JP7177107B2 - 情報処理装置、情報処理方法および情報処理プログラム - Google Patents
情報処理装置、情報処理方法および情報処理プログラム Download PDFInfo
- Publication number
- JP7177107B2 JP7177107B2 JP2020019975A JP2020019975A JP7177107B2 JP 7177107 B2 JP7177107 B2 JP 7177107B2 JP 2020019975 A JP2020019975 A JP 2020019975A JP 2020019975 A JP2020019975 A JP 2020019975A JP 7177107 B2 JP7177107 B2 JP 7177107B2
- Authority
- JP
- Japan
- Prior art keywords
- service
- information processing
- services
- user
- 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
- 230000010365 information processing Effects 0.000 title claims description 107
- 238000003672 processing method Methods 0.000 title claims description 10
- 239000013598 vector Substances 0.000 claims description 101
- 230000007704 transition Effects 0.000 claims description 77
- 238000000034 method Methods 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 28
- 238000012800 visualization Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 22
- 238000004891 communication Methods 0.000 description 15
- 238000012552 review Methods 0.000 description 15
- 238000011160 research Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 9
- 230000004308 accommodation Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
まず、図1を参照し、実施形態に係る情報処理装置が行う情報処理方法の概要について説明する。図1は、実施形態に係る情報処理方法の概要を示す説明図である。なお、図1では、サービス利用目的(利用のされ方)を定量的に分析し、サービス毎のベクトルを生成する場合を例に挙げて説明する。
情報処理装置100は、サービス利用遷移シーケンスにおいて、調査対象サービスに近い利用目的(利用のされ方)のサービスを列挙し、調査対象サービスの利用目的の把握と、グルーピングを行う。
ベクトル表現化方式のように、ある観点(例えば、文献や論文)から類似する対象(例えば、単語)をベクトル化した際に類似するベクトルを生成し、類似しない対象をベクトル化した際に類似しないベクトルを生成した場合、モデルは、その観点における対象の概念を学習することができると考えられることが知られている。例えば、2つの単語について、出現頻度や出現順序、文章中における共起性等に基づいた類似性を用いて、モデルの学習を行うことで、モデルに各単語の概念を学習させることができると推定される。
次に、図3を用いて、実施形態に係る情報処理装置100が含まれる情報処理システム1の構成について説明する。図3は、実施形態に係る情報処理システム1の構成例を示す図である。図3に示すように、実施形態に係る情報処理システム1は、端末装置10と情報処理装置100と情報提供装置200とを含む。これらの各種装置は、ネットワークNを介して、有線又は無線により通信可能に接続される。ネットワークNは、例えば、LAN(Local Area Network)や、インターネット等のWAN(Wide Area Network)である。
次に、図4を用いて、実施形態に係る情報処理装置100の構成について説明する。図4は、実施形態に係る情報処理装置100の構成例を示す図である。図4に示すように、情報処理装置100は、通信部110と、記憶部120と、制御部130とを有する。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。また、通信部110は、ネットワークN(図3参照)と有線又は無線で接続される。
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、又は、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。図4に示すように、記憶部120は、利用者データベース121と、シーケンスデータベース122と、サービス利用目的データベース123とを有する。
利用者データベース121は、利用者Uに関する各種情報を記憶する。例えば、利用者データベース121は、利用者Uの属性等の種々の情報を記憶する。図5は、利用者データベース121の一例を示す図である。図5に示した例では、利用者データベース121は、「利用者ID(Identifier)」、「年齢」、「性別」、「自宅」、「勤務地」、「サービス」、「アクセスログ」といった項目を有する。
シーケンスデータベース122は、利用者Uの同一セッションでのサービスの利用に関するアクセスログから作成したサービス利用遷移シーケンスデータに関する各種情報を記憶する。図6は、シーケンスデータベース122の一例を示す図である。図6に示した例では、シーケンスデータベース122は、「利用者ID」、「シーケンスID」、「サービス利用遷移シーケンス」といった項目を有する。
サービス利用目的データベース123は、調査対象サービスに関する各種情報を記憶する。図7は、サービス利用目的データベース123の一例を示す図である。図7に示した例では、サービス利用目的データベース123は、「対象サービス」、「近傍サービス」、「スコア」といった項目を有する。
図4に戻り、説明を続ける。制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等によって、情報処理装置100内部の記憶装置に記憶されている各種プログラム(情報処理プログラムの一例に相当)がRAM等の記憶領域を作業領域として実行されることにより実現される。図4に示す例では、制御部130は、受付部131と、取得部132と、作成部133と、学習部134と、可視化部135と、分析部136と、提供部137とを有する。
受付部131は、通信部110を介して、各利用者Uの端末装置10から、各利用者Uに関する各種情報の登録を受付け、利用者データベース121に記憶する。
取得部132は、通信部110を介して、各情報提供装置200から、各利用者Uのアクセスログを取得する。
作成部133は、取得された各利用者Uのアクセスログから、同一セッションでのサービスの利用に関するサービス利用遷移シーケンスデータを作成する。
学習部134は、ベクトル表現化方式等の学習手法や同様の手法を用いて、モデルにサービス利用遷移シーケンスデータが有する特徴を学習させる。そして、学習部134は、学習済のモデルを用いて、サービス毎のベクトルを生成する。なお、モデルは、任意の種別のモデルが採用可能である。
可視化部135は、サービス毎のベクトルを2次元に次元圧縮し可視化する。
分析部136は、可視化されたサービス毎のベクトルに関する情報に基づいて、サービス利用目的を分析する。
提供部137は、通信部110を介して、サービス利用目的の分析結果に関する情報を外部に提供する。例えば、提供部137は、外部からの要求に応じて、サービス利用目的の分析結果に関するレポートを提供してもよい。なお、提供部137は、サービス利用目的の分析結果に関する情報を、ディスプレイ等の表示装置に表示させる表示制御部として機能してもよい。
次に、図8を用いて実施形態に係る情報処理装置100による処理手順について説明する。図8は、実施形態に係る処理手順を示すフローチャートである。なお、以下に示す処理手順は、情報処理装置100の制御部130によって繰り返し実行される。
上述した端末装置10および情報処理装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、実施形態の変形例について説明する。
上述してきたように、本願に係る情報処理装置100は、生成部(学習部134)と、可視化部135とを備える。生成部は、各利用者Uのサービス利用の遷移を示すシーケンスデータから、サービス利用の遷移態様が有する特徴に基づいて、サービス毎のベクトルを生成する。例えば、生成部は、「サービスの遷移順序」、「同一セッションで利用されているか」等、サービス利用の遷移態様が有する特徴をモデルに学習させ、学習結果から、各サービスをベクトル化する。可視化部135は、サービス毎のベクトルを可視化する。これにより、より効果的に利用者のサービス利用に関するベクトルを分析することができる。
また、上述した実施形態に係る端末装置10や情報処理装置100は、例えば図9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。以下、情報処理装置100を例に挙げて説明する。図9は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力I/F(Interface)1060、入力I/F1070、ネットワークI/F1080がバス1090により接続された形態を有する。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。
10 端末装置
100 情報処理装置
110 通信部
120 記憶部
121 利用者データベース
122 シーケンスデータベース
123 サービス利用目的データベース
130 制御部
131 受付部
132 取得部
133 作成部
134 学習部
135 可視化部
136 分析部
137 提供部
200 情報提供装置
Claims (18)
- 各利用者のサービス利用の遷移について、利用されるサービスの遷移順序に沿って並べたシーケンスデータから、利用されるサービスの遷移順序が有する特徴に基づいて、前記シーケンスデータをベクトル表現化方式の深層学習により学習し、サービス毎のベクトルを生成する生成部と、
サービス毎のベクトルを可視化する可視化部と
を備え、
前記サービスは、ウェブコンテンツ、アプリケーション、プログラムの機能、データ及び分析したいユーザの行動を任意の粒度でサービスとみなしたもののうち少なくとも1つを含む
ことを特徴とする情報処理装置。 - 前記生成部は、前記シーケンスデータにおいて同一セッション内で出現するサービスについては類似するベクトルを生成する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記生成部は、前記シーケンスデータにおいて近しいタイミングで利用されるサービスについては類似するベクトルを生成する
ことを特徴とする請求項1又は2に記載の情報処理装置。 - 前記生成部は、前記シーケンスデータにおいて連続して利用されるサービスについては類似するベクトルを生成する
ことを特徴とする請求項1~3のうちいずれか1つに記載の情報処理装置。 - 前記シーケンスデータは、同一セッションでのサービスの利用に関するサービス利用遷移シーケンスデータであり、
同一セッションでのサービスの単位は、ウェブコンテンツごと、アプリごと、ドメインごと、又はサブドメインごとである
ことを特徴とする請求項1~4のうちいずれか1つに記載の情報処理装置。 - 各サービスの提供元から、各利用者のサービス利用を示すアクセスログを取得する取得部と
をさらに備えることを特徴とする請求項1~5のうちいずれか1つに記載の情報処理装置。 - 前記アクセスログから同一セッションでのサービス利用の遷移を示すシーケンスデータを作成する作成部と
をさらに備えることを特徴とする請求項6に記載の情報処理装置。 - 前記可視化部は、調査対象サービスの利用目的を定量化し、変化を可視化する
ことを特徴とする請求項1~7のうちいずれか1つに記載の情報処理装置。 - 調査対象サービスに近い利用のされ方のサービスを列挙する列挙部と、
前記調査対象サービスと前記列挙されたサービスとから前記調査対象サービスの利用目的を分析する分析部と
をさらに備えることを特徴とする請求項1~8のうちいずれか1つに記載の情報処理装置。 - 前記分析部は、前記調査対象サービスと前記列挙されたサービスとについてグルーピングを行う
ことを特徴とする請求項9に記載の情報処理装置。 - 前記分析部は、前記調査対象サービスの利用目的に基づいて、前記調査対象サービスの今後の伸び代を分析する
ことを特徴とする請求項9又は10に記載の情報処理装置。 - 前記可視化部は、前記調査対象サービスのベクトルと、競合サービスのベクトルとを可視化し、
前記分析部は、前記調査対象サービスと前記競合サービスとのベクトルの引き算をすることにより、前記調査対象サービスになくて、前記競合サービスにあるものを分析する
ことを特徴とする請求項9~11のうちいずれか1つに記載の情報処理装置。 - 前記生成部は、多次元のベクトルを生成し、
前記可視化部は、前記多次元のベクトルを2次元に次元圧縮して可視化する
ことを特徴とする請求項1~12のうちいずれか1つに記載の情報処理装置。 - 可視化されたサービス毎のベクトルに関する情報を提供する提供部と
をさらに備えることを特徴とする請求項1~13のうちいずれか1つに記載の情報処理装置。 - 前記生成部は、各利用者の属性に応じたサービス利用の遷移について、利用されるサービスの遷移順序に沿って並べたシーケンスデータから、利用されるサービスの遷移順序が有する特徴に基づいて、サービス毎のベクトルを生成する
ことを特徴とする請求項1~14のうちいずれか1つに記載の情報処理装置。 - 前記生成部は、各利用者のサービス利用時の状況に応じたサービス利用の遷移について、利用されるサービスの遷移順序に沿って並べたシーケンスデータから、利用されるサービスの遷移順序が有する特徴に基づいて、サービス毎のベクトルを生成する
ことを特徴とする請求項1~15のうちいずれか1つに記載の情報処理装置。 - 情報処理装置が実行する情報処理方法であって、
各利用者のサービス利用の遷移について、利用されるサービスの遷移順序に沿って並べたシーケンスデータから、利用されるサービスの遷移順序が有する特徴に基づいて、前記シーケンスデータをベクトル表現化方式の深層学習により学習し、サービス毎のベクトルを生成する生成工程と、
サービス毎のベクトルを可視化する可視化工程と
を含み、
前記サービスは、ウェブコンテンツ、アプリケーション、プログラムの機能、データ及び分析したいユーザの行動を任意の粒度でサービスとみなしたもののうち少なくとも1つを含む
ことを特徴とする情報処理方法。 - 各利用者のサービス利用の遷移について、利用されるサービスの遷移順序に沿って並べたシーケンスデータから、利用されるサービスの遷移順序が有する特徴に基づいて、前記シーケンスデータをベクトル表現化方式の深層学習により学習し、サービス毎のベクトルを生成する生成手順と、
サービス毎のベクトルを可視化する可視化手順と
をコンピュータに実行させ、
前記サービスは、ウェブコンテンツ、アプリケーション、プログラムの機能、データ及び分析したいユーザの行動を任意の粒度でサービスとみなしたもののうち少なくとも1つを含む
ことを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020019975A JP7177107B2 (ja) | 2020-02-07 | 2020-02-07 | 情報処理装置、情報処理方法および情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020019975A JP7177107B2 (ja) | 2020-02-07 | 2020-02-07 | 情報処理装置、情報処理方法および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021125128A JP2021125128A (ja) | 2021-08-30 |
JP7177107B2 true JP7177107B2 (ja) | 2022-11-22 |
Family
ID=77460113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020019975A Active JP7177107B2 (ja) | 2020-02-07 | 2020-02-07 | 情報処理装置、情報処理方法および情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7177107B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023238318A1 (ja) * | 2022-06-09 | 2023-12-14 | 日本電信電話株式会社 | 学習装置、代替系列データ抽出装置、学習方法、代替系列データ抽出方法、及びコンピュータプログラム |
JP7499397B1 (ja) | 2023-11-16 | 2024-06-13 | 株式会社ビデオリサーチ | 行動予測モデル作成方法および当該行動予測モデル作成方法を用いた集団行動予測方法 |
JP7509506B1 (ja) | 2023-11-16 | 2024-07-02 | 株式会社ビデオリサーチ | 行動モデル作成方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004030088A (ja) | 2002-06-25 | 2004-01-29 | Mitsubishi Electric Corp | 工期管理システム及びそれに用いる記録媒体 |
JP2004126975A (ja) | 2002-10-03 | 2004-04-22 | Nippon Telegr & Teleph Corp <Ntt> | 選好傾向類似ユーザ抽出方法及び装置、並びに選好傾向類似ユーザ抽出プログラム及びそれを記録した記録媒体 |
JP2007034945A (ja) | 2005-07-29 | 2007-02-08 | Ntt Data Corp | サービス関係分析装置、サービス関係分析方法、およびサービス関係分析プログラム |
JP2009128937A (ja) | 2007-11-19 | 2009-06-11 | Nippon Telegr & Teleph Corp <Ntt> | Web閲覧行動特徴抽出装置及びプログラム |
JP2016062411A (ja) | 2014-09-19 | 2016-04-25 | ヤフー株式会社 | 情報分析装置、情報分析方法および情報分析プログラム |
JP2019109788A (ja) | 2017-12-19 | 2019-07-04 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
-
2020
- 2020-02-07 JP JP2020019975A patent/JP7177107B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004030088A (ja) | 2002-06-25 | 2004-01-29 | Mitsubishi Electric Corp | 工期管理システム及びそれに用いる記録媒体 |
JP2004126975A (ja) | 2002-10-03 | 2004-04-22 | Nippon Telegr & Teleph Corp <Ntt> | 選好傾向類似ユーザ抽出方法及び装置、並びに選好傾向類似ユーザ抽出プログラム及びそれを記録した記録媒体 |
JP2007034945A (ja) | 2005-07-29 | 2007-02-08 | Ntt Data Corp | サービス関係分析装置、サービス関係分析方法、およびサービス関係分析プログラム |
JP2009128937A (ja) | 2007-11-19 | 2009-06-11 | Nippon Telegr & Teleph Corp <Ntt> | Web閲覧行動特徴抽出装置及びプログラム |
JP2016062411A (ja) | 2014-09-19 | 2016-04-25 | ヤフー株式会社 | 情報分析装置、情報分析方法および情報分析プログラム |
JP2019109788A (ja) | 2017-12-19 | 2019-07-04 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
Non-Patent Citations (1)
Title |
---|
保坂 大樹,意味空間上の分布表現に基づくWebサイトと閲覧ユーザの統合分析モデル,情報処理学会 論文誌(ジャーナル)[online],日本,情報処理学会,2019年08月15日,第60巻 第8号,pp.1338-1349 |
Also Published As
Publication number | Publication date |
---|---|
JP2021125128A (ja) | 2021-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7177107B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
TWI570583B (zh) | 於搜尋結果頁內提供已標定應用程式之系統與方法 | |
JP2019125145A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
US20180239790A1 (en) | Provision device, provision method and non-transitory computer readable storage medium | |
Mata-Rivera et al. | A collaborative learning approach for geographic information retrieval based on social networks | |
US11556547B2 (en) | Determination apparatus, determination method, and non-transitory computer readable storage medium | |
JP2019125317A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7174782B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
US20210397623A1 (en) | Learning apparatus, learning method, and non-transitory computer readable storage medium | |
JP6043840B1 (ja) | 分類装置、分類方法、及び分類プログラム | |
JP2022178650A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Liu et al. | Social-Transportation Analytic Toolbox (STAT) for Transit Networks | |
JP7145901B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP7145247B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP7144468B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP7321977B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP6948425B2 (ja) | 判定装置、判定方法及び判定プログラム | |
JP7427634B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2019125146A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7459026B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2023043762A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP6342027B1 (ja) | 提供装置、提供方法および提供プログラム | |
JP2023043779A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2024012834A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2022126427A (ja) | 情報処理装置、情報処理方法、情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210916 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220801 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220916 |
|
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: 20221101 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221110 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7177107 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 |