JP5662299B2 - 情報推薦装置及び方法及び装置及びプログラム - Google Patents

情報推薦装置及び方法及び装置及びプログラム Download PDF

Info

Publication number
JP5662299B2
JP5662299B2 JP2011246847A JP2011246847A JP5662299B2 JP 5662299 B2 JP5662299 B2 JP 5662299B2 JP 2011246847 A JP2011246847 A JP 2011246847A JP 2011246847 A JP2011246847 A JP 2011246847A JP 5662299 B2 JP5662299 B2 JP 5662299B2
Authority
JP
Japan
Prior art keywords
item
service
recommended
user
adjacency matrix
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
Application number
JP2011246847A
Other languages
English (en)
Other versions
JP2013105213A (ja
Inventor
恭太 堤田
恭太 堤田
真 中辻
真 中辻
内山 俊郎
俊郎 内山
藤村 考
考 藤村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP2011246847A priority Critical patent/JP5662299B2/ja
Publication of JP2013105213A publication Critical patent/JP2013105213A/ja
Application granted granted Critical
Publication of JP5662299B2 publication Critical patent/JP5662299B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、情報推薦装置及び方法及び装置及びプログラムに係り、特に、情報推薦において複数のサービスのコンテンツやアイテム(以下、アイテムと呼ぶ)を横断的に推薦可能にする情報推薦装置及び方法及び装置及びプログラムに関する。
従来技術として、単一のサービスを対象として、ユーザ、アイテム、メタデータをノードとするグラフをRandom Walk with Restart (RWR)と呼ばれるグラフ理論のアプローチによって探索し、推薦を受けるユーザ(以下、「被推薦ユーザ」と記す)へ推薦するアイテム(以下、「推薦アイテム」と記す)を決定する方法がある(例えば、非特許文献1参照)。
また、非特許文献1の方法を複数のサービスを対象としてアイテムの推薦を可能にするために、用いられるグラフを表す隣接行列において、複数のサービスを統合するように隣接行列を構築し、さらにWeb上の情報を用いてサービス間のアイテムの関係を補完することで複数サービスにおける情報推薦を実現する方法がある(例えば、非特許文献2参照)。
Konstas, I., Stathopoulos, V. and Jose, J. M.: On social networks and collaborative recommendation, in Proc. SIGIR '09, pp. 195-202 (2009). 堤田恭太, 中辻真, 内山俊郎, 藤村考.: ソーシャルメディア上のアイテム共起を用いたサービス横断推薦, 第3回データ工学と情報マネジメントに関するフォーラム, DEIM '11, 2011年3月.
上記の非特許文献2の方法を用いることで、複数のサービスを扱った情報推薦を行うことができるようになる。しかしながら、被推薦ユーザがあまり利用していないサービスと、被推薦ユーザが頻繁に利用するサービスとでは、利用履歴からのユーザの好みの傾向の把握のしやすさが異なることがあるため、非特許文献2の方法は複数サービスの中でもユーザがあまり頻繁に利用しないサービスにおいて推薦の精度が低くなる懸念があった。そうした場合には、被推薦ユーザが頻繁に利用するサービスではユーザの好みをより強く反映し、被推薦ユーザがあまり利用しないサービスではユーザの好みよりも他の多くのユーザが支持するアイテムをより提示しやすくすることで推薦精度の改善が期待できる。
本発明は、上記の点に鑑みなされたもので、各サービスのアイテムの人気順などのアイテムランキングを、ユーザの各サービスの利用度合いに応じて重み付けして用いることで推薦精度を改善する情報推薦装置及び方法及び装置及びプログラムを提供することを目的とする。
上記の課題を解決するため、本発明(請求項1)は、複数のサービスにおいて利用者に対して各サービスのアイテムを推薦する情報推薦装置であって、
複数サービスのそれぞれのユーザID、アイテムID、アイテムのメタデータID、サービスID、ユーザのアイテムへの評価値についての情報を格納したアイテム履歴データベースと、
入力された被推薦ユーザID及び前記アイテム履歴データベースの前記サービスID及び前記アイテムIDに基づいて、サービス提供元から取得した被推薦ユーザの各サービスの利用度合いに応じた重みを該各サービス利用度合いに付与し、被推薦ユーザ用のランキングベクトルとして出力する、アイテムランキング計算処理手段と、
前記アイテム履歴データベースの情報を隣接行列として表す、隣接行列構築処理手段と、
前記隣接行列と前記ランキングベクトルを用いて推薦すべきアイテムを計算する推薦アイテム予測処理手段と、を有する。
また、本発明(請求項2)は、前記アイテムランキング計算処理手段において、
前記アイテムランキングのベクトルを、前記アイテム履歴データベースにおける各サービス内のアイテムの出現頻度と被推薦ユーザの各サービスの利用頻度に基づく統計量から計算する手段を含む。
また、本発明(請求項3)は、前記推薦アイテム予測処理手段において、
前記アイテムランキング計算処理手段から出力される前記被推薦ユーザ用のランキングベクトルと、前記隣接行列構築処理手段から出力される前記隣接行列とを用いて推薦アイテムを決定する計算を行う手段を含む。
上記のように本発明によれば、情報推薦において、複数のサービスのアイテムを、被推薦ユーザの各サービスの利用度合いを考慮してより高精度に推薦する情報推薦装置が実現できる。
本発明の一実施の形態における情報推薦装置の構成図である。 本発明の一実施の形態における隣接行列提供部の隣接行列生成のフローチャートである。 本発明の一実施の形態におけるアイテム履歴データベースのテーブルの例である。 本発明の一実施の形態におけるアイテム履歴データベースの隣接行列による表現例である。 本発明の一実施の形態における情報推薦システムの処理のフローチャートである。
以下図面と共に、本発明の実施の形態を説明する。
図1は、本発明の一実施の形態における情報推薦装置の構成図である。同図に示す情報推薦システムは、ユーザID取得部110、アイテム履歴データベース120、隣接行列提供部130、推薦アイテム予測処理部140、アイテムランキング計算処理部150、提示部160から構成される。
また、図3は、本発明の一実施の形態におけるアイテム履歴データベース120のテーブルのイメージである。ユーザID、アイテムID、メタデータID、サービスID、アイテムへの評価値がそれぞれ参照できるようなデータベースとなっている。
次に、図2のフローチャートを用いて、図3の様にアイテム履歴データベース120から、隣接行列提供部130が出力する隣接行列を構築する手段について説明する。
ここでの隣接行列とは、アイテム履歴データベース120を参照して得られる各サービスのアイテムとユーザとメタデータの関係を、図4に示すような一つの行列として表現したものであり、その隣接行列をA、その行列と要素の関係をA=(ai、j) と表すとき、次の手順で構築される。
ステップ210) 隣接行列提供部130は、アイテム履歴データベース120より、
全ユーザ集合U={u1,u2,…u|U|},
全アイテム集合I={i1,i2,…i|I|},
全メタデータ集合M={m1,m2,…m|M|}
を収集する。
ステップ220) |U|+|I|+|M|の大きさの行列A=(aj,k)を用意する。jは、1≦j≦|U|のときはユーザを表し、jがアイテムを表すのは|U|+1≦j≦|U|+|I|のとき、また、jがメタデータを表すのは|U|+|I|+1≦j≦|U|+|I|+|M|のときであるとし、kも同様とする。例えば、aj,k=1 (|U|+1≦j≦|U|+|I|,|U|+|I|+1≦k≦|U|+|I|+|M|)は、行列中のアイテムjとメタデータkとを表す値が1であることを表す。
ステップ231〜235) 全てのアイテムと全てのメタデータについて、アイテム履歴データベース120上で、以下のように、関連付けられる組合せを表す行列の値aj,kに1を代入する(S233)。
Figure 0005662299
関連付けのない場合は以下のように、0を代入する(S234)。
Figure 0005662299
アイテム履歴データベース120上での関連付けは、図4の様なデータベース構造の場合、アイテムIDの列とメタデータIDの列を参照して同一エントリにそれぞれのIDが存在することを表す。
ステップ236〜242) 全てのアイテムと全てのユーザについて、アイテム履歴データベース120上で、関連付けられる組合せを表す行列の値aj,kに値を代入する。値は、そのサービスにおいてユーザがアイテムに評価値を与えるようなデータの場合は、あるユーザuのそのアイテムiの評価値を、ユーザuがアイテムへ付けた全ての評価値の最大値で除した値を以下のように代入する(S241)。
Figure 0005662299
データベース120上に評価値が存在せず、例えば、POSデータのようなユーザがアイテムを購入したか否かが記録されたデータの場合は、以下のように対応する値に1を代入する(S240)。
Figure 0005662299
関連付けのない場合は以下のように0を代入する(S239)。
Figure 0005662299
ステップ250〜270) 行列Aを、行列の列の値の和が1になるように正規化処理を行う。具体的には、式(1)に示すように、列の値の和で値を除した値に更新し、全ての列について行ったものを、出力する隣接行列Aとする。
Figure 0005662299
上記のようにして生成された隣接行列Aは当該隣接行列提供部130内のメモリ(図示せず)に格納しておくものとする。
次に、図5のフローチャートに沿って、被推薦ユーザに対して推薦アイテムを提示する処理について、図1の構成図を用いて説明する。
ステップ510) まず、被推薦ユーザID取得処理として、被推薦ユーザID取得部110は、被推薦ユーザのIDを取得し、アイテムランキング計算処理部150に出力する。この処理は、例えば、ユーザが利用するサービスやシステムにログイン処理と同時に行う。
ステップ520) アイテムランキング計算処理部150は、被推薦ユーザIDを取得すると、当該被推薦ユーザIDに基づいてアイテム履歴データベース120から、アイテムID、メタデータID、サービスID、評価値のデータを受け取る。ユーザID,サービスID,アイテムIDに基づいて、サービス提供元(プロバイダ)にアクセスし、各被推薦ユーザに対応するサービスのアイテム毎のアクセス情報(当該ユーザのサービスの利用度合い)を取得する。ユーザの各サービスの利用度合いに応じた重みを当該ユーザのサービス利用度合いに付与して、被推薦ユーザ用のアイテムランキングの列ベクトルruを作成し、メモリ(図示せず)に格納する。ruの要素r(u,i) をアイテムiのランキングベクトルの値とするとき、次式(2)で表される。
Figure 0005662299
上記の式(2)において、sfreq( i )はアイテムiの関連付けられるサービスsのユーザの利用度合いを表し、例えばサービスsの利用者の利用頻度をxとした時の累積分布関数Fs(x)により、1−Fs(x) を用いることができる。この累積分布関数を用いる場合は、被推薦ユーザの中でサービスsを最も利用しているユーザ、つまり該サービスにおいてユーザの利用履歴が十分に得られる時に0に近い値となる。逆に、利用頻度の少ないユーザの場合は値が1に近い値となり、そのサービス中のアイテムの推薦結果がランキングによって補正されやすくなる。count( ) はアイテム履歴データベース120中での頻度を表し、その同一サービスのアイテムの集合Isの中での最大値を表すmaxi∈Is ( count( i ) ) で割ることで0から1の間の値に収める。
最後に、Random Walkモデルで計算するためにベクトルの和が1となるようにr(u,i)に式(3)の正規化処理を行って最終的な被推薦ユーザ用のアイテムランキングベクトルru を得る。
Figure 0005662299
ステップ530)隣接行列提供部130は、アイテム履歴データベース120からユーザID、アイテムID、メタデータID、サービスID、評価値のデータを受け取って、前述の図2に示す手順により隣接行列Aを構築し、メモリ(図示せず)に格納する。
ステップ540)推薦アイテム予測処理部140は、アイテムランキング計算処理部150から被推薦ユーザIDと被推薦ユーザ用のアイテムランキングを取得し、隣接行列提供部130から隣接行列を取得し、これらを用いて推薦するアイテムを決定する。その計算には、取得した被推薦ユーザIDと各アイテムIDとの関連度を求め、その値の高いアイテムを推薦するアイテムとするRandom Walk with Restart (RWR)を、ランキングを考慮できるように改良して用いる。
具体的な計算式は、p(t) を計算のステップtにおけるアイテムの関連度の列ベクトル、α,βはそれぞれ0 <α< 1,0 <β< 1,0 <α+β< 1を満たす定数、Aは隣接行列、起点ノードに戻る確率α,qを被推薦ユーザを表す起点ノードのみが1である列ベクトル、ruをアイテムランキング計算処理部150によって出力される被推薦ユーザ用のランキングの列ベクトルとすると、式(4)のように表される。
Figure 0005662299
式(4)の計算は隣接行列A上でt回繰り返してp(t) が更新され、p(t) の列ベクトルからアイテムを表すノードの関連度の高いものを推薦アイテムとして出力する。ここでのtは100回とする。なお、この実施回数は100回に限定されることなく、十分に大きな値であればよい。
ステップ550)推薦アイテム提示処理として提示部160は、推薦アイテム予測処理部140の出力である推薦アイテムを提示し、推薦が完了する。
なお、上記のステップ520では、被推薦ユーザ毎のサービス利用度合いをサービス提供元から取得する例を示しているが、この例に限定されることなく、当該情報推薦装置内に予めユーザ毎のアクセス情報を格納したデータベースを具備しておき、当該データベースから取得するようにしてもよい。
上記の処理により、サービスの利用状況に応じてランキング結果の反映度合い(重み)を変えてアイテムを推薦することが可能となる。
なお、上記の図1の被推薦ユーザID取得部110、隣接行列提供部130、推薦アイテム予測処理部140、アイテム処理部160からなる情報推薦装置の動作をプログラムとして構築し、情報推薦装置として利用されるコンピュータにインストールして実行させる、または、ネットワークを介して流通させることが可能である。
本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において、種々変更・応用が可能である。
110 非推薦ユーザID取得部
120 アイテム履歴データベース
130 隣接行列提供部
140 推薦アイテム予測処理部
150 アイテムランキング計算処理部
160 アイテム提示部

Claims (7)

  1. 複数のサービスにおいて利用者に対して各サービスのアイテムを推薦する情報推薦装置であって、
    複数サービスのそれぞれのユーザID、アイテムID、アイテムのメタデータID、サービスID、ユーザのアイテムへの評価値についての情報を格納したアイテム履歴データベースと、
    入力された被推薦ユーザID及び前記アイテム履歴データベースの前記サービスID及び前記アイテムIDに基づいて、サービス提供元から取得した被推薦ユーザの各サービスの利用度合いに応じた重みを該各サービス利用度合いに付与し、被推薦ユーザ用のランキングベクトルとして出力する、アイテムランキング計算処理手段と、
    前記アイテム履歴データベースの情報を隣接行列として表す、隣接行列構築処理手段と、
    前記隣接行列と前記ランキングベクトルを用いて推薦すべきアイテムを計算する推薦アイテム予測処理手段と、
    を有することを特徴とする情報推薦装置。
  2. 前記アイテムランキング計算処理手段は、
    前記アイテムランキングのベクトルを、前記アイテム履歴データベースにおける各サービス内のアイテムの出現頻度と被推薦ユーザの各サービスの利用頻度に基づく統計量から計算する手段を含む
    請求項1に記載の情報推薦装置。
  3. 前記推薦アイテム予測処理手段は、
    前記アイテムランキング計算処理手段から出力される前記被推薦ユーザ用のランキングベクトルと、前記隣接行列構築処理手段から出力される前記隣接行列とを用いて推薦アイテムを決定する計算を行う手段を含む
    請求項1に記載の情報推薦装置。
  4. 複数のサービスにおいて利用者に対して各サービスのアイテムを推薦する情報推薦方法であって、
    複数サービスのそれぞれのユーザID、アイテムID、アイテムのメタデータID、サービスID、ユーザのアイテムへの評価値についての情報を格納した前記アイテム履歴データベースを有する前記情報推薦装置において、
    アイテムランキング計算処理手段が、入力された被推薦ユーザID及び前記アイテム履歴データベースの前記サービスID及び前記アイテムIDに基づいて、サービス提供元から取得した被推薦ユーザの各サービスの利用度合いに応じた重みを該各サービス利用度合いに付与し、被推薦ユーザ用のランキングベクトルとして出力するアイテムランキング計算処理ステップと、
    隣接行列構築処理手段が、前記アイテム履歴データベースの情報を隣接行列として表す隣接行列構築処理ステップと、
    推薦アイテム予測処理手段が、前記隣接行列と前記ランキングベクトルを用いて推薦すべきアイテムを計算する推薦アイテム予測処理ステップと、
    を行うことを特徴とする情報推薦方法。
  5. 前記アイテムランキング計算処理ステップにおいて、
    前記アイテムランキングのベクトルを、前記アイテム履歴データベースにおける各サービス内のアイテムの出現頻度と被推薦ユーザの各サービスの利用頻度に基づく統計量から計算する
    請求項4に記載の情報推薦方法。
  6. 前記推薦アイテム予測処理ステップにおいて、
    前記アイテムランキング計算処理ステップにより取得した前記被推薦ユーザ用のランキングベクトルと、前記隣接行列構築処理ステップにより取得した前記隣接行列とを用いて推薦アイテムを決定する計算を行う
    請求項4に記載の情報推薦方法。
  7. コンピュータを、
    請求項1乃至3のいずれか1項に記載の情報推薦装置の手段として機能させるための情報推薦プログラム。
JP2011246847A 2011-11-10 2011-11-10 情報推薦装置及び方法及び装置及びプログラム Expired - Fee Related JP5662299B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2011246847A JP5662299B2 (ja) 2011-11-10 2011-11-10 情報推薦装置及び方法及び装置及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2011246847A JP5662299B2 (ja) 2011-11-10 2011-11-10 情報推薦装置及び方法及び装置及びプログラム

Publications (2)

Publication Number Publication Date
JP2013105213A JP2013105213A (ja) 2013-05-30
JP5662299B2 true JP5662299B2 (ja) 2015-01-28

Family

ID=48624729

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011246847A Expired - Fee Related JP5662299B2 (ja) 2011-11-10 2011-11-10 情報推薦装置及び方法及び装置及びプログラム

Country Status (1)

Country Link
JP (1) JP5662299B2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101985603B1 (ko) * 2017-11-27 2019-06-03 (주)프람트테크놀로지 삼분 그래프에 기반한 추천 방법

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6077984B2 (ja) * 2013-12-05 2017-02-08 日本電信電話株式会社 アイテム推薦装置、アイテム推薦方法、およびアイテム推薦プログラム
JP6865045B2 (ja) * 2017-01-24 2021-04-28 ヤフー株式会社 検索装置、検索方法及び検索プログラム
JP6362054B1 (ja) * 2017-04-14 2018-07-25 田中 洋一 情報提示サーバ、情報提示システム、情報提示方法および情報提示プログラム
JP7238315B2 (ja) * 2018-10-02 2023-03-14 富士フイルムビジネスイノベーション株式会社 情報処理装置、及び情報処理プログラム
CN110442977B (zh) * 2019-08-08 2023-09-29 广州华建工智慧科技有限公司 基于建筑施工工序网络推荐的移动端bim模型智能缓存方法
JP2021064226A (ja) * 2019-10-15 2021-04-22 ヤフー株式会社 情報処理装置、情報処理方法および情報処理プログラム
CN111402003B (zh) * 2020-03-13 2023-06-13 第四范式(北京)技术有限公司 实现用户相关推荐的系统和方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002279279A (ja) * 2001-03-22 2002-09-27 Just Syst Corp 商品推薦装置、商品推薦方法、及び商品推薦プログラム
JP2008204235A (ja) * 2007-02-21 2008-09-04 Hitachi Ltd 非類似アイテム推薦方法、推薦装置、及びプログラム
JP4524709B2 (ja) * 2007-12-03 2010-08-18 ソニー株式会社 情報処理装置および方法、並びに、プログラム
US8131732B2 (en) * 2008-06-03 2012-03-06 Nec Laboratories America, Inc. Recommender system with fast matrix factorization using infinite dimensions
JP5504595B2 (ja) * 2008-08-05 2014-05-28 株式会社リコー 情報処理装置、情報検索システム、情報処理方法およびプログラム
JP5003744B2 (ja) * 2009-10-27 2012-08-15 株式会社Jvcケンウッド サーバ装置、コミュニケーション支援方法、及びコミュニケーション支援プログラム
JP5527408B2 (ja) * 2010-04-28 2014-06-18 株式会社Jvcケンウッド アイテム選択装置、アイテム選択方法、およびアイテム選択用プログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101985603B1 (ko) * 2017-11-27 2019-06-03 (주)프람트테크놀로지 삼분 그래프에 기반한 추천 방법

Also Published As

Publication number Publication date
JP2013105213A (ja) 2013-05-30

Similar Documents

Publication Publication Date Title
JP5662299B2 (ja) 情報推薦装置及び方法及び装置及びプログラム
US11710054B2 (en) Information recommendation method, apparatus, and server based on user data in an online forum
US11714835B2 (en) Organizing survey text responses
US9589025B2 (en) Correlated information recommendation
Regis et al. Combining radial basis function surrogates and dynamic coordinate search in high-dimensional expensive black-box optimization
US9065727B1 (en) Device identifier similarity models derived from online event signals
US10936601B2 (en) Combined predictions methodology
US20130218907A1 (en) Recommender system
US9530024B2 (en) Recommendation system for protecting user privacy
MirHassani et al. Quantum binary particle swarm optimization-based algorithm for solving a class of bi-level competitive facility location problems
Zou et al. TrustRank: a Cold-Start tolerant recommender system
Wang et al. CROWN: a context-aware recommender for web news
JP6077984B2 (ja) アイテム推薦装置、アイテム推薦方法、およびアイテム推薦プログラム
Wu et al. Maximal marginal relevance-based recommendation for product customisation
US9594756B2 (en) Automated ranking of contributors to a knowledge base
CN106575418B (zh) 建议的关键词
Ren et al. Online choice decision support for consumers: Data-driven analytic hierarchy process based on reviews and feedback
US10162820B2 (en) Suggested keywords
JP2014115911A (ja) 情報推薦装置、情報推薦方法、及び情報推薦プログラム
JP5528388B2 (ja) 情報推薦装置及び方法及びプログラム
JPWO2011016281A1 (ja) ベイジアンネットワーク構造学習のための情報処理装置及びプログラム
JP5632506B1 (ja) 情報推薦装置、情報推薦方法及び情報推薦プログラム
JP5696114B2 (ja) 情報推薦装置及び方法及びプログラム
US20170344644A1 (en) Ranking news feed items using personalized on-line estimates of probability of engagement
JP2013156876A (ja) 推薦クエリ抽出装置及び方法及びプログラム

Legal Events

Date Code Title Description
RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20131004

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140225

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20140807

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140902

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20141014

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: 20141202

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20141204

R150 Certificate of patent or registration of utility model

Ref document number: 5662299

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees