JP2005302040A - 目標変数の自動データパースペクティブ生成 - Google Patents
目標変数の自動データパースペクティブ生成 Download PDFInfo
- Publication number
- JP2005302040A JP2005302040A JP2005117562A JP2005117562A JP2005302040A JP 2005302040 A JP2005302040 A JP 2005302040A JP 2005117562 A JP2005117562 A JP 2005117562A JP 2005117562 A JP2005117562 A JP 2005117562A JP 2005302040 A JP2005302040 A JP 2005302040A
- Authority
- JP
- Japan
- Prior art keywords
- variable
- data
- conditioning
- variables
- machine learning
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
-
- 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
-
- 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
- Y10S707/99941—Database schema or data structure
- Y10S707/99943—Generating database or data structure, e.g. via user interface
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Air Conditioning Control Device (AREA)
- Feedback Control In General (AREA)
Abstract
【解決手段】 目標変数の最良の目標変数プレディクタを決定し、分析し、これを使用して、目標変数に関する情報をユーザに伝えるのを容易にする。目標変数プレディクタとして使用される連続変数および離散変数を自動的に離散化して、その細かさを確立する。複雑さパラメータおよび/またはユーティリティパラメータを指定して、最良の目標変数プレディクタ対条件付け変数の複雑さおよび/またはユーティリティの分析を介してデータパースペクティブの生成を容易にする。データパースペクティブの条件付け変数(すなわち目標変数プレディクタ)を調整して、最適のビューを提供し、かつ/またはデータパースペクティブの生成を案内し/制御するためにユーザからの制御入力を受け入れる。
【選択図】 図1
Description
ここで、cは、ユーザによって選択される「複雑さ」要因である。ユーザは、さらに、変数の数の閾値および/または結果のピボットテーブル内のセルの個数の閾値を指定することができる。
104 入力データ
106 データベース
108 出力データ
110 ユーザ
112 他のデータソース
202 データパースペクティブ生成コンポーネント
204 変数決定コンポーネント
206 データパースペクティブビルダコンポーネント
208 ユーザ
210 関心を持ったデータ
212 目標変数
214 複雑さパラメータ
216 ユーティリティパラメータ
218 集約関数
220 他の入力データ
222 データベース
224 出力データ
302 データパースペクティブ生成コンポーネント
304 入力データ
306 出力データ
308 データ前置フィルタコンポーネント
310 変数決定コンポーネント
312 データパースペクティブビルダコンポーネント
314 変数オプティマイザコンポーネント
316 決定木ジェネレータコンポーネント
318 決定木エバリュエータコンポーネント
320 ユーザコンテキストデータ
322 集約関数
402 地域
404 販売販売代理人
406 月
408 売上
1204 処理ユニット
1206 システムメモリ
1208 バス
1226 ハードディスクドライブインターフェース
1228 磁気ディスクドライブインターフェース
1230 光ドライブインターフェース
1232 オペレーティングシステム
1234 アプリケーションプログラム
1236 他のプログラムモジュール
1238 プログラムデータ
1244 シリアルポートインターフェース
1246 モニタ
1248 ビデオアダプタ
1260 リモートコンピュータ
1264 ローカルエリアネットワーク
1266 広域ネットワーク
1268 ネットワークインターフェース
1270 モデム
1302 クライアント
1304 サーバ
1306 サーバデータストア
1308 通信フレームワーク
1310 クライアントデータストア
Claims (42)
- データパースペクティブ生成を容易にするシステムであって、
データベースからの目標変数を含むユーザ指定の入力データを受け取るコンポーネントと、
少なくとも部分的に前記ユーザ指定の入力データおよび前記データベースから導出される、前記目標変数のデータパースペクティブの少なくとも1つの条件付け変数の自動生成を実現する生成コンポーネントと
を含むことを特徴とするシステム。 - 前記データパースペクティブは、ピボットテーブルおよび多次元分析(OLAP)キューブからなる群から選択される少なくともその1つを含むことを特徴とする請求項1に記載のシステム。
- 少なくとも1つの自動的に生成された条件付け変数を使用して、前記データパースペクティブを自動的に生成するデータパースペクティブコンポーネント
をさらに含むことを特徴とする請求項1に記載のシステム。 - 前記データパースペクティブコンポーネントは、少なくとも部分的に機械学習手法に基づいて、ユーザへの提示の質を高めるために前記データパースペクティブのユーザビューをさらに自動的に調整することを特徴とする請求項3に記載のシステム。
- 前記システムは、少なくとも1つのユーザ制御入力を使用することを特徴とする請求項4に記載のシステム。
- 前記生成コンポーネントは、前記条件付け変数の前記自動生成を容易にする少なくとも1つの機械学習手法を使用することを特徴とする請求項1に記載のシステム。
- 前記機械学習手法は、前記目標変数の前記データパースペクティブのトップセットおよび左セットからなる群から選択される少なくとも1つについて少なくとも1つの条件付け変数を特定することを特徴とする請求項6に記載のシステム。
- 前記条件付け変数は、ユーザ制御入力を介して制御可能であることを特徴とする請求項7に記載のシステム。
- 前記機械学習手法は、前記目標変数を予測する能力対前記条件付け変数の複雑さに基づいて前記条件付け変数を特定することを特徴とする請求項7に記載のシステム。
- 前記機械学習手法は、さらに、前記条件付け変数を特定する際に変数のユーティリティを適用することを特徴とする請求項9に記載のシステム。
- 前記機械学習手法は、前記条件付け変数の特定を容易にする少なくとも1つの完全な決定木を使用することを特徴とする請求項7に記載のシステム。
- 前記機械学習手法は、前記完全な決定木を構成する少なくとも1つのヒューリスティック方法(発見的方法)を使用することを特徴とする請求項11に記載のシステム。
- 前記条件付け変数は、離散条件付け変数および連続条件付け変数からなる群から選択される少なくとも1つを含むことを特徴とする請求項7に記載のシステム。
- 前記機械学習手法は、さらに、離散化を介して前記条件付け変数の細かさを自動的に決定することを特徴とする請求項13に記載のシステム。
- 前記細かさは、ユーザ制御入力を介して調整可能であることを特徴とする請求項14に記載のシステム。
- 前記機械学習手法は、前記目標変数を予測する能力対前記条件付け変数の前記複雑さに基づいて前記条件付け変数の前記細かさを決定することを特徴とする請求項14に記載のシステム。
- 前記機械学習手法は、さらに、前記条件付け変数の前記細かさを特定する際に条件付け変数の細かさのユーティリティを適用することを特徴とする請求項16に記載のシステム。
- 前記機械学習手法は、前記条件付け変数の前記細かさの決定を容易にする少なくとも1つの完全な決定木を使用することを特徴とする請求項16に記載のシステム。
- 前記機械学習手法は、前記完全な決定木を構成する少なくとも1つのヒューリスティック方法を使用することを特徴とする請求項18に記載のシステム。
- 前記機械学習手法は、前記連続条件付け変数の少なくとも1つの範囲を自動的に決定し、前記範囲を新しい条件付け変数として表すことを特徴とする請求項13に記載のシステム。
- 前記範囲は、ユーザ制御入力を介して調整可能であることを特徴とする請求項20に記載のシステム。
- 前記機械学習手法は、前記目標変数を予測する能力対前記条件付け変数の前記複雑さに基づいて前記連続条件付け変数の前記範囲を決定することを特徴とする請求項20に記載のシステム。
- 前記機械学習手法は、さらに、前記連続条件付け変数の前記範囲を特定する際に連続変数の範囲のユーティリティを適用することを特徴とする請求項22に記載のシステム。
- 前記機械学習手法は、前記条件付け変数の前記範囲の決定を容易にする少なくとも1つの完全な決定木を使用することを特徴とする請求項22に記載のシステム。
- 前記機械学習手法は、前記完全な決定木を構成する少なくとも1つのヒューリスティック方法を使用することを特徴とする請求項24に記載のシステム。
- データパースペクティブ再生を容易にする方法であって、
データベースからの目標変数を含むユーザ指定の入力データを受け取るステップと、
少なくとも部分的に前記ユーザ指定の入力データおよび前記データベースから導出される、前記目標変数のデータパースペクティブの少なくとも1つの条件付け変数を自動的に生成するステップと
を含むことを特徴とする方法。 - 前記データパースペクティブを自動的に生成するステップは、
前記条件付け変数の自動的生成を容易にする少なくとも1つの機械学習処理を使用するステップ
をさらに含むことを特徴とする請求項26に記載の方法。 - 前記機械学習処理は、
前記目標変数の前記データパースペクティブのトップセットおよび左セットからなる群から選択される少なくとも1つに関する少なくとも1つの条件付け変数を特定するステップであって、前記条件付け変数は、前記目標変数を予測する能力対前記条件付け変数の複雑さに基づいて特定されるステップと、
離散条件付け変数の細かさを自動的に決定するステップであって、前記条件付け変数の前記細かさは、前記目標変数を予測する能力対前記条件付け変数の前記複雑さに基づくステップと、
連続条件付け変数の少なくとも1つの範囲を決定し、前記範囲を新しい条件付け変数として表すステップであって、前記条件付け変数の前記範囲は、前記目標変数を予測する能力対前記条件付け変数の前記複雑さに基づくステップと
を含むことを特徴とする請求項27に記載の方法。 - 前記条件付け変数を特定するステップは、
前記目標変数を最もよく予測する少なくとも1つの最適条件付け変数およびその細かさを決定するために少なくとも1つの完全な決定木を使用するステップであって、前記完全な決定木は、少なくとも1つのヒューリスティック方法を使用して構成されるステップ
を含むことを特徴とする請求項28に記載の方法。 - 前記ヒューリスティック方法は、
前記完全な決定木を含む単一の決定木を学習するステップと、
前記単一の決定木を、予測変数および前記予測変数の対応する値のセットに変換するステップと、
予測変数およびその細かさの少なくとも1つの最適セットを見つけるために、前記単一の決定木の少なくとも1つの部分木から検索するステップと
を含むことを特徴とする請求項29に記載の方法。 - 少なくとも1つの部分木から検索するステップは、
予測変数なしのルートノードを有する第1部分木を選択するステップと、
前記単一の決定木から単一の分割を追加することによって第2部分木を選択するステップであって、前記単一の分割は、最適スコアに関する分割の評価を介して選択されるステップと、
最適スコアを増やす追加の分割がないことの発生および前記単一の決定木と等しい前記第2部分木の発生からなる群から選択される少なくとも1つのとき停止するステップと
を含むことを特徴とする請求項30に記載の方法。 - 少なくとも1つのユーザ制御入力に基づいて、条件付け変数、条件付け変数の細かさ、および連続条件付け変数の範囲からなる群から選択される少なくとも1つを調整するステップ
をさらに含むことを特徴とする請求項28に記載の方法。 - 条件付け変数、条件付け変数の細かさ、および連続条件付け変数の範囲からなる群から選択される少なくとも1つの特定および/または決定を容易にするためにユーティリティ値を適用するステップ
をさらに含むことを特徴とする請求項28に記載の方法。 - 少なくとも1つの自動的に生成された条件付け変数を使用して前記データパースペクティブを自動的に生成するステップ
をさらに含むことを特徴とする請求項26に記載の方法。 - 少なくとも部分的に機械学習手法に基づいて、ユーザへの提示の質を高めるために前記データパースペクティブのビューを自動的に調整するステップ
をさらに含むことを特徴とする請求項34に記載の方法。 - 前記方法は、少なくとも1つのユーザ制御入力を使用することを特徴とする請求項35に記載の方法。
- 前記データパースペクティブは、ピボットテーブルおよび多次元分析(OLAP)キューブからなる群から選択される少なくとも1つを含むことを特徴とする請求項26に記載の方法。
- データパースペクティブ生成を容易にするシステムであって、
データベースからの目標変数を含むユーザ指定の入力データを受け取る手段と、
少なくとも部分的に前記ユーザ指定の入力データおよび前記データベースから導出される、前記目標変数のデータパースペクティブの少なくとも1つの条件付け変数を自動的に生成する手段と
を含むことを特徴とするシステム。 - データパースペクティブ生成を容易にする、複数のコンピュータコンポーネントの間で伝送されるデータパケットであって、データベースからの目標変数のデータパースペクティブの少なくとも1つの条件付け変数を自動的に生成するために、前記データベースの前記目標変数を含むユーザ指定のデータを少なくとも部分的に使用するデータパースペクティブ生成システムに関係する情報を少なくとも部分的に含むことを特徴とするデータパケット。
- 請求項1に記載のシステムのコンピュータ実行可能コンポーネントが記憶されていることを特徴とするコンピュータ読取可能媒体。
- コンピュータ、サーバ、およびハンドヘルド電子デバイスからなる群から選択される少なくともその1つを含む、請求項26に記載の方法を使用することを特徴とするデバイス。
- コンピュータ、サーバ、およびハンドヘルド電子デバイスからなる群から選択される少なくともその1つを含む、請求項1に記載のシステムを使用することを特徴とするデバイス。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/824,108 US7225200B2 (en) | 2004-04-14 | 2004-04-14 | Automatic data perspective generation for a target variable |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2005302040A true JP2005302040A (ja) | 2005-10-27 |
JP2005302040A5 JP2005302040A5 (ja) | 2008-02-21 |
JP4233541B2 JP4233541B2 (ja) | 2009-03-04 |
Family
ID=34939156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005117562A Expired - Fee Related JP4233541B2 (ja) | 2004-04-14 | 2005-04-14 | 目標変数の自動データパースペクティブ生成 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7225200B2 (ja) |
EP (1) | EP1587008A3 (ja) |
JP (1) | JP4233541B2 (ja) |
KR (1) | KR101130524B1 (ja) |
CN (1) | CN100426289C (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011054156A (ja) * | 2009-08-31 | 2011-03-17 | Accenture Global Services Gmbh | 適応分析多次元処理システム |
US9123052B2 (en) | 2009-07-09 | 2015-09-01 | Accenture Global Services Limited | Marketing model determination system |
WO2018079225A1 (ja) * | 2016-10-31 | 2018-05-03 | 日本電気株式会社 | 自動予測システム、自動予測方法および自動予測プログラム |
US10885011B2 (en) | 2015-11-25 | 2021-01-05 | Dotdata, Inc. | Information processing system, descriptor creation method, and descriptor creation program |
US11514062B2 (en) | 2017-10-05 | 2022-11-29 | Dotdata, Inc. | Feature value generation device, feature value generation method, and feature value generation program |
US11727203B2 (en) | 2017-03-30 | 2023-08-15 | Dotdata, Inc. | Information processing system, feature description method and feature description program |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10233609A1 (de) * | 2002-07-24 | 2004-02-19 | Siemens Ag | Verfahren zur Ermittlung einer in vorgegebenen Daten vorhandenen Wahrscheinlichkeitsverteilung |
EP1577792B1 (en) * | 2004-03-16 | 2010-10-13 | Sap Ag | A method, computer program product and data processing system for displaying a plurality of data objects |
US20050234761A1 (en) * | 2004-04-16 | 2005-10-20 | Pinto Stephen K | Predictive model development |
EP1643364A1 (en) * | 2004-09-30 | 2006-04-05 | Sap Ag | Systems and methods for general aggregation of characteristics and key figures |
WO2006066556A2 (de) * | 2004-12-24 | 2006-06-29 | Panoratio Database Images Gmbh | Relationale komprimierte datenbank-abbilder (zur beschleunigten abfrage von datenbanken) |
US7587410B2 (en) * | 2005-03-22 | 2009-09-08 | Microsoft Corporation | Dynamic cube services |
US8457997B2 (en) * | 2005-04-29 | 2013-06-04 | Landmark Graphics Corporation | Optimization of decisions regarding multiple assets in the presence of various underlying uncertainties |
EP1941432A4 (en) | 2005-10-25 | 2011-04-20 | Angoss Software Corp | STRATEGY TREES FOR DATA MINING |
US20080172671A1 (en) * | 2007-01-11 | 2008-07-17 | International Business Machines Corporation | Method and system for efficient management of resource utilization data in on-demand computing |
US8645390B1 (en) * | 2007-08-31 | 2014-02-04 | Google Inc. | Reordering search query results in accordance with search context specific predicted performance functions |
US8001158B2 (en) * | 2007-12-13 | 2011-08-16 | Hewlett-Packard Development Company, L.P. | Systems and processes for evaluating database complexities |
US8015129B2 (en) * | 2008-04-14 | 2011-09-06 | Microsoft Corporation | Parsimonious multi-resolution value-item lists |
US20120005151A1 (en) * | 2010-07-01 | 2012-01-05 | Vineetha Vasudevan | Methods and systems of content development for a data warehouse |
US8712989B2 (en) | 2010-12-03 | 2014-04-29 | Microsoft Corporation | Wild card auto completion |
US8774515B2 (en) * | 2011-04-20 | 2014-07-08 | Xerox Corporation | Learning structured prediction models for interactive image labeling |
US9135233B2 (en) | 2011-10-13 | 2015-09-15 | Microsoft Technology Licensing, Llc | Suggesting alternate data mappings for charts |
US10061473B2 (en) | 2011-11-10 | 2018-08-28 | Microsoft Technology Licensing, Llc | Providing contextual on-object control launchers and controls |
US8793567B2 (en) * | 2011-11-16 | 2014-07-29 | Microsoft Corporation | Automated suggested summarizations of data |
US9275334B2 (en) | 2012-04-06 | 2016-03-01 | Applied Materials, Inc. | Increasing signal to noise ratio for creation of generalized and robust prediction models |
US9304746B2 (en) * | 2012-06-07 | 2016-04-05 | Carmel-Haifa University Economic Corporation Ltd. | Creating a user model using component based approach |
CN104428734A (zh) | 2012-06-25 | 2015-03-18 | 微软公司 | 输入法编辑器应用平台 |
US9563674B2 (en) * | 2012-08-20 | 2017-02-07 | Microsoft Technology Licensing, Llc | Data exploration user interface |
US10001897B2 (en) | 2012-08-20 | 2018-06-19 | Microsoft Technology Licensing, Llc | User interface tools for exploring data visualizations |
BR112015027371A2 (pt) * | 2013-05-31 | 2017-08-29 | Landmark Graphics Corp | Método para determinação de importância de atributos, e, dispositivo transportador de programa não transitório |
US10416871B2 (en) | 2014-03-07 | 2019-09-17 | Microsoft Technology Licensing, Llc | Direct manipulation interface for data analysis |
US10824799B2 (en) | 2014-06-30 | 2020-11-03 | Microsoft Technology Licensing, Llc | Summary data autofill |
US20170011418A1 (en) | 2015-05-29 | 2017-01-12 | Claude Denton | System and method for account ingestion |
US10410258B2 (en) | 2015-05-29 | 2019-09-10 | Nanigans, Inc. | Graphical user interface for high volume data analytics |
US10140344B2 (en) | 2016-01-13 | 2018-11-27 | Microsoft Technology Licensing, Llc | Extract metadata from datasets to mine data for insights |
US10581953B1 (en) * | 2017-05-31 | 2020-03-03 | Snap Inc. | Real-time content integration based on machine learned selections |
CN107562821A (zh) * | 2017-08-17 | 2018-01-09 | 平安科技(深圳)有限公司 | 基于数据库的数据透视方法、装置和计算机存储介质 |
KR20200068043A (ko) * | 2018-11-26 | 2020-06-15 | 전자부품연구원 | 영상 기계학습을 위한 객체 gt 정보 생성 방법 및 시스템 |
CN112783890B (zh) * | 2019-11-08 | 2024-05-07 | 珠海金山办公软件有限公司 | 一种生成数据透视表行的方法及装置 |
CN115618193A (zh) * | 2022-12-01 | 2023-01-17 | 北京维恩咨询有限公司 | 基于数据透视表的超级时间维度分析方法、装置和设备 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5537589A (en) | 1994-06-30 | 1996-07-16 | Microsoft Corporation | Method and system for efficiently performing database table aggregation using an aggregation index |
JPH1010995A (ja) | 1996-06-20 | 1998-01-16 | Fujitsu General Ltd | 液晶プロジェクタ照明装置 |
US6191792B1 (en) | 1997-02-10 | 2001-02-20 | Nippon Telegraph And Telephone Corporation | Scheme for automatic data conversion definition generation according to data feature in visual multidimensional data analysis tool |
JP3431482B2 (ja) * | 1998-01-23 | 2003-07-28 | 株式会社日立情報システムズ | 分類項目解析方法及びこのプログラムを記録した記録媒体 |
US6430545B1 (en) * | 1998-03-05 | 2002-08-06 | American Management Systems, Inc. | Use of online analytical processing (OLAP) in a rules based decision management system |
US6298342B1 (en) | 1998-03-16 | 2001-10-02 | Microsoft Corporation | Electronic database operations for perspective transformations on relational tables using pivot and unpivot columns |
US6044366A (en) | 1998-03-16 | 2000-03-28 | Microsoft Corporation | Use of the UNPIVOT relational operator in the efficient gathering of sufficient statistics for data mining |
US6374251B1 (en) | 1998-03-17 | 2002-04-16 | Microsoft Corporation | Scalable system for clustering of large databases |
US6216134B1 (en) | 1998-06-25 | 2001-04-10 | Microsoft Corporation | Method and system for visualization of clusters and classifications |
US6360224B1 (en) | 1999-04-23 | 2002-03-19 | Microsoft Corporation | Fast extraction of one-way and two-way counts from sparse data |
US6411313B1 (en) | 1999-06-14 | 2002-06-25 | Microsoft Corporation | User interface for creating a spreadsheet pivottable |
US6626959B1 (en) | 1999-06-14 | 2003-09-30 | Microsoft Corporation | Automatic formatting of pivot table reports within a spreadsheet |
US6405207B1 (en) | 1999-10-15 | 2002-06-11 | Microsoft Corporation | Reporting aggregate results from database queries |
US6484163B1 (en) | 2000-03-01 | 2002-11-19 | International Business Machines Corporation | Technique for data mining of large scale relational databases using SQL |
US6519599B1 (en) | 2000-03-02 | 2003-02-11 | Microsoft Corporation | Visualization of high-dimensional data |
US6505185B1 (en) | 2000-03-30 | 2003-01-07 | Microsoft Corporation | Dynamic determination of continuous split intervals for decision-tree learning without sorting |
EP1195694A3 (en) | 2000-10-06 | 2006-01-11 | International Business Machines Corporation | Automatic determination of OLAP Cube dimensions |
US7818286B2 (en) * | 2001-01-22 | 2010-10-19 | Sas Institute Inc. | Computer-implemented dimension engine |
US20040193633A1 (en) | 2003-03-28 | 2004-09-30 | Cristian Petculescu | Systems, methods, and apparatus for automated dimensional model definitions and builds utilizing simplified analysis heuristics |
US7089266B2 (en) * | 2003-06-02 | 2006-08-08 | The Board Of Trustees Of The Leland Stanford Jr. University | Computer systems and methods for the query and visualization of multidimensional databases |
US20050021489A1 (en) * | 2003-07-22 | 2005-01-27 | Microsoft Corporation | Data mining structure |
-
2004
- 2004-04-14 US US10/824,108 patent/US7225200B2/en not_active Expired - Fee Related
-
2005
- 2005-04-06 EP EP05102695A patent/EP1587008A3/en not_active Ceased
- 2005-04-13 KR KR1020050030779A patent/KR101130524B1/ko not_active IP Right Cessation
- 2005-04-14 CN CNB2005100673750A patent/CN100426289C/zh not_active Expired - Fee Related
- 2005-04-14 JP JP2005117562A patent/JP4233541B2/ja not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9123052B2 (en) | 2009-07-09 | 2015-09-01 | Accenture Global Services Limited | Marketing model determination system |
JP2011054156A (ja) * | 2009-08-31 | 2011-03-17 | Accenture Global Services Gmbh | 適応分析多次元処理システム |
US8600709B2 (en) | 2009-08-31 | 2013-12-03 | Accenture Global Services Limited | Adaptive analytics multidimensional processing system |
US10885011B2 (en) | 2015-11-25 | 2021-01-05 | Dotdata, Inc. | Information processing system, descriptor creation method, and descriptor creation program |
WO2018079225A1 (ja) * | 2016-10-31 | 2018-05-03 | 日本電気株式会社 | 自動予測システム、自動予測方法および自動予測プログラム |
JPWO2018079225A1 (ja) * | 2016-10-31 | 2019-09-12 | 日本電気株式会社 | 自動予測システム、自動予測方法および自動予測プログラム |
JP7069029B2 (ja) | 2016-10-31 | 2022-05-17 | ドットデータ インコーポレイテッド | 自動予測システム、自動予測方法および自動予測プログラム |
US11727203B2 (en) | 2017-03-30 | 2023-08-15 | Dotdata, Inc. | Information processing system, feature description method and feature description program |
US11514062B2 (en) | 2017-10-05 | 2022-11-29 | Dotdata, Inc. | Feature value generation device, feature value generation method, and feature value generation program |
Also Published As
Publication number | Publication date |
---|---|
US7225200B2 (en) | 2007-05-29 |
JP4233541B2 (ja) | 2009-03-04 |
EP1587008A3 (en) | 2006-07-05 |
CN1684068A (zh) | 2005-10-19 |
KR20060045677A (ko) | 2006-05-17 |
CN100426289C (zh) | 2008-10-15 |
EP1587008A2 (en) | 2005-10-19 |
US20050234960A1 (en) | 2005-10-20 |
KR101130524B1 (ko) | 2012-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4233541B2 (ja) | 目標変数の自動データパースペクティブ生成 | |
Zappia et al. | Clustering trees: a visualization for evaluating clusterings at multiple resolutions | |
US10713572B2 (en) | Data discovery nodes | |
KR101083519B1 (ko) | 데이터 퍼스펙티브들에서의 변칙 검출 | |
JP5025891B2 (ja) | 単純化された発見型分析(analysisheuristics)を利用する自動化されたディメンション・モデルの定義および構築のためのシステム、方法および装置 | |
Arredondo et al. | Inferring number of populations and changes in connectivity under the n-island model | |
EP1240566B1 (en) | Determining whether a variable is numeric or non-numeric | |
Khan et al. | A three-way approach for learning rules in automatic knowledge-based topic models | |
Pynam et al. | An extensive study of data analysis tools (rapid miner, weka, r tool, knime, orange) | |
Maâtouk et al. | Evolutionary biclustering algorithms: an experimental study on microarray data | |
US10509800B2 (en) | Visually interactive identification of a cohort of data objects similar to a query based on domain knowledge | |
Zhou et al. | Structural factor equation models for causal network construction via directed acyclic mixed graphs | |
JP2000040079A (ja) | 並列データ分析装置 | |
Richter | Spectral analysis of transient amplifiers for death–birth updating constructed from regular graphs | |
Hatwágner et al. | Behavioral analysis of fuzzy cognitive map models by simulation | |
Al-Najdi et al. | Multiple consensuses clustering by iterative merging/splitting of clustering patterns | |
Olsson et al. | Hard cases in source code to architecture mapping using Naive Bayes | |
Kim | " Designated communities": through the lens of the web | |
Munoz‐Erazo et al. | Creation of High‐Dimensional Reduction Analysis‐Compatible Histocytometry Files from Images of Densely‐Packed Cells and/or Variable Stain Intensity | |
US20190050467A1 (en) | Method and System for Content Creation and Management | |
Uluwiyah | Trusted big data for official statistics: Study case: Statistics Indonesia (BPS) | |
Cinar et al. | Clustering of short time-course gene expression data with dissimilar replicates | |
Loterman et al. | Learning algorithm selection for comprehensible regression analysis using datasetoids | |
Verbruggen et al. | avatar—Automated Feature Wrangling for Machine Learning | |
Guido et al. | Searching issues: a survey on data exploration techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20071122 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20071226 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071228 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071228 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20071228 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20080212 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080515 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081022 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081028 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20081126 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20081209 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111219 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4233541 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111219 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121219 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131219 Year of fee payment: 5 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |