WO2016190264A1 - インタレスト情報生成システム - Google Patents

インタレスト情報生成システム Download PDF

Info

Publication number
WO2016190264A1
WO2016190264A1 PCT/JP2016/065117 JP2016065117W WO2016190264A1 WO 2016190264 A1 WO2016190264 A1 WO 2016190264A1 JP 2016065117 W JP2016065117 W JP 2016065117W WO 2016190264 A1 WO2016190264 A1 WO 2016190264A1
Authority
WO
WIPO (PCT)
Prior art keywords
interest
agent
virtual
agents
attribute information
Prior art date
Application number
PCT/JP2016/065117
Other languages
English (en)
French (fr)
Inventor
荘司　洋三
亮一 新熊
和泰 山口
公三 福井
Original Assignee
株式会社神戸デジタル・ラボ
国立研究開発法人情報通信研究機構
国立大学法人京都大学
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 株式会社神戸デジタル・ラボ, 国立研究開発法人情報通信研究機構, 国立大学法人京都大学 filed Critical 株式会社神戸デジタル・ラボ
Publication of WO2016190264A1 publication Critical patent/WO2016190264A1/ja

Links

Images

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Definitions

  • the present invention relates to an interest information generation system that generates information related to an interest of an agent object based on statistical data and actual measurement data.
  • This agent is a person created in the system.
  • An object refers to some product or service.
  • interest refers to interest and interest in objects that appear in the actions of agents. For example, “a person watching TV at home” or “purchasing a product A at a store” is an interest in an agent object.
  • Measured data and statistical data are used as the original data when generating information about the interest of the agent object.
  • the actual measurement data refers to data obtained by recording and quantifying human behavior observed in a house, an urban area, a store, or the like.
  • statistical data refers to data obtained by statistically measuring actual measurement data, or data obtained by quantifying human behavior patterns obtained through social surveys.
  • measured data is the most effective for simulating human behavior, but from a privacy perspective, measured data on human behavior is quite limited, and generates information on the interest of a desired number of agent objects. It was difficult to do. In addition, since information about the interest of the agent object is generated based on a hypothesis established in advance, the information is limited and poorly expandable.
  • the present invention has been made in view of the above-described problem, and generates information related to interest of objects of a predetermined number of agents based on statistical data, and thus interest information capable of accurately simulating human behavior.
  • An object is to provide a generation system.
  • the present invention provides a data input unit for inputting statistical data, and a statistical data analysis unit for analyzing the ratio of interest to an agent object based on the statistical data input to the data input unit And, based on the interest ratio of the agent to the object of the agent by the statistical data analysis unit, an agent generation unit that generates an interest graph related to the virtual agent, and an interest graph related to the virtual agent generated by the agent generation unit, An interest generating unit that generates information related to the interest of the agent object.
  • the agent generation unit generates the attribute information of the object as a node, generates the object as a node, links the node of each object to the corresponding attribute information node, and analyzes the agent analyzed by the statistical data analysis unit
  • One or more virtual agents are generated as nodes for each object according to the ratio of interest to the object, and the virtual agent is linked to the corresponding object node and linked to a different object with a short link distance.
  • An interest graph relating to the virtual agent is generated by combining the virtual agents and repeating the connection between the virtual agents until the number of virtual agents reaches a predetermined number.
  • the agent generation unit when generating the attribute information of the object as a node, the agent generation unit generates a higher-level attribute information node and links the attribute information node corresponding to the higher-level attribute information node. Also good.
  • the interest generation unit may generate a potential interest list including each virtual agent of the interest graph and an object linked to each virtual agent as information related to the interest of the agent object.
  • the interest generation unit may generate a potential interest graph in which each object node is linked to a corresponding attribute information node.
  • the data input unit may include an actual measurement data analysis unit that inputs actual measurement data and analyzes an interest of an actual agent object based on the actual measurement data input by the data input unit.
  • the agent generation unit generates a virtual agent as a node for each object according to the ratio of the interest of the agent analyzed by the statistical data analysis unit
  • the object in which the real agent exists Is generated by subtracting the number of real agent objects analyzed by the actual measurement data analysis unit from the number of virtual agents.
  • the connection between the virtual agents is repeated, the connection between the virtual agents is repeated until a predetermined number is obtained by subtracting the number of actual agents analyzed by the actual measurement data analysis unit.
  • the interest generation unit generates the real agent object analyzed by the actual measurement data analysis unit when generating the information about the interest of the agent object based on the virtual agent graph generated by the agent generation unit. Information about interests in may be added.
  • the present invention it is possible to generate information related to interest of objects of a predetermined number of agents based on statistical data or a small number of actually measured data. Therefore, it is possible to accurately simulate human behavior without collecting a large amount of actual measurement data.
  • FIG. 1 It is a figure which shows the (a) potential interest list and (b) potential interest graph in this system of FIG. It is a figure which shows the process of producing
  • FIG. It is a figure which shows the process in which the virtual agent which concerns on Example 1 is couple
  • FIG. It is a figure which shows the process of producing
  • FIG. It is a figure which shows the process in which the virtual agent which concerns on Example 2 is couple
  • FIG. 1 It is a figure which shows the process of producing
  • FIG. It is a figure which shows the process of couple
  • FIG. It is a figure which shows the (a) potential interest list
  • the system 1 includes a data input unit 10, a statistical data analysis unit 11 provided on the output side of the data input unit 10, and an output side of the statistical data analysis unit 11.
  • An agent generation unit 12 and an interest generation unit 13 provided on the output side of the agent generation unit 12 are provided.
  • this agent refers to a person created in the system.
  • An object refers to some product or service.
  • interest refers to interest and interest in objects that appear in the actions of agents. For example, “a person watching TV at home” or “purchasing a product A at a store” is an interest in an agent object.
  • the data input unit 10 inputs statistical data.
  • This statistical data is obtained by statistically measuring actual measurement data or by quantifying human behavior patterns obtained through social surveys. For example, an object A is purchased by 50% of a customer (agent), an object B is purchased by 40% of a customer (agent), an object C is purchased by 20% of a customer (agent), and an object D is a customer (agent).
  • Statistical data indicating that 30% of the agents are purchased.
  • the statistical data may be directly input to the system 1 or may be input from another device via a network.
  • the statistical data analysis unit 11 generates an interest list by analyzing the ratio of interest with respect to the agent object based on the statistical data input to the data input unit 10. For example, when the above-described statistical data is input to the data input unit 10, the statistical data analysis unit 11 generates the following interest list by analyzing the ratio of interest for each of the objects A to D of the agent.
  • the statistical data analysis unit 11 analyzes the attribute information of the object based on the statistical data input by the data input unit 10. For example, when object A has attribute information a and attribute information b, object B has attribute information a and attribute information c, object C has attribute information d and attribute information e, and object D has attribute information f and attribute information c.
  • the statistical data analyzer 11 generates the following attribute information list by analyzing the attribute information of the objects A to D. In the present embodiment, higher-level attribute information x is also analyzed based on each attribute information a to f.
  • attribute information list Object A: attribute information a, attribute information b, object B: attribute information a, attribute information c, Object C: attribute information d, attribute information e, object D: attribute information f, attribute information c, Upper attribute information: attribute information x
  • the agent generation unit 12 generates an interest graph related to a virtual agent based on the interest ratio (interest list) of the agent object by the statistical data analysis unit 11.
  • the agent generation unit 12 generates object attribute information as a node, as shown in FIG.
  • the agent generation unit 12 links the nodes of the attribute information a to f to the nodes of the upper attribute information x. .
  • the agent generation unit 12 generates the objects A to D as nodes, and links the nodes of the objects A to D to the corresponding attribute information a to f.
  • the intermediate graph obtained by linking the nodes of the objects A to D to the nodes of the corresponding attribute information a to f is used as a potential interest graph by the interest generation unit 13 described later.
  • the agent generation unit 12 determines each object A according to the ratio of interest (interest list) to the agent objects A to D analyzed by the statistical data analysis unit 11.
  • One to a plurality of virtual agents are generated as nodes for each of ⁇ D, and these virtual agents are linked to the nodes of the corresponding objects AD.
  • the agent generation unit 12 combines virtual agents linked to an object having a short link distance.
  • the two virtual agents have a short link distance. It is determined that the object is linked, and the two virtual agents are combined as one virtual agent.
  • the combined one virtual agent is in a state of being linked to each object to which the original two virtual agents were linked.
  • the object A and the object B have the same attribute information a. Therefore, it is determined that the two virtual agents are linked to an object having a short link distance, and the two virtual agents are set to 1 as shown in FIG. Combine as virtual agents.
  • the object B and the object D are Since they are linked to the same attribute information c, the two virtual agents determine that they are linked to an object having a short link distance, and as shown in FIG. Are combined as one virtual agent.
  • the agent generation unit 12 generates an interest graph related to a virtual agent by repeating the connection between the virtual agents until the number of virtual agents reaches a predetermined number.
  • the nodes of the attribute information a to f are linked around the node of the higher attribute information x, and objects around the nodes of the attribute information a to f are linked.
  • the nodes of A to D are linked, and the nodes of the virtual agents that are repeatedly coupled to the predetermined number around the nodes of the objects A to D are linked.
  • the interest generating unit 13 generates information related to the interest of the agent object based on the interest graph related to the virtual agent generated by the agent generating unit 12.
  • the interest generation unit 13 uses the virtual agent of the interest graph and the objects A to D linked to each virtual agent as information on the interest of the agent object.
  • Generating a potential interest list consisting of Objects A to D in the potential list indicate that each virtual agent is an interest in the objects A to D.
  • the statistics of the potential interest list coincide with the statistics of the original statistical data.
  • the interest generation unit 13 sets the nodes of the objects A to D generated in the process of generating the interest graph by the agent generation unit 12 in the corresponding attribute information a to f.
  • a potential interest graph linked to a node may be generated (extracted). According to this, the degree of association between objects calculated from the attribute information can be reflected in the later simulation regarding the interest of the agent to the object.
  • This system 1 generates information related to the interest of the agent object while considering not only statistical data but also actual measurement data. That is, the system 1 includes a data input unit 10, a statistical data analysis unit 11 and an actual measurement data analysis unit 14 provided on the output side of the data input unit 10, and a statistical data analysis unit 11 as shown in FIG. And an agent generation unit 12 provided on the output side of the actual measurement data analysis unit 14 and an interest generation unit 13 provided on the output side of the agent generation unit 12.
  • the data input unit 10 inputs statistical data and actual measurement data.
  • the actual measurement data refers to data obtained by recording the behavior of an actual person (agent) observed in a house, an urban area, a store, or the like and digitizing it. For example, actual data indicating that the objects A and B are purchased by a certain customer (agent) 1 and the object D is purchased by a customer (agent) 2 can be cited.
  • the actual measurement data may be input directly to the system 1 or may be input from another device via a network.
  • the statistical data analysis unit 11 generates an interest list by analyzing the ratio of interest to the agent object based on the statistical data input to the data input unit 10.
  • the statistical data analysis unit 11 also analyzes the attribute information of the object based on the above-described statistical data input by the data input unit 10.
  • attribute information list Object A: attribute information a, attribute information b, object B: attribute information a, attribute information c, Object C: attribute information d, attribute information e, object D: attribute information f, attribute information c, Upper attribute information: attribute information x
  • the actual measurement data analysis unit 14 analyzes the interest of the actual agent object based on the actual measurement data input by the data input unit 10. For example, when the above-described actual measurement data is input by the data input unit 10, the actual measurement data analysis unit 14 creates the following interest list by analyzing the interest of the actual agent object.
  • the agent generation unit 12 generates an interest graph related to a virtual agent based on the interest ratio (interest list) of the agent object by the statistical data analysis unit 11.
  • the agent generation unit 12 generates object attribute information as a node, as shown in FIG.
  • the agent generation unit 12 links the nodes of the attribute information a to f to the nodes of the upper attribute information x. .
  • the agent generation unit 12 generates the objects A to D as nodes, and links the nodes of the objects A to D to the corresponding attribute information a to f.
  • the agent generation unit 12 determines each object A to D according to the ratio of interest to the agent object (interest list) analyzed by the statistical data analysis unit 11.
  • One or a plurality of virtual agents are generated as nodes, and the virtual agents are linked to the nodes of the corresponding objects.
  • the number of virtual agents linked to the objects A to D is calculated by multiplying a predetermined number of virtual agents by the ratio of the interest of the agents to the objects A to D.
  • the virtual agent node is obtained by subtracting the number of real agent objects analyzed by the actual measurement data analysis unit 14 from the number of virtual agents.
  • the predetermined number of virtual agents is 10
  • the same calculation is performed for the objects B to D as shown in the following equation.
  • the agent generation unit 12 generates an interest graph by repeatedly combining virtual agents linked to an object having a short link distance.
  • the agent generation unit 12 repeats the combination of the virtual agents until the number of virtual agents reaches a predetermined number.
  • the actual data analysis unit starts from the predetermined number.
  • the number of actual agents analyzed in step 14 is subtracted, and the connection between the virtual agents is repeated until the number of virtual agents reaches “predetermined number ⁇ number of actual agents”.
  • the method of combining virtual agents is the same as the method of combining the first embodiment, and a detailed description thereof will be omitted.
  • the nodes of the attribute information a to f are linked around the node of the higher attribute information x, and the nodes of the objects A to D are linked to the nodes of the attribute information a to f. Furthermore, the nodes of the virtual agents that are repeatedly combined until the “predetermined number ⁇ the number of actual agents” are linked around the nodes of the objects A to D are linked.
  • the interest generating unit 13 generates information related to the interest of the agent object based on the interest graph related to the virtual agent generated by the agent generating unit 12.
  • the interest generation unit 13 includes each virtual agent of the interest graph and an object linked to each virtual agent as information related to the interest of the agent object.
  • the potential interest list is generated in a state in which information about the interest of the objects of the real agents 1 and 2 is added. According to this, the potential interest list can be generated in a state where the measured data is reflected in the statistical data, and it is possible to simulate human behavior with higher accuracy.
  • the interest generation unit 13 sets the nodes of the objects A to D generated in the process of generating the interest graph by the agent generation unit 12 in the corresponding attribute information a to f.
  • a potential interest graph linked to a node may be generated (extracted).
  • an object is a book and information related to an agent's object (book) is generated based only on statistical data related to the number of books purchased.
  • the data input unit 10 inputs statistical data. This statistical data shows that Book A is purchased by 50% of customers (Agents), Book B is purchased by 40% of Customers (Agents), Book C is purchased by 20% of Customers (Agents), and Book D is Indicates that 30% of customers (agents) have purchased.
  • the statistical data analysis unit 11 generates an interest list by analyzing the ratio of interest to the book of the agent based on the statistical data input to the data input unit 10. That is, when the above-described statistical data is input to the data input unit 10, the statistical data analysis unit 11 generates the following interest list by analyzing the ratio of the interest of each book A to D of the agent.
  • the statistical data analysis unit 11 analyzes the attribute information of the book and the higher-level attribute information based on the statistical data input by the data input unit 10 as described below.
  • the agent generation unit 12 generates an interest graph related to a virtual agent based on an interest ratio (interest list) of the agent book to the statistical data analysis unit 11.
  • the agent generation unit 12 generates the attribute information of the book as a node as shown in FIG.
  • the agent generation unit 12 links each attribute information node to a higher-level attribute information (book) node. .
  • the agent generation unit 12 generates books A to D as nodes, and links the nodes of the books A to D to corresponding attribute information nodes.
  • the agent generation unit 12 sets each book A to D according to the ratio of interest to the agent book (interest list) analyzed by the statistical data analysis unit 11.
  • One or a plurality of virtual agents are generated as nodes, and the virtual agents are linked to corresponding attribute information nodes.
  • the number of virtual agents linked to each book A to D is calculated by multiplying the predetermined number of virtual agents 10 by the ratio of the interest of each book A to D of the agent.
  • the agent generation unit 12 combines virtual agents linked to books with a short link distance. That is, as shown in FIG. 9C, when one virtual agent linked to the book A and one virtual agent linked to the book B are viewed, the book A and the book B have the same attribute information ( Since the two virtual agents are linked to a book having a short link distance, the two virtual agents are linked as shown in FIG. 10 (a). Are combined as one virtual agent.
  • book B and book D when looking at another virtual agent linked to book B and one virtual agent linked to book D, book B and book D have the same attributes. Since they are linked to information (magazine), the two virtual agents determine that they are linked to a book with a short link distance, and as shown in FIG. Are combined as one virtual agent.
  • the agent generation unit 12 repeats the combination of virtual agents until the number of virtual agents reaches a predetermined number (10), thereby making an interest graph related to the virtual agents. Is generated.
  • this interest graph is in a state where nodes of each attribute information are linked around a node of higher attribute information (book), and the books A to The nodes of D are linked, and the nodes of the virtual agents that have been combined repeatedly until the predetermined number (10) are linked around the nodes of books A to D are linked.
  • the interest generating unit 13 is a potential interest comprising each virtual agent of an interest graph and a book linked to each virtual agent as information related to the interest of the book of the agent. Generate a list.
  • the interest generation unit 13 is a potential interest obtained by linking each book A to D generated when the agent generation unit 12 generates an interest graph with corresponding attribute information. Generate (extract) a graph.
  • an object is a book and information related to interest of the agent object (book) is generated based on statistical data and actual measurement data regarding the number of books purchased.
  • the data input unit 10 inputs statistical data and actual measurement data. This statistical data shows that Book A is purchased by 50% of customers (Agents), Book B is purchased by 40% of Customers (Agents), Book C is purchased by 20% of Customers (Agents), and Book D is Indicates that 30% of customers (agents) have purchased.
  • the actual measurement data indicates that books A and B are purchased by a customer (agent) 1 and book D is purchased by a customer (agent) 2.
  • the statistical data analysis unit 11 generates an interest list by analyzing the ratio of interest with respect to the agent object based on the statistical data input to the data input unit 10.
  • the statistical data analysis unit 11 also analyzes the attribute information of the book based on the statistical data input by the data input unit 10.
  • the actual measurement data analysis unit 14 generates the following interest list by analyzing the interest of the actual agent book based on the actual measurement data input by the data input unit 10.
  • the agent generation unit 12 generates an interest graph related to a virtual agent based on an interest ratio (interest list) of the agent book to the statistical data analysis unit 11.
  • the agent generation unit 12 generates the attribute information of the book as a node as shown in FIG.
  • the agent generation unit 12 links each attribute information node to the higher-level attribute information x (book) node.
  • the agent generation unit 12 generates books A to D as nodes, and links the nodes of the books A to D to corresponding attribute information nodes.
  • the agent generation unit 12 sets each book A to D according to the ratio of interest to the agent book (interest list) analyzed by the statistical data analysis unit 11.
  • One or a plurality of virtual agents are generated as nodes, and these virtual agents are linked to the nodes of the corresponding books A to D.
  • the number of virtual agents linked to each book A to D is calculated by multiplying the predetermined number of virtual agents 10 by the ratio of the interest of each book A to D of the agent.
  • the virtual agent node is obtained by subtracting the number of books of the real agent analyzed by the actual measurement data analysis unit 14 from the number of virtual agents. Generate.
  • the agent generation unit 12 generates an interest graph by repeatedly combining virtual agents linked to books with a short link distance. At this time, the agent generation unit 12 subtracts the actual number of agents analyzed by the actual measurement data analysis unit 14 from the predetermined number, so that the number of virtual agents is “predetermined number ⁇ the number of actual agents (8)”. Repeat until the virtual agents are connected. Note that the method of combining virtual agents is the same as the method of combining the first embodiment, and a detailed description thereof will be omitted.
  • this interest graph is in a state in which the nodes of the attribute information are linked around the node of the higher-level attribute information (book), and the books A to A are surrounded by the nodes of the attribute information.
  • the interest generator 13 stores information about the interests of the books A to D of the agents, as shown in FIG. 14 (a), and the books A to B linked to the virtual agents of the interest graph.
  • the potential interest list composed of D the potential interest list is generated in a state in which information on interests about the books of the real agents 1 and 2 is added.
  • the interest generation unit 13 is a potential interest obtained by linking each book A to D generated when the agent generation unit 12 generates an interest graph to the corresponding attribute information. Generate (extract) a graph.
  • an object is an interior
  • information related to an agent's interior is generated based on statistical data and actual measurement data regarding the behavior of a person in the house.
  • the data input unit 10 inputs statistical data and actual measurement data.
  • the data input unit 10 inputs statistical data and actual measurement data.
  • This statistical data shows that in a person (agent) in the home, TV is used for 50% of the person (agent) at a certain time, the sofa is used for 40% of the person (agent), and the bookshelf is 20% of the person (agent).
  • the PC is used for 30% of people (agents) and the person is used for 30% of customers (agents).
  • the actual measurement data indicates that a person (agent) 1 in the house uses a television and a sofa and a person (agent) 2 uses a PC at a certain time.
  • the statistical data analysis unit 11 generates an interest list by analyzing the ratio of interest to the interior of the agent based on the statistical data input to the data input unit 10.
  • the statistical data analysis unit 11 also analyzes the attribute information of the interior based on the statistical data input by the data input unit 10.
  • the actual measurement data analysis unit 14 creates the following interest list by analyzing the interest of the interior of the actual agent based on the actual measurement data input by the data input unit 10.
  • the agent generation unit 12 generates an interest graph related to a virtual agent based on the ratio of interest to the interior of the agent (interest list) by the statistical data analysis unit 11.
  • the agent generation unit 12 generates interior attribute information as a node as shown in FIG.
  • the agent generation unit 12 links each attribute information node to a higher attribute information (interior) node. .
  • the agent generation unit 12 generates each interior as a node, and links each interior node to a corresponding attribute information node.
  • the agent generator 12 generates one or more for each interior according to the ratio of interest to the interior of the agent (interest list) analyzed by the statistical data analyzer 11.
  • a plurality of virtual agents are generated as nodes, and the virtual agents are linked to corresponding interior nodes.
  • the number of virtual agents linked to each interior is calculated by multiplying the predetermined number of virtual agents 10 by the ratio of the interest of each agent to each interior.
  • virtual agent nodes are generated by subtracting the number of real agent interiors analyzed by the measured data analysis unit 14 from the number of virtual agents. To do.
  • the agent generation unit 12 generates an interest graph by repeatedly combining virtual agents linked to an interior with a short link distance. At this time, the agent generation unit 12 subtracts the actual number of agents analyzed by the actual measurement data analysis unit 14 from the predetermined number, and the number of virtual agents is “predetermined number ⁇ the number of actual agents” (eight). Repeat until the virtual agents are connected. Note that the method of combining virtual agents is the same as the method of combining the first embodiment, and a detailed description thereof will be omitted.
  • this interest graph is in a state where nodes of attribute information are linked around nodes of higher-level attribute information (interior), and the nodes of each interior around the attribute information nodes.
  • the nodes are linked, and further, the nodes of virtual agents that are repeatedly connected to each interior node until “predetermined number ⁇ the number of real agents” (8) are linked. .
  • the interest generator 13 is a potential interest comprising each virtual agent of the interest graph and the interior linked to each virtual agent as information related to the interest of the agent interior.
  • the potential interest list is generated in a state in which information about the interest of the interiors of the real agents 1 and 2 is added.
  • the interest generation unit 13 generates a potential interest graph that is generated when the agent generation unit 12 generates an interest graph and links each interior to corresponding attribute information.

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本発明は、統計データに基づいて所定の人数のエージェントのオブジェクトに対するインタレストに関する情報を生成し、ひいては人間行動を精度良くシミュレーションすることが可能なインタレスト情報生成システムを提供することを目的とする。統計データを入力するデータ入力部１０と、データ入力部１１に入力された統計データに基づいて、エージェントのオブジェクトに対するインタレストの割合を解析する統計データ解析部１１と、統計データ解析部１１によるエージェントのオブジェクトに対するインタレストの割合に基づいて、仮想のエージェントに関するインタレストグラフを生成するエージェント生成部１２と、エージェント生成部１３により生成された仮想のエージェントに関するインタレストグラフに基づいて、エージェントのオブジェクトに対するインタレストに関する情報を生成するインタレスト生成部１３とを備える。

Description

インタレスト情報生成システム
　本発明は、統計データや実測データに基づいて、エージェントのオブジェクトに対するインタレストに関する情報を生成するインタレスト情報生成システムに関するものである。
　近年、インターネットや通信機器の発展および普及に伴って、ビッグデータに代表されるように様々な分野において人間の行動をシミュレーションすることが行われている。この中でも、エージェントのオブジェクトに対するインタレストに関する情報を生成し、そのインタレストに関する情報を利用して人間の行動をシミュレーションすることが注目されている。
　このエージェントとは、システム内で生成される人を指す。また、オブジェクトとは、何らかの商品やサービスを指す。また、インタレストとは、エージェントの行動に現れるオブジェクトに対する興味や関心を指す。例えば、ある人が「宅内でテレビを見ている」「店舗で商品Ａを購入した」といったことが、エージェントのオブジェクトに対するインタレストということになる。
　このようにエージェントのオブジェクトに対するインタレストに関する情報を生成するに際して、元のデータとして実測データや統計データが用いられる。この実測データとは、宅内や市街地、店舗などで観測される人の行動を記録し、数値化したものを指す。一方、統計データは、実測データを統計化したものや、社会調査などによって得た人の行動パターンを数値化したものを指す。
大森他「仮想通信ネットワークシステムによるライフログに基づく行動予測」信学技報ＬＯＩＳ２０１４－３６
　しかしながら、人間の行動をシミュレーションするには実測データは最も有効ではあるが、プライバシー的な観点からも人間行動の実測データがかなり限られ、希望する所定の人数のエージェントのオブジェクトに対するインタレストに関する情報を生成することは難しかった。また、事前に立てた仮説に基づいてエージェントのオブジェクトに対するインタレストに関する情報を生成するため、限定的であり拡張性に乏しいものであった。
　本発明は、上述の問題に鑑みてなされたものであり、統計データに基づいて所定の人数のエージェントのオブジェクトに対するインタレストに関する情報を生成し、ひいては人間行動を精度良くシミュレーションすることが可能なインタレスト情報生成システムを提供することを目的とする。
　本発明は、上記目的を達成するために、統計データを入力するデータ入力部と、前記データ入力部に入力された統計データに基づいて、エージェントのオブジェクトに対するインタレストの割合を解析する統計データ解析部と、前記統計データ解析部によるエージェントのオブジェクトに対するインタレストの割合に基づいて、仮想のエージェントに関するインタレストグラフを生成するエージェント生成部と、エージェント生成部により生成された仮想のエージェントに関するインタレストグラフに基づいて、エージェントのオブジェクトに対するインタレストに関する情報を生成するインタレスト生成部とを備える。そして、前記エージェント生成部は、オブジェクトの属性情報をノードとして生成し、オブジェクトをノードとして生成し、各オブジェクトのノードを対応する属性情報のノードにリンクさせ、前記統計データ解析部により解析されたエージェントのオブジェクトに対するインタレストの割合に応じて、オブジェクトごとに一ないし複数の仮想のエージェントをノードとして生成し、仮想のエージェントを対応するオブジェクトのノードにリンクさせ、リンクの距離が近い異なるオブジェクトにリンクされている仮想のエージェント同士を結合し、仮想のエージェントの個数が所定の個数になるまで仮想のエージェント同士の結合を繰り返すことにより、仮想のエージェントに関するインタレストグラフを生成する。
　また、前記エージェント生成部は、オブジェクトの属性情報をノードとして生成するときに、上位となる属性情報のノードを生成し、該上位となる属性情報のノードに対応する属性情報のノードをリンクさせてもよい。
　また、前記インタレスト生成部は、エージェントのオブジェクトに対するインタレストに関する情報として、インタレストグラフの各仮想のエージェントと、各仮想のエージェントにリンクしているオブジェクトとからなるポテンシャルインタレストリストを生成してもよい。
　また、前記インタレスト生成部は、各オブジェクトのノードを対応する属性情報のノードにリンクさせたポテンシャルインタレストグラフを生成してもよい。
　前記データ入力部は実測データを入力し、前記データ入力部により入力された実測データに基づいて、現実のエージェントのオブジェクトに対するインタレストを解析する実測データ解析部を備えてもよい。この場合、前記エージェント生成部は、前記統計データ解析部により解析されたエージェントのオブジェクトに対するインタレストの割合に応じて、オブジェクトごとに仮想のエージェントをノードとして生成するときに、現実のエージェントが存在するオブジェクトについては、仮想のエージェントの個数から実測データ解析部により解析された現実のエージェントのオブジェクトの個数を差し引いた状態で仮想のエージェントのノードを生成する。また、仮想のエージェント同士の結合を繰り返すときに、所定の個数から実測データ解析部により解析された現実のエージェントの個数を差し引いた個数になるまで仮想の仮想のエージェント同士の結合を繰り返す。
　また、前記インタレスト生成部は、エージェント生成部により生成された仮想のエージェントに関するグラフに基づいて、エージェントのオブジェクトに対するインタレストに関する情報を生成するときに、実測データ解析部により解析された現実のエージェントのオブジェクトに対するインタレストに関する情報を加えてもよい。
　本発明によれば、統計データ、あるいはさらに少数の実測データに基づいて、所定の人数のエージェントのオブジェクトに対するインタレストに関する情報を生成することができる。このため大量の実測データを収集することなく、人間行動を精度良くシミュレーションすることが可能となる。
第１の実施形態に係るインタレスト情報生成システムの構成を示す図である。 図１の本システムにおけるインタレストグラフを生成する過程を示す図である。 図１の本システムにおける仮想エージェントを結合する過程を示す図である。 図１の本システムにおける（ａ）ポテンシャルインタレストリストと（ｂ）ポテンシャルインタレストグラフを示す図である。 第２の実施形態に係るインタレスト情報生成システムの構成を示す図である。 図５の本システムにおけるインタレストグラフを生成する過程を示す図である。 図５の本システムにおける仮想エージェントを結合する過程を示す図である。 図５の本システムにおける（ａ）ポテンシャルインタレストリストと（ｂ）ポテンシャルインタレストグラフを示す図である。 実施例１に係るインタレストグラフを生成する過程を示す図である。 実施例１に係る仮想エージェントを結合する過程を示す図である。 実施例１に係る（ａ）ポテンシャルインタレストリストと（ｂ）ポテンシャルインタレストグラフを示す図である。 実施例２に係るインタレストグラフを生成する過程を示す図である。 実施例２に係る仮想エージェントを結合する過程を示す図である。 実施例２に係る（ａ）ポテンシャルインタレストリストと（ｂ）ポテンシャルインタレストグラフを示す図である。 実施例３に係るインタレストグラフを生成する過程を示す図である。 実施例３に係る仮想エージェントを結合する過程を示す図である。 実施例３に係る（ａ）ポテンシャルインタレストリストと（ｂ）ポテンシャルインタレストグラフを示す図である。
　＜第１の実施形態＞
　次に、本発明に係るインタレスト情報生成システム（以下、本システムという）の第１の実施形態について図１～図４を参照しながら説明する。
　本システム１は、図１に示すように、データ入力部１０と、該データ入力部１０の出力側に設けられた統計データ解析部１１と、該統計データ解析部１１の出力側に設けられたエージェント生成部１２と、該エージェント生成部１２の出力側に設けられたインタレスト生成部１３とを備える。
　なお、このエージェントとは、システム内で生成される人を指す。また、オブジェクトとは、何らかの商品やサービスを指す。また、インタレストとは、エージェントの行動に現れるオブジェクトに対する興味や関心を指す。例えば、ある人が「宅内でテレビを見ている」「店舗で商品Ａを購入した」といったことが、エージェントのオブジェクトに対するインタレストということになる。
　前記データ入力部１０は、統計データを入力する。この統計データは、実測データを統計化したものや、社会調査などによって得た人の行動パターンを数値化したものを指す。例えば、あるオブジェクトＡが顧客（エージェント）の５０％に購入され、オブジェクトＢが顧客（エージェント）の４０％に購入され、オブジェクトＣが顧客（エージェント）の２０％に購入され、オブジェクトＤが顧客（エージェント）の３０％に購入されたことを示す統計データが挙げられる。なお、この統計データは、本システム１に直接的に入力されてもよいし、あるいはネットワークを介して別の装置から入力されてもよい。
　前記統計データ解析部１１は、データ入力部１０に入力された統計データに基づいて、エージェントのオブジェクトに対するインタレストの割合を解析することによりインタレストリストを生成する。例えば、上述の統計データがデータ入力部１０に入力された場合、統計データ解析部１１は、エージェントの各オブジェクトＡ～Ｄに対するインタレストの割合を解析することにより下記のインタレストリストを生成する。
　[インタレストリスト（統計データ）]　
　オブジェクトＡ：５０％、オブジェクトＢ：４０％、オブジェクトＣ：２０％、オブジェクトＤ：３０％
　また、前記統計データ解析部１１は、データ入力部１０により入力された統計データに基づいて、オブジェクトの属性情報も解析する。例えば、オブジェクトＡが属性情報ａかつ属性情報ｂ、オブジェクトＢが属性情報ａかつ属性情報ｃ、オブジェクトＣが属性情報ｄかつ属性情報ｅ、オブジェクトＤが属性情報ｆかつ属性情報ｃをそれぞれ有する場合、前記統計データ解析部１１は、オブジェクトＡ～Ｄの属性情報を解析することにより下記の属性情報リストを生成する。なお、本実施形態では、各属性情報ａ～ｆに基づいて上位の属性情報ｘも解析する。
　[属性情報リスト]
オブジェクトＡ：属性情報ａ、属性情報ｂ、オブジェクトＢ：属性情報ａ、属性情報ｃ、
オブジェクトＣ：属性情報ｄ、属性情報ｅ、オブジェクトＤ：属性情報ｆ、属性情報ｃ、
上位の属性情報：属性情報ｘ
　前記エージェント生成部１２は、前記統計データ解析部１１によるエージェントのオブジェクトに対するインタレストの割合（インタレストリスト）に基づいて、仮想のエージェントに関するインタレストグラフを生成する。
　具体的に説明すると、まず、エージェント生成部１２は、図２（ａ）に示すように、オブジェクトの属性情報をノードとして生成する。本実施形態では、属性情報ａ～ｆは上位の属性情報ｘと関係性を有しているため、エージェント生成部１２は、属性情報ａ～ｆのノードを上位の属性情報ｘのノードにリンクさせる。
　次に、エージェント生成部１２は、図２（ｂ）に示すように、オブジェクトＡ～Ｄをノードとして生成し、各オブジェクトＡ～Ｄのノードを対応する属性情報ａ～ｆのノードにリンクさせる。この各オブジェクトＡ～Ｄのノードを対応する属性情報ａ～ｆのノードにリンクさせた中間グラフは、ポテンシャルインタレストグラフとして後述のインタレスト生成部１３に用いられる。
　次に、エージェント生成部１２は、図２（ｃ）に示すように、前記統計データ解析部１１により解析されたエージェントのオブジェクトＡ～Ｄに対するインタレストの割合（インタレストリスト）に応じて、各オブジェクトＡ～Ｄごとに一ないし複数の仮想のエージェントをノードとして生成し、それら仮想のエージェントを対応する各オブジェクトＡ～Ｄのノードにリンクさせる。このとき、所定の仮想のエージェント数に対して、エージェントの各オブジェクトＡ～Ｄに対するインタレストの割合を乗算することにより、各オブジェクトＡ～Ｄにリンクさせる仮想のエージェント数を算出する。例えば、所定の仮想のエージェント数が１０の場合、エージェントのオブジェクトＡに対するインタレストの割合は５０％なので、オブジェクトＡにリンクする仮想のエージェント数は１０×５０％＝５ということになる。オブジェクトＢ～Ｄについても下式に示すように同様に計算される。
　オブジェクトＡ：所定のエージェント数１０×５０％＝５
　オブジェクトＢ：所定のエージェント数１０×４０％＝４
　オブジェクトＣ：所定のエージェント数１０×２０％＝２
　オブジェクトＤ：所定のエージェント数１０×３０％＝３
　次に、エージェント生成部１２は、図３に示すように、リンクの距離が近いオブジェクトにリンクされている仮想のエージェント同士を結合する。この仮想のエージェント同士の結合に際しては、異なる２個の仮想のエージェントがそれぞれリンクしている異なるオブジェクトが同じ属性情報にリンクしている場合に、それら２個の仮想のエージェントはリンクの距離が近いオブジェクトにリンクされていると判断して、それら２個の仮想のエージェントを１個の仮想エージェントとして結合する。この結合した後の１個の仮想のエージェントは、元の２個の仮想エージェントがそれぞれリンクしていた各オブジェクトにリンクした状態となっている。
　例えば、図２（ｃ）に示すように、オブジェクトＡにリンクしている一の仮想エージェントと、オブジェクトＢにリンクしている一の仮想エージェントについて見ると、オブジェクトＡとオブジェクトＢは同じ属性情報ａにリンクしているので、それら２個の仮想のエージェントはリンクの距離が近いオブジェクトにリンクされていると判断して、図３（ａ）に示すように、それら２個の仮想のエージェントを１個の仮想エージェントとして結合する。
　また、図２（ｃ）に示すように、オブジェクトＢにリンクしている別の一の仮想エージェントと、オブジェクトＤにリンクしている一の仮想エージェントについて見ると、オブジェクトＢとオブジェクトＤは同じ属性情報ｃにリンクしているので、それら２個の仮想のエージェントはリンクの距離が近いオブジェクトにリンクされていると判断して、図３（ｂ）に示すように、それら２個の仮想のエージェントを１個の仮想エージェントとして結合する。
　次に、図３（ａ）に示すように、同じくオブジェクトＡにリンクしている別の一の仮想エージェントと、オブジェクトＢにリンクしている別の一の仮想エージェントについて見ると、オブジェクトＡとオブジェクトＢは同じ属性情報ａにリンクしているので、それら２個の仮想のエージェントはリンクの距離が近いオブジェクトにリンクされていると判断して、図３（ｂ）に示すように、それら２個の仮想のエージェントを１個の仮想エージェントとして結合する。
　また、図３（ａ）に示すように、オブジェクトＢにリンクしている別の一の仮想エージェントと、オブジェクトＤにリンクしている別の一の仮想エージェントについて見ると、オブジェクトＢとオブジェクトＤは同じ属性情報ｃにリンクしているので、それら２個の仮想のエージェントはリンクの距離が近いオブジェクトにリンクされていると判断して、図３（ｂ）に示すように、それら２個の仮想のエージェントを１個の仮想エージェントとして結合する。
　このように、エージェント生成部１２は、図３に示すように、仮想のエージェントの個数が所定の個数になるまで仮想のエージェント同士の結合を繰り返すことにより、仮想のエージェントに関するインタレストグラフを生成する。なお、この仮想のエージェント同士の結合を繰り返すに際しては、リンクの距離が近い順に仮想のオブジェクト同士を結合していくとよい。
　このインタレストグラフは、図３（ｂ）に示すように、上位の属性情報ｘのノードを中心として属性情報ａ～ｆのノードがリンクした状態となり、その属性情報ａ～ｆのノードに周りにオブジェクトＡ～Ｄのノードがリンクした状態となり、さらにオブジェクトＡ～Ｄのノードの周りに所定の個数になるまで結合を繰り返した仮想のエージェントのノードがリンクした状態となっている。
　前記インタレスト生成部１３は、エージェント生成部１２により生成された仮想のエージェントに関するインタレストグラフに基づいて、エージェントのオブジェクトに対するインタレストに関する情報を生成する。
　このとき、インタレスト生成部１３は、エージェントのオブジェクトに対するインタレストに関する情報として、図４（ａ）に示すように、インタレストグラフの各仮想のエージェントと、各仮想のエージェントにリンクしているオブジェクトＡ～Ｄとからなるポテンシャルインタレストリストを生成することが挙げられる。このポテンシャルリスト中のオブジェクトＡ～Ｄは、各仮想エージェントが当該オブジェクトＡ～Ｄに対するインタレストであることを示すものである。なお、ポテンシャルインタレストリストの統計を取ると、元の統計データの統計と一致する。
　また、インタレスト生成部１３は、図４（ｂ）に示すように、前記エージェント生成部１２によりインタレストグラフを生成する過程で生成した、各オブジェクトＡ～Ｄのノードを対応する属性情報ａ～ｆのノードにリンクさせたポテンシャルインタレストグラフを生成（抽出）してもよい。これによれば、エージェントのオブジェクトに対するインタレストに関して、属性情報から算出されるオブジェクト間の関連度を後のシミュレーションで反映させることができる。
　＜第２の実施形態＞
　次に、本システム１の第２の実施形態について図５～図８を参照しながら説明する。
　本システム１では、統計データのみならず、実測データを考慮しながら、エージェントのオブジェクトに対するインタレストに関する情報を生成するものである。すなわち、本システム１は、図５に示すように、データ入力部１０と、該データ入力部１０の出力側に設けられた統計データ解析部１１および実測データ解析部１４と、統計データ解析部１１および実測データ解析部１４の出力側に設けられたエージェント生成部１２と、該エージェント生成部１２の出力側に設けられたインタレスト生成部１３とを備える。
　前記データ入力部１０は、統計データと実測データを入力する。実測データは、宅内や市街地、店舗などで観測される現実の人（エージェント）の行動を記録し、数値化したものを指す。例えば、ある顧客（エージェント）１によりオブジェクトＡ、Ｂが購入され、顧客（エージェント）２によりオブジェクトＤが購入されたことを示す実測データが挙げられる。なお、この実測データは、本システム１に直接的に入力されてもよいし、あるいはネットワークを介して別の装置から入力されてもよい。
　前記統計データ解析部１１は、データ入力部１０に入力された上述の統計データに基づいて、エージェントのオブジェクトに対するインタレストの割合を解析することによりインタレストリストを生成する。
　[インタレストリスト（統計データ）]
オブジェクトＡ：５０％、オブジェクトＢ：４０％、オブジェクトＣ：２０％、オブジェクトＤ：３０％
　また、前記統計データ解析部１１は、データ入力部１０により入力された上述の統計データに基づいて、オブジェクトの属性情報も解析する。
　[属性情報リスト]
オブジェクトＡ：属性情報ａ、属性情報ｂ、オブジェクトＢ：属性情報ａ、属性情報ｃ、
オブジェクトＣ：属性情報ｄ、属性情報ｅ、オブジェクトＤ：属性情報ｆ、属性情報ｃ、
上位の属性情報：属性情報ｘ
　前記実測データ解析部１４は、データ入力部１０により入力された実測データに基づいて、現実のエージェントのオブジェクトに対するインタレストを解析する。例えば、上述の実測データがデータ入力部１０により入力された場合、実測データ解析部１４は、現実のエージェントのオブジェクトに対するインタレストを解析することにより下記のインタレストリストを作成する。
　[インタレスト（実測データ）]
　顧客（エージェント）１：オブジェクトＡ、Ｂ、顧客（エージェント）２：オブジェクトＤ
　前記エージェント生成部１２は、前記統計データ解析部１１によるエージェントのオブジェクトに対するインタレストの割合（インタレストリスト）に基づいて、仮想のエージェントに関するインタレストグラフを生成する。
　具体的に説明すると、まず、エージェント生成部１２は、図６（ａ）に示すように、オブジェクトの属性情報をノードとして生成する。本実施形態では、属性情報ａ～ｆは上位の属性情報ｘに関係性を有しているため、エージェント生成部１２は、属性情報ａ～ｆのノードを上位の属性情報ｘのノードにリンクさせる。
　次に、エージェント生成部１２は、図６（ｂ）に示すように、オブジェクトＡ～Ｄをノードとして生成し、各オブジェクトＡ～Ｄのノードを対応する属性情報ａ～ｆのノードにリンクさせる。
　次に、エージェント生成部１２は、図６（ｃ）に示すように、前記統計データ解析部１１により解析されたエージェントのオブジェクトに対するインタレストの割合（インタレストリスト）に応じて、各オブジェクトＡ～Ｄごとに一ないし複数の仮想のエージェントをノードとして生成し、それら仮想のエージェントを対応する各オブジェクトのノードにリンクさせる。このとき、所定の仮想のエージェント数に対して、エージェントの各オブジェクトＡ～Ｄに対するインタレストの割合を乗算することにより、各オブジェクトＡ～Ｄにリンクさせる仮想のエージェント数を算出する。ただし、現実のエージェントが存在するオブジェクトＡ、Ｂ、Ｄについては、仮想のエージェントの個数から実測データ解析部１４により解析された現実のエージェントのオブジェクトの個数を差し引いた状態で仮想のエージェントのノードを生成する。例えば、所定の仮想のエージェント数が１０の場合、オブジェクトＡには現実のエージェントが１個存在するため、オブジェクトＡにリンクする仮想のエージェント数は１０×５０％－１＝４ということになる。オブジェクトＢ～Ｄについても下式に示すように同様に計算される。
　オブジェクトＡ：所定のエージェント数１０×５０％－現実のエージェント数１＝４
　オブジェクトＢ：所定のエージェント数１０×４０％－現実のエージェント数１＝３
　オブジェクトＣ：所定のエージェント数１０×２０％＝２
　オブジェクトＤ：所定のエージェント数１０×３０％－現実のエージェント数１＝２
　次に、エージェント生成部１２は、図７に示すように、リンクの距離が近いオブジェクトにリンクされている仮想のエージェント同士を結合することを繰り返すことによりインタレストグラフを生成する。このとき、エージェント生成部１２は、実施形態１では、仮想のエージェントの個数が所定の個数になるまで仮想のエージェント同士の結合を繰り返したが、本実施形態では、所定の個数から実測データ解析部１４により解析された現実のエージェント数を差し引き、仮想のエージェントの個数が「所定の個数－現実のエージェントの個数」になるまで仮想のエージェント同士の結合を繰り返す。なお、仮想のエージェント同士の結合方法は実施形態１の結合方法と同一なので、詳細な説明は省略する。
　このインタレストグラフは、上位の属性情報ｘのノードを中心として属性情報ａ～ｆのノードがリンクした状態となり、その属性情報ａ～ｆのノードに周りにオブジェクトＡ～Ｄのノードがリンクした状態となり、さらにオブジェクトＡ～Ｄのノードの周りに「所定の個数－現実のエージェントの個数」になるまで結合を繰り返した仮想のエージェントのノードがリンクした状態となっている。
　前記インタレスト生成部１３は、エージェント生成部１２により生成された仮想のエージェントに関するインタレストグラフに基づいて、エージェントのオブジェクトに対するインタレストに関する情報を生成する。
　このとき、インタレスト生成部１３は、エージェントのオブジェクトに対するインタレストに関する情報として、図８（ａ）に示すように、インタレストグラフの各仮想のエージェントと、各仮想のエージェントにリンクしているオブジェクトとからなるポテンシャルインタレストリストを生成するに際して、現実のエージェント１，２のオブジェクトに対するインタレストに関する情報を加えた状態でポテンシャルインタレストリストを生成する。これによれば、統計データに実測データを反映させた状態でポテンシャルインタレストリストを生成することができ、人間行動をより一層精度良くシミュレーションすることが可能となる。
　また、インタレスト生成部１３は、図８（ｂ）に示すように、前記エージェント生成部１２によりインタレストグラフを生成する過程で生成した、各オブジェクトＡ～Ｄのノードを対応する属性情報ａ～ｆのノードにリンクさせたポテンシャルインタレストグラフを生成（抽出）してもよい。
［実施例１］
　　次に、本発明の実施例１について、図９～図１１を参照しながら説明する。
　本実施例では、オブジェクトを書籍として、書籍の購買数に関する統計データのみに基づいて、エージェントのオブジェクト（書籍）に対するインタレストに関する情報を生成する場合について説明する。
　前記データ入力部１０は、統計データを入力する。この統計データは、書籍Ａが顧客（エージェント）の５０％に購入され、書籍Ｂが顧客（エージェント）の４０％に購入され、書籍Ｃが顧客（エージェント）の２０％に購入され、書籍Ｄが顧客（エージェント）の３０％に購入されたことを示す。
　前記統計データ解析部１１は、データ入力部１０に入力された統計データに基づいて、エージェントの書籍に対するインタレストの割合を解析することによりインタレストリストを生成する。つまり、上述の統計データがデータ入力部１０に入力された場合、統計データ解析部１１は、エージェントの各書籍Ａ～Ｄに対するインタレストの割合を解析することにより下記のインタレストリストを生成する。
　[インタレストリスト（統計データ）]　
　書籍Ａ：５０％、書籍Ｂ：４０％、書籍Ｃ：２０％、書籍Ｄ：３０％
　また、前記統計データ解析部１１は、データ入力部１０により入力された統計データに基づいて、下記に示すように書籍の属性情報と上位の属性情報も解析する。
　[属性情報リスト]
　書籍Ａ：球技、参考書、書籍Ｂ：球技、雑誌、書籍Ｃ：ＩＴ、技術書、書籍Ｄ：英語、雑誌、上位の属性情報：書籍
　前記エージェント生成部１２は、前記統計データ解析部１１によるエージェントの書籍に対するインタレストの割合（インタレストリスト）に基づいて、仮想のエージェントに関するインタレストグラフを生成する。
　具体的に説明すると、まず、エージェント生成部１２は、図９（ａ）に示すように、書籍の属性情報をノードとして生成する。本実施形態では、各属性情報は上位の属性情報（書籍）と関係性を有しているため、エージェント生成部１２は、各属性情報のノードを上位の属性情報（書籍）のノードにリンクさせる。
　次に、エージェント生成部１２は、図９（ｂ）に示すように、書籍Ａ～Ｄをノードとして生成し、各書籍Ａ～Ｄのノードを対応する属性情報のノードにリンクさせる。
　次に、エージェント生成部１２は、図９（ｃ）に示すように、前記統計データ解析部１１により解析されたエージェントの書籍に対するインタレストの割合（インタレストリスト）に応じて、各書籍Ａ～Ｄごとに一ないし複数の仮想のエージェントをノードとして生成し、それら仮想のエージェントを対応する各属性情報のノードにリンクさせる。このとき、所定の仮想のエージェント数１０に対して、エージェントの各書籍Ａ～Ｄに対するインタレストの割合を乗算することにより、各書籍Ａ～Ｄにリンクさせる仮想のエージェント数を算出する。
　書籍Ａ：所定のエージェント数１０×５０％＝５
　書籍Ｂ：所定のエージェント数１０×４０％＝４
　書籍Ｃ：所定のエージェント数１０×２０％＝２
　書籍Ｄ：所定のエージェント数１０×３０％＝３
　次に、エージェント生成部１２は、図１０に示すように、リンクの距離が近い書籍にリンクされている仮想のエージェント同士を結合する。つまり、図９（ｃ）に示すように、書籍Ａにリンクしている一の仮想エージェントと、書籍Ｂにリンクしている一の仮想エージェントについて見ると、書籍Ａと書籍Ｂは同じ属性情報（球技）にリンクしているので、それら２個の仮想のエージェントはリンクの距離が近い書籍にリンクされていると判断して、図１０（ａ）に示すように、それら２個の仮想のエージェントを１個の仮想エージェントとして結合する。
　また、図９（ｃ）に示すように、書籍Ｂにリンクしている別の一の仮想エージェントと、書籍Ｄにリンクしている一の仮想エージェントについて見ると、書籍Ｂと書籍Ｄは同じ属性情報（雑誌）にリンクしているので、それら２個の仮想のエージェントはリンクの距離が近い書籍にリンクされていると判断して、図１０（ａ）に示すように、それら２個の仮想のエージェントを１個の仮想エージェントとして結合する。
　次に、図１０（ａ）に示すように、同じく書籍Ａにリンクしている別の一の仮想エージェントと、書籍Ｂにリンクしている別の一の仮想エージェントについて見ると、書籍Ａと書籍Ｂは同じ属性情報（球技）にリンクしているので、それら２個の仮想のエージェントはリンクの距離が近い書籍にリンクされていると判断して、図１０（ｂ）に示すように、それら２個の仮想のエージェントを１個の仮想エージェントとして結合する。
　また、図１０（ａ）に示すように、同じく書籍Ｂにリンクしている別の一の仮想エージェントと、書籍Ｄにリンクしている別の一の仮想エージェントについて見ると、書籍Ｂと書籍Ｄは同じ属性情報（雑誌）にリンクしているので、それら２個の仮想のエージェントはリンクの距離が近い書籍にリンクされていると判断して、図１０（ｂ）に示すように、それら２個の仮想のエージェントを１個の仮想エージェントとして結合する。
　このように、エージェント生成部１２は、図１０に示すように、仮想のエージェントの個数が所定の個数（１０個）になるまで仮想のエージェント同士の結合を繰り返すことにより、仮想のエージェントに関するインタレストグラフを生成する。
　このインタレストグラフは、図１０（ｂ）に示すように、上位の属性情報（書籍）のノードを中心として各属性情報のノードがリンクした状態となり、その各属性情報のノードに周りに書籍Ａ～Ｄのノードがリンクした状態となり、さらに書籍Ａ～Ｄのノードの周りに所定の個数（１０個）になるまで結合を繰り返した仮想のエージェントのノードがリンクした状態となっている。
　前記インタレスト生成部１３は、エージェントの書籍に対するインタレストに関する情報として、図１１（ａ）に示すように、インタレストグラフの各仮想のエージェントと、各仮想のエージェントにリンクしている書籍とからなるポテンシャルインタレストリストを生成する。
　また、インタレスト生成部１３は、図１１（ｂ）に示すように、前記エージェント生成部１２によりインタレストグラフを生成する際に生成した、各書籍Ａ～Ｄを対応する属性情報にリンクさせたポテンシャルインタレストグラフを生成（抽出）する。
　［実施例２］
　次に、本発明の実施例２について、図１２～図１４を参照しながら説明する。
　本実施例では、オブジェクトを書籍として、書籍の購買数に関する統計データと実測データに基づいて、エージェントのオブジェクト（書籍）に対するインタレストに関する情報を生成する場合について説明する。
　前記データ入力部１０は、統計データと実測データを入力する。この統計データは、書籍Ａが顧客（エージェント）の５０％に購入され、書籍Ｂが顧客（エージェント）の４０％に購入され、書籍Ｃが顧客（エージェント）の２０％に購入され、書籍Ｄが顧客（エージェント）の３０％に購入されたことを示す。また、この実測データは、ある顧客（エージェント）１により書籍Ａ、Ｂが購入され、顧客（エージェント）２により書籍Ｄが購入されたことを示す。
　前記統計データ解析部１１は、データ入力部１０に入力された統計データに基づいて、エージェントのオブジェクトに対するインタレストの割合を解析することによりインタレストリストを生成する。
　[インタレストリスト（統計データ）]
　書籍Ａ：５０％、書籍Ｂ：４０％、書籍Ｃ：２０％、書籍Ｄ：３０％
　また、前記統計データ解析部１１は、データ入力部１０により入力された統計データに基づいて、書籍の属性情報も解析する。
　[属性情報リスト]
　書籍Ａ：球技、参考書、書籍Ｂ：球技、雑誌、書籍Ｃ：ＩＴ、技術書、書籍Ｄ：英語、雑誌、上位の属性情報：書籍
　前記実測データ解析部１４は、データ入力部１０により入力された実測データに基づいて、現実のエージェントの書籍に対するインタレストを解析することにより下記のインタレストリストを作成する。
　[インタレストリスト（実測データ）]
　顧客（エージェント）１：書籍Ａ、Ｂ、顧客（エージェント）２：書籍Ｄ
　前記エージェント生成部１２は、前記統計データ解析部１１によるエージェントの書籍に対するインタレストの割合（インタレストリスト）に基づいて、仮想のエージェントに関するインタレストグラフを生成する。
　具体的に説明すると、まず、エージェント生成部１２は、図１２（ａ）に示すように、書籍の属性情報をノードとして生成する。本実施形態では、各属性情報は上位の属性情報（書籍）に関係性を有しているため、エージェント生成部１２は、各属性情報のノードを上位の属性情報ｘ（書籍）のノードにリンクさせる。
　次に、エージェント生成部１２は、図１２（ｂ）に示すように、書籍Ａ～Ｄをノードとして生成し、各書籍Ａ～Ｄのノードを対応する各属性情報のノードにリンクさせる。
　次に、エージェント生成部１２は、図１２（ｃ）に示すように、前記統計データ解析部１１により解析されたエージェントの書籍に対するインタレストの割合（インタレストリスト）に応じて、各書籍Ａ～Ｄごとに一ないし複数の仮想のエージェントをノードとして生成し、それら仮想のエージェントを対応する各書籍Ａ～Ｄのノードにリンクさせる。このとき、所定の仮想のエージェント数１０に対して、エージェントの各書籍Ａ～Ｄに対するインタレストの割合を乗算することにより、各書籍Ａ～Ｄにリンクさせる仮想のエージェント数を算出する。ただし、現実のエージェントが存在する書籍Ａ、Ｂ、Ｄについては、仮想のエージェントの個数から実測データ解析部１４により解析された現実のエージェントの書籍の個数を差し引いた状態で仮想のエージェントのノードを生成する。
　書籍Ａ：所定のエージェント数１０×５０％－現実のエージェント数１＝４
　書籍Ｂ：所定のエージェント数１０×４０％－現実のエージェント数１＝３
　書籍Ｃ：所定のエージェント数１０×２０％＝２
　書籍Ｄ：所定のエージェント数１０×３０％－現実のエージェント数１＝２
　次に、エージェント生成部１２は、図１３に示すように、リンクの距離が近い書籍にリンクされている仮想のエージェント同士を結合することを繰り返すことによりインタレストグラフを生成する。このとき、エージェント生成部１２は、所定の個数から実測データ解析部１４により解析された現実のエージェント数を差し引き、仮想のエージェントの個数が「所定の個数－現実のエージェントの個数（８個）」になるまで仮想のエージェント同士の結合を繰り返す。なお、仮想のエージェント同士の結合方法は実施例１の結合方法と同一なので、詳細な説明は省略する。
　このインタレストグラフは、図１３（ｂ）に示すように、上位の属性情報（書籍）のノードを中心として各属性情報のノードがリンクした状態となり、それら各属性情報のノードに周りに書籍Ａ～Ｄのノードがリンクした状態となり、さらに書籍Ａ～Ｄのノードの周りに「所定の個数－現実のエージェントの個数」（８個）になるまで結合を繰り返した仮想のエージェントのノードがリンクした状態となっている。
　前記インタレスト生成部１３は、エージェントの書籍Ａ～Ｄに対するインタレストに関する情報として、図１４（ａ）に示すように、インタレストグラフの各仮想のエージェントと、各仮想のエージェントにリンクしている書籍Ａ～Ｄとからなるポテンシャルインタレストリストを生成するに際して、現実のエージェント１，２の書籍に対するインタレストに関する情報を加えた状態でポテンシャルインタレストリストを生成する。
　また、インタレスト生成部１３は、図１２（ｂ）に示すように、前記エージェント生成部１２によりインタレストグラフを生成する際に生成した、各書籍Ａ～Ｄを対応する属性情報にリンクさせたポテンシャルインタレストグラフを生成（抽出）する。
　［実施例３］
　次に、本発明の実施例１について、図１５～図１７を参照しながら説明する。
　本実施例では、オブジェクトをインテリアとして、宅内の人の行動に関する統計データと実測データに基づいて、エージェントのインテリアに対するインタレストに関する情報を生成する場合について説明する。
　前記データ入力部１０は、統計データと実測データを入力する。前記データ入力部１０は、統計データと実測データを入力する。この統計データは、宅内の人（エージェント）において、ある時間においてテレビが人（エージェント）の５０％に使用され、ソファが人（エージェント）の４０％に使用され、本棚が人（エージェント）の２０％に使用され、ＰＣが人（エージェント）の３０％に使用され、人が顧客（エージェント）の３０％に使用されたことを示す。また、この実測データは、ある時間において、宅内の人（エージェント）１によりテレビとソファが使用され、人（エージェント）２によりＰＣが使用されたことを示す。
前記統計データ解析部１１は、データ入力部１０に入力された統計データに基づいて、エージェントのインテリアに対するインタレストの割合を解析することによりインタレストリストを生成する。
　[インタレストリスト（統計データ）]
　テレビ：５０％、ソファ：４０％、本棚：２０％、ＰＣ：３０％、冷蔵庫：４０％
　また、前記統計データ解析部１１は、データ入力部１０により入力された統計データに基づいて、インテリアの属性情報も解析する。
　[属性情報リスト]
　テレビ：リビング、ソファ：リビング、本棚：寝室、ＰＣ：寝室、
　上位の属性情報：インテリア
　前記実測データ解析部１４は、データ入力部１０により入力された実測データに基づいて、現実のエージェントのインテリアに対するインタレストを解析することにより下記のインタレストリストを作成する。
　[インタレストリスト（実測データ）]
　人（エージェント）１：テレビ、ソファ、人（エージェント）２：ＰＣ
　前記エージェント生成部１２は、前記統計データ解析部１１によるエージェントのインテリアに対するインタレストの割合（インタレストリスト）に基づいて、仮想のエージェントに関するインタレストグラフを生成する。
　具体的に説明すると、まず、エージェント生成部１２は、図１５（ａ）に示すように、インテリアの属性情報をノードとして生成する。本実施形態では、各属性情報は上位の属性情報（インテリア）に関係性を有しているため、エージェント生成部１２は、各属性情報のノードを上位の属性情報（インテリア）のノードにリンクさせる。
　次に、エージェント生成部１２は、図１５（ｂ）に示すように、各インテリアをノードとして生成し、各インテリアのノードを対応する属性情報のノードにリンクさせる。
　次に、エージェント生成部１２は、図１５（ｃ）に示すように、前記統計データ解析部１１により解析されたエージェントのインテリアに対するインタレストの割合（インタレストリスト）に応じて、各インテリアごとに一ないし複数の仮想のエージェントをノードとして生成し、それら仮想のエージェントを対応する各インテリアのノードにリンクさせる。このとき、所定の仮想のエージェント数１０に対して、エージェントの各インテリアに対するインタレストの割合を乗算することにより、各インテリアにリンクさせる仮想のエージェント数を算出する。ただし、現実のエージェントが存在するテレビ、ソファ、ＰＣについては、仮想のエージェントの個数から実測データ解析部１４により解析された現実のエージェントのインテリアの個数を差し引いた状態で仮想のエージェントのノードを生成する。
　テレビ：所定のエージェント数１０×５０％－現実のエージェント数１＝４
　ソファ：所定のエージェント数１０×４０％－現実のエージェント数１＝３
　本棚：所定のエージェント数１０×２０％＝２
　ＰＣ：所定のエージェント数１０×３０％－現実のエージェント数１＝２
　冷蔵庫：所定のエージェント数１０×３０％＝２
　次に、エージェント生成部１２は、図１６に示すように、リンクの距離が近いインテリアにリンクされている仮想のエージェント同士を結合することを繰り返すことによりインタレストグラフを生成する。このとき、エージェント生成部１２は、所定の個数から実測データ解析部１４により解析された現実のエージェント数を差し引き、仮想のエージェントの個数が「所定の個数－現実のエージェントの個数」（８個）になるまで仮想のエージェント同士の結合を繰り返す。なお、仮想のエージェント同士の結合方法は実施例１の結合方法と同一なので、詳細な説明は省略する。
　このインタレストグラフは、図１６（ｂ）に示すように、上位の属性情報（インテリア）のノードを中心として各属性情報のノードがリンクした状態となり、それら各属性情報のノードに周りに各インテリアのノードがリンクした状態となり、さらに各インテリアのノードの周りに「所定の個数－現実のエージェントの個数」（８個）になるまで結合を繰り返した仮想のエージェントのノードがリンクした状態となっている。
　前記インタレスト生成部１３は、エージェントのインテリアに対するインタレストに関する情報として、図１７（ａ）に示すように、インタレストグラフの各仮想のエージェントと、各仮想のエージェントにリンクしているインテリアとからなるポテンシャルインタレストリストを生成するに際して、現実のエージェント１，２のインテリアに対するインタレストに関する情報を加えた状態でポテンシャルインタレストリストを生成する。
　また、インタレスト生成部１３は、図１７（ｂ）に示すように、前記エージェント生成部１２によりインタレストグラフを生成する際に生成した、各インテリアを対応する属性情報にリンクさせたポテンシャルインタレストグラフを生成（抽出）する。
　以上、図面を参照して本発明の実施形態を説明したが、本発明は、図示した実施形態のものに限定されない。図示された実施形態に対して、本発明と同一の範囲内において、あるいは均等の範囲内において、種々の修正や変形を加えることが可能である。
１・・・本システム
　１０・・・データ入力部
　１１・・・統計データ解析部
　１２・・・エージェント生成部
　１３・・・インタレスト生成部
　１４・・・実測データ解析部

Claims (6)

  1. 　統計データを入力するデータ入力部と、
    　前記データ入力部に入力された統計データに基づいて、エージェントのオブジェクトに対するインタレストの割合を解析する統計データ解析部と、
    　前記統計データ解析部によるエージェントのオブジェクトに対するインタレストの割合に基づいて、仮想のエージェントに関するインタレストグラフを生成するエージェント生成部と、
    　前記エージェント生成部により生成された仮想のエージェントに関するインタレストグラフに基づいて、エージェントのオブジェクトに対するインタレストに関する情報を生成するインタレスト生成部とを備え、
    　前記エージェント生成部は、
    　オブジェクトの属性情報をノードとして生成し、
    　オブジェクトをノードとして生成し、各オブジェクトのノードを対応する属性情報のノードにリンクさせ、
    　前記統計データ解析部により解析されたエージェントのオブジェクトに対するインタレストの割合に応じて、オブジェクトごとに一ないし複数の仮想のエージェントをノードとして生成し、仮想のエージェントを対応するオブジェクトのノードにリンクさせ、
    　リンクの距離が近い異なるオブジェクトにリンクされている仮想のエージェント同士を結合し、
    　仮想のエージェントの個数が所定の個数になるまで仮想のエージェント同士の結合を繰り返すことにより、仮想のエージェントに関するインタレストグラフを生成することを特徴とするインタレスト情報生成システム。
  2. 　前記エージェント生成部は、オブジェクトの属性情報をノードとして生成するときに、上位となる属性情報のノードを生成し、該上位となる属性情報のノードに対応する属性情報のノードをリンクさせる請求項１に記載のインタレスト情報生成システム。
  3. 　前記インタレスト生成部は、エージェントのオブジェクトに対するインタレストに関する情報として、インタレストグラフの各仮想のエージェントと、各仮想のエージェントにリンクしているオブジェクトとからなるポテンシャルインタレストリストを生成する請求項１に記載のインタレスト情報生成システム。
  4. 　前記インタレスト生成部は、各オブジェクトのノードを対応する属性情報のノードにリンクさせたポテンシャルインタレストグラフを生成する請求項１に記載のインタレスト情報生成システム。
  5. 　前記データ入力部は実測データを入力し、
    　前記データ入力部により入力された実測データに基づいて、現実のエージェントのオブジェクトに対するインタレストを解析する実測データ解析部を備え、
    　前記エージェント生成部は、
    　前記統計データ解析部により解析されたエージェントのオブジェクトに対するインタレストの割合に応じて、オブジェクトごとに仮想のエージェントをノードとして生成するときに、現実のエージェントが存在するオブジェクトについては、仮想のエージェントの個数から実測データ解析部により解析された現実のエージェントのオブジェクトの個数を差し引いた状態で仮想のエージェントのノードを生成し、
    　仮想のエージェント同士の結合を繰り返すときに、所定の個数から実測データ解析部により解析された現実のエージェントの個数を差し引いた個数になるまで仮想の仮想のエージェント同士の結合を繰り返す請求項１に記載のインタレスト情報生成システム。
  6. 　前記インタレスト生成部は、前記エージェント生成部により生成された仮想のエージェントに関するグラフに基づいて、エージェントのオブジェクトに対するインタレストに関する情報を生成するときに、実測データ解析部により解析された現実のエージェントのオブジェクトに対するインタレストに関する情報を加える請求項５に記載のインタレスト情報生成システム。
PCT/JP2016/065117 2015-05-26 2016-05-23 インタレスト情報生成システム WO2016190264A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015-106302 2015-05-26
JP2015106302A JP2016218950A (ja) 2015-05-26 2015-05-26 インタレスト情報生成システム

Publications (1)

Publication Number Publication Date
WO2016190264A1 true WO2016190264A1 (ja) 2016-12-01

Family

ID=57392772

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/065117 WO2016190264A1 (ja) 2015-05-26 2016-05-23 インタレスト情報生成システム

Country Status (2)

Country Link
JP (1) JP2016218950A (ja)
WO (1) WO2016190264A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113656125A (zh) * 2021-07-30 2021-11-16 阿波罗智联(北京)科技有限公司 一种虚拟助手生成的方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
JP2013045326A (ja) * 2011-08-25 2013-03-04 Kyoto Univ 関係性グラフデータベースシステム
JP2014235474A (ja) * 2013-05-31 2014-12-15 国立大学法人京都大学 関係性グラフ相互連携システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
JP2013045326A (ja) * 2011-08-25 2013-03-04 Kyoto Univ 関係性グラフデータベースシステム
JP2014235474A (ja) * 2013-05-31 2014-12-15 国立大学法人京都大学 関係性グラフ相互連携システム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KAZUKI URATA ET AL.: "Modeling Algorithm for Reproducing Agents' Interests from Real Measurement Data", PROCEEDINGS OF THE 2015 IEICE GENERAL CONFERENCE JOHO · SYSTEM 1, 24 February 2015 (2015-02-24), pages 123, ISSN: 1349-1369 *
TAKESHI MATSUZUKA ET AL.: "kMedia: Discovery of Shared Topic Networks among Users", IEICE TECHNICAL REPORT, vol. 99, no. 717, 21 March 2000 (2000-03-21), pages 49 - 55, XP002975662, ISSN: 0913-5685 *

Also Published As

Publication number Publication date
JP2016218950A (ja) 2016-12-22

Similar Documents

Publication Publication Date Title
Langley et al. Establishing the usability of a virtual training system for assembly operations within the automotive industry
Carulli et al. An approach for capturing the voice of the customer based on virtual prototyping
Song et al. Marketing and technology resource complementarity: An analysis of their interaction effect in two environmental contexts
US20080162261A1 (en) Virtual reality system including personalized virtual environments
Dhir et al. Overload, privacy settings, and discontinuation: A preliminary study of FaceBook users
Georgiev Meanings in digital fabrication
CN104881350B (zh) 用于确定用户体验及辅助确定用户体验的方法和装置
Choi Utilizing end user input in early product development
WO2016190264A1 (ja) インタレスト情報生成システム
Straatmann et al. Advantages of virtual reality for the participative design of work processes: An integrative perspective
Hussain et al. Practical usability in XP software development processes
Louloudi et al. Immersive face validation: A new validation technique for agent-based simulation
Civelek et al. The mediator roles of attitude toward the web site and user satisfaction on the effect of system quality on net benefit: A structural equation model on web site success
Valente et al. A method to assess pervasive qualities in mobile games
Sanders Product Development research for the 1990's
Jabbar et al. Web design trends and their usability by a—b testing method
CN106600432A (zh) 基于社交属性行为数据的行为间影响力评估方法和装置
González-López et al. Evaluation of the online presence of family firms: A comparative analysis between Ibero-America and the US
Bordegoni et al. The use of interactive Virtual Prototypes for products specification in the concept design phase
Sinha et al. A Simplified Mathematical Model for Two-Sided Market Systems With an Intervening Engineered Platform
Wibowo et al. Multiresponse semiparametric regression for modelling the effect of regional socio-economic variables on the use of information technology
Wang et al. Data-driven innovation technologies for smarter business from innovators’ market game to ichance creativity support system
Bekhradi et al. In vivo in Situ experimentation projects by innovative cleantech start-ups in Paris
Priyadarshana et al. Factors determining the addiction of Sri Lankan software engineers towards social networks with special reference to Facebook
Schütte et al. Development and application of online tools for kansei engineering evaluations

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16799969

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16799969

Country of ref document: EP

Kind code of ref document: A1