JP2016540328A - 特徴情報の変化を予測するための方法及び装置 - Google Patents

特徴情報の変化を予測するための方法及び装置 Download PDF

Info

Publication number
JP2016540328A
JP2016540328A JP2016550932A JP2016550932A JP2016540328A JP 2016540328 A JP2016540328 A JP 2016540328A JP 2016550932 A JP2016550932 A JP 2016550932A JP 2016550932 A JP2016550932 A JP 2016550932A JP 2016540328 A JP2016540328 A JP 2016540328A
Authority
JP
Japan
Prior art keywords
information
feature
prediction estimation
feature information
change
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
Application number
JP2016550932A
Other languages
English (en)
Other versions
JP6254712B2 (ja
Inventor
ヂャーン，ジエウエイ
ヂャーン，シヤオ
ホーァ，ジエン
ホワーン，ジーン
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Publication of JP2016540328A publication Critical patent/JP2016540328A/ja
Application granted granted Critical
Publication of JP6254712B2 publication Critical patent/JP6254712B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Architecture (AREA)

Abstract

本発明は特徴情報の変化を予測するための方法及び装置を提供することを目的とする。本発明に係る方法は、予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期における歴史的特徴データ及び現在の増分データを取得するステップと、予測推定モデルによって予測推定モデルに対応する各第１特徴情報の歴史的特徴データと当該現在の増分データに基づいて予測処理が行われてから確定された、第２特徴情報の予測日での第１変化情報を取得するステップと、当該第１変化情報に基づいて当該第２特徴情報の当該予測日での変化予測推定情報を確定し、それにより当該変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップと、を含んでおり、ここで、当該現在の増分データは、当該少なくとも１つの計算周期における歴史的特徴データに対する各第１特徴情報の当該予測日の前日での特徴データの比を指し示すことに用いられる。【選択図】図１

Description

本発明はコンピュータ技術分野に関し、特に、特徴情報の変化を予測するための予測推定装置に関する。
従来の技術において、ある情報の今後の動向に対しての予測推定は一般的に当該情報の歴史的データに基づいて確定される。しかしながら、一般的な情報の変化が複数の要素に影響され、例えば、一部のキーワードに対する検索量はこれらのキーワードの配信領域、時間等の要素に影響される可能性があり、また、例えば、一部のリンクに対するクリック率は当該リンクに含まれたキーワードの検索量、及び当該リンクの現れる領域等の要素に関連する可能性がある。このため、情報自身の歴史的データのみに基づいてその今後の動向を良く予測推定することができない。特にユーザはその一部の要素を常に調整する場合には、例えば、ユーザは希望するキーワードの配信領域及び時間等を調整する場合には、関連情報の今後の動向に対する予測及び推定はより困難になる。
本発明は、特徴情報の変化を予測するための方法及び装置を提供することを目的とする。
本発明の一態様によれば、特徴情報の変化を予測するための方法を提供し、前記方法は、
予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期における歴史的特徴データ（historical characteristic data）及び現在の増分データを取得するステップと、
予測推定モデルによって予測推定モデルに対応する各第１特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第２特徴情報の前記予測日での第１変化情報を取得するステップと、
前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップと、を含んでおり、
ここで、前記現在の増分データは、前記少なくとも１つの計算周期における歴史的特徴データに対する各第１特徴情報の予測日の前日での特徴データの比を指し示すことに用いられる。
本発明の一態様によれば、特徴情報の変化を予測するための予測推定装置を更に提供し、前記予測推定装置は、
予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期における歴史的特徴データ及び現在の増分データを取得するための装置と、
予測推定モデルによって予測推定モデルに対応する各第１特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第２特徴情報の前記予測日での第１変化情報を取得するための装置と、
前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置と、を含んでおり、
ここで、前記現在の増分データは、前記少なくとも１つの計算周期における歴史的特徴データに対する各第１特徴情報の予測日の前日での特徴データの比を指し示すことに用いられる。
従来の技術に比べて、本発明は、複数の第１特徴情報に基づいて第２特徴情報を予測する予測推定モデルを作成することにより、各特徴情報間の相互影響関係を効果的に体現することができ、それにより予測推定モデルに基づいて未来の一定時間内に対して特徴情報を相応に予測推定し、ユーザが特徴情報の今後の動向を把握し易くなり、呈される予測推定情報に基づいて対応する操作を行い、ユーザの体験を向上させる利点（１）、ユーザが行った操作を合わせることにより未来の一定時間内の第２特徴情報の特徴値を予測推定し、予測推定情報の正確さを更に向上させ、ユーザが未来の特徴情報変化を把握することを希望する要求を満たし、且つ予測推定の正確さを向上させる利点（２）を有する。なお、本発明の方法によれば、更に予測推定結果に基づいて対応するリソース配分を調整することができ、それにより全体のサービスリソースをより効果的に利用することができ、各特徴情報が対応するサービスをより良くサポートすることができる。
以下の図面を参照しながら非限定的な実施例を詳細に説明することにより、本願の他の特徴、目的及び利点はより明らかになる。
図１は本発明に係る特徴情報の変化を予測するための方法を示すフローチャートである。 図２は本発明に係る特徴情報の変化を予測するための予測推定装置を示す構造模概略図である。 図３は本発明に係る特徴情報の変化の予測推定を例示的に示すグラフである。
図面において、同一又は類似の図面符号が同一又は類似の部材を表す。
以下、図面を参照しながら本発明を更に具体的に説明する。
図１は本発明に係る特徴情報の変化を予測するための方法を示すフローチャートである。本発明に係る方法はステップＳ１、ステップＳ２及びステップＳ３を含む。
本発明に係る方法は１つ又は複数の予測日の特徴情報の特徴データ変化を予測する。前記予測日はユーザのニーズに応じて確定してもよい。ユーザにプロモーション情報サービスを提供するシステムにおいて、前記特徴情報は情報のプロモーション効果及び／又はプロモーションストラテジーを示すための各情報を含むが、これらに限定されない。
好ましくは、情報プロモーションサービスを提供するシステムにおいて、特徴情報は以下の少なくともいずれかの１種を含むが、これらに限定されない。
１)情報のプロモーション効果を直接に指し示すための情報、例えば、検索量、表現量、クリック率、消費値、品質値、プロモーションされるべき情報の順位等。
２)情報プロモーションストラテジーを指し示すための情報、例えば、プロモーション情報の価格、プロモーション情報を配信する期間の数、プロモーション情報を配信する期間の地域数、当該プロモーション情報に対応する競争者の数等。
なお、上記システム及び対応する特徴情報の例示は前記特徴情報に含まれる可能性がある内容を説明するためのものに過ぎず、特徴情報及びその属するシステムを限定するためのものと見なすべきではない。当業者は実際の状況と需要に応じてあるシステムに適用される各特徴情報を確定することができ、ここで省略する。
本発明に係る方法はコンピュータデバイスに含まれる予測推定装置により実現される。前記コンピュータデバイスは予め設定又は記憶された命令に従って、数値計算及び／又は情報処理を自動的に行う電子デバイスを含み、そのハードウェアはマイクロプロセッサ、特定用途向け集積回路(ＡＳＩＣ)、プログラマブルゲートアレイ(ＦＰＧＡ)、デジタル処理装置(ＤＳＰ)、内蔵デバイス等を含むが、それらに限定されない。前記コンピュータデバイスはネットワークデバイス及び／又はユーザデバイスを含む。
前記ネットワークデバイスは単一のネットワークサーバ、複数のネットワークサーバからなるサーバ群又はクラウドコンピューティング(Ｃｌｏｕｄ Ｃｏｍｐｕｔｉｎｇ)に基づく大量のホストコンピュータ又はネットワークサーバからなるクラウドを含むが、これに限定されない。クラウドコンピューティングは分散コンピューティングの１種であり、複数の疎結合されたコンピュータセットからなるスーパーバーチャルコンピュータである。前記ユーザデバイスはユーザとキーボード、マウス、リモコン、タッチパッド、又は音声制御デバイス等でヒューマンコンピュータインタラクションする電子製品、例えば、コンピュータ、タブレットＰＣ、スマートフォン、ＰＤＡ又はハンドヘルドゲーム機等のいずれかを含むが、これらに限定されない。前記ユーザデバイス及びネットワークデバイスが位置するネットワークはインターネット、広域ネットワーク、メトロポリタンエリアネットワーク、ローカルエリアネットワーク、ＶＰＮネットワーク等を含むが、これらに限定されない。
なお、前記ユーザデバイス、ネットワークデバイス及びネットワークは例示的なものに過ぎず、他の従来又は今後に出現する可能性があるユーザデバイス、ネットワークデバイス及びネットワークも本発明に適用することができるとともに、本発明の保護範囲に含まれるべき、そして、参照により本明細書に組み込まれる。
図１を参照して、ステップＳ１において、予測推定装置は予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期での歴史的特徴データ及び現在の増分データを取得する。
前記予測推定モデルは、少なくとも１つの第１特徴情報に基づいて作成された、第２特徴情報の変化を予測するためのモデルを含むが、これに限定されない。
好ましくは、前記予測モデルは機械学習を採用して実現することができる。予測推定装置が前記第１特徴情報と第２特徴情報を取得する方法は、以下のいずれか１種を含むが、これに限定されない。
１)複数の特徴情報において、その中の１つを予測されるべき第２特徴情報として予め設定し、他の特徴情報を第１特徴情報として予め設定する。
例えば、 「消費値」を予測されるべき第２特徴情報として予め設定し、他の特徴情報である「検索量」、「順位」を、当該第２特徴情報を予測する予測推定モデルを作成するために必要とする第１特徴情報として予め設定する。
２)予測推定装置はユーザ操作に基づいて、複数の特徴情報から１つを第２特徴情報として選択し、且つ残りの特徴情報から少なくとも１つを第１特徴情報として選択する。
前記歴史的特徴データは各第１特徴情報の各計算周期における特徴値の周期平均値を含む。
好ましくは、複数の計算周期を採用する場合に、予測推定装置はまず、第１特徴情報の各計算周期における特徴データの複数の周期平均値を取得し、それから取得された複数の周期平均値に基づいて、複数の周期平均値の二次平均値を計算し、当該第１特徴情報が当該複数の計算周期に対する歴史的特徴データとしてもよい。
当業者は実際な状況と需要に応じて当該計算周期の長さを選択したり確定したりすることができ、例えば、７日を１つの計算周期とし、又は例えば、一か月間等を１つの計算周期とする。
前記現在の増分データは、前記少なくとも１つの計算周期における歴史的特徴データに対する前記第１特徴情報の予測日の前日の第１特徴データの比を指し示すことに用いられる。
具体的には、予測推定装置は予測推定モデルに対応する複数の第１特徴情報における各第１特徴情報の少なくとも１つの計算周期における日ごとの特徴値を取得することにより、予測推定モデルが対応する各第１特徴情報の少なくとも１つの計算周期における歴史的特徴データ及びそれぞれの現在の増分データを確定する。
好ましくは、本発明に係る方法はステップＳ４(図示せず)、ステップＳ５(図示せず)及びステップＳ６(図示せず)により前記予測推定モデルを確定する。
ステップＳ４において、予測推定装置は１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報を取得する。
前記歴史的期間は少なくとも１つの計算周期を含む。
次に、ステップＳ５において、予測推定装置は第２特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得する。
次に、ステップＳ６において、予測推定装置は前記１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第２特徴情報の日ごとの特徴値に基づいて、前記第２特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する。
好ましくは、予測推定装置は、前記１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された第２特徴情報の日ごとの特徴値に基づいて、例えば、ベクトル回帰、ランダムフォレスト、直線回帰等の回帰分析法で前記予測推定モデルを確定することができる。
本発明の第１実施例によれば、ユーザに広告プロモーションサービスを提供するシステムにおいて、第２特徴情報はユーザの消費値であり、所定の歴史的期間が７日であり、予測日が第ｘ日であると、当日が第ｘ-１日である。予測推定モデルｍｏｄｅｌ_１を作成するための第１特徴情報は、キーワードの価格、前記キーワードに対応する広告のクリック率、前記キーワードに対応する広告配信の期間数及び地域数を含む。予測推定装置はステップＳ４において各第１特徴情報「価格」、「クリック率」、「期間数」及び「地域数」の第ｘ-２日から第ｘ-８日までのそれぞれの平均値及び各第１特徴情報がそれぞれ対応する増分情報を取得し、且つ、予測推定装置はステップＳ５において第２特徴情報「消費値」の第ｘ-１日から第ｘ-８日のそれぞれの特徴値を取得する。次に、予測推定装置は取得された各第１特徴情報の第ｘ-２日から第ｘ-８日までの歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び第２特徴情報消費値の第ｘ-１日での特徴値Ｓｘ-１に基づいて、第ｘ日の消費値を予測するための予測推定モデルｍｏｄｅｌ_１を取得する。
同様に、第２特徴情報が「クリック率」であり、且つ第１特徴情報が「価格」、「消費値」、「期間数」及び「地域数」である場合に、予測推定装置は上記ステップＳ４とステップＳ５を実行することにより、第ｘ日のクリック率を予測するための予測推定モデルｍｏｄｅｌ_２を取得する。
なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及びそれぞれ対応する増分情報、及び取得された前記第２特徴情報の日ごとの特徴値に基づいて、前記第２特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。
次に、ステップＳ２において、予測推定装置は予測推定モデルによって予測推定モデルに対応する各第１特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第２特徴情報の前記予測日での第１変化情報を取得する。
前記第１変化情報は、前記予測されるべき第２特徴情報の前記予測日での予測推定特徴値を含むが、これに限定されない。
更に好ましくは、前記第１変化情報は、前記第２特徴情報の予測推定特徴値が前の特徴値に対する変化を指し示すための他の情報、例えば、前記第２特徴情報の予測推定特徴値が前の特徴値に対する動向を指し示すための情報等を更に含む。
引き続き前記第１実施例を説明し、計算周期が７日であり、予測日が第ｘ日である。予測推定装置は確定された予測推定モデルｍｏｄｅｌ_１により、ステップＳ１において対応する第１特徴情報である「価格」、「クリック率」、「期間数」及び「地域数」の第ｘ-１日から第ｘ-７日までのそれぞれの平均値：ｐｒｉｃｅ_ｅ、ｃｌｉｃｋ_ｅ、ｔｉｍｅ_ｅ及びａｒｅａ_ｅを取得し、且つ予測推定装置は各第１特徴情報の第ｘ-１日での特徴値：ｐｒｉｃｅ_０、ｃｌｉｃｋ_０、ｔｉｍｅ_０及びａｒｅａ_０に基づいて、各第１特徴情報のそれぞれの現在の増分データ：ｐｒｉｃｅ_０／ｐｒｉｃｅ_ｅ、ｃｌｉｃｋ_０／ｃｌｉｃｋ_ｅ、ｔｉｍｅ_０／ｔｉｍｅ_ｅ及びａｒｅａ_０／ａｒｅａ_ｅを確定する。次に、予測推定装置は予測推定モデルｍｏｄｅｌ_１によって予測推定モデルｍｏｄｅｌ_１に対応する前記各第１特徴情報の平均値及び現在の増分データに基づいて予測処理が行われてから確定された第２特徴情報である「消費値」の第ｘ日での予測推定消費値Ｓｘを取得する。
同様に、予測推定装置は確定された予測推定モデルｍｏｄｅｌ_２により、第１特徴情報である「価格」、「消費値」、「期間数」及び「地域数」の第ｘ-１日から第ｘ-７日までのそれぞれの平均値：ｐｒｉｃｅ_ｅ、ｃｏｓｔ_ｅ、ｔｉｍｅ_ｅ及びａｒｅａ_ｅ、及びそれぞれの現在の増分データ：ｐｒｉｃｅ_０／ｐｒｉｃｅ_ｅ、ｃｏｓｔ_０／ｃｏｓｔ_ｅ、ｔｉｍｅ_０／ｔｉｍｅ_ｅ及びａｒｅａ_０／ａｒｅａ_ｅを取得する。次に、予測推定装置は予測推定モデルｍｏｄｅｌ_２が各第１特徴情報の平均値及び現在の増分データに基づいて予測処理てから後取得された第２特徴情報「クリック率」の第ｘ日での予測推定クリック率Ｃｘを取得する。
次に、ステップＳ３において、予測推定装置は前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。
好ましくは、前記変化予測推定情報は、前記第２特徴情報の最終予測推定値を含むが、これに限定されない。
更に好ましくは、前記変化予測推定情報は前記第２特徴情報の最終予測推定値が前の特徴値に対する変化を指し示すための他の情報、例えば、前記第２特徴情報の最終予測推定値が前の特徴値に対する動向を指し示すための情報等を更に含む。
具体的には、前記予測推定装置は前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す方法は以下のいずれか１種を含む。
１) 直接に前記第１変化情報を予測日の変化予測推定情報とする。
引き続き前記第１実施例を説明し、予測推定装置は取得された予測推定消費値Ｓｘ及び予測推定クリック率Ｃｘを第ｘ日の変化予測推定情報とし、それにより当該変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。例えば、ユーザにタイムリーにリチャージするように促したり、又は現在のユーザに適当な消費計画を推薦したりすることである。
２)予測推定装置はまず前記第２特徴情報の歴史的特徴値に基づいて前記第２特徴情報の予測日での第２変化情報を確定する。次に、予測推定装置は前記第１変化情報及び前記第２変化情報に基づいて前記第２特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。
前記第２消耗情報は第２特徴情報の歴史的特徴値に基づいて確定された第２特徴情報の予測推定値を指し示すことに用いられる。
好ましくは、予測推定装置は過去の一定時間内の歴史的特徴値の平均値を予測日の第２変化情報とする。
更に好ましくは、当日後の第ｎ日が予測日であると、予測推定装置は下記の式(１)により第２特徴情報の予測日での第２変化情報を確定することができる。
ｓｎは第２特徴情報の第ｎ日での第２変化情報を表し、ｓ１は第２特徴情報の現在時間後の第１日の特徴値を表し、且つｓ１が過去７日の歴史的特徴値の平均値に等しく、ｗｎは第ｎ日が属する周期内での日数(例えば、７日を１つの計算周期とすると、当該周期内において第１日の周期内での日数が１であり、第２日の周期内での日数が２であり、..このように、第７日の周期内での日数が７である)を表し、ｓｗｎは過去の複数の計算周期において、周期内の日数がｗ１である全ての日の歴史的特徴値の平均値を表す。
次に、予測推定装置は第２特徴情報の第１変化情報及び第２変化情報を取得した後に、所定の処理規則に基づいて第１変化情報及び第２変化情報を処理し、それにより第２特徴情報の予測日での変化予測推定情報を取得する。
好ましくは、予測推定装置は第２特徴情報の第１変化情報と第２変化情報との和を当該第２特徴情報の予測日での変化予測推定情報とし、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。
更に好ましくは、予測推定装置は更に第１変化情報及び第２変化情報の重みをそれぞれ取得することにより、第１変化情報及び第２変化情報の加重和を当該第２特徴情報の予測日での変化予測推定情報とし、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。
なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記第１変化情報及び前記第２変化情報に基づいて前記第２特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。
好ましくは、予測推定装置は第２特徴情報の１つの予測日での変化予測推定情報を確定した後に、当該予測日の変化予測推定情報を当該第２特徴情報の歴史的特徴値とし、当該予測日の次の日を新たな予測日とし、ステップＳ１〜ステップＳ３を繰り返して実行することにより当該第２特徴情報の当該新たな予測日での変化予測推定情報を確定してもよい。同様に、予測推定装置は当該方法によりステップＳ１〜ステップＳ３を何度も繰り返して実行し、それにより未来の複数の日数の変化予測推定情報を確定してもよい。
本発明の１つの好ましい実施例により、前記方法はステップＳ７(図示せず)を更に含む。
ステップＳ７において、前記予測推定モデルが対応する前記複数の第１特徴情報における少なくとも１つの第１特徴情報に対するユーザの更新操作が取得された場合に、予測推定装置は前記更新操作に基づいて前記少なくとも１つの第１特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得する。
前記更新操作は第１特徴情報の特徴値を変更させる各種の操作を含む。
引き続き第１実施例を説明し、例えば、予測推定装置はユーザが第１特徴情報である「価格」の値をｐｒｉｃｅ_０からｐｒｉｃｅ_１に修正する情報を取得する場合に、予測推定装置は「価格」の過去第ｘ-１日から第ｘ-７日までの７日内の平均値ｐｒｉｃｅ_ｅに基づいて、第１特徴情報である「価格」の現在の増分データをｐｒｉｃｅ_０／ｐｒｉｃｅ_ｅからｐｒｉｃｅ_１／ｐｒｉｃｅ_ｅに更新することにより、予測推定モデルｍｏｄｅｌ_１が当該更新後の「価格」の現在の増分データに基づいて予測処理を実行する。
なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記予測推定モデルが対応する前記複数の第１特徴情報における少なくとも１つの第１特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも１つの第１特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得する任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。
好ましくは、本発明に係る方法はステップＳ８(図示せず)を更に含み、前記ステップＳ３はステップＳ３０１(図示せず)を更に含む。
ステップＳ８において、予測推定装置は現在のユーザの予測推定レンダリング命令を取得する。
好ましくは、前記予測推定レンダリング命令は、以下の少なくとも１つを含むが、これに限定されない。
１)複数の第２特徴情報が存在する場合に、複数の第２特徴情報から１つ又は複数の第２特徴情報の変化予測推定情報を選択して呈する。
例えば、予測推定装置はユーザーインターフェースで予測推定可能な２つの第２特徴情報である「消費値」及び「検索量」を表現し、且つユーザが選択して呈する第１特徴情報である「消費値」の変化予測推定情報を取得する。
２)変化予測推定情報のレンダリング形式である。例えば、グラフの形式で呈され、又はデータリストの形式で呈される。
３)呈された変化予測推定情報の期間、例えば、未来の一週間又は未来の一か月間等である。好ましくは、ユーザは未来の任意の１日又は数日を選択して変化予測推定情報を呈する期間とすることができる。
次に、ステップＳ３０１において、予測推定装置は前記予測推定レンダリング命令に基づいて、前記予測推定レンダリング命令に対応する少なくとも１つの変化予測推定情報を呈する。
例えば、予測推定装置が取得した現在のユーザの予測推定呈示命令は、消費値の過去１０日間での特徴値及び未来の１０日間での変化予測推定情報を呈すること、グラフの形式で呈することを含む。予測推定装置は既に取得された複数の第２特徴情報の歴史的特徴値から、当該予測推定レンダリング命令に対応する情報を取得し、且つ前記ステップＳ１〜ステップＳ３を何度も実行することにより、当該第２特徴情報「消費値」の未来の１０日間での変化予測推定情報を取得し、且つグラフの形式で呈することにより、ユーザに図３に示すグラフを表示する。
本発明の更に１つの好ましい実施例によれば、本実施例に係る方法はステップＳ９(図示せず)、ステップＳ１０(図示せず)及びステップＳ１１(図示せず)を更に含む。
ステップＳ９において、予測推定装置は期間内における複数のユーザの少なくとも１つの第２特徴情報の変化予測推定情報をそれぞれ予め設定する。
ステップＳ１０において、予測推定装置は前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの前記所定期間での変化予測推定情報とをフィッティングすることにより、前記フィッティング結果に基づいて前記現在のユーザの１つ又は複数の類似ユーザを確定する。
ステップＳ１１において、予測推定装置は前記１つ又は複数の類似ユーザが前記第２特徴情報に対応する特徴更新計画に基づいて、前記現在のユーザに推薦することに用いられる特徴更新計画を確定する。例えば、予測推定装置は取得された未来の一定時間内の複数のユーザの「消費値」の変化予測推定情報の曲線をフィッティングすることにより、現在のユーザと最もマッチングするユーザを取得し、当該ユーザの次の５日での消費計画(即ち第１特徴情報に対応する特徴更新計画) を取得することにより、当該消費計画を現在のユーザに推薦する。
好ましくは、本発明に係る方法はステップＳ１２(図示せず)を更に含む。
ステップＳ１２において、予測推定装置は前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件に満たす場合、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促す。
例えば、変化予測推定情報はユーザの消費値の予測推定特徴値を含み、所定の促す条件は、予測日のアカウント残高が１０００元よりも小さいことを含む。ユーザの現在アカウント残高が１５００元であり、且つ予測推定装置は前記ステップＳ１〜ステップＳ３を実行することにより消費値の予測日での予測推定特徴値が８２０元であることを取得する場合に、予測推定装置は当該変化予測推定値に基づいて当該ユーザの予測日でのアカウント残高が６８０元であると確定する。予測推定装置は当該変化予測推定値に対応するアカウント残高が所定の促す条件を満たすかどうかを判断し、且つ現在のユーザに「残高不足、タイムリーにリチャージしてください」の促す情報を送信することにより、現在のユーザにアカウントリチャージの操作を実行するように促す。
好ましくは、本発明に係る方法はステップＳ１３(図示せず)及びステップＳ１４(図示せず)を更に含む。
ステップＳ１３において、予測推定装置は１つ又は複数のユーザにそれぞれ対応する少なくとも１つの第２特徴情報の変化予測推定情報を取得する。
具体的には、前記予測推定装置は１つ又は複数のユーザに前記ステップＳ１〜ステップＳ３を少なくとも一回実行することにより、前記複数のユーザにおける各ユーザにそれぞれ対応する少なくとも１つの第２特徴情報の変化予測推定情報を取得し、及び／又は、前記予測推定装置は他の予測推定装置が取得した１つ又は複数のユーザにそれぞれ対応する少なくとも１つの第２特徴情報の変化予測推定情報を受信する。
次に、ステップＳ１４において、予測推定装置は取得された各ユーザが対応する少なくとも１つの第２特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するサービスリソース配分を調整する。
前記リソースは前記特徴情報と関連するサービスを提供することに必要とする各種のソフトウェアおよびハードウェアリソースを含む。例えば、前記サービスリソースは利用可能な帯域幅の大きさを含み、更に例えば、利用可能なサーバ数などを含む。
例えば、第２特徴情報は「検索量」を含み、ステップＳ１３において、予測推定装置は複数の他の予測推定装置からの、当該複数の他の予測推定装置にそれぞれ対応する各ユーザの検索量の次の周期での変化予測推定情報を受信し、対応するステップを実行することにより現在のユーザに対応する検索量の次の周期での変化予測推定情報を取得する。次に、予測推定装置は取得された各ユーザの対応する検索量の変化予測推定情報を統計することにより次の周期での当該各ユーザの日平均検索量の和を取得し、且つ当該次の周期の日ごとの日平均検索量の和がいずれも予定閾値を超える場合に、当該次の周期内に検索サービスを提供するためのスタンバイサーバを起動するように設置されることにより、この期間内の検索サービスのスループットを向上させる。
本発明の方法によれば、複数の第１特徴情報に基づいて第２特徴情報を予測する予測推定モデルを作成することにより、各特徴情報間の相互影響関係を効果的に体現することができ、それにより予測推定モデルに基づいて未来の一定時間内に対して特徴情報を相応に予測推定し、ユーザが特徴情報の今後の動向を把握し易くなり、呈される予測推定情報に基づいて対応する操作を行い、ユーザの体験を向上させる。また、ユーザが行った操作を合わせることにより未来の一定時間内の第２特徴情報の特徴値を予測推定し、予測推定情報の正確さを更に向上させ、ユーザが未来の特徴情報変化を把握することを希望する要求を満たし、且つ予測推定の正確さを向上させる。なお、本発明の方法によれば、更に予測推定結果に基づいて対応するリソース配分を調整することができ、それにより全体のサービスリソースをより効果的に利用することができ、各特徴情報が対応するサービスをより良くサポートすることができる。
図２は本発明に係る特徴情報の変化を予測するための予測推定装置を示す構造概略図である。本発明に係る予測推定装置は、予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期での歴史的特徴データ及び現在の増分データを取得するための装置(以下、「第１取得装置１」と略称する)と、予測推定モデルが予測推定モデルに対応する各第１特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第２特徴情報の前記予測日での第１変化情報を取得するための装置(以下、「第２取得装置２」と略称する)と、前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置(以下、「確定装置３」と略称する)と、を含む。
図２を参照して、第１取得装置１は予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期での歴史的特徴データ及び現在の増分データを取得する。
前記予測推定モデルは、少なくとも１つの第１特徴情報に基づいて作成された、第２特徴情報の変化を予測するためのモデルを含むが、これに限定されない。
好ましくは、前記予測モデルは機械学習で実現されることができる。第１取得装置１が前記第１特徴情報及び第２特徴情報を取得する方法は、以下のいずれか１種を含むが、これに限定されない。
１)複数の特徴情報において、その中の１つを予測されるべき第２特徴情報として予め設定し、他の特徴情報を第１特徴情報として予め設定する。
例えば、「消費値」を予測されるべき第２特徴情報として予め設定し、他の特徴情報である「検索量」、「順位」を、当該第２特徴情報を予測する予測推定モデルを作成するために必要とする第１特徴情報として予め設定する。
２)第１取得装置１はユーザ操作に基づいて、複数の特徴情報から１つを第２特徴情報として選択し、且つ残りの特徴情報から少なくとも１つを第１特徴情報として選択する。
前記歴史的特徴データは各第１特徴情報の各計算周期における特徴値の周期平均値を含む。
好ましくは、複数の計算周期を採用する場合に、第１取得装置１はまず、第１特徴情報の各計算周期における特徴データの複数の周期平均値を取得し、それから取得された複数の周期平均値に基づいて、複数の周期平均値の二次平均値を計算し、当該第１特徴情報が当該複数の計算周期に対する歴史的特徴データとしてもよい。
当業者は実際な状況と需要に応じて当該計算周期の長さを選択したり確定したりすることができ、例えば、７日を１つの計算周期とし、更に例えば、一か月間等を１つの計算周期とする。
前記現在の増分データは、前記少なくとも１つの計算周期における歴史的特徴データに対する前記第１特徴情報の予測日の前日の第１特徴データの比を指し示すことに用いられる。
具体的には、第１取得装置１は予測推定モデルに対応する複数の第１特徴情報における各第１特徴情報の少なくとも１つの計算周期内における日ごとの特徴値を取得することにより、予測推定モデルが対応する各第１特徴情報の少なくとも１つの計算周期における歴史的特徴データ及びそれぞれの現在の増分データを確定する。
好ましくは、本発明に係る予測推定装置は、１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及当該歴史的特徴データがそれぞれ対応する増分情報を取得するための装置(図示せず、以下、「第１サブ取得装置」と略称する)と、予測推定装置が第２特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得するための装置(図示せず、以下、「第２サブ取得装置」と略称する)と、前記１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第２特徴情報の日ごとの特徴値に基づいて、前記第２特徴情報の次の日での特徴値を予測するための予測推定モデルを確定するための装置(図示せず、以下、「サブ確定装置」と略称する) とにより前記予測推定モデルを確定することができる。
第１サブ取得装置は１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報を取得する。
前記歴史的期間は少なくとも１つの計算周期を含む。
次に、第２サブ取得装置は第２特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得する。
次に、サブ確定装置は前記１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第２特徴情報の日ごとの特徴値に基づいて、前記第２特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する。
好ましくは、予測推定装置は前記１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及びそのそれぞれ対応する増分情報、及び取得した第２特徴情報の毎日の特徴値に基づいて、例えば、ベクトル回帰、ランダムフォレスト、直線回帰等の回帰分析法で前記予測推定モデルを確定することができる。
本発明の第１実施例によれば、ユーザに広告プロモーションサービスを提供するシステムにおいて、第２特徴情報はユーザの消費値であり、所定の歴史的期間が７日であり、予測日が第ｘ日であると、当日が第ｘ-１日である。予測推定モデルｍｏｄｅｌ_１を作成するための第１特徴情報は、キーワードの価格、前記キーワードに対応する広告のクリック率、前記キーワードに対応する広告配信の期間数及び地域数を含む。第１サブ取得装置はステップＳ４において各第１特徴情報「価格」、「クリック率」、「期間数」及び「地域数」の第ｘ-２日から第ｘ-８日までのそれぞれの平均値及び各第１特徴情報がそれぞれ対応する増分情報を取得し、且つ、予測推定装置はステップＳ５において第２特徴情報「消費値」の第ｘ-１日から第ｘ-８日のそれぞれの特徴値を取得する。次に、サブ確定装置は取得された各第１特徴情報の第ｘ-２日から第ｘ-８日までの歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び第２特徴情報消費値の第ｘ-１日での特徴値Ｓｘ-１に基づいて、第ｘ日の消費値を予測するための予測推定モデルｍｏｄｅｌ_１を取得する。
同様に、第２特徴情報が「クリック率」であり、且つ第１特徴情報が「価格」、「消費値」、「期間数」及び「地域数」である場合に、予測推定装置は上記ステップＳ４及びステップＳ５を実行することにより、第ｘ日のクリック率を予測するための予測推定モデルｍｏｄｅｌ_２を取得する。
なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記１つ又は複数の第１特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第２特徴情報の日ごとの特徴値に基づいて、前記第２特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。
次に、第２取得装置２は予測推定モデルによって予測推定モデルに対応する各第１特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第２特徴情報の前記予測日での第１変化情報を取得する。
前記第１変化情報は、前記予測されるべき第２特徴情報の前記予測日での予測推定特徴値を含むが、これに限定されない。
更に好ましくは、前記第１変化情報は前記第２特徴情報の予測推定特徴値が前の特徴値に対する変化を指し示すための他の情報、例えば、前記第２特徴情報の予測推定特徴値が前の特徴値に対する動向を指し示すための情報等を更に含む。
引き続き前記第１実施例を説明し、計算周期が７日であり、予測日が第ｘ日である。第１取得装置１はは確定された予測推定モデルｍｏｄｅｌ_１により、現在のユーザが対応する対応する第１特徴情報である「価格」、「クリック率」、「期間数」及び「地域数」の第ｘ-１日から第ｘ-７日までのそれぞれの平均値：ｐｒｉｃｅ_ｅ、ｃｌｉｃｋ_ｅ、ｔｉｍｅ_ｅ及びａｒｅａ_ｅを取得し、且つ第１取得装置１は各第１特徴情報の第ｘ-１日での特徴値：ｐｒｉｃｅ_０、ｃｌｉｃｋ_０、ｔｉｍｅ_０及びａｒｅａ_０に基づいて、各第１特徴情報のそれぞれの現在の増分データ：ｐｒｉｃｅ_０／ｐｒｉｃｅ_ｅ、ｃｌｉｃｋ_０／ｃｌｉｃｋ_ｅ、ｔｉｍｅ_０／ｔｉｍｅ_ｅ及びａｒｅａ_０／ａｒｅａ_ｅを確定する。次に、第２取得装置２は予測推定モデルｍｏｄｅｌ_１によって予測推定モデルｍｏｄｅｌ_１に対応する前記各第１特徴情報の平均値及び現在の増分データに基づいて予測処理が行われてから確定された第２特徴情報である「消費値」の第ｘ日での予測推定消費値Ｓｘを取得する。
同様に、第１取得装置１は確定された予測推定モデルｍｏｄｅｌ_２により、第１特徴情報である「価格」、「消費値」、「期間数」及び「地域数」の第ｘ-１日から第ｘ-７日までのそれぞれの平均値：ｐｒｉｃｅ_ｅ、ｃｏｓｔ_ｅ、ｔｉｍｅ_ｅ及びａｒｅａ_ｅ、及びそれぞれの現在の増分データ：ｐｒｉｃｅ_０／ｐｒｉｃｅ_ｅ、ｃｏｓｔ_０／ｃｏｓｔ_ｅ、ｔｉｍｅ_０／ｔｉｍｅ_ｅ及びａｒｅａ_０／ａｒｅａ_ｅを取得する。次に、第２取得装置２は予測推定モデルｍｏｄｅｌ_２が各第１特徴情報の平均値及び現在の増分データに基づいて予測処理てから後取得された第２特徴情報「クリック率」の第ｘ日での予測推定クリック率Ｃｘを取得する。
次に、ステップＳ３において、確定装置３は前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。
好ましくは、前記変化予測推定情報は、前記第２特徴情報の最終予測推定値を含むが、これに限定されない。
更に好ましくは、前記変化予測推定情報は前記第２特徴情報の最終予測推定値が前の特徴値に対する変化を指し示すための他の情報、例えば、前記第２特徴情報の最終予測推定値が前の特徴値に対する動向を指し示すための情報等を更に含む。
具体的には、前記確定装置３は前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す方法は以下のいずれか１種を含む。
１)直接に前記第１変化情報を予測日の変化予測推定情報とする。
引き続き前記第１実施例を説明し、確定装置３は取得された予測推定消費値Ｓｘ及び予測推定クリック率Ｃｘを第ｘ日の変化予測推定情報とし、それにより当該変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。例えば、ユーザにタイムリーにリチャージするように促したり、又は現在のユーザに適当な消費計画を推薦したりすることである。
２)前記予測推定装置は、前記第２特徴情報の歴史的特徴値に基づいて前記第２特徴情報の予測日での第２変化情報を確定するための装置(図示せず、以下、「第３取得装置」と略称する)を含み、確定装置３は、前記第１変化情報及び前記第２変化情報に基づいて前記第２特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置(図示せず、以下、「サブ確定装置」と略称する)を更に含む。
前記第２消耗情報は第２特徴情報の歴史的特徴値に基づいて確定された第２特徴情報の予測推定値を指し示すことに用いられる。
好ましくは、第３取得装置は過去の一定時間内の歴史的特徴値の平均値を予測日の第２変化情報とする。
更に好ましくは、当日後の第ｎ日が予測日であると、第３取得装置は下記の式(１)に基づいて第２特徴情報の予測日での第２変化情報を確定することができる。
ｓｎは第２特徴情報の第ｎ日での第２変化情報を表し、ｓ１は第２特徴情報の現在時間後の第１日の特徴値を表し、且つｓ１が過去７日の歴史的特徴値の平均値に等しく、ｗｎは第ｎ日が属する周期内の日数(例えば、７日を１つの計算周期とすると、当該周期内において第１日の周期内での日数が１であり、第２日の周期内での日数が２であり、..このように、第７日の周期内での日数が７である)を表し、ｓｗｎは過去の複数の計算周期において、周期内での日数がｗ１である全ての日の歴史的特徴値の平均値を表す。
次に、サブ確定装置は第２特徴情報の第１変化情報及び第２変化情報を取得した後に、所定の処理規則に基づいて第１変化情報及び第２変化情報を処理し、それにより第２特徴情報の予測日での変化予測推定情報を取得する。
好ましくは、サブ確定装置は第２特徴情報の第１変化情報と第２変化情報との和を当該第２特徴情報の予測日での変化予測推定情報とし、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。
更に好ましくは、サブ確定装置は第１変化情報及び第２変化情報の重みを更にそれぞれ取得し、第１変化情報及び第２変化情報の加重和を当該第２特徴情報の予測日での変化予測推定情報とし、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。
なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記第１変化情報及び前記第２変化情報に基づいて前記第２特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいてユーザに対応する操作を実行するうに促す任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。
好ましくは、確定装置３は第２特徴情報の１つの予測日での変化予測推定情報を確定した後に、当該予測日の変化予測推定情報を当該第２特徴情報の歴史的特徴値とし、当該予測日の次の日を新たな予測日とし、且つ予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期における歴史的特徴データ及び現在の増分データを取得する操作から前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定する操作までを繰り返して実行することにより、当該第２特徴情報の当該新たな予測日での変化予測推定情報を確定いてもよい。同様に、予測推定装置は当該方法により予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期における歴史的特徴データ及び現在の増分データを取得する操作から前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定する操作までを何度も繰り返して実行することにより、未来の複数の日数の変化予測推定情報を確定してもよい。
本発明の１つの好ましい実施例によれば、前記予測推定装置は、前記予測推定モデルが対応する前記複数の第１特徴情報における少なくとも１つの第１特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも１つの第１特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得するための装置(図示せず、以下、「特徴更新装置」と略称する)を更に含む。
前記予測推定モデルが対応する前記複数の第１特徴情報における少なくとも１つの第１特徴情報に対するユーザの更新操作が取得された場合に、特徴更新装置は前記更新操作に基づいて前記少なくとも１つの第１特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得する。
前記更新操作は第１特徴情報の特徴値を変更させる各種の操作を含む。
引き続き前記第１実施例を説明し、例えば、予測推定装置はユーザが第１特徴情報である「価格」の値をｐｒｉｃｅ_０からｐｒｉｃｅ_１に修正する情報を取得する場合に、特徴更新装置は「価格」の過去第ｘ-１日から第ｘ-７日までの７日内の平均値ｐｒｉｃｅ_ｅに基づいて、第１特徴情報である「価格」の現在の増分データをｐｒｉｃｅ_０／ｐｒｉｃｅ_ｅからｐｒｉｃｅ_１／ｐｒｉｃｅ_ｅに更新することにより、予測推定モデルｍｏｄｅｌ_１が当該更新後の「価格」の現在の増分データに基づいて予測処理を実行する。
なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記予測推定モデルが対応する前記複数の第１特徴情報における少なくとも１つの第１特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも１つの第１特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得する任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。
好ましくは、本発明に係る予測推定装置は、現在のユーザの予測推定レンダリング命令を取得するための装置(図示せず、以下、「命令取得装置」と略称する)を更に含み、前記確定装置３は前記予測推定レンダリング命令に基づいて、前記予測推定レンダリング命令に対応する少なくとも１つの変化予測推定情報を呈するための装置(図示せず、以下、「レンダリング装置」と略称する)を更に含む。
命令取得装置は現在のユーザの予測推定レンダリング命令を取得する。
好ましくは、前記予測推定レンダリング命令は、以下の少なくとも１つを含むが、これに限定されない。
１)複数の第２特徴情報が存在する場合に、複数の第２特徴情報から１つ又は複数の第２特徴情報の変化予測推定情報を選択して呈する。
例えば、予測推定装置はユーザーインターフェースで予測推定可能な２つの第１特徴情報である「消費値」及び「検索量」を表現し、且つユーザが選択して呈する第１特徴情報である「消費値」の変化予測推定情報を取得する。
２)変化予測推定情報のレンダリング形式である。例えば、グラフの形式で呈され、又はデータリストの形式で呈示される。
３)呈された変化予測推定情報の期間である。例えば、未来の一週間又は未来の一か月間等、好ましくは、ユーザは未来の任意の１日又は数日を選択して変化予測推定情報を呈する期間とすることができる。
次に、レンダリング装置は前記予測推定レンダリング命令に基づいて、前記予測推定レンダリング命令に対応する少なくとも１つの変化予測推定情報を呈する。
例えば、命令取得装置が取得した現在のユーザの予測推定呈示命令は、消費値が過去１０日間での特徴値及び未来の１０日間での変化予測推定情報を呈することを含み、グラフの形式で呈する。レンダリング装置は既に取得された複数の第２特徴情報の歴史的特徴値から、当該予測推定レンダリング命令に対応する情報を取得し、前記予測推定モデルが対応する複数の第２特徴情報の少なくとも１つの計算周期での歴史的特徴データ及び現在の増分データを取得する操作から前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定する操作までを何度も実行することにより、当該第１特徴情報「消費値」の未来の１０日での変化予測推定情報を取得し、且つグラフの形式で呈されることにより、ユーザに図３に示されるグラフを表示する。
本発明の更に１つの好ましい実施例によれば、本実施例に係る予測推定装置は、期間内における複数のユーザの少なくとも１つの第２特徴情報の変化予測推定情報をそれぞれ予め設定するための装置(図示せず、以下、「予定装置」と略称する)と、前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの前記所定期間での変化予測推定情報をフィッティングすることにより、前記フィッティング結果に基づいて前記現在のユーザの１つ又は複数の類似ユーザを確定するための装置(図示せず、以下、「フィッティング装置」と略称する)と、前記１つ又は複数の類似ユーザの前記第２特徴情報に対応する特徴更新計画に基づいて、前記現在のユーザに推薦することに用いる特徴更新計画を確定するための装置(図示せず、以下、「計画推薦装置」と略称する)とを更に含む。
予定装置は期間内における複数のユーザの少なくとも１つの第２特徴情報の変化予測推定情報をそれぞれ予め設定する。
次に、フィッティング装置は前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの前記所定期間での変化予測推定情報をフィッティングすることにより、前記フィッティング結果に基づいて前記現在のユーザの１つ又は複数の類似ユーザを確定する。
次に、計画推薦装置は前記１つ又は複数の類似ユーザが前記第２特徴情報に対応する特徴更新計画に基づいて、前記現在のユーザに推薦することに用いられる特徴更新計画を確定する。
例えば、フィッティング装置は取得された未来の一定時間内の複数のユーザの「消費値」の変化予測推定情報の曲線をフィッティングすることにより、現在のユーザと最もマッチングするユーザを取得し、且つ当該ユーザの次の５日での消費計画(即ち第１特徴情報に対応する特徴更新計画) を取得することにより、計画推薦装置が当該消費計画を現在のユーザに推薦する。
好ましくは、本発明に係る予測推定装置は、前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件を満たす場合、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促すための装置(図示せず、以下、「プロンプト装置」と略称する)を更に含む。
プロンプト装置は前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件を満たす場合に、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促す。
例えば、変化予測推定情報はユーザの消費値の予測推定特徴値を含み、所定の促す条件は、予測日のアカウント残高が１０００元よりも小さいことを含む。ユーザの現在アカウント残高が１５００元であり、且つ予測推定装置は前記の予測推定モデルの対応する複数の第１特徴情報の少なくとも１つの計算周期での歴史的特徴データ及び現在の増分データを取得する操作から前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定する操作までを実行することにより、消費値の予測日での予測推定特徴値が８２０元であることを取得する場合に、予測推定装置は当該変化予測推定値に基づいて当該ユーザの予測日でのアカウント残高が６８０元であると確定する。プロンプト装置は当該変化予測推定値に対応するアカウント残高が所定の促す条件を満たすと判断し、且つ現在のユーザに「残高不足、タイムリーにリチャージしてください」の促す情報を送信することにより、現在のユーザにアカウントリチャージの操作を実行するように促す。
好ましくは、本発明に係る予測推定装置は、１つ又は複数のユーザとそれぞれ対応する少なくとも１つの第２特徴情報の変化予測推定情報を取得するための装置(図示せず、以下、「予測推定取得装置」と略称する)と、取得された各ユーザが対応する少なくとも１つの第２特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するサービスリソース配分を調整するための装置(図示せず、以下、「予測推定統計装置」と略称する)と、を更に含む。
予測推定取得装置は１つ又は複数のユーザにそれぞれ対応する少なくとも１つの第２特徴情報の変化予測推定情報を取得する。
具体的には、前記予測推定取得装置は１つ又は複数のユーザに、前記の予測推定モデルの対応する複数の第１特徴情報の少なくとも１つの計算周期での歴史的特徴データ及び現在の増分データを取得する操作から第１変化情報に基づいて第２特徴情報の前記予測日での変化予測推定情報を確定する操作までを少なくとも一回実行することにより、前記複数のユーザにおける各ユーザにそれぞれ対応する少なくとも１つの第２特徴情報の変化予測推定情報を取得し、及び／又は、前記予測推定取得装置は他の予測推定装置が取得した、１つ又は複数のユーザにそれぞれ対応する少なくとも１つの第２特徴情報の変化予測推定情報を受信する。
次に、予測推定統計装置は取得された各ユーザが対応する少なくとも１つの第２特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するサービスリソース配分を調整する。
前記リソースは前記特徴情報と関連するサービスを提供することに必要とする各種のソフトウェアおよびハードウェアリソースを含む。例えば、前記サービスリソースは利用可能な帯域幅の大きさを含み、更に例えば、利用可能なサーバ数などを含む。
例えば、第２特徴情報は「検索量」を含み、予測推定取得装置は複数の他の予測推定装置からの、当該複数の他の予測推定装置にそれぞれ対応する各ユーザの検索量の次の周期での変化予測推定情報を受信し、対応するステップを実行することにより現在のユーザに対応する検索量の次の周期での変化予測推定情報を取得する。次に、予測推定統計装置は取得された各ユーザの対応する検索量の変化予測推定情報を統計することにより次の周期での当該各ユーザの日平均検索量の和を取得し、且つ当該次の周期の日ごとの日平均検索量の和がいずれも予定閾値を超える場合、当該次の周期内に検索サービスを提供するためのスタンバイサーバを起動するように設置されることにより、この期間内の検索サービスのスループットを向上させる。
本発明の方法によれば、複数の第１特徴情報に基づいて第２特徴情報を予測する予測推定モデルを作成することにより、各特徴情報間の相互影響関係を効果的に体現することができ、それにより予測推定モデルに基づいて未来の一定時間内に対して特徴情報を相応に予測推定し、ユーザが特徴情報の今後の動向を把握し易くなり、呈される予測推定情報に基づいて対応する操作を行い、ユーザの体験を向上させる。また、ユーザが行った操作を合わせることにより未来の一定時間内の第２特徴情報の特徴値を予測推定し、予測推定情報の正確さを更に向上させ、ユーザが未来の特徴情報変化を把握することを希望する要求を満たし、且つ予測推定の正確さを向上させる。なお、本発明の方法によれば、更に予測推定結果に基づいて対応するリソース配分を調整することができ、それにより全体のサービスリソースをより効果的に利用することができ、各特徴情報が対応するサービスをより良くサポートすることができる。
本発明のソフトウェアプログラムはプロセッサの実行により上記の前記ステップ又は機能を実現することができる。同様に、本発明のソフトウェアプログラム(関連するデータ構造を含む)はコンピュータ読み取り可能な記録媒体、例えば、ＲＡＭメモリ、磁気または光学ドライブ又はフロッピーディスク及び類似デバイスに記憶されることができる。また、本発明の一部のステップ又は機能がハードウェアで実現されることができ、例えば、プロセッサと合わせることにより各機能又はステップを実行する回路が挙げられる。
また、本発明の一部はコンピュータプログラム製品、例えばコンピュータプログラム命令として応用されることができ、コンピュータで実行される場合に、当該コンピュータの動作により、本発明に係る方法及び／又は技術的手段を呼び出したり提供したりすることができる。本発明の方法を利用するプログラム命令は、固定又は移動可能な記録媒体に記憶される可能性があり、及び／又はブロードキャスト又は他の信号担持媒体におけるデータフローにより伝送され、及び／又は前記プログラム命令に基づいて運行するコンピュータデバイスのワーキングメモリに記憶される。ここで、本発明に係る１つの実施例は１つの装置を含み、当該装置はコンピュータプログラム命令を記憶するためのメモリ及びプログラム命令を実行するためのプロセッサを含み、当該コンピュータプログラム命令は当該プロセッサで実行される場合に、当該装置が前記本発明に係る複数の実施例に基づく方法及び／又は技術案を行うようにトリガーする。
当業者にとっては、明らかに本発明は上記の例示的な実施例の細部に限定されず、且つ本発明の精神又は基本的な特徴から逸脱しない場合には、他の具体的な形式で本発明を実現することができる。このため、どちらの面から考えても、実施例を例示的且つ非限定的なものと見なすべき、本発明の範囲は上記の説明に限定されず、付いている請求の範囲に限定され、このため、請求の範囲の同等の要件の意味及び範囲内に属するすべての変化が本発明に含まれることを意図する。請求の範囲における任意の図面符号を関連する請求の範囲に対する限定と見なすべきではない。なお、明らかに「含む」は他のユニット又はステップを排除せず、単数の表現は複数を排除しない。システムの請求の範囲に記述された複数のユニット又は装置は１つのユニット又は装置がソフトウェア又はハードウェアにより実現されてもよい。第１、第２等の用語は任意の特定の順序を示せず、名称を示すためのものである。

Claims (21)

  1. 特徴情報の変化を予測するための方法であって、
    予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期における歴史的特徴データ及び現在の増分データを取得するステップと、
    予測推定モデルによって予測推定モデルに対応する各第１特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第２特徴情報の予測日での第１変化情報を取得するステップと、
    前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップと、を含んでおり、
    ここで、前記現在の増分データは、前記少なくとも１つの計算周期における歴史的特徴データに対する各第１特徴情報の前記予測日の前日での特徴データの比を指し示すことに用いられることを特徴とする特徴情報の変化を予測するための方法。
  2. 前記第２特徴情報の歴史的特徴値に基づいて前記第２特徴情報の予測日での第２変化情報を確定するステップをさらに含み、
    前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップにおいては、
    前記第１変化情報及び前記第２変化情報に基づいて前記第２特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップを更に含むこと特徴とする請求項１に記載の方法。
  3. 予測推定モデルが対応する複数の第１特徴情報の現在の増分データを取得するステップにおいては、
    前記予測推定モデルが対応する前記複数の第１特徴情報における少なくとも１つの第１特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも１つの第１特徴情報のそれぞれの現在の増分データを更新するステップを更に含むこと特徴とする請求項１又は２に記載の方法。
  4. １つ又は複数の第１特徴情報の歴史的期間における歴史的特徴データ及び前記歴史的特徴データがそれぞれ対応する増分情報を取得するステップと、
    第２特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得するステップと、
    前記１つ又は複数の第１特徴情報の歴史的期間における歴史的特徴データ及び前記歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第２特徴情報の日ごとの特徴値に基づいて、前記第２特徴情報の次の日での特徴値を予測するための予測推定モデルを確定するステップと、を更に含んでおり、
    ここで、前記歴史的期間は少なくとも１つの計算周期を含むこと特徴とする請求項１〜３のいずれか一項に記載の方法。
  5. ユーザの操作に基づいて、複数の特徴情報から１つを第２特徴情報として選択し、且つ残りの特徴情報から少なくとも１つを、当該第２特徴情報を予測するための予測推定モデルを作成するために必要とする第１特徴情報として選択するステップを含むことを特徴とする請求項１〜４のいずれか一項に記載の方法。
  6. 現在のユーザの予測推定レンダリング命令を取得するステップを更に含み、
    前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップにおいては、
    前記予測推定呈示レンダリングに基づいて、前記予測推定レンダリング命令に対応する少なくとも１つの変化予測推定情報を呈するステップを含むことを特徴とする請求項１〜５のいずれか一項に記載の方法。
  7. 期間内の複数のユーザの少なくとも１つの第２特徴情報の変化予測推定情報を予め設定するステップと、
    前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの所定期間での変化予測推定情報とをフィッティングすることにより、フィッティング結果に基づいて前記現在のユーザの１つ又は複数の類似ユーザを確定するステップと、
    前記１つ又は複数の類似ユーザの特徴更新計画に基づいて、前記現在のユーザに推薦することに用いられる特徴更新計画を確定するステップと、を更に含むことを特徴とする請求項１〜５のいずれか一項に記載の方法。
  8. 前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件を満たす場合に、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促すステップを更に含むことを特徴とする請求項１〜５のいずれか一項に記載の方法。
  9. １つ又は複数のユーザにそれぞれ対応する少なくとも１つの第２特徴情報の変化予測推定情報を取得するステップと、
    取得された各ユーザが対応する少なくとも１つの第２特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するサービスリソース配分を調整するステップと、を更に含むことを特徴とする請求項１〜８のいずれか一項に記載の方法。
  10. 特徴情報の変化を予測するための予測推定装置であって、
    予測推定モデルが対応する複数の第１特徴情報の少なくとも１つの計算周期における歴史的特徴データ及び現在の増分データを取得するための装置と、
    予測推定モデルによって予測推定モデルに対応する各第１特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第２特徴情報の予測日での第１変化情報を取得するための装置と、
    前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置と、を含んでおり、
    ここで、前記少なくとも１つの計算周期における歴史的特徴データに対する各第１特徴情報の前記予測日の前日での特徴データの比を指し示すことに用いられることを特徴とする特徴情報の変化を予測するための予測推定装置。
  11. 前記第２特徴情報の歴史的特徴値に基づいて前記第２特徴情報の予測日での第２変化情報を確定するための装置を更に含み、
    前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置は、
    前記第１変化情報及び前記第２変化情報に基づいて前記第２特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置を更に含むことを特徴とする請求項１０に記載の予測推定装置。
  12. 予測推定モデルが対応する複数の第１特徴情報の現在の増分データを取得する装置は、
    前記予測推定モデルが対応する前記複数の第１特徴情報における少なくとも１つの第１特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも１つの第１特徴情報のそれぞれの現在の増分データを更新するための装置を更に含む請求項１０又は１１に記載の予測推定装置。
  13. １つ又は複数の第１特徴情報の歴史的期間における歴史的特徴データ及び前記歴史的特徴データがそれぞれ対応する増分情報を取得するための装置と、
    第２特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得するための装置と、
    前記１つ又は複数の第１特徴情報の歴史的期間における歴史的特徴データ及び前記歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第２特徴情報の日ごとの特徴値に基づいて、前記第２特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する装置と、を更に含み、
    ここで、前記歴史的期間は少なくとも１つの計算周期を含むこと特徴とする請求項１０〜１２のいずれか一項に記載の予測推定装置。
  14. ユーザの操作に基づいて、複数の特徴情報から１つを第２特徴情報として選択し、且つ残りの特徴情報から少なくとも１つを、当該第２特徴情報を予測するための予測推定モデルを作成するために必要とする第１特徴情報として選択するための装置を更に含むことを特徴とする請求項１０〜１３のいずれか一項に記載の予測推定装置。
  15. 現在のユーザの予測推定レンダリング命令を取得するための装置を更に含み、
    前記第１変化情報に基づいて前記第２特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置は、
    前記予測推定レンダリング命令に基づいて、前記予測推定レンダリング命令に対応する少なくとも１つの変化予測推定情報を呈するための装置を更に含むことを特徴とする請求項１０〜１４のいずれか一項に記載の予測推定装置。
  16. 期間内の複数のユーザの少なくとも１つの第２特徴情報の変化予測推定情報をそれぞれ予め設定するための装置と、
    前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの所定期間での変化予測推定情報とをフィッティングすることにより、前記フィッティング結果に基づいて前記現在のユーザの１つ又は複数の類似ユーザを確定するための装置と、
    前記１つ又は複数の類似ユーザの特徴更新計画に基づいて、前記現在のユーザに推薦することに用いられる特徴更新計画を確定するための装置と、を更に含むことを特徴とする請求項１０〜１４のいずれか一項に記載の予測推定装置。
  17. 前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件を満たす場合に、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促すための装置を更に含むことを特徴とする請求項１０〜１４のいずれか一項に記載の予測推定装置。
  18. １つ又は複数のユーザにそれぞれ対応する少なくとも１つの第２特徴情報の変化予測推定情報を取得するための装置と、
    取得された各ユーザが対応する少なくとも１つの第２特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するリソース配分を調整するための装置と、を更に含むことを特徴とする請求項１０〜１４のいずれか一項に記載の予測推定装置。
  19. コンピュータ読み取り可能な媒体であって、コンピュータコードを含み、前記コンピュータコードが実行される場合に、請求項１〜９のいずれか一項に記載の方法が実行されることを特徴とするコンピュータ読み取り可能な媒体。
  20. コンピュータプログラム製品であって、前記コンピュータプログラム製品がコンピュータデバイスによって実行される場合に、請求項１〜９のいずれか一項に記載の方法が実行されることを特徴とするコンピュータプログラム製品。
  21. コンピュータデバイスであって、メモリ及びプロセッサを含み、前記メモリにコンピュータコードが記憶され、前記プロセッサが前記コンピュータコードを実行することにより請求項１〜９のいずれか一項に記載の方法を実行するように配置されていることを特徴とするコンピュータデバイス。
JP2016550932A 2014-04-17 2014-12-16 特徴情報の変化を予測するための方法及び装置 Active JP6254712B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201410154993.8A CN103971170B (zh) 2014-04-17 2014-04-17 一种用于对特征信息的变化进行预测的方法和装置
CN201410154993.8 2014-04-17
PCT/CN2014/093952 WO2015158149A1 (zh) 2014-04-17 2014-12-16 一种用于对特征信息的变化进行预测的方法和装置

Publications (2)

Publication Number Publication Date
JP2016540328A true JP2016540328A (ja) 2016-12-22
JP6254712B2 JP6254712B2 (ja) 2017-12-27

Family

ID=51240635

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016550932A Active JP6254712B2 (ja) 2014-04-17 2014-12-16 特徴情報の変化を予測するための方法及び装置

Country Status (5)

Country Link
US (1) US10474957B2 (ja)
EP (1) EP3133537A4 (ja)
JP (1) JP6254712B2 (ja)
CN (1) CN103971170B (ja)
WO (1) WO2015158149A1 (ja)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971170B (zh) * 2014-04-17 2017-09-29 北京百度网讯科技有限公司 一种用于对特征信息的变化进行预测的方法和装置
CN107544981B (zh) * 2016-06-25 2021-06-01 华为技术有限公司 内容推荐方法及装置
CN108229998B (zh) * 2016-12-21 2022-06-03 百度在线网络技术（北京）有限公司 营销辅助方法及装置
CN106875218B (zh) * 2017-02-04 2021-09-28 武汉昊阳科技有限公司 数据流量产品的价格预测方法及装置
CN107507030A (zh) * 2017-08-22 2017-12-22 北京京东尚科信息技术有限公司 信息预测的方法和装置
CN108197737A (zh) * 2017-12-29 2018-06-22 山大地纬软件股份有限公司 一种建立医保住院费用预测模型的方法及系统
CN108449609B (zh) * 2018-02-09 2020-03-06 广州虎牙信息科技有限公司 直播间事件的识别方法及装置、电子设备、机器可读介质
CN108600970A (zh) * 2018-03-30 2018-09-28 深圳春沐源控股有限公司 一种信息提醒方法、装置及计算机可读存储介质
CN108683734B (zh) * 2018-05-15 2021-04-09 广州虎牙信息科技有限公司 品类推送方法、装置及存储设备、计算机设备
CN109902849B (zh) * 2018-06-20 2021-11-30 华为技术有限公司 用户行为预测方法及装置、行为预测模型训练方法及装置
CN110956294B (zh) * 2018-09-26 2021-03-23 北京嘀嘀无限科技发展有限公司 一种排队时间预估方法以及装置
EP3637423A1 (en) * 2018-10-10 2020-04-15 Koninklijke Philips N.V. Identifying a user of a display unit
CN111858015B (zh) * 2019-04-25 2024-01-12 中国移动通信集团河北有限公司 配置应用程序的运行资源的方法、装置及网关
CN112307308A (zh) * 2019-07-26 2021-02-02 腾讯科技（深圳）有限公司 一种数据处理方法、装置、设备及介质
CN111062749A (zh) * 2019-12-12 2020-04-24 北京爱奇艺科技有限公司 增长量预估方法、装置、电子设备及存储介质
CN111050008A (zh) * 2019-12-12 2020-04-21 北京金山云网络技术有限公司 一种账户余额提醒方法、装置、电子设备及存储介质
CN112685360B (zh) * 2020-12-29 2023-09-22 湖北华中电力科技开发有限责任公司 内存数据的持久化方法及装置、存储介质、计算机设备
CN113468235B (zh) * 2021-05-31 2023-05-09 北京达佳互联信息技术有限公司 信息获取方法、装置、服务器及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004102357A (ja) * 2002-09-04 2004-04-02 Shiseido Co Ltd 生産量算定方法，生産量算定装置，生産量算定システム，生産量算定プログラムおよび記録媒体
JP2007052533A (ja) * 2005-08-16 2007-03-01 Ntt Data Corp 統計最適化統合装置、および統計最適化統合プログラム
JP2009169930A (ja) * 2007-12-21 2009-07-30 Fuji Electric Systems Co Ltd エネルギー需要予測装置
JP2010044795A (ja) * 2004-01-27 2010-02-25 Nhn Business Platform Corp 広告費用算出方法
JP2011054139A (ja) * 2009-09-04 2011-03-17 Weather Service Co Ltd 環境情報提供装置、システム、方法およびプログラム
US20130096983A1 (en) * 2011-04-04 2013-04-18 The Catholic University Of America Systems and methods for improving the accuracy of day-ahead load forecasts on an electric utility grid

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6611726B1 (en) 1999-09-17 2003-08-26 Carl E. Crosswhite Method for determining optimal time series forecasting parameters
US7752190B2 (en) * 2005-12-21 2010-07-06 Ebay Inc. Computer-implemented method and system for managing keyword bidding prices
US8788306B2 (en) * 2007-03-05 2014-07-22 International Business Machines Corporation Updating a forecast model
CN101082972A (zh) * 2007-05-30 2007-12-05 华为技术有限公司 预测用户对商品的兴趣的方法、装置和广告发布方法
US20100094673A1 (en) * 2008-10-14 2010-04-15 Ebay Inc. Computer-implemented method and system for keyword bidding
US8265989B2 (en) * 2009-05-05 2012-09-11 The Nielsen Company, LLC Methods and apparatus to determine effects of promotional activity on sales
CN101673385A (zh) 2009-09-28 2010-03-17 百度在线网络技术（北京）有限公司 消费预估方法和装置
US8499066B1 (en) * 2010-11-19 2013-07-30 Amazon Technologies, Inc. Predicting long-term computing resource usage
CN102479190A (zh) * 2010-11-22 2012-05-30 阿里巴巴集团控股有限公司 一种搜索关键词的估计值预测方法和装置
JP5678620B2 (ja) * 2010-12-03 2015-03-04 株式会社日立製作所 データ処理方法、データ処理システム、及びデータ処理装置
CN103729351B (zh) * 2012-10-10 2017-10-03 阿里巴巴集团控股有限公司 查询词推荐方法及装置
CN103617459A (zh) * 2013-12-06 2014-03-05 李敬泉 一种多影响因素下商品需求信息预测方法
CN103971170B (zh) * 2014-04-17 2017-09-29 北京百度网讯科技有限公司 一种用于对特征信息的变化进行预测的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004102357A (ja) * 2002-09-04 2004-04-02 Shiseido Co Ltd 生産量算定方法，生産量算定装置，生産量算定システム，生産量算定プログラムおよび記録媒体
JP2010044795A (ja) * 2004-01-27 2010-02-25 Nhn Business Platform Corp 広告費用算出方法
JP2007052533A (ja) * 2005-08-16 2007-03-01 Ntt Data Corp 統計最適化統合装置、および統計最適化統合プログラム
JP2009169930A (ja) * 2007-12-21 2009-07-30 Fuji Electric Systems Co Ltd エネルギー需要予測装置
JP2011054139A (ja) * 2009-09-04 2011-03-17 Weather Service Co Ltd 環境情報提供装置、システム、方法およびプログラム
US20130096983A1 (en) * 2011-04-04 2013-04-18 The Catholic University Of America Systems and methods for improving the accuracy of day-ahead load forecasts on an electric utility grid

Also Published As

Publication number Publication date
JP6254712B2 (ja) 2017-12-27
CN103971170B (zh) 2017-09-29
CN103971170A (zh) 2014-08-06
EP3133537A1 (en) 2017-02-22
US10474957B2 (en) 2019-11-12
WO2015158149A1 (zh) 2015-10-22
EP3133537A4 (en) 2017-09-13
US20160217383A1 (en) 2016-07-28

Similar Documents

Publication Publication Date Title
JP6254712B2 (ja) 特徴情報の変化を予測するための方法及び装置
US11170320B2 (en) Updating machine learning models on edge servers
US10789544B2 (en) Batching inputs to a machine learning model
Ferjani et al. A simulation-optimization based heuristic for the online assignment of multi-skilled workers subjected to fatigue in manufacturing systems
Mattia et al. Staffing and scheduling flexible call centers by two-stage robust optimization
WO2015194182A1 (ja) サービスチェーン管理装置、サービスチェーン管理システム、サービスチェーン管理方法、及び、プログラム記録媒体
EP3404607A1 (en) Information delivery method and apparatus, server, and storage medium
CN104616173B (zh) 预测用户流失的方法以及设备
JP7085486B2 (ja) ユーザ挙動データの処理方法及び装置
CN105610886B (zh) 信息推送的控制方法及信息推送平台
JP6950911B1 (ja) 需要予測プログラム、需要予測装置、需要予測方法、需要予測通知プログラム、需要予測通知装置及び需要予測通知方法
AU2013237759A1 (en) Systems and methods for use in marketing
JP6094594B2 (ja) 情報システム構築支援装置、情報システム構築支援方法および情報システム構築支援プログラム
JP2016524227A (ja) アプリケーション・ランキング算出装置および利用情報収集装置
CN107527128B (zh) 一种广告平台的资源参数确定方法和设备
US9253325B1 (en) Online technical support management
CN115129481A (zh) 一种计算资源分配方法、装置及电子设备
JP6887546B2 (ja) 注文を処理して応答する方法
JP7041607B2 (ja) リソース管理支援装置およびリソース管理支援方法
JP2019101833A (ja) 説明変数に確率密度関数を適用した回帰分析によるデータ予測システム、データ予測方法、及びデータ予測プログラム
JP5836407B2 (ja) 広告表示制御方法、広告表示制御装置及びプログラム
US20230081471A1 (en) Information processing device, information processing method, and non-transitory computer readable medium
WO2021260924A1 (ja) 予測システム、予測方法、及びプログラム
CN115269182A (zh) 资源调整方法、装置、服务器及存储介质
JP6307423B2 (ja) イベント実施時期設定装置、方法およびプログラム

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170414

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170418

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20170718

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20170915

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171017

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: 20171107

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20171130

R150 Certificate of patent or registration of utility model

Ref document number: 6254712

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

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