JP6818701B2 - 状態遷移予測モデル学習装置、方法およびプログラム - Google Patents
状態遷移予測モデル学習装置、方法およびプログラム Download PDFInfo
- Publication number
- JP6818701B2 JP6818701B2 JP2018000147A JP2018000147A JP6818701B2 JP 6818701 B2 JP6818701 B2 JP 6818701B2 JP 2018000147 A JP2018000147 A JP 2018000147A JP 2018000147 A JP2018000147 A JP 2018000147A JP 6818701 B2 JP6818701 B2 JP 6818701B2
- Authority
- JP
- Japan
- Prior art keywords
- state transition
- record
- period
- training data
- prediction model
- 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
- Medical Treatment And Welfare Office Work (AREA)
Description
[第1の実施形態]
(構成)
図1は、この発明の第1の実施形態に係る、状態遷移予測モデル学習装置としての状態遷移予測装置1の機能構成を示すブロック図である。
先ず、モデル学習部113は、記憶ユニット12の管理データ記憶部122に記憶される各訓練データに含まれるレコードのうち2つのレコードを選択して読み出す処理を実行する。次に、モデル学習部113は、当該選択された2つのレコードが比較可能なレコードか否かを判定する。すなわち、モデル学習部113は、選択された2つのレコードの各々が完了訓練データからのレコードであるという第1条件を満たすか否かを判定する。あるいは、モデル学習部113は、選択された2つのレコードのうち一方が打ち切り訓練データに含まれるレコードであり、もう一方が完了訓練データに含まれるレコードであり、かつ、管理データ記憶部122に記憶される、当該打ち切り訓練データに含まれるレコードについて算出された上記状態遷移が発生するまでに少なくとも要する期間の長さと比較して、管理データ記憶部122に記憶される、当該完了訓練データに含まれるレコードについて算出された上記状態遷移が発生するまでに要した期間の長さが小さいという第2条件を満たすか否かを判定する。
先ず、モデル学習部113は、記憶ユニット12の管理データ記憶部122に記憶される完了訓練データに含まれるレコードのうち1つのレコードを選択して読み出す処理を実行する。
先ず、テストデータ取得部115が、入力部2によって入力されたテストデータを取得し、当該取得されたテストデータを、記憶ユニット12のテストデータ記憶部124に記憶させる処理を実行する。なお、テストデータは、検査対象に係る上記所定の検査の結果を含むレコードを含んでいる。
次に、以上のように構成された状態遷移予測装置1の動作を説明する。
図2は、図1に示した制御ユニット11によって実行される、訓練段階における第1予測モデル学習処理の一例を示すフロー図であり、図3は、図1に示した制御ユニット11によって実行される、訓練段階における第2予測モデル学習処理の一例を示すフロー図である。図4は、図1に示した制御ユニットによって実行される、テスト段階における遷移予測処理の一例を示すフロー図である。
以下では、これらのフロー図について、図5から図12を参照しながら詳細に説明する。
最初に、図2に示す、訓練段階における第1予測モデル学習処理について詳細に説明する。
次に、図3に示す、訓練段階における第2予測モデル学習処理について詳細に説明する。
最後に、図4に示す、テスト段階における遷移予測処理について詳細に説明する。
なお、この発明は上記第1の実施形態に限定されるものではない。例えば、訓練データについて、年度ごとのレコードが含まれている場合について例を挙げて説明した。しかしながら、訓練データに含まれるレコードは、他の異なる任意の間隔の複数時点のレコードであってもよく、また、レコードに対応する日時の間隔が一定でなくてもよい。
Claims (7)
- 検査対象に係る所定の検査の結果を含むレコードについて、当該所定の検査の結果に基づいて、当該検査対象の状態遷移が発生する傾向の大きさを表すスコアを算出するための第1予測モデルを学習する状態遷移予測モデル学習装置であって、
前記第1予測モデルを記憶する記憶媒体と、
訓練対象に係る前記所定の検査の結果を各々が含む複数時点のレコードと、当該複数時点のレコードの各々に対応する日時で当該訓練対象の状態遷移が発生しているか否かを示す状態遷移発生情報とを含む訓練データを取得する訓練データ取得部と、
前記第1予測モデルを使用して、前記取得された訓練データに係るレコードに含まれる前記所定の検査の結果に基づいて、当該レコードに係る前記スコアを算出するスコア算出部と、
前記取得された訓練データに係る状態遷移発生情報が、前記複数時点のうちいずれかの時点で前記訓練対象の状態遷移が既に発生していることを示している場合、当該取得された訓練データを完了訓練データとして、当該完了訓練データに含まれる前記複数時点のレコードのうち当該状態遷移が発生する以前の時点のレコードの各々について、当該状態遷移が発生するまでに要した期間の長さを算出する第1期間算出部と、
前記取得された訓練データに係る状態遷移発生情報が、前記複数時点のいずれの時点においても前記訓練対象の状態遷移が発生していないことを示している場合、当該取得された訓練データを打ち切り訓練データとして、当該打ち切り訓練データに含まれるレコードの各々について、当該状態遷移が発生するまでに少なくとも要する期間の長さとして、当該レコードに対応する日時から前記複数時点のうち最後の時点のレコードに対応する日時までの期間の長さに、予め設定された期間の長さを加えた期間の長さを算出する第2期間算出部と、
前記取得された各訓練データに含まれるレコードのうち2つのレコードを選択するレコード選択部と、
前記選択された2つのレコードのうち一方が前記打ち切り訓練データに含まれるレコードであり、もう一方が前記完了訓練データに含まれるレコードであり、かつ、当該打ち切り訓練データに含まれるレコードについて前記算出された前記状態遷移が発生するまでに少なくとも要する期間の長さと比較して、当該完了訓練データに含まれるレコードについて前記算出された前記状態遷移が発生するまでに要した期間の長さが小さい場合に、当該2つのレコードについて前記スコア算出部によって算出されるスコアの大小関係が、当該2つのレコードについて前記算出された期間の長さの大小関係に対応するように、前記第1予測モデルを更新する第1更新部と
を備える状態遷移予測モデル学習装置。 - 前記選択された2つのレコードの各々が前記完了訓練データからのレコードである場合に、当該2つのレコードについて前記スコア算出部によって算出されるスコアの大小関係が、当該2つのレコードについて前記算出された前記状態遷移が発生するまでに要した期間の長さの大小関係に対応するように、前記第1予測モデルを更新する第2更新部をさらに備える、請求項1に記載の状態遷移予測モデル学習装置。
- 前記第1期間算出部は、前記完了訓練データに含まれる前記複数時点のレコードについて、当該複数時点のうち任意の隣接する2つの時点の間の期間が所定の期間を超えており、かつ、当該所定の期間を超える2つの時点のうち後の時点のレコードが、前記訓練対象の状態遷移が既に発生していると示された最初の時点のレコードである場合、当該完了訓練データに含まれる前記複数時点のレコードのうち当該状態遷移が発生する以前の時点のレコードの各々について、前記状態遷移が発生するまでに要した期間の長さとして、当該レコードに対応する日時から当該状態遷移が既に発生していると示された最初の時点のレコードに対応する日時までの期間の長さ以下であり、当該期間の長さから、前記所定の期間を超える2つの時点の間の期間に対応する期間の長さを引いた期間の長さ以上である範囲を算出する、請求項1又は2に記載の状態遷移予測モデル学習装置。
- 前記記憶媒体は、前記検査対象に係る前記レコードについて前記第1予測モデルを使用して算出されたスコアに基づいて、当該レコードに対応する日時から当該検査対象の状態遷移が発生するまでの期間の長さを推定するための第2予測モデルをさらに記憶し、
前記第2予測モデルを使用して、前記訓練対象に係る前記完了訓練データに含まれるレコードについて前記第1予測モデルを使用して算出されたスコアに基づいて、当該レコードに対応する日時から当該訓練対象の状態遷移が発生するまでの期間の長さを推定する期間推定部と、
前記訓練対象に係る前記完了訓練データに含まれるレコードについて前記期間推定部によって推定された状態遷移が発生するまでの期間の長さと、当該レコードについて前記第1期間算出部によって算出された前記状態遷移が発生するまでに要した期間の長さとに基づいて、前記第2予測モデルを更新する第3更新部とをさらに備える、請求項1乃至3のいずれかに記載の状態遷移予測モデル学習装置。 - ハードウェアプロセッサおよびメモリを備える装置が実行する、検査対象に係る所定の検査の結果を含むレコードについて、当該所定の検査の結果に基づいて、当該検査対象の状態遷移が発生する傾向の大きさを表すスコアを算出するための第1予測モデルを学習する状態遷移予測モデル学習方法であって、
訓練対象に係る前記所定の検査の結果を各々が含む複数時点のレコードと、当該複数時点のレコードの各々に対応する日時で当該訓練対象の状態遷移が発生しているか否かを示す状態遷移発生情報とを含む訓練データを取得する訓練データ取得過程と、
前記第1予測モデルを使用して、前記取得された訓練データに係るレコードに含まれる前記所定の検査の結果に基づいて、当該レコードに係る前記スコアを算出するスコア算出過程と、
前記取得された訓練データに係る状態遷移発生情報が、前記複数時点のうちいずれかの時点で前記訓練対象の状態遷移が既に発生していることを示している場合、当該取得された訓練データを完了訓練データとして、当該完了訓練データに含まれる前記複数時点のレコードのうち当該状態遷移が発生する以前の時点のレコードの各々について、当該状態遷移が発生するまでに要した期間の長さを算出する第1期間算出過程と、
前記取得された訓練データに係る状態遷移発生情報が、前記複数時点のいずれの時点においても前記訓練対象の状態遷移が発生していないことを示している場合、当該取得された訓練データを打ち切り訓練データとして、当該打ち切り訓練データに含まれるレコードの各々について、当該状態遷移が発生するまでに少なくとも要する期間の長さとして、当該レコードに対応する日時から前記複数時点のうち最後の時点のレコードに対応する日時までの期間の長さに、予め設定された期間の長さを加えた期間の長さを算出する第2期間算出過程と、
前記取得された各訓練データに含まれるレコードのうち2つのレコードを選択するレコード選択過程と、
前記選択された2つのレコードのうち一方が前記打ち切り訓練データに含まれるレコードであり、もう一方が前記完了訓練データに含まれるレコードであり、かつ、当該打ち切り訓練データに含まれるレコードについて前記算出された前記状態遷移が発生するまでに少なくとも要する期間の長さと比較して、当該完了訓練データに含まれるレコードについて前記算出された前記状態遷移が発生するまでに要した期間の長さが小さい場合に、当該2つのレコードについて前記スコア算出過程において算出されるスコアの大小関係が、当該2つのレコードについて前記算出された期間の長さの大小関係に対応するように、前記第1予測モデルを更新する第1更新過程と
を備える状態遷移予測モデル学習方法。 - 前記検査対象について前記第1予測モデルを使用して算出されたスコアに基づいて、当該レコードに対応する日時から当該検査対象の状態遷移が発生するまでの期間の長さを推定するための第2予測モデルを使用して、前記訓練対象に係る前記完了訓練データに含まれるレコードについて前記第1予測モデルを使用して算出されたスコアに基づいて、当該レコードに対応する日時から当該訓練対象の状態遷移が発生するまでの期間の長さを推定する期間推定過程と、
前記訓練対象に係る前記完了訓練データに含まれるレコードについて前記期間推定過程において推定された状態遷移が発生するまでの期間の長さと、当該レコードについて前記第1期間算出過程において算出された前記状態遷移が発生するまでに要した期間の長さとに基づいて、前記第2予測モデルを更新する第3更新過程とをさらに備える、請求項5に記載の状態遷移予測モデル学習方法。 - 請求項1乃至4のいずれかに記載の状態遷移予測モデル学習装置が備える各部としてハードウェアプロセッサを機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018000147A JP6818701B2 (ja) | 2018-01-04 | 2018-01-04 | 状態遷移予測モデル学習装置、方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018000147A JP6818701B2 (ja) | 2018-01-04 | 2018-01-04 | 状態遷移予測モデル学習装置、方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019121154A JP2019121154A (ja) | 2019-07-22 |
JP6818701B2 true JP6818701B2 (ja) | 2021-01-20 |
Family
ID=67306361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018000147A Active JP6818701B2 (ja) | 2018-01-04 | 2018-01-04 | 状態遷移予測モデル学習装置、方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6818701B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7408605B2 (ja) | 2021-08-19 | 2024-01-05 | Lineヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6004084B2 (ja) * | 2013-03-29 | 2016-10-05 | 富士通株式会社 | モデル更新方法、装置、およびプログラム |
JP6468653B2 (ja) * | 2015-07-27 | 2019-02-13 | Kddi株式会社 | 予測モデル構築装置 |
-
2018
- 2018-01-04 JP JP2018000147A patent/JP6818701B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019121154A (ja) | 2019-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Akkermans et al. | The role of career competencies in the Job Demands—Resources model | |
CN108135548A (zh) | 用于监测压力状态的方法和系统 | |
Fearon et al. | Child-evoked maternal negativity from 9 to 27 months: Evidence of gene–environment correlation and its moderation by marital distress | |
Bray et al. | Disentangling the effects of self leader perceptions and ideal leader prototypes on leader judgments using loglinear modeling with latent variables | |
JP2020077361A (ja) | 学習モデル構築装置、入社後評価予測装置、学習モデル構築方法および入社後評価予測方法 | |
JP7107375B2 (ja) | 状態遷移予測装置、予測モデル学習装置、方法およびプログラム | |
Koslowsk | A longitudinal analysis of job satisfaction, commitment, and intention to leave | |
Antoniano-Villalobos et al. | A Bayesian nonparametric regression model with normalized weights: A study of hippocampal atrophy in Alzheimer’s disease | |
US20240194346A1 (en) | Improved Health Management Through Causal Relationship Based Feedback on Behavior and Health Metrics Captured by IOT | |
JP6818701B2 (ja) | 状態遷移予測モデル学習装置、方法およびプログラム | |
Bolton et al. | Machine learning and synthetic outcome estimation for individualised antimicrobial cessation | |
Blom-Smink et al. | Prediction of everyday verbal communicative ability of aphasic stroke patients after inpatient rehabilitation | |
Lawless | Armitage Lecture 2011: the design and analysis of life history studies | |
JP7293050B2 (ja) | 軽度認知障害判定システム | |
JP6840627B2 (ja) | ハイパーパラメータの評価方法、計算機及びプログラム | |
Ieva et al. | A semiparametric bivariate probit model for joint modeling of outcomes in STEMI patients | |
Utsumil et al. | Personalized gaussian processes for forecasting of alzheimer’s disease assessment scale-cognition sub-scale (adas-cog13) | |
Bann et al. | Investigating change across time in prevalence or association: the challenges of cross-study comparative research and possible solutions | |
Althouse et al. | Understanding the true significance of a P value | |
US20190034595A1 (en) | Generating robust symptom onset indicators | |
Mitra et al. | Effective integration of geotagged, ancilliary longitudinal survey datasets to improve adulthood obesity predictive models | |
JP6615424B1 (ja) | 作業員支援装置、作業員支援システム、作業員支援方法、及び作業員支援プログラム | |
JP2022551325A (ja) | 診断ツール | |
Mulligan et al. | A multi-timescale, multi-method perspective on older adult neurocognitive adaptability | |
JP2010022649A (ja) | 指標選択装置及び方法ならびにコンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200110 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201216 |
|
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: 20201222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6818701 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |