JP7030485B2 - 抽出装置、抽出方法、及び抽出プログラム - Google Patents
抽出装置、抽出方法、及び抽出プログラム Download PDFInfo
- Publication number
- JP7030485B2 JP7030485B2 JP2017221966A JP2017221966A JP7030485B2 JP 7030485 B2 JP7030485 B2 JP 7030485B2 JP 2017221966 A JP2017221966 A JP 2017221966A JP 2017221966 A JP2017221966 A JP 2017221966A JP 7030485 B2 JP7030485 B2 JP 7030485B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- area
- extraction device
- node
- vector
- 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 287
- 239000013598 vector Substances 0.000 claims description 225
- 238000003860 storage Methods 0.000 claims description 80
- 239000000284 extract Substances 0.000 claims description 57
- 238000000034 method Methods 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 31
- 238000011161 development Methods 0.000 claims description 18
- 238000012876 topography Methods 0.000 claims description 17
- 239000002689 soil Substances 0.000 claims description 15
- 238000012272 crop production Methods 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 description 33
- 238000010586 diagram Methods 0.000 description 22
- 230000010365 information processing Effects 0.000 description 14
- 241000219095 Vitis Species 0.000 description 11
- 235000009754 Vitis X bourquina Nutrition 0.000 description 11
- 235000012333 Vitis X labruscana Nutrition 0.000 description 11
- 235000014787 Vitis vinifera Nutrition 0.000 description 11
- 101150086549 adt-1 gene Proteins 0.000 description 10
- 238000004519 manufacturing process Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 101150016799 ADT2 gene Proteins 0.000 description 8
- 230000006835 compression Effects 0.000 description 7
- 238000007906 compression Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 5
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 5
- 241000219094 Vitaceae Species 0.000 description 4
- 235000021021 grapes Nutrition 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 101001136140 Pinus strobus Putative oxygen-evolving enhancer protein 2 Proteins 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 244000141359 Malus pumila Species 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 244000098338 Triticum aestivum Species 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
〔1.抽出処理〕
図1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は、実施形態に係る抽出処理の一例を示す図である。図1では、抽出装置100が作物の一例として、ぶどう(葡萄)の生産が行われている地域をグラフ構造化したグラフデータ(グラフ情報)を検索することにより、類似する地域(以下、「類似地域」ともいう)を抽出する場合を示す。なお、作物は、ぶどうに限らず、田畑につくる植物(農作物)等であってもよい。例えば、作物は、リンゴ等の果物や小麦等の穀類やトマト等の野菜等の種々の作物であってもよい。図1では、抽出装置100は、各地域に対応するベクトルデータ(「ベクトル情報」や、単に「ベクトル」ともいう)を用いて地域をグラフ構造化したグラフ情報を用いる。なお、図1の例では、地域としてぶどう生産に適した地域を対象とする場合を一例として示すが、地域はぶどう生産に適した地域に限らず、鉱山の開発に適した地域など、どのような用途を対象とする地域であってもよい。すなわち、対象とする地域(オブジェクト)は、ベクトルとして表現可能であれば、どのような地域(情報)であってもよい。
また、抽出装置100は、図1中のグラフ情報GR11に示すように、各ベクトル(ノード)が有向エッジにより連結されたグラフデータを対象に抽出処理を行う。なお、図1中のグラフ情報GR11に示すようなグラフ情報は、抽出装置100が生成してもよいし、抽出装置100は、図1中のグラフ情報GR11に示すようなグラフ情報を情報提供装置50(図2参照)等の他の外部装置から取得してもよい。
また、ここでいう、各ノード(ベクトル)は、各オブジェクト(地域)に対応する。地域情報が様々な地域の状態を示す数値データであれば、それをベクトルデータとして、そのまま扱うことも可能である。しかし、システムのログデータが、テキスト、画像、または、音声であったりする場合には、ベクトルデータへの変換が必要となる。そこで、図1の例では、各地域の地域データ(地域情報)から抽出された特徴量により生成された多次元(N次元)のベクトルがオブジェクトであってもよい。
ここから、抽出装置100は、ユーザから一の地域の地域データを取得し、一の地域に類似する地域に関する情報提供を行う場合を一例として説明する。図1の例では、端末装置10は、所定の管理者であるユーザU1により利用される。例えば、ユーザU1は、ぶどうの生産を行う事業者であってもよい。図1の例では、ユーザU1が地域Xがどのぶどう生産の地域に類似するかの情報を所望する場合を示す。
図1の例では、地域の一例として、ぶどう生産の地域を示したが、地域は、ぶどう生産の地域に限らず、種々の用途の地域であってもよい。例えば、抽出装置100は、地域として、鉱山開発の地域や工場立地の地域を対象として、類似地域を抽出してもよい。
なお、図1の例では、地盤、地形、海域、土壌、及び天候等を地域情報として用いる場合を示したが、例えば、地域情報は、各用途に応じて、各種別の情報が選択的に用いられてもよい。例えば、抽出装置100は、地域情報のうち、対象とする用途における地域の類似性において有用な情報を用いてもよい。
図1の例に示すインデックス情報(インデックスデータ)は一例であり、抽出装置100は、種々のインデックス情報を用いて、グラフ情報を検索してもよい。また、例えば、抽出装置100は、検索時に用いるインデックスデータを生成してもよい。例えば、抽出装置100は、高次元ベクトルを検索する検索インデックスをインデックスデータとして生成する。ここでいう高次元ベクトルとは、例えば、数百次元から数千次元のベクトルであってもよいし、それ以上の次元のベクトルであってもよい。
図2に示すように、抽出システム1は、端末装置10と、情報提供装置50と、抽出装置100とが含まれる。端末装置10と、情報提供装置50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2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2に示した抽出システム1には、複数台の端末装置10や、複数台の情報提供装置50や、複数台の抽出装置100が含まれてもよい。
次に、図3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3は、実施形態に係る抽出装置の構成例を示す図である。図3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2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や情報提供装置50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3に示すように、地域情報記憶部121と、インデックス情報記憶部122と、グラフ情報記憶部123と、モデル情報記憶部124とを有する。
実施形態に係る地域情報記憶部121は、地域(オブジェクト)に関する各種情報を記憶する。例えば、地域情報記憶部121は、地域IDやベクトルデータを記憶する。図4は、実施形態に係る地域情報記憶部の一例を示す図である。図4に示す地域情報記憶部121は、「地域ID」、「地域」、「地域情報」、「ベクトル情報」といった項目が含まれる。
実施形態に係るインデックス情報記憶部122は、インデックスに関する各種情報を記憶する。図5は、実施形態に係るインデックス情報記憶部の一例を示す図である。具体的には、図5の例では、インデックス情報記憶部122は、ツリー構造のインデックス情報を示す。図5の例では、インデックス情報記憶部122は、「ルート階層」、「第1階層」、「第2階層」、「第3階層」等といった項目が含まれる。なお、「第1階層」~「第3階層」に限らず、インデックスの階層数に応じて、「第4階層」、「第5階層」、「第6階層」等が含まれてもよい。
実施形態に係るグラフ情報記憶部123は、グラフ情報に関する各種情報を記憶する。図6は、実施形態に係るグラフ情報記憶部の一例を示す図である。図6の例では、グラフ情報記憶部123は、「ノードID」、「地域ID」、および「エッジ情報」といった項目を有する。また、「エッジ情報」には、「エッジID」や「参照先」といった情報が含まれる。
実施形態に係るモデル情報記憶部124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124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7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7に示すモデル情報記憶部124は、「モデルID」、「用途」、「モデルデータ」といった項目が含まれる。なお、図7では、モデルM1、M2のみを図示するが、M21、M22等、各用途(予測の対象)に応じて多数のモデル情報が記憶されてもよい。
図3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(抽出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124に記憶されているモデルM1、M2等に従った情報処理により、地域の地域情報(地域データ)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地域情報に対し、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、入力層に入力される情報と同様の情報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、記憶部120から各種情報を取得する。例えば、取得部131は、地域情報記憶部121や、インデックス情報記憶部122や、グラフ情報記憶部123や、モデル情報記憶部124等から各種情報を取得する。また、取得部131は、各種情報を外部の情報処理装置から取得する。取得部131は、端末装置10や情報提供装置50から各種情報を取得する。
生成部132は、各種情報を生成する。例えば、生成部132は、地域情報記憶部121に記憶された学習データ(地域情報)を用いて、モデル情報記憶部124に示すようなモデルを生成する。例えば、生成部132は、取得部131により取得された学習データに基づいて、入力した地域情報と同様の情報を出力するモデル(オートエンコーダ)を生成する。例えば、生成部132は、入力する地域情報自体を正解情報として、入力した地域情報と同様の情報を出力するモデル(オートエンコーダ)を生成する。
決定部133は、各種情報を決定する。例えば、決定部133は、取得部131により取得された地域情報と、グラフ情報の検索の起点となる起点ベクトルに関する情報とに基づいて、起点ベクトルを決定する。例えば、決定部133は、地域情報と、グラフ情報の検索の起点ベクトルの決定の基準となる情報とに基づいて、起点ベクトルを決定する。また、決定部133は、起点ベクトルの決定に用いるインデックス情報に基づいて、起点ベクトルを決定する。また、決定部133は、木構造型のインデックス情報に基づいて、起点ベクトルを決定する。
抽出部134は、取得部131により取得されたグラフ情報の複数のベクトルのうち、所定の基準に基づいて決定されたグラフ情報の検索の起点となる起点ベクトルを起点としてグラフ情報を検索することにより、複数の地域のうち、一の地域に類似する地域である類似地域を抽出する。抽出部134は、各種情報を抽出する。例えば、抽出部134は、決定部133により決定された起点ベクトルを起点としてグラフ情報を検索することにより、複数の地域のうち、一の地域に類似する地域である類似地域を抽出する。例えば、抽出部134は、グラフ情報記憶部123に記憶された各ノード(ベクトル)間を連結するエッジの長さ(距離)の情報を用いてもよいし、各ノードのベクトル情報から各ノード(ベクトル)間を連結するエッジの長さ(距離)の情報を算出し、算出した長さ(距離)の情報を用いてもよい。
提供部135は、各種情報を提供する。例えば、提供部135は、端末装置10や情報提供装置50に各種情報を送信する。例えば、提供部135は、端末装置10や情報提供装置50に各種情報を配信する。例えば、提供部135は、端末装置10や情報提供装置50に各種情報を提供する。提供部135は、抽出部134により抽出された類似地域に基づいて、所定のサービスを提供する。また、提供部135は、類似地域に関する情報提供サービスを提供する。提供部135は、端末装置10に類似地域に関する情報を提供する。
次に、図8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8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。
次に、図9を用いて、実施形態に係る抽出システム1による生成処理の手順について説明する。図9は、実施形態に係る生成処理の一例を示すフローチャートである。
ここで、上述したグラフ情報を用いた検索の一例を示す。なお、グラフ情報(グラフデータ)を用いた検索は下記に限らず、種々の手順により行われてもよい。この点について、図11を一例として説明する。図11は、グラフデータ(グラフ情報)を用いた検索処理の一例を示すフローチャートである。また、以下でいうオブジェクトは、ベクトルやノードと読み替えてもよい。なお、以下では、抽出装置100が検索処理を行うものとして説明するが、検索処理は他の装置により行われてもよい。例えば、抽出装置100は、検索クエリとして、一の地域の地域データから生成されたベクトルデータを用いる。例えば、抽出装置100は、一の地域の地域データから生成されたベクトルデータとインデックス情報とに基づいて決定された起点ベクトルを起点としてグラフデータを検索する。図1の例では、抽出装置100は、地域XのベクトルVG11とインデックス情報IND11とに基づいて決定された起点ベクトルであるノードN451を起点としてグラフ情報GR11を検索する。
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134とを有する。取得部131は、複数の地域の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、一の地域に関する地域情報を取得する。抽出部134は、取得部131により取得されたグラフ情報の複数のベクトルのうち、所定の基準に基づいて決定されたグラフ情報の検索の起点となる起点ベクトルを起点としてグラフ情報を検索することにより、複数の地域のうち、一の地域に類似する地域である類似地域を抽出する。
上述してきた実施形態に係る抽出装置100は、例えば図13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13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 地域情報記憶部
122 インデックス情報記憶部
123 グラフ情報記憶部
124 モデル情報記憶部
130 制御部
131 取得部
132 生成部
133 決定部
134 抽出部
135 提供部
10 端末装置
50 情報提供装置
N ネットワーク
Claims (11)
- 複数の地域の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、一の地域に関する地域情報であって、前記一の地域の地盤、地形、海域、土壌、及び天候のうち、対象とする用途に応じて選択される特徴の情報を含む地域情報を取得する取得部と、
前記取得部により取得された前記グラフ情報の前記複数のベクトルのうち、記憶部に記憶されたインデックス情報と、前記一の地域に関する前記地域情報に基づくベクトルとの類似性に基づいて、前記グラフ情報の検索の起点となる起点ベクトルを決定する決定部と、
前記決定部により決定された前記起点ベクトルを起点として前記グラフ情報を検索することにより、前記複数の地域のうち、前記一の地域に類似する地域である類似地域を抽出する抽出部と、
を備えたことを特徴とする抽出装置。 - 前記決定部は、
木構造型の前記インデックス情報に基づいて、前記起点ベクトルを決定する
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、
前記複数の地域の各々の特徴を示す前記複数のベクトルが類似性に応じて連結された前記グラフ情報を取得する
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、
所定のモデルを用いて前記複数の地域の各々から抽出された特徴量を要素とする前記複数のベクトルが、類似性に応じて連結された前記グラフ情報を取得する
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。 - 前記取得部は、
前記複数の地域に関する情報を所定のモデルに入力することにより、抽出される前記複数の地域の各々の特徴量を要素とする前記複数のベクトルが、類似性に応じて連結された前記グラフ情報を取得する
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。 - 前記抽出部により抽出された前記類似地域に基づいて、所定のサービスを提供する提供部、
をさらに備えた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。 - 前記提供部は、
前記類似地域に関する情報提供サービスを提供する
ことを特徴とする請求項6に記載の抽出装置。 - 前記取得部は、
ユーザが利用する端末装置から前記一の地域に関する前記地域情報を取得し、
前記提供部は、
前記端末装置に前記類似地域に関する情報を提供する
ことを特徴とする請求項6または請求項7に記載の抽出装置。 - 前記取得部は、
作物生産、鉱山開発、または工場立地における前記複数の地域の各々に対応する前記複数のベクトルが類似性に応じて連結された前記グラフ情報を取得する
ことを特徴とする請求項1~8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、
複数の地域の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、一の地域に関する地域情報であって、前記一の地域の地盤、地形、海域、土壌、及び天候のうち、対象とする用途に応じて選択される特徴の情報を含む地域情報を取得する取得工程と、
前記取得工程により取得された前記グラフ情報の前記複数のベクトルのうち、記憶部に記憶されたインデックス情報と、前記一の地域に関する前記地域情報に基づくベクトルとの類似性に基づいて、前記グラフ情報の検索の起点となる起点ベクトルを決定する決定工程と、
前記決定工程により決定された前記起点ベクトルを起点として前記グラフ情報を検索することにより、前記複数の地域のうち、前記一の地域に類似する地域である類似地域を抽出する抽出工程と、
を含んだことを特徴とする抽出方法。 - 複数の地域の各々に対応する複数のベクトルが類似性に応じて連結されたグラフ情報と、一の地域に関する地域情報であって、前記一の地域の地盤、地形、海域、土壌、及び天候のうち、対象とする用途に応じて選択される特徴の情報を含む地域情報を取得する取得手順と、
前記取得手順により取得された前記グラフ情報の前記複数のベクトルのうち、記憶部に記憶されたインデックス情報と、前記一の地域に関する前記地域情報に基づくベクトルとの類似性に基づいて、前記グラフ情報の検索の起点となる起点ベクトルを決定する決定手順と、
前記決定手順により決定された前記起点ベクトルを起点として前記グラフ情報を検索することにより、前記複数の地域のうち、前記一の地域に類似する地域である類似地域を抽出する抽出手順と、
をコンピュータに実行させることを特徴とする抽出プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017221966A JP7030485B2 (ja) | 2017-11-17 | 2017-11-17 | 抽出装置、抽出方法、及び抽出プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017221966A JP7030485B2 (ja) | 2017-11-17 | 2017-11-17 | 抽出装置、抽出方法、及び抽出プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019095831A JP2019095831A (ja) | 2019-06-20 |
JP7030485B2 true JP7030485B2 (ja) | 2022-03-07 |
Family
ID=66971640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017221966A Active JP7030485B2 (ja) | 2017-11-17 | 2017-11-17 | 抽出装置、抽出方法、及び抽出プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7030485B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7177023B2 (ja) * | 2019-09-17 | 2022-11-22 | ヤフー株式会社 | 特定装置、特定方法及び特定プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010079871A (ja) | 2008-06-09 | 2010-04-08 | Yahoo Japan Corp | ベクトルデータ検索装置 |
JP2010198281A (ja) | 2009-02-25 | 2010-09-09 | Hyogo Prefecture | 情報処理装置、情報処理方法、およびプログラム |
JP2012068860A (ja) | 2010-09-22 | 2012-04-05 | Fujitsu Ltd | 因果関係検出方法、該装置、及び該プログラム |
JP2016085704A (ja) | 2014-10-29 | 2016-05-19 | 株式会社リコー | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
-
2017
- 2017-11-17 JP JP2017221966A patent/JP7030485B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010079871A (ja) | 2008-06-09 | 2010-04-08 | Yahoo Japan Corp | ベクトルデータ検索装置 |
JP2010198281A (ja) | 2009-02-25 | 2010-09-09 | Hyogo Prefecture | 情報処理装置、情報処理方法、およびプログラム |
JP2012068860A (ja) | 2010-09-22 | 2012-04-05 | Fujitsu Ltd | 因果関係検出方法、該装置、及び該プログラム |
JP2016085704A (ja) | 2014-10-29 | 2016-05-19 | 株式会社リコー | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2019095831A (ja) | 2019-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Suruliandi et al. | Crop prediction based on soil and environmental characteristics using feature selection techniques | |
CN103886048B (zh) | 一种基于聚类的增量数字图书推荐方法 | |
JP7122120B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Zou et al. | Reinforcement learning to diversify top-n recommendation | |
Isaac et al. | Urban landcover classification from multispectral image data using optimized AdaBoosted random forests | |
EP4131026A1 (en) | System and method for multi-modal transformer-based catagorization | |
JP6311000B1 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP2021033602A (ja) | 情報処理装置、ベクトル生成方法及びプログラム | |
JP7030485B2 (ja) | 抽出装置、抽出方法、及び抽出プログラム | |
JP6976178B2 (ja) | 抽出装置、抽出方法、及び抽出プログラム | |
CN117435685A (zh) | 文档检索方法、装置、计算机设备、存储介质和产品 | |
Sanjana Rao et al. | Machine learning based restaurant revenue prediction | |
JP7067946B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7041530B2 (ja) | 表示プログラム、表示方法、及び表示装置 | |
JP6865706B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Fushimi et al. | Accelerating Greedy K-Medoids Clustering Algorithm with Distance by Pivot Generation | |
JP6960361B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7221590B2 (ja) | 抽出装置、抽出方法、及び抽出プログラム | |
JP6856567B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7414906B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7171196B2 (ja) | 認証装置、認証方法、及び認証プログラム | |
Wang et al. | Bit selection via walks on graph for hash-based nearest neighbor search | |
JP6976183B2 (ja) | 抽出装置、抽出方法、及び抽出プログラム | |
KR20210086137A (ko) | 화장품 마케팅을 위한 전자 장치, 방법, 및 컴퓨터 판독가능 매체 | |
Rungta et al. | Two-phase multimodal neural network for app categorization using APK resources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210319 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210413 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210604 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210706 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210903 |
|
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: 20220125 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220222 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7030485 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 |