JP2014164576A - 予測対象コンテンツにおける将来的なコメント数を予測する予測サーバ、プログラム及び方法 - Google Patents
予測対象コンテンツにおける将来的なコメント数を予測する予測サーバ、プログラム及び方法 Download PDFInfo
- Publication number
- JP2014164576A JP2014164576A JP2013035818A JP2013035818A JP2014164576A JP 2014164576 A JP2014164576 A JP 2014164576A JP 2013035818 A JP2013035818 A JP 2013035818A JP 2013035818 A JP2013035818 A JP 2013035818A JP 2014164576 A JP2014164576 A JP 2014164576A
- Authority
- JP
- Japan
- Prior art keywords
- comments
- prediction
- content
- determination time
- transition state
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】コンテンツ毎に、初動判定時間のコメント数によって投稿傾向を識別して学習情報として予め記憶した学習情報記憶手段と、初動判定時間における各単位時間のコメント数を計数する予測対象コメント検索手段と、初動判定時間のコメント数の推移状態から、投稿傾向のいずれであるかを識別する初動傾向識別手段と、初動判定時間のコメント数の推移状態と類似するコンテンツを、学習情報記憶手段の中から検索する初動判定時間検索手段と、検索されたコンテンツに対応する初動判定時間後のコメント数の推移状態を、当該予測対象コンテンツにおける将来的なコメント数の推移状態として導出するコメント数予測手段とを有する。
【選択図】図2
Description
「崖型」:配信後すぐに急増し、その後、急速に減少する
「山型」:配信後ゆっくりと漸増し、その後、減少する。
このような異なる投稿傾向を持つ異なる予測対象コンテンツを、単一の予測モデルを用いた場合、平均的な予測精度を少し高めることができたとしても、個別の予測対象コンテンツの予測精度を大きく高めることはできない。
コンテンツ毎に、時間経過に応じた各単位時間のコメント数の推移状態(時間的変化)を、初動判定時間のコメント数によって、複数の投稿傾向の中のいずれであるかを識別して、学習情報として予め記憶した学習情報記憶手段と、
サイトサーバから取得された、予測対象コンテンツについて初動判定時間における各単位時間のコメント数を計数する予測対象コメント検索手段と、
予測対象コンテンツにおける初動判定時間のコメント数の推移状態から、投稿傾向のいずれであるかを識別する初動傾向識別手段と、
予測対象コンテンツにおける初動判定時間のコメント数の推移状態と類似するコンテンツを、学習情報記憶手段における同一の推移型の中から検索する初動判定時間検索手段と、
検索されたコンテンツに対応する初動判定時間後のコメント数の推移状態を、当該予測対象コンテンツにおける将来的なコメント数の推移状態として導出するコメント数予測手段と
を有することを特徴とする。
学習情報記憶手段は、崖型のコンテンツについてそのコメント数の推移状態に基づいて算出された崖型の回帰モデルと、山型のコンテンツについてそのコメント数の推移状態に基づいて算出された山形の回帰モデルとを蓄積し、
初動判定時間検索手段は、学習情報記憶手段における同一の推移型の回帰モデルを用いることも好ましい。
コンテンツに対する初動判定時間のコメント数の推移状態から、その後に減少する「崖型」又は増加する「山型」のいずれであるかを識別する全体傾向識別手段を更に有し、
初動傾向識別手段は、学習データとして、コンテンツの初動判定時間のコメント数の推移状態と共に、全体傾向識別手段から出力された「崖型」「山型」とを入力する教師有り学習機能であることも好ましい。
サイトサーバは、ブログサイトサーバであって、
予測サーバは、
予測対象コンテンツに含まれるキーワード群を抽出する予測対象キーワード抽出手段を更に有し、
予測対象コメント検索手段は、予測対象キーワード抽出手段によって抽出されたキーワード群をキーとして、ブログサイトサーバから複数のコメントを検索し、時間経過に応じた各単位時間のコメント数を計数することも好ましい。
コンテンツ毎に、時間経過に応じた各単位時間のコメント数の推移状態(時間的変化)を、初動判定時間のコメント数によって、複数の投稿傾向の中のいずれであるかを識別して、学習情報として予め記憶した学習情報記憶手段と、
サイトサーバから取得された、予測対象コンテンツについて初動判定時間における各単位時間のコメント数を計数する予測対象コメント検索手段と、
予測対象コンテンツにおける初動判定時間のコメント数の推移状態から、投稿傾向のいずれであるかを識別する初動傾向識別手段と、
予測対象コンテンツにおける初動判定時間のコメント数の推移状態と類似するコンテンツを、学習情報記憶手段における同一の推移型の中から検索する初動判定時間検索手段と、
検索されたコンテンツに対応する初動判定時間後のコメント数の推移状態を、当該予測対象コンテンツにおける将来的なコメント数の推移状態として導出するコメント数予測手段と
してコンピュータを機能させることを特徴とする。
コンテンツ毎に、時間経過に応じた各単位時間のコメント数の推移状態(時間的変化)を、初動判定時間のコメント数によって、複数の投稿傾向の中のいずれであるかを識別して、学習情報として予め記憶した学習情報記憶部を有し、
サイトサーバから取得された、予測対象コンテンツについて初動判定時間における各単位時間のコメント数を計数する第1のステップと、
予測対象コンテンツにおける初動判定時間のコメント数の推移状態から、投稿傾向のいずれであるかを識別する第2のステップと、
予測対象コンテンツにおける初動判定時間のコメント数の推移状態と類似するコンテンツを、学習情報記憶手段における同一の推移型の中から検索する第3のステップと、
検索されたコンテンツに対応する初動判定時間後のコメント数の推移状態を、当該予測対象コンテンツにおける将来的なコメント数の推移状態として導出する第4のステップと
を有することを特徴とする。
予測対象キーワード抽出部11は、キーとなる予測対象コンテンツを入力し、当該予測対象コンテンツに含まれるキーワード群を抽出する。予測対象コンテンツは、Webページであってもよいし、URL(Uniform Resource Locator)のみであってもよい。URLのみである場合、予測対象キーワード抽出部11は、そのURLに基づくWebページを、コンテンツ公開サーバ3から取得する。これらコンテンツには、少なくともテキストが含まれていることを前提とする。
「[日本、42年ぶり優勝=米国の8連覇を阻む―ソフトボール女子]ソフトボールの女子世界選手権最終日は22日、カナダ・ホワイトホースで行われ、日本は決勝で8連覇を目指した米国を延長十回、2―1で破り、<7月23日(月)11時30分配信>」
このニュース記事から、例えば以下のようなキーワード群が抽出される。
「優勝」「連覇」「ソフトボール」
勿論、予測対象コンテンツのURLそのものを、キーワードとして抽出するものであってもよい。
予測対象コメント検索部12は、抽出されたキーワード群をキーとして、ブログサイトサーバ2から複数のコメントを検索する。前述のキーワード群をキーとして、例えば以下のようなコメントが検索される。
>投稿者ID: xxxyyy
>属性:30代、男性、会社員、スポーツ
>フォロワー数:200人
>内容:ようやった!日本、42年ぶり優勝=米国の8連覇を阻む―ソフトボール女子
http://www.news.jp/xxx
>投稿時刻:7月23日(月)12時30分
学習情報記憶部10は、コンテンツ毎に、時間経過に応じた各単位時間のコメント数の推移状態(時間的変化)を、初動判定時間のコメント数によって、複数の投稿傾向の中のいずれであるかを識別して、学習情報として予め記憶する。コンテンツ毎に、例えば配信後24時間について、10分(単位時間、スロット)毎のコメント数の推移状態(144スロットの時間的変化)を表す投稿傾向を記憶する。即ち、投稿傾向とは、時間経過に応じた投稿数の変化をいう。
崖型の回帰モデル:崖型のコンテンツについてそのコメント数の推移状態から算出
山型の回帰モデル:山型のコンテンツについてそのコメント数の推移状態から算出
回帰モデルは、サポートベクタ回帰(SVR(Support Vector Regression))に基づくものであってもよい(例えば非特許文献3参照)。非特許文献3に記載された回帰モデルは、時系列データから指定時間後のデータを予測する目的で用いられるものである。
全体傾向識別部15は、コンテンツに対する初動判定時間のコメント数の推移状態から、その後に減少する「崖型」又は増加する「山型」のいずれであるかを識別する。全体傾向識別部15は、ブログサイトサーバ2及びコンテンツ公開サーバ3と通信することによって、学習情報記憶部10へ記憶させるべき学習情報を生成する。
各点の座標(時間,コメント数)=(xi,yi)
時間xの平均:mu
コメント数yの平均:nu
Σi(xi−mu)(yi−nu)/Σi(xi−mu)2
例えば近似曲線の傾きを求める直線回帰(単回帰)を用いることも好ましい(例えば非特許文献4参照)。
R=TA/TN
初動傾向識別部13は、予測対象コンテンツにおける初動判定時間のコメント数の推移状態から、投稿傾向のいずれであるかを識別する。例えば現在時刻から、予測対象コンテンツに対する将来的なコメント数を予測したいとする。このとき、現在時刻から遡った一定時間(例えば1時間)における推移状態を、初動判定時間とする。そして、初動傾向を判定する最も簡単な方法としては、初動判定時間(例えば1時間:N=6スロット)の予測データについて、以下のように識別する。
「崖型」:Nスロット間でコメント数が減少傾向にある
「山型」:Nスロット間でコメント数が減少傾向にある
PA=R×PN
(1)初動傾向識別部13は、予測対象コンテンツの配信時刻を、判定要素として識別する。図5は、配信時刻に応じて崖型又は山型の比率を表すグラフである。図5によれば、山型は、早朝や午前中に配信されるコンテンツの比率が高くなる傾向が見られる。一方で、崖型は、夕方や夜間に配信されるコンテンツの比率が高くなる傾向が見られる。このグラフは、予め統計的に計測して記録されたものである。
初動判定時間検索部14は、予測対象コンテンツにおける初動判定時間のコメント数の推移状態と類似するコンテンツを、学習情報記憶部10における同一の推移型の中から検索する。初動判定時間検索部14は、学習情報記憶部10における同一の推移型の回帰モデルを用いることも好ましい。
コメント数予測部16は、検索されたコンテンツに対応する初動判定時間後のコメント数の推移状態を、当該予測対象コンテンツにおける将来的なコメント数の推移状態として導出する。このように、予測対象コンテンツの過去から現在までのコメント数の傾向(推移状態)と、過去に収集された他の多数のコンテンツの推移状態と比較することによって、今後のコメント数の増減の傾向を予測することができる。
ランキング公開部17は、複数の予測対象コンテンツについて、コメント数予測部16によって導出された将来的なコメント数が多いコンテンツから順にソートしたランキング情報を、ページ情報としてクライアントへ公開する。この場合、複数の予測対象コンテンツは、ユーザによって選択されたものであってもよいし、予測サーバの運営事業者によった予め選択されたものであってもよい。例えば、ユーザは、現在それほど注目されていないけれども、その後、コメント数が急増するようなコンテンツを知ることができる。
投稿傾向を識別しない単一モデルの場合 :予測精度55%程度
投稿傾向(崖型又は山型)を識別した複数モデルの場合:予測精度81%程度
10 学習情報記憶部
11 予測対象キーワード抽出部
12 予測対象コメント検索部
13 初動傾向識別部
14 初動判定時間検索部
15 全体傾向識別部
16 コメント数予測部
17 ランキング公開部
2 ブログサイトサーバ
3 コンテンツ公開サーバ
4 端末
Claims (12)
- 複数の投稿者間でテキストのコメントを発信し合うサイトサーバと通信可能であり、予測対象コンテンツにおける将来的なコメント数を予測する予測サーバであって、
コンテンツ毎に、時間経過に応じた各単位時間のコメント数の推移状態(時間的変化)を、初動判定時間のコメント数によって、複数の投稿傾向の中のいずれであるかを識別して、学習情報として予め記憶した学習情報記憶手段と、
前記サイトサーバから取得された、前記予測対象コンテンツについて初動判定時間における各単位時間のコメント数を計数する予測対象コメント検索手段と、
前記予測対象コンテンツにおける初動判定時間のコメント数の推移状態から、投稿傾向のいずれであるかを識別する初動傾向識別手段と、
前記予測対象コンテンツにおける初動判定時間のコメント数の推移状態と類似するコンテンツを、前記学習情報記憶手段における同一の推移型の中から検索する初動判定時間検索手段と、
検索されたコンテンツに対応する初動判定時間後のコメント数の推移状態を、当該予測対象コンテンツにおける将来的なコメント数の推移状態として導出するコメント数予測手段と
を有することを特徴とする予測サーバ。 - 前記投稿傾向は、初動判定時間のコメント数に対して、その後に減少する「崖型」、又は、その後に増加する「山型」のいずれかであることを特徴とする請求項1に記載の予測サーバ。
- 前記学習情報記憶手段は、崖型のコンテンツについてそのコメント数の推移状態に基づいて算出された崖型の回帰モデルと、山型のコンテンツについてそのコメント数の推移状態に基づいて算出された山形の回帰モデルとを蓄積し、
前記初動判定時間検索手段は、前記学習情報記憶手段における同一の推移型の回帰モデルを用いる
ことを特徴とする請求項2に記載の予測サーバ。 - 前記回帰モデルは、サポートベクタ回帰(SVR(Support Vector Regression))に基づくものであることを特徴とする請求項3に記載の予測サーバ。
- 前記コンテンツに対する初動判定時間のコメント数の推移状態から、その後に減少する「崖型」又は増加する「山型」のいずれであるかを識別する全体傾向識別手段を更に有し、
前記初動傾向識別手段は、学習データとして、前記コンテンツの初動判定時間のコメント数の推移状態と共に、前記全体傾向識別手段から出力された「崖型」「山型」とを入力する教師有り学習機能である
ことを特徴とする請求項2から4のいずれか1項に記載の予測サーバ。 - 前記初動傾向識別手段は、サポートベクタマシン又はC4.5であることを特徴とする請求項5に記載の予測サーバ。
- 前記初動傾向識別手段は、前記予測対象コンテンツにおける初動判定時間のコメント数の推移状態における近似曲線の傾きを、判定要素として識別することを特徴とする請求項5又は6のいずれか1項に記載の予測サーバ。
- 前記初動傾向識別手段は、前記予測対象コンテンツの配信時刻を、判定要素として識別することを特徴とする請求項5から7のいずれか1項に記載の予測サーバ。
- 前記初動傾向識別手段は、前記予測対象コンテンツの内容種別を、判定要素として識別することを特徴とする請求項5から8のいずれか1項に記載の予測サーバ。
- 前記サイトサーバは、ブログサイトサーバであって、
前記予測サーバは、
前記予測対象コンテンツに含まれるキーワード群を抽出する予測対象キーワード抽出手段を更に有し、
前記予測対象コメント検索手段は、前記予測対象キーワード抽出手段によって抽出されたキーワード群をキーとして、前記ブログサイトサーバから複数のコメントを検索し、時間経過に応じた各単位時間のコメント数を計数する
ことを特徴とする請求項1から9のいずれか1項に記載の予測サーバ。 - 複数の投稿者間でテキストのコメントを発信し合うサイトサーバと通信可能であり、予測対象コンテンツにおける将来的なコメント数を予測するサーバに搭載されたコンピュータを機能させる予測プログラムであって、
コンテンツ毎に、時間経過に応じた各単位時間のコメント数の推移状態(時間的変化)を、初動判定時間のコメント数によって、複数の投稿傾向の中のいずれであるかを識別して、学習情報として予め記憶した学習情報記憶手段と、
前記サイトサーバから取得された、前記予測対象コンテンツについて初動判定時間における各単位時間のコメント数を計数する予測対象コメント検索手段と、
前記予測対象コンテンツにおける初動判定時間のコメント数の推移状態から、投稿傾向のいずれであるかを識別する初動傾向識別手段と、
前記予測対象コンテンツにおける初動判定時間のコメント数の推移状態と類似するコンテンツを、前記学習情報記憶手段における同一の推移型の中から検索する初動判定時間検索手段と、
検索されたコンテンツに対応する初動判定時間後のコメント数の推移状態を、当該予測対象コンテンツにおける将来的なコメント数の推移状態として導出するコメント数予測手段と
してコンピュータを機能させることを特徴とするサーバ用の予測プログラム。 - 複数の投稿者間でテキストのコメントを発信し合うサイトサーバと通信可能であり、予測対象コンテンツにおける将来的なコメント数を予測するサーバにおけるコメント数予測方法であって、
コンテンツ毎に、時間経過に応じた各単位時間のコメント数の推移状態(時間的変化)を、初動判定時間のコメント数によって、複数の投稿傾向の中のいずれであるかを識別して、学習情報として予め記憶した学習情報記憶部を有し、
前記サイトサーバから取得された、前記予測対象コンテンツについて初動判定時間における各単位時間のコメント数を計数する第1のステップと、
前記予測対象コンテンツにおける初動判定時間のコメント数の推移状態から、投稿傾向のいずれであるかを識別する第2のステップと、
前記予測対象コンテンツにおける初動判定時間のコメント数の推移状態と類似するコンテンツを、前記学習情報記憶手段における同一の推移型の中から検索する第3のステップと、
検索されたコンテンツに対応する初動判定時間後のコメント数の推移状態を、当該予測対象コンテンツにおける将来的なコメント数の推移状態として導出する第4のステップと
を有することを特徴とするコメント数予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013035818A JP5952756B2 (ja) | 2013-02-26 | 2013-02-26 | 予測対象コンテンツにおける将来的なコメント数を予測する予測サーバ、プログラム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013035818A JP5952756B2 (ja) | 2013-02-26 | 2013-02-26 | 予測対象コンテンツにおける将来的なコメント数を予測する予測サーバ、プログラム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014164576A true JP2014164576A (ja) | 2014-09-08 |
JP5952756B2 JP5952756B2 (ja) | 2016-07-13 |
Family
ID=51615114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013035818A Expired - Fee Related JP5952756B2 (ja) | 2013-02-26 | 2013-02-26 | 予測対象コンテンツにおける将来的なコメント数を予測する予測サーバ、プログラム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5952756B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019053621A (ja) * | 2017-09-15 | 2019-04-04 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
CN109961183A (zh) * | 2019-03-20 | 2019-07-02 | 重庆邮电大学 | 一种评论信息对用户签到影响的度量方法 |
CN111325390A (zh) * | 2020-02-17 | 2020-06-23 | 电子科技大学 | 一种基于兴趣演化的学者合作关系预测方法 |
JP2020144771A (ja) * | 2019-03-08 | 2020-09-10 | Fringe81株式会社 | 投稿管理システム、投稿管理サーバ、及び投稿管理プログラム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10997250B2 (en) | 2018-09-24 | 2021-05-04 | Salesforce.Com, Inc. | Routing of cases using unstructured input and natural language processing |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005216202A (ja) * | 2004-02-02 | 2005-08-11 | Fuji Heavy Ind Ltd | 未来値予測装置および未来値予測方法 |
JP2011081491A (ja) * | 2009-10-05 | 2011-04-21 | Nec Biglobe Ltd | 時系列分析装置、時系列分析方法、及びプログラム |
JP2011159282A (ja) * | 2009-12-30 | 2011-08-18 | Mitsubishi Electric Research Laboratories Inc | 非線形的な季節的時系列を予測するための方法 |
JP2013037624A (ja) * | 2011-08-10 | 2013-02-21 | Sony Computer Entertainment Inc | 情報処理システム、情報処理方法、プログラム及び情報記憶媒体 |
-
2013
- 2013-02-26 JP JP2013035818A patent/JP5952756B2/ja not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005216202A (ja) * | 2004-02-02 | 2005-08-11 | Fuji Heavy Ind Ltd | 未来値予測装置および未来値予測方法 |
JP2011081491A (ja) * | 2009-10-05 | 2011-04-21 | Nec Biglobe Ltd | 時系列分析装置、時系列分析方法、及びプログラム |
JP2011159282A (ja) * | 2009-12-30 | 2011-08-18 | Mitsubishi Electric Research Laboratories Inc | 非線形的な季節的時系列を予測するための方法 |
JP2013037624A (ja) * | 2011-08-10 | 2013-02-21 | Sony Computer Entertainment Inc | 情報処理システム、情報処理方法、プログラム及び情報記憶媒体 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019053621A (ja) * | 2017-09-15 | 2019-04-04 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP2020144771A (ja) * | 2019-03-08 | 2020-09-10 | Fringe81株式会社 | 投稿管理システム、投稿管理サーバ、及び投稿管理プログラム |
CN109961183A (zh) * | 2019-03-20 | 2019-07-02 | 重庆邮电大学 | 一种评论信息对用户签到影响的度量方法 |
CN109961183B (zh) * | 2019-03-20 | 2023-06-23 | 重庆邮电大学 | 一种评论信息对用户签到影响的度量方法 |
CN111325390A (zh) * | 2020-02-17 | 2020-06-23 | 电子科技大学 | 一种基于兴趣演化的学者合作关系预测方法 |
CN111325390B (zh) * | 2020-02-17 | 2023-04-18 | 电子科技大学 | 一种基于兴趣演化的学者合作关系预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5952756B2 (ja) | 2016-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7860878B2 (en) | Prioritizing media assets for publication | |
US9785888B2 (en) | Information processing apparatus, information processing method, and program for prediction model generated based on evaluation information | |
US7685091B2 (en) | System and method for online information analysis | |
US9015156B2 (en) | Interactive computing recommendation facility with learning based on user feedback and interaction | |
US8234311B2 (en) | Information processing device, importance calculation method, and program | |
JP5160601B2 (ja) | 相対頻度に基づくフレーズマイニングのためのシステム、方法、及び装置 | |
WO2017020451A1 (zh) | 信息推送方法和装置 | |
Shi et al. | Learning-to-rank for real-time high-precision hashtag recommendation for streaming news | |
US20080104034A1 (en) | Method For Scoring Changes to a Webpage | |
US20100318526A1 (en) | Information analysis device, search system, information analysis method, and information analysis program | |
WO2018048683A1 (en) | Compiling documents into a timeline per event | |
Hopfgartner et al. | Semantic user profiling techniques for personalised multimedia recommendation | |
JP5952711B2 (ja) | 予測対象コンテンツにおける将来的なコメント数を予測する予測サーバ、プログラム及び方法 | |
JP5952756B2 (ja) | 予測対象コンテンツにおける将来的なコメント数を予測する予測サーバ、プログラム及び方法 | |
Gulla et al. | Implicit user profiling in news recommender systems | |
Natarajan et al. | Recommending news based on hybrid user profile, popularity, trends, and location | |
Chowdury et al. | A data mining based spam detection system for youtube | |
JP6047365B2 (ja) | 検索装置、検索プログラムおよび検索方法 | |
De Nies et al. | Bringing Newsworthiness into the 21st Century. | |
WO2016027364A1 (ja) | 話題クラスタ選択装置、及び検索方法 | |
JP6373767B2 (ja) | 話題語ランキング装置、話題語ランキング方法、およびプログラム | |
Hopfgartner et al. | Semantic user modelling for personal news video retrieval | |
CN110147488B (zh) | 页面内容的处理方法、处理装置、计算设备及存储介质 | |
Quezada et al. | Understanding real-world events via multimedia summaries based on social indicators | |
US20100287136A1 (en) | Method and system for the recognition and tracking of entities as they become famous |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150804 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160422 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160506 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160517 |
|
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: 20160606 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160610 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5952756 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |