JP6383688B2 - データ解析装置、方法、及びプログラム - Google Patents
データ解析装置、方法、及びプログラム Download PDFInfo
- Publication number
- JP6383688B2 JP6383688B2 JP2015059912A JP2015059912A JP6383688B2 JP 6383688 B2 JP6383688 B2 JP 6383688B2 JP 2015059912 A JP2015059912 A JP 2015059912A JP 2015059912 A JP2015059912 A JP 2015059912A JP 6383688 B2 JP6383688 B2 JP 6383688B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- feature matrix
- movie
- feature
- tag
- 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
- Complex Calculations (AREA)
Description
ステップ2) 各特徴行列を推定する
ステップ3) 各特徴行列を出力する
図5に示すように、本発明の実施の形態に係るデータ解析装置100は、CPU(Central Processing Unit)と、RAM(Random Access Memory)と、後述するデータ解析処理ルーチンを実行するためのプログラムを記憶したROM(Read Only Memory)とを備えたコンピュータで構成され、機能的には次に示すように構成されている。データ解析装置100は、ユーザ映画情報処理部10、タグ映画情報処理部20、特徴行列推定部30、反復判定部32、特徴行列処理部40、記憶部50と、入出力部60と、を備えている。
ユーザ映画情報テーブル51は、図6に示すように、ユーザIDフィールド、映画IDフィールド、レーティングフィールドを有する。ユーザIDフィールドは、ユーザ映画情報処理部10により追加されたユーザを特定する識別子が設定される。映画IDフィールドは、ユーザ映画情報処理部10により追加された映画を特定する識別子が設定される。レーティングフィールドは、ユーザ映画情報処理部10により当該映画の当該ユーザのつけたレーティングを表すスコアである値が設定される。なお、レーティングの値には0または有限の範囲の正の値を設定できるが、負の数を設定することはできない。
タグ映画情報テーブル52は、図7に示すように、タグIDフィールド、映画IDフィールド、付与数数フィールドを有する。タグIDフィールドは、タグ映画情報処理部20により追加されたタグを特定する識別子が設定される。映画IDフィールドは、タグ映画情報処理部20により追加された映画を特定する識別子が設定される。付与数フィールドは、タグ映画情報処理部20により当該タグの当該映画における付与数が設定される。なお、付与数の値には離散値として0または正の整数値を設定できるが、負の数を設定することはできない。
ユーザ特徴テーブル53は、図8に示すように、ユーザIDフィールドと、クラスタIDフィールドと、ユーザ特徴値フィールドを有する。ユーザIDフィールドには特徴行列推定部30によりユーザを特定する識別子が設定される。クラスタIDフィールドには、特徴行列推定部30によりクラスタを特定する識別子が設定される。ユーザ特徴値フィールドには、特徴行列推定部30により算出された当該ユーザの当該クラスタに所属することを表す特徴値が設定される。
映画特徴テーブル54は、図9に示すように、映画IDフィールドと、クラスタIDフィールドと、映画特徴値フィールドを有する。映画IDフィールドには特徴行列推定部30により商品を特定する識別子が設定される。クラスタIDフィールドには、特徴行列推定部30によりクラスタを特定する識別子が設定される。映画特徴値フィールドには、特徴行列推定部30により算出された当該映画の当該クラスタに所属することを表す特徴値が設定される。
タグ特徴テーブル55は、図10に示すように、タグIDフィールドと、クラスタIDフィールドと、タグ特徴値フィールドを有する。タグIDフィールドには特徴行列推定部30によりタグを特定する識別子が設定される。クラスタIDフィールドには、特徴行列推定部30によりクラスタを特定する識別子が設定される。タグ特徴値フィールドには、特徴行列推定部30により算出された当該タグの当該クラスタに所属することを表す特徴値が設定される。
ユーザ映画情報処理部10は、入力されたユーザ映画行列に基づき、ユーザID毎および映画ID毎のレーティングをユーザ映画情報テーブル51に格納する。
タグ映画情報処理部20は、入力されたタグ映画行列に基づき、ユーザID毎およびカテゴリID毎のタグ付与数をタグ映画情報テーブル52に格納する。
特徴行列推定部30は、後述する方法で特徴行列を推定し、記憶部50のユーザ特徴テーブル53、映画特徴テーブル54、タグ特徴テーブル55に格納する。
特徴行列処理部40は、以下に説明するように、ユーザ特徴テーブル54、映画特徴テーブル54、タグ特徴テーブル55を参照し、外部装置200からのリクエストの引数に対応する特徴を出力する。
20 タグ映画情報処理部
30 特徴行列推定部
32 反復判定部
40 特徴行列処理部
50 記憶部
51 ユーザ映画情報テーブル
52 タグ映画情報テーブル
53 ユーザ特徴テーブル
54 ユーザ特徴テーブル
54 映画特徴テーブル
55 タグ特徴テーブル
60 入出力部
100 データ解析装置
200 外部装置
Claims (9)
- 第1のオブジェクトi(1≦i≦I,Iは1以上の整数)と第2のオブジェクトj(1≦j≦J,Jは1以上の整数)との関係の特徴量を表すスコアとなる要素xijを持つI×Jのオブジェクトスコア情報行列X、及び第3のオブジェクトk(1≦k≦K,Kは1以上の整数)と前記第2のオブジェクトjとの関係の特徴量を表す計数データとなる要素ykjを持つK×Jのオブジェクト計数情報行列Yを、前記第1のオブジェクトiが、クラスタr(1≦r≦R,Rは1以上の整数)に所属することを表す要素airを持つI×Rの第1のオブジェクト特徴行列Aと、前記第2のオブジェクトjが、前記クラスタrに所属することを表す要素bjrを持つJ×Rの第2のオブジェクト特徴行列Bと、前記第3のオブジェクトkが、前記クラスタrに所属することを表す要素ckrを持つK×Rの第3のオブジェクト特徴行列Cと、に分解するデータ解析装置であって、
前記オブジェクトスコア情報行列X、前記オブジェクト計数情報行列Y、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cに基づいて、前記オブジェクトスコア情報行列Xと、前記第1のオブジェクト特徴行列A及び前記第2のオブジェクト特徴行列Bに基づいて推定されるオブジェクトスコア情報行列^Xとのユークリッド距離、並びに前記オブジェクト計数情報行列Yと、前記第2のオブジェクト特徴行列B及び前記第3のオブジェクト特徴行列Cに基づいて推定されるオブジェクト計数情報行列^Yとの一般化カルバックライブラーダイバージェンス距離の和で表わされる目的関数を最小化するように、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cを推定する特徴行列推定部と、
予め定められた反復終了条件を満足するまで、前記特徴行列推定部による推定を繰り返す反復判定部と、
を含み、
前記特徴行列推定部は、前記第1のオブジェクト特徴行列A、及び前記第2のオブジェクト特徴行列Bに基づいて、補助変数を利用して定義される前記目的関数の上界を最小化する補助関数法により前記第1のオブジェクト特徴行列Aの各要素a ir を更新し、
前記オブジェクトスコア情報行列X、前記オブジェクト計数情報行列Y、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cに基づいて、前記補助関数法により前記第2のオブジェクト特徴行列Bの各要素b jr を更新し、
前記オブジェクト計数情報行列Y、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cに基づいて、前記補助関数法により前記第3のオブジェクト特徴行列Cの各要素c kr を更新する、データ解析装置。 - 第1のオブジェクトi(1≦i≦I,Iは1以上の整数)と第2のオブジェクトj(1≦j≦J,Jは1以上の整数)との関係の特徴量を表すスコアとなる要素xijを持つI×Jのオブジェクトスコア情報行列X、及び第3のオブジェクトk(1≦k≦K,Kは1以上の整数)と前記第2のオブジェクトjとの関係の特徴量を表す計数データとなる要素ykjを持つK×Jのオブジェクト計数情報行列Yを、前記第1のオブジェクトiが、クラスタr(1≦r≦R,Rは1以上の整数)に所属することを表す要素airを持つI×Rの第1のオブジェクト特徴行列Aと、前記第2のオブジェクトjが、前記クラスタrに所属することを表す要素bjrを持つJ×Rの第2のオブジェクト特徴行列Bと、前記第3のオブジェクトkが、前記クラスタrに所属することを表す要素ckrを持つK×Rの第3のオブジェクト特徴行列Cと、に分解するデータ解析装置であって、
前記オブジェクトスコア情報行列X、前記オブジェクト計数情報行列Y、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cに基づいて、前記オブジェクトスコア情報行列Xと、前記第1のオブジェクト特徴行列A及び前記第2のオブジェクト特徴行列Bに基づいて推定されるオブジェクトスコア情報行列^Xとのユークリッド距離、並びに前記オブジェクト計数情報行列Yと、前記第2のオブジェクト特徴行列B及び前記第3のオブジェクト特徴行列Cに基づいて推定されるオブジェクト計数情報行列^Yとの一般化カルバックライブラーダイバージェンス距離の和で表わされる目的関数を最小化するように、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cを推定する特徴行列推定部と、
予め定められた反復終了条件を満足するまで、前記特徴行列推定部による推定を繰り返す反復判定部と、
を含み、
前記特徴行列推定部は、以下の式に従い前記第1のオブジェクト特徴行列Aの各要素a ir を更新し、
以下の式に従い、前記第2のオブジェクト特徴行列Bの要素b jr を更新し、
以下の式に従い、前記第3のオブジェクト特徴行列Cの要素c kr を更新するデータ解析装置。
- 前記オブジェクトスコア情報行列Xの要素xijは非負値であり、前記オブジェクト計数情報行列Yの要素ykjは非負値であり、前記第1のオブジェクト特徴行列Aの要素airは非負値であり、前記第2のオブジェクト特徴行列Bの要素bjrは非負値であり、前記第3のオブジェクト特徴行列Cの要素ckrは非負値であり、
前記特徴行列推定部は、前記目的関数を最小化するように、非負値分解により、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cを推定する請求項1又は2記載のデータ解析装置。 - 特徴行列推定部及び反復判定部を含み、第1のオブジェクトi(1≦i≦I,Iは1以上の整数)と第2のオブジェクトj(1≦j≦J,Jは1以上の整数)との関係の特徴量を表すスコアとなる要素xijを持つI×Jのオブジェクトスコア情報行列X、及び第3のオブジェクトk(1≦k≦K,Kは1以上の整数)と前記第2のオブジェクトjとの関係の特徴量を表す計数データとなる要素ykjを持つK×Jのオブジェクト計数情報行列Yを、前記第1のオブジェクトiが、クラスタr(1≦r≦R,Rは1以上の整数)に所属することを表す要素airを持つI×Rの第1のオブジェクト特徴行列Aと、前記第2のオブジェクトjが、前記クラスタrに所属することを表す要素bjrを持つJ×Rの第2のオブジェクト特徴行列Bと、前記第3のオブジェクトkが、前記クラスタrに所属することを表す要素ckrを持つK×Rの第3のオブジェクト特徴行列Cと、に分解するデータ解析装置におけるデータ解析方法であって、
前記特徴行列推定部が、前記オブジェクトスコア情報行列X、前記オブジェクト計数情報行列Y、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cに基づいて、前記オブジェクトスコア情報行列Xと、前記第1のオブジェクト特徴行列A及び前記第2のオブジェクト特徴行列Bに基づいて推定されるオブジェクトスコア情報行列^Xとのユークリッド距離、並びに前記オブジェクト計数情報行列Yと、前記第2のオブジェクト特徴行列B及び前記第3のオブジェクト特徴行列Cに基づいて推定されるオブジェクト計数情報行列^Yとの一般化カルバックライブラーダイバージェンス距離の和で表わされる目的関数を最小化するように、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cを推定し、
前記反復判定部が、予め定められた反復終了条件を満足するまで、前記特徴行列推定部による推定を繰り返す
データ解析方法であり、
前記特徴行列推定部によって推定することでは、前記第1のオブジェクト特徴行列A、及び前記第2のオブジェクト特徴行列Bに基づいて、補助変数を利用して定義される前記目的関数の上界を最小化する補助関数法により前記第1のオブジェクト特徴行列Aの各要素a ir を更新し、
前記オブジェクトスコア情報行列X、前記オブジェクト計数情報行列Y、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cに基づいて、前記補助関数法により前記第2のオブジェクト特徴行列Bの各要素b jr を更新し、
前記オブジェクト計数情報行列Y、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cに基づいて、前記補助関数法により前記第3のオブジェクト特徴行列Cの各要素c kr を更新する、データ解析方法。 - 特徴行列推定部及び反復判定部を含み、第1のオブジェクトi(1≦i≦I,Iは1以上の整数)と第2のオブジェクトj(1≦j≦J,Jは1以上の整数)との関係の特徴量を表すスコアとなる要素xijを持つI×Jのオブジェクトスコア情報行列X、及び第3のオブジェクトk(1≦k≦K,Kは1以上の整数)と前記第2のオブジェクトjとの関係の特徴量を表す計数データとなる要素ykjを持つK×Jのオブジェクト計数情報行列Yを、前記第1のオブジェクトiが、クラスタr(1≦r≦R,Rは1以上の整数)に所属することを表す要素airを持つI×Rの第1のオブジェクト特徴行列Aと、前記第2のオブジェクトjが、前記クラスタrに所属することを表す要素bjrを持つJ×Rの第2のオブジェクト特徴行列Bと、前記第3のオブジェクトkが、前記クラスタrに所属することを表す要素ckrを持つK×Rの第3のオブジェクト特徴行列Cと、に分解するデータ解析装置におけるデータ解析方法であって、
前記特徴行列推定部が、前記オブジェクトスコア情報行列X、前記オブジェクト計数情報行列Y、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cに基づいて、前記オブジェクトスコア情報行列Xと、前記第1のオブジェクト特徴行列A及び前記第2のオブジェクト特徴行列Bに基づいて推定されるオブジェクトスコア情報行列^Xとのユークリッド距離、並びに前記オブジェクト計数情報行列Yと、前記第2のオブジェクト特徴行列B及び前記第3のオブジェクト特徴行列Cに基づいて推定されるオブジェクト計数情報行列^Yとの一般化カルバックライブラーダイバージェンス距離の和で表わされる目的関数を最小化するように、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cを推定し、
前記反復判定部が、予め定められた反復終了条件を満足するまで、前記特徴行列推定部による推定を繰り返す
データ解析方法であり、
前記特徴行列推定部によって推定することでは、以下の式に従い前記第1のオブジェクト特徴行列Aの各要素a ir を更新し、
以下の式に従い、前記第2のオブジェクト特徴行列Bの要素b jr を更新し、
以下の式に従い、前記第3のオブジェクト特徴行列Cの要素c kr を更新するデータ解析方法。
- 前記オブジェクトスコア情報行列Xの要素xijは非負値であり、前記オブジェクト計数情報行列Yの要素ykjは非負値であり、前記第1のオブジェクト特徴行列Aの要素airは非負値であり、前記第2のオブジェクト特徴行列Bの要素bjrは非負値であり、前記第3のオブジェクト特徴行列Cの要素ckrは非負値であり、
前記特徴行列推定部によって推定することは、前記目的関数を最小化するように、非負値分解により、前記第1のオブジェクト特徴行列A、前記第2のオブジェクト特徴行列B、及び前記第3のオブジェクト特徴行列Cを推定する請求項4又は5記載のデータ解析方法。 - ユーザi(1≦i≦I,Iは1以上の整数)による映画j(1≦j≦J,Jは1以上の整数)のレーティングを表すスコアとなる要素xijを持つI×Jのユーザ映画行列X、及びタグ情報k(1≦k≦K,Kは1以上の整数)が前記映画jに付与された数を表す計数データとなる要素ykjを持つK×Jのタグ映画行列Yを、前記ユーザiが、クラスタr(1≦r≦R,Rは1以上の整数)に所属することを表す要素airを持つI×Rのユーザ特徴行列Aと、前記映画jが、前記クラスタrに所属することを表す要素bjrを持つJ×Rの映画特徴行列Bと、前記タグ情報kが、前記クラスタrに所属することを表す要素ckrを持つK×Rのタグ特徴行列Cと、に分解するデータ解析装置であって、
前記ユーザ映画行列X、前記タグ映画行列Y、前記ユーザ特徴行列A、前記映画特徴行列B、及び前記タグ特徴行列Cに基づいて、前記ユーザ映画行列Xと、前記ユーザ特徴行列A及び前記映画特徴行列Bに基づいて推定されるユーザ映画行列^Xとのユークリッド距離、並びに前記タグ映画行列Yと、前記映画特徴行列B及び前記タグ特徴行列Cに基づいて推定されるタグ映画行列^Yとの一般化カルバックライブラーダイバージェンス距離の和で表わされる目的関数を最小化するように、前記ユーザ特徴行列A、前記映画特徴行列B、及び前記タグ特徴行列Cを推定する特徴行列推定部と、
予め定められた反復終了条件を満足するまで、前記特徴行列推定部による推定を繰り返す反復判定部と、
を含み、
前記特徴行列推定部は、前記ユーザ特徴行列A、及び前記映画特徴行列Bに基づいて、補助変数を利用して定義される前記目的関数の上界を最小化する補助関数法により前記ユーザ特徴行列Aの各要素a ir を更新し、
前記ユーザ映画行列X、前記タグ映画行列Y、前記ユーザ特徴行列A、前記映画特徴行列B、及び前記タグ特徴行列Cに基づいて、前記補助関数法により前記映画特徴行列Bの各要素b jr を更新し、
前記タグ映画行列Y、前記映画特徴行列B、及び前記タグ特徴行列Cに基づいて、前記補助関数法により前記タグ特徴行列Cの各要素c kr を更新する、データ解析装置。 - ユーザi(1≦i≦I,Iは1以上の整数)による映画j(1≦j≦J,Jは1以上の整数)のレーティングを表すスコアとなる要素xijを持つI×Jのユーザ映画行列X、及びタグ情報k(1≦k≦K,Kは1以上の整数)が前記映画jに付与された数を表す計数データとなる要素ykjを持つK×Jのタグ映画行列Yを、前記ユーザiが、クラスタr(1≦r≦R,Rは1以上の整数)に所属することを表す要素airを持つI×Rのユーザ特徴行列Aと、前記映画jが、前記クラスタrに所属することを表す要素bjrを持つJ×Rの映画特徴行列Bと、前記タグ情報kが、前記クラスタrに所属することを表す要素ckrを持つK×Rのタグ特徴行列Cと、に分解するデータ解析装置であって、
前記ユーザ映画行列X、前記タグ映画行列Y、前記ユーザ特徴行列A、前記映画特徴行列B、及び前記タグ特徴行列Cに基づいて、前記ユーザ映画行列Xと、前記ユーザ特徴行列A及び前記映画特徴行列Bに基づいて推定されるユーザ映画行列^Xとのユークリッド距離、並びに前記タグ映画行列Yと、前記映画特徴行列B及び前記タグ特徴行列Cに基づいて推定されるタグ映画行列^Yとの一般化カルバックライブラーダイバージェンス距離の和で表わされる目的関数を最小化するように、前記ユーザ特徴行列A、前記映画特徴行列B、及び前記タグ特徴行列Cを推定する特徴行列推定部と、
予め定められた反復終了条件を満足するまで、前記特徴行列推定部による推定を繰り返す反復判定部と、
を含み、
前記特徴行列推定部は、以下の式に従い前記ユーザ特徴行列Aの各要素a ir を更新し、
以下の式に従い、前記映画特徴行列Bの要素b jr を更新し、
以下の式に従い、前記タグ特徴行列Cの要素c kr を更新するデータ解析装置。
- コンピュータを、請求項1、請求項2、請求項3、請求項7、又は請求項8項記載のデータ解析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 |
---|---|---|---|
JP2015059912A JP6383688B2 (ja) | 2015-03-23 | 2015-03-23 | データ解析装置、方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015059912A JP6383688B2 (ja) | 2015-03-23 | 2015-03-23 | データ解析装置、方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016181040A JP2016181040A (ja) | 2016-10-13 |
JP6383688B2 true JP6383688B2 (ja) | 2018-08-29 |
Family
ID=57131108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015059912A Active JP6383688B2 (ja) | 2015-03-23 | 2015-03-23 | データ解析装置、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6383688B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6649875B2 (ja) * | 2016-12-27 | 2020-02-19 | Kddi株式会社 | 情報処理装置、情報処理方法、プログラム、及び情報処理システム |
CN109690571B (zh) * | 2017-04-20 | 2020-09-18 | 北京嘀嘀无限科技发展有限公司 | 基于学习的组标记系统和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5306384B2 (ja) * | 2011-02-04 | 2013-10-02 | キヤノン株式会社 | モータ |
US20130117147A1 (en) * | 2011-11-07 | 2013-05-09 | Nathan J. Ackerman | Similarity and Relatedness of Content |
-
2015
- 2015-03-23 JP JP2015059912A patent/JP6383688B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016181040A (ja) | 2016-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bellogín et al. | Using graph partitioning techniques for neighbour selection in user-based collaborative filtering | |
Wang et al. | Incremental subgraph feature selection for graph classification | |
US10510005B2 (en) | Prediction function creation device, prediction function creation method, and computer-readable storage medium | |
US8458182B2 (en) | Method and system for clustering data arising from a database | |
Abualigah et al. | Unsupervised text feature selection technique based on particle swarm optimization algorithm for improving the text clustering | |
JP6383688B2 (ja) | データ解析装置、方法、及びプログラム | |
CN108268611B (zh) | 一种基于MapReduce的k-means文本聚类的方法及装置 | |
JP6278918B2 (ja) | データ解析装置、方法、及びプログラム | |
CN113763031A (zh) | 一种商品推荐方法、装置、电子设备及存储介质 | |
WO2020013236A1 (ja) | データ解析装置、方法、及びプログラム | |
Pauletic et al. | An overview of clustering models with an application to document clustering | |
JP6175037B2 (ja) | クラスタ抽出装置及び方法及びプログラム | |
Giampouras et al. | Online Bayesian low-rank subspace learning from partial observations | |
Bao et al. | Movie Rating Estimation and Recommendation | |
CN111538898A (zh) | 基于组合特征提取的Web服务包推荐方法及系统 | |
JP6166688B2 (ja) | データ解析方法、装置、及びプログラム | |
JP6092072B2 (ja) | データ解析装置、方法、及びプログラム | |
Tu et al. | Kernel-based similarity and discovering documents of similar interests | |
US20230229980A1 (en) | Forecasting apparatus, forecasting method, and storage medium | |
Reis et al. | The U-curve optimization problem: improvements on the original algorithm and time complexity analysis | |
Matsui | Selection of decision boundaries for logistic regression | |
McWilliams et al. | Predictive subspace clustering | |
JP2016207171A (ja) | パラメータ推定方法、評価値推定方法、装置、及びプログラム | |
Huang et al. | Learning bi-clustered vector autoregressive models | |
Yang et al. | Particle swarm stepwise algorithm (PaSS) on multicore hybrid CPU-GPU clusters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170217 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180109 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180312 |
|
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: 20180731 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180806 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6383688 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |