WO2021210141A1 - 学習装置、推定装置、方法およびプログラム - Google Patents

学習装置、推定装置、方法およびプログラム Download PDF

Info

Publication number
WO2021210141A1
WO2021210141A1 PCT/JP2020/016769 JP2020016769W WO2021210141A1 WO 2021210141 A1 WO2021210141 A1 WO 2021210141A1 JP 2020016769 W JP2020016769 W JP 2020016769W WO 2021210141 A1 WO2021210141 A1 WO 2021210141A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
information
congestion
viewing
degree
Prior art date
Application number
PCT/JP2020/016769
Other languages
English (en)
French (fr)
Inventor
雄貴 蔵内
治 松田
瀬下　仁志
Original Assignee
日本電信電話株式会社
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 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to PCT/JP2020/016769 priority Critical patent/WO2021210141A1/ja
Publication of WO2021210141A1 publication Critical patent/WO2021210141A1/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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Definitions

  • Embodiments of the present invention relate to learning devices, estimation devices, methods and programs.
  • music, movies, shopping, etc. services such as recommendations are provided, especially using logs related to viewing or purchasing via the Internet. Has been done.
  • Non-Patent Document 1 As a method for grasping the actual viewing, for example, there is a study of estimating the viewing time of the viewing object and the attributes of the viewer using a camera installed in the viewing object (see, for example, Non-Patent Document 1). .. Based on the above estimation, we collect viewing logs that indicate which part of the viewing object was viewed by the viewer for how long, and based on this viewing log, recommendations, evaluation of the viewing object, and placement plan of the viewing object. Etc. can be generated.
  • NTT "Advertising effectiveness measurement that summarizes attribute information by looking at digital signage-for marketing information at commercial facilities and event venues-", https://www.ntt.co.jp/ ntt-tec/application/ap006.html
  • the viewing time is influenced not only by the strength of the viewer's interest in the viewing object, but also by the degree of congestion around the viewing object or the interest of the viewer's companion.
  • the present invention has been made by paying attention to the above circumstances, and an object of the present invention is to obtain information on the time for viewing an object to be viewed regardless of the surrounding conditions of the object to be viewed and the nature of the object to be viewed. To provide learning devices, estimation devices, methods and programs that enable them to do so.
  • the learning device includes a companion determination unit that determines companion information indicating the user and a companion accompanying the user based on the position information of the plurality of users, and the accompaniment determination unit of the plurality of users.
  • the congestion estimation unit Based on the location information, the congestion estimation unit that estimates the degree of congestion, which is the congestion situation around the user, and the time when the user views the viewing target without being affected by the attributes of the viewing target and the degree of congestion.
  • a model for estimating a certain viewing time is viewed by the user's location information, the companion information, the degree of congestion estimated by the congestion estimation unit, user attribute information which is information unique to the user, and the user. It is provided with a learning unit that learns based on the viewing target attribute information, which is information unique to the viewing target.
  • the estimation device uses the location information of a plurality of users to determine the companion information indicating the user and the companion accompanying the user, and the accompaniment determination unit of the plurality of users.
  • the congestion estimation unit that estimates the degree of congestion, which is the congestion situation around the user, using the location information, and the time when the user views the viewing target without being affected by the attributes of the viewing target and the degree of congestion.
  • a viewing time is divided into the user's location information, the companion information, the congestion degree, the user attribute information which is information unique to the user, and the viewing target attribute which is information unique to the viewing target viewed by the user. It includes an estimation unit that estimates using information.
  • the learning method is a method performed by a learning device, and determines companion information indicating the user and a companion accompanying the user based on the position information of a plurality of users. Based on the location information of the plurality of users, the degree of congestion, which is the congestion situation around the user, is estimated, and the user is affected by the attributes of the viewing target and the degree of congestion.
  • a model that estimates the viewing time, which is the viewing time without viewing, is viewed by the user's location information, the companion information, the estimated congestion degree, user attribute information that is information unique to the user, and the user. It is provided with learning based on the viewing target attribute information, which is information unique to the viewing target to be performed.
  • the estimation method is a method performed by an estimation device, and uses the position information of a plurality of users to determine companion information indicating the user and a companion accompanying the user. That, using the location information of the plurality of users, the degree of congestion, which is the congestion situation around the user, is estimated, and the viewing target is influenced by the attributes of the viewing target and the degree of congestion.
  • the viewing time which is the viewing time without viewing, is unique to the user's location information, the companion information, the congestion degree, the user attribute information which is information unique to the user, and the viewing target to be viewed by the user. It is provided with estimation using the viewing target attribute information which is information.
  • the present invention it is possible to obtain information related to the time for viewing the viewing object regardless of the surrounding conditions of the viewing object and the nature of the viewing object.
  • FIG. 1 is a block diagram showing an application example of the estimation system according to the embodiment of the present invention.
  • FIG. 2 is a block diagram showing an application example of the learning device according to the embodiment of the present invention.
  • FIG. 3 is a diagram showing an example of user position information stored in a user position information DB (database) of the learning device according to the embodiment of the present invention in a table format.
  • FIG. 4 is a diagram showing an example of user attribute information stored in the user attribute information DB of the learning device according to the embodiment of the present invention in a table format.
  • FIG. 5 is a diagram showing an example of work attribute information stored in the work attribute information DB of the learning device according to the embodiment of the present invention in a table format.
  • FIG. 6 is a flowchart (flow chart) showing an example of the processing operation by the learning device according to the embodiment of the present invention.
  • FIG. 7 is a block diagram showing an application example of the estimation device according to the embodiment of the present invention.
  • FIG. 8 is a diagram showing an example of an appreciation log stored in the appreciation log DB of the estimation device according to the embodiment of the present invention in a table format.
  • FIG. 9 is a flowchart showing an example of a processing operation by the estimation device according to the embodiment of the present invention.
  • FIG. 10 is a block diagram showing an example of a hardware configuration of the learning device according to the embodiment of the present invention.
  • FIG. 1 is a block diagram showing an application example of the estimation system according to the embodiment of the present invention.
  • the estimation system 300 according to an embodiment of the present invention includes a learning device 100 and an estimation device 200, and the learning device 100 and the estimation device 200 can communicate with each other via, for example, a communication network. Connected to.
  • FIG. 2 is a block diagram showing an application example of the learning device according to the embodiment of the present invention.
  • the learning device 100 includes a user position information DB 11, a user attribute information DB 12, a work attribute DB 13, an accompanying determination unit 21, a congestion estimation unit 22, and an appreciation determination unit 23. It has a learning unit 24 and a learning model (model) DB 31.
  • FIG. 3 is a diagram showing an example of user position information stored in the user position information DB of the learning device according to the embodiment of the present invention in a table format.
  • the user position information stored in the user position information DB 11 is information relating to a plurality of users who are viewers, including a user ID (identification), a current time, and a user's position information. ..
  • the user ID is identification information uniquely given to the user.
  • FIG. 4 is a diagram showing an example of user attribute information stored in the user attribute information DB of the learning device according to the embodiment of the present invention in a table format.
  • the user attribute information is information indicating the user's interests and attributes, and is stored in advance in the user attribute information DB 12.
  • the user attribute information stored in the user attribute information DB 12 is information relating to a plurality of users, including user ID, gender, age (age), and height information.
  • user attribute information includes nationality (race), preference, account information, marital status, number of people living together, number of children, age of youngest child, household type, residential area, residential type (apartment) / It may include (detached house, owned / rented house, etc.), academic background, occupation, position, industry, occupation, number of employees at work, work area, annual income, and annual household income.
  • FIG. 5 is a diagram showing an example of work attribute information stored in the work attribute information DB of the learning device according to the embodiment of the present invention in a table format.
  • the work attribute information is information indicating the nature (attribute) of the object to be viewed, and is stored in advance in the work attribute information DB 13.
  • the work attribute information stored in the work attribute information DB 13 is information related to a plurality of objects to be viewed, including the work ID, the author name, the dimensions of the work, and the position information of the work.
  • work attributes include the form of the work (painting, calligraphy, statue, pottery, or sword, etc.), year of creation, art style, school, country, title, description, material, evaluation score, and exhibition history. It may be included.
  • FIG. 6 is a flowchart showing an example of a processing operation by the learning device according to the embodiment of the present invention.
  • the accompanying determination unit 21 determines a user and a set of other users accompanying the user based on the user position information stored in the user position information DB 11, and the user accompanying information indicating the determination result. Is generated and this information is output (S11).
  • the congestion estimation unit 22 estimates the congestion information indicating the degree of user congestion for each range based on the user position information stored in the user position information DB 11, and outputs this information (S12).
  • the viewing determination unit 23 stores the degree of congestion estimated by the congestion estimation unit 22, the user position information stored in the user position information DB 11, the user attribute information stored in the user attribute information DB 12, and the work attribute information DB 13. Based on the work attribute information, it is determined whether or not the user is viewing the work, the viewing presence / absence information indicating the determination result is generated, and this information is output (S13).
  • the learning unit 24 is based on the congestion information estimated by the congestion estimation unit 22, the user accompanying information generated by the accompanying determination unit 21, and the viewing presence / absence information generated by the viewing determination unit 23.
  • a learning model that optimizes the viewing time is learned (S14) and stored in the learning model DB 31 (S15).
  • the appreciation determination unit 23 generates the appreciation presence / absence information e by the following equation (1).
  • e P (l a, i' , c) ... formula (1)
  • P is the probability that the user is viewing the work to be determined.
  • l a is the position and direction of the user.
  • i' is the nature of the work, such as the position and size of the work.
  • c is the degree of congestion of the user.
  • Appreciation presence / absence information e is represented by "with appreciation” or “without appreciation”. For example, when the above probability P is equal to or higher than a predetermined threshold value, the viewing presence / absence information e is “viewing”. Further, when the probability P is less than a predetermined threshold value, the viewing presence / absence information e is “no viewing”.
  • the viewing time t when the viewing presence / absence information e is “viewing” is modeled as in the following equation (2).
  • A, u, w a , P, t', a_u, i, and c in the formula (2) are as follows.
  • i Nature of the work (including the author and dimensions of the work)
  • c Degree of congestion
  • the time t in which the user u appreciates the part i of the work includes the time t'represented by the probability P depending on the property au of the user, the property i of the work, and the degree of congestion c, including the user u himself.
  • the companion set A is defined as the time obtained as a result of weighted averaging by the weight w a.
  • This viewing time means an estimated value of viewing time in an environment where the user is not accompanied and is not crowded.
  • the companion set A is, for example, "Y. Xian, C. Xu, S. Elniketyand Y. Liu,” Parallel Discovery of Trajectory Companions from Heterogeneous Streaming Data, "2019 IEEE 43rd Annual. It may be estimated by the method disclosed in "Computer Software and Applications Conference (COMPSAC), Milwaukee, WI, USA, 2019, pp. 453-462.” Or it may be estimated at the same time as the viewing time t.
  • the degree of congestion c may be the number of people per unit area, or the number of people per grid is divided by a grid around the user u, and the number of people for each grid is counted and input to the CNN (Convolutional Neural Network). It may be information.
  • the learning unit 24 learns the learning model so that the next viewing time t can be accurately predicted from the past data.
  • FIG. 7 is a diagram showing an application example of the estimation device according to the embodiment of the present invention.
  • the estimation device 200 includes the user position information DB 211, the user attribute information DB 212, the work attribute DB 213, the accompanying determination unit 221 and the congestion estimation unit 222, and the appreciation determination unit 223. It has an optimization unit 224, which is an estimation unit, and an appreciation log DB 231.
  • FIG. 8 is a diagram showing an example of an appreciation log stored in the appreciation log DB of the estimation device according to the embodiment of the present invention in a table format.
  • the user position information stored in the viewing log DB231 includes the user ID, the work ID, the place ID, and the viewing time, and the place ID is the work related to the corresponding work ID on the viewing log. This is the identification information that is uniquely given to the installation location of.
  • the viewing log may include information accompanied by the user and information on the degree of congestion.
  • FIG. 9 is a flowchart showing an example of a processing operation by the estimation device according to the embodiment of the present invention.
  • the accompanying determination unit 221 determines a user and a set of other users accompanying the user based on the user position information stored in the user position information DB 211, and the user accompanying information indicating the determination result. Is generated and this information is output (S21).
  • the congestion estimation unit 222 estimates the congestion information indicating the degree of user congestion for each range based on the user position information stored in the user position information DB 211, and outputs this information (S22).
  • the viewing determination unit 223 stores the degree of congestion estimated by the congestion estimation unit 222, the user position information stored in the user position information DB 211, the user attribute information stored in the user attribute information DB 212, and the work attribute information DB 213. Based on the work attribute information, it is determined whether or not the user is viewing the work, the viewing presence / absence information indicating the determination result is generated, and this information is output (S23).
  • the optimization unit 224 is the learning device based on the congestion information estimated by the congestion estimation unit 222, the user accompanying information determined by the accompaniment determination unit 221 and the appreciation presence / absence information determined by the appreciation determination unit 223.
  • the optimized viewing time that is, the viewing time in an environment where the user is not accompanied and is not crowded is estimated (S24).
  • This viewing time and information related to the viewing time are stored in the viewing log DB231 (S25). As a result, it is possible to obtain information on the viewing time and the viewing time regardless of the surrounding conditions of the viewing object and the nature of the viewing target.
  • the learning device 100 and the estimation device 200 are separate devices, but the present invention is not limited to this, and the user position information DB, the user attribute information DB, the work attribute DB, the accompanying determination unit, and the congestion estimation are not limited to this.
  • the unit and the appreciation determination unit are shared, for example, the user position information DB (database) 11, the user attribute information DB 12, the work attribute DB 13, the accompanying determination unit 21, the congestion estimation unit 22, the appreciation determination unit 23, and the learning unit 24.
  • the above processes S11 to S15 and S21 to S25 may be performed by a single device having the learning model DB 31, the optimization unit 224, and the viewing log DB 231.
  • FIG. 10 is a block diagram showing an example of the hardware configuration of the learning device according to the embodiment of the present invention.
  • the learning device 100 according to the above embodiment is composed of, for example, a server computer or a personal computer, and includes a hardware processor 111A such as a CPU. Have. Then, the program memory 111B, the data memory 112, the input / output interface 113, and the communication interface 114 are connected to the hardware processor 111A via the bus 120. .. The same can be applied to the estimation device 200.
  • the communication interface 114 includes, for example, one or more wireless communication interface units (units), and enables information to be transmitted / received to / from the communication network NW.
  • the wireless interface an interface adopting a low-power wireless data communication standard such as a wireless LAN is used.
  • An input device (device) 50 for an administrator and an output device 60 may be connected to the input / output interface 113.
  • the program memory 111B is a non-volatile memory (non-volatile memory) that can be written and read at any time, such as an HDD (Hard Disk Drive) or an SSD (Solid State Drive), as a non-temporary tangible storage medium. It is used in combination with a non-volatile memory such as a ROM (Read Only Memory), and stores programs necessary for executing various control processes according to one embodiment.
  • non-volatile memory non-volatile memory
  • HDD Hard Disk Drive
  • SSD Solid State Drive
  • ROM Read Only Memory
  • the data memory 112 is used as a tangible storage medium, for example, in combination with the above-mentioned non-volatile memory and a volatile memory such as RAM (RandomAccessMemory), and various processes are performed. It is used to store various data acquired and created in the process.
  • RAM RandomAccessMemory
  • the learning device 100 has the user position information DB 11, the user attribute information DB 12, the work attribute DB 13, the accompanying determination unit 21, and the congestion estimation as the processing function unit by software. It can be configured as a data processing device having a unit 22, an appreciation determination unit 23, a learning unit 24, and a learning model DB 31.
  • the estimation device 200 according to the embodiment of the present invention has the user position information DB 211, the user attribute information DB 212, the work attribute DB 213, the accompanying determination unit 221 and the congestion estimation as the processing function unit by the software. It can be configured as a data processing device having a unit 222, an appreciation determination unit 223, an optimization unit 224, and an appreciation log DB 231.
  • the user position information DB 11, the user attribute information DB 12, the work attribute DB 13, and the learning model DB 31 of the learning device 100 can be configured by using the data memory 112 shown in FIG.
  • the storage area in the data memory 112 is not an indispensable configuration in the learning device 100, and is, for example, an external storage medium such as a USB (Universal Serial Bus) memory or a database server (database) arranged in the cloud. It may be an area provided in a storage device such as server).
  • Each of the processing function units in each part of the learning device 100 can be realized by reading the program stored in the program memory 111B by the hardware processor 111A and executing the program. Some or all of these processing function units may be in various other formats, including integrated circuits such as integrated circuits (ASIC (Application Specific Integrated Circuit)) or FPGA (Field-Programmable Gate Array) for specific applications. It may be realized.
  • ASIC Application Specific Integrated Circuit
  • FPGA Field-Programmable Gate Array
  • the method described in each embodiment is a program (software means) that can be executed by a computer (computer), for example, a magnetic disk (floppy (registered trademark) disk (Floppy disk), hard disk, etc.), an optical disk, etc. It can be stored in a recording medium such as (optical disc) (CD-ROM, DVD, MO, etc.), semiconductor memory (ROM, RAM, Flash memory, etc.), or transmitted and distributed by a communication medium.
  • the program stored on the medium side also includes a setting program for configuring the software means (including not only the execution program but also the table and the data structure) to be executed by the computer in the computer.
  • a computer that realizes this device reads a program recorded on a recording medium, constructs software means by a setting program in some cases, and executes the above-mentioned processing by controlling the operation by the software means.
  • the recording medium referred to in the present specification is not limited to distribution, and includes storage media such as magnetic disks and semiconductor memories provided in devices connected inside a computer or via a network.
  • the present invention is not limited to the above embodiment, and can be variously modified at the implementation stage without departing from the gist thereof.
  • each embodiment may be carried out in combination as appropriate, and in that case, the combined effect can be obtained.
  • the above-described embodiment includes various inventions, and various inventions can be extracted by a combination selected from a plurality of disclosed constituent requirements. For example, even if some constituent requirements are deleted from all the constituent requirements shown in the embodiment, if the problem can be solved and the effect is obtained, the configuration in which the constituent requirements are deleted can be extracted as an invention.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一実施形態に係る学習装置は、複数のユーザの位置情報に基づいて、当該ユーザと当該ユーザに同行する同行者とを示す同行者情報を判定する同行判定部と、前記複数のユーザの位置情報に基づいて、前記ユーザの周辺の混雑状況である混雑度合いを推定する混雑推定部と、前記ユーザが鑑賞対象を当該鑑賞対象の属性および前記混雑度合いに影響を受けずに鑑賞した時間である鑑賞時間を推定するモデルを、前記ユーザの位置情報、前記同行者情報、前記混雑推定部により推定された混雑度合い、前記ユーザに固有の情報であるユーザ属性情報、および前記ユーザにより鑑賞される鑑賞対象に固有の情報である鑑賞対象属性情報に基づいて学習する学習部と、を有する。

Description

学習装置、推定装置、方法およびプログラム
　本発明の実施形態は、学習装置、推定装置、方法およびプログラムに関する。
　イラスト（illustration）、音楽、映画、およびショッピング（shopping）などにおいて、特にインターネット（internet）経由での視聴または購入に係るログ（log）が用いられたレコメンド（recommendation）等のサービス（service）が提供されている。
　これらと異なり、絵画、彫刻、もしくは陶芸などの芸術作品、広告物、および展示会での展示物（以下、鑑賞物と称することがある）の鑑賞は、「（１）美術館などの現実での鑑賞が中心で、近年ではVR（Virtual Reality）空間（仮想現実空間）での鑑賞も始まっている。」という要素、および「（２）鑑賞物における鑑賞箇所がどこか」という要素を有する。
　現実での鑑賞を把握する手法として、例えば鑑賞物に設置されたカメラ（camera）を用いて、鑑賞物の閲覧時間および閲覧者の属性を推定する研究が存在する（例えば非特許文献１参照）。
　上記の推定により、閲覧者が鑑賞物のどの箇所をどの程度の時間にわたって鑑賞したことを示す鑑賞ログを収集し、この鑑賞ログに基づいて、レコメンド、鑑賞物の評価、および鑑賞物の配置案などが生成され得る。
　鑑賞物は、現実またはVR空間での鑑賞が主流であるために、下記の（１）および（２）などの問題が生じる。
　（１）閲覧者が鑑賞物を実際に鑑賞しているか否かの判断が難しい。鑑賞物が設置される方向を閲覧者が向いていても、混雑のため鑑賞物が十分に見えていなかったり、鑑賞物から閲覧者までの距離が遠いために鑑賞物が小さく見えなかったりするなどの理由で、実際には鑑賞していない可能性がある。
　（２）鑑賞時間は、鑑賞物に対する閲覧者の興味の強さだけでなく、鑑賞物の周囲の混雑度合い、または閲覧者の同行者の興味にも影響される。
　この発明は、上記事情に着目してなされたもので、その目的とするところは、鑑賞対象物の周囲の状況及び鑑賞対象の性質によらずに鑑賞対象を鑑賞する時間に係る情報を得ることができるようにした学習装置、推定装置、方法およびプログラムを提供することにある。
　本発明の一態様に係る学習装置は、複数のユーザの位置情報に基づいて、当該ユーザと当該ユーザに同行する同行者とを示す同行者情報を判定する同行判定部と、前記複数のユーザの位置情報に基づいて、前記ユーザの周辺の混雑状況である混雑度合いを推定する混雑推定部と、前記ユーザが鑑賞対象を当該鑑賞対象の属性および前記混雑度合いに影響を受けずに鑑賞した時間である鑑賞時間を推定するモデルを、前記ユーザの位置情報、前記同行者情報、前記混雑推定部により推定された混雑度合い、前記ユーザに固有の情報であるユーザ属性情報、および前記ユーザにより鑑賞される鑑賞対象に固有の情報である鑑賞対象属性情報に基づいて学習する学習部と、を備える。
　本発明の一態様に係る推定装置は、複数のユーザの位置情報を用いて、当該ユーザと当該ユーザに同行する同行者とを示す同行者情報を判定する同行判定部と、前記複数のユーザの位置情報を用いて、前記ユーザの周辺の混雑状況である混雑度合いを推定する混雑推定部と、前記ユーザが鑑賞対象を当該鑑賞対象の属性および前記混雑度合いに影響を受けずに鑑賞した時間である鑑賞時間を、前記ユーザの位置情報、前記同行者情報、前記混雑度合い、前記ユーザに固有の情報であるユーザ属性情報、および前記ユーザにより鑑賞される鑑賞対象に固有の情報である鑑賞対象属性情報を用いて推定する推定部と、を備える。
　本発明の一態様に係る学習方法は、学習装置により行なわれる方法であって、複数のユーザの位置情報に基づいて、当該ユーザと当該ユーザに同行する同行者とを示す同行者情報を判定することと、前記複数のユーザの位置情報に基づいて、前記ユーザの周辺の混雑状況である混雑度合いを推定することと、前記ユーザが鑑賞対象を当該鑑賞対象の属性および前記混雑度合いに影響を受けずに鑑賞した時間である鑑賞時間を推定するモデルを、前記ユーザの位置情報、前記同行者情報、前記推定された混雑度合い、前記ユーザに固有の情報であるユーザ属性情報、および前記ユーザにより鑑賞される鑑賞対象に固有の情報である鑑賞対象属性情報に基づいて学習することと、を備える。
　本発明の一態様に係る推定方法は、推定装置により行なわれる方法であって、複数のユーザの位置情報を用いて、当該ユーザと当該ユーザに同行する同行者とを示す同行者情報を判定することと、前記複数のユーザの位置情報を用いて、前記ユーザの周辺の混雑状況である混雑度合いを推定することと、前記ユーザが鑑賞対象を当該鑑賞対象の属性および前記混雑度合いに影響を受けずに鑑賞した時間である鑑賞時間を、前記ユーザの位置情報、前記同行者情報、前記混雑度合い、前記ユーザに固有の情報であるユーザ属性情報、および前記ユーザにより鑑賞される鑑賞対象に固有の情報である鑑賞対象属性情報を用いて推定することと、を備える。
　本発明によれば、鑑賞対象物の周囲の状況及び鑑賞対象の性質によらずに鑑賞対象を鑑賞する時間に係る情報を得ることができる。
図１は、本発明の一実施形態に係る推定システムの適用例を示すブロック図（block diagram）である。 図２は、本発明の一実施形態に係る学習装置の適用例を示すブロック図である。 図３は、本発明の一実施形態に係る学習装置のユーザ（user）位置情報ＤＢ（データベース（database））に格納されるユーザ位置情報の一例を表形式で示す図である。 図４は、本発明の一実施形態に係る学習装置のユーザ属性情報ＤＢに格納されるユーザ属性情報の一例を表形式で示す図である。 図５は、本発明の一実施形態に係る学習装置の作品属性情報ＤＢに格納される作品属性情報の一例を表形式で示す図である。 図６は、本発明の一実施形態に係る学習装置による処理動作の一例を示すフローチャート（flow chart）である。 図７は、本発明の一実施形態に係る推定装置の適用例を示すブロック図である。 図８は、本発明の一実施形態に係る推定装置の鑑賞ログＤＢに格納される鑑賞ログの一例を表形式で示す図である。 図９は、本発明の一実施形態に係る推定装置による処理動作の一例を示すフローチャートである。 図１０は、本発明の一実施形態に係る学習装置のハードウエア（hardware）構成の一例を示すブロック図である。
　以下、図面を参照しながら、この発明に係わる一実施形態を説明する。　
　図１は、本発明の一実施形態に係る推定システムの適用例を示すブロック図である。　
　図１に示されるように、本発明の一実施形態に係る推定システム３００は、学習装置１００および推定装置２００を含み、学習装置１００および推定装置２００が例えば通信ネットワーク（network）を介して通信可能に接続される。
　図２は、本発明の一実施形態に係る学習装置の適用例を示すブロック図である。　
　図２に示されるように、本発明の一実施形態に係る学習装置１００は、ユーザ位置情報ＤＢ１１、ユーザ属性情報ＤＢ１２、作品属性ＤＢ１３、同行判定部２１、混雑推定部２２、鑑賞判定部２３、学習部２４、および学習モデル（model）ＤＢ３１を有する。
　図３は、本発明の一実施形態に係る学習装置のユーザ位置情報ＤＢに格納されるユーザ位置情報の一例を表形式で示す図である。　
　図３に示されるように、ユーザ位置情報ＤＢ１１に格納されるユーザ位置情報は、ユーザＩＤ（identification）、現在時刻、およびユーザの位置情報を含む、閲覧者である複数のユーザに係る情報である。ユーザＩＤは、ユーザに一意に付与される識別情報である。
　図４は、本発明の一実施形態に係る学習装置のユーザ属性情報ＤＢに格納されるユーザ属性情報の一例を表形式で示す図である。　
　ユーザ属性情報は、ユーザの興味および属性などを示す情報であり、ユーザ属性情報ＤＢ１２に予め格納される。　
　図４に示されるように、ユーザ属性情報ＤＢ１２に格納されるユーザ属性情報は、ユーザＩＤ、性別、年代（年齢）、および背丈の情報を含む、複数のユーザに係る情報である。
　また、ユーザ属性情報は、国籍（人種）、嗜好、アカウント（account）情報、結婚の有無、同居人数、子供の人数、末子の年齢、世帯形態、居住地域、居住形態（マンション（apartment）/戸建、持家/借家など）、学歴、職業、役職、業種、職種、勤務先の従業員数、勤務地域、年収、および世帯年収などを含んでもよい。
　図５は、本発明の一実施形態に係る学習装置の作品属性情報ＤＢに格納される作品属性情報の一例を表形式で示す図である。　
　作品属性情報は、鑑賞物の性質（属性）などを示す情報であり、作品属性情報ＤＢ１３に予め格納される。　
　図５に示されるように、作品属性情報ＤＢ１３に格納される作品属性情報は、作品ＩＤ、作者名、作品の寸法、および作品の位置情報を含む、複数の鑑賞物に係る情報である。
　また、作品属性は、作品形態（絵画、書、像、陶器、または刀剣など）、作成年、美術様式、流派、国、タイトル（title）、説明文、素材、評価点、および展示履歴などを含んでもよい。
　図６は、本発明の一実施形態に係る学習装置による処理動作の一例を示すフローチャートである。　
　まず、同行判定部２１は、ユーザ位置情報ＤＢ１１に格納されるユーザ位置情報をもとに、ユーザおよび当該ユーザに同行している別のユーザの集合を判定し、この判定結果を示すユーザ同行情報を生成して、この情報を出力する（Ｓ１１）。
　混雑推定部２２は、ユーザ位置情報ＤＢ１１に格納されるユーザ位置情報をもとに、範囲ごとのユーザの混雑度合いを示す混雑情報を推定し、この情報を出力する（Ｓ１２）。
　鑑賞判定部２３は、混雑推定部２２により推定された混雑度合い、ユーザ位置情報ＤＢ１１に格納されるユーザ位置情報、ユーザ属性情報ＤＢ１２に格納されるユーザ属性情報、および作品属性情報ＤＢ１３に格納される作品属性情報をもとに、ユーザが作品を鑑賞しているか否かを判定し、この判定結果を示す鑑賞有無情報を生成し、この情報を出力する（Ｓ１３）。
　学習部２４は、混雑推定部２２により推定された混雑情報、同行判定部２１により生成されたユーザ同行情報、および鑑賞判定部２３により生成された鑑賞有無情報をもとに、ユーザによる鑑賞物の鑑賞時間を最適化する学習モデルを学習し（Ｓ１４）、学習モデルＤＢ３１に格納する（Ｓ１５）。　
　鑑賞判定部２３は、鑑賞有無情報ｅを下記の式（１）により生成する。　
　ｅ＝Ｐ（ｌａ，ｉ´，ｃ）　…式（１）
　Ｐは、ユーザが、判定対象の作品を鑑賞している確率である。ｌａは、ユーザの位置と方向である。ｉ´は、作品の性質であり、作品の位置および大きさ等である。ｃは、ユーザの混雑度合いである。
　鑑賞有無情報ｅは「鑑賞あり」、または「鑑賞なし」で表される。例えば上記の確率Ｐが所定の閾値以上であるときは、鑑賞有無情報ｅは「鑑賞あり」である。また、確率Ｐが所定の閾値未満であるときは、鑑賞有無情報ｅは「鑑賞なし」である。
　学習モデルでは、鑑賞有無情報ｅが「鑑賞あり」であるときの鑑賞時間tが下記の式（２）のようにモデリング（modeling）される。
Figure JPOXMLDOC01-appb-M000001
　式（２）のＡ、ｕ、ｗａ、Ｐ、ｔ´、ａ＿ｕ、ｉ、およびｃの意味は以下の通りである。　
　Ａ：ユーザおよび当該ユーザの同行者でなる同行者集合
　ｕ：ユーザ
　ｗａ：重み
　Ｐ：ユーザが鑑賞物を時間ｔ´にわたって鑑賞している確率
　ｔ´：ユーザが同行者および混雑度合いの少なくとも一方に影響を受けた場合の、実際の鑑賞時間
　ａｕ：ユーザの性質（ユーザの興味および属性を含む）
　ｉ：作品の性質（作品の作者、寸法を含む）
　ｃ：混雑度合い
　すなわち、ユーザｕが作品の箇所iを鑑賞する時間tは、ユーザの性質ａｕと、作品の性質iと、混雑度合いcとによる確率Ｐで表された時間t’を、ユーザｕ自身を含む同行者集合Ａについて、重みｗａにより重み付き平均がなされた結果として得られた時間と定義する。この鑑賞時間は、ユーザの同行者がおらず、かつ混雑していなかった環境での鑑賞時間の推定値を意味する。
　同行者集合Ａは、例えば「Y. Xian, C. Xu, S. Elniketyand Y. Liu, "Parallel Discovery of Trajectory Companions from Heterogeneous Streaming Data,"2019 IEEE 43rd Annual 
Computer Software and Applications Conference (COMPSAC), Milwaukee, WI, USA, 2019, pp. 453-462.」に開示された手法で推定されてもよいし、鑑賞時間tと同時に推定されてもよい。
　混雑度合いｃは、単位面積あたりの人数でもよいし、ユーザｕの周囲が格子で区切られて格子ごとの人数がカウント（count）されて、ＣＮＮ（Convolutional Neural Network：畳み込みニューラルネットワーク）に入力された情報でもよい。
　学習部２４は、学習モデルを、過去のデータから次の鑑賞時間ｔが正確に予測されるよう学習する。
　本実施形態では、周囲の状況、および作品の性質に影響されず、ユーザが作品を鑑賞しているか否かが正確に判定され得る。　
　これにより、周囲の状況および作品の性質に影響されず、ユーザ本人の興味に基づいて、正確な鑑賞ログが収集され得る。
　図７は、本発明の一実施形態に係る推定装置の適用例を示す図である。　
　図７に示されるように、本発明の一実施形態に係る推定装置２００は、ユーザ位置情報ＤＢ２１１、ユーザ属性情報ＤＢ２１２、作品属性ＤＢ２１３、同行判定部２２１、混雑推定部２２２、鑑賞判定部２２３、推定部である最適化部２２４、および鑑賞ログＤＢ２３１を有する。
　図８は、本発明の一実施形態に係る推定装置の鑑賞ログＤＢに格納される鑑賞ログの一例を表形式で示す図である。　
　図８に示されるように、鑑賞ログＤＢ２３１に格納されるユーザ位置情報は、ユーザＩＤ、作品ＩＤ、箇所ＩＤ、および鑑賞時間を含む、箇所ＩＤは、鑑賞ログ上で対応する作品ＩＤに係る作品の設置個所に一意に付与される識別情報である。　
　また、鑑賞ログは、ユーザ同行情報および混雑度合いの情報を含んでもよい。
　図９は、本発明の一実施形態に係る推定装置による処理動作の一例を示すフローチャートである。　
　まず、同行判定部２２１は、ユーザ位置情報ＤＢ２１１に格納されるユーザ位置情報をもとに、ユーザおよび当該ユーザに同行している別のユーザの集合を判定し、この判定結果を示すユーザ同行情報を生成して、この情報を出力する（Ｓ２１）。
　混雑推定部２２２は、ユーザ位置情報ＤＢ２１１に格納されるユーザ位置情報をもとに、範囲ごとのユーザの混雑度合いを示す混雑情報を推定し、この情報を出力する（Ｓ２２）。
　鑑賞判定部２２３は、混雑推定部２２２により推定された混雑度合い、ユーザ位置情報ＤＢ２１１に格納されるユーザ位置情報、ユーザ属性情報ＤＢ２１２に格納されるユーザ属性情報、および作品属性情報ＤＢ２１３に格納される作品属性情報をもとに、ユーザが作品を鑑賞しているか否かを判定し、この判定結果を示す鑑賞有無情報を生成し、この情報を出力する（Ｓ２３）。
　最適化部２２４は、混雑推定部２２２により推定された混雑情報、同行判定部２２１により判定されたユーザ同行情報、および鑑賞判定部２２３により判定された鑑賞有無情報をもとに、上記の学習装置１００の学習モデルＤＢ３１に格納された学習モデルを用いて、最適化された鑑賞時間、つまり、ユーザの同行者がおらず、かつ混雑していなかった環境での鑑賞時間を推定して（Ｓ２４）、この鑑賞時間および当該鑑賞時間に係る情報を鑑賞ログＤＢ２３１に格納する（Ｓ２５）。
　これにより、鑑賞対象物の周囲の状況及び鑑賞対象の性質によらずに鑑賞対象を鑑賞する時間および当該鑑賞時間に係る情報を得ることができる。
　上記の例では、学習装置１００と推定装置２００とが別個の装置である例を説明したが、これに限らず、ユーザ位置情報ＤＢ、ユーザ属性情報ＤＢ、作品属性ＤＢ、同行判定部、混雑推定部、および鑑賞判定部が共有される、例えば、ユーザ位置情報ＤＢ（データベース）１１、ユーザ属性情報ＤＢ１２、作品属性ＤＢ１３、同行判定部２１、混雑推定部２２、鑑賞判定部２３、学習部２４、学習モデルＤＢ３１、最適化部２２４、および鑑賞ログＤＢ２３１を有する単一の装置により上記のＳ１１～Ｓ１５、およびＳ２１～Ｓ２５の処理が行われてもよい。
　図１０は、本発明の一実施形態に係る学習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１０に示された例では、上記の実施形態に係る学習装置１００は、例えばサーバコンピュータ（server computer）またはパーソナルコンピュータ（personal computer）により構成され、ＣＰＵ等のハードウエアプロセッサ（hardware processor）１１１Ａを有する。そして、このハードウエアプロセッサ１１１Ａに対し、プログラムメモリ（program memory）１１１Ｂ、データメモリ（data memory）１１２、入出力インタフェース（interface）１１３及び通信インタフェース１１４が、バス（bus）１２０を介して接続される。推定装置２００についても同様であり得る。
　通信インタフェース１１４は、例えば１つ以上の無線の通信インタフェースユニット（unit）を含んでおり、通信ネットワークＮＷとの間で情報の送受信を可能にする。無線インタフェースとしては、例えば無線ＬＡＮなどの小電力無線データ通信規格が採用されたインタフェースが使用される。　
　入出力インタフェース１１３には、管理者用の入力デバイス（device）５０および出力デバイス６０が接続されてもよい。
　プログラムメモリ１１１Ｂは、非一時的な有形の記憶媒体として、例えば、ＨＤＤ（Hard Disk Drive）またはＳＳＤ（Solid State Drive）等の随時書込みおよび読出しが可能な不揮発性メモリ（non-volatile memory）と、ＲＯＭ（Read Only Memory）等の不揮発性メモリとが組み合わせて使用されたもので、一実施形態に係る各種制御処理を実行する為に必要なプログラムが格納されている。
　データメモリ１１２は、有形の記憶媒体として、例えば、上記の不揮発性メモリと、ＲＡＭ（Random Access Memory）等の揮発性メモリ（volatile memory）とが組み合わせて使用されたもので、各種処理が行なわれる過程で取得および作成された各種データが記憶される為に用いられる。
　本発明の一実施形態に係る学習装置１００は、ソフトウエア（software）による処理機能部として、図２に示されるユーザ位置情報ＤＢ１１、ユーザ属性情報ＤＢ１２、作品属性ＤＢ１３、同行判定部２１、混雑推定部２２、鑑賞判定部２３、学習部２４、および学習モデルＤＢ３１を有するデータ処理装置として構成され得る。　
　同様に、本発明の一実施形態に係る推定装置２００は、ソフトウエアによる処理機能部として、図７に示されるユーザ位置情報ＤＢ２１１、ユーザ属性情報ＤＢ２１２、作品属性ＤＢ２１３、同行判定部２２１、混雑推定部２２２、鑑賞判定部２２３、最適化部２２４、および鑑賞ログＤＢ２３１を有するデータ処理装置として構成され得る。
　学習装置１００のユーザ位置情報ＤＢ１１、ユーザ属性情報ＤＢ１２、作品属性ＤＢ１３、および学習モデルＤＢ３１は、図１０に示されたデータメモリ１１２が用いられることで構成され得る。ただし、データメモリ１１２における記憶の領域は学習装置１００内に必須の構成ではなく、例えば、ＵＳＢ（Universal Serial Bus）メモリなどの外付け記憶媒体、又はクラウド（cloud）に配置されたデータベースサーバ（database server）等の記憶装置に設けられた領域であってもよい。推定装置２００のユーザ位置情報ＤＢ２１１、ユーザ属性情報ＤＢ２１２、作品属性ＤＢ２１３、および鑑賞ログＤＢ２３１についても同様である。
　上記の学習装置１００の各部における処理機能部は、いずれも、プログラムメモリ１１１Ｂに格納されたプログラムを上記ハードウエアプロセッサ１１１Ａにより読み出させて実行させることにより実現され得る。なお、これらの処理機能部の一部または全部は、特定用途向け集積回路（ＡＳＩＣ（Application Specific Integrated Circuit））またはＦＰＧＡ（Field-Programmable Gate Array）などの集積回路を含む、他の多様な形式によって実現されてもよい。
　また、各実施形態に記載された手法は、計算機（コンピュータ）に実行させることができるプログラム（ソフトウエア手段）として、例えば磁気ディスク（フロッピー（登録商標）ディスク（Floppy disk）、ハードディスク等）、光ディスク（optical disc）（ＣＤ－ＲＯＭ、ＤＶＤ、ＭＯ等）、半導体メモリ（ＲＯＭ、ＲＡＭ、フラッシュメモリ（Flash memory）等）等の記録媒体に格納し、また通信媒体により伝送して頒布され得る。なお、媒体側に格納されるプログラムには、計算機に実行させるソフトウエア手段（実行プログラムのみならずテーブル、データ構造も含む）を計算機内に構成させる設定プログラムをも含む。本装置を実現する計算機は、記録媒体に記録されたプログラムを読み込み、また場合により設定プログラムによりソフトウエア手段を構築し、このソフトウエア手段によって動作が制御されることにより上述した処理を実行する。なお、本明細書でいう記録媒体は、頒布用に限らず、計算機内部あるいはネットワークを介して接続される機器に設けられた磁気ディスク、半導体メモリ等の記憶媒体を含むものである。
　なお、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、各実施形態は適宜組み合わせて実施してもよく、その場合組み合わせた効果が得られる。更に、上記実施形態には種々の発明が含まれており、開示される複数の構成要件から選択された組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、課題が解決でき、効果が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。
　　１１，２１１…ユーザ位置情報ＤＢ（データベース）
　　１２，２１２…ユーザ属性情報ＤＢ
　　１３，２１３…作品属性ＤＢ
　　２１，２２１…同行判定部
　　２２，２２２…混雑推定部
　　２３，２２３…鑑賞判定部
　　２４…学習部
　　３１…学習モデルＤＢ
　　１００…学習装置
　　２００…推定装置
　　２２４…最適化部
　　２３１…鑑賞ログＤＢ

Claims (7)

  1. 　複数のユーザの位置情報に基づいて、当該ユーザと当該ユーザに同行する同行者とを示す同行者情報を判定する同行判定部と、
    　前記複数のユーザの位置情報に基づいて、前記ユーザの周辺の混雑状況である混雑度合いを推定する混雑推定部と、
    　前記ユーザが鑑賞対象を当該鑑賞対象の属性および前記混雑度合いに影響を受けずに鑑賞した時間である鑑賞時間を推定するモデルを、前記ユーザの位置情報、前記同行者情報、前記混雑推定部により推定された混雑度合い、前記ユーザに固有の情報であるユーザ属性情報、および前記ユーザにより鑑賞される鑑賞対象に固有の情報である鑑賞対象属性情報に基づいて学習する学習部と、
    　を備える学習装置。
  2. 　前記ユーザの位置情報、前記ユーザ属性情報、前記鑑賞対象属性情報、および前記混雑推定部により推定された混雑度合いに基づいて、前記ユーザが前記鑑賞対象を鑑賞した確率を示す情報を判定する鑑賞判定部をさらに備え、
    　前記学習部は、
    　　前記モデルを、前記同行者情報、前記混雑推定部により推定された混雑度合い、および前記鑑賞判定部により判定された情報に基づいて学習する、
    　請求項１に記載の学習装置。
  3. 　複数のユーザの位置情報を用いて、当該ユーザと当該ユーザに同行する同行者とを示す同行者情報を判定する同行判定部と、
    　前記複数のユーザの位置情報を用いて、前記ユーザの周辺の混雑状況である混雑度合いを推定する混雑推定部と、
    　前記ユーザが鑑賞対象を当該鑑賞対象の属性および前記混雑度合いに影響を受けずに鑑賞した時間である鑑賞時間を、前記ユーザの位置情報、前記同行者情報、前記混雑度合い、前記ユーザに固有の情報であるユーザ属性情報、および前記ユーザにより鑑賞される鑑賞対象に固有の情報である鑑賞対象属性情報を用いて推定する推定部と、
    　を備える推定装置。
  4. 　前記ユーザの位置情報、前記ユーザ属性情報、前記鑑賞対象属性情報、および前記推定された混雑度合いに基づいて、前記ユーザが前記鑑賞対象を鑑賞した確率を示す情報を判定する鑑賞判定部をさらに備え、
    　前記推定部は、
    　　前記鑑賞時間を、前記同行者情報、前記混雑推定部により推定された混雑度合い、および前記鑑賞判定部により判定された情報に基づいて推定する、
    　請求項３に記載の推定装置。
  5. 　学習装置により行なわれる方法であって、
    　複数のユーザの位置情報に基づいて、当該ユーザと当該ユーザに同行する同行者とを示す同行者情報を判定することと、
    　前記複数のユーザの位置情報に基づいて、前記ユーザの周辺の混雑状況である混雑度合いを推定することと、
    　前記ユーザが鑑賞対象を当該鑑賞対象の属性および前記混雑度合いに影響を受けずに鑑賞した時間である鑑賞時間を推定するモデルを、前記ユーザの位置情報、前記同行者情報、前記推定された混雑度合い、前記ユーザに固有の情報であるユーザ属性情報、および前記ユーザにより鑑賞される鑑賞対象に固有の情報である鑑賞対象属性情報に基づいて学習することと、
    　を備える学習方法。
  6. 　推定装置により行なわれる方法であって、
    　複数のユーザの位置情報を用いて、当該ユーザと当該ユーザに同行する同行者とを示す同行者情報を判定することと、
    　前記複数のユーザの位置情報を用いて、前記ユーザの周辺の混雑状況である混雑度合いを推定することと、
    　前記ユーザが鑑賞対象を当該鑑賞対象の属性および前記混雑度合いに影響を受けずに鑑賞した時間である鑑賞時間を、前記ユーザの位置情報、前記同行者情報、前記混雑度合い、前記ユーザに固有の情報であるユーザ属性情報、および前記ユーザにより鑑賞される鑑賞対象に固有の情報である鑑賞対象属性情報を用いて推定することと、
    　を備える推定方法。
  7. 　請求項１もしくは２に記載の学習装置の前記各部、または請求項３もしくは４に記載の推定装置の前記各部としてプロセッサを機能させるプログラム。
PCT/JP2020/016769 2020-04-16 2020-04-16 学習装置、推定装置、方法およびプログラム WO2021210141A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/016769 WO2021210141A1 (ja) 2020-04-16 2020-04-16 学習装置、推定装置、方法およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/016769 WO2021210141A1 (ja) 2020-04-16 2020-04-16 学習装置、推定装置、方法およびプログラム

Publications (1)

Publication Number Publication Date
WO2021210141A1 true WO2021210141A1 (ja) 2021-10-21

Family

ID=78084920

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/016769 WO2021210141A1 (ja) 2020-04-16 2020-04-16 学習装置、推定装置、方法およびプログラム

Country Status (1)

Country Link
WO (1) WO2021210141A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007048105A (ja) * 2005-08-11 2007-02-22 Hitachi Software Eng Co Ltd 館内案内システム
JP2014115842A (ja) * 2012-12-10 2014-06-26 Ricoh Co Ltd コンテンツ管理サーバ、コンテンツ提供システム及びコンテンツ管理プログラム
WO2018211599A1 (ja) * 2017-05-16 2018-11-22 富士通株式会社 シミュレーションプログラム、シミュレーション方法およびシミュレーション装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007048105A (ja) * 2005-08-11 2007-02-22 Hitachi Software Eng Co Ltd 館内案内システム
JP2014115842A (ja) * 2012-12-10 2014-06-26 Ricoh Co Ltd コンテンツ管理サーバ、コンテンツ提供システム及びコンテンツ管理プログラム
WO2018211599A1 (ja) * 2017-05-16 2018-11-22 富士通株式会社 シミュレーションプログラム、シミュレーション方法およびシミュレーション装置

Similar Documents

Publication Publication Date Title
US20240029110A1 (en) Platform for location and time based advertising
US8824748B2 (en) Auto tagging in geo-social networking system
US20170220693A1 (en) Assigning social networking system users to households
US9582719B2 (en) Geographical area condition determination
US20090012965A1 (en) Network Content Objection Handling System and Method
US9374427B2 (en) Geographical location based cloud storage
CN106776928B (zh) 基于内存计算框架、融合社交及时空数据的位置推荐方法
JP6713238B2 (ja) 電子装置、小売店舗評価モデルを構築する方法、システム及び記憶媒体
KR20190085932A (ko) 도메인 기반의 네트워크를 통한 맞춤식 사용자 생성 컨텐츠의 수집 및 제공
JP2017519312A (ja) 映画産業プロフェッショナルのためのグローバル交換プラットホーム
KR102422410B1 (ko) 클라이언트와 인플루언서의 매칭 시스템 및 방법
US9928374B2 (en) Digital rights management using geographic and temporal traits
US9111231B2 (en) Associating a web session with a household member
US10012765B2 (en) Geographical condition prediction
US10248961B1 (en) Characterizing an entity in an identifier space based on behaviors of unrelated entities in a different identifier space
US10445771B2 (en) Export permissions in a claims-based social networking system
US9953142B2 (en) Digital rights management and behavioral traits
WO2021210141A1 (ja) 学習装置、推定装置、方法およびプログラム
KR20150107509A (ko) 온라인 게시판 서버, 온라인 게시판 시스템 및 온라인 게시판의 유해 이미지 표시 제어 방법
RU2658876C1 (ru) Способ и сервер для обработки данных датчика беспроводного устройства для создания вектора объекта, связанного с физическим положением
JP2017138970A (ja) 学習装置、学習方法及び学習プログラム
US20190251098A1 (en) Event and Location Tracking and Management System and Method
US20130282497A1 (en) Assigning an advertisement
US20140100965A1 (en) Advertising permissions in a claims-based social networking system
JP7189278B1 (ja) 情報処理装置、情報処理方法および情報処理プログラム

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: 20930668

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: 20930668

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP