检索控制程序、检索控制设备和检索控制方法与流程

本发明涉及检索控制程序、检索控制设备和检索控制方法。

背景技术：

例如，向用户提供服务的提供方(下文中也简称为提供方)根据预期的用途来构建业务系统(下文中也称为信息处理系统)，并且对该系统进行操作以便向用户提供各种服务。例如，当从用户接收到关于服务的查询(下文中也称为检索条件)时，信息处理系统参考在提供给用户的服务期间存储在过去产生的事件(下文中也简称为事件)的存储单元，并且指定哪个内容最接近所接收到的查询的事件。然后，例如，通过参考存储对于事件的处理方法的存储单元，信息处理系统对与所指定的事件对应的处理方法进行检索。然后，信息处理系统例如将检索到的处理方法发送给用户。

因此，提供方可以允许用户访问与从用户接收到的查询对应的处理方法(例如，参见日本公开专利公布第2000-357175号、第2006-92473号、第h11-219368号和第2003-30224号)。

技术实现要素：

本发明的一个方面的目的是提供检索控制程序、检索控制设备和检索控制方法以指定用于检索处理方法的事件。

根据实施例的一方面，提供了一种存储有检索控制程序的非暂态计算机可读存储介质，该检索控制程序使计算机执行处理，该处理包括：接收检索条件；从将事件与处理方法相关联地存储的存储装置提取与所接收到的检索条件对应的事件；根据与所提取的事件相关联的处理方法对所提取的事件进行分类；以及将经分类的事件输出作为检索结果。

根据本发明的一个方面，可以容易地指定用于检索处理方法的事件。

附图说明

图1是描绘信息处理系统10的配置的图；

图2是描绘对处理方法的检索的图；

图3是描绘对处理方法的检索的图；

图4是描绘信息处理设备1的硬件配置的图；

图5是信息处理设备1的功能框图；

图6是描绘根据实施例1的检索控制处理的概况的流程图；

图7是描绘根据实施例1的检索控制处理的概况的图；

图8是描绘根据实施例1的检索控制处理的详情的流程图；

图9是描绘根据实施例1的检索控制处理的详情的流程图；

图10是描绘根据实施例1的检索控制处理的详情的流程图；

图11是用于描述根据实施例1的检索控制处理的详情的图；

图12是用于描述根据实施例1的检索控制处理的详情的图；

图13是用于描述根据实施例1的检索控制处理的详情的图；

图14是用于描述根据实施例1的检索控制处理的详情的图；

图15是用于描述第一教师数据131的示例的表；

图16是用于描述从第二处理方法131c中提取的关键词信息的示例的表；

图17是用于描述第二教师数据131的示例的表；

图18是用于描述从第二检索条件131a中提取的关键词信息的示例的表；

图19是用于描述从提供方终端11发送的第一检索条件141a的示例的表；

图20是用于描述转换前关键词信息的示例的表；

图21是用于描述第二参数133的示例的表；

图22是用于描述第二相关度信息的示例的表；

图23是用于描述转换后关键词的示例的表；

图24是用于描述在s25的处理中检索到的第一事件141b的示例的表；

图25是用于描述检索目标数据136的示例的表；

图26是用于描述与在s25的处理中提取的第一事件141b相关联的第一处理方法141c的示例的表；

图27是用于描述从第一处理方法141c中提取的关键词的示例的表；

图28是用于描述第一参数132的示例的表；

图29是用于描述第一相关度信息的示例的表；以及

图30是处于输出第一事件141b的状态下的输出设备21的示例。

具体实施方式

如上面所提及的，当检索到与从用户接收到的查询对应的事件时，信息处理系统在一些情况下可以提取多个事件。在这种情况下，例如，提供方在所提取的多个事件之中指定看似与从用户接收到的查询的内容最接近的事件。然后，例如，提供方将与所指定的事件对应的处理方法输出至输出设备，用户可以通过该输出设备访问处理方法。

然而，如果检索到的事件的数量是巨大的，则提供方可能难以指定与从用户接收到的查询的内容最接近的事件。在这种情况下，存在用户无法访问与由用户发送的查询的内容对应的适当处理方法的可能性。下面将说明第一实施例。

[信息处理系统的配置]

图1是描绘信息处理系统10的配置的图。图1中的信息处理系统10例如包括信息处理设备1(下文中也称为检索控制设备1)、存储单元2和多个提供方终端11。

当从作为由提供方使用的终端的提供方终端11接收到检索条件时，信息处理设备1检索与所接收到的检索条件对应的处理方法。换言之，信息处理设备1检索与由用户查询的内容对应的处理方法。然后，信息处理设备1将检索到的处理方法发送至提供方终端11。

提供方终端11是提供方使用的终端，并且例如向信息处理设备1发送检索条件。具体而言，例如，提供方终端11根据从用户发送的电子邮件(例如，包括针对服务的查询内容的电子邮件)的内容指定检索条件，并且将检索条件发送至信息处理设备1。例如，提供方终端11还根据从用户接收到电话呼叫(例如，关于服务的查询内容)的负责人输入的内容来指定检索条件，并且将检索条件发送至信息处理设备1。

[处理方法的检索]

接下来将描述对处理方法的检索。图2和图3是描绘对处理方法的检索的图。

如图2所示，例如，当提供方终端11接收到用户发送的电子邮件时，或者当从用户接收到电话呼叫的负责人将电话呼叫的内容输入至提供方终端11时，提供方终端11将指定的检索条件发送至信息处理设备1(图2中的(1))。

然后，当信息处理设备1接收到由提供方终端11发送的检索条件时，信息处理设备1检索与所接收到的检索条件对应的事件(图2中的(2))。具体而言，当信息处理设备1从提供方终端11接收到检索条件时，信息处理设备1例如在词法上对包括在所接收到的检索条件中的句子进行解析，并且生成由多个关键词组成的关键词组。然后，信息处理设备1访问存储与每个检索条件对应的每个事件的存储单元2，并且例如提取包括所生成的关键词组中所包括的最多数量的关键词的事件。然后，信息处理设备1将所检索的事件发送至提供方终端11(图2中的(3))。

然后，例如，提供方终端11从所提取的事件中指定用于检索处理方法的事件(图3中的(4))。具体而言，如果提取了多个事件，则提供方指定与从用户接收到的查询的内容最接近的事件。然后，提供方终端11将提供方指定的事件发送至信息处理设备1(图3中的(5))。

当信息处理设备1此后接收到由提供方终端11发送的事件时，信息处理设备1检索与所接收到的事件对应的处理方法(图3中的(6))。具体而言，当信息处理设备1从提供方终端11接收到事件时，信息处理设备1例如在词法上对包括在所接收到的事件中的句子进行解析，并且生成由多个关键词组成的关键词组。然后，信息处理设备1访问存储与每个事件对应的每种处理方法的存储单元2，并且例如提取包括所生成的关键词组中所包括的最多数量的关键词的处理方法。此外，信息处理设备1将所检索的处理方法发送至提供方终端11(图3中的(7))。

由此，提供方终端11可以将从信息处理设备1发送的处理方法输出至例如用户可以访问的输出设备(未示出)。因此，用户可以访问与发送至提供方终端11的查询的内容对应的处理方法。

然而，如果在图3的示例中所检索到的事件的数量是巨大的，则提供方可能难以指定具有与从用户接收到的查询最接近的内容的事件。在这种情况下，存在用户不能访问与用户发送的查询的内容对应的适当处理方法的可能性。

因此，根据本实施例的信息处理设备1接收检索条件(下文中也称为第一检索条件)，并且从将事件与处理方法相关联地存储的存储单元2中提取与所接收到的第一检索条件相对应的事件(下文中也称为第一事件)。然后，信息处理设备1根据与第一事件相关联的处理方法(下文中也称为第一处理方法)对所提取的第一事件进行分类，并且将经分类的第一事件输出作为检索结果。

换言之，根据本实施例的信息处理设备1根据分别与第一事件相关联的第一处理方法的内容来对基于第一检索条件提取的第一事件进行分类。然后，信息处理设备1将经分类的第一事件发送至提供方终端11。因此，提供方可以从提供方终端11访问根据该内容分类的状态的第一事件。因此，提供方可以容易地指定用于检索第一处理方法的第一事件。

[信息处理设备的硬件配置]

接下来将描述信息处理设备1的硬件配置。图4是描绘信息处理设备1的硬件配置的图。

信息处理设备1包括作为处理器的cpu101、存储器102、外部接口(i/o单元)103和存储介质104。每个单元经由总线105互连。

存储介质104将程序110存储在存储介质104内的程序存储区域(未示出)中，该程序110执行根据第一处理方法的内容对第一事件进行分类的处理(下文中也称为检索控制处理)。例如，存储介质104还包括存储有用于执行检索控制处理的信息的信息存储区域130(下文中也称为存储单元130)。

如图4所示，当执行程序110时，cpu101将程序110从存储介质104加载到存储器102，并且与程序110协作执行检索控制处理。外部接口103经由例如由内联网、因特网等组成的网络nw与提供方终端11进行通信。

[信息处理设备的功能]

接下来将描述信息处理设备1的功能。图5是信息处理设备1的功能框图。

信息处理设备1的cpu101例如通过与程序110协作工作而作为关键词提取单元111(下文中也简称为提取单元111)、机器学习执行单元112、信息接收单元113和关键词估计单元114进行操作。信息处理设备1的cpu101例如通过与程序110协作工作而作为信息检索单元115、类别指定单元116和结果输出单元117(下文中将类别指定单元116和结果输出单元117也统一简称为输出单元117)进行操作。此外，在信息存储区域130中，存储有例如教师数据131、第一参数132(下文中也称为分类参数132)、第二参数133(下文中也称为附加参数133)、第一识别函数134、第二识别函数135和检索目标数据136。

假设教师数据131包括第一教师数据131，该第一教师数据131包括检索条件131a(下文中也称为第二检索条件131a或学习检索条件131a)和附加关键词131d。此外，假设教师数据131包括第二教师数据131，该第二教师数据131包括处理方法131c(下文中也称为第二处理方法131c或学习处理方法131c)和指示与第二处理方法131c对应的事件(下文中也称为第二事件131b或学习事件131b)的类别的类别信息131e。

此后，存储有教师数据131、第一参数132、第二参数133、第一识别函数134和第二识别函数135的区域也被称为信息存储区域130a，而存储有检索目标数据136的区域也被称为信息存储区域130b。此外，例如，参照图1等描述的存储单元2与信息存储区域130b对应。

关键词提取单元111从存储在信息存储区域130中的第一教师数据131中包括的第二检索条件131a中提取关键词。关键词提取单元111还从存储在信息存储区域130中的第二教师数据131中包括的第二处理方法131c中提取关键词。

如稍后所提及的，关键词提取单元111在信息检索单元115使用第一检索条件141a来检索第一事件141b之前从第一检索条件141a中提取关键词。此外，如果信息检索单元115使用第一事件141b来检索第一处理方法141c，则如稍后所提及的那样，关键词提取单元111从第一处理方法141c中提取关键词。

机器学习执行单元112对第一参数132进行机器学习，以基于关键词提取单元111从第二处理方法131c中提取的关键词而将与第二处理方法131c相关联的第二事件131b分类成多个类别。

具体而言，例如，机器学习执行单元112将从第二处理方法131c中提取的关键词和第二事件131b的类别信息131e作为学习数据输入至第一识别函数134，并且计算第一参数132。例如，第一识别函数134是当输入从第二处理方法131c中提取的关键词和第一参数132时输出第二事件131b的类别信息131e的函数。然后，机器学习执行单元112对在从第二处理方法131c中提取的关键词与第二事件131b的类别信息131e之间的关系下的第一参数中的每一个进行机器学习。

换言之，每当学习数据被输入至第一识别函数134时，机器学习执行单元112调整第一参数132，使得不仅针对在过去输入的学习数据而且也针对新输入的学习数据来建立第一识别函数134。因此，每当学习数据被输入至第一识别函数134时，机器学习执行单元112可以提高第一参数132的准确度。因此，即使在通过机器学习的泛化功能从第一处理方法141c中提取的关键词中包括尚未被机器学习的关键词，类别指定单元116仍可以估计并输出第一事件141b的类别。

机器学习执行单元112还对第二参数133进行机器学习，以转换从第二检索条件131a中提取的关键词。换言之，如稍后所提及的，关键词估计单元114转换从第一检索条件141a中提取的关键词，以便在检索到第一事件141b时提高对第一事件141b的检索准确度。因此，机器学习执行单元112对第二参数133进行机器学习，以转换从第一检索条件141a中提取的关键词。

具体而言，例如，机器学习执行单元112将从第二检索条件131a中提取的关键词和包括在第二教师数据131中的与第二检索条件131a对应的附加关键词131d作为学习数据输入至第二识别函数135，并且计算第二参数133。附加关键词131d是在搜索第一事件141b时添加的关键词，以便提高对第一事件141b的检索准确度。例如，第二识别函数135是当输入了从第二检索条件131a中提取的关键词和第二参数133时输出与第二检索条件131a对应的附加关键词131d的函数。然后，例如，机器学习执行单元112对在从第二检索条件131a中提取的关键词和与第二检索条件131a对应的附加关键词131d之间的关系下的第二参数中的每一个进行机器学习。

换言之，每当学习数据被输入至第二识别函数135时，机器学习执行单元112调整第二参数133，使得不仅针对在过去输入的学习数据而且针对新输入的学习数据来建立第二识别函数135。因此，机器学习执行单元112可以每当学习数据被输入至第二识别函数135时提高第二参数133的准确度。因此，即使在通过机器学习的泛化功能从第一检索条件141a提取的关键词中包括尚未被机器学习的关键词，关键词估计单元114仍可以估计并输出在搜索第一事件141b时添加的关键词。

机器学习执行单元112可以根据诸如权重向量的自适应正则化(arow)、置信加权(cw)或软置信加权(scw)学习的算法来进行操作。第一识别函数134和第二识别函数135可以由机器学习执行单元112使用的算法来确定。

信息接收单元113接收作为由提供方终端11发送的新检索条件的第一检索条件141a。

关键词估计单元114通过使用经机器学习的第二参数133来对从第一检索条件141a中提取的关键词(下文中也称为转换前关键词)进行转换，并且获取新关键词(下文中都称为转换后关键词)。具体而言，关键词估计单元114将转换前关键词和第二参数133输入至第二识别函数135，并且获取输出的关键词作为转换后关键词。

信息检索单元115通过使用由关键词估计单元114获取的转换后关键词来检索与第一检索条件141a对应的第一事件141b。具体而言，信息检索单元115从包括提供方预先准备的多个第一事件141b的检索目标数据136中检索第一事件141b。例如，检索目标数据136可以包括与包括在教师数据131中的第二事件131b相同的事件。

信息检索单元115可以通过使用由关键词估计单元114获取的转换后关键词的仅一部分来检索第一事件141b。具体而言，例如，信息检索单元115可以从转换后关键词之中仅提取具有预定阈值或更高优先级的这些关键词，并且使用这些关键词来检索第一事件141b。

提供方可以预先确定要用于检索第一事件141b的关键词的数量。然后，在转换后关键词之中，信息检索单元115可以例如从较高优先级开始按顺序确定要用于检索第一事件141b的关键词。

如果检索到多个第一事件141b，则类别指定单元116通过使用经机器学习的第一参数132、基于从分别与每个第一事件141b对应的第一处理方法141c中提取的关键词来将每个第一事件141b分类成多个类别中的一个。具体而言，类别指定单元116将从第一处理方法141c中提取的关键词和第一参数132输入至第一识别函数134，并且将由输出的类别信息131e指示的类别指定为第一事件141b的类别。因此，提供方可以访问根据提供方终端11中的内容来分类的事件。因此，提供方可以容易地指定要用于检索处理方法的事件。

然后，通过使用由提供方指定的第一事件141b来检索第一处理方法141c，信息检索单元115检索与第一事件141b对应的第一处理方法141c。具体而言，信息检索单元115从包括提供方预先准备的多种第一处理方法141c的检索目标数据136中检索与第一事件141b对应的第一处理方法141c。

结果输出单元117将由信息检索单元115检索到的第一处理方法141c传送至提供方终端11。然后，提供方终端11将所接收到的第一处理方法141c输出至例如输出设备(用户可以访问该信息的输出操作)。

[实施例1]

接下来将描述实施例1。图6是描绘根据实施例1的检索控制处理的概况的流程图。图7是描绘根据实施例1的检索控制处理的概况的图。将参照图7来描述图6中的检索控制处理的概况。

如图7所示，信息处理设备1待机直至从提供方终端11接收到第一检索条件141a(s1中为“否”)为止。当接收到第一检索条件141a(s1中为“是”)时，信息处理设备1从将事件和处理方法彼此相关联地存储的信息存储区域130提取与在s1的处理中接收到的第一检索条件141a对应的第一事件141b(s2)。

换言之，在s2的处理中，例如，信息处理设备1提取满足用户发送至提供方终端11的查询的内容(第一检索条件141a)的一个或更多个第一事件141b。

然后，信息处理设备1根据与(一个或多个)第一事件141b相关联的第一处理方法141c对在s2的处理中提取的第一事件141b进行分类，并且将经分类的(一个或多个)第一事件141b输出作为检索结果(s3)。

换言之，信息处理设备1根据与第一事件141b中的每一个对应的第一处理方法141c的内容来对基于第一检索条件141a而提取的(一个或多个)第一事件141b进行分类。然后，信息处理设备1将经分类的(一个或更多个)第一事件141b发送至提供方终端11。从而，提供方可以访问提供方终端11中的根据内容分类的(一个或更多个)第一事件141b。因此，提供方可以容易地指定要用于检索第一处理方法141c的第一事件141b。

以这种方式，根据本实施例的信息处理设备1接收第一检索条件141a、从将每个事件与处理方法相关联地存储的存储单元130中提取与所接收到的第一检索条件141a对应的(一个或更多个)第一事件141b，根据与(一个或更多个)第一事件141b相关联的第一处理方法141c对所提取的(一个或更多个)第一事件141b进行分类，并且将经分类的(一个或更多个)第一事件141b输出作为检索结果。

因此，提供方可以访问提供方终端11中的根据内容分类的(一个或更多个)第一事件141b。因此，提供方可以容易地指定要用于检索第一处理方法141c的第一事件141b。

[实施例1的详情]

接下来，将描述实施例1的详情。图8至图10是描绘根据实施例1的检索控制处理的详情的流程图。图11至图30是用于描述根据实施例1的检索控制处理的详情的图。将参照图11至图30来描述图8至图10中所描绘的检索控制处理的详情。

如图8所示，信息处理设备1的关键词提取单元111待机直至机器学习执行定时到来(s11中为“否”)为止。机器学习执行定时例如是提供方执行对教师数据131的机器学习的定时。具体而言，机器学习执行定时例如可以是提供方输入教师数据131的机器学习被执行的通知的定时。

如图11所示，当机器学习执行定时到来(s11中为“是”)时，关键词提取单元111从包括在第一教师数据131中的第二处理方法131c中提取关键词(s12)。具体而言，例如，关键词提取单元111通过在词法上解析第二处理方法131c来提取关键词。下面在本文中将描述第一教师数据131的示例和所提取的关键词的示例。

[第一教师数据的示例]

图15是用于描述第一教师数据131的示例的表。作为项目，图15中的第一教师数据131具有：“项目编号”，用于标识包括在第一教师数据131中的每条信息；以及“第二处理方法”，其中设置有第二处理方法131c。此外，图15中的第一教师数据131具有项目“类别”，其中设置有与第二处理方法”中设置的第二处理方法131c对应的第二事件131b的类别信息131e。

具体而言，根据图15中的示例，在“项目编号”为“1”的信息的“第二处理方法”中设置句子“请在分配目的地系统中创建操作结果信息的存储地点”，并且在“类别”中设置“a-1”。此外，根据图15中的示例，在“项目编号”为“2”的信息的“第二处理方法”中设置句子“请限定监视主机”，并且在“类别”中设置“a-2”。将省略关于包括在图15中的其他信息的描述。

[从第二处理方法中提取的关键词的示例]

接下来将描述从第二处理方法131c中提取的关键词(下文中也称为关键词信息)的示例。图16是用于描述从第二处理方法131c中提取的关键词信息的示例的表。

作为项目，图16中的关键词信息具有：“项目编号”，用于标识包括在图16中的关键词信息中的每条信息；以及“关键词(第二处理方法)”，其中设置有从第二处理方法131c中提取的关键词。

具体而言，根据图16中的关键词信息，在“项目编号”为“1”的信息中，“分配”、“目的地”、“系统”、“操作”、“结果”、“信息”、“存储”、“地点”、“创建”和“请”被设置为“关键词(第二处理方法)”。将省略关于包括在图16中的其他信息的描述。

返回参照图8，信息处理设备1的机器学习执行单元112通过向第一识别函数134提供在s12的处理中提取的关键词和包括在第一教师数据131中的第二事件131b的类别信息131e，来执行对第一参数132的机器学习(s13)。

具体而言，例如，机器学习执行单元112在图16所示的关键词信息中指定在“项目编号”为“1”的信息的“关键词(第二处理方法)”中设置的关键词。例如，机器学习执行单元112还在图15所示的第一教师数据131中指定“项目编号”为“1”的信息的“类别”中设置的“a-1”。然后，机器学习执行单元112通过将所指定的信息中的每一条作为学习数据输入至第一识别函数134来计算第一参数132，并且执行对所计算出的第一参数132的机器学习。

然后，机器学习执行单元112通过针对图16中的关键词信息的“关键词(第二处理方法)”中设置的其他信息以及针对图15中的第一教师数据131的“类别”中设置的其他信息计算第一参数132来执行机器学习。

换言之，每当学习数据被输入至第一识别函数134时，机器学习执行单元112调整第一参数132，使得不仅针对在过去输入的学习数据而且还针对新输入的学习数据来建立第一识别函数134。因此，机器学习执行单元112可以每当学习数据被输入至第一识别函数134时提高第一参数132的准确度。稍后将描述第一参数132的示例。

然后，如图12所描绘的，关键词提取单元111从包括在第二教师数据131中的第二检索条件131a中提取关键词(s14)。具体而言，例如，关键词提取单元111通过执行对第二检索条件131a的词法解析来提取关键词。接下来将描述第二教师数据131的示例和所提取的关键词的示例。

[第二教师数据的示例]

图17是用于描述第二教师数据131的示例的表。作为项目，图17中的第二教师数据131具有：“项目编号”，用于标识包括在第二教师数据131中的每条信息；“第二检索条件”，其中设置有第二检索条件131a；以及“附加关键词”，其中设置有附加关键词131d。

可以从提供方确定期望针对第二检索条件131a检索的第二处理方法131c中提取附加关键词131d。具体而言，作为附加关键词131d，提供方可以在从提供方确定期望检索的第二处理方法131c中提取的关键词之中指定不包括在从第二检索条件131a中提取的关键词中的关键词，并且将这些关键词包括在第二教师数据131中。

具体而言，根据图17中的示例，在“项目编号”为“1”的信息中的“第二检索条件”中，设置句子“在分配策略之后，不能为操作系统和备用系统二者启动操作管理器。请指示原因和处理方法”。此外，根据图17中的示例，在“项目编号”为“1”的信息中的“附加关键词”中设置“存储”和“地点”。将省略关于包括在图17中的其他信息的描述。

[从第二检索条件中提取的关键词的示例]

接下来将描述从第二检索条件131a中提取的关键词(下文中也称为关键词信息)的示例。图18是用于描述从第二检索条件131a中提取的关键词信息的示例的表。

作为项目，图18中的关键词信息具有：“项目编号”，用于标识包括在图8的关键词信息中的每条信息；以及“关键词(第二检索条件)”，其中设置有从第二检索条件131a中提取的关键词。此外，图18中的关键词信息具有“关键词(附加关键词)”，其中，附加关键词被添加到从第二检索条件131a中提取的关键词中。换言之，在图18的示例的情况下，基于从第二检索条件131a中提取的关键词以及附加关键词被添加到从第二检索条件131a中提取的关键词中的关键词来执行对第二参数133的机器学习。

具体而言，根据图18中的关键词信息，在“项目编号”为“1”的信息中，“策略”、“分配”、“操作”、“待机”、“操作”、“管理器”、“启动”、“原因”、“处理”、“指示”和“请”被设置为“关键词(第二检索条件)”。此外，根据图18中的关键词信息，除了在“关键词(第二检索条件)”中设置的信息之外，在“项目编号”为“1”的信息中还设置有“存储”和“地点”作为“关键词(附加关键词)”。将省略关于包括在图18中的其他信息的描述。

返回参照图8，机器学习执行单元112通过向第二识别函数135提供在s14的处理中提取的关键词和包括在第一教师数据131中的附加关键词来执行对第二参数133的机器学习(s15)。

具体而言，例如，机器学习执行单元112在图18所述的关键词信息中指定在“项目编号”为“1”的信息的“关键词(第二检索方法)”中设置的关键词。例如，机器学习执行单元112还在图18所述的关键词信息中指定在“项目编号”为“1”的信息中的“关键词(附加关键词)”中设置的关键词。然后，机器学习执行单元112通过将所指定的关键词中的每一个输入至第二识别函数135作为学习数据来计算第二参数133，并且执行对所计算出的第二参数133的机器学习。

然后，机器学习执行单元112通过针对在图18中的关键词信息的“关键词(第二检索方法)”中设置的其他信息以及在图18中的关键词信息的“关键词(附加关键词)”中设置的其他信息计算第二参数133，来执行机器学习。

换言之，每当学习数据被输入至第二识别函数135时，机器学习执行单元112调整第二参数133，使得不仅针对在过去输入的学习数据而且还针对新输入的学习数据来建立第二识别函数135。因此，机器学习执行单元112可以每当将学习数据输入至第二识别函数135时提高第二参数133的准确度。稍后将描述第二参数133的示例。

返回参照图9，信息处理设备1的信息接收单元113待机直到信息检索定时到来(s21中为“否”)为止。信息检索定时例如是从提供方终端11接收到第一检索条件141a的定时(第一检索条件141a被输入至信息处理设备1的定时)。如图13所示，当信息检索定时到来时(s21中为“是”)，关键词提取单元111从提供方终端11发送的第一检索条件141a中提取转换前关键词(s22)。具体而言，例如，关键词提取单元111通过在词法上解析第一检索条件141a来提取关键词。下面本文中将描述第一检索条件141a和转换前关键词的示例。

[从提供方终端发送的第一检索条件的示例]

图19是用于描述从提供方终端11发送的第一检索条件141a的示例的表。作为项目，图19中的第一检索条件141a具有：“项目编号”，用于标识包括在第一检索条件141a中的每条信息；以及“第一检索条件”，其中设置有第一检索条件141a的内容。

具体而言，根据图19中的第一检索条件141a，在“项目编号”为“1”的信息中的“第一检索条件”中设置句子“当尝试从云访问aaa操作管理器的环境设置屏幕时，显示弹出消息‘连接请求超时’，并且禁止对服务器的访问。请指示原因和处理方法。”。

[从第一检索条件中提取的转换前关键词的示例]

接下来将描述从提供方终端11发送的第一检索条件141a中提取的转换前关键词(下文中也称为转换前关键词信息)的示例。图20是用于描述转换前关键词信息的示例的表。

作为项目，图20中的转换前关键词信息20具有：“项目编号”，用于标识包括在图20中的转换前关键词信息中的每条信息；以及“关键词(第一检索条件)”，其中设置有从第一检索条件141a中提取的关键词。

具体而言，根据图20中的转换前关键词信息，在“项目编号”为“1”的信息中，“云”、“aaa”、“操作”、“管理器”等被设置为“关键词(第一检索条件)”。

返回参照图9，信息处理设备1的关键词估计单元114针对在s14的处理中从第二检索条件131a中提取的关键词中的每一个和附加关键词131d，计算与在s22的处理中提取的转换前关键词的相关度(下文中也称为第二相关度信息)(s23)。

具体而言，关键词估计单元114通过向第二识别函数135提供在s22的处理中提取的转换前关键词和在s15的处理中机器学习的第二参数133，来计算与在s22的处理中提取的转换前关键词的第二相关度信息。换言之，针对在s14的处理中从第二检索条件131a中提取的关键词中的每个关键词和附加关键词，关键词估计单元114计算第二相关度信息，以确定每个关键词是否包括在转换后关键词中。接下来将描述第二参数133和第二相关度信息的示例。

[第二参数的示例]

图21是用于描述第二参数133的示例的表。图21中的第二参数133包括分别在s14的处理中从第二检索条件131a中提取的关键词和附加关键词中的各关键词之间的第二参数。图21中的第二参数133中的“策略”、“分配”、“操作”等与在s14的处理中从第二检索条件131a中提取的关键词和附加关键词中的各关键词对应。

具体而言，如果从第一检索条件141a中提取的转换前关键词中包括“策略”，则关键词估计单元114在s23的处理中的图21中的第二参数133之中参考在左边栏中设置有“策略”的行中的信息。换言之，在这种情况下，关键词估计单元114参考：“0.5”，其为被设置在顶行中的“策略”的信息；“0.1”，其为被设置在顶行中的“分配”的信息；“0.3”，其为被设置在顶行中的“操作”的信息等。将省略关于包括在图21中的其他信息的描述。

[第二相关度信息的示例]

接下来将描述第二相关度信息的示例。图22是用于描述第二相关度信息的示例的表。作为项目，图22中的第二相关度信息具有：“项目编号”，用于标识包括在第二相关度信息中的每条信息；“关键词”，用于标识关键词；以及“得分”，用于指示每个关键词的第二相关度信息。将基于按照降序在“得分”中设置值的假设来描述图22中的第二相关度信息中包括的每条信息。

具体而言，如果在从第一检索条件141a中提取的转换前关键词中包括例如“策略”和“操作”，则关键词估计单元114在图21中的第二参数133中包括的信息之中参考在左边栏中设置有“策略”和“操作”的行中的信息。因此，在计算第二相关度信息以确定“分配”是否包括在转换后关键词中的情况下，例如，关键词估计单元114参考“0.1”，其为在左边栏中设置有“策略”且在顶行中设置有“分配”的信息。此外，在这种情况下，关键词估计单元114参考“0.2”，其为在左边栏中设置有“操作”且在顶行中设置有“分配”的信息。然后，关键词估计单元114将例如作为参考信息的“0.1”和“0.2”相加并且将该结果乘以预定系数，以便计算与“分配”对应的第二相关度信息。

然后，关键词估计单元114对针对图22中所列出的每个词而计算出的每条第二相关度信息进行设置。具体而言，例如，如果针对“分配”计算出的第二相关度信息是“75.3”，则关键词估计单元114在“关键词”是“分配”的信息(“项目编号”为“1”的信息)的“得分”中设置“75.3”。将省略关于包括在图22中的其他信息的描述。

返回参照图9，关键词估计单元114将在s23的处理中计算出的第二相关度信息为预定阈值或更大值的关键词输出作为转换后关键词(s24)。接下来将描述转换后关键词的示例(下文中也称为转换后关键词信息)。

[转换后关键词的示例]

图23是用于描述转换后关键词的示例的表。图23中的转换后关键词信息与图20中的信息具有相同项目。

具体而言，如果s24的处理中的预定阈值为“20.0”，则关键词估计单元114例如在图22中的第二相关度信息中指定在“项目编号”为“1”至“24”的信息的“关键词”中设置的信息作为转换后关键词。因此，在这种情况下，关键词估计单元114在图23中所列出的栏“关键词(检索条件)”中设置“云”、“aaa”、“操作”、“管理器”、“正常”、“连接”等。

换言之，在图22中的第二相关度信息中，在“项目编号”为“1”至“24”的信息的“关键词”中设置的信息包括图20中所描述的转换前信息的“关键词(第一检索条件)”中不包括的“正常”和“连接”。因此，关键词估计单元114指定“正常”和“连接”以及如图23所列出的转换后关键词。

因此，信息处理设备1可以针对从提供方终端11发送的第一检索条件141a检索更适当的第一事件141b。

返回参照图9，信息处理设备1的信息检索单元115通过使用在s24的处理中输出的转换后关键词来执行对第一事件141b的检索(s25)。接下来将描述在s25的处理中检索到的第一事件141b的示例。

[在s25的处理中检索到的第一次事件的示例]

图24是用于描述在s25的处理中检索到的第一事件141b的示例的表。作为项目，图24中的第一事件141b具有：“项目编号”，用于标识包括在第一事件141b中的每条信息；以及“第一事件”，其中设置有在s25的处理中检索到的第一事件141b。

具体而言，根据图24中的第一事件141b，在“项目编号”为“1”的信息中的“第一事件”中设置“显示弹出消息‘连接请求超时’”。将省略关于包括在图24中的其他信息的描述。

返回参照图10，如图14所示，关键词提取单元111从与在s25的处理中提取的第一事件141b相关联的第一处理方法141c中提取关键词(s31)。具体而言，关键词提取单元111参考存储在信息存储区域130中的检索目标数据136，并且从与在s25的处理中提取的第一事件141b相关联的第一处理方法141c中提取关键词。接下来将描述检索目标数据136、与在s25的处理中提取的第一事件141b相关联的第一处理方法141c以及从第一处理方法141c中提取的关键词的示例。

[检索目标数据的示例]

图25是用于描述检索目标数据136的示例的表。作为项目，图25中的检索目标数据136具有：“项目编号”，用于标识包括在检索目标数据136中的每条信息；设置有事件的“事件”；以及设置有处理方法的“处理方法”。检索目标数据136可以包括第二事件131b和第二处理方法131c。

具体而言，根据图25中的检索目标数据136，在“项目编号”为“1”的信息中将“在分配策略之后，不能针对操作系统和备用系统二者启动操作管理器。请指示原因和处理方法”设置为“事件”。此外，根据图25中的检索目标数据136，在“项目编号”为“1”的信息中将“请在分配目的地系统中创建操作结果信息的存储地点”设置为“处理方法”。将省略关于包括在图25中的其他信息的描述。

[第一处理方法的示例]

接下来将描述与在s25的处理中提取的第一事件141b相关联的第一处理方法141c的示例。图26是用于描述与在s25的处理中提取的第一事件141b相关联的第一处理方法141c的示例的表。

作为项目，图26中的第一处理方法141c具有：“项目编号”，用于标识包括在第一处理方法141c中的每条信息；以及“第一处理方法”，其中设置有与在s25的处理中检索到的第一事件141b对应的第一处理方法141c。

具体而言，根据图26中的第一处理方法141c，在“项目编号”为“1”的信息中将“请限定监视主机”设置为“第一处理方法”。换言之，在图24所描述的第一事件141b中“项目编号”为“1”的信息的“第一事件”中设置的信息与图25所描述的检索目标数据136中“项目编号”为“3”的信息的“事件”中设置的信息相同。因此，在s31的处理中，关键词提取单元111针对图24的第一事件141b中“项目编号”为“1”的信息，指定在图25的检索目标数据136中“项目编号”为“3”的信息的“处理方法”中设置的信息。然后，关键词提取单元111在图26的第一处理方法141c中“项目编号”为“1”的信息中设置所指定的信息。将省略关于包括在图26中的其他信息的描述。

[从第一处理方法中提取的关键词的示例]

接下来将描述从图26中所描述的第一处理方法141c中提取的关键词的示例。图27是用于描述从第一处理方法141c中提取的关键词的示例的表。作为项目，图27中的第一处理方法141c具有：“项目编号”，用于标识包括在第一处理方法141c中的每条信息；以及“关键词(第一处理方法)”，其中设置有从第一处理方法141c中提取的关键词。

例如，在图27的关键词信息中，在“项目编号”为“1”的信息中，将“监视器”、“主机”、“限定”、“登记”和“请”设置为“关键词(第一处理方法)”。将省略关于包括在图27中的其他信息的描述。

返回参照图10，信息处理设备1的类别指定单元116针对第一事件141b的每个类别来计算与在s31的处理中提取的关键词的相关度(下文中也称为第一相关度信息)(s32)。

具体而言，类别指定单元116通过向第一识别函数134提供在s31的处理中提取的关键词和在s13的处理中机器学习的第一参数132来计算与在s31的处理中提取的关键词的第一相关度信息。换言之，类别指定单元116计算第一相关度信息，以确定在s25的处理中提取的第一事件141b的类别。将描述第一参数132和第一相关度信息的示例。

[第一参数的示例]

图28是用于描述第一参数132的示例的表。图28中的第一参数132包括在从第二处理方法131c中提取的每个关键词与第二事件131b的每个类别之间的关系下的第一参数中的每一个。在图28中的第一参数132中的左边栏中设置的信息(例如，“限定”、“监视器”、“存储器”)与在s12的处理中从第二处理方法131c中提取的每个关键词对应。在图28的第一参数132中的顶行(例如“a-1”、“a-2”、“a-3”)中设置的信息与指示第一事件132b的每个类别的信息对应。

具体而言，如果在s31的处理中从第一处理方法141c中提取的关键词中包括“限定”，则类别指定单元116在s32的处理中的图28的第一参数132之中参考在左边栏中设置有“限定”的行中的信息。换言之，在这种情况下，类别指定单元116例如参考：“0.2”，其为被设置在顶行中的“a-1”的信息；“0.5”，其为在该栏中被设置在顶行中的“a-2”的信息；以及“0.4”，其为在该栏中被设置在顶行中的“a-3”的信息。将省略关于包括在图28中的其他信息的描述。

[第一相关度信息的示例]

接下来将描述在s25的处理中提取的第一事件141b之中的一个第一事件141b的第一相关度信息的示例。图29是用于描述第一相关度信息的示例的表。作为项目，图29中的第一相关度信息具有：“项目编号”，用于标识包括在第一相关度信息中的每条信息；“类别”，用于标识每个类别；以及“得分”，用于指示每个关键词的第一相关度信息。将基于按照降序在“得分”中设置值的假设来描述包括在图29中的第一相关度信息中的每条信息。

具体而言，如果在从第一处理方法141c中提取的关键词中包括“限定”和“存储器”，则类别指定单元116在包括在图28中的第一参数132中的信息之中参考在左边栏中设置有“限定”和“存储器”的行中的信息。因此，在例如确定与包括“限定”和“存储器”的第一处理方法141c对应的第一事件141b的类别是否为“a-1”的情况下，类别指定单元116参照“0.2”，其为在左边栏中设置有“限定”且在顶行中设置有“a-1”的信息。此外，在这种情况下，类别指定单元116参考“0.3”，其为在左边栏中设置有“存储器”且在顶行中设置有“a-1”的信息。然后，类别指定单元116例如将作为参考信息的“0.2”和“0.3”相加，并且将该结果乘以预定系数，以便计算与“a-1”对应的第一相关度信息。

然后，类别指定单元116设置针对如图29中所列出的每个关键词而计算的每个第一相关度信息。具体而言，例如，如果针对“a-1”计算出的第一相关度信息为“3.2”，则类别指定单元116在“关键词”是“a-1”的信息(“项目编号”为“4”的信息)的“得分”中设置“3.2”。将省略关于包括在图29中的其他信息的描述。

返回参照图10，类别指定单元116将在s32的处理中计算出的第二相关度信息为最高的类别指定为第一事件141b的类别(s33)。换言之，例如，类别指定单元116将“a-2”指定为与图29中所描述的第一相关度信息对应的第一事件141b的类别。

然后，信息处理设备1的结果输出单元117根据在s33的处理中指定的类别来输出第一事件(s34)。具体而言，例如，结果输出单元117将在s25的处理中提取的第一事件141b连同关于在s33中的处理中指定的类别的信息一起发送至提供方终端11。然后，例如，提供方终端11根据在s33的处理中指定的类别来将在s25的处理中提取的第一事件141b输出至输出设备21。接下来将描述处于输出第一事件141b的状态下的输出设备21的示例。

[输出第一事件141b的状态的示例]

图30是处于输出第一事件141b的状态下的输出设备21的示例。在图30的输出设备21中，第一事件141b分别显示在第一显示单元21a、第二显示单元21b、第三显示单元21c和第四显示单元21d中。

在图30的示例中，第二相关度信息为“a-2”的第一事件141b显示在第一显示单元21a中，并且第二相关度信息为“a-3”的第一事件141b显示在第二显示单元21b中。此外，在图30的示例中，第二相关度信息为“b-1”的第一事件141b显示在第三显示单元21c中，并且第二相关度信息为“b-2”的第一事件141b显示在第四显示单元21d中。

具体而言，在图29所描述的第一事件141b的情况下，第二相关度信息为最高的类别是“a-2”。因此，图29中所描述的第一事件141b被输出至第一显示单元21a作为如图30所描绘的“第一检索结果”。将省略关于包括在图30中的其他信息的描述。

因此，使得提供方能够在提供方终端11中访问处于根据内容被分类的状态下的第一事件141b。因此，提供方可以容易地指定用于检索第一处理方法141c的第一事件141b。

在s34的处理之后，例如，提供方从在s34的处理中输出的第一事件141b中指定用于检索第一处理方法141c的第一事件141b。换言之，提供方指定内容与由信息接收单元113接收到的第一检索条件141a最接近的第一事件141b。

然后，信息检索单元115参考例如存储在信息存储区域130中的检索目标数据136，并且提取与由提供方指定的第一事件141b对应的第一处理方法141c。然后，结果输出单元117将所提取的第一处理方法141c发送至提供方终端11。

因此，例如，使得提供方终端11能够将从信息处理设备1接收到的第一处理方法141c输出至用户可以访问信息的输出设备。因此，用户可以访问与第一检索条件141a对应的第一处理方法141c。

如果在s33的处理中指定的第一事件141b的类别被提供方校正，则机器学习执行单元112可以再次执行对第一参数132的机器学习。在这种情况下，例如，机器学习执行单元112通过向第一识别函数134提供在s31的处理中从第一处理方法141c中提取的关键词和由提供方校正的第一事件141b的类别来再次执行对第一参数132的机器学习。因此，提供方可以进一步提高第一参数132的准确度。

附图标记列表

1：信息处理设备2：存储单元11：提供方终端nw：网络