JP6943106B2 - マイクロブログ投稿から購入ステージを識別するために深層学習を使用するシステムおよび方法、プログラム、サーバ装置 - Google Patents
マイクロブログ投稿から購入ステージを識別するために深層学習を使用するシステムおよび方法、プログラム、サーバ装置 Download PDFInfo
- Publication number
- JP6943106B2 JP6943106B2 JP2017178019A JP2017178019A JP6943106B2 JP 6943106 B2 JP6943106 B2 JP 6943106B2 JP 2017178019 A JP2017178019 A JP 2017178019A JP 2017178019 A JP2017178019 A JP 2017178019A JP 6943106 B2 JP6943106 B2 JP 6943106B2
- Authority
- JP
- Japan
- Prior art keywords
- post
- digital
- stage
- posts
- identifying
- 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 79
- 238000013135 deep learning Methods 0.000 title description 8
- 238000013528 artificial neural network Methods 0.000 claims description 92
- 230000008569 process Effects 0.000 claims description 50
- 230000014509 gene expression Effects 0.000 claims description 41
- 230000000306 recurrent effect Effects 0.000 claims description 40
- 230000002457 bidirectional effect Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 7
- 230000001788 irregular Effects 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 11
- 238000013527 convolutional neural network Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000001537 neural effect Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000011176 pooling Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000007477 logistic regression Methods 0.000 description 4
- 230000006403 short-term memory Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241001158692 Sonoma Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
- G06N5/047—Pattern matching networks; Rete networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本開示の技術は、投稿に基づく製品関連情報を伝送することを目的とする。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、を備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、のうちの少なくとも1つを更に備えるようにしてもよい。
前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、前記1つ以上のデジタル投稿は、第1の投稿時間に関連付けられた第1の投稿と、前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、を備えるデジタル投稿の時系列のシーケンスを備え、前記決定モデルのステージを識別するステップは、前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備えるようにしてもよい。
前記1つ以上のデジタル投稿の各々に関連付けられた前記決定モデルのステージを前記ニューラルネットワークによって識別するステップは、クラスのランキングを損失関数として使用して、前記ニューラルネットワークがクラスの不均衡を補償することを可能にするステップを備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、を備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、のうちの少なくとも1つを更に備えるようにしてもよい。
前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、前記1つ以上のデジタル投稿は、第1の投稿時間に関連付けられた第1の投稿と、前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿とを備えるデジタル投稿の時系列のシーケンスを備え、前記決定モデルのステージを識別するステップは、前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備えるようにしてもよい。
前記ニューラルネットワークは、双方向ゲートリカレントニューラルネットワークであり、前記1つ以上のデジタル投稿は、第1の投稿時間に関連付けられた第1の投稿と、前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、前記第1の投稿時間の後および前記第2の投稿時間の後の第3の投稿時間に関連付けられた第3の投稿と
を備えるデジタル投稿の時系列のシーケンスを備え、前記決定モデルのステージを識別するステップは、前記第1の投稿に関連付けられた特徴表現、前記第2の投稿に関連付けられた特徴表現、および前記第3の投稿に関連付けられた特徴表現に基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、を備えるようにしてもよい。
前記決定モデルのステージを識別するステップは、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、のうちの少なくとも1つを更に備えるようにしてもよい。
前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、前記1つ以上のデジタル投稿は、第1の投稿時間に関連付けられた第1の投稿と、前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、を備えるデジタル投稿の時系列のシーケンスを備え、前記決定モデルのステージを識別するステップは、前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備えるようにしてもよい。
Wi=n/(c*fi) (式2)
Wi=n/(c*fi) (式2)
表3:CNN投稿表現および単方向GRUシーケンスモデルの試験セットにおける混同行列
Claims (17)
- 情報をターゲットに向ける方法であって、前記方法は、
製品を識別し、かつデジタルアカウントに関連付けられている、1つ以上のデジタル投稿を収集するステップと、
各デジタル投稿について生成された特徴表現に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた決定モデルのステージをニューラルネットワークによって識別するステップと、
製品関連情報を前記デジタルアカウントに伝送するステップであって、前記伝送するステップが、前記1つ以上のデジタル投稿の各々について識別された前記決定モデルのステージに基づく、ステップと、
を備え、
前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、
を備える、方法。 - 前記1つ以上のデジタル投稿に関連付けられた前記決定モデルのステージを識別する前に、前記1つ以上のデジタル投稿を前処理するステップを更に備え、前記前処理するステップは、
スパムを示す少なくとも1つのデジタル投稿を除去するために、前記1つ以上のデジタル投稿をフィルタリングするステップと、
メディアコンテンツの矛盾するトークン化および不規則な伸長を除去するために、少なくとも1つのデジタル投稿をクリーニングするステップと、
のうちの少なくとも1つを備える、請求項1に記載の方法。 - 前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
のうちの少なくとも1つを更に備える、請求項1に記載の方法。 - 前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項1に記載の方法。 - 前記ニューラルネットワークは、双方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
前記第1の投稿時間の後および前記第2の投稿時間の後の第3の投稿時間に関連付けられた第3の投稿と、
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現、前記第2の投稿に関連付けられた特徴表現、および前記第3の投稿に関連付けられた特徴表現に基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項1に記載の方法。 - 前記決定モデルのステージは、
意識のステージと、
関心のステージと、
欲求のステージと、
アクションのステージと、
否定的なセンチメントのステージと、
関連しないステージと、
のうちの1つ以上を備える、請求項1に記載の方法。 - 前記1つ以上のデジタル投稿の各々に関連付けられた前記決定モデルのステージを前記ニューラルネットワークによって識別するステップは、クラスのランキングを損失関数として使用して、前記ニューラルネットワークがクラスの不均衡を補償することを可能にするステップを備える、請求項1に記載の方法。
- 情報をターゲットに向ける方法をコンピュータに実行させるためのプログラムであって、前記方法は、
製品を識別し、かつデジタルアカウントに関連付けられている1つ以上のデジタル投稿を収集するステップと、
各デジタル投稿について生成された特徴表現に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた決定モデルのステージをニューラルネットワークによって識別するステップと、
製品関連情報を前記デジタルアカウントに伝送するステップであって、前記伝送するステップが、前記1つ以上のデジタル投稿の各々について識別された前記決定モデルのステージに基づく、ステップと、
を備え、
前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、
を備える、プログラム。 - 前記1つ以上のデジタル投稿に関連付けられた前記決定モデルのステージを識別する前に、前記1つ以上のデジタル投稿を前処理するステップを更に備え、前記前処理するステップは、
スパムを示す少なくとも1つのデジタル投稿を除去するために、前記1つ以上のデジタル投稿をフィルタリングするステップと、
メディアコンテンツの矛盾するトークン化および不規則な伸長を除去するために、少なくとも1つのデジタル投稿をクリーニングするステップと、
のうちの少なくとも1つを備える、請求項8に記載のプログラム。 - 前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
のうちの少なくとも1つを更に備える、請求項8に記載のプログラム。 - 前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項8に記載のプログラム。 - 前記ニューラルネットワークは、双方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
前記第1の投稿時間の後および前記第2の投稿時間の後の第3の投稿時間に関連付けられた第3の投稿と
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現、前記第2の投稿に関連付けられた特徴表現、および前記第3の投稿に関連付けられた特徴表現に基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項8に記載のプログラム。 - 情報をターゲットに向けるように構成されたサーバ装置であって、
製品を識別し、かつデジタルアカウントに関連付けられている、1つ以上のデジタル投稿を格納するメモリと、
プロセスを実行するプロセッサであって、
各デジタル投稿について生成された特徴表現に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた決定モデルのステージをニューラルネットワークによって識別するステップと、
製品関連情報を前記デジタルアカウントに伝送するステップであって、前記伝送するステップが、前記1つ以上のデジタル投稿の各々について識別された前記決定モデルのステージに基づく、ステップと、
を備えるプロセッサと
を備え、
前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた少なくとも1つのコンテンツ特徴を抽出するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた特徴表現を別のニューラルネットワークによって生成するステップであって、前記別のニューラルネットワークが前記ニューラルネットワークとは異なっている、ステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現に基づいて、前記決定モデルのステージを識別するステップと、
を備える、サーバ装置。 - 前記プロセスは、前記1つ以上のデジタル投稿に関連付けられた前記決定モデルのステージを識別する前に、前記1つ以上のデジタル投稿を前処理するステップを更に備え、前記前処理するステップは、
スパムを示す少なくとも1つのデジタル投稿を除去するために、前記1つ以上のデジタル投稿をフィルタリングするステップと、
メディアコンテンツの矛盾するトークン化および不規則な伸長を除去するために、少なくとも1つのデジタル投稿をクリーニングするステップと、
のうちの少なくとも1つを備える、請求項13に記載のサーバ装置。 - 前記決定モデルのステージを識別するステップは、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられたセンチメント表現を生成し、前記生成されたセンチメント表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
前記1つ以上のデジタル投稿の各々に関連付けられた前記少なくとも1つのコンテンツ特徴に基づいて、前記1つ以上のデジタル投稿の各々に関連付けられた関連性表現を生成し、前記生成された関連性表現と前記1つ以上のデジタル投稿の各々に関連付けられた前記生成された特徴表現とに基づいて、前記決定モデルのステージを識別するステップと、
のうちの少なくとも1つを更に備える、請求項13に記載のサーバ装置。 - 前記ニューラルネットワークは、単方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現と前記第2の投稿に関連付けられた特徴表現とに基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項13に記載のサーバ装置。 - 前記ニューラルネットワークは、双方向ゲートリカレントニューラルネットワークであり、
前記1つ以上のデジタル投稿は、
第1の投稿時間に関連付けられた第1の投稿と、
前記第1の投稿時間の後の第2の投稿時間に関連付けられた第2の投稿と、
前記第1の投稿時間の後および前記第2の投稿時間の後の第3の投稿時間に関連付けられた第3の投稿と、
を備えるデジタル投稿の時系列のシーケンスを備え、
前記決定モデルのステージを識別するステップは、
前記第1の投稿に関連付けられた特徴表現、前記第2の投稿に関連付けられた特徴表現、および前記第3の投稿に関連付けられた特徴表現に基づいて、前記第2の投稿に関連付けられた前記決定モデルのステージを識別するステップを備える、請求項13に記載のサーバ装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/445,788 | 2017-02-28 | ||
US15/445,788 US11087202B2 (en) | 2017-02-28 | 2017-02-28 | System and method for using deep learning to identify purchase stages from a microblog post |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018142294A JP2018142294A (ja) | 2018-09-13 |
JP6943106B2 true JP6943106B2 (ja) | 2021-09-29 |
Family
ID=63246369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017178019A Active JP6943106B2 (ja) | 2017-02-28 | 2017-09-15 | マイクロブログ投稿から購入ステージを識別するために深層学習を使用するシステムおよび方法、プログラム、サーバ装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11087202B2 (ja) |
JP (1) | JP6943106B2 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11423439B2 (en) * | 2017-04-18 | 2022-08-23 | Jeffrey D. Brandstetter | Expert search thread invitation engine |
US11934937B2 (en) * | 2017-07-10 | 2024-03-19 | Accenture Global Solutions Limited | System and method for detecting the occurrence of an event and determining a response to the event |
WO2019012330A2 (en) * | 2017-07-12 | 2019-01-17 | Banuba Limited | COMPUTER-IMPLEMENTED METHODS AND CONFIGURED COMPUTER SYSTEMS TO GENERATE SYNTHETIC REPRESENTATIONS WITH PHOTOREALIST IMITATION OF SUBJECTS |
US11556343B2 (en) * | 2017-09-22 | 2023-01-17 | International Business Machines Corporation | Computational method for temporal pooling and correlation |
US10671918B2 (en) * | 2017-10-24 | 2020-06-02 | International Business Machines Corporation | Attention based sequential image processing |
US10599769B2 (en) * | 2018-05-01 | 2020-03-24 | Capital One Services, Llc | Text categorization using natural language processing |
CN108665007B (zh) * | 2018-05-22 | 2020-03-17 | 阿里巴巴集团控股有限公司 | 一种基于多分类器的推荐方法、装置及电子设备 |
JP2020052463A (ja) * | 2018-09-21 | 2020-04-02 | 株式会社マクロミル | 情報処理方法および情報処理装置 |
CN110956057A (zh) * | 2018-09-26 | 2020-04-03 | 杭州海康威视数字技术股份有限公司 | 一种人群态势分析方法、装置及电子设备 |
JP7186591B2 (ja) * | 2018-12-03 | 2022-12-09 | 日本放送協会 | テキスト分類装置、学習装置、およびプログラム |
US11258741B2 (en) * | 2019-08-15 | 2022-02-22 | Rovi Guides, Inc. | Systems and methods for automatically identifying spam in social media comments |
US11677703B2 (en) | 2019-08-15 | 2023-06-13 | Rovi Guides, Inc. | Systems and methods for automatically identifying spam in social media comments based on context |
US11687778B2 (en) | 2020-01-06 | 2023-06-27 | The Research Foundation For The State University Of New York | Fakecatcher: detection of synthetic portrait videos using biological signals |
CN111652673B (zh) * | 2020-05-09 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 智能推荐方法、装置、服务器和存储介质 |
CN114600125A (zh) * | 2020-09-30 | 2022-06-07 | 谷歌有限责任公司 | 相同组内跨异类子组的鲁棒模型性能 |
CN112182423B (zh) * | 2020-10-14 | 2022-09-27 | 重庆邮电大学 | 一种基于注意力机制的网络舆情事件演化趋势预测方法 |
US20240046292A1 (en) * | 2022-08-04 | 2024-02-08 | Dell Products L.P. | Intelligent prediction of lead conversion |
JP7471760B1 (ja) | 2023-11-14 | 2024-04-22 | 株式会社エクサウィザーズ | 情報処理方法、情報処理システム及びプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5040718B2 (ja) | 2008-02-21 | 2012-10-03 | 日本電気株式会社 | スパム・イベント検出装置及び方法並びにプログラム |
US8495508B2 (en) | 2010-03-30 | 2013-07-23 | George Lebrun | Method and apparatus for contextual based search engine and enterprise knowledge management |
US20150220983A1 (en) * | 2014-02-05 | 2015-08-06 | Mastercard International Incorporated | Systems and Methods of Determining Predictors Based on Transaction Data and Social Network Data |
US9473446B2 (en) * | 2014-06-30 | 2016-10-18 | Linkedin Corporation | Personalized delivery time optimization |
CN107077486A (zh) * | 2014-09-02 | 2017-08-18 | 菲特尔销售工具有限公司 | 情感评价系统和方法 |
US9336268B1 (en) * | 2015-04-08 | 2016-05-10 | Pearson Education, Inc. | Relativistic sentiment analyzer |
-
2017
- 2017-02-28 US US15/445,788 patent/US11087202B2/en active Active
- 2017-09-15 JP JP2017178019A patent/JP6943106B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US11087202B2 (en) | 2021-08-10 |
US20180247189A1 (en) | 2018-08-30 |
JP2018142294A (ja) | 2018-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6943106B2 (ja) | マイクロブログ投稿から購入ステージを識別するために深層学習を使用するシステムおよび方法、プログラム、サーバ装置 | |
JP6838376B2 (ja) | 製品関連情報を送信する方法、プログラム、及びサーバ装置。 | |
Pagolu et al. | Sentiment analysis of Twitter data for predicting stock market movements | |
US10366400B2 (en) | Reducing un-subscription rates for electronic marketing communications | |
Verma et al. | Big data analysis: recommendation system with Hadoop framework | |
WO2017121244A1 (zh) | 信息推荐方法、系统以及存储介质 | |
WO2011087909A2 (en) | User communication analysis systems and methods | |
US20180285748A1 (en) | Performance metric prediction for delivery of electronic media content items | |
Razzaq et al. | Text sentiment analysis using frequency-based vigorous features | |
US20140214548A1 (en) | User Profiling Using Submitted Review Content | |
Al Marouf et al. | Looking behind the mask: A framework for detecting character assassination via troll comments on social media using psycholinguistic tools | |
EP3639150A1 (en) | Response center | |
US11966698B2 (en) | System and method for automatically tagging customer messages using artificial intelligence models | |
US20120232989A1 (en) | Method and apparatus for conversation targeting | |
CN114297390B (zh) | 一种长尾分布场景下的方面类别识别方法及系统 | |
Emelda | A comparative study on sentiment classification and ranking on product reviews | |
Sharma et al. | Sentiment analysis on social networking: A literature review | |
Padmavathy et al. | Sentiment Mining from Online Patient Experience using Latent Dirichlet Allocation Method | |
Neumann et al. | Content feature extraction in the context of social media behavior | |
Patidar et al. | Design & Implementation of Product Recommendation Solution using Sentiment Analysis | |
KR102631127B1 (ko) | 플랫폼 서버 및 그의 분석 데이터 제공 방법 | |
Wlodarczak et al. | Big data analytics of social media | |
Raj et al. | Analyzing Comments on Social Media with XG Boost Mechanism | |
TW202341034A (zh) | 社群網路社團危機資訊管理之系統、方法以及電腦程式產品 | |
Christodoulou et al. | Applying Machine Learning in Personality-based Persuasion Marketing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200717 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210528 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210726 |
|
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: 20210810 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210823 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6943106 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |