CN102109994A - 信息处理设备、信息处理方法以及程序 - Google Patents
信息处理设备、信息处理方法以及程序 Download PDFInfo
- Publication number
- CN102109994A CN102109994A CN2010106140426A CN201010614042A CN102109994A CN 102109994 A CN102109994 A CN 102109994A CN 2010106140426 A CN2010106140426 A CN 2010106140426A CN 201010614042 A CN201010614042 A CN 201010614042A CN 102109994 A CN102109994 A CN 102109994A
- Authority
- CN
- China
- Prior art keywords
- unit
- period
- incident
- statistic
- particular event
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/86—Event-based monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/88—Monitoring involving counting
Abstract
本发明涉及信息处理设备、信息处理方法以及程序。该信息处理设备包括:参数设置单元,其设置参数,该参数用于基于与特定事件发生的时刻相关的事件发生时刻信息来计算给定统计量;时段分割单元,其基于由参数设置单元设置的基准单位时间,将对其计算给定统计量的计算时段分割成多个单位时段;计数单元,其基于事件发生时刻信息,对于多个单位时段中的每个,对特定事件的发生次数进行计数;以及统计量计算单元,其通过使用计数单元的计数结果,计算表示特定事件的发生模式的统计量。
Description
技术领域
本发明涉及信息处理设备、信息处理方法以及程序。
背景技术
在医学、药学、理工学等领域中,常常执行对从特定时间点起到所关注的事项(incident)发生为止的时间进行估计的分析(例如参见:汪金芳,“Introduction to Survival Time Analysis”,[在线],2005年5月13日,千叶大学,[2009年12月10日检索],因特网<URL:http://www.math.s.chiba-u.ac.jp/~wang/suvival.pdf>)。该分析特别在医学和药学领域中经常用于估计特定群体中人死亡的比率(死亡率),并且被称为生存时间分析。具体地,在该示例中,所关注的事项是“人的死亡”,并且到该事项的发生为止的时间是此人的生存时间。
发明内容
可以发生将生存时间分析应用于如下场合的情况:在特定时段期间用于对于事项的发生进行确定的事件(event)可以发生多次。另一方面,生存时间分析是如下方法:其通过将注意力集中于数据组的集合(例如,人的集合)并且使用特定事件最后发生的时刻,对于构成所关注集合的元素执行所规定的分析。因此,在将根据现有技术的生存时间分析应用于在特定时段期间事件多次发生的事项的情况下,计算诸如生存时间的各种统计量而不考虑在该时段期间事件的发生模式。这提出了如下问题:即使当存在具有显著不同的事件发生模式的两种元素时,也为这些元素计算出相似的统计量。
考虑到上述,期望提供一种新型且改进的信息处理设备、信息处理方法以及程序,其可以计算考虑事件发生模式的统计量。
根据本发明的实施例,提供了一种信息处理设备,其包括:参数设置单元,其设置参数,该参数用于基于与特定事件发生的时刻相关的事件发生时刻信息来计算给定统计量;时段分割单元,其基于由参数设置单元设置的基准单位时间,将对其计算给定统计量的计算时段分割成多个单位时段;计数单元,其基于事件发生时刻信息,对于多个单位时段中的每个,对特定事件的发生次数进行计数;以及统计量计算单元,其通过使用计数单元的计数结果,计算表示特定事件的发生模式的统计量。
计数单元优选地从计算时段中指定在其期间特定事件发生的最近单位时段,并且,统计量计算单元优选地通过使用直到最近单位时段为止特定事件的发生次数,计算特定事件的发生密度,并且通过使用特定事件的发生密度和直到最近单位时段为止所包括的单位时段的数量,计算特定事件在计算时段内的平均发生次数。
信息处理设备还优选地包括选择单元,其从多个事件发生时刻信息中选择具有相同计算时段的事件发生时刻信息。计数单元优选地基于由选择单元选择的事件发生时刻信息,对特定事件的发生次数进行计数。
统计量计算单元优选地基于式1来计算特定事件的平均发生次数A,其中,由选择单元选择的事件发生时刻信息的数量是N,事件的发生密度是Wi,并且直到最近单位时段为止所包括的单位时段的数量是ti。
当在单位时段期间特定事件发生时,计数单元可将单位时段中特定事件的发生次数计数为1而不管发生次数如何。
统计量计算单元可基于计数单元的计数结果,进一步计算表示事件的发生比率的生存函数、事件的风险函数以及表示直到事件的发生次数成为一半为止的时段的事件发生半衰期。
根据本发明的另一实施例,提供了一种信息处理方法,其包括以下步骤:设置参数,该参数用于基于与特定事件发生的时刻相关的事件发生时刻信息来计算给定统计量;基于在参数设置步骤中设置的基准单位时间,将对其计算给定统计量的计算时段分割成多个单位时段;基于事件发生时刻信息,对于多个单位时段中的每个,对特定事件的发生次数进行计数;以及通过使用在计数步骤中的计数结果,计算表示特定事件的发生模式的统计量。
根据本发明的另一实施例,提供了一种使得计算机实现如下功能的程序,该功能包括:参数设置功能,其设置参数,该参数用于基于与特定事件发生的时刻相关的事件发生时刻信息来计算给定统计量;时段分割功能,其基于由参数设置功能设置的基准单位时间,将对其计算给定统计量的计算时段分割成多个单位时段;计数功能,其基于事件发生时刻信息,对于多个单位时段中的每个,对特定事件的发生次数进行计数;以及统计量计算功能,其通过使用计数功能的计数结果,计算表示特定事件的发生模式的统计量。
根据上述本发明的实施例,有可能计算考虑事件发生模式的统计量。
附图说明
图1是说明生存时间分析的说明图。
图2是说明生存时间分析的说明图。
图3是说明生存时间分析的说明图。
图4是说明生存函数的示例的图。
图5是说明风险函数的示例的图。
图6是说明生存时间分析的说明图。
图7是说明根据本发明的第一实施例的信息处理设备的配置的框图。
图8是说明事件发生信息的示例的说明图。
图9是说明根据该实施例的信息处理方法的说明图。
图10是说明根据实该施例的信息处理方法的说明图。
图11是说明根据该实施例的信息处理方法的说明图。
图12A是说明根据该实施例的信息处理方法的说明图。
图12B是说明根据该实施例的信息处理方法的说明图。
图13是说明根据该实施例的信息处理方法的说明图。
图14是说明根据该实施例的信息处理方法的说明图。
图15是说明根据该实施例的信息处理方法的说明图。
图16是说明根据本发明的实施例的信息处理设备的硬件配置的框图。
具体实施方式
在下文中,将参照附图详细描述本发明的优选实施例。注意,在该说明书和附图中,具有基本相同的功能和结构的结构元件以相同的附图标记表示,并且省略对这些结构元件的重复说明。
将按以下顺序给出说明。
(1)基础技术
(2)目的
(3)第一实施例
(3-1)信息处理设备的配置
(3-2)信息处理方法
(4)根据本发明的实施例的信息处理设备的硬件配置
(5)总结
在提供根据本发明的实施例的信息处理设备和信息处理方法的描述之前,在下文中描述形成用于实现本发明的实施例的基础的技术内容。注意,通过对下述基础技术添加改进来配置本发明的实施例,以便获得更显著的有利效果。因此,与这些改进相关的技术是该实施例的特征。因此,应该注意,虽然本发明的实施例遵循在下文中描述的技术内容的基础概念,但是该实施例的本质更确切地说是集成到改进部分中的,并且配置是明显不同的,而且在有利效果上也与基础技术有明显区别。
在下文中,参照图1到5简要描述生存时间分析(其是形成本发明的基础的技术)的流程。图1到3是说明生存时间分析的说明图,图4是说明生存函数的示例的图,并且图5是说明风险函数的示例的图。
生存时间分析是对从特定时间点起到所关注的事项发生为止的时间进行估计的技术。所关注的事项有各种示例,诸如到发病为止的时间、到产生药的副作用为止的时间、到人去世为止的时间以及到机器出故障为止的时间。
在生存时间分析中,经常关注被称为生存函数的函数。生存函数被定义为到事项发生为止的时间(生存时间)T超过t的概率,其中,t是表示时间的变量。可以将生存函数公式化成以下的式11。
在以下的式11中,S(t)是生存函数,并且f(t)是生存时间T的概率密度函数。
此外,在生存时间分析中,除生存函数之外,有时还关注被称为风险函数的函数。风险函数被定义为在到所关注的事项发生为止的时间T满足T>t的条件下,在时刻t处事件发生的概率。可以将风险函数公式化成以下的式12。在以下的式12中,H(t)是风险函数。
当生存时间T的累积分布函数是F(t)时,由以下的式13表示该定义。如根据式11和13而显然的那样,因为Pr(T>t)=1-Pr(T≤t),因此生存时间T的累积分布函数和生存函数具有以下的式14的关系。
对式14的两端针对时间t进行微分给出由以下的式15表示的关系。因此,可以根据式12和15获得由以下的式16表示的随机微分方程。此外,因为t=0处的生存率是1,因此,如果在S(0)=1的初始条件下解由式16表示的微分方程,那么可以获得由以下的式17表示的关系式。式17的关系式是表示生存函数S(t)和风险函数H(t)之间的关系的式子。因此,如果已知生存函数S(t)和风险函数H(t)之一,那么可以通过使用式17的关系式来计算另一函数。
F(t)=Pr(T≤t)(式13)
S(t)=1-F(t)(式14)
S′(t)=(1-F(t))′=-F′(t)=-f(t)(式15)
然而,在实际现象中,在很多情况下生存时间T的概率密度函数不由诸如指数分布、威布尔分布以及对数正态分布的完整表达式来表示。在这样的情况下,可以通过使用如下非参数技术来估计生存函数S(t)。作为非参数技术的示例,有使用卡普兰-迈耶估计的方法。在下文中,简要描述使用卡普兰-迈耶估计的生存函数S(t)的估计方法。
在估计生存函数的方法中,准备与特定事件发生的时刻相关的信息(其在下文中被称为事件发生时刻信息)。在以下描述中,表示特定用户登录特定服务的时刻的历史信息被取为事件发生时刻信息的示例,并且到“用户退出服务”的事项发生为止的时间是生存时间T。
接下来,在估计生存函数的方法中,确定对其计算生存函数的时段T(例如,一年等)和单位时间t(例如,一个月、一周等),并且对在相同单位时间中启动了服务的用户进行选择。
图1对于按以上方式选择的每个用户,通过参照事件发生时刻信息,在时间轴上示出了事件发生的时间点。在图1中,关注从用户1到用户5的五个用户(用户数N=5),并且斜线阴影矩形表示事件发生的时刻(即,用户登录的时刻)。
当对其计算生存函数的时段T被设置为五个月,并且单位时间t被设置为一个月时,在估计生存函数的方法中,例如,如图2中所示,基于每个单位时间t的区间,确定是否发生了“用户退出服务”的事项。可以根据“用户最后登录”的观点来确定“用户退出服务”的事项。如根据图2而显然的那样,用户1的最后访问时刻属于从左起的第三个区间,用户2和用户3的最后访问时刻属于从左起的第四个区间,并且用户4和用户5的最后访问时刻属于最右面的区间。
在生存函数的估计中,仅关注两个时间点,即,基准时间点和所关注的事项发生的时间点。因此,同样在图1到2中示出的示例中,当估计生存函数时,如图3中所示,每个用户的登录被看作用户的访问持续到“用户i最后进行访问的区间ti”为止。
时刻t处的生存函数S(t)(卡普兰-迈耶估计)是由(满足ti≥t的人数/总人数)表示的值。因此,在图1到3中示出的示例中,S(1)=5/5=1、S(2)=5/5=1、S(3)=5/5=1、S(4)=4/5并且S(5)=2/5。
图4示出了通过使用以上方法对在相同月中启动了特定服务的N个用户计算出的生存函数S(t),其中,基准单位时间t是一个月,并所且关注的时段T是26个月。在图4中,水平轴表示生存时间,并且竖直轴表示生存率。
此外,如果可以估计生存函数S(t),那么可以计算半衰期和平均生存时间的统计量。半衰期被定义为生存率变成50%的时刻。因此,例如,在如图4中所示的生存函数中,可以通过计算具有生存率=0.5的x坐标来获得半衰期。在图4的示例中,半衰期是大约19个月。
此外,平均生存时间是在所关注的时段期间用户平均生存的时间,并且例如在如图4中所示的生存函数的图中,它被表示为由生存函数S(t)、x=0以及x=T围绕的区域的面积。当平均生存时间是a时,由以下的式18表示平均生存时间a。
例如,在图1到3中示出的示例中,平均生存时间a是(3+4+4+5+5)/5=4.2。
此外,还可以计算风险函数。在这种情况下,风险函数H(t)被表示为(满足t<ti≤t+1的用户数/满足ti≥t的用户数)。例如,在图1到3中示出的示例中,风险函数是H(1)=0/5=0、H(2)=0/5=0、H(3)=1/5、H(4)=2/4=1/2以及H(5)=2/2=1。
此外,图5示出了通过使用以上方法对在相同月中启动了特定服务的N个用户计算出的风险函数H(t),其中,基准单位时间t是一个月,并且所关注的时段T是26个月。在图5中,水平轴表示生存时间,并且竖直轴表示风险。
(目的)
对于由多个元素组成的集合(例如,人的集合)计算通过如上所述的生存时间分析获得的统计量,并且如根据定义式而显然的那样,把重点放在所关注的事项发生的时刻来计算出该统计量。这是因为生存时间分析最初曾主要用在医学和药学领域中,并且在这些领域中,在许多情况下,事项没有发生的状态持续到所关注的事项发生为止。
另一方面,关于将注意力集中于在以上描述中被取为示例的“用户退出服务”的事项,考虑如下情况:通过使用以离散方式发生的“用户登录到服务”的状态(事件)来执行生存时间分析。当通过使用表示以离散方式发生的状态的发生模式的数据(事件发生时刻信息等)来分析到特定事项的发生为止的时间时,如图6中所示,假设存在具有相同的事项发生时刻(生存时间)的两个用户。当关注1≤t≤10的计算时段时,用户A和用户B各自执行总计100次特定处理(例如,登陆到服务)。然而,当用户A在最左面的区间(到t为止的区间)中执行98次特定处理的同时,用户B在各区间中以平均方式执行特定处理,使得用户A和用户B的行为彼此极大地不同。因为用户A和用户B在最右面区间(到10t为止的区间)中执行特定处理,因此尽管这些用户的行为存在大的差异,但是在用户A和用户B之间所计算出的生存时间是相同的值。
如上所述,根据现有技术的生存时间分析具有如下问题:即使直到最终的事项发生为止的行为不同,当事项的最终发生时刻相同时,诸如生存时间的所计算出的统计量也是相同的。
此外,在营销领域中,存在被称为RFM分析的技术,作为分析顾客的倾向的方法。RFM分析是按照最近商品购买日期(R)、累积购买次数(F)以及总计购买量(M)来分析特定个体的倾向的方法。然而,这样的分析技术是用于个体的倾向的分析方法,并且它不适用于作为生存时间分析的对象的、由多个元素组成的集合的分析。此外,在通过RFM分析(更详细地,RF分析)来分析如图6中所示的用户A和用户B的行为的情况下,在用户A和用户B之间最后登录的区间相同(R相同),并且累积登录次数也相同(F相同)。因此,在RFM分析中,对用户A和用户B的评价相同,并且尽管这些用户的行为不同,但是他们是不可区分的。
考虑到上述,根据下文中描述的本发明的实施例,目的是提供一种信息处理设备和信息处理方法,其能够考虑用于确定事项发生的事件的发生模式,对于多个元素的集合计算统计量。为了实现该目的,本发明的发明人进行了深入研究,并且得到了如下所述的信息处理设备和信息处理方法。在下文中详细描述该信息处理设备和信息处理方法。
(第一实施例)
<信息处理设备的配置>
基于上述基础技术,首先参照图7详细描述根据本发明的第一实施例的信息处理设备的配置。图7是说明根据本实施例的信息处理设备的配置的框图。
根据本实施例的信息处理设备10例如如图7中所示的,主要包括数据获取单元101、处理单元103、显示控制单元105以及存储单元107。
例如,通过CPU(中央处理单元)、ROM(只读存储器)、RAM(随机存取存储器)、通信设备等实现数据获取单元101。数据获取单元101从各种设备中获取要用于计算统计量的诸如事件发生时刻信息的各种数据。
在事件发生时刻信息中,描述了用于确定由多个元素组成的集合(例如,用户群)中事项发生的事件发生的时刻。利用事件发生时刻信息,可关联用于指定与事件发生相关的集合的元素的信息(例如,诸如用户ID(标识符)的标识信息)。图8示出了事件发生时刻信息的示例。在图8中,关注作为事件的由用户执行的登录处理,并且与执行登录处理的时刻信息相关联地记录执行登陆处理的用户的标识信息(用户ID)。注意,由图8中示出的历史信息代表的事件发生时刻信息仅是示例,并且可使用任意数据,只要事件发生时刻和用于标识与事件发生相关的元素的信息彼此关联即可。
数据获取单元101将所获取的事件发生时刻信息存储到稍后描述的存储单元107等。此外,数据获取单元101可将所获取的事件发生时刻信息直接传送到稍后描述的处理单元103。
例如,通过CPU、ROM、RAM等实现处理单元103。处理单元103是执行用于计算由多个元素组成的集合中的各种统计量的操作的处理单元。稍后详细描述处理单元103。
例如,通过CPU、ROM、RAM等实现显示控制单元105。显示控制单元105执行用于在根据本实施例的信息处理设备10中包括的显示单元(未示出)上显示由处理单元103计算出的、由多个元素组成的集合中的各种统计量的显示控制。
存储单元107是根据本实施例的信息处理设备10中包括的存储设备的示例。在存储单元107中,例如,存储由数据获取单元101从各种设备中获取的事件发生时刻信息等。此外,在存储单元107中,适当地存储当信息处理设备10执行某种处理时需要存储的各种参数、处理的进度等、以及各种数据库等。根据本实施例的信息处理设备10中包括的每个处理单元可以自由地从存储单元107中读取数据,并且自由地将数据写入存储单元107。
[处理单元的配置]
在下文中详细描述根据本实施例的信息处理设备10中包括的处理单元103。
根据该实施例的处理单元103例如如图1中所示的,主要包括参数设置单元111、数据选择单元113、时段分割单元115、计数单元117以及统计量计算单元119。
例如,通过CPU、ROM、RAM等实现参数设置单元111。参数设置单元111设置要用于在根据本实施例的处理单元103中执行的对各种统计量的计算的参数。这样的参数的示例是当计算统计量时所关注的时段的开始点S、时段的长度(计算时段)T以及单位时段的长度(基准单位时间)t。除这些参数之外,参数设置单元111还可进一步适当地设置计算统计量所需的各种参数。
注意,这些参数可具有由参数设置单元111自动设置的值、或由用户通过安装在信息处理设备10上的、诸如键盘或触摸板的输入单元(未示出)输入的值。
在设置参数之后,参数设置单元111将所设置的参数输出到稍后描述的数据选择单元113和时段分割单元115。此外,参数设置单元111可将所设置的参数存储到计数单元117。
例如,通过CPU、ROM、RAM等实现数据选择单元113。数据选择单元113基于从参数设置单元111通知的参数,从存储在存储单元107中的多个事件发生时刻信息中选择要对其计算统计量的事件发生时刻信息。具体地,数据选择单元113通过使用从参数设置单元111通知的所关注的时段的开始点S和基准单位时间t,选择在计算时段T的最初单位时段S到S+t期间事件发生的事件发生时刻信息。然后,数据选择单元113指定与在单位时段S到S+t期间事件发生的事件发生时刻信息对应的元素(例如,用户),并且从存储在存储单元107中的事件发生时刻信息中选择与所指定的元素相关联的事件发生时刻信息。从而,数据选择单元113可以针对每个元素(例如,每个用户)选择在S到S+t期间事件发生的事件发生时刻信息。以此方式选择的针对每个元素的事件发生时刻信息的集合是当计算统计量时的总体。此外,数据选择单元113可以通过将注意力集中在所选择的元素的数量上来指定总体中包括的元素的总数。
数据选择单元113从存储单元107中获取所选择的事件发生时刻信息,并且将该信息传送到稍后描述的计数单元117。
例如,通过CPU、ROM、RAM等实现时段分割单元115。时段分割单元115基于从参数设置单元111通知的参数,通过使用基准单位时间t来将要对于其计算统计量的计算时段T分割成多个单位时段。具体地,时段分割单元115将基准单位时间t与表示所关注的时段的开始点的参数S相加,将由所获得的(S+t)表示的时刻设置为第一分段,并且将S到S+t的时段设置为第一单位时段。同样,时段分割单元115将基准单位时间t与(S+t)相加,将由所获得的(S+2t)表示的时刻设置为第二分段,并且将S+t到S+2t的时段设置为第二单位时段。通过重复这样的处理直到计算时段变成T(重复处理T/t次)为止,时段分割单元115可以基于基准单位时间t分割计算时段T。通过参照分段点处的时刻,稍后描述的计数单元117和统计量计算单元119可以指出特定事件的发生时刻包括在哪个单位区间中。
时段分割单元115将所计算出的分段点处的时刻输出到稍后描述的计数单元117。此外,时段分割单元115可将所计算出的分段点处的时刻存储到存储单元107等。
例如,通过CPU、ROM、RAM等实现计数单元117。计数单元117基于从数据选择单元113通知的事件发生时刻信息和与从时段分割单元115通知的分段点处的时刻相关的信息,对于每个单位时段对事件发生的次数进行计数。从而,计数单元117可以对于每个元素(例如,每个用户),指定在哪个单位时段期间事件发生了多少次。
计数单元117可按特定方式对每个单位时段中事件发生的次数进行计数,诸如5次、10次等。此外,当在单位时段期间事件发生时,计数单元117可计数1次而不管具体的事件的发生次数如何,当事件没有发生时,计数单元117可计数0次。换句话说,根据事件是否发生,计数单元117可对事件发生的次数进行二值化。
通过以上处理,计数单元117可以生成如图9的上面部分中所示的数据。注意,图9示出了对事件的发生次数进行了二值化的情况。此外,通过对事件的发生次数进行二值化,可以对与事件发生相关的时间序列进行模式化。结果,如图9的下面部分中所示,关于哪个元素引起在哪个单位区间期间事件发生的对应关系可以被视为对二进制图像的整理(sort)。注意,在图9的下面部分中,由斜线阴影表示的单位区间与在其期间事件发生的单位区间对应。
计数单元117向稍后描述的统计量计算单元119通知表示基于事件发生时刻信息的计数结果的信息。此外,计数单元117可将所生成的表示计数结果的信息存储到存储单元107等。
例如,通过CPU、ROM、RAM等实现统计量计算单元119。统计量计算单元119通过使用从计数单元117通知的表示计数结果的信息,计算表示给定事件的发生模式的统计量。更具体地,统计量计算单元119通过使用从计数单元117通知的表示计数结果的信息,计算稍后描述的加权平均生存时间,作为考虑事件的发生模式(表示事件的发生模式的时间序列)的统计量。
在下文中,参照图10描述在统计量计算单元119中计算加权平均生存时间的处理顺序。
首先,统计量计算单元119通过参照从计数单元117通知的表示计数结果的信息,指定在其期间所关注的事项发生的单位时段(例如,在计算时段T内用户在其期间最后进行访问的单位时段)。换句话说,在其期间所关注的事项发生的单位时段与生存时间对应。在图10示出的示例中,与用户i有关的在其期间所关注的事项发生的单位时段ti是t1=3、t2=4、t3=4、t4=5以及t5=5。
接下来,统计量计算单元119对于每个用户,对从所关注的时段的开始点到ti为止事件的发生次数进行计数。在图10示出的示例中,用户1的发生次数是两次,用户2的发生次数是三次,用户3的发生次数是两次,用户4的发生次数是三次并且用户5的发生次数是四次。
然后,统计量计算单元119通过使用从开始点到ti为止事件的发生次数和在其期间所关注的事项发生的单位时段(即,生存时间),计算表示事件的发生密度的密度系数Wi。具体地,统计量计算单元119通过以下的式101计算密度系数Wi。
密度系数Wi=(生存时间内事件的发生次数)/(生存时间)(式101)
因此,在图10中示出的示例中,用户1的密度系数W1是2/3,用户2的密度系数W2是3/4,用户3的密度系数W3是2/4,用户4的密度系数W4是3/5并且用户5的密度系数W5是4/5。
在这之后,统计量计算单元119通过使用所计算出的密度系数Wi和在其期间所关注的事项发生的单位时段(即,生存时间)ti,通过以下的式102来计算加权平均生存时间A。在以下的式102中,N是所关注的总体中包括的元素的总数。
如根据式101示出的定义式而显然的那样,用于计算加权平均生存时间的密度系数Wi是考虑事件的发生模式(表示事件的发生模式的时间序列)的系数。因此,基于式102计算出的加权平均生存时间是考虑表示事件的发生模式的时间序列的统计量(具体地,考虑事件的发生模式的事件的平均发生次数)。
通过根据现有技术的生存时间分析计算出的平均生存时间,如图11A中所示,是把重点放在所关注的事项发生的时刻而计算出的统计量。因此,当在图11A中由斜线阴影表示的单位时段期间所关注的事项发生时,仅考虑该单位时段的位置,计算出平均生存时间是5.1。
另一方面,表示图11B中示出的访问模式的计数结果具有与图11A中示出的计数结果的事项发生时刻相同的事项发生时刻。当直到所关注的事项发生为止的事件的发生模式如图11B中所示由时间序列模式表示时,基于式102计算出的加权平均生存时间是2.8。
此外,虽然图12A和12B示出了具有与表示图11B中示出的访问模式的计数结果的生存时间相同的生存时间的情况,但是这三者当中的事件的发生模式不同。因此,在图12A中示出的事件发生模式的情况下计算出的加权平均生存时间是2.0,并且在图12B中示出的事件发生模式的情况下计算出的加权平均生存时间是4.7,它们是与图11B的加权平均生存时间不同的值。
如根据图11到12B中示出的示例而显然的那样,通过使用由根据本实施例的统计量计算单元119计算出的加权平均生存时间A,有可能进一步详细地分析具有相同的生存时间的总体,并且区别它们。
注意,如根据式12与式18之间的比较而显然的那样,通过根据现有技术的生存时间分析计算出的平均生存时间与如下情况对应:由根据本实施例的统计量计算单元119计算出的加权平均生存时间中的加权系数Wi被设置为1。因此,根据本实施例的统计量计算单元119还可以通过在式102中设置加权系数Wi=1,计算根据现有技术的平均生存时间。
注意,统计量计算单元119在计算加权平均生存时间的过程中,对于每个元素指定生存时间ti。因此,统计量计算单元119可以通过使用生存时间ti和元素的总数N,计算生存函数S(t)(具体地,卡普兰-迈耶估计)。此外,统计量计算单元119还可以通过使用所计算出的生存函数S(t),计算半衰期和风险函数。
统计量计算单元119将按以上方式计算出的包括加权平均生存时间的各个统计量输出到显示控制单元105,并且通过显示控制单元105在信息处理设备10中包括的显示单元(未示出)等上显示所计算出的统计量。统计量计算单元119可按如图13中所示的数据库的形式,输出所计算出的各个统计量。
图14示出了由统计量计算单元119计算出的多个生存函数,其中,计算时段T是一个月。信息处理设备10的用户可以通过对这样的生存函数、风险函数、加权平均生存时间、半衰期等相互进行比较,对多个元素的集合中的元素的行为进行定量评价。
在用户(即,顾客)价值评价或用户管理方面,评价用户的生存时间和与该生存时间相关联的统计量是重要的。特别地,在将包括加权平均生存时间的统计量应用于基于访问历史信息的顾客评价的情况下,有可能在定期地进行访问的顾客群与不进行这样访问的顾客群之间进行客观的区别。因此,信息处理设备10的用户可以客观地进行各种评价,诸如详细的顾客分类和广告效果的评价。此外,通过使用用于计算加权平均生存时间的密度系数,信息处理设备10的用户可以将虽然具有小累积访问次数但是具有高密度系数的顾客看作潜在的优良顾客。
应该注意,统计量计算单元119可将按以上方式计算出的各个统计量作为数据输出到外置于信息处理设备10的各个设备。此外,统计量计算单元119可将这些所计算出的统计量存储到存储单元107。
以上描述了根据本实施例的信息处理设备10的功能的示例。可使用通用构件或电路配置每个上述元件,或者可通过每个元件的功能专用的硬件配置它。此外,可通过CPU等全部实现每个元件的功能。从而,有可能根据实现实施例时的技术水平,适当地改变要使用的配置。
创建用于实现如上所述根据本实施例的信息处理设备的各功能的计算机程序、并且在个人计算机等中实现该计算机程序是可行的。此外,提供存储这样的计算机程序的计算机可读记录介质是可行的。例如,记录介质可以是磁盘、光盘、磁光盘、闪存等。此外,可在不使用记录介质的情况下,例如通过网络分发上述计算机程序。
<信息处理方法>
在下文中,参照图15简要描述在根据本实施例的信息处理设备10中实现的信息处理方法(具体地,统计量计算方法)。图15是说明根据本实施例的信息处理方法的说明图。
注意,在提供以下描述之前,假设信息处理设备10的数据获取单元101已经从给定设备或给定部分中获取了要用于计算统计量的事件发生时刻信息,并且将该信息存储到存储单元107。
首先,处理单元103的参数设置单元111将对其进行计算的时段的开始点S、该时段的长度T以及基准单位时间t的长度设置为用于计算的参数(步骤S101)。参数设置单元111将所设置的参数通知给数据选择单元113和时段分割单元115。
接下来,数据选择单元113基于从参数设置单元111通知的参数,选择在时段S到S+t期间给定事件发生的事件发生时刻信息。然后,数据选择单元113指定与所选择的事件发生时刻信息相关联的元素,并且从存储在存储单元107中的事件发生时刻信息中,选择与所指定的元素相关联的事件发生时刻信息。以此方式选择的事件发生时刻信息构成计算统计量时的元素群(步骤S103)。数据选择单元113将所选择的事件发生时刻信息传送到计数单元117。
此外,时段分割单元115基于从参数设置单元111通知的参数,通过使用基准单位时间t来将计算时段T分割成多个单位时段(步骤S105)。从而指定各单位时段的分段点处的时刻。时段分割单元115将与所指定的分段点处的时刻相关的信息通知给计数单元117。
然后,计数单元117基于从数据选择单元113传送的事件发生时刻信息和与从时段分割单元115通知的分段点处的时刻相关的信息,对于每个单位时段,对事件的发生次数进行计数(步骤S107)。此时,计数单元117通过将事件发生的区间中的事件发生次数设置为1,并且将事件没有发生的区间中的事件发生次数设置为0,生成事件发生的时间序列数据(步骤S109)。计数单元117将以此方式生成的事件发生的时间序列数据通知给统计量计算单元119。
统计量计算单元119首先通过使用从计数单元117通知的事件发生的时间序列数据,对于每个元素,计算上述密度系数Wi(步骤S111)。统计量计算单元119然后通过使用每个元素的密度系数Wi和生存时间ti,计算根据本实施例的加权平均生存时间(步骤S113)。除加权平均生存时间之外,统计量计算单元119还可进一步计算诸如生存函数、风险函数、半衰期以及平均生存时间的统计量(步骤S113)。
统计量计算单元119然后将所计算出的统计量输出到显示控制单元105或信息处理设备10可以与其通信的各种设备(步骤S115)。
通过执行以上处理,根据本实施例的信息处理方法可以计算考虑事件发生模式的统计量。
(硬件配置)
接下来,将参照图16详细描述根据本发明的实施例的信息处理设备10的硬件配置。图16是用于示出根据本发明的实施例的信息处理设备10的硬件配置的框图。
信息处理设备10主要包括CPU 901、ROM 903以及RAM 905。此外,信息处理设备10还包括主机总线907、桥909、外部总线911、接口913、输入设备915、输出设备917、存储设备919、驱动器921、连接端口923以及通信设备925。
CPU 101用作算术处理设备和控制设备,并且根据记录在ROM 903、RAM 905、存储设备919或可拆卸记录介质927中的各种程序,控制信息处理设备10的全部操作或部分操作。ROM 903存储由CPU 901使用的程序、操作参数等。RAM 905主要存储在CPU 901的执行中使用的程序以及在该执行期间适当地变化的参数等。这些设备经由主机总线907相互连接,该主机总线907由诸如CPU总线等的内部总线构成。
主机总线907经由桥909连接到诸如PCI(外围组件互连/接口)总线的外部总线911。
输入设备915是由用户操作的操作装置,诸如鼠标、键盘、触摸板、按钮、开关以及操纵杆。另外,输入设备915可以是使用例如红外光或其它无线电波的遥控装置(所谓的遥控器),或者可以是符合信息处理设备10的操作的诸如移动电话或PDA(个人数字助理)的外部连接设备929。此外,输入设备915基于例如由用户利用以上操作装置输入的信息,生成输入信号,并且由用于将该输入信号输出到CPU 901的输入控制电路构成。信息处理设备10的用户通过操作该输入设备915,可以将各种数据输入到信息处理设备10,并且可以指示信息处理设备10执行处理。
输出设备917由能够在视觉上或听觉上向用户通知所获取的信息的设备构成。这样的设备的示例包括诸如CRT(阴极射线管)显示设备、液晶显示设备、等离子显示设备、EL(电致发光)显示设备以及灯的显示设备,诸如扬声器和头戴耳机的音频输出设备,打印机,移动电话,传真机等。例如,输出设备917输出通过由信息处理设备10执行的各种处理获得的结果。更具体地,显示设备以文本或图像的形式显示通过由信息处理设备10执行的各种处理获得的结果。另一方面,音频输出设备将诸如所再现的音频数据和声音数据的音频信号转换成模拟信号,并且输出该模拟信号。
存储设备919是用于存储数据的设备,其被配置为信息处理设备10的存储单元的示例,并且用来存储数据。存储设备919例如由诸如HDD(硬盘驱动器)的磁存储设备、半导体存储设备、光存储设备或磁光存储设备构成。该存储设备919存储要由CPU 901执行的程序、各种数据以及从外部获得的各种数据。
驱动器921是用于记录介质的读写器,并且被嵌入在信息处理设备10中或外部附加到其上。驱动器921读取记录在诸如磁盘、光盘、磁光盘或半导体存储器的附加的可拆卸记录介质927中的信息,并且将所读取的信息输出到RAM 905。此外,驱动器921可以在诸如磁盘、光盘、磁光盘或半导体存储器的附加的可拆卸记录介质927中写入。可拆卸记录介质927是例如DVD(数字多功能盘)介质、HD-DVD(高分辨率-数字多功能盘)介质或蓝光介质。可拆卸记录介质927可以是紧凑型闪存(CF;注册商标)、闪存、SD存储卡(安全数码存储卡)等。可替选地,可拆卸记录介质927可以是例如配备有非接触式IC(集成电路)芯片的IC卡(集成电路卡)或电子电器。
连接端口923是用于允许设备直接连接到信息处理设备10的端口。连接端口923的示例包括USB(通用串行总线)端口、IEEE(电气和电子工程师协会)1394端口、SCSI(小型计算机系统接口)端口等。连接端口923的其他示例包括RS-232C端口、光音频端子、HDMI(高清多媒体接口)端口等。通过连接到该连接端口923的外部连接设备929,信息处理设备10从外部连接设备929直接获得各种数据,并且将各种数据提供到外部连接设备929。
通信设备925是由例如用于连接到通信网931的通信设备构成的通信接口。通信设备925是例如有线或无线LAN(局域网)、蓝牙(注册商标)、用于WUSB(无线USB)的通信卡等。可替选地,通信设备925可以是用于光通信的路由器、用于ADSL(非对称数字用户线)的路由器、用于各种通信的调制解调器等。该通信设备925例如可以在因特网上和与其它通信设备根据诸如TCP/IP(传输控制协议/因特网协议)的预定协议来传送和接收信号等。连接到通信设备925的通信网931由经由有线或无线连接的网络等构成,并且可以是例如因特网、家庭LAN、红外通信、无线电波通信、卫星通信。
至此,示出了能够实现根据本发明的实施例的信息处理设备10的功能的硬件配置的示例。可使用通用材料配置上述每个结构元件,或者其可由每个结构元件的功能专用的硬件构成。因此,可以根据实现本实施例时的技术水平适当地改变要使用的硬件配置。
(总结)
如上所述,根据本发明的实施例的信息处理设备和信息处理方法考虑事件的发生模式,计算与事件发生相关的密度系数,并且通过使用该密度系数,计算考虑事件的发生模式的加权平均生存时间。通过使用加权平均生存时间,即使当存在具有相同的生存时间的多个元素时,信息处理设备的用户也可以进行详细的元素分类。
虽然以上参照附图详细描述了本发明的优选实施例,但是本发明不限于此。本领域的技术人员应该理解,在所附权利要求或其等同方案的范围内,根据设计需要和其它因素,可进行各种修改、组合、子组合以及变更。
例如,虽然在将使用用户的登录历史信息的用户的分类取为示例的情况下,描述了根据本发明的统计量计算方法,但是本发明不限于此。根据本发明的统计量计算方法还可应用于任意信息,只要特定事件的发生与发生时刻彼此关联即可。
本申请包含与2009年12月25日向日本专利局提交的日本在先专利申请JP 2009-296061中公开的主题内容相关的主题内容,在此通过引用将其全文合并于此。
Claims (8)
1.一种信息处理设备,其包括:
参数设置单元,其设置参数,所述参数用于基于与特定事件发生的时刻相关的事件发生时刻信息来计算给定统计量;
时段分割单元,其基于由所述参数设置单元设置的基准单位时间,将对其计算所述给定统计量的计算时段分割成多个单位时段;
计数单元,其基于所述事件发生时刻信息,对于所述多个单位时段中的每个,对所述特定事件的发生次数进行计数;以及
统计量计算单元,其通过使用所述计数单元的计数结果,计算表示所述特定事件的发生模式的统计量。
2.根据权利要求1所述的信息处理设备,其中
所述计数单元从所述计算时段中指定在其期间所述特定事件发生的最近单位时段,并且
所述统计量计算单元通过使用直到所述最近单位时段为止所述特定事件的发生次数,计算所述特定事件的发生密度,并且通过使用所述特定事件的发生密度和直到所述最近单位时段为止所包括的所述单位时段的数量,计算所述特定事件在所述计算时段内的平均发生次数。
3.根据权利要求2所述的信息处理设备,其还包括:
选择单元,其从多个所述事件发生时刻信息中选择具有相同计算时段的事件发生时刻信息,
其中,所述计数单元基于由所述选择单元选择的所述事件发生时刻信息,对所述特定事件的发生次数进行计数。
4.根据权利要求3所述的信息处理设备,其中
所述统计量计算单元基于式1来计算所述特定事件的平均发生次数A,其中,由所述选择单元选择的所述事件发生时刻信息的数量是N,所述事件的发生密度是Wi,并且直到所述最近单位时段为止所包括的所述单位时段的数量是ti,
5.根据权利要求1所述的信息处理设备,其中
当在所述单位时段期间所述特定事件发生时,所述计数单元将所述单位时段中所述特定事件的发生次数计数为1而不管发生次数如何。
6.根据权利要求1所述的信息处理设备,其中
所述统计量计算单元基于所述计数单元的计数结果,进一步计算表示所述事件发生的比率的生存函数、所述事件的风险函数以及表示直到所述事件的发生次数成为一半为止的时段的事件发生半衰期。
7.一种信息处理方法,其包括以下步骤:
设置参数,所述参数用于基于与特定事件发生的时刻相关的事件发生时刻信息来计算给定统计量;
基于在所述参数设置步骤中设置的基准单位时间,将对其计算所述给定统计量的计算时段分割成多个单位时段;
基于所述事件发生时刻信息,对于所述多个单位时段中的每个,对所述特定事件的发生次数进行计数;以及
通过使用在所述计数步骤中的计数结果,计算表示所述特定事件的发生模式的统计量。
8.一种使得计算机实现如下功能的程序,所述功能包括:
参数设置功能,其设置参数,所述参数用于基于与特定事件发生的时刻相关的事件发生时刻信息来计算给定统计量;
时段分割功能,其基于由所述参数设置功能设置的基准单位时间,将对其计算所述给定统计量的计算时段分割成多个单位时段;
计数功能,其基于所述事件发生时刻信息,对于所述多个单位时段中的每个,对所述特定事件的发生次数进行计数;以及
统计量计算功能,其通过使用所述计数功能的计数结果,计算表示所述特定事件的发生模式的统计量。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009-296061 | 2009-12-25 | ||
JP2009296061A JP2011138194A (ja) | 2009-12-25 | 2009-12-25 | 情報処理装置、情報処理方法およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102109994A true CN102109994A (zh) | 2011-06-29 |
Family
ID=44174169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106140426A Pending CN102109994A (zh) | 2009-12-25 | 2010-12-17 | 信息处理设备、信息处理方法以及程序 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20110161047A1 (zh) |
JP (1) | JP2011138194A (zh) |
CN (1) | CN102109994A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207880A (zh) * | 2012-01-17 | 2013-07-17 | 阿里巴巴集团控股有限公司 | 行为标签取值的获取方法及装置 |
CN109255579A (zh) * | 2017-07-12 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种数据指标确定方法和装置 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9483484B1 (en) * | 2011-05-05 | 2016-11-01 | Veritas Technologies Llc | Techniques for deduplicated data access statistics management |
JP5860795B2 (ja) * | 2012-11-06 | 2016-02-16 | 日本電信電話株式会社 | 生存率推定装置、方法、及びプログラム |
EP3131038A1 (en) * | 2015-08-14 | 2017-02-15 | Universite De Liege | A prediction device |
KR102011020B1 (ko) * | 2016-12-09 | 2019-08-16 | 고려대학교 산학협력단 | 해저드 모델 기반의 차량 네트워크 이상 징후 탐지 장치 |
US10390364B2 (en) * | 2017-04-18 | 2019-08-20 | Government Of The United States Of America, As Represented By The Secretary Of Commerce | Apparatus and method for dynamically controlling spectrum access |
CN109492009B (zh) * | 2018-11-25 | 2023-06-23 | 广州市塞安物联网科技有限公司 | 在大数据存储设备中识别关联性时间单元的方法及系统 |
JP7092062B2 (ja) * | 2019-02-20 | 2022-06-28 | 日本電信電話株式会社 | イベント発生時刻学習装置、イベント発生時刻推定装置、イベント発生時刻推定方法、イベント発生時刻学習プログラム、及びイベント発生時刻推定プログラム |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7657935B2 (en) * | 2001-08-16 | 2010-02-02 | The Trustees Of Columbia University In The City Of New York | System and methods for detecting malicious email transmission |
US20030235816A1 (en) * | 2002-03-14 | 2003-12-25 | Baylor College Of Medicine (By Slawin And Shariat) | Method to determine outcome for patients with prostatic disease |
US6741096B2 (en) * | 2002-07-02 | 2004-05-25 | Lsi Logic Corporation | Structure and methods for measurement of arbitration performance |
AU2003290537A1 (en) * | 2002-10-24 | 2004-05-13 | Duke University | Binary prediction tree modeling with many predictors and its uses in clinical and genomic applications |
AU2003902589A0 (en) * | 2003-05-26 | 2003-06-12 | Commonwealth Scientific And Industrial Research Organisation | A method for identifying a subset of components of a system |
US7461048B2 (en) * | 2003-07-21 | 2008-12-02 | Aureon Laboratories, Inc. | Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition |
WO2005086068A2 (en) * | 2004-02-27 | 2005-09-15 | Aureon Laboratories, Inc. | Methods and systems for predicting occurrence of an event |
US7693683B2 (en) * | 2004-11-25 | 2010-04-06 | Sharp Kabushiki Kaisha | Information classifying device, information classifying method, information classifying program, information classifying system |
JP4957036B2 (ja) * | 2006-03-22 | 2012-06-20 | 富士通株式会社 | 期間分割統計プログラム |
EP2044541A2 (de) * | 2006-07-03 | 2009-04-08 | Inchron GmbH | Verfahren zur prüfung der echtzeitfähigkeit eines systems |
US7974800B2 (en) * | 2006-12-12 | 2011-07-05 | International Business Machines Corporation | Method, apparatus, and program for detecting the correlation between repeating events |
WO2008114863A1 (ja) * | 2007-03-22 | 2008-09-25 | Nec Corporation | 診断装置 |
US20090006125A1 (en) * | 2007-06-29 | 2009-01-01 | Robert Lee Angell | Method and apparatus for implementing digital video modeling to generate an optimal healthcare delivery model |
WO2009111559A2 (en) * | 2008-03-04 | 2009-09-11 | Massachusetts Institute Of Technology | Combinational stochastic logic |
US8158373B2 (en) * | 2008-03-25 | 2012-04-17 | Case Western Reserve University | Method of detecting cancer and evaluating cancer prognosis |
JP4810552B2 (ja) * | 2008-04-25 | 2011-11-09 | 株式会社東芝 | 故障確率算出に用いられる生存曲線を生成する装置および方法 |
US20100131334A1 (en) * | 2008-11-21 | 2010-05-27 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Hypothesis development based on selective reported events |
-
2009
- 2009-12-25 JP JP2009296061A patent/JP2011138194A/ja not_active Withdrawn
-
2010
- 2010-12-17 CN CN2010106140426A patent/CN102109994A/zh active Pending
- 2010-12-17 US US12/971,842 patent/US20110161047A1/en not_active Abandoned
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207880A (zh) * | 2012-01-17 | 2013-07-17 | 阿里巴巴集团控股有限公司 | 行为标签取值的获取方法及装置 |
CN109255579A (zh) * | 2017-07-12 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种数据指标确定方法和装置 |
CN109255579B (zh) * | 2017-07-12 | 2022-02-22 | 阿里巴巴集团控股有限公司 | 一种数据指标确定方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2011138194A (ja) | 2011-07-14 |
US20110161047A1 (en) | 2011-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102109994A (zh) | 信息处理设备、信息处理方法以及程序 | |
US20190303709A1 (en) | Feature information extraction method, apparatus, server cluster, and storage medium | |
JP6744882B2 (ja) | 行動パターン探索システム、および行動パターン探索方法 | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
CN106611291A (zh) | 信息推送方法和装置 | |
KR20180081837A (ko) | 구매 정보 활용 시스템 및 구매 정보 활용 방법 및 프로그램 | |
US8515796B1 (en) | Prioritizing client accounts | |
CN106327230B (zh) | 一种异常用户检测方法及设备 | |
US20140365397A1 (en) | Assessment of users feedback data to evaluate a software object | |
US20160132798A1 (en) | Service-level agreement analysis | |
US20220222686A1 (en) | Analysis apparatus, analysis system, analysis method and program | |
CN110392155A (zh) | 通知消息的显示、处理方法、装置及设备 | |
Kim et al. | Tracking temporal dynamics of purchase decisions via hierarchical time-rescaling model | |
CN1973268A (zh) | 利用指纹识别和实时证据收集以保护内容的装置、系统和方法 | |
WO2017203672A1 (ja) | アイテム推奨方法、アイテム推奨プログラムおよびアイテム推奨装置 | |
Hong et al. | Measuring product type with dynamics of online product review variances: A theoretical model and the empirical applications | |
CN107622397A (zh) | 商标监测方法及系统 | |
KR102312685B1 (ko) | 데이터 분석 지원 시스템 및 데이터 분석 지원 방법 | |
CN102971761A (zh) | 评估信息特定装置、评估信息特定方法、评估信息特定程序及记录所述程序的电脑可读取的记录媒体 | |
JP6164993B2 (ja) | 評価システム、評価プログラム及び評価方法 | |
CN104867032A (zh) | 电子商务客户评价鉴别系统 | |
Chaydy et al. | An overview of Process Mining and its applicability to complex, real-life scenarios | |
JP6119101B2 (ja) | 集計装置、集計方法および集計システム | |
CN113792961A (zh) | 基于审计大数据的任中经济责任审计决策方法及设备 | |
JP2011103042A (ja) | 環境情報の集計方法および環境情報集計装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110629 |