JP5930989B2 - 生活関連量の決定木を用いてユーザ属性を推定するユーザ属性推定プログラム、装置及び方法 - Google Patents
生活関連量の決定木を用いてユーザ属性を推定するユーザ属性推定プログラム、装置及び方法 Download PDFInfo
- Publication number
- JP5930989B2 JP5930989B2 JP2013039354A JP2013039354A JP5930989B2 JP 5930989 B2 JP5930989 B2 JP 5930989B2 JP 2013039354 A JP2013039354 A JP 2013039354A JP 2013039354 A JP2013039354 A JP 2013039354A JP 5930989 B2 JP5930989 B2 JP 5930989B2
- Authority
- JP
- Japan
- Prior art keywords
- user attribute
- unit
- user
- period
- 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.)
- Active
Links
- 238000003066 decision tree Methods 0.000 title claims description 96
- 238000000034 method Methods 0.000 title claims description 26
- 240000003243 Thuja occidentalis Species 0.000 title 1
- 230000006870 function Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 description 18
- 238000013500 data storage Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007637 random forest analysis Methods 0.000 description 5
- 230000007774 longterm Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000007636 ensemble learning method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
単位期間における生活関連量のデータである単位期間データと、この単位期間データに係るユーザのユーザ属性値との組を教師データとして含む教師データセットから、複数のサブセットを生成するサブセット生成手段と、
生成されたサブセット毎に、当該サブセットにおける単位期間データについての分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成する決定木生成手段と、
所定の推定期間における推定対象データを構成する単位期間データであって、この推定期間を構成する複数の単位期間の各々において取得された単位期間データを、生成された複数の決定木に入力し、これら決定木の各々における到達先となった葉ノードに対応付けられたユーザ属性値に基づいて、単位ユーザ属性推定値を決定する単位属性推定手段と、
この推定期間を構成する複数の単位期間の各々について決定された単位ユーザ属性推定値に基づいて、この推定期間におけるユーザ属性推定値を決定するユーザ属性推定手段と
してコンピュータを機能させるユーザ属性推定プログラムが提供される。
サブセット生成手段は、単位期間を構成する複数の時間帯の各々における生活関連量のデータ値が形成する生活関連ベクトルと、この生活関連ベクトルに係るユーザのユーザ属性値との組を教師データとして含む教師データセットから複数のサブセットを生成し、
決定木生成手段は、生成されたサブセット毎に、生活関連ベクトルにおける1つの次元要素が分岐閾値以上であるか否かを判定する分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成することも好ましい。
決定木生成手段は、ユーザにおけるユーザ属性の正解値が取得された際、ユーザに係る単位期間データとユーザ属性正解値との組を用い、分岐判定式による学習の結果として葉ノードにユーザ属性正解値が対応付けられた決定木を生成し、生成されたこの決定木をもって既に生成された決定木を更新することも好ましい。
単位期間における生活関連量のデータである単位期間データと、この単位期間データに係るユーザのユーザ属性値との組を教師データとして含む教師データセットから、複数のサブセットを生成するサブセット生成手段と、
生成されたサブセット毎に、当該サブセットにおける単位期間データについての分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成する決定木生成手段と、
所定の推定期間における推定対象データを構成する単位期間データであって、この推定期間を構成する複数の単位期間の各々において取得された単位期間データを、生成された複数の決定木に入力し、これら決定木の各々における到達先となった葉ノードに対応付けられたユーザ属性値に基づいて、単位ユーザ属性推定値を決定する単位属性推定手段と、
この推定期間を構成する複数の単位期間の各々について決定された単位ユーザ属性推定値に基づいて、この推定期間におけるユーザ属性推定値を決定するユーザ属性推定手段と
を有するユーザ属性推定装置が提供される。
単位期間における生活関連量のデータである単位期間データと、この単位期間データに係るユーザのユーザ属性値との組を教師データとして含む教師データセットから、複数のサブセットを生成する第1のステップと、
生成されたサブセット毎に、当該サブセットにおける単位期間データについての分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成する第2のステップと、
所定の推定期間における推定対象データを構成する単位期間データであって、この推定期間を構成する複数の単位期間の各々において取得された単位期間データを、生成された複数の決定木に入力し、これら決定木の各々における到達先となった葉ノードに対応付けられたユーザ属性値に基づいて、単位ユーザ属性推定値を決定する第3のステップと、
この推定期間を構成する複数の単位期間の各々について決定された単位ユーザ属性推定値に基づいて、この推定期間におけるユーザ属性推定値を決定する第4のステップと
を有するユーザ属性推定方法が提供される。
図1は、本発明によるユーザ属性推定装置の一実施形態における機能構成図である。同図では、ユーザ属性推定装置1を含むユーザ属性推定システムも示されている。
(ア)推定の際の単位期間を、生活関連量について短い周期性が見込まれる期間に設定し、単位期間データを、この単位期間における生活関連量のデータとする。本実施形態では、単位期間は1日間であり、単位期間データは、1日における電力消費量である。また、
(イ)世帯人数(ユーザ属性)を推定する際に使用されるデータの期間である推定期間を、生活関連量について長い周期性が見込まれる長周期期間と一致する期間、又はこの長周期期間を含む期間に設定する。本実施形態では、推定期間は、1週間(長周期期間)である。
(a)1日(単位期間)における電力消費量データと、電力消費量データに係るユーザの世帯人数との組を教師データとして含む「教師データセット」から、複数のサブセットを生成し、
(b)生成されたサブセット毎に、サブセットにおける電力消費量データについての「分岐判定式」が根ノード及び内部ノードの各々において規定された決定木であって、「分岐判定式」による学習の結果として葉ノードに世帯人数(の値)が対応付けられた「決定木」を生成する。この「決定木」の生成は、アンサンブル学習法としてのランダムフォレスト(Random forest)法に基づくことが好ましい。
(c)推定対象データである1週間(推定期間)における電力消費量データを構成する、複数の単位期間(1日)の各々において取得された電力消費量データを、生成された複数の「決定木」に入力し、「決定木」の各々における到達先となった葉ノードに対応付けられた世帯人数に基づいて、単位世帯人数値(単位ユーザ属性推定値)を決定する。次いで、
(d)決定された単位世帯人数値に基づいて、当該1週間(推定期間)における世帯人数推定値を決定する。この際、単位世帯人数値を集計し、最頻となる値を世帯人数推定値に決定することも好ましい。
(a)教師データ蓄積部101に蓄積された教師データセットから、複数のサブセットを生成するサブセット生成部110aと、
(b)生成されたサブセット毎に、当該サブセットにおける1日での電力消費量データについての分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成する決定木生成部110bと
を有する。ここで、決定木生成部110bは、分岐判定式を情報利得Iの計算から導出する判定式生成部110bjを含むことも好ましい。
(a)1週間(推定期間)における電力消費量データ(推定対象データ)を構成する1日(単位期間)での電力消費量データであって、この1週間(推定期間)を構成する複数日(複数の単位期間)の各々において取得された電力消費量データを、生成された複数の決定木に入力し、次いで、
(b)決定木の各々における到達先となった葉ノードに対応付けられた世帯人数(ユーザ属性)値に基づいて、単位世帯人数推定値(単位ユーザ属性推定値)を決定する。
図2は、本発明によるユーザ属性推定方法における学習フローの一実施形態を示す概略図である。
(a)単位期間(1日)における生活関連量(電力消費量)のデータである単位期間データと、
(b)この単位期間データに係るユーザのユーザ属性(世帯人数)値と
の組を教師データとして含む集合である。教師データセットは、例えば1000個(1000世帯分)の教師データを構成要素とすることができる。
このサブセットでの単位期間データ(24次元電力消費量ベクトル)についての「分岐判定式」が根ノード及び内部ノードの各々で規定された<決定木>
を生成する。この<決定木>は、アンサンブル学習法としてのランダムフォレスト法で規定される決定木とすることができ、「分岐判定式」による学習の結果として葉ノードにユーザ属性値が対応付けられる。決定木は、サブセットの数だけ生成され、例えばサブセットが10個生成された際、各サブセットに対応して10個生成される。
(1) W(a,b)≧ξi
とすることも好ましい。この場合、「分岐判定式」に使用される次元要素W(a,b)及び分岐閾値ξiの選択においては、情報量基準(エントロピー)を採用し、分割前後でのエントロピーHの差に相当する情報利得Iを最大とする次元要素(に係る時間帯)及び分岐閾値の組が選択される。
(2) H(S)=−Σp(ci)・log(p(ci))
ここで、Σはciについての総和(summation)であり、p(ci)は、クラスラベルciをとる確率である。本実施形態では、クラスラベルciは世帯人数であり、例えば、c1=1(人)、c2=2(人)、・・・とすることができる。尚、式(2)で使用される対数(log)の底の値の設定に決まりは存在しない(後の計算では底を3に設定している)。この底の値の違いは、エントロピーH値の定数倍の違いとなるだけであり、本質的な差とはならない。
(3) I=H(S)―Σ|Sj|・H(Sj)/|S|
と表される。ここで、Σは、j(=1,2)についての総和である。
0〜8時電力消費量:1.05, 1.15, 1.6, 2.05
8〜16時電力消費量:2.05, 2.15, 2.6, 3.05
16〜24時電力消費量:3.05, 3.15, 3.25, 3.65
となる。
H(S)=−2/5×log3(2/5)−2/5×log3(2/5)−1/5×log3(1/5)
≒0.960
となる。ここで、上式(3)を用いて、分岐閾値候補毎に情報利得Iを算出し、I値を比較する。その結果、情報利得Iを最大とする分割は、8〜16時での電力消費量W(8,16)において分岐閾値が2.6となる場合であることが分かる。即ち、分岐判定式は、
(4) W(8,16)≧2.6
となる。
S1={データ1,データ4,データ5}であって、
S2={データ2,データ3}である。
ここで、
H(S1)=−2/3×log3(2/3)−0/3×log3(0/3)−1/3×log3(1/3)≒0.579
H(S2)=−0/2×log3(0/2)−2/2×log3(2/2)−0/2×log3(0/2)=0
であるから、情報利得Iは、
I=0.960−(0.579×3/5+0×2/5)=0.613
となる。
図3は、本発明によるユーザ属性推定方法における判別フロー第1段階の一実施形態を示す概略図である。
T1→3人世帯,T2→3人世帯,T3→4人世帯,・・・,Tnt→3人世帯
が取得される。
2/1→3人世帯,2/2→3人世帯,2/3→3人世帯,2/4→3人世帯,
2/5→5人世帯,2/6→4人世帯,2/7→3人世帯
となっており、世帯人数推定値は、これらの値のうちの最頻値、即ち3(人)となる。
(a)短期的な(単位期間での)生活関連量データの特徴から単位ユーザ属性を推定する第1段階と、
(b)推定された単位ユーザ属性に基づいて長期的な(推定期間=(連続した複数の単位期間)での)ユーザ属性を推定する第2段階と
をもって構成される。
図5は、本発明によるユーザ属性推定方法の一実施形態を示すフローチャートである。
(S500)教師データセットを取得する。
(S501)教師データセットからnt個のサブセットを生成する。
(S502)nt個のサブセットの各々から根ノード及び内部ノードでの分岐判定式を決定して、nt個の決定木を生成する。
(S503)生成されたnt個の決定木の各々に、推定対象データを構成する単位期間データを入力する。
(S504)各決定木において到達した葉ノードに対応付けられたユーザ属性値(計nt個)から単位ユーザ属性推定値を決定する。この際、nt個のユーザ属性値における最頻値を単位ユーザ属性推定値とする。即ち、多数決によって単位ユーザ属性推定値を決定する。
(S505)推定期間を構成する各単位期間における単位ユーザ属性推定値から推定期間におけるユーザ属性推定値を決定する。この際、単位期間における生活関連量の突発的な変動によるユーザ属性推定への影響を解消すべく、複数の単位期間の各々について決定された単位ユーザ属性推定値のうちの最頻値を、ユーザ属性推定値に決定する。即ち、多数決によってユーザ属性推定値を決定する。
本発明によるユーザ属性推定プログラムの一実施形態として、短期的推定(a)に用いる決定木の更新について説明する。
100 通信インタフェース部
101 教師データ蓄積部
102 申告データ蓄積部
103 推定対象データ蓄積部
104 推定属性蓄積部
105 表示部
110 ユーザ属性学習部
110a サブセット生成部
110b 判定木生成部
110bj 判定式生成部
111 単位属性推定部
112 ユーザ属性推定部
120 通信・制御部
121 表示制御部
2 事業者通信網
3 インターネット
4ユーザ情報管理装置
Claims (10)
- ユーザの生活に関連する生活関連量に基づいて当該ユーザのユーザ属性を推定する装置に搭載されたコンピュータを機能させるユーザ属性推定プログラムであって、
単位期間における生活関連量のデータである単位期間データと、当該単位期間データに係るユーザのユーザ属性値との組を教師データとして含む教師データセットから、複数のサブセットを生成するサブセット生成手段と、
生成された当該サブセット毎に、当該サブセットにおける単位期間データについての分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、当該分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成する決定木生成手段と、
所定の推定期間における推定対象データを構成する単位期間データであって、当該推定期間を構成する複数の単位期間の各々において取得された単位期間データを、生成された複数の当該決定木に入力し、当該決定木の各々における到達先となった葉ノードに対応付けられたユーザ属性値に基づいて、単位ユーザ属性推定値を決定する単位属性推定手段と、
当該推定期間を構成する複数の単位期間の各々について決定された単位ユーザ属性推定値に基づいて、当該推定期間におけるユーザ属性推定値を決定するユーザ属性推定手段と
してコンピュータを機能させることを特徴とするユーザ属性推定プログラム。 - 前記サブセット生成手段は、当該単位期間を構成する複数の時間帯の各々における当該生活関連量のデータ値が形成する生活関連ベクトルと、当該生活関連ベクトルに係るユーザのユーザ属性値との組を教師データとして含む教師データセットから複数のサブセットを生成し、
前記決定木生成手段は、生成された当該サブセット毎に、当該生活関連ベクトルにおける1つの次元要素が分岐閾値以上であるか否かを判定する分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、当該分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成する
ことを特徴とする請求項1に記載のユーザ属性推定プログラム。 - 前記決定木生成手段は、当該分岐判定式に使用される当該次元要素及び当該分岐閾値を、分岐前後でのエントロピーの差に相当する情報利得が最大となるように設定することを特徴とする請求項2に記載のユーザ属性推定プログラム。
- 前記ユーザ属性推定手段は、当該単位期間における当該生活関連量の突発的な変動による当該ユーザ属性推定への影響を解消すべく、当該推定期間を構成する複数の単位期間の各々について決定された単位ユーザ属性推定値のうちの最頻値をユーザ属性推定値に決定することを特徴とする請求項1から3のいずれか1項に記載のユーザ属性推定プログラム。
- 前記単位属性推定手段は、当該単位期間データを入力した当該決定木の各々における到達先となった葉ノードに対応付けられたユーザ属性値のうちの最頻値を、単位ユーザ属性推定値に決定することを特徴とする請求項1から4のいずれか1項に記載のユーザ属性推定プログラム。
- 当該生活関連量は世帯における電力消費量であり、当該ユーザ属性は当該世帯における世帯人数であることを特徴とする請求項1から5のいずれか1項に記載のユーザ属性推定プログラム。
- 当該単位期間は、当該生活関連量について短い周期性が見込まれる期間に設定され、当該所定の推定期間は、当該生活関連量について長い周期性が見込まれる長周期期間と一致する期間、又は当該長周期期間を含む期間に設定されることを特徴とする請求項1から6のいずれか1項に記載のユーザ属性推定プログラム。
- 前記決定木生成手段は、
ユーザにおけるユーザ属性の正解値が取得された際、当該ユーザに係る単位期間データと、当該ユーザ属性正解値との組を用い、当該分岐判定式による学習の結果として葉ノードに当該ユーザ属性正解値が対応付けられた決定木を生成し、生成された当該決定木をもって既に生成された決定木を更新する
ことを特徴とする請求項1から7のいずれか1項に記載のユーザ属性推定プログラム。 - ユーザの生活に関連する生活関連量に基づいて当該ユーザのユーザ属性を推定するユーザ属性推定装置であって、
単位期間における生活関連量のデータである単位期間データと、当該単位期間データに係るユーザのユーザ属性値との組を教師データとして含む教師データセットから、複数のサブセットを生成するサブセット生成手段と、
生成された当該サブセット毎に、当該サブセットにおける単位期間データについての分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、当該分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成する決定木生成手段と、
所定の推定期間における推定対象データを構成する単位期間データであって、当該推定期間を構成する複数の単位期間の各々において取得された単位期間データを、生成された複数の当該決定木に入力し、当該決定木の各々における到達先となった葉ノードに対応付けられたユーザ属性値に基づいて、単位ユーザ属性推定値を決定する単位属性推定手段と、
当該推定期間を構成する複数の単位期間の各々について決定された単位ユーザ属性推定値に基づいて、当該推定期間におけるユーザ属性推定値を決定するユーザ属性推定手段と
を有することを特徴とするユーザ属性推定装置。 - ユーザの生活に関連する生活関連量に基づいて当該ユーザのユーザ属性を推定するユーザ属性推定方法であって、
単位期間における生活関連量のデータである単位期間データと、当該単位期間データに係るユーザのユーザ属性値との組を教師データとして含む教師データセットから、複数のサブセットを生成する第1のステップと、
生成された当該サブセット毎に、当該サブセットにおける単位期間データについての分岐判定式が根ノード及び内部ノードの各々において規定された決定木であって、当該分岐判定式による学習の結果として葉ノードにユーザ属性値が対応付けられた決定木を生成する第2のステップと、
所定の推定期間における推定対象データを構成する単位期間データであって、当該推定期間を構成する複数の単位期間の各々において取得された単位期間データを、生成された複数の当該決定木に入力し、当該決定木の各々における到達先となった葉ノードに対応付けられたユーザ属性値に基づいて、単位ユーザ属性推定値を決定する第3のステップと、
当該推定期間を構成する複数の単位期間の各々について決定された単位ユーザ属性推定値に基づいて、当該推定期間におけるユーザ属性推定値を決定する第4のステップと
を有することを特徴とするユーザ属性推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013039354A JP5930989B2 (ja) | 2013-02-28 | 2013-02-28 | 生活関連量の決定木を用いてユーザ属性を推定するユーザ属性推定プログラム、装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013039354A JP5930989B2 (ja) | 2013-02-28 | 2013-02-28 | 生活関連量の決定木を用いてユーザ属性を推定するユーザ属性推定プログラム、装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014167715A JP2014167715A (ja) | 2014-09-11 |
JP5930989B2 true JP5930989B2 (ja) | 2016-06-08 |
Family
ID=51617375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013039354A Active JP5930989B2 (ja) | 2013-02-28 | 2013-02-28 | 生活関連量の決定木を用いてユーザ属性を推定するユーザ属性推定プログラム、装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5930989B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6408451B2 (ja) * | 2015-05-21 | 2018-10-17 | 株式会社日立製作所 | エネルギー需要予測システム及びエネルギー需要予測方法 |
JP6904072B2 (ja) * | 2017-06-07 | 2021-07-14 | 東京電力ホールディングス株式会社 | 学習装置、属性推定装置、学習方法、属性推定方法及びプログラム |
JP2019036262A (ja) * | 2017-08-22 | 2019-03-07 | 東京電力ホールディングス株式会社 | 世帯人数想定装置、災害発生時未避難人数想定装置および災害発生時未避難人数想定方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4841657B2 (ja) * | 2009-08-10 | 2011-12-21 | 中国電力株式会社 | 機器管理システムおよび機器管理方法 |
JP5466713B2 (ja) * | 2009-12-11 | 2014-04-09 | 株式会社日立製作所 | 生活パターン分類装置及び生活パターン分類システム |
JP5537339B2 (ja) * | 2010-08-26 | 2014-07-02 | パナソニック株式会社 | 電気量管理システムおよびセンタサーバ |
JP5394430B2 (ja) * | 2011-03-31 | 2014-01-22 | 中国電力株式会社 | ライフサイクル利用システム及びライフサイクル利用方法 |
-
2013
- 2013-02-28 JP JP2013039354A patent/JP5930989B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2014167715A (ja) | 2014-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11755675B2 (en) | Method and apparatus for managing region tag | |
US9356846B2 (en) | Automated upgrading method for capacity of IT system resources | |
JP6151202B2 (ja) | 特徴時間帯での消費電力量からユーザ属性を推定するプログラム、装置及び方法 | |
US20140188565A1 (en) | Customer demographic data change detection based on monitored utility consumption | |
US20180276689A1 (en) | Analyzing big data to determine a data plan | |
Pol et al. | Uncertainty in the age of fossils and the stratigraphic fit to phylogenies | |
Cuong | Poverty projection using a small area estimation method: Evidence from Vietnam | |
US20130282331A1 (en) | Detecting abnormal behavior | |
Duwalage et al. | Forecasting daily counts of patient presentations in Australian emergency departments using statistical models with time‐varying predictors | |
JP5930989B2 (ja) | 生活関連量の決定木を用いてユーザ属性を推定するユーザ属性推定プログラム、装置及び方法 | |
JP6190301B2 (ja) | 消費電力量から推定された生活行動を比較評価可能な装置、プログラム及び方法 | |
Pandey et al. | Modelling fertility: an application of count regression models | |
Song et al. | Visualizing, clustering, and characterizing activity-trip sequences via weighted sequence alignment and functional data analysis | |
Boylan et al. | Formation of seasonal groups and application of seasonal indices | |
Perret et al. | A species’ response to spatial climatic variation does not predict its response to climate change | |
Melstrom et al. | Modeling recreation demand and fees at national parks | |
Getachew et al. | Coping with time and space in modelling malaria incidence: a comparison of survival and count regression models | |
Wang et al. | Mining user preferences of new locations on location-based social networks: a multidimensional cloud model approach | |
KR20220006580A (ko) | 방문 예측 | |
Hashem-Nazari et al. | Non-equidistant “Basic Form”-focused Grey Verhulst Models (NBFGVMs) for ill-structured socio-economic forecasting problems | |
CN110267717B (zh) | 在多租户环境中按不同单独租户自动生成自动缩放呼叫规则的方法及装置 | |
Qin et al. | Empirical-likelihood-based difference-in-differences estimators | |
KR20200057942A (ko) | 신재생에너지 공급확대를 반영한 계통 순부하의 변동성 산정 방법 및 시스템 | |
JP2016001950A (ja) | 電力需要予測装置、プログラム | |
Ali et al. | Generalized Chain Regression‐cum‐Chain Ratio Estimator for Population Mean under Stratified Extreme‐cum‐Median Ranked Set Sampling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150804 |
|
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: 20160425 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160422 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160426 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5930989 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |