JP6129802B2 - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents
情報処理装置、情報処理方法、および情報処理プログラム Download PDFInfo
- Publication number
- JP6129802B2 JP6129802B2 JP2014191931A JP2014191931A JP6129802B2 JP 6129802 B2 JP6129802 B2 JP 6129802B2 JP 2014191931 A JP2014191931 A JP 2014191931A JP 2014191931 A JP2014191931 A JP 2014191931A JP 6129802 B2 JP6129802 B2 JP 6129802B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- user
- prediction
- information processing
- prediction model
- 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
- 230000010365 information processing Effects 0.000 title claims description 43
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000000034 method Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 32
- 238000009825 accumulation Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- 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
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Description
このような情報提供装置の中には、広告効果を向上させるため、ウェブページ上でユーザが広告をクリックする確率の予測値を算出し、算出した予測値に応じて広告をユーザに提供するものがある。そして、予測値の算出には、ユーザ属性や、ユーザ属性と広告との関連性等を示す素性情報に基づいて予測値を算出する予測モデルが用いられている。
そして、本発明では、このようなグループ毎に生成された予測モデルから選択された予測モデルを用いて予測値が算出されるため、すべてのユーザに共通する予測モデルを用いて予測値を算出する場合と比べて、予測値の計算時間を短縮できる。
以下、本発明の第1実施形態を図面に基づいて説明する。
[情報処理装置]
図1は、第1実施形態に係る情報処理装置の構成を示す図である。
第1実施形態の情報処理装置1は、コンピュータにより構成され、記憶装置10、および、制御装置20を備えている。情報処理装置1は、複数のユーザ端末2が通信接続可能なネットワーク3に接続されている。
記憶装置10は、HDD(Hard Disk Drive)やフラッシュメモリー等により構成され、制御装置20の動作に必要な各種プログラムおよび情報を記憶する。
記憶装置10は、モデル記憶部11、クリック履歴蓄積部12、モデル割当情報記憶部13、関係情報蓄積部14を備える。
予測モデルは、例えば、次式(1)で示される。式(1)において、A,Bは定数を示す。yは、次式(2)で示される。nは変数を示し、Xnは素性情報の数値を示し、Wnは、Xnが予測CTRに貢献する貢献度を決める重み係数を示す。
なお、予測モデルは、クリック確率に関する予測値を求めるものであれば、クリック確率そのものを求めるものでなくてもよい。例えば、式(2)で示されるyを求めるものであってもよい。
例えば、局所モデルとしては、主婦のグループを対象として生成される主婦モデルや、富裕層のグループを対象として生成されるリッチモデル等が例示できる。
ここで、クリック履歴蓄積部12には、クリック履歴が、局所モデルおよび共通モデルのいずれかの予測モデルが対応付けられて蓄積される。
制御装置20は、情報処理装置1の動作を制御するものであり、CPU(Central Processing Unit)等の演算装置により構成されている。
制御装置20は、演算装置が記憶装置10に記憶された情報処理プログラムを実行することにより、モデル割当手段21、クリック履歴蓄積制御手段22、モデル生成手段23、モデル選択手段24、予測値算出手段25、配信手段26として機能する。
また、モデル割当手段21は、ユーザ毎に、クリック履歴蓄積部12から、蓄積されたクリック履歴を読み出し、読み出したクリック履歴に基づいて素性情報の値を取得する。そして、取得した素性情報の値と、割り当てた予測モデルとを関係付けた関係情報を、関係情報蓄積部14に蓄積する。
具体的には、モデル生成手段23は、蓄積されたクリック履歴に基づいて、素性情報の値とクリック実績との組を多数取得して、予測CTRに対する素性情報の貢献度(Wn)を学習し、予測モデルを生成する。
ここで、モデル生成手段23は、定期的に予測モデルを生成し、新たに生成した予測モデルをモデル記憶部11に上書きして格納する。
例えば、配信候補の広告のうち、予測CTRが最も高い広告をユーザに配信する。
次に、モデル割当処理について説明する。
図2は、モデル割当処理を示すフローチャートである。モデル割当処理は、例えば1週間等の所定期間間隔で実行される。
図2に示すように、モデル割当処理が実行されると、モデル割当手段21は、クリック履歴蓄積部12にクリック履歴が蓄積されているユーザの中から、一人のユーザを選択する(ステップS11)。
具体的には、モデル割当手段21は、各予測モデルに対して、取得した素性情報の値を入力し、予測CTRを算出する。そして、算出した予測CTRと取得したクリック履歴から得られる実績値とを比較することで、複数の予測モデルからユーザに適合する予測モデルを割り当てる。
例えば、モデル割当手段21は、算出した予測CTRが実績値と最も近くなる予測モデルをユーザに割り当てる。
すなわち、モデル割当手段21は、ユーザに対して、局所モデルのいずれかが適合すれば、適合した局所モデルを割り当て、局所モデルがいずれも適合せずに共通モデルが適合すれば、共通モデルを割り当てる。
さらに、モデル割当手段21は、取得した素性情報の値と、割り当てた予測モデルとを関係付けた関係情報を、関係情報蓄積部14に蓄積する(ステップS16)。
モデル割当手段21は、ステップS17でNOと判定された場合は、処理をステップS11に戻し、ステップS11〜S17の処理を再度実行する。そして、すべてのユーザが選択され、ステップS17でYESと判定されると、モデル割当処理を終了する。
次に、予測処理について説明する。
図3は、予測処理を示すフローチャートである。予測処理は、例えば、ユーザが所定のウェブページにアクセスした際に実行される。
図3に示すように、予測処理が実行されると、予測値算出手段25は、ユーザが所定のウェブページにアクセスしたことを示すページアクセス情報を取得し、取得したページアクセス情報に基づいて、配信候補の広告毎に、素性情報の値を取得する(ステップS21)。
ステップS22でYESと判定された場合、予測値算出手段25は、当該モデル割当情報で関係付けられている予測モデル(局所モデルおよび共通モデルのいずれかの予測モデル)を選択する(ステップS23)。
一方、ステップS22でNOと判定された場合、予測値算出手段25は、関係情報蓄積部14が蓄積している関係情報に基づいて、取得した素性情報の値との相関性が高い予測モデルを選択する。
すなわち、予測値算出手段25は、取得した素性情報の値との相関性が高い局所モデルがあれば、その局所モデルを選択し、なければ、共通モデルを選択する。
ここで、クリック履歴蓄積制御手段22は、ステップS23、または、ステップS24で選択された予測モデルが、局所モデルである場合は、取得したクリック履歴を、共通モデル、および、選択された局所モデルに対応付けてクリック履歴蓄積部12に蓄積する。
また、選択された予測モデルが、共通モデルである場合は、取得したクリック履歴を、共通モデルに対応付けてクリック履歴蓄積部12に蓄積する。
そして、制御装置20は、予測処理を終了する。
グループ毎に生成された予測モデル(局所モデル)に基づいて予測CTRが算出されるため、共通モデルを用いて予測CTRを算出する場合と比べて、算出に用いる素性情報の数を少なくでき、予測CTRの計算時間を短縮できる。
また、ユーザに適合する局所モデルを用いて予測CTRが算出されるため、様々な属性を持ったユーザを対象とする共通モデルを用いて予測CTRを算出する場合と比べて予測CTRの精度を向上できる。
これによれば、ユーザのクリック実績に基づいて予測モデルを選択できるため、ユーザに適合する予測モデルを精度よく選択できる。
これによれば、クリック履歴が蓄積されておらず、モデル割当情報がないユーザに対しても、適合する予測モデルを選択できる。
また、予測モデルをテストする必要がないため、ユーザに適合する予測モデルを直ちに選択でき、かつ、テストにかかる制御装置20の処理負荷を低減できる。
これによれば、クリック履歴が蓄積されていくに従って、各予測モデルを生成するための学習情報が増加するため、各予測モデルの予測精度を向上できる。
次に、本発明の第2実施形態を図面に基づいて説明する。
第1実施形態では、ユーザのグループは、例えば情報処理装置1の管理者によって予め決定されるが、第2実施形態では、ユーザを、ユーザ情報に基づいて統計的手法であるディリクレ過程を用いて自動的にグループ分けしている。その他の構成は、第1実施形態と同様である。
図4に示すように、第2実施形態の情報処理装置1Aの制御装置20Aは、第1実施形態と同じモデル割当手段21、クリック履歴蓄積制御手段22、モデル生成手段23、モデル選択手段24、予測値算出手段25、配信手段26に加えて、グループ分け手段27を備える。
ここで、グループ分け手段27は、ディリクレ過程における集まり度を決めるパラメータ(ハイパーパラメータとも称す)の値を複数段階に設定した複数通りのグループ分けを行う。
例えば、ハイパーパラメータの値を、「0.01」、「1」、「100」に設定した3通りのグループ分けを行う。
グループ分け手段27は、ユーザを、ユーザ情報に基づいて、統計的手法であるディリクレ過程を用いてグループ分けするため、ユーザ情報に応じて自動的に適切なグループ分けを行うことができる。これにより、情報処理装置1の管理者の経験に依らずに、予測モデルの予測精度を向上できる。
次に本発明の第3実施形態について説明する。
第1実施形態では、モデル割当手段21は、複数の予測モデルを、ユーザのクリック履歴から取得した素性情報の値を用いてテストして、ユーザに適合する予測モデルを割り当てているが、第3実施形態では、モデル割当手段21は、モデル割当処理が最初に実行されてから所定期間は、第1実施形態と同様の方法で予測モデルの割り当てを行い、当該所定期間経過後は、当該所定期間に蓄積された関係情報に基づいて予測モデルの割り当てを行う。その他の構成は、第1実施形態と同様である。
これにより、ステップS16において、ステップS13で取得された素性情報の値と、ステップS14で割り当てられた予測モデルとが関係付けられた関係情報が、前記所定期間分、関係情報蓄積部14に蓄積される。
モデル割当手段21は、モデル割当処理が最初に実行されてから所定期間経過した後は、関係情報に基づいてユーザに適合する予測モデルを割り当てるため、予測モデルをテストする必要がなく、予測モデルの割り当てに要する計算時間を短縮できる。
前記各実施形態では、予測モデルは、ユーザが広告をクリックする確率に関する予測値を算出するものであったが、本発明はこれに限定されない。すなわち、ユーザがユーザ端末2を操作して行うインターネット上の行動の実行確率に関する予測値を算出するものであればよい。このような行動としては、商品の購入等が例示できる。
そして、情報処理装置1は、算出した予測値に基づいて、例えば、ユーザに各種レコメンドやサジェスチョンを行ってもよい。
前記各実施形態では、モデル割当処理は、クリック履歴蓄積部12にクリック履歴が蓄積されているすべてのユーザに対して行われているが、本発明はこれに限定されない。すなわち、一部のユーザに対してのみ行われてもよい。
前記第2実施形態では、グループ分け手段27は、ディリクレ過程を用いてグループ分けを行っていたが、本発明はこれに限定されない。例えば、他の統計的手法を用いてグループ分けを行ってもよい。
前記第3実施形態では、モデル割当手段21は、モデル割当処理が最初に実行されてから所定期間までは、複数の予測モデルをユーザのクリック履歴から取得した素性情報の値を用いてテストすることで、ユーザに適合する予測モデルを割り当てているが、本発明はこれに限定されない。例えば、情報処理装置1の管理者の経験等から、予め素性情報と予測モデルとが関係付けられた関係情報を作成しておけば、モデル割当処理が最初に実行されたときから、当該関係情報に基づいて予測モデルを抽出してユーザに割り当ててもよい。
Claims (9)
- ユーザがユーザ端末を操作して行うインターネット上の行動の実行確率に関する予測値を算出する予測モデルを、ユーザをユーザ情報に基づいてグループ分けしたグループ毎に生成するモデル生成手段と、
前記グループ毎の予測モデルに対して、ユーザがユーザ端末を操作して行うインターネット上の行動履歴から取得される素性情報の値を入力して前記予測値を算出し、算出した前記予測値と、前記行動履歴から得られる実績値とを比較してテストすることで、ユーザに適合する予測モデルを割り当てるモデル割当手段と、
前記予測モデルから、前記モデル割当手段がユーザに割り当てた予測モデルを選択するモデル選択手段と、
前記モデル選択手段で選択された予測モデルを用いて、前記予測値を算出する予測値算出手段と、を備える
ことを特徴とする情報処理装置。 - 請求項1に記載の情報処理装置において、
前記モデル生成手段は、前記予測モデルとして、すべての前記グループに共通する共通モデルを生成する
ことを特徴とする情報処理装置。 - 請求項1または請求項2に記載の情報処理装置において、
前記モデル割当手段は、
前記素性情報の値と割り当てた予測モデルとを関係付けた関係情報を生成して記憶装置に蓄積し、
前記記憶装置に所定期間分の前記関係情報を蓄積した後、当該蓄積した関係情報に基づいて、ユーザに適合する予測モデルを割り当てる
ことを特徴とする情報処理装置。 - 請求項1から請求項3のいずれか1項に記載の情報処理装置において、
前記モデル選択手段は、前記モデル割当手段によって前記予測モデルがユーザに割り当てられていない場合、前記素性情報の値と、前記予測モデルとの関係を示す関係情報に基づいて、ユーザに適合する予測モデルを選択する
ことを特徴とする情報処理装置。 - 請求項1から請求項4のいずれか1項に記載の情報処理装置において、
前記行動履歴を記憶装置に蓄積する行動履歴蓄積制御手段を備え、
前記行動履歴蓄積制御手段は、前記行動履歴を、前記モデル選択手段で選択された予測モデルに対応付けて前記記憶装置に蓄積し、
前記モデル生成手段は、前記予測モデルを、前記記憶装置に蓄積された対応する行動履歴に基づいて生成する
ことを特徴とする情報処理装置。 - 請求項1から請求項5のいずれか1項に記載の情報処理装置において、
前記モデル生成手段は、ユーザをユーザ属性に基づいてグループ分けしたグループ毎に前記予測モデルを生成する
ことを特徴とする情報処理装置。 - 請求項1から請求項5のいずれか1項に記載の情報処理装置において、
統計的手法であるディリクレ過程を用いて、ユーザをユーザ情報に基づいてグループ分けするグループ分け手段を備え、
前記グループ分け手段は、ディリクレ過程における集まり度を決めるパラメータの値を複数段階に設定して、複数通りのグループ分けを行い、
前記モデル生成手段は、前記グループ分け手段による前記複数通りのグループ分けのそれぞれに対して、グループ毎に前記予測モデルを生成する
ことを特徴とする情報処理装置。 - コンピュータにより実行される情報処理方法であって、
ユーザがユーザ端末を操作して行うインターネット上の行動の実行確率に関する予測値を算出する予測モデルを、ユーザをユーザ情報に基づいてグループ分けしたグループ毎に生成し、
前記グループ毎の予測モデルに対して、ユーザがユーザ端末を操作して行うインターネット上の行動履歴から取得される素性情報の値を入力して前記予測値を算出し、算出した前記予測値と、前記行動履歴から得られる実績値とを比較してテストすることで、ユーザに適合する予測モデルを割り当て、
前記予測モデルから、ユーザに割り当てた予測モデルを選択し、
選択した予測モデルを用いて、前記予測値を算出する、
ことを特徴とする情報処理方法。 - コンピュータを、請求項1から請求項7のいずれか1項に記載の情報処理装置として機能させる
ことを特徴とする情報処理プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014191931A JP6129802B2 (ja) | 2014-09-19 | 2014-09-19 | 情報処理装置、情報処理方法、および情報処理プログラム |
US14/847,918 US10467650B2 (en) | 2014-09-19 | 2015-09-08 | Information processing apparatus, information processing method, and non-transitory computer readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014191931A JP6129802B2 (ja) | 2014-09-19 | 2014-09-19 | 情報処理装置、情報処理方法、および情報処理プログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017079037A Division JP2017168110A (ja) | 2017-04-12 | 2017-04-12 | 情報処理装置、情報処理方法、および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016062509A JP2016062509A (ja) | 2016-04-25 |
JP6129802B2 true JP6129802B2 (ja) | 2017-05-17 |
Family
ID=55526058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014191931A Active JP6129802B2 (ja) | 2014-09-19 | 2014-09-19 | 情報処理装置、情報処理方法、および情報処理プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10467650B2 (ja) |
JP (1) | JP6129802B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105678587B (zh) * | 2016-01-12 | 2020-11-24 | 腾讯科技(深圳)有限公司 | 一种推荐特征确定方法、信息推荐方法及装置 |
JP6870981B2 (ja) * | 2016-12-21 | 2021-05-12 | ヤフー株式会社 | 算出装置、算出方法及び算出プログラム |
JP6808599B2 (ja) * | 2017-11-02 | 2021-01-06 | 日本電信電話株式会社 | 分類支援装置、分類支援方法及びプログラム |
JP7328974B2 (ja) | 2018-08-24 | 2023-08-17 | 株式会社Nttドコモ | 予測解釈装置、及び予測解釈方法 |
JP6948298B2 (ja) * | 2018-09-20 | 2021-10-13 | ヤフー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2021022243A (ja) * | 2019-07-29 | 2021-02-18 | 富士通株式会社 | 推薦システム、推薦制御プログラム、および、推薦制御方法 |
KR102501496B1 (ko) * | 2020-06-11 | 2023-02-20 | 라인플러스 주식회사 | 개인화를 통한 연합 학습의 다중 모델 제공 방법, 시스템, 및 컴퓨터 프로그램 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002092305A (ja) * | 2000-09-13 | 2002-03-29 | Hitachi Ltd | スコア算出方法及びスコア提供方法 |
WO2009060829A1 (ja) | 2007-11-05 | 2009-05-14 | Nec Corporation | 広告提示方法、広告提示システム及びプログラム |
JP2009193465A (ja) | 2008-02-15 | 2009-08-27 | Ntt Communications Kk | 情報処理装置、情報提供システム、情報処理方法、およびプログラム |
JP5165422B2 (ja) * | 2008-03-14 | 2013-03-21 | 株式会社エヌ・ティ・ティ・ドコモ | 情報提供システム及び情報提供方法 |
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 |
JP5199152B2 (ja) * | 2009-03-12 | 2013-05-15 | 株式会社日立製作所 | 行動予測方法及び行動予測システム |
US8392343B2 (en) * | 2010-07-21 | 2013-03-05 | Yahoo! Inc. | Estimating probabilities of events in sponsored search using adaptive models |
JP5855511B2 (ja) * | 2012-03-30 | 2016-02-09 | Kddi株式会社 | 広告配信支援装置、広告配信装置、広告配信方法およびプログラム |
JP5475829B2 (ja) * | 2012-05-18 | 2014-04-16 | ヤフー株式会社 | 情報処理装置、貢献度算出方法及び貢献度算出プログラム |
US10217058B2 (en) * | 2014-01-30 | 2019-02-26 | Microsoft Technology Licensing, Llc | Predicting interesting things and concepts in content |
-
2014
- 2014-09-19 JP JP2014191931A patent/JP6129802B2/ja active Active
-
2015
- 2015-09-08 US US14/847,918 patent/US10467650B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US10467650B2 (en) | 2019-11-05 |
US20160086094A1 (en) | 2016-03-24 |
JP2016062509A (ja) | 2016-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6129802B2 (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 | |
US11010690B2 (en) | Machine learning for determining confidence for reclamation of storage volumes | |
JP6588572B2 (ja) | 情報推薦方法および情報推薦装置 | |
JP2016522475A (ja) | 複数ヴァージョンをテストするための方法及びデバイス | |
US11620474B2 (en) | Model reselection for accommodating unsatisfactory training data | |
US9886704B2 (en) | Advertisement distribution management apparatus, advertisement distribution system, and advertisement distribution management method | |
JP5373870B2 (ja) | 予測装置、予測方法、及び、プログラム | |
US20170169463A1 (en) | Method, apparatus, and computer-readable medium for determining effectiveness of a targeting model | |
US20170193541A1 (en) | Agricultural products processing center adaptive analysis system and processing method thereof | |
GB2596741A (en) | Method for accessing data records of a master data management system | |
KR20200076845A (ko) | 악성코드 분석 시스템 및 그 시스템의 동작 방법 | |
CN115812209A (zh) | 机器学习特征推荐 | |
US20180330001A1 (en) | Method and apparatus for processing user behavior data | |
JP2017168110A (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 | |
US10313457B2 (en) | Collaborative filtering in directed graph | |
US20160148223A1 (en) | Forecasting web metrics using statistical causality based feature selection | |
JP2015184818A (ja) | サーバ、モデル適用可否判定方法およびコンピュータプログラム | |
CN111260416A (zh) | 用于确定对象的关联用户的方法及装置 | |
JP7369219B2 (ja) | 運用管理装置及び方法 | |
US20180039901A1 (en) | Predictor management system, predictor management method, and predictor management program | |
US10496693B2 (en) | Unified classification and ranking strategy | |
CN108241643B (zh) | 关键词的指标数据分析方法及装置 | |
JP2020035219A (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 | |
JP6617605B2 (ja) | 需要量予測プログラム、需要量予測方法、及び情報処理装置 | |
CN113296951A (zh) | 一种资源配置方案确定方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160722 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160816 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161006 |
|
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: 20170314 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170412 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6129802 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |