出すときに使用される。このように好適な登録ニーズを見つけるために提示するニーズを、「照会ニーズ」という。 The needs matching system in this embodiment includes aserver 100, auser terminal 200a, and auser terminal 200b. In this example, theuser terminal 200a is used, for example, by a person in charge of a certain company to register the needs of the company. Registered needs can be searched by other companies. Needs registered as search targets in this way are called "registered needs." Theuser terminal 200b is used, for example, when a person in charge of another company searches for needs that match the needs of the company from registered needs. The needs presented to find suitable registration needs in this way are called "inquiry needs."

ユーザ端末２００ａおよびユーザ端末２００ｂは、ネットワーク（たとえば、インターネット、ＬＡＮや専用線など）を介してサーバ１００と接続する。この図では、２つのユーザ端末２００を示しているが、実際にはより多数のユーザ端末２００が使用される。User terminal 200a anduser terminal 200b are connected toserver 100 via a network (eg, the Internet, LAN, private line, etc.). Although this figure shows two user terminals 200, in reality a larger number of user terminals 200 are used.

サーバ１００は、分散表現モデルを有している。分散表現モデルは、分散表現モデル記憶部１３０に格納されている。以下、分散表現モデルについて説明する。Server 100 has a distributed representation model. The distributed representation model is stored in the distributed representationmodel storage unit 130. The distributed representation model will be explained below.

分散表現モデルでは、多数の単語を高い次元の実数ベクトルで表す。分散表現モデルは、自然言語の文章を構造化し大規模に集積したコーパスとよばれるデータベースに基づく学習処理によって得られる。この技術は、自然言語処理の分野においてよく知られている。分散表現モデルとして得られる単語の実数ベクトルを、「単語ベクトル」という。なお、分散表現のベクトルであるという点で、「分散ベクトル」ということもある。また、テキストの意味を数値化しているという点で、「意味ベクトル」ということもある。 In the distributed representation model, many words are represented by high-dimensional real vectors. Distributed representation models are obtained through learning processing based on a database called a corpus, which is a large-scale collection of structured natural language sentences. This technique is well known in the field of natural language processing. A real vector of words obtained as a distributed representation model is called a "word vector." Note that it is also called a "distributed vector" in that it is a vector of distributed representation. It is also sometimes called a "semantic vector" because it digitizes the meaning of the text.

代表的な分散表現の技術として、たとえばＷｏｒｄ２ｖｅｃが知られている。Ｗｏｒｄ２ｖｅｃでは、「近傍に出現する単語が似ている単語同士は意味的に近い」という前提に立ち、文において対象単語の近傍（たとえば前後５単語あるいは前後１０単語）に出現する別の単語を探索するという問題を解く。ここでいう前後５単語とは、対象単語の５個前の単語から１個前までの単語と対象単語の１個後の単語から５個後までの単語の計１０の単語の範囲のことである。学習手段としては、ニューラルネットワークが用いられる。大きなコーパスを用いた学習の過程で、近傍に出現する単語が似ている単語同士の単語ベクトルは、似た値を示すように変化する。 For example, Word2vec is known as a typical distributed representation technology. Word2vec searches for other words that appear in the vicinity of the target word (for example, 5 words before or after or 10 words before and after) in a sentence based on the premise that words that appear similar in the vicinity are semantically similar. Solve the problem of. The 5 words before and after the target word refer to a total of 10 words, including the word from 5 words before the target word to the word before the target word, and the word from the word after the target word to the word 5 words after the target word. be. A neural network is used as the learning means. In the process of learning using a large corpus, the word vectors of similar words that appear nearby change to show similar values.

分散表現モデルでは、単語ベクトルによって単語同士の類似関係を示すだけでなく、句、節、文や文章などの類似関係も示すことができる。複数の単語を含む文等において、これらの単語の単語ベクトルからその文等の分散ベクトル（「文ベクトル」等ということがある）を生成することが行われている。ある文の文ベクトルと別の文の文ベクトルが近似する場合、これらの文は内容が近しいことを示している。 In the distributed representation model, word vectors can indicate not only similar relationships between words, but also similar relationships between phrases, clauses, sentences, sentences, etc. BACKGROUND ART In a sentence or the like that includes a plurality of words, a distributed vector (sometimes referred to as a "sentence vector" or the like) of the sentence or the like is generated from the word vectors of these words. When the sentence vector of one sentence and the sentence vector of another sentence are similar, this indicates that these sentences are similar in content.

本実施形態では、分散表現モデルを用いて、ユーザ端末２００ａから受けた登録ニーズをベクトル化しておく。また、同様に、ユーザ端末２００ｂから受けた照合ニーズもベクトル化する。ニーズ同士の適合性は、これらのベクトルの類似度によって求められる。類似度は、たとえばコサイン類似度である。詳しくは後述するが、本実施形態では、登録ニーズに関してニーズ区分も加味してベクトルを求める。 In this embodiment, registration needs received from theuser terminal 200a are vectorized using a distributed representation model. Similarly, the verification needs received from theuser terminal 200b are also vectorized. The compatibility between needs is determined by the similarity of these vectors. The similarity is, for example, cosine similarity. Although details will be described later, in this embodiment, vectors are determined with regard to registration needs, taking into account the needs category.

どのような由来の分散表現モデルを使用するかは任意であるが、ここでは既存の企業情報のデータベースを利用する。企業情報のデータベースからコーパスを生成して、そのコーパスに基づく分散表現モデルを使用するものとする。ニーズマッチングを行う企業は、このデータベースに登録されている必要はない。このデータベースに載っている企業の情報は参考にすぎないので、「参考企業データベース」という。参考企業データベース１２０は、参考とする企業情報が格納されている参考企業テーブルを有している。 The origin of the distributed representation model to be used is arbitrary, but here an existing corporate information database will be used. A corpus is generated from a database of corporate information, and a distributed representation model based on the corpus is used. Companies that perform needs matching do not need to be registered in this database. Since the information on companies listed in this database is for reference only, it is called the ``reference company database.'' The reference company database 120 has a reference company table in which reference company information is stored.

図２は、参考企業テーブルのデータ構造図である。
参考企業テーブルは、分散表現モデルの生成に利用されるだけで、直接的にニーズマッチングにはかかわらない。企業テーブルは、企業毎のレコードを有する。企業テーブルのレコードには、参考企業ＩＤ、参考企業名および事業内容が含まれる。事業内容のフィールドには、一文のみが設定されてもよいし、複数の文が設定されてもよい。あるいは、単語や句を列挙したテキストなどでもよい。 FIG. 2 is a data structure diagram of the reference company table.
The reference company table is only used to generate a distributed representation model and is not directly involved in needs matching. The company table has records for each company. Records in the company table include a reference company ID, a reference company name, and business details. Only one sentence or multiple sentences may be set in the business content field. Alternatively, it may be a text listing words or phrases.

図３は、単語テーブルのデータ構成図である。
分散表現モデルの実体は、たとえば単語テーブルのデータ形式をとる。単語テーブルは、単語毎のレコードを有する。単語テーブルのレコードには、単語および単語ベクトルが設定される。 FIG. 3 is a data configuration diagram of the word table.
The entity of the distributed representation model takes the data format of a word table, for example. The word table has a record for each word. Words and word vectors are set in the records of the word table.

図４は、登録ニーズ受付画面の図である。
登録ニーズ受付画面は、ユーザ端末２００ａからログインされたサーバ１００で生成されて、ユーザ端末２００ａに送信される。そして、ユーザ端末２００ａに表示された画面で、ユーザから登録ニーズの情報を受け付ける。登録企業の表示領域３００には、ニーズを登録する企業の名前が表示される。ログインされた段階で、企業名、所在地、アカウント情報、担当者氏名、メールアドレスや電話番号などを管理する企業テーブル（図示せず）を参照して、企業名が特定されるものとする。登録ニーズ内容の入力領域３０２には、登録ニーズの内容がテキストで入力される。ニーズ区分の選択領域３０４では、ニーズ区分が選択される。この例では、予め設定されているニーズ区分の候補の中からプルダウンメニュー方式で選択する。登録ボタン３０６がタッチされると、登録企業名、登録ニーズ内容およびニーズ区分ＩＤを含む登録ニーズのデータ（以下、「登録ニーズデータ」という）が、サーバ１００へ送信される。取消ボタン３０８がタッチされると、登録ニーズデータを送信せずに、登録ニーズ受付画面が閉じられる。 FIG. 4 is a diagram of the registration needs reception screen.
The registration needs reception screen is generated by theserver 100 logged in from theuser terminal 200a, and transmitted to theuser terminal 200a. Information on registration needs is then received from the user on the screen displayed on theuser terminal 200a. In the registeredcompany display area 300, the name of the company whose needs are registered is displayed. When logged in, the company name is identified by referring to a company table (not shown) that manages company name, location, account information, name of person in charge, email address, telephone number, etc. In theinput area 302 for registered needs contents, the contents of the registered needs are input in text. In the needscategory selection area 304, a needs category is selected. In this example, selection is made using a pull-down menu from among the candidates for need classifications set in advance. When theregistration button 306 is touched, registered needs data (hereinafter referred to as “registered needs data”) including the registered company name, registered needs content, and needs category ID is transmitted to theserver 100. When the cancelbutton 308 is touched, the registration needs reception screen is closed without transmitting the registration needs data.

図５は、登録ニーズテーブルのデータ構成図である。
サーバ１００へ送信された登録ニーズデータは、登録ニーズテーブルに格納される。登録ニーズテーブルは、登録ニーズ毎のレコードを有する。サーバ１００において登録ニーズデータを受信すると、新たなレコードが追加される。登録ニーズテーブルのレコードには、登録企業名、登録ニーズ内容およびニーズ区分ＩＤが設定される。 FIG. 5 is a data configuration diagram of the registered needs table.
The registered needs data sent to theserver 100 is stored in the registered needs table. The registered needs table has records for each registered need. When theserver 100 receives the registration needs data, a new record is added. A registered company name, registered needs content, and needs category ID are set in the record of the registered needs table.

図６は、ニーズ区分テーブルのデータ構成図である。
ニーズ区分テーブルは、ニーズデータベース１４０に予め用意されている。ニーズ区分テーブルは、ニーズ区分毎のレコードを有する。ニーズ区分テーブルのレコードには、ニーズ区分ＩＤおよびニーズ区分タイトルが設定されている。ニーズ区分タイトルは、上述したニーズ区分の選択領域３０４のプルダウンメニューで表示される。 FIG. 6 is a data configuration diagram of the needs classification table.
The needs classification table is prepared in advance in theneeds database 140. The needs classification table has records for each needs classification. A needs category ID and a needs category title are set in the record of the needs category table. The needs category title is displayed in the pull-down menu of the needscategory selection area 304 described above.

図７は、ニーズ区分ベクトル記憶部のデータ構成図である。
ニーズ区分ベクトル記憶部もニーズ区分テーブルに合わせて、予めニーズデータベース１４０に用意されている。ニーズ区分ベクトル記憶部は、ニーズ区分ごとのレコードを有する。ニーズ区分ベクトル記憶部のレコードには、ニーズ区分ＩＤとニーズ区分ベクトルが対応付けて設定される。ニーズ区分ベクトルは、ニーズ区分タイトルの分散ベクトルに相当する。つまり、ニーズ区分ベクトルは、ニーズ区分タイトルに含まれる各単語の単語ベクトルから生成される。この例では、ニーズ区分タイトルに含まれる各単語の単語ベクトルの平均化によって生成される。例えば、タイトル「研究開発協力」のニーズ区分ベクトルは、「研究」の単語ベクトル、「開発」の単語ベクトルおよび「協力」の単語ベクトルの平均ベクトルである。したがって、「研究開発協力」のニーズ区分ベクトルには、「研究」の単語ベクトルの特徴、「開発」の単語ベクトルの特徴および「協力」の単語ベクトルの特徴が反映されている。 FIG. 7 is a data configuration diagram of the needs classification vector storage unit.
A needs classification vector storage unit is also prepared in advance in theneeds database 140 in accordance with the needs classification table. The needs classification vector storage unit has records for each needs classification. A needs category ID and a needs category vector are set in association with each other in the record of the needs category vector storage unit. The needs category vector corresponds to a variance vector of needs category titles. That is, the needs category vector is generated from the word vector of each word included in the needs category title. In this example, it is generated by averaging the word vectors of each word included in the needs category title. For example, the needs category vector for the title "Research and Development Cooperation" is the average vector of the word vector "Research", the word vector "Development", and the word vector "Cooperation". Therefore, the needs category vector of "research and development cooperation" reflects the characteristics of the word vector of "research", the characteristics of the word vector of "development", and the characteristics of the word vector of "cooperation".

図８は、登録ニーズベクトル記憶部のデータ構成図である。
登録ニーズベクトルは、サーバ１００において登録ニーズデータを受信してから生成される。登録ニーズベクトル記憶部は、登録ニーズに対応するレコードを有し、そのレコードには、登録ニーズＩＤと登録ニーズベクトルが対応付けて設定される。登録ニーズベクトルは、登録ニーズの分散ベクトルに相当する。ただし、登録ニーズ内容のみならず、ニーズ区分も加味して生成される。具体的には、登録ニーズ内容の分散ベクトル（以下、「ニーズ内容ベクトル」という）とニーズ区分ベクトルから生成される。この例では、ニーズ内容ベクトルとニーズ区分ベクトルの加重平均によって登録ニーズベクトルが算出される。重みの比率は一定であるものとする。たとえば、ニーズ内容ベクトルの重みが７で、ニーズ区分ベクトルの重みが３であるとすれば、ベクトルの各成分について、ニーズ内容ベクトルの値に７を乗じ、ニーズ区分ベクトルの値に３を乗じ、それらの合計を１０で割ることによって、登録ニーズベクトルの値が算出される。 FIG. 8 is a data configuration diagram of the registered needs vector storage unit.
The registered needs vector is generated after receiving the registered needs data at theserver 100. The registered needs vector storage unit has a record corresponding to a registered need, and a registered needs ID and a registered needs vector are set in association with each other in the record. The registration needs vector corresponds to a distribution vector of registration needs. However, it is generated taking into consideration not only the registered needs content but also the needs category. Specifically, it is generated from a distribution vector of registered needs contents (hereinafter referred to as a "needs contents vector") and a needs classification vector. In this example, the registered needs vector is calculated by the weighted average of the needs content vector and the needs classification vector. It is assumed that the weight ratio is constant. For example, if the weight of the needs content vector is 7 and the weight of the needs category vector is 3, then for each component of the vector, the value of the needs content vector is multiplied by 7, the value of the needs category vector is multiplied by 3, By dividing the sum by 10, the value of the registered needs vector is calculated.

たとえば、図５の登録ニーズＩＤ：Ｎ０３００の登録ニーズベクトルは、「静音モータの応用分野を増やしたい」のニーズ内容ベクトルと「研究開発協力」のニーズ区分ベクトルの７：３の荷重平均によって求められる。「静音モータの応用分野を増やしたい」のニーズ内容ベクトルは、「静音」の単語ベクトル、「モータ」の単語ベクトル、「応用」の単語ベクトル、「分野」の単語ベクトル、「増やす」の単語ベクトルおよび「したい」の単語ベクトルの平均ベクトルである。ここでは、助詞を無視するものとする。また、「研究開発協力」のニーズ区分ベクトルは、「研究」の単語ベクトル、「開発」の単語ベクトルおよび「協力」の単語ベクトルの平均ベクトルである。したがって、登録ニーズＩＤ：Ｎ０３００の登録ニーズベクトルには、「静音」の単語ベクトルの特徴、「モータ」の単語ベクトルの特徴、「応用」の単語ベクトルの特徴、「分野」の単語ベクトルの特徴、「増やす」の単語ベクトルの特徴、「したい」の単語ベクトルの特徴、「研究」の単語ベクトルの特徴、「開発」の単語ベクトルの特徴および「協力」の単語ベクトルの特徴が反映されている。なお、加重平均に代えて、単純平均を用いてもよい。 For example, the registered needs vector of registered needs ID: N0300 in Figure 5 is determined by the weighted average of the needs content vector of "I want to increase the application fields of silent motors" and the needs classification vector of "Research and development cooperation" at a ratio of 7:3. . The need content vector for "I want to increase the application fields of silent motors" is the word vector "quiet", the word vector "motor", the word vector "application", the word vector "field", and the word vector "increase". and the average vector of the word vectors of “I want to”. Here, particles are ignored. Further, the needs category vector of “research and development cooperation” is the average vector of the word vector of “research”, the word vector of “development”, and the word vector of “cooperation”. Therefore, the registered needs vector with registered needs ID: N0300 includes the word vector feature of "quiet", the word vector feature of "motor", the word vector feature of "application", the word vector feature of "field", The characteristics of the word vector ``increase'', the characteristics of the word vector ``want to'', the characteristics of the word vector ``research'', the characteristics of the word vector ``development'', and the characteristics of the word vector ``cooperation'' are reflected. Note that a simple average may be used instead of the weighted average.

図９は、照会ニーズ受付画面の図である。
照会ニーズ受付画面は、ユーザ端末２００ｂからログインされたサーバ１００で生成されて、ユーザ端末２００ｂに送信される。そして、ユーザ端末２００ｂに表示された画面で、ユーザから照会ニーズの情報を受け付ける。照会ニーズ内容の入力領域３１０には、照会ニーズの内容がテキストで入力される。実行ボタン３１２がタッチされると、照会ニーズ内容が照会ニーズのデータ（以下、「照会ニーズデータ」という）としてサーバ１００へ送られる。取消ボタン３１４がタッチされると、照会ニーズデータを送信せずに、照会ニーズ受付画面が閉じられる。 FIG. 9 is a diagram of the inquiry needs reception screen.
The inquiry needs reception screen is generated by theserver 100 logged in from theuser terminal 200b, and transmitted to theuser terminal 200b. Information regarding inquiry needs is then received from the user on the screen displayed on theuser terminal 200b. In the inquiry needscontent input area 310, the content of the inquiry needs is input in text. When theexecution button 312 is touched, the content of the inquiry needs is sent to theserver 100 as inquiry needs data (hereinafter referred to as "inquiry needs data"). When the cancelbutton 314 is touched, the inquiry needs reception screen is closed without transmitting the inquiry needs data.

サーバ１００は、照会ニーズデータを受信すると、照会ニーズ内容のテキストに基づいて、照会ニーズベクトルを生成する。つまり、照会ニーズベクトルは、照会ニーズの分散ベクトルに相当する。具体的には、照会ニーズ内容に含まれる単語の単語ベクトルから生成される。この例では、それらの単語ベクトルの平均が、照会ニーズベクトルとなる。 Upon receiving the inquiry needs data, theserver 100 generates an inquiry needs vector based on the text of the inquiry needs content. In other words, the inquiry needs vector corresponds to a variance vector of inquiry needs. Specifically, it is generated from word vectors of words included in the inquiry needs content. In this example, the average of those word vectors becomes the query needs vector.

たとえば、「静かな掃除機の開発を手伝って欲しい」の照会ニーズベクトルは、「静か」の単語ベクトル、「掃除機」の単語ベクトル、「開発」の単語ベクトル、「手伝う」の単語ベクトルおよび「欲しい」の単語ベクトルから生成される。したがって、「静かな掃除機の開発を手伝って欲しい」の照会ニーズベクトルには、「静か」の単語ベクトルの特徴、「掃除機」の単語ベクトルの特徴、「開発」の単語ベクトルの特徴、「手伝う」の単語ベクトルの特徴および「欲しい」の単語ベクトルの特徴が反映されている。 For example, a query needs vector for "I want help developing a quiet vacuum cleaner" includes a word vector for "quiet," a word vector for "vacuum cleaner," a word vector for "development," a word vector for "help," and a word vector for "quiet." It is generated from the word vector "I want". Therefore, the query needs vector for "I want help developing a quiet vacuum cleaner" includes features of the word vector "quiet", features of the word vector "vacuum cleaner", features of the word vector "development", and features of the word vector "quiet". The characteristics of the word vector ``help'' and the word vector ``want'' are reflected.

図１０は、マッチング結果画面の図である。
マッチング結果画面では、照会ニーズにマッチした登録ニーズを一覧形式で表示する。マッチング結果画面は、照会ニーズデータの送信元であるユーザ端末２００ｂへ返信される。各登録ニーズの行には、登録ニーズ内容の表示領域３２０、ニーズ区分の表示領域３２２、登録企業の表示領域３２４および詳細ボタン３２６が含まれる。詳細ボタン３２６にタッチすると、登録企業に関する詳細な情報（企業名、所在地、担当者氏名、メールアドレスや電話番号など）が表示される。 FIG. 10 is a diagram of the matching result screen.
The matching result screen displays registered needs that match the inquiry needs in a list format. The matching result screen is returned to theuser terminal 200b that is the source of the inquiry needs data. Each registered needs row includes a registered needscontent display area 320, a needscategory display area 322, a registeredcompany display area 324, and adetails button 326. When thedetails button 326 is touched, detailed information regarding the registered company (company name, location, name of person in charge, e-mail address, telephone number, etc.) is displayed.

第１行に表示された登録ニーズについて説明する。図８に関連して説明したとおり、ニーズ内容ベクトル「静音モータの応用分野を増やしたい」とニーズ区分ベクトル「研究開発協力」から生成された登録ニーズベクトルには、「静音」の単語ベクトルの特徴、「モータ」の単語ベクトルの特徴、「応用」の単語ベクトルの特徴、「分野」の単語ベクトルの特徴、「増やす」の単語ベクトルの特徴、「したい」の単語ベクトルの特徴、「研究」の単語ベクトルの特徴、「開発」の単語ベクトルの特徴および「協力」の単語ベクトルの特徴が反映されている。一方、図９に関連して説明したとおり、「静かな掃除機の開発を手伝って欲しい」の照会ニーズベクトルには、「静か」の単語ベクトルの特徴、「掃除機」の単語ベクトルの特徴、「開発」の単語ベクトルの特徴、「手伝う」の単語ベクトルの特徴および「欲しい」の単語ベクトルの特徴が反映されている。 The registration needs displayed in the first line will be explained. As explained in relation to Figure 8, the registered needs vector generated from the needs content vector "I want to increase the application fields of quiet motors" and the needs classification vector "Research and development cooperation" has the characteristics of the word vector "quiet". , features of the word vector of "motor", features of the word vector of "application", features of the word vector of "field", features of the word vector of "increase", features of the word vector of "want to", features of the word vector of "research". The characteristics of the word vector, the characteristics of the word vector "development" and the characteristics of the word vector "cooperation" are reflected. On the other hand, as explained in relation to FIG. 9, the inquiry needs vector for "I want help developing a quiet vacuum cleaner" includes features of the word vector "quiet", features of the word vector "vacuum cleaner", The characteristics of the word vector ``development'', the characteristics of the word vector ``help'', and the characteristics of the word vector ``want'' are reflected.

両者を比較すると、登録ニーズベクトルの「静音」の単語ベクトルの特徴は、照会ニーズベクトルの「静か」の単語ベクトルの特徴に近しい。登録ニーズベクトルの「モータ」の単語ベクトルの特徴は、照会ニーズベクトルの「掃除機」の単語ベクトルの特徴と関連がある。登録ニーズベクトルの「開発」の単語ベクトルの特徴は、照会ニーズベクトルと共通する。登録ニーズベクトルの「協力」の単語ベクトルの特徴は、照会ニーズベクトルの「手伝う」の単語ベクトルの特徴に近しい。登録ニーズベクトルの「したい」の単語ベクトルの特徴は、照会ニーズベクトルの「欲しい」の単語ベクトルの特徴に近しい。よって、第１行目に関する登録ニーズベクトルは、全体として「静かな掃除機の開発を手伝って欲しい」の照会ニーズベクトルと近しく、高い類似度を示すことになる。特に、「静音モータの応用分野を増やしたい」のニーズ内容ベクトルにはない「開発」の単語ベクトルの特徴と「協力」の単語ベクトルの特徴が、ニーズ区分ベクトルによって補足されている点で、実効性が高まっている。 Comparing the two, the features of the word vector "quiet" in the registered needs vector are close to the features of the word vector "quiet" in the inquiry needs vector. The features of the word vector "motor" in the registered needs vector are related to the features of the word vector "vacuum cleaner" in the inquiry needs vector. The characteristics of the word vector “development” in the registered needs vector are common to those in the inquiry needs vector. The characteristics of the word vector "cooperation" in the registered needs vector are close to the characteristics of the word vector "help" in the inquiry needs vector. The characteristics of the word vector "I want" in the registered needs vector are close to the characteristics of the word vector "I want" in the inquiry needs vector. Therefore, the registered needs vector related to the first row is generally close to the inquiry needs vector of "I want your help in developing a quiet vacuum cleaner" and shows a high degree of similarity. In particular, the characteristics of the word vector ``development'' and the word vector ``cooperation'' that are not found in the need content vector of ``I want to increase the application fields of silent motors'' are supplemented by the needs category vector, making it effective. sexuality is increasing.

図１１は、サーバ１００の機能ブロック図である。
サーバ１００の各構成要素は、ＣＰＵ（Central Processing Unit）および各種コプロセッサなどの演算器、メモリやストレージといった記憶装置、それらを連結する有線または無線の通信線を含むハードウェアと、記憶装置に格納され、演算器に処理命令を供給するソフトウェアによって実現される。コンピュータプログラムは、デバイスドライバ、オペレーティングシステム、それらの上位層に位置する各種アプリケーションプログラム、また、これらのプログラムに共通機能を提供するライブラリによって構成されてもよい。図示した各ブロックは、ハードウェア単位の構成ではなく、機能単位のブロックを示している。 FIG. 11 is a functional block diagram of theserver 100.
Each component of theserver 100 includes hardware including arithmetic units such as a CPU (Central Processing Unit) and various coprocessors, storage devices such as memory and storage, and wired or wireless communication lines connecting them, and hardware stored in the storage device. It is realized by software that supplies processing instructions to the arithmetic unit. A computer program may be composed of a device driver, an operating system, various application programs located in an upper layer thereof, and a library that provides common functions to these programs. Each block shown in the figure shows a functional unit block rather than a hardware unit configuration.

サーバ１００は、データ格納部１１０、データ処理部１５０および通信部１９０を含む。通信部１９０は、ネットワークを介した通信処理を担当する。データ格納部１１０は各種データを格納する。データ処理部１５０は、通信部１９０により取得されたデータおよびデータ格納部１１０に格納されているデータに基づいて各種処理を実行する。データ処理部１５０は、通信部１９０およびデータ格納部１１０のインタフェースとしても機能する。Server 100 includes adata storage section 110, adata processing section 150, and acommunication section 190. Thecommunication unit 190 is in charge of communication processing via the network. Thedata storage unit 110 stores various data. Thedata processing unit 150 performs various processes based on the data acquired by thecommunication unit 190 and the data stored in thedata storage unit 110. Thedata processing section 150 also functions as an interface for thecommunication section 190 and thedata storage section 110.

通信部１９０は、データを送信する送信部１８０とデータを受信する受信部１７０を含む。
送信部１８０は、各種画面データを送信する画面データ送信部１８２を含む。受信部１７０は、登録ニーズデータを受信する登録ニーズデータ受信部１７２および照会ニーズデータを受信する照会ニーズデータ受信部１７４を含む。 Thecommunication unit 190 includes a transmittingunit 180 that transmits data and a receivingunit 170 that receives data.
Thetransmitter 180 includes a screen data transmitter 182 that transmits various screen data. The receivingunit 170 includes a registered needs data receiving unit 172 that receives registered needs data and an inquiry needs data receiving unit 174 that receives inquiry needs data.

データ処理部１５０は、モデル生成部１５２、登録ニーズベクトル算出部１５４、画面データ生成部１６０および探索部１６２を含む。
モデル生成部１５２は、分散表現モデル生成処理を実行する。登録ニーズベクトル算出部１５４は、登録ニーズベクトルを算出する。画面データ生成部１６０は、各種画面データを生成する。探索部１６２は、照会ニーズに適合する登録ニーズの探索を行う。 Thedata processing section 150 includes amodel generation section 152, a registered needsvector calculation section 154, a screendata generation section 160, and asearch section 162.
Themodel generation unit 152 executes distributed representation model generation processing. The registered needsvector calculation unit 154 calculates a registered needs vector. The screendata generation unit 160 generates various screen data. Thesearch unit 162 searches for registration needs that match the inquiry needs.

データ格納部１１０は、参考企業データベース１２０、分散表現モデル格納部１３０およびニーズデータベース１４０を含む。参考企業データベース１２０は、図２に示した参考企業テーブルを格納する。分散表現モデル格納部１３０は、図３に示した単語テーブルを格納する。ニーズデータベース１４０は、登録ニーズテーブル格納部１４２、ニーズ区分テーブル格納部１４４、ニーズ区分ベクトル記憶部１４６および登録ニーズベクトル記憶部１４８を有する。登録ニーズテーブル格納部１４２は、登録ニーズテーブル（図５参照）を格納する。ニーズ区分テーブル格納部１４４は、ニーズ区分テーブル（図６参照）を格納する。ニーズ区分ベクトル記憶部１４６については、図７に関連して上述した。登録ニーズベクトル記憶部１４８については、図８に関連して上述した。 Thedata storage unit 110 includes a reference company database 120, a distributed representationmodel storage unit 130, and aneeds database 140. The reference company database 120 stores the reference company table shown in FIG. The distributed representationmodel storage unit 130 stores the word table shown in FIG. Theneeds database 140 includes a registered needs table storage section 142, a needs classification table storage section 144, a needs classificationvector storage section 146, and a registered needsvector storage section 148. The registered needs table storage unit 142 stores a registered needs table (see FIG. 5). The needs classification table storage unit 144 stores a needs classification table (see FIG. 6). The needs classificationvector storage unit 146 was described above in connection with FIG. 7 . The registered needsvector storage unit 148 was described above in connection with FIG. 8 .

図１２は、分散表現モデル生成処理の過程を示すフローチャート図である。
モデル生成部１５２は、参考企業テーブル（図２）からコーパスを生成する（Ｓ１０）。コーパスとは、自然言語の文章を構造化した大規模データである。コーパスは、データ格納部１１０に保持される。具体的には、モデル生成部１５２は、各企業の事業内容から抽出される文ごとに、形態素解析を行って分かち書き形式に変換する。分かち書きとは、単語の間を余白で空けて区切る文字列である。分かち書き形式のデータが、コーパスに含められる。 FIG. 12 is a flowchart showing the process of distributed representation model generation processing.
Themodel generation unit 152 generates a corpus from the reference company table (FIG. 2) (S10). A corpus is a large-scale data structure of natural language sentences. The corpus is held in thedata storage unit 110. Specifically, themodel generation unit 152 performs morphological analysis on each sentence extracted from the business content of each company and converts it into a parting format. Separation is a string of characters that separates words by leaving spaces between them. Partitioned data is included in the corpus.

モデル生成部１５２は、コーパスを用いて単語ベクトルを生成する（Ｓ１２）。具体的には、モデル生成部１５２は、たとえばＷｏｒｄ２ｖｅｃの学習処理によって、コーパスに含まれる各単語に関する単語ベクトルを求める。生成された単語ベクトルは、分散表現モデル格納部１３０に単語テーブル（図３）の形式で格納される。 Themodel generation unit 152 generates word vectors using the corpus (S12). Specifically, themodel generation unit 152 obtains a word vector regarding each word included in the corpus, for example, by learning processing of Word2vec. The generated word vectors are stored in the distributed representationmodel storage unit 130 in the form of a word table (FIG. 3).

図１３は、登録ニーズ追加処理の過程を示すフローチャート図である。
登録ニーズデータ受信部１７２は、ユーザ端末２００から登録ニーズデータを受信すると（Ｓ２０）、登録ニーズテーブルを更新する（Ｓ２２）。具体的には、登録ニーズデータ受信部１７２は、登録ニーズテーブルに新たなレコードを設けて、登録ニーズデータに含まれる登録企業名、登録ニーズ内容およびニーズ区分ＩＤをそのレコードに設定する。 FIG. 13 is a flowchart showing the process of adding registered needs.
When the registered needs data receiving unit 172 receives the registered needs data from the user terminal 200 (S20), it updates the registered needs table (S22). Specifically, the registered needs data receiving unit 172 creates a new record in the registered needs table, and sets the registered company name, registered needs content, and need classification ID included in the registered needs data in the record.

登録ニーズベクトル算出部１５４は、登録ニーズ内容に含まれる各文の文ベクトルを算出する（Ｓ２４）。文に含まれる単語の単語ベクトルから、文ベクトルが生成される。生成方法は、例えば平均化である。つまり、文ベクトルは、単語ベクトルの平均ベクトルである。 The registered needsvector calculation unit 154 calculates the sentence vector of each sentence included in the registered needs content (S24). A sentence vector is generated from word vectors of words included in the sentence. The generation method is, for example, averaging. That is, a sentence vector is an average vector of word vectors.

登録ニーズベクトル算出部１５４は、登録ニーズ内容に含まれる各文の文ベクトルの平均を算出して、算出された平均ベクトルをニーズ内容ベクトルとする（Ｓ２６）。登録ニーズベクトル算出部１５４は、平均化以外の方法で、文ベクトルからニーズ内容ベクトルを生成してもよい。 The registered needsvector calculation unit 154 calculates the average of the sentence vectors of each sentence included in the registered needs content, and sets the calculated average vector as a needs content vector (S26). The registered needsvector calculation unit 154 may generate the need content vector from the sentence vector by a method other than averaging.

登録ニーズベクトル算出部１５４は、上述のとおり、ニーズ内容ベクトルとニーズ区分ベクトルの荷重平均によって、登録ニーズベクトルを算出する（Ｓ２８）。登録ニーズベクトルは、登録ニーズＩＤに対応づけて登録ニーズベクトル記憶部１４８に記憶される。加重平均に代えて、単純平均を用いてもよい。 As described above, the registered needsvector calculation unit 154 calculates the registered needs vector by the weighted average of the needs content vector and the needs classification vector (S28). The registered needs vector is stored in the registered needsvector storage unit 148 in association with the registered needs ID. A simple average may be used instead of a weighted average.

図１４は、ニーズマッチング処理の過程を示すフローチャート図である。
照会ニーズデータ受信部１７４がサーバ１００から照会ニーズデータを受信すると（Ｓ３０）、探索部１６２は、照会ニーズベクトルを算出する（Ｓ３２）。具体的には、照会ニーズ内容が句、節や文である場合には、形態素解析によって単語を抽出する。照会ニーズ内容が、複数の単語がスペースや読点などで区切られている場合には、それらの単語を用いる。照会ニーズ内容に含まれる単語の単語ベクトルから、照会ニーズベクトルが生成される。生成方法は、例えば平均化である。つまり、照会ニーズベクトルは、単語ベクトルの平均ベクトルである。 FIG. 14 is a flowchart showing the process of needs matching processing.
When the inquiry needs data receiving unit 174 receives inquiry needs data from the server 100 (S30), the searchingunit 162 calculates an inquiry needs vector (S32). Specifically, when the inquiry needs content is a phrase, clause, or sentence, words are extracted by morphological analysis. If the inquiry needs content includes multiple words separated by spaces or commas, use those words. A query needs vector is generated from word vectors of words included in the query needs content. The generation method is, for example, averaging. That is, the query needs vector is an average vector of word vectors.

探索部１６２は、照会ニーズベクトルと類似する登録ニーズベクトルを探索する（Ｓ３４）。具体的には、探索部１６２は、登録ニーズベクトル記憶部１４８に記憶されている各登録ニーズベクトルと照会ニーズベクトルとの類似度を算出する。そして、探索部１６２は、基準値以上の類似度を有する登録ニーズベクトルに対応する登録ニーズ内容、ニーズ区分ＩＤおよび登録企業名を抽出する。 Thesearch unit 162 searches for a registered needs vector similar to the inquiry needs vector (S34). Specifically, thesearch unit 162 calculates the degree of similarity between each registered needs vector stored in the registered needsvector storage unit 148 and the inquiry needs vector. Then, thesearch unit 162 extracts the registered need content, need category ID, and registered company name that correspond to the registered needs vector having a degree of similarity equal to or higher than the reference value.

画面データ生成部１６０は、抽出された登録ニーズ内容、ニーズ区分ＩＤおよび登録企業名を一覧表示するマッチング結果画面を生成し、画面データ送信部１８２は、生成されたマッチング結果画面のデータをユーザ端末２００へ送信する（Ｓ３６）。このとき、類似度の降順に登録ニーズの行がソートされてもよい。また、各登録ニーズに関する類似度が表示されてもよい。 The screendata generation unit 160 generates a matching result screen that displays a list of extracted registered needs contents, need classification IDs, and registered company names, and the screen data transmission unit 182 transmits the data of the generated matching result screen to the user terminal. 200 (S36). At this time, the rows of registration needs may be sorted in descending order of similarity. Furthermore, the degree of similarity regarding each registration need may be displayed.

本実施形態では、登録ニーズベクトル算出部１５４が、各登録ニーズの内容文に含まれる各単語を表す単語ベクトルからニーズ内容ベクトルを算出し、さらにニーズ区分のタイトルに含まれる各単語を表す単語ベクトルからニーズ区分ベクトルを算出し、そして、ニーズ内容ベクトルの重みとニーズ区分ベクトルの重みの比を一定とした加重平均によって、各登録ニーズベクトルを算出する例を示した。 In this embodiment, the registered needsvector calculation unit 154 calculates a needs content vector from word vectors representing each word included in the content sentence of each registered need, and further calculates a need content vector from word vectors representing each word included in the title of the needs category. An example was shown in which a needs classification vector is calculated from the above, and each registered needs vector is calculated by a weighted average with a fixed ratio of the weight of the needs content vector and the weight of the needs classification vector.

［変形例］
変形例として、登録ニーズベクトル算出部１５４は、各登録ニーズの内容文に含まれる各単語を表す単語ベクトルの第１重みを一定とし、ニーズ区分のタイトルに含まれる各単語を表す単語ベクトルの第２重みを一定とした加重平均によって、各登録ニーズベクトルを算出してもよい。[Modified example]
As a modified example, the registered needsvector calculation unit 154 may set the first weight of the word vector representing each word included in the content sentence of each registered need constant, and set the first weight of the word vector representing each word included in the title of the needs category to be Each registration needs vector may be calculated by a weighted average with two constant weights.

たとえば、第１重みが７で、第２重みが３であるとすれば、図５の登録ニーズＩＤ：Ｎ０３００の登録ニーズベクトルにおける各要素の値は、「静音」の単語ベクトルの値、「モータ」の単語ベクトルの値、「応用」の単語ベクトルの値、「分野」の単語ベクトルの値、「増やす」の単語ベクトルの値および「したい」の単語ベクトルの値にそれぞれ７を乗じ、「研究」の単語ベクトルの値、「開発」の単語ベクトルの値および「協力」の単語ベクトルの値にそれぞれ３を乗じて、それらの合計を５１（＝７×６＋３×３）で割ることによって算出される。加重平均に代えて、単純平均を用いてもよい。 For example, if the first weight is 7 and the second weight is 3, the values of each element in the registered needs vector of registered needs ID: N0300 in FIG. ”, the value of the word vector of “application”, the value of the word vector of “field”, the value of the word vector of “increase”, and the value of the word vector of “desire” are each multiplied by 7, and the value of the word vector of “research” is multiplied by 7. It is calculated by multiplying the value of the word vector ``, the value of the word vector ``development,'' and the value of the word vector ``cooperation'' by 3, respectively, and dividing the sum by 51 (=7 x 6 + 3 x 3). Ru. A simple average may be used instead of a weighted average.

また、照会ニーズの入力によってニーズマッチングを行った後に、再びその照会ニーズによるニーズマッチングを行うようにしてもよい。そのようにすれば、後に追加された登録ニーズとの適合性もチェックできる。たとえば、新しい登録ニーズが追加された時点で、それまでに受け付けた照合ニーズとの類似を検証してもよいし、周期的に過去の照合ニーズとの類似を検証してもよい。 Further, after performing needs matching by inputting inquiry needs, needs matching may be performed again based on the inquiry needs. In this way, compatibility with registration needs added later can also be checked. For example, when a new registration need is added, it may be verified that it is similar to verification needs that have been accepted up to that point, or it may be periodically verified that it is similar to past verification needs.

そのため、登録ニーズデータ受信部１７２は、新たな登録ニーズに関する内容文とニーズ区分とを受信すると、受信した登録ニーズをニーズデータベース１４０に追加する。登録ニーズベクトル１５４は、追加された登録ニーズを表す登録ニーズベクトルを算出する。探索部１６２は、追加された登録ニーズの登録ニーズベクトルが、過去に受信した照会ニーズベクトルと近似するか否かを判定する。追加された登録ニーズの登録ニーズベクトルが照会ニーズベクトルと近似する場合に、通知部（不図示）は、追加された登録ニーズの情報を、照会ニーズベクトルを送ったユーザのメールアドレス宛のメールにて送信する。あるいは、過去の照会ニーズに適合する登録ニーズが追加された旨だけをメールで送信してもよい。また、このメールを受け取ったユーザが、ユーザ端末２００ｂからログインして、追加された登録ニーズの情報を確認できるようにしてもよい。 Therefore, when the registration needs data receiving unit 172 receives the content text and the need classification regarding a new registration need, it adds the received registration need to theneeds database 140. The registered needsvector 154 calculates a registered needs vector representing the added registered needs. Thesearch unit 162 determines whether the registered needs vector of the added registered need is similar to the previously received inquiry needs vector. If the registration needs vector of the added registration needs is similar to the inquiry needs vector, the notification unit (not shown) sends the information of the added registration needs to an email addressed to the email address of the user who sent the inquiry needs vector. and send. Alternatively, only the notification that registration needs matching past inquiry needs have been added may be sent by e-mail. Further, the user who received this email may be able to log in from theuser terminal 200b and check the information on the added registration needs.

ベクトルの平均化において、例えばＴＦ－ＩＤＦ（Term Frequency-Inverse Document Frequency）のような評価指標を用いて、元となる単語ベクトル毎、句ベクトル毎あるいは文ベクトル毎などに重みづけを行ってもよい。 In vector averaging, weighting may be performed for each source word vector, phrase vector, or sentence vector using an evaluation index such as TF-IDF (Term Frequency-Inverse Document Frequency). .

また、照会ニーズ受付画面（図９）においてニーズ区分を受け付け、照会ニーズデータにニーズ区分ＩＤを含めてもよい。探索部１６２は、受け付けたニーズ区分に合致する登録ニーズを登録ニーズテーブル（図５）から抽出し、抽出された登録ニーズについて、反対ニーズのマッチングを行うようにしてもよい。たとえば、「〇〇を買いたい」の反対ニーズは、「〇〇を売りたい」である。つまり、探索部１６２は、照会ニーズ内容に含まれる「買いたい」を反対語の「売りたい」に置き換えてから、その照会ニーズ内容によって照会ニーズベクトルを算出し、その照会ニーズベクトルと類似する登録ニーズベクトルの探索を行うようにする。 Further, the needs category may be accepted on the inquiry needs reception screen (FIG. 9), and the needs category ID may be included in the inquiry needs data. Thesearch unit 162 may extract registered needs that match the received need category from the registered needs table (FIG. 5), and match the extracted registered needs with opposite needs. For example, the opposite need of ``I want to buy 〇〇'' is ``I want to sell 〇〇.'' In other words, thesearch unit 162 replaces "I want to buy" included in the inquiry needs content with the opposite word "I want to sell", calculates an inquiry needs vector based on the inquiry needs content, and registers similar information to the inquiry needs vector. Search for the needs vector.

実施形態では、登録ニーズベクトルおよび照会ニーズベクトルを算術平均によって求める例を示したが、他の方法で算出してもよい。たとえば、マッチングに対するフィードバックとして評価や実績を受け付けて、その評価や実績を教師データとする機械学習によって、最終的な登録ニーズベクトルまたは／および最終的な照会ニーズベクトルを算出するようにしてもよい。たとえば、相手と連絡が取れた場合や商談が成立した場合に、評価値を高くするようにしてもよい。相手と連絡が取れた回数や商談が成立した回数を、実績値としてもよい。 In the embodiment, an example has been shown in which the registered needs vector and the inquiry needs vector are calculated by arithmetic averaging, but they may be calculated using other methods. For example, the final registration needs vector and/or final inquiry needs vector may be calculated by accepting evaluations and achievements as feedback for matching, and by machine learning using the evaluations and achievements as training data. For example, the evaluation value may be increased when a contact is made with the other party or when a business negotiation is concluded. The actual value may be the number of times the contact was made with the other party or the number of business negotiations concluded.

照会ニーズ入力の際に、ニーズ区分を指定できるようにしてもよい。また、ニーズ区分に、予め反対ニーズを対応付けて定義しておいてもよい。ニーズマッチングの際には、照会ニーズ内容と、照会ニーズ区分の反対ニーズとに基づいて、照会ニーズベクトルを生成してもよい。そして、その照会ニーズベクトルを用いて登録ニーズベクトルとの類似度を算出するようにしてもよい。 It may also be possible to specify a needs category when inputting inquiry needs. Further, opposite needs may be defined in advance in association with the need categories. During needs matching, an inquiry needs vector may be generated based on the contents of the inquiry needs and the opposite needs of the inquiry needs classification. Then, the query needs vector may be used to calculate the degree of similarity with the registered needs vector.

なお、本発明は上記実施形態や変形例に限定されるものではなく、要旨を逸脱しない範囲で構成要素を変形して具体化することができる。上記実施形態や変形例に開示されている複数の構成要素を適宜組み合わせることにより種々の発明を形成してもよい。また、上記実施形態や変形例に示される全構成要素からいくつかの構成要素を削除してもよい。 It should be noted that the present invention is not limited to the above-described embodiments and modified examples, and can be embodied by modifying the constituent elements without departing from the scope of the invention. Various inventions may be formed by appropriately combining a plurality of components disclosed in the above embodiments and modified examples. Furthermore, some components may be deleted from all the components shown in the above embodiments and modified examples.

１００ サーバ、１１０ データ格納部、１２０ 参考企業データベース、１３０ 分散表現モデル格納部、１４０ ニーズデータベース、１４２ 登録ニーズテーブル格納部、１４４ ニーズ区分テーブル格納部、１４６ ニーズ区分ベクトル記憶部、１４８ 登録ニーズベクトル記憶部、１５０ データ処理部、１５２ モデル生成部、１５４ 登録ニーズベクトル算出部、１６０ 画面データ生成部、１６２ 探索部、１７０ 受信部、１７２ 登録ニーズデータ受信部、１７４ 照会ニーズデータ受信部、１８０ 送信部、１８２ 画面データ送信部、１９０ 通信部、２００ ユーザ端末、３００ 表示領域、３０２ 入力領域、３０４ 選択領域、３０６ 登録ボタン、３０８ 取消ボタン、３１０ 入力領域、３１２ 実行ボタン、３１４ 取消ボタン、３２０ 表示領域、３２２ 表示領域、３２４ 表示領域、３２６ 詳細ボタン100 server, 110 data storage unit, 120 reference company database, 130 distributed representation model storage unit, 140 needs database, 142 registered needs table storage unit, 144 needs classification table storage unit, 146 needs classification vector storage unit, 148 registered needs vector storage unit, 150 data processing unit, 152 model generation unit, 154 registered needs vector calculation unit, 160 screen data generation unit, 162 search unit, 170 reception unit, 172 registered needs data reception unit, 174 inquiry needs data reception unit, 180 transmission unit , 182 screen data transmission section, 190 communication section, 200 user terminal, 300 display area, 302 input area, 304 selection area, 306 registration button, 308 cancel button, 310 input area, 312 execution button, 314 cancel button, 320 display area , 322 display area, 324 display area, 326 details button

Claims (5)

Translated fromJapanese

複数の登録ニーズの内容文をニーズ区分に紐づけて管理するデータベースに関して、各登録ニーズの前記内容文に含まれる各単語を表すベクトルと、前記ニーズ区分のタイトルに含まれる各単語を表すベクトルとに基づいて、当該登録ニーズを表す登録ニーズベクトルを算出する算出部と、
照会ニーズの内容文を受け付ける第１受付部と、
前記照会ニーズの前記内容文に含まれる各単語を表すベクトルに基づいて、前記照会ニーズを表す照会ニーズベクトルを算出し、算出された当該照会ニーズベクトルと類似する登録ニーズベクトルを探索する探索部と、
探索された前記登録ニーズベクトルで表される登録ニーズの少なくとも前記内容文を出力する出力部と、を備えることを特徴とするニーズマッチング装置。 Regarding a database that manages content sentences of multiple registered needs by linking them to need categories, a vector representing each word included in the content sentence of each registered need, and a vector representing each word included in the title of the need category. a calculation unit that calculates a registration needs vector representing the registration needs based on the registration needs;
A first reception department that accepts the content of inquiry needs,
a search unit that calculates an inquiry needs vector representing the inquiry need based on a vector representing each word included in the content sentence of the inquiry need, and searches for a registered needs vector similar to the calculated inquiry needs vector; ,
A needs matching device comprising: an output unit that outputs at least the content sentence of the registered need represented by the searched registered needs vector. 新たな登録ニーズに関する内容文とニーズ区分とを受け付けて、受け付けた当該登録ニーズを前記データベースに追加する第２受付部と、
前記算出部は、追加された前記登録ニーズを表す登録ニーズベクトルを算出し、
前記探索部は、追加された前記登録ニーズの前記登録ニーズベクトルが、前記照会ニーズベクトルと近似するか否かを判定し、
前記出力部は、追加された前記登録ニーズの前記登録ニーズベクトルが前記照会ニーズベクトルと近似する場合に、追加された前記登録ニーズの少なくとも前記内容文を出力することを特徴とする請求項１に記載のニーズマッチング装置。 a second reception unit that receives a content statement and a needs category regarding new registration needs and adds the received registration needs to the database;
The calculation unit calculates a registered needs vector representing the added registered needs,
The search unit determines whether the registered needs vector of the added registered need approximates the inquiry needs vector,
2. The output unit outputs at least the content sentence of the added registered need when the registered needs vector of the added registered need approximates the inquiry needs vector. The needs matching device described. 前記算出部は、前記各登録ニーズの前記内容文に含まれる前記各単語を表す前記ベクトルから当該内容文を表すニーズ内容ベクトルを算出し、前記ニーズ区分の前記タイトルに含まれる前記各単語を表す前記ベクトルから当該ニーズ区分を表すニーズ区分ベクトルを算出し、前記ニーズ内容ベクトルと前記ニーズ区分ベクトルとに基づいて、前記登録ニーズベクトルを算出することを特徴とする請求項１または２に記載のニーズマッチング装置。 The calculation unit calculates a need content vector representing the content sentence from the vector representing the word included in the content sentence of each registered need, and represents each word included in the title of the needs category. The needs according to claim 1 or 2, wherein a needs classification vector representing the needs classification is calculated from the vector, and the registered needs vector is calculated based on the need content vector and the needs classification vector. matching device. 前記算出部は、前記各登録ニーズの前記内容文に含まれる前記各単語を表す前記ベクトルと、前記ニーズ区分の前記タイトルに含まれる前記各単語を表す前記ベクトルとに基づいて、前記登録ニーズベクトルを算出することを特徴とする請求項１または２に記載のニーズマッチング装置。 The calculation unit calculates the registered needs vector based on the vector representing each word included in the content sentence of each registered need and the vector representing each word included in the title of the needs category. The needs matching device according to claim 1 or 2, characterized in that the needs matching device calculates. 複数の登録ニーズの内容文をニーズ区分に紐づけて管理するデータベースに関して、各登録ニーズの前記内容文に含まれる各単語を表すベクトルと、前記ニーズ区分のタイトルに含まれる各単語を表すベクトルとに基づいて、当該登録ニーズを表す登録ニーズベクトルを算出する機能と、
照会ニーズの内容文を受け付ける機能と、
前記照会ニーズの前記内容文に含まれる各単語を表すベクトルに基づいて、前記照会ニーズを表す照会ニーズベクトルを算出し、算出された当該照会ニーズベクトルと類似する登録ニーズベクトルを探索する機能と、
探索された前記登録ニーズベクトルで表される登録ニーズの少なくとも前記内容文を出力する機能と、を情報処理装置に発揮させることを特徴とするプログラム。 Regarding a database that manages content sentences of multiple registered needs by linking them to need categories, a vector representing each word included in the content sentence of each registered need, and a vector representing each word included in the title of the need category. a function of calculating a registration needs vector representing the registration needs based on the registration needs;
A function that accepts the content of inquiry needs,
A function of calculating an inquiry needs vector representing the inquiry need based on a vector representing each word included in the content sentence of the inquiry need, and searching for a registered needs vector similar to the calculated inquiry needs vector;
A program that causes an information processing device to perform a function of outputting at least the content sentence of the registered need represented by the searched registered needs vector.

Images