TW201915899A - 智能分群建議系統及方法 - Google Patents
智能分群建議系統及方法 Download PDFInfo
- Publication number
- TW201915899A TW201915899A TW106131682A TW106131682A TW201915899A TW 201915899 A TW201915899 A TW 201915899A TW 106131682 A TW106131682 A TW 106131682A TW 106131682 A TW106131682 A TW 106131682A TW 201915899 A TW201915899 A TW 201915899A
- Authority
- TW
- Taiwan
- Prior art keywords
- transaction
- server unit
- data
- cluster
- electronic device
- Prior art date
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一種智能分群分析系統,包含一伺服器單元及一終端電子裝置。該伺服器單元根據多個客戶交易記錄產生多個交易特徵資料,每一交易特徵資料包含多個交易特徵值(其中一者為一總損益)。該伺服器單元根據該等交易特徵資料產生多個群集定義資料並將該等交易特徵資料劃分為多個群集。該伺服器單元針對每一群集,於該群集的該等交易特徵資料中,選定該總損益在該群集中的百分位符合一預定百分位範圍之該等交易特徵資料分別做為多個目標交易特徵資料。該伺服器單元針對每一群集,根據該群集的該等目標交易特徵資料的該等交易特徵值產生一參考資料。
Description
本發明是有關於一種智能分析系統,特別是指一種使用分群技術的智能分析系統。本發明還有關於一種使用分群技術的智能分析方法。
隨著網路通訊及電腦技術的蓬勃發展,投資者可以使用電腦或智慧型手機即時地完成金融商品(例如股票)交易。如何適當地應用交易系統中眾多投資者的交易記錄,配合大數據分析技術,提供投資者個人的投資行為分析及建議,為本案進一步要探討的主題。
因此,本發明的目的,即在提供一種智能分群分析系統。
本發明的另一目的,在於提供一種智能分群分析方法。
於是,本發明智能分群分析系統,包含一伺服器單元及一終端電子裝置。該伺服器單元儲存有分別相關於多個客戶的客戶交易記錄。該終端電子裝置能與該伺服器單元通訊。
該伺服器單元根據該等客戶交易記錄產生多個分別相關於該等客戶的交易特徵資料,該等交易特徵資料的每一者包含多個交易特徵值,該等交易特徵值的其中一者為一總損益。
該伺服器單元根據該等交易特徵資料,使用一預定分群演算法,產生多個群集定義資料,該等群集定義資料的每一者包含多個分別相關於該等交易特徵值的特徵值範圍。
該伺服器單元根據該等群集定義資料將該等交易特徵資料劃分為多個分別對應於該等群集定義資料的群集。
該伺服器單元針對該等群集的每一者,於該群集的該等交易特徵資料中,選定該總損益在該群集中的百分位符合一預定百分位範圍之該等交易特徵資料分別做為多個目標交易特徵資料。
該伺服器單元針對該等群集的每一者,根據該群集的該等目標交易特徵資料的該等交易特徵值,產生一對應於該群集的參考資料,該參考資料包含多個分別相關於該等交易特徵值的參考特徵值。
該終端電子裝置傳送一相關於該等客戶其中一目標者的分析請求給該伺服器單元。
當該伺服器單元接收到該分析請求,該伺服器單元傳送一分析結果給該終端電子裝置,該分析結果包含相關於該目標客戶的該交易特徵資料的至少部分該等交易特徵值,及相關於該目標客戶的該交易特徵資料所屬之該群集所對應之該參考資料的至少部分該等參考特徵值。
當該終端電子裝置接收到該分析結果,該終端電子裝置顯示該分析結果。
在一些實施態樣中,該伺服器單元根據該等特徵值範圍,使用一預定決策樹演算法,決定多個分別相關於該等群集定義資料的群集屬性描述。該分析結果還包含相關於該目標客戶的該交易特徵資料所符合之該群集定義資料所相關之該群集屬性描述。
在一些實施態樣中,該伺服器單元還儲存有多個分別相關於多個金融商品的金融商品歷史資料。該伺服器單元根據該等金融商品歷史資料產生多個分別相關於該等金融商品的商品特徵資料,該等商品特徵資料的每一者包含多個商品特徵值。該終端電子裝置傳送一相關於該目標客戶的建議請求給該伺服器單元,該建議請求包含至少一相關於該分析結果的該等交易特徵值其中一者之目標特徵值。當該伺服器單元接收到該建議請求,該伺服器單元根據該等商品特徵資料、該至少一目標特徵值及相關於該目標客戶的交易特徵資料,產生一相關於該等金融商品其中至少一者的商品清單,並將該商品清單傳送給該終端電子裝置。當該終端電子裝置接收到該商品清單,該終端電子裝置顯示該商品清單。
在一些實施態樣中,該預定分群演算法為k-平均演算法。
在一些實施態樣中,該終端電子裝置是以雷達圖的形式顯示該分析結果。
本發明智能分群分析方法,藉由一智能分群分析系統實施,該智能分群分析系統包含一伺服器單元及一終端電子裝置,該伺服器單元儲存有分別相關於多個客戶的客戶交易記錄,該終端電子裝置能與該伺服器單元通訊,該方法包含:該伺服器單元根據該等客戶交易記錄產生多個分別相關於該等客戶的交易特徵資料,該等交易特徵資料的每一者包含多個交易特徵值,該等交易特徵值的其中一者為一總損益;該伺服器單元根據該等交易特徵資料,使用一預定分群演算法,產生多個群集定義資料,該等群集定義資料的每一者包含多個分別相關於該等交易特徵值的特徵值範圍;該伺服器單元根據該等群集定義資料將該等交易特徵資料劃分為多個分別對應於該等群集定義資料的群集;該伺服器單元針對該等群集的每一者,於該群集的該等交易特徵資料中,選定該總損益在該群集中的百分位符合一預定百分位範圍之該等交易特徵資料分別做為多個目標交易特徵資料;該伺服器單元針對該等群集的每一者,根據該群集的該等目標交易特徵資料的該等交易特徵值,產生一對應於該群集的參考資料,該參考資料包含多個分別相關於該等交易特徵值的參考特徵值;該終端電子裝置傳送一相關於該等客戶其中一目標者的分析請求給該伺服器單元;當該伺服器單元接收到該分析請求,該伺服器單元傳送一分析結果給該終端電子裝置,該分析結果包含相關於該目標客戶的該交易特徵資料的至少部分該等交易特徵值,及相關於該目標客戶的該交易特徵資料所屬之該群集所對應之該參考資料的至少部分該等參考特徵值;及當該終端電子裝置接收到該分析結果,該終端電子裝置顯示該分析結果。
本發明的功效在於:藉由該分析結果包含相關於該目標客戶的該交易特徵資料的至少部分該等交易特徵值,及相關於該目標客戶的該交易特徵資料所屬之該群集所對應之該參考資料的至少部分該等參考特徵值,從而讓該目標客戶能比較該等交易特徵值與該等參考特徵值的差異,做為調整本身投資行為的參考,此外,藉由該伺服器單元回應於該建議請求產生該商品清單,從而讓該目標客戶可以參考該商品清單調整本身投資行為,以使該目標客戶的投資行為更接近相同群集中總損益較佳的客戶。
參閱圖1,本發明智能分群分析系統100的一實施例,包含一伺服器單元1及一終端電子裝置2。
該伺服器單元1儲存有分別相關於多個客戶的客戶交易記錄D1(例如客戶買賣股票之記錄),及多個分別相關於多個金融商品(例如股票)的金融商品歷史資料D2(例如除權息資料、在外流通股數等)。
該終端電子裝置2能經由一通訊網路與該伺服器單元1通訊。該終端電子裝置2例如是一智慧型手機、一平板電腦、一桌上型電腦或一膝上型電腦,但不以此為限。
以下配合圖1及圖2說明該智能分群分析系統100執行一資料分析程序的步驟。首先,如步驟S01所示,該伺服器單元1根據該等客戶交易記錄D1產生多個分別相關於該等客戶的交易特徵資料,並根據該等金融商品歷史資料D2產生多個分別相關於該等金融商品的商品特徵資料。
該等交易特徵資料的每一者包含多個交易特徵值。該等交易特徵值例如為一總損益、一投資勝率、一風險承受度、一投資頻率、一資產能力、一投機程度、一總交易天數及一總交易金額,但該等交易特徵值的項目及數目不以此為限。
該等商品特徵資料的每一者包含多個商品特徵值。該等商品特徵值例如為一風險程度、一流動率、一波動率、一營收、一籌碼、一殖利率及一技術,但該等商品特徵值的項目及數目不以此為限。
接著,如步驟S02所示,該伺服器單元1根據該等交易特徵資料,使用一預定分群演算法,產生多個群集定義資料。該等群集定義資料的每一者包含多個分別相關於該等交易特徵值的特徵值範圍。在本實施例中,該預定分群演算法為k-平均演算法(k-means clustering)。
接著,如步驟S03所示,該伺服器單元1根據該等群集定義資料將該等交易特徵資料劃分為多個分別對應於該等群集定義資料的群集。
接著,如步驟S04所示,該伺服器單元1根據該等特徵值範圍,使用一預定決策樹演算法,決定多個分別相關於該等群集定義資料的群集屬性描述。該等群集屬性描述例如為「高風險型」、「養股型」、「穩健經營型」等,但不以此為限。
接著,如步驟S05所示,該伺服器單元1針對該等群集的每一者,於該群集的該等交易特徵資料中,選定該總損益在該群集中的百分位符合一預定百分位範圍之該等交易特徵資料分別做為多個目標交易特徵資料。在本實施例中,該預定百分位範圍例如為第50~第100,但不以此為限。
最後,如步驟S06所示,該伺服器單元1針對該等群集的每一者,根據該群集的該等目標交易特徵資料的該等交易特徵值,產生一對應於該群集的參考資料,該參考資料包含多個分別相關於該等交易特徵值的參考特徵值。
該智能分群分析系統100可以是每隔預定時間執行該資料分析程序以更新分析結果。
以下配合圖1及圖3說明該智能分群分析系統100執行一資料回饋程序的步驟。首先,如步驟S11所示,該終端電子裝置2根據該目標客戶的操作,傳送一相關於該等客戶其中一目標者的分析請求給該伺服器單元1。
接著,如步驟S12所示,當該伺服器單元1接收到該分析請求,該伺服器單元1傳送一分析結果給該終端電子裝置2。該分析結果包含相關於該目標客戶的該交易特徵資料的至少部分該等交易特徵值(在本實施例中是該投資勝率、該風險承受度、該投資頻率、該資產能力及該投機程度共五項交易特徵值)、相關於該目標客戶的該交易特徵資料所屬之該群集所對應之該參考資料的至少部分該等參考特徵值(在本實施例中是該投資勝率、該風險承受度、該投資頻率、該資產能力及該投機程度共五項參考特徵值),及相關於該目標客戶的該交易特徵資料所符合之該群集定義資料所相關之該群集屬性描述。
接著,如步驟S13所示,當該終端電子裝置2接收到該分析結果,該終端電子裝置2顯示該分析結果。如圖4所示,該終端電子裝置2是以雷達圖的形式顯示該分析結果,其中,該雷達圖呈現本實施例中相關於該目標客戶的該交易特徵資料的五項交易特徵值(該投資勝率、該風險承受度、該投資頻率、該資產能力及該投機程度)分別是20、29、43、54及26,且該雷達圖呈現本實施例中相關於該目標客戶的該交易特徵資料所屬之該群集所對應之該參考資料的五項參考特徵值(該投資勝率、該風險承受度、該投資頻率、該資產能力及該投機程度)分別是70、52、43、54及73。藉此,該目標客戶能比較該等交易特徵值與該等參考特徵值的差異,做為調整本身投資行為的參考。
接著,如步驟S14所示,該終端電子裝置2根據該目標客戶的操作,傳送一相關於該目標客戶的建議請求給該伺服器單元1,該建議請求包含至少一相關於該分析結果的該等交易特徵值其中一者之目標特徵值。如圖5所示,該目標客戶可以透過操作該終端電子裝置2將該投資勝率的值由20的位置拖曳至70的位置,以將該目標特徵值設定為70。
接著,如步驟S15所示,當該伺服器單元1接收到該建議請求,該伺服器單元1根據該等商品特徵資料、該至少一目標特徵值及相關於該目標客戶的該交易特徵資料,產生一相關於該等金融商品其中至少一者的商品清單。
接著,如步驟S16所示,該伺服器單元1將該商品清單傳送給該終端電子裝置2。
最後,如步驟S17所示,當該終端電子裝置2接收到該商品清單,該終端電子裝置2顯示該商品清單。若該目標客戶參考該商品清單而購買該商品清單所相關的該至少一金融商品,則相關於該目標客戶的該交易特徵資料的其中至少一交易特徵值將會趨近該至少一目標特徵值(例如該投資勝率會由20改變為趨近於70)。藉此,該目標客戶可以參考該商品清單調整本身投資行為,以使該目標客戶的投資行為更接近相同群集中總損益較佳的客戶。
綜上所述,本發明智能分群分析系統100的實施例,藉由該分析結果包含相關於該目標客戶的該交易特徵資料的至少部分該等交易特徵值,及相關於該目標客戶的該交易特徵資料所屬之該群集所對應之該參考資料的至少部分該等參考特徵值,從而讓該目標客戶能比較該等交易特徵值與該等參考特徵值的差異,做為調整本身投資行為的參考,此外,藉由該伺服器單元1回應於該建議請求而產生該商品清單,從而讓該目標客戶可以參考該商品清單調整本身投資行為,以使該目標客戶的投資行為更接近相同群集中總損益較佳的客戶,故確實能達成本發明的目的。
惟以上所述者,僅為本發明的實施例而已,當不能以此限定本發明實施的範圍,凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾,皆仍屬本發明專利涵蓋的範圍內。
100‧‧‧智能分群分析系統
1‧‧‧伺服器單元
D1‧‧‧客戶交易記錄
D2‧‧‧金融商品歷史資料
2‧‧‧終端電子裝置
S01~S06‧‧‧步驟
S01~S17‧‧‧步驟
本發明的其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中: 圖1是本發明智能分群分析系統的一實施例的一硬體連接關係示意圖; 圖2是該實施例的一流程圖,說明一資料分析程序的步驟; 圖3是該實施例的另一流程圖,說明一資料回饋程序的步驟; 及 圖4與圖5分別是該實施例的一雷達圖。
Claims (10)
- 一種智能分群分析系統,包含: 一伺服器單元,儲存有分別相關於多個客戶的客戶交易記錄;及 一終端電子裝置,能與該伺服器單元通訊; 該伺服器單元根據該等客戶交易記錄產生多個分別相關於該等客戶的交易特徵資料,該等交易特徵資料的每一者包含多個交易特徵值,該等交易特徵值的其中一者為一總損益; 該伺服器單元根據該等交易特徵資料,使用一預定分群演算法,產生多個群集定義資料,該等群集定義資料的每一者包含多個分別相關於該等交易特徵值的特徵值範圍; 該伺服器單元根據該等群集定義資料將該等交易特徵資料劃分為多個分別對應於該等群集定義資料的群集; 該伺服器單元針對該等群集的每一者,於該群集的該等交易特徵資料中,選定該總損益在該群集中的百分位符合一預定百分位範圍之該等交易特徵資料分別做為多個目標交易特徵資料; 該伺服器單元針對該等群集的每一者,根據該群集的該等目標交易特徵資料的該等交易特徵值,產生一對應於該群集的參考資料,該參考資料包含多個分別相關於該等交易特徵值的參考特徵值; 該終端電子裝置傳送一相關於該等客戶其中一目標者的分析請求給該伺服器單元; 當該伺服器單元接收到該分析請求,該伺服器單元傳送一分析結果給該終端電子裝置,該分析結果包含相關於該目標客戶的該交易特徵資料的至少部分該等交易特徵值,及相關於該目標客戶的該交易特徵資料所屬之該群集所對應之該參考資料的至少部分該等參考特徵值; 當該終端電子裝置接收到該分析結果,該終端電子裝置顯示該分析結果。
- 如請求項1所述的智能分群分析系統,其中,該伺服器單元根據該等特徵值範圍,使用一預定決策樹演算法,決定多個分別相關於該等群集定義資料的群集屬性描述; 該分析結果還包含相關於該目標客戶的該交易特徵資料所符合之該群集定義資料所相關之該群集屬性描述。
- 如請求項1所述的智能分群分析系統,其中,該伺服器單元還儲存有多個分別相關於多個金融商品的金融商品歷史資料; 該伺服器單元根據該等金融商品歷史資料產生多個分別相關於該等金融商品的商品特徵資料,該等商品特徵資料的每一者包含多個商品特徵值; 該終端電子裝置傳送一相關於該目標客戶的建議請求給該伺服器單元,該建議請求包含至少一相關於該分析結果的該等交易特徵值其中一者之目標特徵值; 當該伺服器單元接收到該建議請求,該伺服器單元根據該等商品特徵資料、該至少一目標特徵值及相關於該目標客戶的交易特徵資料,產生一相關於該等金融商品其中至少一者的商品清單,並將該商品清單傳送給該終端電子裝置; 當該終端電子裝置接收到該商品清單,該終端電子裝置顯示該商品清單。
- 如請求項1所述的智能分群分析系統,其中,該預定分群演算法為k-平均演算法。
- 如請求項1所述的智能分群分析系統,其中,該終端電子裝置是以雷達圖的形式顯示該分析結果。
- 一種智能分群分析方法,藉由一智能分群分析系統實施,該智能分群分析系統包含一伺服器單元及一終端電子裝置,該伺服器單元儲存有分別相關於多個客戶的客戶交易記錄,該終端電子裝置能與該伺服器單元通訊,該方法包含: 該伺服器單元根據該等客戶交易記錄產生多個分別相關於該等客戶的交易特徵資料,該等交易特徵資料的每一者包含多個交易特徵值,該等交易特徵值的其中一者為一總損益; 該伺服器單元根據該等交易特徵資料,使用一預定分群演算法,產生多個群集定義資料,該等群集定義資料的每一者包含多個分別相關於該等交易特徵值的特徵值範圍; 該伺服器單元根據該等群集定義資料將該等交易特徵資料劃分為多個分別對應於該等群集定義資料的群集; 該伺服器單元針對該等群集的每一者,於該群集的該等交易特徵資料中,選定該總損益在該群集中的百分位符合一預定百分位範圍之該等交易特徵資料分別做為多個目標交易特徵資料; 該伺服器單元針對該等群集的每一者,根據該群集的該等目標交易特徵資料的該等交易特徵值,產生一對應於該群集的參考資料,該參考資料包含多個分別相關於該等交易特徵值的參考特徵值; 該終端電子裝置傳送一相關於該等客戶其中一目標者的分析請求給該伺服器單元; 當該伺服器單元接收到該分析請求,該伺服器單元傳送一分析結果給該終端電子裝置,該分析結果包含相關於該目標客戶的該交易特徵資料的至少部分該等交易特徵值,及相關於該目標客戶的該交易特徵資料所屬之該群集所對應之該參考資料的至少部分該等參考特徵值;及 當該終端電子裝置接收到該分析結果,該終端電子裝置顯示該分析結果。
- 如請求項6所述的智能分群分析方法,還包含: 該伺服器單元根據該等特徵值範圍,使用一預定決策樹演算法,決定多個分別相關於該等群集定義資料的群集屬性描述; 其中,該分析結果還包含相關於該目標客戶的該交易特徵資料所符合之該群集定義資料所相關之該群集屬性描述。
- 如請求項6所述的智能分群分析方法,其中,該伺服器單元還儲存有多個分別相關於多個金融商品的金融商品歷史資料,該方法還包含: 該伺服器單元根據該等金融商品歷史資料產生多個分別相關於該等金融商品的商品特徵資料,該等商品特徵資料的每一者包含多個商品特徵值; 該終端電子裝置傳送一相關於該目標客戶的建議請求給該伺服器單元,該建議請求包含至少一相關於該分析結果的該等交易特徵值其中一者之目標特徵值; 當該伺服器單元接收到該建議請求,該伺服器單元根據該等商品特徵資料、該至少一目標特徵值及相關於該目標客戶的交易特徵資料,產生一相關於該等金融商品其中至少一者的商品清單,並將該商品清單傳送給該終端電子裝置;及 當該終端電子裝置接收到該商品清單,該終端電子裝置顯示該商品清單。
- 如請求項6所述的智能分群分析方法,其中,該預定分群演算法為k-平均演算法。
- 如請求項6所述的智能分群分析方法,其中,該終端電子裝置是以雷達圖的形式顯示該分析結果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106131682A TWI677843B (zh) | 2017-09-15 | 2017-09-15 | 智能分群建議系統及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106131682A TWI677843B (zh) | 2017-09-15 | 2017-09-15 | 智能分群建議系統及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201915899A true TW201915899A (zh) | 2019-04-16 |
TWI677843B TWI677843B (zh) | 2019-11-21 |
Family
ID=66992255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106131682A TWI677843B (zh) | 2017-09-15 | 2017-09-15 | 智能分群建議系統及方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI677843B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067094A (zh) * | 2016-06-14 | 2016-11-02 | 华北电力大学 | 一种动态评估方法及系统 |
CN106228399A (zh) * | 2016-07-20 | 2016-12-14 | 福建工程学院 | 一种基于大数据的券商客户风险偏好分类方法 |
CN106326335A (zh) * | 2016-07-22 | 2017-01-11 | 浪潮集团有限公司 | 一种基于显著属性选择的大数据归类方法 |
TWM543416U (zh) * | 2016-12-29 | 2017-06-11 | First Commercial Bank Co Ltd | 智能產品行銷系統 |
TWM554605U (zh) * | 2017-09-15 | 2018-01-21 | Capital Securities Corp | 智能分群建議系統 |
-
2017
- 2017-09-15 TW TW106131682A patent/TWI677843B/zh not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
TWI677843B (zh) | 2019-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180288177A1 (en) | Methods and systems for activity-based recommendations | |
JP6425735B2 (ja) | 一時的な取引制限の決定 | |
US10783568B1 (en) | Social merchandising system | |
US20160189278A1 (en) | Assortment Breadth and Mix Guidance and Reconciliation | |
JP2016522523A (ja) | 情報を推薦するための方法およびシステム | |
US20150052019A1 (en) | System and Method for Multiple Weighted Factor Routing Schemes in Heterogeneous Fulfillment Networks Serving Multiple Clients with Distinct Routing Policies | |
US11762819B2 (en) | Clustering model analysis for big data environments | |
WO2016069815A1 (en) | Interrogation of mean field system | |
WO2020221022A1 (zh) | 业务对象推荐方法 | |
CN107093122B (zh) | 对象分类方法及装置 | |
WO2018088277A1 (ja) | 予測モデル生成システム、方法およびプログラム | |
KR20200114969A (ko) | 거래 이력 데이터의 클러스터링에 기초한 상품 추천 장치 및 방법 | |
US20210081840A1 (en) | Using a machine learning model to determine acceptability of remedial actions for supply plan deviations | |
US20190042995A1 (en) | Automated Item Assortment System | |
US11210618B2 (en) | Systems and methods for generating a two-dimensional planogram based on intermediate data structures | |
CN110490714A (zh) | 一种销售毛利实时更新方法及系统 | |
US20160307146A1 (en) | Rule compression in mean field system | |
WO2022126931A1 (zh) | 商品推荐方法、装置、计算机设备及介质 | |
TWM554605U (zh) | 智能分群建議系統 | |
TWI677843B (zh) | 智能分群建議系統及方法 | |
TW202123142A (zh) | 交易風險控管系統與交易風險控管方法 | |
CN113327134B (zh) | 商品信息推荐方法及装置、电子设备和介质 | |
JP6585998B2 (ja) | コンテンツ決定装置 | |
US20240144303A1 (en) | Optimization apparatus, optimization method, and non-transitory computer readable medium storing optimization program | |
JP7561297B1 (ja) | 商品管理システム、商品管理方法及び商品管理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |