JP2002351897A - 情報利用頻度予測プログラム、情報利用頻度予測装置および情報利用頻度予測方法 - Google Patents

情報利用頻度予測プログラム、情報利用頻度予測装置および情報利用頻度予測方法

Info

Publication number
JP2002351897A
JP2002351897A JP2001153116A JP2001153116A JP2002351897A JP 2002351897 A JP2002351897 A JP 2002351897A JP 2001153116 A JP2001153116 A JP 2001153116A JP 2001153116 A JP2001153116 A JP 2001153116A JP 2002351897 A JP2002351897 A JP 2002351897A
Authority
JP
Japan
Prior art keywords
time
information
series information
unit
use frequency
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
Application number
JP2001153116A
Other languages
English (en)
Inventor
Takanori Ukai
孝典 鵜飼
Kazuo Mimatsu
和男 三末
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2001153116A priority Critical patent/JP2002351897A/ja
Priority to US10/050,862 priority patent/US6873983B2/en
Publication of JP2002351897A publication Critical patent/JP2002351897A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching
    • Y10S707/99934—Query formulation, input preparation, or translation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching
    • Y10S707/99935—Query augmenting and refining, e.g. inexact access
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching
    • Y10S707/99936—Pattern matching access

Abstract

(57)【要約】 【課題】 情報の利用頻度を高精度で予測すること。 【解決手段】 インターネットのキーワード検索で入力
されるキーワードとしての「カメラ」の利用頻度に関す
る第１の時系列データＤ１０を基準として、別のキーワ
ードとしての「年賀状」の利用頻度に関する第２の時系
列データＤ２０を、時間軸上で、順次、所定時間単位で
シフトさせ、所定時間単位毎に、第１の時系列データＤ
１０と第２の時系列データＤ２０との相関係数を算出す
る比較部と、比較部により算出された複数の相関係数の
うち、最も高い値の相関係数に対応する第１の時系列デ
ータＤ１０と第２の時系列データＤ２０との組を特定
し、第２の時系列データＤ２０に基づいて、組を構成す
る第１の時系列データＤ１０の利用頻度を予測する予測
部とを備えている。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、例えば、インター
ネットにおける各種情報（検索キーワード等）の利用頻
度の予測に用いられる情報利用頻度予測プログラム、情
報利用頻度予測装置および情報利用頻度予測方法に関す
るものであり、予測精度を高めることができる情報利用
頻度予測プログラム、情報利用頻度予測装置および情報
利用頻度予測方法に関するものである。
【０００２】従来より、インターネットでは、キーワー
ド入力により検索エンジンで、当該キーワードが含まれ
る情報を検索することが可能である。ここで入力される
キーワードは、流行や世相を反映していることが多い。
従って、各企業では、検索ログデータとしてのキーワー
ドを有効に活用する方法を研究している。例えば、企業
では、時系列分析の手法を検索ログに適用して将来的な
キーワードの利用頻度を予測した後、この予測結果を営
業活動に利用している。
【０００３】
【従来の技術】近時、インターネット上に多くの電子商
取引サイトが開設されており、商品の販売が積極的に行
われている。この電子商取引サイトでは、仕入れ管理や
在庫管理が売り上げに直結する重要なファクタとなって
いる。例えば、一週間後の売れ筋商品を予測できた場合
には、的確な仕入れ、無駄が少ない在庫管理を行うこと
ができ、売り上げに直結する。
【０００４】また、多くの電子商取引サイトでは、キー
ワード入力による商品等の検索サービスを提供してお
り、検索ログデータ（キーワード）を時系列分析し、売
れ筋商品の予測を行っていると考えられる。例えば、
「カメラ」というキーワードの場合には、検索ログデー
タにおける過去の「カメラ」の利用頻度を時系列分析
し、過去の傾向から未来の傾向を予測する。
【０００５】
【発明が解決しようとする課題】ところで、前述したよ
うに、時系列分析によりキーワードの利用頻度を予測す
る手法では、高い精度を期待できない。すなわち、イン
ターネット上のキーワードは、流行、世相等の世の中の
流れに非常に敏感である。従って、同一のキーワードに
関して、過去の傾向がそのまま未来の傾向に当てはまる
とは限らないため、精度が低いと考えられる。
【０００６】本発明は、上記に鑑みてなされたもので、
情報の利用頻度を高精度で予測することができる情報利
用頻度予測プログラム、情報利用頻度予測装置および情
報利用頻度予測方法を提供することを目的とする。
【０００７】
【課題を解決するための手段】上記目的を達成するため
に、本発明は、コンピュータを、第１の時系列情報の利
用頻度に関する時間的変化を表す第１のパターンと、第
２の時系列情報の利用頻度に関する時間的変化を表す第
２のパターンとの相対関係に対して、順次、所定時間単
位で時間的な操作を行う時間的操作手段、前記所定時間
単位毎に、前記第１の時系列情報と前記第２の時系列情
報との相関係数を算出する相関係数算出手段、前記相関
係数算出手段により算出された複数の相関係数のうち、
最も高い値の相関係数に対応する第１の時系列情報と第
２の時系列情報との組を特定する組特定手段、前記組に
対応する第２のパターンに基づいて、前記組を構成する
第１の時系列情報の利用頻度を予測する予測手段として
機能させることを特徴とする。
【０００８】また、本発明は、第１の時系列情報の利用
頻度に関する時間的変化を表す第１のパターンと、第２
の時系列情報の利用頻度に関する時間的変化を表す第２
のパターンとの相対関係に対して、順次、所定時間単位
で時間的な操作を行う時間的操作手段と、前記所定時間
単位毎に、前記第１の時系列情報と前記第２の時系列情
報との相関係数を算出する相関係数算出手段と、前記相
関係数算出手段により算出された複数の相関係数のう
ち、最も高い値の相関係数に対応する第１の時系列情報
と第２の時系列情報との組を特定する組特定手段と、前
記組に対応する第２のパターンに基づいて、前記組を構
成する第１の時系列情報の利用頻度を予測する予測手段
とを備えたことを特徴とする。
【０００９】また、本発明は、第１の時系列情報の利用
頻度に関する時間的変化を表す第１のパターンと、第２
の時系列情報の利用頻度に関する時間的変化を表す第２
のパターンとの相対関係に対して、順次、所定時間単位
で時間的な操作を行う時間的操作工程と、前記所定時間
単位毎に、前記第１の時系列情報と前記第２の時系列情
報との相関係数を算出する相関係数算出工程と、前記相
関係数算出工程で算出された複数の相関係数のうち、最
も高い値の相関係数に対応する第１の時系列情報と第２
の時系列情報との組を特定する組特定工程と、前記組に
対応する第２のパターンに基づいて、前記組を構成する
第１の時系列情報の利用頻度を予測する予測工程とを含
むことを特徴とする。
【００１０】かかる発明によれば、第１の時系列情報に
対応する第１のパターンと、第２の時系列情報に対応す
る第２のパターンとの相対関係に対して、順次、所定時
間単位で時間的な操作を行い、所定時間単位毎に、第１
の時系列情報と第２の時系列情報との相関係数を算出
し、最も高い値の相関係数に対応する第１の時系列情報
と第２の時系列情報との組に対応する第２のパターンに
基づいて、組を構成する第１の時系列情報の利用頻度を
予測しているため、従来のように一つの時系列情報に基
づいて、予測を行う場合に比して、情報の利用頻度を高
精度で予測することができる。
【００１１】
【発明の実施の形態】以下、図面を参照して本発明にか
かる情報利用頻度予測プログラム、情報利用頻度予測装
置および情報利用頻度予測方法の実施の形態１〜３につ
いて詳細に説明する。
【００１２】ここで、実施の形態１〜３は、例えば、地
震が発生し、インターネット上で「地震」というキーワ
ードが多く利用されると、しばらくして、地震との相関
関係が深い「保険」という別のキーワードが、「地震」
の利用頻度と同じようなパターンで利用されるという点
に着目したものである。すなわち、実施の形態１〜３で
は、あるキーワードの利用頻度を、該キーワードと相関
関係が深い別のキーワードの時系列データを用いて予測
する点に特徴がある。
【００１３】（実施の形態１）図１は、本発明にかかる
実施の形態１の構成を示すブロック図である。この図に
示した情報利用頻度予測装置１００において、読込部１
０１は、第１の検索ログデータＡ１０および第２の検索
ログデータＡ２０を読み込む機能を備えている。第１の
検索ログデータＡ１０は、例えば、キーワード入力によ
りインターネット上の情報を検索する第１の検索エンジ
ン（図示略）の検索ログデータである。
【００１４】具体的には、第１の検索ログデータＡ１０
は、図２に示したように、検索用のキーワードが入力さ
れた「日付」と、「時刻」と、入力された「キーワー
ド」という時系列のデータから構成されている。同図に
示した例では、２０００／１１／０１ ０１：１０：０
０に「カメラ」というキーワードが第１の検索エンジン
に入力され、この第１の検索エンジンで「カメラ」をキ
ーとしてインターネット上の情報が検索されたことを意
味している。
【００１５】図１に戻り、第２の検索ログデータＡ２０
は、例えば、キーワード入力によりインターネット上の
情報を検索する第２の検索エンジン（図示略）の検索ロ
グデータである。具体的には、第２の検索ログデータＡ
２０は、図３に示したように、検索用のキーワードが入
力された「日付」と、「時刻」と、入力された「キーワ
ード」という時系列のデータから構成されている。
【００１６】同図に示した例では、２０００／１１／０
１ １１：１０：５０に「年賀状」というキーワードが
第２の検索エンジンに入力され、この第２の検索エンジ
ンで「年賀状」をキーとしてインターネット上の情報が
検索されたことを意味している。
【００１７】図１に戻り、第１の集計部１０２は、読込
部１０１により読み込まれた第１の検索ログデータＡ１
０を集計し、集計結果としての第１の集計データＢ１０
を出力する。この第１の集計データＢ１０は、図２に示
したように、「日付」毎の「キーワード」の利用頻度
（回数）を表すデータである。同図に示した例では、２
０００／１１／０１に、「カメラ」というキーワードが
１７回利用されていることがわかる。
【００１８】図１に戻り、第２の集計部１０３は、読込
部１０１により読み込まれた第２の検索ログデータＡ２
０を集計し、集計結果としての第２の集計データＢ２０
を出力する。この第２の集計データＢ２０は、図３に示
したように、「日付」毎の「キーワード」の利用頻度
（回数）を表すデータである。同図に示した例では、２
０００／１１／０１に、「年賀状」というキーワードが
３回利用されていることがわかる。
【００１９】ここで、図４を参照して、上述した第１の
集計データＢ１０（図２参照）のうちあるキーワード、
および第２の集計データＢ２０（図３参照）のうちある
キーワードのそれぞれを時系列で表した場合について説
明する。図４において、第１の時系列データＤ１０は、
図２に示した第１の集計データＢ１０におけるキーワー
ド「カメラ」に関する日付（１２／１日〜１２／２４
日）毎の利用頻度の変化を表している。
【００２０】一方、第２の時系列データＤ２０は、図３
に示した第２の集計データＢ２０におけるキーワード
「年賀状」に関する日付（１２／１日〜１２／２４日）
毎の利用頻度の変化を表している。同図からわかるよう
に、インターネット上で利用されるキーワードの利用頻
度は、時間的に変化する。また、第１の集計データＢ１
０には、キーワードの数分だけの第１の時系列データが
存在する。
【００２１】同様にして、第２の集計データＢ２０に
も、キーワードの数分だけ第２の時系列データＤ２０が
存在する。また、同図に示した例では、第１の時系列デ
ータＤ１０における楕円Ｐ１０のパターンと、第２の時
系列データＤ２０における楕円Ｐ２０のパターンとが近
似していることがわかる。
【００２２】図１に戻り、比較部１０４は、第１の集計
データＢ１０に含まれる一つの第１の時系列データと、
第２の集計データＢ２０に含まれる一つの第２の時系列
データとを、順次、比較し、両者の相関係数を求める。
ここで、相関係数が高い場合は、両者の時間的変化（パ
ターン）が近似していることを意味している。一方、相
関係数が低い場合には、両者の時間的変化（パターン）
が全く異なることを意味している。
【００２３】また、比較部１０４は、第１の時系列デー
タと第２の時系列データとの相関係数を単純に求めるの
ではなく、図４に示したように、第１の時系列データＤ
１０を基準として、第２の時系列データＤ２０を同図左
側へＴ分だけシフトさせた場合の相関係数を求める。こ
こで、第２の時系列データＤ２０の起点ＳＴが−Ｔの位
置にある場合、第２の時系列データＤ２０と第１の時系
列データＤ１０との時差（シフト量）を−Ｔとする。
【００２４】つぎに、比較部１０４は、第２の時系列デ
ータＤ２０を右へ１シフトさせた状態で、第２の時系列
データＤ２０と第１の時系列データＤ１０との相関係数
を求める。以後、比較部１０４は、第２の時系列データ
Ｄ２０を右へ１シフトさせつつ相関係数を順次求める。
【００２５】そして、比較部１０４は、第２の時系列デ
ータＤ２０の起点ＳＴが＋Ｔ（同図では、２０日）に位
置するまで右シフトさせ、相関係数を求める。この場
合、第１の時系列データＤ１０と第２の時系列データＤ
２０との時差は、＋Ｔである。すなわち、一つの組み合
わせ（第１の時系列データＤ１０および第２の時系列デ
ータＤ２０）においては、第２の時系列データＤ２０が
−Ｔ〜＋Ｔの範囲で１シフトされる毎に相関係数が求め
られる。
【００２６】比較部１０４は、第１の時系列データＤ１
０と第２の時系列データＤ２０との全ての組み合わせに
関して、−Ｔ〜＋Ｔまでの１シフト動作および相関係数
の算出を行う。また、図１に示した比較部１０４は、上
述した比較結果として、図５に示した比較結果データＣ
を予測部１０６へ出力する。
【００２７】この比較結果データＣは、「第１の時系列
データ」、「第２の時系列データ」、「相関係数」およ
び「時差」から構成されている。「第１の時系列デー
タ」は、第１の集計データＢ１０（図２参照）に含まれ
るキーワードに関する時系列データである。同図に示し
た１レコード目の「第１の時系列データ」は、キーワー
ドとしての「カメラ」に関する時系列データである。
【００２８】「第２の時系列データ」は、第２の集計デ
ータＢ２０（図３参照）に含まれるキーワードに関する
時系列データである。同図に示した１レコード目の「第
２の時系列データ」は、キーワードとしての「年賀状」
に関する時系列データである。
【００２９】「相関係数」は、「第１の時系列データ」
と「第２の時系列データ」との相関係数である。「時
差」は、「第１の時系列データ」に対する「第２の時系
列データ」のシフト量である。「時差」にマイナス符号
が付いている場合には、「第２の時系列データ」が左シ
フト（図４参照）されていることを意味している。
【００３０】また、「時差」が０である場合には、シフ
ト量が０（図４参照）であることを意味している。さら
に、「時差」に＋符号が付いている場合には、「第１の
時系列データ」に対して、「第２の時系列データ」が右
シフト（図４参照）されていることを意味している。
【００３１】図１に戻り、入力部１０５は、キーボード
等であり、予測対象のキーワード（以下、予測対象キー
ワード）および予測日を入力するためのものである。予
測部１０６は、入力部１０５からの予測対象キーワード
および予測日をキーとして、比較結果データＣに基づい
て、予測対象キーワードに関する利用頻度を予測する。
【００３２】図４に示した例では、予測部１０６は、１
２月２５日以降（楕円Ｙの部分）の利用頻度を予測す
る。この予測部１０６の動作の詳細については、後述す
る。出力部１０７は、ディスプレイ、プリンタ等であ
り、予測部１０６の予測結果を出力する。
【００３３】つぎに、実施の形態１の動作について、図
７〜図９に示したフローチャートを参照しつつ説明す
る。図７に示したステップＳＡ１では、読込部１０１
は、第１の検索ログデータＡ１０（図２参照）および第
２の検索ログデータＡ２０（図３参照）を読み込み、こ
れを第１の集計部１０２および第２の集計部１０３へ出
力する。
【００３４】ステップＳＡ２では、第１の集計部１０２
および第２の集計部１０３は、集計処理を実行する。す
なわち、第１の集計部１０２は、図２に示した第１の検
索ログデータＡ１０を集計し、集計結果としての第１の
集計データＢ１０をメモリ（図示略）に格納する。一
方、第２の集計部１０３は、図３に示した第２の検索ロ
グデータＡ２０を集計し、集計結果としての第２の集計
データＢ２０をメモリ（図示略）に格納する。
【００３５】ステップＳＡ３では、比較部１０４は、比
較処理を実行する。すなわち、図８に示したステップＳ
Ｂ１では、比較部１０４は、第１の集計部１０２のメモ
リ（図示略）から第１の集計データＢ１０（図２参照）
を読み込む。ステップＳＢ２では、比較部１０４は、第
２の集計部１０３のメモリ（図示略）から第２の集計デ
ータＢ２０（図３参照）を読み込む。
【００３６】ステップＳＢ３では、比較部１０４は、第
１の集計データＢ１０（図２参照）から全てのキーワー
ドに関する第１の時系列データを取得したか否かを判断
し、この場合、判断結果を「Ｎｏ」とする。ステップＳ
Ｂ４では、比較部１０４は、一つのキーワード（例え
ば、カメラ）に関する図４に示した第１の時系列データ
Ｄ１０を取得する。
【００３７】ステップＳＢ５では、比較部１０４は、第
２の集計データＢ２０（図３参照）から全てのキーワー
ドに関する第２の時系列データを取得したか否かを判断
し、この場合、判断結果を「Ｎｏ」とする。ステップＳ
Ｂ６では、比較部１０４は、一つのキーワード（例え
ば、年賀状）に関する図４に示した第２の時系列データ
Ｄ２０を取得する。
【００３８】ステップＳＢ７では、比較部１０４は、第
２の時系列データＤ２０を左にＴ分だけシフトさせる。
ステップＳＢ８では、比較部１０４は、シフト状態で第
２の時系列データＤ２０と第１の時系列データＤ１０と
の相関係数を以下の（１）式から算出する。
【００３９】
【数１】
【００４０】上記（１）式において、ρxy は、第１の
時系列データと第２の時系列データとの相関係数であ
る。ｎは、第１の時系列データを構成する複数のデータ
と、第２の時系列データを構成する複数のデータとのう
ち、時間的に重なるデータの数である。ここで、第１の
時系列データに関して、第２の時系列データと時間的に
重なる複数のデータは、ｘ1 〜ｘn と表現される。一
方、第２の時系列データに関して、第１の時系列データ
と時間的に重なる複数のデータは、ｙ1 〜ｙn と表現さ
れる。
【００４１】従って、正確には、相関係数ρxy は、デ
ータｘ1 〜ｘn とデータｙ1 〜ｙnとの相関係数であ
る。また、（１）式のμx は、データｘ1〜ｘn の平均
値であり、つぎの（２）式で表される。一方、（１）式
のμy は、データｙ1 〜ｙn の平均値であり、つぎの
（３）式で表される。
【００４２】
【数２】
【００４３】
【数３】
【００４４】また、（１）式のσx は、データｘ1〜ｘn
の標準偏差であり、つぎの（４）式で表される。一
方、（１）式のσy は、データｙ1〜ｙn の標準偏差で
あり、つぎの（５）式で表される。
【００４５】
【数４】
【００４６】
【数５】
【００４７】図４に示した第２の時系列データＤ２０を
左にＴ分だけシフトさせた状態では、第１の時系列デー
タＤ１０（カメラ）と第２の時系列データＤ２０（年賀
状）との相関係数として、例えば、「０．１」が求めら
る。比較部１０４は、比較結果として、図５に示した比
較結果データＣ（第１の時系列データ（カメラ）、第２
の時系列データ（年賀状）、相関係数＝０．１、時差＝
−Ｔ）を作成する。
【００４８】ステップＳＢ９では、比較部１０４は、図
４に示した時差０の位置からＴ分だけ第２の時系列デー
タを右シフトしたか否か、すなわち時差が＋Ｔであるか
否かを判断し、この場合、判断結果を「Ｎｏ」とする。
ステップＳＢ１０では、比較部１０４は、第２の時系列
データ（この場合、第２の時系列データＤ２０：図４参
照）を右に１シフトさせる。
【００４９】以後、ステップＳＢ８〜ステップＳＢ１０
が繰り返される。これにより、第１の時系列データＤ１
０に対して第２の時系列データＤ２０が右に１シフトさ
れ、相関係数が時差に対応付けられて求められる（図５
参照）。すなわち、図２に示した第１の集計データＢ１
０における第１の時系列データ（カメラ）と、図３に示
した第２の集計データＢ２０における第２の時系列デー
タ（年賀状）とのシフト回数の組み合わせに関する相関
係数が、時差に対応付けられて求められる。
【００５０】ここで、第２の時系列データＤ２０（年賀
状）を右へ９シフトさせた場合の第１の時系列データＤ
１０（カメラ）を図６に示す。同図からわかるように、
楕円Ｐ１０のパターンと、楕円Ｐ２０のパターンとが時
間的にほぼ一致している。この場合の相関係数は、例え
ば、０．６８であるものとし、非常に高い値である。
【００５１】そして、ステップＳＢ９の判断結果が「Ｙ
ｅｓ」になると、ステップＳＢ５では、比較部１０４
は、第２の集計データＢ２０（図３参照）から全てのキ
ーワードに関する第２の時系列データを取得したか否か
を判断し、この場合、判断結果を「Ｎｏ」とする。ステ
ップＳＢ６では、比較部１０４は、つぎのキーワード
（例えば、ラジオ）に関する第２の時系列データ（図示
略）を取得する。
【００５２】ステップＳＢ７では、比較部１０４は、第
２の時系列データ（ラジオ）を左にＴ分だけシフトさせ
る。ステップＳＢ８では、比較部１０４は、シフト状態
で第２の時系列データ（ラジオ）と第１の時系列データ
Ｄ１０（カメラ）との相関係数を前述した（１）式から
算出する。以後、前述した動作が繰り返される。これに
より、第１の時系列データＤ１０（カメラ）に対して第
２の時系列データ（ラジオ）が右に１シフトされ、相関
係数が時差に対応付けられて求められる。
【００５３】そして、ステップＳＢ９の判断結果が「Ｙ
ｅｓ」になると、比較部１０４は、ステップＳＢ５の判
断結果を「Ｎｏ」として、以後、ステップＳＢ３〜ステ
ップＳＢ１０を繰り返す。
【００５４】そして、全てのキーワードに関する第１の
時系列データと、全てのキーワードに関する第２の時系
列データとの組み合わせであって、さらにシフト回数の
組み合わせの相関係数が求められると、ステップＳＢ３
の判断結果が「Ｙｅｓ」となる。ステップＳＢ１１で
は、比較部１０４は、図５に示した比較結果データＣを
予測部１０６へ出力する。
【００５５】図７に示したステップＳＡ４では、予測部
１０６は、比較結果データＣに基づいて予測処理を実行
する。具体的には、図９に示したステップＳＣ１では、
ユーザは、入力部１０５を用いて、予測対象キーワード
および日付を入力する。
【００５６】この場合、ユーザは、図４に示した楕円Ｙ
部分の利用頻度（キーワード：カメラ）を予測させるた
めに、ユーザは、予測対象キーワードとして「カメ
ラ」、日付として「１２／２５」を入力する。これによ
り、第１の時系列データＤ１０（カメラ）に関して、１
２／２５以降の利用頻度が予測される。
【００５７】ステップＳＣ２では、予測部１０６は、ス
テップＳＣ１で入力された予測対象キーワードＫ（カメ
ラ）と、日付Ｄ（１２／２５）とを読み込む。ステップ
ＳＣ３では、予測部１０６は、図５に示した比較結果デ
ータＣから、予測対象キーワードＫ（カメラ）をキーと
して、相関係数が最も高いキーワードを基準キーワード
ＫＷとして取得する。
【００５８】この場合、図５および図６に示した第１の
時系列データ（カメラ）、第２の時系列データ（年賀
状）、相関係数＝０．６８、時差＝＋９の組み合わせが
最も相関係数が高いものとする。この組み合わせは、図
６に示したグラフである。
【００５９】従って、この組み合わせでは、予測対象キ
ーワードＫが「カメラ」、基準キーワードＫＷが「年賀
状」となり、基準キーワードＫＷ（年賀状）に対応する
図６に示した第２の時系列データＤ２０に基づいて、１
２／２５日以降の予測対象キーワードＫ（カメラ）に関
する利用頻度が予測される。
【００６０】具体的には、ステップＳＣ４では、予測部
１０６は、図４に示した第２の時系列データＤ２０を、
図６に示したように時差９分だけ右へシフトさせる。さ
らに、予測部１０６は、第１の時系列データＤ１０とほ
ぼ一致するように、図６に示した第２の時系列データＤ
２０を上方へシフトさせる。これにより、図１０に示し
た状態となる。
【００６１】つぎに、予測部１０６は、図１０に示した
第２の時系列データＤ２０における１２／２５以降のデ
ータ（楕円Ｙ）を用いて、第１の時系列データＤ１０に
おける１２／２５以降の利用頻度を予測する。具体的に
は、予測部１０６は、最小二乗法を用いた回帰分析によ
り、予測部分の直線を表すつぎの（６）式を求める。
【００６２】
【数６】
【００６３】（６）式において、ｐは、直線の関数であ
り、予測対象キーワードＫの利用頻度に関する予測値で
ある。ｍは、直線の傾きであり、つぎの（７）式で表さ
れる。ｄは、基準キーワードＫＷ（年賀状）に対応する
第２の時系列データＤ２０の値である。ｋは、直線にお
けるｙ切片であり、つぎの（８）式で表される。
【００６４】
【数７】
【００６５】
【数８】
【００６６】（７）式および（８）式において、ｎは、
第１の時系列データを構成する複数のデータと、第２の
時系列データを構成する複数のデータとのうち、時間的
に重なるデータの数である。第１の時系列データに関し
て、第２の時系列データと時間的に重なる複数のデータ
は、ｘ1 〜ｘn と表現される。一方、第２の時系列デー
タに関して、第１の時系列データと時間的に重なる複数
のデータは、ｙ1 〜ｙ n と表現される。
【００６７】そして、上記利用頻度の予測を終えると、
図７に示したステップＳＡ５では、予測部１０６は、ス
テップＳＡ４で求められた予測利用頻度データを出力部
１０７から出力する。この予測利用頻度データは、図１
０に示した楕円Ｙの部分に相当し、第１の時系列データ
Ｄ１０（カメラ）に関する１２／２５日以降の利用頻度
である。
【００６８】以上説明したように、実施の形態１によれ
ば、図４に示した第１の時系列データＤ１０に対応する
第１のパターンと、第２の時系列データＤ２０に対応す
る第２のパターンとの相対関係に対して、順次、所定時
間単位で時間的な操作を行い、所定時間単位毎（１シフ
ト毎）に、第１の時系列データＤ１０と第２の時系列デ
ータＤ２０との相関係数を算出し、最も高い値の相関係
数に対応する第１の時系列データＤ１０と第２の時系列
データＤ２０との組に対応する第２のパターンに基づい
て、組を構成する第１の時系列データＤ１０の利用頻度
を予測（図１０参照）しているため、従来のように一つ
の時系列情報に基づいて、予測を行う場合に比して、情
報の利用頻度を高精度で予測することができる。
【００６９】また、実施の形態１によれば、第１のグル
ープに属する複数の第１の集計データＢ１０における複
数の第１の時系列情報と、第２の集計データＢ２０にお
ける複数の第２の時系列情報との全ての組み合わせに関
して、時間的な操作を行うようにしたので、組み合わせ
の増加により、相関係数が高い組み合わせが存在する確
率が高まり、情報の利用頻度を高精度で予測することが
できる。
【００７０】また、実施の形態１によれば、図４に示し
たように、第１の時系列データＤ１０を基準として、第
２の時系列データＤ２０を時間軸上で、順次、所定時間
単位でシフトさせるようにしたので、流行等の時期がず
れている場合であっても、実際上、相関係数が高い組も
特定されるため、情報の利用頻度を高精度で予測するこ
とができる。
【００７１】また、実施の形態１によれば、第１の検索
ログデータＡ１０と第２の検索ログデータＡ２０とが異
なる収集経路を介して収集されるため、幅広い分野から
の情報に基づいて利用頻度の予測を行うことができ、予
測の精度を高めることができる。
【００７２】また、実施の形態１によれば、第１の時系
列データＤ１０（カメラ）および第２の時系列データＤ
２０（年賀状）を、インターネット上のキーワード検索
エンジンにおけるキーワードの利用頻度の時系列情報と
したので、従来のように一つの時系列情報に基づいて、
予測を行う場合に比して、インターネットにおけるキー
ワードの利用頻度を高精度で予測することができる。
【００７３】図１１は、実施の形態１の効果を説明する
図である。この図において、第１の時系列データＤ１０
は、前述したキーワードとしての「カメラ」に対応して
いる。この第１の時系列データＤ１０において、１２／
２４以前のデータは、実測値である。また、第１の時系
列データＤ１０において、１２／２５以降のデータは、
前述した手法により予測されたデータである。
【００７４】また、１２／２５以降において、実測デー
タＪは、キーワードとしての「カメラ」の利用頻度に関
する実測データである。この図からわかるように、実測
データＪと、１２／２５以降の第１の時系列データＤ１
０（予測値）とがほぼ一致しており、平均誤差が１７％
である。これに対して、従来の時系列分析による予測で
は、実測値と予測値との平均誤差が４０％となる。この
ように、実施の形態１の手法では、従来に比べて、２３
％も平均誤差が少なくなっており、予測精度が飛躍的に
高くなる。
【００７５】（実施の形態２）さて、前述した実施の形
態１では、図１に示した予測部１０６で予測された予測
利用頻度データにソートをかけるようにしてもよい。以
下では、この場合を実施の形態２として説明する。
【００７６】図１２は、本発明にかかる実施の形態２の
構成を示すブロック図である。この図において、図１の
各部に対応する部分には同一の符号を付ける。同図に示
した情報利用頻度予測装置２００においては、ソート部
２０１および取扱商品データベース２０２が新たに設け
られている。
【００７７】ソート部２０１は、予測部１０６からの予
測利用頻度データに基づいて、キーワードに対応する取
扱商品と、該キーワードの予測利用頻度との関係を表す
予測利用頻度データＥ１（図１４参照）を作成する機能
を備えている。また、ソート部２０１は、図１４に示し
た予測利用頻度データＥ１の予測利用頻度をソートキー
として、例えば、昇順にソートをかけ、ソート済み予測
利用頻度データＥ２を作成する機能を備えている。
【００７８】図１２に戻り、取扱商品データベース２０
２は、上記キーワードと、店舗での取扱商品との対応関
係を表すデータベースである。この取扱商品データベー
ス２０２は、ソート部２０１で予測利用頻度データＥ１
を作成する際に利用される。
【００７９】つぎに、実施の形態２の動作について、図
１３に示したフローチャートを参照しつつ説明する。な
お、図１３に示したステップＳＤ１〜ステップＳＤ４
は、図７に示したステップＳＡ１〜ステップＳＡ４と同
様の処理であるため、その説明を省略する。
【００８０】この場合、予測部１０６から複数のキーワ
ードに関する予測利用頻度データが出力されると、図１
３に示したステップＳＤ５では、ソート部２０１は、取
扱商品データベース２０２を参照して、キーワードを取
扱商品に変換し、図１４に示した予測利用頻度データＥ
１を作成する。
【００８１】つぎに、ソート部２０１は、予測利用頻度
をソートキーとして、予測利用頻度データＥ１を昇順に
ソートする。このソート結果は、ソート済み予測利用頻
度データＥ２である。ステップＳＤ６では、ソート部２
０１は、ソート済み予測利用頻度データＥ２を出力部１
０７より出力する。
【００８２】以上説明したように、実施の形態２によれ
ば、図１４に示したように、複数の予測結果に対して、
利用頻度をキーとしてソートをかけるようにしたので、
予測された利用頻度のソート結果から、例えば、電子商
取引を行っている店舗等における売れ筋商品の情報を容
易に得ることができ、販売促進を図ることができる。
【００８３】（実施の形態３）さて、前述した実施の形
態１では、図４に示したように、第１の時系列データＤ
１０に対して、パターンを変えることなく単純に第２の
時系列データＤ２０を左から右へ１シフトさせ、両者の
相関係数を求めた例について説明したが、このようなシ
フト処理に加えて、第２の時系列データＤ２０のパター
ンの時間軸を伸縮させ、両者の相関係数を求めるように
してもよい。以下では、この場合を実施の形態３として
説明する。
【００８４】図１５は、本発明にかかる実施の形態３の
構成を示すブロック図である。この図において、図１の
各部に対応する部分には同一の符号を付ける。同図に示
した情報利用頻度予測装置３００においては、図１に示
した比較部１０４に代えて、比較部３０１が設けられて
いる。
【００８５】比較部３０１は、第１の集計データＢ１０
に含まれる一つの第１の時系列データと、第２の集計デ
ータＢ２０に含まれる一つの第２の時系列データとを、
順次、比較し、比較結果データＦ（図１６参照）を出力
する。
【００８６】具体的には、比較部３０１は、図１７に示
したように、第１の時系列データＤ１００を基準とし
て、第２の時系列データＤ２００を同図左側へＴ分だけ
シフト（図示略）させる。つぎに、比較部３０１は、シ
フトされた状態の第２の時系列データＤ２００のパター
ンの時間軸を、例えば、伸縮率ｄ＝５０％（図１８参
照）で縮小する。この伸縮率ｄ＝５０％は、予め決めら
れた縮小率のしきい値である。
【００８７】すなわち、比較部３０１は、第２の時系列
データＤ２００を左側へＴ分（最大値）シフトさせた
後、さらに、時間軸を５０％で縮小する。この状態で、
比較部３０１は、前述した（１）式を用いて第１の時系
列データＤ１００と第２の時系列データＤ２００（左シ
フト＋縮小）との相関係数を求める。
【００８８】つぎに、比較部３０１は、第２の時系列デ
ータＤ２００の時間軸を、単位伸張率Δｄ（例えば、１
０％：図１８参照）で伸張させた状態で、第２の時系列
データＤ２００と第１の時系列データＤ１００との相関
係数を求める。以後、比較部３０１は、伸縮率ｄが伸張
率ｚ（例えば、２００％：図１８参照）になるまで、第
２の時系列データＤ２００の時間軸を単位伸張率Δｄ分
だけ伸張しつつ相関係数を順次求める。
【００８９】すなわち、第２の時系列データＤ２００
は、シフト位置が固定された状態で、伸縮率ｄ＝５０％
〜２００％の範囲で単位伸張率Δｄ刻みで徐々に伸張さ
れるのである。
【００９０】そして、伸縮率ｄが伸張率ｚ（＝２００
％）になると、比較部３０１は、第２の時系列データＤ
２００を右へ１シフトさせた後、シフトされた状態の第
２の時系列データＤ２００のパターンの時間軸を、伸縮
率ｄ＝５０％で縮小する。この状態で、比較部３０１
は、第２の時系列データＤ２００と第１の時系列データ
Ｄ１００との相関係数を求める。
【００９１】以後、比較部３０１は、シフト位置を固定
した状態で、伸縮率ｄ＝５０％〜２００％の範囲で単位
伸張率Δｄ刻みで徐々に第２の時系列データＤ２００を
伸張する毎に相関係数を求める。第２の時系列データＤ
２００のシフトおよび伸張は、第２の時系列データＤ２
００が右側にＴ分だけシフトされるまで行われる。
【００９２】上述したように、比較部３０１は、第１の
時系列データＤ１００と第２の時系列データＤ２００と
の全ての組み合わせに関して、−Ｔ〜＋Ｔまでの１シフ
ト動作、時間軸の伸縮および相関係数の算出を行う。
【００９３】図１６は、比較部３０１から出力される比
較結果データＦを示す図である。この比較結果データＦ
は、「第１の時系列データ」、「第２の時系列デー
タ」、「相関係数」、「時差」および「伸縮率」から構
成されている。これらの「第１の時系列データ」、「第
２の時系列データ」および「時差」は、図５に示した比
較結果データＣにおける「第１の時系列データ」、「第
２の時系列データ」および「時差」と同義である。
【００９４】すなわち、「第１の時系列データ」は、第
１の集計データＢ１０（図２参照）に含まれるキーワー
ドに関する時系列データである。「第２の時系列デー
タ」は、第２の集計データＢ２０（図３参照）に含まれ
るキーワードに関する時系列データである。「時差」
は、「第１の時系列データ」に対する「第２の時系列デ
ータ」のシフト量である。
【００９５】「相関係数」は、第２の時系列データがシ
フトおよび伸張された状態における「第１の時系列デー
タ」と「第２の時系列データ」との相関係数である。
「伸縮率」は、第２の時系列データにおける時間軸の伸
張率であり、前述したように単位伸張率Δｄ（＝１０
％）刻みで５０％〜２００％までの範囲をとる。
【００９６】つぎに、実施の形態３の動作について、図
２０〜図２２に示したフローチャートを参照しつつ説明
する。なお、図２０に示したステップＳＥ１、ステップ
ＳＥ２、ステップＳＥ４およびステップＳＥ５は、図７
に示したステップＳＡ１、ステップＳＡ２、ステップＳ
Ａ４およびステップＳＡ５に対応している。
【００９７】また、図２１に示したステップＳＦ１〜ス
テップＳＦ７およびステップＳＦ９〜ステップＳＦ１１
は、図８に示したステップＳＢ１〜ステップＳＢ７、ス
テップＳＢ９〜ステップＳＢ１１に対応している。
【００９８】図２０に示したステップＳＥ１では、読込
部１０１は、第１の検索ログデータＡ１０（図２参照）
および第２の検索ログデータＡ２０（図３参照）を読み
込み、これらを第１の集計部１０２および第２の集計部
１０３へ出力する。
【００９９】ステップＳＥ２では、第１の集計部１０２
および第２の集計部１０３は、集計処理を実行し、第１
の集計データＢ１０（図２参照）および第２の集計デー
タＢ２０（図３参照）をそれぞれのメモリ（図示略）に
格納する。
【０１００】ステップＳＥ３では、比較部３０１は、比
較処理を実行する。すなわち、図２１に示したステップ
ＳＦ１では、第１の集計データＢ１０（図２参照）が読
み込まれ、ステップＳＦ２では、第２の集計データＢ２
０（図３参照）が読み込まれる。
【０１０１】ステップＳＦ３では、比較部３０１は、ス
テップＳＢ３（図８参照）と同様にして、第１の集計デ
ータＢ１０（図２参照）から全てのキーワードに関する
第１の時系列データを取得したか否かを判断し、この場
合、判断結果を「Ｎｏ」とする。ステップＳＦ４では、
比較部３０１は、一つのキーワード（例えば、カメラ）
に関する図１７に示した第１の時系列データＤ１００を
取得する。
【０１０２】ステップＳＦ５では、比較部３０１は、ス
テップＳＢ５（図８参照）と同様にして、第２の集計デ
ータＢ２０（図３参照）から全てのキーワードに関する
第２の時系列データを取得したか否かを判断し、この場
合、判断結果を「Ｎｏ」とする。
【０１０３】ステップＳＦ６では、比較部３０１は、一
つのキーワード（例えば、年賀状）に関する図１７に示
した第２の時系列データＤ２００を取得する。ここで、
第２の時系列データＤ２００のグラフ波形は、第１の時
系列データＤ１００のパターンが時間軸上で縮小された
波形に近似していることがわかる。
【０１０４】ステップＳＦ７では、比較部３０１は、ス
テップＳＢ７（図８参照）と同様にして、第２の時系列
データＤ２００を左にＴ分だけシフトさせる。ステップ
ＳＦ８では、比較部３０１は、第２の時系列データＤ２
００を伸縮させる伸縮処理を実行する。
【０１０５】具体的には、図２２に示したステップＳＧ
１では、比較部３０１は、伸縮率ｄを５０％として、第
２の時系列データＤ２００の時間軸を縮小させる。ステ
ップＳＧ２では、比較部３０１は、シフト状態および伸
縮状態で第２の時系列データＤ２００と第１の時系列デ
ータＤ１００との相関係数（例えば、０．１：図１６参
照）を前述した（１）式から算出する。
【０１０６】つぎに、比較部３０１は、比較結果とし
て、図１６に示した比較結果データＦ（第１の時系列デ
ータ（カメラ）、第２の時系列データ（年賀状）、相関
係数＝０．１、時差＝−Ｔ、伸縮率＝５０％）を作成す
る。
【０１０７】ステップＳＧ３では、比較部３０１は、伸
縮率ｄ（＝５０％）に単位伸張率Δｄ（＝１０％）を加
算して、伸縮率ｄを６０％にする。つまり、比較部３０
１は、第２の時系列データＤ２００の時間軸の伸縮率ｄ
を６０％にし、１０％分だけ伸張させる。
【０１０８】ステップＳＧ４では、比較部３０１は、伸
縮率ｄ（＝６０％）が伸張率ｚ（＝２００％）であるか
否かを判断し、この場合、判断結果を「Ｎｏ」とする。
以後、伸縮率ｄが２００％になるまで、ステップＳＧ２
〜ステップＳＧ４が繰り返される。
【０１０９】以後、比較部３０１は、第２の時系列デー
タＤ２００のシフト位置を固定した状態で、伸縮率ｄ＝
６０％〜２００％の範囲で単位伸張率Δｄ刻みで徐々に
第２の時系列データＤ２００を伸張する毎、相関係数を
順次求める。
【０１１０】そして、ステップＳＧ４の判断結果が「Ｙ
ｅｓ」になると、図２１に示したステップＳＦ９では、
比較部３０１は、ステップＳＢ９（図８参照）と同様に
して、第２の時系列データＤ２００をＴ分だけ右シフト
したか否かを判断し、この場合、判断結果を「Ｎｏ」と
する。ステップＳＦ１０では、比較部３０１は、第２の
時系列データ（この場合、第２の時系列データＤ２０
０：図１７参照）を右に１シフトさせる。
【０１１１】以後、ステップＳＦ８〜ステップＳＦ１０
が繰り返される。これにより、第１の時系列データＤ１
００に対して第２の時系列データＤ２００が右に１シフ
トされるとともに、時間軸が５０％〜２００％の範囲で
伸縮され、相関係数が時差および伸縮率に対応付けられ
て求められる（図１６参照）。
【０１１２】すなわち、図２に示した第１の集計データ
Ｂ１０における第１の時系列データ（カメラ）と、図３
に示した第２の集計データＢ２０における第２の時系列
データ（年賀状）とのシフト回数および伸縮回数の組み
合わせに関する相関係数が、時差および伸縮率に対応付
けられて求められる。
【０１１３】ここで、第２の時系列データＤ２００（年
賀状）を右へある値でシフトさせた状態で、時間軸をあ
る値で伸縮させた場合の第１の時系列データＤ１００
（カメラ）を図１９に示す。同図からわかるように、楕
円Ｐ１００のパターンと、楕円Ｐ２００のパターンとが
時間的にほぼ一致している。この場合の相関係数は、例
えば、０．６８であるものとし、非常に高い値である。
【０１１４】そして、ステップＳＦ９の判断結果が「Ｙ
ｅｓ」になると、ステップＳＦ５では、比較部３０１
は、第２の集計データＢ２０（図３参照）から全てのキ
ーワードに関する第２の時系列データを取得したか否か
を判断し、この場合、判断結果を「Ｎｏ」とする。ステ
ップＳＦ６では、比較部３０１は、つぎのキーワード
（例えば、ラジオ）に関する第２の時系列データ（図示
略）を取得する。
【０１１５】ステップＳＦ７では、比較部３０１は、第
２の時系列データ（ラジオ）を左にＴ分だけシフトさせ
る。ステップＳＦ８では、比較部３０１は、シフト状態
で第２の時系列データ（ラジオ）と第１の時系列データ
Ｄ１００（カメラ）との相関係数を前述した（１）式か
ら算出する。
【０１１６】以後、前述した動作が繰り返される。そし
て、全てのキーワードに関する第１の時系列データと、
全てのキーワードに関する第２の時系列データとの組み
合わせであって、さらにシフト回数および伸縮回数の組
み合わせの相関係数が求められると、ステップＳＦ３の
判断結果が「Ｙｅｓ」となる。ステップＳＦ１１では、
比較部３０１は、図１６に示した比較結果データＦを予
測部１０６へ出力する。
【０１１７】図２０に示したステップＳＥ４では、予測
部１０６は、図９に示した予測処理と同様にして、比較
結果データＦ（図１６参照）に基づいて予測処理を実行
する。図１９に示した第１の時系列データＤ１００と、
第２の時系列データＤ２００との組み合わせの相関係数
が最も高い場合には、予測部１０６は、前述した手法に
より、第２の時系列データＤ２００から第１の時系列デ
ータＤ１００におけるキーワード（カメラ）の利用頻度
を予測する。
【０１１８】以上説明したように、実施の形態３によれ
ば、図１７〜図１９に示した第１の時系列データＤ１０
０を基準として、第２の時系列データＤ２００を時間軸
上で、順次、所定時間単位でシフトさせ、シフトされた
第２の時系列データＤ２００を時間的に、所定伸縮単位
（単位伸張率Δｄ）で、順次、伸縮させるようにしたの
で、流行等の時期のずれている場合や、流行等のスピー
ドが相違している場合であっても、実際上、相関係数が
高い組も特定されるため、情報の利用頻度をさらに高精
度で予測することができる。
【０１１９】また、実施の形態３によれば、図１７〜図
１９に示した第１の時系列データＤ１００を基準とし
て、第２の時系列データＤ２００を時間的に、所定伸縮
単位（単位伸張率Δｄ）で、順次、伸縮させるようにし
たので、流行等のスピードが相違している場合であって
も、実際上、相関係数が高い組も特定されるため、情報
の利用頻度をさらに高精度で予測することができる。
【０１２０】以上本発明にかかる実施の形態１〜３につ
いて図面を参照して詳述してきたが、具体的な構成例は
これらの実施の形態１〜３に限られるものではなく、本
発明の要旨を逸脱しない範囲の設計変更等があっても本
発明に含まれる。
【０１２１】例えば、前述した実施の形態１〜３におい
ては、二つの検索エンジンのそれぞれの検索ログデータ
を第１の検索ログデータＡ１０および第２の検索ログデ
ータＡ２０（図１、図１２、図１５）とし、二つの第１
の集計部１０２および第２の集計部１０３でそれぞれ集
計する例について説明したが、これに限られることな
く、一つの集計部とする構成としてもよい。
【０１２２】この場合には、上記集計部は、一つの検索
エンジンの検索ログデータを二つのグループに分け、そ
れぞれのグループに関して集計を行い、第１の集計デー
タＢ１０および第２の集計データＢ２０を出力すればよ
い。この場合には、集計部の構成が一つで済むため、構
成を簡素化することができる。
【０１２３】また、前述した実施の形態１〜３において
は、利用頻度の予測対象としてインターネット検索にお
けるキーワードを一例にとって説明したが、キーワード
に限られることなく、如何なる情報であってよい。
【０１２４】また、前述した実施の形態１〜３において
は、前述した情報利用頻度予測装置１００（図１参
照）、情報利用頻度予測装置２００（図１２参照）また
は情報利用頻度予測装置３００（図１５参照）の機能を
実現するための情報利用頻度予測プログラムを図２３に
示したコンピュータ読み取り可能な記録媒体５００に記
録して、この記録媒体５００に記録された情報利用頻度
予測プログラムを同図に示したコンピュータ４００に読
み込ませ、実行することにより、キーワード（情報）に
関する一連の利用頻度予測処理を実行するようにしても
よい。
【０１２５】コンピュータ４００は、上記情報利用頻度
予測プログラムを実行するＣＰＵ４１０と、キーボー
ド、マウス等の入力装置４２０と、各種データを記憶す
るＲＯＭ（Read Only Memory）４３０と、演算パラメー
タ等を記憶するＲＡＭ（RandomAccess Memory）４４０
と、記録媒体５００から情報利用頻度予測プログラムを
読み取る読取装置４５０と、ディスプレイ、プリンタ等
の出力装置４６０と、各部を接続するバス４７０とから
構成されている。
【０１２６】ＣＰＵ４１０は、読取装置４５０を経由し
て記録媒体５００に記録されている情報利用頻度予測プ
ログラムを読み込んだ後、情報利用頻度予測プログラム
を実行することにより、前述したキーワード（情報）に
関する一連の利用頻度予測処理を実行する。なお、記録
媒体５００には、光ディスク、フロッピー（登録商標）
ディスク、ハードディスク等の可搬型の記録媒体が含ま
れることはもとより、ネットワークのようにデータを一
時的に記録保持するような伝送媒体も含まれる。
【０１２７】（付記１）コンピュータを、第１の時系列
情報の利用頻度に関する時間的変化を表す第１のパター
ンと、第２の時系列情報の利用頻度に関する時間的変化
を表す第２のパターンとの相対関係に対して、順次、所
定時間単位で時間的な操作を行う時間的操作手段、前記
所定時間単位毎に、前記第１の時系列情報と前記第２の
時系列情報との相関係数を算出する相関係数算出手段、
前記相関係数算出手段により算出された複数の相関係数
のうち、最も高い値の相関係数に対応する第１の時系列
情報と第２の時系列情報との組を特定する組特定手段、
前記組に対応する第２のパターンに基づいて、前記組を
構成する第１の時系列情報の利用頻度を予測する予測手
段、として機能させることを特徴とする情報利用頻度予
測プログラム。 （付記２）前記時間的操作手段は、第１のグループに属
する複数の第１の時系列情報と、第２のグループに属す
る複数の第２の時系列情報との全ての組み合わせに関し
て、前記時間的な操作を行うことを特徴とする付記１に
記載の情報利用頻度予測プログラム。 （付記３）コンピュータを、前記予測手段における複数
の予測結果に対して、前記利用頻度をキーとしてソート
をかけるソート手段として機能させることを特徴とする
付記２に記載の情報利用頻度予測プログラム。 （付記４）前記時間的操作手段は、前記第１の時系列情
報を基準として、前記第２の時系列情報を時間軸上で、
順次、所定時間単位でシフトさせることを特徴とする付
記１〜３のいずれか一つに記載の情報利用頻度予測プロ
グラム。 （付記５）前記時間的操作手段は、前記第１の時系列情
報を基準として、前記第２の時系列情報を時間的に、所
定伸縮単位で、順次、伸縮させることを特徴とする付記
１〜３のいずれか一つに記載の情報利用頻度予測プログ
ラム。 （付記６）前記時間的操作手段は、前記第１の時系列情
報を基準として、前記第２の時系列情報を時間軸上で、
順次、所定時間単位でシフトさせ、シフトされた前記第
２の時系列情報を時間的に、所定伸縮単位で、順次、伸
縮させることを特徴とする付記１〜３のいずれか一つに
記載の情報利用頻度予測プログラム。 （付記７）前記第１の時系列情報および前記第２の時系
列情報は、インターネット上のキーワード検索エンジン
におけるキーワードの利用頻度の時系列情報であること
を特徴とする付記１〜６のいずれか一つに記載の情報利
用頻度予測プログラム。 （付記８）前記第１の時系列情報と前記第２の時系列情
報とは、異なる収集経路を介して収集されることを特徴
とする付記１〜７のいずれか一つに記載の情報利用頻度
予測プログラム。 （付記９）前記第１の時系列情報と前記第２の時系列情
報とは、同一の収集経路を介して収集され、収集された
時系列情報が二つにグループ化されたものであることを
特徴とする付記１〜７のいずれか一つに記載の情報利用
頻度予測プログラム。 （付記１０）第１の時系列情報の利用頻度に関する時間
的変化を表す第１のパターンと、第２の時系列情報の利
用頻度に関する時間的変化を表す第２のパターンとの相
対関係に対して、順次、所定時間単位で時間的な操作を
行う時間的操作手段と、前記所定時間単位毎に、前記第
１の時系列情報と前記第２の時系列情報との相関係数を
算出する相関係数算出手段と、前記相関係数算出手段に
より算出された複数の相関係数のうち、最も高い値の相
関係数に対応する第１の時系列情報と第２の時系列情報
との組を特定する組特定手段と、前記組に対応する第２
のパターンに基づいて、前記組を構成する第１の時系列
情報の利用頻度を予測する予測手段と、を備えたことを
特徴とする情報利用頻度予測装置。 （付記１１）前記時間的操作手段は、前記第１の時系列
情報を基準として、前記第２の時系列情報を時間軸上
で、順次、所定時間単位でシフトさせることを特徴とす
る付記１０に記載の情報利用頻度予測装置。 （付記１２）前記時間的操作手段は、前記第１の時系列
情報を基準として、前記第２の時系列情報を時間的に、
所定伸縮単位で、順次、伸縮させることを特徴とする付
記１０または付記１１に記載の情報利用頻度予測装置。 （付記１３）第１の時系列情報の利用頻度に関する時間
的変化を表す第１のパターンと、第２の時系列情報の利
用頻度に関する時間的変化を表す第２のパターンとの相
対関係に対して、順次、所定時間単位で時間的な操作を
行う時間的操作工程と、前記所定時間単位毎に、前記第
１の時系列情報と前記第２の時系列情報との相関係数を
算出する相関係数算出工程と、前記相関係数算出工程で
算出された複数の相関係数のうち、最も高い値の相関係
数に対応する第１の時系列情報と第２の時系列情報との
組を特定する組特定工程と、前記組に対応する第２のパ
ターンに基づいて、前記組を構成する第１の時系列情報
の利用頻度を予測する予測工程と、を含むことを特徴と
する情報利用頻度予測方法。 （付記１４）前記時間的操作工程では、前記第１の時系
列情報を基準として、前記第２の時系列情報を時間軸上
で、順次、所定時間単位でシフトさせることを特徴とす
る付記１３に記載の情報利用頻度予測方法。 （付記１５）前記時間的操作工程では、前記第１の時系
列情報を基準として、前記第２の時系列情報を時間的
に、所定伸縮単位で、順次、伸縮させることを特徴とす
る付記１３または付記１４に記載の情報利用頻度予測方
法。
【０１２８】
【発明の効果】以上説明したように、本発明によれば、
第１の時系列情報に対応する第１のパターンと、第２の
時系列情報に対応する第２のパターンとの相対関係に対
して、順次、所定時間単位で時間的な操作を行い、所定
時間単位毎に、第１の時系列情報と第２の時系列情報と
の相関係数を算出し、最も高い値の相関係数に対応する
第１の時系列情報と第２の時系列情報との組に対応する
第２のパターンに基づいて、組を構成する第１の時系列
情報の利用頻度を予測しているため、従来のように一つ
の時系列情報に基づいて、予測を行う場合に比して、情
報の利用頻度を高精度で予測することができるという効
果を奏する。
【０１２９】また、本発明によれば、第１のグループに
属する複数の第１の時系列情報と、第２のグループに属
する複数の第２の時系列情報との全ての組み合わせに関
して、時間的な操作を行うようにしたので、組み合わせ
の増加により、相関係数が高い組み合わせが存在する確
率が高まり、情報の利用頻度をさらに高精度で予測する
ことができるという効果を奏する。
【０１３０】また、本発明によれば、複数の予測結果に
対して、利用頻度をキーとしてソートをかけるようにし
たので、予測された利用頻度のソート結果から、例え
ば、電子商取引を行っている店舗等における売れ筋商品
の情報を容易に得ることができ、販売促進を図ることが
できるという効果を奏する。
【０１３１】また、本発明によれば、第１の時系列情報
を基準として、第２の時系列情報を時間軸上で、順次、
所定時間単位でシフトさせるようにしたので、流行等の
時期がずれている場合であっても、実際上、相関係数が
高い組も特定されるため、情報の利用頻度をさらに高精
度で予測することができるという効果を奏する。
【０１３２】また、本発明によれば、第１の時系列情報
を基準として、第２の時系列情報を時間的に、所定伸縮
単位で、順次、伸縮させるようにしたので、流行等のス
ピードが相違している場合であっても、実際上、相関係
数が高い組も特定されるため、情報の利用頻度をさらに
高精度で予測することができるという効果を奏する。
【０１３３】また、本発明によれば、第１の時系列情報
を基準として、第２の時系列情報を時間軸上で、順次、
所定時間単位でシフトさせ、シフトされた第２の時系列
情報を時間的に、所定伸縮単位で、順次、伸縮させるよ
うにしたので、流行等の時期のずれている場合や、流行
等のスピードが相違している場合であっても、実際上、
相関係数が高い組も特定されるため、情報の利用頻度を
さらに高精度で予測することができるという効果を奏す
る。
【０１３４】また、本発明によれば、第１の時系列情報
および第２の時系列情報を、インターネット上のキーワ
ード検索エンジンにおけるキーワードの利用頻度の時系
列情報としたので、従来のように一つの時系列情報に基
づいて、予測を行う場合に比して、インターネットにお
けるキーワードの利用頻度を高精度で予測することがで
きるという効果を奏する。
【０１３５】また、本発明によれば、第１の時系列情報
と第２の時系列情報とが異なる収集経路を介して収集さ
れるため、幅広い分野からの情報に基づいて利用頻度の
予測を行うことができ、さらに予測の精度を高めること
ができるという効果を奏する。
【図面の簡単な説明】
【図１】本発明にかかる実施の形態１の構成を示すブロ
ック図である。
【図２】図１に示した第１の検索ログデータＡ１０およ
び第１の集計データＢ１０の一例を示す図である。
【図３】図１に示した第２の検索ログデータＡ２０およ
び第２の集計データＢ２０の一例を示す図である。
【図４】同実施の形態１における第１の時系列データＤ
１０および第２の時系列データＤ２０の一例を示す図で
ある。
【図５】図１に示した比較結果データＣの一例を示す図
である。
【図６】同実施の形態１における右シフトを説明する図
である。
【図７】同実施の形態１の動作を説明するフローチャー
トである。
【図８】図７に示した比較処理を説明するフローチャー
トである。
【図９】図７に示した予測処理を説明するフローチャー
トである。
【図１０】同実施の形態１の動作を説明する図である。
【図１１】同実施の形態１の効果を説明する図である。
【図１２】本発明にかかる実施の形態２の構成を示すブ
ロック図である。
【図１３】同実施の形態２の動作を説明するフローチャ
ートである。
【図１４】図１３に示したソート処理を説明する図であ
る。
【図１５】本発明にかかる実施の形態３の構成を示すブ
ロック図である。
【図１６】図１５に示した比較結果データＦの一例を示
す図である。
【図１７】同実施の形態３の動作を説明する図である。
【図１８】同実施の形態３の動作を説明する図である。
【図１９】同実施の形態３の動作を説明する図である。
【図２０】同実施の形態３の動作を説明するフローチャ
ートである。
【図２１】図２０に示した比較処理を説明するフローチ
ャートである。
【図２２】図２１に示した伸縮処理を説明するフローチ
ャートである。
【図２３】実施の形態１〜３の変形例の構成を示すブロ
ック図である。
【符号の説明】
１００ 情報利用頻度予測装置 １０２ 第１の集計部 １０３ 第２の集計部 １０４ 比較部 １０５ 入力部 １０６ 予測部 ２００ 情報利用頻度予測装置 ２０１ ソート部 ３００ 情報利用頻度予測装置 ３０１ 比較部

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 コンピュータを、 第１の時系列情報の利用頻度に関する時間的変化を表す
    第１のパターンと、第２の時系列情報の利用頻度に関す
    る時間的変化を表す第２のパターンとの相対関係に対し
    て、順次、所定時間単位で時間的な操作を行う時間的操
    作手段、 前記所定時間単位毎に、前記第１の時系列情報と前記第
    ２の時系列情報との相関係数を算出する相関係数算出手
    段、 前記相関係数算出手段により算出された複数の相関係数
    のうち、最も高い値の相関係数に対応する第１の時系列
    情報と第２の時系列情報との組を特定する組特定手段、 前記組に対応する第２のパターンに基づいて、前記組を
    構成する第１の時系列情報の利用頻度を予測する予測手
    段、 として機能させることを特徴とする情報利用頻度予測プ
    ログラム。
  2. 【請求項２】 前記時間的操作手段は、第１のグループ
    に属する複数の第１の時系列情報と、第２のグループに
    属する複数の第２の時系列情報との全ての組み合わせに
    関して、前記時間的な操作を行うことを特徴とする請求
    項１に記載の情報利用頻度予測プログラム。
  3. 【請求項３】 コンピュータを、前記予測手段における
    複数の予測結果に対して、前記利用頻度をキーとしてソ
    ートをかけるソート手段として機能させることを特徴と
    する請求項２に記載の情報利用頻度予測プログラム。
  4. 【請求項４】 前記時間的操作手段は、前記第１の時系
    列情報を基準として、前記第２の時系列情報を時間軸上
    で、順次、所定時間単位でシフトさせることを特徴とす
    る請求項１〜３のいずれか一つに記載の情報利用頻度予
    測プログラム。
  5. 【請求項５】 前記時間的操作手段は、前記第１の時系
    列情報を基準として、前記第２の時系列情報を時間的
    に、所定伸縮単位で、順次、伸縮させることを特徴とす
    る請求項１〜３のいずれか一つに記載の情報利用頻度予
    測プログラム。
  6. 【請求項６】 前記時間的操作手段は、前記第１の時系
    列情報を基準として、前記第２の時系列情報を時間軸上
    で、順次、所定時間単位でシフトさせ、シフトされた前
    記第２の時系列情報を時間的に、所定伸縮単位で、順
    次、伸縮させることを特徴とする請求項１〜３のいずれ
    か一つに記載の情報利用頻度予測プログラム。
  7. 【請求項７】 前記第１の時系列情報および前記第２の
    時系列情報は、インターネット上のキーワード検索エン
    ジンにおけるキーワードの利用頻度の時系列情報である
    ことを特徴とする請求項１〜６のいずれか一つに記載の
    情報利用頻度予測プログラム。
  8. 【請求項８】 前記第１の時系列情報と前記第２の時系
    列情報とは、異なる収集経路を介して収集されることを
    特徴とする請求項１〜７のいずれか一つに記載の情報利
    用頻度予測プログラム。
  9. 【請求項９】 第１の時系列情報の利用頻度に関する時
    間的変化を表す第１のパターンと、第２の時系列情報の
    利用頻度に関する時間的変化を表す第２のパターンとの
    相対関係に対して、順次、所定時間単位で時間的な操作
    を行う時間的操作手段と、 前記所定時間単位毎に、前記第１の時系列情報と前記第
    ２の時系列情報との相関係数を算出する相関係数算出手
    段と、 前記相関係数算出手段により算出された複数の相関係数
    のうち、最も高い値の相関係数に対応する第１の時系列
    情報と第２の時系列情報との組を特定する組特定手段
    と、 前記組に対応する第２のパターンに基づいて、前記組を
    構成する第１の時系列情報の利用頻度を予測する予測手
    段と、 を備えたことを特徴とする情報利用頻度予測装置。
  10. 【請求項１０】 第１の時系列情報の利用頻度に関する
    時間的変化を表す第１のパターンと、第２の時系列情報
    の利用頻度に関する時間的変化を表す第２のパターンと
    の相対関係に対して、順次、所定時間単位で時間的な操
    作を行う時間的操作工程と、 前記所定時間単位毎に、前記第１の時系列情報と前記第
    ２の時系列情報との相関係数を算出する相関係数算出工
    程と、 前記相関係数算出工程で算出された複数の相関係数のう
    ち、最も高い値の相関係数に対応する第１の時系列情報
    と第２の時系列情報との組を特定する組特定工程と、 前記組に対応する第２のパターンに基づいて、前記組を
    構成する第１の時系列情報の利用頻度を予測する予測工
    程と、 を含むことを特徴とする情報利用頻度予測方法。
JP2001153116A 2001-05-22 2001-05-22 情報利用頻度予測プログラム、情報利用頻度予測装置および情報利用頻度予測方法 Pending JP2002351897A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2001153116A JP2002351897A (ja) 2001-05-22 2001-05-22 情報利用頻度予測プログラム、情報利用頻度予測装置および情報利用頻度予測方法
US10/050,862 US6873983B2 (en) 2001-05-22 2002-01-18 Information use frequency prediction program, information use frequency prediction method, and information use frequency prediction apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2001153116A JP2002351897A (ja) 2001-05-22 2001-05-22 情報利用頻度予測プログラム、情報利用頻度予測装置および情報利用頻度予測方法

Publications (1)

Publication Number Publication Date
JP2002351897A true JP2002351897A (ja) 2002-12-06

Family

ID=18997680

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001153116A Pending JP2002351897A (ja) 2001-05-22 2001-05-22 情報利用頻度予測プログラム、情報利用頻度予測装置および情報利用頻度予測方法

Country Status (2)

Country Link
US (1) US6873983B2 (ja)
JP (1) JP2002351897A (ja)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004206517A (ja) * 2002-12-26 2004-07-22 Nifty Corp ホットキーワード提示方法及びホットサイト提示方法
JP2005257416A (ja) * 2004-03-10 2005-09-22 Internatl Business Mach Corp <Ibm> 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体
JP2006079454A (ja) * 2004-09-10 2006-03-23 Fujitsu Ltd 検索キーワード分析方法、検索キーワード分析プログラムおよび検索キーワード分析装置
JP2009151811A (ja) * 2009-02-16 2009-07-09 Nifty Corp ホットサイト提示システム
JP2010033559A (ja) * 2008-06-30 2010-02-12 Yahoo Japan Corp サーバ装置、サーバ装置における分類方法及びプログラム
WO2010035455A1 (ja) * 2008-09-24 2010-04-01 日本電気株式会社 情報分析装置、情報分析方法、及びプログラム
JPWO2008102840A1 (ja) * 2007-02-21 2010-05-27 日本電気株式会社 パターン生成方法及びパターン生成装置とプログラム
JPWO2009096523A1 (ja) * 2008-01-30 2011-05-26 日本電気株式会社 情報分析装置、検索システム、情報分析方法及び情報分析用プログラム
JP2011180722A (ja) * 2010-02-26 2011-09-15 Yahoo Japan Corp クエリ抽出装置及びその方法
JP2011253506A (ja) * 2010-06-04 2011-12-15 Yahoo Japan Corp 関連バーストクエリ抽出装置及び方法
JP2013541063A (ja) * 2010-08-02 2013-11-07 アリババ・グループ・ホールディング・リミテッド 単語のユーザー挙動数の予測
JP2014041453A (ja) * 2012-08-22 2014-03-06 Yokogawa Electric Corp データ類似度算出方法およびデータ類似度算出装置
JP2017224022A (ja) * 2016-06-13 2017-12-21 ヤフー株式会社 クエリ抽出装置、検索システム、広告配信システム、クエリ抽出方法、およびクエリ抽出プログラム
JP2018185645A (ja) * 2017-04-26 2018-11-22 大日本印刷株式会社 発注補助装置及びプログラム

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004362223A (ja) * 2003-06-04 2004-12-24 Hitachi Ltd 情報マイニングシステム
KR100443483B1 (ko) * 2004-04-23 2004-08-09 엔에이치엔(주) 급상승 검색어 검출 방법 및 시스템
US20100153107A1 (en) * 2005-09-30 2010-06-17 Nec Corporation Trend evaluation device, its method, and program
JP4241704B2 (ja) * 2005-09-30 2009-03-18 ブラザー工業株式会社 情報管理装置、及び、プログラム
US7676521B2 (en) * 2006-03-31 2010-03-09 Microsoft Corporation Keyword search volume seasonality forecasting engine
US8024235B2 (en) * 2006-06-21 2011-09-20 Microsoft Corporation Automatic search functionality within business applications
US7941436B2 (en) * 2006-11-30 2011-05-10 Yahoo, Inc. Keyword bidding strategy for novel concepts
US7644075B2 (en) * 2007-06-01 2010-01-05 Microsoft Corporation Keyword usage score based on frequency impulse and frequency weight
US7693908B2 (en) * 2007-06-28 2010-04-06 Microsoft Corporation Determination of time dependency of search queries
US7689622B2 (en) * 2007-06-28 2010-03-30 Microsoft Corporation Identification of events of search queries
US8090709B2 (en) * 2007-06-28 2012-01-03 Microsoft Corporation Representing queries and determining similarity based on an ARIMA model
US7685099B2 (en) * 2007-06-28 2010-03-23 Microsoft Corporation Forecasting time-independent search queries
US7685100B2 (en) * 2007-06-28 2010-03-23 Microsoft Corporation Forecasting search queries based on time dependencies
US7693823B2 (en) * 2007-06-28 2010-04-06 Microsoft Corporation Forecasting time-dependent search queries
US8290921B2 (en) * 2007-06-28 2012-10-16 Microsoft Corporation Identification of similar queries based on overall and partial similarity of time series
KR100913051B1 (ko) * 2007-09-18 2009-08-20 엔에이치엔(주) 연관 급상승어 검색 방법 및 그 시스템
US8126881B1 (en) 2007-12-12 2012-02-28 Vast.com, Inc. Predictive conversion systems and methods
CN101477542B (zh) * 2009-01-22 2013-02-13 阿里巴巴集团控股有限公司 一种抽样分析方法、系统和设备
US8965869B2 (en) * 2009-05-13 2015-02-24 Yahoo! Inc. Systems and methods for generating a web page based on search term popularity data
US9063802B2 (en) 2013-01-31 2015-06-23 Hewlett-Packard Development Company, L.P. Event determination
US9104718B1 (en) 2013-03-07 2015-08-11 Vast.com, Inc. Systems, methods, and devices for measuring similarity of and generating recommendations for unique items
US9465873B1 (en) 2013-03-07 2016-10-11 Vast.com, Inc. Systems, methods, and devices for identifying and presenting identifications of significant attributes of unique items
US10007946B1 (en) 2013-03-07 2018-06-26 Vast.com, Inc. Systems, methods, and devices for measuring similarity of and generating recommendations for unique items
US9830635B1 (en) 2013-03-13 2017-11-28 Vast.com, Inc. Systems, methods, and devices for determining and displaying market relative position of unique items
US10127596B1 (en) 2013-12-10 2018-11-13 Vast.com, Inc. Systems, methods, and devices for generating recommendations of unique items
CN107832330B (zh) * 2017-09-27 2021-06-15 华为技术有限公司 一种搜索方法及终端设备
US10268704B1 (en) 2017-10-12 2019-04-23 Vast.com, Inc. Partitioned distributed database systems, devices, and methods

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA1245363A (en) * 1985-03-20 1988-11-22 Tetsu Taguchi Pattern matching vocoder
US6463428B1 (en) * 2000-03-29 2002-10-08 Koninklijke Philips Electronics N.V. User interface providing automatic generation and ergonomic presentation of keyword search criteria

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004206517A (ja) * 2002-12-26 2004-07-22 Nifty Corp ホットキーワード提示方法及びホットサイト提示方法
JP2005257416A (ja) * 2004-03-10 2005-09-22 Internatl Business Mach Corp <Ibm> 診断装置、検出装置、制御方法、検出方法、プログラム、及び記録媒体
US7720640B2 (en) 2004-03-10 2010-05-18 International Business Machines Corporation Diagnostic data detection and control
JP2006079454A (ja) * 2004-09-10 2006-03-23 Fujitsu Ltd 検索キーワード分析方法、検索キーワード分析プログラムおよび検索キーワード分析装置
JPWO2008102840A1 (ja) * 2007-02-21 2010-05-27 日本電気株式会社 パターン生成方法及びパターン生成装置とプログラム
JP5212355B2 (ja) * 2007-02-21 2013-06-19 日本電気株式会社 パターン生成方法及びパターン生成装置とプログラム
US8447705B2 (en) 2007-02-21 2013-05-21 Nec Corporation Pattern generation method, pattern generation apparatus, and program
JPWO2009096523A1 (ja) * 2008-01-30 2011-05-26 日本電気株式会社 情報分析装置、検索システム、情報分析方法及び情報分析用プログラム
JP2010033559A (ja) * 2008-06-30 2010-02-12 Yahoo Japan Corp サーバ装置、サーバ装置における分類方法及びプログラム
WO2010035455A1 (ja) * 2008-09-24 2010-04-01 日本電気株式会社 情報分析装置、情報分析方法、及びプログラム
JPWO2010035455A1 (ja) * 2008-09-24 2012-02-16 日本電気株式会社 情報分析装置、情報分析方法、及びプログラム
JP5387578B2 (ja) * 2008-09-24 2014-01-15 日本電気株式会社 情報分析装置、情報分析方法、及びプログラム
JP2009151811A (ja) * 2009-02-16 2009-07-09 Nifty Corp ホットサイト提示システム
JP2011180722A (ja) * 2010-02-26 2011-09-15 Yahoo Japan Corp クエリ抽出装置及びその方法
JP2011253506A (ja) * 2010-06-04 2011-12-15 Yahoo Japan Corp 関連バーストクエリ抽出装置及び方法
JP2013541063A (ja) * 2010-08-02 2013-11-07 アリババ・グループ・ホールディング・リミテッド 単語のユーザー挙動数の予測
JP2014041453A (ja) * 2012-08-22 2014-03-06 Yokogawa Electric Corp データ類似度算出方法およびデータ類似度算出装置
JP2017224022A (ja) * 2016-06-13 2017-12-21 ヤフー株式会社 クエリ抽出装置、検索システム、広告配信システム、クエリ抽出方法、およびクエリ抽出プログラム
JP2018185645A (ja) * 2017-04-26 2018-11-22 大日本印刷株式会社 発注補助装置及びプログラム

Also Published As

Publication number Publication date
US20020184212A1 (en) 2002-12-05
US6873983B2 (en) 2005-03-29

Similar Documents

Publication Publication Date Title
JP2002351897A (ja) 情報利用頻度予測プログラム、情報利用頻度予測装置および情報利用頻度予測方法
JP3821225B2 (ja) 時系列データに対する自己回帰モデル学習装置並びにそれを用いた外れ値および変化点の検出装置
US7770072B2 (en) Method and system for analyzing time series data
JP2008027072A (ja) データベース分析プログラム、データベース分析装置、データベース分析方法
JP4790464B2 (ja) 業務分析システム
JP2010250674A (ja) 作業時間予測装置、方法、およびプログラム
JP6696568B2 (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
JP2007219929A (ja) 感性評価システム及び方法
US20130226658A1 (en) Content analyzing system, content analyzing apparatus, content analyzing method, and content analyzing program
JP2006252011A (ja) 環境負荷評価装置、境負荷評価方法及びプログラム記録媒体
Rahmani A new proactive-reactive approach to hedge against uncertain processing times and unexpected machine failures in the two-machine flow shop scheduling problems
JPH05204991A (ja) 時系列データ検索方法およびこれを用いた検索システム
JP6399206B2 (ja) 推定器管理システム
Macedo et al. A machine learning approach for spare parts lifetime estimation
Ngniatedema et al. Late customization strategy with service levels requirements
JP5984144B2 (ja) 情報処理装置、情報処理方法、及び、プログラム
US20050125433A1 (en) Data summation system and method based on classification definition covering plural records
US20210182762A1 (en) Work instruction system and work instruction method
JP2005284415A (ja) 組立製造ラインにおける作業工程別タクトタイム推定方法、全体工程編成方法、装置およびプログラム
CN112819385A (zh) 一种创新能力排名预测方法、装置、电子设备及存储介质
Zhang et al. Prediction Research on Key Influencing Factors of Regional E-commerce Industry Development Based on Grey Data Analysis Model
JP6660333B2 (ja) 情報抽出装置、情報抽出方法及び情報抽出プログラム
JP7376405B2 (ja) 最適化処理装置、最適化処理方法及び最適化処理プログラム
JP6841039B2 (ja) 要因分析装置、要因分析方法、および、プログラム
JP2020140499A (ja) 付与方法、付与プログラム及び付与装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20061113

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20090612

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090623

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20091020