JP6330901B2 - 階層隠れ変数モデル推定装置、階層隠れ変数モデル推定方法、払出量予測装置、払出量予測方法、及び記録媒体 - Google Patents
階層隠れ変数モデル推定装置、階層隠れ変数モデル推定方法、払出量予測装置、払出量予測方法、及び記録媒体 Download PDFInfo
- Publication number
- JP6330901B2 JP6330901B2 JP2016511462A JP2016511462A JP6330901B2 JP 6330901 B2 JP6330901 B2 JP 6330901B2 JP 2016511462 A JP2016511462 A JP 2016511462A JP 2016511462 A JP2016511462 A JP 2016511462A JP 6330901 B2 JP6330901 B2 JP 6330901B2
- Authority
- JP
- Japan
- Prior art keywords
- payout amount
- node
- model
- component
- hierarchical hidden
- 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
Images
Classifications
-
- 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
-
- 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
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、少なくとも1つの実施形態に係る払出量予測システムの構成例を示すブロック図である。本実施形態に係る払出量予測システム10は、階層隠れ変数モデル推定装置100と、学習データベース300と、モデルデータベース500と、払出量予測装置700とを備える。払出量予測システム10は、商品の過去の払出に係る情報に基づいて払出量の予測に用いるモデルを生成し、そのモデルを用いて払出量の予測を行う。
学習データベース300は、商品及び店舗に関するデータを記録する。
次に、払出量予測システムの第2の実施形態について説明する。本実施形態に係る払出量予測システムは、階層隠れ変数モデル推定装置100が階層隠れ変数モデル推定装置200に置き換えられているということのみにおいて、払出量予測システム10と相違する。
以下では、払出量予測システムの第3の実施形態について説明する。本実施形態に係る払出量予測システムは、階層隠れ変数モデル推定装置の構成が第2の実施形態と異なる。本実施形態の階層隠れ変数モデル推定装置は、門関数最適化処理部106が門関数最適化処理部113に置き換得られていることのみにおいて、階層隠れ変数モデル推定装置200と異なる。
次に、階層隠れ変数モデル推定装置の基本的な構成について説明する。図17は、階層隠れ変数モデル推定装置の基本構成を示すブロック図である。
80 学習データ入力部
81 階層隠れ構造設定部
82 変分確率計算部
83 コンポーネント最適化処理部
84 門関数最適化部
90 予測データ入力部
91 コンポーネント決定部
92 払出量予測部
100 階層隠れ変数モデル推定装置
101 データ入力装置
102 階層隠れ構造設定部
103 初期化処理部
104 階層隠れ変数変分確率計算処理部
104−1 最下層経路隠れ変数変分確率計算処理部
104−2 階層設定部
104−3 上層経路隠れ変数変分確率計算処理部
104−4 階層計算終了判定処理部
104−5 推定されたモデル
104−6 階層隠れ変数変分確率
105 コンポーネント最適化処理部
106 門関数最適化処理部
106−1 分岐ノード情報取得部
106−2 分岐ノード選択処理部
106−3 分岐パラメータ最適化処理部
106−4 全分岐ノード最適化終了判定処理部
106−6 門関数モデル
107 最適性判定処理部
108 最適モデル選択処理部
109 モデル推定結果出力装置
111 入力データ
112 モデル推定結果
113 門関数最適化処理部
113−1 有効分岐ノード選別部
113−2 分岐パラメータ最適化並列処理部
200 階層隠れ変数モデル推定装置
201 階層隠れ構造最適化処理部
201−1 経路隠れ変数和演算処理部
201−2 経路除去判定処理部
201−3 経路除去実行処理部
300 学習データベース
500 モデルデータベース
700 払出量予測装置
701 データ入力装置
702 モデル取得部
703 コンポーネント決定部
704 払出量予測部
705 予測結果出力装置
711 入力データ
712 予測結果
1000 コンピュータ
1001 CPU
1002 主記憶装置
1003 補助記憶装置
1004 インタフェース
Claims (15)
- 商品の払出量を予測する階層隠れ変数モデルを推定するための階層隠れ変数モデル推定装置であって、
商品の既知の払出量である目的変数と前記払出量に影響を与え得る情報項目である1つ以上の説明変数の複数の組み合わせである学習用データを入力する学習データ入力手段と、
隠れ変数が木構造で表され、確率モデルを表すコンポーネントが、前記木構造の最下層のノードに配置された構造である、階層隠れ構造を設定する階層隠れ構造設定手段と、
前記学習データ入力手段によって入力された学習用データと前記コンポーネントとに基づいて、前記階層隠れ構造において根ノードを対象ノードとつなぐ経路に含まれる隠れ変数である経路隠れ変数の変分確率を計算する変分確率計算手段と、
前記学習データ入力手段によって入力された学習用データに基づいて、計算された前記変分確率に対して前記コンポーネントの各々を最適化するコンポーネント最適化処理手段と、
前記階層隠れ構造のノードにおいて前記説明変数に従って分岐方向を決定するためのモデルである門関数モデルを、前記ノードにおける隠れ変数の変分確率に基づいて最適化する門関数最適化手段と、
を備える階層隠れ変数モデル推定装置。 - 計算された変分確率が所定の閾値以下である経路を前記モデルから除去することによって、前記階層隠れ構造を最適化する階層隠れ構造最適化手段
を更に備える請求項1に記載の階層隠れ変数モデル推定装置。 - 前記門関数最適化手段は、
前記階層隠れ構造から除去されない経路の分岐ノードである有効分岐ノードを、前記階層隠れ構造のノードから選択する有効分岐ノード選別手段と、
前記有効分岐ノードにおける前記隠れ変数の前記変分確率に基づいて、前記門関数モデルを最適化する門関数最適化並列処理手段と、を含み、
前記門関数最適化並列処理手段は、前記有効分岐ノードに対して、各分岐パラメータの最適化を並列に行う
請求項2に記載の階層隠れ変数モデル推定装置。 - 階層隠れ構造設定手段は、前記隠れ変数が2分木構造で表される前記階層隠れ構造を設定し、
門関数最適化手段は、前記ノードにおける前記隠れ変数の前記変分確率に基づいて、ベルヌーイ分布に基づく前記門関数モデルを最適化する
請求項1乃至3のいずれか1項に記載の階層隠れ変数モデル推定装置。 - 変分確率計算手段は、周辺化対数尤度を最大化するように前記隠れ変数の前記変分確率を計算する
請求項1乃至4のいずれか1項に記載の階層隠れ変数モデル推定装置。 - 商品の払出量を予測する階層隠れ変数モデルを推定するための階層隠れ変数モデル推定方法であって、
商品の既知の払出量である目的変数と前記払出量に影響を与え得る情報項目である1つ以上の説明変数との、複数の組み合わせである学習用データを入力し、
隠れ変数が木構造で表され、確率モデルを表すコンポーネントが、前記木構造の最下層のノードに配置された構造である階層隠れ構造を設定し、
入力された前記学習用データと前記コンポーネントとに基づいて、前記階層隠れ構造において根ノードを対象ノードとつなぐ経路に含まれる隠れ変数である、経路隠れ変数の変分確率を計算し、
入力された前記学習用データに基づいて、計算された前記変分確率に対して前記コンポーネントの各々を最適化し、
前記階層隠れ構造のノードにおいて前記説明変数に従って分岐方向を決定するためのモデルである門関数モデルを、前記ノードにおける隠れ変数の変分確率に基づいて最適化する
階層隠れ変数モデル推定方法。 - 計算された変分確率が所定の閾値以下である経路を前記モデルから除去することによって、前記階層隠れ構造を最適化する
請求項6記載の階層隠れ変数モデル推定方法。 - コンピュータに、
商品の既知の払出量である目的変数と前記払出量に影響を与え得る情報項目である1つ以上の説明変数との、複数の組み合わせである学習用データを入力する学習データ入力処理と、
隠れ変数が木構造で表され、確率モデルを表すコンポーネントが、前記木構造の最下層のノードに配置された構造である階層隠れ構造を設定する階層隠れ構造設定処理と、
前記学習データ入力処理によって入力された学習用データと前記コンポーネントとに基づいて、前記階層隠れ構造において根ノードを対象ノードとつなぐ経路に含まれる隠れ変数である経路隠れ変数の変分確率を計算する変分確率計算処理と、
前記学習データ入力処理によって入力された学習用データに基づいて、計算された前記変分確率に対して前記コンポーネントの各々を最適化するコンポーネント最適化処理と、
前記階層隠れ構造のノードにおいて多変量データに従って分岐方向を決定するためのモデルである門関数モデルを、前記ノードにおける前記隠れ変数の前記変分確率に基づいて最適化する門関数最適化処理
を実行させる階層隠れ変数モデル推定プログラム。 - コンピュータに、
計算された変分確率が所定の閾値以下である経路を前記モデルから除去することによって、前記階層隠れ構造を最適化する階層隠れ構造最適化処理
を実行させる請求項8記載の階層隠れ変数モデル推定プログラム。 - 商品の払出量を予測するための払出量予測装置であって、
商品の払出量に影響を与え得る情報項目である1つ以上の説明変数である、予測用データを入力する予測データ入力手段と、
隠れ変数が木構造で表され、確率モデルを表すコンポーネントが、前記木構造の最下層のノードに配置された構造である階層隠れ構造と、当該階層隠れ構造のノードにおける分岐方向を決定するための門関数と、前記予測用データとに基づいて、前記払出量の予測に使用される前記コンポーネントを決定するコンポーネント決定手段と、
前記コンポーネント決定手段によって決定された前記コンポーネントと前記予測用データとに基づいて、前記払出量を予測する払出量予測手段と、
を備える払出量予測装置。 - 商品の払出量を予測するための払出量予測方法であって、
商品の前記払出量に影響を与え得る情報項目である1つ以上の説明変数である、予測用データを入力し、
隠れ変数が木構造で表され、確率モデルを表すコンポーネントが、前記木構造の最下層のノードに配置された構造である階層隠れ構造と、当該階層隠れ構造のノードにおける分岐方向を決定するための門関数と、前記予測用データとに基づいて、前記払出量の予測に使用される前記コンポーネントを決定し、
決定された前記コンポーネントと前記予測用データとに基づいて、前記払出量を予測する
払出量予測方法。 - コンピュータに、
商品の払出量に影響を与え得る情報項目である1つ以上の説明変数である、予測用データを入力する予測用データ入力処理と、
隠れ変数が木構造で表され、確率モデルを表すコンポーネントが、前記木構造の最下層のノードに配置された構造である階層隠れ構造と、当該階層隠れ構造のノードにおける分岐方向を決定するための門関数と、前記予測用データとに基づいて、前記払出量の予測に使用される前記コンポーネントを決定するコンポーネント決定処理と、
前記コンポーネント決定処理によって決定された前記コンポーネントと前記予測用データとに基づいて、前記払出量を予測する払出量予測処理
を実行させる払出量予測プログラム。 - 商品の払出量を予測するための払出量予測システムであって、
商品の既知の払出量である目的変数と前記払出量に影響を与え得る情報項目である1つ以上の説明変数との、複数の組み合わせである学習用データを入力する学習データ入力手段と、
隠れ変数が木構造で表され、確率モデルを表すコンポーネントが、前記木構造の最下層のノードに配置された構造である階層隠れ構造を設定する階層隠れ構造設定手段と、
前記学習データ入力手段によって入力された学習用データと前記コンポーネントとに基づいて、前記階層隠れ構造において根ノードを対象ノードとつなぐ経路に含まれる隠れ変数である、経路隠れ変数の変分確率を計算する変分確率計算手段と、
前記学習データ入力手段によって入力された前記学習用データに基づいて、計算された前記変分確率に対して前記コンポーネントの各々を最適化するコンポーネント最適化処理手段と、
前記階層隠れ構造のノードにおいて前記説明変数に従って分岐方向を決定するためのモデルである門関数モデルを、前記ノードにおける前記隠れ変数の前記変分確率に基づいて最適化する門関数最適化手段と、
商品の払出量に影響を与え得る情報項目である1つ以上の説明変数である、予測用データを入力する予測用データ入力手段と、
前記門関数最適化手段によって最適化された前記門関数モデルと前記予測用データとに基づいて、前記コンポーネント最適化処理手段によって最適化された前記コンポーネントのうち、前記払出量の予測に使用される前記コンポーネントを決定するコンポーネント決定手段と、
前記コンポーネント決定手段によって決定された前記コンポーネントと前記予測用データとに基づいて、前記払出量を予測する払出量予測手段と、
を備える払出量予測システム。 - 商品の払出量を予測するための払出量予測方法であって、
商品の既知の払出量である目的変数と前記払出量に影響を与え得る情報項目である1つ以上の説明変数の、複数の組み合わせである学習用データを入力し、
隠れ変数が木構造で表され、確率モデルを表すコンポーネントが、前記木構造の最下層のノードに配置された構造である階層隠れ構造を設定し、
入力された前記学習用データと前記コンポーネントとに基づいて、前記階層隠れ構造において根ノードを対象ノードとつなぐ経路に含まれる隠れ変数である、経路隠れ変数の変分確率を計算し、
入力された前記学習用データに基づいて、計算された前記変分確率に対して前記コンポーネントの各々を最適化し、
前記階層隠れ構造のノードにおいて前記説明変数に従って分岐方向を決定するためのモデルである門関数モデルを、前記ノードにおける前記隠れ変数の前記変分確率に基づいて最適化し、
商品の払出量に影響を与え得る情報項目である1つ以上の説明変数である、予測用データを入力し、
最適化された前記門関数モデルと前記予測用データとに基づいて、最適化された前記コンポーネントのうち、前記払出量の予測に使用される前記コンポーネントを決定し、
決定された前記コンポーネントと前記予測用データとに基づいて、前記払出量を予測する
払出量予測方法。 - 商品の払出量を予測するためのプログラムであって、
商品の既知の払出量である目的変数と前記払出量に影響を与え得る情報項目である1つ以上の説明変数との、複数の組み合わせである学習用データを入力し、
隠れ変数が木構造で表され、確率モデルを表すコンポーネントが、前記木構造の最下層のノードに配置された構造である階層隠れ構造を設定し、
入力された前記学習用データと前記コンポーネントとに基づいて、前記階層隠れ構造において根ノードを対象ノードとつなぐ経路に含まれる隠れ変数である、経路隠れ変数の変分確率を計算し、
入力された前記学習用データに基づいて、計算された前記変分確率に対して前記コンポーネントの各々を最適化し、
前記階層隠れ構造のノードにおいて前記説明変数に従って分岐方向を決定するためのモデルである門関数モデルを、前記ノードにおける前記隠れ変数の前記変分確率に基づいて最適化し、
商品の払出量に影響を与え得る情報項目である1つ以上の説明変数である、予測用データを入力し、
最適化された前記門関数モデルと前記予測用データとに基づいて、最適化された前記コンポーネントのうち、前記払出量の予測に使用される前記コンポーネントを決定し、
決定された前記コンポーネントと前記予測用データとに基づいて、前記払出量を予測するする
処理をコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/032,295 | 2013-09-20 | ||
US14/032,295 US9324026B2 (en) | 2013-09-20 | 2013-09-20 | Hierarchical latent variable model estimation device, hierarchical latent variable model estimation method, supply amount prediction device, supply amount prediction method, and recording medium |
PCT/JP2014/004494 WO2015040806A1 (en) | 2013-09-20 | 2014-09-02 | Hierarchical latent variable model estimation device, hierarchical latent variable model estimation method, supply amount prediction device, supply amount prediction method, and recording medium |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016537693A JP2016537693A (ja) | 2016-12-01 |
JP6330901B2 true JP6330901B2 (ja) | 2018-05-30 |
Family
ID=52688477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016511462A Active JP6330901B2 (ja) | 2013-09-20 | 2014-09-02 | 階層隠れ変数モデル推定装置、階層隠れ変数モデル推定方法、払出量予測装置、払出量予測方法、及び記録媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9324026B2 (ja) |
JP (1) | JP6330901B2 (ja) |
CN (1) | CN105556546B (ja) |
WO (1) | WO2015040806A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9489632B2 (en) * | 2013-10-29 | 2016-11-08 | Nec Corporation | Model estimation device, model estimation method, and information storage medium |
US9355196B2 (en) * | 2013-10-29 | 2016-05-31 | Nec Corporation | Model estimation device and model estimation method |
JP6682105B2 (ja) * | 2016-07-06 | 2020-04-15 | 日本電信電話株式会社 | フィッシャー正確検定計算装置、方法及びプログラム |
US11586947B2 (en) * | 2017-06-29 | 2023-02-21 | Nec Corporation | Visualization system, visualization method, and visualization program |
JP7249103B2 (ja) * | 2018-02-23 | 2023-03-30 | ヤフー株式会社 | 選択装置、選択方法、及び選択プログラム |
JP7489275B2 (ja) * | 2020-09-09 | 2024-05-23 | 株式会社Screenホールディングス | 情報処理装置、情報処理システムおよび情報処理方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3767954B2 (ja) | 1996-11-07 | 2006-04-19 | 富士通株式会社 | 需要予測装置 |
JP4139410B2 (ja) | 2006-01-30 | 2008-08-27 | アクセンチュア株式会社 | 最適在庫量/発注量を指示する発注指示システム |
JP2010128779A (ja) | 2008-11-27 | 2010-06-10 | Kansai Electric Power Co Inc:The | 重回帰式の抽出方法 |
KR101329904B1 (ko) | 2011-03-18 | 2013-11-14 | 닛본 덴끼 가부시끼가이샤 | 다변량 데이터의 혼합 모델 추정 장치, 혼합 모델 추정 방법 및 혼합 모델 추정 프로그램을 기록한 컴퓨터 판독가능 기록 매체 |
CN102129860B (zh) * | 2011-04-07 | 2012-07-04 | 南京邮电大学 | 基于无限状态隐马尔可夫模型的与文本相关的说话人识别方法 |
US8892491B2 (en) | 2011-11-21 | 2014-11-18 | Seiko Epson Corporation | Substructure and boundary modeling for continuous action recognition |
US8909582B2 (en) * | 2013-02-04 | 2014-12-09 | Nec Corporation | Hierarchical latent variable model estimation device, hierarchical latent variable model estimation method, and recording medium |
-
2013
- 2013-09-20 US US14/032,295 patent/US9324026B2/en active Active
-
2014
- 2014-09-02 JP JP2016511462A patent/JP6330901B2/ja active Active
- 2014-09-02 WO PCT/JP2014/004494 patent/WO2015040806A1/en active Application Filing
- 2014-09-02 CN CN201480051777.9A patent/CN105556546B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
US20150088789A1 (en) | 2015-03-26 |
JP2016537693A (ja) | 2016-12-01 |
CN105556546A (zh) | 2016-05-04 |
US9324026B2 (en) | 2016-04-26 |
WO2015040806A1 (en) | 2015-03-26 |
CN105556546B (zh) | 2019-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6344395B2 (ja) | 払出量予測装置、払出量予測方法、プログラム、及び、払出量予測システム | |
JP6459968B2 (ja) | 商品推薦装置、商品推薦方法、及び、プログラム | |
JP6344396B2 (ja) | 発注量決定装置、発注量決定方法、プログラム、及び、発注量決定システム | |
JP6330901B2 (ja) | 階層隠れ変数モデル推定装置、階層隠れ変数モデル推定方法、払出量予測装置、払出量予測方法、及び記録媒体 | |
JP6179598B2 (ja) | 階層隠れ変数モデル推定装置 | |
Ma et al. | Estimating warehouse rental price using machine learning techniques | |
US11182808B2 (en) | Method and system for attributes based forecasting | |
JP6525002B2 (ja) | メンテナンス時期決定装置、劣化予測システム、劣化予測方法および記録媒体 | |
JP6451735B2 (ja) | エネルギー量推定装置、エネルギー量推定方法、及び、エネルギー量推定プログラム | |
JP6451736B2 (ja) | 価格推定装置、価格推定方法、及び、価格推定プログラム | |
JP6477703B2 (ja) | Cm計画支援システムおよび売上予測支援システム | |
Tsai et al. | An effective hyperparameter optimization algorithm for DNN to predict passengers at a metro station | |
Chang et al. | High‐Speed Data‐Driven Methodology for Real‐Time Traffic Flow Predictions: Practical Applications of ITS | |
Borchert et al. | Multi-objective model selection for time series forecasting | |
Kanwal et al. | An attribute weight estimation using particle swarm optimization and machine learning approaches for customer churn prediction | |
Hu | Overdue invoice forecasting and data mining | |
KR20230127861A (ko) | 신용평가 모델 업데이트 또는 교체 방법 및 장치 | |
JP6972641B2 (ja) | 情報処理装置及び情報処理プログラム | |
Nikitin et al. | Shopping Basket Analisys for Mining Equipment: Comparison and Evaluation of Modern Methods | |
Hu et al. | Improving the station-level demand prediction by using feature engineering in bike sharing systems | |
Malandrakis | Exploring Machine Learning for Price Recommendation in Parking Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160824 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160915 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170516 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170712 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171128 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180125 |
|
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: 20180327 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180409 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6330901 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |