JP2020126510A - 計算機システム及び情報の提示方法 - Google Patents
計算機システム及び情報の提示方法 Download PDFInfo
- Publication number
- JP2020126510A JP2020126510A JP2019019357A JP2019019357A JP2020126510A JP 2020126510 A JP2020126510 A JP 2020126510A JP 2019019357 A JP2019019357 A JP 2019019357A JP 2019019357 A JP2019019357 A JP 2019019357A JP 2020126510 A JP2020126510 A JP 2020126510A
- Authority
- JP
- Japan
- Prior art keywords
- data
- prediction
- computer
- decision logic
- information
- 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
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
101 端末
105 ネットワーク
110 プロセッサ
111 メモリ
112 ネットワークインタフェース
120 データセット生成部
121 学習部
122 予測器
123 統合部
130 学習データ管理情報
131 予測モデル管理情報
200 予測対象データ
201 データセット
202 予測モデル
203 予測結果
204 決定論理
400 出力画面
600 データ抽出基準
1000 統合決定論理
Claims (15)
- 少なくとも一つの計算機を備える計算機システムであって、
対象に関する事象を予測するための予測モデルを生成するための学習データを格納する第1のデータベースにアクセス可能であり、
前記学習データは、前記対象の特性を表す項目の値である特徴量を複数含む入力データと、教師データとから構成され、
前記少なくとも一つの計算機は、
前記複数の特徴量を含む予測対象データの入力を受信した場合、前記予測対象データと類似する前記入力データから構成される前記学習データを抽出するための抽出基準を設定するための第1の学習処理を実行し、
前記抽出基準に基づいて前記第1のデータベースから前記学習データを抽出し、抽出された前記学習データを要素とするデータセットを生成し、
前記データセットを用いて前記予測モデルを生成するための第2の学習処理を実行し、
前記予測モデルから、前記予測モデルの予測ロジックを示す決定論理を生成し、
前記決定論理を提示するための第1の提示情報を出力することを特徴とする計算機システム。 - 請求項1に記載の計算機システムであって、
前記少なくとも一つの計算機は、前記予測モデルを用いて前記予測対象データを処理することによって予測結果を算出し、
前記第1の提示情報は、前記予測結果を含むことを特徴とする計算機システム。 - 請求項1に記載の計算機システムであって、
前記少なくとも一つの計算機は、
前記入力データが前記予測対象データであり、かつ、前記教師データが前記算出された予測結果である、新規学習データを前記第1のデータベースに格納することを特徴とする計算機システム。 - 請求項1に記載の計算機システムであって、
前記決定論理は、決定木、ベイジアンネットワーク、線型モデル、ニューラルネットワークのいずれかを示す情報であることを特徴とする計算機システム。 - 請求項1に記載の計算機システムであって、
前記少なくとも一つの計算機は、前記第1の学習処理の結果に関する情報及び前記データセットに関する情報の少なくともいずれかを提示するための第2の提示情報を出力することを特徴とする計算機システム。 - 請求項1に記載の計算機システムであって、
前記決定論理を格納する第2のデータベースにアクセス可能であり、
前記少なくとも一つの計算機は、
前記第2のデータベースに格納される前記決定論理を解析することによって、統合可能な前記決定論理を特定し、
前記特定された決定論理を統合することによって統合決定論理を生成し、
前記統合決定論理を提示するための第3の提示情報を出力することを特徴とする計算機システム。 - 請求項6に記載の計算機システムであって、
前記少なくとも一つの計算機は、前記統合決定論理を解析することによって、前記予測対象データを構成し、予測への影響が大きい前記項目を、影響項目として特定し、
前記第3の提示情報は、前記影響項目に関する情報を含むことを特徴とする計算機システム。 - 請求項1から請求項6のいずれか一項に記載の計算機システムであって、
前記入力データ及び前記予測対象データは、介入行為に関する予測を行う前記予測モデルの生成に必要な複数の特徴量を含むデータであることを特徴とする計算機システム。 - 計算機システムが実行する情報の提示方法であって、
前記計算機システムは、
少なくとも一つの計算機を有し、
対象に関する事象を予測するための予測モデルを生成するための学習データを格納する第1のデータベースにアクセス可能であり、
前記学習データは、前記対象の特性を示す項目の値である特徴量を複数含む入力データと、教師データとから構成され、
前記情報の提示方法は、
前記少なくとも一つの計算機が、前記複数の特徴量を含む予測対象データの入力を受信した場合、前記予測対象データと類似する前記入力データから構成される前記学習データを抽出するための抽出基準を設定するための第1の学習処理を実行するステップと、
前記少なくとも一つの計算機が、前記抽出基準に基づいて前記第1のデータベースから前記学習データを抽出し、抽出された前記学習データを要素とするデータセットを生成するステップと、
前記少なくとも一つの計算機が、前記データセットを用いて前記予測モデルを生成するための第2の学習処理を実行するステップと、
前記少なくとも一つの計算機が、前記予測モデルから、前記予測モデルの予測ロジックを示す決定論理を生成するステップと、
前記少なくとも一つの計算機が、前記決定論理を提示するための第1の提示情報を出力するステップと、を含むことを特徴とする情報の提示方法。 - 請求項9に記載の情報の提示方法であって、
前記少なくとも一つの計算機が、前記予測モデルを用いて前記予測対象データを処理することによって予測結果を算出するステップを含み、
前記第1の提示情報は、前記予測結果を含むことを特徴とする情報の提示方法。 - 請求項9に記載の情報の提示方法であって、
前記少なくとも一つの計算機が、前記入力データが前記予測対象データであり、かつ、前記教師データが前記算出された予測結果である、新規学習データを前記第1のデータベースに格納するステップを含むことを特徴とする情報の提示方法。 - 請求項9に記載の情報の提示方法であって、
前記決定論理は、決定木、ベイジアンネットワーク、線型モデル、ニューラルネットワークのいずれかを示す情報であることを特徴とする情報の提示方法。 - 請求項9に記載の情報の提示方法であって、
前記少なくとも一つの計算機が、前記第1の学習処理の結果に関する情報及び前記データセットに関する情報の少なくともいずれかを提示するための第2の提示情報を出力するステップを含むことを特徴とする情報の提示方法。 - 請求項9に記載の情報の提示方法であって、
前記計算機システムは、前記決定論理を格納する第2のデータベースにアクセス可能であり、
前記情報の提示方法は、
前記少なくとも一つの計算機が、前記第2のデータベースに格納される前記決定論理を解析することによって、統合可能な前記決定論理を特定するステップと、
前記少なくとも一つの計算機が、前記特定された決定論理を統合することによって統合決定論理を生成するステップと、
前記少なくとも一つの計算機が、前記統合決定論理を解析することによって、前記予測対象データを構成し、前記予測への影響が大きい前記項目を、影響項目として特定するステップと、
前記少なくとも一つの計算機が、前記統合決定論理及び前記影響項目に関する情報を提示するための第3の提示情報を出力するステップと、を含むことを特徴とする情報の提示方法。 - 請求項9から請求項14のいずれか一項に記載の情報の提示方法であって、
前記入力データ及び前記予測対象データは、介入行為に関する予測を行う前記予測モデルの生成に必要な複数の特徴量を含むデータであることを特徴とする情報の提示方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019019357A JP7057761B2 (ja) | 2019-02-06 | 2019-02-06 | 計算機システム及び情報の提示方法 |
US16/708,473 US11443238B2 (en) | 2019-02-06 | 2019-12-10 | Computer system and presentation method of information |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019019357A JP7057761B2 (ja) | 2019-02-06 | 2019-02-06 | 計算機システム及び情報の提示方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020126510A true JP2020126510A (ja) | 2020-08-20 |
JP2020126510A5 JP2020126510A5 (ja) | 2021-05-06 |
JP7057761B2 JP7057761B2 (ja) | 2022-04-20 |
Family
ID=71836567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019019357A Active JP7057761B2 (ja) | 2019-02-06 | 2019-02-06 | 計算機システム及び情報の提示方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11443238B2 (ja) |
JP (1) | JP7057761B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022044221A1 (ja) * | 2020-08-27 | 2022-03-03 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、記録媒体 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113887811B (zh) * | 2021-10-13 | 2022-08-12 | 江苏明茂新能源科技有限公司 | 一种充电桩数据管理方法及系统 |
CN114816835B (zh) * | 2022-06-27 | 2022-09-02 | 北京得瑞领新科技有限公司 | 等效驻留时间的恢复方法、装置、存储介质及电子设备 |
CN117077579B (zh) * | 2023-10-17 | 2024-02-06 | 深圳十沣科技有限公司 | 翼型流场预测方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0696052A (ja) * | 1992-09-14 | 1994-04-08 | Toshiba Corp | 時系列データ分類・予測装置 |
US20160140442A1 (en) * | 2014-11-14 | 2016-05-19 | Medidata Solutions, Inc. | System and method for determining subject conditions in mobile health clinical trials |
JP2018032210A (ja) * | 2016-08-24 | 2018-03-01 | 富士通株式会社 | 設計予測装置、設計予測プログラムおよび設計予測方法 |
JP2018180993A (ja) * | 2017-04-14 | 2018-11-15 | 株式会社日立製作所 | データ分析支援システム及びデータ分析支援方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2810202B2 (ja) * | 1990-04-25 | 1998-10-15 | 株式会社日立製作所 | ニューラルネットワークによる情報処理装置 |
US20050120009A1 (en) * | 2003-11-21 | 2005-06-02 | Aker J. B. | System, method and computer program application for transforming unstructured text |
US7519566B2 (en) * | 2004-02-11 | 2009-04-14 | Oracle International Corporation | Method and apparatus for automatically and continuously updating prediction models in real time based on data mining |
JP2008532104A (ja) * | 2004-12-30 | 2008-08-14 | プロベンティス インコーポレーテッド | 複数の医療関連アウトカムの予測を行い、インターベンション計画の評価を行い、更に同時にバイオマーカー因果性検証を行うことのできる、予測モデルを生成して適用する方法、そのシステム、及びそのコンピュータ・プログラム製品 |
JP5603639B2 (ja) | 2010-04-23 | 2014-10-08 | 国立大学法人京都大学 | 予測装置の学習装置及びそのコンピュータプログラム |
US11232367B1 (en) * | 2016-12-14 | 2022-01-25 | Groupon, Inc. | Apparatus and method for forecasted performance level adjustment and modification |
CN107292528A (zh) * | 2017-06-30 | 2017-10-24 | 阿里巴巴集团控股有限公司 | 车险风险预测方法、装置及服务器 |
JP6586184B2 (ja) * | 2018-03-13 | 2019-10-02 | 株式会社日立製作所 | データ分析支援装置、及びデータ分析支援方法 |
-
2019
- 2019-02-06 JP JP2019019357A patent/JP7057761B2/ja active Active
- 2019-12-10 US US16/708,473 patent/US11443238B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0696052A (ja) * | 1992-09-14 | 1994-04-08 | Toshiba Corp | 時系列データ分類・予測装置 |
US20160140442A1 (en) * | 2014-11-14 | 2016-05-19 | Medidata Solutions, Inc. | System and method for determining subject conditions in mobile health clinical trials |
JP2018032210A (ja) * | 2016-08-24 | 2018-03-01 | 富士通株式会社 | 設計予測装置、設計予測プログラムおよび設計予測方法 |
JP2018180993A (ja) * | 2017-04-14 | 2018-11-15 | 株式会社日立製作所 | データ分析支援システム及びデータ分析支援方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022044221A1 (ja) * | 2020-08-27 | 2022-03-03 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、記録媒体 |
JP7435801B2 (ja) | 2020-08-27 | 2024-02-21 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
Also Published As
Publication number | Publication date |
---|---|
US11443238B2 (en) | 2022-09-13 |
JP7057761B2 (ja) | 2022-04-20 |
US20200250579A1 (en) | 2020-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7057761B2 (ja) | 計算機システム及び情報の提示方法 | |
Murdoch et al. | Definitions, methods, and applications in interpretable machine learning | |
JP6975692B2 (ja) | 計算機システム及び予測器が出力した予測値の根拠に関連する情報の提示方法 | |
Bisaso et al. | A survey of machine learning applications in HIV clinical research and care | |
Simpson et al. | Multiple self-controlled case series for large-scale longitudinal observational databases | |
US10123748B2 (en) | Active patient risk prediction | |
JP4890806B2 (ja) | 予測プログラムおよび予測装置 | |
US20160140312A1 (en) | Generating drug repositioning hypotheses based on integrating multiple aspects of drug similarity and disease similarity | |
Cao et al. | Domain-driven, actionable knowledge discovery | |
US11244761B2 (en) | Accelerated clinical biomarker prediction (ACBP) platform | |
JP7051724B2 (ja) | 計算機システム及び対象に関する目的を達成するために有用な情報の提示方法 | |
US20210174217A1 (en) | Systems and methods driven by link-specific numeric information for predicting associations based on predicate types | |
AU2018354105A1 (en) | Genealogical entity resolution system and method | |
JP7145059B2 (ja) | モデルの予測根拠提示システム及びモデルの予測根拠提示方法 | |
JP2021064049A (ja) | 計算機システム及び数理モデルの生成支援方法 | |
JP7059151B2 (ja) | 時系列データ分析装置、時系列データ分析方法、および時系列データ分析プログラム | |
JP2021033544A (ja) | 学習データの精練方法及び計算機システム | |
US9898525B2 (en) | Information processing device which carries out risk analysis and risk analysis method | |
US20230019364A1 (en) | Selection method of learning data and computer system | |
KR102519848B1 (ko) | 생의학적 연관성 예측 방법 및 장치 | |
Osl et al. | Demoting redundant features to improve the discriminatory ability in cancer data | |
Onoja | An integrated interpretable machine learning framework for high-dimensional multi-omics datasets | |
Langbein et al. | Interpretable machine learning for survival analysis | |
US20230229662A1 (en) | Information processing system and lineage management method | |
JP6621432B2 (ja) | 計算機及び解析データの分類方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210316 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210316 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220215 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220325 |
|
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: 20220405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220408 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7057761 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |