JP4140915B2 - 利用者の行動を支援するシステム - Google Patents
利用者の行動を支援するシステム Download PDFInfo
- Publication number
- JP4140915B2 JP4140915B2 JP2005323404A JP2005323404A JP4140915B2 JP 4140915 B2 JP4140915 B2 JP 4140915B2 JP 2005323404 A JP2005323404 A JP 2005323404A JP 2005323404 A JP2005323404 A JP 2005323404A JP 4140915 B2 JP4140915 B2 JP 4140915B2
- Authority
- JP
- Japan
- Prior art keywords
- action
- function
- cost
- value
- determination function
- 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.)
- Expired - Fee Related
Links
- 230000006870 function Effects 0.000 claims description 146
- 230000009471 action Effects 0.000 claims description 122
- 238000012549 training Methods 0.000 claims description 76
- 230000006399 behavior Effects 0.000 claims description 66
- 238000004364 calculation method Methods 0.000 claims description 65
- 230000010365 information processing Effects 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
(1)医療分野における診断
対象:患者の検査結果
行動:ある治療を行う、または、その治療を行わない
この例における訓練データは、ある検査結果を有する患者に対して過去にある治療を行った場合に治療が成功したか否かを示す情報となる。分類学習によれば、このような訓練データに基づいて、将来の患者に対する治療の適否を予測できる。
対象:キャッシングの申込者のプロファイル
行動:融資を許可する、または、融資を拒否する
この例における訓練データは、あるプロファイルを有する申込者に対して過去に融資を行った場合に債権が回収できたか否かを示す情報となる。分類学習によれば、このような訓練データに基づいて、将来ある申込者に融資すべきか否かを判断できる。
対象:ニュースのウェブ・ページ
行動:経済分野に分類、スポーツ分野に分類、または、政治分野に分類
この例における訓練データは、あるウェブ・ページを過去にある分野に分類した場合に、その分類が正しかったか否かを示す情報となる。分類学習によれば、このような訓練データに基づいて、将来作成されるウェブ・ページを適切に分類できる。
(1)コスト関数
コストとは、例えば、ある対象に対して採った行動の結果として生じた損失を表す指標である。Xを対象の集合(たとえばX=RM)とし、Yをこれらに対して採り得る行動の集合とする。但し、Yは離散的で有限な集合とする。対象x∈Xに対し、行動y∈Yを採った結果として生じるコストをc(x,y)∈Rとおく。
Xを対象の集合(たとえばX=RM)とし、Yをこれらに対して採りうる行動の集合(離散的で有限)とする。対象x∈Xに対し、行動y∈Yを決定するために用いる関数を、以下の式(1)とする。
また、c(x,h(θ))を、xに対してh(x,y;θ)を用いて行動を決定した場合に引き起こされるコストとする。択一的アクションの場合(1)には、c(x,h(θ))は、以下の式(4)となる。
対象とコストはX×RYで定義された確率分布Dから一様に発生すると考え、Dからサンプリングされた、N個のデータの集合Eが訓練データとして与えられるとする。ここで、Eのi番目の訓練データe(i) = (x(i),{c(i)(x(i),y)}y∈Y)とする。x(i)∈Xは訓練データのi番目の対象とし、これに対するそれぞれのアクションy∈Yに対し、コストc(i)(x(i),y)が与えられているとする。
そこで本発明は、上記の課題を解決することのできるシステム、方法、および、プログラムを提供することを目的とする。この目的は特許請求の範囲における独立項に記載の特徴の組み合わせにより達成される。また従属項は本発明の更なる有利な具体例を規定する。
なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではなく、これらの特徴群のサブコンビネーションもまた、発明となりうる。
以上の導出に基づき、以下、図4を用いて、期待ショートフォールを最小化する行動決定関数を算出する処理を説明する。
100 訓練データDB
110 データ取得部
120 関数生成部
130 行動決定部
300 第1算出部
305 第3算出部
310 第2算出部
330 収束判定部
700 情報処理装置
Claims (7)
- 対象およびその対象に対して採る行動を入力し、その対象に対してその行動を採る妥当性の程度を数値化して出力する行動決定関数を定めるパラメータを算出することにより前記行動決定関数を生成するシステムであって、
対象と、当該対象に対して既に採られた行動と、当該行動を当該対象に対して採った結果として生じたコストとを、前記行動決定関数を生成するための訓練データとして取得するデータ取得部と、
前記対象に対して行動を採った結果として生じるコストの期待ショートフォールを最小化する前記行動決定関数を、前記訓練データに基づいて生成する関数生成部と
を備え、
前記関数生成部は、
与えられた値をコストのバリュー・アット・リスクとした場合において、前記訓練データにおける前記バリュー・アット・リスクを超えるコストの合計に基づく期待ショートフォールの上界を示す、前記パラメータに対して下に凸である指標値を最小化する前記パラメータを算出することにより前記行動決定関数を算出し、メモリに記憶する第1算出部と、
前記第1算出部によって算出された行動決定関数を前記メモリから読み出して、前記行動決定関数によって示される行動を採った結果として生じるコストのバリュー・アット・リスクを、前記訓練データに基づいて算出して、前記第1算出部に与える第2算出部と、
前記指標値に基づく期待ショートフォールが、予め定められた範囲内の値に収束したか否かを判定する収束判定部と
を有し、前記期待ショートフォールが収束したことを条件に、前記第1算出部によって算出された前記行動決定関数の前記パラメータを出力する
システム。 - 前記関数生成部は、前記訓練データに基づいて、コストの期待値を最小化する前記行動決定関数を算出する第3算出部を更に有し、
前記第1算出部は、前記訓練データに含まれるそれぞれの行動に対応するコストから、与えられた前記バリュー・アット・リスクを差し引いて前記第3算出部に与えることにより、前記指標値を最小化する前記行動決定関数を算出する
請求項1に記載のシステム。 - 前記第1算出部は、与えられた前記バリュー・アット・リスクをα´とし、以下の式(1)によって算出される指標値CE α´(θ)を最小化する前記行動決定関数のパラメータθを算出し、
前記第2算出部は、算出された前記パラメータθに対し、以下の式(2)および式(3)によって算出されるαE β(θ)をバリュー・アット・リスクとして算出して、前記第1算出部に与え、
前記収束判定部は、以下の式(4)によって算出された値が、予め定められた範囲内の値に収束したか否かを判定する
請求項1に記載のシステム。
但し、式(1)から式(4)を以下のように定義する。
- 前記システムは、ある検査結果を有する患者に対する治療方針の決定を支援するシステムであって、
前記行動決定関数は、前記患者に対する治療方針を決定する関数であり、
前記データ取得部は、既に治療した複数の患者のそれぞれについて、当該患者において生じた損失の大きさを、前記訓練データとして取得し、
前記関数生成部は、治療によって生じる損失の期待ショートフォールを最小化する前記行動決定関数を、前記訓練データに基づいて生成する
請求項1に記載のシステム。 - 対象およびその対象に対して採る行動を入力し、その対象に対してその行動を採る妥当性の程度を数値化して出力する行動決定関数を定めるパラメータを算出することにより前記行動決定関数を情報処理装置により生成する方法であって、
前記情報処理装置が、対象と、当該対象に対して既に採られた行動と、当該行動を当該対象に対して採った結果として生じたコストとを、前記行動決定関数を生成するための訓練データとして取得するデータ取得ステップと、
前記情報処理装置が、前記対象に対して行動を採った結果として生じるコストの期待ショートフォールを最小化する前記行動決定関数を、前記訓練データに基づいて生成する関数生成ステップと
を備え、
前記関数生成ステップは、
前記情報処理装置が、与えられた値をコストのバリュー・アット・リスクとした場合において、前記訓練データにおける前記バリュー・アット・リスクを超えるコストの合計に基づく期待ショートフォールの上界を示す、前記パラメータに対して下に凸である指標値を最小化する前記パラメータを算出することにより前記行動決定関数を算出し、メモリに記憶する第1算出ステップと、
前記情報処理装置が、前記第1算出ステップによって算出された行動決定関数を前記メモリから読み出して、前記行動決定関数によって示される行動を採った結果として生じるコストのバリュー・アット・リスクを、前記訓練データに基づいて算出して、前記第1算出ステップに与える第2算出ステップと、
前記情報処理装置が、前記指標値に基づく期待ショートフォールが、予め定められた範囲内の値に収束したか否かを判定する収束判定ステップと
を有し、前記期待ショートフォールが収束したことを条件に、前記第1算出ステップによって算出された前記行動決定関数の前記パラメータを出力する
方法。 - 対象およびその対象に対して採る行動を入力し、その対象に対してその行動を採る妥当性の程度を数値化して出力する行動決定関数を定めるパラメータを算出することにより前記行動決定関数を生成するシステムとして、情報処理装置を機能させるプログラムであって、
前記情報処理装置を、
対象と、当該対象に対して既に採られた行動と、当該行動を当該対象に対して採った結果として生じたコストとを、前記行動決定関数を生成するための訓練データとして取得するデータ取得部と、
前記対象に対して行動を採った結果として生じるコストの期待ショートフォールを最小化する前記行動決定関数を、前記訓練データに基づいて生成する関数生成部と
として機能させ、
前記関数生成部は、
与えられた値をコストのバリュー・アット・リスクとした場合において、前記訓練データにおける前記バリュー・アット・リスクを超えるコストの合計に基づく期待ショートフォールの上界を示す、前記パラメータに対して下に凸である指標値を最小化する前記パラメータを算出することにより前記行動決定関数を算出し、メモリに記憶する第1算出部と、
前記第1算出部によって算出された行動決定関数を前記メモリから読み出して、前記行動決定関数によって示される行動を採った結果として生じるコストのバリュー・アット・リスクを、前記訓練データに基づいて算出して、前記第1算出部に与える第2算出部と、
前記指標値に基づく期待ショートフォールが、予め定められた範囲内の値に収束したか否かを判定する収束判定部と
を有し、前記期待ショートフォールが収束したことを条件に、前記第1算出部によって算出された前記行動決定関数の前記パラメータを出力する
プログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005323404A JP4140915B2 (ja) | 2005-11-08 | 2005-11-08 | 利用者の行動を支援するシステム |
US11/550,846 US7467120B2 (en) | 2005-11-08 | 2006-10-19 | System for supporting user's behavior |
US11/552,205 US7792761B2 (en) | 2005-11-01 | 2006-10-24 | System for evaluating relevance between persons |
US12/060,384 US7930258B2 (en) | 2005-11-08 | 2008-04-01 | System for supporting user's behavior |
US12/192,792 US7716145B2 (en) | 2005-11-08 | 2008-08-15 | System for supporting user's behavior |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005323404A JP4140915B2 (ja) | 2005-11-08 | 2005-11-08 | 利用者の行動を支援するシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007133477A JP2007133477A (ja) | 2007-05-31 |
JP4140915B2 true JP4140915B2 (ja) | 2008-08-27 |
Family
ID=38004999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005323404A Expired - Fee Related JP4140915B2 (ja) | 2005-11-01 | 2005-11-08 | 利用者の行動を支援するシステム |
Country Status (2)
Country | Link |
---|---|
US (3) | US7467120B2 (ja) |
JP (1) | JP4140915B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7493249B2 (en) * | 2006-06-23 | 2009-02-17 | International Business Machines Corporation | Method and system for dynamic performance modeling of computer application services |
US8344503B2 (en) | 2008-11-25 | 2013-01-01 | Freescale Semiconductor, Inc. | 3-D circuits with integrated passive devices |
US8918834B1 (en) * | 2010-12-17 | 2014-12-23 | Amazon Technologies, Inc. | Creating custom policies in a remote-computing environment |
US20170323385A1 (en) | 2016-05-09 | 2017-11-09 | Axioma, Inc. | Methods and apparatus employing hierarchical conditional variance to minimize downside risk of a multi-asset class portfolio and improved graphical user interface |
WO2019216427A1 (ja) * | 2018-05-11 | 2019-11-14 | 株式会社 Preferred Networks | リスク指標評価装置、リスク指標評価方法及びプログラム |
CN110967566A (zh) * | 2018-09-28 | 2020-04-07 | 珠海格力电器股份有限公司 | 电器故障检测方法及装置 |
-
2005
- 2005-11-08 JP JP2005323404A patent/JP4140915B2/ja not_active Expired - Fee Related
-
2006
- 2006-10-19 US US11/550,846 patent/US7467120B2/en not_active Expired - Fee Related
-
2008
- 2008-04-01 US US12/060,384 patent/US7930258B2/en not_active Expired - Fee Related
- 2008-08-15 US US12/192,792 patent/US7716145B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20070106625A1 (en) | 2007-05-10 |
US7930258B2 (en) | 2011-04-19 |
US20080306889A1 (en) | 2008-12-11 |
US20080319931A1 (en) | 2008-12-25 |
US7467120B2 (en) | 2008-12-16 |
JP2007133477A (ja) | 2007-05-31 |
US7716145B2 (en) | 2010-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pérez-Martín et al. | Big Data techniques to measure credit banking risk in home equity loans | |
CN112055878B (zh) | 基于第二组训练数据调整机器学习模型 | |
US11048870B2 (en) | Domain concept discovery and clustering using word embedding in dialogue design | |
JP2022527536A (ja) | 強化学習を通じた公平性の改善 | |
JP7206072B2 (ja) | 改善された要求ハンドリング | |
JP7059458B2 (ja) | 生成的敵対神経網ベースの分類システム及び方法 | |
JP4140915B2 (ja) | 利用者の行動を支援するシステム | |
US20240013919A1 (en) | Supervised machine learning-based modeling of sensitivities to potential disruptions | |
EP3745325A1 (en) | Data analysis apparatus, data analysis method, and data analysis program | |
Eddy et al. | Credit scoring models: Techniques and issues | |
WO2016168464A1 (en) | Scoring a population of examples using a model | |
US11551817B2 (en) | Assessing unreliability of clinical risk prediction | |
JP7027359B2 (ja) | ヘルスケアデータ分析装置及びヘルスケアデータ分析方法 | |
Jaroszewicz et al. | Székely regularization for uplift modeling | |
Saeedi et al. | Knowledge distillation via constrained variational inference | |
Mandis | Reducing racial and gender bias in machine learning and natural language processing tasks using a GAN approach | |
JP2003323601A (ja) | 信頼性尺度付き予測装置 | |
Acito | Logistic Regression | |
JP6975682B2 (ja) | 医学情報処理装置、医学情報処理方法、及び医学情報処理プログラム | |
Olya et al. | Multi-task Prediction of Patient Workload | |
Xing et al. | Anytime neural architecture search on tabular data | |
Doumpos et al. | Data analytics for developing and validating credit models | |
US20180253515A1 (en) | Characterizing model performance using hierarchical feature groups | |
WO2022270163A1 (ja) | 計算機システム及び介入効果予測方法 | |
WO2024042736A1 (ja) | 情報処理方法、情報処理システム、及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: 20080118 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20080207 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20080229 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080401 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080508 |
|
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: 20080603 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
RD14 | Notification of resignation of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7434 Effective date: 20080604 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080606 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110620 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |