JP5857049B2 - 単語のユーザー挙動数の予測 - Google Patents
単語のユーザー挙動数の予測 Download PDFInfo
- Publication number
- JP5857049B2 JP5857049B2 JP2013523233A JP2013523233A JP5857049B2 JP 5857049 B2 JP5857049 B2 JP 5857049B2 JP 2013523233 A JP2013523233 A JP 2013523233A JP 2013523233 A JP2013523233 A JP 2013523233A JP 5857049 B2 JP5857049 B2 JP 5857049B2
- Authority
- JP
- Japan
- Prior art keywords
- period
- data sequence
- training data
- prediction
- estimation
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
-
- 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
-
- 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
- G06Q30/00—Commerce
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Description
本願は、2010年8月2日に出願された中国特許出願第201010244565.6号「単語のユーザー挙動数を予測する方法および装置」に対する優先権を主張し、その全体を本明細書に援用する。
1.任意のt∈Nについて、EXt 2<+∽(数学的期待値の二乗が正の無限大より小さい)
2.任意のt∈Nについて、EXt=μ(数学的期待値が一定)
3.任意のt,s∈Nについて、E[(Xt−μ)(Xs−μ)]=γt-s(自己共分散関数が一定)
第二の主周期位置に対応する周期平均値:(2.1+2.2)/2=2.15
第一の主周期位置に対応する周期平均値:(3.1+2.9)/2=3
第一の主周期位置に対応する周期平均値:(3.9+4.1)/2=4
Claims (20)
- 単語のユーザー挙動数を予測する方法であって、前記方法は、
コンピュータ上のプロセッサが、前記単語と関連づけられた前記ユーザー挙動数の履歴データシーケンスを時間領域から周波数領域に変換するステップと、
前記プロセッサが、前記履歴データシーケンスの1つ以上の推定周期を確認するステップであって、前記1つ以上の推定周期の各々の実効レート値は前記履歴データシーケンスの前記周波数領域に基づく、ステップと、
前記プロセッサが、前記1つ以上の推定周期の各々および前記1つ以上の推定周期の各々の前記実効レート値に基づいて、前記履歴データシーケンスが安定しているか判定するステップと、
前記履歴データシーケンスが安定している場合、前記プロセッサが、予測点の前記ユーザー挙動数を、前記予測点よりも前の前記履歴データシーケンスの前記ユーザー挙動数の平均値に基づいて計算するステップと、
前記履歴データシーケンスが安定していない場合、前記プロセッサが、前記1つ以上の推定周期および前記1つ以上の推定周期の各々の前記実効レート値に基づいて、前記履歴データシーケンスの主周期および特異点を選択するステップと、
前記プロセッサが、前記選択された主周期および前記選択された特異点に基づいて、予測点の前記ユーザー挙動数を計算するステップと
を備えたことを特徴とする方法。 - 前記履歴データシーケンスが安定しているか判定するステップは、前記1つ以上の推定周期の各々の前記実効レート値が構成された実効レート閾値を超えているか判定するステップを含むことを特徴とする請求項1に記載の方法。
- 前記履歴データシーケンスの主周期および特異点を選択するステップは、
前記1つ以上の推定周期の第一の推定周期を前記主周期として選択するステップであって、前記推定周期は、構成された主周期範囲内にあり、かつ最大の実効レート値を有する、ステップと、
前記1つ以上の推定周期の別の推定周期を前記特異点として選択するステップであって、前記別の推定周期の1つの実効レート値は前記1つ以上の推定周期の中の他の推定周期の実効レート値より大きく、前記他の推定周期の中に前記第一の推定周期は含まれず、前記1つ以上の推定周期には複数の推定周期が含まれる、ステップと
を含むことを特徴とする請求項1に記載の方法。 - 前記選択された主周期および前記選択された特異点に基づいて、予測点の前記ユーザー挙動数を計算するステップは、
前記選択された特異点に対応する点よりも後の前記履歴データシーケンスの個別履歴データ点と関連づけられた1組のデータを含む訓練データシーケンスを形成するステップと、
前記訓練データシーケンスのモデルに基づいて前記予測点の前記ユーザー挙動数を計算するステップであって、前記モデルは時系列モデルを使用することによって作成されるステップと
を含むことを特徴とする請求項3に記載の方法。 - 前記選択された主周期および前記選択された特異点に基づいて、予測点の前記ユーザー挙動数を計算するステップは、
前記選択された特異点に対応する履歴データ点よりも後の前記履歴データシーケンスの個別履歴データ点と関連づけられた1組のデータを含む第一の訓練データシーケンスを形成するステップと、
前記第一の訓練データシーケンスの1組の第一の訓練データを平均化することによって周期平均値を得るステップであって、前記1組の第一の訓練データの各々は1つ以上の主周期位置に対応する、ステップと、
前記1組の第一の訓練データの各々から前記周期平均値を減算することによって1組の第二の訓練データを算出するステップと、
前記1組の第二の訓練データを含む無周期の第二の訓練データシーケンスを形成するステップと、
前記第二の訓練データシーケンスのモデルに基づいて無周期の前記予測点の1つのユーザー挙動数を計算するステップであって、前記モデルは時系列モデルを使用することによって作成される、ステップと、
前記1つのユーザー挙動数と前記1つ以上の主周期位置の中の1つに対応する前記周期平均値を加算することによって前記予測点の前記ユーザー挙動数を算出するステップと
を含むことを特徴とする請求項1に記載の方法。 - 前記予測点の前記ユーザー挙動数の偏差が構成された偏差閾値を超えているという判定後に、前記プロセッサが、無周期の前記第二の訓練データシーケンスの訓練データの平均値を、無周期の前記予測点の前記1つのユーザー挙動数として選択するステップをさらに備え、前記訓練データは前記予測点よりも前の1つの主周期と関連づけられていることを特徴とする請求項5に記載の方法。
- 前記履歴データシーケンスを前記時間領域から前記周波数領域に変換するステップは、高速フーリエ変換(FFT)またはウェーブレット変換を使用して変換するステップを含むことを特徴とする請求項1に記載の方法。
- 前記単語のユーザー挙動数は、前記単語のトラフィックまたはクリックレートを含むことを特徴とする請求項1に記載の方法。
- 単語のユーザー挙動数を予測する装置であって、
前記単語のユーザー挙動数の履歴データシーケンスを時間領域から周波数領域に変換するための変換ユニットと、
前記履歴データシーケンスの前記周波数領域に基づいて、前記履歴データシーケンスの1つ以上の推定周期および1つ以上の推定周期の各々の実効レート値を決定するための決定ユニットと、
前記1つ以上の推定周期の各々および前記1つ以上の推定周期の各々の前記実効レート値に基づいて、前記履歴データシーケンスが安定しているか判定するための判定ユニットと、
前記履歴データシーケンスが安定している場合、予測点の前記ユーザー挙動数を、前記予測点よりも前の前記履歴データシーケンスのユーザー挙動数の平均値に基づいて計算するための第一の予測ユニットと、
前記履歴データシーケンスが安定していない場合、前記1つ以上の推定周期の各々および前記1つ以上の推定周期の各々の前記実効レート値に基づいて、前記履歴データシーケンスの主周期および特異点を選択するための選択ユニットと、
前記選択された主周期および前記選択された特異点に基づいて予測点の前記ユーザー挙動数を計算するための第二の予測ユニットと
を備えたことを特徴とする装置。 - 前記選択ユニットが、
構成された主周期範囲を格納するための格納サブユニットと、
前記1つ以上の推定周期の第一の推定周期を前記主周期として選択するための第一の選択サブユニットであって、前記第一の推定周期は、前記構成された主周期範囲内にあり、かつ最大の実効レート値を有する、第一の選択サブユニットと、
前記1つ以上の推定周期の第二の推定周期を前記特異点として選択するための第二の選択サブユニットとを含み、
前記第二の推定周期の1つの実効レート値は前記1つ以上の推定周期の中の他の推定周期の実効レート値より大きく、前記他の推定周期には前記第一の推定周期が含まれず、前記1つ以上の推定周期には複数の推定周期が含まれることを特徴とする請求項9に記載の装置。 - 前記第二の予測ユニットが、
前記選択された特異点に対応する履歴データ点よりも後の前記履歴データシーケンスの個別履歴データ点と関連づけられた1組のデータを含む訓練データシーケンスを形成するための選択サブユニットと、
前記訓練データシーケンスのモデルに基づいて前記予測点の前記ユーザー挙動数を計算するための予測サブユニットとを含み、
前記モデルは時系列モデルを使用することによって作成されることを特徴とする請求項9に記載の装置。 - 前記第二の予測ユニットが、
前記選択された特異点に対応する点よりも後の前記履歴データシーケンスの個別履歴データ点と関連づけられた1組のデータを含む第一の訓練データシーケンスを形成するための選択サブユニットと、
前記第一の訓練データシーケンスの1組の第一の訓練データを平均化することによって周期平均値を得るための演算サブユニットであって、前記1組の第一の訓練データの各々は1つ以上の主周期位置に対応する、演算サブユニットと、
前記訓練データシーケンスの各訓練データから個別の主周期位置に対応する周期平均値を減算することによって無周期の第二の訓練データシーケンスを算出し、前記1組の第二の訓練データを含む無周期の第二の訓練データシーケンスを形成するための周期除去プロセスサブユニットと、
前記訓練データシーケンスのモデルに基づいて、無周期の前記予測点の1つのユーザー挙動数を計算するための予測サブユニットであって、前記モデルは時系列モデルを使用することによって作成される、予測サブユニットと、
前記1つのユーザー挙動数と前記1つ以上の主周期位置の中の1つに対応する前記周期平均値を加算することによって前記予測点の前記ユーザー挙動数を算出するための周期復元プロセスサブユニットとを含むことを特徴とする請求項9に記載の装置。 - 前記第二の予測ユニットが、
前記予測点の前記挙動数の偏差が構成された偏差閾値を超えているという判定後に、無周期の前記第二の訓練データシーケンスの訓練データの平均値を、無周期の前記予測点の前記1つのユーザー挙動数として設定するための再予測サブユニットを含み、前記訓練データは、前記予測点よりも前の1つの主周期と関連づけされていることを特徴とする請求項12に記載の装置。 - 単語のユーザー挙動数を予測するように構成されたコンピュータ実行可能命令を有するコンピュータ可読記憶媒体であって、前記命令はコンピュータ上のプロセッサによる実行時に処理動作を実行するように構成されており、前記処理動作は、
前記単語と関連づけられた前記ユーザー挙動数の履歴データシーケンスを時間領域から周波数領域に変換することと、
前記履歴データシーケンスの前記周波数領域に基づいて、前記履歴データシーケンスの1つ以上の推定周期および前記1つ以上の推定周期の各々の実効レート値を確認することと、
前記1つ以上の推定周期の各々および前記1つ以上の推定周期の各々の前記実効レート値に基づいて、前記履歴データシーケンスが安定しているか判定することと、
前記履歴データシーケンスが安定している場合、予測点の前記ユーザー挙動数を、前記予測点よりも前の前記履歴データシーケンスの前記ユーザー挙動数の平均値に基づいて計算することと、
前記履歴データシーケンスが安定していない場合、
前記1つ以上の推定周期および前記1つ以上の推定周期の各々の前記実効レート値に基づいて、前記履歴データシーケンスの主周期および特異点を選択することと、
前記選択された主周期および前記選択された特異点に基づいて、予測点の前記ユーザー挙動数を計算することとを含むことを特徴とするコンピュータ可読記憶媒体。 - 前記履歴データシーケンスが安定しているか判定することは、前記1つ以上の推定周期の各々の前記実効レート値が構成された実効レート閾値を超えているか判定することを含むことを特徴とする請求項14に記載のコンピュータ可読記憶媒体。
- 前記履歴データシーケンスの主周期および特異点の選択が、
前記1つ以上の推定周期の第一の推定周期を前記主周期として選択することであって、前記推定周期は、構成された主周期範囲内にあり、かつ最大の実効レート値を有することと、
前記1つ以上の推定周期の中の別の推定周期を前記特異点として選択することとを含み、
前記別の推定周期の1つの実効レート値は、前記1つ以上の推定周期の中の他の推定周期の実効レート値より大きく、前記他の推定周期には前記第一の推定周期が含まれず、前記1つ以上の推定周期には複数の推定周期が含まれることを特徴とする請求項14に記載のコンピュータ可読記憶媒体。 - 前記選択された主周期および前記選択された特異点に基づいて予測点の前記ユーザー挙動数を計算することが、
前記選択された特異点に対応する点よりも後の前記履歴データシーケンスの個別履歴データ点と関連づけられた1組のデータを含む訓練データシーケンスを形成することと、
前記訓練データシーケンスのモデルに基づいて前記予測点の前記ユーザー挙動数を計算することとを含み、
前記モデルは時系列モデルを使用することによって作成されることを特徴とする請求項16に記載のコンピュータ可読記憶媒体。 - 前記選択された主周期および前記選択された特異点に基づいて予測点の前記ユーザー挙動数を計算することが、
前記選択された特異点に対応する履歴データ点よりも後の前記履歴データシーケンスの個別履歴データ点と関連づけられた1組のデータを含む第一の訓練データシーケンスを形成することと、
前記第一の訓練データシーケンスの1組の第一の訓練データを平均化することによって周期平均値を得ることであって、前記1組の第一の訓練データの各々は1つ以上の主周期位置に対応することと、
前記1組の第一の訓練データの各々から前記周期平均値を減算することによって1組の第二の訓練データを算出することと、
前記1組の第二の訓練データを含む無周期の第二の訓練データシーケンスを形成することと、
前記第二の訓練データシーケンスのモデルに基づいて、無周期の前記予測点の1つのユーザー挙動数を計算することであって、前記モデルは時系列モデルを使用することによって作成されることと、
前記1つのユーザー挙動数と前記1つ以上の主周期位置の中の1つに対応する前記周期平均値を加算することによって前記予測点の前記ユーザー挙動数を算出することとを含むことを特徴とする請求項14に記載のコンピュータ可読記憶媒体。 - 前記履歴データシーケンスの前記時間領域から前記周波数領域への変換は、高速フーリエ変換(FFT)またはウェーブレット変換を使用して変換することを含むことを特徴とする請求項14に記載のコンピュータ可読記憶媒体。
- 前記単語のユーザー挙動数は、前記単語のトラフィックまたはクリックレートを含むことを特徴とする請求項14に記載のコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010244565.6 | 2010-08-02 | ||
CN201010244565.6A CN102346745B (zh) | 2010-08-02 | 2010-08-02 | 单词的用户行为数的预测方法和装置 |
PCT/US2011/045981 WO2012018694A1 (en) | 2010-08-02 | 2011-07-29 | Predicting a user behavior number of a word |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013541063A JP2013541063A (ja) | 2013-11-07 |
JP5857049B2 true JP5857049B2 (ja) | 2016-02-10 |
Family
ID=45545429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013523233A Expired - Fee Related JP5857049B2 (ja) | 2010-08-02 | 2011-07-29 | 単語のユーザー挙動数の予測 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8849738B2 (ja) |
EP (1) | EP2601622A4 (ja) |
JP (1) | JP5857049B2 (ja) |
CN (1) | CN102346745B (ja) |
HK (1) | HK1163864A1 (ja) |
WO (1) | WO2012018694A1 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9444825B2 (en) * | 2014-08-11 | 2016-09-13 | Empire Technology Development Llc | Continuous user authentication |
CN106034246A (zh) | 2015-03-19 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 一种基于用户操作行为的服务提供方法及装置 |
CN106257507B (zh) * | 2015-06-18 | 2021-09-24 | 创新先进技术有限公司 | 用户行为的风险评估方法及装置 |
CN105162643B (zh) * | 2015-06-30 | 2018-04-27 | 天津车之家科技有限公司 | 流量预估的方法、装置及计算设备 |
CN106339510B (zh) * | 2016-10-28 | 2019-12-06 | 北京百度网讯科技有限公司 | 基于人工智能的点击预估方法及装置 |
CN108235360B (zh) * | 2016-12-22 | 2021-08-06 | 上海掌门科技有限公司 | 甄别用户的方法及设备 |
CN107491830B (zh) * | 2017-07-03 | 2021-03-26 | 北京奇艺世纪科技有限公司 | 一种时间序列曲线的处理方法和装置 |
CN107463904B (zh) * | 2017-08-08 | 2021-05-25 | 网宿科技股份有限公司 | 一种确定事件周期值的方法及装置 |
CN110020739B (zh) * | 2018-01-10 | 2024-03-05 | 京东科技控股股份有限公司 | 用于数据处理的方法、装置、电子设备及计算机可读介质 |
US11501765B2 (en) * | 2018-11-05 | 2022-11-15 | Dish Network L.L.C. | Behavior detection |
CN111222203B (zh) * | 2018-11-08 | 2024-05-10 | 上海仪电(集团)有限公司中央研究院 | 一种轴承使用寿命模型创建及其预测方法 |
US11734585B2 (en) * | 2018-12-10 | 2023-08-22 | International Business Machines Corporation | Post-hoc improvement of instance-level and group-level prediction metrics |
CN113627696A (zh) * | 2020-05-06 | 2021-11-09 | 中兴通讯股份有限公司 | 一种监测数据模态改变的方法、装置、设备及存储介质 |
CN111639011B (zh) * | 2020-06-11 | 2023-05-12 | 支付宝(杭州)信息技术有限公司 | 一种数据监控方法、装置及设备 |
CN112862195B (zh) * | 2021-02-19 | 2023-06-20 | 金陵科技学院 | 基于sft-als的时间序列粉丝涨幅预测方法 |
CN113537297B (zh) * | 2021-06-22 | 2023-07-28 | 同盾科技有限公司 | 一种行为数据预测方法及装置 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06274470A (ja) * | 1993-03-19 | 1994-09-30 | Mitsubishi Electric Corp | 予測装置 |
JPH07306846A (ja) * | 1994-05-13 | 1995-11-21 | Nippon Telegr & Teleph Corp <Ntt> | 時系列データ予測方法 |
US6801945B2 (en) | 2000-02-04 | 2004-10-05 | Yahoo ! Inc. | Systems and methods for predicting traffic on internet sites |
US6904408B1 (en) | 2000-10-19 | 2005-06-07 | Mccarthy John | Bionet method, system and personalized web content manager responsive to browser viewers' psychological preferences, behavioral responses and physiological stress indicators |
JP2002351897A (ja) * | 2001-05-22 | 2002-12-06 | Fujitsu Ltd | 情報利用頻度予測プログラム、情報利用頻度予測装置および情報利用頻度予測方法 |
KR100458459B1 (ko) | 2004-01-27 | 2004-11-26 | 엔에이치엔(주) | 검색자의 검색 요청에 응답하여 검색 결과 목록을생성하고 검색어 광고를 제공하는 방법 및 검색어 광고제공 시스템 |
US9820658B2 (en) | 2006-06-30 | 2017-11-21 | Bao Q. Tran | Systems and methods for providing interoperability among healthcare devices |
JP4343806B2 (ja) * | 2004-09-22 | 2009-10-14 | キヤノンItソリューションズ株式会社 | 予測装置及び予測方法並びにプログラム |
JP4505589B2 (ja) * | 2005-03-15 | 2010-07-21 | 独立行政法人産業技術総合研究所 | 周期判定装置、周期判定方法および周期判定プログラム |
US7739143B1 (en) | 2005-03-24 | 2010-06-15 | Amazon Technologies, Inc. | Robust forecasting techniques with reduced sensitivity to anomalous data |
US7676521B2 (en) | 2006-03-31 | 2010-03-09 | Microsoft Corporation | Keyword search volume seasonality forecasting engine |
US7987261B2 (en) | 2007-07-31 | 2011-07-26 | Yahoo! Inc. | Traffic predictor for network-accessible information modules |
GB2456894A (en) * | 2008-01-30 | 2009-08-05 | Ibm | Harmonic analysis of computer workload |
US20090254397A1 (en) | 2008-04-07 | 2009-10-08 | Yahoo! Inc. | System and method for optimizing online keyword auctions subject to budget and estimated query volume constraints |
US8738436B2 (en) * | 2008-09-30 | 2014-05-27 | Yahoo! Inc. | Click through rate prediction system and method |
US8001131B2 (en) | 2008-12-17 | 2011-08-16 | Demand Media Inc. | Method and system for ranking of keywords for profitability |
US20110082742A1 (en) | 2009-03-20 | 2011-04-07 | Adgooroo, Llc | Methods and apparatus for estimating advertisement impressions and advertiser search share |
US8572376B2 (en) | 2009-03-27 | 2013-10-29 | Bank Of America Corporation | Decryption of electronic communication in an electronic discovery enterprise system |
US20100250335A1 (en) | 2009-03-31 | 2010-09-30 | Yahoo! Inc | System and method using text features for click prediction of sponsored search advertisements |
CN101562534B (zh) * | 2009-05-26 | 2011-12-14 | 中山大学 | 一种网络行为分析系统 |
US20100306161A1 (en) | 2009-05-29 | 2010-12-02 | Yahoo! Inc. | Click through rate prediction using a probabilistic latent variable model |
US20110231241A1 (en) | 2010-03-18 | 2011-09-22 | Yahoo! Inc. | Real-time personalization of sponsored search based on predicted click propensity |
-
2010
- 2010-08-02 CN CN201010244565.6A patent/CN102346745B/zh active Active
-
2011
- 2011-07-29 US US13/318,439 patent/US8849738B2/en active Active
- 2011-07-29 WO PCT/US2011/045981 patent/WO2012018694A1/en active Application Filing
- 2011-07-29 EP EP11815119.0A patent/EP2601622A4/en not_active Withdrawn
- 2011-07-29 JP JP2013523233A patent/JP5857049B2/ja not_active Expired - Fee Related
-
2012
- 2012-05-02 HK HK12104270.9A patent/HK1163864A1/xx not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
EP2601622A1 (en) | 2013-06-12 |
US8849738B2 (en) | 2014-09-30 |
WO2012018694A1 (en) | 2012-02-09 |
EP2601622A4 (en) | 2014-03-05 |
HK1163864A1 (en) | 2012-09-14 |
JP2013541063A (ja) | 2013-11-07 |
US20130144822A1 (en) | 2013-06-06 |
CN102346745B (zh) | 2014-04-02 |
CN102346745A (zh) | 2012-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5857049B2 (ja) | 単語のユーザー挙動数の予測 | |
US9696786B2 (en) | System and method for optimizing energy consumption by processors | |
US10318874B1 (en) | Selecting forecasting models for time series using state space representations | |
KR102498093B1 (ko) | 사용자 디바이스 식별을 위한 방법 및 시스템 | |
JP6815708B2 (ja) | インフルエンザ予測モデルの生成方法、装置及びコンピュータ可読記憶媒体 | |
JP5952724B2 (ja) | 人流調査支援システム及び方法 | |
JP2017021772A (ja) | コピュラ理論に基づく特徴選択 | |
US10394600B2 (en) | Systems and methods for caching task execution | |
US20200234132A1 (en) | Compound model scaling for neural networks | |
WO2018229877A1 (ja) | 仮説推論装置、仮説推論方法、及びコンピュータ読み取り可能な記録媒体 | |
EP2671152A1 (en) | Estimating a performance characteristic of a job using a performance model | |
CN113254472B (zh) | 一种参数配置方法、装置、设备及可读存储介质 | |
JP2022500768A (ja) | 熱負荷予測方法、装置、読み取り可能な媒体及び電子機器 | |
US20150012629A1 (en) | Producing a benchmark describing characteristics of map and reduce tasks | |
JP5803469B2 (ja) | 予測方法及び予測プログラム | |
US20170132045A1 (en) | Load estimation system, information processing device, load estimation method, and storage medium for storing program | |
WO2013184680A1 (en) | Automatic parallel performance profiling systems and methods | |
JP2018101201A (ja) | 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法 | |
CN110928636A (zh) | 虚拟机热迁移方法、装置和设备 | |
TWI503675B (zh) | The method of predicting the number of user actions of the word and the device | |
US11636377B1 (en) | Artificial intelligence system incorporating automatic model updates based on change point detection using time series decomposing and clustering | |
US20150169628A1 (en) | Location detection from queries using evidence for location alternatives | |
CN115526402A (zh) | 指标预测方法、装置、电子设备及存储介质 | |
CN114866563A (zh) | 扩容方法、装置、系统和存储介质 | |
JP2012118872A (ja) | 性能予測装置、性能予測方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140729 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150721 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151021 |
|
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: 20151117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5857049 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |