JP2022000728A - サービス評価システム - Google Patents
サービス評価システム Download PDFInfo
- Publication number
- JP2022000728A JP2022000728A JP2020105847A JP2020105847A JP2022000728A JP 2022000728 A JP2022000728 A JP 2022000728A JP 2020105847 A JP2020105847 A JP 2020105847A JP 2020105847 A JP2020105847 A JP 2020105847A JP 2022000728 A JP2022000728 A JP 2022000728A
- Authority
- JP
- Japan
- Prior art keywords
- service
- score
- innovative
- name
- determined
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】 サービスが革新的であるか否かを判定することのできるサービス革新判定システムを提供する。【解決手段】 サービス革新判定システムは、所定のキュレーションサイトにおいてサービスの名称が掲載された回数に基づいて算出されたサービスのスコアに関する情報と、当該サービスが革新的であるか否かを示す情報との関係を、機械学習により分析する。そして、所定の判定期間に、キュレーションサイトにおいて判定対象のサービスの名称が掲載された回数に基づいて、当該判定対象のサービスのスコアを算出し、機械学習により分析した関係に基づいて、算出した判定対象のサービスのスコアを入力として、当該判定対象のサービスが革新的であるか否かを推定して出力する。【選択図】 図１
Description
本発明は、サービスが革新的であるか否かを判定するサービス革新判定システムに関する。
従来から、様々な事業者によって種々のサービスが提案されているが、そのサービスが革新的であるか否かを判定するシステムは、これまで提案されていなかった。例えば、あるサービスがキュレーションサイトに掲載されている場合であっても、そのサービスが必ずしも革新的であるわけではない。なお、キュレーションサイトに関する技術としては、従来、キュレーションされたコンテンツを評価するシステムが提案されている（例えば、特許文献１参照）。
しかしながら、従来のシステムでは、キュレーションサイトにサービスが掲載されている場合であっても、そのサービスが革新的であるか否かを判定することができない。
本発明は、上記の課題に鑑みてなされたもので、サービスが革新的であるか否かを判定することのできるサービス革新判定システムを提供することを目的とする。
本発明のサービス革新判定システムは、サービスが革新的であるか否かを判定するサービス革新判定システムにおいて、所定のキュレーションサイトにおいてサービスの名称が掲載された回数に基づいて算出されたサービスのスコアに関する情報と、当該サービスが革新的であるか否かを示す情報との関係を、機械学習により分析する機械学習部と、ユーザ操作に基づいて、判定対象のサービスの名称の情報を取得する情報取得部と、所定の判定期間に、前記キュレーションサイトにおいて前記判定対象のサービスの名称が掲載された回数に基づいて、当該判定対象のサービスのスコアを算出するスコア算出部と、前記機械学習部で分析した関係に基づいて、前記スコア算出部で算出した前記判定対象のサービスのスコアを入力として、当該判定対象のサービスが革新的であるか否かを推定して出力する推定部と、を備えている。
この構成によれば、所定の判定期間に、キュレーションサイトにおいて判定対象のサービスの名称が掲載された回数に基づいて、その判定対象のサービスのスコアが算出される。そして、判定対象のサービスのスコアが入力されると、機械学習で分析した関係（サービスのスコアに関する情報と、そのサービスが革新的であるか否かを示す情報との関係）を用いて、その判定対象のサービスが革新的であるか否かが推定される。このようにして、サービスが革新的であるか否かを判定することができる。
また、本発明のサービス革新判定システムでは、前記キュレーションサイトは、複数のカテゴリに分類されており、前記サービスのスコアは、各カテゴリに含まれるキュレーションサイトにおいて前記サービスの名称が掲載された回数に基づいて、前記カテゴリごとに算出されてもよい。
この構成によれば、キュレーションサイトが、複数のカテゴリに分類されており、サービスのスコアが、各カテゴリに含まれるキュレーションサイトにおいてサービスの名称が掲載された回数に基づいて、カテゴリごとに算出される。これにより、キュレーションサイトのカテゴリを考慮して、サービスが革新的であるか否かを判定することができる。
また、本発明のサービス革新判定システムでは、前記サービスのスコアは、所定の関数を用いて前記カテゴリごとに算出されてもよい。
この構成によれば、サービスのスコアが、所定の関数を用いてカテゴリごとに算出される。所定の関数としては、例えば、ｌｉｓｔ関数、ｍａｘ関数、ｓｕｍ関数、などが用いられる。
本発明の方法は、サービスが革新的であるか否かを判定するサービス革新判定システムで実行される方法であって、所定のキュレーションサイトにおいてサービスの名称が掲載された回数に基づいて算出されたサービスのスコアに関する情報と、当該サービスが革新的であるか否かを示す情報との関係を、機械学習により分析するステップと、ユーザ操作に基づいて、判定対象のサービスの名称の情報を取得するステップと、所定の判定期間に、前記キュレーションサイトにおいて前記判定対象のサービスの名称が掲載された回数に基づいて、当該判定対象のサービスのスコアを算出するステップと、前記機械学習部で分析した関係に基づいて、前記スコア算出部で算出した前記判定対象のサービスのスコアを入力として、当該判定対象のサービスが革新的であるか否かを推定して出力するステップと、を含んでいる。
この方法によっても、上記のシステムと同様、所定の判定期間に、キュレーションサイトにおいて判定対象のサービスの名称が掲載された回数に基づいて、その判定対象のサービスのスコアが算出される。そして、判定対象のサービスのスコアが入力されると、機械学習で分析した関係（サービスのスコアに関する情報と、そのサービスが革新的であるか否かを示す情報との関係）を用いて、その判定対象のサービスが革新的であるか否かが推定される。このようにして、サービスが革新的であるか否かを判定することができる。
本発明によれば、サービスが革新的であるか否かを判定することができる。
以下、本発明の実施の形態のサービス革新判定システムについて、図面を用いて説明する。本実施の形態では、サービスが革新的であるか否かを判定するサービス革新判定システムの場合を例示する。
本発明の実施の形態のサービス革新判定システムの構成を、図面を参照して説明する。図１は、本実施の形態のサービス革新判定システムの構成を示すブロック図である。図１に示すように、サービス革新判定システム１は、ネットワークＮを介して、ユーザ装置Ｕと接続されている。ユーザ装置Ｕは、システムユーザによって操作される装置であり、例えばパーソナルコンピュータなどで構成される。また、サービス革新判定システム１は、ネットワークＮを介して、キュレーションサイトＣを管理するサーバ装置Ｓとも接続されている。
サービス革新判定システム１は、機械学習部２と、情報取得部３と、スコア算出部４と、推定部５と、レポート作成部６と、記憶部７を備えている。
機械学習部２は、所定のキュレーションサイトＣにおいてサービスの名称が掲載された回数に基づいて算出されたサービスのスコアに関する情報と、そのサービスが革新的であるか否かを示す情報との関係を、機械学習により分析する。この機械学習には、ニューラルネットワークによるディープラーニング等の任意の手法が用いられる。
例えば、ニューラルネットワークであれば、所定のキュレーションサイトＣにおいてサービスの名称が掲載された回数に基づいて算出されたサービスのスコアに関する情報を入力層に入力し、そのサービスが革新的であるか否かを示す情報を出力層から出力するように構成する。そして、入力層に入力するデータと出力層から出力されるデータとが紐付けられた分析用データ（教師データ）を用いた教師あり学習によって、ニューラルネットワークのニューロン間の重み付け係数が最適化される。教師データとしては、例えば、キュレータなどの専門家が判断した、そのサービスが革新的であるか否かを示すデータ（革新的でない：０、革新的である：１、など）が用いられる。
また、機械学習部２は、後述するスコア算出部４で算出された判定対象のサービスのスコアに関する情報と推定部５から出力された判定対象のサービスが革新的であるか否かの情報を教師データとして用いて、関係の強化学習を行う（例えば、ニューラルネットワークのニューロン間の重み付け係数を最適化する）。このようにして、サービスのスコアに関する情報とそのサービスが革新的であるか否かの情報との関係の追加学習（強化学習）が行われる。
情報取得部３は、ユーザ装置Ｕで行われたユーザ操作に基づいて、判定対象のサービスの名称の情報を取得する。例えば、システムユーザがユーザ装置Ｕで判定対象のサービス名を入力すると、そのユーザ操作（入力操作）で入力された判定対象のサービスの名称の情報が取得される。
スコア算出部４は、所定の判定期間（例えば、分次、時次、日次、週次、月次、４半期、半期、年度、年間など）に、所定のキュレーションサイトＣにおいて判定対象のサービスの名称が掲載された回数に基づいて、その判定対象のサービスのスコアを算出する。判定期間は、システムユーザがユーザ装置Ｕで任意に設定することができる。キュレーションサイトＣにおいて判定対象のサービスの名称が掲載された回数の情報は、所定の周期でキュレーションサイトＣをクローリングし、キュレーションサイトＣに掲載された記事を解析することにより、自動的に取得することができる。
図２は、サービスのスコアの例を示す図である。図２に示すように、キュレーションサイトＣは、複数のカテゴリ（例えば、ビジネス成長、ＣＳＲ、ＳＤＧｓ、幸福度など）に分類されており、サービスのスコアは、各カテゴリに含まれるキュレーションサイトＣにおいてサービスの名称が掲載された回数に基づいて、カテゴリごとに算出される。
サービスのスコアは、所定の関数を用いてカテゴリごとに算出することができる。例えば、ｌｉｓｔ関数を用いる場合には、サービスのスコアは［１２，５，２３，９，５，１０，１２、・・・、３３１，１２３］と算出される。また、ｍａｘ関数を用いる場合には、サービスのスコアは［１２，２３，１２、・・・、３３１］と算出される。また、ｓｕｍ関数を用いる場合には、サービスのスコアは［１７，３７，２２、・・・、４５４］と算出される。なお、サービスのスコアの算出に用いられる関数が、上記の関数に限られないことは言うまでもない。
推定部５は、機械学習部２で分析した関係に基づいて、スコア算出部４で算出した判定対象のサービスのスコアを入力として、その判定対象のサービスが革新的であるか否かを推定して出力する。例えば、上記のニューラルネットワークであれば、スコア算出部４で算出した判定対象のサービスのスコアに関する情報を入力層に入力し、その判定対象のサービスが革新的であるか否かに関する情報を出力層から出力する。このようにして、システムユーザが入力した判定対象のサービスが革新的であるか否かの推定が行われる。
レポート作成部６は、推定部５から出力された判定対象のサービスが革新的であるか否かの情報に基づいて、システムユーザに提供するレポートを自動で作成する機能を備えている。システムユーザは、レポート作成部６で作成されたレポートを見ることにより、自らが入力した判定対象のサービスが革新的であるか否かを知ることができる。
記憶部７には、サービス革新判定システム１で判定対象のサービスが革新的であるか否かの推定を行うために必要なデータが記憶される。また、記憶部７には、レポート作成部６で作成したレポートのデータ等が記憶される。
以上のように構成されたサービス革新判定システム１について、図３のフロー図を参照してその動作を説明する。
図３に示すように、本実施の形態のサービス革新判定システム１では、まず、機械学習部２が、所定のキュレーションサイトＣにおいてサービスの名称が掲載された回数に基づいて算出されたサービスのスコアに関する情報と、当該サービスが革新的であるか否かを示す情報との関係を、機械学習により分析する（Ｓ１）。
その後、情報取得部３が、システムユーザのユーザ操作に基づいて、判定対象のサービスの名称の情報を取得すると（Ｓ２）、スコア算出部４が、所定の判定期間に、キュレーションサイトＣにおいて判定対象のサービスの名称が掲載された回数に基づいて、その判定対象のサービスのスコアを算出する（Ｓ３）。そして、推定部５が、機械学習により分析した関係に基づいて、算出した判定対象のサービスのスコアを入力として、当該判定対象のサービスが革新的であるか否かを推定し（Ｓ４）、レポート作成部６によってレポートが作成される（Ｓ５）。
最後に、スコア算出部４で算出された判定対象のサービスのスコアに関する情報と推定部５から出力された判定対象のサービスが革新的であるか否かの情報を教師データとして用いて、機械学習部２で、サービスのスコアに関する情報とそのサービスが革新的であるか否かの情報との関係の追加学習（強化学習）が行われる（Ｓ６）。
このような本実施の形態のサービス革新判定システム１によれば、所定の判定期間に、キュレーションサイトＣにおいて判定対象のサービスの名称が掲載された回数に基づいて、その判定対象のサービスのスコアが算出される。そして、判定対象のサービスのスコアが入力されると、機械学習で分析した関係（サービスのスコアに関する情報と、そのサービスが革新的であるか否かを示す情報との関係）を用いて、その判定対象のサービスが革新的であるか否かが推定される。このようにして、サービスが革新的であるか否かを判定することができる。
また、本実施の形態では、キュレーションサイトＣが、複数のカテゴリに分類されており、サービスのスコアが、各カテゴリに含まれるキュレーションサイトＣにおいてサービスの名称が掲載された回数に基づいて、カテゴリごとに算出される。これにより、キュレーションサイトＣのカテゴリを考慮して、サービスが革新的であるか否かを判定することができる。
また、本実施の形態では、サービスのスコアが、所定の関数を用いてカテゴリごとに算出される。所定の関数としては、例えば、ｌｉｓｔ関数、ｍａｘ関数、ｓｕｍ関数、などが用いられる。
以上、本発明の実施の形態を例示により説明したが、本発明の範囲はこれらに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変形することが可能である。
以上のように、本発明にかかるサービス革新判定システムは、サービスが革新的であるか否かを判定することができるという効果を有し、サービス評価システム等に適用され、有用である。
１ サービス革新判定システム
２ 機械学習部
３ 情報取得部
４ スコア算出部
５ 推定部
６ レポート作成部
７ 記憶部
Ｎ ネットワーク
Ｕ ユーザ装置
Ｃ キュレーションサイト
Ｓ サーバ装置
２ 機械学習部
３ 情報取得部
４ スコア算出部
５ 推定部
６ レポート作成部
７ 記憶部
Ｎ ネットワーク
Ｕ ユーザ装置
Ｃ キュレーションサイト
Ｓ サーバ装置
Claims (4)
- サービスが革新的であるか否かを判定するサービス革新判定システムにおいて、
所定のキュレーションサイトにおいてサービスの名称が掲載された回数に基づいて算出されたサービスのスコアに関する情報と、当該サービスが革新的であるか否かを示す情報との関係を、機械学習により分析する機械学習部と、
ユーザ操作に基づいて、判定対象のサービスの名称の情報を取得する情報取得部と、
所定の判定期間に、前記キュレーションサイトにおいて前記判定対象のサービスの名称が掲載された回数に基づいて、当該判定対象のサービスのスコアを算出するスコア算出部と、
前記機械学習部で分析した関係に基づいて、前記スコア算出部で算出した前記判定対象のサービスのスコアを入力として、当該判定対象のサービスが革新的であるか否かを推定して出力する推定部と、
を備えることを特徴とするサービス革新判定システム。 - 前記キュレーションサイトは、複数のカテゴリに分類されており、
前記サービスのスコアは、各カテゴリに含まれるキュレーションサイトにおいて前記サービスの名称が掲載された回数に基づいて、前記カテゴリごとに算出される、請求項１に記載のサービス革新判定システム。 - 前記サービスのスコアは、所定の関数を用いて前記カテゴリごとに算出される、請求項２に記載のサービス革新判定システム。
- サービスが革新的であるか否かを判定するサービス革新判定システムで実行される方法であって、
所定のキュレーションサイトにおいてサービスの名称が掲載された回数に基づいて算出されたサービスのスコアに関する情報と、当該サービスが革新的であるか否かを示す情報との関係を、機械学習により分析するステップと、
ユーザ操作に基づいて、判定対象のサービスの名称の情報を取得するステップと、
所定の判定期間に、前記キュレーションサイトにおいて前記判定対象のサービスの名称が掲載された回数に基づいて、当該判定対象のサービスのスコアを算出するステップと、
前記機械学習により分析した関係に基づいて、算出した前記判定対象のサービスのスコアを入力として、当該判定対象のサービスが革新的であるか否かを推定して出力するステップと、
を含むことを特徴とする方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020105847A JP6964722B1 (ja) | 2020-06-19 | 2020-06-19 | サービス評価システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020105847A JP6964722B1 (ja) | 2020-06-19 | 2020-06-19 | サービス評価システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6964722B1 JP6964722B1 (ja) | 2021-11-10 |
| JP2022000728A true JP2022000728A (ja) | 2022-01-04 |
Family
ID=78466216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020105847A Active JP6964722B1 (ja) | 2020-06-19 | 2020-06-19 | サービス評価システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6964722B1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7180921B1 (ja) | 2021-12-17 | 2022-11-30 | ｈａｃｋｊｐｎ株式会社 | プログラム、情報処理装置および情報処理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012048360A (ja) * | 2010-08-25 | 2012-03-08 | Sony Corp | Ｉｄ価値評価装置、ｉｄ価値評価システム、及びｉｄ価値評価方法 |
| JP2015049893A (ja) * | 2013-08-29 | 2015-03-16 | 富士通株式会社 | キュレーションされたコンテンツを評価する方法及びシステム |
| KR101969312B1 (ko) * | 2018-01-24 | 2019-08-20 | 한국과학기술정보연구원 | 연구계획서평가장치 및 그 동작 방법 |
| KR20200062520A (ko) * | 2018-11-27 | 2020-06-04 | (주)아이와즈 | 출처 분석 기반의 뉴스 신뢰성 평가 시스템 및 그 동작 방법 |
-
2020
- 2020-06-19 JP JP2020105847A patent/JP6964722B1/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012048360A (ja) * | 2010-08-25 | 2012-03-08 | Sony Corp | Ｉｄ価値評価装置、ｉｄ価値評価システム、及びｉｄ価値評価方法 |
| JP2015049893A (ja) * | 2013-08-29 | 2015-03-16 | 富士通株式会社 | キュレーションされたコンテンツを評価する方法及びシステム |
| KR101969312B1 (ko) * | 2018-01-24 | 2019-08-20 | 한국과학기술정보연구원 | 연구계획서평가장치 및 그 동작 방법 |
| KR20200062520A (ko) * | 2018-11-27 | 2020-06-04 | (주)아이와즈 | 출처 분석 기반의 뉴스 신뢰성 평가 시스템 및 그 동작 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6964722B1 (ja) | 2021-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pampaka et al. | Handling missing data: analysis of a challenging data set using multiple imputation | |
| Chen et al. | Evaluating teaching performance based on fuzzy AHP and comprehensive evaluation approach | |
| Han et al. | Toward an understanding of the impact of production pressure on safety performance in construction operations | |
| Asif et al. | Determining the key capabilities required for performance excellence in higher education | |
| Pijpers et al. | An investigation of factors that influence senior executives to accept innovations in information technology | |
| EP3499375A1 (en) | Predicting quality of an information system using system dynamics modelling and machine learning | |
| Søbjerg et al. | Using risk factor statistics in decision-making: prospects and challenges | |
| Beckler et al. | Reliability in evaluator-based tests: using simulation-constructed models to determine contextually relevant agreement thresholds | |
| Weir et al. | The influence of training on decision times and errors associated with classifying trunk postures using video-based posture assessment methods | |
| Abana | A decision tree approach for predicting student grades in Research Project using Weka | |
| Roghabadi et al. | Forecasting project duration using risk-based earned duration management | |
| Valdés-Souto et al. | Improving the software estimation models based on functional size through validation of the assumptions behind the linear regression and the use of the confidence intervals when the reference database presents a wedge-shape form | |
| Ferrucci et al. | A case study using web objects and cosmic for effort estimation of web applications | |
| JP6964722B1 (ja) | サービス評価システム | |
| Bennani et al. | Factors fostering IT acceptance by nurses in Morocco: Short paper | |
| Petrik et al. | Measuring uncertainty in discrete choice travel demand forecasting models | |
| CN117522222A (zh) | 一种基于大数据的教育测评软件实现方法 | |
| Shestakevych et al. | Information and technology support of inclusive education in Ukraine | |
| Riggs et al. | Handbook for applied modeling: non-Gaussian and correlated data | |
| Wooditch et al. | Ordinary least squares regression | |
| KR102481664B1 (ko) | 대학입시 합격가능성 예측 시스템 및 서비스 방법 | |
| Hossain | Bridging advanced data science, machine learning and future of accounting and auditing: A theoretical review | |
| Mat Roni et al. | Preliminary data analysis: An analysis before the analysis | |
| Langan et al. | Benchmarking factor selection and sensitivity: a case study with nursing courses | |
| JP2009157487A (ja) | 評価者選定装置及び評価者選定方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200619 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210803 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210909 |
|
| 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: 20211005 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211019 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6964722 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |