JP6809993B2 - 抽出装置、抽出方法、抽出プログラム、及びモデル - Google Patents
抽出装置、抽出方法、抽出プログラム、及びモデル Download PDFInfo
- Publication number
- JP6809993B2 JP6809993B2 JP2017137902A JP2017137902A JP6809993B2 JP 6809993 B2 JP6809993 B2 JP 6809993B2 JP 2017137902 A JP2017137902 A JP 2017137902A JP 2017137902 A JP2017137902 A JP 2017137902A JP 6809993 B2 JP6809993 B2 JP 6809993B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- sensor information
- extraction device
- extraction
- 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
- 238000000605 extraction Methods 0.000 title claims description 304
- 239000000284 extract Substances 0.000 claims description 54
- 230000008859 change Effects 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 33
- 230000001133 acceleration Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 16
- 230000009471 action Effects 0.000 description 28
- 230000006399 behavior Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 19
- 238000013500 data storage Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 14
- 230000010365 information processing Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 102100031829 Myosin light polypeptide 6 Human genes 0.000 description 10
- 101710101143 Myosin light polypeptide 6 Proteins 0.000 description 10
- 101000629036 Lumbricus terrestris Myosin regulatory light chain, striated muscle, 25 kDa isoform Proteins 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 101000946040 Homo sapiens Lysosomal-associated transmembrane protein 4B Proteins 0.000 description 6
- 102100034726 Lysosomal-associated transmembrane protein 4B Human genes 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 2
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
〔1.抽出処理〕
図1及び図2を用いて、実施形態に係る抽出処理の一例について説明する。図1及び図2は、実施形態に係る抽出処理の一例を示す図である。図1及び図2の例では、ユーザが利用する端末装置10が検知したセンサ情報から、ユーザの移動における変化が所定の条件を満たす対象センサ情報を抽出する場合を示す。また、図1及び図2に示す抽出処理には、対象センサ情報と所定の事象の発生有無を示す情報を用いてモデルを生成する処理が含まれる。なお、抽出処理には、モデルを生成する処理が含まれなくてもよい。
まず、図1及び図2の説明に先立って、図3に示す抽出システム1について説明する。図3に示すように、抽出システム1は、端末装置10と、抽出装置100とが含まれる。端末装置10と、抽出装置100とは所定のネットワークNを介して、有線または無線により通信可能に接続される。図3は、実施形態に係る抽出システムの構成例を示す図である。なお、図3に示した抽出システム1には、複数台の端末装置10や、複数台の抽出装置100が含まれてもよい。
図1の例では、抽出装置100がユーザU1について、日時dt11〜dt17において検知されたユーザの移動に関するセンサ情報のうち、ユーザの移動における変化が所定の条件を満たすセンサ情報(以下、「対象センサ情報」ともいう)を抽出する場合を示す。なお、図1の例では、説明を簡単にするために、センサ情報としてGPSにより検知される位置情報を用いる場合を示すが、センサ情報は、GPSにより検知される位置情報に限らず、加速度情報等の種々のセンサ情報であってもよい。なお、図1の例では、ステップS12以前においては、XX歩道に道路破損OB1があることを示す情報を抽出装置100が未取得であるものとする。
図2の例では、抽出装置100がユーザU2について、日時dt21〜dt28において検知されたユーザの移動に関するセンサ情報のうち、ユーザの移動における変化が所定の条件を満たす対象センサ情報を抽出する場合を示す。なお、図2の例では、説明を簡単にするために、センサ情報としてGPSにより検知される位置情報を用いる場合を示すが、センサ情報は、GPSにより検知される位置情報に限らず、加速度情報等の種々のセンサ情報であってもよい。なお、図2の例では、ステップS22以前においては、屋外広告AD2が位置LC2にあることを示す情報を抽出装置100が未取得であるものとする。
なお、上述したモデルの生成は一例であり、抽出装置100は、抽出した対象センサ情報を用いて種々のサービスを提供してもよい。例えば、抽出装置100は、抽出した対象センサ情報に関する情報を他の外部装置へ提供してもよい。
例えば、抽出装置100は、抽出した対象センサ情報を用いて広告効果の定量化を行ってもよい。この点について、以下説明する。例えば、抽出装置100は、対象センサ情報と当該対象センサ情報に対応するユーザ属性とに基づいて、広告の効果を示す情報を推定してもよい。ここでは、抽出装置100は、YY歩道脇の位置LC2に屋外広告AD2が配置されていることを示す事象情報F2を取得済みであるものとする。この場合、抽出装置100は、YY歩道脇の位置LC2の付近において通常よりも低速の移動になることにより、対象センサ情報が取得されたユーザを屋外広告AD2に注目したユーザであると推定する。
例えば、抽出装置100は、抽出した対象センサ情報に関する情報を所定のサービス提供者に提供してもよい。また、例えば、抽出装置100は、屋外広告の効果に関する情報を広告配信に関する所定のサービス提供者に提供してもよい。
抽出装置100は、上述した例で生成したモデルM1、M2等を用いて所定の事象の発生有無を推定してもよい。
上述した例では、事象情報(正解情報)を管理者等の入力やユーザの投稿情報等に基づいて取得する場合を示したが、抽出装置100は、種々の手段により正解情報を取得してもよい。
上述した例では、ユーザが歩行している場合を示したが、ユーザの移動は、歩行に限らず、人力を駆動源とする移動体による移動であれば、どのような移動であってもよい。例えば、ユーザが自転車等のモータを駆動源としない移動体による移動であれば、どのような移動であってもよい。
上述した例では、ユーザの移動における変化が迂回行動を示す場合や通常より低速になる場合を示したが、抽出装置100は、上記に限らず種々の移動の変化に対応する対象センサ情報を抽出してもよい。
次に、図4を用いて、実施形態に係る抽出装置100の構成について説明する。図4は、実施形態に係る抽出装置の構成例を示す図である。図4に示すように、抽出装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、抽出装置100は、抽出装置100の管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワーク(例えば図3中のネットワークN)と有線または無線で接続され、端末装置10との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部120は、図4に示すように、ユーザ情報記憶部121と、行動情報記憶部122と、センサ情報記憶部123と、学習データ記憶部124と、モデル情報記憶部125とを有する。なお、図4では、図示を省略するが、記憶部120には、図1に示すXX歩道(道路情報RD1)のような道路情報や図2に示すYY歩道(道路情報RD2)のような道路情報に関する各種情報が記憶される。また、図4では、図示を省略するが、図2に示す屋外広告AD2を表示する表示デバイス(掲示媒体)等を含む各種の施設等(関心地点:Point of Interest)が所在する位置等、関心地点に関する各種情報が記憶されてもよい。
実施形態に係るユーザ情報記憶部121は、ユーザに関する各種情報を記憶する。例えば、ユーザ情報記憶部121は、ユーザ属性に関する各種情報やユーザの行動に関する各種情報を記憶する。図5は、実施形態に係るユーザ情報記憶部の一例を示す図である。図5に示すユーザ情報記憶部121は、「ユーザID」、「年齢」、「性別」といった項目が含まれる。
実施形態に係る行動情報記憶部122は、ユーザの行動に関する各種情報を記憶する。図6は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部122は、各ユーザの行動等の各種の行動情報を記憶する。図6に示す行動情報記憶部122には、「ユーザID」、「行動ID」、「日時」、「種別」、「内容」といった項目が含まれる。
実施形態に係るセンサ情報記憶部123は、種々のセンサにより検知されたセンサ情報を記憶する。例えば、センサ情報記憶部123は、位置情報や加速度情報等の種々のセンサ情報を記憶する。図7は、実施形態に係るセンサ情報記憶部の一例を示す図である。図7に示すセンサ情報記憶部123は、「ユーザID」、「センサ情報」といった項目が含まれる。「センサ情報」には、「日時」、「位置」、「加速度」といった項目が含まれる。
実施形態に係る学習データ記憶部124は、学習データに関する各種情報を記憶する。図8は、実施形態に係る学習データ記憶部の一例を示す図である。例えば、学習データ記憶部124は、モデルの生成に用いる教師データを記憶する。図8に示す学習データ記憶部124には、「対象」、「データID」、「正解情報」、「センサ情報」といった項目が含まれる。
実施形態に係るモデル情報記憶部125は、モデルに関する情報を記憶する。例えば、モデル情報記憶部125は、生成処理により生成されたモデル情報(モデルデータ)を記憶する。図9は、実施形態に係るモデル情報記憶部の一例を示す図である。図9に示すモデル情報記憶部125は、「モデルID」、「対象」、「モデルデータ」といった項目が含まれる。なお、図9では、モデルM1及びモデルM2のみを図示するが、各対象に対応する複数のモデル情報(モデルM3、M4等)が記憶されてもよい。
図4の説明に戻って、制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、抽出装置100内部の記憶装置に記憶されている各種プログラム(決定プログラムや生成プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。制御部130は、モデル情報記憶部125に記憶されているモデルM1やモデルM2等に従った情報処理により、ユーザの移動に関するセンサ情報であって、ユーザの移動における変化が所定の条件を満たすセンサ情報が入力される入力層と、出力層と、入力層から出力層までのいずれかの層であって出力層以外の層に属する第1要素と、第1要素と第1要素の重みとに基づいて値が算出される第2要素と、を含み、入力層に入力されたセンサ情報に対し、出力層以外の各層に属する各要素を第1要素として、第1要素と第1要素の重みとに基づく演算を行うことにより、所定の事象の発生有無の推定に用いられるスコアの値を出力層から出力する。
取得部131は、各種情報を取得する。例えば、取得部131は、端末装置10等の外部の情報処理装置から各種情報を取得する。例えば、取得部131は、ユーザ情報記憶部121や行動情報記憶部122やセンサ情報記憶部123や学習データ記憶部124やモデル情報記憶部125等の記憶部120から各種情報を取得する。例えば、取得部131は、端末装置10が検知した各種の情報を取得する。例えば、取得部131は、端末装置10が検知した位置情報や加速度情報を取得する。
抽出部132は、各種情報を抽出する。例えば、抽出部132は、ユーザ情報記憶部121や行動情報記憶部122やセンサ情報記憶部123や学習データ記憶部124やモデル情報記憶部125等の記憶部120から各種情報を抽出する。
生成部133は、各種情報を生成する。例えば、生成部133は、ユーザ情報記憶部121や行動情報記憶部122やセンサ情報記憶部123や学習データ記憶部124等に記憶された情報からモデルを生成する。例えば、生成部133は、対象センサ情報と、当該対象センサ情報に対応する所定の事象の発生有無を示す正解情報とを含む学習データに基づいて、所定の事象の発生有無の推定に用いられるモデルを生成する。例えば、生成部133は、学習データ記憶部124に記憶されたセンサ情報群と、センサ情報群に対応する位置において所定の事象が発生したかどうかを示す正解情報とを含む学習データに基づいて、所定の事象の発生有無の推定に用いられるモデルを生成する。
推定部134は、各種情報を推定する。例えば、推定部134は、センサ情報記憶部123に記憶された位置情報に基づいて、所定の事象の発生有無を推定する。例えば、推定部134は、センサ情報記憶部123に記憶されたセンサ情報をモデル情報記憶部125に記憶されたモデルに入力することにより、所定の事象の発生有無を推定する。
提供部135は、種々の情報を提供する。例えば、提供部135は、端末装置10等の外部装置に各種情報を提供する。例えば、提供部135は、モデル情報記憶部125に記憶された各モデルを外部の情報処理装置へ提供する。例えば、提供部135は、推定結果に基づく情報を外部の情報処理装置へ提供する。
次に、図10を用いて、実施形態に係る抽出システム1による抽出処理の手順について説明する。図10は、実施形態に係る抽出処理の一例を示すフローチャートである。また、図10に示す抽出処理には、対象行動情報の抽出及びモデルの生成の処理が含まれる。
上述してきたように、実施形態に係る抽出装置100は、取得部131と、抽出部132とを有する。取得部131は、ユーザの移動に関するセンサ情報を取得する。抽出部132は、取得部131により取得されたセンサ情報のうち、ユーザの移動における変化が所定の条件を満たす対象センサ情報を抽出する。
上述してきた実施形態に係る抽出装置100は、例えば図11に示すような構成のコンピュータ1000によって実現される。図11は、抽出装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM(Read Only Memory)1300、HDD(Hard Disk Drive)1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、及びメディアインターフェイス(I/F)1700を有する。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
100 抽出装置
121 ユーザ情報記憶部
122 行動情報記憶部
123 センサ情報記憶部
124 学習データ記憶部
125 モデル情報記憶部
130 制御部
131 取得部
132 抽出部
133 生成部
134 推定部
135 提供部
10 端末装置
N ネットワーク
Claims (10)
- ユーザの移動に関するセンサ情報と、前記ユーザが移動する道路の情報とを取得する取得部と、
前記取得部により取得されたセンサ情報のうち、前記ユーザの移動における変化が所定の条件を満たす対象センサ情報を抽出し、前記ユーザの移動方向が前記道路の延びる方向と異なる方向であるセンサ情報を前記対象センサ情報として抽出する抽出部と、
前記抽出部により抽出された前記対象センサ情報に基づいて、前記対象センサ情報に対応する位置における事象に関する情報を推定する推定部と、
を備え、
前記推定部は、
前記対象センサ情報に基づいて、前記対象センサ情報に対応する位置の道路の状況を推定することを特徴とする抽出装置。 - 前記抽出部は、
前記センサ情報のうち、前記ユーザの移動における変化が速度に関する条件を満たす前記対象センサ情報を抽出する
ことを特徴とする請求項1に記載の抽出装置。 - 前記取得部は、
前記ユーザの位置情報を含む前記センサ情報を取得する
ことを特徴とする請求項1または請求項2に記載の抽出装置。 - 前記取得部は、
前記ユーザの加速度情報を含む前記センサ情報を取得する
ことを特徴とする請求項1〜3のいずれか1項に記載の抽出装置。 - 前記抽出部は、
歩道を移動する前記ユーザの前記センサ情報を取得する
ことを特徴とする請求項1〜4のいずれか1項に記載の抽出装置。 - 前記抽出部は、
人力を駆動源とする移動体により移動する前記ユーザの前記センサ情報を取得する
ことを特徴とする請求項1〜5のいずれか1項に記載の抽出装置。 - 対象センサ情報と、当該対象センサ情報に対応する所定の事象の発生有無を示す正解情報とを含む学習データに基づいて、所定の事象の発生有無の推定に用いられるモデルを生成する生成部、
をさらに備えることを特徴とする請求項1〜6のいずれか1項に記載の抽出装置。 - コンピュータが実行する抽出方法であって、
ユーザの移動に関するセンサ情報と、前記ユーザが移動する道路の情報とを取得する取得工程と、
前記取得工程により取得されたセンサ情報のうち、前記ユーザの移動における変化が所定の条件を満たす対象センサ情報を抽出し、前記ユーザの移動方向が前記道路の延びる方向と異なる方向であるセンサ情報を前記対象センサ情報として抽出する抽出工程と、
前記抽出工程により抽出された前記対象センサ情報に基づいて、前記対象センサ情報に対応する位置における事象に関する情報を推定する推定工程と、
を含み、
前記推定工程は、
前記対象センサ情報に基づいて、前記対象センサ情報に対応する位置の道路の状況を推定することを特徴とする抽出方法。 - ユーザの移動に関するセンサ情報と、前記ユーザが移動する道路の情報とを取得する取得手順と、
前記取得手順により取得されたセンサ情報のうち、前記ユーザの移動における変化が所定の条件を満たす対象センサ情報を抽出し、前記ユーザの移動方向が前記道路の延びる方向と異なる方向であるセンサ情報を前記対象センサ情報として抽出する抽出手順と、
前記抽出手順により抽出された前記対象センサ情報に基づいて、前記対象センサ情報に対応する位置における事象に関する情報を推定する推定手順と、
をコンピュータに実行させ、
前記推定手順は、
前記対象センサ情報に基づいて、前記対象センサ情報に対応する位置の道路の状況を推定することを特徴とする抽出プログラム。 - ユーザの移動に関するセンサ情報であって、ユーザの移動における変化が所定の条件を満たし、前記ユーザの移動方向が前記ユーザが移動する道路の延びる方向と異なる方向であるセンサ情報が入力される入力層と、
出力層と、
前記入力層から前記出力層までのいずれかの層であって前記出力層以外の層に属する第1要素と、
前記第1要素と前記第1要素の重みとに基づいて値が算出される第2要素と、を含み、
前記入力層に入力されたセンサ情報に対し、前記出力層以外の各層に属する各要素を前記第1要素として、前記第1要素と前記第1要素の重みとに基づく演算を行うことにより、前記センサ情報に対応する位置の道路の状況の推定に用いられるスコアの値を前記出力層から出力するよう、
コンピュータを機能させ生成されたモデル。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017137902A JP6809993B2 (ja) | 2017-07-14 | 2017-07-14 | 抽出装置、抽出方法、抽出プログラム、及びモデル |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017137902A JP6809993B2 (ja) | 2017-07-14 | 2017-07-14 | 抽出装置、抽出方法、抽出プログラム、及びモデル |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019020963A JP2019020963A (ja) | 2019-02-07 |
JP6809993B2 true JP6809993B2 (ja) | 2021-01-06 |
Family
ID=65353016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017137902A Active JP6809993B2 (ja) | 2017-07-14 | 2017-07-14 | 抽出装置、抽出方法、抽出プログラム、及びモデル |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6809993B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6712739B1 (ja) * | 2019-12-19 | 2020-06-24 | ニューラルポケット株式会社 | 情報処理システム、情報処理装置、サーバ装置、プログラム、又は方法 |
JP6941846B2 (ja) * | 2020-04-30 | 2021-09-29 | ニューラルポケット株式会社 | 情報処理システム、情報処理装置、サーバ装置、プログラム、又は方法 |
JP7353317B2 (ja) * | 2021-03-18 | 2023-09-29 | ヤフー株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000213952A (ja) * | 1999-01-27 | 2000-08-04 | Nec Mobile Commun Ltd | 移動通信におけるナビゲ―ション方法およびシステム |
JP2007114988A (ja) * | 2005-10-20 | 2007-05-10 | Sony Corp | 関心度提供装置、携帯情報端末、サーバ装置および関心度提供方法 |
-
2017
- 2017-07-14 JP JP2017137902A patent/JP6809993B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019020963A (ja) | 2019-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10726438B2 (en) | Personalized contextual coupon engine | |
US10679231B2 (en) | Measuring retail visitation amounts based on locations sensed by mobile devices | |
US10880682B2 (en) | Systems and methods for creating and using geo-blocks for location-based information service | |
US20170329881A1 (en) | Adaptive real time modeling and scoring | |
US11061912B2 (en) | Generating personalized routes for one or more users to improve user well-being | |
US10097947B2 (en) | Generating personalized routes incentivized for one or more users | |
US10244060B2 (en) | Determining seeds for targeted notifications through online social networks in conjunction with user mobility data | |
Durán-Polanco et al. | Crowd management COVID-19 | |
JP6823612B2 (ja) | 予測装置、予測方法、及び予測プログラム | |
JP6809993B2 (ja) | 抽出装置、抽出方法、抽出プログラム、及びモデル | |
US20200019365A1 (en) | Location prediction systems and related methods | |
JP7348230B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP2019145006A (ja) | 選択装置、選択方法、及び選択プログラム | |
Guo et al. | Fine-grained dynamic price prediction in ride-on-demand services: Models and evaluations | |
JP6955392B2 (ja) | 決定装置、決定方法、及び決定プログラム | |
US11112263B2 (en) | Inventory quantity prediction for geospatial ads with trigger parameters | |
US11270250B2 (en) | Intelligent service and customer matching using an information processing system | |
JP7071940B2 (ja) | 提供装置、提供方法および提供プログラム | |
JP6587660B2 (ja) | 推定装置、推定方法、及び推定プログラム | |
WO2020255407A1 (ja) | 経路表示装置、経路表示方法及びプログラムが格納された非一時的なコンピュータ可読媒体 | |
Xi et al. | Evaluating travel behavior resilience across urban and rural areas during the COVID-19 pandemic: contributions of vaccination and epidemiological indicators | |
JP7221586B2 (ja) | 抽出装置、抽出方法、及び抽出プログラム | |
JP6797870B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP7194798B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7259110B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190719 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190719 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190815 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191021 |
|
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 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200324 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200518 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200818 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201015 |
|
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: 20201208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201210 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6809993 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 |