JP7260939B1 - プログラム、情報処理装置、及び方法 - Google Patents
プログラム、情報処理装置、及び方法 Download PDFInfo
- Publication number
- JP7260939B1 JP7260939B1 JP2022046333A JP2022046333A JP7260939B1 JP 7260939 B1 JP7260939 B1 JP 7260939B1 JP 2022046333 A JP2022046333 A JP 2022046333A JP 2022046333 A JP2022046333 A JP 2022046333A JP 7260939 B1 JP7260939 B1 JP 7260939B1
- Authority
- JP
- Japan
- Prior art keywords
- user
- model
- product
- candidate group
- candidates
- 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 45
- 238000000034 method Methods 0.000 title claims description 27
- 230000004044 response Effects 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims description 71
- 230000009471 action Effects 0.000 claims description 41
- 239000000284 extract Substances 0.000 claims description 25
- 239000002537 cosmetic Substances 0.000 claims description 15
- 230000003796 beauty Effects 0.000 claims description 12
- 238000003745 diagnosis Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 29
- 238000000605 extraction Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 239000006210 lotion Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本開示では、商品の候補の集合と、ユーザの情報とを入力すると、当該ユーザに適した商品を出力する学習済みモデルについて説明する。この学習済みモデルを用いて、ユーザに適した商品を提案する。
図1及び図2を用いて、本開示に係る情報処理装置10について説明する。本開示に係る情報処理装置10は、商品の候補の集合と、ユーザの情報とを入力すると、当該ユーザに適した商品を出力するためのモデルを学習する処理等を実行するための装置である。
学習部133は、学習データのうち、ユーザの購入履歴と、商品の候補の集合とを用いて、第1モデルを学習する。
学習部133は、このアテンションメカニズムにより、そのユーザにとって、集合に含まれる商品がどのくらい適するものであるかを示す、当該第1評価値を算出するように、第1モデルを学習する。
また、学習部133は、学習データのうち、ユーザの固有情報と、ユーザの属性情報と、商品の候補の集合と、第1候補群とを用いて、第2モデルを学習する。
<<第3モデルの学習>
また、学習部133は、学習データのうち、ユーザの行動履歴と、第2候補群と、第2評価値とを用いて、第3モデルを学習する。
具体的には、入力部134は、商品を提案する対象となるユーザを特定するための情報の入力を受け付ける。当該特定するための情報は、例えば、ユーザのログイン情報、ユーザがサイトにアクセスした情報、ユーザが肌診断を行った診断結果など、ユーザを特定することができる情報であればなんでもよい。
具体的には、抽出部135は、まず、入力部134が受け付けたユーザに関する情報から、ユーザを特定する。
具体的には、提示部136は、ユーザが操作する端末(図示しない)のディスプレイなどの出力装置、当該端末が出力しているアプリケーション上などに、第3候補群に含まれる商品を表示させる。商品を表示する方法は、提案する商品であることを明記して表示する、広告として表示するなどの種々の方法を採用することができる。
以下では、情報処理装置10における処理について図面を参照しながら説明する。
図3は、情報処理装置10による学習処理を行う流れの一例を示すフローチャートである。情報処理装置10は、当該処理を、任意のタイミング(例えば、学習処理開始信号の受信など)において実行する。
図4は、情報処理装置10による提案処理を行う流れの一例を示すフローチャートである。情報処理装置10は、当該処理を、ユーザに関する情報が入力されること、提案する者の操作等により実行する。
以上説明したように、本開示の技術は、商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた当該ユーザの固有情報と、を含む学習データを取得する。また、本開示の技術は、学習データを用いて、当該ユーザの購入履歴と、当該集合とを入力したことに応じて、当該集合から、当該ユーザに提示する商品の候補である第1候補群を抽出する第1モデルを学習する。また、本開示の技術は、当該ユーザの固有情報と、当該第1候補群とを入力したことに応じて、当該集合から、当該ユーザに提示する商品の候補である第2候補群を抽出する第2モデルを学習する。また、本開示の技術は、当該第1モデル及び当該第2モデルを出力し、第1モデルは、TransFormers構造を有する。これにより、本開示の技術は、メジャーな商品に偏ることなく、商品を提案することができるようにする第1モデル及び第2モデルを提供することができる。
本開示では、提示部136が提示するものは商品である場合を例に説明した。本開示の提示部136が提示するものは、商品に限定されない。本変形例では、ユーザに適した商品の候補から、更にユーザに適したサービスを提案する場合を例に説明する。
以上の各実施形態で説明した事項を、以下に付記する。
(付記1)プロセッサ(11)を備えるコンピュータ(例えば、情報処理装置10)に処理を行わせるプログラムであって、前記プロセッサに、商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、を含む学習データを取得するステップ(S101)と、前記学習データを用いて、前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出する第1モデルを学習するステップ(S102)と、前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出する第2モデルを学習するステップ(S103)と、前記第1モデル及び前記第2モデルを出力するステップ(S106)と、を実行させ、前記第1モデルは、TransFormers構造を有する、プログラム。
(付記7)~(付記11)の何れかに記載のプログラム。
プロセッサ(11)を備えるコンピュータ(例えば、情報処理装置(10))が、商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、前記ユーザの行動履歴と、を含む学習データを取得するステップ(S101)と、前記学習データを用いて、前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出する第1モデルを学習するステップ(S102)と、前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出する第2モデルを学習するステップ(S103)と、前記ユーザの行動履歴と、前記第2候補群とを入力したことに応じて、前記第2候補群から、前記ユーザに提示する商品の候補である第3候補群を抽出する第3モデルを学習するステップ(S104)と、前記第1モデル、前記第2モデル、及び前記第3モデルを出力するステップ(S105)と、を実行する方法。
11 :プロセッサ
12 :メモリ
13 :ストレージ
14 :通信IF
15 :入出力IF
120 :記憶部
121 :第1データDB
122 :第2データDB
130 :制御部
131 :受信制御部
132 :送信制御部
133 :学習部
134 :入力部
135 :抽出部
136 :提示部
Claims (17)
- プロセッサを備えるコンピュータに処理を行わせるプログラムであって、前記プロセッサに、
商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、を含む学習データを取得するステップと、
前記学習データを用いて、前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出する第1モデルを学習するステップと、
前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出する第2モデルを学習するステップと、
前記第1モデル及び前記第2モデルを出力するステップと、
を実行させ、
前記第1モデルは、TransFormers構造を有する、
プログラム。 - 前記ユーザの行動履歴と、前記第2候補群とを入力したことに応じて、前記第2候補群から、前記ユーザに提示する商品の候補である第3候補群を抽出する第3モデルを学習するステップと、
を実行させ、
前記学習データは、商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、前記ユーザの行動履歴とを含み、
前記出力するステップにおいて、前記第1モデル、前記第2モデル、及び前記第3モデルを出力する、
請求項1に記載のプログラム。 - プロセッサを備えるコンピュータに処理を行わせるプログラムであって、前記プロセッサに、
商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、前記ユーザの行動履歴と、を含む学習データを取得するステップと、
前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出する第1モデルを学習するステップと、
前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出する第2モデルを学習するステップと、
前記ユーザの行動履歴と、前記第2候補群とを入力したことに応じて、前記第2候補群から、前記ユーザに提示する商品の候補である第3候補群を抽出する第3モデルを学習するステップと、
前記第1モデル、前記第2モデル、及び前記第3モデルを出力するステップと、
を実行させるプログラム。 - 前記第1モデルは、前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合に含まれる商品の各々について、前記購入履歴に応じた第1評価値を算出し、前記集合に含まれる商品のうち、前記第1評価値が上位から所定の割合の商品、前記第1評価値が上位から第1所定数の商品、及び前記第1評価値が所定の第1閾値以上の商品の少なくとも何れかを、前記第1候補群として抽出するモデルである、
請求項2又は請求項3に記載のプログラム。 - 前記第2モデルは、前記ユーザの固有情報と、前記購入履歴を除くユーザの属性情報と、前記第1候補群とを入力したことに応じて、前記第1候補群に含まれる商品の各々について、前記ユーザの固有情報と、前記ユーザの属性情報とに応じた第2評価値を算出し、前記集合に含まれる商品のうち、前記第2評価値が上位から所定の割合の商品、前記第2評価値が上位から第2所定数の商品、及び前記第2評価値が所定の第2閾値以上の商品の少なくとも何れかを、前記第2候補群として抽出するモデルである、
請求項4に記載のプログラム。 - 前記第2モデルは、前記集合に含まれる商品の各々について、前記ユーザの固有情報と、前記ユーザの属性情報と、前記集合のうち前記第1候補群に含まれる商品か否かとに応じた第2評価値を算出し、前記集合に含まれる商品のうち、前記第2評価値が上位から所定の割合の商品、前記第2評価値が上位から第2所定数の商品、及び前記第2評価値が所定の第2閾値以上の商品の少なくとも何れかを、前記第2候補群として抽出するモデルである、
請求項4に記載のプログラム。 - 前記第3モデルは、前記ユーザの行動履歴と、前記第2候補群と、前記第2評価値とを入力したことに応じて、前記集合に含まれる商品の各々について、ユーザの行動変化と、前記第2評価値とに応じた第3評価値を算出し、前記第2候補群に含まれる商品のうち、前記第3評価値が上位から所定の割合の商品、前記第3評価値が上位から第3所定数の商品、及び前記第3評価値が所定値以上の商品の少なくとも何れかを抽出するモデルである、
請求項5に記載のプログラム。 - プロセッサを備えるコンピュータに処理を行わせるプログラムであって、前記プロセッサに、
商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、第1モデルと、第2モデルとを取得するステップと、
取得した前記集合と、前記ユーザの購入履歴とを、前記第1モデルに入力することにより、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出するステップと、
前記ユーザの固有情報と、前記第1候補群とを、前記第2モデルに入力することにより、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出するステップと、
前記第2候補群に含まれる商品を、ユーザに提示するステップと、
を実行させ、
前記第1モデルは、前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合に含まれる商品から、前記第1候補群を抽出するモデルであり、
前記第1モデルは、TransFormers構造を有し、
前記第2モデルは、前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記第2候補群を抽出するモデルである、
プログラム。 - プロセッサを備えるコンピュータに処理を行わせるプログラムであって、前記プロセッサに、
商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、第1モデルと、第2モデルと、第3モデルとを取得するステップと、
取得した前記集合と、前記ユーザの購入履歴とを、前記第1モデルに入力することにより、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出するステップと、
前記ユーザの固有情報と、前記第1候補群とを、前記第2モデルに入力することにより、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出するステップと、
前記ユーザの行動履歴と、前記第2候補群とを、前記第3モデルに入力することにより、前記第2候補群から、前記ユーザに提示する商品の候補である第3候補群を抽出するステップと、
前記第3候補群に含まれる商品を、ユーザに提示するステップと、
を実行させ、
前記第1モデルは、前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合に含まれる商品から、前記第1候補群を抽出する学習済みモデルであり、
前記第2モデルは、前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記第2候補群を抽出する学習済みモデルあり、
前記第3モデルは、前記ユーザの行動履歴と、前記第2候補群とを入力したことに応じて、前記第2候補群から、前記第3候補群を抽出する学習済みモデルである、
プログラム。 - 前記商品は、化粧品であり、
前記ユーザの固有情報は、前記ユーザに関する肌データである、
請求項1~請求項9の何れかに記載のプログラム。 - 前記肌データは、前記ユーザの肌についての診断結果である、
請求項10に記載のプログラム。 - 商品と、サービスとを紐づけて記憶している記憶装置から、前記第3候補群に含まれる商品と紐づくサービスを抽出するステップ、
を実行させ、
前記提示するステップにおいて、前記サービスを、前記ユーザに提示する、
請求項7又は請求項9に記載のプログラム。 - 前記サービスは、前記商品に応じた美容トレーナーによるトレーニング、前記商品に応じたイベント、又は前記商品に応じた美容部員による化粧品の提案である、
請求項12に記載のプログラム。 - プロセッサを備える情報処理装置であって、前記プロセッサが、
商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、を含む学習データを取得するステップと、
前記学習データを用いて、前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出する第1モデルを学習するステップと、
前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出する第2モデルを学習するステップと、
前記第1モデル及び前記第2モデルを出力するステップと、
を実行し、
前記第1モデルは、TransFormers構造を有する、
情報処理装置。 - プロセッサを備える情報処理装置であって、前記プロセッサが、
商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、前記ユーザの行動履歴と、を含む学習データを取得するステップと、
前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出する第1モデルを学習するステップと、
前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出する第2モデルを学習するステップと、
前記ユーザの行動履歴と、前記第2候補群とを入力したことに応じて、前記第2候補群から、前記ユーザに提示する商品の候補である第3候補群を抽出する第3モデルを学習するステップと、
前記第1モデル、前記第2モデル、及び前記第3モデルを出力するステップと、
情報処理装置。 - プロセッサを備えるコンピュータが、
商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、を含む学習データを取得するステップと、
前記学習データを用いて、前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出する第1モデルを学習するステップと、
前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出する第2モデルを学習するステップと、
前記第1モデル及び前記第2モデルを出力するステップと、
を実行し、
前記第1モデルは、TransFormers構造を有する、
方法。 - プロセッサを備えるコンピュータが、
商品の候補の集合と、ユーザの購入履歴と、商品の属性に応じた前記ユーザの固有情報と、前記ユーザの行動履歴と、を含む学習データを取得するステップと、
前記ユーザの購入履歴と、前記集合とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第1候補群を抽出する第1モデルを学習するステップと、
前記ユーザの固有情報と、前記第1候補群とを入力したことに応じて、前記集合から、前記ユーザに提示する商品の候補である第2候補群を抽出する第2モデルを学習するステップと、
前記ユーザの行動履歴と、前記第2候補群とを入力したことに応じて、前記第2候補群から、前記ユーザに提示する商品の候補である第3候補群を抽出する第3モデルを学習するステップと、
前記第1モデル、前記第2モデル、及び前記第3モデルを出力するステップと、
を実行する方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022046333A JP7260939B1 (ja) | 2022-03-23 | 2022-03-23 | プログラム、情報処理装置、及び方法 |
JP2023025776A JP2023143752A (ja) | 2022-03-23 | 2023-02-22 | プログラム、情報処理装置、及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022046333A JP7260939B1 (ja) | 2022-03-23 | 2022-03-23 | プログラム、情報処理装置、及び方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023025776A Division JP2023143752A (ja) | 2022-03-23 | 2023-02-22 | プログラム、情報処理装置、及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7260939B1 true JP7260939B1 (ja) | 2023-04-19 |
JP2023140478A JP2023140478A (ja) | 2023-10-05 |
Family
ID=86006887
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022046333A Active JP7260939B1 (ja) | 2022-03-23 | 2022-03-23 | プログラム、情報処理装置、及び方法 |
JP2023025776A Pending JP2023143752A (ja) | 2022-03-23 | 2023-02-22 | プログラム、情報処理装置、及び方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023025776A Pending JP2023143752A (ja) | 2022-03-23 | 2023-02-22 | プログラム、情報処理装置、及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7260939B1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019102068A (ja) | 2017-11-29 | 2019-06-24 | ディット・テクノロジーズ・インコーポレーテッドDitto Technologies Incorporated | ユーザの身体的特徴に基づいた推薦システム |
US20200134696A1 (en) | 2018-10-31 | 2020-04-30 | Amadeus S.A.S. | Recommender systems and methods using cascaded machine learning models |
US10861077B1 (en) | 2017-03-21 | 2020-12-08 | Amazon Technologies, Inc. | Machine, process, and manufacture for machine learning based cross category item recommendations |
JP2021077269A (ja) | 2019-11-13 | 2021-05-20 | 凸版印刷株式会社 | レコメンド装置及びレコメンド方法 |
WO2021192232A1 (ja) | 2020-03-27 | 2021-09-30 | 日本電気株式会社 | 商品推薦システム、商品推薦装置、商品推薦方法、及び、商品推薦プログラムが格納された記録媒体 |
-
2022
- 2022-03-23 JP JP2022046333A patent/JP7260939B1/ja active Active
-
2023
- 2023-02-22 JP JP2023025776A patent/JP2023143752A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10861077B1 (en) | 2017-03-21 | 2020-12-08 | Amazon Technologies, Inc. | Machine, process, and manufacture for machine learning based cross category item recommendations |
JP2019102068A (ja) | 2017-11-29 | 2019-06-24 | ディット・テクノロジーズ・インコーポレーテッドDitto Technologies Incorporated | ユーザの身体的特徴に基づいた推薦システム |
US20200134696A1 (en) | 2018-10-31 | 2020-04-30 | Amadeus S.A.S. | Recommender systems and methods using cascaded machine learning models |
JP2021077269A (ja) | 2019-11-13 | 2021-05-20 | 凸版印刷株式会社 | レコメンド装置及びレコメンド方法 |
WO2021192232A1 (ja) | 2020-03-27 | 2021-09-30 | 日本電気株式会社 | 商品推薦システム、商品推薦装置、商品推薦方法、及び、商品推薦プログラムが格納された記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP2023140478A (ja) | 2023-10-05 |
JP2023143752A (ja) | 2023-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460514A (zh) | 用于推送信息的方法和装置 | |
JP2013239160A (ja) | 情報提供システム、情報提供方法、及び情報提供プログラム | |
CN111612588B (zh) | 商品呈现方法及装置、计算设备、计算机可读存储介质 | |
JPWO2005024689A1 (ja) | 消費者の購買行動分析方法及び装置 | |
JP6784499B2 (ja) | 決定装置、決定方法及び決定プログラム | |
US11810151B2 (en) | Predictive recommendation system using tiered feature data | |
CN111400613A (zh) | 物品推荐方法、装置、介质及计算机设备 | |
CN111967914A (zh) | 基于用户画像的推荐方法、装置、计算机设备和存储介质 | |
WO2013033229A1 (en) | System and method for providing personalized recommendations | |
CN111967924A (zh) | 商品推荐方法、商品推荐装置、计算机设备和介质 | |
CN116894711A (zh) | 商品推荐理由生成方法及其装置、电子设备 | |
Yap et al. | Integrating the capability approach and technology acceptance model to explain the elderly’s use intention of online grocery shopping | |
JP6245809B2 (ja) | サービス決定装置、サービス決定方法、及びサービス決定プログラム | |
CA3138745A1 (en) | Method and device for circling and creating target population | |
CN113886697A (zh) | 基于聚类算法的活动推荐方法、装置、设备及存储介质 | |
JP7260939B1 (ja) | プログラム、情報処理装置、及び方法 | |
JP7180146B2 (ja) | サービス提供者選定装置、プログラム及びサービス提供者選定システム | |
JP7001380B2 (ja) | 情報処理システム、情報処理方法、およびプログラム | |
CN110781399A (zh) | 一种跨平台的信息推送方法和装置 | |
JP7031041B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US11551241B1 (en) | Systems and methods for digital shelf display | |
JP7042787B2 (ja) | 判定装置、判定方法、および判定プログラム | |
JP6686208B1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP7139270B2 (ja) | 推定装置、推定方法及び推定プログラム | |
JP7413423B2 (ja) | 情報処理システム、および情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220323 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220823 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220902 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221101 |
|
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: 20230202 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230331 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7260939 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |