JP7504178B2 - 系列データ可視化システムおよびプログラム - Google Patents
系列データ可視化システムおよびプログラム Download PDFInfo
- Publication number
- JP7504178B2 JP7504178B2 JP2022176600A JP2022176600A JP7504178B2 JP 7504178 B2 JP7504178 B2 JP 7504178B2 JP 2022176600 A JP2022176600 A JP 2022176600A JP 2022176600 A JP2022176600 A JP 2022176600A JP 7504178 B2 JP7504178 B2 JP 7504178B2
- Authority
- JP
- Japan
- Prior art keywords
- category
- data
- sequence
- variable
- similarity
- 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
- 239000013598 vector Substances 0.000 claims description 269
- 238000000034 method Methods 0.000 claims description 148
- 230000008569 process Effects 0.000 claims description 108
- 238000004364 calculation method Methods 0.000 claims description 40
- 238000013079 data visualisation Methods 0.000 claims description 36
- 238000013500 data storage Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 65
- 238000010586 diagram Methods 0.000 description 19
- 230000006399 behavior Effects 0.000 description 13
- 238000013480 data collection Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 101150027068 DEGS1 gene Proteins 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
系列データ記憶手段に記憶されている複数の可変長カテゴリ系列データの各々を数値で構成されるベクトルに変換するベクトル化処理を実行するベクトル化手段と、
このベクトル化手段により得られた複数の可変長カテゴリ系列データの各々についてのベクトル化処理後のデータを用いて、可変長カテゴリ系列データどうしの間の類似度を示す系列間類似度を算出する処理を実行する系列間類似度算出手段と、
この系列間類似度算出手段により得られた系列間類似度を用いて複数の可変長カテゴリ系列データについて階層クラスタリングを行い、デンドログラムを作成する処理を実行するクラスタリング手段と、
このクラスタリング手段によるクラスタリング対象とされた複数の可変長カテゴリ系列データの各々におけるカテゴリの並び順を保持した状態で、クラスタリング手段により作成したデンドログラムの最下層側の端部と、複数の可変長カテゴリ系列データの各々とを対応付けて画面表示または印刷する処理を実行する出力手段と
を備えたことを特徴とするものである。
ベクトル化手段は、
複数の可変長カテゴリ系列データの各々について、可変長カテゴリ系列データを構成するカテゴリの各々をベクトルに変換してカテゴリベクトルの系列を作成するカテゴリ単位ベクトル化処理を実行する構成とされ、
系列間類似度算出手段は、
カテゴリベクトルの系列に含まれるカテゴリベクトルの各々を用いて、動的時間伸縮法により、カテゴリベクトル間の類似度を算出しながら、系列間類似度を算出する処理を実行する構成とされていることが望ましい。
ベクトル化手段によるカテゴリ単位ベクトル化処理は、
複数の可変長カテゴリ系列データの各々を構成するカテゴリの系列を用いて、カテゴリを単語とみなし、Word2Vecまたはその他の単語の分散表現を取得する方法により単語ベクトルを求め、この単語ベクトルをカテゴリベクトルとして用いて、可変長カテゴリ系列データを構成するカテゴリの各々を、対応する単語ベクトルに置き換えることにより、カテゴリベクトルの系列を作成する処理であることが望ましい。
系列データ記憶手段に記憶されている複数の可変長カテゴリ系列データの各々を構成するカテゴリの系列を用いて、カテゴリを単語とみなし、Word2Vecまたはその他の単語の分散表現を取得する方法により単語ベクトルを求め、各カテゴリ間の類似度を、求めた各単語ベクトル間の類似度として算出するか、または、ユーザによる各カテゴリ間の類似度の設定入力を受け付ける処理を実行するカテゴリ間類似度設定手段と、
このカテゴリ間類似度設定手段により設定した各カテゴリ間の類似度を用いて、動的時間伸縮法のアルゴリズムにより、可変長カテゴリ系列データどうしの間の類似度を示す系列間類似度を算出する処理を実行する系列間類似度算出手段と、
この系列間類似度算出手段により得られた系列間類似度を用いて複数の可変長カテゴリ系列データについて階層クラスタリングを行い、デンドログラムを作成する処理を実行するクラスタリング手段と、
このクラスタリング手段によるクラスタリング対象とされた複数の可変長カテゴリ系列データの各々におけるカテゴリの並び順を保持した状態で、クラスタリング手段により作成したデンドログラムの最下層側の端部と、複数の可変長カテゴリ系列データの各々とを対応付けて画面表示または印刷する処理を実行する出力手段と
を備えたことを特徴とするものである。
ベクトル化手段は、
複数の可変長カテゴリ系列データの各々を系列全体として一体的にベクトルに変換する系列単位ベクトル化処理を実行する構成とされ、
系列間類似度算出手段は、
系列間類似度として、ベクトル化手段による系列単位ベクトル化処理で得られた系列全体を示すベクトル間の類似度を算出する処理を実行する構成とされ、
ベクトル化手段による系列単位ベクトル化処理は、
複数の可変長カテゴリ系列データの各々を文書とみなし、これらの複数の可変長カテゴリ系列データの各々を構成するカテゴリを単語とみなし、Doc2Vecまたはその他の文書の分散表現を取得する方法により、文書ベクトルを求め、複数の可変長カテゴリ系列データの各々を、求めた各文書ベクトルに置き換える処理である構成としてもよい。
ベクトル化手段は、
複数の可変長カテゴリ系列データの各々を系列全体として一体的にベクトルに変換する系列単位ベクトル化処理を実行する構成とされ、
系列間類似度算出手段は、
系列間類似度として、ベクトル化手段による系列単位ベクトル化処理で得られた系列全体を示すベクトル間の類似度を算出する処理を実行する構成とされ、
ベクトル化手段による系列単位ベクトル化処理は、
複数の可変長カテゴリ系列データの各々を文書とみなし、これらの複数の可変長カテゴリ系列データの各々を構成するカテゴリを単語とみなし、文書中の各単語の重要度を示す単語重要度ベクトルを求めるか、または、文書中の各単語の出現回数若しくは出現頻度を示す単語出現回数ベクトル若しくは単語出現頻度ベクトルを求め、複数の可変長カテゴリ系列データの各々を、求めた各単語重要度ベクトルまたは各単語出現回数ベクトル若しくは各単語出現頻度ベクトルに置き換える処理である構成としてもよい。
出力手段は、
可変長カテゴリ系列データを構成する各カテゴリのデータを、並び順の方向に詰めて画面表示若しくは印刷するか、または、同じ間隔を空けて画面表示若しくは印刷する標準出力処理と、
複数種類のカテゴリの中からユーザにより選択された指定カテゴリ、並びに、系列においてこの指定カテゴリよりも並び順の前方および/または後方に配置されたユーザの指定個数若しくは予め定められた個数のカテゴリの各データを、これらのカテゴリの並び順を保持した状態で、画面表示若しくは印刷する指定カテゴリ前後出力処理とを、
切り替えて実行するか、または同時に実行する構成としてもよい。
系列データ記憶手段には、
複数の可変長カテゴリ系列データの各々を構成する各カテゴリのデータと、これらのデータの発生時期とが関連付けられて記憶され、
出力手段は、
可変長カテゴリ系列データを構成する各カテゴリのデータを、並び順の方向に詰めて画面表示若しくは印刷するか、または、同じ間隔を空けて画面表示若しくは印刷する標準出力処理と、
可変長カテゴリ系列データを構成する各カテゴリのデータを、これらのデータに対応する発生時期を用いて、絶対的な時間軸上および/または先頭のデータの発生時期からの相対的な時間軸上で画面表示若しくは印刷する時間軸出力処理とを、
切り替えて実行するか、または同時に実行する構成としてもよい。
図2には、ベクトル化方法の選択画面50が示されている。この選択画面50中の[1]系列を構成する各カテゴリのベクトル化は、カテゴリ単位ベクトル化処理、すなわち可変長カテゴリ系列データを構成する個々のカテゴリデータ(質的データ)を、個別にベクトル化して数値データ(量的データ)に変換する処理である。一方、[2]系列を全体としてベクトル化は、系列単位ベクトル化処理、すなわち可変長カテゴリ系列データを、系列全体として一体的にベクトル化して数値データ(量的データ)に変換する処理である。
図2の選択画面50において、ユーザが、[1-1]の選択部51を選択した場合には、ベクトル化手段21は、複数の可変長カテゴリ系列データの各々を構成するカテゴリの系列を用いて、カテゴリを単語とみなし、Word2Vec(ワード・ツー・ベック)により単語ベクトルを求め、この単語ベクトルをカテゴリベクトル(カテゴリデータをベクトル化したもの)として用いて、可変長カテゴリ系列データを構成するカテゴリの各々を、対応する単語ベクトルに置き換えることにより、カテゴリベクトルの系列を作成する処理を実行する。なお、図2では、Word2Vecと記載されているが、このWord2Vecを含め、様々な単語の分散表現を取得する方法により単語ベクトルを求めることができる。
図2の選択画面50において、ユーザが、[1-2]の選択部52を選択した場合には、ベクトル化手段21は、カテゴリ種別の識別情報(A,B,C,…)と関連付けられてカテゴリ情報記憶手段(不図示)に記憶されている各カテゴリに付帯する「メタ情報」を用いて、各カテゴリに対応するカテゴリベクトルを作成する。
図2の選択画面50において、ユーザが、[2A-1]の選択部53を選択した場合には、ベクトル化手段21は、複数の可変長カテゴリ系列データの各々を文書とみなし、これらの複数の可変長カテゴリ系列データの各々を構成するカテゴリを単語とみなし、Doc2Vec(ドック・ツー・ベック)により、文書ベクトルを求め、複数の可変長カテゴリ系列データの各々を、求めた各文書ベクトルに置き換える処理を実行する。これは、複数の可変長カテゴリ系列データの各々を系列全体として一体的にベクトルに変換する系列単位ベクトル化処理である。なお、図2では、Doc2Vecと記載されているが、Doc2Vec以外の文書の分散表現を取得する方法により、文書ベクトルを求めてもよい。
図2の選択画面50において、ユーザが、[2B-1]の選択部54を選択した場合には、ベクトル化手段21は、複数の可変長カテゴリ系列データの各々を文書とみなし、これらの複数の可変長カテゴリ系列データの各々を構成するカテゴリを単語とみなし、TF-IDF(term frequency - inverse document frequency:ティーエフアイディーエフ)により、文書中の各単語の重要度を示す単語重要度ベクトルを求め、複数の可変長カテゴリ系列データの各々を、求めた各単語重要度ベクトルに置き換える処理を実行する。これは、複数の可変長カテゴリ系列データの各々を系列全体として一体的にベクトルに変換する系列単位ベクトル化処理である。なお、図2では、TF-IDFによる単語重要度ベクトルと記載されているが、TF-IDF以外の方法により単語重要度ベクトルを求めてもよい。
図2の選択画面50において、ユーザが、[2B-2]の選択部55を選択した場合には、ベクトル化手段21は、複数の可変長カテゴリ系列データの各々を文書とみなし、これらの複数の可変長カテゴリ系列データの各々を構成するカテゴリを単語とみなし、BoW(Bag of Words:バッグ・オブ・ワーズ)により、文書中の各単語の出現回数を示す単語出現回数ベクトルを求め、複数の可変長カテゴリ系列データの各々を、求めた各単語出現回数ベクトルに置き換える処理を実行する。これは、複数の可変長カテゴリ系列データの各々を系列全体として一体的にベクトルに変換する系列単位ベクトル化処理である。なお、図2では、BoWによる単語出現回数ベクトルと記載されているが、単語出現回数ベクトルに代えて、文書中の各単語の出現頻度を示す単語出現頻度ベクトルを求めてもよい。
図2の選択画面50において、[1]系列を構成する各カテゴリのベクトル化を選択した場合、すなわち[1-1]の選択部51または[1-2]の選択部52のいずれかを選択した場合には、ベクトル化手段21によるベクトル化処理後のデータは、図4に示すように、カテゴリベクトルの系列(カテゴリベクトルを並べて形成された系列データ)となるので、系列全体としては、可変長のベクトルデータとなる。従って、系列間類似度算出手段22は、動的時間伸縮法(DTW)により系列間類似度(系列全体どうしの間の類似度)を算出する。
図2の選択画面50において、[2]系列を全体としてベクトル化を選択した場合、すなわち[2A-1]の選択部53、[2B-1]の選択部54、または[2B-2]の選択部55のいずれかを選択した場合には、ベクトル化手段21によるベクトル化処理後のデータは、図5、図6、図7に示すように、固定長のベクトルデータとなる。従って、この場合は、系列間類似度算出手段22は、動的時間伸縮法(DTW)を使用するのではなく、これらのベクトル間の類似度(例えば、コサイン類似度)を算出し、それを系列間類似度(系列全体どうしの間の類似度)とする。
さらに、出力手段24は、本実施形態では、標準出力処理と、指定カテゴリ前後出力処理と、時間軸出力処理とを、入力手段40からのユーザによる選択操作に従って切り替えて実行する。また、これらの各種の態様の出力処理は、切り替えて実行するのではなく、同時に実行してもよく、同時実行の場合は、1つの画面または1つの印刷用紙の中に、複数の態様での表示または印刷が行われる。なお、これらの各種の態様での出力処理の機能は、必ずしも全てを備えている必要はなく、少なくとも1つの出力処理の機能を備えていればよい。1つの機能だけにする場合は、標準出力処理の機能とすることが好ましい。
標準出力処理は、可変長カテゴリ系列データを構成する各カテゴリのデータを、並び順の方向に詰めて画面表示若しくは印刷するか、または、同じ間隔を空けて画面表示若しくは印刷する処理である。図8の例は、詰めた状態の表示である。また、図8の例では、隣り合う可変長カテゴリ系列データどうしも詰めた状態で表示されているが、図9に示すように、互いの間隔(図9の例では上下の間隔)を少し空けてもよい。さらに、本実施形態では、図8の下部および図9に示すように、標準出力(標準表示)を、入力手段40からのユーザによる選択操作に従って、左端揃え(デフォルト表示)と、右端揃えとで切り替えることができる。図9に示すように、カテゴリの並び順は、切替の前後で保持される。
指定カテゴリ前後出力処理は、図8の下部および図10に示すように、複数種類のカテゴリ(図8の例では、A,B,Cの3種類)の中からユーザにより選択された指定カテゴリ(A,B,Cのうちの1つ)、並びに、系列においてこの指定カテゴリよりも並び順の前方および/または後方に配置されたユーザの指定個数若しくは予め定められた個数のカテゴリの各データを、これらのカテゴリの並び順を保持した状態で、画面表示若しくは印刷する処理である。
時間軸出力処理は、図8の下部および図11に示すように、可変長カテゴリ系列データを構成する各カテゴリのデータを、これらのデータに対応する発生時期(年月日や時分秒)を用いて、絶対的な時間軸上および/または先頭のデータの発生時期からの相対的な時間軸上で画面表示若しくは印刷する処理である。系列データ記憶手段31には、複数の可変長カテゴリ系列データの各々を構成する各カテゴリのデータと、これらのデータの発生時期の情報(データが発生した年月日や時分秒)とが関連付けられて記憶されている必要がある。
例えば、前記実施形態では、動的時間伸縮法(DTW)を適用する場合には、図4の最下部に示すように、カテゴリベクトル間(ベクトル化されたカテゴリデータ間)の類似度を算出しながら、2つの系列の要素間(データ間)の対応付けを行い、系列間類似度(系列全体どうしの類似度)を算出していたが、各カテゴリ間の類似度を、単語ベクトル間の類似度として予め算出して設定しておくか、または、ユーザが予め入力設定しておいてもよい。
時間軸(時間的な情報)を考慮した系列間類似度(系列全体どうしの類似度)の算出を行うと、それがクラスタリング手段23によるクラスタリング結果に影響し、出力手段24による出力(表示または印刷)に影響する。例えば、系列を構成する各カテゴリおよびそれらの並び順(例えば、ABCAACという並び順)が同じであっても、例えば、令和2年5月のABCAACと、令和2年6月のABCAACとは近いが、令和2年5月のABCAACと、令和4年5月のABCAACとは遠くなるようにベクトル化しておけば、クラスタリング結果は違ってくる。そのようにした場合には、データの発生時期が異なる時期(異なる時間帯、異なる時代など)における類似の系列に比べ、データの発生時期がほぼ同じ時期(同じ時間帯、同じ時代など)における類似の系列は、より一層、類似ということになり、出力手段24による出力処理で絶対的な時間軸表示を行った際でも、デンドログラムにおける近い位置に配置され、かつ、時間軸上でも近い位置に表示または印刷されて見易くなることが期待される。
21 ベクトル化手段
22 系列間類似度算出手段
23 クラスタリング手段
24 出力手段
31 系列データ記憶手段
Claims (8)
- 可変長カテゴリ系列データの可視化のための処理を実行するコンピュータにより構成された系列データ可視化システムであって、
系列データ記憶手段に記憶されている複数の前記可変長カテゴリ系列データの各々を数値で構成されるベクトルに変換するベクトル化処理を実行するベクトル化手段と、
このベクトル化手段により得られた複数の前記可変長カテゴリ系列データの各々についてのベクトル化処理後のデータを用いて、前記可変長カテゴリ系列データどうしの間の類似度を示す系列間類似度を算出する処理を実行する系列間類似度算出手段と、
この系列間類似度算出手段により得られた前記系列間類似度を用いて複数の前記可変長カテゴリ系列データについて階層クラスタリングを行い、デンドログラムを作成する処理を実行するクラスタリング手段と、
このクラスタリング手段によるクラスタリング対象とされた複数の前記可変長カテゴリ系列データの各々におけるカテゴリの並び順を保持した状態で、前記クラスタリング手段により作成した前記デンドログラムの最下層側の端部と、複数の前記可変長カテゴリ系列データの各々とを対応付けて画面表示または印刷する処理を実行する出力手段と
を備えたことを特徴とする系列データ可視化システム。 - 前記ベクトル化手段は、
複数の前記可変長カテゴリ系列データの各々について、前記可変長カテゴリ系列データを構成するカテゴリの各々を前記ベクトルに変換してカテゴリベクトルの系列を作成するカテゴリ単位ベクトル化処理を実行する構成とされ、
前記系列間類似度算出手段は、
前記カテゴリベクトルの系列に含まれる前記カテゴリベクトルの各々を用いて、動的時間伸縮法により、前記カテゴリベクトル間の類似度を算出しながら、前記系列間類似度を算出する処理を実行する構成とされている
ことを特徴とする請求項1に記載の系列データ可視化システム。 - 前記ベクトル化手段による前記カテゴリ単位ベクトル化処理は、
複数の前記可変長カテゴリ系列データの各々を構成するカテゴリの系列を用いて、カテゴリを単語とみなし、Word2Vecまたはその他の単語の分散表現を取得する方法により単語ベクトルを求め、この単語ベクトルを前記カテゴリベクトルとして用いて、前記可変長カテゴリ系列データを構成するカテゴリの各々を、対応する単語ベクトルに置き換えることにより、前記カテゴリベクトルの系列を作成する処理である
ことを特徴とする請求項2に記載の系列データ可視化システム。 - 前記ベクトル化手段は、
複数の前記可変長カテゴリ系列データの各々を系列全体として一体的に前記ベクトルに変換する系列単位ベクトル化処理を実行する構成とされ、
前記系列間類似度算出手段は、
前記系列間類似度として、前記ベクトル化手段による前記系列単位ベクトル化処理で得られた系列全体を示す前記ベクトル間の類似度を算出する処理を実行する構成とされ、
前記ベクトル化手段による前記系列単位ベクトル化処理は、
複数の前記可変長カテゴリ系列データの各々を文書とみなし、これらの複数の前記可変長カテゴリ系列データの各々を構成するカテゴリを単語とみなし、Doc2Vecまたはその他の文書の分散表現を取得する方法により、文書ベクトルを求め、複数の前記可変長カテゴリ系列データの各々を、求めた各文書ベクトルに置き換える処理である
ことを特徴とする請求項1に記載の系列データ可視化システム。 - 前記ベクトル化手段は、
複数の前記可変長カテゴリ系列データの各々を系列全体として一体的に前記ベクトルに変換する系列単位ベクトル化処理を実行する構成とされ、
前記系列間類似度算出手段は、
前記系列間類似度として、前記ベクトル化手段による前記系列単位ベクトル化処理で得られた系列全体を示す前記ベクトル間の類似度を算出する処理を実行する構成とされ、
前記ベクトル化手段による前記系列単位ベクトル化処理は、
複数の前記可変長カテゴリ系列データの各々を文書とみなし、これらの複数の前記可変長カテゴリ系列データの各々を構成するカテゴリを単語とみなし、文書中の各単語の重要度を示す単語重要度ベクトルを求めるか、または、文書中の各単語の出現回数若しくは出現頻度を示す単語出現回数ベクトル若しくは単語出現頻度ベクトルを求め、複数の前記可変長カテゴリ系列データの各々を、求めた各単語重要度ベクトルまたは各単語出現回数ベクトル若しくは各単語出現頻度ベクトルに置き換える処理である
ことを特徴とする請求項1に記載の系列データ可視化システム。 - 前記出力手段は、
前記可変長カテゴリ系列データを構成する各カテゴリのデータを、並び順の方向に詰めて画面表示若しくは印刷するか、または、同じ間隔を空けて画面表示若しくは印刷する標準出力処理と、
複数種類のカテゴリの中からユーザにより選択された指定カテゴリ、並びに、系列においてこの指定カテゴリよりも並び順の前方および/または後方に配置されたユーザの指定個数若しくは予め定められた個数のカテゴリの各データを、これらのカテゴリの並び順を保持した状態で、画面表示若しくは印刷する指定カテゴリ前後出力処理とを、
切り替えて実行するか、または同時に実行する構成とされている
ことを特徴とする請求項1に記載の系列データ可視化システム。 - 前記系列データ記憶手段には、
複数の前記可変長カテゴリ系列データの各々を構成する各カテゴリのデータと、これらのデータの発生時期とが関連付けられて記憶され、
前記出力手段は、
前記可変長カテゴリ系列データを構成する各カテゴリのデータを、並び順の方向に詰めて画面表示若しくは印刷するか、または、同じ間隔を空けて画面表示若しくは印刷する標準出力処理と、
前記可変長カテゴリ系列データを構成する各カテゴリのデータを、これらのデータに対応する前記発生時期を用いて、絶対的な時間軸上および/または先頭のデータの前記発生時期からの相対的な時間軸上で画面表示若しくは印刷する時間軸出力処理とを、
切り替えて実行するか、または同時に実行する構成とされている
ことを特徴とする請求項1に記載の系列データ可視化システム。 - 請求項1に記載の系列データ可視化システムとして、コンピュータを機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022176600A JP7504178B2 (ja) | 2022-11-02 | 2022-11-02 | 系列データ可視化システムおよびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022176600A JP7504178B2 (ja) | 2022-11-02 | 2022-11-02 | 系列データ可視化システムおよびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2024066852A JP2024066852A (ja) | 2024-05-16 |
JP7504178B2 true JP7504178B2 (ja) | 2024-06-21 |
Family
ID=91067547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022176600A Active JP7504178B2 (ja) | 2022-11-02 | 2022-11-02 | 系列データ可視化システムおよびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7504178B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006163894A (ja) | 2004-12-08 | 2006-06-22 | Hitachi Software Eng Co Ltd | クラスタリングシステム |
JP2014229142A (ja) | 2013-05-23 | 2014-12-08 | 富士通株式会社 | プログラム、情報処理装置、及び情報処理方法 |
JP2015109028A (ja) | 2013-12-05 | 2015-06-11 | 株式会社日立製作所 | データ関連性解析システムおよび方法 |
JP2017071333A (ja) | 2015-10-08 | 2017-04-13 | 株式会社デンソー | 運転支援装置 |
-
2022
- 2022-11-02 JP JP2022176600A patent/JP7504178B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006163894A (ja) | 2004-12-08 | 2006-06-22 | Hitachi Software Eng Co Ltd | クラスタリングシステム |
JP2014229142A (ja) | 2013-05-23 | 2014-12-08 | 富士通株式会社 | プログラム、情報処理装置、及び情報処理方法 |
JP2015109028A (ja) | 2013-12-05 | 2015-06-11 | 株式会社日立製作所 | データ関連性解析システムおよび方法 |
JP2017071333A (ja) | 2015-10-08 | 2017-04-13 | 株式会社デンソー | 運転支援装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2024066852A (ja) | 2024-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2007527065A (ja) | 画像グループを表すアイコンを生成する方法、当該方法を実行するよう構成されるコンピュータシステム、コンピュータプログラムプロダクト及びデータキャリア | |
JP6370434B1 (ja) | 企業情報提供システムおよびプログラム | |
US11580586B2 (en) | Real-time recommendation monitoring dashboard | |
JP2015164022A (ja) | マッチング装置、マッチング方法及びプログラム | |
US20080288527A1 (en) | User interface for graphically representing groups of data | |
Stacey et al. | Visual intelligence: Microsoft tools and techniques for visualizing data | |
Ogilvie | Scientific archives in the age of digitization | |
Liow et al. | Jommachinelearning: bringing artwork nearer with designlab | |
JP7504178B2 (ja) | 系列データ可視化システムおよびプログラム | |
Baltagi et al. | A comparative study of alternative estimators for the unbalanced two‐way error component regression model | |
Estikowati et al. | The Influence of Experiential Marketing and Relationship Marketing on Hotel Customer Loyalty | |
Su | Spatial continuity and self-similarity in super-resolution mapping: Self-similar pixel swapping | |
Mahalle et al. | Foundations of data science for engineering problem solving | |
Frolov | On Esseen type inequalities for combinatorial random sums | |
Tekin et al. | Big data concept in small and medium enterprises: how big data effects productivity | |
Zhu et al. | Visualizing fuzzy sets using opacity-varying freeform diagrams | |
CN113469819A (zh) | 基金产品的推荐方法、相关装置及计算机存储介质 | |
Veryard | On the Sociology of Algorithms: Massimo Airoldi, Machine Habitus (London: Pluto Press, 2022) | |
Malonda et al. | PERCEPTUAL MAPPING OF MID END SMARTPHONE USING MULTIDIMENSIONAL SCALLING ANALYSIS (CASE: OPPO, SAMSUNG, XIAOMI, AND ASUS) | |
CN117495482B (zh) | 一种基于用户画像的二手手机销售推荐方法及系统 | |
JP2007018364A (ja) | 帳票発行装置、帳票発行システム、帳票発行方法、および帳票発行プログラム | |
VanderPlas et al. | Framed! Reproducing and revisiting 150-year-old charts | |
Guilarte et al. | A collaborative support for recommending references in papers | |
JPH06309343A (ja) | データ集計方法 | |
Messer | Pivot Tables Decisions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240411 |
|
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: 20240607 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240611 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7504178 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |