JP6686208B1 - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP6686208B1 JP6686208B1 JP2019080255A JP2019080255A JP6686208B1 JP 6686208 B1 JP6686208 B1 JP 6686208B1 JP 2019080255 A JP2019080255 A JP 2019080255A JP 2019080255 A JP2019080255 A JP 2019080255A JP 6686208 B1 JP6686208 B1 JP 6686208B1
- Authority
- JP
- Japan
- Prior art keywords
- product
- service
- price
- information
- probability distribution
- 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 abstract description 66
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000009826 distribution Methods 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 22
- 238000010586 diagram Methods 0.000 abstract description 11
- 238000004891 communication Methods 0.000 description 23
- 238000013501 data transformation Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 15
- 239000013598 vector Substances 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 210000002569 neuron Anatomy 0.000 description 11
- 238000011176 pooling Methods 0.000 description 7
- 230000004913 activation Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
Description
情報処理装置は、一以上のプロセッサにより実現される。情報処理装置は、ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得し、取得した商品情報に基づいて、過去に販売された複数の第2商品または第2サービスの中から、第1商品または第1サービスと類似する第2商品または第2サービスを選択する。情報処理装置は、選択した第2商品または第2サービスの価格を少なくとも一つの確率変数とした確率分布を推定し、推定した確率分布に基づいて、第1商品または第1サービスの価格を予測する。この結果、商品またはサービスの価格の予測精度を向上させることができる。以下、商品またはサービスをまとめて単に「商品」と称して説明する。
[全体構成]
図1は、第1実施形態における情報処理装置100を含む情報処理システム1の一例を示す図である。第1実施形態における情報処理システム1は、例えば、一以上の端末装置10と、サービス提供装置20と、情報処理装置100とを備える。これらの装置は、ネットワークNWを介して接続される。また、これらの装置のうち一部は、他の装置に仮想的な装置として包含されてもよく、例えば、サービス提供装置20の機能の一部または全部が、情報処理装置100の機能によって実現される仮想マシンであってもよい。
図3は、第1実施形態における情報処理装置100の構成の一例を示す図である。図示のように、情報処理装置100は、例えば、通信部102と、制御部110と、記憶部130とを備える。
以下、制御部110の各構成要素の処理内容についてフローチャートを用いて説明する。図5は、第1実施形態における情報処理装置100による一連の処理の流れを示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われてよい。
以下、第1実施形態の変形例について説明する。上述した第1実施形態において、推定部116は、カーネル密度推定を用いて、選択部114によって選択された落札済み商品の価格を少なくとも一つの確率変数とした確率分布を推定するものとして説明したがこれに限られない。例えば、推定部116は、落札済み商品の価格に加えて、更に、選択部114が落札済み商品を選択する際に考慮した出品予定の商品との類似度(レレバンシーともいう)を確率変数として確率分布を推定してよい。すなわち、推定部116は、複数の確率変数を用いて多次元(2次元以上)の確率分布を推定してよい。
以下、第2実施形態について説明する。上述した第1実施形態では、過去に購入された商品の価格などを確率変数とした確率分布を推定し、推定した確率分布に基づいて、商品の価格を予測するものとして説明した。これに対して、第2実施形態では、教師あり学習を用いて、商品の価格を予測する点で上述した第1実施形態と相違する。以下、第1実施形態との相違点を中心に説明し、第1実施形態と共通する点については説明を省略する。なお、第2実施形態の説明において、第1実施形態と同じ部分については同一符号を付して説明する。
以下、第2実施形態における情報処理装置100Aによるランタイムの一連の処理の流れをフローチャートに即して説明する。ランタイムとは、既に学習された予測モデル200を利用する状態である。図9は、第2実施形態における情報処理装置100Aによるランタイムの一連の処理の流れを示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われてよい。
以下、第1実施形態における情報処理装置100のトレーニングの一連の処理の流れをフローチャートに即して説明する。トレーニングとは、ランタイムに利用される予測モデル200を学習させる状態である。図11は、第2実施形態における情報処理装置100Aによるトレーニングの一連の処理の流れを示すフローチャートである。
以下、第2実施形態の変形例について説明する。上述した第2実施形態において、情報処理装置100Aは、ランタイムにおいて、予測モデル200が出力した価格を、出品予定の商品の適正落札価格として予測したがこれに限られない。
上述した実施形態の情報処理装置100は、例えば、図13に示すようなハードウェア構成により実現される。図13は、実施形態の情報処理装置100のハードウェア構成の一例を示す図である。
Claims (15)
- ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得する取得部と、
前記取得部によって取得された前記商品情報に基づいて、過去に販売された複数の第2商品または第2サービスの中から、前記第1商品または第1サービスと類似する前記第2商品または第2サービスを選択する選択部と、
前記選択部によって選択された前記第2商品または第2サービスの価格を少なくとも一つの確率変数とした確率分布を推定する推定部と、
前記推定部によって推定された前記確率分布に基づいて、前記第1商品または第1サービスの価格を予測する予測部と、
前記第1商品または第1サービスの販売者が利用可能な端末装置に、前記商品情報を入力可能な画面を提供する提供部と、を備え、
前記提供部は、前記確率分布が多峰性を有する場合、前記販売者に前記商品情報を再入力するように促す画面を前記端末装置に提供する、
情報処理装置。 - ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得する取得部と、
前記取得部によって取得された前記商品情報に基づいて、過去に販売された複数の第2商品または第2サービスの中から、前記第1商品または第1サービスと類似する前記第2商品または第2サービスを選択する選択部と、
前記選択部によって選択された前記第2商品または第2サービスの価格を少なくとも一つの確率変数とした確率分布を推定する推定部と、
前記推定部によって推定された前記確率分布に基づいて、前記第1商品または第1サービスの価格を予測する予測部と、を備え、
前記予測部は、更に、
前記第2商品または第2サービスに関する商品情報に、前記第2商品または第2サービスの価格が対応付けられた教師データに基づき学習されたモデルに対して、前記取得部により取得された前記第1商品または第1サービスの商品情報を入力し、
前記第1商品または第1サービスの商品情報を入力した前記モデルの出力結果に基づいて、前記第1商品または第1サービスの価格を予測する、
情報処理装置。 - 前記予測部は、前記確率分布において前記確率変数として最頻値をとる価格を、前記第1商品または第1サービスの価格として予測する、
請求項1または2に記載の情報処理装置。 - 前記推定部は、カーネル密度推定に基づいて、前記確率分布を推定する、
請求項1から3のうちいずれか一項に記載の情報処理装置。 - 前記推定部は、前記選択部によって選択された前記第2商品または第2サービスの価格と、前記第1商品または第1サービスおよび前記第2商品または前記第2サービスとの類似度とのそれぞれを前記確率変数とした前記確率分布を推定する、
請求項1から4のうちいずれか一項に記載の情報処理装置。 - 前記商品情報には、少なくともタイトルを示す文字列が含まれており、
前記モデルを、前記タイトルを示す文字列に含まれる各文字を多次元の第1特徴に変換し、前記第1特徴に基づいて価格を出力するように学習する学習部を更に備える、
請求項2に記載の情報処理装置。 - 前記商品情報には、更にカテゴリを示す文字列が含まれており、
前記学習部は、前記モデルを、前記カテゴリを示す文字列に含まれる各文字を多次元の第2特徴に変換し、前記第1特徴と前記第2特徴とを合わせて第3特徴に変換し、前記第3特徴に基づいて価格を出力するように学習する、
請求項6に記載の情報処理装置。 - 前記予測部は、前記第2商品または第2サービスの商品情報に含まれるタイトルから、前記第2商品または第2サービスのカテゴリを予測し、
前記学習部は、前記モデルを、前記予測部によって予測された前記カテゴリを示す文字列に含まれる各文字を多次元の第2特徴に変換し、前記第1特徴と前記第2特徴とを合わせて第3特徴に変換し、前記第3特徴に基づいて価格を出力するように学習する、
請求項7に記載の情報処理装置。 - ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得する取得部と、
過去に販売された第2商品または第2サービスに関する商品情報に、前記第2商品または第2サービスの価格が対応付けられた教師データに基づき学習されたモデルに対して、前記取得部により取得された前記第1商品または第1サービスの商品情報を入力したときに得られる前記モデルの出力結果に基づいて、前記第1商品または第1サービスの価格を予測する予測部と、
を備える情報処理装置。 - コンピュータが、
ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得し、
前記取得した商品情報に基づいて、過去に販売された複数の第2商品または第2サービスの中から、前記第1商品または第1サービスと類似する前記第2商品または第2サービスを選択し、
前記選択した第2商品または第2サービスの価格を少なくとも一つの確率変数とした確率分布を推定し、
前記推定した確率分布に基づいて、前記第1商品または第1サービスの価格を予測し、
前記第1商品または第1サービスの販売者が利用可能な端末装置に、前記商品情報を入力可能な画面を提供し、
前記確率分布が多峰性を有する場合、前記販売者に前記商品情報を再入力するように促す画面を前記端末装置に提供する、
情報処理方法。 - コンピュータが、
ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得し、
前記取得した商品情報に基づいて、過去に販売された複数の第2商品または第2サービスの中から、前記第1商品または第1サービスと類似する前記第2商品または第2サービスを選択し、
前記選択した第2商品または第2サービスの価格を少なくとも一つの確率変数とした確率分布を推定し、
前記推定した確率分布に基づいて、前記第1商品または第1サービスの価格を予測し、
前記第2商品または第2サービスに関する商品情報に、前記第2商品または第2サービスの価格が対応付けられた教師データに基づき学習されたモデルに対して、取得した前記第1商品または第1サービスの商品情報を入力し、
前記第1商品または第1サービスの商品情報を入力した前記モデルの出力結果に基づいて、前記第1商品または第1サービスの価格を予測する、
情報処理方法。 - コンピュータが、
ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得し、
過去に販売された第2商品または第2サービスに関する商品情報に、前記第2商品または第2サービスの価格が対応付けられた教師データに基づき学習されたモデルに対して、前記取得した前記第1商品または第1サービスの商品情報を入力したときに得られる前記モデルの出力結果に基づいて、前記第1商品または第1サービスの価格を予測する、
情報処理方法。 - コンピュータに、
ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得する処理と、
前記取得した商品情報に基づいて、過去に販売された複数の第2商品または第2サービスの中から、前記第1商品または第1サービスと類似する前記第2商品または第2サービスを選択する処理と、
前記選択した第2商品または第2サービスの価格を少なくとも一つの確率変数とした確率分布を推定する処理と、
前記推定した確率分布に基づいて、前記第1商品または第1サービスの価格を予測する処理と、
前記第1商品または第1サービスの販売者が利用可能な端末装置に、前記商品情報を入力可能な画面を提供する処理と、
前記確率分布が多峰性を有する場合、前記販売者に前記商品情報を再入力するように促す画面を前記端末装置に提供する処理と、
を実行させるためのプログラム。 - コンピュータに、
ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得する処理と、
前記取得した商品情報に基づいて、過去に販売された複数の第2商品または第2サービスの中から、前記第1商品または第1サービスと類似する前記第2商品または第2サービスを選択する処理と、
前記選択した第2商品または第2サービスの価格を少なくとも一つの確率変数とした確率分布を推定する処理と、
前記推定した確率分布に基づいて、前記第1商品または第1サービスの価格を予測する処理と、
前記第2商品または第2サービスに関する商品情報に、前記第2商品または第2サービスの価格が対応付けられた教師データに基づき学習されたモデルに対して、取得した前記第1商品または第1サービスの商品情報を入力する処理と、
前記第1商品または第1サービスの商品情報を入力した前記モデルの出力結果に基づいて、前記第1商品または第1サービスの価格を予測する処理と、
を実行させるためのプログラム。 - コンピュータに、
ネットワークを介して販売される第1商品または第1サービスに関する商品情報を取得する処理と、
過去に販売された第2商品または第2サービスに関する商品情報に、前記第2商品または第2サービスの価格が対応付けられた教師データに基づき学習されたモデルに対して、前記取得した前記第1商品または第1サービスの商品情報を入力したときに得られる前記モデルの出力結果に基づいて、前記第1商品または第1サービスの価格を予測する処理と、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019080255A JP6686208B1 (ja) | 2019-04-19 | 2019-04-19 | 情報処理装置、情報処理方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019080255A JP6686208B1 (ja) | 2019-04-19 | 2019-04-19 | 情報処理装置、情報処理方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6686208B1 true JP6686208B1 (ja) | 2020-04-22 |
JP2020177513A JP2020177513A (ja) | 2020-10-29 |
Family
ID=70286679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019080255A Active JP6686208B1 (ja) | 2019-04-19 | 2019-04-19 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6686208B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220080398A (ko) * | 2020-12-07 | 2022-06-14 | 나영준 | Ai 기반의 우시장 정보 제공 장치 및 방법 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7752120B2 (en) * | 2004-06-14 | 2010-07-06 | Accenture Global Services Gmbh | Auction insurance system |
JP5094643B2 (ja) * | 2008-08-29 | 2012-12-12 | 株式会社エヌ・ティ・ティ・データ | 予想落札価格算出装置、予想落札価格算出方法、及びコンピュータプログラム |
US20180336476A1 (en) * | 2015-11-30 | 2018-11-22 | Nec Corporation | Information processing system, information processing method, and information processing program |
JP6719201B2 (ja) * | 2015-12-21 | 2020-07-08 | ヤフー株式会社 | 予測装置、予測方法、及び予測プログラム |
-
2019
- 2019-04-19 JP JP2019080255A patent/JP6686208B1/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220080398A (ko) * | 2020-12-07 | 2022-06-14 | 나영준 | Ai 기반의 우시장 정보 제공 장치 및 방법 |
KR102495607B1 (ko) * | 2020-12-07 | 2023-02-06 | 나영준 | Ai 기반의 우시장 정보 제공 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP2020177513A (ja) | 2020-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11093992B2 (en) | Smart matching for real estate transactions | |
US9727616B2 (en) | Systems and methods for predicting sales of item listings | |
US20180342004A1 (en) | Cumulative success-based recommendations for repeat users | |
US10354184B1 (en) | Joint modeling of user behavior | |
US9852477B2 (en) | Method and system for social media sales | |
US9082086B2 (en) | Adaptively learning a similarity model | |
KR102016065B1 (ko) | 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템 | |
CN110647696B (zh) | 一种业务对象的排序方法及装置 | |
TW201804400A (zh) | 資料物件推送的方法、裝置及系統 | |
KR101639656B1 (ko) | 광고 제공 방법 및 서버 장치 | |
KR102422408B1 (ko) | 협업 필터링 신경망을 이용하여 상품을 추천하는 방법 및 장치 | |
CN113781149A (zh) | 信息推荐方法、装置、计算机可读存储介质及电子设备 | |
US11663645B2 (en) | Methods and apparatuses for determining personalized recommendations using customer segmentation | |
KR102270332B1 (ko) | 영업기회정보 추천 서버 및 그 방법 | |
US20170193539A1 (en) | Time-value estimation method and system for sharing environment | |
JP6686208B1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US20170365014A1 (en) | Systems, methods and non-transitory computer readable storage media for tracking and evaluating predictions regarding relationships | |
US20230186328A1 (en) | Systems and methods for digital shelf display | |
CN115238188A (zh) | 一种对象推荐方法和系统及对象推荐模型系统 | |
US11430033B2 (en) | Methods and systems of utilizing machine learning to provide trust scores in an online automobile marketplace | |
CN113159877A (zh) | 数据处理方法、装置、系统、计算机可读存储介质 | |
CN112488355A (zh) | 基于图神经网络预测用户评级的方法和装置 | |
JP6809148B2 (ja) | プログラムおよび組み合わせ抽出システム | |
US20170300994A1 (en) | Serendipity recommender system | |
KR102653483B1 (ko) | 인공지능에 기반하여 미술품의 가격을 예측하는 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190603 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190603 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190604 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190925 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191023 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191219 |
|
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: 20200303 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200401 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6686208 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |