JP7317408B1 - Judgment system, judgment method, and judgment program - Google Patents
Judgment system, judgment method, and judgment program Download PDFInfo
- Publication number
- JP7317408B1 JP7317408B1 JP2022113921A JP2022113921A JP7317408B1 JP 7317408 B1 JP7317408 B1 JP 7317408B1 JP 2022113921 A JP2022113921 A JP 2022113921A JP 2022113921 A JP2022113921 A JP 2022113921A JP 7317408 B1 JP7317408 B1 JP 7317408B1
- Authority
- JP
- Japan
- Prior art keywords
- space
- type
- image data
- search
- likelihood
- 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
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000010801 machine learning Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】掲載者の主観に基づいて指定されたタイプではなく客観的な視点に近いタイプの決定が可能であり、スペースの賃借を希望する検索者が、スペースを検索する際の精度を向上させる判定システム判定方法及び判定プログラムを提供する。【解決手段】スペースに対して掲載者の主観に基づき指定されたタイプから、スペースの検索に用いるタイプを対応付ける判定システムであって、掲載者が貸与を希望するスペースの画像データ及び、前記スペースに対するタイプの指定を受け付ける受付手段と、スペースの画像データ及び指定されたタイプを教師データとして機械学習モデルの学習を行う学習手段と、受け付けた前記スペースの画像データ、前記スペースに対して指定されたタイプ及び、学習済モデルに基づき、前記タイプに対する前記スペースの尤度を算出する算出手段と、前記尤度に基づき、前記スペースに対応付けるタイプを決定する判定手段と、を有する。【選択図】図2[Problem] It is possible to determine a type that is close to an objective point of view, rather than a type specified based on the subjective view of the publisher, and improve the accuracy of space searches by searchers who wish to rent a space. A judgment system judgment method and a judgment program are provided. Kind Code: A1 A judgment system that associates a type used for searching a space with a type specified based on the subjectivity of the publisher for the space, and includes image data of the space that the publisher wishes to lend and the space Receiving means for receiving designation of a type; learning means for performing machine learning model learning using image data of a space and the designated type as training data; received image data of the space and the type designated for the space; and calculating means for calculating the likelihood of the space with respect to the type based on the learned model, and determining means for determining the type associated with the space based on the likelihood. [Selection drawing] Fig. 2
Description
特許法第30条第2項適用 令和4年2月2日 ウェブサイト<http://www.instabase.jp/>にて掲載Application of Patent Act Article 30, Paragraph 2 February 2, 2022 Website <http://www. instabase. Posted on jp/>
本発明は、判定システム、判定方法、及び、判定プログラムに関する。 The present invention relates to a judgment system, a judgment method, and a judgment program.
従来、レンタルスペースの検索を行う人のうち、「貸し会議室」を探している人の割合が多いことが知られていることから、検索サイト等に掲載されているスペースの多くに「貸し会議室」ではないのに「貸し会議室」のフラグが付与されている。そのため、検索者が「貸し会議室」について検索を行った際に、利用者が求めている「貸し会議室」とは異なるスペースが検索結果に多数現れることが、検索を諦めることに繋がっていると考えられる。 Conventionally, it is known that a large percentage of people who search for rental spaces are looking for "rental conference rooms," so many of the spaces listed on search sites are "rental conference rooms." A flag of "rental conference room" is given even though it is not "room". Therefore, when a searcher searches for "rental conference room", many spaces different from the "rental conference room" that the user is looking for appear in the search results, leading to giving up on the search. it is conceivable that.
特許文献1では、ロボット装置が画像を撮像しセンサデータのログとして記憶し、当該センサデータのログをトレーニングデータセットとして用い、画像認識により部屋の種類を特定して、物体との衝突をより正確に予測するための発明が開示されている。 In Patent Document 1, a robot device captures an image and stores it as a log of sensor data, uses the log of the sensor data as a training data set, identifies the type of room by image recognition, and more accurately detects a collision with an object. An invention for predicting is disclosed.
しかし、特許文献1に記載の発明は、部屋画像からどのような部屋であるかを判定することについて開示されているが、「貸し会議室」等の具体的な部屋のタイプを判断することについては開示されておらず、また、部屋のタイプの判定結果により検索機能を向上させることについても同様に開示されていない。 However, although the invention described in Patent Document 1 discloses determining what kind of room it is from a room image, it does not relate to determining a specific room type such as a "rental conference room." is not disclosed, nor is it disclosed about improving the search function based on the determination result of the room type.
上記事情を鑑みて、本発明は、判定システムに係る新規な技術を提供することを、解決すべき課題とする。 In view of the above circumstances, an object of the present invention is to provide a novel technique related to a judgment system.
上記課題を解決するために、本発明は、スペースに対して掲載者の主観に基づき指定されたタイプから、スペースの検索に用いるタイプを対応付ける判定システムであって、掲載者が貸与を希望するスペースの画像データ及び、前記スペースに対するタイプの指定を受け付ける受付手段と、スペースの画像データ及び、指定されたタイプを教師データとして機械学習モデルの学習を行う学習手段と、受け付けた前記スペースの画像データ、前記スペースに対して指定されたタイプ及び、学習済モデルに基づき、前記タイプに対する前記スペースの尤度を算出する算出手段と、前記尤度に基づき、前記スペースに対応付けるタイプを決定する判定手段と、を有することを特徴とする。このような構成とすることで、本発明は、掲載者の主観に基づいて指定されたタイプではなく客観的な視点に近いタイプの決定が可能であり、スペースの賃借を希望する検索者が、スペースを検索する際の精度を向上させることができる。 In order to solve the above-mentioned problems, the present invention provides a determination system that associates a type of space specified based on the subjectivity of the publisher with a type used for searching for the space, and a space that the publisher wishes to lend. Receiving means for receiving the image data of and designation of the type of the space, learning means for learning a machine learning model using the image data of the space and the designated type as teacher data, and the received image data of the space, calculation means for calculating the likelihood of the space with respect to the type based on the type designated for the space and a trained model; determination means for determining the type associated with the space based on the likelihood; characterized by having With such a configuration, the present invention can determine a type close to an objective point of view rather than a type specified based on the subjectivity of the publisher, and a searcher who wishes to rent a space can It can improve accuracy when searching for spaces.
本発明の好ましい形態では、前記スペースに対して、複数のタイプの中から1又は複数のタイプが指定され、前記判定手段は、前記スペースが前記複数のタイプのそれぞれに該当するか否かを決定することを特徴とする。このような構成とすることで、本発明は、1のスペースが複数の用途で使用可能である場合、検索者が賃借を希望するスペースを検索する際に、検索漏れが起き難くすることができる。 In a preferred embodiment of the present invention, one or more types out of a plurality of types are specified for the space, and the determining means determines whether the space corresponds to each of the plurality of types. characterized by With such a configuration, when one space can be used for multiple purposes, the present invention makes it difficult for a searcher to miss a search when searching for a space that the searcher wishes to rent. .
本発明の好ましい形態では、前記判定手段は、前記タイプに対する前記スペースの尤度が閾値以上であった場合、当該スペースに対して当該タイプを対応付けることを特徴とする。このような構成とすることで、本発明は、所定のタイプにおける尤度が閾値を超えているスペースだけを検索者に提示することができる。 In a preferred embodiment of the present invention, the determining means associates the type with the space when the likelihood of the space with respect to the type is equal to or greater than a threshold. With such a configuration, the present invention can present to the searcher only spaces in which the likelihood of a given type exceeds the threshold.
本発明の好ましい形態では、前記学習手段は、前記受付手段を介して受け付けた前記画像データ及び前記タイプを教師データとして学習を行うことを特徴とする。このような構成とすることで、本発明は、機械学習モデルに再学習を行わせ、より客観的な視点に近いタイプの判定を下すことが可能な機械学習モデルを生成することができる。 In a preferred embodiment of the present invention, the learning means performs learning using the image data and the type received via the receiving means as teaching data. With such a configuration, the present invention can generate a machine learning model capable of performing relearning and making a type of judgment closer to an objective point of view.
本発明の好ましい形態では、前記受付手段は、スペースのメイン画像として送信された画像データ及び、サブ画像として送信された画像データを受け付け、前記学習手段は、前記メイン画像として送信された画像データを教師データとして学習を行うことを特徴とする。このような構成とすることで、本発明は、複数の画像データを受け付けた場合において、学習の際のノイズとなり得る画像データを除くことができる。 In a preferred embodiment of the present invention, the reception means receives image data transmitted as the main image of the space and image data transmitted as the sub-image, and the learning means receives the image data transmitted as the main image. It is characterized by performing learning as teacher data. With such a configuration, the present invention can remove image data that may become noise during learning when a plurality of image data is received.
本発明の好ましい形態では、スペースの検索要求を受け付け、検索処理結果を送信する検索処理手段を備え、前記検索処理手段は、前記タイプに基づきフィルタされた前記スペースの表示順序を、前記尤度の多寡に基づき決定することを特徴とする。このような構成とすることで、本発明は、検索者の要求により近いスペースを提示することができる。 In a preferred embodiment of the present invention, search processing means for receiving a space search request and transmitting a search processing result is provided, and the search processing means determines the display order of the spaces filtered based on the type according to the likelihood. It is characterized in that it is determined based on the amount. With such a configuration, the present invention can present a space closer to the searcher's request.
上記課題を解決するために、本発明は、スペースに対して掲載者の主観に基づき指定されたタイプから、スペースの検索に用いるタイプを対応付ける判定方法であって、コンピュータが、掲載者が貸与を希望するスペースの画像データ及び、前記スペースに対するタイプの指定を受け付ける受付ステップと、スペースの画像データ及び、指定されたタイプを教師データとして機械学習モデルの学習を行う学習ステップと、受け付けた前記スペースの画像データ、前記スペースに対して指定されたタイプ及び、学習済モデルに基づき、前記タイプに対する前記スペースの尤度を算出する算出ステップと、前記尤度に基づき、前記スペースに対応付けるタイプを決定する判定ステップと、を実行することを特徴とする。 In order to solve the above-mentioned problems, the present invention provides a determination method for associating a type used for searching a space from a type specified based on the publisher's subjectivity for the space, wherein a computer determines whether the publisher lends A receiving step of receiving image data of a desired space and designation of a type for the space, a learning step of learning a machine learning model using the image data of the space and the designated type as training data, and a learning step of the received space. a calculation step of calculating a likelihood of the space with respect to the type based on image data, a type specified for the space, and a trained model; and a determination of determining a type associated with the space based on the likelihood. It is characterized by performing steps and
上記課題を解決するために、本発明は、スペースに対して掲載者の主観に基づき指定されたタイプから、スペースの検索に用いるタイプを対応付ける判定プログラムであって、掲載者が貸与を希望するスペースの画像データ及び、前記スペースに対するタイプの指定を受け付ける受付手段と、スペースの画像データ及び、指定されたタイプを教師データとして機械学習モデルの学習を行う学習手段と、受け付けた前記スペースの画像データ、前記スペースに対して指定されたタイプ及び、学習済モデルに基づき、前記タイプに対する前記スペースの尤度を算出する算出手段と、前記尤度に基づき、前記スペースに対応付けるタイプを決定する判定手段と、を有することを特徴とする。 In order to solve the above-mentioned problems, the present invention provides a judgment program that associates a type of space specified based on the subjectivity of the publisher with a type used for space search, and a space that the publisher wishes to lend. Receiving means for receiving the image data of and designation of the type of the space, learning means for learning a machine learning model using the image data of the space and the designated type as teacher data, and the received image data of the space, calculation means for calculating the likelihood of the space with respect to the type based on the type designated for the space and a trained model; determination means for determining the type associated with the space based on the likelihood; characterized by having
本発明は、判定システムに係る新規な技術を提供することができる。 The present invention can provide a novel technology related to the determination system.
本明細書は、本発明の一実施形態にかかる構成や作用効果等について、図面を交えて、以下に説明する。本発明は、以下の実施形態に限定されず、様々な構成を採用し得る。また、本発明の実施形態は、各実施形態のそれぞれにおける構成の一部を、本発明が目的とする作用効果の実現を阻害しない範囲で互いに採用してよい。 This specification describes the configuration, effects, and the like according to an embodiment of the present invention with reference to the drawings. The present invention is not limited to the following embodiments, and can employ various configurations. In addition, the embodiments of the present invention may mutually employ a part of the configuration of each of the respective embodiments within a range that does not impede the realization of the intended effect of the present invention.
また、本実施形態では判定システムの構成、動作等について説明するが、実行される方法、コンピュータプログラム等によっても、同様の作用効果を奏することができる。本実施形態におけるプログラムは、コンピュータが読み取り可能な非一過性の記録媒体として提供されてもよいし、外部のサーバからダウンロード可能に提供されてもよいし、判定システムでその機能を実現する為に外部のコンピュータにおいて当該プログラムを起動させてもよい(いわゆるクラウドコンピューティング)。 In addition, although the configuration, operation, etc. of the determination system will be described in this embodiment, similar effects can be achieved by methods, computer programs, and the like that are executed. The program in this embodiment may be provided as a computer-readable non-transitory recording medium, may be provided as a downloadable form from an external server, or may be provided as a downloadable program from an external server. The program may be started on an external computer immediately (so-called cloud computing).
また、本実施形態において「手段」とは、例えば、広義の回路によって実施されるハードウェア資源と、これらハードウェア資源によって具体的に実現され得るソフトウェアの情報処理とを合わせたものも含み得る。本実施形態において「情報」とは、例えば電圧・電流を表す信号値の物理的な値、0又は1で構成される2進数のビット集合体としての信号値の高低、又は量子的な重ね合わせ(いわゆる量子ビット)によって表され、広義の回路上で通信・演算が実行され得る。 Further, in the present embodiment, "means" may include, for example, a combination of hardware resources implemented by circuits in a broad sense and software information processing that can be specifically realized by these hardware resources. In this embodiment, "information" refers to, for example, the physical value of a signal value representing voltage or current, the height of a signal value as a binary bit aggregate composed of 0 or 1, or the quantum superposition. (so-called quantum bits), and communication and computation can be performed on a circuit in a broad sense.
広義の回路とは、回路(Circuit)、回路類(Circuitry)、プロセッサ(Processor)及びメモリ(Memory)等を適宜組み合わせることによって実現される回路である。即ち、CPU(Central Processing Unit)、GPU(Graphics Processing Unit)、LSI(Large Scale Integration)、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)等を含むものである。 A circuit in a broad sense is a circuit realized by appropriately combining circuits, circuits, processors, memories, and the like. That is, CPU (Central Processing Unit), GPU (Graphics Processing Unit), LSI (Large Scale Integration), ASIC (Application Specific Integrated Circuit), FPGA (Field-Programmable Ga Array) and the like.
本実施形態では、スペースを時間貸しするためのスペース貸出プラットフォームにおいて、スペースの検索を行う場合について説明する。判定システムでは、掲載者が貸出を行いたいスペースを登録し、検索者が利用したいスペースの検索・予約を行う。
なお、判定システムの利用方法は、これに限らない。例えば、不動産仲介プラットフォームや、公共施設予約システムにも利用することが可能であってよい。
In this embodiment, a case of searching for a space on a space rental platform for renting a space by the hour will be described. In the determination system, the publisher registers the space that the publisher wants to rent out, and the searcher searches and reserves the space that the searcher wants to use.
Note that the method of using the determination system is not limited to this. For example, it may be possible to use it for a real estate brokerage platform and a public facility reservation system.
<システム構成>
図1は、実施形態1における判定システムの概要図である。判定システムは、管理サーバ1と、掲載者が貸与を希望するスペースに関する情報の登録を行うための掲載者端末2Aと、検索者が賃借を希望するスペースの検索及び予約を行うための検索者端末2Bと、を備える。管理サーバ1と掲載者端末2A及び検索者端末2Bは、通信ネットワークNWを介して通信可能に構成されている。
<System configuration>
FIG. 1 is a schematic diagram of a determination system according to Embodiment 1. FIG. The determination system includes a management server 1, a publisher terminal 2A for registering information on a space that a publisher wishes to rent, and a searcher terminal for searching and reserving a space that a searcher wishes to rent. 2B. The management server 1, the publisher terminal 2A, and the searcher terminal 2B are configured to be able to communicate via a communication network NW.
通信ネットワークNWは、インターネットなどのIP(Internet Protocol)網などから構成される。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 is composed of an IP (Internet Protocol) network such as the Internet. In the following description, the intervention of the communication network NW will be omitted unless it is unclear.
なお、図1において、管理サーバ1、掲載者端末2A及び検索者端末2Bは、それぞれ1つずつ図示しているが、それぞれ複数存在してもよい。 In FIG. 1, one management server 1, one publisher terminal 2A, and one searcher terminal 2B are shown, but a plurality of each may exist.
<管理サーバ1>
管理サーバ1として、汎用のサーバ向けのコンピュータやパーソナルコンピュータ等を利用することが可能である。また、本実施形態において、複数のコンピュータを用いて管理サーバ1を構成することも可能である。
<Management server 1>
As the management server 1, it is possible to use a general-purpose server-oriented computer, a personal computer, or the like. Moreover, in this embodiment, it is also possible to configure the management server 1 using a plurality of computers.
<掲載者端末2A及び検索者端末2B>
各掲載者端末2A及び検索者端末2Bは、パーソナルコンピュータ、スマートフォン及びタブレット端末等であってよい。掲載者端末2A及び検索者端末2Bは、管理サーバ1に対してリクエストを行い、レスポンスを受け取るためのアプリケーション(典型的には、ウェブブラウザ)を有する。
<Publisher Terminal 2A and Searcher Terminal 2B>
Each publisher terminal 2A and searcher terminal 2B may be a personal computer, a smart phone, a tablet terminal, or the like. The publisher terminal 2A and the searcher terminal 2B have an application (typically a web browser) for making requests to the management server 1 and receiving responses.
<管理サーバ1のハードウェア構成>
図2は、管理サーバ1のハードウェア構成の一例を示す図である。管理サーバ1は、ハードウェア構成として、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。
<Hardware Configuration of Management Server 1>
FIG. 2 is a diagram showing an example of the hardware configuration of the management server 1. As shown in FIG. The management server 1 includes, as a hardware configuration, an arithmetic unit (CPU (Central Processing Unit)) 11 and a main storage device (RAM (Random Access Memory)) 12 as a working memory.
管理サーバ1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16と、NIC(Network Interface Card)などの通信インタフェース(IF)部17などと、を更に備える。 The management server 1 includes an auxiliary storage device 13 such as an HDD, SSD, or flash memory that rewritably stores an OS (Operating System), application programs, and various information (including data), a communication control unit 16, and a NIC ( and a communication interface (IF) unit 17 such as a Network Interface Card).
<掲載者端末2A及び検索者端末2Bのハードウェア構成>
図3は、掲載者端末2A及び検索者端末2Bのハードウェア構成の一例を示す図である。掲載者端末2A及び検索者端末2Bは、ハードウェア構成として、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。
<Hardware configuration of publisher terminal 2A and searcher terminal 2B>
FIG. 3 is a diagram showing an example of the hardware configuration of the publisher terminal 2A and the searcher terminal 2B. The publisher terminal 2A and the searcher terminal 2B include, as hardware configurations, an arithmetic unit (CPU (Central Processing Unit)) 21 and a main storage device (RAM (Random Access Memory)) 22 as a working memory. .
掲載者端末2A及び検索者端末2B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26と、NIC(Network Interface Card)などの通信インタフェース(IF)部27などと、を更に備える。 The publisher terminal 2A and the searcher terminal 2B have an OS (Operating System), application programs, and an auxiliary storage device 23 such as an HDD, SSD, or flash memory that rewritably store various information (including data), and communication control. It further includes a unit 26 and a communication interface (IF) unit 27 such as a NIC (Network Interface Card).
また、掲載者端末2A及び検索者端末2Bは、マウスやキーボード、タッチパネル等の、操作入力が可能なインタフェースである入力部24と、例としてモニタやディスプレイ等の、掲載者及び検索者に対して後述の画面を表示するためのインタフェースである出力部25などと、を更に備える。 In addition, the publisher terminal 2A and the searcher terminal 2B include an input unit 24, which is an interface that enables operation input, such as a mouse, keyboard, and touch panel, and a monitor, display, etc., for the publisher and the searcher. It further includes an output unit 25 that is an interface for displaying a screen, which will be described later.
<機能構成要素>
図2に例示されるように、管理サーバ1は、受付手段101、学習手段102、算出手段103、判定手段104、検索処理手段105、出力処理手段106及びデータベースDBを有する。
<Functional components>
As illustrated in FIG. 2, the management server 1 has reception means 101, learning means 102, calculation means 103, determination means 104, search processing means 105, output processing means 106, and database DB.
管理サーバ1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13に判定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、管理サーバ1においては、電源投入を契機に、演算装置11が、補助記憶装置13に記憶されている判定プログラムを主記憶装置(RAM)12に展開して実行することによって、上述した機能構成が実現される。 In order to logically implement the functional components described above in the management server 1, a judgment program is installed in the auxiliary storage device 13 as an application program. In the management server 1, when the power is turned on, the arithmetic device 11 expands the determination program stored in the auxiliary storage device 13 to the main storage device (RAM) 12 and executes it, thereby performing the functions described above. A configuration is realized.
<タイプの定義>
本実施形態において、タイプは、スペースに対して主観的に指定される指標である。主観的に指定される指標の例として、スペースの用途、スペースの質、テイスト、コンセプト及び雰囲気等である。タイプは、定性的な設定が困難な指標の場合がある。本実施形態では、レンタルスペースの用途を表すタイプ(以後、「会場タイプ」とする)として、「貸し会議室」「レンタルスペース」「セミナー」「レンタルスタジオ」「音楽スタジオ」「レンタルサロン」「撮影スタジオ」「パーティールーム」「コワーキングスペース」「貸切カフェ・飲食店」「展示会場・ギャラリー」「ポップアップストア」「ライブハウス・劇場」「スポーツ施設」「イベントスペース」「古民家」「ハウススタジオ」「屋上・屋外」「ワークスペース」「アミューズメント施設」及び「ホテル」等が設定される。また、部屋のテイストをタイプとして設定する場合、例えば「ブルックリンスタイル」「ホテルライクインテリア」「ミッドセンチュリー」「和モダン」及び「シャビーシック」等が設定される。
<Type definition>
In this embodiment, a type is a subjectively assigned index for a space. Examples of subjectively specified indicators are space usage, space quality, taste, concept and atmosphere. Type can be a difficult indicator to set qualitatively. In this embodiment, as types (hereafter referred to as "venue types") representing the use of the rental space, there are "rental meeting rooms", "rental spaces", "seminars", "rental studios", "music studios", "rental salons", and "photography". Studio, party room, co-working space, chartered cafe/restaurant, exhibition hall/gallery, pop-up store, live house/theater, sports facility, event space, old folk house, house studio "Rooftop/outdoor", "workspace", "amusement facility", "hotel", etc. are set. When setting the taste of the room as the type, for example, "Brooklyn style", "hotel-like interior", "mid-century", "Japanese modern", and "shabby chic" are set.
<掲載情報の入力>
受付手段101は、掲載者が貸与を希望するスペースの画像データ及び、スペースに対するタイプの指定を受け付ける。本実施形態では、掲載者は、掲載者端末2Aに表示された後述のスペース情報登録画面(不図示)を操作して、貸与を目的として登録するスペースの名称、最寄り駅、住所、時間当たりの賃貸料、貸与可能な日時や曜日、広さ、収容人数、説明文、スペースの画像データ及び、掲載者が指定した当該スペースの用途を表す会場タイプを管理サーバ1に送信する。受付手段101は、これらの情報をスペースIDに対応付けるとともに、指定された会場タイプに基づいてラベル(以後、「指定会場ラベル」とする)を付与し、スペース情報としてデータベースDBに格納する。
<Enter information to be posted>
The accepting unit 101 accepts image data of a space that the publisher wishes to lend and designation of the type of the space. In this embodiment, the publisher operates a space information registration screen (not shown) displayed on the publisher terminal 2A, and registers the space name, nearest station, address, and hourly rate for the purpose of lending. It transmits to the management server 1 the rental fee, available date and time for rent, days of the week, size, capacity, description, image data of the space, and the venue type indicating the use of the space specified by the publisher. The reception unit 101 associates this information with the space ID, assigns a label (hereinafter referred to as "designated venue label") based on the designated venue type, and stores it in the database DB as space information.
本実施形態では、受付手段101が受け付ける画像データは1又は複数であってよく、複数の画像データを受け付ける場合、メイン画像として送信される画像データとサブ画像として送信される画像データを受け付けてよい。また、掲載者は予め定められた数以内であれば会場ラベルを複数指定可能である。なお、本実施形態において、会場ラベルは、画像データに写るスペースが該当する会場ラベルを掲載者が指定した指定会場ラベルと、後述の判定手段104によってスペース情報に対応付けられる検索用会場ラベルと、を含んでよい。 In this embodiment, the image data received by the receiving means 101 may be one or a plurality of data. When receiving a plurality of image data, the image data transmitted as the main image and the image data transmitted as the sub-image may be received. . Also, the publisher can designate a plurality of venue labels within a predetermined number. In this embodiment, the venue labels include a designated venue label designated by the publisher as the venue label corresponding to the space shown in the image data, a search venue label associated with the space information by the determination means 104 described later, may contain
<指定会場ラベルの一例>
図4(a)は、受付手段101を介して受け付けたスペース情報毎の指定会場ラベルの一例を示す図である。図示例では、掲載者によって指定された会場タイプが「1」として記憶され、これにより指定会場ラベルが定義される。一方、指定されていない会場タイプは「0」として記憶されている。
<Example of designated venue label>
FIG. 4A is a diagram showing an example of a designated venue label for each piece of space information received via the receiving means 101. FIG. In the illustrated example, the venue type designated by the publisher is stored as "1", which defines the designated venue label. On the other hand, venue types that are not specified are stored as "0".
<機械学習モデルの生成>
学習手段102は、スペースの画像データと、当該画像データと対応付けられた会場タイプを教師データとして、機械学習モデルの生成を行う。上記教師データは例として、データベースDBが予め有する画像データ及び当該画像データと対応付けられた会場タイプである。ここで、データベースDBが予め有する画像データは、管理サーバ1の所有者等が予め用意した画像データ及び当該画像データと対応付けられた会場タイプであってよく、機械学習モデルの生成を行う以前に掲載者から受付手段101を介して受け付けた画像データ及び当該画像データと対応付けられた会場タイプでであってよい。
<Generation of machine learning model>
The learning means 102 generates a machine learning model using the image data of the space and the venue type associated with the image data as teacher data. The training data is, for example, image data pre-stored in the database DB and venue types associated with the image data. Here, the image data previously held in the database DB may be image data prepared in advance by the owner of the management server 1 or the like and the venue type associated with the image data. It may be the image data received from the publisher via the receiving means 101 and the venue type associated with the image data.
また、受付手段101を介して複数の画像データを含むスペース情報を受け付けた場合、学習手段102は、当該スペース情報を受け付ける際にメイン画像として送信された画像データを入力値とし、当該スペース情報が含む会場タイプを出力値とする教師データにより機械学習モデルの生成を行う。 Further, when space information including a plurality of image data is received via the receiving means 101, the learning means 102 uses the image data transmitted as the main image when receiving the space information as an input value, and the space information is A machine learning model is generated using teacher data whose output value is the venue type, including the venue type.
<尤度の算出>
算出手段103は、受付手段101を介して受け付けた画像データ、当該画像データに対応付けられる会場タイプ、及び、学習済モデルに基づき、会場タイプに対するスペースの尤度を算出する。算出手段103は、学習済モデルに基づく画像認識によって、スペースの各会場タイプに対する「それっぽさ」を示す数値である尤度を算出する。
<Likelihood calculation>
The calculating means 103 calculates the likelihood of the space for the venue type based on the image data received via the receiving means 101, the venue type associated with the image data, and the learned model. Calculation means 103 calculates a likelihood, which is a numerical value indicating “likeness” for each venue type of space, by image recognition based on the trained model.
算出手段103は、1のスペースの全ての会場タイプに対する尤度を算出してよく、予め定められた会場タイプに対する尤度のみを算出してよい。例として、「貸し会議室」ではないのに「貸し会議室」の指定会場ラベルが付与されているスペースが多い場合、検索者による検索の結果として「貸し会議室」ではないスペースが表示されないように、「貸し会議室」の会場タイプに対する尤度のみが算出される。 The calculating means 103 may calculate the likelihood for all venue types of one space, or may calculate the likelihood only for a predetermined venue type. For example, if there are many spaces with the specified venue label of "Rental conference room" even though they are not " Rental conference room", spaces other than "Rental conference room" will not be displayed in search results by searchers. Then, only the likelihood for the venue type of “rental meeting room” is calculated.
<会場タイプに対する尤度の例>
図4(b)は、算出手段103が算出した、或るスペースの各会場タイプに対する尤度を示す。ここで、本実施形態において、算出手段103が算出する尤度は0~1の間の数値であるが、尤度の幅は任意であってよい。
<Example of likelihood for venue type>
FIG. 4(b) shows the likelihood for each venue type of a certain space calculated by the calculating means 103. FIG. Here, in the present embodiment, the likelihood calculated by the calculating means 103 is a numerical value between 0 and 1, but the range of likelihood may be arbitrary.
<会場タイプの決定>
判定手段104は、算出手段103が算出した尤度に基づき、スペースに対応付ける会場タイプを決定する。本実施形態では、或るスペースの或る会場タイプに対する尤度が閾値よりも大きい場合、当該スペースが当該会場タイプに該当することを決定する。
<Determination of venue type>
The determination means 104 determines the venue type associated with the space based on the likelihood calculated by the calculation means 103 . In this embodiment, if the likelihood of a space for a venue type is greater than a threshold, then it is determined that the space corresponds to the venue type.
例として、閾値が0.7であるとすると、図4(b)における「スペースID:0002」のスペースは、「貸し会議室」、「レンタルキッチン」及び「セミナー会場」の3つのタイプに該当するが、「レンタルスペース」及び「レンタルスタジオ」の2つのタイプには該当しないことが決定される。なお、閾値は、一部又は全ての会場タイプで同一の値が利用されてもよいし、会場タイプ毎に異なってもよい。 As an example, if the threshold is 0.7, the space with "space ID: 0002" in FIG. However, it is determined that the two types of "rental space" and "rental studio" do not apply. Note that the same threshold value may be used for some or all venue types, or may be different for each venue type.
<検索用会場ラベルの付与>
また、判定手段104は、決定された会場タイプに基づいてラベル(以後、「検索用会場ラベル」とする)を付与し、スペース情報に対応付けてデータベースDBに格納する。
<Attachment of venue label for search>
Further, the determining means 104 assigns a label (hereinafter referred to as a "search venue label") based on the determined venue type, and stores the label in the database DB in association with the space information.
なお、スペース情報に対して付与される検索用会場ラベルの数は、予め定められた数以下である。尤度が閾値よりも大きな会場タイプが予め定められた数より多かった場合、尤度の大きい順に上記数と同数以内の検索用会場ラベルをスペース情報に対応付けてよい。また、算出手段103が算出した或るスペースにおける全ての尤度が閾値よりも小さかった場合、判定手段104は、算出された尤度が最も大きい会場タイプに基づき検索用会場ラベルを付与し、スペース情報に対応付けてデータベースDBに格納してよい。 Note that the number of search venue labels assigned to space information is equal to or less than a predetermined number. If the number of venue types with likelihoods greater than the threshold is greater than a predetermined number, venue labels for search within the same number as the above number may be associated with the space information in descending order of likelihood. Further, when all the likelihoods in a certain space calculated by the calculation means 103 are smaller than the threshold value, the determination means 104 assigns a search venue label based on the venue type with the highest calculated likelihood, and the space It may be stored in the database DB in association with the information.
また、算出手段103が予め定められた会場タイプに対する尤度のみを算出する場合、判定手段104はスペースが当該会場タイプに該当するかを決定し、当該会場タイプ以外の検索用会場ラベルは、掲載者の指定に基づく指定会場ラベルと同一であってよい。 Further, when the calculation means 103 calculates only the likelihood for a predetermined venue type, the determination means 104 determines whether the space corresponds to the venue type, and the venue label for search other than the venue type is posted. It may be the same as the designated venue label based on the designation of the party.
<スペース情報の検索>
検索処理手段105は、入力部24を介して検索要求を受け付け、検索処理結果を検索者端末2Bに送信する。本実施形態では、検索処理手段105は、後述のスペース検索画面(不図示)において、入力部24を介して入力された検索条件と検索要求を受け付け、当該検索条件に基づきデータベースDBから当該検索条件に該当するスペース情報を取得する。なお、検索条件は検索者が賃借を希望するスペースに係る条件であり、検索者によって指定された検索用会場ラベル、最寄り駅や時間当たりの賃貸料等のその他条件に係る情報である。
<Search for space information>
The search processing means 105 receives a search request via the input unit 24 and transmits the search processing result to the searcher terminal 2B. In this embodiment, the search processing means 105 receives search conditions and search requests input via the input unit 24 on a space search screen (not shown), which will be described later, and based on the search conditions, the search conditions are retrieved from the database DB. Acquire space information corresponding to . The search conditions are conditions related to the space that the searcher wishes to rent, and are information related to other conditions such as the search site label specified by the searcher, the nearest station, and the rent per hour.
<スペース情報登録画面及びスペース検索画面の表示処理>
出力処理手段106は、スペース情報登録画面(不図示)及びスペース検索画面(不図示)を表示処理し、処理結果を掲載者端末2A及び検索者端末2Bに送信する。
<Display processing of space information registration screen and space search screen>
The output processing means 106 displays a space information registration screen (not shown) and a space search screen (not shown), and transmits the processing results to the publisher terminal 2A and the searcher terminal 2B.
スペース情報登録画面では、掲載者による画像データのアップロード、掲載者の主観に基づく当該画像データが該当する会場タイプの選択、及び、当該画像データに係るその他の情報の入力が可能である。この際、スペース情報登録画面では、メイン画像とサブ画像をアップロードする枠をそれぞれ設けてよく、アップロードする画像の中からメイン画像とする画像データを決定可能な構成であってよい。また、複数の画像の中で最初にアップロードされた画像がメイン画像であってよい。 On the space information registration screen, it is possible for the publisher to upload image data, select the venue type to which the image data corresponds based on the publisher's subjectivity, and input other information related to the image data. At this time, on the space information registration screen, frames for uploading the main image and the sub image may be provided, and the image data to be the main image may be determined from among the images to be uploaded. Also, the image that is uploaded first among the plurality of images may be the main image.
スペース検索画面では、検索者が賃借を希望するスペースに係る条件である検索条件の入力を受け付け、当該スペースの検索を行うことが可能である。スペース検索画面は、指定会場ラベルの指定を受け付けるラベル指定部、その他条件に係る情報の指定(入力)が可能な条件指定部、及び、検索条件を確定し検索要求を送信する条件確定部を有する。また、スペース検索画面は、上記検索条件に従い検索処理手段105が取得したスペース情報を表示可能である。ここで、検索処理手段105は、スペース検索画面において表示される同一の会場ラベルが付与されたスペース情報の表示の順序を、当該会場ラベルにおける会場タイプに対する尤度の多寡によって決定する。また、検索条件において複数の指定会場ラベルが指定される場合、優先度の高い指定会場ラベル又は会場タイプに対する尤度の合計が高い順に表示されるスペース情報が決定される。 On the space search screen, it is possible to receive the input of search conditions relating to the space that the searcher wishes to rent, and search for the space. The space search screen has a label designation section that accepts designation of a designated venue label, a condition designation section that allows designation (input) of information related to other conditions, and a condition confirmation section that confirms search conditions and transmits a search request. . Further, the space search screen can display the space information acquired by the search processing means 105 according to the above search conditions. Here, the search processing means 105 determines the display order of the space information to which the same venue label is assigned and displayed on the space search screen, depending on the degree of likelihood for the venue type of the venue label. Also, when a plurality of specified venue labels are specified in the search condition, the space information to be displayed is determined in descending order of the total likelihood for the specified venue label or venue type with the highest priority.
<検索用会場ラベルの決定手順のフローチャート>
図5を用いて、判定システムを用いた検索用会場ラベルの決定の全体手順の例を説明する。本実施例では、検索者が賃借を希望するスペースの検索を行う際に、掲載者の主観に基づき指定される指定会場ラベルではなく、機械学習モデルに基づいたより客観的な視点に近い判定に基づき決定される検索用会場ラベルを用いた検索を可能とすることを目的として利用される。なお、図5に示される各ステップの順序は一例であり、指定がない限り適宜、当該順序は変更され得る。
<Flowchart of procedure for determining venue label for search>
An example of the overall procedure for determining venue labels for search using the determination system will be described with reference to FIG. In this embodiment, when searching for a space that a searcher wishes to rent, it is based on a more objective judgment based on a machine learning model rather than a designated venue label that is specified based on the subjectivity of the publisher. It is used for the purpose of enabling a search using the decided search venue label. Note that the order of each step shown in FIG. 5 is an example, and the order may be changed as appropriate unless otherwise specified.
受付手段101は、入力部24を介して、掲載者が貸与を希望するスペースの画像データ、掲載者が当該スペースが当てはまると考える会場タイプを示す会場ラベルの指定、及び、当該スペースに関連するその他の情報を含むスペース情報の入力を受け付ける(ステップS101)。 The receiving means 101, through the input unit 24, specifies the image data of the space that the publisher wishes to rent, the designation of the venue label indicating the venue type that the publisher considers to be applicable to the space, and other information related to the space. The input of the space information including the information of is accepted (step S101).
算出手段103は、学習済モデルと、ステップS101で受け付けたスペースの画像データ及び指定会場ラベルと、に基づき、当該スペースの各会場タイプに対する尤度を算出する(ステップS102)。 The calculating means 103 calculates the likelihood for each venue type of the space based on the learned model and the image data and designated venue label of the space received in step S101 (step S102).
判定手段104は、ステップS102で算出された尤度に基づき、上記スペースが該当する検索用会場ラベルを決定する(ステップS103)。判定手段104は、ステップS103で決定された検索用会場ラベルと、スペース情報を対応付けてデータベースDBに記憶する(ステップS104)。 Based on the likelihood calculated in step S102, the determining means 104 determines the venue label for search to which the space corresponds (step S103). The determining means 104 associates the venue label for search determined in step S103 with the space information and stores them in the database DB (step S104).
本実施形態では、ステップS103で決定された検索用会場ラベルを、ステップS104でスペース情報と対応付けてデータベースDBに記憶しているが、スペース検索画面を介したスペースの検索が行われる際に、検索処理手段105が検索条件として指定された検索用会場ラベルにおける尤度が閾値よりも高いスペースの情報を取得するとともに、判定手段104は、当該スペース情報に対し検索用会場ラベルを付与してよい。 In this embodiment, the venue label for search determined in step S103 is stored in the database DB in association with the space information in step S104. The search processing means 105 may acquire information on a space whose likelihood in the search venue label specified as the search condition is higher than a threshold value, and the determination means 104 may assign the search venue label to the space information. .
判定システムは、図示しない予約手段を備え、検索者は、スペース検索画面を介したスペース情報の検索後、予約手段を介して検索したスペースを予約することが可能である。 The determination system has reservation means (not shown), and after searching for space information via the space search screen, the searcher can reserve the searched space via the reservation means.
また、学習手段102は、前回の学習時から予め定められた期間が経過した後、或いは予め定められた数のスペース情報が受け付けられた場合において、受付手段101を介して受け付けた画像データ及び当該画像データに対応付けられた会場タイプを教師データとして、学習済モデルを再度学習させてよい。算出手段103は更に、学習済モデルの再学習が行われた際に、再学習以前に会場タイプに対する尤度を算出したスペースについて、再学習後の学習済モデルを用いて当該スペースの各会場タイプに対する尤度を再度算出してよい。 Further, the learning unit 102 receives the image data and the relevant image data received via the receiving unit 101 after a predetermined period of time has elapsed since the previous learning or when a predetermined number of pieces of space information have been received. The learned model may be retrained using the venue type associated with the image data as teacher data. Further, when the learned model is re-learned, the calculation means 103 calculates each venue type of the space for which the likelihood for the venue type was calculated before the re-learning using the learned model after the re-learning. may be recomputed.
本発明によれば、判定システムに係る新規な技術を提供することができる。 According to the present invention, it is possible to provide a novel technology related to the determination system.
1 :管理サーバ
2A :掲載者端末
2B :検索者端末
11、21:演算装置
12、22:主記憶装置
13、23:補助記憶装置
24 :入力部
25 :出力部
16、26:通信制御部
17、27:通信IF部
101 :受付手段
102 :学習手段
103 :算出手段
104 :判定手段
105 :検索処理手段
106 :出力処理手段
1: Management server 2A: Publisher terminal 2B: Searcher terminals 11, 21: Arithmetic devices 12, 22: Main storage devices 13, 23: Auxiliary storage device 24: Input unit 25: Output units 16, 26: Communication control unit 17 , 27: communication IF section 101: reception means 102: learning means 103: calculation means 104: determination means 105: search processing means 106: output processing means
Claims (6)
予め用意されたスペースの画像データ及び、前記予め用意されたスペースの画像データに対応付けられたタイプを教師データとして機械学習モデルの学習を行う学習手段と、
掲載者が貸与を希望するスペースの画像データを受け付ける受付手段と、
受け付けた前記スペースの画像データ、及び、学習済モデルに基づき、前記検索に用いるタイプに対する前記スペースの尤度を算出する算出手段と、
前記尤度に基づき、前記スペースに対応付けるタイプを決定する判定手段と、
スペースの検索要求を受け付け、検索処理結果を送信する検索処理手段と、を備え、
前記検索処理手段は、前記判定手段によって決定された前記タイプに基づきフィルタされた前記スペースの表示順序を、前記尤度の多寡に基づき決定する判定システム。 A determination system that associates a space with a type used to search for the space,
learning means for learning a machine learning model using image data of a space prepared in advance and a type associated with the image data of the space prepared in advance as teacher data;
Receiving means for receiving image data of a space that a publisher wishes to rent;
calculation means for calculating the likelihood of the space for the type used for the search based on the received image data of the space and the trained model;
determination means for determining a type to be associated with the space based on the likelihood;
search processing means for receiving space search requests and transmitting search processing results;
A determination system in which the search processing means determines a display order of the spaces filtered based on the type determined by the determination means based on the magnitude of the likelihood.
前記学習手段は、前記受付手段を介して受け付けた前記画像データ及び前記タイプを教師データとして学習を行う請求項1に記載の判定システム。 The receiving means further receives, from among a plurality of types, designation of one or more types for the space that the publisher wishes to lend,
2. The determination system according to claim 1, wherein said learning means performs learning using said image data and said type received through said receiving means as teaching data.
前記受付手段は、スペースのメイン画像として送信された画像データ及び、サブ画像として送信された画像データを受け付け、
前記学習手段は、前記メイン画像として送信された画像データを教師データとして学習を行う請求項1に記載の判定システム。 The receiving means receives a plurality of the image data,
The reception means receives image data transmitted as a main image of the space and image data transmitted as a sub-image,
2. The determination system according to claim 1, wherein said learning means performs learning using image data transmitted as said main image as teacher data.
コンピュータが、
予め用意されたスペースの画像データ及び、前記予め用意されたスペースの画像データに対応付けられたタイプを教師データとして機械学習モデルの学習を行う学習ステップと、
掲載者が貸与を希望するスペースの画像データを受け付ける受付ステップと、
受け付けた前記スペースの画像データ、及び、学習済モデルに基づき、前記検索に用いるタイプに対する前記スペースの尤度を算出する算出ステップと、
前記尤度に基づき、前記スペースに対応付けるタイプを決定する判定ステップと、
スペースの検索要求を受け付け、検索処理結果を送信する検索処理ステップと、を実行し、
前記検索処理ステップは、前記判定ステップによって決定された前記タイプに基づきフィルタされた前記スペースの表示順序を、前記尤度の多寡に基づき決定する判定方法。 A determination method for associating a space with a type used for space search,
the computer
a learning step of learning a machine learning model using image data of a space prepared in advance and a type associated with the image data of the space prepared in advance as training data;
a receiving step of receiving image data of a space that a publisher wishes to rent;
a calculation step of calculating the likelihood of the space for the type used for the search based on the received image data of the space and the trained model;
a determination step of determining a type associated with the space based on the likelihood;
executing a search processing step of receiving a space search request and transmitting search processing results;
The determination method, wherein the search processing step determines the display order of the spaces filtered based on the type determined by the determination step , based on the magnitude of the likelihood.
コンピュータを、
予め用意されたスペースの画像データ及び、前記予め用意されたスペースの画像データに対応付けられたタイプを教師データとして機械学習モデルの学習を行う学習手段と、
掲載者が貸与を希望するスペースの画像データを受け付ける受付手段と、
受け付けた前記スペースの画像データ、及び、学習済モデルに基づき、前記検索に用いるタイプに対する前記スペースの尤度を算出する算出手段と、
前記尤度に基づき、前記スペースに対応付けるタイプを決定する判定手段と、
スペースの検索要求を受け付け、検索処理結果を送信する検索処理手段と、として機能させ、
前記検索処理手段は、前記判定手段によって決定された前記タイプに基づきフィルタされた前記スペースの表示順序を、前記尤度の多寡に基づき決定する判定プログラム。
A determination program that associates a space with a type used for space search,
the computer,
learning means for learning a machine learning model using image data of a space prepared in advance and a type associated with the image data of the space prepared in advance as teacher data;
Receiving means for receiving image data of a space that a publisher wishes to rent;
calculation means for calculating the likelihood of the space for the type used for the search based on the received image data of the space and the trained model;
determination means for determining a type to be associated with the space based on the likelihood;
functioning as a search processing means for receiving space search requests and transmitting search processing results;
A determination program in which the search processing means determines the display order of the spaces filtered based on the type determined by the determination means, based on the magnitude of the likelihood.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022113921A JP7317408B1 (en) | 2022-07-15 | 2022-07-15 | Judgment system, judgment method, and judgment program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022113921A JP7317408B1 (en) | 2022-07-15 | 2022-07-15 | Judgment system, judgment method, and judgment program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7317408B1 true JP7317408B1 (en) | 2023-07-31 |
JP2024011698A JP2024011698A (en) | 2024-01-25 |
Family
ID=87469782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022113921A Active JP7317408B1 (en) | 2022-07-15 | 2022-07-15 | Judgment system, judgment method, and judgment program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7317408B1 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017097722A (en) | 2015-11-26 | 2017-06-01 | 株式会社ネクスト | Information processing system and information processing method |
JP2020112905A (en) | 2019-01-09 | 2020-07-27 | 株式会社マーサリー | Property image classification device, property image classification method, learning method and program |
-
2022
- 2022-07-15 JP JP2022113921A patent/JP7317408B1/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017097722A (en) | 2015-11-26 | 2017-06-01 | 株式会社ネクスト | Information processing system and information processing method |
JP2020112905A (en) | 2019-01-09 | 2020-07-27 | 株式会社マーサリー | Property image classification device, property image classification method, learning method and program |
Also Published As
Publication number | Publication date |
---|---|
JP2024011698A (en) | 2024-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10812936B2 (en) | Localization determination for mixed reality systems | |
US11568660B1 (en) | System and method for improving localization and object tracking | |
US10405033B2 (en) | Method for controlling network media information publication, apparatus, and server | |
US11630560B2 (en) | Map information display method and apparatus, electronic device, and computer storage medium | |
CN111708948B (en) | Content item recommendation method, device, server and computer readable storage medium | |
CN104899315A (en) | Method and device for pushing user information | |
JP7231638B2 (en) | Image-based information acquisition method and apparatus | |
CN107368483B (en) | Information recommendation method and device and server | |
CN109981785A (en) | Method and apparatus for pushed information | |
CN108734536A (en) | Real estate building information three-dimensional display systems and method | |
US20230088431A1 (en) | Machine learning in resource-constrained environments | |
CN113987387A (en) | Page display method, electronic equipment and computer storage medium | |
CN111310952A (en) | Room reservation information processing method, room reservation system and server | |
US11721078B2 (en) | Information processing system, information processing terminal device, server device, information processing method and program thereof | |
CN111135558B (en) | Game synchronization method, game client, computer storage medium and electronic device | |
JP7317408B1 (en) | Judgment system, judgment method, and judgment program | |
WO2021135322A1 (en) | Automatic question setting method, apparatus and system | |
CN111353455B (en) | Video content determining method and device, storage medium and electronic equipment | |
CN110515929B (en) | Book display method, computing device and storage medium | |
CN116992058A (en) | Cross-meta universe data display method and device | |
JPWO2015079527A1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6003388B2 (en) | Server apparatus, program, and communication system | |
CN113515336B (en) | Live room joining method, creation method, device, equipment and storage medium | |
CN115686300A (en) | User interaction method, device, equipment and storage medium | |
CN111885139B (en) | Content sharing method, device and system, mobile terminal and server |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220715 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220715 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20220801 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20220801 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230411 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230424 |
|
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: 20230627 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230711 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7317408 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |