JP6706493B2 - 分析装置、処理方法、プログラム - Google Patents
分析装置、処理方法、プログラム Download PDFInfo
- Publication number
- JP6706493B2 JP6706493B2 JP2015242327A JP2015242327A JP6706493B2 JP 6706493 B2 JP6706493 B2 JP 6706493B2 JP 2015242327 A JP2015242327 A JP 2015242327A JP 2015242327 A JP2015242327 A JP 2015242327A JP 6706493 B2 JP6706493 B2 JP 6706493B2
- Authority
- JP
- Japan
- Prior art keywords
- users
- user
- keyword
- information
- user group
- 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
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000004458 analytical method Methods 0.000 claims description 81
- 239000013598 vector Substances 0.000 claims description 81
- 239000011159 matrix material Substances 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 51
- 238000000605 extraction Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 23
- 230000014509 gene expression Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 description 1
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
以下、本発明の一実施形態による分析装置を図面を参照して説明する。
図1は同実施形態による分析システムを示すブロック図である。
図1に示すように、本実施形態による分析システム100は、分析装置1、データベース2、情報蓄積装置5により構成されている。分析システム100にはSNSサーバ3、インターネットサーバ4が含まれて構成されるものと定義されてよい。分析装置1、情報蓄積装置5、SNSサーバ3(第一コンピュータサーバ)、インターネットサーバ4(第二コンピュータサーバ)はコンピュータ装置である。これらコンピュータ装置は、CPU(Central Processing Unit)などの演算部、及び、ROM(Read Only Memory)、RAM(Random Access Memory)、HDD(Hard Disk Drive)などの記憶部、及び、ネットワークインタフェースなどその他のハードウェアによって構成されている。分析装置1は通信ネットワークを介して情報蓄積装置5と接続されてよい。情報蓄積装置5はインターネット20を介して1つまたは複数のSNSサーバ3と接続されてよい。分析装置1は通信ネットワークまたは通信ケーブルを介してデータベース2と接続されている。
SNSの提供を受けるためにユーザ登録を行った第一ユーザ群に属するユーザは、不特定多数の第二ユーザ群に属するユーザであってよい。第一ユーザ群に属するユーザはSNSに登録しているユーザ、第二ユーザ群に属するユーザはインターネットを利用するユーザであるため、第一ユーザ群に属するユーザの総数は第二ユーザ群に属するユーザの総数より少ないことは明らかである。
SNSサーバ3とインターネットサーバ4は説明の便宜上、図1において1つずつ表しているが、それぞれ複数がインターネット20を介して分析装置1と接続されてよい。
情報蓄積装置5はデータベースの機能を有しており、第一投稿情報や第二投稿情報、第一投稿情報をSNSサーバ3に登録したユーザ固有の情報(ユーザID、ユーザの属性要素など)を予め保持しているものとする。情報蓄積装置5はその情報をユーザの操作によって記憶媒体から読み取ってデータベースに蓄積してもよいし、SNSサーバ4やインターネットサーバ4から直接ネットワークを介して取得してもよい。なお分析システム100は情報蓄積装置5を有さなくともよい。その場合、分析装置1は、SNSサーバ3やインターネットサーバ4に対してインターネットを介して情報蓄積装置5を介さずに接続されていなくともよい。
第一取得部11は、SNSサーバ3に登録された第一投稿情報を検索対象として検索処理を行う。第一取得部11は、種となるシードキーワードに関連する複数の関連キーワードそれぞれを用いて第一投稿情報を検索し、その検索の結果に基づいて得られる関連キーワードに応じた第一登録度合を、第一ユーザ群に属するユーザの属性要素ごとに取得する。第一登録度合は、第一ユーザ群に属するユーザによって関連キーワードを含む第一投稿情報がSNSサーバ3に登録された量の指標を示す値である。
第二取得部12は、インターネットサーバ4に登録された第二投稿情報を検索対象として検索処理を行う。第二取得部12は、複数の関連キーワードそれぞれを用いて第二投稿情報を検索し、その検索の結果に基づいて得られる第二登録度合を取得する。第二登録度合は、第二ユーザ群に属するユーザによって関連キーワードを含む第二投稿情報がインターネットサーバ4に登録された量の指標を示す値である。
推定部13は、第一登録度合と第二登録度合とに基づいて、インターネットを利用する不特定多数の第二ユーザ群に属するユーザのうち、シードキーワードについて関心のあるユーザ数を、ユーザ属性の要素ごとに推定する。
第一の実施形態による分析装置1の処理フローを説明する。
分析者はまずシードキーワードを決定する。シードキーワードは分析したい対象に関連する単語である。例えばある展示会について関心のある人数を分析したい場合には、その展示会の展示会タイトルなどをシードキーワードとして決定する。シードキーワードの数は1つを想定するが複数決定するようにしてもよい。分析者はシードキーワードを用いて関連キーワードを複数決定する。分析者は関連キーワードの数の総数を「m」とする。なお関連キーワードに代えて、関連キーワードを複数含むキーワードクラスタをm個決定するようにしてもよい。この場合、以下の説明における関連キーワードをキーワードクラスタと読み替えることとなる。また分析者は展示会に関心のある人についての属性の要素数を決定する。例えば展示会について興味のある性別ごとの数を分析したい場合には、ユーザ属性である「性」を構成する要素である「男」と「女」の2つの属性要素に基づいて、属性要素数を「2」と決定する。決定した属性要素数の総数を「n」とする。分析者は関連キーワードの数mが、人についての属性要素数nよりも大きい数となるようにそれらの数を決定する。分析者は決定した関連キーワードと、その関連キーワードの数mと、決定したユーザ属性の要素と、その属性要素の数nとを分析装置1に入力する。分析装置1はそれら入力した情報をメモリに記録する。
以降、関連キーワードm個のうち、任意の関連キーワードを示す際には添字i(1≦i≦m)を用いて表し、また、属性要素n個のうち、任意の属性要素を示す際には添字j(1≦j≦n)を用いて表す。
上述のような式(1)〜(5)が与えられている状況において、
また属性要素ごとの反応率に基づいて、インターネットを利用するユーザのうちシードキーワードに関心のあるユーザ数をユーザ属性の要素ごとに推定するため、より正確性高く、インターネットを利用するユーザのうちシードキーワードに関心のあるユーザ数をユーザ属性の要素ごとに推定することが期待できる。
第二の実施形態による分析装置1は、第一の実施形態による反応率行列Wの生成方法とは異なる方法で、その反応率行列Wを生成する点で異なる。
具体的には、分析装置1の推定部13は、第一ユーザ群に属するユーザのうち関連キーワードkiについての事象に反応している属性要素zjのユーザの反応率wijを、関連キーワードkiと属性要素zjの組み合わせごとに算出する(ステップS3)。そして推定部13は、関連キーワードkiに応じた属性要素zjごとの反応率を示す反応率ベクトルwi=[wi1,wi2,・・・,win]を生成する(ステップS4)。これにより推定部13は関連キーワードに応じた属性要素znごとの反応率を示す反応率ベクトルw1,w2,w3,・・・,wmのm個の反応率ベクトルを生成することができる。ここまでの処理は第一の実施形態と同様である。
第三の実施形態による分析装置1は、第一の実施形態や第二の実施形態の分析装置1における反応率を示す反応率行列Wの生成方法とは異なる方法で、その反応率行列Wを生成する点で異なる。
具体的には、分析装置1の推定部13は、第一ユーザ群に属するユーザのうち関連キーワードkiについての事象に反応している属性の要素zjのユーザの反応率wijを、関連キーワードと属性の要素の組み合わせごとに算出する(ステップS3)。そして推定部13は、関連キーワードkiに応じた属性要素zjごとの反応率を示す反応率ベクトルwi=[wi1,wi2,・・・,win]を生成する(ステップS4)。これにより推定部13は関連キーワードに応じた属性要素ごとの反応率を示す反応率ベクトルw1,w2,w3,・・・,wmのm個の反応率ベクトルを生成することができる。ここまでの処理は第一の実施形態と同様である。
第四の実施形態による分析装置1は関連キーワードの抽出により有意な結果が得られないかった場合に関連キーワードを再定義する処理を行う。
図3は第四の実施形態による分析システムを示す図である。図3に示す分析装置1はさらにキーワード抽出部14を備える。当該キーワード抽出部14も、分析装置1の演算部が分析アプリケーションプログラムを実行することにより分析装置1のコンピュータに備わる機能である。
第一〜第三の実施形態における処理は、インターネットを利用するユーザ総数に対して関連キーワードをインターネットサーバ4に登録したユーザ数の割合と、SNSのユーザ総数に対してSNSにおいて関連キーワードを投稿したユーザ数の割合との関係が線形であると推定した場合の処理である。つまり第一〜第三の実施形態における処理は、第一ユーザ群に含まれるユーザの総数に対する属性要素ごとの第一登録度合の割合と、第二ユーザ群に含まれるユーザの総数に対する属性要素ごとの第二登録度合の割合との関係が線形である場合についての処理である。
一方で、インターネットを利用するユーザのうちシードキーワードに関心を持つユーザ層におけるユーザ総数N1を対象として、関連キーワードをインターネットサーバ4に登録したユーザ数の割合と、SNSのユーザ総数に対してSNSにおいて関連キーワードを投稿したユーザ数の割合との関係が非線形であると推定して処理を行ってインターネットを利用するユーザのうちシードキーワードに関心のあるユーザ数を推定してもよい。つまり推定部13は、第一ユーザ群に含まれるユーザの総数N1に対する属性要素ごとの第一登録度合の割合と、第二ユーザ群に含まれるユーザの総数N2に対する属性要素ごとの第二登録度合の割合との関係が非線形であることに基づいて、インターネットを利用するユーザのうち関連キーワードに関心のある属性要素ごとのユーザ数を推定するようにしてもよい。
なお上述したうように、第一登録度合は関連キーワードを含む投稿情報がSNSサーバ3に登録された数を示す。また第二登録度合は関連キーワードを含む投稿情報がインターネットサーバ4に登録された数を示す。
第六の実施形態による分析装置1はさらに遅延度合算出部15を備える。
図4は第六の実施形態による分析システムを示す図である。遅延度合算出部15は、分析装置1の演算部が分析アプリケーションプログラムを実行することにより分析装置1のコンピュータに備わる機能である。
第六の実施形態による分析装置1は上述の処理を所定の時間おきに繰り返しておこなう。これにより、分析装置1はインターネットを利用するユーザのうちシードキーワードに関心を持つユーザ層におけるユーザ数N1に対する、関連キーワードを含む第二投稿情報をインターネットサーバ4に登録したユーザ数rの割合と、SNSのユーザ総数N2に対してする、SNSにおいて関連キーワードを含む第一投稿情報を登録したユーザ数Rの割合とを、所定の時間おきに取得する。分析装置1の遅延度合算出部15は、SNSのユーザ総数N2に対する、SNSにおいて関連キーワードを投稿したユーザ数Rの割合が、例えば10%になるまでの期間T1と、インターネットにおけるシードキーワードに関心を持つユーザ数N1に対する、関連キーワードをインターネットサーバ4に登録したユーザ数をrの割合が、同じく10%になるまでの期間T2とを比較する。そして遅延度合算出部15は、期間T2と期間T1を比較することにより、SNSのユーザから、インターネットのユーザに関連キーワードについての興味が波及する時間的な遅延度合を算出する。この遅延は関連キーワードごとに算出されるため、全ての関連キーワードについての遅延度合を集計することにより、SNSのユーザから、インターネットのユーザにシードキーワードについての興味が波及する時間的な遅延度合を算出するようにしてもよい。
第七の実施形態において、第一投稿情報は、SNSサーバ3に投稿された情報のうち、属性要素の判定できる各ユーザを含む第一ユーザ群に属するユーザの登録した情報であるとする。また第七の実施形態において、第二投稿情報は、SNSサーバ3に投稿された情報のうち、属性要素の判定できない各ユーザを含む第二ユーザ群に属するユーザの登録した情報であるとする。
そして、第七の実施形態において第一取得部は、属性要素の判定できる第一ユーザ群に属するユーザがSNSサーバ3に登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行う。そして第一取得部は、その検索結果に基づいて得られる関連キーワードに応じた第一登録度合を属性要素ごとに取得する。
また第七の実施形態において第二取得部は、属性要素の判定できない第二ユーザ群に属するユーザがSNSサーバ3に登録した第二投稿情報を検索対象として複数の関連キーワードを用いて第二の検索を行う。そして第二取得部は、その検索結果に基づいて得られる関連キーワードに応じた第二登録度合を取得する。
また第七の実施形態において推定部は、第一登録度合と第二登録度合とに基づいて、SNSに登録したユーザ全体のうち、シードキーワードに関心のある第一ユーザ群または第二ユーザ群またはその両方のユーザ群に属するユーザの属性要素ごとの数を推定する。
第一実施形態と同様に分析者はシードキーワードを決定する。シードキーワードは分析したい対象に関連する単語である。例えばある展示会について関心のある人数を分析したい場合には、その展示会の展示会タイトルなどをシードキーワードとして決定する。シードキーワードの数は1つを想定するが複数決定するようにしてもよい。分析者はシードキーワードを用いて関連キーワードを複数決定する。分析者は関連キーワードの数の総数を「m」とする。なお関連キーワードに代えて、関連キーワードを複数含むキーワードクラスタをm個決定するようにしてもよい。この場合、以下の説明における関連キーワードをキーワードクラスタと読み替えることとなる。また分析者は展示会に関心のある人についての属性の要素数を決定する。例えば展示会について興味のある性別ごとの数を分析したい場合には、ユーザ属性である「性」を構成する要素である「男」と「女」の2つの属性要素に基づいて、属性要素数を「2」と決定する。決定した属性要素数の総数を「n」とする。分析者は関連キーワードの数mが、人についての属性要素数nよりも大きい数となるようにそれらの数を決定する。分析者は決定した関連キーワードと、その関連キーワードの数mと、決定したユーザ属性の要素と、その属性要素の数nとを分析装置1に入力する。分析装置1はそれら入力した情報をメモリに記録する。
このように式(1)〜(5)が与えられている状況において、上記式(6)、式(7)がそれぞれ成立する。そして式(7)により上記式(8)が得られる。よって式(6)と式(8)を用いて上記式(9)が第一実施形態と同様に成立する。式(9)を解くことにより、属性要素ごとのシードキーワードに関心のあるユーザ数を算出する(ステップS10)。この算出手法は、第一ユーザ群に含まれるユーザの数に対する属性要素ごとのユーザによる第一登録度合の割合を示す関係式と、第二ユーザ群に含まれるユーザの数に対する属性要素ごとのユーザによる第二登録度合の割合を示す関係式とを用いた連立方程式を、行列を用いて解く場合の例に相当する。ユーザ属性の要素ごとのシードキーワードに関心のあるユーザ数b1,b2,・・・,bnの合計値Nは、SNSに登録したユーザのうち属性要素の判定できない各ユーザを含む第二ユーザ群に属するユーザのうち、シードキーワードに関心のあるユーザ数と言うことができる。
また第七の実施形態で示す分析装置1の処理に、上記第四〜第六の実施形態で示した分析装置1の処理の何れか一つまたは複数を適用してもよい。
2・・・データベース
3・・・SNSサーバ
4・・・インターネットサーバ
11・・・第一取得部
12・・・第二取得部
13・・・推定部
14・・・キーワード抽出部
15・・・遅延度合算出部
Claims (11)
- 属性要素の判定できる第一ユーザ群に属するユーザの登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第一登録度合を前記ユーザの属性要素ごとに取得する第一取得部と、
属性要素の判定できない第二ユーザ群に属するユーザの登録した第二投稿情報を検索対象として前記複数の関連キーワードを用いて第二の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第二登録度合を取得する第二取得部と、
前記第一登録度合と前記第二登録度合とに基づいて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する推定部と、
を備えることを特徴とする分析装置。 - 前記第一投稿情報は、通信ネットワークに接続されたコンピュータのうち前記第一ユーザ群に対して特定サービスの情報を配信する第一コンピュータサーバに登録された情報であり、
前記第二投稿情報は、前記通信ネットワークに接続された第二コンピュータであって不特定の前記第二ユーザ群に含まれるユーザによって登録された情報である
ことを特徴とする請求項1に記載の分析装置。 - 前記第一投稿情報は、通信ネットワークに接続され、ユーザに対して特定サービスの情報を配信する第一コンピュータサーバに投稿された情報のうち、属性要素の判定できる第一ユーザ群に属するユーザの登録した情報であり、
前記第二投稿情報は、前記第一コンピュータサーバに投稿された情報のうち、属性要素の判定できない第二ユーザ群に属するユーザの登録した情報である
ことを特徴とする請求項1に記載の分析装置。 - 前記推定部は、前記第一ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第一登録度合の割合と、前記第二ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第二登録度合の割合との関係が線形であることに基づいて、前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する
請求項1から請求項3の何れか一項に記載の分析装置。 - 前記推定部は、前記第一ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第一登録度合の割合と、前記第二ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第二登録度合の割合との関係が非線形であることに基づいて、前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する
請求項1から請求項3の何れか一項に記載の分析装置。 - 前記推定部は、前記関連キーワードを含む前記第一投稿情報を登録したユーザの割合を前記関連キーワードと前記属性要素の組み合わせごとに算出し、前記関連キーワードに応じた前記属性要素ごとの反応率を示す反応率ベクトルを生成し、
前記反応率ベクトルを所定の数に分類し、それら分類した反応率ベクトルを一つの行列で表した反応率行列を生成し、
前記反応率行列と、前記属性要素ごとの前記第一ユーザ群に含まれるユーザ数を示す行列と、前記関連キーワードに応じた前記第一投稿情報を登録した前記属性要素ごとのユーザの数を示す行列と、前記関連キーワードに応じた前記第二投稿情報を登録したユーザの数を示す行列と、を用いて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する
ことを特徴とする請求項1から請求項5の何れか一項に記載の分析装置。 - 前記推定部は、前記第一ユーザ群に含まれるユーザの数に対する前記属性要素ごとのユーザによる前記第一登録度合の割合を前記関連キーワードそれぞれについて算出し、その関連キーワードに応じた前記属性要素ごとのユーザによる前記第一登録度合の割合と、前記関連キーワードごとの第二登録度合の割合とを用いて、前記第二ユーザ群に属するユーザの前記属性要素ごとの数を前記関連キーワードについて算出し、その数を合計して前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの数を推定する
ことを特徴とする請求項1から請求項5の何れか一項に記載の分析装置。 - 前記関連キーワードの中から前記第一投稿情報において出現率の高いキーワードを再定義した関連キーワードとして抽出するキーワード抽出部と、
を備え、
前記第一取得部は、前記再定義した関連キーワードに応じた前記第一登録度合を前記ユーザの属性要素ごとに取得し、
前記第二取得部は、前記再定義した関連キーワードに応じた前記第二登録度合を取得する
請求項1から請求項7の何れか一項に記載の分析装置。 - 前記第一投稿情報を登録したユーザ数の前記第一ユーザ群に含まれるユーザの数に対する割合と、前記第二投稿情報を登録したユーザ数の前記第二ユーザ群に含まれるユーザの数に対する割合との時間に応じた変化に基づいて、前記第一ユーザ群に属するユーザから前記第二ユーザ群に属するユーザへと、前記シードキーワードに対する関心が波及する時間的な遅延度合を算出する遅延度合算出部と、
を備えることを特徴とする請求項1から請求項8の何れか一項に記載の分析装置。 - 分析装置の処理方法であって、
前記分析装置の第一取得部が、属性要素の判定できる第一ユーザ群に属するユーザの登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第一登録度合を前記ユーザの属性要素ごとに取得し、
前記分析装置の第二取得部が、属性要素の判定できない第二ユーザ群に属するユーザの登録した第二投稿情報を検索対象として前記複数の関連キーワードを用いて第二の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第二登録度合を取得し、
前記分析装置の推定部が、前記第一登録度合と前記第二登録度合とに基づいて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する
ことを特徴とする処理方法。 - 分析装置のコンピュータに、
属性要素の判定できる第一ユーザ群に属するユーザの登録した第一投稿情報を検索対象としてシードキーワードに関連する複数の関連キーワードを用いて第一の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第一登録度合を前記ユーザの属性要素ごとに取得する第一取得手順、
属性要素の判定できない第二ユーザ群に属するユーザの登録した第二投稿情報を検索対象として前記複数の関連キーワードを用いて第二の検索を行いその検索結果に基づいて得られる前記関連キーワードに応じた第二登録度合を取得する第二取得手順、
前記第一登録度合と前記第二登録度合とに基づいて前記シードキーワードに関心のある前記第二ユーザ群に属するユーザの前記属性要素ごとの数を推定する推定手順、
を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015242327A JP6706493B2 (ja) | 2015-12-11 | 2015-12-11 | 分析装置、処理方法、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015242327A JP6706493B2 (ja) | 2015-12-11 | 2015-12-11 | 分析装置、処理方法、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017107490A JP2017107490A (ja) | 2017-06-15 |
JP6706493B2 true JP6706493B2 (ja) | 2020-06-10 |
Family
ID=59059983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015242327A Active JP6706493B2 (ja) | 2015-12-11 | 2015-12-11 | 分析装置、処理方法、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6706493B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6979308B2 (ja) * | 2017-08-31 | 2021-12-08 | ヤフー株式会社 | 抽出装置、抽出方法及び抽出プログラム |
CN116089732B (zh) * | 2023-04-11 | 2023-07-04 | 江西时刻互动科技股份有限公司 | 基于广告点击数据的用户偏好识别方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008158792A (ja) * | 2006-12-22 | 2008-07-10 | Ntt Docomo Inc | ネットワークサーバ及び制御方法 |
JP2010102385A (ja) * | 2008-10-21 | 2010-05-06 | Kddi Corp | ユーザ分類装置、広告配信装置、ユーザ分類方法、広告配信方法、およびプログラム |
JP2010113542A (ja) * | 2008-11-06 | 2010-05-20 | Kaiin Chin | 情報提供システム、情報処理装置及びそのプログラム |
JP5800391B2 (ja) * | 2012-03-09 | 2015-10-28 | Kddi株式会社 | 放送プログラム選別方法、装置およびシステム |
-
2015
- 2015-12-11 JP JP2015242327A patent/JP6706493B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017107490A (ja) | 2017-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kosinski et al. | Mining big data to extract patterns and predict real-life outcomes. | |
CN106600052B (zh) | 一种基于时空轨迹的用户属性与社会网络检测系统 | |
TW202007178A (zh) | 用戶特徵的生成方法、裝置、設備及儲存介質 | |
CN106599226A (zh) | 一种内容推荐方法及内容推荐系统 | |
CN106951571B (zh) | 一种给应用标注标签的方法和装置 | |
CN108804577B (zh) | 一种资讯标签兴趣度的预估方法 | |
US10460174B2 (en) | System and methods for analysis of user-associated images to generate non-user generated labels and utilization of the generated labels | |
CN110633421B (zh) | 特征提取、推荐以及预测方法、装置、介质和设备 | |
CN110880006B (zh) | 用户分类方法、装置、计算机设备和存储介质 | |
EP3188111A1 (en) | A method for extracting latent context patterns from sensors | |
CN106599194A (zh) | 标签确定方法及装置 | |
CN109145224B (zh) | 社交网络事件时序关系分析方法 | |
JP7375861B2 (ja) | 関連スコア算出システム、方法およびプログラム | |
Zhou et al. | Relevance feature mapping for content-based multimedia information retrieval | |
CN110968802B (zh) | 一种用户特征的分析方法、分析装置及可读存储介质 | |
JP6264946B2 (ja) | データ収集方法、及びデータ収集装置 | |
JP6706493B2 (ja) | 分析装置、処理方法、プログラム | |
JP7092194B2 (ja) | 情報処理装置、判定方法、及びプログラム | |
CN108153818B (zh) | 一种基于大数据的聚类方法 | |
CN109615018B (zh) | 用户个性化行为评价方法、装置、计算机设备和存储介质 | |
CN103678709A (zh) | 一种基于时序数据的推荐系统攻击检测算法 | |
CN111144424A (zh) | 一种基于聚类算法的人员特征检分析方法 | |
JP2014115911A (ja) | 情報推薦装置、情報推薦方法、及び情報推薦プログラム | |
Zhao et al. | Exploiting homophily-based implicit social network to improve recommendation performance | |
JP5421842B2 (ja) | 影響力解析装置、影響力解析方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20151214 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181102 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20181109 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191008 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200107 |
|
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: 20200421 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200518 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6706493 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |