JP2015103018A - 行動パターン分析装置および行動パターン分析方法 - Google Patents
行動パターン分析装置および行動パターン分析方法 Download PDFInfo
- Publication number
- JP2015103018A JP2015103018A JP2013243063A JP2013243063A JP2015103018A JP 2015103018 A JP2015103018 A JP 2015103018A JP 2013243063 A JP2013243063 A JP 2013243063A JP 2013243063 A JP2013243063 A JP 2013243063A JP 2015103018 A JP2015103018 A JP 2015103018A
- Authority
- JP
- Japan
- Prior art keywords
- action
- behavior
- behavior pattern
- analysis
- pattern
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 99
- 230000009471 action Effects 0.000 claims description 129
- 238000000034 method Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 description 116
- 230000007704 transition Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000013075 data extraction Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000010411 cooking Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
また、判定した行動パターンは、商品購入時のユーザの状態に関する遷移条件に該当するか否かを判定するために用いられるものである。このため、ユーザの1日の生活行動パターンのような時刻に連動するような行動パターンの分析には適さないという問題がある。
以下、本発明に係る実施形態の行動パターン分析装置を備えた行動パターン分析システムについて、図面に基づいて説明する。
[行動パターン分析システムの全体構成]
図1は、本実施形態の行動パターン分析システム1の概略構成を示すブロック図である。
図1に示すように、行動パターン分析システム1は、ユーザ端末10と、本発明の行動パターン分析装置およびサービス提供装置として機能するサーバ装置20と、を備え、これらのユーザ端末10及びサーバ装置20がネットワーク(例えばインターネット等のWAN(Wide Area Network))5を介して通信可能に接続されている。
行動パターン分析システム1では、ユーザ端末10からサーバ装置20に対してアクセスがあった際に、サーバ装置20は、そのアクセスログ(行動ログ)を検出して蓄積する。そして、サーバ装置20は、蓄積したアクセスログに基づいて、ユーザ端末10の操作者であるユーザの行動パターンを分析する。以下、各構成について詳細に説明する。
ユーザ端末10としては、例えば、デスクトップ型パーソナルコンピュータ、ノート側パーソナルコンピュータ、スマートフォン、携帯電話、タブレット端末等の各種デバイスを例示できる。また、図1に示すように、一人のユーザが、デスクトップ型パーソナルコンピュータ(パソコン10A)、スマートフォン10B、タブレット端末10Cの複数のデバイスを所持している場合もある。
ユーザ端末10は、図1に示すように、表示部11と、入力操作部12と、端末通信部13と、端末記憶部14と、端末制御部15と、を含んで構成される。
入力操作部12は、ユーザ操作による操作信号を端末制御部15に出力する。入力操作部としては、例えば、表示部11と一体に設けられたタッチパネルや、キーボード、マウス等の入力装置等を例示できる。
端末通信部13は、ネットワーク5上の所定の装置と通信する。
また、端末記憶部14には、その他、ユーザ端末を制御するための各種プログラム等が記憶される。
図2は、サーバ装置20の概略構成を示すブロック図である。
サーバ装置20は、コンピュータにより構成され、本発明の行動パターン分析装置として機能するとともに、ユーザ端末10に対して各種サービスを提供するWEBサーバ等のサービス提供装置としても機能する。このサーバ装置20は、サーバ通信部21と、サーバ記憶部22と、サーバ制御部23と、入力装置24と、表示装置25等を含んで構成されている。
また、入力装置24は、キーボード、タッチパネル、マウス等で構成され、行動パターンの分析者は入力装置24を用いて分析条件等を入力できる。表示装置25は、液晶ディスプレイなどで構成され、分析結果等を表示する。なお、サーバ装置20には、入力装置24および表示装置25を設けずに、サーバ装置20にLAN等を介して分析用端末を接続し、この分析用端末で分析条件を入力したり、分析結果を表示してもよい。
ログ取得手段231は、ユーザ端末10からアクセスがあった際に、ユーザID、アクセス時刻(時刻情報)、ユーザ端末10のデバイスデータ、アクセス先のサービスである利用サービスデータ等を取得し、これらを関連付けて、図3に示すようなアクセスログとしてサーバ記憶部22に蓄積する。すなわち、アクセスログは、分析対象であるユーザ(ユーザ端末10)のアクセス行動が検出された時刻を示す時刻情報と、前記ユーザの状況を特定可能な分類情報(デバイスデータや利用サービスデータ)とを含む行動履歴データである。従って、ログ取得手段231は、行動履歴データ(アクセスログ)を取得する行動履歴取得手段として機能する。
ユーザIDは、分析対象であるユーザを示す匿名化されたIDである。アクセス時刻は、ユーザ端末10がWEBサーバであるサーバ装置20にアクセスした時刻である。
クラスタリング手段232は、サーバ記憶部22に記憶、蓄積されたアクセスログに基づいた各ユーザの行動パターンを、複数種の行動グループ(クラスタ)に分類(クラスタリング)する。
このため、クラスタリング手段232は、分析対象設定部2321と、行動履歴データ抽出手段2322と、行動パターン作成手段2323と、グループ化手段2324とを備える。これらの各手段の詳細は、後述するクラスタリング処理において説明する。
代表パターン生成手段233は、各行動グループの代表的な行動パターンを生成する。
従って、本実施形態では、クラスタリング手段232および代表パターン生成手段233によって、本発明の行動パターン分析装置が構成される。
サービス提供手段236は、ユーザ端末10からの要求に応じて、WEB上で利用可能なサービスをユーザ端末10に提供する。サービス提供手段236により提供されるサービスとしては、例えば、ニュース等の情報発信サービス、オンライン上での商取引サービス(例えば株取引やオンライショッピング等)、メールサービス等が含まれる。
次に、上記のようなサーバ装置(行動パターン分析装置)20における処理方法について図4のフローチャートも参照して説明する。図4のステップS1〜S4は、蓄積されたアクセスログに基づいて、各ユーザの行動パターンをクラスタリングして行動グループを分類するクラスタリング処理であり、ステップS5はその代表パターンを生成する代表パターン生成処理である。以下、各処理の詳細を説明する。
サーバ装置20のクラスタリング手段232によるクラスタリング処理について、図面に基づいて説明する。
分析準備として、クラスタリング手段232の分析対象設定部2321は、行動パターンを分析する際に、どのような状況のユーザの行動を分析するかを指定する分析対象条件を設定する(ステップS1)。具体的には、分析対象とする行動履歴データを収集する収集期間情報と、行動パターンを分析するための期間を示す分析期間情報と、行動パターンを分析する際の単位期間情報と、分析対象として指定する分類情報とを設定する。この設定は、分析者が入力装置24を用いてサーバ装置20に入力することで設定される。
分析期間情報は、どの程度の期間の行動パターンを分析対象とするかを設定するものである。例えば、1日毎の行動パターンを分析する場合には、前記分析期間情報は1日(例えば、00:00:00から23:59:59)が設定される。また、1週間毎の行動パターンを分析する場合には、前記分析期間情報は1週間(例えば、日曜日から土曜日)が設定される。さらに、6時間毎の行動パターンを分析する場合には、前記分析期間情報は6時間(例えば、00:00:00から05:59:59、06:00:00〜11:59:59、12:00:00から17:59:59、18:00:00〜23:59:59)が設定される。
単位期間情報は、前記分析期間情報よりも短い時間間隔であり、行動(アクセス)の有無を判定する単位時間を設定するものである。例えば、分析期間情報が1日である場合に、単位期間情報は1時間単位(例えば、00:00:00から00:59:59、01:00:00から01:59:59、…、23:00:00から23:59:59)に設定される。なお、単位期間情報は、1時間単位に限定されず、30分単位としてもよいし、2時間単位にしてもよく、行動パターンの分析目的等に応じて設定すればよい。
さらに、分類情報としては、デバイスデータのうちの1つあるいは複数のデバイスを指定することもできる。例えば、パソコン10Aのみを指定したり、スマートフォン10Bのみを指定してもよいし、スマートフォン10Bおよびタブレット端末10Cの2つのデバイスを指定してもよい。同様に、サービスデータのうちの1つあるいは複数のサービスを指定してもよい。従って分類情報は、分析者が分析目的に応じて設定する。
図5(A)は、抽出されたユーザの1日分の行動履歴データである。なお、この際、分析対象条件の分類情報には、デバイスデータにパソコンを指定し、利用サービスデータは指定していない。また、1時間毎にアクセス回数が集計されている。このため、図5(A)のグラフは、横軸が1日の時間、縦軸がアクセス数とされた時間毎のアクセス数の推移を示すグラフである。
各ユーザの行動パターンは、デバイスデータや、利用アクセスデータ等、多値により表せる複数のパラメータを有する。例えば、分類情報としてデバイスデータを設定した場合、所定の時間単位(例えば1時間単位)毎に、パソコン10Aでのアクセスがあった場合に「1」、スマートフォン10Bでのアクセスがあった場合に「2」、タブレット端末10Cでのアクセスがあった場合に「3」、その時間帯のアクセスログが無く、いずれの端末からもアクセスがなかった場合に「0」に設定すれば、「0〜3」の4値で、アクセスしたデバイスのパラメータを表せる。
同様に利用サービスデータに関しても、アクセスが無かった場合を含めて「対象となるサービスの数+1」の値で、サービスのパラメータを表せる。グループ化手段2324は、これらの多値のパラメータを有する複合ディリクレプロセスモデルを用いて、ノンパラメトリックベイズ法によりクラスタリングを実施する。
これにより、各ユーザに対して、それぞれ最適な数の行動グループが算出され、図5(C)に示すように、行動パターンをクラスタリングした複数個の行動グループを生成することができる。図5(C)は、4つの行動グループが生成された例である。
このステップS5では、代表パターン生成手段233は、例えば、各行動グループに含まれる複数の行動パターンの平均値を算出する。図6、7には、代表パターンの一例が示されている。
図6は、あるユーザAの行動パターン分析結果であり、このユーザAでは、図6(A)に示すように、2つの行動グループG1,G2が生成された。各行動グループG1,G2の分類を、収集期間の曜日毎に割り当てると、図6(B)のように2種類に分類される。行動グループG2は、土曜日や火曜日などに該当することが多い。1週間のうちの2日間が該当することが多いため、これらの曜日が休日である職業のユーザであることを推定できる。すなわち、行動グループG2は休日型の行動パターンのグループであると言える。
一方、行動グループG1は、その他の日、つまり勤務日であると推定され、行動グループG1は平日型の行動パターンのグループであると言える。
次に、前述した分析条件において、複数のデバイスデータが分類条件として設定された場合の例について説明する。具体的には、スマートフォンと、タブレット端末とを用いたアクセスを分析する。
この場合、行動履歴データ抽出手段2322は、サーバ記憶部22に記憶されたアクセスログからデバイスデータがスマートフォンおよびタブレット端末に該当する行動履歴データを抽出し、図8(A)に示す1時間毎のアクセス数の推移を示す1日分の行動履歴データを作成する(ステップS2)。なお、図8(A)では、がスマートフォンによる各時間帯のアクセス数の推移を実線51で示し、タブレット端末でのアクセス数の推移を点線52で示す。
この際、単位時間(1時間毎)毎に、アクセスが有ることを示す「1」の値は、いずれか1つのデバイスのみに設定され、同時間帯の他のデバイスは「0」となるように設定している。例えば、図8(A)の15時のアクセス数は、スマートフォンが「20」であり、タブレット端末が「2」である。このため、いずれのデバイスもサーバ装置20にアクセスしているが、図8(B)の15時のアクセスの有無を示す2値化データは、アクセス数の多いスマートフォンを「1」とし、タブレット端末を「0」としている。すなわち、同時間帯に複数のデバイスでアクセスした場合、各デバイス(分類情報)の行動(アクセス)を評価する評価指標の情報に基づいて選択されたデバイスのみを「1」に設定し、他のデバイスは「0」に設定する。
これにより、デバイスデータなどの多値のパラメータを有する複合ディリクレプロセスモデルを用いてノンパラメトリックベイズ法でクラスタリングする処理を容易に実行できる。
(A)占有時間を評価指標とした場合は、同時間帯に複数のデバイスがアクセスした場合に、アクセスしている時間が最も長いデバイスのみを「1」に設定すればよい。
(B)回数を評価指標とした場合は、同時間帯に複数のデバイスがアクセスした場合に、アクセス回数が最も多いデバイスのみを「1」に設定すればよい。
(C)変化率や密度を評価指標とした場合は、例えば、単位時間当たりのアクセス回数が最も高いデバイスのみを「1」に設定すればよい。すなわち、一方のデバイスが30分間に5回アクセスしており、他方のデバイスが10分間に5回している場合には、5回/30分<5回/10分であるため、他方のデバイスのみを「1」に設定すればよい。
(D)障害後の回復であるかを評価指標とした場合には、例えば、ネットワーク障害直後に再アクセスしたデバイスを評価して「1」に設定すればよい。
なお、これらの評価指標や、「1」に設定する条件は一例であり、行動分析の目的などに応じて設定すればよい。
次に、代表パターン生成手段233は、ステップS4により生成された各行動グループにおける代表パターンを生成する(ステップS5)。
各行動グループG21〜G23の分類を、収集期間の曜日毎に割り当てると、図9(B)のように3種類に分類される。行動グループG21は、平日に該当することが多いため、平日型1の行動パターンのグループであると言える。また、行動グループG22は、土日の休日に該当することが多いため、休日型の行動パターンのグループであると言える。
さらに、行動グループG23は、火曜日や水曜日の平日に多く該当するが、夕方や夜にスマートフォンでアクセスしたり、タブレットでアクセスすることが多いため、前記平日型1とは異なる平日型2の行動パターンのグループであると言える。この平日型2は、夕食の時間帯にタブレット等でのアクセスが多いため、料理レシピを参考に調理していることが予測できる。
次に、前述した分析条件において、複数の利用サービスデータが分類条件として設定された場合の例について説明する。具体的には、前述した10種類のサービスにアクセスしたかを分析する。
この場合、行動履歴データ抽出手段2322は、サーバ記憶部22に記憶されたアクセスログから利用サービスデータが前記10種類のサービスに該当する行動履歴データを抽出し、1時間毎のアクセス数の推移を示す1日分の行動履歴データを作成する(ステップS2)。
この際、前記図8(B)のデバイスデータの場合と同じく、単位時間(1時間毎)毎に、アクセスが有ることを示す「1」の値は、いずれか1つのサービスのみに設定され、同時間帯の他のサービスへのアクセスは「0」となるように設定し、クラスタリングを容易に処理できるようにしている。
次に、代表パターン生成手段233は、ステップS4により生成された各行動グループにおける代表パターンを生成する(ステップS5)。
図11は、あるユーザDの行動パターン分析結果であり、このユーザDでは、図11(A)に示すように、2つの行動グループG31、G32が生成された。なお、図11(A)に示す代表パターンの実線71はメールサービスへのアクセスの代表パターンである。その他のサービスへのアクセスの代表パターンは、メールサービスへのアクセスに比べると頻度が少なく、特徴的なパターンは見いだせなかった。
各行動グループG31、G32の分類を、収集期間の曜日毎に割り当てると、図11(B)のように2種類に分類される。行動グループG32は、週に2日間(日曜日と水曜日など)に該当することが多いため、休日型の行動パターンのグループであると言える。
一方、行動グループG31は、その他の日付に該当することが多いため、平日型の行動パターンのグループであると言える。
さらに、行動グループG32は、日曜日と水曜日に該当しているため、開業医などの医療関係者である可能性がある。また、休日型の行動グループG32では、メールサービスへのアクセスを18時頃には終わらせている。一方、平日型の行動グループG31では、夜遅くまでメールサービスへアクセスしていることが分析できる。
各行動グループG41〜G44の分類を、収集期間の曜日毎に割り当てると、図12(B)のように4種類に分類される。このユーザEは、金融サービスへのアクセスが多いため、トレーダーのような金融関係の仕事を行っていると推定できる。また、平日は1週間毎に行動パターンが大きく相違し、特に金融サービスへのアクセス時間が異なることから、日勤と夜勤とを交互に行っていることが推定できる。さらに、日曜日は一日中、金融サービスにアクセスする傾向にあった。
本実施形態のサーバ装置20は、ユーザ毎のアクセスログを蓄積するサーバ記憶部22を備える。そして、アクセスログには、ユーザIDの他に、分類情報としてデバイスデータや利用サービスデータも記憶されているので、ユーザがどのような状況(シチュエーション)でサーバ装置20にアクセスしているのかを記録できる。
そして、サーバ装置20のクラスタリング手段232は、前記分類情報毎に行動パターンを分析するため、ユーザのアクセス状況を踏まえて行動パターンをクラスタリングでき、各ユーザの行動パターンのグループを精度良く分類できる。
すなわち、分類情報としてデバイスデータを用いた場合には、各ユーザがどのようなデバイスでアクセスしているかを踏まえて行動パターンを分類できる。従って、同じ時間帯にメールサービスなどの同じサービスにアクセスしていても、利用しているデバイスがスマートフォンのように外出中にも使用できるデバイスであるのか、あるいはパソコンのように自宅で使用しているデバイスであるのかによって、行動パターンを区別できる。従って、各ユーザの行動パターンを適切にグループ分けでき、各ユーザの行動を精度良く分析できる。
同様に、分類情報として利用サービスデータを用いた場合には、各ユーザがどのようなサービスにアクセスしているかを踏まえて行動パターンを分類できる。従って、同じ時間帯にアクセスしていても、地図サービスのように外出中に使用される頻度が高いサービスであるのかなどによって、行動パターンを区別できる。従って、各ユーザの行動パターンを適切にグループ分けでき、各ユーザの行動を精度良く分析できる。
このようなクラスタリングでは、各ユーザのそれぞれに対して、最適な行動グループの数を設定でき、精度よく、ユーザの行動を分類することができる。例えば、前記ユーザA〜Eは、各ユーザの行動履歴データの相違により、行動グループの数を2〜5に自動的に設定できる。このため、各ユーザA〜Eの行動パターンを精度よく分類できる。
したがって、例えば、予めグループの数を3個などと設定しておき、ユーザの行動パターンをこれらのグループのいずれかに属するかを判定する場合に比べて、各ユーザの固有の行動パターンに合わせた最適なクラスタリングを実施できる。
そして、各ユーザの行動パターンを精度良く判定できることで、各ユーザに適したサービスや情報をユーザに対して提供することができ、ユーザの利便性も向上できる。
なお、本発明は、上述した実施形態に限定されるものではなく、本発明の目的を達成できる範囲で、以下に示される変形をも含むものである。
分析対象設定部2321は、分類情報として、デバイスデータを設定する場合と、利用サービスデータを設定する場合とを例示したが、デバイスデータおよび利用サービスデータの両方を設定してもよい。この場合、分類情報としては、スマートフォンによるメールサービスへのアクセス、スマートフォンによるニュースサービスへのアクセス、パソコンによるメールサービスへのアクセスのように、デバイスと利用サービスとを組み合わせたものをパラメータとすれば良い。
位置データは、ユーザ端末10がサーバ装置20にアクセスした際のユーザ端末10の現在位置を示すデータであり、アクセスログに記憶すればよい。この位置データとしては、例えば、現在位置の都道府県を示すパラメータ等に設定した場合は、都道府県数に対応した多値のパラメータとなる。
なお、ユーザ端末10がGPSセンサー等の位置計測手段を備えている場合には、位置計測手段で計測された位置情報(緯度、経度)を前記位置データとして記録すればよい。また、ユーザ端末10が位置計測手段を備えていない場合には、ユーザ端末10が通信する基地局の位置情報(緯度および経度または住所データ)を前記位置データとして記録すればよい。
このような位置データを分類情報として用いれば、ユーザのアクセス時のシチュエーションとして、例えば、自宅でのアクセスか、会社でのアクセスか、あるいは通勤中のアクセスであるかなどのアクセス場所による分類情報に基づいて行動パターンを分析できる。従って、各ユーザの行動パターンをより精度よく分類できる。
このような気象データを分類情報として用いれば、ユーザのアクセス時のシチュエーション、例えば、天気が晴れで湿度が60%以下の場合の行動パターンも分類できる。従って、各ユーザの行動パターンが天候にどのように影響されるのかなどを高精度に分析することができる。
同様に、利用サービスデータとしても前記実施形態で例示した10種類に限らない。
要するに、分類情報にどのようなパラメータを設定するかは、行動パターンの分析目的などに応じて設定すればよい。
Claims (8)
- 分析対象の行動が検出された時刻を示す時刻情報と、前記分析対象の状況を特定可能な分類情報とを含む行動履歴データを取得する行動履歴取得手段と、
前記行動履歴取得手段が取得した行動履歴データを分析し、分析対象に応じたグループ数で行動パターンをグループ化するクラスタリング手段とを備えることを特徴とする行動パターン分析装置。 - 請求項1に記載の行動パターン分析装置において、
前記クラスタリング手段は、
指定された前記分類情報に基づく前記行動履歴データを所定の分析期間毎に抽出し、前記指定された分類情報毎の行動パターンを作成する行動パターン作成手段と、
前記行動パターンを分析し、前記分析対象毎のグループ数を自動的に推定して類似パターン同士をグループ化するグループ化手段と、
を備える
ことを特徴とする行動パターン分析装置。 - 請求項2に記載の行動パターン分析装置において、
前記クラスタリング手段は、前記グループ化手段でグループ化された行動パターンの代表パターンを生成する代表パターン生成手段を備えることを特徴とする行動パターン分析装置。 - 請求項2または請求項3に記載の行動パターン分析装置において、
前記行動パターン作成手段は、
前記分類情報毎の行動の有無を示す2値データを単位期間毎に設定し、かつ、同期間に複数の分類情報の行動が有りと設定された場合には、分類情報毎の行動を評価する評価指標の情報に基づいて選択された分類情報の行動のみを有りに設定し、他の分類情報の行動は無しに設定することを特徴とする行動パターン分析装置。 - 請求項2から請求項4のいずれかに記載の行動パターン分析装置において、
前記行動履歴データの分類情報は、前記分析対象が所定のサービス提供装置に対してアクセスしたデバイスを示すデバイスデータを有し、
前記行動パターン作成手段は、指定されたデバイス毎に行動パターンを作成し、
前記グループ化手段は、所定の分析期間毎の各デバイスの行動パターンに基づいて、前記分析対象毎のグループ数を自動的に推定してグループ化することを特徴とする行動パターン分析装置。 - 請求項2から請求項5のいずれかに記載の行動パターン分析装置において、
前記行動履歴データの分類情報は、所定のサービス提供装置が提供するサービスのうち、前記分析対象がどのサービスにアクセスしたかを示す利用サービスデータを有し、
前記行動パターン作成手段は、指定されたサービス毎に行動パターンを作成し、
前記グループ化手段は、所定の分析期間毎の各サービスの行動パターンに基づいて、前記分析対象毎のグループ数を自動的に推定してグループ化することを特徴とする行動パターン分析装置。 - 請求項1から請求項6のいずれかに記載の行動パターン分析装置において、
前記行動履歴データは、前記分類情報を示す複数のパラメータに対して多値のいずれかが選択される多値モデルであり、
前記クラスタリング手段は、多値のディレクリプロセスモデルを用いた、ノンパラメトリックベイズ法によるクラスタリング処理を実施することで、前記行動履歴データをクラスタリングする
ことを特徴とする行動パターン分析装置。 - コンピュータにより行動パターン分析処理を実施する行動パターン分析方法であって、
前記コンピュータは、
分析対象の行動が検出された時刻を示す時刻情報と、前記分析対象の状況を特定可能な分類情報とを含む行動履歴データを取得し、
前記行動履歴データを分析し、分析対象に応じたグループ数で行動パターンをグループ化する
ことを特徴とする行動パターン分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013243063A JP5805169B2 (ja) | 2013-11-25 | 2013-11-25 | 行動パターン分析装置および行動パターン分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013243063A JP5805169B2 (ja) | 2013-11-25 | 2013-11-25 | 行動パターン分析装置および行動パターン分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015103018A true JP2015103018A (ja) | 2015-06-04 |
JP5805169B2 JP5805169B2 (ja) | 2015-11-04 |
Family
ID=53378673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013243063A Active JP5805169B2 (ja) | 2013-11-25 | 2013-11-25 | 行動パターン分析装置および行動パターン分析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5805169B2 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018034036A1 (ja) * | 2016-08-16 | 2018-02-22 | ソニー株式会社 | 情報処理システムおよび情報処理方法 |
JP2018116505A (ja) * | 2017-01-18 | 2018-07-26 | 富士通株式会社 | アクセス監視装置、アクセス監視プログラムおよびアクセス監視方法 |
JP2018124673A (ja) * | 2017-01-30 | 2018-08-09 | クックパッド株式会社 | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
JP2018133028A (ja) * | 2017-02-17 | 2018-08-23 | 日本電信電話株式会社 | 行動パターン分類装置、行動パターン分類方法、及び行動パターン分類プログラム |
JP2018136887A (ja) * | 2017-02-23 | 2018-08-30 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
JPWO2017145566A1 (ja) * | 2016-02-22 | 2018-11-29 | パナソニックIpマネジメント株式会社 | 認知症状検出システム、及び、プログラム |
CN109947874A (zh) * | 2017-11-16 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 移动轨迹的聚合方法、装置及设备 |
JP2020149137A (ja) * | 2019-03-11 | 2020-09-17 | 株式会社ビービット | 行動パターン分析装置、方法及びプログラム |
US11710066B2 (en) | 2018-11-01 | 2023-07-25 | Kabushiki Kaisha Toshiba | Time-series feature extraction apparatus, time-series feature extraction method and recording medium |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105786965A (zh) * | 2016-01-27 | 2016-07-20 | 久远谦长(北京)技术服务有限公司 | 一种基于url的用户行为分析方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009048227A (ja) * | 2007-08-13 | 2009-03-05 | Fujitsu Ltd | 利用者状態推定システム、利用者状態推定方法および利用者状態推定プログラム |
JP2013131170A (ja) * | 2011-12-22 | 2013-07-04 | Hitachi Ltd | 行動属性分析方法および装置 |
-
2013
- 2013-11-25 JP JP2013243063A patent/JP5805169B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009048227A (ja) * | 2007-08-13 | 2009-03-05 | Fujitsu Ltd | 利用者状態推定システム、利用者状態推定方法および利用者状態推定プログラム |
JP2013131170A (ja) * | 2011-12-22 | 2013-07-04 | Hitachi Ltd | 行動属性分析方法および装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2017145566A1 (ja) * | 2016-02-22 | 2018-11-29 | パナソニックIpマネジメント株式会社 | 認知症状検出システム、及び、プログラム |
US10965764B2 (en) | 2016-08-16 | 2021-03-30 | Sony Corporation | Information processing system and information processing method |
JPWO2018034036A1 (ja) * | 2016-08-16 | 2019-06-13 | ソニー株式会社 | 情報処理システムおよび情報処理方法 |
WO2018034036A1 (ja) * | 2016-08-16 | 2018-02-22 | ソニー株式会社 | 情報処理システムおよび情報処理方法 |
JP2021119543A (ja) * | 2016-08-16 | 2021-08-12 | ソニーグループ株式会社 | 情報処理システム、情報処理方法、及びプログラム |
JP7120386B2 (ja) | 2016-08-16 | 2022-08-17 | ソニーグループ株式会社 | 情報処理システム、情報処理方法、及びプログラム |
US11778060B2 (en) | 2016-08-16 | 2023-10-03 | Sony Corporation | Information processing system and information processing method |
JP2018116505A (ja) * | 2017-01-18 | 2018-07-26 | 富士通株式会社 | アクセス監視装置、アクセス監視プログラムおよびアクセス監視方法 |
JP2018124673A (ja) * | 2017-01-30 | 2018-08-09 | クックパッド株式会社 | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
JP2018133028A (ja) * | 2017-02-17 | 2018-08-23 | 日本電信電話株式会社 | 行動パターン分類装置、行動パターン分類方法、及び行動パターン分類プログラム |
JP2018136887A (ja) * | 2017-02-23 | 2018-08-30 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
CN109947874A (zh) * | 2017-11-16 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 移动轨迹的聚合方法、装置及设备 |
US11710066B2 (en) | 2018-11-01 | 2023-07-25 | Kabushiki Kaisha Toshiba | Time-series feature extraction apparatus, time-series feature extraction method and recording medium |
JP2020149137A (ja) * | 2019-03-11 | 2020-09-17 | 株式会社ビービット | 行動パターン分析装置、方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP5805169B2 (ja) | 2015-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5805169B2 (ja) | 行動パターン分析装置および行動パターン分析方法 | |
JP6226846B2 (ja) | 情報分析装置、情報分析方法および情報分析プログラム | |
CN109726731A (zh) | 用电量异常检测方法、装置、设备及可读存储介质 | |
Almaatouq et al. | Mobile communication signatures of unemployment | |
JP2015108990A (ja) | 異常検出装置及び異常検出方法 | |
JP5830780B2 (ja) | 業務分析装置、業務分析システム及び業務分析方法 | |
CN109726364A (zh) | 用电量异常检测方法、装置、终端及计算机可读存储介质 | |
Zhou et al. | The risk management using limit theory of statistics on extremes on the big data era | |
CN114238033B (zh) | 板卡运行状态预警方法、装置、设备及可读存储介质 | |
CN109976986B (zh) | 异常设备的检测方法及装置 | |
JP7128687B2 (ja) | 飲食店景況度可視化システム | |
CN113553234A (zh) | 数据异常检测方法 | |
Stroup et al. | A Bayesian approach to the detection of aberrations in public health surveillance data | |
JP5877825B2 (ja) | データ処理装置、及びデータ処理方法 | |
CN110489732A (zh) | 报表数据处理方法及设备 | |
CN111667920B (zh) | 一种基于定位数据的人群密切接触排查方法 | |
WO2020045107A1 (ja) | 評価更新装置、方法、及びプログラム | |
WO2020045106A1 (ja) | 評価装置、方法、及びプログラム | |
ElSherief et al. | Whom to Query? Spatially-Blind Participatory Crowdsensing under Budget Constraints | |
JP2014241061A (ja) | 顧客情報分析システム | |
Tzeng et al. | Event duration detection on microblogging | |
Hurst et al. | Age group detection in stochastic gas smart meter data using decision-tree learning | |
Keaton et al. | Using earned value data to detect potential problems in acquisition contracts | |
US20220366462A1 (en) | Recommendation system, and product recommendation method | |
WO2022269959A1 (ja) | ヒューマンライフ・トレーサビリティ装置および改善案提案支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150609 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150729 |
|
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: 20150825 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150901 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5805169 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
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 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
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 |
|
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: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |