JP7121251B2 - 分析装置、分析方法およびプログラム - Google Patents
分析装置、分析方法およびプログラム Download PDFInfo
- Publication number
- JP7121251B2 JP7121251B2 JP2017216988A JP2017216988A JP7121251B2 JP 7121251 B2 JP7121251 B2 JP 7121251B2 JP 2017216988 A JP2017216988 A JP 2017216988A JP 2017216988 A JP2017216988 A JP 2017216988A JP 7121251 B2 JP7121251 B2 JP 7121251B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- feature information
- feature
- dependent
- behavior
- 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
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
ユーザの行動分析に用いられるセンシング情報としては、例えば、携帯端末やウェアラブル端末等を通じて取得可能な、歩数や加速度等のモーションデータ、心拍や脈拍等のバイタルデータがある。
行動支援システムでは、これらのセンシング情報を用いて、ユーザの行動状態(立つ、歩く、座る、話す等)を分析し、分析した行動状態に応じてユーザ個別にサービスを提供する。
また、第1の行動情報は、ユーザが能動的に行った動作に応じて値が変化する性質を持つ人間依存型の行動情報であり、第2の行動情報は、ユーザの周囲の環境に応じて値が変化する性質を持つ環境依存型の行動情報であって、制御部は、前時刻の第1の特徴情報と後時刻の第2の特徴情報とが異なる場合、第1の特徴情報に含まれる第1の行動情報を第1の人間依存型行動情報と、第1の特徴情報に含まれる第2の行動情報を第1の環境依存型行動情報とに分類し、第2の特徴情報に含まれる第1の行動情報を第2の人間依存型行動情報と、第2の特徴情報に含まれる第2の行動情報を第2の環境依存型行動情報とに分類し、第1の人間依存型行動情報から第2の人間依存型行動情報への増減傾向と、第1の環境依存型行動情報から第2の環境依存型行動情報への増減傾向とにもとづいて、センシング時のノイズの有無を判定し、ノイズが有ると判定した場合は、特徴情報の連続性を不適正と判定し、第2の特徴情報を第1の特徴情報に置き換えて、非連続特徴情報を連続特徴情報に補正し、ノイズが無いと判定した場合は、特徴情報の連続性を適正と判定し、第2の特徴情報の第1の特徴情報への置き換えはせずに、非連続特徴情報の状態を維持する、第2の特徴情報を残す。
さらに、上記課題を解決するために、コンピュータに上記分析装置と同様の制御を実行させるプログラムが提供される。
[第1の実施の形態]
第1の実施の形態の分析装置について図1を用いて説明する。図1は分析装置の構成の一例を示す図である。分析装置1は、制御部1aおよび記憶部1bを含む。制御部1aは、ユーザの行動をセンシングした行動情報から単位時間毎の行動状態を表す特徴情報を時系列に生成する。
〔ステップS1〕制御部1aは、行動情報(センシング情報に該当)を受信する。行動情報は、移動端末等のセンサ機器によってセンシングされた、ユーザの行動によって生起される情報である。図1の例では、“心拍数”、“歩数”、“位置情報”、“メール送受信”が示されている。行動情報は、センサ機器から分析装置1に定期的に送信されて制御部1aで受信される。
この場合、制御部1aは、特徴情報Aから特徴情報Bへの遷移における、第1の行動情報d1aから第1の行動情報d1bへの増減傾向と、第2の行動情報d2aから第2の行動情報d2bへの増減傾向との組み合わせによる第1の増減傾向を求める。そして、制御部1aは、第1の増減傾向にもとづいて、組α内の特徴情報A、Bの連続性の適否を判定する。
〔ステップS4a〕制御部1aが第1の増減傾向から特徴情報の連続性を不適正と判定したとする。この場合、制御部1aは、特徴情報Bを特徴情報Aに置き換え、非連続特徴情報を連続特徴情報に変換する(特徴情報A、特徴情報Bを特徴情報A、特徴情報Aの並びにする)。
次に第2の実施の形態について説明する。まず、システム構成について説明する。図2は情報処理システムの構成の一例を示す図である。情報処理システム1-1は、サーバ10、ネットワーク2、無線基地局3および移動端末4を備える。
移動端末4は、ユーザの行動をセンシングして得た行動情報をサーバ10へ送信する。この場合、移動端末4は、サーバ10からのポーリング指示にもとづいて送信してもよいし、あらかじめ設定した周期で送信してもよい。なお、ユーザの行動をセンシング可能な機器であれば、移動端末4以外のものが用いられてもよい。また、該機器は、無線通信に限らず、有線通信でネットワーク2を介してサーバ10に接続する構成でもよい。
図3は行動支援のモデルの一例を示す図である。以降の説明では、行動情報をログと呼ぶ場合がある。
〔ステップS14〕サーバ10は、生成した行動モデルを記憶する。
<ハードウェア構成>
図4はサーバのハードウェア構成の一例を示す図である。サーバ10は、プロセッサ100によって装置全体が制御されている。すなわち、プロセッサ100は、サーバ10の制御部として機能する。
さらにまた、入出力インタフェース102は、周辺機器を接続するための通信インタフェースとしても機能する。例えば、入出力インタフェース102は、レーザ光等を利用して、光ディスクに記録されたデータの読み取りを行う光学ドライブ装置を接続することができる。光ディスクには、Blu-ray Disc(登録商標)、CD-ROM(Compact Disc Read Only Memory)、CD-R(Recordable)/RW(Rewritable)等がある。
図5はサーバの機能ブロックの一例を示す図である。サーバ10は、行動分析部10aおよびデータ管理部10bを備える。なお、行動分析部10aは図1の制御部1aの機能を実現し、データ管理部10bは図1の記憶部1bの機能を実現する。なお、以降の説明では特徴情報を特徴量と呼ぶ。
通信インタフェース部11は、ネットワーク2を介して移動端末4との通信インタフェース制御を行う。特徴量生成部12は、移動端末4でセンシングされ送信されたログを受信し、受信したログを特徴量に変換する。
行動支援処理部15は、グルーピングされた特徴量から行動推定を行い、行動推定にもとづいて、行動支援を行うためのサービス情報をユーザに出力する。
<特徴量の生成>
図6は特徴量の生成動作の一例を示す図である。特徴量は、ユーザの原始的な行動状態であってマイクロアクティビティ(Micro Activity)とも呼ぶ。例えば、still(静止)、walking(歩行)、speaking(会話中)といったものが特徴量である。なお、特徴量は複数が同時に現れうる。
特徴量グループ処理部14は、同一時間帯で出現頻度が大きい(出現頻度が閾値を超える)特徴量をグルーピングして、複数の特徴量を1つのグループにまとめる。特徴量グループ処理部14は、特徴量のグルーピングを行う場合、特徴量の共起頻度を算出し、所定時刻(例えば、5分から10分)でゆらぎ(誤差)を吸収してグルーピングを行う。
そして、特徴量グループ処理部14は、Jaccard係数を用いた以下の式(2)による類似度計算を行って類似度S(PSt、PSt´)を求める(0≦S(PSt、PSt´)≦1)。なお、ptは特徴量、PSはグループ(特徴量の集合)、n(G)はグループの要素数、E()は平均である。
例えば、図6に示した特徴量管理テーブルTb1の1行目と2行目の特徴量は同じである。この場合、S(PSt、PSt´)=1となる。S(PSt、PSt´)が1のとき、比較対象の特徴量は完全一致であり、1に近いほど類似度は大きくなる。また、S(PSt、PSt´)が0のとき、比較対象の特徴量は完全に異なっており、0に近いほど類似度は小さくなる。よって、特徴量グループ処理部14は、式(2)で算出した値と、あらかじめ設定した閾値とを比較して、同一グループにするか否かを判定し、閾値を超えるものをグルーピングする。
〔時刻t1〕特徴量グループ処理部14は、時刻t1において、縦軸に示される特徴量のうち、[sitting]と[fj_kawasaki_lab]の出現頻度が閾値を超えることを検出した場合、[sitting]と[fj_kawasaki_lab]を1つのグループg1にする。
複数の特徴量(マイクロアクティビティ)がグループ化され、ラベルが付与されたものはマクロアクティビティ(Macro Activity)と呼ばれる。例えば、会議中(still, speaking)、資料作成中(writing)といったものを指す。
上述したように、行動支援を行うシステムでは、移動端末4から定期的にログを収集し、収集したログを解析することで、移動端末4を使用しているユーザの行動を分析する。
〔状態St1〕細粒度ログから変換された特徴量A、B、Cが示されている。時刻t1、t2、t3、t5、t6、t7、t11、t12は特徴量Aとなり、時刻t4は特徴量Bとなり、時刻t8、t9、t10は特徴量Cとなっている。なお、時刻t4の特徴量は、ノイズ等によってログ取得が一時的に乱れ、本来は特徴量Aであるはずが、特徴量Bが誤出現したものとする。
〔状態St4〕時刻t11、t12は特徴量Aのみが出現するので、時刻t11、t12の特徴量は、特徴量Aのグループとしてグルーピングされる。
〔状態St11〕粗粒度ログから変換された特徴量A、B、Cが示されている。時刻T1、T2、T4は特徴量Aとなり、時刻T3は特徴量Bとなり、時刻T5は特徴量Cとなっている。なお、各時刻において認識された特徴量は、ノイズによる誤出現はなく、すべて正常に出現したものとする。
本発明はこのような点に鑑みてなされたものであり、粗い粒度でログが取得された場合でも、特徴量の区切りを正確に検出して、行動分析の精度向上を図るものである。
本発明のサーバ10は、ログを人間依存ログ(人間依存型の行動情報)と環境依存ログ(環境依存型の行動情報)の2種類に分類する。人間依存ログは、ユーザが能動的に行った動作に応じて値が変化する性質を持つログと定義できる。このように定義された人間依存ログには例えば、歩数、心拍数、ジャイロ、加速度、ディスプレイのオン/オフ等が含まれる。さらには、アプリケーションやネットワークの利用(メール送受信、スケジュールの追加等)もこの分類に含まれる。
A)ユーザが能動的に入力した結果にもとづくセンサ変化か否かにもとづく判断。
ユーザが行動した場合、センサから出力される値は断続的となる傾向にある。そのため、断続的な出力があるか否かで人間/環境依存の切り分けが可能である。すなわち、断続的な出力のあるログは人間依存、定期的な出力のログは環境依存となる。
センサ機器には、個人の動きを対象としたものと、複数のユーザの動きを対象としたものが存在している。この性質を利用して、人間/環境依存の切り分けが可能である。
次に特徴量補正部13の動作について図11から図14を用いて説明する。図11、図12は特徴量の補正の動作を説明するための図である。まず、特徴量生成部12は、時刻t0、t1に特徴量A、時刻t2に特徴量B、時刻t3に特徴量A、時刻t4に特徴量Cを出力するものとする。
図11の組αに対応する特徴量補正テーブルTb2-1における、前時刻の特徴量数、後時刻の特徴量数およびログ変化数について説明する。前時刻の特徴量は、時刻t1の特徴量Aに含まれる人間/環境依存ログの数である。特徴量Aには、2個の人間依存ログh1、h2と、10個の環境依存ログe1、・・・、e10が含まれるので、{前時刻の特徴量:(人間依存ログ数、環境依存ログ数)}=(2、10)となる。
(変化量)=(ログの減少数)+(ログの増加数)×k・・・(3)
なお、k(>1)はあらかじめ設定した係数である。例えば、k=10とする。
図14は特徴量補正後の状態を示す図である。上記から特徴量Aから特徴量Bへの遷移において、特徴量Bはノイズにより発生したものと判定される。したがって、特徴量補正部13は、時刻t2の特徴量Bを時刻t1の特徴量Aに置き換える。
図15はサーバの動作を示すフローチャートである。
〔ステップS31〕特徴量生成部12は、定期的にログを受信する。
〔ステップS33〕特徴量補正部13は、特徴量の出現時間の前後において、前時刻の特徴量(特徴量fv1とする)と、後時刻の特徴量(特徴量fv2とする)とが異なるか否かを判定する。異なる場合はステップS34へ処理が進み、一致する場合はステップS31へ処理が戻る。
〔ステップS35〕特徴量補正部13は、前時刻の特徴量fv1に含まれる人間依存ログと、後時刻の特徴量fv2に含まれる人間依存ログとのログ変化数を算出する。また、特徴量補正部13は、前時刻の特徴量fv1に含まれる環境依存ログと、後時刻の特徴量fv2に含まれる環境依存ログとのログ変化数を算出する。
〔ステップS38〕特徴量補正部13は、特徴量fv2はノイズにより発生したものでなく新たな行動が出現したものと判定し、後時刻の特徴量fv2はそのまま残す。
以上説明したように、サーバ10では、ログを特徴量に変換し、時間の前後で連続しない特徴量について、性質に応じて分類したログの変化量から特徴量の連続性の適否の判定を行い、不適正な特徴量は1つ前の特徴量と同一であるものとみなして置き換えを行う。
1a 制御部
1b 記憶部
A、B、C 特徴情報
d1a、d1b、d1c 第1の行動情報
d2a、d2b、d2c 第2の行動情報
α、β 非連続特徴情報の組
Claims (8)
- ユーザの行動をセンシングした行動情報から単位時間毎の行動状態を表す特徴情報を時系列に生成し、
単位時間の前の特徴情報に対して後の特徴情報が非連続な非連続特徴情報がある場合、前記非連続特徴情報に含まれる前記行動情報を、性質が互いに異なる第1の行動情報と第2の行動情報に分類し、
前記第1の行動情報と前記第2の行動情報の双方の増減傾向にもとづいてセンシング時のノイズの有無を検出し、前記ノイズの有無の検出結果から前記特徴情報の連続性の適否を判定し、判定結果にもとづいて、前記特徴情報の連続性の補正を行う制御部、
を有し、
前記第1の行動情報は、前記ユーザが能動的に行った動作に応じて値が変化する性質を持つ人間依存型の前記行動情報であり、前記第2の行動情報は、前記ユーザの周囲の環境に応じて値が変化する性質を持つ環境依存型の前記行動情報であって、
前記制御部は、前時刻の第1の特徴情報と後時刻の第2の特徴情報とが異なる場合、
前記第1の特徴情報に含まれる前記第1の行動情報を第1の人間依存型行動情報と、前記第1の特徴情報に含まれる前記第2の行動情報を第1の環境依存型行動情報とに分類し、
前記第2の特徴情報に含まれる前記第1の行動情報を第2の人間依存型行動情報と、前記第2の特徴情報に含まれる前記第2の行動情報を第2の環境依存型行動情報とに分類し、
前記第1の人間依存型行動情報から前記第2の人間依存型行動情報への増減傾向と、前記第1の環境依存型行動情報から前記第2の環境依存型行動情報への増減傾向とにもとづいて、センシング時の前記ノイズの有無を判定し、
前記ノイズが有ると判定した場合は、前記特徴情報の連続性を不適正と判定し、前記第2の特徴情報を前記第1の特徴情報に置き換えて、前記非連続特徴情報を連続特徴情報に補正し、
前記ノイズが無いと判定した場合は、前記特徴情報の連続性を適正と判定し、前記第2の特徴情報の前記第1の特徴情報への置き換えはせずに、前記非連続特徴情報の状態を維持する、前記第2の特徴情報を残す、
分析装置。 - 前記制御部は、
前記非連続特徴情報に、前時刻における前記第1の特徴情報と、後時刻における前記第2の特徴情報とが含まれる場合、
前記特徴情報の連続性を不適正と判定した場合、前記第2の特徴情報を前記第1の特徴情報に置き換えて、前記非連続特徴情報を連続特徴情報に補正し、
前記特徴情報の連続性を適正と判定した場合、前記第2の特徴情報の前記第1の特徴情報への置き換えはせずに、前記非連続特徴情報の状態を維持する、
請求項1記載の分析装置。 - 前記制御部は、
前記第1の特徴情報に含まれる前記第1の行動情報の数と、前記第2の特徴情報に含まれる前記第1の行動情報の数とに対する、第1の減少数と第1の増加数を求めて第1の変化量を算出し、
前記第1の特徴情報に含まれる前記第2の行動情報の数と、前記第2の特徴情報に含まれる前記第2の行動情報の数とに対する、第2の減少数と第2の増加数を求めて第2の変化量を算出する、
請求項2記載の分析装置。 - 前記制御部は、重み付けした前記第1の増加数に前記第1の減少数を加算して前記第1の変化量を算出し、重み付けした前記第2の増加数に前記第2の減少数を加算して前記第2の変化量を算出する請求項3記載の分析装置。
- 前記制御部は、
前記第1の変化量にもとづき前記第1の行動情報の第1の増減傾向を検出し、前記第2の変化量にもとづき前記第2の行動情報の第2の増減傾向を検出し、
前記第1の増減傾向が変化なし、かつ前記第2の増減傾向が増加の場合と、前記第1の増減傾向が変化なし、かつ前記第2の増減傾向が減少の場合と、前記第1の増減傾向が増加、かつ前記第2の増減傾向が変化なしの場合と、前記第1の増減傾向が減少、かつ前記第2の増減傾向が増加の場合と、前記第1の増減傾向が減少、かつ前記第2の増減傾向が変化なしの場合と、前記第1の増減傾向が減少、かつ前記第2の増減傾向が減少の場合とにおいて、前記特徴情報の連続性を不適正と判定する、
請求項3記載の分析装置。 - 前記制御部は、
前記第1の変化量にもとづき前記第1の行動情報の第1の増減傾向を検出し、前記第2の変化量にもとづき前記第2の行動情報の第2の増減傾向を検出し、
前記第1の増減傾向が増加、かつ前記第2の増減傾向が増加の場合と、前記第1の増減傾向が増加、かつ前記第2の増減傾向が減少の場合とにおいて、前記特徴情報の連続性を適正と判定する、
請求項3記載の分析装置。 - コンピュータが、
ユーザの行動をセンシングした行動情報から単位時間毎の行動状態を表す特徴情報を時系列に生成し、
単位時間の前の特徴情報に対して後の特徴情報が非連続な非連続特徴情報がある場合、前記非連続特徴情報に含まれる前記行動情報を、性質が互いに異なる第1の行動情報と第2の行動情報に分類し、
前記第1の行動情報と前記第2の行動情報の双方の増減傾向にもとづいてセンシング時のノイズの有無を検出し、前記ノイズの有無の検出結果から前記特徴情報の連続性の適否を判定し、判定結果にもとづいて、前記特徴情報の連続性の補正を行い、
前記第1の行動情報は、前記ユーザが能動的に行った動作に応じて値が変化する性質を持つ人間依存型の前記行動情報であり、前記第2の行動情報は、前記ユーザの周囲の環境に応じて値が変化する性質を持つ環境依存型の前記行動情報であって、
前時刻の第1の特徴情報と後時刻の第2の特徴情報とが異なる場合、
前記第1の特徴情報に含まれる前記第1の行動情報を第1の人間依存型行動情報と、前記第1の特徴情報に含まれる前記第2の行動情報を第1の環境依存型行動情報とに分類し、
前記第2の特徴情報に含まれる前記第1の行動情報を第2の人間依存型行動情報と、前記第2の特徴情報に含まれる前記第2の行動情報を第2の環境依存型行動情報とに分類し、
前記第1の人間依存型行動情報から前記第2の人間依存型行動情報への増減傾向と、前記第1の環境依存型行動情報から前記第2の環境依存型行動情報への増減傾向とにもとづいて、センシング時の前記ノイズの有無を判定し、
前記ノイズが有ると判定した場合は、前記特徴情報の連続性を不適正と判定し、前記第2の特徴情報を前記第1の特徴情報に置き換えて、前記非連続特徴情報を連続特徴情報に補正し、
前記ノイズが無いと判定した場合は、前記特徴情報の連続性を適正と判定し、前記第2の特徴情報の前記第1の特徴情報への置き換えはせずに、前記非連続特徴情報の状態を維持する、前記第2の特徴情報を残す、
制御を行う分析方法。 - コンピュータに、
ユーザの行動をセンシングした行動情報から単位時間毎の行動状態を表す特徴情報を時系列に生成し、
単位時間の前の特徴情報に対して後の特徴情報が非連続な非連続特徴情報がある場合、前記非連続特徴情報に含まれる前記行動情報を、性質が互いに異なる第1の行動情報と第2の行動情報に分類し、
前記第1の行動情報と前記第2の行動情報の双方の増減傾向にもとづいてセンシング時のノイズの有無を検出し、前記ノイズの有無の検出結果から前記特徴情報の連続性の適否を判定し、判定結果にもとづいて、前記特徴情報の連続性の補正を行い、
前記第1の行動情報は、前記ユーザが能動的に行った動作に応じて値が変化する性質を持つ人間依存型の前記行動情報であり、前記第2の行動情報は、前記ユーザの周囲の環境に応じて値が変化する性質を持つ環境依存型の前記行動情報であって、
前時刻の第1の特徴情報と後時刻の第2の特徴情報とが異なる場合、
前記第1の特徴情報に含まれる前記第1の行動情報を第1の人間依存型行動情報と、前記第1の特徴情報に含まれる前記第2の行動情報を第1の環境依存型行動情報とに分類し、
前記第2の特徴情報に含まれる前記第1の行動情報を第2の人間依存型行動情報と、前記第2の特徴情報に含まれる前記第2の行動情報を第2の環境依存型行動情報とに分類し、
前記第1の人間依存型行動情報から前記第2の人間依存型行動情報への増減傾向と、前記第1の環境依存型行動情報から前記第2の環境依存型行動情報への増減傾向とにもとづいて、センシング時の前記ノイズの有無を判定し、
前記ノイズが有ると判定した場合は、前記特徴情報の連続性を不適正と判定し、前記第2の特徴情報を前記第1の特徴情報に置き換えて、前記非連続特徴情報を連続特徴情報に補正し、
前記ノイズが無いと判定した場合は、前記特徴情報の連続性を適正と判定し、前記第2の特徴情報の前記第1の特徴情報への置き換えはせずに、前記非連続特徴情報の状態を維持する、前記第2の特徴情報を残す、
制御を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017216988A JP7121251B2 (ja) | 2017-11-10 | 2017-11-10 | 分析装置、分析方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017216988A JP7121251B2 (ja) | 2017-11-10 | 2017-11-10 | 分析装置、分析方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019087179A JP2019087179A (ja) | 2019-06-06 |
JP7121251B2 true JP7121251B2 (ja) | 2022-08-18 |
Family
ID=66764280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017216988A Active JP7121251B2 (ja) | 2017-11-10 | 2017-11-10 | 分析装置、分析方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7121251B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112444249A (zh) * | 2019-09-04 | 2021-03-05 | 奇点无限有限公司 | 整合式感测系统及其分析方法与使用方法 |
JP7436257B2 (ja) * | 2020-03-25 | 2024-02-21 | 株式会社日立製作所 | 行動認識サーバ、行動認識システム、および、行動認識方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010032579A1 (ja) | 2008-09-19 | 2010-03-25 | 株式会社日立製作所 | 行動履歴の生成方法及び行動履歴の生成システム |
JP2014174943A (ja) | 2013-03-13 | 2014-09-22 | Yahoo Japan Corp | 時系列データ解析装置、時系列データ解析方法、およびプログラム |
JP2014236775A (ja) | 2013-06-06 | 2014-12-18 | セイコーエプソン株式会社 | 生体情報測定装置、および生体情報測定方法 |
-
2017
- 2017-11-10 JP JP2017216988A patent/JP7121251B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010032579A1 (ja) | 2008-09-19 | 2010-03-25 | 株式会社日立製作所 | 行動履歴の生成方法及び行動履歴の生成システム |
JP2014174943A (ja) | 2013-03-13 | 2014-09-22 | Yahoo Japan Corp | 時系列データ解析装置、時系列データ解析方法、およびプログラム |
JP2014236775A (ja) | 2013-06-06 | 2014-12-18 | セイコーエプソン株式会社 | 生体情報測定装置、および生体情報測定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2019087179A (ja) | 2019-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10579910B2 (en) | Dynamic classifier selection based on class skew | |
EP2915319B1 (en) | Managing a context model in a mobile device by assigning context labels for data clusters | |
US20170078418A1 (en) | User activity tracking system | |
JP6955092B2 (ja) | 端末の電力消費を低減するための方法、および端末 | |
US20180132068A1 (en) | Portable resource management systems and methods | |
KR101573993B1 (ko) | 상황 정보를 분류하는 방법 및 장치 | |
CN107004170B (zh) | 为惯例外事件定制的服务内容 | |
JP5615857B2 (ja) | 分析装置、分析方法及び分析プログラム | |
US20130103348A1 (en) | Methods and apparatuses for controlling invocation of a sensor | |
US20170270433A1 (en) | Information processing apparatus, information processing system, information processing method, and computer-readable recording medium | |
JP7121251B2 (ja) | 分析装置、分析方法およびプログラム | |
US20160335556A1 (en) | Prediction device, terminal, prediction method, and non-transitory computer readable storage medium | |
US20120117006A1 (en) | Method and apparatus for building a user behavior model | |
US20200084116A1 (en) | User-configurable delivery of informational events | |
JP7272694B2 (ja) | 端末の電力消費を低減するための方法、および端末 | |
US20220036428A1 (en) | Recommender System Based On Trendsetter Inference | |
Cardone et al. | Activity recognition for smart city scenarios: Google play services vs. MoST facilities | |
CN112711516B (zh) | 一种数据处理方法和相关装置 | |
WO2021042368A1 (zh) | 功耗控制与方案生成方法、设备、系统及存储介质 | |
CN110612503B (zh) | 智能上下文子采样设备上系统 | |
US10725529B2 (en) | Target based power management | |
US11403324B2 (en) | Method for real-time cohort creation based on entity attributes derived from partially observable location data | |
US20180025378A1 (en) | Fatigue Control in Dissemination of Digital Marketing Content | |
Hasegawa et al. | An experimental result of estimating an application volume by machine learning techniques | |
Yang et al. | Event-based clustering architecture for power efficiency in wireless sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200807 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20200825 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20200825 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210430 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210518 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210715 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220210 |
|
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: 20220705 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220718 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7121251 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |