JP7360524B2 - 情報提案システム、情報提案方法、プログラムおよび記録媒体 - Google Patents
情報提案システム、情報提案方法、プログラムおよび記録媒体 Download PDFInfo
- Publication number
- JP7360524B2 JP7360524B2 JP2022159494A JP2022159494A JP7360524B2 JP 7360524 B2 JP7360524 B2 JP 7360524B2 JP 2022159494 A JP2022159494 A JP 2022159494A JP 2022159494 A JP2022159494 A JP 2022159494A JP 7360524 B2 JP7360524 B2 JP 7360524B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- images
- image
- proposal
- user
- 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
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
ユーザの画像群に含まれる各々の画像を解析して各々の画像の属性を検出し、ユーザの画像群に含まれる複数の画像の複数の属性を検出する画像解析部と、
ユーザの画像群において、属性毎に、同じ属性を有する同属画像の撮影枚数を集計する撮影枚数集計部と、
ユーザの画像群において、属性毎に、同属画像の撮影枚数から、同属画像の撮影頻度を算出する撮影頻度算出部と、
属性毎に、同属画像の撮影目的を推定する撮影目的推定部と、
属性毎に、同属画像の撮影枚数および撮影頻度が一定の条件を満たすか否かに応じて、同属画像の撮影目的に関連する商品の情報をユーザに提案するか否かを決定する提案決定部と、
ユーザに提案すると決定された商品の情報をユーザに提案する情報提案部と、を備える、情報提案システムを提供する。
情報提案部は、次の周期イベントが発生するタイミングよりも一定の期間前に、周期イベントに関連する商品の情報をユーザに提案することが好ましい。
提案決定部は、1以上の提案情報の中から、撮影枚数および撮影頻度が一定の条件を満たす同属画像の撮影目的と一致する撮影目的を含む提案情報を検索し、
情報提案部は、提案決定部により検索された提案情報に含まれる商品の情報をユーザに提案することが好ましい。
提案決定部は、撮影枚数および撮影頻度が一定の条件を満たす2以上の同属画像の2以上の撮影目的と一致する2以上の撮影目的を含む提案情報を検索することが好ましい。
提案決定部は、一定の条件を満たすか否かに係わらず、予め定められた物体が撮影された画像の撮影目的に関連する商品の情報をユーザに提案すると決定することが好ましい。
撮影目的推定部は、1組の学習用同属画像の撮影枚数および撮影頻度と、1組の学習用同属画像の撮影枚数および撮影頻度に対応する撮影目的の情報を得た場合に、
複数組および1組の学習用同属画像の撮影枚数および撮影頻度を入力したときに出力する撮影目的に基づく出力誤差が最小になるように、ニューラルネットワークを構成する各ノードの係数を変更する変更処理を行い、
変更処理を繰り返し行って、学習済みモデルを作成することが好ましい。
画像解析部が、ユーザの画像群に含まれる各々の画像を解析して各々の画像の属性を検出し、ユーザの画像群に含まれる複数の画像の複数の属性を検出するステップと、
撮影枚数集計部が、ユーザの画像群において、属性毎に、同じ属性を有する同属画像の撮影枚数を集計するステップと、
撮影頻度算出部が、ユーザの画像群において、属性毎に、同属画像の撮影枚数から、同属画像の撮影頻度を算出するステップと、
撮影目的推定部が、属性毎に、同属画像の撮影目的を推定するステップと、
提案決定部が、属性毎に、同属画像の撮影枚数および撮影頻度が一定の条件を満たすか否かに応じて、同属画像の撮影目的に関連する商品の情報をユーザに提案するか否かを決定するステップと、
情報提案部が、ユーザに提案すると決定された商品の情報をユーザに提案するステップと、を含む、情報提案方法を提供する。
次の周期イベントが発生するタイミングよりも一定の期間前に、周期イベントに関連する商品の情報をユーザに提案することが好ましい。
1以上の提案情報の中から、撮影枚数および撮影頻度が一定の条件を満たす同属画像の撮影目的と一致する撮影目的を含む提案情報を検索し、
検索された提案情報に含まれる商品の情報をユーザに提案することが好ましい。
撮影枚数および撮影頻度が一定の条件を満たす2以上の同属画像の2以上の撮影目的と一致する2以上の撮影目的を含む提案情報を検索することが好ましい。
一定の条件を満たすか否かに係わらず、予め定められた物体が撮影された画像の撮影目的に関連する商品の情報をユーザに提案すると決定することが好ましい。
1組の学習用同属画像の撮影枚数および撮影頻度と、1組の学習用同属画像の撮影枚数および撮影頻度に対応する撮影目的の情報を得た場合に、
複数組および1組の学習用同属画像の撮影枚数および撮影頻度を入力したときに出力する撮影目的に基づく出力誤差が最小になるように、ニューラルネットワークを構成する各ノードの係数を変更する変更処理を行い、
変更処理を繰り返し行って、学習済みモデルを作成することが好ましい。
ユーザの画像群に含まれる各々の画像を解析して各々の画像の属性を検出し、ユーザの画像群に含まれる複数の画像の複数の属性を検出する画像解析部と、
ユーザの画像群において、属性毎に、同じ属性を有する同属画像の撮影枚数を集計する撮影枚数集計部と、
ユーザの画像群において、属性毎に、同属画像の撮影枚数から、同属画像の撮影頻度を算出する撮影頻度算出部と、
属性毎に、同属画像の撮影目的を推定する撮影目的推定部と、
属性毎に、同属画像の撮影枚数および撮影頻度が一定の条件を満たすか否かに応じて、同属画像の撮影目的に関連する商品の情報をユーザに提案するか否かを決定する提案決定部と、
ユーザに提案すると決定された商品の情報をユーザに提案する情報提案部と、を備え、
画像群取得部、画像解析部、撮影枚数集計部、撮影頻度算出部、撮影目的推定部、提案決定部および情報提案部は、ハードウェア、または、プログラムを実行するプロセッサである、情報提案システムを提供する。
提案情報登録部は、ハードウェア、または、プログラムを実行するプロセッサであり、
提案決定部は、1以上の提案情報の中から、撮影枚数および撮影頻度が一定の条件を満たす同属画像の撮影目的と一致する撮影目的を含む提案情報を検索し、
情報提案部は、提案決定部により検索された提案情報に含まれる商品の情報をユーザに提案することが好ましい。
クライアント14Aは、情報提案システム10を利用する複数のユーザの各々が使用するユーザ用クライアントであり、クライアント14Bは、同じく情報提案システム10を利用する複数の商品提供者の各々が使用する商品提供者用クライアントである。
サーバ12は、1台に限らず、複数台であってもよく、制御装置、記憶装置および通信装置等を有する、ワークステーション等によって構成される。
商品提供者用クライアント14Bは、サーバ12により提案される情報を表示する機能、サーバ12により提案される情報に基づいて、この情報に関連する商品の情報を、各々のユーザに提案するようにサーバ12へ依頼する機能等を有する。
クライアント14A、14Bは、制御装置、入力装置、記憶装置、通信装置およびディスプレイ(表示装置)等を有する、デスクトップPC(パーソナルコンピュータ)、ノートPC、タブレットPC、あるいは、携帯電話およびスマートフォン等の携帯端末等によって構成される。
各々のユーザおよび各々の商品提供者は、情報提案システム10を利用する前に、各々のアカウントを作成し、各自のアカウント情報に基づいて、情報提案システム10にログインした後に、情報提案システム10を利用することができる。
ユーザのアカウント情報には、ユーザ名(アカウント名)およびログインのためのパスワードの他、年齢(年代)、性別、住所、メールアドレスおよび電話番号等の情報が含まれる。また、商品提供者のアカウント情報には、ユーザ名およびパスワードの他、住所、メールアドレスおよび電話番号等の情報が含まれる。
オンラインストレージ18に記憶された各々のユーザの画像群は、例えば写真プリントおよびフォトアルバム等のように、画像を使用する各種の製品および用途に利用することができる。
また、画像群取得部20は、オンラインストレージ18に記憶された複数のユーザの画像群を取得する。つまり、複数のユーザの各々が所有する画像群を含む画像群の集合を取得する。
画像群取得部20は、1のユーザの画像群および複数のユーザの画像群を一定の期間毎に取得してもよいし、各々のユーザについて、新たな画像群がアップロードされ、オンラインストレージ18に記憶される毎に取得してもよい。
なお、画像群取得部20は、オンラインストレージ18に限らず、各種のストレージ、例えば各々のユーザ用クライアント14Aの記憶装置等から各々のユーザの画像群を取得してもよい。
また、画像解析部22は、画像群取得部20により取得された複数のユーザの画像群に含まれる各々の画像を解析して、各々の画像の撮影場所および各々の画像に写っている物体を検出する。
地理的な領域の情報は、画像の撮影場所を限定する。例えば、商品提供者が東京都内で商品を提供するのであれば、東京都内以外の撮影場所で撮影された画像は不要であるため、地理的な領域を、東京都内で撮影された画像に限定する。この場合、地理的な領域は、国別でもよいし、日本国内であれば、本州、九州等の区別でもよいし、東日本、西日本等の区別、関東、近畿等の区別、都道府県別、市町村別等でもよい。
事業的な領域の情報は、画像に写っている物体の種類を限定する。例えば、商品提供者がお菓子業界の企業であれば、お菓子以外の物体が写っている画像は不要であるため、事業的な領域を、お菓子が写っている画像に限定する。お菓子業界の場合、事業的な領域は、個別のお菓子の名称である「チョコレート」、「キャンディー」等でもよいし、あるいは包括的な名称である「お菓子」、「和菓子」、「洋菓子」等でもよい。
画像抽出部26は、例えば地理的な領域が東京都内であれば、複数のユーザの画像群から、東京都内で撮影された画像を領域関連画像として抽出し、事業的な領域がお菓子業界であれば、複数のユーザの画像群から、お菓子が写っている画像を領域関連画像として抽出する。
また、撮影枚数集計部28は、複数のユーザの画像群において、同種画像(画像群)毎に、同種画像の撮影枚数を集計する。本発明において、同種画像とは、同じ撮影場所で撮影され、かつ同じ物体が写っている画像群のことをいう。言い換えると、同種画像は、画像の撮影場所および画像に写っている物体という2つの属性が同じ内容の画像群である。つまり、同種画像は、画像の撮影場所という属性が同じ内容の同属画像で、かつ画像に写っている物体という属性が同じ内容の同属画像からなる画像群である。
また、撮影枚数集計部28は、例えば釧路湿原で撮影され、かつタンチョウヅルが写っている同種画像の撮影枚数を集計する。
また、撮影頻度算出部30は、複数のユーザの画像群において、撮影枚数集計部28により集計された同種画像毎に、同種画像の撮影枚数から、この同種画像の撮影頻度を算出する。
提案情報は、提案決定部36が、同属画像の撮影目的から、提案する商品の情報を取得する場合に用いられる。
また、提案決定部36は、画像抽出部26により抽出された領域関連画像において、または、領域関連画像における複数のユーザの属性について、同じ撮影場所で撮影され、かつ同じ物体が写っている同種画像の撮影枚数および撮影頻度が一定の条件を満たすか否かに応じて、同種画像の同じ撮影場所および同じ物体に関する同種画像情報を、複数の商品提供者のうち、この同種画像情報に関連する商品提供者に提案するか否かを決定する。
撮影枚数が多くても、撮影頻度が低ければ、あるいは撮影頻度が高くても、撮影枚数が少なければ、その同属画像が1のユーザの趣味、嗜好等に合致するものであるか否かも、その同種画像が多くのユーザにとって興味、関心等のある情報であるか否かも正しく判断することは難しい。正しく判断するためには、撮影枚数および撮影頻度が一定の条件を満たしていることが必要である。
また、提案決定部36は、同種画像の撮影枚数および撮影頻度が一定の条件を満たす場合、この同種画像の同種画像情報を、この同種画像情報に関連する商品提供者に提案すると決定する。一方、同種画像の撮影枚数および撮影頻度が一定の条件を満たさない場合、この同種画像の同種画像情報を、この同種画像情報に関連する商品提供者に提案しないと決定する。
提案書は、同種画像情報の一例であり、例えば情報提案部40が、同種画像情報を商品提供者に提案する場合に用いられる。
提案条件は特に限定されないが、例えば撮影枚数および撮影頻度が一定の条件を満たす同種画像が前回アップロードされてから一定の期間が経過したとき、同種画像の撮影枚数および撮影頻度が一定の条件を満たしたとき等のように、特定の条件が満たされた場合を含む。
なお、物体に関する情報および提案条件には、上記以外の情報および条件が含まれていてもよい。また、提案書には、物体に関する情報および提案条件以外の情報、例えばユーザに提案する提案内容等が含まれていてもよい。
また、情報提案部40は、撮影枚数および撮影頻度が一定の条件を満たす同種画像の同じ撮影場所および同じ物体に関する同種画像情報を、複数の商品提供者のうち、この同種画像情報に関連する商品提供者に提案する。
続いて、情報提案部40により、提案決定部36により検索された提案情報に含まれる商品の情報が、1のユーザに提案される。
また、Amazon.com(登録商標)および楽天市場(登録商標)等のオンラインショップにおけるユーザの購入履歴を解析すれば、そのユーザが購入した商品に関する趣味、嗜好が表れる。
一方で、初期状態では、ユーザの画像群は通常単に時系列に並べられているだけという場合が多く、このような画像群を混然一体として解析すると、却ってユーザの趣味、嗜好の推定がうまく行かないことも考えられる。
この場合、撮影目的推定部32は、属性が、画像に写っている物体である場合、例えばユーザの友人が多数画像に写っていれば、ユーザ本人が野球をしている可能性が高いため、その画像の撮影目的は、「スポーツをする」というシーンの画像の撮影であると推定する。また、画像が著名な野球場で撮影されていたり、著名な野球選手が画像に写っていたりすれば、ユーザは野球観戦が好きであり、その画像の撮影目的は、「スポーツ観戦」の画像の撮影であると推測する。
1のユーザの画像群の中に、「冬のタンチョウヅル」の画像(写真)が多数含まれていたとする。撮影目的は、「タンチョウヅル」または「冬のタンチョウヅル」の画像の撮影であると考えられる。「タンチョウヅル」の画像は釧路湿原で撮影された可能性が高い。このような画像を撮るユーザは写真が趣味であり、高価なカメラ機材を所有していることが予想される。また、「冬のタンチョウヅル」を撮るユーザはリピータが多く、次年度の冬にまた釧路を訪れ、宿泊および観光等を行う可能性が高いと考えられる。
この場合、商品提供者として、釧路市および釧路観光協会等を想定する。画像群の中に「冬のタンチョウヅル」の画像が多数含まれている1のユーザに対して、翌年の冬の「タンチョウヅル」の飛来シーズン近くになったときに、釧路市の観光案内および宿泊施設の情報等を提案する。また、商品提供者として、カメラ機材の販売会社から、新商品のカメラ機材の情報を、この1のユーザに提案してもよい。
1のユーザの画像群の中に、「スキー」のシーンの画像(写真)が多数含まれていたとする。また、この「スキー」のシーンの画像は単年度でなく複数年度にわたって含まれていたとする。撮影目的は、「スキー」のシーンの画像の撮影であると考えられる。このユーザはスキーが趣味で毎年スキーに行く可能性が高い。
この場合、商品提供者として、スキー場運営会社を想定する。画像群の中に「スキー」のシーンの画像が多数含まれている1のユーザに対して、翌年のスキーシーズン近くになったときに、スキー場および宿泊施設の情報を提案する。
1のユーザの画像群の中に「TDL(東京ディズニーランド(登録商標))」の画像(写真)が多数含まれていたとする。また、「TDL」の画像は単年度でなく複数年度に含まれていたとする。撮影目的は、「TDL」の画像の撮影であると考えられる。このユーザは「TDL」が好きで毎年「TDL」に行く可能性が高い。
この場合、商品提供者として旅行会社を想定する。画像群の中に「TDL」の画像が多数含まれている1のユーザに対して、「TDL」への旅行プランの情報を提案する。
1のユーザの画像群の中に、「鉄道」の画像(写真)が多数含まれていたとする。撮影目的は、「鉄道」の画像の撮影であると考えられる。このユーザは、鉄道が好きで各地の鉄道に行って「鉄道」の画像を撮影している可能性が高い。
この場合、商品提供者として旅行会社を想定する。画像群の中に「鉄道」の画像が多数含まれている1のユーザに対して、新しい撮影スポットとしての鉄道の撮影場所、およびその1のユーザの画像群に含まれる画像に写っていない新しい鉄道車両の種類(蒸気機関車、電車等)等に関する情報を提案する。
周期イベントには、例えばシャンプーおよびリンス等の日用品の購入、および旅行等の予約が含まれるが、これ以外のイベントが含まれていてもよい。
これにより、1のユーザが定期的に購入する商品の購入を、1のユーザがその商品を購入する前に1のユーザに定期的に提案することができ、商品の販売を促進することができる。
この場合、提案決定部36により、撮影枚数および撮影頻度が一定の条件を満たす2以上の同属画像の2以上の撮影目的と一致する2以上の撮影目的を含む提案情報が検索される。
これにより、2以上の撮影目的の組合せに対応する商品の情報を1のユーザに提案することができる。例えば、撮影目的が、冬の画像の撮影、および、タンチョウヅルの画像の撮影の2つである場合、冬のタンチョウヅルに関連する商品の情報を1のユーザに提案することができる。
これにより、撮影枚数および撮影頻度に係わらず、予め定められた物体が撮影された画像の撮影目的に関連する商品の情報を、その画像をアップロードしたユーザに即座に提案することができる。例えば、予め定められた物体がタンチョウヅルである場合、タンチョウヅルが撮影された画像をアップロードしたユーザに対して、タンチョウヅルに関連する商品の情報を即座に提案する。
なお、予め定められた物体は特に限定されず、例えば珍しい物体でもよいし、あるいは商品提供者から依頼された物体でもよいなど、任意の物体を定めることができる。
これにより、学習用同属画像の組数が多くなるに応じて、同属画像から、この同属画像の撮影目的をより正確に推定することができるようになる。
この場合、撮影目的推定部32は、例えば1組の学習用同属画像の撮影枚数および撮影頻度と、この1組の学習用同属画像の撮影枚数および撮影頻度に対応する撮影目的の情報を得た場合に、上記の複数組および1組の学習用同属画像の撮影枚数および撮影頻度を入力したときに出力する撮影目的に基づく出力誤差が最小になるように、ニューラルネットワークを構成する各ノードの係数を変更する変更処理を行う。例えば、撮影目的1が人物の画像の撮影であれば、この撮影目的1に基づく出力誤差が最小になるように変更処理が行われ、撮影目的2が動物の画像の撮影であれば、この撮影目的2に基づく出力誤差が最小になるように変更処理が行われる。
撮影目的推定部32は、上記の変更処理を繰り返し行って、学習用同属画像の撮影枚数および撮影頻度と撮影目的との関係を学習する。これにより、撮影枚数および撮影頻度に対応する各々の撮影目的に基づく出力誤差が最小になるように、ニューラルネットワークを構成する各ノードの係数が変更された学習済みモデルを作成することができる。例えば、撮影枚数および撮影頻度に対する、上記の撮影目的1および撮影目的2に基づく出力誤差が最小になるように、ニューラルネットワークを構成する各ノードの係数がそれぞれ変更される。
撮影目的推定部32は、学習済みモデルを使用して、同属画像の撮影枚数および撮影頻度に対して、出力誤差が最小の撮影目的が最も正確な撮影目的であると推定する。
学習方法としては、前述のように、例えば人工知能(AI:Artificial Intelligence)の技術の1つである機械学習(マシンラーニング)の一例として、階層構造型のニューラルネットワークを用いるディープラーニング(深層学習)等を利用することができる。
また、ディープラーニング以外の機械学習を利用してもよいし、機械学習以外の人工知能の技術を利用してもよいし、人工知能の技術以外の学習方法を利用してもよい。
商品提供者は、同種画像情報に関する商品の情報を1以上のユーザ、例えば同種画像をアップロードしている多数のユーザに同時に提案することができる。
複数のユーザの画像群の中に、「A市のドラマで使われたロケ地」の画像が多数含まれていたとする。最近、このロケ地に人が集まるようになり、このロケ地の写真を撮る人が増えている。複数のユーザの画像群の解析結果から、このロケ地の場所で写真を撮る人が増えていることが分かった。
この場合から、A市に対して、「ロケ地を観光スポットにしてはどうですか?」という提案を行う。「ロケ地」が同種画像情報の同じ撮影場所であり、「A市」が商品提供者であり、「ロケ地を観光スポットにしてはどうですか?」が同種画像情報である。
1のユーザの画像群には、B市の「鉄道」の画像(写真)が含まれていないが、他の複数のユーザの画像群には、B市の「鉄道」の画像が多数含まれていたとする。
この場合、B市の「鉄道」(蒸気機関車、電車等)に関する商品の情報をこの1のユーザに提案するための情報を、この商品の情報に関連する商品提供者に提案する。例えば、B市の「鉄道」の画像の撮影に必要と考えられる、B市までの交通手段、B市における宿泊情報等の情報を、旅行会社に提案する。
画像の付加情報に含まれる位置情報および画像に写っているランドマーク等の情報を活用して、複数のユーザの画像群に含まれる各々の画像の撮影場所を特定し、特定された画像の撮影場所の情報と、その画像に写っている物体の情報と、を関連付ける。他の多数のユーザの画像群に含まれている多数の画像に写っている物体が、1のユーザの画像群に含まれている画像に写っていないとする。
この場合、その物体が写っている画像の撮影場所に関する商品の情報をこの1のユーザに提案するための情報を、この商品の情報に関連する商品提供者に提案する。
なお、各々の画像の解析は既に終了しているものとする。
領域関連画像は、複数のユーザの画像群のうち、各々の商品提供者にとって関連性のある画像であるため、複数のユーザの画像群を処理するよりも領域関連画像を処理することにより、これ以降の処理を迅速に行うことができる。
この場合、情報提案部40により、提案すると決定された同種画像情報が、この提案すると決定された同種画像情報に関連する商品提供者に提案される。
この場合、情報提案部40により、提案書が、撮影枚数および撮影頻度が一定の条件を満たす同種画像の同種画像情報に関連する商品提供者に送付される。
なお、情報提案部40は、提案書作成部38により作成された提案書だけでなく、既存の複数の提案書の中から選択された1の提案書または人間により作成された提案書を商品提供者に送付してもよい。
この場合、情報提案部40により、複数の商品提供者の各々から提供される、同種画像情報に関する商品の情報を1以上のユーザに提案するための条件に基づいて、同種画像情報に関する商品の情報が、1以上のユーザに提案される。
なお、各々の商品提供者は、サーバ12に依頼して各々のユーザに提案してもらう代わりに、各々のユーザに直接提案を行ってもよい。また、各々の商品提供者は、同種画像とその同種画像の同種画像情報に関する商品の情報とが対応付けられた提案情報を提案情報登録部34に登録してもよい。これにより、撮影枚数および撮影頻度が一定の条件を満たす同種画像に基づいて、提案情報登録部34から、その同種画像の同種画像情報に関する商品の情報を取得することができる。
これにより、商品提供者は、この同種画像の同種画像情報に関連する商品の情報をこの1のユーザに定期的に提案することができる。この同種画像をアップロードしている1のユーザは、この同種画像の同種画像情報に関連する商品の情報に興味があると考えられるため、商品の販売を促進することができる。
なお、一定の期間は、提案内容に応じて適宜決定することができる。
これに応じて、商品提供者は、例えばそのユーザにより上記画像が前回アップロードされてから1年が経過したときに、前回と同じ旅行先への旅行の情報をそのユーザに提案することを、サーバ12に依頼する。
これにより、旅行等の予約を定期的に行うリピータをターゲットして商品の情報の提案を行うことができる。
類似属性のユーザとは、複数のユーザと属性、例えば年齢、年代、性別、および住所等が類似しているユーザ、あるいは同じような画像、例えば猫の画像、電車の画像、および花の画像等を撮影しているユーザ等が含まれる。
これにより、商品提供者は、この同種画像の同種画像情報に関連する商品の情報を類似属性のユーザに提案することができる。類似属性のユーザは、この同種画像の同種画像情報に関連する商品の情報に興味があると考えられるため、商品の販売を促進することができる。
これに応じて、商品提供者は、例えばこの撮影場所への旅行の情報を直ちに類似属性のユーザに提案することを、サーバ12に依頼する。
これにより、類似属性のユーザであって、複数のユーザにより撮影された同種画像を撮影していない、つまり、この同種画像が撮影された撮影場所に行っていないと未体験のユーザをターゲットとして商品の情報を提案することができる。
2.商品提供者が、商品の情報をユーザに提案する主体は、情報提案システム10の場合もあり、商品提供者の場合もあることについて、ユーザの承諾を得るものとする。
3.上記2の主体が商品提供者である場合、商品の情報をユーザに提案するために必要な情報を商品提供者に引き渡すことについて、ユーザに承諾を得るものとする。必要な情報は、電子メールアドレスのみとするなど、必要最低限とすることが好ましい。
4.複数のユーザの画像群を解析して、撮影枚数が多い物体の情報を商品提供者に送付するなどの情報提供に当たっては、ユーザの情報およびユーザが特定されるような情報を商品提供者に提供しないものとする。予め、これらの情報を匿名化してから情報提供を行うことについて、ユーザの承諾を得るものとする。
12 サーバ
14A ユーザ用クライアント
14B 商品提供者用クライアント
16 ネットワーク
18 オンラインストレージ
20 画像群取得部
22 画像解析部
24 領域情報受付部
26 画像抽出部
28 撮影枚数集計部
30 撮影頻度算出部
32 撮影目的推定部
34 提案情報登録部
36 提案決定部
38 提案書作成部
40 情報提案部
Claims (18)
- ストレージに記憶されたユーザの画像群を取得する画像群取得部と、
前記ユーザの画像群に含まれる各々の画像を解析して前記各々の画像の属性を検出し、前記ユーザの画像群に含まれる複数の画像の複数の属性を検出する画像解析部と、
前記ユーザの画像群において、前記属性毎に、同じ属性を有する同属画像の撮影枚数を集計する撮影枚数集計部と、
前記ユーザの画像群において、前記属性毎に、前記同属画像の撮影枚数から、前記同属画像の撮影頻度を算出する撮影頻度算出部と、
前記属性毎に、前記同属画像の撮影目的を推定する撮影目的推定部と、
前記同属画像の撮影目的に関連する商品の情報を前記ユーザに提案する情報提案部と、を備える、情報提案システム。 - 前記ユーザに提案する商品の情報は、一定の周期で発生する周期イベントに関連する商品の情報を含み、
前記情報提案部は、次の前記周期イベントが発生するタイミングよりも一定の期間前に、前記周期イベントに関連する商品の情報を前記ユーザに提案する、請求項1に記載の情報提案システム。 - さらに、前記撮影目的と前記商品の情報とが対応付けられた1以上の提案情報を登録する提案情報登録部を備え、
前記情報提案部は、前記1以上の提案情報の中から、前記同属画像の撮影目的と一致する撮影目的を含む提案情報に含まれる商品の情報を前記ユーザに提案する、請求項1または2に記載の情報提案システム。 - 前記提案情報登録部は、前記1以上の提案情報として、2以上の前記撮影目的と前記商品の情報とが対応付けられた提案情報を登録し、
前記情報提案部は、2以上の前記同属画像の2以上の撮影目的と一致する2以上の撮影目的を含む提案情報に含まれる商品の情報を前記ユーザに提案する、請求項3に記載の情報提案システム。 - 前記属性には、画像の撮影日時、画像の撮影場所、画像の撮影方角、画像に写っている人物、画像に写っている物体および画像に写っているシーンの少なくとも1つが含まれる、請求項1ないし4のいずれか一項に記載の情報提案システム。
- 前記ユーザの画像群は、他のユーザに対して非公開の画像を含む、請求項1ないし5のいずれか一項に記載の情報提案システム。
- 前記撮影目的推定部は、同じ属性を有する学習用同属画像の撮影枚数および撮影頻度と撮影目的との関係を、複数組の前記学習用同属画像について予め学習した学習済みモデルを作成しておき、前記学習済みモデルを使用して、前記同属画像から、前記同属画像の撮影目的を推定する、請求項1ないし6のいずれか一項に記載の情報提案システム。
- 前記学習済みモデルはニューラルネットワークからなり、
前記撮影目的推定部は、1組の前記学習用同属画像の撮影枚数および撮影頻度と、前記1組の学習用同属画像の撮影枚数および撮影頻度に対応する撮影目的の情報を得た場合に、
前記複数組および前記1組の学習用同属画像の撮影枚数および撮影頻度を入力したときに出力する撮影目的に基づく出力誤差が最小になるように、前記ニューラルネットワークを構成する各ノードの係数を変更する変更処理を行い、
前記変更処理を繰り返し行って、前記学習済みモデルを作成する、請求項7に記載の情報提案システム。 - 画像群取得部が、ストレージに記憶されたユーザの画像群を取得するステップと、
画像解析部が、前記ユーザの画像群に含まれる各々の画像を解析して前記各々の画像の属性を検出し、前記ユーザの画像群に含まれる複数の画像の複数の属性を検出するステップと、
撮影枚数集計部が、前記ユーザの画像群において、前記属性毎に、同じ属性を有する同属画像の撮影枚数を集計するステップと、
撮影頻度算出部が、前記ユーザの画像群において、前記属性毎に、前記同属画像の撮影枚数から、前記同属画像の撮影頻度を算出するステップと、
撮影目的推定部が、前記属性毎に、前記同属画像の撮影目的を推定するステップと、
情報提案部が、前記同属画像の撮影目的に関連する商品の情報を前記ユーザに提案するステップと、を含む、情報提案方法。 - 前記ユーザに提案する商品の情報は、一定の周期で発生する周期イベントに関連する商品の情報を含み、
前記情報提案部は、次の前記周期イベントが発生するタイミングよりも一定の期間前に、前記周期イベントに関連する商品の情報を前記ユーザに提案する、請求項9に記載の情報提案方法。 - さらに、提案情報登録部が、前記撮影目的と前記商品の情報とが対応付けられた1以上の提案情報を登録するステップを含み、
前記情報提案部は、前記1以上の提案情報の中から、前記同属画像の撮影目的と一致する撮影目的を含む提案情報に含まれる商品の情報を前記ユーザに提案する、請求項9または10に記載の情報提案方法。 - 前記提案情報登録部は、前記1以上の提案情報として、2以上の前記撮影目的と前記商品の情報とが対応付けられた提案情報を登録し、
前記情報提案部は、2以上の前記同属画像の2以上の撮影目的と一致する2以上の撮影目的を含む提案情報に含まれる商品の情報を前記ユーザに提案する、請求項11に記載の情報提案方法。 - 前記属性には、画像の撮影日時、画像の撮影場所、画像の撮影方角、画像に写っている人物、画像に写っている物体および画像に写っているシーンの少なくとも1つが含まれる、請求項9ないし12のいずれか一項に記載の情報提案方法。
- 前記ユーザの画像群は、他のユーザに対して非公開の画像を含む、請求項9ないし13のいずれか一項に記載の情報提案方法。
- 前記撮影目的推定部は、同じ属性を有する学習用同属画像の撮影枚数および撮影頻度と撮影目的との関係を、複数組の前記学習用同属画像について予め学習した学習済みモデルを作成しておき、前記学習済みモデルを使用して、前記同属画像から、前記同属画像の撮影目的を推定する、請求項9ないし14のいずれか一項に記載の情報提案方法。
- 前記学習済みモデルはニューラルネットワークからなり、
前記撮影目的推定部は、1組の前記学習用同属画像の撮影枚数および撮影頻度と、前記1組の学習用同属画像の撮影枚数および撮影頻度に対応する撮影目的の情報を得た場合に、
前記複数組および前記1組の学習用同属画像の撮影枚数および撮影頻度を入力したときに出力する撮影目的に基づく出力誤差が最小になるように、前記ニューラルネットワークを構成する各ノードの係数を変更する変更処理を行い、
前記変更処理を繰り返し行って、前記学習済みモデルを作成する、請求項15に記載の情報提案方法。 - 請求項9ないし16のいずれか一項に記載の情報提案方法の各々のステップをコンピュータに実行させるためのプログラム。
- 請求項9ないし16のいずれか一項に記載の情報提案方法の各々のステップをコンピュータに実行させるためのプログラムが記録されたコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022159494A JP7360524B2 (ja) | 2019-07-03 | 2022-10-03 | 情報提案システム、情報提案方法、プログラムおよび記録媒体 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019124390A JP7155074B2 (ja) | 2019-07-03 | 2019-07-03 | 情報提案システム、情報提案方法、プログラムおよび記録媒体 |
JP2022159494A JP7360524B2 (ja) | 2019-07-03 | 2022-10-03 | 情報提案システム、情報提案方法、プログラムおよび記録媒体 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019124390A Division JP7155074B2 (ja) | 2019-07-03 | 2019-07-03 | 情報提案システム、情報提案方法、プログラムおよび記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022177307A JP2022177307A (ja) | 2022-11-30 |
JP7360524B2 true JP7360524B2 (ja) | 2023-10-12 |
Family
ID=73918888
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019124390A Active JP7155074B2 (ja) | 2019-07-03 | 2019-07-03 | 情報提案システム、情報提案方法、プログラムおよび記録媒体 |
JP2022159494A Active JP7360524B2 (ja) | 2019-07-03 | 2022-10-03 | 情報提案システム、情報提案方法、プログラムおよび記録媒体 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019124390A Active JP7155074B2 (ja) | 2019-07-03 | 2019-07-03 | 情報提案システム、情報提案方法、プログラムおよび記録媒体 |
Country Status (3)
Country | Link |
---|---|
US (2) | US11361367B2 (ja) |
JP (2) | JP7155074B2 (ja) |
CN (1) | CN112184357A (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11461497B2 (en) | 2019-08-12 | 2022-10-04 | Bank Of America Corporation | Machine learning based third party entity modeling for predictive exposure prevention |
US11250160B2 (en) * | 2019-08-12 | 2022-02-15 | Bank Of America Corporation | Machine learning based user and third party entity communications |
JP2022113417A (ja) | 2021-01-25 | 2022-08-04 | 株式会社デンソー | 熱管理システム |
JP2023177579A (ja) * | 2022-06-02 | 2023-12-14 | Stamp株式会社 | 情報処理システム、情報処理方法及びプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215964A (ja) | 2010-03-31 | 2011-10-27 | Sony Corp | サーバ装置、クライアント装置、コンテンツ推薦方法及びプログラム |
JP5391352B1 (ja) | 2013-04-24 | 2014-01-15 | 株式会社タカマツヤ | システム及び顧客管理サーバ |
JP2015089112A (ja) | 2013-09-24 | 2015-05-07 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
WO2018055660A1 (ja) | 2016-09-20 | 2018-03-29 | 株式会社オプティム | 購入レコメンドシステム、購入レコメンド方法及びプログラム |
JP2018151837A (ja) | 2017-03-13 | 2018-09-27 | 株式会社リコー | 広告出力装置、広告出力方法及び広告出力プログラム |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6711293B1 (en) * | 1999-03-08 | 2004-03-23 | The University Of British Columbia | Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image |
US20030204844A1 (en) * | 2002-04-26 | 2003-10-30 | Brant Steven B. | Video messaging system |
JP2006106404A (ja) | 2004-10-06 | 2006-04-20 | Canon Inc | 広告表示方法 |
US8756114B2 (en) * | 2007-06-05 | 2014-06-17 | Intellectual Ventures Fund 83 Llc | Method, medium, and system for generating offers for image bearing products |
US8934717B2 (en) * | 2007-06-05 | 2015-01-13 | Intellectual Ventures Fund 83 Llc | Automatic story creation using semantic classifiers for digital assets and associated metadata |
US8611677B2 (en) * | 2008-11-19 | 2013-12-17 | Intellectual Ventures Fund 83 Llc | Method for event-based semantic classification |
JP2011018178A (ja) * | 2009-07-08 | 2011-01-27 | Sony Corp | 情報処理装置、情報処理方法およびプログラム |
WO2011040202A1 (ja) * | 2009-09-30 | 2011-04-07 | 楽天株式会社 | 画像内に存在しない物品をレコメンドするシステム |
JP5339631B2 (ja) | 2010-03-16 | 2013-11-13 | Kddi株式会社 | ディスプレイを有するデジタル写真表示装置、システム及びプログラム |
US8745130B2 (en) * | 2011-06-16 | 2014-06-03 | Kodak Alaris Inc. | Digital image communication |
WO2012176317A1 (ja) * | 2011-06-23 | 2012-12-27 | サイバーアイ・エンタテインメント株式会社 | 画像認識システムを組込んだ関連性検索によるインタレスト・グラフ収集システム |
JP2013050502A (ja) | 2011-08-30 | 2013-03-14 | Seiko Epson Corp | 広告表示制御装置、広告表示制御方法、およびプログラム |
JP2013161116A (ja) | 2012-02-01 | 2013-08-19 | Nec Corp | レコメンドシステム、レコメンド方法及びレコメンドプログラム |
US9785654B2 (en) * | 2013-03-08 | 2017-10-10 | FashionLoyal Inc. | Method of e-commerce |
JP2014216004A (ja) | 2013-10-11 | 2014-11-17 | 株式会社タカマツヤ | 顧客管理サーバ及び顧客管理システム |
JP6533713B2 (ja) * | 2015-07-31 | 2019-06-19 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
JP2017076315A (ja) | 2015-10-16 | 2017-04-20 | カシオ計算機株式会社 | 画像処理装置、画像処理方法及びプログラム |
US11741522B2 (en) * | 2015-12-31 | 2023-08-29 | Kodak Alaris, Inc. | Method for image product recommendation |
JP6414363B2 (ja) * | 2016-03-16 | 2018-10-31 | 日本電気株式会社 | 予測システム、方法およびプログラム |
EP3465478A1 (en) * | 2016-06-02 | 2019-04-10 | Kodak Alaris Inc. | Method for providing one or more customized media centric products |
US10891526B2 (en) * | 2017-12-22 | 2021-01-12 | Google Llc | Functional image archiving |
CN111902836A (zh) * | 2018-03-27 | 2020-11-06 | 文化便利俱乐部株式会社 | 基于顾客属性信息进行建议的装置、方法、及程序 |
JP6934001B2 (ja) * | 2018-09-27 | 2021-09-08 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
-
2019
- 2019-07-03 JP JP2019124390A patent/JP7155074B2/ja active Active
-
2020
- 2020-05-14 US US16/874,528 patent/US11361367B2/en active Active
- 2020-07-01 CN CN202010623931.2A patent/CN112184357A/zh active Pending
-
2022
- 2022-05-16 US US17/663,593 patent/US11620695B2/en active Active
- 2022-10-03 JP JP2022159494A patent/JP7360524B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215964A (ja) | 2010-03-31 | 2011-10-27 | Sony Corp | サーバ装置、クライアント装置、コンテンツ推薦方法及びプログラム |
JP5391352B1 (ja) | 2013-04-24 | 2014-01-15 | 株式会社タカマツヤ | システム及び顧客管理サーバ |
JP2015089112A (ja) | 2013-09-24 | 2015-05-07 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
WO2018055660A1 (ja) | 2016-09-20 | 2018-03-29 | 株式会社オプティム | 購入レコメンドシステム、購入レコメンド方法及びプログラム |
JP2018151837A (ja) | 2017-03-13 | 2018-09-27 | 株式会社リコー | 広告出力装置、広告出力方法及び広告出力プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7155074B2 (ja) | 2022-10-18 |
US20220277374A1 (en) | 2022-09-01 |
JP2021009652A (ja) | 2021-01-28 |
US20210004890A1 (en) | 2021-01-07 |
US11361367B2 (en) | 2022-06-14 |
CN112184357A (zh) | 2021-01-05 |
JP2022177307A (ja) | 2022-11-30 |
US11620695B2 (en) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7360524B2 (ja) | 情報提案システム、情報提案方法、プログラムおよび記録媒体 | |
US20210366001A1 (en) | Dynamic promotional layout management and distribution rules | |
US11947588B2 (en) | System and method for predictive curation, production infrastructure, and personal content assistant | |
US20140019264A1 (en) | Framework for product promotion and advertising using social networking services | |
US20180314915A1 (en) | Image based prediction of user demographics | |
US20140280001A1 (en) | Systems and methods for organizing, presenting, and retrieving information about items of interest in a social network of interests | |
JP7343660B2 (ja) | 画像処理装置、画像処理方法、プログラムおよび記録媒体 | |
JP2024026415A (ja) | 情報処理装置及び方法並びにプログラム | |
JP7420892B2 (ja) | 情報提案システム、情報提案方法、プログラムおよび記録媒体 | |
JP2019207495A (ja) | 情報提供装置および情報提供システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221019 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221019 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230822 |
|
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: 20230912 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230929 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7360524 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |