JP5469876B2 - 行動予測装置及びプログラム - Google Patents
行動予測装置及びプログラム Download PDFInfo
- Publication number
- JP5469876B2 JP5469876B2 JP2009034008A JP2009034008A JP5469876B2 JP 5469876 B2 JP5469876 B2 JP 5469876B2 JP 2009034008 A JP2009034008 A JP 2009034008A JP 2009034008 A JP2009034008 A JP 2009034008A JP 5469876 B2 JP5469876 B2 JP 5469876B2
- Authority
- JP
- Japan
- Prior art keywords
- stay
- place
- pattern
- behavior
- appearance frequency
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
より具体的には、適合行動パターン選択手段として、前記行動パターン記憶部に格納された行動パターン情報の集合の中から、前記取得された滞在地データに含まれる滞在地と等しい滞在地を抽出する手段と、前記抽出された滞在地の各々について、前記取得された滞在地データに含まれる滞在地との一致の度合いを表す尤度を、前記取得された滞在地データに含まれる滞在時刻と、前記抽出された滞在地における滞在開始時刻又は滞在終了時刻の平均及び分散を表す値とに基づいて計算する手段と、前記計算された尤度に基づいて、当該尤度が予め設定した条件を満たす滞在地を前記抽出された滞在地の中から選択する手段と、前記選択された滞在地と当該滞在地を含む行動パターンを表す情報を適合行動パターン情報として出力する手段とを備えたものである。
このようにすると、ユーザが今後移動する滞在地とその到着時刻が出力され、例えば情報管理者に提示される。このため、ユーザの行動を把握しようとする場合に情報管理者は、行動パターン情報からユーザの目的地と到着時刻を予測する作業が不要となり、これにより作業性の向上と予測精度の向上を図ることができる。
図1は、この発明の一実施形態に係わる行動予測装置のハードウエア及びソフトウエアの構成を示すブロック図である。
行動予測装置1は、例えばユーザが所持する携帯端末又はパーソナル・コンピュータ等のユーザ端末装置との間で、IP(Internet Protocol)網等の通信ネットワークを介して通信が可能なサーバ装置からなる。
(1) 出現頻度しきい値の候補θを0〜1の範囲で一定量ずつ増加させるごとに、上記滞在パターン記憶部142に記憶された滞在パターンの集合から出現頻度が当該候補を超える滞在パターンを選択する処理。
(2) 上記選択された滞在パターンの集合から、当該集合に含まれる全ての滞在地を抽出する処理。
(3) 上記滞在履歴記憶部141に記憶された滞在地データの集合の中から、上記抽出された滞在地と一致する滞在地の数をカウントする処理。
(4) 上記出現頻度しきい値の各候補についてそれぞれ得られた滞在地のカウント値をもとに、出現頻度しきい値の候補の変化に対し上記カウント値が変化しない区間を求め、この区間に含まれる出現頻度しきい値の候補の中から、上記特徴的な行動パターンの抽出に用いる出現頻度しきい値を選択する処理。
(1) 上記出現頻度しきい値決定プログラム133の実行により決定された出現頻度しきい値に基づいて、上記滞在パターン記憶部142に記憶された滞在パターンの集合から上記出現頻度しきい値を超える滞在パターンを抽出する処理。
(2) 上記抽出された滞在パターンに含まれる滞在地ごとに、平均滞在開始時刻、平均滞在終了時刻、滞在開始時刻の分散及び滞在終了時刻の分散を求める処理。
(3) 上記抽出された滞在パターンと、上記求められた平均滞在開始時刻、平均滞在終了時刻、滞在開始時刻の分散及び滞在終了時刻の分散を、パターンIDに対応付けて上記データメモリ14内の行動パターン記憶部143に記憶させる処理。
(1) 上記滞在地入力制御プログラム131の制御の下でユーザの現在の滞在地データが得られた場合に、この滞在地データに含まれる滞在地と名称が一致する滞在地を上記行動パターン記憶部143に記憶された特徴的な行動パターンから抽出する処理。
(2) 上記抽出された滞在地の各々について、上記現在の滞在地データとの一致の度合いを表す尤度を計算する処理。この尤度の計算は、平均滞在開始時刻又は平均滞在終了時刻と、滞在開始時刻の分散又は滞在終了時刻の分散の値をもとに行われる。
(3) 上記計算された尤度が予め設定した条件を満たす滞在地を、上記抽出された滞在地の中から選択する処理。
(4) 上記選択された滞在地と、この滞在地を系列に含む滞在パターンと、滞在時刻情報とをもとに、ユーザの次の目的地と当該目的地への到達時刻を予測し、その予測結果を入出力インタフェース16を介して出力デバイス18へ出力させる処理。
入力部21は滞在地入力手段211を備える。この滞在地入力手段211は、図1に示した滞在地入力制御プログラム131及び通信インタフェース15に対応する。
出力部24は予測結果出力手段241を備える。この予測結果出力手段241は、入出力インタフェース16、出力デバイス18及び通信インタフェース15に対応する。
(1)滞在地データの入力
CPU11は、ステップS51において滞在地入力制御プログラム131を起動する。そして、この滞在地入力制御プログラム131に従い、ユーザ端末装置からその滞在地データを通信ネットワークを介して通信インタフェース15により受信し、この受信された滞在地データをデータメモリ14内の滞在履歴記憶部141に記憶させる。
CPU11は、続いてステップS52により系列マイニング実行プログラム132を起動する。そして、この系列マイニング実行プログラム132に従い、上記滞在履歴記憶部141から滞在系列データの集合を読み出し、この滞在系列データの集合に対し系列マイニング処理を実行して滞在パターンの集合を作成する。そして、この滞在パターンの集合を上記データメモリ14内の滞在パターン記憶部142に記憶させる。
Rakesh Agrawal and Ramakrishnan Srikant,“Mining Sequential Patterns”,11th International Conference on Data Engineering,pp 3−14,1995。
CPU11は、次にステップS53により出現頻度しきい値決定プログラム133を起動し、この出現頻度しきい値決定プログラム133に従い出現頻度しきい値決定処理を実行する。この出現頻度しきい値を決定する方法には3つの方法が考えられる。
図8は、この出現頻度しきい値を決定する方法を実現する処理手順と処理内容を示すフローチャートである。
すなわち、CPU11は先ずステップS71により出現頻度しきい値の候補値θを最小値であるθ=0に設定する。続いてステップS72により、データメモリ14内の滞在パターン記憶部142から滞在パターン集合を読み出し、この読み出した滞在パターン集合に含まれる複数の滞在パターンの中から、上記出現頻度しきい値の候補値θを超える全ての滞在パターンを選択する。
以上の滞在数カウント処理の結果、出現頻度しきい値の候補の変化に対する滞在数の変化を表す情報がデータメモリ14内の滞在数カウント値記憶部に得られる。図12はその一例を示すものである。
例えば、図12の例ではθ=0.1〜0.5の区間を最長区間として選択し、この最長区間中の下限値であるθ=0.1を特徴的な行動パターンの抽出に用いる出現頻度しきい値として決定する。
出現頻度しきい値を決定するための第2の方法は、出現頻度しきい値の候補値θを0〜1の範囲で一定量ずつ増加させるごとに当該出現頻度しきい値の候補値θを超える滞在パターン数をカウントし、この滞在パターン数のカウント値を利用して出現頻度しきい値を決定する手段又は方法を使用するものである。
出現頻度しきい値超えパターン選択手段2321は、出現頻度しきい値の候補θを0〜1の範囲で一定量ずつ増加させるごとに、上記滞在パターン記憶部142に記憶された滞在パターンの集合から出現頻度が当該候補を超える滞在パターンを選択する。
パターン数カウント手段2325は、上記各出現頻度しきい値の候補値θごとに、上記出現頻度しきい値超えパターン選択手段2321により選択された滞在パターンの数をカウントする。
誤差最小しきい値検出手段2327は、上記定義された近似式と上記滞在パターンのカウント値との誤差を求め、この近似誤差が最小となるときの出現頻度しきい値の候補値θを特徴的な行動パターンの抽出に用いる出現頻度しきい値として選択する。
すなわち、CPU11は先ずステップS71により出現頻度しきい値の候補値θを最小値であるθ=0に設定する。続いてステップS72により、データメモリ14内の滞在パターン記憶部142から滞在パターン集合を読み出し、この読み出した滞在パターン集合に含まれる複数の滞在パターンの中から、上記出現頻度しきい値の候補値θを超える全ての滞在パターンを選択する。次にステップS131に移行し、上記ステップS72により選択された滞在パターンの数をカウントしそのカウント値をデータメモリ14内に保存する。
上記ステップS134において近似誤差が計算されると、CPU11はステップS135において、上記計算された近似誤差をφの値に対応付けてデータメモリ14に一時保存する。
出現頻度しきい値を決定するための第3の方法は、出現頻度しきい値の候補値θを0〜1の範囲で一定量ずつ増加させるごとに当該出現頻度しきい値の候補値θを超える滞在パターン数を選択して、この選択された滞在パターンの集合から当該集合に含まれる全ての滞在地を抽出すると共に、滞在系列データの集合に含まれる滞在地の総数に対する上記滞在地のカウント値の割合(被覆率)を求め、この被覆率をもとに出現頻度しきい値を決定するようにしたものである。
このうち被覆率計算手段2328は、滞在系列データ記憶部142(滞在系列記憶手段221)に記憶された滞在系列データの集合に含まれる滞在地の総数に対する、上記滞在数カウント手段2323により得られた滞在地のカウント値の割合を、被覆率として計算する。
すなわち、CPU11は先ずステップS71により出現頻度しきい値の候補値θを最小値であるθ=0に設定する。続いてステップS72により、データメモリ14内の滞在パターン記憶部142から滞在パターン集合を読み出し、この読み出した滞在パターン集合に含まれる複数の滞在パターンの中から、上記出現頻度しきい値の候補値θを超える全ての滞在パターンを選択する。
このように特徴パターンの抽出に使用する出現頻度しきい値を決定することで、ユーザの滞在系列データの性質によらず、行動のカバー率が一定となるように特徴的な滞在パターンの集合を抽出することが可能となる。
上記第1乃至第3の方法のいずれかの方法により出現頻度しきい値が決定されると、CPU11はステップS55に移行し、行動パターン決定プログラム134を起動する。そして、この行動パターン決定プログラム134に従い、先ず滞在パターン記憶部142から滞在パターンの集合を読み出し、この読み出した滞在パターンの集合に含まれる各滞在パターンの中から、上記決定された出現頻度しきい値を超える滞在パターンを抽出する。また、上記抽出された滞在パターンに含まれる滞在地ごとに時刻特徴量を求める。この時刻特徴量は、平均滞在開始時刻、平均滞在終了時刻、滞在開始時刻の分散及び滞在終了時刻の分散からなる。そして、上記抽出された滞在パターンと、上記求められた時刻特徴量を、パターンIDに対応付けて上記データメモリ14内の行動パターン記憶部143に記憶させる。
さて、以上のようにユーザの特徴的な行動パターンが得られると、CPU11は次に行動予測処理プログラム135を起動し、この行動予測処理プログラム135に従いユーザの次の行動を予測するための処理を以下のように実行する。図20はその全体の処理手順と処理内容を示すフローチャートである。
CPU11は、先ずステップS301により作業用メモリから最新の滞在地データの滞在地名を読み出し、さらにステップS302により作業用メモリから行動パターン情報の集合を順に読み出す。そして、ステップS303において、滞在パターン中に上記最新の滞在地データの滞在地名を含む行動パターンをすべて抽出し、この抽出した行動パターン情報の集合を作業用メモリ上に作成する。例えば、最新の滞在地データの滞在地名(ユーザの現在の滞在地)が「A駅」だったならば、この「A駅」を含む滞在パターンを有する行動パターン情報をすべて抽出する。この抽出処理の結果、抽出した行動パターン情報の集合が「空」であるとステップS304で判定すると、つまり上記最新の滞在地データの滞在地名を含む行動パターン情報を抽出できなかった場合には、CPU11は適合行動パターンの探索処理を終了する。
なお、尤度計算には、現在の滞在地の滞在開始時刻に加え滞在終了時刻を用いてもよい。この場合、滞在終了時刻についても上記式により同様の計算を行い、その計算結果と上記滞在開始時刻についての計算結果との積を求め、その結果を尤度L(t) とする。
上記適合行動パターンの探索処理が終了すると、CPU11は次に図20のステップS204において、ユーザの現在の滞在地に適合する行動パターン情報が見つかったか否かを判定する。この判定の結果、見つからなければそのまま処理を終了するが、見つかるとステップS205に移行して目的地予測処理を以下のように実行する。図22はその処理手順と処理内容を示すフローチャートである。
その他、行動予測装置の種類やその構成、行動パターン生成手段230の構成とその処理手順と内容、行動予測処理手段234の構成とその処理手順と内容等についても、この発明の要旨を逸脱しない範囲で種々変形して実施できる。
Claims (3)
- ユーザの滞在地及びその滞在時刻を表す情報を含む滞在地データを取得し、この取得された滞在地データの集合を滞在履歴記憶部に格納する手段と、
前記滞在履歴記憶部に格納された滞在地データの集合に対し系列マイニングの処理を実行して、前記ユーザの特徴的な遷移行動を滞在地の系列と当該滞在地における滞在開始時刻又は滞在終了時刻の平均及び分散を表す値を含む滞在時刻情報とにより表した行動パターン情報を生成し、この生成された行動パターン情報の集合を行動パターン記憶部に格納する行動パターン生成手段と、
前記取得された滞在地データと、前記行動パターン記憶部に格納された行動パターン情報の集合に基づいて、前記滞在地データに含まれる滞在地及びその滞在時刻情報と対応する滞在地及びその滞在時刻情報を含む適合行動パターン情報を前記行動パターン情報の集合の中から選択する適合行動パターン選択手段と
を具備し、
前記適合行動パターン選択手段は、
前記行動パターン記憶部に格納された行動パターン情報の集合の中から、前記取得された滞在地データに含まれる滞在地と等しい滞在地を抽出する手段と、
前記抽出された滞在地の各々について、前記取得された滞在地データに含まれる滞在地との一致の度合いを表す尤度を、前記取得された滞在地データに含まれる滞在時刻と、前記抽出された滞在地における滞在開始時刻又は滞在終了時刻の平均及び分散を表す値とに基づいて計算する手段と、
前記計算された尤度に基づいて、当該尤度が予め設定した条件を満たす滞在地を前記抽出された滞在地の中から選択する手段と、
前記選択された滞在地と当該滞在地を含む行動パターンを表す情報を適合行動パターン情報として出力する手段と
を備えることを特徴とする行動予測装置。 - 前記適合行動パターン選択手段により選択された適合行動パターン情報に含まれる滞在地の系列及び滞在時刻情報に基づいて、前記ユーザが以後移動する滞在地とその到着時刻を予測し、この予測結果を表す情報を出力する行動予測処理手段を
さらに具備することを特徴とする請求項1記載の行動予測装置。 - 前記請求項1又は2に記載の行動予測装置が具備する各手段に対応する処理を、前記行動予測装置が備えるコンピュータに実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009034008A JP5469876B2 (ja) | 2009-02-17 | 2009-02-17 | 行動予測装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009034008A JP5469876B2 (ja) | 2009-02-17 | 2009-02-17 | 行動予測装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010191589A JP2010191589A (ja) | 2010-09-02 |
JP5469876B2 true JP5469876B2 (ja) | 2014-04-16 |
Family
ID=42817590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009034008A Expired - Fee Related JP5469876B2 (ja) | 2009-02-17 | 2009-02-17 | 行動予測装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5469876B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104833365B (zh) * | 2014-02-12 | 2017-12-08 | 华为技术有限公司 | 一种用户目的地点的预测方法及装置 |
JP6458572B2 (ja) * | 2015-03-16 | 2019-01-30 | カシオ計算機株式会社 | 顧客行動管理装置、顧客行動管理方法およびプログラム |
CN112773657B (zh) * | 2019-11-08 | 2022-11-22 | 上海荣泰健康科技股份有限公司 | 按摩椅找肩控制方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001056805A (ja) * | 1999-08-18 | 2001-02-27 | Sony Corp | 行動予測方法及びその装置 |
JP2007263972A (ja) * | 2002-10-10 | 2007-10-11 | Matsushita Electric Ind Co Ltd | 情報提示方法および情報提示装置 |
JP4088218B2 (ja) * | 2003-06-12 | 2008-05-21 | 株式会社東芝 | データ抽出装置、データ抽出方法およびデータ抽出プログラム |
JP4220857B2 (ja) * | 2003-08-18 | 2009-02-04 | 本田技研工業株式会社 | 携帯端末機器を用いた移動ロボットの画像撮影装置 |
JP4284301B2 (ja) * | 2005-05-13 | 2009-06-24 | ソフトバンクモバイル株式会社 | 情報配信装置及び情報配信システム |
JP4609896B2 (ja) * | 2006-11-14 | 2011-01-12 | 大日本印刷株式会社 | 情報提供システム |
JP4426563B2 (ja) * | 2006-12-25 | 2010-03-03 | 大日本印刷株式会社 | 情報提供システム |
JP2009036594A (ja) * | 2007-07-31 | 2009-02-19 | Panasonic Corp | 移動先予測装置および移動先予測方法 |
-
2009
- 2009-02-17 JP JP2009034008A patent/JP5469876B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2010191589A (ja) | 2010-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101999471B1 (ko) | 정보 추천 방법 및 장치 | |
WO2018040944A1 (zh) | 恶意地址/恶意订单的识别系统、方法及装置 | |
CN112612957B (zh) | 兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置 | |
CN111639988B (zh) | 经纪人推荐方法、装置、电子设备和存储介质 | |
US20110117537A1 (en) | Usage estimation device | |
CN110704603A (zh) | 一种通过资讯发掘当前热点事件的方法和装置 | |
CN109961351B (zh) | 信息推荐方法、装置、存储介质及计算机设备 | |
CN111666450A (zh) | 视频召回方法、装置、电子设备及计算机可读存储介质 | |
US20180005022A1 (en) | Method and device for obtaining similar face images and face image information | |
CN110597965B (zh) | 文章的情感极性分析方法、装置、电子设备及存储介质 | |
CN112508638B (zh) | 数据处理的方法、装置及计算机设备 | |
CN117235586B (zh) | 酒店客户画像构建方法、系统、电子设备及存储介质 | |
JP5235160B2 (ja) | 行動予測装置とそのプログラム | |
JP5469876B2 (ja) | 行動予測装置及びプログラム | |
KR101743169B1 (ko) | 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체 | |
JP7015927B2 (ja) | 学習モデル適用システム、学習モデル適用方法、及びプログラム | |
US20200302507A1 (en) | Item presentation method, item presentation program, and item presentation apparatus | |
JP2010108102A (ja) | 行動パターン抽出装置、方法及びプログラム | |
CN110851708A (zh) | 负样本的抽取方法、装置、计算机设备和存储介质 | |
CN115907926A (zh) | 商品的推荐方法、装置、电子设备及存储介质 | |
KR101832398B1 (ko) | 위치기반 서비스 제공업체 추천 방법 및 장치 | |
CN113205189B (zh) | 训练预测模型的方法、预测方法及装置 | |
CN115796984A (zh) | 物品推荐模型的训练方法、存储介质及相关设备 | |
JP4938367B2 (ja) | セキュリティ診断システム | |
US20160098766A1 (en) | Feedback collecting system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110111 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120613 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120619 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20120627 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120813 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130205 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130308 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20130515 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130820 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131021 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131203 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140109 |
|
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: 20140128 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5469876 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |