JP7218633B2 - 情報処理装置及びプログラム - Google Patents
情報処理装置及びプログラム Download PDFInfo
- Publication number
- JP7218633B2 JP7218633B2 JP2019050814A JP2019050814A JP7218633B2 JP 7218633 B2 JP7218633 B2 JP 7218633B2 JP 2019050814 A JP2019050814 A JP 2019050814A JP 2019050814 A JP2019050814 A JP 2019050814A JP 7218633 B2 JP7218633 B2 JP 7218633B2
- Authority
- JP
- Japan
- Prior art keywords
- group
- similarity
- candidate
- candidates
- groups
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063118—Staff planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Description
請求項2に記載の発明は、前記決定手段は、前記複数の候補のそれぞれについて、過去のグループ活動の各実行回に使用された複数のグループに対する類似の度合いが最も高くなる値を特定し、特定された複数の値の中で類似の度合いが最も高い値に対応する候補を、今回のグループ活動で使用する候補の対象から除外する、請求項1に記載の情報処理装置である。
請求項3に記載の発明は、前記決定手段は、特定された前記複数の値の中で類似の度合いが最も低い値に対応する候補を、今回のグループ活動で使用する候補に決定する、請求項2に記載の情報処理装置である。
請求項4に記載の発明は、前記算出手段により算出された類似の度合いに対し、実行回又は現在までに経過した時間に応じた補正の係数を乗算する、請求項1に記載の情報処理装置である。
請求項5に記載の発明は、前記補正の係数は、古い実行回ほど又は現在までに経過した時間が長いほど、補正前に比して類似の度合いが低くなるように与えられる、請求項4に記載の情報処理装置である。
請求項6に記載の発明は、コンピュータに、参加予定者の全員を複数のグループに割り当てた関係を1つの候補とする場合に、複数のグループへの割り当ての関係が異なる複数の候補を生成する機能と、生成された前記複数の候補のそれぞれについて、過去のグループ活動の実行回毎に使用された複数のグループとの類似の度合いを、グループ活動の実行回毎に算出する機能と、生成された前記複数の候補のうちで、グループ活動の各実行回との類似の度合いが最も高い候補以外から、今回のグループ活動で使用する候補を決定する機能とを実行させるプログラムである。
請求項2記載の発明によれば、少なくとも過去のいずれかの実行回で使用された複数のグループとの類似の度合いが高い候補を使用の対象から除外できる。
請求項3記載の発明によれば、過去の実行回で使用された複数のグループとは可能な限り異なる候補を採用するので、新たに構成するグループによる活動の成果を高めることができる。
請求項4記載の発明によれば、特定の実行回で使用された複数のグループとの類似の度合いが候補の決定に与える影響を調整できる。
請求項5記載の発明によれば、新しい実行回で使用されたグループ、又は、現在までに経過した時間が短いグループに対する類似の度合いが高い候補が選ばれ難くできる。
請求項6記載の発明によれば、新たに構成するグループの候補と過去に構成されたグループとの類似の度合いを考慮しない場合に比して、新たに構成するグループによる活動の成果を高めることができる。
<実施の形態>
<システムの全体構成>
図1は、実施の形態で使用する情報処理システム1の概念構成を説明する図である。
図1に示す情報処理システム1は、教育機関における使用を想定している。このため、情報処理システム1は、教員等が操作するクライアント端末10と、管理データを管理する管理サーバ20と、過去の実行回で使用したグループの情報を記録するグループデータベース30と、グループ学習で使用するグループを生成するグループ生成装置40とで構成されている。
クライアント端末10、管理サーバ20、グループデータベース30、グループ生成装置40は、いずれもネットワーク50を介して接続されている。ここでのグループ学習は、与えられたテーマについて複数名で議論するグループ活動の一形態である。
教員は、クライアント端末10を操作して、今回のグループ学習で使用するグループの生成をグループ生成装置40に指示する。
管理サーバ20がLMSの場合、学習の履歴、成果、出欠の記録、課題の提出の記録等が、管理データとして管理される。
管理サーバ20が教務システムの場合、履修の記録、成績、学年、学部、学科、専攻等が、管理データとして管理される。
管理サーバ20が図書システムの場合、貸出の記録、閲覧の記録等が、管理データとして管理される。
管理サーバ20に記録されている情報は、教師が操作する端末及び生徒が操作する端末のいずれからも閲覧が可能である。例えば教員が操作する端末からは、管理サーバ20で管理されている生徒の成績の閲覧や管理サーバ20への学習教材のアップロードが可能である。また、生徒が操作する端末からは、管理サーバ20で管理されている学習教材や自身の成績等の閲覧が可能である。
グループ生成装置40は、管理サーバ20やグループデータベース30との連携により、今回のグループ学習で使用するグループのメンバー構成を生成するコンピュータである。
ネットワーク50は、例えばインターネット、LAN(=Local Area Network)である。ネットワーク50は、無線でも有線でもよい。
図2は、クライアント端末10(図1参照)、管理サーバ20(図1参照)、グループ生成装置40の構成例を説明する図である。前述したように、クライアント端末10、管理サーバ20、グループ生成装置40は、いずれもコンピュータを基本構成とする。図2においては、代表例として、グループ生成装置40について説明する。
制御ユニット401は、CPU(=Central Processing Unit)411と、ファームウェアやBIOS(=Basic Input Output System)等が記憶されたROM(=Read Only Memory)412と、ワークエリアとして用いられるRAM(=Random Access Memory)413とを有している。CPU411はマルチコアでもよい。また、ROM412は、書き換え可能な不揮発性の半導体メモリでもよい。
制御ユニット401と各ユニットとは、バス404や不図示の信号線を通じて接続されている。
本実施の形態における管理サーバ20も、グループ生成装置40と同様の構成を有している。
ここでの表示ユニットは、例えば液晶ディスプレイ、有機ELディスプレイ等で構成される。表示ユニットは、クライアント端末10の本体と一体化している場合もあれば、独立した装置としてクライアント端末10の本体に接続される場合もある。
また、操作受付ユニットには、文字の入力に使用されるキーボード、画面上のポインタの移動や選択等の入力に使用されるマウス、タッチセンサ等が用いられる。
本実施の形態の場合、グループ生成装置40に対する操作は、クライアント端末10の表示ユニットと操作受付ユニットを用いて入力される。
本実施の形態の場合、グループ学習に参加するメンバーは、毎回同じである。換言すると、グループ学習は、同じメンバーを対象に複数回実行される。ここでの同じとは、名簿上同じの意味である。もっとも、グループ学習に参加するメンバーの一部又は全部が異なっていても、グループ生成装置40の動作に支障はない。メンバー特性取得モジュール421は、管理サーバ20(図1参照)からメンバーの特性等を取得する。
クラスタ分割モジュール422による分割の処理は、グループ学習の実行回の度に実行する必要はない。例えば前回のグループ学習からの経過日数が短い場合には、各クラスタに割り当てられるメンバーの構成は、前回と同じになる可能性が高い。一方で、複数回前のグループ学習からの経過日数が長い場合、各クラスタに割り当てられるメンバーの構成に変化が現れる可能性がある。このため、クラスタ分割モジュール422による分割は、例えばグループ学習の実行回数毎に、又は、前回の分割から経過した時間に基づいて、実行するか否かを決定してもよい。なお、メンバーをクラスタに分割するか否かを、教員が指示してもよい。
本実施の形態の場合、グループ候補生成モジュール423は、候補を3つ生成する。なお、1つの候補を構成するグループの数は、予め定められている。本実施の形態の場合、1つの候補は、5つのグループで構成される。すなわち、5つのグループでグループ学習が実行される。本実施の形態の場合、各グループのメンバーの数は同じである。例えば6名のメンバーが1つのグループに割り当てられている。
もっとも、グループの数でメンバーの総数を割り切れない場合には、グループを構成するメンバーの数に違いが生じる。
グループ候補生成モジュール423が生成する複数の候補には、比較する候補間で、メンバーの構成が異なるグループが2つ以上存在する。グループ候補生成モジュール423は、生成手段の一例である。
例えば過去の実行回が3回の場合、1つの候補について、3つの類似度が算出される。本実施の形態の場合、候補の数は3つであるので、計9つの類似度が算出される。
本実施の形態の場合、類似度は、グループの集合間の距離を表している。このため、類似の度合いが高いほど類似度の値は小さくなり、類似の度合いが低いほど類似度の値は大きくなる。
類似度=(1-コサイン類似度)/2
コサイン類似度は、n次元ベクトル間の成す角の近さを表す値であり、ベクトルの向きが一致する場合に最大値の「1」をとり、直交する場合に「0」となり、向きが逆の場合、最小値の「-1」となる。前式は、コサイン類似度を距離に変換する式である。前式では、類似度の最大値を「1」に正規化するために「2」で除算している。
本実施の形態の場合、2つのベクトルのうちの一方は、過去のグループ学習で使用されたグループの集合であり、他方は、候補として生成されたグループの集合である。なお、過去に使用されたグループの集合に対応するベクトルの要素は、各グルー プ毎のメンバーである。一方、候補に対応するベクトルの要素は、候補を構成するグループ毎のメンバーである。
類似度=exp(-コサイン類似度)
ここでの類似度算出モジュール424は、算出手段の一例である。
ここでの類似度最小値抽出モジュール425と最小値間最大値検出モジュール426は、決定手段の一例である。
図3に示すモジュールの1つには、決定されたグループの候補の情報を出力するグループ出力モジュール427がある。候補に対応するグループ毎のメンバー構成は、例えば教員や生徒に通知される。
以下では、実施の形態1の処理動作について説明する。
図4は、実施の形態で使用するグループ生成装置40(図1参照)で実行される処理動作を説明するフローチャートである。図中の記号のSはステップを意味している。
まず、グループ生成装置40は、グループ学習に参加するメンバーの特性等を取得する(ステップ1)。特性等は、管理サーバ20(図1参照)から取得される。本実施の形態の場合、メンバーの人数は30名である。
次に、グループ生成装置40は、メンバーをクラスタに分割する(ステップ2)。例えば30名のメンバーが、5つのクラスタに対して6名ずつ割り当てられる。
図5は、ステップ3までに実行される処理の例を説明する図である。図5の場合、メンバーの総数は30名であり、6名ずつ5つのクラスタに分割されている。なお、前述したように、各クラスタの人数が同じになるとは限らない。
図5の例では、各クラスタの人数がいずれも6名である。また、グループの数は6つである。このため、図5の例では、各クラスタの1名が、1つのグループに割り当てられている。図5においては、メンバーの割り当てが異なる3つの候補を、「候補1」、「候補2」、「候補3」と呼ぶ。
次に、グループ生成装置40は、過去の実行回に使用されたグループの情報を取得する(ステップ4)。具体的には、過去の実行回毎に、使用されたグループのメンバー構成の情報が取得される。なお、過去にグループ学習を実行した履歴が存在しない場合には、生成された候補のうちの任意の1つが今回使用するグループに決定される。この場合、ステップ4から後述するステップ7までの処理がスキップされる。
次に、グループ生成装置40は、生成したグループの候補と過去の実行回毎に使用されたグループとの類似度を算出する(ステップ5)。本実施の形態の場合には、3つの候補と3つの実行回に対応するグループとの間で9つの類似度が算出される。
次に、グループ生成装置40は、複数の最小値間での最大値を検出する(ステップ7)。この処理は、過去の実行回で使用されたグループとの類似の度合いが相対的に低い候補を選択することを意味する。
この後、グループ生成装置40は、決定されたグループの候補を出力する(ステップ8)。今回のグループ学習で使用することに決定されたグループのメンバー構成は、教員や生徒が操作するクライアント端末10(図1参照)に出力される他、グループデータベース30に記憶される。
図6は、ステップ5で算出された類似度の例を説明する図である。図6の場合、横軸は、ステップ3で生成された3つの候補であり、縦軸は、過去の実行回で使用されたグループを示している。
図6の場合、グループ学習は、10/1と、11/1と、12/1に実行されている。
図6中の数値は、算出された類似度を表している。
例えば候補1の場合、10/1に使用されたグループとの類似度は「0.5」であり、11/1に使用されたグループとの類似度は「0.6」であり、12/1に使用されたグループとの類似度は「0.5」である。
例えば候補3の場合、10/1に使用されたグループとの類似度は「0.3」であり、11/1に使用されたグループとの類似度は「0.5」であり、12/1に使用されたグループとの類似度は「0.2」である。
なお、図6には、類似度の平均値も示されている。3回分の平均値の観点では、候補2のグループが、過去の実行回に対する類似の度合いが一番低い。
図7では、各候補についての類似度の最小値を太枠で囲んで示している。
候補1の場合、12/1に使用されたグループとの類似度が最小になる。従って、候補1のグループと他の実行回に使用されたグループとの類似の度合いはより低くなる。
候補2の場合、10/1に使用されたグループとの類似度が最小になる。従って、候補2のグループと他の実行回に使用されたグループとの類似の度合いはより低くなる。
候補3の場合、12/1に使用されたグループとの類似度が最小になる。従って、候補3のグループと他の実行回に使用されたグループとの類似の度合いはより低くなる。
図8の例では、各候補に対応する最小値のうちの最大値として、候補1の最小値が検出されている。このため、本実施の形態の場合には、今回のグループ学習で、候補1に対応するグループのメンバー構成が使用される。
本実施の形態のように、各実行回で使用されたグループとの類似度を算出し、各候補内での最小値を抽出し、候補間での最小値の最大値を検出することで、平均値のみに着目する場合よりも類似の度合いが低い候補を確実に選択することが可能になる。例えば図8の場合、平均値のみに着目すると、3つの候補の中で過去のグループとの類似の度合いが最も高くなる候補2が選ばれてしまうが、本実施の形態の場合には候補2が除外される。
以上、本発明の実施の形態について説明したが、本発明の技術的範囲は前述の実施の形態に記載の範囲に限定されない。前述の実施の形態に、種々の変更又は改良を加えたものも、本発明の技術的範囲に含まれることは、特許請求の範囲の記載から明らかである。
前述の実施の形態の場合、グループ生成装置40をクライアント端末10(図1参照)や管理サーバ20(図1参照)とは独立した装置として扱っているが、前述したグループ生成装置40の機能を、クライアント端末10等の機能の一部として実行してもよい。また、グループ生成装置40は、クラウドサーバ又はオンプレミスサーバとして実現されてもよい。
なお、補正の係数は、実行回ではなく、現在時刻までに経過の時間に応じて定めてもよい。この場合も、経過の時間が長くなるほど、補正前に比して類似の度合いが低くなるように与えられる。
Claims (6)
- 参加予定者の全員を複数のグループに割り当てた関係を1つの候補とする場合に、複数のグループへの割り当ての関係が異なる複数の候補を生成する生成手段と、
生成された前記複数の候補のそれぞれについて、過去のグループ活動の実行回毎に使用された複数のグループとの類似の度合いを、グループ活動の実行回毎に算出する算出手段と、
生成された前記複数の候補のうちで、グループ活動の各実行回との類似の度合いが最も高い候補以外から、今回のグループ活動で使用する候補を決定する決定手段と
を有する情報処理装置。 - 前記決定手段は、前記複数の候補のそれぞれについて、過去のグループ活動の各実行回に使用された複数のグループに対する類似の度合いが最も高くなる値を特定し、特定された複数の値の中で類似の度合いが最も高い値に対応する候補を、今回のグループ活動で使用する候補の対象から除外する、請求項1に記載の情報処理装置。
- 前記決定手段は、特定された前記複数の値の中で類似の度合いが最も低い値に対応する候補を、今回のグループ活動で使用する候補に決定する、請求項2に記載の情報処理装置。
- 前記算出手段により算出された類似の度合いに対し、実行回又は現在までに経過した時間に応じた補正の係数を乗算する、請求項1に記載の情報処理装置。
- 前記補正の係数は、古い実行回ほど又は現在までに経過した時間が長いほど、補正前に比して類似の度合いが低くなるように与えられる、請求項4に記載の情報処理装置。
- コンピュータに、
参加予定者の全員を複数のグループに割り当てた関係を1つの候補とする場合に、複数のグループへの割り当ての関係が異なる複数の候補を生成する機能と、
生成された前記複数の候補のそれぞれについて、過去のグループ活動の実行回毎に使用された複数のグループとの類似の度合いを、グループ活動の実行回毎に算出する機能と、
生成された前記複数の候補のうちで、グループ活動の各実行回との類似の度合いが最も高い候補以外から、今回のグループ活動で使用する候補を決定する機能と
を実行させるプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019050814A JP7218633B2 (ja) | 2019-03-19 | 2019-03-19 | 情報処理装置及びプログラム |
US16/521,571 US20200302373A1 (en) | 2019-03-19 | 2019-07-24 | Information processing apparatus and non-transitory computer readable medium storing program |
CN201910838504.3A CN111723254A (zh) | 2019-03-19 | 2019-09-05 | 信息处理装置、记录媒体及信息处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019050814A JP7218633B2 (ja) | 2019-03-19 | 2019-03-19 | 情報処理装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020154504A JP2020154504A (ja) | 2020-09-24 |
JP7218633B2 true JP7218633B2 (ja) | 2023-02-07 |
Family
ID=72515839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019050814A Active JP7218633B2 (ja) | 2019-03-19 | 2019-03-19 | 情報処理装置及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200302373A1 (ja) |
JP (1) | JP7218633B2 (ja) |
CN (1) | CN111723254A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364234B (zh) * | 2020-10-23 | 2023-04-28 | 北京师范大学 | 一种在线讨论的自动分组系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140441A (ja) | 2000-10-31 | 2002-05-17 | Japan Science & Technology Corp | 情報交換方法、情報交換プログラムを記録したコンピュータ読み取り可能な記録媒体及び情報交換装置 |
JP2008032786A (ja) | 2006-07-26 | 2008-02-14 | Victor Co Of Japan Ltd | 語学学習システム及び語学学習システム用プログラム |
WO2008078555A1 (ja) | 2006-12-22 | 2008-07-03 | Nec Corporation | 会議制御方法、システム及びプログラム |
JP2010154261A (ja) | 2008-12-25 | 2010-07-08 | Kddi Corp | グループ識別子生成システム、携帯端末、識別サーバ、グループ識別子生成方法、アプリケーションサービスシステム及びコンピュータプログラム |
JP2015028709A (ja) | 2013-07-30 | 2015-02-12 | 富士通株式会社 | 議論支援プログラム、議論支援装置及び議論支援方法 |
JP2016071017A (ja) | 2014-09-29 | 2016-05-09 | 株式会社日立製作所 | グループ学習システム |
-
2019
- 2019-03-19 JP JP2019050814A patent/JP7218633B2/ja active Active
- 2019-07-24 US US16/521,571 patent/US20200302373A1/en not_active Abandoned
- 2019-09-05 CN CN201910838504.3A patent/CN111723254A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140441A (ja) | 2000-10-31 | 2002-05-17 | Japan Science & Technology Corp | 情報交換方法、情報交換プログラムを記録したコンピュータ読み取り可能な記録媒体及び情報交換装置 |
JP2008032786A (ja) | 2006-07-26 | 2008-02-14 | Victor Co Of Japan Ltd | 語学学習システム及び語学学習システム用プログラム |
WO2008078555A1 (ja) | 2006-12-22 | 2008-07-03 | Nec Corporation | 会議制御方法、システム及びプログラム |
JP2010154261A (ja) | 2008-12-25 | 2010-07-08 | Kddi Corp | グループ識別子生成システム、携帯端末、識別サーバ、グループ識別子生成方法、アプリケーションサービスシステム及びコンピュータプログラム |
JP2015028709A (ja) | 2013-07-30 | 2015-02-12 | 富士通株式会社 | 議論支援プログラム、議論支援装置及び議論支援方法 |
JP2016071017A (ja) | 2014-09-29 | 2016-05-09 | 株式会社日立製作所 | グループ学習システム |
Also Published As
Publication number | Publication date |
---|---|
US20200302373A1 (en) | 2020-09-24 |
CN111723254A (zh) | 2020-09-29 |
JP2020154504A (ja) | 2020-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shrivastava et al. | Failure prediction of Indian Banks using SMOTE, Lasso regression, bagging and boosting | |
US11120347B2 (en) | Optimizing data-to-learning-to-action | |
US20230102337A1 (en) | Method and apparatus for training recommendation model, computer device, and storage medium | |
US11636439B2 (en) | Techniques to apply machine learning to schedule events of interest | |
Almquist et al. | Logistic network regression for scalable analysis of networks with joint edge/vertex dynamics | |
Sun et al. | Contextual intent tracking for personal assistants | |
Dash et al. | An outliers detection and elimination framework in classification task of data mining | |
Tekin et al. | Adaptive ensemble learning with confidence bounds | |
Karn et al. | Dynamic autoselection and autotuning of machine learning models for cloud network analytics | |
KR102506132B1 (ko) | 자기집중 메커니즘 기반의 개인화된 학습량 추천 방법 및 장치 | |
CN109656541A (zh) | 开发资源的推荐方法、装置、存储介质和电子设备 | |
Lung et al. | Game theory and extremal optimization for community detection in complex dynamic networks | |
Xu et al. | Effective community division based on improved spectral clustering | |
Fong et al. | Gesture recognition from data streams of human motion sensor using accelerated PSO swarm search feature selection algorithm | |
CN113011471A (zh) | 一种社交群体的划分方法、划分系统及相关装置 | |
Samreen et al. | Transferable knowledge for low-cost decision making in cloud environments | |
Buskirk et al. | Why machines matter for survey and social science researchers: Exploring applications of machine learning methods for design, data collection, and analysis | |
JP7218633B2 (ja) | 情報処理装置及びプログラム | |
US20230418871A1 (en) | Systems, methods, computing platforms, and storage media for comparing non-adjacent data subsets | |
US20230325944A1 (en) | Adaptive wellness collaborative media system | |
Arjun | Personalizing data visualization and interaction | |
US11868440B1 (en) | Statistical model training systems | |
Yue et al. | A machine learning approach for predicting computational intensity and domain decomposition in parallel geoprocessing | |
Muhammad et al. | A Conceptual Framework for Detecting Learning Style in an Online Education Using Graph Representation Learning | |
CN114386734A (zh) | 使用人工智能和机器学习用于技术分析的企业管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220228 |
|
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: 20221227 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221228 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230109 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7218633 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |