JP5950284B2 - 処理装置、処理方法、およびプログラム - Google Patents
処理装置、処理方法、およびプログラム Download PDFInfo
- Publication number
- JP5950284B2 JP5950284B2 JP2013258420A JP2013258420A JP5950284B2 JP 5950284 B2 JP5950284 B2 JP 5950284B2 JP 2013258420 A JP2013258420 A JP 2013258420A JP 2013258420 A JP2013258420 A JP 2013258420A JP 5950284 B2 JP5950284 B2 JP 5950284B2
- Authority
- JP
- Japan
- Prior art keywords
- input
- output
- node
- learning
- option
- 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
- 238000012545 processing Methods 0.000 title claims description 157
- 238000003672 processing method Methods 0.000 title claims description 5
- 239000013598 vector Substances 0.000 claims description 144
- 238000004364 calculation method Methods 0.000 claims description 50
- 230000001149 cognitive effect Effects 0.000 claims description 31
- 230000006399 behavior Effects 0.000 claims description 29
- 230000009471 action Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 238000012986 modification Methods 0.000 description 33
- 230000004048 modification Effects 0.000 description 33
- 230000000694 effects Effects 0.000 description 20
- 238000000034 method Methods 0.000 description 17
- 230000006854 communication Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 238000012546 transfer Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005290 field theory Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Molecular Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
[非特許文献1] Roe, Robert M.; Busemeyer, Jermone R.; Townsend, James T.; "Multialternative decision field theory: A dynamic connectionst model of decision making.", Psychological Review, Vol. 108(2), Apr 2001, 370-392.
[非特許文献2] Hruschka, Harald.; "Analyzing market baskets by restricted Boltzmann machines.", OR Spectrum, Aug 2012, 1-20.
[非特許文献3] Teppan, Erich Christian; Alexander Felfernig; "Minimization of product utility estimation errors in recommender result set evaluations, "Proceedings of the 2009 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology-Volume 01. IEEE Computer Society, 2009.
(数1)
xi∈{0,1}, i∈{1,...,J}
(数2)
xR1=(1,1,0,0,0)
xR2=(1,1,0,0,1)
xR3=(1,1,1,0,0)
xR4=(1,1,0,1,0)
(数3)
yj∈{0,1}, j∈{1,...,J}
(数4)
yR1A=(1,0,0,0,0)
yR1B=(0,1,0,0,0)
yR2A=(1,0,0,0,0)
yR2B=(0,1,0,0,0)
yR2S=(0,0,0,0,1)
yR3A=(1,0,0,0,0)
yR3B=(0,1,0,0,0)
yR3C=(0,0,1,0,0)
yR4A=(1,0,0,0,0)
yR4B=(0,1,0,0,0)
yR4D=(0,0,0,1,0)
(数5)
hk∈{0,1}, k∈{1,...,K}
(数6)
sR1A=(1,1,0,0,0,1,0,0,0,0):6つ
sR1B=(1,1,0,0,0,0,1,0,0,0):4つ
sR2A=(1,1,0,0,1,1,0,0,0,0):3つ
sR2B=(1,1,0,0,1,0,1,0,0,0):4つ
sR2S=(1,1,0,0,1,0,0,0,0,1):3つ
sR3A=(1,1,1,0,0,1,0,0,0,0):3つ
sR3B=(1,1,1,0,0,0,1,0,0,0):5つ
sR3C=(1,1,1,0,0,0,0,1,0,0):2つ
sR4A=(1,1,0,1,0,1,0,0,0,0):4つ
sR4B=(1,1,0,1,0,0,1,0,0,0):5つ
sR4D=(1,1,0,1,0,0,0,0,1,0):1つ
Claims (16)
- 複数の入力ノードを含む入力層、複数の出力ノードを含む出力層、および複数の中間ノードを含む中間層を備える予測モデルを処理する処理装置であって、
前記入力層と前記中間層との間の各ノード間に設定された各第1ウェイト値と、前記中間層と前記出力層との間の各ノード間に設定された各第2ウェイト値とを記憶するパラメータ記憶部と、
前記複数の入力ノードに対する複数の入力値を取得する取得部と、
入力値が閾値以下である入力ノードに対応する出力ノードと中間ノードとの間に設定された第2ウェイト値の影響を低減させた前記予測モデルを用いて、複数の入力値に対応する前記複数の出力ノードからの複数の出力値を算出する算出部と、
を備え、
前記予測モデルは、与えられた選択肢に対する対象の選択行動をモデル化した選択モデルであって、前記対象はユーザであり、前記選択肢は前記ユーザに与えられる商品またはサービスの選択肢である処理装置。 - 前記算出部は、入力値が閾値より大きい入力ノードに対応する出力ノードと、中間ノードとの間に設定された第2ウェイト値の大きさを変えずに、入力値が閾値より大きい前記入力ノードに対応しない出力ノードと、中間ノードとの間に設定された第2ウェイト値の大きさを低減させる請求項1に記載の処理装置。
- 前記算出部は、入力値が閾値より大きい前記入力ノードに対応しない出力ノードと、中間ノードとの間に設定された第2ウェイト値の大きさを0にする請求項2に記載の処理装置。
- 前記算出部は、複数の入力値に対応する前記複数の出力ノードからの複数の出力値の算出において、入力値が0の入力ノードに対応する出力ノードの出力値を0とする請求項3に記載の処理装置。
- 前記取得部は、前記複数の入力値と前記複数の入力値に対応して前記複数の出力ノードに出力すべき複数の出力値とを含む学習データを取得し、
当該処理装置は、学習用の前記複数の入力値および前記複数の出力値に基づいて、前記予測モデルを学習する学習処理部を備え、
前記学習処理部は、学習用の入力値が0である入力ノードに対応する出力ノードと中間ノードとの間に設定された第2ウェイト値を0として前記予測モデルを学習する
請求項3または4に記載の処理装置。 - 前記予測モデルは、与えられた選択肢に対する対象の選択行動をモデル化した選択モデルであり、
複数種類の選択肢のそれぞれが入力選択肢に含まれるか否かを示す入力ベクトルを生成する入力ベクトル生成部と、
前記複数種類の選択肢のそれぞれが学習用の出力選択肢に含まれるか否かを示す出力ベクトルを生成する出力ベクトル生成部と、
を備える請求項5に記載の処理装置。 - 前記学習処理部は、対象の認知バイアスに応じた選択行動を含む前記予測モデルを学習する請求項6に記載の処理装置。
- 前記学習処理部は、入力選択肢に含まれる選択肢同士の選択確率の比が入力選択肢に含まれる他の選択肢の組合せに応じて異なりうる前記予測モデルを学習する請求項7に記載の処理装置。
- 前記予測モデルは、前記入力層、前記中間層、および前記出力層に含まれる各ノードに対して入力バイアス、中間バイアス、および出力バイアスが更に設定されるモデルであり、
前記学習処理部は、各第1ウェイト値と、各第2ウェイト値、各入力バイアス、各中間バイアス、および各出力バイアスを学習する請求項8に記載の処理装置。 - 入力選択肢に応じてそれぞれの選択肢が選択される確率を、各第1ウェイト値、各第2ウェイト値、各入力バイアス、各中間バイアス、および各出力バイアスを含むパラメータに基づき算出する確率算出部を更に備える請求項9に記載の処理装置。
- 前記学習処理部は、学習用の選択行動のそれぞれについて、入力選択肢に応じて出力選択肢が選択される確率を高めるように、前記パラメータを更新する請求項10に記載の処理装置。
- 前記取得部は、前記ユーザに与えられた商品またはサービスの選択肢に対して前記ユーザが選択した選択肢を学習用の選択行動として含む前記学習データを取得し、
前記学習処理部は、商品またはサービスの選択肢に応じた前記ユーザの選択行動をモデル化した前記予測モデルを学習する
請求項5から11のいずれか一項に記載の処理装置。 - 複数種類の商品またはサービスのうち、販売を促進する商品またはサービスの指定を入力する指定入力部と、
前記複数種類の商品またはサービスに対応する前記複数種類の選択肢の中から、販売を促進する商品またはサービスを選択肢として含む複数の入力選択肢を選択する選択部と、
前記複数の入力選択肢のうち、販売を促進する商品またはサービスに応じた選択肢が選択される確率がより高くなる入力選択肢を特定する特定部と、
を備える請求項12に記載の処理装置。 - 前記予測モデルは、与えられた選択肢に対する対象の選択行動をモデル化した選択モデルであって、前記対象はユーザであり、前記選択肢はウェブサイト上で前記ユーザに提示される請求項5から13のいずれか一項に記載の処理装置。
- 複数の入力ノードを含む入力層、複数の出力ノードを含む出力層、および複数の中間ノードを含む中間層を備える予測モデルを処理する処理方法であって、
前記入力層と前記中間層との間の各ノード間に設定された各第1ウェイト値と、前記中間層と前記出力層との間の各ノード間に設定された各第2ウェイト値とを記憶するパラメータ記憶段階と、
前記複数の入力ノードに対する複数の入力値を取得する取得段階と、
入力値が閾値以下である入力ノードに対応する出力ノードと中間ノードとの間に設定された第2ウェイト値の影響を低減させた前記予測モデルを用いて、複数の入力値に対応する前記複数の出力ノードからの複数の出力値を算出する算出段階と、
を備える処理方法。 - コンピュータに、請求項1から14のいずれか一項に記載の処理装置として機能させるプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013258420A JP5950284B2 (ja) | 2013-12-13 | 2013-12-13 | 処理装置、処理方法、およびプログラム |
US14/564,146 US20150170029A1 (en) | 2013-12-13 | 2014-12-09 | Processing apparatus, processing method, and program |
US14/747,250 US20150287061A1 (en) | 2013-12-13 | 2015-06-23 | Processing apparatus, processing method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013258420A JP5950284B2 (ja) | 2013-12-13 | 2013-12-13 | 処理装置、処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015114987A JP2015114987A (ja) | 2015-06-22 |
JP5950284B2 true JP5950284B2 (ja) | 2016-07-13 |
Family
ID=53368905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013258420A Expired - Fee Related JP5950284B2 (ja) | 2013-12-13 | 2013-12-13 | 処理装置、処理方法、およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (2) | US20150170029A1 (ja) |
JP (1) | JP5950284B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6558765B2 (ja) | 2014-12-18 | 2019-08-14 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 処理装置、処理方法、推測装置、推測方法、およびプログラム |
CN107767155B (zh) * | 2016-08-18 | 2021-06-18 | 腾讯科技(深圳)有限公司 | 一种评估用户画像数据的方法及系统 |
JP7316233B2 (ja) * | 2020-02-12 | 2023-07-27 | 株式会社日立製作所 | データ処理システムおよびデータ処理方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5276771A (en) * | 1991-12-27 | 1994-01-04 | R & D Associates | Rapidly converging projective neural network |
JP3397578B2 (ja) * | 1996-05-27 | 2003-04-14 | 西日本旅客鉄道株式会社 | 電鉄負荷管理装置 |
WO2001014952A2 (en) * | 1999-08-26 | 2001-03-01 | Memetrics Inc. | On-line experimentation |
JP3916809B2 (ja) * | 1999-09-17 | 2007-05-23 | 富士通株式会社 | 自動プランニング装置および自動プランニングプログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2005199403A (ja) * | 2004-01-16 | 2005-07-28 | Sony Corp | 情動認識装置及び方法、ロボット装置の情動認識方法、ロボット装置の学習方法、並びにロボット装置 |
US7617164B2 (en) * | 2006-03-17 | 2009-11-10 | Microsoft Corporation | Efficiency of training for ranking systems based on pairwise training with aggregated gradients |
US9031844B2 (en) * | 2010-09-21 | 2015-05-12 | Microsoft Technology Licensing, Llc | Full-sequence training of deep structures for speech recognition |
-
2013
- 2013-12-13 JP JP2013258420A patent/JP5950284B2/ja not_active Expired - Fee Related
-
2014
- 2014-12-09 US US14/564,146 patent/US20150170029A1/en not_active Abandoned
-
2015
- 2015-06-23 US US14/747,250 patent/US20150287061A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US20150287061A1 (en) | 2015-10-08 |
JP2015114987A (ja) | 2015-06-22 |
US20150170029A1 (en) | 2015-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jacobs et al. | Model-based purchase predictions for large assortments | |
JP6516406B2 (ja) | 処理装置、処理方法、およびプログラム | |
JP5943358B2 (ja) | 学習装置、処理装置、予測システム、学習方法、処理方法、およびプログラム | |
JP5984150B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Ahn et al. | Large-scale distributed Bayesian matrix factorization using stochastic gradient MCMC | |
JP6443858B2 (ja) | 算出装置、算出方法、学習装置、学習方法、及びプログラム | |
JP6436440B2 (ja) | 生成装置、生成方法、及び、プログラム | |
JP2012058972A (ja) | 評価予測装置、評価予測方法、及びプログラム | |
JP4847916B2 (ja) | 購買順序を考慮したリコメンド装置、リコメンド方法、リコメンドプログラムおよびそのプログラムを記録した記録媒体 | |
JP2015087973A (ja) | 生成装置、生成方法、およびプログラム | |
US11227228B2 (en) | Processing apparatus, processing method, estimating apparatus, estimating method, and program | |
US20210241152A1 (en) | System and method for a personalized machine learning pipeline selection and result interpretation | |
JP5071851B2 (ja) | 時間情報を用いた予測装置、予測方法、予測プログラムおよびそのプログラムを記録した記録媒体 | |
JP5950284B2 (ja) | 処理装置、処理方法、およびプログラム | |
JP6573272B2 (ja) | 生成装置、生成方法、及び、プログラム | |
JP6366031B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US20220207381A1 (en) | Computer-readable recording medium having stored therein vector estimating program, apparatus for estimating vector, and method for estimating vector | |
US20230153491A1 (en) | System for estimating feature value of material | |
JP6132288B2 (ja) | 生成装置、選択装置、生成方法、選択方法、及び、プログラム | |
JP6601888B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Yuen et al. | An online-updating approach on task recommendation in crowdsourcing systems | |
JP6355554B2 (ja) | 設定データ記憶装置、方法及びプログラム | |
WO2022270163A1 (ja) | 計算機システム及び介入効果予測方法 | |
US20180253515A1 (en) | Characterizing model performance using hierarchical feature groups | |
JP7309673B2 (ja) | 情報処理装置、情報処理方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151127 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20160113 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20160316 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160322 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160418 |
|
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: 20160510 |
|
RD14 | Notification of resignation of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7434 Effective date: 20160511 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160531 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5950284 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |