JP7350145B1 - 情報処理装置、情報処理方法及びプログラム - Google Patents
情報処理装置、情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP7350145B1 JP7350145B1 JP2022188049A JP2022188049A JP7350145B1 JP 7350145 B1 JP7350145 B1 JP 7350145B1 JP 2022188049 A JP2022188049 A JP 2022188049A JP 2022188049 A JP2022188049 A JP 2022188049A JP 7350145 B1 JP7350145 B1 JP 7350145B1
- Authority
- JP
- Japan
- Prior art keywords
- user
- unknown
- attribute
- unit
- reliability
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
図1は、情報処理装置1が実行する処理の概要を説明するための図である。情報処理装置1は、通信サービスを提供する通信事業者が管理する装置であり、例えばサーバである。情報処理装置1は、情報提供サービスを管理する。情報提供サービスは、情報提供サービスの利用者に対して、指定された期間及びエリアの人口を分析した情報を提供するサービスである。
以下、情報処理装置1の構成について説明する。
図2は、情報処理装置1の機能構成を模式的に示す図である。情報処理装置1は、通信部11と、記憶部12と、制御部13とを備える。図2において、矢印は主なデータの流れを示しており、図2に示していないデータの流れがあってもよい。図2において、各機能ブロックはハードウェア(装置)単位の構成ではなく、機能単位の構成を示している。そのため、図2に示す機能ブロックは単一の装置内に実装されてもよく、あるいは複数の装置内に分かれて実装されてもよい。機能ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてもよい。
以下、モデル生成部131、取得部132、データ生成部133、モデル適用部134、推定部135、分類部136、受付部137、特定部138及び提示部139の機能の詳細を、推定モデルMを生成するために実行する生成処理と、ユーザの属性を推定するために実行する推定処理と、情報を提示するために実行する提示処理とに分けて説明する。
まず、情報処理装置1が実行する生成処理について説明する。モデル生成部131は、属性ごとに、ユーザの行動の特徴が表現された特徴量が入力されると、当該ユーザが当該属性である信頼度を出力する推定モデルMを、当該属性に関連付けて生成する。情報処理装置1は、以下の3つのステップを実行することにより、関連付けられる属性がそれぞれ異なる複数の推定モデルMを生成する。
続いて、情報処理装置1が実行する推定処理について説明する。推定部135は、未知ユーザ端末の移動履歴に基づいて、未知ユーザの属性を推定する。情報処理装置1は、以下の3つのステップを実行することにより、未知ユーザの属性を推定する。
続いて、情報処理装置1が実行する提示処理について説明する。提示部139は、情報処理装置1の利用者が指定した指定情報に基づいて、属性ごとに、当該指定情報及び当該属性に該当する未知ユーザの数を提示する。情報処理装置1は、以下の3つのステップを実行することにより、未知ユーザの数を提示する。
続いて、情報処理装置1が実行する処理の流れについて説明する。図7は、情報処理装置1が実行する処理の流れを示すフローチャートである。本フローチャートは、取得部132が、複数の既知ユーザ端末それぞれの移動履歴を取得したことを契機として開始する(S1)。モデル生成部131は、属性ごとに、推定モデルMに関連付けられる当該属性の既知ユーザの特徴量を教師データとして用いて推定モデルMを生成する(S2)。
以上説明したとおり、情報処理装置1は、未知ユーザ端末の移動履歴によって特定される未知ユーザの行動の特徴が表現された特徴量を複数の推定モデルMそれぞれに入力することによって複数の推定モデルMがそれぞれ出力した信頼度に基づいて、未知ユーザの属性を推定する。このように、情報処理装置1は、未知ユーザの属性を推定することで、他の通信サービスを利用する端末の情報を、情報提供サービスにおいて活用しやすくすることができる。
11 通信部
12 記憶部
13 制御部
131 モデル生成部
132 取得部
133 データ生成部
134 モデル適用部
135 推定部
136 分類部
137 受付部
138 特定部
139 提示部
Claims (8)
- 情報処理装置であって、
属性ごとに、ユーザの行動の特徴が表現された特徴量が入力されると、当該ユーザが当該属性である信頼度を出力する機械学習モデルを、当該属性に関連付けて生成するモデル生成部と、
属性が未知である未知ユーザが使用する未知ユーザ端末の移動履歴を取得する取得部と、
前記移動履歴によって特定される前記未知ユーザの行動の特徴が表現された特徴量を、前記モデル生成部が属性ごとに生成した複数の機械学習モデルそれぞれに入力することにより、前記複数の機械学習モデルそれぞれに前記信頼度を出力させるモデル適用部と、
前記複数の機械学習モデルそれぞれが出力した前記信頼度に基づいて、前記未知ユーザの属性を推定する推定部と、
前記情報処理装置の利用者が指定した指定期間と、前記利用者が指定した指定範囲とを受け付ける受付部と、
前記未知ユーザの前記移動履歴に基づいて、前記指定期間において前記指定範囲に存在する前記未知ユーザ端末を特定する特定部と、
属性ごとに、当該属性に該当する前記未知ユーザを使用する前記未知ユーザ端末の数であって、前記特定部が特定した前記未知ユーザ端末の数を、前記未知ユーザの数として前記利用者に提示する提示部と、
を有する情報処理装置。 - 前記取得部は、属性が既知である既知ユーザが使用する複数の既知ユーザ端末それぞれの移動履歴をさらに取得し、
前記モデル生成部は、前記機械学習モデルに関連付けられる属性に該当する前記既知ユーザ端末の前記移動履歴によって特定される前記既知ユーザの行動の特徴が表現された特徴量を教師データとして用いて前記機械学習モデルを生成する、
請求項1に記載の情報処理装置。 - 前記推定部は、前記複数の機械学習モデルそれぞれが出力した前記信頼度のうち、数値が相対的に高い前記信頼度を出力した前記機械学習モデルに関連付けられている属性を、前記未知ユーザの属性として推定する、
請求項1に記載の情報処理装置。 - 前記情報処理装置は、前記未知ユーザを、前記推定部が推定した前記未知ユーザの属性に関連付けられている前記機械学習モデルが出力した前記信頼度が予め定められた信頼度閾値を上回るか否かに分類する未知ユーザ分類部をさらに有し、
前記提示部は、さらに、前記未知ユーザの数を、前記未知ユーザ分類部が分類した結果に分けて提示する、
請求項1に記載の情報処理装置。 - 前記取得部は、属性が既知である既知ユーザが使用する複数の既知ユーザ端末それぞれの移動履歴をさらに取得し、
前記特定部は、前記既知ユーザ端末の前記移動履歴に基づいて、前記指定期間において前記指定範囲に存在する前記既知ユーザ端末をさらに特定し、
前記提示部は、属性ごとに、当該属性に該当する前記既知ユーザを使用する前記既知ユーザ端末の数であって、前記特定部が特定した前記既知ユーザ端末の数を、前記既知ユーザの数としてさらに前記利用者に提示する、
請求項1から4のいずれか一項に記載の情報処理装置。 - 前記モデル適用部は、前記既知ユーザの前記移動履歴によって特定される前記既知ユーザの行動の特徴が表現された特徴量を、前記既知ユーザの属性に対応する前記機械学習モデルに入力することにより、前記機械学習モデルに前記既知ユーザに対応する前記信頼度をさらに出力させ、
前記情報処理装置は、前記既知ユーザを、前記既知ユーザに対応する前記信頼度が、予め定められた信頼度閾値を上回るか否かに分類する既知ユーザ分類部をさらに有し、
前記提示部は、さらに、前記既知ユーザの数を、前記既知ユーザ分類部が分類した結果に分けて提示する、
請求項5に記載の情報処理装置。 - コンピュータが実行する、
属性ごとに、ユーザの行動の特徴が表現された特徴量が入力されると、当該ユーザが当該属性である信頼度を出力する機械学習モデルを、当該属性に関連付けて生成するステップと、
属性が未知である未知ユーザが使用する未知ユーザ端末の移動履歴を取得するステップと、
前記移動履歴によって特定される前記未知ユーザの行動の特徴が表現された特徴量を、属性ごとに生成した複数の機械学習モデルそれぞれに入力することにより、前記複数の機械学習モデルそれぞれに前記信頼度を出力させるステップと、
前記複数の機械学習モデルそれぞれが出力した前記信頼度に基づいて、前記未知ユーザの属性を推定するステップと、
前記コンピュータの利用者が指定した指定期間と、前記利用者が指定した指定範囲とを受け付けるステップと、
前記未知ユーザの前記移動履歴に基づいて、前記指定期間において前記指定範囲に存在する前記未知ユーザ端末を特定するステップと、
属性ごとに、当該属性に該当する前記未知ユーザを使用する前記未知ユーザ端末の数であって、特定した前記未知ユーザ端末の数を、前記未知ユーザの数として前記利用者に提示するステップと、
を有する情報処理方法。 - コンピュータを、
属性ごとに、ユーザの行動の特徴が表現された特徴量が入力されると、当該ユーザが当該属性である信頼度を出力する機械学習モデルを、当該属性に関連付けて生成するモデル生成部、
属性が未知である未知ユーザが使用する未知ユーザ端末の移動履歴を取得する取得部、
前記移動履歴によって特定される前記未知ユーザの行動の特徴が表現された特徴量を、前記モデル生成部が属性ごとに生成した複数の機械学習モデルそれぞれに入力することにより、前記複数の機械学習モデルそれぞれに前記信頼度を出力させるモデル適用部、
前記複数の機械学習モデルそれぞれが出力した前記信頼度に基づいて、前記未知ユーザの属性を推定する推定部、
前記コンピュータの利用者が指定した指定期間と、前記利用者が指定した指定範囲とを受け付ける受付部、
前記未知ユーザの前記移動履歴に基づいて、前記指定期間において前記指定範囲に存在する前記未知ユーザ端末を特定する特定部、及び
属性ごとに、当該属性に該当する前記未知ユーザを使用する前記未知ユーザ端末の数であって、前記特定部が特定した前記未知ユーザ端末の数を、前記未知ユーザの数として前記利用者に提示する提示部、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022188049A JP7350145B1 (ja) | 2022-11-25 | 2022-11-25 | 情報処理装置、情報処理方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022188049A JP7350145B1 (ja) | 2022-11-25 | 2022-11-25 | 情報処理装置、情報処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7350145B1 true JP7350145B1 (ja) | 2023-09-25 |
JP2024076494A JP2024076494A (ja) | 2024-06-06 |
Family
ID=88099179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022188049A Active JP7350145B1 (ja) | 2022-11-25 | 2022-11-25 | 情報処理装置、情報処理方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7350145B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6224811B1 (ja) | 2016-12-07 | 2017-11-01 | たけおかラボ株式会社 | ルールセットを選択可能な推論エンジンを有するプログラム、装置及び方法 |
JP2019160178A (ja) | 2018-03-16 | 2019-09-19 | ヤフー株式会社 | 情報処理装置、情報処理方法、およびプログラム。 |
JP2020035068A (ja) | 2018-08-28 | 2020-03-05 | Zホールディングス株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
-
2022
- 2022-11-25 JP JP2022188049A patent/JP7350145B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6224811B1 (ja) | 2016-12-07 | 2017-11-01 | たけおかラボ株式会社 | ルールセットを選択可能な推論エンジンを有するプログラム、装置及び方法 |
JP2019160178A (ja) | 2018-03-16 | 2019-09-19 | ヤフー株式会社 | 情報処理装置、情報処理方法、およびプログラム。 |
JP2020035068A (ja) | 2018-08-28 | 2020-03-05 | Zホールディングス株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
Non-Patent Citations (1)
Title |
---|
松尾 豊,位置履歴からのユーザ属性の推定,情報処理学会論文誌,日本,社団法人情報処理学会,2007年06月15日,第48巻、第6号,第2106-2117頁 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160034968A1 (en) | Method and device for determining target user, and network server | |
US8725735B2 (en) | Information processing system, information processing method, program, and non-transitory information storage medium | |
US9787557B2 (en) | Determining semantic place names from location reports | |
JP6152186B1 (ja) | ゲームにおけるユーザのマッチング方法およびマッチングシステム | |
CN108932646B (zh) | 基于运营商的用户标签验证方法、装置和电子设备 | |
US20200012956A1 (en) | Action selection learning device, action selection learning method, and storage medium | |
JP2019212077A (ja) | 宿泊施設評価システム、宿泊施設評価方法、サーバ装置、及びプログラム | |
JP6442807B1 (ja) | 対話サーバ、対話方法及び対話プログラム | |
CN110147514B (zh) | 一种资源展示方法、装置及其设备 | |
KR20130065849A (ko) | 애플리케이션 추천 시스템, 방법 및 그에 대한 기록매체 | |
US20140234823A1 (en) | Assignment sharing device, assignment sharing method, and non-transitory computer-readable recording medium | |
JP7350145B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20140122238A1 (en) | Coupon offer personalization | |
JP6721484B2 (ja) | 情報管理装置、方法、及びコンピュータプログラム | |
US20220100810A1 (en) | Information processing apparatus and non-transitory computer readable medium | |
JP2024076494A (ja) | 情報処理装置、情報処理方法及びプログラム | |
US9601010B2 (en) | Assessment device, assessment system, assessment method, and computer-readable storage medium | |
JP2017191500A (ja) | 携帯端末に対して地点情報を提供する装置、方法、およびプログラム | |
KR20130089741A (ko) | 애플리케이션을 추천하는 방법, 서버 및 단말 | |
JP2021089700A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP7385726B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20130159055A1 (en) | System and method for employing self-optimizing algorithms to probe and reach regions of higher customer satisfaction through altered system parameters on survey results | |
JP7382111B1 (ja) | 情報処理装置及び情報処理方法 | |
JP7259110B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
US20240112207A1 (en) | Method for clustering places of interest using segment characterization and common evening locations of entities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230127 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230127 |
|
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: 20230525 |
|
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: 20230822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230912 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7350145 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |