JP6042370B2 - モデル推定装置、行動予測装置、方法、及びプログラム - Google Patents
モデル推定装置、行動予測装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6042370B2 JP6042370B2 JP2014099710A JP2014099710A JP6042370B2 JP 6042370 B2 JP6042370 B2 JP 6042370B2 JP 2014099710 A JP2014099710 A JP 2014099710A JP 2014099710 A JP2014099710 A JP 2014099710A JP 6042370 B2 JP6042370 B2 JP 6042370B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- behavior
- individual
- customer
- probability
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
20、220 演算部
30 顧客購買行動モデル学習部
32 階層的モデル化部
34 分布型選択部
36 全体パラメータ推定部
38 個別パラメータ推定部
40、240 パラメータ記憶部
50、250 出力部
100 モデル推定装置
200 行動予測装置
230 行動確率推定部
232 行動時刻予測部
Claims (8)
- 入力として、個体の各々について観測された、前記個体の反応行動の発生時刻及び行動内容の時系列データと、観測された、前記個体に反応行動を発生させるための外部刺激の発生時刻の時系列データとを受け付ける入力部と、
個体uの各々について、時刻tにおいて単位時間当たりに前記個体uが反応行動を発生させる確率を表す行動頻度関数λ(t)のもとで、一定期間内において前記個体が前記反応行動を各時刻tj uに発生する確率p({tj u}|λ(t))を、以下の式に従って、各時刻tj uに前記反応行動が発生する確率と、各時刻tj uを除く前記一定期間内に前記反応行動が発生しない確率との乗算値としてモデル化する場合において、
それぞれが独立事象であって、かつ、前記外部刺激に対応する変動因子を含む少なくとも3つの変動因子lに対して与えられた少なくとも3つの因数関数rlに、少なくとも3つの階層からなる階層関係を与え、前記因数関数rlを、直前の階層の因数関数rl−1の積分の関数として定義し、前記行動頻度関数λ(t)を、前記少なくとも3つの因数関数rlの乗算値とし、各時刻tj uを除く前記一定期間内に前記反応行動が発生しない確率における積分計算を、低位階層の因数関数r0から順番に前記一定期間の時間積分値を算出することを繰り返すことにより行うようにモデル化する階層的モデル化部と、
前記入力部によって受け付けた、前記個体の各々について観測された、前記個体の反応行動の発生時刻及び行動内容の時系列データと、観測された、前記個体に反応行動を発生させるための外部刺激の発生時刻の時系列データとに基づいて、前記個体毎に用意された、前記少なくとも3つの因数関数rlで用いられるパラメータであって、前記個体における前記変動因子lの影響度を表す影響度パラメータの、個体全体における分布を表す全体パラメータを推定する全体パラメータ推定部と、
前記全体パラメータ推定部によって推定された前記全体パラメータに基づいて、前記個体毎の前記影響度パラメータを推定する個別パラメータ推定部と、
を含むモデル推定装置。
ただし、区間[t0 u,T]が、前記一定期間を表す。 - 前記全体パラメータ推定部は、前記個体毎の、観測された前記個体の反応行動の発生時刻の時系列に対する前記個体の影響度パラメータの尤度関数を乗算した値から設定された周辺尤度関数が、前記入力部によって受け付けた、前記個体の各々について観測された、前記個体の反応行動の発生時刻及び行動内容の時系列データに対して最尤化されるように、前記全体パラメータを推定する請求項1記載のモデル推定装置。
- 入力として、前記個体の各々について観測された、前記個体の反応行動の発生時刻及び行動内容の時系列データと、観測された、前記個体に反応行動を発生させるための外部刺激の発生時刻の時系列データとを受け付ける入力部と、
請求項1又は2記載のモデル推定装置によってモデル化された、前記個体の各々に対する前記個体が前記反応行動を時系列に発生する確率p({tj u}|λ(t))と、前記推定された前記個体毎の前記影響度パラメータと、前記入力部によって受け付けた、前記個体の各々について観測された、前記個体の反応行動の発生時刻及び行動内容の時系列データと、観測された、前記個体に反応行動を発生させるための外部刺激の発生時刻の時系列データとに基づいて、前記個体の各々について、前記行動頻度関数λ(t)を推定する行動確率推定部と、
前記行動確率推定部によって推定された前記個体の各々についての前記行動頻度関数λ(t)と、前記外部刺激の発生予定時刻とに基づいて、前記個体毎に、個体uが前記反応行動を各時刻tj uに発生する確率p({tj u}|λ(t))に従って、前記個体uの反応行動の発生時刻を予測する行動時刻予測部と、
を含む行動予測装置。 - 入力として、顧客の各々について観測された、前記顧客の購買行動の発生時刻及び行動内容の時系列データと、観測された、前記顧客に購買行動を発生させるためのマーケティング刺激の発生時刻の時系列データとを受け付ける入力部と、
顧客uの各々について、時刻tにおいて単位時間当たりに前記顧客uが購買行動を発生させる確率を表す行動頻度関数λ(t)のもとで、一定期間内において前記顧客が前記購買行動を各時刻tj uに発生する確率p({tj u}|λ(t))を、以下の式に従って、各時刻tj uに前記購買行動が発生する確率と、各時刻tj uを除く前記一定期間内に前記購買行動が発生しない確率との乗算値としてモデル化する場合において、
それぞれが独立事象であって、かつ、前記マーケティング刺激に対応する変動因子を含む少なくとも3つの変動因子lに対して与えられた少なくとも3つの因数関数rlに、少なくとも3つの階層からなる階層関係を与え、前記因数関数rlを、直前の階層の因数関数rl−1の積分の関数として定義し、前記行動頻度関数λ(t)を、前記少なくとも3つの因数関数rlの乗算値とし、各時刻tj uを除く前記一定期間内に前記購買行動が発生しない確率における積分計算を、低位階層の因数関数r0から順番に前記一定期間の時間積分値を算出することを繰り返すことにより行うようにモデル化する階層的モデル化部と、
前記入力部によって受け付けた、前記顧客の各々について観測された、前記顧客の購買行動の発生時刻及び行動内容の時系列データと、観測された、前記顧客に購買行動を発生させるためのマーケティング刺激の発生時刻の時系列データとに基づいて、前記顧客毎に用意された、前記少なくとも3つの因数関数rlで用いられるパラメータであって、前記顧客における前記変動因子lの影響度を表す影響度パラメータの、顧客全体における分布を表す全体パラメータを推定する全体パラメータ推定部と、
前記全体パラメータ推定部によって推定された前記全体パラメータに基づいて、前記顧客毎の前記影響度パラメータを推定する個別パラメータ推定部と、
を含むモデル推定装置。
ただし、区間[t0 u,T]が、前記一定期間を表す。 - 入力として、前記顧客の各々について観測された、前記顧客の購買行動の発生時刻及び行動内容の時系列データと、観測された、前記顧客に購買行動を発生させるための外部刺激の発生時刻の時系列データとを受け付ける入力部と、
請求項4記載のモデル推定装置によってモデル化された、前記顧客の各々に対する前記顧客が前記購買行動を時系列に発生する確率p({tj u}|λ(t))と、前記推定された前記顧客毎の前記影響度パラメータと、前記入力部によって受け付けた、前記顧客の各々について観測された、前記顧客の購買行動の発生時刻及び行動内容の時系列データと、観測された、前記顧客に購買行動を発生させるための外部刺激の発生時刻の時系列データとに基づいて、前記顧客の各々について、前記行動頻度関数λ(t)を推定する行動確率推定部と、
前記行動確率推定部によって推定された前記顧客の各々についての前記行動頻度関数λ(t)と、前記外部刺激の発生予定時刻とに基づいて、前記顧客毎に、顧客uが前記購買行動を各時刻tj uに発生する確率p({tj u}|λ(t))に従って、前記顧客uの購買行動の発生時刻を予測する行動時刻予測部と、
を含む行動予測装置。 - 入力部、階層的モデル化部、全体パラメータ推定部、個別パラメータ推定部を含むモデル推定装置におけるモデル推定方法であって、
前記入力部が、入力として、個体の各々について観測された、前記個体の反応行動の発生時刻及び行動内容の時系列データと、観測された、前記個体に反応行動を発生させるための外部刺激の発生時刻の時系列データとを受け付けるステップと、
前記階層的モデル化部が、個体uの各々について、時刻tにおいて単位時間当たりに前記個体uが反応行動を発生させる確率を表す行動頻度関数λ(t)のもとで、一定期間内において前記個体が前記反応行動を各時刻tj uに発生する確率p({tj u}|λ(t))を、以下の式に従って、各時刻tj uに前記反応行動が発生する確率と、各時刻tj uを除く前記一定期間内に前記反応行動が発生しない確率との乗算値としてモデル化する場合において、
それぞれが独立事象であって、かつ、前記外部刺激に対応する変動因子を含む少なくとも3つの変動因子lに対して与えられた少なくとも3つの因数関数rlに、少なくとも3つの階層からなる階層関係を与え、前記因数関数rlを、直前の階層の因数関数rl−1の積分の関数として定義し、前記行動頻度関数λ(t)を、前記少なくとも3つの因数関数rlの乗算値とし、各時刻tj uを除く前記一定期間内に前記反応行動が発生しない確率における積分計算を、低位階層の因数関数r0から順番に前記一定期間の時間積分値を算出することを繰り返すことにより行うようにモデル化するステップと、
前記全体パラメータ推定部が、前記入力部によって受け付けた、前記個体の各々について観測された、前記個体の反応行動の発生時刻及び行動内容の時系列データと、観測された、前記個体に反応行動を発生させるための外部刺激の発生時刻の時系列データとに基づいて、前記個体毎に用意された、前記少なくとも3つの因数関数rlで用いられるパラメータであって、前記個体における前記変動因子lの影響度を表す影響度パラメータの、個体全体における分布を表す全体パラメータを推定するステップと、
前記個別パラメータ推定部が、前記全体パラメータ推定部によって推定された前記全体パラメータに基づいて、前記個体毎の前記影響度パラメータを推定するステップと、
を含むモデル推定方法。
ただし、区間[t0 u,T]が、前記一定期間を表す。 - コンピュータを、請求項1又は2に記載のモデル推定装置を構成する各部として機能させるためのプログラム。
- コンピュータを、請求項3に記載の行動予測装置を構成する各部として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014099710A JP6042370B2 (ja) | 2014-05-13 | 2014-05-13 | モデル推定装置、行動予測装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014099710A JP6042370B2 (ja) | 2014-05-13 | 2014-05-13 | モデル推定装置、行動予測装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015215848A JP2015215848A (ja) | 2015-12-03 |
JP6042370B2 true JP6042370B2 (ja) | 2016-12-14 |
Family
ID=54752650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014099710A Active JP6042370B2 (ja) | 2014-05-13 | 2014-05-13 | モデル推定装置、行動予測装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6042370B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6837953B2 (ja) * | 2017-11-09 | 2021-03-03 | 日本電信電話株式会社 | パラメータ推定装置、パラメータ推定方法及びプログラム |
WO2023084611A1 (ja) * | 2021-11-09 | 2023-05-19 | 日本電信電話株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4213653B2 (ja) * | 2004-10-27 | 2009-01-21 | 株式会社東芝 | 事象の変化の要因を分析する分析装置、分析方法およびプログラム |
JP4675308B2 (ja) * | 2006-11-01 | 2011-04-20 | トヨタ自動車株式会社 | メディアミックス計画の立案支援装置と立案支援方法 |
JP2010198243A (ja) * | 2009-02-24 | 2010-09-09 | Oki Electric Ind Co Ltd | 行動予測装置および行動予測方法 |
JP2012014467A (ja) * | 2010-06-30 | 2012-01-19 | Rakuten Inc | 情報提供システム、情報提供装置、情報提供方法、プログラム及び情報記録媒体 |
JP5337174B2 (ja) * | 2011-01-19 | 2013-11-06 | 東芝テック株式会社 | 需要予測装置、及びそのプログラム |
-
2014
- 2014-05-13 JP JP2014099710A patent/JP6042370B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2015215848A (ja) | 2015-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Close the gaps: A learning-while-doing algorithm for single-product revenue management problems | |
Borade et al. | Software project effort and cost estimation techniques | |
Givi et al. | Production planning in DRC systems considering worker performance | |
WO2020054879A1 (ja) | 予測データを計算する情報処理装置など | |
Allahverdi et al. | Single machine scheduling problem with interval processing times to minimize mean weighted completion time | |
Asan et al. | A fuzzy analytic network process approach | |
Elzamly et al. | Managing software project risks (analysis phase) with proposed fuzzy regression analysis modelling techniques with fuzzy concepts | |
Chatzoglou et al. | A review of existing models for project planning and estimation and the need for a new approach | |
Kim et al. | Tracking temporal dynamics of purchase decisions via hierarchical time-rescaling model | |
Hamouda | Using agile story points as an estimation technique in cmmi organizations | |
Roland et al. | Finding compromise solutions in project portfolio selection with multiple experts by inverse optimization | |
Yelland et al. | Forecasting demand for fashion goods: a hierarchical Bayesian approach | |
JP5251217B2 (ja) | 販売数予測システム、販売数予測システムの動作方法および販売数予測プログラム | |
Fang et al. | Effective confidence interval estimation of fault-detection process of software reliability growth models | |
WO2021049365A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Tripathi et al. | Comparative study of software cost estimation technique | |
Sehra et al. | Applications of multi-criteria decision making in software engineering | |
Rahman et al. | A comparison of machine learning algorithms to estimate effort in varying sized software | |
JP6042370B2 (ja) | モデル推定装置、行動予測装置、方法、及びプログラム | |
Percy et al. | Scheduling preventive maintenance for oil pumps using generalized proportional intensities models | |
JP5993273B2 (ja) | 意思決定支援システム及び方法 | |
Fan et al. | Strategic pricing and production planning using a Stackelberg differential game with unknown demand parameters | |
JP6285846B2 (ja) | 個体行動モデル推定装置、購買行動モデル推定装置、外部刺激タイミング最適化装置、個体行動モデル推定方法、及びプログラム | |
Kasperek et al. | A method for impact analysis of cyclic changes within innovation processes of PSS | |
KR101603977B1 (ko) | 영업활동에 대한 수주 가능성 예측 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151203 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160923 |
|
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: 20161025 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161109 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6042370 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |