JP7464240B2 - 予測モデル生成装置、旅行適合度予測装置、予測モデル生産方法、旅行適合度予測方法、プログラム及び記録媒体 - Google Patents

予測モデル生成装置、旅行適合度予測装置、予測モデル生産方法、旅行適合度予測方法、プログラム及び記録媒体 Download PDF

Info

Publication number
JP7464240B2
JP7464240B2 JP2019085732A JP2019085732A JP7464240B2 JP 7464240 B2 JP7464240 B2 JP 7464240B2 JP 2019085732 A JP2019085732 A JP 2019085732A JP 2019085732 A JP2019085732 A JP 2019085732A JP 7464240 B2 JP7464240 B2 JP 7464240B2
Authority
JP
Japan
Prior art keywords
data
variable
travel
variables
words
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
Application number
JP2019085732A
Other languages
English (en)
Other versions
JP2020181494A (ja
Inventor
武人 川村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Solution Innovators Ltd
Original Assignee
NEC Solution Innovators Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Solution Innovators Ltd filed Critical NEC Solution Innovators Ltd
Priority to JP2019085732A priority Critical patent/JP7464240B2/ja
Priority to US16/857,779 priority patent/US11599722B2/en
Publication of JP2020181494A publication Critical patent/JP2020181494A/ja
Application granted granted Critical
Publication of JP7464240B2 publication Critical patent/JP7464240B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence

Description

本発明は、予測モデル生成装置、旅行適合度予測装置、予測モデル生産方法、旅行適合度予測方法、プログラム及び記録媒体に関する。
旅行に関し、様々な旅行内容をレコメンド（推奨）する技術が開発されている。例えば、特許文献１には、旅行者が携帯する情報端末からの要求や位置情報に依存することなく、旅行中の旅行者へ有用な情報を提供可能にする技術が開示されている。
特開２０１１－１４５８３４号公報
ガイドを伴う旅行は、大きく分類すれば、旅行内容、旅行客、及び、旅行ガイドから構成される。旅行ガイドは、訪日客を首都圏周辺の観光地に案内するなど、担当する旅行内容に得意な分野があり、また、個性もあるため、旅行客との相性（適合性）もある。しかしながら、旅行内容、旅行客、及び、旅行ガイドの組合せについて、これらの適合度を予測する技術が従来なかった。また、この問題は、旅行に限らず、例えば、保険の内容、保険販売員、及び、保険対象の顧客等、他のサービス分野においても問題である。
そこで、本発明は、サービス内容を構成する構成要素間の適合度を予測することが可能な予測モデルを生成する予測モデル生成装置及び予測モデル生産方法の提供を目的とする。
前記目的を達成するために、本発明の予測モデル生成装置は、
データ取得手段、変数グループ分類手段、変数スコア化手段、変数入力手段、及び、機械学習手段、を含み、前記データ取得手段は、データを取得し、前記変数グループ分類手段は、前記データを、複数の変数グループに分類し、前記変数スコア化手段は、複数の前記変数グループの少なくとも一つのグループのデータについて、他のグループのデータに関連付けてスコア化し、前記変数入力手段は、スコア化された前記グループの各データを目的変数とし、かつ、スコア化された前記グループに関連付けられた前記他のグループの各データを説明変数として、前記機械学習手段に入力し、前記機械学習手段は、機械学習により、前記説明変数から前記目的変数を予測する予測モデルを生成する、装置である。
本発明の予測モデル生産方法は、データ取得工程、変数グループ分類工程、変数スコア化工程、変数入力工程、及び、機械学習工程、を含み、前記データ取得工程は、データを取得し、前記変数グループ分類工程は、前記データを、複数の変数グループに分類し、前記変数スコア化工程は、複数の前記変数グループの少なくとも一つのグループのデータについて、他のグループのデータに関連付けてスコア化し、前記変数入力工程は、スコア化された前記グループの各データを目的変数とし、かつ、スコア化された前記グループに関連付けられた前記他のグループの各データを説明変数として、機械学習手段に入力し、前記機械学習工程は、機械学習により、前記説明変数から前記目的変数を予測する予測モデルを生成する、方法である。
本発明によれば、サービス内容を構成する構成要素間の適合度を予測することが可能になり、例えば、旅行の分野において、旅行内容、旅行客、及び、旅行ガイドの適合性（マッチング度）を予測することが可能である。なお、従来の機械学習による予測モデルは、説明変数から目的変数を予測する一方向の予測モデルであるが、本発明によれば、双方向、三方向等の多方向において、複数の変数を相互に適合度を予測できる点が特徴である。
図１は、実施形態１の装置の一例の構成を示すブロック図である。 図２は、実施形態１の装置のハードウエア構成の一例を示すブロック図である。 図３は、実施形態１の装置における処理の一例を示すフローチャートである。 図４は、実施形態２の装置における概念の一例を示す模式図である。 図５は、実施形態２の装置におけるポジネガテーブルの一例を示す表である。 図６は、実施形態２の装置におけるスコアテーブルの一例を示す表である。 図７は、実施形態２の装置における予測モデルから適合度を予測する一例を示す模式図である。 図８は、実施形態２の装置における予測モデルから適合度を予測する一例を示す模式図である。 図９は、実施形態２の装置における予測モデルから適合度を予測する一例を示す模式図である。 図１０は、実施形態２の装置における予測モデルから適合度を予測する一例を示す模式図である。 図１１は、実施形態２の装置におけるレコメンドの内容の一例を示す表である。
本発明の予測モデル生成装置において、前記変数スコア化手段は、単語段階評価基準テーブル、及び、単語抽出カウント手段、を含み、前記単語段階評価基準テーブルは、単語毎に段階評価基準を含み、前記データ取得手段は、前記データとして、テキストデータを取得し、前記変数グループ分類手段は、前記テキストデータを、複数の変数グループに分類し、前記単語抽出カウント手段は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントし、前記変数スコア化手段は、前記抽出カウントされた単語の個数及び前記単語段階評価基準テーブルの段階評価基準を基に、前記グループのデータをスコア化する、という態様であってもよい。
前記態様の装置において、前記単語抽出カウント手段は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語及び前記単語の類義語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントする、という態様であってもよい。
本発明の予測モデル生成装置において、前記変数スコア化手段は、単語段階評価基準テーブル生成手段を含み、前記単語段階評価基準テーブル生成手段は、データ取得手段で取得した複数の日本語テキストデータを形態素解析して単語に分解し、日本語評価極性辞書（用語編）に掲載されている単語と共通する単語を抽出し、前記抽出された単語及び前記抽出された単語についての日本語評価極性辞書の評価情報を紐づけてテーブルにする、という態様であってもよい。
本発明の予測モデル生成装置において、データ取得手段が取得するデータが、旅行内容データ、旅行客データ、及び、旅行ガイドデータであり、前記変数グループ分類手段は、前記旅行内容データを旅行内容変数に分類し、前記旅行客データを旅行客変数に分類し、前記旅行ガイドデータを旅行ガイド変数に分類する、という態様であってもよい。本態様の装置は、「旅行適合度予測モデル生成装置」と言える。
本発明の旅行適合度予測装置は、前記旅行適合度予測モデル生成装置により生成された予測モデルを含み、旅行内容、旅行客、及び、旅行ガイドの少なくとも二つの適合度を予測する装置である。
本発明の旅行適合度予測装置は、さらに、レコメンド手段を含むという態様であってもよい。
本発明の予測モデル生産方法において、前記変数スコア化工程は、単語段階評価基準テーブルを用いた単語抽出カウント工程を含み前記単語段階評価基準テーブルは、単語毎に段階評価基準を含み、前記データ取得工程は、前記データとして、テキストデータを取得し、前記変数グループ分類工程は、前記テキストデータを、複数の変数グループに分類し、前記単語抽出カウント工程は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントし、前記変数スコア化工程は、前記抽出カウントされた単語の個数及び前記単語段階評価基準テーブルの段階評価基準を基に、前記グループのデータをスコア化する、という態様であってもよい。
前記態様の方法において、前記単語抽出カウント工程は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語及び前記単語の類義語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントする、という態様であってもよい。
本発明の予測モデル生産方法において、前記変数スコア化工程は、単語段階評価基準テーブル生成工程を含み、前記単語段階評価基準テーブル生成工程は、データ取得工程で取得した複数の日本語テキストデータを形態素解析して単語に分解し、日本語評価極性辞書（用語編）に掲載されている単語と共通する単語を抽出し、前記抽出された単語及び前記抽出された単語についての日本語評価極性辞書の評価情報を紐づけてテーブルにする、という態様であってもよい。
本発明の予測モデル生産方法において、データ取得工程が取得するデータが、旅行内容データ、旅行客データ、及び、旅行ガイドデータであり、前記変数グループ分類工程は、前記旅行内容データを旅行内容変数に分類し、前記旅行客データを旅行客変数に分類し、前記旅行ガイドデータを旅行ガイド変数に分類する、という態様であってもよい。本態様の方法は、「旅行適合度予測モデル生産方法」と言える。
本発明の旅行適合度予測方法は、前記旅行適合度予測モデル生産方法により生産された予測モデルを用い、旅行内容、旅行客、及び、旅行ガイドの少なくとも二つの適合度を予測する方法である。
本発明の旅行適合度予測方法は、さらに、レコメンド工程を含む、という態様でもよい。
本発明のプログラムは、本発明の方法をコンピュータ上で実行可能なプログラムである。
本発明の記録媒体は、本発明のプログラムを記録しているコンピュータ読み取り可能な記録媒体である。
次に、本発明の実施形態について図を用いて説明する。本発明は、以下の実施形態には限定されない。以下の各図において、同一部分には、同一符号を付している。また、各実施形態の説明は、特に言及がない限り、互いの説明を援用でき、各実施形態の構成は、特に言及がない限り、組合せ可能である。
［実施形態１］
図１は、本実施形態の予測モデル生成装置１の一例の構成を示すブロック図である。図１に示すように、本装置１は、データ取得手段１１、変数グループ分類手段１２、変数スコア化手段１３、変数入力手段１４、及び、機械学習手段１５を含む。
本装置１の形態は、特に制限されないが、サーバ、パーソナルコンピュータ（PC、例えば、デスクトップ型、ノート型）が挙げられる。また、本装置１の構成手段１１～１５は、別々の装置がネットワーク（通信回線網）で接続された態様であってもよい。
図２に、本装置１のハードウエア構成のブロック図を例示する。本装置１は、例えば、中央演算装置（ＣＰＵ，ＧＰＵ等）１０１、メモリ１０２、バス１０３、記憶装置１０４、入力装置１０５、表示装置（ディスプレイ）１０６、通信デバイス１０７等を有する。本装置１の各部は、それぞれのインタフェース（Ｉ／Ｆ）により、バス１０３を介して相互に接続されている。
中央演算装置（中央処理装置）１０１は、本装置１の全体の制御を担う。本装置１において、中央演算装置１０１により、例えば、本発明のプログラムやその他のプログラムが実行され、また、各種情報の読み込みや書き込みが行われる。具体的には、例えば、中央演算装置１０１が、データ取得手段１１、変数グループ分類手段１２、変数スコア化手段１３、変数入力手段１４、及び、機械学習手段１５として機能する。なお、本発明では、機械学習を実施するので、中央演算装置１０１は、ＧＰＵが好ましい。
バス１０３は、例えば、外部機器とも接続できる。前記外部機器は、例えば、外部記憶装置（外部データベース等）、プリンター等があげられる。本装置１は、例えば、バス１０３に接続された通信デバイス１０７により、外部ネットワーク（通信回線網）に接続でき、外部ネットワークを介して、他の装置又は機器と接続することもできる。他の装置としては、例えば、管理者の端末（PC、サーバ、スマートフォン、タブレット等）がある。
本装置１は、例えば、さらに、入力装置１０５、ディスプレイ１０６を有する。入力装置１０５は、例えば、タッチパネル、キーボード、マウス等である。ディスプレイ１０６は、例えば、ＬＥＤディスプレイ、液晶ディスプレイ等が挙げられる。
本装置１において、メモリ１０２及び記憶装置１０４は、管理者からのアクセス情報及びログ情報、並びに、外部データベース（図示せず）から取得した情報を記憶することも可能である。
本装置１において、データ取得手段１１は、例えば、通信デバイス１０７により、外部ネットワークを介して、データを取得してもよい。外部ネットワークとしては、インターネット回線、ＷＷＷ（Ｗｏｒｌｄ Ｗｉｄｅ Ｗｅｂ）、電話回線、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＤＴＮ（Ｄｅｌａｙ Ｔｏｌｅｒａｎｔ Ｎｅｔｗｏｒｋｉｎｇ）等がある。通信デバイス１０７による通信は、有線でも無線でもよい。無線通信としては、ＷｉＦｉ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、等が挙げられる。前記無線通信としては、各装置が直接通信する形態（Ａｄ Ｈｏｃ通信）、アクセスポイントを介した間接通信のいずれであってもよい。
メモリ１０２は、例えば、メインメモリ（主記憶装置）が挙げられる。メインメモリは、例えば、ＲＡＭ（ランダムアクセスメモリ）である。また、メモリ１０２は、例えば、ＲＯＭ（読み出し専用メモリ）であってもよい。記憶装置１０４は、例えば、記憶媒体と、記憶媒体に読み書きするドライブとの組合せであってもよい。記憶媒体は、特に制限されず、例えば、内蔵型でも外付け型でもよく、ＨＤ（ハードディスク）、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＭＯ、ＤＶＤ、フラッシュメモリー、メモリーカード等が挙げられる。記憶装置１０４は、例えば、記憶媒体とドライブとが一体化されたハードディスクドライブ（ＨＤＤ）であってもよい。
図３のフローチャートに、本装置１の処理の一例を示す。まず、データ取得手段１１により、データを取得する（Ｓ１）。変数グループ分類手段１２により、前記データを、複数の変数グループに分類する（Ｓ２）。変数スコア化手段１３により、複数の前記変数グループの少なくとも一つのグループのデータについて、他のグループのデータに関連付けてスコア化する（Ｓ３）。変数入力手段１４により、スコア化された前記グループの各データを目的変数とし、かつ、スコア化された前記グループに関連付けられた前記他のグループの各データを説明変数として、機械学習手段１５に入力する（Ｓ４）。機械学習手段１５は、機械学習により（Ｓ５）、説明変数から目的変数を予測する予測モデルを生成する（Ｓ６）。
本発明において、機械学習は特に制限されず、例えば、決定木、ランダムフォレスト、ニューラルネットワークを用いた学習（ディープラーニング）等が使用できる。
［実施形態２］
次に、図４から図１１に基づき本発明の旅行適合度予測装置の例について説明する。
図４に、旅行適合度予測装置（シミュレータ）の概念を示す。以下の形態において、データ取得手段１１は、前記データとして、テキストデータを取得する形態を例に挙げて説明する。同図に示すように、ガイドデータ（ガイドの報告書のテキストデータ）及び旅行会社が保有するテキストデータを、データ取得手段１１が取得し、テキスト分析（変数グループ分類、及び、変数スコア化）する。ガイドデータとしては、例えば、観光内容、買い物、体験（感想）、食事等に関するガイドの報告書データがある。旅行会社保有データは、例えば、旅行内容（訪問先、移動手段、期間、費用等）データ、ガイドデータ、旅行客データ等がある。テキスト分析では、ポジ（ポジティブ）ネガ（ネガティブ）テーブル（単語段階評価基準テーブル）に基づき、例えば、ツアー毎にポジネガラベル付きの変数ガイドデータを作成する。本例では、変数ガイドデータが、目的変数となる。
図５に、ポジネガテーブルの例を示す。同図では、単語（ｗｏｒｄ）毎に識別記号（ＩＤ）が付与され、ポジティブ（Ｐ）か、ネガティブ（Ｎ）かが記載されており、ポジネガ判断の基準となる。例えば、ＩＤがＡ１のｗｏｒｄ「雨」はネガティブ（Ｎ）であり、ＩＤがＡ２のｗｏｒｄ「晴」はポジティブとなる。
本発明において、単語段階評価基準テーブルは、ポジネガテーブルのように、二段階評価でもよいが、これに限定されず、例えば、三段階評価、五段階評価等の多段階評価であってもよい。
本発明において、ポジネガテーブルは、特に制限されず、例えば、「日本語評価極性辞書（用語編）」（小林のぞみ，乾健太郎，松本裕治，立石健二，福島俊一. 意見抽出のための評価表現の収集. 自然言語処理，Vol.12, No.3, pp.203-222, 2005.）を用いても良い。
図６に目的変数「ガイド」が訪日客毎にスコア化されたスコアテーブルを示す。同図に示すように、スコアは、ガイドデータ及び旅行会社のデータで出現して抽出された単語（ｗｏｒｄ）の数、及び、評価基準（Ｐ＝１、Ｎ＝－１）に基づき、算出されるものである。例えば、ガイドＡのスコアは「８」となっており、関連付けられた訪日客Ａ（中国）に対し、高評価になっている。また、ガイドＦのスコアは「－１」であり、関連付けられた訪日客Ｆ（加国）に対し、低評価（マイナス評価）になっている。同図に示す、訪日客に関するデータは「説明変数」となり、また、スコア化されたガイドデータは、目的変数となり、これらの変数を機械学習手段１５（機械学習のフレームワーク）に入力すれば、予測モデルが生成する。
次に、図４に示すように、旅行適合度予測装置は、テキスト分析前のガイドデータから説明変数を生成する。前記ガイドデータは、例えば、旅行客情報、ガイド情報及びツアー実施情報等の情報から構成されている。これらの情報は、例えば、ツアー実施後にガイドの報告書及び営業報告書等のテキストデータとして記録される。前記説明変数は、前記ガイドデータを構成する情報であり、且つ、テキスト化されていないデータである。具体的に、前記旅行客情報としては、例えば、国籍、年齢、性別、グループ構成、希望、訪問回数、宿泊先、食事制限等が挙げられる。また、前記ガイド情報としては、例えば、性別、年齢、通訳案内士資格の有無、資格取得時期、ガイド実施経験数等が挙げられる。また、前記ツアー実施情報としては、例えば、ツアー、スポット、ガイド日時、ツアー時間、天気、気温、スポット評価、スポットでの消費金額、消費した物及びサービス等が挙げられる。前記説明変数の生成は、例えば、上記例示した説明変数の中から、最もツアー成功（すなわち、高評価なスコア）に起因する情報を、過去のデータから検出することで、実施される。旅行適合度予測装置は、例えば、前記検出された情報に対し、特徴フラグを付与することで、ツアー成功への影響度が高い説明変数を生成できる。
図４に示すように、目的変数（例えば、ツアー毎にポジネガラベルが付いたガイドデータ）に、スポット区分付与をしてもよい。スポット区分とは、スポットを説明する区分のことである。スポット区分付与について、前記スポットとして「明治神宮」を例に挙げて説明する。スポット区分付与は、「明治神宮」に関する説明文を形態素解析して単語を抽出する。前記抽出された単語の中からスポット名である「明治神宮」以外に多く抽出された単語（例えば、神社等）を前記スポット区分として付与する。前記説明文は、例えば、Ｗｅｂ ｓｉｔｅから取得した情報であってもよく、前記説明文を複数取得してもよい。
なお、図示していないが、説明変数には、オープンデータも付加情報として、追加してもよい。オープンデータとは、例えば、ｗｅｂ ｓｉｔｅ上で自由に収集できるデータであり、旅行実施の際の年月日、時刻、平日・休日、現地天気、現地気温、日照時間（日の出時間、日の入り時間）等がある。これらのオープンデータも、説明変数としては有用な場合がある。
図４に示すように、目的変数及び説明変数を機械学習のフレームワーク（例えば、ランダムフォレスト）に入力することで、予測モデルを生成することができる。機械学習のフレームワークはオープンソースのものを使用してもよい。また、図４に示すように、レコメンド機能を採用してもよい。レコメンド機能としは、例えば、協調フィルタリングがある。そして、レコメンド機能及び予測モデルを搭載した旅行適合度予測装置（シミュレータ）が生成される。旅行適合度予測装置（シミュレータ）は、説明関数に関するデータを入力すれば、適合度を予測（シミュレーション）して、シミュレーション（予測）結果を出力する。その際、レコメンド機能により、適合度の順位をつけて、シミュレーション結果を出力することになる。
本発明では、旅行内容データ、旅行客データ、及び、旅行ガイドデータの少なくとも一つのデータを目的変数とし、他のデータを説明変数として、それぞれ３通りの機械学習を実施すれば、３つの予測モデルが生成され、３つの予測モデルを旅行適合度予測装置に搭載すれば、図７に示すように、三方向の予測（シミュレーション）が可能となる。本例の旅行適合度予測装置は、例えば、旅行内容データを入力すれば、推奨旅行客及び推奨旅行ガイドの少なくとも一方が出力され、旅行客データを入力すれば、推奨旅行内容及び推奨旅行ガイドの少なくとも一方が出力され、旅行ガイドデータを入力すれば、推奨旅行客及び推奨旅行内容を出力する。したがって、本例の旅行適合度予測装置は、旅行客、旅行ガイド、及び、旅行提供者（旅行会社）において、有用に使用することが可能である。
図８は、入力データとして「旅行客データ」を入力した例である。前記旅行客データとしては、例えば、国籍、使用可能言語、性別、年齢、趣味嗜好、人数、子連れか否か、訪日回数、食事制限、及び滞在ホテル等が挙げられる。前記旅行客データは、例えば、ガイドレポート等に記載されているテキストデータであってもよい。前記旅行客データを旅行適合度予測装置に入力すれば、推奨ガイドと推奨旅行内容が出力される。
図９は、入力データとして「旅行内容データ」を入力した例である。前記旅行内容データとしては、例えば、観光ルート、観光エリア、訪問先、費用、天気、ガイドスポット評価、他ガイドからの評価数、ガイド実施日、ガイド実施季節、及びリクエストからガイドが決まった期間等が挙げられる。前記旅行内容データは、例えば、ガイドレポート等に記載されているテキストデータであってもよい。前記旅行内容データを旅行適合度予測装置に入力すれば、推奨旅行客と推奨旅行ガイドが出力される。
図１０は、入力データとして「ガイドデータ」を入力した例である。前記ガイドデータとしては、例えば、性別、年齢、年間ガイド回数、ガイド経験、使用可能言語、得意地域、得意分野（例えば、歴史等）、通訳案内士資格の有無、資格取得時期、ガイド実施経験数等が挙げられる。前記ガイドデータは、例えば、ガイドレポート等に記載されているテキストデータであってもよい。前記ガイドデータを旅行適合度予測装置に入力すれば、推奨旅行客と推奨旅行内容が出力される。
図１１は、本例の旅行適合度予測装置が出力する予測結果において、レコメンドの内容を示す。同図に示すように、推奨ガイドが１位から５位まで示されており、かつ、推奨ガイド毎に、推奨スポット（訪問先）が１位から５位まで示されている。
以上、実施形態を参照して本発明を説明したが、本発明は、上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解しうる様々な変更をできる。
＜付記＞
上記の実施形態の一部または全部は、以下の付記のように記載されうるが、以下には限られない。
（付記１）
データ取得手段、変数グループ分類手段、変数スコア化手段、変数入力手段、及び、機械学習手段、を含み、
前記データ取得手段は、データを取得し、
前記変数グループ分類手段は、前記データを、複数の変数グループに分類し、
前記変数スコア化手段は、複数の前記変数グループの少なくとも一つのグループのデータについて、他のグループのデータに関連付けてスコア化し、
前記変数入力手段は、スコア化された前記グループの各データを目的変数とし、かつ、スコア化された前記グループに関連付けられた前記他のグループの各データを説明変数として、前記機械学習手段に入力し、
前記機械学習手段は、機械学習により、前記説明変数から前記目的変数を予測する予測モデルを生成する、
予測モデル生成装置。
（付記２）
前記変数スコア化手段は、単語段階評価基準テーブル、及び、単語抽出カウント手段、を含み、
前記単語段階評価基準テーブルは、単語毎に段階評価基準を含み、
前記データ取得手段は、前記データとして、テキストデータを取得し、
前記変数グループ分類手段は、前記テキストデータを、複数の変数グループに分類し、
前記単語抽出カウント手段は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントし、
前記変数スコア化手段は、前記抽出カウントされた単語の個数及び前記単語段階評価基準テーブルの段階評価基準を基に、前記グループのデータをスコア化する、
付記１記載の予測モデル生成装置。
（付記３）
前記単語抽出カウント手段は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語及び前記単語の類義語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントする、
付記２記載の予測モデル生成装置。
（付記４）
前記変数スコア化手段は、単語段階評価基準テーブル生成手段を含み、
前記単語段階評価基準テーブル生成手段は、データ取得手段で取得した複数の日本語テキストデータを形態素解析して単語に分解し、日本語評価極性辞書（用語編）に掲載されている単語と共通する単語を抽出し、
前記抽出された単語及び前記抽出された単語についての日本語評価極性辞書の評価情報を紐づけてテーブルにする、
付記１から３のいずれかに記載の予測モデル生成装置。
（付記５）
データ取得手段が取得するデータが、旅行内容データ、旅行客データ、及び、旅行ガイドデータであり、
前記変数グループ分類手段は、前記旅行内容データを旅行内容変数に分類し、前記旅行客データを旅行客変数に分類し、前記旅行ガイドデータを旅行ガイド変数に分類する、
付記１から４のいずれかに記載の予測モデル生成装置。
（付記６）
付記５に記載の予測モデル生成装置により生成された予測モデルを含み、
旅行内容、旅行客、及び、旅行ガイドの少なくとも二つの適合度を予測する、
旅行適合度予測装置。
（付記７）
さらに、レコメンド手段を含む、
付記６記載の旅行適合度予測装置。
（付記８）
データ取得工程、変数グループ分類工程、変数スコア化工程、変数入力工程、及び、機械学習工程、を含み、
前記データ取得工程は、データを取得し、
前記変数グループ分類工程は、前記データを、複数の変数グループに分類し、
前記変数スコア化工程は、複数の前記変数グループの少なくとも一つのグループのデータについて、他のグループのデータに関連付けてスコア化し、
前記変数入力工程は、スコア化された前記グループの各データを目的変数とし、かつ、スコア化された前記グループに関連付けられた前記他のグループの各データを説明変数として、機械学習手段に入力し、
前記機械学習工程は、機械学習により、前記説明変数から前記目的変数を予測する予測モデルを生成する、
予測モデル生産方法。
（付記９）
前記変数スコア化工程は、単語段階評価基準テーブルを用いた単語抽出カウント工程を含み、
前記単語段階評価基準テーブルは、単語毎に段階評価基準を含み、
前記データ取得工程は、前記データとして、テキストデータを取得し、
前記変数グループ分類工程は、前記テキストデータを、複数の変数グループに分類し、
前記単語抽出カウント工程は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントし、
前記変数スコア化工程は、前記抽出カウントされた単語の個数及び前記単語段階評価基準テーブルの段階評価基準を基に、前記グループのデータをスコア化する、
付記８記載の予測モデル生産方法。
（付記１０）
前記単語抽出カウント工程は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語及び前記単語の類義語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントする、
付記９記載の予測モデル生産方法。
（付記１１）
前記変数スコア化工程は、単語段階評価基準テーブル生成工程を含み、
前記単語段階評価基準テーブル生成工程は、データ取得工程で取得した複数の日本語テキストデータを形態素解析して単語に分解し、日本語評価極性辞書（用語編）に掲載されている単語と共通する単語を抽出し、
前記抽出された単語及び前記抽出された単語についての日本語評価極性辞書の評価情報を紐づけてテーブルにする、
付記８から１０のいずれかに記載の予測モデル生産方法。
（付記１２）
データ取得工程が取得するデータが、旅行内容データ、旅行客データ、及び、旅行ガイドデータであり、
前記変数グループ分類工程は、前記旅行内容データを旅行内容変数に分類し、前記旅行客データを旅行客変数に分類し、前記旅行ガイドデータを旅行ガイド変数に分類する、
付記８から１１のいずれかに記載の予測モデル生産方法。
（付記１３）
付記１２に記載の予測モデル生産方法により生産された予測モデルを用い、
旅行内容、旅行客、及び、旅行ガイドの少なくとも二つの適合度を予測する、
旅行適合度予測方法。
（付記１４）
さらに、レコメンド工程を含む、
付記１３記載の旅行適合度予測方法。
（付記１５）
付記８から１４のいずれかに記載の方法をコンピュータ上で実行可能なプログラム。
（付記１６）
付記１５記載のプログラムを記録しているコンピュータ読み取り可能な記録媒体。
本発明によれば、例えば、旅行ガイド、旅行客及び旅行内容において、それぞれの適合度を予測することが可能である。このため、本発明は、旅行ガイド、旅行客及び旅行内容を上手にマッチングすることが可能であり、旅行会社等の観光産業に有用である。
１ 予測モデル生成装置
１１ データ取得手段
１２ 変数グループ分類手段
１３ 変数スコア化手段
１４ 変数入力手段
１５ 機械学習手段
１０１ 中央演算装置
１０２ メモリ
１０３ バス
１０４ 記憶装置
１０５ 入力装置
１０６ 表示装置
１０７ 通信デバイス

Claims (8)

  1. データ取得手段、変数グループ分類手段、変数スコア化手段、変数入力手段、及び、機械学習手段、を含み、
    前記データ取得手段は、データを取得し、
    前記変数グループ分類手段は、前記データを、複数の変数グループに分類し、
    前記変数スコア化手段は、複数の前記変数グループの少なくとも一つのグループのデータについて、他のグループのデータに関連付けてスコア化し、
    前記関連付けてスコア化は、前記少なくとも一つのグループのデータ及び前記他のグループのデータで出現して抽出された単語の数、及び、評価基準に基づき、スコアを算出し、
    前記変数入力手段は、スコア化された前記グループの各データを目的変数とし、かつ、スコア化された前記グループに関連付けられた前記他のグループの各データを説明変数として、前記機械学習手段に入力し、
    前記機械学習手段は、機械学習により、前記説明変数から前記目的変数を予測する予測モデルを生成し、
    前記データ取得手段が取得するデータが、旅行内容データ、旅行客データ、及び、旅行ガイドデータであり、
    前記変数グループ分類手段は、前記旅行内容データを旅行内容変数に分類し、前記旅行客データを旅行客変数に分類し、前記旅行ガイドデータを旅行ガイド変数に分類し、
    前記変数スコア化手段は、
    前記旅行内容変数を、前記旅行客変数および前記旅行ガイド変数の少なくとも一方に関連付けてスコア化し、
    前記旅行客変数を、前記旅行内容変数および前記旅行ガイド変数の少なくとも一方に関連付けてスコア化し、
    前記旅行ガイド変数を、前記旅行客変数および前記旅行内容変数の少なくとも一方に関連付けてスコア化し、
    前記変数入力手段は、前記旅行内容データ、前記旅行客データ、及び、前記旅行ガイドデータの少なくとも一つのデータを目的変数とし、他のデータを説明変数として、前記機械学習手段に入力し、
    前記機械学習手段は、機械学習により、前記説明変数から前記目的変数を予測する予測モデルを少なくとも３つ生成する、
    予測モデル生成装置。
  2. 前記変数スコア化手段は、単語段階評価基準テーブル、及び、単語抽出カウント手段、を含み、
    前記単語段階評価基準テーブルは、単語毎に段階評価基準を含み、
    前記データ取得手段は、前記データとして、テキストデータを取得し、
    前記変数グループ分類手段は、前記テキストデータを、複数の変数グループに分類し、
    前記単語抽出カウント手段は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントし、
    前記変数スコア化手段は、前記抽出カウントされた単語の個数及び前記単語段階評価基準テーブルの段階評価基準を基に、前記グループのデータをスコア化する、
    請求項１記載の予測モデル生成装置。
  3. 前記単語抽出カウント手段は、前記変数グループのテキストデータから、前記単語段階評価基準テーブルにある単語及び前記単語の類義語と共通する単語を抽出し、かつ、抽出した単語の個数をカウントする、
    請求項２記載の予測モデル生成装置。
  4. 前記変数スコア化手段は、単語段階評価基準テーブル生成手段を含み、
    前記単語段階評価基準テーブル生成手段は、データ取得手段で取得した複数の日本語テキストデータを形態素解析して単語に分解し、日本語評価極性辞書（用語編）に掲載されている単語と共通する単語を抽出し、
    前記抽出された単語及び前記抽出された単語についての日本語評価極性辞書の評価情報を紐づけてテーブルにする、
    請求項１から３のいずれか一項に記載の予測モデル生成装置。
  5. 請求項１から４のいずれか一項に記載の予測モデル生成装置により生成された予測モデルを含み、
    旅行内容、旅行客、及び、旅行ガイドの少なくとも二つの適合度を予測する、
    旅行適合度予測装置。
  6. データ取得工程、変数グループ分類工程、変数スコア化工程、変数入力工程、及び、機械学習工程、を含み、
    前記データ取得工程は、データを取得し、
    前記変数グループ分類工程は、前記データを、複数の変数グループに分類し、
    前記変数スコア化工程は、複数の前記変数グループの少なくとも一つのグループのデータについて、他のグループのデータに関連付けてスコア化し、
    前記関連付けてスコア化は、前記少なくとも一つのグループのデータ及び前記他のグループのデータで出現して抽出された単語の数、及び、評価基準に基づき、スコアを算出し、
    前記変数入力工程は、スコア化された前記グループの各データを目的変数とし、かつ、スコア化された前記グループに関連付けられた前記他のグループの各データを説明変数として、機械学習手段に入力し、
    前記機械学習工程は、機械学習により、前記説明変数から前記目的変数を予測する予測モデルを生成し、
    前記データ取得工程が取得するデータが、旅行内容データ、旅行客データ、及び、旅行ガイドデータであり、
    前記変数グループ分類工程は、前記旅行内容データを旅行内容変数に分類し、前記旅行客データを旅行客変数に分類し、前記旅行ガイドデータを旅行ガイド変数に分類し、
    前記変数スコア化工程は、
    前記旅行内容変数を、前記旅行客変数および前記旅行ガイド変数の少なくとも一方に関連付けてスコア化し、
    前記旅行客変数を、前記旅行内容変数および前記旅行ガイド変数の少なくとも一方に関連付けてスコア化し、
    前記旅行ガイド変数を、前記旅行客変数および前記旅行内容変数の少なくとも一方に関連付けてスコア化し、
    前記変数入力工程は、前記旅行内容データ、前記旅行客データ、及び、前記旅行ガイドデータの少なくとも一つのデータを目的変数とし、他のデータを説明変数として、前記機械学習工程に入力し、
    前記機械学習工程は、機械学習により、前記説明変数から前記目的変数を予測する予測モデルを少なくとも３つ生成する、
    予測モデル生産方法。
  7. 請求項６に記載の予測モデル生産方法により生産された予測モデルを用い、
    旅行内容、旅行客、及び、旅行ガイドの少なくとも二つの適合度を予測する、
    旅行適合度予測方法。
  8. 請求項６または７に記載の方法をコンピュータに実行させるためのプログラム。
JP2019085732A 2019-04-26 2019-04-26 予測モデル生成装置、旅行適合度予測装置、予測モデル生産方法、旅行適合度予測方法、プログラム及び記録媒体 Active JP7464240B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019085732A JP7464240B2 (ja) 2019-04-26 2019-04-26 予測モデル生成装置、旅行適合度予測装置、予測モデル生産方法、旅行適合度予測方法、プログラム及び記録媒体
US16/857,779 US11599722B2 (en) 2019-04-26 2020-04-24 Prediction model generating apparatus, travel suitability predicting apparatus, prediction model generating method, travel suitability predicting method, program, and recording

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019085732A JP7464240B2 (ja) 2019-04-26 2019-04-26 予測モデル生成装置、旅行適合度予測装置、予測モデル生産方法、旅行適合度予測方法、プログラム及び記録媒体

Publications (2)

Publication Number Publication Date
JP2020181494A JP2020181494A (ja) 2020-11-05
JP7464240B2 true JP7464240B2 (ja) 2024-04-09

Family

ID=72921505

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019085732A Active JP7464240B2 (ja) 2019-04-26 2019-04-26 予測モデル生成装置、旅行適合度予測装置、予測モデル生産方法、旅行適合度予測方法、プログラム及び記録媒体

Country Status (2)

Country Link
US (1) US11599722B2 (ja)
JP (1) JP7464240B2 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010145915A (ja) 2008-12-22 2010-07-01 Toyota Motor Corp 研修支援装置
JP2011039811A (ja) 2009-08-12 2011-02-24 Sony Corp 情報処理装置、情報処理方法、およびプログラム
JP2013152656A (ja) 2012-01-26 2013-08-08 Fujitsu Ltd 説明変数の決定のための情報処理装置、情報処理方法及びプログラム
US20140114705A1 (en) 2012-10-23 2014-04-24 Olset, Inc. Methods and systems for making travel arrangements
JP2016004525A (ja) 2014-06-19 2016-01-12 株式会社日立製作所 データ分析システム及びデータ分析方法
JP2016186742A (ja) 2015-03-27 2016-10-27 Ｎｅｃソリューションイノベータ株式会社 ガイドマッチングシステム、ガイドマッチング方法、及びプログラム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10247213A (ja) * 1997-03-05 1998-09-14 Nippon Telegr & Teleph Corp <Ntt> 観光案内情報提供方法およびその装置
US9639812B1 (en) * 2004-12-23 2017-05-02 American Airlines, Inc. System and method for accommodating disrupted travelers
JP2011145834A (ja) 2010-01-13 2011-07-28 Nifty Corp 旅行情報提供装置
US20150073839A1 (en) * 2013-09-09 2015-03-12 Haidar Suroor Mejbil Alharbi Method, apparatus, and program for automating travel agency
US20150161665A1 (en) * 2013-12-09 2015-06-11 Catalina Marketing Corporation System and method of predicting a location of a consumer within a retail establishment
JP5904559B2 (ja) 2013-12-20 2016-04-13 国立研究開発法人情報通信研究機構 シナリオ生成装置、及びそのためのコンピュータプログラム
US9349150B2 (en) * 2013-12-26 2016-05-24 Xerox Corporation System and method for multi-task learning for prediction of demand on a system
EP3114574A4 (en) * 2014-03-03 2018-03-07 Inrix, Inc. Traffic obstruction detection
CA2944652A1 (en) * 2014-04-01 2015-10-08 Amgine Technologies (Us), Inc. Inference model for traveler classification
US10185996B2 (en) * 2015-07-15 2019-01-22 Foundation Of Soongsil University Industry Cooperation Stock fluctuation prediction method and server
US10437871B2 (en) 2015-08-12 2019-10-08 Hithink Royalflush Information Network Co., Ltd. Method and system for sentiment analysis of information
US11113722B2 (en) 2015-09-29 2021-09-07 Adobe Inc. Providing content related to sentiment of product feature
CN108885617B (zh) * 2016-03-23 2022-05-31 株式会社野村综合研究所 语句解析系统以及程序
US9633007B1 (en) 2016-03-24 2017-04-25 Xerox Corporation Loose term-centric representation for term classification in aspect-based sentiment analysis
US10108600B2 (en) 2016-09-16 2018-10-23 Entigenlogic Llc System and method of attribute, entity, and action organization of a data corpora
CN106875066B (zh) * 2017-02-28 2021-06-11 百度在线网络技术（北京）有限公司 用车出行行为的预测方法、装置、服务器以及存储介质
US10565244B2 (en) 2017-06-22 2020-02-18 NewVoiceMedia Ltd. System and method for text categorization and sentiment analysis
TWM553509U (zh) * 2017-07-26 2017-12-21 Advanced Connectek Inc 插頭電連接器
US11120480B2 (en) * 2017-09-14 2021-09-14 Amadeus S.A.S. Systems and methods for real-time online traveler segmentation using machine learning
JP6562328B2 (ja) 2018-09-20 2019-08-21 株式会社フューチャーアイ 支援システム
US20200175610A1 (en) * 2018-12-03 2020-06-04 International Business Machines Corporation Cognitive collaboration

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010145915A (ja) 2008-12-22 2010-07-01 Toyota Motor Corp 研修支援装置
JP2011039811A (ja) 2009-08-12 2011-02-24 Sony Corp 情報処理装置、情報処理方法、およびプログラム
JP2013152656A (ja) 2012-01-26 2013-08-08 Fujitsu Ltd 説明変数の決定のための情報処理装置、情報処理方法及びプログラム
US20140114705A1 (en) 2012-10-23 2014-04-24 Olset, Inc. Methods and systems for making travel arrangements
JP2016004525A (ja) 2014-06-19 2016-01-12 株式会社日立製作所 データ分析システム及びデータ分析方法
JP2016186742A (ja) 2015-03-27 2016-10-27 Ｎｅｃソリューションイノベータ株式会社 ガイドマッチングシステム、ガイドマッチング方法、及びプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
小林のぞみ、ほか４名，"意見抽出のための評価表現の収集"，自然言語処理，日本，言語処理学会，2005年07月10日，第12巻, 第3号，pp.203～222
野守耕爾ほか１名，"三位一体アプローチによるテキストデータモデリング法の開発 －宿泊施設の口コミデータを用いた評価推論モデルの構築－"，一般社団法人 人工知能学会 第２８回全国大会論文集，2014年05月12日，1L2-OS-17a オーガナイズドセッション 1，pp.1～4

Also Published As

Publication number Publication date
JP2020181494A (ja) 2020-11-05
US20200342170A1 (en) 2020-10-29
US11599722B2 (en) 2023-03-07

Similar Documents

Publication Publication Date Title
Hu et al. Dealing with pandemics: An investigation of the effects of COVID-19 on customers’ evaluations of hospitality services
Mehraliyev et al. Sentiment analysis in hospitality and tourism: a thematic and methodological review
US20080097937A1 (en) Distributed method for integrating data mining and text categorization techniques
CN112650848A (zh) 基于文本语义相关乘客评价的城铁舆情信息分析方法
JP2019079302A (ja) 営業活動支援システム、営業活動支援方法および営業活動支援プログラム
Bi et al. Forecasting daily tourism demand for tourist attractions with big data: an ensemble deep learning method
KR20150142081A (ko) 비정형 문화관광 데이터 수집 및 정형화를 통한 맞춤형 문화관광 콘텐츠 추천 시스템 및 방법
CN109582788A (zh) 垃圾评论训练、识别方法、装置、设备及可读存储介质
Raja et al. Feature level review table generation for E-Commerce websites to produce qualitative rating of the products
Eshkevari et al. An end-to-end ranking system based on customers reviews: Integrating semantic mining and MCDM techniques
Addepalli et al. A proposed framework for measuring customer satisfaction and product recommendation for ecommerce
JP7351502B2 (ja) 変数データ生成装置、予測モデル生成装置、変数データ生産方法、予測モデル生産方法、プログラム及び記録媒体
JP7464240B2 (ja) 予測モデル生成装置、旅行適合度予測装置、予測モデル生産方法、旅行適合度予測方法、プログラム及び記録媒体
Fuchs et al. Business intelligence for destinations: Creating knowledge from social media
Richardson Exposing the many biases in machine learning
US20240062264A1 (en) Ai- backed e-commerce for all the top rated products on a single platform
Lucas et al. Sentiment analysis and image classification in social networks with zero-shot deep learning: applications in tourism
Cuffe et al. Using public data to generate industrial classification codes
Singh et al. Mining tourists’ opinions on popular Indian tourism hotspots using sentiment analysis and topic modeling
Staff et al. The transition to adulthood matters
Liu et al. Social-Transportation Analytic Toolbox (STAT) for Transit Networks
Grljević et al. Contemporary data analysis techniques for online reputation management in hospitality and tourism
Huda et al. Aspect-based Sentiment Analysis in Tourism Industry for Tourism Recommender System
Noor et al. Exploring user generated content for beach resorts in Cox’s Bazar, Bangladesh: A pre-and post-pandemic analysis
KR102333492B1 (ko) 미디어 기반의 챗봇 서비스 제공 시스템

Legal Events

Date Code Title Description
RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20191025

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220307

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230125

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230307

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230413

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20230801

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231030

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20231107

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240123

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240215

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: 20240227

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240321