JP6896362B2 - 推定装置、推定方法および推定プログラム - Google Patents
推定装置、推定方法および推定プログラム Download PDFInfo
- Publication number
- JP6896362B2 JP6896362B2 JP2015151161A JP2015151161A JP6896362B2 JP 6896362 B2 JP6896362 B2 JP 6896362B2 JP 2015151161 A JP2015151161 A JP 2015151161A JP 2015151161 A JP2015151161 A JP 2015151161A JP 6896362 B2 JP6896362 B2 JP 6896362B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- field
- interest
- estimation device
- elements
- 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
- 238000000034 method Methods 0.000 title claims description 32
- 238000012545 processing Methods 0.000 description 14
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 229910052742 iron Inorganic materials 0.000 description 6
- 238000012417 linear regression Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 206010042496 Sunburn Diseases 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000475 sunscreen effect Effects 0.000 description 1
- 239000000516 sunscreening agent Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Images
Description
〔1−1.実施形態に係る推定処理〕
まず、図1を用いて、実施形態に係る推定処理の一例について説明する。図1は、実施形態に係る推定システム1による推定処理の一例を示す説明図である。図1の例では、推定装置100が「ゴルフ」に対するユーザの関心を予測するモデルの要素を用いて「ゴルフ」より詳細なユーザの関心を推定する推定処理が行われる。
次に、図3を用いて、実施形態に係る推定装置100の構成について説明する。図3は、実施形態に係る推定装置100の構成例を示す図である。図3に示すように、推定装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、推定装置100は、推定装置100を利用する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、NIC(Network Interface Card)等によって実現される。具体的には、通信部110は、ネットワークと有線または無線で接続され、ネットワークを介して、端末装置10との間で情報の送受信を行う。一例としては、通信部110は、端末装置10からユーザ情報を受信する通信を行なう。
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。記憶部120は、ユーザ情報記憶部121と、モデル情報記憶部122と、関心情報記憶部123と、分類情報記憶部124とを有する。
ユーザ情報記憶部121は、ユーザに関する情報を記憶する。具体的には、ユーザ情報記憶部121は、ユーザ毎に、ユーザが検索に用いた検索ワードに関する情報を記憶する。ここで、図4に、実施形態に係るユーザ情報記憶部121の一例を示す。図4に示すように、ユーザ情報記憶部121は、「ユーザID」および「検索ワード」といった項目を有する。
モデル情報記憶部122は、第1の分野に対するユーザの関心を予測するモデルに関する情報を記憶する。具体的には、モデル情報記憶部122は、第1の分野毎に、モデルを形成する要素に関する情報を記憶する。ここで、図5に、実施形態に係るモデル情報記憶部122の一例を示す。図5に示すように、モデル情報記憶部122は、「第1の分野」および「要素」といった項目を有する。
関心情報記憶部123は、ユーザの関心に関する情報を記憶する。具体的には、関心情報記憶部123は、ユーザ毎に、第2の分野に対する関心に関する情報を記憶する。ここで、図6に、実施形態に係る関心情報記憶部123の一例を示す。図6に示すように、関心情報記憶部123は、「ユーザID」および「第2の分野」といった項目を有する。
分類情報記憶部124は、ユーザが属する分類に関する情報を記憶する。具体的には、分類情報記憶部124は、ユーザ毎に、ユーザの関心が高い分野に関する情報を記憶する。ここで、図7に、実施形態に係る分類情報記憶部124の一例を示す。図7に示すように、分類情報記憶部124は、「ユーザID」および「カテゴリ」といった項目を有する。
図3に戻り、制御部130は、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、推定装置100内部の記憶装置に記憶されている各種プログラム(推定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、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。
受信部131は、ユーザに関するユーザ情報を端末装置10から受信する。具体的には、受信部131は、ユーザ情報として、ユーザが検索に用いた検索ワードなどを端末装置10から受信する。また、受信部131は、端末装置10からユーザ情報を受信した場合に、受信したユーザ情報をユーザ情報記憶部121に格納する。例えば、受信部131は、ユーザ情報を、ユーザ毎に個別に付与されたユーザIDに対応付けてユーザ情報記憶部121に格納する。
取得部132は、第1の分野に対するユーザの関心を予測するモデルの要素を取得する。具体的には、取得部132は、モデル情報記憶部122を参照し、第1の分野に対するユーザの関心を予測するモデルの要素を取得する。例えば、取得部132は、ユーザ情報を機械学習によって学習することで生成された第1の分野に対するユーザの関心を予測するモデルの要素を取得する。一例としては、取得部132は、ユーザが検索に用いた検索ワードを機械学習によって学習することで生成された第1の分野に対するユーザの関心を予測する線形回帰モデルやロジスティック回帰モデルなどの説明変数を取得する。
推定部133は、第1の分野に対するユーザの関心を予測するモデルを用いて、ユーザが第1の分野に関心を有するか否かを推定する。具体的には、推定部133は、第1の分野に対して関心を有するユーザが検索に用いた検索ワードを機械学習することで生成されるモデルを用いて、ユーザが第1の分野に関心を有するか否かを推定する。例えば、推定部133は、かかるモデルにユーザが検索に用いた検索ワードに関する情報を入力することでユーザが第1の分野に関心を有するか否かを推定する。一例としては、推定部133は、かかるモデルの要素のうち検索ワードに対応する要素に「1」を代入し、その他の要素に「0」を代入して算出される「y」の値に基づいてユーザが第1の分野に関心を有するか否かを推定する。
分類部134は、推定部133によって推定された第2の分野にユーザを分類する。例えば、分類部134は、第2の分野に対応する要素のうちユーザのユーザ情報に対応する要素の比率に基づいてユーザを分類する。一例としては、分類部134は、第2の分野に対応する要素とユーザが検索に用いた検索ワードとが一致する数が最も多い第2の分野にユーザを分類する。そして、分類部134は、分類したユーザを第2の分野に対応付けて分類情報記憶部124に格納する。
次に、図8を用いて、実施形態に係る推定システム1による処理の手順について説明する。図8は、実施形態に係る推定システム1による推定処理手順を示すフローチャートである。
上述してきたように、実施形態に係る推定装置100は、取得部132と、推定部133とを有する。取得部132は、第1の分野に対するユーザの関心を予測するモデルの要素を取得する。推定部133は、取得部132によって取得された要素に基づいて、第1の分野より詳細な第2の分野に対するユーザの関心を推定する。
上述した実施形態に係る推定装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の推定装置100の他の実施形態について説明する。
上記の実施形態では、推定装置100が取得部132によって取得された要素に基づいて、第1の分野より詳細な第2の分野に対するユーザの関心を推定する例を挙げて説明した。ここで、推定装置100は、複数の要素を組み合わせた要素群に基づいてユーザの関心を推定してもよい。
上記の実施形態では、推定装置100が第1の分野に対するユーザの関心を予測するモデルの要素を取得する例を挙げて説明した。ここで、推定装置100は、所定の条件を満たす場合に、質を拡張したモデルの要素を取得してもよい。
上記の実施形態では、推定装置100が推定部133によって推定された第2の分野にユーザを分類する例を挙げて説明した。ここで、推定装置100は、所定の期間の要素を用いてユーザを分類してもよい。
上記の実施形態では、推定装置100がモデルの要素のうち第1の分野に対してユーザが関心を有することを示す要素に基づいて第2の分野に対するユーザの関心を推定する例を挙げて説明した。ここで、推定装置100は、モデルの要素のうち重みが負の値である要素を用いてユーザの関心を推定してもよい。
上記の実施形態では、推定装置100が取得部132によって取得された要素に基づいて第1の分野より詳細な第2の分野に対するユーザの関心を推定する例を挙げて説明した。ここで、推定装置100は、推定した第2の分野に対するユーザの関心に基づいて広告を配信してもよい。
上記の実施形態では、推定装置100が取得部132によって取得された要素に基づいて第1の分野より詳細な第2の分野に対するユーザの関心を推定する例を挙げて説明した。ここで、推定装置100は、推定した第2の分野に対するユーザの関心に基づいてレコメンデ―ションを行なってもよい。
上記の実施形態では、推定装置100が第1の分野に対してユーザが関心を有すると推定した場合に第2の分野に対するユーザの関心を推定する例を挙げて説明した。ここで、推定装置100は、第1の分野に対してユーザが関心を有するか否かを推定しなくてもよい。具体的には、推定装置100は、第1の分野に対してユーザが関心を有するか否かを推定せずに、第2の分野に対するユーザの関心を推定してもよい。
上記の実施形態では、推定装置100は、ユーザが関心を有すると推定した分野にユーザを分類する例を挙げて説明した。ここで、推定装置100は、ユーザの分類に限らず、商品の分類に応用してもよい。例えば、推定装置100は、オンラインショッピングサイトで販売される商品のクラスタリングに適用してもよい。これにより、推定装置100は、自動的に商品を分類することができるので、商品の分類を設定する手間を削減することができる。
上記の実施形態では、ユーザ情報の一例としてユーザが検索に用いた検索ワードを採用する例を挙げて説明した。ここで、ユーザ情報は、検索ワードに限らず、ユーザに関する各種の情報から採用されてもよい。例えば、ユーザ情報は、ユーザがオンラインショッピングサイト等で商品を購入した購買履歴や、サービスを利用した利用履歴などから抽出される特徴語が採用されてもよい。他の例では、ユーザ情報は、ユーザが過去に閲覧したWebページの閲覧履歴などから抽出されるキーワードが採用されてもよい。一例としては、ユーザ情報は、ユーザが過去に閲覧したニュース記事に含まれる出現頻度が相対的に高い特徴語などが採用されてもよい。
上述してきたように、変形例に係る推定装置100において、分類部134は、第2の分野に対応する要素のうち所定の期間の要素を用いてユーザを分類する。これにより、変形例に係る推定装置100は、所定の期間にユーザが関心を有する分野にユーザを分類することができるので、ユーザをより正確な分野に分類することができる。例えば、推定装置100は、直近の期間の要素に基づいてユーザを分類することで現在も関心を有する可能性が高い分野にユーザを分類することができる。また、推定装置100は、所定の期間の要素に基づいた分類を他の期間の要素に基づいた分類と比較することが可能となるので、ユーザが有する関心の分野の時系列変化を把握することができる。このため、推定装置100は、ユーザが次に関心を有する可能性が高い分野を推定することができるので、ユーザの関心の推移を先読みした広告配信などの対応を実行させることができる。
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。
10 端末装置
100 推定装置
121 ユーザ情報記憶部
122 モデル情報記憶部
123 関心情報記憶部
124 分類情報記憶部
131 受信部
132 取得部
133 推定部
134 分類部
Claims (13)
- 第1の分野に対する複数のユーザの各々の関心を予測するモデルの複数の要素を取得する取得部と、
前記モデルを用いて前記第1の分野に関心を有すると推定された前記複数のユーザの各々について、前記取得部によって取得された複数の要素のうち前記第1の分野より詳細な第2の分野と対応する複数の要素のそれぞれが、当該ユーザのユーザ情報に対応する回数に基づいて、当該ユーザの当該第2の分野に対する関心を推定する推定部と
を備えたことを特徴とする推定装置。 - 前記推定部は、
前記モデルの要素のうち前記複数のユーザのユーザ情報に対応する要素に基づいて前記第2の分野に対するユーザの関心を推定する
ことを特徴とする請求項1に記載の推定装置。 - 前記推定部は、
前記モデルの要素のうち前記第2の分野に対応する要素に基づいて前記第2の分野に対するユーザの関心を推定する
ことを特徴とする請求項1または2に記載の推定装置。 - 前記推定部は、
前記第1の分野に対してユーザが関心を有する場合に、前記第2の分野に対するユーザの関心を推定する
ことを特徴とする請求項1〜3のいずれか一つに記載の推定装置。 - 前記推定部は、
前記モデルの要素のうち前記第1の分野に対してユーザが関心を有することを示す要素に基づいて前記第2の分野に対するユーザの関心を推定する
ことを特徴とする請求項1〜4のいずれか一つに記載の推定装置。 - 前記推定部は、
前記モデルの要素のうち前記第1の分野に対してユーザが関心を有さないことを示す要素に基づいて前記ユーザの関心を推定する
ことを特徴とする請求項1〜5のいずれか一つに記載の推定装置。 - 前記推定部によって推定された第2の分野にユーザを分類する分類部
をさらに備えることを特徴とする請求項1〜6のいずれか一つに記載の推定装置。 - 前記分類部は、
前記第2の分野に対応する要素のうち前記複数のユーザのユーザ情報に対応する要素の比率に基づいて前記複数のユーザを分類する
ことを特徴とする請求項7に記載の推定装置。 - 前記分類部は、
前記第2の分野に対応する要素のうち所定の期間の要素を用いて前記複数のユーザを分類する
ことを特徴とする請求項7または8に記載の推定装置。 - 前記推定部は、
複数の要素を組み合わせた要素群に基づいて当該要素群に対応する第2の分野に対するユーザの関心を推定する
ことを特徴とする請求項1〜9のいずれか一つに記載の推定装置。 - 前記取得部は、
前記モデルによって予測される前記第1の分野に対するユーザの関心の精度が所定の閾値未満である場合に学習情報を拡張することで前記モデルを補正し、補正したモデルの要素を取得する
ことを特徴とする請求項1〜10のいずれか一つに記載の推定装置。 - 推定装置が実行する推定方法であって、
第1の分野に対する複数のユーザの各々の関心を予測するモデルの複数の要素を取得する取得工程と、
前記モデルを用いて前記第1の分野に関心を有すると推定された前記複数のユーザの各々について、前記取得工程によって取得された複数の要素のうち前記第1の分野より詳細な第2の分野と対応する複数の要素のそれぞれが、当該ユーザのユーザ情報に対応する回数に基づいて、当該ユーザの当該第2の分野に対する関心を推定する推定工程と
を含んだことを特徴とする推定方法。 - 第1の分野に対する複数のユーザの各々の関心を予測するモデルの複数の要素を取得する取得手順と、
前記モデルを用いて前記第1の分野に関心を有すると推定された前記複数のユーザの各々について、前記取得手順によって取得された複数の要素のうち前記第1の分野より詳細な第2の分野と対応する複数の要素のそれぞれが、当該ユーザのユーザ情報に対応する回数に基づいて、当該ユーザの当該第2の分野に対する関心を推定する推定手順と
をコンピュータに実行させることを特徴とする推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015151161A JP6896362B2 (ja) | 2015-07-30 | 2015-07-30 | 推定装置、推定方法および推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015151161A JP6896362B2 (ja) | 2015-07-30 | 2015-07-30 | 推定装置、推定方法および推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017033191A JP2017033191A (ja) | 2017-02-09 |
JP6896362B2 true JP6896362B2 (ja) | 2021-06-30 |
Family
ID=57988910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015151161A Active JP6896362B2 (ja) | 2015-07-30 | 2015-07-30 | 推定装置、推定方法および推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6896362B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6779965B2 (ja) * | 2018-12-07 | 2020-11-04 | 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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130179513A1 (en) * | 2010-11-15 | 2013-07-11 | Nec Corporation | Behavior information collection device and behavior information transmission device |
JP5949049B2 (ja) * | 2012-03-28 | 2016-07-06 | 大日本印刷株式会社 | サーバ装置、プログラム及び通信システム |
CN105912669B (zh) * | 2012-09-20 | 2020-04-07 | 北京奇付通科技有限公司 | 用于补全搜索词及建立个体兴趣模型的方法及装置 |
-
2015
- 2015-07-30 JP JP2015151161A patent/JP6896362B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017033191A (ja) | 2017-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210312312A1 (en) | Similarity learning-based device attribution | |
US20200410531A1 (en) | Methods, systems, and apparatus for enhancing electronic commerce using social media | |
JP5955286B2 (ja) | 評価算出装置、評価算出方法及び評価算出プログラム | |
US9117239B2 (en) | Method and system for generating a data grid interface to monitor and recommend relevant products | |
US20150066940A1 (en) | Providing relevant online content | |
US20190012719A1 (en) | Scoring candidates for set recommendation problems | |
US20160063537A1 (en) | Updating promotions provided to social media groups | |
KR102191486B1 (ko) | 자동 광고 대행 서버, 자동으로 광고 매체를 위한 캠페인 정보를 생성하여 광고의 집행을 대행하는 방법 및 상기 방법을 실행하기 위한 컴퓨터 프로그램 | |
US20170083522A1 (en) | Smart Exploration Methods For Mitigating Item Cold-Start Problem In Collaborative Filtering Recommendation Systems | |
US10839313B2 (en) | Identity prediction for unknown users of an online system | |
US20150186939A1 (en) | Systems and Methods for Search Results Targeting | |
US20190066186A1 (en) | Cross domain recommendation system and method | |
JP7130991B2 (ja) | 広告表示システム、表示装置、広告出力装置、プログラム及び広告表示方法 | |
CN113205382B (zh) | 确定对象的方法、装置、设备、存储介质和程序产品 | |
US20220188861A1 (en) | Machine Learning-Based Media Content Placement | |
CN111582992A (zh) | 一种改进了协同过滤推荐算法的推荐系统 | |
KR101639656B1 (ko) | 광고 제공 방법 및 서버 장치 | |
JP2016177649A (ja) | 情報処理装置、情報処理プログラムおよび情報処理方法 | |
KR101779196B1 (ko) | 상점의 평가 정보를 생성하는 서버 및 방법, 그리고 평가 정보를 수신하는 디바이스 | |
Nguyen-Thanh et al. | Recommendation system-based upper confidence bound for online advertising | |
JP6896362B2 (ja) | 推定装置、推定方法および推定プログラム | |
KR101737424B1 (ko) | 사용자의 구매 및 참여 가능성에 기반하여 광고를 제공하는 방법 및 서버 | |
JP6705123B2 (ja) | 購買意欲推定プログラム及び情報処理装置 | |
US20130054355A1 (en) | Advertisement customization | |
JP6407185B2 (ja) | 補正装置、補正方法および補正プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180312 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190318 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190402 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190603 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20191015 |
|
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: 20200115 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20200115 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20200220 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20200225 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20200327 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20200331 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20201006 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20210330 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20210511 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20210511 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210609 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6896362 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |