JP2020009453A - 情報処理装置及びプログラム - Google Patents
情報処理装置及びプログラム Download PDFInfo
- Publication number
- JP2020009453A JP2020009453A JP2019133400A JP2019133400A JP2020009453A JP 2020009453 A JP2020009453 A JP 2020009453A JP 2019133400 A JP2019133400 A JP 2019133400A JP 2019133400 A JP2019133400 A JP 2019133400A JP 2020009453 A JP2020009453 A JP 2020009453A
- Authority
- JP
- Japan
- Prior art keywords
- image
- preference
- service
- viewer
- contributor
- 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.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
【課題】適正な嗜好傾向を精度良く取得する。【解決手段】情報処理装置は、SNSサービス、ECサービス又は画像投稿閲覧サービスを提供するサーバ10から、投稿者が投稿した画像及び画像を閲覧した閲覧者による閲覧者コメントを含むコンテンツデータをダウンロードし、投稿者の嗜好傾向を解析する。嗜好解析部325は、画像を解析して画像内のオブジェクトの種類を識別するとともに、閲覧者コメントに基づいて投稿者の識別したオブジェクトの種類に対する嗜好傾向を推定する。【選択図】図3
Description
本発明の実施形態は、情報処理装置及びプログラムに関する。
多くの電子商取引(EC:Electronic Commerce)では、登録会員に推奨商品を紹介することがなされている。例えば購入履歴からその会員の嗜好を推定し、推定した嗜好に整合する商品を特定する。またインターネット広告の配信においてもスマートフォン(Smartphone)等の携帯情報端末でその閲覧履歴に基づいて嗜好を推定し、推定した嗜好に合致するバナー等の広告をコンテンツと共に表示させることがなされている。
購入履歴はそれを購入する本人の主観的で積極的な意思を直接的に反映しており、それを基に嗜好を解析することはその嗜好範囲を狭小化させてしまう恐れがある。一方、閲覧履歴はそれを閲覧する本人の消極的な意思を含む恐れがあり、それを基に得た嗜好傾向は誤差成分を含み精度が低い恐れがある。
目的は、適正な嗜好傾向を精度良く取得できる情報処理装置及びプログラムを提供することにある。
本実施形態に係る情報処理装置は、SNSサービス、ECサービス又は画像投稿閲覧サービスを提供するサーバから、投稿者が投稿した画像及び画像を閲覧した閲覧者による閲覧者コメントを含むコンテンツデータをダウンロードし、投稿者の嗜好傾向を解析する。情報処理装置は、画像を解析して画像内のオブジェクトの種類を識別する手段と、閲覧者コメントに基づいて投稿者の識別したオブジェクトの種類に対する嗜好傾向を推定する手段とを具備する。
以下、図面を参照して本発明の実施形態について説明する。本実施形態は、人と人とのつながりを促進・サポートするコミュニティ型のサービスとしてソーシャルネットワーキングサービス(以下「SNS」という)、インターネットなどのネットワークを介して商品やサービスをウェブサイトで販売するサービスを展開するEC(electronic commerce、電子商取引)サービス、YouTube(登録商標)等の動画投稿閲覧サービス等の画像(写真(静止画)、一連の静止画から構成される動画を含む)とそれに付帯するコメント(テキスト)がコンテンツとして投稿されるインターネットサービスに関連する。ここでは「フェイスブック(登録商標)」、「ツイッター(登録商標)」、「インスタグラム(登録商標)」を代表例とするSNSサービスを例に説明する。これらSNSは自分のプロフィールや趣味等に関する写真を自身のコメントと共に投稿するとともに、閲覧者もコメントを投稿できるコミュニティ性の高いインターネット上のサービスである。なお、画像を投稿するユーザを特に「画像投稿者」といい、それを閲覧するユーザを「閲覧者」として両者を区別するものとする。コメントとしても画像投稿者が自ら投稿したコメントを「画像投稿者コメント」、閲覧者が投稿したコメントを「閲覧者コメント」と称して両者を区別する。
図1に示すように本実施形態における情報処理装置20は、公衆通信回線網(インターネット回線)30に接続される。インターネット回線30にはSNSサーバ10、画像投稿者や閲覧者などのSNSユーザのPC、スマートフォン、PHS、PDA、タブレット端末などユーザ所有の情報端末40が接続される。SNSユーザは自己の情報端末40を介してSNSサーバ10と通信することで、SNSサーバ10が提供するSNSサービスを受けることができる。画像投稿者は、自己の情報端末40を介してSNSサーバ10に対してコンテンツ(プロフィール、画像、コメント)をアップロードすることができる。閲覧者は、自己の情報端末40を介してSNSサーバ10にアップロードした画像投稿者のコンテンツを閲覧し、また適宜、その画像に対するコメントをアップロードすることができる。
図2は、本実施形態における情報処理装置20の構成を示すブロック図である。情報処理装置20は、例えばコンピュータにより実現されるもので、プロセッサ201、RAM202、ROM203、入力コントローラ204、ビデオコントローラ205、I/Oコントローラ206、通信装置207、入力デバイス210、ディスプレイ211及び記憶装置212を有する。なお、情報処理装置20は、プロセッサ201、RAM202、ROM203、入力コントローラ204、ビデオコントローラ205、I/Oコントローラ206、及び通信装置207を含む、コンピュータを構成する制御ユニット300として実現しても良い。
プロセッサ201は、システムバスに接続される各デバイスやコントローラを統括的に制御する。プロセッサ201は、例えばCPU(Central Processing Unit)、及びGPU(Graphics Processing Unit)により構成することができる。プロセッサ201は、RAM202に記憶されたプログラムを実行して各種の機能を実現する。プロセッサ201は、本実施形態に係る画像処理プログラムを実行することで、画像に映る人体の膝等の特定部位の位置を特定するための処理を実行する。
RAM202は、プロセッサ201の主メモリ、ワークエリア等として機能する。プロセッサ201は、処理の実行に際して必要なプログラム等をROM203あるいは記憶装置212からRAM202にロードして、ロードしたプログラムを実行することで各種動作を実現する。ROM203あるいは記憶装置212は、プロセッサ201により実行されるBIOS(Basic Input Output System)、オペレーティングシステムプログラム(OS)、本実施形態に係る嗜好解析処理プログラムなどの各種機能を実現するために必要な各種プログラム、各種プログラムで処理される各種ファイル、各種データ等が記憶される。
入力コントローラ204で、キーボード(KB)、マウスやタッチパネル等のポインティングデバイス等の入力デバイス210からの入力を制御する。ビデオコントローラ205は、プロセッサ201の制御のもとで、LCD(Liquid Crystal Display)などのディスプレイの表示を制御する。I/Oコントローラ206は、記憶装置212へのアクセスを制御する。記憶装置212には、例えば画像処理プログラムによる部位特定処理の対象とする画像ファイル(静止画像、動画像)が記憶される。部位特定処理の対象とする人体が撮像された画像ファイルは、例えば通信装置207を通じて、外部の電子機器400から入力される。通信装置207は、インターネット回線30を介して外部のSNSサーバ10との通信を制御する。
図3は本実施形態に係る情報処理装置20の機能構成を示している。図4は本実施形態における嗜好解析処理の動作手順を示している。本実施形態に係る情報処理装置20は、通信装置301を介してSNSサーバ10から、画像投稿者が投稿した画像、画像投稿者によるコメントを含むコンテンツデータをダウンロードする(S1)。これら画像、画像投稿者によるコメントとともに、画像投稿者のプロフィール、当該画像やコメントを閲覧した閲覧者が投稿したコメント、音声データ等が適宜ダウンロードされる。セパレータ303は、各アプリケーションに応じた領域やタグ等に基づいて、ダウンロードしたコンテンツデータから、画像、画像投稿者コメント、画像投稿者のプロフィール、閲覧者コメント、音声データが分離される(S2)。画像データは、写真(静止画)であれば、オブジェクト抽出処理部307に供給される。画像データは、動画であれば、動画解析部305に供給される。動画解析部305は、動画を構成する一連の静止画の中から1枚の特定の静止画を抽出する。例えば図8に示すように動画を構成する一連の静止画の中から、閲覧者からのアクション数、例えば「いいね」やコメントが最大数に達した時点の静止画を選択する。選択された静止画はオブジェクト抽出処理部307に送られる。
言語解析部313は、画像投稿者コメント、閲覧者コメント、さらに音声データから変換されたテキストをテキストマイニング処理にかけて、品詞として名詞、形容詞、副詞を抽出する(S4)。なお、コメントに絵文字やスタンプ等の絵柄、記号、シンボルが含まれる場合、それらは形容詞として抽出する。画像投稿者コメントから抽出された名詞はほとんどの場合、その画像内の注目オブジェクトの種類を表している。画像投稿者コメントから抽出された名詞(それを表すコード)は識別器選択部315に供給され、形容詞及び副詞(それを表すコード)は嗜好解析部325に供給される。
オブジェクト抽出処理部307は、供給された画像からオブジェクトを抽出し解析する(S5)。この処理は典型的には畳み込みニューラルネットワークが適用され、オブジェクトの種類(大分類)、オブジェクトの位置(フレーム内の区画)、オブジェクト領域の大きさ(フレームに対するオブジェクト領域のピクセル数の割合)が判断される。例えば図3の例では、画像内に3つのオブジェクトが含まれ、第1のオブジェクトとしては種類が「猫」であり、それが中央区画に位置し、サイズクラスが”大”である。同様に第2のオブジェクトは種類が「犬」であり、中央下区画に位置し、サイズクラスが”小”であり、第3のオブジェクトとしては種類が「猫」であり、それが左下区画に位置し、サイズクラスが”狭小”である。これらオブジェクト情報は部分画像切出部317に供給され、部分画像切出部317はオブジェクト情報に基づいてオリジナル画像から、ここでは3つの部分画像を切り出す(S6)。切り出された部分画像は画像選択部319に供給される。
またオブジェクト情報は識別器選択部315に供給される。識別器選択部315は、言語解析部313で解析された名詞として特定されるオブジェクトの種類に整合する、画像解析部323を構成する複数の識別器323−1乃至〜323−nのいずれかを選択するための選択コマンドを画像解析部323に出力する(S7)。また識別器選択部315では、言語解析部313で解析された名詞として例えば「猫」と、オブジェクト情報の位置と大きさとに基づいて複数、ここでは3つのオブジェクトから一の注目オブジェクトを選択し、注目オブジェクトに対応する部分画像を選択させるための選択コマンドを画像選択部319に出力する。オブジェクト抽出処理部307で抽出されたオブジェクトの一が、言語解析部313で解析された名詞として特定されるオブジェクトの種類に一致するときには、そのオブジェクトを注目オブジェクトとして選択する。オブジェクト抽出処理部307で抽出されたオブジェクトのうち2以上のオブジェクトが、言語解析部313で解析された名詞として特定されるオブジェクトの種類に一致するときには、その2以上のオブジェクトのうち、画像フレーム内の位置が中央又はそれに最も近いオブジェクトが注目オブジェクトとして選択される。さらに画像フレーム内の位置が中央に最も近いオブジェクトが複数存在するときには、最も大きい領域を占めるオブジェクトが注目オブジェクトとして選択される。
画像選択部319では、選択コマンドに従って注目オブジェクトに関する部分画像が選択される。選択された部分画像は前処理部321で前処理を受けた後、画像解析部323に供給される。前処理として典型的には、画像解析部323の画像解析結果の精度を安定化させるために解像度正規化処理、コントラスト正規化処理が例示されるが、勿論これら処理に限定されることは無い。
画像解析部323は、複数の識別器323−1乃至〜323−nで構成される。複数の識別器323−1乃至〜323−nは、典型的には畳み込みニューラルネットワークシステムにより構成される。畳み込みニューラルネットワークを作成する際の機械学習には、膨大な実際の教師画像を用意し学習を繰り返される。周知の通り、畳み込みニューラルネットワークは、2次元画像に対してフィルタによる畳み込みを行うことで、画像から特徴量を抽出する。畳み込みニューラルネットワークは、畳み込みとプーリングとを繰り返す多層ネットワークからなる。畳み込みニューラルネットワークにおいて畳み込み層を構成する識別に有効なフィルタの係数(重み)を、大量の学習用画像などの大量のデータを用いて学習させる。当該係数(重み)は、大量のデータを用いて、フィルタによる畳み込みと、一定領域の反応をまとめるプーリングとを繰り返すことで多様な変形に対する不変性を獲得する学習を行うことにより得られる。なお、畳み込みニューラルネットワークの識別性能は、畳み込み層を構成するフィルタに依存する。フィルタは、オブジェクトの種類ごとに用意される。
ここではオブジェクトの種類を図5に例示するように大分類の種類から中分類の種類、小分類の種類のごとく多階層化し、各階層の種類ごとに個々に識別器323−1乃至323−nが用意されていて、各識別器323−1乃至323−nはそれより下位分類上での種類を識別する。例えば識別器323−1が「動物」に関するものであれば、「犬」、「猫」など中分類の種類を識別し、識別器323−1が「猫」に関するものであれば、そりより下位分類の「ペルシャ」、「アメリカンショートヘア」など小分類の種類を識別する(S8)。
仮に言語解析部313でコメントから「動物」が抽出されたとき、大分類の「動物」に関する識別器323−1が選択され、選択された識別器323−1は部分画像を解析して例えば「猫」を識別する。また言語解析部313でコメントから「猫」が抽出されたとき、中分類の「猫」に関する識別器323−2が選択され、選択された識別器323−2は部分画像を解析して例えば「アメリカンショートヘア」を識別する。
嗜好解析部325は、図6(a)、図6(b)に例示するように、多数の形容詞に対して嗜好極性(ポジティブ(プラス)/ネガティブ(マイナス))を判定するためのテーブルを世代ごと、さらに性別ごとに事前に作成して記憶しており、画像投稿者プロフィール内の年齢、性別に従って選択したテーブルに言語解析部313で抽出した形容詞を照会することにより、画像投稿者自身の主観的な嗜好極性を推定する(S9)。さらに嗜好解析部325は、図7に例示するように、多数の副詞に対して嗜好程度(レベル)を判定するためのテーブルを事前に作成して記憶しており、言語解析部313で抽出した副詞を照会することにより、画像投稿者自身の主観的な嗜好程度を推定する(S9)。これらテーブルには、形容詞だけではなく、絵文字やスタンプも掲載することが好ましい。テーブルは、随時追加、更新されるべきである。
画像解析部323で識別されたオブジェクトのより下位階層の種類、嗜好解析部325で解析された嗜好極性及び嗜好程度は、プロフィール統合処理部327において画像投稿者プロフィールに統合される(S10)。例えば画像を解析することにより識別されたオブジェクトの種類が「アメリカンショートヘア」であり、嗜好解析結果として嗜好極性が「ポジティブ」、嗜好程度がレベル3であれば、ユーザIDやユーザ氏名、年齢や性別等のユーザ情報に嗜好情報としての”アメリカンショートヘア/ポジティブ/レベル3”が関連付けられる。つまり当該ユーザ(画像投稿者)は「アメリカンショートヘアが非常に強く好きである」との嗜好傾向が認識され得る。
コンテンツデータに閲覧者コメントが存在する場合、言語解析部313は画像投稿者コメントと同様に閲覧者コメントをテキストマイニング処理にかけて、形容詞(絵文字等も含む)及び副詞を抽出し、それら形容詞及び副詞に基づいて嗜好解析部325で嗜好極性及び嗜好程度が推定される。これら閲覧者コメントをソースとする嗜好極性及び嗜好程度は画像投稿者に関する他社の客観的な嗜好極性及び嗜好程度としてユーザプロフィールに統合される。
なお、嗜好解析部325はテーブルを事前に準備してそれを照会することにより嗜好極性や嗜好程度を推定する方式であっても良いし、テーブルニューラルネットワークシステムにより構成されてもよい。
本実施形態で特徴的なのは、画像投稿者やその閲覧者が投稿した画像から嗜好対象を特定し、その画像に付帯するコメントから嗜好極性や嗜好程度を判定し、それらを統合することにより嗜好情報を生成することにある。このように取得した嗜好情報は、購入履歴や閲覧履歴から嗜好情報を取得する手法に比べて、過度な主観や誤差振動の少ない、より自然で信頼性の高い情報として非常に有用である。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
20…情報処理装置、301…通信装置、303…セパレータ、305…動画解析部、307…オブジェクト抽出処理部、313…言語解析部、315…識別器選択部、317…部分画像切出部、319…画像選択部、321…前処理部、323…画像解析部、325…嗜好解析部、327…プロフィール統合処理部。
Claims (4)
- SNSサービス、ECサービス又は画像投稿閲覧サービスを提供するサーバから、投稿者が投稿した画像及び前記画像を閲覧した閲覧者による閲覧者コメントを含むコンテンツデータをダウンロードし、前記投稿者の嗜好傾向を解析する情報処理装置において、
前記画像を解析して前記画像内のオブジェクトの種類を識別する手段と、
前記閲覧者コメントに基づいて前記投稿者の前記識別したオブジェクトの種類に対する嗜好傾向を推定する手段とを具備する情報処理装置。 - SNSサービス、ECサービス又は画像投稿閲覧サービスを提供するサーバから、投稿者が投稿した画像及び前記画像を閲覧した閲覧者による前記画像に対する意思表示を含むコンテンツデータをダウンロードし、前記投稿者の嗜好傾向を解析する情報処理装置において、
前記画像を解析して前記画像内のオブジェクトの種類を識別する手段と、
前記投稿者の前記識別したオブジェクトの種類と前記閲覧者の意思表示とに基づいて前記投稿者の嗜好傾向を推定する手段とを具備する情報処理装置。 - コンピュータを、
SNSサービス、ECサービス又は動画投稿閲覧サービスを提供するサーバから、投稿者が投稿した画像及び前記画像を閲覧した閲覧者による閲覧者コメントを含むコンテンツデータを前記サーバからダウンロードする手段と、
前記画像を解析して前記画像内のオブジェクトの種類を識別する手段と、
前記閲覧者コメントに基づいて前記投稿者の前記識別したオブジェクトの種類に対する嗜好傾向を推定する手段として機能させるための嗜好傾向解析プログラム。 - コンピュータを、
SNSサービス、ECサービス又は動画投稿閲覧サービスを提供するサーバから、投稿者が投稿した画像及び前記画像を閲覧した閲覧者による前記画像に対する意思表示を含むコンテンツデータをダウンロードする手段と、
前記画像を解析して前記画像内のオブジェクトの種類を識別する手段と、
前記投稿者の前記識別したオブジェクトの種類と前記閲覧者の意思表示とに基づいて前記投稿者の嗜好傾向を推定する手段として機能させるための嗜好傾向解析プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133400A JP2020009453A (ja) | 2019-07-19 | 2019-07-19 | 情報処理装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133400A JP2020009453A (ja) | 2019-07-19 | 2019-07-19 | 情報処理装置及びプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017148451A Division JP6569183B2 (ja) | 2017-07-31 | 2017-07-31 | 情報処理装置、方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020009453A true JP2020009453A (ja) | 2020-01-16 |
Family
ID=69151884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019133400A Pending JP2020009453A (ja) | 2019-07-19 | 2019-07-19 | 情報処理装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020009453A (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012226741A (ja) * | 2011-04-06 | 2012-11-15 | Nippon Hoso Kyokai <Nhk> | プロファイル生成装置及びプログラム |
JP2013164792A (ja) * | 2012-02-13 | 2013-08-22 | Nippon Telegr & Teleph Corp <Ntt> | 情報処理装置、情報処理方法およびプログラム |
JP2013214127A (ja) * | 2012-03-30 | 2013-10-17 | Dainippon Printing Co Ltd | サーバ装置、プログラム及び通信システム |
JP2019028793A (ja) * | 2017-07-31 | 2019-02-21 | Aiq株式会社 | 情報処理装置、方法及びプログラム |
-
2019
- 2019-07-19 JP JP2019133400A patent/JP2020009453A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012226741A (ja) * | 2011-04-06 | 2012-11-15 | Nippon Hoso Kyokai <Nhk> | プロファイル生成装置及びプログラム |
JP2013164792A (ja) * | 2012-02-13 | 2013-08-22 | Nippon Telegr & Teleph Corp <Ntt> | 情報処理装置、情報処理方法およびプログラム |
JP2013214127A (ja) * | 2012-03-30 | 2013-10-17 | Dainippon Printing Co Ltd | サーバ装置、プログラム及び通信システム |
JP2019028793A (ja) * | 2017-07-31 | 2019-02-21 | Aiq株式会社 | 情報処理装置、方法及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6569183B2 (ja) | 情報処理装置、方法及びプログラム | |
RU2720536C1 (ru) | Фреймворк приема видео для платформы визуального поиска | |
US8718369B1 (en) | Techniques for shape-based search of content | |
US20160284007A1 (en) | Information processing apparatus, information processing method, and recording medium | |
CN110325986B (zh) | 文章处理方法、装置、服务器及存储介质 | |
US20180268307A1 (en) | Analysis device, analysis method, and computer readable storage medium | |
Rodrigues et al. | Adaptive card design UI implementation for an augmented reality museum application | |
US11803872B2 (en) | Creating meta-descriptors of marketing messages to facilitate in delivery performance analysis, delivery performance prediction and offer selection | |
US20190278800A1 (en) | System and method for imagery mnemonic creation | |
CN111582932A (zh) | 场景间信息推送方法、装置、计算机设备及存储介质 | |
US10606832B2 (en) | Search system, search method, and program | |
JP6838167B2 (ja) | ウェブページメイン画像認識方法及び装置 | |
KR102410715B1 (ko) | 머신 러닝 기반의 텍스트 데이터의 감성 분석 장치 및 방법 | |
JP5767413B1 (ja) | 情報処理システム、情報処理方法、および情報処理プログラム | |
US20170323013A1 (en) | Data evaluation system, data evaluation method, and data evaluation program | |
US20180046683A1 (en) | Search word list providing device and method using same | |
CN117557331A (zh) | 一种产品推荐方法、装置、计算机设备及存储介质 | |
JP6802332B1 (ja) | 情報処理方法および情報処理装置 | |
JP6945212B2 (ja) | 情報処理装置及びプログラム | |
JP2020009453A (ja) | 情報処理装置及びプログラム | |
CN114579867A (zh) | 资源推荐的方法和装置、电子设备和存储介质 | |
JP2022037575A (ja) | 画像評価予測装置および方法 | |
CN113704623A (zh) | 一种数据推荐方法、装置、设备及存储介质 | |
KR101871827B1 (ko) | 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램 | |
Kaili et al. | Improving the Representation Choices of Privacy Policies for End-Users |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200716 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200728 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210525 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20211130 |