JP2018142294A - マイクロブログ投稿から購入ステージを識別するために深層学習を使用するシステムおよび方法、プログラム、サーバ装置 - Google Patents
マイクロブログ投稿から購入ステージを識別するために深層学習を使用するシステムおよび方法、プログラム、サーバ装置 Download PDFInfo
- Publication number
- JP2018142294A JP2018142294A JP2017178019A JP2017178019A JP2018142294A JP 2018142294 A JP2018142294 A JP 2018142294A JP 2017178019 A JP2017178019 A JP 2017178019A JP 2017178019 A JP2017178019 A JP 2017178019A JP 2018142294 A JP2018142294 A JP 2018142294A
- Authority
- JP
- Japan
- Prior art keywords
- post
- digital
- stage
- posts
- identifying
- 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
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000013135 deep learning Methods 0.000 title description 3
- 238000013528 artificial neural network Methods 0.000 claims abstract description 90
- 230000008569 process Effects 0.000 claims description 49
- 230000000306 recurrent effect Effects 0.000 claims description 37
- 238000007781 pre-processing Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 230000001788 irregular Effects 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 5
- 230000014509 gene expression Effects 0.000 description 16
- 238000012706 support-vector machine Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000011176 pooling Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 230000001537 neural effect Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 241000288105 Grus Species 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000007477 logistic regression Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000004587 chromatography analysis Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000006403 short-term memory Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
- G06N5/047—Pattern matching networks; Rete networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】方法は、製品を識別し、かつ、デジタルアカウントに関連付けられている、1つ以上のデジタル投稿を収集するステップと、各デジタル投稿について生成された特徴表現に基づいて、1つ以上のデジタル投稿の各々に関連付けられた決定モデルのステージをニューラルネットワークによって識別するステップと、製品関連情報をデジタルアカウントに伝送するステップとを有する。伝送するステップは、1つ以上のデジタル投稿の各々について識別された、決定モデルのステージに基づく。
【選択図】図2
Description
本開示の技術は、投稿に基づく製品関連情報を伝送することを目的とする。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、を備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、のうちの少なくとも1つを更に備えるようにしてもよい。
前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、前記1つ以上のデジタル投稿は、第1の投稿時間に関連付けられた第1の投稿と、前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、を備えるデジタル投稿の時系列のシーケンスを備え、前記決定モデルのステージを識別するステップは、前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備えるようにしてもよい。
前記1つ以上のデジタル投稿の各々に関連付けられた前記決定モデルのステージを前記ニューラルネットワークによって識別するステップは、クラスのランキングを損失関数として使用して、前記ニューラルネットワークがクラスの不均衡を補償することを可能にするステップを備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、を備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、のうちの少なくとも1つを更に備えるようにしてもよい。
前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、前記1つ以上のデジタル投稿は、第1の投稿時間に関連付けられた第1の投稿と、前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿とを備えるデジタル投稿の時系列のシーケンスを備え、前記決定モデルのステージを識別するステップは、前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備えるようにしてもよい。
前記ニューラルネットワークは、双方向ゲートリカレントニューラルネットワークであり、前記1つ以上のデジタル投稿は、第1の投稿時間に関連付けられた第1の投稿と、前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、前記第1の投稿時間の後および前記第2の投稿時間の後の第3の投稿時間に関連付けられた第3の投稿と
を備えるデジタル投稿の時系列のシーケンスを備え、前記決定モデルのステージを識別するステップは、前記第1の投稿に関連付けられた特徴表現、前記第2の投稿に関連付けられた特徴表現、および前記第3の投稿に関連付けられた特徴表現に基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、を備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、のうちの少なくとも1つを更に備えるようにしてもよい。
前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、前記1つ以上のデジタル投稿は、第1の投稿時間に関連付けられた第1の投稿と、前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、を備えるデジタル投稿の時系列のシーケンスを備え、前記決定モデルのステージを識別するステップは、前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備えるようにしてもよい。
Wi=n/(c*fi) (式2)
Wi=n/(c*fi) (式2)
表3:CNN投稿表現および単方向GRUシーケンスモデルの試験セットにおける混同行列
Claims (20)
- 情報をターゲットに向ける方法であって、前記方法は、
製品を識別し、かつデジタルアカウントに関連付けられている、1つ以上のデジタル投稿を収集するステップと、
各デジタル投稿について生成された特徴表現に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた決定モデルのステージをニューラルネットワークによって識別するステップと、
製品関連情報を前記デジタルアカウントに伝送するステップであって、前記伝送するステップが、前記1つ以上のデジタル投稿の各々について識別された前記決定モデルのステージに基づく、ステップと、
を備える、方法。 - 前記1つ以上のデジタル投稿に関連付けられた前記決定モデルのステージを識別する前に、前記1つ以上のデジタル投稿を前処理するステップを更に備え、前記前処理するステップは、
スパムを示す少なくとも1つのデジタル投稿を除去するために、前記1つ以上のデジタル投稿をフィルタリングするステップと、
メディアコンテンツの矛盾するトークン化および不規則な伸長を除去するために、少なくとも1つのデジタル投稿をクリーニングするステップと、
のうちの少なくとも1つを備える、請求項1に記載の方法。 - 前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、
を備える、請求項1に記載の方法。 - 前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
のうちの少なくとも1つを更に備える、請求項3に記載の方法。 - 前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項3に記載の方法。 - 前記ニューラルネットワークは、双方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
前記第1の投稿時間の後および前記第2の投稿時間の後の第3の投稿時間に関連付けられた第3の投稿と、
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現、前記第2の投稿に関連付けられた特徴表現、および前記第3の投稿に関連付けられた特徴表現に基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項3に記載の方法。 - 前記決定モデルのステージは、
意識のステージと、
関心のステージと、
欲求のステージと、
アクションのステージと、
否定的なセンチメントのステージと、
関連しないステージと、
のうちの1つ以上を備える、請求項3に記載の方法。 - 前記1つ以上のデジタル投稿の各々に関連付けられた前記決定モデルのステージを前記ニューラルネットワークによって識別するステップは、クラスのランキングを損失関数として使用して、前記ニューラルネットワークがクラスの不均衡を補償することを可能にするステップを備える、請求項3に記載の方法。
- 情報をターゲットに向ける方法をコンピュータに実行させるためのプログラムであって、前記方法は、
製品を識別し、かつデジタルアカウントに関連付けられている1つ以上のデジタル投稿を収集するステップと、
各デジタル投稿について生成された特徴表現に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた決定モデルのステージをニューラルネットワークによって識別するステップと、
製品関連情報を前記デジタルアカウントに伝送するステップであって、前記伝送するステップが、前記1つ以上のデジタル投稿の各々について識別された前記決定モデルのステージに基づく、ステップと、
を備える、プログラム。 - 前記1つ以上のデジタル投稿に関連付けられた前記決定モデルのステージを識別する前に、前記1つ以上のデジタル投稿を前処理するステップを更に備え、前記前処理するステップは、
スパムを示す少なくとも1つのデジタル投稿を除去するために、前記1つ以上のデジタル投稿をフィルタリングするステップと、
メディアコンテンツの矛盾するトークン化および不規則な伸長を除去するために、少なくとも1つのデジタル投稿をクリーニングするステップと、
のうちの少なくとも1つを備える、請求項9に記載のプログラム。 - 前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、
を備える、請求項9に記載のプログラム。 - 前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
のうちの少なくとも1つを更に備える、請求項11に記載のプログラム。 - 前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項11に記載のプログラム。 - 前記ニューラルネットワークは、双方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
前記第1の投稿時間の後および前記第2の投稿時間の後の第3の投稿時間に関連付けられた第3の投稿と
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現、前記第2の投稿に関連付けられた特徴表現、および前記第3の投稿に関連付けられた特徴表現に基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項11に記載のプログラム。 - 情報をターゲットに向けるように構成されたサーバ装置であって、
製品を識別し、かつデジタルアカウントに関連付けられている、1つ以上のデジタル投稿を格納するメモリと、
プロセスを実行するプロセッサであって、
各デジタル投稿について生成された特徴表現に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた決定モデルのステージをニューラルネットワークによって識別するステップと、
製品関連情報を前記デジタルアカウントに伝送するステップであって、前記伝送するステップが、前記1つ以上のデジタル投稿の各々について識別された前記決定モデルのステージに基づく、ステップと、
を備えるプロセッサと
を備える、サーバ装置。 - 前記プロセスは、前記1つ以上のデジタル投稿に関連付けられた前記決定モデルのステージを識別する前に、前記1つ以上のデジタル投稿を前処理するステップを更に備え、前記前処理するステップは、
スパムを示す少なくとも1つのデジタル投稿を除去するために、前記1つ以上のデジタル投稿をフィルタリングするステップと、
メディアコンテンツの矛盾するトークン化および不規則な伸長を除去するために、少なくとも1つのデジタル投稿をクリーニングするステップと、
のうちの少なくとも1つを備える、請求項15に記載のサーバ装置。 - 前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、
を備える、請求項15に記載のサーバ装置。 - 前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
のうちの少なくとも1つを更に備える、請求項17に記載のサーバ装置。 - 前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項17に記載のサーバ装置。 - 前記ニューラルネットワークは、双方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
前記第1の投稿時間の後および前記第2の投稿時間の後の第3の投稿時間に関連付けられた第3の投稿と、
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現、前記第2の投稿に関連付けられた特徴表現、および前記第3の投稿に関連付けられた特徴表現に基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項17に記載のサーバ装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/445,788 US11087202B2 (en) | 2017-02-28 | 2017-02-28 | System and method for using deep learning to identify purchase stages from a microblog post |
US15/445,788 | 2017-02-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018142294A true JP2018142294A (ja) | 2018-09-13 |
JP6943106B2 JP6943106B2 (ja) | 2021-09-29 |
Family
ID=63246369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017178019A Active JP6943106B2 (ja) | 2017-02-28 | 2017-09-15 | マイクロブログ投稿から購入ステージを識別するために深層学習を使用するシステムおよび方法、プログラム、サーバ装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11087202B2 (ja) |
JP (1) | JP6943106B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020052463A (ja) * | 2018-09-21 | 2020-04-02 | 株式会社マクロミル | 情報処理方法および情報処理装置 |
JP2020091549A (ja) * | 2018-12-03 | 2020-06-11 | 日本放送協会 | テキスト分類装置、学習装置、およびプログラム |
JP2023500753A (ja) * | 2020-09-30 | 2023-01-11 | グーグル エルエルシー | 同じグループ内の異種サブグループ間でのロバストなモデル性能 |
JP7471760B1 (ja) | 2023-11-14 | 2024-04-22 | 株式会社エクサウィザーズ | 情報処理方法、情報処理システム及びプログラム |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11423439B2 (en) * | 2017-04-18 | 2022-08-23 | Jeffrey D. Brandstetter | Expert search thread invitation engine |
US11934937B2 (en) * | 2017-07-10 | 2024-03-19 | Accenture Global Solutions Limited | System and method for detecting the occurrence of an event and determining a response to the event |
US10719738B2 (en) * | 2017-07-12 | 2020-07-21 | Banuba Limited | Computer-implemented methods and computer systems configured for generating photorealistic-imitating synthetic representations of subjects |
US11556343B2 (en) * | 2017-09-22 | 2023-01-17 | International Business Machines Corporation | Computational method for temporal pooling and correlation |
US10671918B2 (en) * | 2017-10-24 | 2020-06-02 | International Business Machines Corporation | Attention based sequential image processing |
US10599769B2 (en) * | 2018-05-01 | 2020-03-24 | Capital One Services, Llc | Text categorization using natural language processing |
CN108665007B (zh) * | 2018-05-22 | 2020-03-17 | 阿里巴巴集团控股有限公司 | 一种基于多分类器的推荐方法、装置及电子设备 |
CN110956057A (zh) * | 2018-09-26 | 2020-04-03 | 杭州海康威视数字技术股份有限公司 | 一种人群态势分析方法、装置及电子设备 |
US11677703B2 (en) | 2019-08-15 | 2023-06-13 | Rovi Guides, Inc. | Systems and methods for automatically identifying spam in social media comments based on context |
US11258741B2 (en) * | 2019-08-15 | 2022-02-22 | Rovi Guides, Inc. | Systems and methods for automatically identifying spam in social media comments |
US11687778B2 (en) | 2020-01-06 | 2023-06-27 | The Research Foundation For The State University Of New York | Fakecatcher: detection of synthetic portrait videos using biological signals |
CN111652673B (zh) * | 2020-05-09 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 智能推荐方法、装置、服务器和存储介质 |
CN112182423B (zh) * | 2020-10-14 | 2022-09-27 | 重庆邮电大学 | 一种基于注意力机制的网络舆情事件演化趋势预测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5040718B2 (ja) | 2008-02-21 | 2012-10-03 | 日本電気株式会社 | スパム・イベント検出装置及び方法並びにプログラム |
US8495508B2 (en) | 2010-03-30 | 2013-07-23 | George Lebrun | Method and apparatus for contextual based search engine and enterprise knowledge management |
US20150220983A1 (en) * | 2014-02-05 | 2015-08-06 | Mastercard International Incorporated | Systems and Methods of Determining Predictors Based on Transaction Data and Social Network Data |
US9473446B2 (en) * | 2014-06-30 | 2016-10-18 | Linkedin Corporation | Personalized delivery time optimization |
EP3189449A4 (en) * | 2014-09-02 | 2018-03-07 | Feelter Sales Tools Ltd | Sentiment rating system and method |
US9336268B1 (en) * | 2015-04-08 | 2016-05-10 | Pearson Education, Inc. | Relativistic sentiment analyzer |
-
2017
- 2017-02-28 US US15/445,788 patent/US11087202B2/en active Active
- 2017-09-15 JP JP2017178019A patent/JP6943106B2/ja active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020052463A (ja) * | 2018-09-21 | 2020-04-02 | 株式会社マクロミル | 情報処理方法および情報処理装置 |
JP2020091549A (ja) * | 2018-12-03 | 2020-06-11 | 日本放送協会 | テキスト分類装置、学習装置、およびプログラム |
JP7186591B2 (ja) | 2018-12-03 | 2022-12-09 | 日本放送協会 | テキスト分類装置、学習装置、およびプログラム |
JP2023500753A (ja) * | 2020-09-30 | 2023-01-11 | グーグル エルエルシー | 同じグループ内の異種サブグループ間でのロバストなモデル性能 |
JP7230231B2 (ja) | 2020-09-30 | 2023-02-28 | グーグル エルエルシー | 同じグループ内の異種サブグループ間でのロバストなモデル性能 |
JP7471760B1 (ja) | 2023-11-14 | 2024-04-22 | 株式会社エクサウィザーズ | 情報処理方法、情報処理システム及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6943106B2 (ja) | 2021-09-29 |
US11087202B2 (en) | 2021-08-10 |
US20180247189A1 (en) | 2018-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6943106B2 (ja) | マイクロブログ投稿から購入ステージを識別するために深層学習を使用するシステムおよび方法、プログラム、サーバ装置 | |
US11704899B2 (en) | Resolving entities from multiple data sources for assistant systems | |
JP6838376B2 (ja) | 製品関連情報を送信する方法、プログラム、及びサーバ装置。 | |
WO2017121244A1 (zh) | 信息推荐方法、系统以及存储介质 | |
JP6462112B2 (ja) | オンライン・ソーシャル・ネットワーク上での外部コンテンツのランク付け | |
US20110179114A1 (en) | User communication analysis systems and methods | |
US20160140627A1 (en) | Generating high quality leads for marketing campaigns | |
JP6662119B2 (ja) | ソーシャルメディア投稿のキャプションを生成する方法、プログラム及びサーバ装置 | |
US20140335483A1 (en) | Language proficiency detection in social applications | |
US20190050731A1 (en) | Automated commentary for online content | |
WO2013059290A1 (en) | Sentiment and influence analysis of twitter tweets | |
Jeon et al. | Hashtag recommendation based on user tweet and hashtag classification on twitter | |
US20140214548A1 (en) | User Profiling Using Submitted Review Content | |
Lo et al. | Identifying the high-value social audience from Twitter through text-mining methods | |
EP3834162A1 (en) | Dynamic and continous onboarding of service providers in an online expert marketplace | |
CN112989824A (zh) | 信息推送方法及装置、电子设备及存储介质 | |
Gandhe et al. | Sentiment analysis of Twitter data with hybrid learning for recommender applications | |
Al Marouf et al. | Looking behind the mask: A framework for detecting character assassination via troll comments on social media using psycholinguistic tools | |
Sirisati et al. | An aviation delay prediction and recommendation system using machine learning techniques | |
JP5197491B2 (ja) | 行動推薦装置及び方法及びプログラム | |
US20120232989A1 (en) | Method and apparatus for conversation targeting | |
CN114297390B (zh) | 一种长尾分布场景下的方面类别识别方法及系统 | |
US20200153760A1 (en) | Response center | |
Emelda | A comparative study on sentiment classification and ranking on product reviews | |
Naing et al. | Analyzing sentiment level of social media data based on SVM and Naïve Bayes algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200717 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210528 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210726 |
|
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: 20210810 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210823 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6943106 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |