JP5277996B2 - 解析装置、解析方法及び解析方法のプログラム - Google Patents
解析装置、解析方法及び解析方法のプログラム Download PDFInfo
- Publication number
- JP5277996B2 JP5277996B2 JP2009017443A JP2009017443A JP5277996B2 JP 5277996 B2 JP5277996 B2 JP 5277996B2 JP 2009017443 A JP2009017443 A JP 2009017443A JP 2009017443 A JP2009017443 A JP 2009017443A JP 5277996 B2 JP5277996 B2 JP 5277996B2
- Authority
- JP
- Japan
- Prior art keywords
- history information
- access
- information
- day
- access history
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 95
- 230000007774 longterm Effects 0.000 claims abstract description 49
- 238000012937 correction Methods 0.000 claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 32
- 230000002123 temporal effect Effects 0.000 claims abstract description 23
- 238000000611 regression analysis Methods 0.000 claims description 34
- 230000008859 change Effects 0.000 claims description 31
- 238000000513 principal component analysis Methods 0.000 claims description 20
- 230000007704 transition Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 230000003542 behavioural effect Effects 0.000 claims 2
- 230000002060 circadian Effects 0.000 claims 2
- 238000003860 storage Methods 0.000 description 34
- 230000004044 response Effects 0.000 description 29
- 238000000034 method Methods 0.000 description 25
- 239000011159 matrix material Substances 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 230000009471 action Effects 0.000 description 14
- 238000009826 distribution Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 239000000203 mixture Substances 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000001932 seasonal effect Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 101100064323 Arabidopsis thaliana DTX47 gene Proteins 0.000 description 1
- 101000840469 Arabidopsis thaliana Isochorismate synthase 1, chloroplastic Proteins 0.000 description 1
- 102000005717 Myeloma Proteins Human genes 0.000 description 1
- 108010045503 Myeloma Proteins Proteins 0.000 description 1
- 101150026676 SID1 gene Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
<ハードウェア構成>
図1は、本発明にかかる解析装置のハードウェア構成を示すブロック図である。
図2は、本発明の一実施形態の解析装置10の機能ブロック図である。
図3は、ウェブログ保存部211に保存されるアクセス履歴情報の一例を示す説明図である。
図6は、項目反応理論分析部202による項目反応理論分析処理を示すフローチャートである。
p(θ)=c+(1−c)/(1+exp(−Da(θ−b))
で表される。ここで、パラメータaはその項目における受験者の能力の高低を明確に識別する程度を表す識別力パラメータ、パラメータbは問題の難しさを決める困難度パラメータ、パラメータcはあて推量でも正答する確率であるあて推量パラメータ、Dは定数値である。
Ij(θi)=D2aj2pj(θi)qj(θi)
で表すことができる。ここで、Dは定数1.7であり、ajはURLjに対して算出された識別力パラメータ、pj(θi)はθiの購買意思を持つ利用者がURLjを参照する確率をロジスティック曲線モデルから算出したもの、qj(θi)はθiの購買意思を持つ利用者がURLjを参照しない確率をロジスティック曲線モデルから算出したものであり、テスト情報関数I(θi)は、
I(θi)=ΣIj(θi)
の数式により項目情報量の和として算出できる。
図8は、平常行動分析部203による平常行動分析処理のフローチャートである。
図9は、平常需要予測部206による平常需要予測処理のフローチャートである。
図11は、需要予測補正部205による需要予測補正処理のフローチャートである。
イベント特徴モデル生成部204は、キャンペーン実施時の利用者の行動の変化をモデル化したイベント特徴モデルを生成するものである。このイベント特徴モデル生成部204は、イベント実施情報保存部213に保存されたイベント実施情報に基づいて、イベント特徴表、イベント種構成比表、購買意思主成分表の3つの表でモデル化したイベント特徴モデルを生成しイベント特徴モデル保存部214に格納する。
図18は、モデルベースの需要予測生成部207による需要予測生成処理のフローチャートである。
図20は本発明の第2実施形態に係る解析装置の機能ブロック図である。
ネットワーク上のアクセス先に対するアクセスを解析する解析方法のプログラムであって、
1または複数のアクセス先に対するアクセス数を含むアクセス履歴情報に基づいて、前記アクセス先毎の日毎のアクセス数が所定の基準値を超える異常日を特定し、前記異常日のアクセス履歴情報を除去するステップと、
前記異常日のアクセス履歴情報が除去されたアクセス履歴情報に基づいて、利用者の特徴的な日内行動パターンを、主成分分析を用いて抽出するステップと、
前記主成分分析により抽出された日内行動パターンと1または複数の時間的要因とを回帰分析を適用して関係付けた利用者行動モデルを生成するステップと、
前記利用者行動モデルを用いて、アクセス数の長期変動予測情報を生成するステップと、
前記1日分のアクセス履歴情報を新たに読み込むステップと、
前記新たに読み込んだ1日分のアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセス数の変動予測情報との乖離が所定の基準値以上である場合には、前記新たに読み込んだ1日分のアクセス履歴情報を前記日内行動パターンの抽出に用いた主成分に回帰分析を用いて分解するステップと、
前記新たに読み込んだ1日分のアクセス履歴情報の回帰分析を行った結果、前記新たに読み込んだ1日分のアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセスの変動予測情報との乖離が所定の基準値を超える日をベース変動日として記録し、前記ベース変動日が所定日数以上継続する場合にその主成分について前記利用者行動モデルの修正を行うステップと、
を備える解析方法のプログラム。
前記アクセス履歴情報の日毎のアクセス数をそれぞれ所定の時間単位で分割し日毎のアクセス数変動データとする、付記1に記載の解析方法のプログラム。
前記アクセス履歴情報に含まれる日毎のアクセス数の平均±標準偏差の範囲外のアクセス数である日を異常日と特定する、付記1に記載の解析方法のプログラム。
前記日内行動パターンを対応する時間的要因により重み付けして合計することにより長期変動予測情報を生成する、付記1に記載の解析方法のプログラム。
前記新たに読み込んだ1日分のアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセス数の変動予測情報との乖離は、平均説明率指標を用いて比較する、付記1に記載の解析方法のプログラム。
回帰分析を行った後の新たに読み込んだ1日分のアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセスの変動予測情報との乖離は、R自乗値が所定の基準値以下であるか否かで判定する、付記1に記載の解析方法のプログラム。
回帰分析を行った後の新たに読み込んだ1日分のアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセスの変動予測情報との乖離が所定の基準値を超える場合には、特異日として記録する、付記1に記載の解析方法のプログラム。
ネットワーク上のアクセス先に対するアクセスを解析する解析装置であって、
1または複数のアクセス先に対するアクセス数を含むアクセス履歴情報に基づいて、前記アクセス先毎の日毎のアクセス数が所定の基準値を超える異常日を特定し、前記異常日のアクセス履歴情報を除去し、前記異常日のアクセス履歴情報が除去されたアクセス履歴情報に基づいて、利用者の特徴的な日内行動パターンを、主成分分析を用いて抽出し、前記日内行動パターンと1または複数の時間的要因とを回帰分析を適用して関係付けた利用者行動モデルを生成する平常行動分析部と、
前記利用者行動モデルを用いて、アクセス数の長期変動予測情報を生成する平常需要予測部と、
前記新たに読み込んだ1日分のアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセス数の変動予測情報との乖離が所定の基準値以上である場合には、前記新たに読み込んだ1日分のアクセス履歴情報を前記日内行動パターンの抽出に用いた主成分に回帰分析を用いて分解し、前記新たに読み込んだ1日分のアクセス履歴情報の回帰分析を行った結果、前記新たに読み込んだ1日分のアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセスの変動予測情報との乖離が所定の基準値を超える日をベース変動日として記録し、前記ベース変動日が所定日数以上継続する場合にその主成分について前記利用者行動モデルの修正を行う需要予測補正部と、
を備える解析装置。
ネットワーク上のアクセス先に対するアクセスを解析する解析方法であって、
1または複数のアクセス先に対するアクセス数を含むアクセス履歴情報に基づいて、前記アクセス先毎の日毎のアクセス数が所定の基準値を超える異常日を特定し、前記異常日のアクセス履歴情報を除去するステップと、
前記異常日のアクセス履歴情報が除去されたアクセス履歴情報に基づいて、利用者の特徴的な日内行動パターンを、主成分分析を用いて抽出するステップと、
前記主成分分析により抽出された日内行動パターンと1または複数の時間的要因とを回帰分析を適用して関係付けた利用者行動モデルを生成するステップと、
前記利用者行動モデルを用いて、アクセス数の長期変動予測情報を生成するステップと、
前記1日分のアクセス履歴情報を新たに読み込むステップと、
前記新たに読み込んだ1日分のアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセス数の変動予測情報との乖離が所定の基準値以上である場合には、前記新たに読み込んだ1日分のアクセス履歴情報を前記日内行動パターンの抽出に用いた主成分に回帰分析を用いて分解するステップと、
前記新たに読み込んだ1日分のアクセス履歴情報の回帰分析を行った結果、前記新たに読み込んだ1日分のアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセスの変動予測情報との乖離が所定の基準値を超える日をベース変動として記録し、前記ベース変動日が所定日数以上継続する場合にその主成分について前記利用者行動モデルの修正を行うステップと、
を備える解析方法。
Claims (7)
- ネットワーク上のアクセス先に対するアクセスを解析する解析方法のプログラムであって、
1または複数のアクセス先に対するアクセス数を含むアクセス履歴情報に基づいて、前記アクセス先毎の日毎のアクセス数が所定の基準値を超える異常日を特定し、前記異常日のアクセス履歴情報を除去するステップと、
前記異常日のアクセス履歴情報が除去されたアクセス履歴情報に基づいて、利用者の特徴的な日内行動パターンを、主成分分析を用いて抽出するステップと、
前記主成分分析により抽出された日内行動パターンと1または複数の時間的要因とを回帰分析を適用して関係付けた利用者行動モデルを生成するステップと、
前記利用者行動モデルを用いて、アクセス数の長期変動予測情報を生成するステップと、
前記長期変動予測情報とは異なる想定外の時間遷移を表す想定外予測情報を生成するステップと、
前記アクセス履歴情報を新たに読み込むステップと、
前記新たに読み込んだアクセス履歴情報を、前記長期変動予測情報、及び、前記想定外予測情報の各々と比較し、前記長期変動予測情報及び前記想定外予測情報のうち前記新たに読み込んだアクセス履歴情報に近いものを選択するステップと、
前記長期変動予測情報が選択された場合、
前記新たに読み込んだアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセス数の変動予測情報との乖離が所定の基準値以上である場合には、前記新たに読み込んだアクセス履歴情報を前記日内行動パターンの抽出に用いた主成分に回帰分析を用いて分解するステップと、
前記新たに読み込んだアクセス履歴情報の回帰分析を行った結果、前記新たに読み込んだアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセスの変動予測情報との乖離が所定の基準値を超える日をベース変動日として記録し、前記ベース変動日が所定日数以上継続する場合にその主成分について前記利用者行動モデルの修正を行うステップと、
前記想定外予測情報が選択された場合、前記想定外予測情報に基づいて前記利用者行動モデルの修正を行うステップと、を含む、
解析方法のプログラム。 - 前記アクセス履歴情報の日毎のアクセス数をそれぞれ所定の時間単位で分割し日毎のアクセス数変動データとする、請求項1に記載の解析方法のプログラム。
- 前記日内行動パターンを対応する時間的要因により重み付けして合計することにより長期変動予測情報を生成する、請求項1に記載の解析方法のプログラム。
- 前記新たに読み込んだアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセス数の変動予測情報との乖離は、平均説明率指標を用いて比較する、請求項1に記載の解析方法のプログラム。
- 回帰分析を行った後の新たに読み込んだアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセスの変動予測情報との乖離が所定の基準値を超える場合には、特異日として記録する、請求項1に記載の解析方法のプログラム。
- ネットワーク上のアクセス先に対するアクセスを解析する解析装置であって、
1または複数のアクセス先に対するアクセス数を含むアクセス履歴情報に基づいて、前記アクセス先毎の日毎のアクセス数が所定の基準値を超える異常日を特定し、前記異常日のアクセス履歴情報を除去し、前記異常日のアクセス履歴情報が除去されたアクセス履歴情報に基づいて、利用者の特徴的な日内行動パターンを、主成分分析を用いて抽出し、前記日内行動パターンと1または複数の時間的要因とを回帰分析を適用して関係付けた利用者行動モデルを生成する平常行動分析部と、
前記利用者行動モデルを用いて、アクセス数の長期変動予測情報を生成する平常需要予測部と、
前記長期変動予測情報とは異なる想定外の時間遷移を表す想定外予測情報を生成する想定外モデル生成部と、
前記新たに読み込んだアクセス履歴情報を、前記長期変動予測情報、及び、前記想定外予測情報の各々と比較し、前記長期変動予測情報及び前記想定外予測情報のうち前記新たに読み込んだアクセス履歴情報に近いものを選択する選択部と、
前記新たに読み込んだアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセス数の変動予測情報との乖離が所定の基準値以上である場合には、前記新たに読み込んだアクセス履歴情報を前記日内行動パターンの抽出に用いた主成分に回帰分析を用いて分解し、前記新たに読み込んだアクセス履歴情報の回帰分析を行った結果、前記新たに読み込んだアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセスの変動予測情報との乖離が所定の基準値を超える日をベース変動日として記録し、前記ベース変動日が所定日数以上継続する場合にその主成分について前記利用者行動モデルの修正を行い、前記想定外予測情報が選択された場合、前記想定外予測情報に基づいて前記利用者行動モデルの修正を行う需要予測補正部と、
を備える解析装置。 - ネットワーク上のアクセス先に対するアクセスを解析する解析方法であって、
平常行動分析部が、1または複数のアクセス先に対するアクセス数を含むアクセス履歴情報に基づいて、前記アクセス先毎の日毎のアクセス数が所定の基準値を超える異常日を特定し、前記異常日のアクセス履歴情報を除去するステップと、
前記平常行動分析部が、前記異常日のアクセス履歴情報が除去されたアクセス履歴情報に基づいて、利用者の特徴的な日内行動パターンを、主成分分析を用いて抽出するステップと、
前記平常行動分析部が、前記主成分分析により抽出された日内行動パターンと1または複数の時間的要因とを回帰分析を適用して関係付けた利用者行動モデルを生成するステップと、
平常需要予測部が、前記利用者行動モデルを用いて、アクセス数の長期変動予測情報を生成するステップと、
想定外モデル生成部が、前記長期変動予測情報とは異なる想定外の時間遷移を表す想定外予測情報を生成するステップと、
選択部が、前記新たに読み込んだアクセス履歴情報を、前記長期変動予測情報、及び、前記想定外予測情報の各々と比較し、前記長期変動予測情報及び前記想定外予測情報のうち前記新たに読み込んだアクセス履歴情報に近いものを選択するステップと、
需要予測補正部が、前記新たに読み込んだアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセス数の変動予測情報との乖離が所定の基準値以上である場合には、前記新たに読み込んだアクセス履歴情報を前記日内行動パターンの抽出に用いた主成分に回帰分析を用いて分解するステップと、
前記需要予測補正部が、前記新たに読み込んだアクセス履歴情報の回帰分析を行った結果、前記新たに読み込んだアクセス履歴情報と前記アクセス数の長期変動予測情報に含まれる予測対象日のアクセスの変動予測情報との乖離が所定の基準値を超える日をベース変動として記録し、前記ベース変動日が所定日数以上継続する場合にその主成分について前記利用者行動モデルの修正を行い、前記想定外予測情報が選択された場合、前記想定外予測情報に基づいて前記利用者行動モデルの修正を行うステップと、
を備える解析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009017443A JP5277996B2 (ja) | 2009-01-29 | 2009-01-29 | 解析装置、解析方法及び解析方法のプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009017443A JP5277996B2 (ja) | 2009-01-29 | 2009-01-29 | 解析装置、解析方法及び解析方法のプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010176342A JP2010176342A (ja) | 2010-08-12 |
JP5277996B2 true JP5277996B2 (ja) | 2013-08-28 |
Family
ID=42707265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009017443A Expired - Fee Related JP5277996B2 (ja) | 2009-01-29 | 2009-01-29 | 解析装置、解析方法及び解析方法のプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5277996B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102956009B (zh) * | 2011-08-16 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 一种基于用户行为的电子商务信息推荐方法与装置 |
JP5983186B2 (ja) * | 2012-08-27 | 2016-08-31 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、情報処理方法、プログラム |
JP7010096B2 (ja) * | 2018-03-19 | 2022-01-26 | 株式会社リコー | 情報処理システム、情報処理装置及びプログラム |
WO2020261449A1 (ja) * | 2019-06-26 | 2020-12-30 | 日本電信電話株式会社 | 学習装置、予測装置、学習方法、予測方法、学習プログラム、及び予測プログラム |
KR102234497B1 (ko) * | 2020-07-06 | 2021-04-01 | 쿠팡 주식회사 | 상품 판매 관리 정보를 제공하는 전자 장치 및 그 방법 |
-
2009
- 2009-01-29 JP JP2009017443A patent/JP5277996B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2010176342A (ja) | 2010-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4529058B2 (ja) | 配信システム | |
Mild et al. | An improved collaborative filtering approach for predicting cross-category purchases based on binary market basket data | |
Gubela et al. | Conversion uplift in e-commerce: A systematic benchmark of modeling strategies | |
Luo et al. | Recovering hidden buyer–seller relationship states to measure the return on marketing investment in business-to-business markets | |
Currim | Predictive testing of consumer choice models not subject to independence of irrelevant alternatives | |
US8260921B2 (en) | Demand forecasting system for data center, demand forecasting method and recording medium with a demand forecasting program recorded thereon | |
US7080027B2 (en) | Method and system for analyzing the effectiveness of marketing strategies | |
US6631360B1 (en) | Computer-implementable Internet prediction method | |
JP4962782B2 (ja) | 利用者状態推定システム、利用者状態推定方法および利用者状態推定プログラム | |
JP5960887B1 (ja) | 算出装置、算出方法及び算出プログラム | |
US20040093261A1 (en) | Automatic validation of survey results | |
WO2010057195A2 (en) | System, method and computer program product for predicting customer behavior | |
WO2010138512A1 (en) | Measuring impact of online advertising campaigns | |
Maaß et al. | Improving short-term demand forecasting for short-lifecycle consumer products with data mining techniques | |
JP7271529B2 (ja) | 自動化されたアトリビューションモデリングおよび測定 | |
JP5061999B2 (ja) | 解析装置、解析方法及び解析プログラム | |
JP5277996B2 (ja) | 解析装置、解析方法及び解析方法のプログラム | |
CN111127110A (zh) | 商户评分的计算方法、装置、设备及存储介质 | |
Keane et al. | Evaluating consumers’ choices of Medicare Part D plans: A study in behavioral welfare economics | |
JP2009223423A (ja) | 利用者状態推定システム、利用者状態推定方法および利用者状態推定プログラム | |
US20220188876A1 (en) | Advertising method and apparatus for generating advertising strategy | |
Lei et al. | New product life cycle curve modeling and forecasting with product attributes and promotion: A Bayesian functional approach | |
EP3418916A1 (en) | Method and apparatus for determining peak sale and one year sale prediction for hardcover first releases | |
JP6320353B2 (ja) | デジタルマーケティングシステム | |
JP2002123739A (ja) | 情報処理装置および方法、並びに記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20111006 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130131 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130404 |
|
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: 20130423 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130506 |
|
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 |