JP2019032857A - サービス提供システムおよびプログラム - Google Patents
サービス提供システムおよびプログラム Download PDFInfo
- Publication number
- JP2019032857A JP2019032857A JP2018175586A JP2018175586A JP2019032857A JP 2019032857 A JP2019032857 A JP 2019032857A JP 2018175586 A JP2018175586 A JP 2018175586A JP 2018175586 A JP2018175586 A JP 2018175586A JP 2019032857 A JP2019032857 A JP 2019032857A
- Authority
- JP
- Japan
- Prior art keywords
- user
- data
- service
- model
- learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010801 machine learning Methods 0.000 claims abstract description 81
- 238000013473 artificial intelligence Methods 0.000 claims description 147
- 238000012545 processing Methods 0.000 claims description 70
- 230000004044 response Effects 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000009795 derivation Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 107
- 230000008569 process Effects 0.000 description 96
- 210000003205 muscle Anatomy 0.000 description 90
- 238000010295 mobile communication Methods 0.000 description 89
- 238000012549 training Methods 0.000 description 89
- 230000006870 function Effects 0.000 description 45
- 238000001514 detection method Methods 0.000 description 42
- 230000008451 emotion Effects 0.000 description 40
- 238000012552 review Methods 0.000 description 30
- 238000004891 communication Methods 0.000 description 26
- 230000008859 change Effects 0.000 description 23
- 230000005540 biological transmission Effects 0.000 description 22
- 238000012423 maintenance Methods 0.000 description 14
- 230000002787 reinforcement Effects 0.000 description 14
- 241000282412 Homo Species 0.000 description 12
- 230000009471 action Effects 0.000 description 11
- 230000002996 emotional effect Effects 0.000 description 10
- 238000007689 inspection Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000014759 maintenance of location Effects 0.000 description 9
- 101100133569 Homo sapiens GNL2 gene Proteins 0.000 description 7
- 102100034507 Nucleolar GTP-binding protein 2 Human genes 0.000 description 7
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000000737 periodic effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 239000004984 smart glass Substances 0.000 description 4
- 238000000137 annealing Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000001404 mediated effect Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007087 memory ability Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
ユーザから送られてくる情報(例えば、ユーザ70が見ている映像や視線の位置、音声、GPS位置データなどのアラウンドデータ等)を基にした学習データを入力して機械学習によりモデル化した一般的なモデル(例えば、暗記学習モデルTi=T0・I、筋トレモデルFi=F0+(i-1)/a等)を生成するための機械学習手段(例えば、S189、S214、図15等)と、
ユーザから送られてくる情報に基づいて前記一般的なモデルを当該ユーザに適したモデルにパーソナライズ化するためのパーソナライズ化手段(例えば、S191とS204、S223とS228等)と、
前記パーソナライズ化されたモデルを用いて当該ユーザにパーソナライズ化されたサービス(例えば、最も効率的な復習計画に基づいた学習事項の提供、最も効率的な筋トレ計画に基づいた筋トレメニューの提供等)を提供するサービス提供手段(例えば、S206、S229等)と、を備え、
前記ユーザから送られてくる情報を前記機械学習と前記パーソナライズ化との両方に利用する。
前記パーソナライズ化手段は、
ユーザから送られてくる情報に基づいて、前記一般的なモデル中の定数部分に当てはまる当該ユーザの実際の値(例えばTK,FK,az,CT等)を導出するための値導出手段(例えば、S191、S223等)と、
該値導出手段により導出された実際の値を前記一般的なモデル中の定数部分に代入して当該ユーザに適したモデルにパーソナライズ化するための代入手段(例えば、S204、228等)と、を含む。
より好ましくは、前記機械学習手段は、専門業者(例えば、筋トレ専門業者等)から送られてくる情報を基にした学習データも入力して機械学習によりモデル化した一般的なモデルを生成する(例えば、S214等)。
本発明の他の局面は、人工知能による機械学習を利用したサービスを提供するサービス提供システムであって、
機械学習を用いたモデル化により生成された一般的なモデル(例えば、図19(a)の対話モデル、図21(a)のタスク処理モデル等)を複数種類格納するための格納手段(例えば、人工知能DB17等)と、
該格納手段に格納されている複数種類の一般的なモデルの中からユーザにより選択された一般的なモデルを利用してユーザにサービス(例えば、対話サービス、仕事上の質問や相談への応答等)を提供するためのサービス提供手段(例えば、S241〜S244、S247、S248、S261〜S263、S267〜S269等)と、
該サービス提供手段により提供されたサービスに対するユーザの反応に応じて前記一般的なモデルを当該ユーザに適したモデルにパーソナライズ化するためのパーソナライズ化手段(例えば、S246、S271等)と、を備え、
前記サービス提供手段は、前記パーソナライズ化手段によりパーソナライズ化されたモデルを用いて当該ユーザにサービスを提供するためのパーソナルサービス提供手段(例えば、更新されたパーソナル重みに従ってS244、S269等を実行する)を含む。
このような構成によれば、機械学習を用いたモデル化により生成された複数種類の一般的なモデルの中から、ユーザが希望する一般的モデルを選択してその一般的モデルを利用してサービスがユーザに提供されるため、ユーザの希望を反映した一般的モデルによるサービスを享受できる。しかも、サービスを受けたユーザの反応により一般的モデルが当該ユーザに適したモデルにパーソナライズ化されるため、提供されるサービスのパーソナライズ化によりユーザにマッチするサービスの提供が可能となる。
人工知能による機械学習を用いたモデル化により生成された複数種類の一般的なモデル(例えば、図19(a)の対話モデル、図21(a)のタスク処理モデル等)の中からユーザが希望するものを選択指定するステップ(例えば、S237とS238、S259とS260等)と、
該選択指定するステップにより選択指定された一般的なモデルを利用したサービスをユーザが受けるための処理ステップ(例えば、S236〜S239、S260、S265等)と、
該処理ステップによりサービスを受けたユーザの反応に応じて前記一般的なモデルを当該ユーザに適したモデルにパーソナライズ化するために前記ユーザの反応を前記人工知能に提供するステップ(例えば、S239、S265等)とを、
前記コンピュータに実行させ、
前記処理ステップは、前記人工知能によりパーソナライズ化されたモデルを用いてパーソナライズ化されたサービスを当該ユーザが受けるためのパーソナルサービス享受ステップ(例えば、更新されたパーソナル重みに従った応答をS239、S265などで受ける等)を含む。
先ず、図1〜図8に基づいてIoT用デバイス仲介システムを説明する。IoTとは、Internet of Thingsの略で、モノがインターネットプロトコルでネットワークされており、モノが自ら信号をインターネット上に発信するものである。IoT用デバイス仲介システムとは、インターネットに接続して通信するための機能を備えていないIoT用デバイス(IoT用の各種センサやアクチュエータ等)群2に対しユーザのモバイル通信装置3が通信を仲介し、IoT用デバイス群2をモバイル通信装置3経由でインターネット1に接続して通信可能にするためのシステムである。
次に、図9〜図23に基づいて機械学習を利用したサービス提供システムを説明する。
機械学習を実用化するにおいて現在大きな課題となっていることは、いかにして大量の学習データを安価に収集するかである。本システムは、機械学習の結果を利用したサービスをユーザに提供することにより、多数のユーザが自ら率先して学習データをシステム側に提供する仕組みを構築するものである。特に、図9に示すように、各ユーザがシステム側に提供する学習データ(身の回りのデータ等)をパーソナライズ化にも利用し、機械学習の結果得た一般的なモデルを各ユーザに最適化(パーソナライズ化)したものにした上で、各ユーザにパーソナライズ化されたサービスを提供する。これにより、各ユーザが学習データの提供を他人任せにしてサービスだけ享受するという不都合を防止する。
各ユーザ70は、例えばウェアラブルコンピュータ等のモバイル通信装置3により収集したアラウンドデータ(ユーザ70が見ている映像や視線の位置、音声、GPSなどの位置データ等)を機械学習72に送信して機械学習72の学習データとして用いられるとともに、それらデータがパーソナライズ化74にも用いられる。
図10を参照して、各種専門業者のPC10から専門データが人工知能サーバ9へ提供される。また、多数のユーザのウェアラブルコンピュータ等のモバイル通信装置3により収集したデータ(ユーザ70が見ている映像や視線の位置、音声、GPSなどの位置データ等のアラウンドデータ)が人工知能サーバ9へ提供される。人工知能サーバ9では、それら提供されたデータを数値・ラベル集合へのデータ化51を行ない、学習データを生成する。この学習データの生成は、生データを数値・ラベル集合にするため、深層学習(ディープラーニング)を用いる。また、複数の規則性が混在した生データを扱うため、「異種混合学習」を用いる。これは収集したデータの中に複数の規則性が存在する場合に、それぞれのパターンごとに適したモデルを生成する手法である。
ここに、aは行為、Q(s,a)は状態sで行為aを行なうときの価値、
Ti=T0・i
の直線の一次関数である。係数T0がユーザ毎に差異のある要素(暗記力等)である。具体的には、各ユーザにおける初学習から忘れる直前までの期間(具体的には初学習から記憶保持率が70%になるまでの時間)である。このように、ユーザ毎に差異のある要素(暗記力等)を定数T0として一般的なモデルで表したものが、
Ti=T0・i
である。
Fi=F0+(i−1)/a
である。ここに、iは何回目の反復筋トレかを示す反復回数、Fiはi回目の筋トレでの負荷(バーベルの重量等)、F0は初回の筋トレでの負荷(バーベルの重量等)、aは筋トレの反復に伴って増加する負荷増加係数である。これらF0とaは、ユーザ毎に差異のある要素(筋力の個人差等)である。
F(x)=KS(x1−K)+DS(x2−D)+IS(x3−I)+RS(x4−R)+M(1−S(x1−K)−S(2x−D)−S(x3−I)−S(x4−R))
となる。つまり、x1、x2、x3、x4のいずれかが各々の閾値(初期重み)K、D、I、Rを越えればその越えた感情(喜K怒D哀I楽Rのいずれか)に変化するが、いずれも上記閾値を越えなければ無感情Mとなる。
F(x)=KS(x1−0.7AK)+DS(x2−1.5AD)+IS(x3−1.3AI)+RS(x4−0.5AR)+M(1−S(x1−0.7AK)−S(2x−1.5AD)−S(x3−1.3AI)−S(x4−0.5AR))
G(x)=w1n1S(x1k−x1h)+w2n2S(x2k−x2h)+w3n3S(x3k−x3h)+・・・
となる。つまり、否定的反応の回数よりも肯定的反応の回数が上回った知識が利用するのに有効な知識とされ、かつ、各知識n1、n2、n3、・・・の係数(重みw1、w2、w3、・・・)が大きな値の知識から優先的に利用されるように制御可能となる。
(1) IoTサーバ9およびIoT用デバイスDB15、人工知能サーバ9、人工知能DB17、ユーザDB12および学習DB60、ならびに、SNSサーバ11およびSNSDB13の、少なくとも1つまたは全てを、ネットワーククラウドで構成してもよい。また、以上説明して実施の形態では、ユーザ側の端末として主にモバイル通信装置3を例に挙げて説明したが、ユーザ側の端末としては、ユーザPC7やロボット6でもよい。また、モバイル通信装置3の具体例として、スマートグラス等で代表されるウェアラブルコンピュータを示したが、それに限定されるものではなく、例えば、携帯電話、スマートフォン、通信機能を有する自動車等の車両など、種々のものが考えられる。
この発明は、例えば、地球上に隈なく敷設されるIoT用デバイス(センサやアクチュエータ等)のコストを抑え、IoTを安価に実現するシステムに関する。
該ウェアラブルコンピュータとインターネットを介して通信するサーバと、
IoT用デバイス群とを備え、
前記IoT用デバイス群は、前記ウェアラブルコンピュータと通信するための通信手段を含み、
前記ウェアラブルコンピュータは、
前記IoT用デバイス群と通信するための対デバイス通信手段と、
前記サーバとインターネットを介して通信するための対サーバ通信手段と、
前記対デバイス通信手段による通信相手のIoT用デバイスと前記対サーバ通信手段による通信相手のサーバとを仲介して両者間で情報のやり取りを可能にする仲介手段と、を含む、IoTシステム。
前記サーバは、
前記位置情報送信手段により送信されてきた情報により位置が特定された前記ウェアラブルコンピュータの近辺に、前記割出し手段により割出された前記IoT用デバイスが存在するか否か判定する位置判定手段と、
該位置判定手段により存在すると判定された場合に、当該IoT用デバイスに対し前記仲介手段による仲介を行なうための指令信号を前記ウェアラブルコンピュータへ送信する仲介指令送信手段と、をさらに含み、
前記仲介手段は、前記介指令送信手段よる前記指令信号に従って仲介を行なう。
検出するのに所定の時間を要するセンサと、
所望の地理的位置で前記センサを利用しての検出を行なう際に、当該センサによる検出所要時間をユーザに報知する報知手段(例えばS71)と、さらに含み、
前記所望の地理的位置の検出エリア内で前記センサが前記検出所要時間検出を行なうことができた場合に、該検出データを前記仲介手段により仲介して前記サーバへ送信する。
また、一般的モデルおよびパーソナライズデータの使い分けに際して、本実施の形態では、対話用のパーソナライズデータはユーザの切換え意思表示がない限り従前のものを使用したが、一般的モデルおよびパーソナライズデータの切換え時に対話用のパーソナライズデータも他の相応しいものに自動的に切換えるように制御してもよい。例えば、一般的な日常会話のときには対話用の初期対象としてタレントAを用い、仕事上の対話時には女性知的系(図19参照)に自動的に切換えるように制御する。
本開示発明は、たとえば、人工知能による機械学習を利用したサービス提供システムおよびプログラムに関する。詳しくは、人工知能による機械学習を利用したサービスを提供するサービス提供システム、および、人工知能による機械学習を利用したサービスをユーザが受けるためにコンピュータにより実行されるプログラムに関する。
ユーザから送られてくる情報(例えば、ユーザ70が見ている映像や視線の位置、音声、GPS位置データなどのアラウンドデータ等)を基にした学習データを入力して機械学習によりモデル化した一般的なモデル(例えば、暗記学習モデルTi=T0・I、筋トレモデルFi=F0+(i-1)/a等)を生成するための機械学習手段(例えば、S189、S214、図15等)と、
ユーザから送られてくる情報に基づいて前記一般的なモデルを当該ユーザに適したモデルにパーソナライズ化するためのパーソナライズ化手段(例えば、S191とS204、S223とS228等)と、
前記パーソナライズ化されたモデルを用いて当該ユーザにパーソナライズ化されたサービス(例えば、最も効率的な復習計画に基づいた学習事項の提供、最も効率的な筋トレ計画に基づいた筋トレメニューの提供等)を提供するサービス提供手段(例えば、S206、S229等)と、を備え、
前記ユーザから送られてくる情報を前記機械学習と前記パーソナライズ化との両方に利用する。
前記パーソナライズ化手段は、
ユーザから送られてくる情報に基づいて、前記一般的なモデル中の定数部分に当てはまる当該ユーザの実際の値(例えばTK,FK,az,CT等)を導出するための値導出手段(例えば、S191、S223等)と、
該値導出手段により導出された実際の値を前記一般的なモデル中の定数部分に代入して当該ユーザに適したモデルにパーソナライズ化するための代入手段(例えば、S204、228等)と、を含む。
機械学習を用いたモデル化により生成された一般的なモデル(例えば、図19(a)の対話モデル、図21(a)のタスク処理モデル等)を複数種類格納するための格納手段(例えば、人工知能DB17等)と、
該格納手段に格納されている複数種類の一般的なモデルの中からユーザにより選択された一般的なモデルを利用してユーザにサービス(例えば、対話サービス、仕事上の質問や相談への応答等)を提供するためのサービス提供手段(例えば、S241〜S244、S247、S248、S261〜S263、S267〜S269等)と、
該サービス提供手段により提供されたサービスに対するユーザの反応に応じて前記一般的なモデルを当該ユーザに適したモデルにパーソナライズ化するためのパーソナライズ化手段(例えば、S246、S271等)と、を備え、
前記サービス提供手段は、前記パーソナライズ化手段によりパーソナライズ化されたモデルを用いて当該ユーザにサービスを提供するためのパーソナルサービス提供手段(例えば、更新されたパーソナル重みに従ってS244、S269等を実行する)を含む。
人工知能による機械学習を用いたモデル化により生成された複数種類の一般的なモデル(例えば、図19(a)の対話モデル、図21(a)のタスク処理モデル等)の中からユーザが希望するものを選択指定するステップ(例えば、S237とS238、S259とS260等)と、
該選択指定するステップにより選択指定された一般的なモデルを利用したサービスをユーザが受けるための処理ステップ(例えば、S236〜S239、S260、S265等)と、
該処理ステップによりサービスを受けたユーザの反応に応じて前記一般的なモデルを当該ユーザに適したモデルにパーソナライズ化するために前記ユーザの反応を前記人工知能に提供するステップ(例えば、S239、S265等)とを、
前記コンピュータに実行させ、
前記処理ステップは、前記人工知能によりパーソナライズ化されたモデルを用いてパーソナライズ化されたサービスを当該ユーザが受けるためのパーソナルサービス享受ステップ(例えば、更新されたパーソナル重みに従った応答をS239、S265などで受ける等)を含む。
Claims (4)
- 人工知能による機械学習を利用したサービスを提供するサービス提供システムであって、
ユーザから送られてくる情報を基にした学習データを入力して機械学習によりモデル化した一般的なモデルを生成するための機械学習手段と、
ユーザから送られてくる情報に基づいて前記一般的なモデルを当該ユーザに適したモデルにパーソナライズ化するためのパーソナライズ化手段と、
前記パーソナライズ化されたモデルを用いて当該ユーザにパーソナライズ化されたサービスを提供するサービス提供手段と、を備えている、サービス提供システム。 - 前記機械学習手段は、ユーザ毎に差異のある要素を定数として前記一般的なモデルを生成し、
前記パーソナライズ化手段は、
ユーザから送られてくる情報に基づいて、前記一般的なモデル中の定数部分に当てはまる当該ユーザの実際の値を導出するための値導出手段と、
該値導出手段により導出された実際の値を前記一般的なモデル中の定数部分に代入して当該ユーザに適したモデルにパーソナライズ化するための代入手段と、を含む、請求項1に記載のサービス提供システム。 - 人工知能による機械学習を利用したサービスを提供するサービス提供システムであって、
機械学習を用いたモデル化により生成された一般的なモデルを複数種類格納するための格納手段と、
該格納手段に格納されている複数種類の一般的なモデルの中からユーザにより選択された一般的なモデルを利用してユーザにサービスを提供するためのサービス提供手段と、
該サービス提供手段により提供されたサービスに対するユーザの反応に応じて前記一般的なモデルを当該ユーザに適したモデルにパーソナライズ化するためのパーソナライズ化手段と、を備え、
前記サービス提供手段は、前記パーソナライズ化手段によりパーソナライズ化されたモデルを用いて当該ユーザにサービスを提供するためのパーソナルサービス提供手段を含む、サービス提供システム。 - 人工知能による機械学習を利用したサービスをユーザが受けるためにコンピュータにより実行されるプログラムであって、
人工知能による機械学習を用いたモデル化により生成された複数種類の一般的なモデルの中からユーザが希望するものを選択指定するステップと、
該選択指定するステップにより選択指定された一般的なモデルを利用したサービスをユーザが受けるための処理ステップと、
該処理ステップによりサービスを受けたユーザの反応に応じて前記一般的なモデルを当該ユーザに適したモデルにパーソナライズ化するために前記ユーザの反応を前記人工知能に提供するステップとを、
前記コンピュータに実行させ、
前記処理ステップは、前記人工知能によりパーソナライズ化されたモデルを用いてパーソナライズ化されたサービスを当該ユーザが受けるためのパーソナルサービス享受ステップを含む、プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018175586A JP6562328B2 (ja) | 2018-09-20 | 2018-09-20 | 支援システム |
JP2019128889A JP6899103B2 (ja) | 2018-09-20 | 2019-07-11 | サービス提供システム及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018175586A JP6562328B2 (ja) | 2018-09-20 | 2018-09-20 | 支援システム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014172512A Division JP6432859B2 (ja) | 2014-08-27 | 2014-08-27 | サービス提供システムおよびプログラム |
Related Child Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019097630A Division JP6617263B2 (ja) | 2019-05-24 | 2019-05-24 | 学習支援システム |
JP2019128912A Division JP2019215880A (ja) | 2019-07-11 | 2019-07-11 | 支援システム |
JP2019128889A Division JP6899103B2 (ja) | 2018-09-20 | 2019-07-11 | サービス提供システム及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019032857A true JP2019032857A (ja) | 2019-02-28 |
JP2019032857A5 JP2019032857A5 (ja) | 2019-07-04 |
JP6562328B2 JP6562328B2 (ja) | 2019-08-21 |
Family
ID=65523568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018175586A Active JP6562328B2 (ja) | 2018-09-20 | 2018-09-20 | 支援システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6562328B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020257292A1 (en) * | 2019-06-18 | 2020-12-24 | Moloco, Inc. | Method and system for providing machine learning service |
KR102257082B1 (ko) * | 2020-10-30 | 2021-05-28 | 주식회사 애자일소다 | 의사결정 에이전트 생성 장치 및 방법 |
WO2022102982A1 (ko) * | 2020-11-10 | 2022-05-19 | 옴니스랩스 주식회사 | 사용자 참여 기반의 인공 지능 서비스 방법 및 이러한 방법을 수행하는 장치 |
US11599722B2 (en) | 2019-04-26 | 2023-03-07 | Nec Solution Innovators, Ltd. | Prediction model generating apparatus, travel suitability predicting apparatus, prediction model generating method, travel suitability predicting method, program, and recording |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002162989A (ja) * | 2000-11-28 | 2002-06-07 | Ricoh Co Ltd | 音響モデル配信システムおよび音響モデル配信方法 |
JP2002304114A (ja) * | 2001-04-03 | 2002-10-18 | World Vision:Kk | 学習支援システム及び記録媒体及びプログラム |
JP2003049703A (ja) * | 2001-08-07 | 2003-02-21 | Mazda Motor Corp | 車両開発データ取得用サーバ、車両開発データ取得方法、及び、車両開発データ取得用プログラム |
JP2006236341A (ja) * | 2006-02-14 | 2006-09-07 | Sony Corp | 情報検索方法及びその装置 |
JP2009076027A (ja) * | 2007-09-19 | 2009-04-09 | Korea Electronics Telecommun | ネットワーク基盤のロボットのためのサービス推薦方法およびサービス推薦装置 |
US8429103B1 (en) * | 2012-06-22 | 2013-04-23 | Google Inc. | Native machine learning service for user adaptation on a mobile platform |
JP2013143004A (ja) * | 2012-01-11 | 2013-07-22 | Nippon Telegr & Teleph Corp <Ntt> | 運動管理装置、運動管理方法及びプログラム |
-
2018
- 2018-09-20 JP JP2018175586A patent/JP6562328B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002162989A (ja) * | 2000-11-28 | 2002-06-07 | Ricoh Co Ltd | 音響モデル配信システムおよび音響モデル配信方法 |
JP2002304114A (ja) * | 2001-04-03 | 2002-10-18 | World Vision:Kk | 学習支援システム及び記録媒体及びプログラム |
JP2003049703A (ja) * | 2001-08-07 | 2003-02-21 | Mazda Motor Corp | 車両開発データ取得用サーバ、車両開発データ取得方法、及び、車両開発データ取得用プログラム |
JP2006236341A (ja) * | 2006-02-14 | 2006-09-07 | Sony Corp | 情報検索方法及びその装置 |
JP2009076027A (ja) * | 2007-09-19 | 2009-04-09 | Korea Electronics Telecommun | ネットワーク基盤のロボットのためのサービス推薦方法およびサービス推薦装置 |
JP2013143004A (ja) * | 2012-01-11 | 2013-07-22 | Nippon Telegr & Teleph Corp <Ntt> | 運動管理装置、運動管理方法及びプログラム |
US8429103B1 (en) * | 2012-06-22 | 2013-04-23 | Google Inc. | Native machine learning service for user adaptation on a mobile platform |
Non-Patent Citations (2)
Title |
---|
大池 浩一: "フリーソフト活用委員会 拡大版", NETWORK MAGAZINE, vol. 第13巻, JPN6018030789, 1 June 2009 (2009-06-01), pages 120, ISSN: 0004074645 * |
大附 克年ほか: "Microsoft IMEのユーザーフィードバックに基づく品質改善", 言語処理学会第17回年次大会発表論文集 チュートリアル 本会議 ワークショップ [CD−ROM], JPN6018030787, 10 March 2011 (2011-03-10), pages 1099 - 1102, ISSN: 0004074644 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11599722B2 (en) | 2019-04-26 | 2023-03-07 | Nec Solution Innovators, Ltd. | Prediction model generating apparatus, travel suitability predicting apparatus, prediction model generating method, travel suitability predicting method, program, and recording |
WO2020257292A1 (en) * | 2019-06-18 | 2020-12-24 | Moloco, Inc. | Method and system for providing machine learning service |
US11868884B2 (en) | 2019-06-18 | 2024-01-09 | Moloco, Inc. | Method and system for providing machine learning service |
KR102257082B1 (ko) * | 2020-10-30 | 2021-05-28 | 주식회사 애자일소다 | 의사결정 에이전트 생성 장치 및 방법 |
WO2022092415A1 (ko) * | 2020-10-30 | 2022-05-05 | 주식회사 애자일소다 | 의사결정 에이전트 생성 장치 및 방법 |
WO2022102982A1 (ko) * | 2020-11-10 | 2022-05-19 | 옴니스랩스 주식회사 | 사용자 참여 기반의 인공 지능 서비스 방법 및 이러한 방법을 수행하는 장치 |
Also Published As
Publication number | Publication date |
---|---|
JP6562328B2 (ja) | 2019-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6432859B2 (ja) | サービス提供システムおよびプログラム | |
JP6617263B2 (ja) | 学習支援システム | |
JP6562328B2 (ja) | 支援システム | |
JP7067755B2 (ja) | サービス提供システム及び端末 | |
Poniszewska-Maranda et al. | Studying usability of AI in the IoT systems/paradigm through embedding NN techniques into mobile smart service system | |
KR101334066B1 (ko) | 진화하는 사이버 로봇 시스템 및 그 제공 방법 | |
CN111418198B (zh) | 提供文本相关图像的电子装置及其操作方法 | |
Sánchez-Pi et al. | A knowledge-based system approach for a context-aware system | |
CN111008336A (zh) | 一种内容推荐方法、装置、设备及可读存储介质 | |
KR20190117837A (ko) | 사용자 입력에 대한 답변 메시지를 제공하는 디바이스 및 방법 | |
US20230119860A1 (en) | Matching system, matching method, and matching program | |
Ali et al. | A survey of user-centred approaches for smart home transfer learning and new user home automation adaptation | |
JP2017058406A (ja) | コンピュータシステムおよびプログラム | |
JP7208603B2 (ja) | サービス提供システム及び端末 | |
Connier et al. | Perception assistance for the visually impaired through smart objects: concept, implementation, and experiment scenario | |
KR102615445B1 (ko) | 대변 이미지 분석 기반 영양 정보 제공 방법, 장치 및 시스템 | |
JP6899103B2 (ja) | サービス提供システム及びプログラム | |
Zhou | Deep learning‐driven distributed communication systems for cluster online educational platform considering human–computer interaction | |
KR102601446B1 (ko) | 인공지능 모델을 활용한 인플루언서 기반 판매 제품매칭 플랫폼 서비스 제공 방법, 장치 및 시스템 | |
KR102530527B1 (ko) | 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템 | |
KR102552856B1 (ko) | 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템 | |
JP7444489B2 (ja) | 学習支援システム及びサービス提供方法 | |
KR102154287B1 (ko) | 서비스 인력 관리를 위한 애플리케이션 및 서버 | |
KR102561832B1 (ko) | 인공지능 기반 온라인 교육 콘텐츠 제공 방법, 장치 및 시스템 | |
KR102619389B1 (ko) | 별자리 기반 메타버스 추모관 서비스의 인터페이스 제공 방법, 장치 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181008 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180928 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181022 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190527 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190527 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190528 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190619 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190627 |
|
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: 20190711 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190711 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6562328 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 |