JP5096194B2 - データ処理装置、プログラムおよびデータ処理方法 - Google Patents
データ処理装置、プログラムおよびデータ処理方法 Download PDFInfo
- Publication number
- JP5096194B2 JP5096194B2 JP2008067481A JP2008067481A JP5096194B2 JP 5096194 B2 JP5096194 B2 JP 5096194B2 JP 2008067481 A JP2008067481 A JP 2008067481A JP 2008067481 A JP2008067481 A JP 2008067481A JP 5096194 B2 JP5096194 B2 JP 5096194B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- processing
- unit
- prediction
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Facsimiles In General (AREA)
- User Interface Of Digital Computer (AREA)
Description
(1)データのコンテンツを表現する多次元特徴量ベクトルと、そのユーザが適用したアルゴリズムや処理パラメータとの組を記録した履歴・事例を蓄積する。
(2)蓄積された履歴・事例を用いて、特徴量ベクトルから各アルゴリズムや処理パラメータの適切さを予測する関数を学習する。
(3)未知のデータに対して、その特徴量ベクトルから何をしたいか(適切なアルゴリズムや処理パラメータ)を予測する。
r=S/(P+V+(S+L)E)
S:ユーザのメニュー選択時間
P:最適機能予測手段における予測時間
V:ユーザが確認する時間
L:予測器構築手段における予測器の構築に要する時間
E:予測誤り率
ことを特徴とする。
r=S/(MP+V+EM(C+L))
S:ユーザのメニュー選択時間
M:タグ、あるいは、インデックスの個数
P:最適機能予測手段における予測時間
V:ユーザが確認する時間
C:ユーザが訂正する時間
L:予測器構築手段における予測器の構築に要する時間
E:予測誤り率
ことを特徴とする。
r=S/(P+V+(S+L)E)
S:ユーザのメニュー選択時間
P:最適機能予測手段における予測時間
V:ユーザが確認する時間
L:予測器構築手段における予測器の構築に要する時間
E:予測誤り率
ことを特徴とする。
r=S/(MP+V+EM(C+L))
S:ユーザのメニュー選択時間
M:タグ、あるいは、インデックスの個数
P:最適機能予測手段における予測時間
V:ユーザが確認する時間
C:ユーザが訂正する時間
L:予測器構築手段における予測器の構築に要する時間
E:予測誤り率
ことを特徴とする。
本発明の第1の実施の形態を図1ないし図8に基づいて説明する。図1は、本発明の第1の実施の形態にかかるデータ処理装置1の電気的な接続を示すブロック図である。図1に示すように、データ処理装置1は、PC(Personal Computer)などのコンピュータであり、データ処理装置1の各部を集中的に制御する制御部であるCPU(Central Processing Unit)2、情報を格納するROM(Read Only Memory)3及びRAM(Random Access Memory)4等の一次記憶装置5、データファイル(例えば、カラービットマップ画像データ)を記憶する記憶部であるHDD(Hard Disk Drive)6等の二次記憶装置7、情報を保管したり外部に情報を配布したり外部から情報を入手するためのCD−ROMドライブ等のリムーバブルディスク装置8、ネットワーク9を介して外部の他のコンピュータと通信により情報を伝達するためのネットワークインターフェース10、処理経過や結果等を操作者に表示するCRT(Cathode Ray Tube)やLCD(Liquid Crystal Display)等の表示装置11、並びに操作者がCPU2に命令や情報等を入力するためのキーボード12、マウス等のポインティングデバイス13等から構成されており、これらの各部間で送受信されるデータをバスコントローラ14が調停して動作する。
H={(x(1),α1(1),・・・,αM(1)),(x(2),α1(2)),・・・,αM(2)}},・・・}
ただし、x(k)はk番目のデータから抽出された特徴量ベクトルであり、αj(k)はj番目のメニューから選ばれたアルゴリズムや処理パラメータである。履歴データベース23には、これらが時系列で記録される。j番目のメニューから何も選ばれなかった場合には、欠落値を表す値を入れておけばよい。
(1)まず、ユーザインタフェース部26で、予測による推奨をユーザに提示しない場合の作業時間を測定し、これをQ秒とする。M個のプルダウンメニュー100のそれぞれについて選択作業を行うので、合計でMS秒の時間がかかる。したがって、
S=Q/M
となる。
(2)次に、予測による推奨をユーザに提示する場合の作業時間を測定し、これをR秒とする。ユーザに修正が必要なものの個数をK個とすると、推奨結果の確認にMV秒、修正にKS秒かかるので、
R=MV+KS=MV+KQ/M
すなわち、
V=(MR−KQ)/(M*M)
となる。
(1)性能(作業時間)に影響するパラメータ
性能(作業時間)に影響するパラメータとしては、以下に示すものが挙げられる。
[メニューの数:M]
・メニューの数:M。各プルダウンメニュー100から1つを選ぶ。各メニューに対応して、合計M個の予測器を学習により構築する。
[予測器の性能]
・予測誤り率:E(0≦E≦1)。この量は、履歴データベース23に記憶されている処理履歴情報から計算できる。具体的には、現在の予測器で履歴データの各々を予測し、処理履歴情報として記録されている、実際に施した処理と異なるものの割合を計算すればよい。
・学習時間:L秒/メニュー。この量は、予測器構築部24に要する時間を測ることによって得られる。詳細は後述するが、予測器構築は予測が誤ったときだけ起動する(図5のフローチャート参照)ので、合計時間の期待値はEML秒となる。
・予測時間:P秒/メニュー。この量は、最適機能予測部25に要する時間を測ることによって得られる。すなわち、合計でMP秒となる。
[ユーザ固有の作業スピード]
・ユーザのメニュー選択時間:S秒/メニューとすると、合計でMS秒である。
・ユーザが確認する時間:V秒/メニューとすると、合計MV秒である。
(2)作業に要する時間
予測による推奨のユーザへの提示の有無により、作業時間は次のようになる。
[予測による推奨の提示]
・予測による推奨の提示なし:T0=MS
各メニューについて、ユーザが逐一選択する。
・予測による推奨の提示あり:T1=M(P+V+(S+L)E)
予測 → ユーザが確認 → 誤ったものについてだけ、ユーザ入力+予測器構築
(3)予測による効果の評価指標
予測による推奨提示による作業効率化は、以下に示す式で計算できる。
r=T0/T1=S/(P+V+(S+L)E)
この式で定義される量rが1を超える場合には、推奨提示により、作業効率が改善されることを、そして、1を下回る場合には、推奨提示により、作業が妨げられることを意味する。評価指標値rを閾値処理することにより、作業効率が改善されるときにのみ、予測による推奨をユーザに提示する。
次に、上述した構成のデータ処理装置1の予測効果評価部27における予測効果の評価指標値の算出例を示す。ここで、データ処理装置1の性能は、次のようなものとする。
(1)オンライン学習時間L = 0.01(秒):プロトタイプが2000個以下で測定した結果で、プロトタイプ数に依らずほぼ一定である。
(2)予測に要する時間P = 0.00(秒):計算には時間がほとんどかからない。
S = 2〜5(秒)
V = 1(秒)
であるので、評価指標値は、
r = S/1+E(S+0.01)
として計算することができる。
dE/dt = −αE(α>0)
これは、予測誤り率Eが、誤りの数が多いほど大きく減るように変化し、誤りの数が少なければ変化しないことを意味する。最適機能予測部25におけるオンライン学習が起動されるのは、予測が誤ったときであり、かつ、学習に用いられるプロトタイプは誤ったものの固定サイズの近傍に限られるため、上記のような単純な微分方程式で記述できる。
E(t) = E0exp(−αt)
E0 = E(0)
となる。いくつかの実例をもとに、予測精度の変化(1−E(t))をプロットすると、図6に示すように時間tについての凹関数1となる。多くの場合、すぐに80%の予測精度が達成できる。
(1)メニュー選択型のタスクでは、効率が2倍以上向上する。ただし、作業が速いユーザにとっては、予測がないよりは効率がやや良いという程度である。
(2)ユーザの一連の作業中にオンライン学習中を稼働することにより、作業効率が即座に改善する。
次に、本発明の第2の実施の形態を図9ないし図15に基づいて説明する。なお、前述した第1の実施の形態と同じ部分は同じ符号で示し説明も省略する。
H={(x(1),α1(1),α1(2),・・・),(x(2),α2(1),α2(2),・・・),・・・}
ただし、x(k)はk番目のデータから抽出された特徴量ベクトルであり、αk(・)はk番目のデータに付けられたタグである。履歴データベース31には、これらが時系列で記録される。
(1)まず、ユーザインタフェース部34で、予測による推奨をユーザに提示しない場合の作業時間を測定し、これをS秒とする。
(2)次に、予測による推奨をユーザに提示する場合の作業時間を測定する。ユーザが推奨結果を確認する時間をV秒、ユーザが修正する時間をC秒/単語とすると、VとCは次のようにして求められる。2つのデータについて、作業時間とユーザに修正が必要なものの個数を測定し、それぞれR(j)秒とK(j)個(j=1,2)とすると、推奨結果の確認にV秒、修正にK(j)・C秒かかるので、
R(1)=V+K(1)・C
R(2)=V+K(2)・C
となる。この2式を、2つの未知数VとCに関する連立方程式をして解けば、VとCが求められる。
(1)性能(作業時間)に影響するパラメータ
性能(作業時間)に影響するパラメータとしては、以下に示すものが挙げられる。
[予測器の性能]
・予測誤り率:E(0≦E≦1)。この量は、履歴データベース31に記憶されている処理履歴情報から計算できる。具体的には、現在の予測器で履歴データの各々を予測し、処理履歴情報として記録されている、実際に付与したタグと異なる割合を計算すればよい。
・学習時間:L秒/単語。この量は、予測器構築部32に要する時間を測ることによって得られる。詳細は後述するが、予測器構築は予測が誤ったときだけ起動する(図5のフローチャート参照)ので、合計時間の期待値はEML秒となる。
・予測時間:P秒/単語。この量は、最適機能予測部33に要する時間を測ることによって得られる。すなわち、合計でMP秒となる。
[ユーザ固有の作業スピード]
・予測による推奨の提示無
タグを選択する時間:S秒
・予測による推奨の提示有
ユーザが確認する時間:V秒
ユーザが訂正する時間:C秒/単語
(2)作業に要する時間
予測による推奨のユーザへの提示の有無により、作業時間は次のようになる。
[予測による推奨の提示]
・予測による推奨の提示なし:T0=S
ユーザがタグを入力(単語リストから選択、あるいは、自由入力)
・予測による推奨の提示あり:T1=MP+V+EM(C+L)
予測 → ユーザが確認 → 誤ったものについてだけ,ユーザ訂正+予測器構築
(3)予測による効果の評価指標
予測による推奨提示による作業効率化は、以下に示す式で計算できる。
r=T0/T1=S/(MP+V+EM(C+L))
この式で定義される量rが1を超える場合には、推奨提示により、作業効率が改善されることを、そして、1を下回る場合には、推奨提示により、作業が妨げられることを意味する。評価指標値rを閾値処理することにより、作業効率が改善されるときにのみ、予測による推奨をユーザに提示する。
次に、上述した構成のデータ処理装置30の予測効果評価部35における予測効果の評価指標値の算出例を示す。ここで、データ処理装置30の性能は、次のようなものとする。
(1)オンライン学習時間L = 0.01(秒):プロトタイプが2000個以下で測定した結果で、プロトタイプ数に依らずほぼ一定である。
(2)予測に要する時間P = 0.00(秒):計算には時間がほとんどかからない。
S = aM
V = bM (a < b)
C = 1.0
と表してみる。すると、評価指標値は、下記式のように表される。
E(t) = E0exp(−αt)
E0 = E(0)
となるので、評価指標値の時間変化は、下記式のように表される。
V = 0.5S
C = 1.0
と表してみる。すると、評価指標値は、評価指標値は、下記式のように表される。
(1)タグを単語リストから選択するタイプのタスクでは、85%程度の予測精度があれば、作業効率が1.5倍以上向上する。ただし、作業が速いユーザにとっては,予測がないよりはやや効率が良いという程度であり、70%以下になると、逆に作業効率が落ちる。
(2)タグを自由入力するタイプのタスクでは、ほぼ100%の精度が出ない限り、作業効率への効果はない。
次に、本発明の第3の実施の形態を図16に基づいて説明する。なお、前述した第1の実施の形態または第2の実施の形態と同じ部分は同じ符号で示し説明も省略する。
次に、本発明の第4の実施の形態を図17に基づいて説明する。なお、前述した第1の実施の形態または第2の実施の形態と同じ部分は同じ符号で示し説明も省略する。
2 制御部
6 記憶部
21 データ入力手段
22 特徴量計算手段
23,31 履歴データベース
24,32 予測器構築手段
25,33 最適機能予測手段
26,34 選択受付手段、提示手段
27,35 評価手段
Claims (20)
- データの入力を受け付けるデータ入力手段と、
入力された前記データについての特徴量ベクトルを計算する特徴量計算手段と、
処理内容を提示してユーザによる前記処理内容の選択を受け付ける選択受付手段と、
前記特徴量計算手段で計算された前記特徴量ベクトルと、前記選択受付手段を介してユーザが適用した処理内容を時系列で記録した処理履歴情報とを履歴データベースに蓄積する履歴蓄積手段と、
前記データに対する最適な処理内容を予測する識別アルゴリズムの予測器を、前記履歴データベースに蓄積された前記処理履歴情報を用いて構築する予測器構築手段と、
新しく入力された前記データについての前記特徴量ベクトルから、前記予測器を用いて最適な処理内容を予測する最適機能予測手段と、
前記最適機能予測手段が予測した最適な処理内容を前記選択受付手段に推奨提示する場合におけるユーザの前記処理内容の選択についての作業効率を評価する評価手段と、
前記評価手段による評価が閾値以上の時に、前記最適機能予測手段が予測した最適な処理内容を、前記選択受付手段を介してユーザに提示する提示手段と、
を備えることを特徴とするデータ処理装置。 - 前記評価手段は、前記予測器の予測精度と、前記選択受付手段を介した各ユーザについての作業に要する時間に基づくユーザ固有の作業スピードとから、前記最適機能予測手段が予測した最適な処理内容についての作業効率を評価する、
ことを特徴とする請求項1記載のデータ処理装置。 - 前記選択受付手段は、メニューから1つの項目を選ぶことによってデータに適用する処理を指定するようなメニュー選択型タスクにより処理内容を提示する、
ことを特徴とする請求項1または2記載のデータ処理装置。 - 前記選択受付手段は、データに任意個のタグ、あるいは、インデックスをつけるようなタグ付け型タスクにより処理内容を提示する、
ことを特徴とする請求項1または2記載のデータ処理装置。 - 前記予測器の予測精度は、前記履歴データベースに前記処理履歴情報として蓄積されている、実際に施した処理とは異なるものの割合である、
ことを特徴とする請求項3記載のデータ処理装置。 - 前記予測器の予測精度は、前記履歴データベースに前記処理履歴情報として蓄積されている、実際に付与したタグ、あるいは、インデックスと異なる割合である、
ことを特徴とする請求項4記載のデータ処理装置。 - 前記評価手段は、前記最適機能予測手段が予測した最適な処理内容についての作業効率rを下記の式により評価する、
r=S/(P+V+(S+L)E)
S:ユーザのメニュー選択時間
P:最適機能予測手段における予測時間
V:ユーザが確認する時間
L:予測器構築手段における予測器の構築に要する時間
E:予測誤り率
ことを特徴とする請求項3記載のデータ処理装置。 - 前記評価手段は、前記最適機能予測手段が予測した最適な処理内容についての作業効率rを下記の式により評価する、
r=S/(MP+V+EM(C+L))
S:ユーザのメニュー選択時間
M:タグ、あるいは、インデックスの個数
P:最適機能予測手段における予測時間
V:ユーザが確認する時間
C:ユーザが訂正する時間
L:予測器構築手段における予測器の構築に要する時間
E:予測誤り率
ことを特徴とする請求項4記載のデータ処理装置。 - 前記提示手段は、前記最適機能予測手段が予測した最適な処理内容を、前記選択受付手段でハイライト表示してユーザに提示する、
ことを特徴とする請求項1ないし8のいずれか一記載のデータ処理装置。 - コンピュータを、
データの入力を受け付けるデータ入力手段と、
入力された前記データについての特徴量ベクトルを計算する特徴量計算手段と、
処理内容を提示してユーザによる前記処理内容の選択を受け付ける選択受付手段と、
前記特徴量計算手段で計算された前記特徴量ベクトルと、前記選択受付手段を介してユーザが適用した処理内容を時系列で記録した処理履歴情報とを履歴データベースに蓄積する履歴蓄積手段と、
前記データに対する最適な処理内容を予測する識別アルゴリズムの予測器を、前記履歴データベースに蓄積された前記処理履歴情報を用いて構築する予測器構築手段と、
新しく入力された前記データについての前記特徴量ベクトルから、前記予測器を用いて最適な処理内容を予測する最適機能予測手段と、
前記最適機能予測手段が予測した最適な処理内容を前記選択受付手段に推奨提示する場合におけるユーザの前記処理内容の選択についての作業効率を評価する評価手段と、
前記評価手段による評価が閾値以上の時に、前記最適機能予測手段が予測した最適な処理内容を、前記選択受付手段を介してユーザに提示する提示手段と、
として機能させることを特徴とするプログラム。 - 前記評価手段は、前記予測器の予測精度と、前記選択受付手段を介した各ユーザについての作業に要する時間に基づくユーザ固有の作業スピードとから、前記最適機能予測手段が予測した最適な処理内容についての作業効率を評価する、
ことを特徴とする請求項10記載のプログラム。 - 前記選択受付手段は、メニューから1つの項目を選ぶことによってデータに適用する処理を指定するようなメニュー選択型タスクにより処理内容を提示する、
ことを特徴とする請求項10または11記載のプログラム。 - 前記選択受付手段は、データに任意個のタグ、あるいは、インデックスをつけるようなタグ付け型タスクにより処理内容を提示する、
ことを特徴とする請求項10または11記載のプログラム。 - 前記予測器の予測精度は、前記履歴データベースに前記処理履歴情報として蓄積されている、実際に施した処理とは異なるものの割合である、
ことを特徴とする請求項12記載のプログラム。 - 前記予測器の予測精度は、前記履歴データベースに前記処理履歴情報として蓄積されている、実際に付与したタグ、あるいは、インデックスと異なる割合である、
ことを特徴とする請求項13記載のプログラム。 - 前記評価手段は、前記最適機能予測手段が予測した最適な処理内容についての作業効率rを下記の式により評価する、
r=S/(P+V+(S+L)E)
S:ユーザのメニュー選択時間
P:最適機能予測手段における予測時間
V:ユーザが確認する時間
L:予測器構築手段における予測器の構築に要する時間
E:予測誤り率
ことを特徴とする請求項12記載のプログラム。 - 前記評価手段は、前記最適機能予測手段が予測した最適な処理内容についての作業効率rを下記の式により評価する、
r=S/(MP+V+EM(C+L))
S:ユーザのメニュー選択時間
M:タグ、あるいは、インデックスの個数
P:最適機能予測手段における予測時間
V:ユーザが確認する時間
C:ユーザが訂正する時間
L:予測器構築手段における予測器の構築に要する時間
E:予測誤り率
ことを特徴とする請求項13記載のプログラム。 - 前記提示手段は、前記最適機能予測手段が予測した最適な処理内容を、前記選択受付手段でハイライト表示してユーザに提示する、
ことを特徴とする請求項10ないし17のいずれか一記載のプログラム。 - データ処理装置で実行されるデータ処理方法であって、前記データ処理装置は、制御部と記憶部を備え、
前記制御部において実行される、
データ入力手段が、データの入力を受け付けるステップと、
特徴量計算手段が、入力された前記データについての特徴量ベクトルを計算するステップと、
選択受付手段が、処理内容を提示してユーザによる前記処理内容の選択を受け付けるステップと、
履歴蓄積手段が、前記特徴量計算手段で計算された前記特徴量ベクトルと、前記選択受付手段を介してユーザが適用した処理内容を時系列で記録した処理履歴情報とを前記記憶部に蓄積するステップと、
予測器構築手段が、前記データに対する最適な処理内容を予測する識別アルゴリズムの予測器を、前記記憶部に蓄積された前記処理履歴情報を用いて構築するステップと、
最適機能予測手段が、新しく入力された前記データについての前記特徴量ベクトルから、前記予測器を用いて最適な処理内容を予測するステップと、
評価手段が、前記最適機能予測手段が予測した最適な処理内容を前記選択受付手段に推奨提示する場合におけるユーザの前記処理内容の選択についての作業効率を評価するステップと、
提示手段が、前記評価手段による評価が閾値以上の時に、前記最適機能予測手段が予測した最適な処理内容を、前記選択受付手段を介してユーザに提示するステップと、
を含むことを特徴とするデータ処理方法。 - 前記評価手段は、前記予測器の予測精度と、前記選択受付手段を介した各ユーザについての作業に要する時間に基づくユーザ固有の作業スピードとから、前記最適機能予測手段が予測した最適な処理内容についての作業効率を評価する、
ことを特徴とする請求項19記載のデータ処理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008067481A JP5096194B2 (ja) | 2008-03-17 | 2008-03-17 | データ処理装置、プログラムおよびデータ処理方法 |
US12/382,407 US8321367B2 (en) | 2008-03-17 | 2009-03-16 | Data processing apparatus, method, and computer program product for user objective prediction |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008067481A JP5096194B2 (ja) | 2008-03-17 | 2008-03-17 | データ処理装置、プログラムおよびデータ処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009223624A JP2009223624A (ja) | 2009-10-01 |
JP5096194B2 true JP5096194B2 (ja) | 2012-12-12 |
Family
ID=41064101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008067481A Expired - Fee Related JP5096194B2 (ja) | 2008-03-17 | 2008-03-17 | データ処理装置、プログラムおよびデータ処理方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8321367B2 (ja) |
JP (1) | JP5096194B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5182178B2 (ja) * | 2009-03-18 | 2013-04-10 | ソニー株式会社 | 情報処理装置及び情報処理方法 |
JP2013542650A (ja) * | 2010-09-24 | 2013-11-21 | アマゾン テクノロジーズ インコーポレイテッド | 権利および機能包括のコンテンツ選択および配信 |
US20120079606A1 (en) | 2010-09-24 | 2012-03-29 | Amazon Technologies, Inc. | Rights and capability-inclusive content selection and delivery |
JP6434959B2 (ja) * | 2013-04-11 | 2018-12-05 | フィリップス メディカル システムズ テクノロジーズ リミテッド | ユーザが画像データを研究するのを可能にすること |
US10565520B2 (en) * | 2015-03-12 | 2020-02-18 | Accenture Global Solutions Limited | Feature extraction for machine learning |
JP6551101B2 (ja) * | 2015-09-17 | 2019-07-31 | 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 |
US10163028B2 (en) * | 2016-01-25 | 2018-12-25 | Koninklijke Philips N.V. | Image data pre-processing |
US10482000B2 (en) | 2017-04-24 | 2019-11-19 | Microsoft Technology Licensing, Llc | Machine learned decision guidance for alerts originating from monitoring systems |
CN109542902A (zh) * | 2018-11-12 | 2019-03-29 | 珠海格力电器股份有限公司 | 一种数据处理系统和方法 |
JP6962964B2 (ja) * | 2019-04-15 | 2021-11-05 | ファナック株式会社 | 機械学習装置、画面予測装置、及び制御装置 |
CN110880068A (zh) * | 2019-11-08 | 2020-03-13 | 厦门大学 | 业务办理效率的评估方法、装置、计算机设备和存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3215163B2 (ja) | 1992-06-19 | 2001-10-02 | 株式会社リコー | 罫線識別方法及び領域識別方法 |
JP3253356B2 (ja) | 1992-07-06 | 2002-02-04 | 株式会社リコー | 文書画像の領域識別方法 |
JPH11184701A (ja) * | 1997-12-22 | 1999-07-09 | Omron Corp | 推論システムの知識調整装置、知識調整方法および記録媒体 |
US6834124B1 (en) * | 2000-10-16 | 2004-12-21 | Xerox Corporation | Adaptive image enhancement filter |
US20020169735A1 (en) * | 2001-03-07 | 2002-11-14 | David Kil | Automatic mapping from data to preprocessing algorithms |
JP3991196B2 (ja) * | 2001-12-18 | 2007-10-17 | 富士ゼロックス株式会社 | 画像処理システム及び画像処理サーバ |
US7457483B2 (en) * | 2004-02-09 | 2008-11-25 | Olympus Corporation | Image processing apparatus, image processing program and storage medium |
JP2006053690A (ja) | 2004-08-10 | 2006-02-23 | Ricoh Co Ltd | 画像処理装置、画像処理方法、画像処理プログラムおよび記録媒体 |
JP2006074331A (ja) | 2004-09-01 | 2006-03-16 | Ricoh Co Ltd | 画像処理装置、画像処理プログラム、記憶媒体、画像処理装置の画像処理制御方法および画像形成装置 |
JP2007018300A (ja) | 2005-07-08 | 2007-01-25 | Matsushita Electric Ind Co Ltd | コンテンツ配信システム |
JP4839952B2 (ja) * | 2006-05-01 | 2011-12-21 | ソニー株式会社 | 画像処理装置および方法、並びにプログラム |
US20090074255A1 (en) * | 2007-09-18 | 2009-03-19 | Motorola, Inc. | Apparatus and method for capturing skin texture biometric in electronic devices |
JP5113653B2 (ja) | 2007-09-19 | 2013-01-09 | 株式会社リコー | データ処理装置、プログラムおよびデータ処理方法 |
-
2008
- 2008-03-17 JP JP2008067481A patent/JP5096194B2/ja not_active Expired - Fee Related
-
2009
- 2009-03-16 US US12/382,407 patent/US8321367B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2009223624A (ja) | 2009-10-01 |
US8321367B2 (en) | 2012-11-27 |
US20090234793A1 (en) | 2009-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5096194B2 (ja) | データ処理装置、プログラムおよびデータ処理方法 | |
CN111242752B (zh) | 一种基于多任务预测的确定推荐对象的方法及系统 | |
US20110125700A1 (en) | User model processing device | |
US7792692B2 (en) | Adaptive estimation of gain and revenue | |
CN109523188B (zh) | 面向人机界面显示的舰员认知特性工效测评方法及系统 | |
WO2010010654A1 (ja) | 使い方推定装置 | |
JP5472118B2 (ja) | 操作支援方法、操作支援システム、操作支援装置、及び操作支援プログラム | |
US11256996B2 (en) | Method for recommending next user input using pattern analysis of user input | |
WO2023131879A1 (en) | Information-dense user interface for visualizing asset prices and defining transaction parameters | |
US8407430B2 (en) | Analysis technique of computer system | |
JP5113653B2 (ja) | データ処理装置、プログラムおよびデータ処理方法 | |
CN112053022A (zh) | 计划制定系统及其方法 | |
JP7318646B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP5006263B2 (ja) | 画像処理装置、プログラムおよび画像処理方法 | |
JP2012181739A (ja) | 工数見積装置、工数見積方法、工数見積プログラム | |
US7072873B1 (en) | Data classification apparatus and method thereof | |
US10817821B2 (en) | Workflow control device and non-transitory computer-readable storage medium having stored therein workflow control program for controlling workflow regarding operation on electronic apparatus | |
US7941473B2 (en) | Calculation apparatus and storage medium in which calculation program is stored | |
US20110178975A1 (en) | Solving continuous stochastic jump control problems with approximate linear programming | |
JP5856231B2 (ja) | 環境負荷評価装置および環境負荷評価方法 | |
JP6922301B2 (ja) | 電子機器、グラフ描画システム、グラフ描画方法、及びプログラム | |
JP2009118274A (ja) | 通信帯域算出装置、方法、およびプログラム | |
EP3570226A1 (en) | Method and system of obtaining audit evidence | |
JP2005258499A (ja) | 機器導入効果算出方法、装置及びプログラム | |
Ammar et al. | Early Usability Evaluation in Model Driven Framework. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100709 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120131 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120321 |
|
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: 20120911 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5096194 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150928 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |