JP6552759B1 - データ処理装置及びデータ処理方法 - Google Patents
データ処理装置及びデータ処理方法 Download PDFInfo
- Publication number
- JP6552759B1 JP6552759B1 JP2019030594A JP2019030594A JP6552759B1 JP 6552759 B1 JP6552759 B1 JP 6552759B1 JP 2019030594 A JP2019030594 A JP 2019030594A JP 2019030594 A JP2019030594 A JP 2019030594A JP 6552759 B1 JP6552759 B1 JP 6552759B1
- Authority
- JP
- Japan
- Prior art keywords
- program
- content
- advertisement
- group
- data processing
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
Description
具体的に説明すると、本発明は、上記従来技術の問題点を解決し、配信済みの番組等を接触者の評価に基づいて適切に分類することが可能なデータ処理装置及びデータ処理方法を提供することを目的とする。
そこで、本発明の他の目的は、配信済みの番組等の分類(グループ分け)を利用して、将来配信予定の番組等に対する評価(例えば、感想など)を推測することが可能なデータ処理装置を実現することをも目的とする。
そして、本発明のデータ処理内容は、上記の対応関係により、複数の配信済み内容の各々について指標を割り出し、割り出した指標に基づいて、複数の配信済み内容をグループ分けする。以上の構成によれば、上記の対応関係に適用して配信済み内容の分類を行うので、接触者の評価が多様に変わり得ることを考慮しつつ、各配信済み内容を接触者の評価に基づいて適切に分類することが可能となる。
上記の構成であれば、機械学習による数理モデルの構築を通じて、上述の対応関係を的確に特定することが可能となる。
上記の構成であれば、過去に放送された放送済み番組及び放送済み広告のうちの少なくとも一方を、接触者(具体的には、視聴者又は聴取者等)の評価に基づいて分類することが可能となる。
上記の構成であれば、分類カテゴリ毎に、当該分類カテゴリに属する複数の配信済み内容を分類するため、分類カテゴリを大分類とした体系的な分類が可能となり、分類結果の利便性が向上する。
さらに、前記アンケート結果を示す前記評価データの一部が、前記対応関係の妥当性についての検証用データとして用いられると、一段と好ましい。このような構成であれば、対応関係の妥当性を検証することができるので、対応関係を用いたグループ分けの信憑性が高くなる。
上記の構成であれば、将来配信される配信予定内容の説明情報から、配信予定内容の指標を割り出し、割り出した指標に基づいて、配信予定内容が属するグループを決める。このように上記の構成によれば、将来配信予定の番組等がどのグループに属するかを事前に把握しておくことができる。
上記の構成によれば、将来配信される第一配信予定内容及び第二配信予定内容のそれぞれについて、グループを判定することができる。また、上記の構成では、第一配信予定内容が属するグループと、第二配信予定内容が属するグループと、の間の類似度合いを算出することができる。これにより、グループ同士のマッチングが実施可能となるので、例えば、ある第一配信予定内容を配信する者に、当該第一配信予定内容が属するグループと類似度合いが高いグループに属する第二配信予定内容を提示することが可能となる。
上記の構成では、将来放送される広告及び番組のそれぞれについてグループを判定し、また、グループ間の類似度合いを算出する。これにより、将来放送される広告が属するグループと、将来放送される番組が属するグループと、のマッチングが実施可能となり、例えば、ある広告の出稿を計画する者に対して、その広告が属するグループと類似度合いが高いグループに属する番組を提示することが可能となる。そして、提示された番組の放送時間中に上記の広告を放送すれば、その広告効果を向上させることが可能となる。
上記の構成では、第一配信予定内容が属するグループと、第二配信予定内容が属するグループとの類似度合いを算出する際、数値化された各配信予定内容の説明情報を用いるので、類似度合いを適切に算出することが可能となる。
上記の構成では、数値化された説明情報を用いて、対応関係をより適切に特定することが可能となる。
上記の方法によれば、接触者の評価が変わり得ることを考慮しつつ、複数の配信済み内容のそれぞれを、接触者の評価に基づいて適切に分類することが可能である。
また、本発明によれば、将来配信予定の内容を、配信済み内容と同様にグループ分けすることができるので、当該配信予定内容に対する接触者(厳密には、接触予定者)の評価を予測することが可能である。
なお、以下に説明する実施形態は、本発明の理解を容易にするために挙げた一例にすぎず、本発明を限定するものではない。すなわち、本発明は、その趣旨を逸脱しない限りにおいて、以下に説明する実施形態から変更又は改良され得る。また、当然ながら、本発明には、その等価物が含まれる。
本実施形態のデータ処理装置及びデータ処理方法の説明に先立ち、本実施形態のデータ処理装置を利用したサービスについて、図1及び図2を参照しながら説明する。図1は、本実施形態のデータ処理装置を利用したサービスの提供者、及び、その関係者を示す図である。図2は、本実施形態のデータ処理装置を利用したサービスの説明図である。
なお、例えば、上記の『コンテキスト』として、視聴者が視聴行動を繰り返したときに抱く気持ち(情動)の変化、例えば、ある放送局で連続して放送されるテレビ番組とテレビCM、若しくは連続して放送される複数のテレビ番組を視聴した場合の気持ちの流れを取り扱ってもよい。
次に、図3を参照しながら、本実施形態に係るデータ処理装置(以下、データ処理装置10)の構成について説明する。図3は、データ処理装置10を含むレコメンドサービス提供システムの構成の一例を示す図である。
(評価データ記憶部)
評価データ記憶部31は、放送済み番組についての番組評価データを番組毎、及びモニタM(すなわち、放送済み番組の視聴者)毎に記憶する。また、評価データ記憶部31は、放送済み広告についての広告評価データを広告毎、及びモニタM(すなわち、放送済み広告の視聴者)毎に記憶する。
メタデータ記憶部32は、放送済み番組の番組メタデータを番組毎に記憶するとともに、放送済み広告の広告メタデータを広告毎に記憶する。ここで、番組メタデータ及び広告メタデータについて付言しておくと、それぞれのデータは、前述したように、説明情報として出演者及び内容(イメージ)等を示すテキスト情報を含んでいる。
なお、それぞれの放送済み番組は、いずれか一つのジャンルに分類されてもよく、あるいは複数のジャンルに亘って分類されてもよい。
数値化処理部33は、番組メタデータ及び広告メタデータが示す説明情報を数値化する処理を実施する。具体的に説明すると、数値化処理部33は、各メタデータが示す説明情報(厳密には、出演者及び内容等を示すテキスト情報)をベクトル化する。より詳しく説明すると、数値化処理部33は、各メタデータが示す出演者に対してword2vecを適用することで、出演者の情報を数値化(ベクトル化)する。また、数値化処理部33は、各メタデータが示す内容に対してLDA(Latent Dirichlet Allcation)を適用することで、内容の情報を数値化(ベクトル化)する。
特定部34は、番組毎及びモニタM毎の番組評価データと、番組毎の番組メタデータとに基づき、放送済み番組に関する指標と説明情報との対応関係を特定する。同様に、特定部34は、広告毎及びモニタM毎の広告評価データと、広告毎の広告メタデータとに基づき、放送済み広告に関する指標と説明情報との対応関係を特定する。
また、ある番組/広告について指標を導出する際には、その番組/広告に関して得らえた評価データが示す評価に加えて、その番組/広告に関するメタデータが示す説明情報を加味して指標を導出してもよい。
なお、対応関係の妥当性についての検証は、評価データの一部を教師データとして用いた検証方法に限られず、統計学的な検証方法(例えば、ホールドアウト法、交差確認法及びブーストトラップ法等)によって行われてもよい。
割り出し部35は、所定期間(例えば、前述したアンケート調査期間)に放送された放送済み番組及び放送済み広告について、特定部34が特定した対応関係(具体的には、数理モデル)を適用して指標を割り出す。具体的に説明すると、割り出し部35は、所定期間に放送されたすべての放送済み番組を対象とし、対象である各放送済み番組の番組メタデータが示す説明情報を上記の数理モデルに適用する。これにより、対象である各放送済み番組の指標(すなわち、感想及びその度合い)が割り出される。
分類部36は、割り出し部35によって指標が割り出された際の対象、すなわち、所定期間に放送された放送済み番組及び放送済み広告をグループ分け(分類)する。具体的に説明すると、分類部36は、所定期間に放送されたすべての放送済み番組の各々を、各放送済み番組について割り出された指標に基づき、複数のグループのいずれかに分類する。各グループには、少なくとも一つの放送済み番組が属している。換言すると、各放送済み番組は、一つ又は複数のグループに分類される。
ちなみに、図5は、グループ分けのイメージ図であり、具体的にはK−means法によるクラスタリングについての説明図である。なお、説明の都合上、図5では、プロットが打たれる多次元座標空間を2次元座標空間として図示しているが、これに限定されるものではなく、より高次元の座標空間であってもよい。
入力情報取得部37は、将来放送される放送予定広告及び放送予定番組について、その説明情報として入力された入力情報を取得する。具体的に説明すると、放送予定広告についての入力情報は、放送予定広告の商品カテゴリ、出演者及び広告内容(イメージ)等であり、例えば、当該放送予定広告を手掛ける広告会社Cから伝達され、調査会社R側で入力される。厳密には、調査会社Rの従業員等が、サーバコンピュータ11の入力機器11eを通じて上記の入力情報を入力する。これにより、入力情報取得部37は、放送予定広告の説明情報として入力された入力情報を取得する。
判定部38は、分類部36が放送済み番組及び放送済み広告をグループ分け(クラスタリング)した際の複数のグループのうち、放送予定広告及び放送予定番組が属するグループを判定(予測)する。判定部38によるグループ判定(グループ予測)について説明すると、グループ判定が行われる前段階で、先ず、割り出し部35が、入力情報取得部37が取得した入力情報を用いて、放送予定番組/放送予定広告の指標を割り出す。具体的には、特定部34が特定した対応関係(具体的には、対応関係を示す数理モデル)に上記の入力情報を適用することで、入力情報に係る放送予定番組/放送予定広告の指標が割り出される。
類似度合い算出部39は、判定部38が判定した放送予定広告が属するグループ(広告グループ)と、放送予定番組が属するグループ(番組グループ)との間の類似度合いを算出する。類似度合いの算出手順について説明すると、先ず、類似度合い算出部39は、番組グループに対し、当該番組グループに属する放送済み番組の説明情報を紐付ける。
次に、データ処理装置10の動作例として、データ処理装置10が実施するデータ処理の流れ(以下、データ処理フロー)について説明する。
以下、それぞれ処理の手順について詳しく説明する。
グループ分け処理の実施に際して、先ず、調査期間中に放送されたテレビ番組(放送済み番組)及びテレビCM(放送済み広告)の感想に関するアンケート調査が実施され、モニタMが調査期間中に実際に視聴したテレビ番組/テレビCMの感想を回答する。その後、調査会社Rは、各モニタMが回答した感想に関するアンケート結果を示すデータ、すなわち、番組評価データ及び広告番組データをモニタM毎、且つ番組/広告毎に取得する。
グループ判定処理は、グループ分け処理が実施された後に実施される。本実施形態において、グループ判定処理は、広告会社C等からの実施要求を受け付けて開始され、例えば、広告会社Cが新たな広告(以下、新規広告A)の出稿を計画し、その計画に際してグループ判定処理の実施を要求すると、これを契機として開始される。以下では、新規広告Aを放送予定広告とするケースを具体例として挙げて、グループ判定処理の流れを説明する。
ちなみに、ステップS012は、前述したステップS011より先に実施されてもよく、あるいは、ステップS011と同時並行で実施されてもよい。
類似度合い算出処理は、前述したように、例えばグループ判定処理と連続して実施される。以下では、グループ判定処理についての説明と同様、新規広告Aを放送予定広告とするケースを具体例として挙げて、類似度合い算出処理の流れを説明する。なお、説明を分かり易くするため、以下では、将来放送予定のテレビ番組を3つの番組(以下、番組P1、P2、P3)のみとする。また、以下では、それぞれのテレビ番組が属する番組グループをG1、G2、G3と表記し、新規広告Aが属する広告グループをGaと表記することとする。
本実施形態では、上述したように、番組評価データ/広告評価データが示す評価からテレビ番組/テレビCMに関する指標が導出される。また、指標と説明情報との対応関係を特定し、あるテレビ番組/あるテレビCMの説明情報を上記の対応関係に適用することで、あるテレビ番組/あるテレビCMの指標を割り出す。さらに、割り出した指標に基づき、複数のテレビ番組/複数のテレビの各々を複数のグループのいずれかに分類する。
以上までに本発明のデータ処理装置及びデータ処理方法について具体例を挙げて説明してきたが、上述の実施形態は、あくまでも一例に過ぎず、他の実施形態も考えられる。例えば、上記の実施形態では、過去に放送された複数のテレビ番組(放送済み番組)を分類し、且つ、過去に放送された複数のテレビCM(放送済み広告)を分類することとしたが、これに限定されるものではない。例えば、放送済み番組及び放送済み広告のうちのいずれか一方のみを分類する形態であってもよい。
一方、グループ間の類似度合いを算出する場合には、それぞれのグループに属する番組又は広告すべての説明情報を集約(マージ)して用いるので、より説明因子である説明情報の数がより多くなる。したがって、グループ間の類似度合いを算出する方が、より妥当な算出結果を得ることができ、かかる点ではより有利である。
11 サーバコンピュータ
11a CPU
11b メモリ
11c 通信用インタフェース
11d ハードディスクドライブ
11e 入力機器
11f 出力機器
12 記憶装置
21 データ配信サーバ
22 モニタ端末
23 データ配信サーバ
31 評価データ記憶部
32 メタデータ記憶部
33 数値化処理部
34 特定部
35 割り出し部
36 分類部
37 入力情報取得部
38 判定部
39 類似度合い算出部
C 広告会社
M モニタ(接触者)
R 調査会社
T テレビ局
Claims (13)
- 配信済み内容に接触した接触者の前記配信済み内容に対する評価を示す評価データを、前記配信済み内容毎及び前記接触者毎に記憶する評価データ記憶部と、
前記配信済み内容を説明するための説明情報を示すメタデータを、前記配信済み内容毎に記憶するメタデータ記憶部と、
前記配信済み内容毎及び前記接触者毎の前記評価データと、前記配信済み内容毎の前記メタデータとに基づいて、前記評価から導出される指標と前記説明情報との対応関係を特定する特定部と、
複数の前記配信済み内容の各々を対象とし、該対象の前記メタデータが示す前記説明情報を前記対応関係に適用することで、前記対象の前記指標を割り出す割り出し部と、
前記割り出し部が割り出した前記指標に基づき、複数の前記配信済み内容の各々を複数のグループのいずれかに分類する分類部と、を有することを特徴とするデータ処理装置。 - 前記特定部は、前記配信済み内容毎及び前記接触者毎の前記評価データと、前記配信済み内容毎の前記メタデータと、を用いた機械学習を実施して、前記対応関係を示す数理モデルを構築することにより前記対応関係を特定する請求項1に記載のデータ処理装置。
- 前記配信済み内容は、過去に放送された放送済み番組及び放送済み広告のうちの少なくとも一つである請求項1又は2に記載のデータ処理装置。
- 前記配信済み内容に対しては分類カテゴリが予め設定されており、
前記分類部は、前記分類カテゴリ別に、前記分類カテゴリに属する複数の前記配信済み内容の各々を、前記割り出し部が割り出した前記指標に基づいて前記複数のグループのいずれかに分類する請求項1乃至3のいずれか一項に記載のデータ処理装置。 - 前記評価データは、前記配信済み内容に対する前記接触者の感想に関するアンケート結果を示すデータである請求項1乃至4のいずれか一項に記載のデータ処理装置。
- 前記アンケート結果を示す前記評価データの一部が、前記対応関係の妥当性についての検証用データとして用いられる請求項5に記載のデータ処理装置。
- 将来配信される配信予定内容の前記説明情報として入力された入力情報を取得する入力情報取得部と、
前記複数のグループのうち、前記配信予定内容が属するグループを判定する判定部と、を有し、
前記割り出し部は、前記入力情報を前記対応関係に適用することで、前記配信予定内容の前記指標を割り出し、
前記判定部は、割り出された前記配信予定内容の前記指標に基づいて、前記配信予定内容が属するグループを判定する請求項1乃至6のいずれか一項に記載のデータ処理装置。 - 前記入力情報取得部は、互いに異なる第一配信予定内容及び第二配信予定内容のそれぞれについて、前記入力情報を取得し、
前記割り出し部は、前記第一配信予定内容及び前記第二配信予定内容のそれぞれについて、前記入力情報を前記対応関係に適用して前記指標を割り出し、
前記判定部は、前記第一配信予定内容及び前記第二配信予定内容のそれぞれについて割り出された前記指標に基づいて、前記第一配信予定内容が属するグループ、及び、前記第二配信予定内容が属するグループを判定し、
前記第一配信予定内容が属するグループと前記第二配信予定内容が属するグループとの間の類似度合いを算出する類似度合い算出部を更に有する請求項7に記載のデータ処理装置。 - 前記第一配信予定内容は、将来放送される広告であり、
前記第二配信予定内容は、将来放送される番組である請求項8に記載のデータ処理装置。 - 前記メタデータが示す前記説明情報を数値化する処理を実施する数値化処理部を有する請求項8又は9に記載のデータ処理装置。
- 前記類似度合い算出部は、前記数値化処理部によって数値化された前記第一配信予定内容の前記説明情報と、前記数値化処理部によって数値化された前記第二配信予定内容の前記説明情報と、に基づいて、前記第一配信予定内容が属するグループと前記第二配信予定内容が属するグループとの間の類似度合いを算出する請求項10に記載のデータ処理装置。
- 前記特定部は、前記指標と数値化された前記説明情報との前記対応関係を特定する請求項10又は11に記載のデータ処理装置。
- 記憶装置が、配信済み内容に接触した接触者の前記配信済み内容に対する評価を示す評価データを、前記配信済み内容毎及び前記接触者毎に記憶し、
記憶装置が、前記配信済み内容を説明するための説明情報を示すメタデータを、前記配信済み内容毎に記憶し、
コンピュータが、前記配信済み内容毎及び前記接触者毎の前記評価データと、前記配信済み内容毎の前記メタデータとに基づいて、前記評価から導出される指標と前記説明情報との対応関係を特定し、
コンピュータが、複数の前記配信済み内容の各々を対象とし、該対象の前記メタデータが示す前記説明情報を前記対応関係に適用することで、前記対象の前記指標を割り出し、
コンピュータが、割り出された前記指標に基づき、複数の前記配信済み内容の各々を複数のグループのいずれかに分類することを特徴とするデータ処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019030594A JP6552759B1 (ja) | 2019-02-22 | 2019-02-22 | データ処理装置及びデータ処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019030594A JP6552759B1 (ja) | 2019-02-22 | 2019-02-22 | データ処理装置及びデータ処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6552759B1 true JP6552759B1 (ja) | 2019-07-31 |
JP2020137005A JP2020137005A (ja) | 2020-08-31 |
Family
ID=67473256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019030594A Active JP6552759B1 (ja) | 2019-02-22 | 2019-02-22 | データ処理装置及びデータ処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6552759B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021260933A1 (ja) * | 2020-06-26 | 2021-12-30 | 日本電気株式会社 | 推定装置、推定方法、および記録媒体 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023188144A1 (ja) * | 2022-03-30 | 2023-10-05 | 日本電気株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP7499397B1 (ja) | 2023-11-16 | 2024-06-13 | 株式会社ビデオリサーチ | 行動予測モデル作成方法および当該行動予測モデル作成方法を用いた集団行動予測方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006215867A (ja) * | 2005-02-04 | 2006-08-17 | Sony Corp | 情報処理システム、情報提供装置および方法、情報処理装置および方法、並びにプログラム |
JP5560545B2 (ja) * | 2008-08-26 | 2014-07-30 | 株式会社ニコン | 配信システム、ならびに配信方法 |
JP5353443B2 (ja) * | 2009-05-25 | 2013-11-27 | 株式会社Jvcケンウッド | データ分類器作成装置、データ分類装置、データ分類器作成方法、データ分類方法、データ分類器作成プログラム、データ分類プログラム |
-
2019
- 2019-02-22 JP JP2019030594A patent/JP6552759B1/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021260933A1 (ja) * | 2020-06-26 | 2021-12-30 | 日本電気株式会社 | 推定装置、推定方法、および記録媒体 |
JP7487775B2 (ja) | 2020-06-26 | 2024-05-21 | 日本電気株式会社 | 推定装置、推定方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020137005A (ja) | 2020-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113473187B (zh) | 广告投放的跨屏优化 | |
Jung et al. | Persona generation from aggregated social media data | |
CN108352025B (zh) | 基于消费者在线行为的电视广告时段定位 | |
JP6552759B1 (ja) | データ処理装置及びデータ処理方法 | |
Napoli | Audience economics: Media institutions and the audience marketplace | |
K. Balasubramanian et al. | Modeling attitude constructs in movie product placements | |
E. Prescott | Big data and competitive advantage at Nielsen | |
JP6201077B1 (ja) | 調査データ処理装置及び調査データ処理方法 | |
US20090006206A1 (en) | Systems and Methods for Facilitating Advertising and Marketing Objectives | |
CN109417644B (zh) | 跨屏广告投放的收益优化 | |
US20120296701A1 (en) | System and method for generating recommendations | |
WO2008145571A2 (en) | Internet user identification | |
WO2009126815A2 (en) | Diversified, self-organizing map system and method | |
CA2520117A1 (en) | Generating audience analytics | |
CN1586075A (zh) | 在项目推荐器中把多个项划分成相似项的组的方法及装置 | |
CN108280679A (zh) | 用于向网站访客递送目标内容以推广产品和品牌的方法和装置 | |
Hill et al. | Social TV: Real-time social media response to TV advertising | |
US11842292B1 (en) | Predicting results for a video posted to a social media influencer channel | |
US11113707B1 (en) | Artificial intelligence identification of high-value audiences for marketing campaigns | |
Molteni et al. | Forecasting with twitter data: an application to Usa Tv series audience | |
US20170286995A1 (en) | Computing A Score For Opportunities In A Placement System | |
JP6803998B1 (ja) | 情報処理装置、及び情報処理方法 | |
US20170330221A1 (en) | Systems and methods for integration of universal marketing activities | |
JP7090777B1 (ja) | コンテンツ推奨装置、及びコンテンツ推奨方法 | |
JP2020095337A (ja) | 調査結果処理装置、及び調査結果処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190225 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190225 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190301 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190610 |
|
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: 20190625 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190702 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6552759 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |