JP7145729B2 - Analysis processing device, analysis processing method, and machine learning device - Google Patents
Analysis processing device, analysis processing method, and machine learning device Download PDFInfo
- Publication number
- JP7145729B2 JP7145729B2 JP2018205739A JP2018205739A JP7145729B2 JP 7145729 B2 JP7145729 B2 JP 7145729B2 JP 2018205739 A JP2018205739 A JP 2018205739A JP 2018205739 A JP2018205739 A JP 2018205739A JP 7145729 B2 JP7145729 B2 JP 7145729B2
- Authority
- JP
- Japan
- Prior art keywords
- infrared
- data
- user data
- analysis processing
- items
- 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
- 238000012545 processing Methods 0.000 title claims description 106
- 238000004458 analytical method Methods 0.000 title claims description 71
- 238000010801 machine learning Methods 0.000 title claims description 10
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000005259 measurement Methods 0.000 claims description 19
- 230000004044 response Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 230000036541 health Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 4
- 230000003936 working memory Effects 0.000 description 2
- 241001406376 Betasatellite Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000009982 effect on human Effects 0.000 description 1
- 230000002500 effect on skin Effects 0.000 description 1
- 210000002950 fibroblast Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005808 skin problem Effects 0.000 description 1
- 230000009772 tissue formation Effects 0.000 description 1
- 230000030968 tissue homeostasis Effects 0.000 description 1
- 230000017423 tissue regeneration Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本発明は、肌及び/又は体調に対する近赤外線の影響を分析する為の分析処理装置、分析処理方法および機械学習装置に関する。 The present invention relates to an analysis processing device, an analysis processing method, and a machine learning device for analyzing the effects of near-infrared rays on skin and/or physical condition.
人の体調は周囲の環境から大きく影響を受けており、体調管理においては、その時の気温、天気、気圧等、様々な要素を考慮する必要がある。従来から、このような周囲の環境を考慮した体調管理を支援する為の技術が知られている。 A person's physical condition is greatly affected by the surrounding environment, and in physical condition management, it is necessary to consider various factors such as the temperature, weather, and atmospheric pressure at that time. Techniques for supporting physical condition management in consideration of such surrounding environments have been conventionally known.
例えば、特許文献1には、ユーザの周辺環境情報を取得してユーザの体調を推測することで、体調管理に係る入力を簡単に行うことができる体調管理支援装置が記載されている。
For example,
ところで、研究により、日光に含まれる近赤外線が、人の体調に悪影響をもたらすことが分かっている。特に、真皮線維芽細胞において、肌の組織形成・維持修復など多様な役割を果たす重量な生体成分であるバーシカンの産生を減少させることが知られており、近赤外線による影響への対策が求められている。 By the way, studies have shown that near-infrared rays contained in sunlight have an adverse effect on human health. In particular, in dermal fibroblasts, it is known to reduce the production of versican, a heavy biological component that plays a variety of roles in skin tissue formation, maintenance and repair. ing.
しかしながら、近赤外線が暴露することにより、個々人の肌や体調に、どのような状態をもたらすかについては、いまだ十分に分かっていなかった。 However, it has not yet been fully understood what kind of conditions exposure to near-infrared rays brings to the skin and physical conditions of individuals.
本発明は、上記のような実情に鑑みてなされたものであり、肌や体調に対する近赤外線量の影響を分析する為の分析処理装置を提供することを課題とする。 SUMMARY OF THE INVENTION It is an object of the present invention to provide an analysis processing apparatus for analyzing the influence of the amount of near-infrared rays on the skin and physical condition.
上記課題を解決するために、本発明は、肌及び/又は体調に対する近赤外線の影響を分析する為の分析処理装置であって、
地域、測定時期及び近赤外線量を含む複数項目の項目情報からなる近赤外線データ並びに地域、取得時期及び回答を含む複数項目の項目情報からなる利用者データを取得する取得手段と、
共通する地域に関する前記近赤外線データ及び利用者データを用いて、分析処理する分析処理手段と、を備え、
前記分析処理は、入力された前記近赤外線データ及び利用者データに基づいて、分析結果を算出する処理を含むことを特徴とする。
In order to solve the above problems, the present invention provides an analysis processing device for analyzing the effects of near-infrared rays on the skin and/or physical condition,
Acquisition means for acquiring near-infrared data consisting of multiple items of item information including area, time of measurement and near-infrared amount, and user data consisting of multiple items of item information including area, acquisition time and answer;
analysis processing means for performing analysis processing using the near-infrared data and user data related to a common area;
The analysis process is characterized by including a process of calculating an analysis result based on the input near-infrared data and user data.
また、本発明は、肌及び/又は体調に対する近赤外線の影響を分析する為の分析処理方法であって、
地域、測定時期及び近赤外線量を含む複数項目の項目情報からなる近赤外線データ並びに地域、取得時期及び回答を含む複数項目の項目情報からなる利用者データを取得するステップと、
共通する地域に関する前記近赤外線データ及び利用者データを用いて、分析処理するステップと、をコンピュータが実行し、
前記分析処理は、入力された前記近赤外線データ及び利用者データに基づいて、分析結果を算出する処理を含むことを特徴とする。
The present invention also provides an analysis processing method for analyzing the effects of near-infrared rays on the skin and/or physical condition,
a step of acquiring near-infrared data consisting of multiple items of item information including area, time of measurement and near-infrared amount, and user data consisting of multiple items of item information including area, acquisition time and answer;
A computer executes a step of analyzing and processing using the near-infrared data and user data related to a common area,
The analysis process is characterized by including a process of calculating an analysis result based on the input near-infrared data and user data.
また、本発明は、肌及び/又は体調に対する近赤外線の影響を機械学習する為の機械学習装置であって、
地域、測定時期及び近赤外線量を含む複数項目の項目情報からなる近赤外線データ並びに地域、取得時期及び回答を含む複数項目の項目情報からなる利用者データを取得する取得手段と、
前記近赤外線データ及び利用者データを用いて、学習処理する学習処理手段と、を備え、
前記学習処理は、入力された前記近赤外線データ及び利用者データに基づいて前記近赤外線データに基づく肌及び/又は健康に対する影響度予測を行う為の影響度予測モデルについて、パラメータを更新する処理を含むことを特徴とする。
Further, the present invention is a machine learning device for machine learning the influence of near infrared rays on the skin and / or physical condition,
Acquisition means for acquiring near-infrared data consisting of multiple items of item information including area, time of measurement and near-infrared amount, and user data consisting of multiple items of item information including area, acquisition time and answer;
learning processing means for performing learning processing using the near-infrared data and user data,
The learning process includes updating parameters for an impact prediction model for predicting the impact on skin and/or health based on the near-infrared data and user data that have been input. characterized by comprising
このような構成とすることで、近赤外線データ及び利用者データを用いて、肌及び/又は健康に対する影響分析や、予測ができる。 With such a configuration, the near-infrared data and user data can be used to analyze and predict effects on skin and/or health.
本発明の好ましい形態では、前記地域に関する項目情報を、所定の項目情報に変換処理する変換処理手段を備え、
前記分析処理は、前記変換処理によって与えられる項目情報に基づいて、地域を対応付けられた前記近赤外線データ及び利用者データを用いることを特徴とする。
このような構成とすることで、地域を対応させ、地域別の分析や予測を行うことが可能となる。
In a preferred embodiment of the present invention, conversion processing means for converting the item information about the area into predetermined item information,
The analysis process is characterized by using the near-infrared data and the user data associated with the area based on the item information given by the conversion process.
By adopting such a configuration, it becomes possible to correspond to each region and perform analysis and prediction for each region.
本発明の好ましい形態では、前記近赤外線データは、地表において測定した地上近赤外線データ及び地表での反射光を測定した反射光赤外線データを含むことを特徴とする。 In a preferred embodiment of the present invention, the near-infrared data includes terrestrial near-infrared data measured on the ground surface and reflected light infrared data obtained by measuring reflected light on the ground surface.
本発明の好ましい形態では、前記分析処理は、入力された前記近赤外線データに含まれる1又は複数の項目及び入力された利用者データの1又は複数の項目の組み合わせに基づいて、分析結果として項目の相関を算出することを特徴とする。
このような構成とすることで、相関の分析を行い、予測モデルの作成や学習器の設計に利用することが可能となる。
In a preferred embodiment of the present invention, the analysis process is based on a combination of one or more items included in the input near-infrared data and one or more items of input user data, and the item It is characterized by calculating the correlation of
With such a configuration, it is possible to analyze the correlation and use it for creating a prediction model and designing a learning device.
本発明の好ましい形態では、アンケート及び/又は問診の回答時期に関する情報を含み、期間指定設問に対する回答項目について指定の期間が対応付けられたデータを用いて、前記利用者データを生成する利用者データ生成手段を備え、
前記回答時期に関する情報及び前記指定の期間を用いて得られる暴露時期を前記取得時期、前記期間指定設問に対する回答項目を前記回答として、前記利用者データを生成することを特徴とする。
このような構成とすることで、期間や時期を加味して、近赤外線量による影響の分析等を行うことが可能となる。
In a preferred embodiment of the present invention, user data for generating the user data using data including information about the timing of responding to questionnaires and/or interviews, and in which response items to questions with a specified period are associated with specified periods. comprising generating means,
The user data is generated by using the information on the response time and the exposure time obtained by using the specified period as the acquisition time, and the response item to the time-specified question as the answer.
By adopting such a configuration, it becomes possible to analyze the influence of the amount of near-infrared rays, etc., taking into consideration the period and time.
本発明の好ましい形態では、前記分析処理は、更に、気象データを用いて行われることを特徴とする。
このような構成とすることで、気象状態を加味して、近赤外線量による影響の分析等を行うことが可能となる。
A preferred embodiment of the present invention is characterized in that the analysis processing is further performed using meteorological data.
By adopting such a configuration, it becomes possible to analyze the influence of the amount of near-infrared rays, etc., taking weather conditions into account.
本発明の好ましい形態では、前記分析結果に基づいて、地域別に入力された近赤外線量を用いて、前記近赤外線量に基づく肌及び/又は健康に対する影響度予測を地域別に行う予測手段を備えることを特徴とする。
このような構成とすることで、近赤外線量による影響の予測を行うことが可能となる。
In a preferred embodiment of the present invention, based on the analysis result, using the near-infrared amount input for each region, prediction means is provided for predicting the degree of influence on the skin and/or health based on the near-infrared amount for each region. characterized by
With such a configuration, it is possible to predict the influence of the amount of near-infrared rays.
本発明によれば、肌や体調に対する近赤外線量の影響を分析する為の分析処理装置を提供することができる。 ADVANTAGE OF THE INVENTION According to this invention, the analysis processing apparatus for analyzing the influence of the amount of near-infrared rays with respect to skin and physical conditions can be provided.
<実施形態1>
以下、図面を用いて、本発明の第1実施形態に関する処理システムについて説明する。なお、以下に示す実施形態は本発明の一例であり、本発明を以下の実施形態に限定するものではなく、様々な構成を採用することもできる。
<
A processing system according to the first embodiment of the present invention will be described below with reference to the drawings. The embodiments shown below are examples of the present invention, and the present invention is not limited to the following embodiments, and various configurations can be adopted.
本実施形態では処理システムの構成、動作等について説明するが、同様の構成の方法、処理装置、コンピュータプログラム、記録媒体等も、同様の作用効果を奏することができる。また、プログラムは、記録媒体に記憶させてもよい。この記録媒体を用いれば、例えばコンピュータに前記プログラムをインストールすることができる。ここで、前記プログラムを記憶した記録媒体は、例えばCD-ROM等の非一過性の記録媒体であっても良い。 Although the configuration, operation, etc. of the processing system will be described in the present embodiment, a method, processing apparatus, computer program, recording medium, etc. having the same configuration can also achieve the same effect. Also, the program may be stored in a recording medium. Using this recording medium, the program can be installed in a computer, for example. Here, the recording medium storing the program may be a non-transitory recording medium such as a CD-ROM.
<処理システムの構成>
一実施の形態における構成を示す図1を参照すると、処理システムは処理システム1として具体化されている。
<Configuration of processing system>
Referring to FIG. 1 showing the configuration in one embodiment, the processing system is embodied as
この処理システム1は、分析処理装置2、端末装置3、ウェブサーバ4及び通信ネットワークNWを備える。分析処理装置2は、端末装置3と通信ネットワークNWを介して連携し、端末装置3を介して、分析処理の為の情報のデータ入力や、データ入力が可能に構成される。また、分析処理装置2は、衛星データ提供サーバSSと通信ネットワークNWを介して通信可能に構成され、衛星データ提供サーバSSより、衛星データを取得する。
This
ウェブサーバ4は、端末装置3からの表示処理に基づいて、分析処理装置2での分析処理結果に基づくウェブページを表示処理し、その表示処理結果を送信する。
Based on the display processing from the
通信ネットワークNWは、インターネットなどのIP(Internet Protocol)網などとから構成される。通信ネットワークNWは、分析処理装置2、端末装置3及び衛星データ提供サーバSSをそれぞれ収容し、分析処理装置2、端末装置3及び衛星データ提供サーバSSは、通信ネットワークNWを介してデータ通信を行うためのIPアドレスを、それぞれ割り当てられている。なお、以下の説明では、不明確にならない限り通信ネットワークNWの介在を省略する。
The communication network NW includes an IP (Internet Protocol) network such as the Internet. The communication network NW accommodates the
端末装置3は、コンピュータ端末(スマートフォン端末、パーソナルコンピュータ及びタブレット端末を含む)を含む単独構成または複合構成をそれぞれ採り得る。
The
更に詳述すると、処理システム1における端末装置3は、図2に例示するように、ハードウェア及び機能の構成要素を含んでいる。つまり、各端末装置3は、ハードウェア構成要素として、演算装置(CPU(Central Processing Unit))11と、作業用メモリとしての主記憶装置(RAM(Random Access Memory))12とを備える。
More specifically, the
各端末装置3は、OS(Operating System)、アプリケーションプログラム、及び各種情報(データを含む)を書換え可能に格納するHDDやSSD、フラッシュメモリ等の補助記憶装置13と、通信制御部14と、NIC(Network Interface Card)などの通信インタフェース(IF)部15と、表示制御部16と、表示部17と、情報入力・指定部18などとを、更に備える。
Each
各端末装置3において、機能構成を論理的に実現するには、補助記憶装置13にウェブブラウザ及び端末制御プログラムなどをアプリケーションプログラムとしてインストールしておく。そして、各端末装置3においては、電源投入または利用者(ユーザ)による指示を契機に、演算装置(CPU)11がアプリケーションプログラムを主記憶装置(RAM)12に展開して実行する。
In order to logically implement the functional configuration of each
分析処理装置2は、データ通信機能を有し、図3に例示するように、ハードウェア及び機能の構成要素を含んでいる。すなわち、分析処理装置2は、ハードウェア構成要素として、演算装置(CPU(Central Processing Unit))21と、作業用メモリとしての主記憶装置(RAM(Random Access Memory))22とを備える。
The
分析処理装置2は、OS(Operating System)、アプリケーションプログラム、及び各種情報(データを含む)を書換え可能に格納するHDDやSSD、フラッシュメモリ等の補助記憶装置23と、通信制御部24と、NIC(Network Interface Card)などの通信インタフェース(IF)部25などとを、更に備える。
The
分析処理装置2は、衛星データ提供サーバSSより取得した衛星データとしての近赤外線量を用いて、地表での肌に対する近赤外線の影響を分析処理する為の処理装置である。以下では、地上から反射した近赤外線量を人工衛星SAが宇宙空間において測定することで得られ、衛星データ提供サーバSSを介して分析処理装置2に提供される反射近赤外線量と、肌及び/又は体調に関するデータとして、データベースDBに格納されたアンケートデータを用いて、分析処理を行う場合について例示する。
The
ここで、反射近赤外線量に加えて、地上における近赤外線量を測定することで得られる地上近赤外線量や、気温、湿度、風速等に関する気象データの1又は複数を用いてもよい。また、アンケートデータに加えて/又は代えて、利用者の肌状態を測定した測定データ、医師や美容アドバイザーなどによる問診データ若しくは、アンケートの回答、測定結果及び問診結果の1又は複数が対応付けられたデータを用いて、分析処理を実施しても構わない。 Here, in addition to the amount of reflected near-infrared rays, one or more of ground near-infrared amounts obtained by measuring near-infrared amounts on the ground, and meteorological data relating to temperature, humidity, wind speed, and the like may be used. In addition to/or instead of the questionnaire data, one or more of measurement data obtained by measuring the user's skin condition, interview data by doctors, beauty advisors, etc., questionnaire answers, measurement results, and interview results are associated. Analytical processing may be performed using the data obtained.
<分析処理装置の機能構成要素>
分析処理装置2は、機能構成要素として、格納手段201と、近赤外線データ生成手段202と、変換処理手段203と、利用者データ生成手段204と、取得手段205と、分析処理手段206と、予測手段207と、データベースDB1~4と、を備えている。
<Functional components of analysis processing device>
The
分析処理装置2において上述した機能構成要素を論理的に実現するには、補助記憶装置23に、分析処理プログラムをアプリケーションプログラムとしてインストールしておく。そして、分析処理装置2においては、電源投入を契機に、演算装置(CPU)21がこの処理プログラムを主記憶装置(RAM)22に展開して実行する。
In order to logically implement the functional components described above in the
<近赤外線データの取得>
図4(a)は、近赤外線データの取得に係る処理フローチャートである。まず、ステップS11において、格納手段201は、衛星データ提供サーバSSを介して取得した衛星データを受け取り、データベースDB1に格納する。衛星データには、測定日時と、位置情報と、が対応づけられている。本実施形態では、当該衛星データは、画像ファイルの形式にて、衛星データ提供サーバSSより提供される。例えば、LANDSAT衛星、PLEIADES衛星などから得られる観測データがある。これらにより、NIR(Near InfraRed)バンドの波長域の衛星データが取得される。
<Acquisition of near-infrared data>
FIG. 4(a) is a processing flowchart for acquiring near-infrared data. First, in step S11, the storage means 201 receives satellite data obtained via the satellite data providing server SS, and stores it in the database DB1. The satellite data is associated with measurement date and time and location information. In this embodiment, the satellite data is provided from the satellite data providing server SS in the form of an image file. For example, there are observation data obtained from LANDSAT satellites, PLEIADES satellites, and the like. Satellite data in the wavelength region of the NIR (Near InfraRed) band are acquired by these.
ステップS12において、近赤外線データ生成手段202は、データベースDB1に格納された衛星データを解析し、地域別の近赤外線量を算出して、データベースDB2に格納する。そして、ステップS13において、算出された近赤外線量、衛星データの一情報に基づく地域及び衛星データの測定日時に基づく測定時期を含む複数項目の項目情報からなる近赤外線データを取得する。変換処理手段203は、衛星データに対応付けられた地域に関する項目情報としての位置情報を、分析の為の所定の項目情報に変換処理し、近赤外線データの地域項目に係る項目情報が設定される。 In step S12, the near-infrared data generating means 202 analyzes the satellite data stored in the database DB1, calculates the amount of near-infrared rays for each region, and stores the calculated amount in the database DB2. Then, in step S13, near-infrared data consisting of a plurality of items of item information including the calculated amount of near-infrared rays, an area based on one piece of satellite data information, and a measurement time based on the measurement date and time of the satellite data is obtained. The conversion processing means 203 converts the position information as item information related to the area associated with the satellite data into predetermined item information for analysis, and the item information related to the area item of the near-infrared data is set. .
変換処理される地域は、地方や、都道府県レベルであってもよいし、市区町村やもっと細かい単位に設定されてもよい。衛星データに含まれる全体又は所定の地域の近赤外線量は、衛星データに含まれる各地点の近赤外線量を用いて演算処理し、求められる。同様に、ある地域に属する対応する測定日時の衛星データを複数用いて、各地域の各時点での近赤外線量が演算処理される。近赤外線データ生成手段202は、地域ごとの各時点の近赤外線量が1又は複数の衛星データを用いて算出され、分析処理に利用される。 The area to be converted may be local or prefectural level, or may be set in municipality or smaller units. The amount of near-infrared light for the entire area or a predetermined area included in the satellite data is obtained by arithmetic processing using the amount of near-infrared light at each point included in the satellite data. Similarly, using a plurality of satellite data of corresponding measurement dates and times belonging to a certain area, the amount of near-infrared rays at each point in time in each area is arithmetically processed. The near-infrared data generating means 202 calculates the amount of near-infrared rays for each region at each point in time using one or more satellite data, and utilizes the results for analysis processing.
<利用者データの取得>
図4(b)は、利用者データの取得に係る処理フローチャートである。まず、ステップS21において、格納手段201は、アンケートデータを受け取り、データベースDB3に格納する。図5(a)は、データベースDB3に格納されたアンケートデータの一例を示す図である。アンケートデータには、アンケートの回答時期(年月や、年月日等)と、地域情報と、設問に対する回答と、が対応づけられている。地域情報は、例えば、アンケートデータを実施した会場の所在や利用者(アンケート回答者)の所在であってもよいし、利用者が所属する地域を問う設問に対する回答として、選択・記入されたものであってもよい。
<Acquisition of user data>
FIG. 4(b) is a processing flowchart for acquiring user data. First, in step S21, the storage means 201 receives the questionnaire data and stores it in the database DB3. FIG. 5(a) is a diagram showing an example of questionnaire data stored in the database DB3. The questionnaire data is associated with the questionnaire response time (year/month, year/month/day, etc.), regional information, and answers to questions. Regional information may be, for example, the location of the venue where the questionnaire data was conducted, the location of the user (questionnaire respondent), or information selected and entered as an answer to a question asking the region to which the user belongs. may be
更に、アンケートの設問の一部又は全部は、アンケート日時(回答時期)より過去の期間を指定して、利用者より回答を行わせる形式の期間指定設問であってよい。例えば、「過去2ヵ月間で起こった肌の不調を以下から選択してください。」、「過去2年間で起こった肌の不調を以下から選択してください。」といった形式で、アンケート日時(回答時期)より過去の期間に対する回答を、選択形式や択一形式により受け付ける。 Furthermore, some or all of the questions in the questionnaire may be period-specified questions in which a period past the date and time of the questionnaire (response time) is specified and the user is asked to answer. For example, in the form of "Please select from the following skin problems that have occurred in the past two months." We will accept responses for periods earlier than the time period) in a multiple-choice format or a multiple-choice format.
期間指定設問に対しては、その期間を指定する為の期間指定データが対応付けられ、データベースDB3に記憶される。図5(b)は、期間指定データの一例を示す図である。例えば、アンケートID「1810」のアンケートについては、2ヵ月の期間が指定された期間指定設問(図示例における問題3-1~4-2)と、24ヵ月の期間が指定された期間指定設問(図示例における問題5-1~)と、が含まれる。 Period specification data for specifying the period is associated with the period specification question and stored in the database DB3. FIG. 5B is a diagram showing an example of period designation data. For example, for the questionnaire with the questionnaire ID "1810", there are questions with a specified period of 2 months (Questions 3-1 to 4-2 in the example shown) and questions with a specified period of 24 months ( Problems 5-1 to ) in the illustrated example are included.
以上から、アンケートデータには、アンケートの回答時期に関するメタ項目及び回答項目及び地域情報が対応付けられ、更に期間指定設問に対する回答項目について指定の期間が対応付けられている。 As described above, the questionnaire data is associated with the meta-items and response items related to the response time of the questionnaire, and the region information.
利用者データ生成手段204は、アンケートデータを用いて、回答時期に関する情報及び指定期間を用いて得られる暴露時期を取得時期、期間指定設問に対する回答項目を回答の項目とした利用者データを生成する。 The user data generation means 204 uses the questionnaire data to generate user data in which the exposure time obtained by using the information on the response time and the specified period is the acquisition time, and the response items to the time specified questions are the answer items. .
例えば、ステップS22において、アンケートデータより指定期間別に期間指定設問を取得し、アンケートの回答時期に関するメタ情報及び期間指定設問の指定期間を用いて暴露時期を推定し、暴露時期別の解答項目を取得する(ステップS23)。 For example, in step S22, a period-specified question is acquired for each specified period from the questionnaire data, the exposure period is estimated using the meta-information regarding the response time of the questionnaire and the specified period of the period-specified question, and answer items for each exposure period are acquired. (step S23).
そして、ステップS24において、変換処理手段203は、アンケートデータに対応付けられた地域に関する項目情報を、分析の為の所定の項目情報に変換処理する。ステップS25において、利用者データ生成手段204は、地域、暴露時期(取得時期)及び回答を含む複数項目の項目情報からなる利用者データを取得し、データベースDB4に格納する。 Then, in step S24, the conversion processing means 203 converts the item information related to the region associated with the questionnaire data into predetermined item information for analysis. In step S25, the user data generating means 204 acquires user data consisting of a plurality of item information including area, exposure time (acquisition time), and answer, and stores it in database DB4.
肌及び/又は体調に関する測定結果や問診結果を利用する場合、利用者データは、回答の項目に代えて、又は加えて、測定値や問診回答の項目を含んでよい。測定結果を利用する場合には、測定日などが取得時期に相当し、利用者の所在や、利用者が所属・活動する地域、測定場所などが地域に相当する。問診結果を利用する場合には、問診に対する回答時期や、問診内容によって指定される過去の暴露時期などが取得時期に相当し、利用者の所在や、利用者が所属・活動する地域、問診場所などが地域に相当する。また、利用者データは、必ずしもデータを加工して得たものでなくてもよく、データベースDBに格納された肌及び/又は体調に関するデータそのものを用いる構成としても構わない。 When using measurement results and interview results related to skin and/or physical condition, the user data may include measurement values and question answer items instead of or in addition to answer items. When the measurement results are used, the date of measurement corresponds to the time of acquisition, and the location of the user, the region where the user belongs or works, and the location of measurement corresponds to the region. When using the interview results, the acquisition time corresponds to the time of answering the interview, the time of past exposure specified by the contents of the interview, etc. etc. correspond to regions. Moreover, the user data does not necessarily have to be obtained by processing the data, and the data itself regarding the skin and/or physical condition stored in the database DB may be used.
図5(c)は、期間指定データ及びアンケートデータの回答時期の項目によって推定される暴露時期別の利用者データの一例を示す図である。例えば、上段は、アンケートデータの回答時期項目(2018年10月)から、2ヵ月前の期間が指定された期間指定設問(図示例における問題3-1~4-2)を集計した利用者データの一例であり、下段は、24ヵ月の期間が指定された期間指定設問(図示例における問題5-1~)を集計した利用者データの一例である。ここで、アンケートデータの日付項目に含まれる日付を無視して算出しているが、これらを加味して暴露時期を推定しても構わない。 FIG. 5(c) is a diagram showing an example of user data by exposure period estimated by the period designation data and the response period item of the questionnaire data. For example, the upper part shows user data that aggregates period-specified questions (questions 3-1 to 4-2 in the example shown) that specify the period two months ago from the response time item (October 2018) of the questionnaire data. This is an example, and the lower part is an example of user data obtained by aggregating period-specified questions (problems 5-1 to 5-1 in the illustrated example) in which a period of 24 months is specified. Here, the dates included in the date items of the questionnaire data are ignored in the calculation, but the exposure time may be estimated by taking these into account.
ここで、アンケートデータに対応付けられた地域は、必ずしも変換処理される必要はなく、アンケートデータに対応付けられた地域を、変換処理の目的である所定の地域とし、衛星データの地域に関する項目情報(位置情報)について変換処理する構成としてもよい。また、図示例では、推定した暴露時期を別に利用者データを集計しているが、必ずしもこのようなデータ加工処理は必要ない。 Here, the area associated with the questionnaire data does not necessarily need to be converted, and the area associated with the questionnaire data is assumed to be a predetermined area that is the purpose of the conversion process, and the item information related to the area of the satellite data (Positional information) may be converted. In addition, in the illustrated example, user data is aggregated separately for each estimated exposure time, but such data processing is not necessarily required.
<分析処理>
図6は、分析処理に係る処理フローチャートである。ステップS31において、取得手段205は、データベースDB2に格納された地域、測定時期及び近赤外線量を含む複数項目の項目情報からなる近赤外線データ並びに、データベースDB4に格納された地域、取得時期及び回答を含む複数項目の項目情報からなる利用者データを取得する。
<Analysis processing>
FIG. 6 is a processing flowchart relating to analysis processing. In step S31, the acquisition means 205 acquires near-infrared data consisting of a plurality of items of item information including the area, measurement time, and near-infrared amount stored in the database DB2, and the area, acquisition time, and answer stored in the database DB4. Acquire user data consisting of item information of multiple items including.
分析処理手段206は、共通する地域に関する近赤外線データ及び利用者データを用いて分析処理し、分析結果を算出する。本実施形態では、ステップS32に示すように、入力された近赤外線データに含まれる1又は複数の項目及び入力された利用者データの1又は複数の項目の組み合わせに基づいて、分析結果として項目の相関を算出する。 Analysis processing means 206 performs analysis processing using near-infrared data and user data relating to a common area, and calculates an analysis result. In this embodiment, as shown in step S32, based on a combination of one or more items included in the input near-infrared data and one or more items in the input user data, items are analyzed as Calculate the correlation.
得られた相関に基づいて、例えば、入力された近赤外線量に基づく影響度を算出する予測式を設定することができる。予測手段207は、地域別に入力された近赤外線量を用いて、入力された近赤外線量に基づく肌及び/又は健康に対する影響度予測を行う。予測手段207で入力される近赤外線量は、予測した各地域の将来の近赤外線量であってもよいし、反射近赤外線量や地上近赤外線量の測定値であってもよい。 Based on the obtained correlation, for example, a prediction formula for calculating the degree of influence based on the input amount of near-infrared rays can be set. The prediction unit 207 uses the near-infrared amount input for each region to predict the degree of influence on the skin and/or health based on the input near-infrared amount. The amount of near-infrared rays input by the prediction means 207 may be a predicted future amount of near-infrared rays in each region, or may be a measured value of reflected near-infrared amount or terrestrial near-infrared amount.
<表示処理>
ウェブサーバ4は、機能構成要素として、端末装置3からの表示処理に基づいて、分析処理装置2での分析処理結果に基づくウェブページを表示処理し、その表示処理結果を送信する表示手段401を備える。表示手段401は、地域別予測画面を表示処理して処理結果を送信し、端末装置3は前記処理結果に基づいて地域別予測画面を表示する。
<Display processing>
The
図7は、地域別予測画面の画面表示例である。地域別予測画面W1は、入力された近赤外線量に基づいて、域別の「美肌指数」を地図上に表示している。本実施形態においては、肌状態項目のひとつとして美肌指数を扱い、近赤外線レベルに応じて予め定義された美肌指数を、地域別予測画面W1の表示に用いる。 FIG. 7 is a screen display example of the region-specific prediction screen. The prediction screen W1 for each region displays the "beautiful skin index" for each region on the map based on the input amount of near-infrared rays. In this embodiment, the beautiful skin index is treated as one of the skin condition items, and the beautiful skin index defined in advance according to the near-infrared level is used for displaying the regional prediction screen W1.
<実施形態2>
ついで、本発明の第2実施形態について図8及び図9を参照して説明する。本実施形態では、機械学習装置6は、分析処理手段206に代えて、学習手段208を備える構成としたものである。なお、前述した第1実施形態と同様の構成については同一符号を用いて説明を簡略化する。
<
Next, a second embodiment of the present invention will be described with reference to FIGS. 8 and 9. FIG. In this embodiment, the machine learning device 6 is configured to include learning means 208 instead of the analysis processing means 206 . It should be noted that the same reference numerals are used for the same configurations as in the first embodiment described above, and the description thereof will be simplified.
図8は、機械学習装置6のハードウェア構成図である。また、図9は、学習処理に係る処理フローチャートである。本実施形態では、第1実施形態と同様に格納手段201と、近赤外線データ生成手段202と、変換処理手段203と、利用者データ生成手段204と、を用いて、所定の地域が対応付けられた近赤外線データ及び利用者データが、データベースDB2,4に格納される。 FIG. 8 is a hardware configuration diagram of the machine learning device 6. As shown in FIG. Also, FIG. 9 is a processing flowchart relating to the learning processing. In this embodiment, as in the first embodiment, a predetermined area is associated using storage means 201, near-infrared data generation means 202, conversion processing means 203, and user data generation means 204. The obtained near-infrared data and user data are stored in databases DB2 and DB4.
<学習処理>
取得手段205は、データベースDB2より、地域、測定時期及び近赤外線量を含む複数項目の項目情報からなる近赤外線データを取得し、データベースDB4より、地域、取得時期及び回答を含む複数項目の項目情報からなる利用者データを取得する。
<Learning processing>
Acquisition means 205 acquires near-infrared data consisting of a plurality of items of item information including region, time of measurement and near-infrared amount from database DB2, and acquires a plurality of items of item information including region, acquisition time and answer from database DB4. Acquire user data consisting of
そして、図9のステップS41に示すように、対応する地域及び時期項目を含む近赤外線データ及び利用者データの組み合わせを教師データとして受け付ける。学習手段208は、入力された近赤外線データ及び利用者データを用いて、学習処理を行い、ステップS42において、近赤外線データに基づく肌及び/又は健康に対する影響度予測を行う為の影響度予測モデルについて、パラメータの更新処理を行う。 Then, as shown in step S41 of FIG. 9, a combination of near-infrared data and user data including corresponding area and time items is accepted as teacher data. The learning means 208 performs learning processing using the input near-infrared data and user data, and in step S42, an impact prediction model for predicting the degree of impact on skin and/or health based on the near-infrared data. , update the parameters.
<表示処理>
予測手段207は、地域別に入力された近赤外線量及び影響度予測モデルを用いて、入力された近赤外線量に基づく地域別の肌及び/又は健康に対する影響度予測を実施する。
<Display processing>
The prediction means 207 uses the near-infrared amount and the influence degree prediction model input for each region to perform the influence degree prediction on the skin and/or health for each region based on the input near-infrared amount.
ウェブサーバ4は、予測手段207の予測結果を利用して、端末装置3からの表示処理に基づいて、分析処理装置2での分析処理結果に基づくウェブページを表示処理し、その表示処理結果を送信する。端末装置3は表示処理結果に基づいて地域別予測画面を表示する。
Using the prediction result of the prediction means 207, the
1 処理システム
11 演算装置(CPU)
12 主記憶装置(RAM)
13 補助記憶装置
14 通信制御部
15 通信インタフェース(IF)部
16 表示制御部
17 表示部
18 情報入力・指定部
2 分析処理装置
21 演算装置(CPU)
22 主記憶装置(RAM)
23 補助記憶装置
24 通信制御部
25 通信インタフェース(IF)部
201 格納手段
202 近赤外線データ生成手段
203 変換処理手段
204 利用者データ生成手段
205 取得手段
206 分析処理手段
207 予測手段
208 学習手段
3 端末装置
4 ウェブサーバ
401 表示手段
DB1~DB4 データベース
NW 通信ネットワーク
SA 人工衛星
SS 衛星データ提供サーバ
1
12 main memory (RAM)
13
22 main memory (RAM)
23
Claims (7)
地域、測定時期及び近赤外線量を含む複数項目の項目情報からなる近赤外線データ並びに地域、取得時期及び回答を含む複数項目の項目情報からなる利用者データを取得する取得手段と、
共通する地域に関する前記近赤外線データ及び利用者データを用いて、分析処理する分析処理手段と、を備え、
前記分析処理は、入力された前記近赤外線データに含まれる1又は複数の項目及び入力された利用者データの1又は複数の項目の組み合わせに基づいて、分析結果として項目の相関を算出し、
さらに、前記分析結果に基づいて、地域別に入力された近赤外線量を用いて、前記近赤外線量に基づく肌及び/又は健康に対する影響度予測を地域別に行う予測手段、を備えることを特徴とする分析処理装置。 An analysis processing device for analyzing the effects of near-infrared rays on skin and/or physical condition,
Acquisition means for acquiring near-infrared data consisting of multiple items of item information including area, time of measurement and near-infrared amount, and user data consisting of multiple items of item information including area, acquisition time and answer;
analysis processing means for performing analysis processing using the near-infrared data and user data related to a common area;
In the analysis process , based on a combination of one or more items included in the input near-infrared data and one or more items of input user data, a correlation of items is calculated as an analysis result,
Further, a prediction means for predicting the degree of influence on the skin and/or health based on the near-infrared amount for each region, using the near-infrared amount input for each region based on the analysis result. Analytical processor.
前記分析処理は、前記変換処理によって与えられる項目情報に基づいて、地域を対応付けられた前記近赤外線データ及び利用者データを用いることを特徴とする請求項1に記載の分析処理装置。 conversion processing means for converting the item information about the area into predetermined item information;
2. The analysis processing apparatus according to claim 1, wherein said analysis processing uses said near-infrared data and user data associated with regions based on item information given by said conversion processing.
前記回答時期に関する情報及び前記指定の期間を用いて得られる暴露時期を前記取得時期、前記期間指定設問に対する回答項目を前記回答として、前記利用者データを生成することを特徴とする請求項1~3の何れかに記載の分析処理装置。 User data generation means for generating the user data using data that includes information about the timing of responding to questionnaires and/or medical interviews and that associates a specified period with an answer item for a specified period question,
Claims 1 to 3, wherein the user data is generated with the exposure time obtained by using the information on the response time and the specified time period as the acquisition time, and the response item to the time-specified question as the answer. 4. The analysis processing device according to any one of 3 .
地域、測定時期及び近赤外線量を含む複数項目の項目情報からなる近赤外線データ並びに地域、取得時期及び回答を含む複数項目の項目情報からなる利用者データを取得する取得手段と、
対応する地域及び時期項目を含む前記近赤外線データ及び利用者データの組み合わせを教師データとして用いて、学習処理する学習処理手段と、を備え、
前記学習処理は、入力された前記近赤外線データ及び利用者データに基づいて前記近赤外線データに基づく肌及び/又は健康に対する影響度予測を行う為の影響度予測モデルについて、パラメータを更新する処理を含み、
前記影響度予測モデルは、地域別に入力された近赤外線量に基づく地域別の肌及び/又は健康に対する影響度予測を出力することを特徴とする機械学習装置。 A machine learning device for machine learning the effects of near-infrared rays on the skin and / or physical condition,
Acquisition means for acquiring near-infrared data consisting of multiple items of item information including area, time of measurement and near-infrared amount, and user data consisting of multiple items of item information including area, acquisition time and answer;
learning processing means for performing learning processing using a combination of the near-infrared data and user data , including the corresponding area and time items, as teacher data;
The learning process includes updating parameters for an impact prediction model for predicting the impact on skin and/or health based on the near-infrared data and user data that have been input. including
The machine learning device , wherein the influence degree prediction model outputs an influence degree prediction on the skin and/or health for each region based on the amount of near-infrared rays input for each region .
地域、測定時期及び近赤外線量を含む複数項目の項目情報からなる近赤外線データ並びに地域、取得時期及び回答を含む複数項目の項目情報からなる利用者データを取得するステップと、
共通する地域に関する前記近赤外線データ及び利用者データを用いて、分析処理するステップと、をコンピュータが実行し、
前記分析処理は、入力された前記近赤外線データに含まれる1又は複数の項目及び入力された利用者データの1又は複数の項目の組み合わせに基づいて、分析結果として項目の相関を算出し、
さらに、前記分析結果に基づいて、地域別に入力された近赤外線量を用いて、前記近赤外線量に基づく肌及び/又は健康に対する影響度予測を地域別に行うステップを、コンピュータが実行することを特徴とする分析処理方法。 An analysis processing method for analyzing the effects of near-infrared rays on skin and/or physical condition,
a step of acquiring near-infrared data consisting of multiple items of item information including area, time of measurement and near-infrared amount, and user data consisting of multiple items of item information including area, acquisition time and answer;
A computer executes a step of analyzing and processing using the near-infrared data and user data related to a common area,
In the analysis process , based on a combination of one or more items included in the input near-infrared data and one or more items of input user data, a correlation of items is calculated as an analysis result,
Furthermore, based on the analysis result, the computer executes a step of predicting the degree of impact on skin and / or health based on the near-infrared amount for each area, using the near-infrared amount input for each area. analysis processing method.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018205739A JP7145729B2 (en) | 2018-10-31 | 2018-10-31 | Analysis processing device, analysis processing method, and machine learning device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018205739A JP7145729B2 (en) | 2018-10-31 | 2018-10-31 | Analysis processing device, analysis processing method, and machine learning device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020071701A JP2020071701A (en) | 2020-05-07 |
JP7145729B2 true JP7145729B2 (en) | 2022-10-03 |
Family
ID=70549549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018205739A Active JP7145729B2 (en) | 2018-10-31 | 2018-10-31 | Analysis processing device, analysis processing method, and machine learning device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7145729B2 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002311158A (en) | 2001-04-19 | 2002-10-23 | Metocean Environment Inc | System, method, and program for downloading medical meteorological forecast |
JP2012073688A (en) | 2010-09-28 | 2012-04-12 | Nec Casio Mobile Communications Ltd | Sunburn prevention notification device, sunburn prevention notification method, and program |
-
2018
- 2018-10-31 JP JP2018205739A patent/JP7145729B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002311158A (en) | 2001-04-19 | 2002-10-23 | Metocean Environment Inc | System, method, and program for downloading medical meteorological forecast |
JP2012073688A (en) | 2010-09-28 | 2012-04-12 | Nec Casio Mobile Communications Ltd | Sunburn prevention notification device, sunburn prevention notification method, and program |
Also Published As
Publication number | Publication date |
---|---|
JP2020071701A (en) | 2020-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Besnard et al. | Quantifying the effect of forest age in annual net forest carbon balance | |
De Jong et al. | Extending lee–carter mortality forecasting | |
Jones et al. | Improving rural health care reduces illegal logging and conserves carbon in a tropical forest | |
Bridge et al. | Electricity, income, and quality of life | |
Nikolaev et al. | Education and happiness: an alternative hypothesis | |
Lindoso et al. | Integrated assessment of smallholder farming’s vulnerability to drought in the Brazilian Semi-arid: a case study in Ceará | |
Dimas et al. | Productive performance and its components in Greek public hospitals | |
Nawrotzki et al. | Climate, migration, and the local food security context: introducing Terra Populus | |
Mänttäri-Van Der Kuip | The deteriorating work-related well-being among statutory social workers in a rigorous economic context | |
Moran et al. | Does nature contact in prison improve well-being? Mapping land cover to identify the effect of greenspace on self-harm and violence in prisons in England and Wales | |
Jiang et al. | A panel vector error correction approach to forecasting demand in regional construction markets | |
Krabel | Are entrepreneurs made on campus? The impact of entrepreneurial universities and graduates’ human capital on graduates’ occupational choice | |
Jenkins | Indirect economic losses of drought under future projections of climate change: a case study for Spain | |
Benestad et al. | On using principal components to represent stations in empirical–statistical downscaling | |
Gil-Alana et al. | Testing Okun’s law. Theoretical and empirical considerations using fractional integration | |
Meroni et al. | Evaluation of the Standardized Precipitation Index as an early predictor of seasonal vegetation production anomalies in the Sahel | |
CN109831488A (en) | Information recommendation method and system, readable storage medium storing program for executing | |
Lin et al. | The implications of serial correlation and time-lag effects for the impact study of climate change on vegetation dynamics–a case study with Hulunber meadow steppe, Inner Mongolia | |
Sovinsky et al. | Dynamic modelling of long-term care decisions | |
Woodard | Impacts of weather and time horizon selection on crop insurance ratemaking: A conditional distribution approach | |
Sato et al. | The impact of institutional factors on the performance of genuine savings | |
Klößner et al. | Outside the box: Using synthetic control methods as a forecasting technique | |
Monras | Local Adjustment to Immigrant-Driven Labor Supply Shocks | |
Silva et al. | Worker and firm heterogeneity, agglomeration, and wages in Brazil | |
Abbasi et al. | Global shocks of education, health, and environmental footprint on national development in the twenty-first century: A threshold structural VAR analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210819 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220610 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220719 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220831 |
|
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: 20220913 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7145729 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |