AI分野における研究開発

ドメインと研究開発問題

• ドメインエキスパートシステム
• 機械学習と推薦システム
• 複雑な計画
• 自然言語処理
• パターン認識

ケーススタディ

• フォームOCR：

ハードコピーフォームは、請求書、カード、請求書、調査など、日常生活のさまざまな文書で使用されます。デジタル形式は、これらの文書内の情報の特別な表現です。分析。文書内のタイトル、目的、送信者、宛先、および手書き部分の認識情報を提供します。

KSEソリューション： KSEが開発したフレームワークは、フォーム内のさまざまなコンポーネントを検出し、コンテンツベースのフォームを学習してから、それらの部分を事前定義されたカテゴリに分類することができます。フレームワークは、認識のための監視された学習システムとテキストを検出するためのOCRシステムと統合されています。

• 推薦システム：

現在、取引データおよび顧客調達データの収集の急速な増加と共に電子商取引の発展により、顧客の細分化の問題は、特に大規模小売業者にとって、ビジネスにおいて非常に有望である。顧客のセグメント化またはグループ化は、マーケティング、製品の宣伝、および顧客のニーズの理解に成功するのに役立ちます。

KSEソリューション： KSEが開発したシステムは、顧客の行動を習得し、特定のパターンに従って顧客をグループ化することを目的としています。このシステムには、顧客コミュニティを検出し、新しい顧客に適したコミュニティを見つけるのに役立つ教師なし学習アプローチが含まれています。

• 交通軌跡分析：

社会の発展に伴い、輸送車両の数が増え、経済的および環境的な被害をもたらしています。このため、輸送のための優れた管理が強く求められています。軌跡データに基づいて運動の振る舞いを研究するための良い方法を見つけるための研究が進行中です。データは一般にGPSによって提供されます。データマイニングと機械学習は、移動パターンを研究するために考慮に入れることができます。

KSEソリューション： インタラクティブなビジュアライゼーションと軌跡を学習するための動的構造との組み合わせによる軌跡解析のソリューションを提供します。システムは調査対象物の移動挙動をランク付けし決定することができる。

• 傾向および感情分析：

世界中の何百万ものユーザーや記者が、TwitterやFacebookなどのソーシャルメディアWebサイトで、消費者向け製品や映画のレビュー、ニュース、政治などのさまざまなテーマに関する意見を述べるためのニュース、記事、コメントを書いています。テキストコンテンツ分析は、関心のある分野における新たな問題、トピック、および傾向の早期発見を可能にし得る。最近の傾向は、ソーシャルメディアサイトで時間の経過とともに関心と有用性が高まっているトピック分野です。

KSEソリューション： KSEによって提案されたフレームワークは、特定の期間内に重要性が増しているディスカッションされたトピックとユーザーの感情を識別し、それから時間の経過とともにトピックの進化を研究するために使用されます。企業、政府、そして社会にとって、一般市民がどの問題に問題を抱えているのかを特定し、それを改善するための戦略を立てるためには、あらゆる分野における傾向と感情の分析が不可欠です。特定の時系列に関する有用な情報を抽出し、将来の出来事を予測することを可能にすることは、高い需要があります。

方法論と技術