JP5988499B2 - Guiプログラム自動変更装置、自動変更方法及び自動変更プログラム - Google Patents
Guiプログラム自動変更装置、自動変更方法及び自動変更プログラム Download PDFInfo
- Publication number
- JP5988499B2 JP5988499B2 JP2013049242A JP2013049242A JP5988499B2 JP 5988499 B2 JP5988499 B2 JP 5988499B2 JP 2013049242 A JP2013049242 A JP 2013049242A JP 2013049242 A JP2013049242 A JP 2013049242A JP 5988499 B2 JP5988499 B2 JP 5988499B2
- Authority
- JP
- Japan
- Prior art keywords
- evaluation value
- content
- value
- subjective evaluation
- feature
- 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
Description
例えば、非特許文献1では、ウェブユーザビリティに関する21項目の質問に対して、5段階で評価を行い、その21項目の質問から生成される7つの評価因子でウェブサイトのユーザビリティを評価する方法が提案されている。そして、この評価結果を元に、アプリケーション開発者は、自らの設計・開発したGUIを改良することが行われている。しかしながら、上述した評価方法では、どの特徴パラメータを、どのように修正すれば良いのか、に関する知見を得られないことが多い。
特許文献3では、プリント基板CADを使った部品配置システムへの応用を想定し、構成要素を配置する際に、構成要素の配置順序、配置位置、配置位置修正タイミング(修正を行うか否か)の3つを決定する「分類子システム」を用いた自動配置方法が提案されている。各構成要素において、3つの分類子システムについて、配置順序(優先度)、配置位置、配置位置修正タイミングを決定した上で、部品同士の重なり面積や配置領域からのはみ出し面積に基づいた評価値を算出し、基準値よりも悪ければ分類子システムに保持しているルールや適合度を変更し、評価を繰り返す。算出された評価値が基準値よりも良ければ、学習を終了し、部品の配置を終了する。
また、これらの方法では、全体評価値に対して、一定水準を越えるもの(良いもの)が選択される。この一定水準の求め方についても明記されていない。ユーザビリティについても考慮されていない。
全体評価値とは、特許文献3の場合は、部品同士の重なり面積の二乗和と配置領域からのはみ出し面積の二乗和の足し合わせた値である。特許文献4の場合は、具体的な評価値算出式は明記されていないが、配置、サイズ、形状をランダムに変えては評価する手順を繰り返しつつ、評価値の変化量が次第に小さくなるように収束に向かわせるようにする。
変更対象コンテンツのユーザビリティに関する主観評価値をコンテンツに基づいて客観的に算出するユーザビリティ客観評価部。
前記変更対象コンテンツの特徴パラメータ設定値を変動させ、前記ユーザビリティ客観評価部で主観評価値を算出しながら、前記変更対象コンテンツのユーザビリティに関する主観評価値を最大化する特徴パラメータ設定値を算出する主観評価値最大化部。
算出した特徴パラメータ設定値を用いて前記変更対象コンテンツのGUIプログラムを修正するGUI生成部。
コンテンツの構成要素の特徴パラメータに対して、コンテンツを用いた特徴パラメータごとの主観評価実験によって得られた主観評価値から、特徴パラメータと要素評価値の関係性を定義する特徴パラメータ・要素評価値対応関数を設定する手順と、
変更対象コンテンツに対して、コンテンツの構成要素ごとに特徴パラメータを抽出する手順と、
前記抽出された特徴パラメータと前記特徴パラメータ・要素評価値対応関数に基づいて、前記変更対象コンテンツのユーザビリティに関する主観評価値を客観的に算出する手順と、
前記変更対象コンテンツの特徴パラメータ設定値を変動させ、前記主観評価値を算出しながら、前記変更対象コンテンツのユーザビリティに関する主観評価値を最大化する特徴パラメータ設定値を算出する手順と、
算出した特徴パラメータ設定値を用いて前記変更対象コンテンツのGUIプログラムを修正してGUI出力を生成する手順と
を含むことを特徴としている。
共起確率=(iとjが同時に存在する画面数)/(iあるいはjが存在する画面数)
で算出される任意の2つの特徴パラメータ(iとj)同士が存在する度合いを共起確率と定義し、前記共起確率が予め定めた一定値以上の組を構成する特徴パラメータ設定値を変動させることを特徴としている。
学習ステップは、事前に様々なアプリケーション(学習コンテンツ)を用いて特徴パラメータごとに、多数の被験者からユーザビリティに関する主観評価値を得る実験を通じて、特徴パラメータの変化に対するユーザビリティの良し悪しを示す関係性を特徴パラメータ・要素評価値対応関数として取得しておく。アプリケーションにおける特徴パラメータには、フォントサイズやボタンの数、状態遷移数、画面階層の深さなど、画面構成・状態遷移、階層構造に関する様々な構成要素が存在する。
変更ステップは、変更対象コンテンツのGUIの特徴パラメータと特徴パラメータ・要素評価値対応関数から主観評価値を推定しつつ、アプリケーション全体のユーザビリティ評価値を最大化する特徴パラメータの設定値を求め、その結果に基づいて変更対象コンテンツのGUIプログラムを自動的に修正するとともに提示する。
変更対象コンテンツ及び学習用コンテンツは、複数種類の構成要素、例えば、テキストやボタン等で構成される。これらの構成要素は、コンテンツの画面構成や操作に関係する種々の要因であり、さらに、各構成要素から特徴パラメータ(テキストであれば、フォントサイズ等)を抽出することができる。
本発明のGUIプログラム自動変更装置において変更対象となる特徴パラメータの一例を以下の(a)〜(h)に列挙する。ただし、それ以外の要因であっても良い。
(a)フォントサイズ
文字の大きさに関する特徴パラメータであり、複数の値を有する。
(b)画面内の文字・背景カラーコントラスト
文字と背景とのコントラストの差にする段階的な特徴パラメータであり、複数の値を有する。
(c)画面内のカラーパターン
一般的に好まれるカラーが使用されているかどうかを判断する特徴パラメータであり、良い悪いの「0」「1」で判断される。
(d)配色の他画面との違い
画面間におけるカラーの相違についての特徴パラメータであり、良い悪いの「0」「1」で判断される。
(e)重要性の高いボタン配置の他画面との違い
画面間におけるボタン配置に関する特徴パラメータであり、良い悪いの「0」「1」で判断される。
(f)操作ステップ数
操作ステップの数に関する段階的な特徴パラメータであり、複数の値を有する。
(g)ハードウェアキーの機能有無
操作するキーに関する特徴パラメータであり、良い悪いの「0」「1」で判断される。
(h)起動時間・画面遷移時間
起動時間等に関する段階的な特徴パラメータであり、複数の値を有する。
特徴パラメータ抽出部1は、入力された変更対象コンテンツに対して、どの構成要素が使われているかを解析し、その構成要素に対応する特徴パラメータの値を抽出するものである。
各構成要素に対応する特徴パラメータの抽出は、例えば下記に示すような手段で行われる。
(ア)評価者が、すべての構成要素に対して手動で特徴パラメータを計測(手動入力)する。
(イ)コンテンツが表示されたスクリーンショット画像を取得し、コンテンツを操作しているときの様子を映像に撮影した上で、既存の画像解析技術や映像解析技術を用い、自動的に特徴パラメータを計測する。
(イ)の手段によりデータ入力部や画像入力部から特徴パラメータ抽出が行われる場合、特徴パラメータ抽出部1は、変更対象コンテンツのアプリケーションに使用されている構成要素ごとの特徴パラメータを判定し、特徴パラメータに関するデータを計測する機能を備え、特徴パラメータの存在の有無と、特徴パラメータの種類の判定を自動で行う画像解析処理部を備えて構成されている。
特徴パラメータは、例えば表1のように求められる。
特徴パラメータ・要素評価値対応関数設定部3は、コンテンツの構成要素であるGUIの特徴パラメータを変数として学習用コンテンツにより多数の被験者から主観評価値を取得してその関係性を表す「特徴パラメータ・要素評価値対応関数」、要素評価値からアプリケーションの総合的な主観評価値を対応付ける「要素評価値・主観評価値対応関数」、その係数である「要素評価値・主観評価値対応関数の係数値」が記録されている。
また、「要素評価値・主観評価値対応関数」及び「要素評価値・主観評価値対応関数の係数値」は、主観評価推定値算出部22で評価推定値を算出する際に使用される。要素評価値・主観評価値対応関数は、要素評価値と総合的な主観評価値を対応付けるものとして定義される。
「特徴パラメータ同士関係性特徴量」は、プログラム変更部4において、変更対象コンテンツのユーザビリティに関する主観評価値を最大化する特徴パラメータ設定値を選択する際に使用する。
したがって、特徴パラメータ・要素評価値対応関数設定部3では、特徴パラメータそれぞれにおいて、値を変化させたときの要素評価値の推移を示す関数が定義され、この関数は、多数の被験者から特徴パラメータごとにユーザビリティに関する主観評価値を得る実験を通じて求められる。
具体的な手順としては、多数の被験者から特徴パラメータごとに主観評価値を得る実験結果を参照し、特徴パラメータごとに特徴パラメータ・要素評価値対応関数を定義する。
同じ構成要素でも、異なる特徴パラメータを持つアプリケーションを多数、被験者に提示することで、構成要素ごとに特徴パラメータの変化に対するユーザビリティの良し悪しを示す関係性情報を得ることができる。これらの特徴パラメータ・要素評価値対応関数は、特徴パラメータの値を変化させたアプリを提示した上で、採点してもらった結果(主観評価値)を元に定義される。
例えば、表1で記載した特徴パラメータごとの関数が表2のように定義されているとする。すなわち、特徴パラメータxkに対する要素評価値がFk(xk)(k=1…h)として算出される場合、変更対象アプリケーションの評価値について、(評価値)=[ma mb mc md me mf mg mh]*[Fa(xa) Fb(xb) Fc(xc) Fd(xc) Fe(xe) Ff(xf) Fg(xg) Fh(xh)]Tとして求める。
特徴パラメータ・要素評価値対応関数設定部3に記録される要素評価値・主観評価値対応関数係数値は、多数の学習用コンテンツにおいて特徴パラメータから自動算出される要素評価値と多数の被験者から取得した主観評価値を用いて、推定誤差を最小化するように設定される。
具体的には、多数の学習用コンテンツから特徴パラメータの値を抽出し、特徴パラメータ・要素評価値対応関数にて、抽出した特徴パラメータから要素評価値を算出し、さらに、定義された要素評価値・主観評価値対応関数に基づいて、評価値Gを求める。
一方、多数の学習用コンテンツに対して、多数の被験者によって主観評価実験を行う。実験方法の一例としては、学習用コンテンツを被験者に試用させた上で、ユーザビリティに関する良し悪しを5段階で判定してもらう。その結果から、学習用コンテンツに対する主観評価値Hを得ておく。
そして、得られた多数の(G, H)の組に対して、統計的に誤差を最小化するように係数(ma, …, mh)を設定する。例えば、最小二乗誤差法を用いる。
係数ma…mhは、ma+mb+mc+md+mf+me+mg+mh=1を満足するよう設定される。
ユーザビリティ客観評価部2は、特徴パラメータ・要素評価値対応関数適用部21と、主観評価推定値算出部22と、主観評価推定値記録部23とから構成されている。
特徴パラメータ・要素評価値対応関数適用部21は、変更対象コンテンツの特徴パラメータに対して特徴パラメータ・要素評価値対応関数設定部3に記憶された特徴パラメータ・要素評価値対応関数から特徴パラメータごとの要素評価値を得る。
主観評価推定値算出部22は、特徴パラメータ・要素評価値対応関数適用部21において特徴パラメータごとに算出された要素評価値と、特徴パラメータ・要素評価値対応関数設定部3に記録された要素評価値・主観評価値対応関数及びその係数に基づき、変更対象コンテンツの構成要素ごとのユーザビリティ評価値を算出し、線形結合によって変更対象コンテンツ全体の主観評価推定値を算出するものである。
すなわち、アプリケーションの変更ステップでは、変更対象コンテンツの構成要素に対する特徴パラメータの値と、特徴パラメータ・要素評価値対応関数から要素評価値を求め、さらに要素評価値・主観評価値対応関数を用いて総合的な主観評価値(ユーザビリティに対する評価値)を推定する。
プログラム変更部4は、特徴パラメータ最適解の判定を行う主観評価値最大化部41と、変更プログラムを生成するGUI生成部42とから構成されている。
主観評価値最大化部41は、変更対象コンテンツの特徴パラメータ設定値を変動させ、当該特徴パラメータ設定値に対して特徴パラメータ・要素評価値対応関数設定部21で要素評価値を算出し、主観評価推定値算出部22で主観評価値を算出しながら、変更対象コンテンツのユーザビリティに関する主観評価値を最大化する特徴パラメータ設定値を算出する。
特徴パラメータの設定値は、特徴パラメータ・要素評価値対応関数に従い、個々の特徴パラメータに対する要素評価値が大きくなるように設定値を変える。特徴パラメータの設定値を変えるとき、上述した特許文献4で用いられている模擬アニーリングアルゴリズムや遺伝的アルゴリズムなどを用いてもよい。
そこで、変更対象コンテンツの初期のデザインのカテゴリとして、特徴パラメータ間の関係性からカテゴリに分類しておき、そのカテゴリから逸脱しない範囲で、特徴パラメータの設定値を変えつつ、主観評価推定値を求める手順を繰り返すようにする。学習用コンテンツも前記カテゴリに基づき分類しておく。
上記の処理を行うため、主観評価値最大化部41は、学習用コンテンツから特徴パラメータ同士の相関性を示す特徴パラメータ同士関係性特徴量を算出する特徴パラメータ同士関係性特徴量算出部411と、特徴パラメータ同士関係性特徴量から変動させる変更対象コンテンツの特徴パラメータおよびその変動範囲を決定する変動特徴パラメータ決定部412とを備えている。
(1)構成要素ごとの特徴パラメータ抽出
特徴パラメータ抽出部1に入力された変更対象コンテンツに対して(ステップ21)、どの構成要素が使われているかを解析し、その構成要素に対応する特徴パラメータを抽出する(ステップ22)。
各構成要素それぞれの特徴パラメータに対して要素評価値が求まる関数(関係性情報)が特徴パラメータ・要素評価値対応関数設定部3に予め用意されているので、この関数を利用して(ステップ23)、抽出された構成要素ごとの特徴パラメータを関数に代入することで、変更対象コンテンツの構成要素ごとの要素評価値を算出する(ステップ24)。
要素評価値・主観評価値対応関数及び要素評価値・主観評価値対応関数の係数を参照し(ステップ25)、変更対象コンテンツの構成要素ごとの特徴パラメータと、構成要素ごとの関係性(関数)に基づき、変更対象コンテンツの主観評価推定値を算出する(ステップ26)。
ユーザビリティ評価値は、例えば、下記式によって算出する。
(評価値)=[ma mb mc md me mf mg mh]*[Fa(xa) Fb(xb) Fc(xc) Fd(xc) Fe(xe) Ff(xf) Fg(xg) Fh(xh)]T
ma…mhは、各構成要素に対応する係数である。
ただし、ma+mb+mc+md+mf+me+mg+mh=1とする。
(評価値)=(F(xa)+ma)*(F(xb)+mb)*…*(F(xh)+mh)
変更対象コンテンツの主観評価推定値を最大化する特徴パラメータ(GUI変換候補)を決める(ステップ28)。
特徴パラメータ(GUI変換候補)を出力する(ステップ29)。
予め特徴パラメータ・要素評価値対応関数設定部3に入力される学習コンテンツ(学習アプリケーション)から、「特徴パラメータ同士関係性特徴量」として、任意の2つの特徴パラメータ同士が存在する度合い(共起確率)を求めておく(ステップ31)。
具体的には、特徴パラメータiとj(i = a … h, j = a … h, iとjは等しくない)に対して、iとjの共起確率を次式で算出しておく。
なお、各学習コンテンツが複数画面で構成されている場合は、別々の画面として扱い、全画面数をカウントする。
「特徴パラメータが存在する」とは、特徴パラメータを抽出する場合に、特徴パラメータの設定値が存在することを意味する。
同時確率とは、特徴パラメータiとjについて、その任意の組み合わせw_i,jにおいて、学習コンテンツの各画面で特徴パラメータiとjが同一画面に出現し、且つ、iとjの設定値の組み合わせが学習コンテンツの全画面の中で、どの程度出現するかを示す。具体的には、iの設定値がui、jの設定値がvjである同時確率を次式で算出する。
同時確率=(iの設定値がuiであり、且つ、jの設定値がvjである画面数)/(iとjが同時に存在する画面数)
ステップ33で抽出された特徴パラメータの組を元に、変更対象コンテンツの対象画面において、特徴パラメータの設定値を変動しつつ、主観評価推定値の最大化を図る(ステップ34〜38)。
ステップ33にて抽出された特徴パラメータの組の一つを選出する(ステップ36)。この組を特徴パラメータ(a, b)とし、特徴パラメータaの設定値Ta0を固定したときの、特徴パラメータbの設定値を変動する範囲を同時確率に基づいて決定する(ステップ37)。変動範囲は、特徴パラメータaとbの同時確率の分布から、特徴パラメータaの設定値をTa0で固定したときの特徴パラメータbの確率が一定値以上である範囲とする。
ステップ33にて抽出された特徴パラメータの組が複数存在する場合は、上記の処理を全組について行う。
Claims (7)
- ディスプレイ搭載情報表示端末に表示されるコンテンツのユーザビリティを高めるための自動変更装置であって、
変更対象コンテンツのユーザビリティに関する主観評価値をコンテンツに基づいて客観的に算出するユーザビリティ客観評価部と、
前記変更対象コンテンツの特徴パラメータ設定値を変動させ、前記ユーザビリティ客観評価部で主観評価値を算出しながら、前記変更対象コンテンツのユーザビリティに関する主観評価値を最大化する特徴パラメータ設定値を算出する主観評価値最大化部と、
算出した特徴パラメータ設定値を用いて前記変更対象コンテンツのGUIプログラムを修正するGUI生成部と、
を備えたことを特徴とするGUIプログラム自動変更装置。 - 前記主観評価値最大化部は、
前記コンテンツから特徴パラメータ同士の相関性を示す特徴パラメータ同士関係性特徴量を算出する特徴パラメータ同士関係性特徴量算出部と、
前記特徴パラメータ同士関係性特徴量から変動させる変更対象コンテンツの特徴パラメータおよびその変動範囲を決定する変動特徴パラメータ決定部と、
を備え、
前記変更対象コンテンツの前記特徴パラメータ設定値を変動範囲内で変動させる
請求項1に記載のGUIプログラム自動変更装置。 - 前記主観評価値最大化部は、
前記変更対象コンテンツにおけるある特徴パラメータ設定値における主観評価値Xと、変動させたことによって得られる主観評価値Yに対して、主観評価値Yが主観評価値Xよりも大きく、その変化量が次第に小さくなるようにし、さらに、変化量が規定値よりも小さくなるまで、特徴パラメータ設定値の変動を繰り返すことで、前記変更対象コンテンツのユーザビリティに関する主観評価値を最大化する特徴パラメータ設定値を得る
請求項1に記載のGUIプログラム自動変更装置。 - 前記ユーザビリティ客観評価部は、
コンテンツの特徴パラメータに対する要素評価値を得る特徴パラメータ・要素評価値対応関数と、要素評価値からコンテンツの総合的な主観評価値を対応付ける要素評価値・主観評価値対応関数と、要素評価値・主観評価値対応関数用係数を前記コンテンツから定義し、
変更対象コンテンツの特徴パラメータ設定値および変動させた特徴パラメータ設定値から、ユーザビリティに関する主観評価値を算出する
請求項1に記載のGUIプログラム自動変更装置。 - ディスプレイ搭載情報表示端末に表示されるコンテンツのユーザビリティを高めるための自動変更方法であって、
コンテンツの構成要素の特徴パラメータに対して、コンテンツを用いた特徴パラメータごとの主観評価実験によって得られた主観評価値から、特徴パラメータと要素評価値の関係性を定義する特徴パラメータ・要素評価値対応関数を設定する手順と、
変更対象コンテンツに対して、コンテンツの構成要素ごとに特徴パラメータを抽出する手順と、
前記抽出された特徴パラメータと前記特徴パラメータ・要素評価値対応関数に基づいて、前記変更対象コンテンツのユーザビリティに関する主観評価値を客観的に算出する手順と、
前記変更対象コンテンツの特徴パラメータ設定値を変動させ、前記主観評価値を算出しながら、前記変更対象コンテンツのユーザビリティに関する主観評価値を最大化する特徴パラメータ設定値を算出する手順と、
算出した特徴パラメータ設定値を用いて前記変更対象コンテンツのGUIプログラムを修正してGUI出力を生成する手順と
を含むことを特徴とするGUIプログラム自動変更方法。 - 前記変更対象コンテンツのユーザビリティに関する主観評価値を最大化する特徴パラメータ設定値を算出するに際し、下記式で算出される任意の2つの特徴パラメータ(iとj)同士が存在する度合いを共起確率と定義し、前記共起確率が予め定めた一定値以上の組を構成する特徴パラメータ設定値を変動させる請求項5に記載のGUIプログラム自動変更方法。
共起確率=(iとjが同時に存在する画面数)/(iあるいはjが存在する画面数) - 請求項5の各手順をコンピュータに実行させるGUIプログラム自動変更プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013049242A JP5988499B2 (ja) | 2013-03-12 | 2013-03-12 | Guiプログラム自動変更装置、自動変更方法及び自動変更プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013049242A JP5988499B2 (ja) | 2013-03-12 | 2013-03-12 | Guiプログラム自動変更装置、自動変更方法及び自動変更プログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014174899A JP2014174899A (ja) | 2014-09-22 |
JP2014174899A5 JP2014174899A5 (ja) | 2015-10-15 |
JP5988499B2 true JP5988499B2 (ja) | 2016-09-07 |
Family
ID=51696021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013049242A Active JP5988499B2 (ja) | 2013-03-12 | 2013-03-12 | Guiプログラム自動変更装置、自動変更方法及び自動変更プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5988499B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6456423B2 (ja) * | 2017-03-17 | 2019-01-23 | ヤフー株式会社 | 解析装置、解析方法、およびプログラム |
US11010281B1 (en) * | 2020-10-12 | 2021-05-18 | Coupang Corp. | Systems and methods for local randomization distribution of test datasets |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004355392A (ja) * | 2003-05-29 | 2004-12-16 | Fuji Electric Holdings Co Ltd | 画面自律最適化装置、最適化方法、記録媒体、プログラム |
KR20070121049A (ko) * | 2005-05-18 | 2007-12-26 | 닛본 덴끼 가부시끼가이샤 | 콘텐츠표시시스템 및 콘텐츠표시방법 |
-
2013
- 2013-03-12 JP JP2013049242A patent/JP5988499B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2014174899A (ja) | 2014-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6007430B2 (ja) | 機械学習モデル設計支援装置、機械学習モデル設計支援方法、機械学習モデル設計支援装置用プログラム | |
Chien et al. | Data-driven innovation to capture user-experience product design: An empirical study for notebook visual aesthetics design | |
Yang | A classification-based Kansei engineering system for modeling consumers’ affective responses and analyzing product form features | |
JP2007329415A (ja) | データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置 | |
JP4538760B2 (ja) | 情報処理装置および方法、プログラム、並びに記録媒体 | |
JP5442547B2 (ja) | コンテンツ推薦装置及び方法 | |
JP6237168B2 (ja) | 情報処理装置及び情報処理プログラム | |
JP6717572B2 (ja) | 作業分析システム及び作業分析方法 | |
US9460477B2 (en) | Information processing apparatus and method and non-transitory computer readable medium | |
JP6031210B1 (ja) | 販売予測装置、販売予測方法、およびプログラム | |
Dang et al. | Ganslider: How users control generative models for images using multiple sliders with and without feedforward information | |
JP6506360B2 (ja) | 教師データを生成する方法、学習済みモデルを生成する方法、学習済みモデル、コンピュータおよびプログラム | |
CN111445021B (zh) | 学习方法、学习设备和计算机可读记录介质 | |
JP5988499B2 (ja) | Guiプログラム自動変更装置、自動変更方法及び自動変更プログラム | |
JPWO2020095362A1 (ja) | 設計支援装置、設計支援方法および機械学習装置 | |
US7630951B2 (en) | Method, program product, and apparatus for generating analysis model | |
KR102225356B1 (ko) | Gui 디자인에 대한 피드백을 제공하는 방법 및 장치 | |
Haider et al. | The Player Experience Inventory Bench: Providing Games User Researchers Actionable Insight into Player Experiences | |
JP2011145996A (ja) | レビューワ評価装置、レビューワ評価方法、及びプログラム | |
TWI403911B (zh) | 中文辭典建置裝置和方法,以及儲存媒體 | |
JP2019125206A (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP6622938B1 (ja) | 相関性抽出方法および相関性抽出プログラム | |
CN115659711A (zh) | 一种仿真方法、装置、电子设备及存储介质 | |
US20140152668A1 (en) | Information processing apparatus and method and non-transitory computer readable medium | |
CN108280668A (zh) | 一种终端的用户界面的评价方案的确定方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150826 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150827 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160630 |
|
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: 20160803 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160808 |
|
R150 | Certificate of patent (=grant) or registration of utility model |
Ref document number: 5988499 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |