現在、アプリケーションのほとんどは、Microsoft Store 経由で公開しています。
ご興味がありましたら、簡単にダウンロードできますので、お気軽にお試し下さい。
リンクを用いてデータを管理するメモソフトウェアです。
かなりの長期にわたって開発を進めているソフトウェアで、ようやく類似する概念のソフトウェアが出始めたかな？というぐらいに歴史の古いソフトウェアです。
データはツリーではなくネットワークで管理するべきであるという信念の元、開発を進めてきました。
現在、端末間の自動データ同期機能やデータ同期＆バックアップ用のサーバー、マルチユーザー対応、ChatGPT 連携など機能拡張が進んでおり、リンクを中核の技術とした情報ネットワークを管理するアプリケーションに進化しつつあります。
対応OSは、今のところ Windows のみです。Android 版も公開していますが、Androidにとって EBt の仕組みは負荷が高いため、安定稼働が難しい状態です。そのため、積極的に宣伝はしておりません。
また、Android 版は MAUI を用いて開発しているため、比較的低コストで Mac 等にも移植可能ではありますが、当面は Windows 版での機能拡張に注力していきます。
有償版の Standard Edition, 無償版の Starter Edition があります。Starter Edition はデータの同期機能が無効となっているため、味見をして気に入ったら Standard Edition への移行を推奨します。
Standard Edition の費用は年間200円とジュースを買うぐらいの気持ちで購入頂けるような設定となっています。
また、複数のPCや複数のユーザーでEBtを運用している人向けに EBt3 Server も公開しています。EBt3 Server はデータの中継・保存の機能を持っているため、データの端末への配布が他者の EBt 起動状態に影響を受けなくなります。EBt3 Server は Windows版が公開中です。Ubuntu版は現在テスト中です。
サーバー上に散らばった各種ドキュメントを検索するシステムです。検索はファイル名ではなく全文検索であり、かつ、あいまい検索を行います。ここでいうあいまいとは、意味的に同じだが表記が違う単語であっても検索対象になるという表記のゆらぎです。DocuSleuth はこのようなあいまいを検索に組み込んだ上で、全文検索を高速に行うことができるシステムです。
現在、OpenBeta テスト中です。詳細は、DocuSleuthオープンベータテストのご案内をご覧下さい。
高速ベクトル検索エンジン を利用した画像検索エンジンのアプリケーションサンプルです。
インデックス作成に時間がかかりますが、類似した画像を極めて高速に検索することが出来ます。
依存関係の高速推論エンジン や ベクトルデータの高速クラスタリングエンジン を使うことで、データの品質上の問題点を指摘するアプリケーションサンプルです。
依存関係の推論は弊社の特許技術であり、極めて短い時間で依存関係を計算します。
また、本手法は数値項目だけではなく、ラベルの設定されている項目（例えば品名など）も依存関係の推論の対象となります。また、データの分布に対して強い前提を仮定していないため、比較的広い範囲のデータに対して依存関係の推論を行うことが出来ます。
※データ自体は均等分布に近い方が望ましいですが、必須条件ではありません。
他にも、データ中のノイズ推定や未知データの検出など、機械学習のみならずデータ分析で必要となる機能が実装してあります。
ベクトルデータの高速クラスタリングエンジン を使うことで大量のベクトルデータをクラスタリングすることに特化したアプリケーションです。
k-means では、k(クラスタ)の数が増えると計算量が膨大になりますが、本エンジンでは、k=100～10,000 をターゲットとしており、この領域でのクラスタリングでは最高速の部類に入るものです。
LLM系の技術では、ベクトルデータを扱うケースが多々あります。このベクトルデータはあまりにも大量であり、また、クラスタリングしたくても既存のツールではクラスタリングが難しく、あまり手出しが出来ていなかった分野となります。
このツールを使うことで、そのようなデータでもクラスタリングを行うことができるようになります。これは、LLM の応用範囲を広げるという点においてもとても重要です。
また、高次元のデータでは、密度のゆらぎが問題になり、従来のクラスタリングがうまく機能しないケースも出てきます。
本ツールでは、密度のゆらぎを考慮したクラスタリングも可能となっておりますので、密度ゆらぎが原因の偏ったクラスタの生成を抑止することが出来ます。
要求する CPU は、最近の PC 用の CPU (8C16T) 程度で十分です。スレッド並列度については手動で指示できるため、Ryzen ThreadRipper の様な CPU を使えば、更に高速にクラスタリングを実施することが出来ます。
なお、クラスタリングの実行にあたり、Memory は CPU よりも要求が高くなります。クラスタリングするデータに依存しますが、大量データのクラスタリングを行う場合、十分なサイズの Memory を用意してください。
依存関係の高速推論エンジン を用いて、データ中から不要な項目(Columns)を削減するツールです。
同等のことは Machine Learning Data Checker でも実施できますが、こちらは不要な項目の削減に特化したアプリケーションとなります。