JP7321977B2 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents
情報処理装置、情報処理方法および情報処理プログラム Download PDFInfo
- Publication number
- JP7321977B2 JP7321977B2 JP2020101290A JP2020101290A JP7321977B2 JP 7321977 B2 JP7321977 B2 JP 7321977B2 JP 2020101290 A JP2020101290 A JP 2020101290A JP 2020101290 A JP2020101290 A JP 2020101290A JP 7321977 B2 JP7321977 B2 JP 7321977B2
- Authority
- JP
- Japan
- Prior art keywords
- label
- learning
- user
- document
- search
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 47
- 238000003672 processing method Methods 0.000 title claims description 10
- 238000010801 machine learning Methods 0.000 claims description 64
- 238000012545 processing Methods 0.000 claims description 57
- 230000009471 action Effects 0.000 claims description 37
- 238000000034 method Methods 0.000 claims description 37
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 230000006399 behavior Effects 0.000 claims description 15
- 238000003066 decision tree Methods 0.000 claims description 13
- 238000003825 pressing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 29
- 238000003860 storage Methods 0.000 description 28
- 235000013555 soy sauce Nutrition 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000556720 Manga Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 235000015067 sauces Nutrition 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
まず、図1を参照し、実施形態に係る情報処理装置が行う情報処理方法の概要について説明する。図1は、実施形態に係る情報処理方法の概要を示す説明図である。なお、図1では、機械学習モデルによる文書の順位付けを行った文書検索結果を表示する場合を例に挙げて説明する。
例えば、図1に示すように、検索FE(Front End:フロントエンド)から検索エンジンへ検索リクエストが送信される。なお、検索FEは、検索においてユーザUと直接データのやり取りをするソフトウェアシステムの部分を指す。例えば、検索FEは、Webブラウザ側(クライアント側)を指す。また、検索リクエストには、検索キーワードが含まれている。
機械学習の手法の1つに、文書間の順序関係を学習するランキング学習という手法がある。図3は、実施形態に係る機械学習モデルの構築例を示す図である。図3に示すように、検索キーワードに対し、各文書に「優」、「良」、「悪」の3段階のラベルが振られているとする。
多数の文書が検索クエリ(キーワード)にマッチした場合、それらの文書全てについて機械学習モデル(学習済モデル)を用いてリアルタイムでランキングするのは、処理が重くて現実的には無理がある。そこで、多段階ランキングを行う。
次に、図4を用いて、実施形態に係る情報提供装置100が含まれる情報処理システム1の構成について説明する。図4は、実施形態に係る情報処理システム1の構成例を示す図である。図4に示すように、実施形態に係る情報処理システム1は、端末装置10と情報提供装置100とを含む。これらの各種装置は、ネットワークNを介して、有線又は無線により通信可能に接続される。ネットワークNは、例えば、LAN(Local Area Network)や、インターネット等のWAN(Wide Area Network)である。
次に、図5を用いて、実施形態に係る情報提供装置100の構成について説明する。図5は、実施形態に係る情報提供装置100の構成例を示す図である。図5に示すように、情報提供装置100は、通信部110と、記憶部120と、制御部130とを有する。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。また、通信部110は、ネットワークN(図4参照)と有線又は無線で接続される。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、又は、ハードディスク、光ディスク等の記憶装置によって実現される。図5に示すように、記憶部120は、ユーザ情報データベース121と、ログ情報データベース122と、学習モデルデータベース123とを有する。
ユーザ情報データベース121は、ユーザUに関する各種情報を記憶する。例えば、ユーザ情報データベース121は、ユーザUの属性等の種々の情報を記憶する。図6は、ユーザ情報データベース121の一例を示す図である。図6に示した例では、ユーザ情報データベース121は、「ユーザID(Identifier)」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目を有する。
ログ情報データベース122は、ユーザUの行動ログに関する各種情報を記憶する。図7は、ログ情報データベース122の一例を示す図である。図7に示した例では、ログ情報データベース122は、「ユーザID」、「検索クエリ」、「文書ID」、「行動」、「ラベル」といった項目を有する。
学習モデルデータベース123は、機械学習モデルに関する各種情報を記憶する。図8は、学習モデルデータベース123の一例を示す図である。図8に示した例では、学習モデルデータベース123は、「ユーザID」、「学習モデル」、「学習データ」、「制限」、「モデルサイズ」といった項目を有する。
図5に戻り、説明を続ける。制御部130は、コントローラ(Controller)であり、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等によって、情報提供装置100の内部の記憶装置に記憶されている各種プログラム(情報処理プログラムの一例に相当)がRAM等の記憶領域を作業領域として実行されることにより実現される。図5に示す例では、制御部130は、取得部131と、生成部132と、選別部133と、学習部134と、設定部135と、提供部136とを有する。
取得部131は、通信部110を介して、ユーザUの端末装置10から検索クエリ(検索キーワード)を含む検索リクエストを取得する。また、取得部131は、通信部110を介して、検索クエリに基づいて検索を行い、検索クエリにマッチする検索結果を取得する。
生成部132は、取得部131により取得された検索結果にラベルを付与して学習データを生成する。
選別部133は、学習データの数を制限するために、トランスフィルタを間に入れて、生成部132により生成された学習データにフィルタをかけ、学習データを選別する。
学習部134は、生成部132により生成された学習データを用いて機械学習を行う。具体的には、選別部133により選別(フィルタリング)された学習データを用いて機械学習を行う。例えば、学習部134は、LightGBM等の勾配ブースティング決定木を用いたランキング学習により、機械学習モデルを構築する。このとき、学習部134は、機械学習モデルのモデルサイズを所定の大きさに限定する。
設定部135は、機械学習の結果得られた機械学習モデルを用いて検索結果の表示順位を設定する。例えば、設定部135は、構築された機械学習モデル(学習済モデル)をプラグイン形式に変換して検索エンジン上にデプロイする。そして、設定部135は、選別部133により選別(フィルタリング)された検索結果を学習済モデルに入力し、学習済モデルから出力された検索結果の表示順位を設定する。
提供部136は、通信部110を介して、検索クエリを入力したユーザUの端末装置10に対して、構築された機械学習モデル(学習済モデル)を用いて表示順位が設定された検索結果を提供する。
次に、図9~図15を用いて実施形態に係る情報提供装置100による処理手順について説明する。
まず、図9を用いて、機械学習モデルの構築に係る処理手順について説明する。図9は、機械学習モデルの構築に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、情報提供装置100の制御部130によって繰り返し実行される。
次に、図10~図15を用いて、多段階ランキングに係る処理手順について説明する。図10は、多段階ランキングに係る処理手順を示すフローチャートである。図11は、高速なランキングについての説明図である。図12は、高精度なランキングについての説明図である。図13は、さらに高精度なランキングについての説明図である。図14は、さらにさらに高精度なランキングについての説明図である。図15は、ランキング結果の提供についての説明図である。なお、以下に示す処理手順は、情報提供装置100の制御部130によって繰り返し実行される。
上述した端末装置10および情報提供装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。
上述してきたように、本願に係る情報提供装置100は、取得部131と、生成部132と、学習部134と、設定部135と、を備える。取得部131は、検索クエリにマッチする検索結果(文書等)を取得する。生成部132は、取得された検索結果に、当該検索結果に対するユーザの行動ログに応じたラベルを付与して学習データを生成する。学習部134は、生成された学習データを用いて機械学習を行う。設定部135は、機械学習の結果得られた学習モデルを用いて検索結果の表示順位を設定する。これにより、利用者の検索意図を反映した適切な検索結果を提供することができる。
また、上述した実施形態に係る端末装置10や情報提供装置100は、例えば図16に示すような構成のコンピュータ1000によって実現される。以下、情報提供装置100を例に挙げて説明する。図16は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力I/F(Interface)1060、入力I/F1070、ネットワークI/F1080がバス1090により接続された形態を有する。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。
10 端末装置
100 情報提供装置
110 通信部
120 記憶部
121 ユーザ情報データベース
122 ログ情報データベース
123 学習モデルデータベース
130 制御部
131 取得部
132 生成部
133 選別部
134 学習部
135 設定部
136 提供部
Claims (14)
- 検索クエリにマッチする検索結果を取得する取得部と、
取得された前記検索結果に、前記検索結果に対するユーザの行動ログに応じたラベルを付与して学習データを生成する生成部と、
生成された前記学習データにフィルタをかけ、前記学習データを選別する選別部と、
選別された前記学習データを用いて機械学習を行う学習部と、
前記機械学習の結果得られた学習モデルを用いて前記検索結果の表示順位を設定する設定部と、
を備え、
前記生成部は、コンバージョンへと至る段階的な行動のそれぞれに基づいて、前記検索結果として取得された文書のうち、
前記ユーザがクリックし、コンバージョンに至った文書であれば第1のラベルを付与し、
前記ユーザがクリックしたが、コンバージョンには至らなかった文書であれば第2のラベルを付与し、
前記ユーザがクリックすらしなかった文書であれば第3のラベルを付与することで、各行動が行われた文書にラベルを付与し、文書ごとの特徴量を分散処理クラスタに蓄積し、前記分散処理クラスタに蓄積された文書ごとの特徴量から、分散処理フレームワークを用いて前記学習データを生成し、
前記選別部は、前記学習データの数を制限するためにトランスフィルタを間に入れて、生成された前記学習データにフィルタをかけ、前記学習データを選別し、
前記学習部は、選別された前記学習データを用いて、勾配ブースティング決定木を用いたランキング学習により前記学習モデルを構築する際に、前記学習モデルが大きくなり過ぎないように前記学習モデルのモデルサイズを所定の大きさに限定する
ことを特徴とする情報処理装置。 - 前記生成部は、前記検索結果として取得された同一の文書に対して、検索クエリごとに異なるラベルを付与する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記生成部は、前記検索結果として取得された文書のうち、優先的に表示すべきものに前記第1のラベルとして最上位のラベルを付与し、表示しても違和感がないものに前記第2のラベルとして次点のラベルを付与し、表示すべきでないものに前記第3のラベルとして最下位のラベルを付与する
ことを特徴とする請求項1又は2に記載の情報処理装置。 - 前記生成部は、前記検索結果として取得された文書のうち、コンバージョンに至ったものに前記第1のラベルとして最上位のラベルを付与し、前記ユーザにクリックされたものに前記第2のラベルとして次点のラベルを付与し、前記ユーザにクリックされなかったものに前記第3のラベルとして最下位のラベルを付与する
ことを特徴とする請求項1~3のうちいずれか1つに記載の情報処理装置。 - 前記選別部は、取得された前記検索結果にフィルタをかけ、前記検索結果を選別し、
前記設定部は、選別された前記検索結果を前記学習モデルに入力して前記検索結果の表示順位を設定する
ことを特徴とする請求項1~4のうちいずれか1つに記載の情報処理装置。 - 前記選別部は、構築された前記学習モデルへの入力データの数を制限するためにトランスフィルタを間に入れて、取得された前記検索結果にフィルタをかけ、前記検索結果を選別する
ことを特徴とする請求項5に記載の情報処理装置。 - 前記設定部は、選別された前記検索結果を前記学習モデルに入力し、前記学習モデルから出力された前記検索結果の表示順位を設定する
ことを特徴とする請求項5又は6に記載の情報処理装置。 - 前記設定部は、前記検索結果の表示順位の上位の所定順位以内のものを、より高精度な学習モデルに入力して、再度、前記検索結果の表示順位を設定する
ことを特徴とする請求項5~7のうちいずれか1つに記載の情報処理装置。 - 前記生成部は、検索フロントエンドから送信されたユーザの行動ログと、検索エンジンから送信された前記検索結果のランキングログとに基づいて、前記学習データを生成する
ことを特徴とする請求項1~8のうちいずれか1つに記載の情報処理装置。 - 前記検索フロントエンドから送信されたユーザの行動ログと、前記検索エンジンから送信された前記検索結果のランキングログとは分散処理クラスタに蓄積され、
前記生成部は、前記分散処理クラスタに蓄積された前記ユーザの行動ログと前記ランキングログとから、分散処理フレームワークを用いて、前記学習データを生成する
ことを特徴とする請求項9に記載の情報処理装置。 - 前記生成部は、購入又はボタンの押下というコンバージョンへと至る段階的な行動のそれぞれに基づいて、前記検索結果として取得された文書のうち、
前記ユーザがクリックし、購入又はボタンの押下というコンバージョンに至った文書であれば前記第1のラベルを付与し、
前記ユーザがクリックしたが、購入又はボタンの押下というコンバージョンには至らなかった文書であれば前記第2のラベルを付与し、
前記ユーザがクリックすらしなかった文書であれば前記第3のラベルを付与することで、各行動が行われた文書にラベルを付与し、文書ごとの特徴量を分散処理クラスタに蓄積し、前記分散処理クラスタに蓄積された文書ごとの特徴量から、分散処理フレームワークを用いて前記学習データを生成し、
前記学習部は、生成された前記学習データを用いて、勾配ブースティング決定木を用いたランキング学習により、前記学習モデルを構築する
ことを特徴とする請求項1~10のうちいずれか1つに記載の情報処理装置。 - 前記検索結果には、前記検索結果の情報を表す特徴量が与えられている
ことを特徴とする請求項1~11のうちいずれか1つに記載の情報処理装置。 - 情報処理装置が実行する情報処理方法であって、
検索クエリにマッチする検索結果を取得する取得工程と、
取得された前記検索結果に、前記検索結果に対するユーザの行動ログに応じたラベルを付与して学習データを生成する生成工程と、
生成された前記学習データにフィルタをかけ、前記学習データを選別する選別工程と、
選別された前記学習データを用いて機械学習を行う学習工程と、
前記機械学習の結果得られた学習モデルを用いて前記検索結果の表示順位を設定する設定工程と、
を含み、
前記生成工程では、コンバージョンへと至る段階的な行動のそれぞれに基づいて、前記検索結果として取得された文書のうち、
前記ユーザがクリックし、コンバージョンに至った文書であれば第1のラベルを付与し、
前記ユーザがクリックしたが、コンバージョンには至らなかった文書であれば第2のラベルを付与し、
前記ユーザがクリックすらしなかった文書であれば第3のラベルを付与することで、各行動が行われた文書にラベルを付与し、文書ごとの特徴量を分散処理クラスタに蓄積し、前記分散処理クラスタに蓄積された文書ごとの特徴量から、分散処理フレームワークを用いて前記学習データを生成し、
前記選別工程では、前記学習データの数を制限するためにトランスフィルタを間に入れて、生成された前記学習データにフィルタをかけ、前記学習データを選別し、
前記学習工程では、選別された前記学習データを用いて、勾配ブースティング決定木を用いたランキング学習により前記学習モデルを構築する際に、前記学習モデルが大きくなり過ぎないように前記学習モデルのモデルサイズを所定の大きさに限定する
ことを特徴とする情報処理方法。 - 検索クエリにマッチする検索結果を取得する取得手順と、
取得された前記検索結果に、前記検索結果に対するユーザの行動ログに応じたラベルを付与して学習データを生成する生成手順と、
生成された前記学習データにフィルタをかけ、前記学習データを選別する選別手順と、
選別された前記学習データを用いて機械学習を行う学習手順と、
前記機械学習の結果得られた学習モデルを用いて前記検索結果の表示順位を設定する設定手順と、
をコンピュータに実行させ、
前記生成手順では、コンバージョンへと至る段階的な行動のそれぞれに基づいて、前記検索結果として取得された文書のうち、
前記ユーザがクリックし、コンバージョンに至った文書であれば第1のラベルを付与し、
前記ユーザがクリックしたが、コンバージョンには至らなかった文書であれば第2のラベルを付与し、
前記ユーザがクリックすらしなかった文書であれば第3のラベルを付与することで、各行動が行われた文書にラベルを付与し、文書ごとの特徴量を分散処理クラスタに蓄積し、前記分散処理クラスタに蓄積された文書ごとの特徴量から、分散処理フレームワークを用いて前記学習データを生成し、
前記選別手順では、前記学習データの数を制限するためにトランスフィルタを間に入れて、生成された前記学習データにフィルタをかけ、前記学習データを選別し、
前記学習手順では、選別された前記学習データを用いて、勾配ブースティング決定木を用いたランキング学習により前記学習モデルを構築する際に、前記学習モデルが大きくなり過ぎないように前記学習モデルのモデルサイズを所定の大きさに限定する
ことを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020101290A JP7321977B2 (ja) | 2020-06-10 | 2020-06-10 | 情報処理装置、情報処理方法および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020101290A JP7321977B2 (ja) | 2020-06-10 | 2020-06-10 | 情報処理装置、情報処理方法および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021196722A JP2021196722A (ja) | 2021-12-27 |
JP7321977B2 true JP7321977B2 (ja) | 2023-08-07 |
Family
ID=79195581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020101290A Active JP7321977B2 (ja) | 2020-06-10 | 2020-06-10 | 情報処理装置、情報処理方法および情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7321977B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090240680A1 (en) | 2008-03-20 | 2009-09-24 | Microsoft Corporation | Techniques to perform relative ranking for search results |
US20180189292A1 (en) | 2016-12-30 | 2018-07-05 | Dropbox, Inc. | Optimizing search result snippet selection |
WO2019234810A1 (ja) | 2018-06-05 | 2019-12-12 | 三菱電機株式会社 | 学習装置、推論装置、方法、及びプログラム |
US20190391982A1 (en) | 2018-06-21 | 2019-12-26 | Yandex Europe Ag | Method of and system for ranking search results using machine learning algorithm |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7593934B2 (en) * | 2006-07-28 | 2009-09-22 | Microsoft Corporation | Learning a document ranking using a loss function with a rank pair or a query parameter |
US8108406B2 (en) * | 2008-12-30 | 2012-01-31 | Expanse Networks, Inc. | Pangenetic web user behavior prediction system |
JP5451673B2 (ja) * | 2011-03-28 | 2014-03-26 | ヤフー株式会社 | 検索ランキング生成装置及び方法 |
CN105653701B (zh) * | 2015-12-31 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 模型生成方法及装置、词语赋权方法及装置 |
JP6456423B2 (ja) * | 2017-03-17 | 2019-01-23 | ヤフー株式会社 | 解析装置、解析方法、およびプログラム |
JP2018088282A (ja) * | 2018-02-23 | 2018-06-07 | ヤフー株式会社 | 抽出装置、抽出方法及び抽出プログラム |
-
2020
- 2020-06-10 JP JP2020101290A patent/JP7321977B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090240680A1 (en) | 2008-03-20 | 2009-09-24 | Microsoft Corporation | Techniques to perform relative ranking for search results |
US20180189292A1 (en) | 2016-12-30 | 2018-07-05 | Dropbox, Inc. | Optimizing search result snippet selection |
WO2019234810A1 (ja) | 2018-06-05 | 2019-12-12 | 三菱電機株式会社 | 学習装置、推論装置、方法、及びプログラム |
US20190391982A1 (en) | 2018-06-21 | 2019-12-26 | Yandex Europe Ag | Method of and system for ranking search results using machine learning algorithm |
Also Published As
Publication number | Publication date |
---|---|
JP2021196722A (ja) | 2021-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6814298B2 (ja) | 警告するための方法と装置 | |
US9411890B2 (en) | Graph-based search queries using web content metadata | |
US8156138B2 (en) | System and method for providing targeted content | |
US10180979B2 (en) | System and method for generating suggestions by a search engine in response to search queries | |
US9639846B2 (en) | System and method for providing targeted content | |
JP6698040B2 (ja) | 生成装置、生成方法及び生成プログラム | |
US20160162583A1 (en) | Apparatus and method for searching information using graphical user interface | |
US20200074300A1 (en) | Artificial-intelligence-augmented classification system and method for tender search and analysis | |
US20160299951A1 (en) | Processing a search query and retrieving targeted records from a networked database system | |
JP6906667B1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2023044483A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP6833540B2 (ja) | 抽出装置、抽出方法及び抽出プログラム | |
KR102238438B1 (ko) | 규격화된 광고상품을 이용한 광고상품거래 서비스 제공 시스템 | |
JP6568284B1 (ja) | 提供装置、提供方法及び提供プログラム | |
JP7321977B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP7212103B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP7177107B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Truong et al. | Product recommendation system using opinion mining on Vietnamese reviews | |
JP7104257B1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP7443280B2 (ja) | 提供装置、提供方法及び提供プログラム | |
US11282104B2 (en) | Provision device, provision method and non-transitory computer readable storage medium | |
JP4385087B2 (ja) | 生活情報支援システム | |
JP2022126427A (ja) | 情報処理装置、情報処理方法、情報処理プログラム | |
JP2023184179A (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP2023044431A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20200623 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210519 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210519 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210831 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211026 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220125 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220422 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20220422 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20220506 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20220510 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20220729 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20220802 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220906 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20221011 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20230104 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20230110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230306 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20230314 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230515 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230726 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7321977 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |