JP7445240B2 - サービス提供システム及びユーザ側設備 - Google Patents
サービス提供システム及びユーザ側設備 Download PDFInfo
- Publication number
- JP7445240B2 JP7445240B2 JP2018113529A JP2018113529A JP7445240B2 JP 7445240 B2 JP7445240 B2 JP 7445240B2 JP 2018113529 A JP2018113529 A JP 2018113529A JP 2018113529 A JP2018113529 A JP 2018113529A JP 7445240 B2 JP7445240 B2 JP 7445240B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- advertisement
- learning
- price
- service providing
- 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
- 238000010801 machine learning Methods 0.000 claims description 92
- 238000012549 training Methods 0.000 claims description 41
- 230000002787 reinforcement Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 22
- 238000013500 data storage Methods 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 description 79
- 230000008569 process Effects 0.000 description 68
- 238000012545 processing Methods 0.000 description 68
- 230000001915 proofreading effect Effects 0.000 description 32
- 238000003860 storage Methods 0.000 description 32
- 238000004519 manufacturing process Methods 0.000 description 29
- 230000000694 effects Effects 0.000 description 18
- 239000003795 chemical substances by application Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000009471 action Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 206010034203 Pectus Carinatum Diseases 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 241000972773 Aulopiformes Species 0.000 description 1
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 1
- 240000008384 Capsicum annuum var. annuum Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 235000019515 salmon Nutrition 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
広告に掲載される価格データを提供者から受付けるデータ受付け手段と、
前記データ受付け手段により受付けられた価格データと、価格変動の要因となる変動要因データとをビッグデータとして蓄積するビッグデータ蓄積手段と、
前記ビッグデータ蓄積手段により蓄積された前記価格データと前記変動要因データとに基づいて機械学習手段が機械学習を行ったAIモデルを用いて価格変動を予測し、該予測を反映したサービスを提供するサービス提供手段と、
前記データ受付け手段が受付けた価格データを広告対象に反映した広告作成に関するサービスを、当該価格データの提供者に提供する広告関連サービス提供手段と、を備え、
前記提供者が前記広告関連サービス提供手段によるサービスを享受するために提供した価格データを前記ビッグデータ蓄積手段が蓄積して当該ビッグデータに基づいて前記機械学習手段が機械学習を行ったAIモデルを用いたサービスを前記サービス提供手段が提供する。
前記サービス提供手段は、前記広告作成手段により作成された広告を提供するようにしてもよい。
前記最適化された広告を作成するための機械学習は、前記広告効果測定手段による測定結果に従ってエージェントに報酬が与えられ、該エージェントが前記報酬の累積を最大化する方策を学習する強化学習であってもよい。
前記最適化された広告を作成するための機械学習は、前記ビッグデータ蓄積手段により蓄積された前記価格データと価格変動の要因となる変動要因データとに基づいて予測された価格を入力情報とし、且つ、前記広告効果測定手段により所定レベル以上の効果が測定された広告内容を正解情報とする訓練データを生成し、該訓練データを用いて教師あり学習を行い、回帰問題として入力を正解に写像する関数を学習する教師あり学習であってもよい。
1 エージェントは環境から受け取った観測o(あるいは直接、環境の状態s)を受け取り、方策πに基いて環境に行為aを返す。
2 環境はエージェントから受け取った行為aと現在の状態sに基いて、次の状態s′に変化し、その遷移に基いて次の観測o′と、報酬rと呼ばれる直前の行動の良し悪しを示す1つの数(スカラー量)をエージェントに返す。
3 時間の進行:t←t+1
ここで←は代入操作を表す。
π*(st):Choose at *ifQ*(st,at *)
の式で表される。次に、S48において、商品価格をPjとした最適化広告を生成して広告主30や広告作成会社31に送信(提供)する。
(変形例1) 前述の実施の形態では、広告関連サービス提供手段35がチラシ27の校正箇所を発見して広告作成会社31に提供するものを示したが、それに限定されるものではなく、広告主30からの広告依頼に基づいて電子チラシを作成してウェブ上でその電子チラシを検索・閲覧できるようにするサービスであってもよい。
〔主題1〕
(事項1)
少なくとも価格データ(例えば、商品毎の価格を含む商品データ(品名・容量・価格・販売制限数等))をビッグデータとして蓄積して(例えば、S128)そのビッグデータを利用したサービスを提供するサービス提供システムであって、
少なくとも価格データ(例えば、商品毎の価格を含む商品データ(品名・容量・価格・販売制限数等))を受付けるデータ受付け手段(例えば、S65、S67)と、
前記データ受付け手段により受付けられた価格データ(例えば、価格データ41)をビッグデータとして蓄積するビッグデータ蓄積手段(例えば、ビッグデータDB36、S128)と、
前記ビッグデータ蓄積手段により蓄積されたビッグデータに基づいて機械学習手段(例えば、機械学習手段34、S9、S10)が機械学習を行った学習結果を反映させたサービス(例えば、価格変動予測、最適化された広告の作成提供、先物取引)を提供するサービス提供手段(例えば、S48、S55)と、
広告作成に関するサービスを提供する広告関連サービス提供手段(例えば、広告関連サービス提供手段35、S65~S80)と、を備え、
前記広告関連サービス提供手段は、前記データ受付け手段が受付けた価格データを反映した広告作成に関するサービス(例えば、S65~S80)を前記価格データの提供者(例えば、広告作成会社31)に提供する、サービス提供システム。
前記ビッグデータ蓄積手段は、価格変動の要因となる変動要因データ(例えば、クローラ収集データ40としての、天候,自然災害,株価,為替レート,金利,景気動向,所得変動,地政学的リスク)もビッグデータとして蓄積し、
前記ビッグデータ蓄積手段により蓄積された前記価格データと前記変動要因データとに基づいて価格変動を予測する予測手段(例えば、S55~S60)をさらに備え、
前記予測手段は、前記価格データと前記変動要因データとに基づいて前記機械学習手段が機械学習(例えば、S15~S20)を行った学習結果を反映させて前記価格変動を予測し(例えば、S57)、
前記サービス提供手段は、前記予測手段による価格変動の予測を反映したサービスを提供する(例えば、価格変動予測、最適化された広告の作成提供)、事項1に記載のサービス提供システム。
前記ビッグデータ蓄積手段により蓄積されたビッグデータに基づいて前記機械学習手段が最適化された広告を作成するための機械学習(例えば、S25~31、S36~S38、S46、S47)を行った学習結果を反映させて広告を作成する広告作成手段(例えば、S48)をさらに備え、
前記サービス提供手段は、前記広告作成手段により作成された広告を提供する(例えば、S48)、事項1または2に記載のサービス提供システム。
前記広告作成手段により作成された広告の効果を測定する広告効果測定手段(例えば、広告効果測定手段38、S1~S8)をさらに備え、
前記最適化された広告を作成するための機械学習は、前記広告効果測定手段による測定結果に従ってエージェントに報酬が与えられ、該エージェントが前記報酬の累積を最大化する方策を学習する強化学習である(例えば、S46、S47)、事項3に記載のサービス提供システム。
前記広告作成手段により作成された広告の効果を測定する広告効果測定手段(例えば、広告効果測定手段38、S1~S8)をさらに備え、
前記最適化された広告を作成するための機械学習は、前記ビッグデータ蓄積手段により蓄積された前記価格データと価格変動の要因となる変動要因データとに基づいて予測手段が予測した価格を入力情報とし、且つ、前記広告効果測定手段により所定レベル以上の効果が測定された広告内容を正解情報とする訓練データ(例えば、{(xji,yji)})を生成し(例えば、S37)、該訓練データを用いて教師あり学習を行い、回帰問題として入力を正解に写像する関数(例えば、cj(x)(cj:x→y))を学習する教師あり学習(例えば、S36~S38)である、事項3に記載のサービス提供システム。
少なくとも価格データ(例えば、商品毎の価格を含む商品データ(品名・容量・価格・販売制限数等))をビッグデータとして蓄積して(例えば、S128)そのビッグデータを利用したサービスを提供するサービス提供システム側(例えば、データセンタ44側)にネット接続可能なユーザ側設備(例えば、広告主30の社内LAN84に接続されたユーザ端末74、広告作成会社31の社内LAN84に接続されたユーザ端末74)であって、
少なくとも価格データ(例えば、商品毎の価格を含む商品データ(品名・容量・価格・販売制限数等))を前記サービス提供システム側に提供するデータ提供手段(例えば、S181、S183)と、
前記サービス提供システム側に設けられたビッグデータ蓄積手段により、前記データ提供手段により提供された価格データがビッグデータとして蓄積され、該蓄積されたビッグデータに基づいて機械学習手段が機械学習を行った学習結果を反映させたサービス(例えば、最適化された広告、価格変動予測)を前記サービス提供システム側から享受するサービス享受手段(例えば、S155、S187)と、
前記サービス提供システム側に設けられた広告関連サービス提供手段から広告作成に関するサービスを享受する広告関連サービス享受手段(例えば、S184)と、を備え、
前記広告関連サービス享受手段は、前記データ提供手段により提供された価格データを反映した広告作成に関するサービス(例えば、S65~S80)を享受する。
広告の校正すべき個所を判別して通知する広告関連サービス提供システムとして、チラシ等の広告をその原稿データと照合し、原稿に従っていない箇所を発見するものがある(例えば特開2004―133734号公報)。
(事項1)
広告作成に関するサービスを提供する広告関連サービス提供システムであって、
広告(例えば、チラシ27、パンフレット、ウェブ広告等)のデータを受付ける広告データ受付け手段(例えば、S65)と、
前記広告の作成に用いられた原稿データ(例えば、原稿データ2)を受付ける原稿データ受付け手段(例えば、S67)と、
前記広告データ受付け手段により受付けられた広告のデータと前記原稿データ受付け手段により受付けられた原稿データとに基づいて、前記広告と前記原稿データとの整合性を判定して前記広告の校正すべき個所を判別する校正箇所判別手段(例えば、S68~S79)と、を備え、
前記校正箇所判別手段は、前記広告と前記原稿データとの整合性を判定するための機械学習(例えば、チラシ特徴学習23、広告値組境界学習3、商品特徴学習22、商品画像識別用学習4、文字位置学習28、OCR学習16、単語分類学習39)を校正用機械学習手段(例えば、校正用機械学習手段33)が行なった学習結果(例えば、学習済みチラシ特徴量1、広告値組境界学習済みモデル2、学習済み商品特徴量20、商品画像識別用学習済みモデル18、文字位置学習済みモデル19、OCR学習済みモデル17、単語分類学習済みモデル32)を反映させて前記整合性を判定する(例えば、S87、S88、S95、S96、S98、S99、S104、S105、S108、S116、S117、S111、S112、S116、S117)、広告関連サービス提供システム。
前記広告のデータは複数の広告商品のデータ(例えば、図10(B)に示す値組99a、99b、99c、99d)を含んでおり、
前記原稿データは広告対象の複数の商品各々についての広告内容を指定するデータ(例えば、図10(E)に示す標品名、メーカ、値段等)を含み、
前記校正用機械学習手段が行なう機械学習は、前記広告データ受付け手段により受付けられた広告のデータを単一値組毎に区分けして識別するための値組毎区分け識別用機械学習(例えば、チラシ特徴学習23、広告値組境界学習3)含み、
前記校正箇所判別手段は、
前記値組毎区分け識別用機械学習による学習結果を反映させて前記広告のデータを単一値組毎に区分けして識別する値組毎区分け識別処理(例えば、S87~S89)と、
前記値組毎区分け識別処理により識別された単一値組の各々が、前記原稿データにおけるどの部分の広告内容に対応するかを特定する原稿対応部分特定処理(例えば、S95、S96、S98、S99、S104、S105、S108)と、
前記値組毎区分け識別処理により識別された単一値組の各々と、前記原稿対応部分特定処理により特定された広告内容とをマッチングさせて前記整合性を判定する整合性判定処理(例えば、S111~S114、S116、S117、S120~S123)と、を行う、事項1に記載の広告関連サービス提供システム。
前記整合性判定処理は、前記値組毎区分け識別処理により単一値組毎に区分けして識別された各単一値組の文字画像と前記原稿データとの整合性を判定する(例えば、S111~S114、S116、S117、S120~S123)、事項2に記載の広告関連サービス提供システム。
前記校正用機械学習手段が行なう機械学習は、前記値組毎区分け識別処理により単一値組毎に区分けして識別された各単一値組の文字画像をテキストデータ化するためのテキストデータ化機械学習(例えば、文字位置学習28、OCR学習16)を含み、
前記整合性判定処理は、前記テキストデータ化機械学習による学習結果を反映させて前記文字画像をテキストデータ化したうえで、該テキストデータと前記原稿データとの整合性を判定する(例えば、S111~S114、S116、S117、S120~S123)、事項3に記載の広告関連サービス提供システム。
前記校正用機械学習手段が行なう機械学習は、前記広告商品に相当する実際の商品のオリジナル画像のデータに基づいて当該商品の特徴を学習するための商品特徴学習(例えば、商品特徴学習22)をさらに含み、
前記商品特徴学習により学習した商品の特徴と当該商品を識別するための識別情報(例えば、JANコードまたはハウスコード等のラベル)とを対応付けて記憶する対応付け記憶手段(例えば、学習段階学習済み格納部21の学習済み商品特徴量20)をさらに備え、
前記原稿データは、広告対象の複数の商品各々についてその広告内容(例えば、商品名、メーカ、値段等)と当該商品の前記識別情報(例えば、ラベル)とが対応付けられたデータであり(例えば、図10(E))、
前記原稿対応部分特定処理は、広告商品の識別に用いた商品の特徴に対応付けられて前記対応付け記憶手段に記憶されている識別情報(例えば、ラベル)を特定し、該識別情報に対応付けられた広告内容(例えば、商品名、メーカ、値段等)を前記原稿データ(例えば、原稿データ24)から特定する(例えば、S120)、事項2~4のいずれかに記載の広告関連サービス提供システム。
前記校正用機械学習手段は、所定の属性毎(例えば、業態、地域、季節(春、夏、秋、冬))にグルーピングされたデータに基づいて機械学習を行うことによりグループ毎に特化した機械学習(例えば、S129~S135)を行い、
前記校正箇所判別手段は、前記校正用機械学習手段による前記グループ毎に特化した機械学習の結果を反映させて前記整合性を判定する(例えば、S84、S86)、事項1~5のいずれかに記載の広告関連サービス提供システム。
広告作成に関するサービスを提供する広告関連サービス提供システム側(例えば、データセンタ44側)にネット接続可能なユーザ側広告設備(例えば、広告作成会社31の社内LAN84に接続されたユーザ端末74)であって、
広告を前記広告関連サービス提供システム側に提供する広告提供手段(例えば、S183)と、
前記広告の作成に用いられた原稿データを前記広告関連サービス提供システム側に提供する原稿データ提供手段(例えば、S181)と、
前記広告関連サービス提供システム側に設けられた校正箇所判別手段において、前記広告提供手段により提供された広告のデータと前記原稿データ提供手段により提供された原稿データとに基づいて、前記広告と前記原稿データとの整合性が判定されて前記広告の校正すべき個所が判別され、該判別結果に基づいたサービスを前記広告関連サービス提供システム側から享受する享受手段(例えば、S184)と、を備え、
前記校正箇所判別手段は、前記広告と前記原稿データとの整合性を判定するための機械学習を校正用機械学習手段が行なった学習結果(例えば、学習済みチラシ特徴量1、広告値組境界学習済みモデル2、学習済み商品特徴量20、商品画像識別用学習済みモデル18、文字位置学習済みモデル19、OCR学習済みモデル17、単語分類学習済みモデル32)を反映させて前記整合性を判定する(例えば、S87、S88、S95、S96、S98、S99、S104、S105、S108、S116、S117、S111、S112、S116、S117)。
Claims (4)
- 少なくとも価格データをビッグデータとして蓄積してそのビッグデータを利用したサービスを提供するサービス提供システムであって、
広告に掲載される価格データを提供者から受付けるデータ受付け手段と、
前記データ受付け手段により受付けられた価格データと、価格変動の要因となる変動要因データとをビッグデータとして蓄積するビッグデータ蓄積手段と、
前記ビッグデータ蓄積手段により蓄積された前記価格データと前記変動要因データとに基づいて機械学習手段が機械学習を行ったAIモデルを用いて価格変動を予測し、該予測を反映したサービスを提供するサービス提供手段と、
前記データ受付け手段が受付けた価格データを広告対象に反映した広告作成に関するサービスを、当該価格データの提供者に提供する広告関連サービス提供手段と、を備え、
前記提供者が前記広告関連サービス提供手段によるサービスを享受するために提供した価格データを前記ビッグデータ蓄積手段が蓄積して当該ビッグデータに基づいて前記機械学習手段が機械学習を行ったAIモデルを用いたサービスを前記サービス提供手段が提供する、サービス提供システム。 - 前記ビッグデータ蓄積手段により蓄積されたビッグデータに基づいて前記機械学習手段が最適化された広告を作成するための機械学習を行った学習結果を反映させて広告を作成する広告作成手段をさらに備え、
前記サービス提供手段は、前記広告作成手段により作成された広告を提供する、請求項1に記載のサービス提供システム。 - 前記広告作成手段により作成された広告の効果を測定する広告効果測定手段をさらに備え、
前記最適化された広告を作成するための機械学習は、前記広告効果測定手段による測定結果に従ってエージェントに報酬が与えられ、該エージェントが前記報酬の累積を最大化する方策を学習する強化学習である、請求項2に記載のサービス提供システム。 - 前記広告作成手段により作成された広告の効果を測定する広告効果測定手段をさらに備え、
前記最適化された広告を作成するための機械学習は、前記ビッグデータ蓄積手段により蓄積された前記価格データと価格変動の要因となる変動要因データとに基づいて予測された価格を入力情報とし、且つ、前記広告効果測定手段により所定レベル以上の効果が測定された広告内容を正解情報とする訓練データを生成し、該訓練データを用いて教師あり学習を行い、回帰問題として入力を正解に写像する関数を学習する教師あり学習である、請求項2に記載のサービス提供システム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018113529A JP7445240B2 (ja) | 2018-06-14 | 2018-06-14 | サービス提供システム及びユーザ側設備 |
JP2022139860A JP2022164893A (ja) | 2018-06-14 | 2022-09-02 | 広告関連サービス提供システム、及びユーザ側広告設備 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018113529A JP7445240B2 (ja) | 2018-06-14 | 2018-06-14 | サービス提供システム及びユーザ側設備 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022139860A Division JP2022164893A (ja) | 2018-06-14 | 2022-09-02 | 広告関連サービス提供システム、及びユーザ側広告設備 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019215778A JP2019215778A (ja) | 2019-12-19 |
JP7445240B2 true JP7445240B2 (ja) | 2024-03-07 |
Family
ID=68919648
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018113529A Active JP7445240B2 (ja) | 2018-06-14 | 2018-06-14 | サービス提供システム及びユーザ側設備 |
JP2022139860A Pending JP2022164893A (ja) | 2018-06-14 | 2022-09-02 | 広告関連サービス提供システム、及びユーザ側広告設備 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022139860A Pending JP2022164893A (ja) | 2018-06-14 | 2022-09-02 | 広告関連サービス提供システム、及びユーザ側広告設備 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7445240B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11328313B2 (en) * | 2019-05-08 | 2022-05-10 | Retailmenot, Inc. | Predictive bounding of combinatorial optimizations that are based on data sets acquired post-prediction through high-latency, heterogenous interfaces |
JP6934613B1 (ja) * | 2020-03-06 | 2021-09-15 | 株式会社ガラパゴス | 広告サイト作成システム、広告サイト作成方法、および広告サイト作成プログラム |
CN111475651B (zh) * | 2020-04-08 | 2023-04-07 | 掌阅科技股份有限公司 | 文本分类方法、计算设备及计算机存储介质 |
JP7190464B2 (ja) * | 2020-06-23 | 2022-12-15 | MONET Technologies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 |
US20220067571A1 (en) * | 2020-08-31 | 2022-03-03 | Mercari, Inc. | Machine-learning prediction or suggestion based on object identification |
JP7188427B2 (ja) * | 2020-12-07 | 2022-12-13 | フジテック株式会社 | 情報提供システム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004110417A (ja) | 2002-09-18 | 2004-04-08 | Sougoushouken Inc | 広告作成支援システム、販売促進システムおよび販売促進方法 |
WO2016199549A1 (ja) | 2015-06-11 | 2016-12-15 | ソニー株式会社 | 制御装置、方法及びコンピュータプログラム |
WO2017135332A1 (ja) | 2016-02-02 | 2017-08-10 | 俊 保坂 | 超小型加速器および超小型質量分析装置および超小型イオン注入装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6432859B2 (ja) * | 2014-08-27 | 2018-12-05 | 株式会社フューチャーアイ | サービス提供システムおよびプログラム |
US20190026660A1 (en) * | 2016-02-03 | 2019-01-24 | Nec Corporation | Optimization system, optimization method, and recording medium |
JP2018077615A (ja) * | 2016-11-08 | 2018-05-17 | 株式会社PKSHA Technology | 広告画像生成装置、広告画像生成方法、広告画像生成装置用プログラム |
-
2018
- 2018-06-14 JP JP2018113529A patent/JP7445240B2/ja active Active
-
2022
- 2022-09-02 JP JP2022139860A patent/JP2022164893A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004110417A (ja) | 2002-09-18 | 2004-04-08 | Sougoushouken Inc | 広告作成支援システム、販売促進システムおよび販売促進方法 |
WO2016199549A1 (ja) | 2015-06-11 | 2016-12-15 | ソニー株式会社 | 制御装置、方法及びコンピュータプログラム |
WO2017135332A1 (ja) | 2016-02-02 | 2017-08-10 | 俊 保坂 | 超小型加速器および超小型質量分析装置および超小型イオン注入装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2019215778A (ja) | 2019-12-19 |
JP2022164893A (ja) | 2022-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7445240B2 (ja) | サービス提供システム及びユーザ側設備 | |
CN111681059B (zh) | 行为预测模型的训练方法及装置 | |
US11995702B2 (en) | Item recommendations using convolutions on weighted graphs | |
Hiran et al. | Machine Learning: Master Supervised and Unsupervised Learning Algorithms with Real Examples (English Edition) | |
CN102855268B (zh) | 基于属性关系进行图像排序的方法和系统 | |
US11694218B2 (en) | Computer technology for automated pricing guidance | |
CN114036406A (zh) | 一种基于图对比学习和社交网络增强的推荐方法及系统 | |
US20230376981A1 (en) | Predictive systems and processes for product attribute research and development | |
CN112613953A (zh) | 一种商品选品方法、系统及计算机可读存储介质 | |
US20220309562A1 (en) | Intelligent listing creation for a for sale object | |
CN115982463A (zh) | 资源推荐方法、装置、设备及存储介质 | |
CN111612519A (zh) | 一种识别金融产品潜在客户的方法、装置及存储介质 | |
CN114862506A (zh) | 一种基于深度强化学习的金融产品推荐方法 | |
Pal | Applications Of Artificial Intelligence in Company Management, E-Commerce, And Finance: A Review | |
Jones et al. | The Unsupervised Learning Workshop: Get started with unsupervised learning algorithms and simplify your unorganized data to help make future predictions | |
Ehsani | Customer churn prediction from Internet banking transactions data using an ensemble meta-classifier algorithm | |
CN113761349A (zh) | 一种推荐信息的挖掘方法和装置 | |
US20230394512A1 (en) | Methods and systems for profit optimization | |
CN116957740B (zh) | 一种基于词特征的农产品推荐系统 | |
KR102678395B1 (ko) | 투자 기준 딥러닝 모델 기반 최적 투자 전략 제공 시스템 | |
Singh | Cognitive Social Mining Analysis Using Data Mining Techniques | |
Petkar | Machine Learning: Techniques and Principles | |
Ajayi et al. | Made-to-Order: Targeted Marketing in Fast-Food Using Collaborative Filtering | |
Nygård | AI-Assisted Lead Scoring | |
Lundell | Predicting Sales with Deep Learning in a Retail Setting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210614 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220331 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220701 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220902 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20220903 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230327 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230327 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230327 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230623 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230901 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7445240 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |