JP2019139521A - 予測装置、予測方法、及び予測プログラム - Google Patents
予測装置、予測方法、及び予測プログラム Download PDFInfo
- Publication number
- JP2019139521A JP2019139521A JP2018022419A JP2018022419A JP2019139521A JP 2019139521 A JP2019139521 A JP 2019139521A JP 2018022419 A JP2018022419 A JP 2018022419A JP 2018022419 A JP2018022419 A JP 2018022419A JP 2019139521 A JP2019139521 A JP 2019139521A
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- prediction
- model
- behavior
- 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 63
- 230000009471 action Effects 0.000 claims abstract description 184
- 230000004044 response Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 abstract description 8
- 230000006399 behavior Effects 0.000 description 237
- 238000003860 storage Methods 0.000 description 80
- 230000000875 corresponding effect Effects 0.000 description 65
- 230000008569 process Effects 0.000 description 36
- 101150086549 adt-1 gene Proteins 0.000 description 28
- 238000013500 data storage Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 20
- 238000013459 approach Methods 0.000 description 16
- 230000010365 information processing Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000008520 organization Effects 0.000 description 11
- 102100031476 Cytochrome P450 1A1 Human genes 0.000 description 10
- 101000941690 Homo sapiens Cytochrome P450 1A1 Proteins 0.000 description 10
- 101100195396 Human cytomegalovirus (strain Merlin) RL11 gene Proteins 0.000 description 10
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 7
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 101150016799 ADT2 gene Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
〔1.生成処理〕
まず、図1を用いて、実施形態に係る生成処理の一例について説明する。図1は、実施形態に係る生成処理の一例を示す図である。図1の例では、一例としてユーザが行動主体である場合を示す。なお、行動主体は、行動を行う主体となるものであればユーザに限らず、学校等の所定の団体や法人等の種々の主体であってもよい。図1では、予測装置100がユーザの行動情報と、そのユーザの企業等の所属組織における役職を示す正解情報とを含むデータに基づいてモデルの生成を行う場合を示す。図1の例では、予測装置100は、X年(例えば2010年)までの各ユーザの行動の履歴と、X年からY年後(例えば5年後)のそのユーザの役職に対応するスコアを示す正解情報とを含むデータに基づいてモデルの生成を行う場合を示す。なお、予測対象は、ユーザの役職に限らず、どのような情報であってもよい。例えば、予測対象は、ユーザが企業等においてどの程度活躍するか、すなわちどの程度有用な人材であるかを示す企業内での評価値(スコア)等であってもよい。例えば、企業内での評価値は、人事評価、営業成績、企業内の表彰実績、研究実績、論文数、特許数などであってもよい。具体的には、企業内での評価値は、人事評価や営業成績や研究実績のランクごとに対応するスコア、企業内の表彰回数に応じたスコア、論文数に応じたスコア、及び特許数に応じたスコアなど、種々の企業内の評価に基づくスコアであってもよい。以下では、ユーザの行動情報と行動情報に対応付けられた正解情報とを含むデータを「学習データ」ともいう。ユーザの行動情報については後述する。
まず、図1の説明に先立って、図3に示す予測システム1について説明する。図3に示すように、予測システム1は、端末装置10と、予測装置100とが含まれる。端末装置10と、予測装置100とは所定のネットワークNを介して、有線または無線により通信可能に接続される。図3は、実施形態に係る予測システムの構成例を示す図である。なお、図3に示した予測システム1には、複数台の端末装置10や、複数台の予測装置100が含まれてもよい。
図2を用いて、実施形態に係る予測処理の一例について説明する。図2は、実施形態に係る予測処理の一例を示す図である。図2では、予測装置100は、ユーザU1の行動情報が与えられた場合に、ユーザU1の有望度を予測し、予測に基づく情報を提供する場合を示す。
図1及び図2の例では、ユーザの所属組織における役職を有望度、すなわちユーザの昇進有望度の予測対象とする場合を示したが、行動主体や有望度の予測対象は、種々の対象であってもよい。例えば、行動主体は、所定の法人や所定の団体であってもよい。
図1及び図2の例では、説明を簡単にするために、検索、コンテンツ閲覧、購買に対応する情報をユーザの行動情報の一例として説明したが、ユーザの行動情報には、種々の情報が含まれてもよい。例えば、予測装置100は、ユーザのインターネット(ウェブ)上の行動に限らず、取得可能なユーザの種々の行動情報を用いてもよい。例えば、予測装置100は、実空間でのユーザの行動情報を含むユーザの行動情報を用いて有望度を予測してもよい。
モデルの生成については、図1に限らず、種々の態様であってもよい。図1の例では、各有望度に対応する複数のモデルを生成する場合を示すが、予測装置100は、各予測対象に対応する複数のスコアを出力する1つのモデルを生成してもよい。
なお、図2の例では、モデルを用いて予測する場合を示したが、モデルを用いることなくユーザの有望度を予測してもよい。例えば、予測装置100は、ユーザが有望であることを示す条件(「有望条件」ともいう)を用いて、ユーザの行動がその条件を満たすかどうかを判定することにより、ユーザの有望度を予測してもよい。すなわち、予測装置100は、ユーザの行動が有望条件に該当するか否かを判定することにより、ユーザの有望度を予測してもよい。例えば、予測装置100は、ユーザの行動が有望条件に該当すると判定した場合、そのユーザを有望度「高」と予測してもよい。また、例えば、予測装置100は、ユーザの行動が有望条件に該当しないと判定した場合、そのユーザを有望度「低」と予測してもよい。
次に、図4を用いて、実施形態に係る予測装置100の構成について説明する。図4は、実施形態に係る予測装置の構成例を示す図である。図4に示すように、予測装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、予測装置100は、予測装置100の管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワークと有線または無線で接続され、端末装置10との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部120は、図4に示すように、学習データ記憶部121と、モデル情報記憶部122と、ユーザ情報記憶部123と、有望度情報記憶部124と、予測情報記憶部125とを有する。
実施形態に係る学習データ記憶部121は、学習データに関する各種情報を記憶する。図5は、実施形態に係る学習データ記憶部の一例を示す図である。例えば、学習データ記憶部121は、モデルの生成に用いる教師データを記憶する。図5に示す学習データ記憶部121には、「データID」、「ユーザID」、「正解情報」、「行動情報」といった項目が含まれる。
実施形態に係るモデル情報記憶部122は、モデルに関する情報を記憶する。例えば、モデル情報記憶部122は、生成処理により生成されたモデル情報(モデルデータ)を記憶する。図6は、実施形態に係るモデル情報記憶部の一例を示す図である。図6に示すモデル情報記憶部122は、「行動主体」、「モデルID」、「予測対象」、「モデルデータ」といった項目が含まれる。なお、図6では、モデルM1〜M3のみを図示するが、M4、M5等、各予測対象に応じて多数のモデル情報が記憶されてもよい。
実施形態に係るユーザ情報記憶部123は、ユーザに関する各種情報を記憶する。図7は、実施形態に係るユーザ情報記憶部の一例を示す図である。例えば、ユーザ情報記憶部123は、各ユーザの各種の行動情報を記憶する。図7に示すユーザ情報記憶部123には、「ユーザID」、「行動情報」といった項目が含まれる。
実施形態に係る有望度情報記憶部124は、有望度に関する各種情報を記憶する。図8は、実施形態に係る有望度情報記憶部の一例を示す図である。例えば、有望度情報記憶部124は、スコアと有望度との対応を示す情報を記憶する。図8に示す有望度情報記憶部124は、「スコア」、「有望度」といった項目が含まれる。
実施形態に係る予測情報記憶部125は、予測に関する各種情報を記憶する。図9は、実施形態に係る予測情報記憶部の一例を示す図である。例えば、予測情報記憶部125は、予測された行動主体の有望度に関する各種情報を記憶する。図9に示す予測情報記憶部125は、「行動主体」、「ID」、「予測対象」、「スコア」、「予測ランク」、「有望度」といった項目が含まれる。
図4の説明に戻って、制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、予測装置100内部の記憶装置に記憶されている各種プログラム(予測プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。制御部130は、モデル情報記憶部122に記憶されているモデルM1等に従った情報処理により、行動主体の行動情報が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第1要素と、第1要素と第1要素の重みとに基づいて値が算出される第2要素と、を含み、入力層に入力された行動情報に対し、出力層以外の各層に属する各要素を第1要素として、第1要素と第1要素の重みとに基づく演算を行うことにより、行動主体の有望度の予測に用いられるスコアの値を出力層から出力する。
取得部131は、各種情報を取得する。例えば、取得部131は、学習データ記憶部121と、モデル情報記憶部122と、ユーザ情報記憶部123と、有望度情報記憶部124と、予測情報記憶部125等から各種情報を取得する。また、取得部131は、各種情報を外部の情報処理装置から取得してもよい。また、取得部131は、各種情報を端末装置10等から取得してもよい。例えば、取得部131は、ユーザの行動情報をそのユーザが利用する端末装置10から取得する。また、例えば、取得部131は、ユーザの行動情報を、ユーザの行動情報を収集する他の情報処理装置から取得してもよい。
取得部131は、行動情報ADT101を、ユーザU101が利用する端末装置10から取得する。取得部131は、ユーザU101による検索やコンテンツ閲覧や購買等の種々の行動の履歴を含む行動情報ADT101を取得する。取得部131は、行動情報ADT102を、ユーザU102が利用する端末装置10から取得する。取得部131は、ユーザU102による検索やコンテンツ閲覧や購買等の種々の行動の履歴を含む行動情報ADT102を取得する。取得部131は、行動情報ATD103を、ユーザU103が利用する端末装置10から取得する。また、取得部131は、行動情報ATD104を、ユーザU104が利用する端末装置10から取得する。
生成部132は、各種情報を生成する。例えば、生成部132は、学習データ記憶部121に記憶された学習データを用いて、モデル情報記憶部122に示すようなモデルを生成する。例えば、生成部132は、取得部131により取得された学習データに基づいて、行動主体の有望度の予測に用いられるモデルを生成する。例えば、生成部132は、ユーザの行動情報と、ユーザに対応付けられた有望度の種別を示す正解情報とを含む学習データに基づいて、行動主体の有望度の予測に用いられるモデルを生成する。
予測部133は、各種情報を予測する。予測部133は、記憶部120に記憶された情報を用いて種々の情報を予測する。予測部133は、学習データ記憶部121と、モデル情報記憶部122と、ユーザ情報記憶部123と、有望度情報記憶部124と、予測情報記憶部125等に記憶された情報を用いて種々の情報を予測する。例えば、予測部133は、取得部131により取得された各種情報に基づいて、種々の情報を予測する。予測部133は、モデルM1等のモデルに従った情報処理により、ユーザや法人等の行動主体の行動情報(入力データ)をモデルの入力層に入力する。そして、予測部133は、入力データを中間層と出力層に伝播させることで出力層から行動主体の有望度を示すスコアを出力させる。
提供部134は、各種情報を提供する。例えば、提供部134は、端末装置10に各種情報を提供する。例えば、提供部134は、予測部133により予測された行動主体の有望度に関するサービスを提供する。例えば、提供部134は、予測部133により予測された行動主体の有望度に関する情報を、ユーザに提供する。例えば、提供部134は、予測部133により予測された行動主体の有望度に関する情報を、ユーザが利用する端末装置10に提供する。また、例えば、提供部134は、生成部132により生成されたモデルに関する情報を外部の情報処理装置へ提供してもよい。また、例えば、提供部134は、モデルが出力する情報を外部の情報処理装置へ提供してもよい。
次に、図10を用いて、実施形態に係る予測システム1による生成処理の手順について説明する。図10は、実施形態に係る生成処理の一例を示すフローチャートである。
次に、図11を用いて、実施形態に係る予測システム1による生成処理の手順について説明する。図11は、実施形態に係る予測処理の一例を示すフローチャートである。
上述してきたように、実施形態に係る予測装置100は、取得部131と、予測部133とを有する。取得部131は、所定の行動主体による行動の履歴を示す行動情報を取得する。また、予測部133は、取得部131により取得された行動情報に基づいて、行動よりも後の時点における所定の行動主体の将来性に関する有望度を予測する。
上述してきた実施形態に係る予測装置100は、例えば図12に示すような構成のコンピュータ1000によって実現される。図12は、予測装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM(Read Only Memory)1300、HDD(Hard Disk Drive)1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
また、上記実施形態及び変形例において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
100 予測装置
121 学習データ記憶部
122 モデル情報記憶部
123 ユーザ情報記憶部
124 有望度情報記憶部
125 予測情報記憶部
130 制御部
131 取得部
132 生成部
133 予測部
134 提供部
10 端末装置
N ネットワーク
Claims (12)
- 所定の行動主体による行動の履歴を示す行動情報を取得する取得部と、
前記取得部により取得された行動情報に基づいて、前記行動よりも後の時点における前記所定の行動主体の将来性に関する有望度を予測する予測部と、
を備えることを特徴とする予測装置。 - 前記取得部は、
前記所定の行動主体の前記行動情報の入力に応じて、前記所定の行動主体の前記有望度を示すスコアを出力するモデルを取得し、
前記予測部は、
前記行動情報を前記モデルに入力し、前記モデルが出力したスコアに基づいて、前記所定の行動主体の前記有望度を予測する
ことを特徴とする請求項1に記載の予測装置。 - 前記取得部は、
ユーザである前記所定の行動主体の前記行動情報を取得する
ことを特徴とする請求項1または請求項2に記載の予測装置。 - 前記取得部は、
インターネットにおける前記ユーザの行動の履歴を含む前記行動情報を取得する
ことを特徴とする請求項3に記載の予測装置。 - 前記取得部は、
前記ユーザによる検索履歴を含む前記行動情報を取得する
ことを特徴とする請求項4に記載の予測装置。 - 前記取得部は、
前記ユーザによるコンテンツの閲覧履歴を含む前記行動情報を取得する
ことを特徴とする請求項3〜5のいずれか1項に記載の予測装置。 - 前記取得部は、
前記ユーザによる購買履歴を含む前記行動情報を取得する
ことを特徴とする請求項3〜6のいずれか1項に記載の予測装置。 - 前記予測部は、
前記ユーザの役職に関する前記有望度を予測する
ことを特徴とする請求項3〜7のいずれか1項に記載の予測装置。 - 前記取得部は、
所定の団体である前記所定の行動主体による行動の行動情報を取得する
ことを特徴とする請求項1または請求項2に記載の予測装置。 - 前記取得部は、
所定の法人である前記所定の行動主体による行動の行動情報を取得する
ことを特徴とする請求項9に記載の予測装置。 - コンピュータが実行する予測方法であって、
所定の行動主体による行動の履歴を示す行動情報を取得する取得工程と、
前記取得工程により取得された行動情報に基づいて、前記行動よりも後の時点における前記所定の行動主体の将来性に関する有望度を予測する予測工程と、
を含むことを特徴とする予測方法。 - 所定の行動主体による行動の履歴を示す行動情報を取得する取得手順と、
前記取得手順により取得された行動情報に基づいて、前記行動よりも後の時点における前記所定の行動主体の将来性に関する有望度を予測する予測手順と、
をコンピュータに実行させることを特徴とする予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018022419A JP6823612B2 (ja) | 2018-02-09 | 2018-02-09 | 予測装置、予測方法、及び予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018022419A JP6823612B2 (ja) | 2018-02-09 | 2018-02-09 | 予測装置、予測方法、及び予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019139521A true JP2019139521A (ja) | 2019-08-22 |
JP6823612B2 JP6823612B2 (ja) | 2021-02-03 |
Family
ID=67694037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018022419A Active JP6823612B2 (ja) | 2018-02-09 | 2018-02-09 | 予測装置、予測方法、及び予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6823612B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020035308A (ja) * | 2018-08-31 | 2020-03-05 | カシオ計算機株式会社 | 情報処理装置及びプログラム |
CN111967729A (zh) * | 2020-07-28 | 2020-11-20 | 兰笺(苏州)科技有限公司 | 一种基于数据挖掘的产业化人员画像评价方法 |
WO2021020485A1 (ja) | 2019-07-30 | 2021-02-04 | 三菱自動車工業株式会社 | 燃料タンクシステム |
JP2022190540A (ja) * | 2021-06-14 | 2022-12-26 | 株式会社Nttドコモ | 情報処理装置 |
JP7217372B1 (ja) | 2022-03-09 | 2023-02-02 | 株式会社エクサウィザーズ | 学習モデルの生成方法、コンピュータプログラム及び情報処理装置 |
JP7353001B1 (ja) | 2023-03-29 | 2023-09-29 | 株式会社Value market | 採用ユニットエコノミクス提供システム、採用ユニットエコノミクス提供方法及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010191930A (ja) * | 2009-03-24 | 2010-09-02 | Toms Corp | 学習履歴情報に基づく融資システム |
JP2015103019A (ja) * | 2013-11-25 | 2015-06-04 | ヤフー株式会社 | データ処理装置、及びデータ処理方法 |
JP2016062322A (ja) * | 2014-09-18 | 2016-04-25 | 日本電気株式会社 | 評価対象者の評価装置、評価方法及び評価システム |
JP2016532949A (ja) * | 2013-07-26 | 2016-10-20 | ザ ダン アンド ブラッドストリート コーポレーションThe Dun And Bradstreet Corporation | 従来の予測子の将来的変化を予測するためにある期間にわたって精選され、分析されたデータシグナルから重大変化属性を導出するためのシステム及び方法 |
-
2018
- 2018-02-09 JP JP2018022419A patent/JP6823612B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010191930A (ja) * | 2009-03-24 | 2010-09-02 | Toms Corp | 学習履歴情報に基づく融資システム |
JP2016532949A (ja) * | 2013-07-26 | 2016-10-20 | ザ ダン アンド ブラッドストリート コーポレーションThe Dun And Bradstreet Corporation | 従来の予測子の将来的変化を予測するためにある期間にわたって精選され、分析されたデータシグナルから重大変化属性を導出するためのシステム及び方法 |
JP2015103019A (ja) * | 2013-11-25 | 2015-06-04 | ヤフー株式会社 | データ処理装置、及びデータ処理方法 |
JP2016062322A (ja) * | 2014-09-18 | 2016-04-25 | 日本電気株式会社 | 評価対象者の評価装置、評価方法及び評価システム |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020035308A (ja) * | 2018-08-31 | 2020-03-05 | カシオ計算機株式会社 | 情報処理装置及びプログラム |
JP7081397B2 (ja) | 2018-08-31 | 2022-06-07 | カシオ計算機株式会社 | 情報処理装置及びプログラム |
JP2022103288A (ja) * | 2018-08-31 | 2022-07-07 | カシオ計算機株式会社 | 情報処理装置、人事情報管理支援方法及びプログラム |
JP7338740B2 (ja) | 2018-08-31 | 2023-09-05 | カシオ計算機株式会社 | 情報処理装置、人事情報管理支援方法及びプログラム |
WO2021020485A1 (ja) | 2019-07-30 | 2021-02-04 | 三菱自動車工業株式会社 | 燃料タンクシステム |
CN111967729A (zh) * | 2020-07-28 | 2020-11-20 | 兰笺(苏州)科技有限公司 | 一种基于数据挖掘的产业化人员画像评价方法 |
JP2022190540A (ja) * | 2021-06-14 | 2022-12-26 | 株式会社Nttドコモ | 情報処理装置 |
JP7444817B2 (ja) | 2021-06-14 | 2024-03-06 | 株式会社Nttドコモ | 情報処理装置 |
JP7217372B1 (ja) | 2022-03-09 | 2023-02-02 | 株式会社エクサウィザーズ | 学習モデルの生成方法、コンピュータプログラム及び情報処理装置 |
JP2023131602A (ja) * | 2022-03-09 | 2023-09-22 | 株式会社エクサウィザーズ | 学習モデルの生成方法、コンピュータプログラム及び情報処理装置 |
JP7353001B1 (ja) | 2023-03-29 | 2023-09-29 | 株式会社Value market | 採用ユニットエコノミクス提供システム、採用ユニットエコノミクス提供方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6823612B2 (ja) | 2021-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6823612B2 (ja) | 予測装置、予測方法、及び予測プログラム | |
US9256826B2 (en) | Predicting reactions to short-text posts | |
US11580447B1 (en) | Shared per content provider prediction models | |
US10726438B2 (en) | Personalized contextual coupon engine | |
JP2016004549A (ja) | 特定装置、特定方法及び特定プログラム | |
JP6753833B2 (ja) | 付与装置、付与方法、付与プログラム、及びプログラム | |
JP2020035068A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP7348230B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP2019053609A (ja) | 生成装置、生成方法、生成プログラム、及びモデル | |
JP7249103B2 (ja) | 選択装置、選択方法、及び選択プログラム | |
JP2019053433A (ja) | 予測装置、予測方法、及び予測プログラム | |
JP2018206232A (ja) | 生成装置、生成方法、及び生成プログラム | |
JP2020035167A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP6955392B2 (ja) | 決定装置、決定方法、及び決定プログラム | |
JP2019020930A (ja) | 学習装置、学習方法、学習プログラム、学習用データ及びモデル | |
JP6985059B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP2019125317A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP6587660B2 (ja) | 推定装置、推定方法、及び推定プログラム | |
JP6938259B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP6983672B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7198900B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP2020035166A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP7354191B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP7208286B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2023028172A (ja) | 情報処理装置、情報処理方法および情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180615 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180615 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180618 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181012 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181023 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181219 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190312 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190612 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20190612 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20190620 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20190625 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20190830 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20190903 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200303 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200414 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200714 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20200825 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201026 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20201110 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20201215 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20201215 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6823612 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R371 | Transfer withdrawn |
Free format text: JAPANESE INTERMEDIATE CODE: R371 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |