JP2004287759A - Keyword meaning discriminating system - Google Patents
Keyword meaning discriminating system Download PDFInfo
- Publication number
- JP2004287759A JP2004287759A JP2003078061A JP2003078061A JP2004287759A JP 2004287759 A JP2004287759 A JP 2004287759A JP 2003078061 A JP2003078061 A JP 2003078061A JP 2003078061 A JP2003078061 A JP 2003078061A JP 2004287759 A JP2004287759 A JP 2004287759A
- Authority
- JP
- Japan
- Prior art keywords
- keyword
- graph
- input
- inputs
- predetermined period
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
【０００１】
【発明の属する技術分野】
この発明は、消費者によりネットワーク上の検索エンジンサイト等に入力されたキーワードの意味を分別するキーワード意味分別システムに関するものである。
【０００２】
【従来の技術】
近年、消費者はインターネットの検索エンジンサイト等において商品名等を入力して検索を行うことにより、求める商品やサービス等に関する情報を入手している。そのため、検索エンジンサイト等には、日々大量のキーワードが消費者により入力されている。この消費者により入力された検索用のキーワード及びそのキーワードの入力回数のデータは、消費者の関心や潜在的な顧客ニーズが反映されている貴重なデータである。従って、このようなデータを分析することにより、現在、消費者の間で話題になっている商品や消費者が注目している商品等に関する情報を得ることができる。そして、この消費者の関心等を示す情報を得ることができれば、いわゆる売れ筋商品の早期発見や、売れ筋商品の仕入れ時期や仕入れ量の決定、新商品開発の見極め等に利用することができる。
【０００３】
なお、この出願の出願人は、消費者により入力されたキーワードの入力回数の変動に基づいて、そのキーワードが消費者の関心を集めているキーワード又は消費者の関心が薄れたキーワードであるかを分析し、マーケティング支援のための情報を得るキーワード分析システムについて出願を行っている（特願２００１−３９９５６６号）。
【０００４】
【発明が解決しようとする課題】
ところで、消費者により入力された検索用のキーワードは、複数の意味を有している場合がある。例えば、「さくら」というキーワードは、樹木の名称、連続テレビドラマのタイトル、人名等を意味している場合がある。そのため、「さくら」という一つのキーワードについて、そのキーワードの入力回数の変動からどの意味で入力されたのかを判断することは困難である。
【０００５】
また、特定の企業名がキーワードとして入力されている場合、そのキーワードの入力回数には、企業についての情報を入手するために入力された回数と、企業により製造されている製品についての情報を入手するために入力された回数とが含まれている。しかし、得られたキーワードの入力回数から、どの情報を入手するために入力されたのか、即ち、どの意味で入力されたのかを判断することは困難である。
【０００６】
この発明の課題は、消費者により入力された複数の意味を有するキーワードの入力回数を、意味毎の入力回数に分別することができるキーワード意味分別システムを提供することである。
【０００７】
【課題を解決するための手段】
請求項１記載のキーワード意味分別システムは、入力された各キーワード及び第１の所定期間毎における前記各キーワードの入力回数を記憶するキーワードデータ記憶手段と、前記キーワードデータ記憶手段に記憶されている前記キーワードの中から、入力回数を意味毎の入力回数に分別する対象となる分別対象キーワードを選択するキーワード選択手段と、前記キーワードデータ記憶手段に記憶されている前記第１の所定期間におけるキーワードの中から、前記分別対象キーワードを一部に含む部分一致キーワードを検索する検索手段と、前記分別対象キーワードの前記第１の所定期間における入力回数に対する、前記部分一致キーワード毎の入力回数の寄与度を示す係数を算出する係数算出手段と、前記係数算出手段により算出された係数に基づいて、前記分別対象キーワードの前記第１の所定期間における入力回数の中で、前記部分一致キーワードの意味で入力された回数を該部分一致キーワード毎に算出する寄与回数算出手段とを備えることを特徴とする。
【０００８】
この請求項１記載のキーワード意味分別システムによれば、分別対象キーワードの第１の所定期間毎（例えば、１日毎）の入力回数における部分一致キーワードの入力回数の寄与度を示す係数を算出している。そして、算出された係数に基づいて分別対象キーワードの入力回数の中で、部分一致キーワードの意味で入力された回数を算出している。従って、複数の意味を有している分別対象キーワード、例えば、樹木の名称、連続テレビドラマ及び人名を意味する「さくら」というキーワードについて、それぞれの意味での入力回数、例えば、連続テレビドラマの意味での入力回数を算出できる。そのため、分別対象キーワードに含まれている複数の意味のそれぞれに対する消費者の関心を的確に把握することができ、いわゆる売れ筋商品の早期発見や、新商品開発の見極め等に用いることができる有用なマーケティング支援のための情報を得ることができる。
【０００９】
また、請求項２記載のキーワード意味分別システムは、前記係数算出手段が、第２の所定期間内における前記分別対象キーワードの前記第１の所定期間毎の入力回数の推移を示す第１のグラフを作成する第１のグラフ作成手段と、前記第２の所定期間内における前記部分一致キーワードの前記第１の所定期間毎の入力回数の推移を示す第２のグラフを前記部分一致キーワード毎に作成する第２のグラフ作成手段と、前記第２のグラフの中から、前記第１のグラフにおいて入力回数の極値が存在する前記第１の所定期間に入力回数の極値が存在する第２のグラフを選択するグラフ選択手段とを備え、前記グラフ選択手段により選択された前記第２のグラフに基づいて、前記第１のグラフに存在する前記極値を排除する係数を算出することを特徴とする。
【００１０】
この請求項２記載のキーワード意味分別システムによれば、まず、第２の所定期間内（例えば、１年間）における分別対象キーワード（例えば、「さくら」）の第１の所定期間毎（例えば、１日毎）の入力回数の推移を示す第１のグラフと、１年間における部分一致キーワード（例えば、「さくら開花情報」、「連続テレビドラマさくら」等）の１日毎の入力回数の推移を示す第２のグラフとを作成している。次に、例えば、第１のグラフにおいて３月２０日に極値が存在する場合には、３月２０日に極値を示す第２のグラフ（例えば、「さくら開花情報」のグラフ）を用いて、第１のグラフにおいて３月２０日に存在する極値を排除する係数を算出している。従って、同一の日に極値を示す「さくら開花情報」のグラフに基づいて「さくら」のグラフから極値を排除することによって、「さくら」として入力された回数のうち、「さくら開花情報」の意味で入力された回数を示す係数を的確に算出できる。そのため、部分一致キーワードに対して消費者が実際にはどの程度の関心を有しているか等を的確に把握し、適切な商品販売戦略を立案等するために用いることができる有用なマーケティング支援のための情報を得ることができる。
【００１１】
また、請求項３記載のキーワード意味分別システムは、前記係数算出手段が、前記検索手段により検索された全ての前記部分一致キーワード毎の前記第１の所定期間における入力回数に、それぞれの寄与度を示す係数を乗算した場合の合計値と、前記分別対象キーワードの前記第１の所定期間における入力回数とが略同一の値となる係数の組み合わせを算出することを特徴とする。
【００１２】
この請求項３記載のキーワード意味分別システムによれば、例えば、分別対象キーワード「さくら」を一部に含む部分一致キーワード、例えば、「さくら開花情報」の１日の入力回数に所定の係数を乗算した値、「連続テレビドラマさくら」の１日の入力回数に所定の係数を乗算した値及びその他の部分一致キーワードの各々の１日の入力回数に各々の所定の係数を乗算した値の合計値が、「さくら」の入力回数と略同一の値となる係数の組み合わせを算出している。従って、分別対象キーワードの１日の入力回数が複数の部分一致キーワードの影響を受けている場合であっても、それぞれの部分一致キーワードの寄与度を示す係数を算出し、それぞれの部分一致キーワードの意味での入力回数を算出することができる。そのため、消費者の関心を適切に把握するために有用なマーケティング支援のための情報を入手することができる。
【００１３】
また、請求項４記載のキーワード意味分別システムは、前記係数算出手段が、第２の所定期間内における前記分別対象キーワードの前記第１の所定期間毎の入力回数の推移を示す第１のグラフを作成する第１のグラフ作成手段と、前記第２の所定期間内における前記部分一致キーワードの前記第１の所定期間毎の入力回数の推移を示す第２のグラフを前記部分一致キーワード毎に作成する第２のグラフ作成手段とを備え、前記第２のグラフ毎に定められる係数を前記第２のグラフ毎に乗算して前記第２のグラフを組み合わせた形状と、前記第１のグラフの形状とが略同一となる前記係数の組み合わせを算出することを特徴とする。
【００１４】
この請求項４記載のキーワード意味分別システムによれば、まず、第２の所定期間内（例えば、１年間）における分別対象キーワード（例えば、「さくら」）の第１の所定期間毎（例えば、１日毎）の入力回数の推移を示す第１のグラフと、１年間における部分一致キーワード（例えば、「さくら開花情報」、「連続テレビドラマさくら」等）の１日毎の入力回数の推移を示す第２のグラフとを作成している。そして、所定の係数が乗算された各第２のグラフを組み合わせた形状と、第１のグラフの形状とが略同一となる係数の組み合わせを算出している。従って、複数の部分一致キーワードの意味で入力された回数が含まれている分別対象キーワードの入力回数を、それぞれの部分一致キーワードの意味で入力された回数に迅速、かつ、容易に分別することができる。そのため、消費者の関心等を適切に把握することができる有用なマーケティング支援のための情報を得ることができる。
【００１５】
【発明の実施の形態】
以下、図面を参照して、実施の形態に係るキーワード意味分別システムによる処理について説明する。なお、以下においては、ネットワーク上に開設されている検索エンジンサイトにおいて、消費者により入力された検索用のキーワード及びそのキーワードの入力回数をキーワードデータとする場合を例として説明する。
【００１６】
図１は、実施の形態に係るキーワード意味分別システムを含むシステム全体のブロック構成図である。キーワード意味分別システム２は、ネットワーク４を介してネットワーク上に検索エンジンサイトを開設している企業のＷｅｂサーバ６と接続されており、Ｗｅｂサーバ６は、ネットワーク４を介して個々の消費者が有する消費者システム（パーソナルコンピュータ、携帯端末、携帯電話等のネットワーク上の検索エンジンサイトにアクセス可能な端末）８ａ、８ｂ、８ｃと接続されている。
【００１７】
図２は、実施の形態に係るキーワード意味分別システムのブロック構成図である。キーワード意味分別システム２は、キーワード意味分別システム２におけるデータの処理を制御するデータ制御部２０を備えている。このデータ制御部２０には、入力されたキーワード及び各キーワードの入力回数をキーワードデータとして記憶するキーワードデータ記憶部２２が接続されている。また、データ制御部２０には、Ｗｅｂサーバ６との間の通信を制御する通信制御部２４、キーワードの入力回数を意味毎の入力回数に分別した結果等を表示する表示部２６及び意味毎の入力回数に分別された結果等を記憶するデータ記憶部２８が接続されている。
【００１８】
キーワードデータ記憶部２２には、キーワードデータ、即ち、通信制御部２４を介してＷｅｂサーバ６から取得された所定期間毎のキーワード及び各キーワードの入力回数、例えば、１日毎のキーワード及び各キーワードの入力回数が、所定期間分、例えば、１年分記憶される。また、取得された各キーワードの入力回数は、それぞれのキーワード及び日付に対応させて記憶される。例えば、図３に示すように、２００１年１２月１日〜２００２年１１月３０日までの１年間の各日毎に各キーワードの入力回数が記憶される。なお、キーワードの入力回数が所定の閾値、例えば、「１０」以下の入力回数の日は、入力回数が「１０」として記憶される。
【００１９】
ここで、消費者が、消費者システム８ａ、８ｂ、８ｃを用いて、ネットワーク４を介して検索エンジンサイトにアクセスし、検索用のキーワードを入力した場合、この入力された検索用のキーワードがＷｅｂサーバ６に記憶される。即ち、消費者により入力された検索用のキーワードは、１回入力されると入力回数１回としてカウントされ、キーワードと各キーワードの入力回数がキーワードデータとしてＷｅｂサーバ６に記憶される。Ｗｅｂサーバ６において記憶されたキーワードデータは、１日毎にＷｅｂサーバ６からネットワーク４を介してキーワード意味分別システム２に送信される。キーワード意味分別システム２においては、送信された１日毎のキーワードデータを通信制御部２４を介して日々受信し、キーワードデータ記憶部２２に記憶している。
【００２０】
次に、図４のフローチャートを参照して第１の実施の形態に係るキーワード意味分別システムにより行われる処理について説明する。なお、以下においては、２００１年１２月１日〜２００２年１１月３０日までの１年間の各日毎のキーワードデータが、キーワードデータ記憶部２２に記憶されている場合を例として説明する。
【００２１】
まず、入力回数を意味毎の入力回数に分別する対象となる分別対象キーワードを選択する（ステップＳ１０）。即ち、キーワードデータ記憶部２２に記憶されているキーワードの中から、複数の意味を有し、意味毎の入力回数を分別する対象となる分別対象キーワードを選択する。例えば、樹木の名称、連続テレビドラマのタイトル、人名等の複数の意味を有する「さくら」というキーワードを分別対象キーワードとして選択する。
【００２２】
次に、分別対象キーワードの１年間における入力回数の推移を移動平均で示したグラフを作成する（ステップＳ１１）。即ち、図５に示すように、曜日による入力回数の変動を排除すべく、７日間の移動平均により入力回数の推移を示したグラフを作成する。なお、作成された移動平均グラフは、分別対象キーワードに対応させてデータ記憶部２８に記憶される。
【００２３】
ここで、分別対象キーワードの入力回数の推移を移動平均により示すことにより、入力回数が大きく変動している日を容易に認識することができる。即ち、７日間の入力回数の合計値を７で除算して得られた値により入力回数の推移を示しているため、入力回数が極端に変動していなければ、ほぼ平坦なグラフとなり、入力回数が急激に増加した又は急激に減少した日を容易に認識することができる。
【００２４】
次に、分別対象キーワードの入力回数を意味毎に分別する際に用いられるキーワード、即ち、分別対象キーワードの入力回数に影響を与えている分別候補キーワードを選択する（ステップＳ１２）。例えば、分別対象キーワードである「さくら」を一部に含む部分一致キーワード、即ち、図３に示すような「さくらや」、「さくら通信」、「さくら銀行」、「さくら 連続テレビドラマ」、「連続テレビドラマさくら」、「さくら前線」、「さくら開花情報」が自動的に選択される。また、分別対象キーワードを一部に含む部分一致キーワードではないが、分別対象キーワード又は部分一致キーワードに関連するキーワードも分別候補キーワードとして選択される。例えば、分別対象キーワード「さくら」が連続テレビドラマのタイトルであることから、「連続テレビドラマ」や「さくら」を漢字で表示した「桜」、部分一致キーワード「さくら前線」や「さくら開花情報」と関連が深い「花見」等のキーワードが分別候補キーワードとして選択される。なお、「さくら 連続テレビドラマ」及び「連続テレビドラマさくら」は、「さくら」及び「連続テレビドラマ」の両方のキーワードを含むキーワードとして入力されたキーワードを意味する。
【００２５】
次に、ステップＳ１２において選択された各分別候補キーワードの入力回数の推移を移動平均で示したグラフを作成する（ステップＳ１３）。即ち、図５に示す「さくら」の入力回数を示すグラフと同様に、７日間の移動平均により各分別候補キーワードの入力回数の推移を示したグラフをそれぞれ作成する。なお、作成された移動平均グラフは、各分別候補キーワードに対応させてデータ記憶部２８に記憶される。
【００２６】
次に、分別対象キーワードの移動平均グラフに存在する極値部分を含む所定期間におけるグラフの形状を所定の型に類型する（ステップＳ１４）。即ち、まず、分別対象キーワードの移動平均グラフに存在する極値、例えば、入力回数が急激に増加している日を検出する。次に、極値が存在する日を含む所定期間、例えば、極値が存在する日の前後１週間における入力回数の推移を示したグラフの形状を所定の型に分類する。
【００２７】
図６は、グラフ形状の類型の一例を示した図である。図６（ａ）は、事件発生型、即ち、ニュースリリースや新聞記事として掲載された等により、ある時点において急激に入力回数が上昇した場合のグラフ形状を示している。図６（ｂ）は、イベント型、即ち、「バレンタインデー」や「母の日」等、その対象日が明確なキーワードであって、対象日を境に入力回数が激減する場合のグラフ形状を示している。図６（ｃ）は、雰囲気型（季節変動型）、即ち、「花見」、「海水浴」、「紅葉」又は「鍋」等、徐々に入力回数が増加し、ある時点を境に徐々に入力回数が減少する場合のグラフ形状を示している。
【００２８】
ここで、分別対象キーワードのグラフにおいて検出された極値部分を含む所定期間のグラフ形状の類型は、横軸と平行な水平のラインと、入力回数が最も多くなっている頂点（極値）との間の傾きに基づいて行われる。即ち、水平のラインと平行の場合の傾きを「０」とした場合に、上昇の傾きと下降の傾きとを比較した場合の差が所定の値以上、例えば、「１．２５」以上となっている場合には、事件発生型に類型される。一方、上昇の傾きと下降の傾きとを比較した場合の差が所定の値以下、例えば、「０．８」以下となっている場合には、イベント型に類型される。また、上昇の傾きと下降の傾きとを比較した場合の差が所定の範囲内、例えば、「０．８〜１．２５」以内となっている場合には、雰囲気型に類型される。なお、以下においては、図５に示す「さくら」の移動平均グラフで２００２年３月２０日に入力回数の極値が存在し、この極値部分を含む所定期間、例えば、２００２年３月１３日〜３月２７日におけるグラフの形状が雰囲気型に類型された場合を例として説明する。
【００２９】
次に、分別対象キーワードの移動平均グラフに極値が存在する日と同一の日に極値を示し、かつ、その極値部分を含む所定期間のグラフの形状が雰囲気型に属する分別候補キーワードの移動平均グラフを検索する（ステップＳ１５）。即ち、入力回数の変動が分別対象キーワード「さくら」と連動している分別候補キーワードの移動平均グラフを、データ記憶部２８に記憶されている分別候補キーワードの移動平均グラフの中から検索する。ここで、分別候補キーワードの移動平均グラフとして「さくら前線」の移動平均グラフが検索されたとする。
【００３０】
次に、分別対象キーワード及び分別候補キーワードのそれぞれの移動平均グラフを、日付を変数（ｘ）として表した関数を生成する（ステップＳ１６）。即ち、分別対象キーワード「さくら」の移動平均グラフを日付を変数（ｘ）として表した関数Ｆ１（ｘ）と、ステップＳ１５において検索された分別候補キーワード「さくら前線」の移動平均グラフを日付を変数（ｘ）として表した関数Ｆ２（ｘ）とを生成する。なお、生成された関数は、各移動平均グラフに対応させてデータ記憶部２８に記憶される。
【００３１】
次に、ステップＳ１６において生成された「さくら」の関数Ｆ１（ｘ）及び「さくら前線」の関数Ｆ２（ｘ）を用いて、「さくら」の入力回数の中で「さくら前線」の意味で入力された回数を示す係数を算出する（ステップＳ１７）。即ち、任意の定数ａをＦ２（ｘ）に乗算し、Ｆ１（ｘ）−ａＦ２（ｘ）＝Ｆ０（ｘ）とした場合に、Ｆ１（ｘ）により表されるグラフの２００２年３月２０日存在する極値が排除されたグラフを表すＦ０（ｘ）が得られる定数ａを算出する。
【００３２】
次に、関数Ｆ０（ｘ）により表される分別対象キーワードの移動平均グラフを作成し（ステップＳ１８）、Ｆ１（ｘ）に存在していた極値が排除されたか否かを判断する（ステップＳ１９）。即ち、「さくら」の入力回数から「さくら前線」の影響が排除されているか否かを確認する。
【００３３】
図７は、分別対象キーワードの移動平均グラフから２００２年３月２０日に存在していた極値が排除されたグラフを示す図である。図７において排除された極値部分のグラフを破線で、Ｆ０（ｘ）により示されるグラフを実線で示す。この図７に示すように、極値が存在していた日を含む所定期間の入力回数の推移は、２００２年３月初めからの入力回数の上昇傾向とほぼ同一の上昇傾向を示していおり、極値が排除されている。即ち、この図７に示すように、極値が存在していた日を含む所定期間の入力回数の推移が、極端でなく、従前の推移と同様の傾向を示すようになった場合に、極値が排除されたと判断される。
【００３４】
極値が排除されたと判断された場合には（ステップＳ１９）、Ｆ０（ｘ）が算出された際の定数ａが分別候補キーワードの入力回数の寄与度を示す係数となる。即ち、Ｆ０（ｘ）＝Ｆ１（ｘ）−ａＦ２（ｘ）とした場合の、「さくら前線」の移動平均グラフを示す関数Ｆ２（ｘ）に乗算された定数ａが、「さくら」の２００２年３月２０日における入力回数の中で「さくら前線」の意味で入力された回数を示す係数となる。
【００３５】
一方、極値が排除されていない場合には（ステップＳ１９）、ステップＳ１７に戻り、定数ａの値を変更して再度Ｆ０（ｘ）の演算を行う。例えば、Ｆ０（ｘ）により表されるグラフで極値が小さくはなっているが、依然として極値が存在している場合には、定数ａの値を増加させる。一方、Ｆ０（ｘ）により表されるグラフに新たな極値、例えば、２００２年３月２０日における入力回数が極端に減少しており、２００２年３月２０日前後に新たな極値を発生させている場合には、定数ａの値を減少させて演算を行う。
【００３６】
次に、分別対象キーワードの移動平均グラフから全ての極値が排除された場合には（ステップＳ２０）、分別対象キーワードの入力回数の中で、分別候補キーワードの意味で入力された回数を算出する（ステップＳ２１）。即ち、分別対象キーワードの入力回数の推移を７日間の移動平均で表したグラフに存在していた全ての極値が排除された場合には、それぞれの極値を排除する際に用いられた分別候補キーワードの意味で入力された回数を算出する。例えば、ステップＳ１７において算出された定数ａを、２００２年３月２０における「さくら前線」の入力回数に乗算することにより、２００２年３月２０日の「さくら」の入力回数の中で「さくら前線」の意味で入力された回数を算出する。なお、分別対象キーワードの移動平均グラフから全ての極値が排除されていない場合には、ステップＳ１４に戻り、ステップＳ１４〜ステップＳ１９の処理を行う。
【００３７】
次に、算出された各分別候補キーワードの意味で入力された回数を表示部２６に表示する（ステップＳ２２）。即ち、分別対象キーワードとして入力された回数のうち、極値が存在した日において各分別候補キーワードの意味で入力された回数を表示部２６に表示する。
【００３８】
この第１の実施の形態に係るキーワード意味分別システムは、分別対象キーワードと入力回数の推移が連動している分別候補キーワードのグラフを用い、分別対象キーワードのグラフから極値を排除することによって、分別候補キーワードの寄与度を示す係数を算出してる。従って、複数の意味を有する分別対象キーワードの入力回数の中で、それぞれの意味毎の入力回数を算出することができる。例えば、「さくら」の入力回数の中で、「さくら前線」の意味で入力された回数を把握することができ、「さくら前線」に対する消費者の関心を的確に把握することができる。そのため、消費者がどのような商品に関心を示しているか等を適切に把握することができ、いわゆる売れ筋商品の早期発見や、売れ筋商品の仕入れ時期や仕入れ量の決定、新商品開発の見極め等に有用なマーケティング支援のための情報を得ることができる。
【００３９】
なお、第１の実施の形態に係るキーワード意味分別システムにおいては、極値を示す部分のグラフ形状を所定の型に類型する際に、上昇の傾きと下降の傾きとを比較した場合の差が、「０．８」以下、「０．８〜１．２５」の範囲内、「１．２５」以上か否かにより類型しているが、上昇の傾きと下降の傾きとを比較した場合の差は、任意に設定するようにしてもよい。
【００４０】
また、上述の第１の実施の形態に係るキーワード意味分別システムにおいては、分別対象キーワード及び分別候補キーワードの入力回数の推移を移動平均グラフにより表しているが、移動平均を用いなくてもよい。即ち、日々の入力回数をグラフにより示すようにしてもよい。また、例えば、１時間毎の入力回数や１週間毎の入力回数等、任意の期間における入力回数をグラフにより示すようにしてもよい。
【００４１】
次に、図８のフローチャートを参照して、第２の実施の形態に係るキーワード意味分別システムによる処理について説明する。
【００４２】
まず、入力回数を意味毎の入力回数に分別する対象となる分別対象キーワードを選択する（ステップＳ３０）。即ち、上述の第１の実施の形態に係るステップＳ１０における場合と同様に、複数の意味を有するキーワード、例えば、「さくら」を分別対象キーワードとして選択する。
【００４３】
次に、ステップＳ３０において選択された分別対象キーワードの入力回数の推移を示すグラフを作成する（ステップＳ３１）。例えば、図９に示すように、「さくら」の２００１年１２月１日〜２００２年１１月３０日の１日における入力回数の推移を、縦軸を入力回数、横軸を日付として示したグラフを作成する。なお、作成されたグラフは、分別対象キーワードに対応させてデータ記憶部２８に記憶される。
【００４４】
次に、分別対象キーワードの入力回数を意味毎に分別する際に用いられるキーワード、即ち、分別対象キーワードの入力回数に影響を与えている分別候補キーワードを選択する（ステップＳ３２）。即ち、上述の第１の実施の形態に係るステップＳ１２における処理と同様の処理により、分別候補キーワードを選択する。
【００４５】
次に、各分別候補キーワードの入力回数の推移を示したグラフを作成する（ステップＳ３３）。即ち、図９に示す分別対象キーワード「さくら」の入力回数の推移を示すグラフと同様に、縦軸を入力回数、横軸を日付としてグラフにより２００１年１２月１日〜２００２年１１月３０日における各分別候補キーワードの入力回数の推移を示すグラフを作成する。なお、作成されたグラフは各分別候補キーワード毎に対応させてデータ記憶部２８に記憶される。
【００４６】
次に、分別対象キーワード及び分別候補キーワードのそれぞれの入力回数の推移を示すグラフを表す関数、即ち、日付を変数（ｘ）とした関数を生成する（ステップＳ３４）。即ち、分別対象キーワード「さくら」の入力回数の推移を示すグラフを表す関数Ｆ０（ｘ）、「さくら」を分別する候補である分別候補キーワード、例えば、「連続テレビドラマさくら」の入力回数の推移を示すグラフを表す関数Ｆ１（ｘ）、「さくら前線」の入力回数の推移を示すグラフを表す関数Ｆ２（ｘ）、…、「さくら開花情報」の入力回数の推移を示すグラフを表す関数Ｆｎ（ｘ）を生成し、データ記憶部２８に記憶する。
【００４７】
次に、分別対象キーワードの入力回数における各分別候補キーワードの寄与度を示す係数の組み合わせを算出する（ステップＳ３５）。即ち、Ｆ０（ｘ）＝ａ１Ｆ１（ｘ）＋ａ２Ｆ２（ｘ）＋…＋ａｎＦｎ（ｘ）として表した場合の定数であるａ１、ａ２、…、ａｎの組み合わせを算出する。ここで、最初に定数の組み合わせを算出する場合には、ａ１、ａ２、…、ａｎを任意の定数に仮置きした定数の組み合わせを算出する。例えば、ａ１＝ａ２＝…＝ａｎ＝１と仮置きすることによって、最初の定数の組み合わせを算出する。
【００４８】
次に、算出された定数を用いた関数ａ１Ｆ１（ｘ）＋ａ２Ｆ２（ｘ）＋…＋ａｎＦｎ（ｘ）に基づくグラフを作成し（ステップＳ３６）、作成されたグラフの形状と、Ｆ０（ｘ）に基づく分別対象キーワード「さくら」のグラフの形状とを比較する（ステップＳ３７）。
【００４９】
ステップＳ３６において作成されたグラフの形状とＦ０（ｘ）に基づくグラフの形状とが略一致となっていない場合には（ステップＳ３８）、ステップＳ３５に戻り、再度定数の組み合わせが算出される。即ち、２回目以降に定数ａ１、ａ２、…、ａｎの組み合わせを算出する場合には、仮置きされた定数ａ１、ａ２、…、ａｎの複製を所定の数、例えば、１０組の複製を作成し、作成された１０組の複製のそれぞれの組において１つ以上の定数の値を微増減させることによって、新たな係数の組み合わせを算出する。そして、算出された１０組の定数の組み合わせをそれぞれ用いた関数ａ１Ｆ１（ｘ）＋ａ２Ｆ２（ｘ）＋…＋ａｎＦｎ（ｘ）に基づく１０のグラフをそれぞれ作成し（ステップＳ３６）、作成されたグラフの形状と関数Ｆ０（ｘ）に基づくグラフの形状とを比較する（ステップＳ３７）。
【００５０】
ここで、作成された何れのグラフの形状とも関数Ｆ０（ｘ）に基づくグラフの形状が略一致となっていない場合には（ステップＳ３８）、ステップＳ３６において作成された１０のグラフの中で、関数Ｆ０（ｘ）に基づくグラフの形状に最も近似している形状のグラフが作成された定数の組み合わせの複製を１０組作成する。次に、作成された１０組の複製のそれぞれの組において１つ以上の定数の値を微増減させることによって、新たな組み合わせを算出する（ステップＳ３５）。そして、ａ１Ｆ１（ｘ）＋ａ２Ｆ２（ｘ）＋…＋ａｎＦｎ（ｘ）に基づく１０のグラフを作成し（ステップＳ３６）、作成されたグラフの形状とＦ０（ｘ）に基づくグラフの形状とを比較する（ステップＳ３７）。
【００５１】
なお、関数ａ１Ｆ１（ｘ）＋ａ２Ｆ２（ｘ）＋…＋ａｎＦｎ（ｘ）に基づく何れかのグラフの形状が関数Ｆ０（ｘ）に基づくグラフの形状と略一致となるまで（ステップＳ３８）、上述に示すステップＳ３５〜ステップＳ３７における処理が繰り返される。即ち、関数ａ１Ｆ１（ｘ）＋ａ２Ｆ２（ｘ）＋…＋ａｎＦｎ（ｘ）に基づく何れかのグラフの形状と関数Ｆ０（ｘ）に基づくグラフの形状とのずれが所定の範囲内となるまで、ステップＳ３５〜ステップＳ３７における処理が繰り返される。
【００５２】
ステップＳ３６において作成されたグラフの形状とＦ０（ｘ）に基づくグラフの形状とが略一致となった場合には（ステップＳ３８）、ステップＳ３０において算出された定数ａ１、ａ２、…ａｎが「さくら」の入力回数の中で、各々の分別候補キーワードの意味で入力された回数を示す係数となる。従って、ステップＳ３５において算出された係数に基づいて、分別対象キーワード「さくら」の入力回数の中で分別候補キーワードの意味で入力された回数を算出し（ステップＳ３９）、算出結果を表示部２６に表示する（ステップＳ４０）。即ち、ステップＳ２１及びステップＳ２２における処理と同様の処理を行う。
【００５３】
この第２の実施の形態に係るキーワード意味分別システムは、分別対象キーワードの入力回数の推移を示したグラフと略同一形状のグラフを、各分別候補キーワードの入力回数の推移をそれぞれ示したグラフを用いて生成することにより、分別対象キーワードの入力回数における分別候補キーワードの寄与度を示す係数を算出している。従って、分別対象キーワードが多数の意味を有している場合であっても、それぞれの分別候補キーワードの意味で入力された回数を迅速に算出することができる。
【００５４】
また、分別対象キーワードの入力回数における複数の分別候補キーワードの寄与度を示す係数の組み合わせを算出している。従って、複数の分別候補キーワードのそれぞれによる分別対象キーワードの入力回数の中で分別候補キーワードの意味で入力された回数を算出することができる。そのため、各分別候補キーワードに対する消費者の関心を適切に把握することができ、有用なマーケティング支援のための情報を得ることができる。
【００５５】
なお、上述の実施の形態に係るキーワード意味分別システムにおいては、１日毎にＷｅｂサーバからキーワードデータを取得しているが、Ｗｅｂサーバにおいて１年間の各日毎のキーワードデータを蓄積し、蓄積されたキーワードデータを取得するようにしてもよい。即ち、Ｗｅｂサーバにおいて１年間のキーワードデータが記憶された後に、キーワード意味分別システムにおいて、１年間の各日毎のキーワードデータをＷｅｂサーバから取得するようにしてもよい。また、キーワードデータを、例えば、所定の時間毎又は所定の曜日毎に取得するようにしてもよい。
【００５６】
また、１年間の各日毎のキーワードデータに基づいて、分別対象キーワードの入力回数における分別候補キーワードの寄与度を示す係数を算出しているが、例えば、半年又は３月間の各日毎のキーワードデータに基づいて係数を算出するようにしてもよい。この場合には、例えば、分別対象キーワードが季節を表すキーワードである場合には、その季節の期間における各日毎のキーワードデータに基づいて、分別対象キーワードの入力回数における分別候補キーワードの寄与度を示す係数を算出してもよい。
【００５７】
また、上述の実施の形態に係るキーワード意味分別システムにおいては、分別対象キーワードの入力回数における分別候補キーワードの寄与度を示す係数を定数としているが、この係数は定数に限られるものではない。即ち、分別対象キーワードの入力回数の中で、分別候補キーワードの意味で入力された回数を示す係数を、日付を変数（ｘ）とする関数として算出してもよい。
【００５８】
また、上述の実施の形態に係るキーワード意味分別システムにおいては、複数の意味を有するキーワードを分別対象キーワードとしているが、例えば、企業名等を分別対象キーワードとしてもよい。この場合には、分別対象キーワードとして選択された企業により製造されている商品や提供されているサービス等、その企業に関連するものを表すキーワードが分別候補キーワードとして選択される。従って、企業名の入力回数のうち、所定の商品やサービスの情報を得るためにその企業名が入力された回数を算出し、所定の商品やサービスについての正確な入力回数を得ることができる。そのため、所定の商品やサービスに対する消費者の関心を的確に推測することができる有用なマーケティング支援のための情報を得ることができる。
【００５９】
【発明の効果】
この発明によれば、分別対象キーワードの第１の所定期間毎（例えば、１日毎）の入力回数における部分一致キーワードの入力回数の寄与度を示す係数を算出している。そして、算出された係数に基づいて分別対象キーワードの入力回数の中で部分一致キーワードの意味で入力された回数を算出している。従って、複数の意味を有している分別対象キーワード、例えば、樹木の名称、連続テレビドラマ及び人名を意味する「さくら」というキーワードについて、それぞれの意味での入力回数を算出することができる。そのため、分別対象キーワードに含まれている複数の意味のそれぞれに対する消費者の関心を的確に把握することができ、いわゆる売れ筋商品の早期発見や、新商品開発の見極め等、適切名販売戦略を立案等するために有用なマーケティング支援のための情報を得ることができる。
【図面の簡単な説明】
【図１】この発明の実施の形態に係るキーワード意味分別システムを含むシステム全体のブロック構成図である。
【図２】この発明の実施の形態に係るキーワード意味分別システムのブロック構成図である。
【図３】この発明の実施の形態に係るキーワード意味分別システムに記憶されるキーワードデータの一例を示す図である。
【図４】この発明の第１の実施の形態に係る分別対象キーワードの入力回数を意味毎の入力回数に分別する処理を説明するためのフローチャートである。
【図５】この発明の第１の実施の形態に係る分別対象キーワードの入力回数の推移を示すグラフの一例である。
【図６】この発明の第１の実施の形態に係るグラフの類型を示す図である。
【図７】この発明の第１の実施の形態に係る一部の極値が排除されたグラフの一例である。
【図８】この発明の第２の実施の形態に係る分別対象キーワードの入力回数を意味毎の入力回数に分別する処理を説明するためのフローチャートである。
【図９】この発明の第２の実施の形態に係る分別対象キーワードの入力回数の推移を示すグラフの一例である。
【符号の説明】
２…キーワード意味分別システム、４…ネットワーク、６…Ｗｅｂサーバ、８ａ、８ｂ、８ｃ…消費者システム、２０…データ制御部、２２…キーワードデータ記憶部、２４…通信制御部、２６…表示部、２８…データ記憶部。[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a keyword meaning classification system for classifying the meaning of a keyword input by a consumer to a search engine site or the like on a network.
[0002]
[Prior art]
2. Description of the Related Art In recent years, a consumer has obtained information on a desired product or service by inputting a product name or the like on a search engine site or the like on the Internet and performing a search. For this reason, a large amount of keywords are input daily by consumers to search engine sites and the like. The data on the search keyword and the number of times the keyword has been input by the consumer is valuable data that reflects the interest and potential customer needs of the consumer. Therefore, by analyzing such data, it is possible to obtain information on a product that is currently a topic among consumers, a product that the consumer is paying attention to, and the like. Then, if the information indicating the consumer's interest or the like can be obtained, it can be used for early detection of so-called hot-selling products, determination of the purchase time and amount of the hot-selling products, determination of new product development, and the like.
[0003]
In addition, the applicant of this application determines whether the keyword is a keyword that is attracting the interest of the consumer or a keyword that is less interested in the consumer based on the change in the number of times of input of the keyword input by the consumer. An application has been filed for a keyword analysis system that analyzes and obtains information for marketing support (Japanese Patent Application No. 2001-399566).
[0004]
[Problems to be solved by the invention]
By the way, a search keyword input by a consumer may have a plurality of meanings. For example, the keyword “Sakura” may mean the name of a tree, the title of a serial TV drama, the name of a person, or the like. For this reason, it is difficult to determine the meaning of one keyword “Sakura” from the change in the number of times the keyword is input.
[0005]
Also, when a specific company name is entered as a keyword, the number of times the keyword is entered includes the number of times entered to obtain information about the company and information on products manufactured by the company. And the number of times entered to execute. However, it is difficult to determine from the obtained number of times of inputting the keyword what information has been input for obtaining, that is, what meaning has been input.
[0006]
An object of the present invention is to provide a keyword meaning classification system capable of classifying the number of times of input of a keyword having a plurality of meanings input by a consumer into the number of times of input for each meaning.
[0007]
[Means for Solving the Problems]
2. The keyword semantic classification system according to claim 1, wherein the keyword data storage unit stores each of the input keywords and the number of times each of the keywords is input for each first predetermined period, and the keyword data storage unit stores the keyword. A keyword selecting unit for selecting a classification target keyword from which the number of inputs is classified into the number of inputs for each meaning from among the keywords; and a keyword selection unit for storing the keyword in the first predetermined period stored in the keyword data storage unit. A search unit for searching for a partial match keyword that partially includes the classification target keyword, and a contribution degree of the number of input times of each partial match keyword to the number of input times of the classification target keyword in the first predetermined period. Coefficient calculating means for calculating a coefficient, and a coefficient calculated by the coefficient calculating means. And a contribution count calculating means for calculating, for each partial match keyword, the number of times that the classification target keyword has been input in the meaning of the partial match keyword among the input counts of the classification target keyword in the first predetermined period. It is characterized by.
[0008]
According to the keyword meaning classification system of the present invention, a coefficient indicating the contribution of the number of times of input of the partially matching keyword to the number of times of input of the classification target keyword for each first predetermined period (for example, every day) is calculated. I have. Then, based on the calculated coefficient, the number of times of input in the meaning of the partially matched keyword among the number of times of input of the classification target keyword is calculated. Therefore, for a classification target keyword having a plurality of meanings, for example, a tree name, a serial TV drama, and a keyword of "Sakura" meaning a person's name, the number of times of input in each meaning, for example, the meaning of the serial TV drama Can be calculated. Therefore, it is possible to accurately grasp the consumer's interest in each of a plurality of meanings included in the classification target keyword, and it is useful for early detection of so-called hot selling products and determination of new product development. You can get information for marketing support.
[0009]
Further, in the keyword meaning classification system according to
[0010]
According to the keyword meaning classification system according to the second aspect, first, for each first predetermined period (for example, 1 year) of the classification target keyword (for example, “Sakura”) within the second predetermined period (for example, one year) A first graph showing the transition of the number of input times per day) and a second graph showing the transition of the number of input times per day of the partially matched keywords (for example, “Sakura Flowering Information”, “Serial TV Drama Sakura”, etc.) in one year. And graphs. Next, for example, when an extreme value exists on March 20 in the first graph, a second graph indicating the extreme value on March 20 (for example, a graph of “Sakura flowering information”) is used. Thus, a coefficient for excluding the extreme value existing on March 20 in the first graph is calculated. Therefore, by excluding the extreme value from the graph of “Sakura” based on the graph of “Sakura flowering information” indicating the extreme value on the same day, the “Sakura flowering information” The coefficient indicating the number of times of input in the sense of can be accurately calculated. For this reason, it is useful marketing support that can be used to accurately understand the level of interest that consumers actually have in broad-matched keywords and to plan appropriate product sales strategies. Information can be obtained.
[0011]
Further, in the keyword meaning classification system according to claim 3, the coefficient calculating means sets each contribution degree to the number of inputs in the first predetermined period for each of the partial matching keywords searched by the searching means. A combination of coefficients is calculated such that the total value obtained by multiplying the indicated coefficients and the number of times of input of the classification target keyword in the first predetermined period have substantially the same value.
[0012]
According to the keyword meaning classification system according to the third aspect, for example, a predetermined coefficient is multiplied by the number of times of input of a partial match keyword partially including the classification target keyword "Sakura", for example, "Sakura flowering information". Value obtained by multiplying the number of times of daily input of "Serial TV Drama Sakura" by a predetermined coefficient, and the value obtained by multiplying the number of times of daily input of each of the other partially matching keywords by each predetermined coefficient Calculates a combination of coefficients having substantially the same value as the number of times of input of “Sakura”. Therefore, even if the number of times of input of the classification target keyword per day is affected by a plurality of partial match keywords, a coefficient indicating the contribution of each partial match keyword is calculated, and the coefficient of each partial match keyword is calculated. The number of inputs in a meaning can be calculated. Therefore, it is possible to obtain information for marketing support that is useful for appropriately grasping the consumer's interest.
[0013]
Further, in the keyword meaning classification system according to
[0014]
According to the keyword semantic classification system according to the fourth aspect, first, every first predetermined period (for example, 1 year) of the classification target keyword (for example, “Sakura”) within the second predetermined period (for example, one year) A first graph showing the transition of the number of input times per day) and a second graph showing the transition of the number of input times per day of the partially matched keywords (for example, “Sakura Flowering Information”, “Serial TV Drama Sakura”, etc.) in one year. And graphs. Then, a combination of the coefficients in which the shape obtained by combining the respective second graphs multiplied by the predetermined coefficient and the shape of the first graph are substantially the same is calculated. Therefore, it is possible to quickly and easily separate the number of times of input of a classification target keyword including the number of times of input of a plurality of partial match keywords into the number of times of input of each partial match keyword. it can. Therefore, useful marketing support information that can appropriately grasp the consumer's interest and the like can be obtained.
[0015]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, a process performed by the keyword semantic classification system according to the embodiment will be described with reference to the drawings. In the following, a case will be described as an example in which a search keyword input by a consumer and the number of times the keyword has been input are used as keyword data in a search engine site established on a network.
[0016]
FIG. 1 is a block diagram of the entire system including the keyword meaning classification system according to the embodiment. The keyword
[0017]
FIG. 2 is a block diagram of the keyword meaning classification system according to the embodiment. The keyword
[0018]
The keyword
[0019]
Here, when the consumer accesses the search engine site via the
[0020]
Next, processing performed by the keyword semantic classification system according to the first embodiment will be described with reference to the flowchart of FIG. In the following, an example will be described in which keyword data for each day of one year from December 1, 2001 to November 30, 2002 is stored in the keyword
[0021]
First, a classification target keyword to be classified into the number of times of input for each meaning is selected (step S10). That is, from the keywords stored in the keyword
[0022]
Next, a graph showing a transition of the number of times of input of the classification target keyword in one year by a moving average is created (step S11). That is, as shown in FIG. 5, a graph showing the transition of the number of inputs by a moving average for 7 days is created in order to eliminate the fluctuation of the number of inputs due to the day of the week. Note that the created moving average graph is stored in the
[0023]
Here, by indicating the transition of the number of times of input of the classification target keyword by a moving average, it is possible to easily recognize a day on which the number of times of input greatly fluctuates. That is, since the transition of the number of inputs is indicated by a value obtained by dividing the total value of the number of inputs for 7 days by 7, if the number of inputs does not fluctuate extremely, a substantially flat graph is obtained. It is possible to easily recognize a day on which a sudden increase or a rapid decrease has occurred.
[0024]
Next, a keyword used when classifying the number of times of input of the classification target keyword for each meaning, that is, a classification candidate keyword which affects the number of times of input of the classification target keyword is selected (step S12). For example, a partially matching keyword partially including "Sakura" as a classification target keyword, that is, "Sakuraya", "Sakura Communication", "Sakura Bank", "Sakura Serial TV Drama", "Serial" as shown in FIG. "TV drama Sakura", "Sakura Front", and "Sakura Flowering Information" are automatically selected. In addition, a keyword that is not a partial match keyword partially including the classification target keyword, but is related to the classification target keyword or the partial match keyword is also selected as a classification candidate keyword. For example, since the classification target keyword "Sakura" is the title of a serial TV drama, "Sakura" which displays "Serial TV drama" and "Sakura" in kanji, partial match keywords "Sakura front" and "Sakura flowering information" A keyword such as “hanami” that is closely related to is selected as a classification candidate keyword. In addition, "Sakura serial TV drama" and "series TV drama Sakura" mean a keyword input as a keyword including both keywords of "Sakura" and "series TV drama".
[0025]
Next, a graph showing a transition of the number of times of input of each classification candidate keyword selected in step S12 by a moving average is created (step S13). That is, similarly to the graph showing the number of times of input of "Sakura" shown in FIG. 5, a graph showing a transition of the number of times of input of each classification candidate keyword by a moving average for 7 days is created. Note that the created moving average graph is stored in the
[0026]
Next, the shape of the graph in the predetermined period including the extreme value portion existing in the moving average graph of the classification target keyword is classified into a predetermined type (step S14). That is, first, an extreme value existing in the moving average graph of the classification target keyword, for example, a day on which the number of times of input sharply increases is detected. Next, the shape of the graph showing the transition of the number of inputs during a predetermined period including the day when the extreme value exists, for example, one week before and after the day when the extreme value exists, is classified into a predetermined type.
[0027]
FIG. 6 is a diagram illustrating an example of a graph shape type. FIG. 6A shows a graph shape in a case where the number of inputs suddenly increases at a certain point in time due to an incident type, that is, a news release or a newspaper article. FIG. 6B shows a graph shape in the event type, that is, a keyword in which the target date is a clear keyword such as “Valentine's Day” or “Mother's Day” and the number of inputs is sharply reduced after the target date. Is shown. FIG. 6 (c) shows an atmosphere type (seasonal variation type), that is, the number of inputs gradually increases, such as "cherry blossom viewing", "sea bathing", "autumn leaves", or "pot", and gradually input at a certain point in time. The graph shape when the number of times decreases is shown.
[0028]
Here, the type of graph shape for a predetermined period including the extremum portion detected in the graph of the classification target keyword includes a horizontal line parallel to the horizontal axis and a vertex (extreme value) having the largest number of input times. This is performed based on the inclination between. That is, when the inclination in the case of being parallel to the horizontal line is “0”, the difference between the ascending slope and the descending slope is equal to or more than a predetermined value, for example, “1.25” or more. If so, they are categorized as incident type. On the other hand, if the difference between the rising slope and the falling slope is equal to or less than a predetermined value, for example, “0.8” or less, it is classified as an event type. If the difference between the ascending slope and the descending slope is within a predetermined range, for example, “0.8 to 1.25”, it is classified as an atmosphere type. In the following, in the moving average graph of “Sakura” shown in FIG. 5, an extreme value of the number of times of input exists on March 20, 2002, and a predetermined period including this extreme value portion, for example, March 13, 2002 The case where the shape of the graph from day to March 27 is classified into an atmosphere type will be described as an example.
[0029]
Next, the extreme value is shown on the same day as the day on which the extreme value exists in the moving average graph of the sorting target keyword, and the shape of the graph for the predetermined period including the extreme value portion belongs to the atmosphere type. A moving average graph is searched (step S15). That is, a moving average graph of the classification candidate keywords whose variation in the number of inputs is linked to the classification target keyword “Sakura” is searched from the moving average graph of the classification candidate keywords stored in the
[0030]
Next, a function is created that expresses the moving average graph of each of the classification target keyword and the classification candidate keyword by using the date as a variable (x) (step S16). That is, a function F1 (x) expressing the moving average graph of the classification target keyword “Sakura” as the date as a variable (x), and the moving average graph of the classification candidate keyword “Sakura front” searched in step S15 as the variable A function F2 (x) expressed as (x) is generated. The generated function is stored in the
[0031]
Next, by using the function F1 (x) of “Sakura” and the function F2 (x) of “Sakura front” generated in step S16, input in the meaning of “Sakura front” in the number of times of input of “Sakura” A coefficient indicating the number of times performed is calculated (step S17). That is, when F2 (x) is multiplied by an arbitrary constant a and F1 (x) −aF2 (x) = F0 (x), a graph represented by F1 (x) is obtained on March 20, 2002. A constant a for obtaining F0 (x) representing a graph from which the existing extreme values have been eliminated is calculated.
[0032]
Next, a moving average graph of the classification target keyword represented by the function F0 (x) is created (Step S18), and it is determined whether or not the extreme value existing in F1 (x) has been excluded (Step S19). ). That is, it is confirmed whether or not the influence of “Sakura Front” is excluded from the number of times of input of “Sakura”.
[0033]
FIG. 7 is a diagram illustrating a graph in which the extreme value existing on March 20, 2002 is excluded from the moving average graph of the classification target keywords. In FIG. 7, the graph of the extremum part excluded is shown by a broken line, and the graph indicated by F0 (x) is shown by a solid line. As shown in FIG. 7, the transition of the number of inputs for a predetermined period including the day when the extreme value existed has a substantially same upward trend as the number of inputs since the beginning of March 2002. Extreme values have been eliminated. That is, as shown in FIG. 7, when the transition of the number of inputs for a predetermined period including the day on which the extreme value exists is not extreme but shows the same tendency as the previous transition, It is determined that the value has been excluded.
[0034]
When it is determined that the extremum has been excluded (step S19), the constant a when F0 (x) is calculated is a coefficient indicating the contribution of the number of times of input of the classification candidate keyword. That is, when F0 (x) = F1 (x) -aF2 (x), the constant a multiplied by the function F2 (x) indicating the moving average graph of the “Sakura front” is the same as “Sakura” in 2002. It is a coefficient indicating the number of times of input on March 20 in the meaning of "Sakura front".
[0035]
On the other hand, if the extreme value has not been eliminated (step S19), the process returns to step S17, where the value of the constant a is changed and the calculation of F0 (x) is performed again. For example, if the extreme value is small in the graph represented by F0 (x), but the extreme value still exists, the value of the constant a is increased. On the other hand, a new extreme value, for example, the number of inputs on March 20, 2002 is extremely reduced in the graph represented by F0 (x), and a new extreme value is generated around March 20, 2002. If so, the calculation is performed by decreasing the value of the constant a.
[0036]
Next, when all the extrema are excluded from the moving average graph of the classification target keyword (step S20), the number of times the classification target keyword is input among the number of classification target keyword inputs is calculated. (Step S21). In other words, if all the extrema that existed in the graph representing the transition of the number of times of input of the classification target keyword by a moving average for 7 days were excluded, the classification used when each extremum was excluded The number of times of input in the meaning of the candidate keyword is calculated. For example, by multiplying the number of “Sakura Front” input on March 20, 2002 by the constant a calculated in step S17, the number of “Sakura Front” input on March 20, 2002 is changed to “Sakura Front”. Is calculated in the meaning of "." If all the extrema have not been excluded from the moving average graph of the classification target keyword, the process returns to step S14, and the processing of steps S14 to S19 is performed.
[0037]
Next, the calculated number of times of inputting the meaning of each classification candidate keyword is displayed on the display unit 26 (step S22). That is, of the number of times of input as a classification target keyword, the number of times of input of the meaning of each classification candidate keyword on the day when the extreme value exists is displayed on the
[0038]
The keyword semantic classification system according to the first embodiment uses a graph of classification candidate keywords in which the transition of the classification target keyword and the number of times of input are linked, and removes an extreme value from the graph of the classification target keyword. A coefficient indicating the contribution of the classification candidate keyword is calculated. Therefore, the number of inputs for each meaning can be calculated from the number of inputs of the classification target keyword having a plurality of meanings. For example, of the number of times "Sakura Front" is input, the number of times of input in the meaning of "Sakura Front" can be grasped, and the consumer's interest in "Sakura Front" can be accurately grasped. As a result, it is possible to properly grasp what products consumers are interested in, etc., to quickly identify so-called top-selling products, determine the timing and amount of procurement of hot-selling products, determine the development of new products, etc. Useful information for marketing support can be obtained.
[0039]
Note that, in the keyword semantic classification system according to the first embodiment, when the graph shape of a part indicating an extreme value is categorized into a predetermined type, a difference between a rising slope and a falling slope is different. , "0.8" or less, within the range of "0.8 to 1.25", or "1.25" or more, but when comparing the ascending slope and the descending slope, The difference may be set arbitrarily.
[0040]
Further, in the keyword meaning classification system according to the first embodiment described above, the transition of the number of inputs of the classification target keyword and the classification candidate keyword is represented by a moving average graph, but the moving average may not be used. That is, the number of daily inputs may be shown by a graph. Further, for example, the number of inputs in an arbitrary period, such as the number of inputs per hour or the number of inputs per week, may be indicated by a graph.
[0041]
Next, a process performed by the keyword semantic classification system according to the second embodiment will be described with reference to the flowchart in FIG.
[0042]
First, a classification target keyword that is to be classified into the number of inputs for each meaning is selected (step S30). That is, as in the case of step S10 according to the above-described first embodiment, a keyword having a plurality of meanings, for example, “Sakura” is selected as a classification target keyword.
[0043]
Next, a graph showing the transition of the number of inputs of the classification target keyword selected in step S30 is created (step S31). For example, as shown in FIG. 9, a graph showing the transition of the number of inputs of “Sakura” from December 1, 2001 to November 30, 2002 as the number of inputs on the vertical axis and the date on the horizontal axis Create Note that the created graph is stored in the
[0044]
Next, a keyword used when classifying the number of times of input of the classification target keyword for each meaning, that is, a classification candidate keyword that affects the number of times of classification target keyword input is selected (step S32). That is, the classification candidate keyword is selected by the same processing as the processing in step S12 according to the above-described first embodiment.
[0045]
Next, a graph showing the transition of the number of times of input of each classification candidate keyword is created (step S33). That is, similar to the graph showing the transition of the number of times of input of the classification target keyword “Sakura” shown in FIG. 9, the vertical axis represents the number of inputs and the horizontal axis represents the date. Create a graph showing the transition of the number of times of input of each classification candidate keyword in. The created graph is stored in the
[0046]
Next, a function representing a graph indicating the transition of the number of times of input of the classification target keyword and the classification candidate keyword, that is, a function in which the date is a variable (x) is generated (step S34). That is, a function F0 (x) representing a graph showing the transition of the number of times of input of the classification target keyword “Sakura”, the transition of the number of times of classification candidate keywords that are candidates for separating “Sakura”, for example, “Serial TV drama Sakura” F1 (x) representing a graph showing the transition of the number of inputs of “Sakura front”, function F2 (x) representing a transition of the number of inputs of the “Sakura front”,..., A function Fn representing a graph representing the transition of the number of inputs of the “Sakura flowering information” (X) is generated and stored in the
[0047]
Next, a combination of coefficients indicating the contribution of each classification candidate keyword in the number of times of input of the classification target keyword is calculated (step S35). That is, a combination of a1, a2,..., An which are constants when F0 (x) = a1F1 (x) + a2F2 (x) +... + AnFn (x) is calculated. Here, when calculating a combination of constants first, a combination of constants in which a1, a2,..., An are temporarily set to arbitrary constants is calculated. For example, the first combination of constants is calculated by temporarily setting a1 = a2 =... = An = 1.
[0048]
Next, a graph is created based on the function a1F1 (x) + a2F2 (x) +... + AnFn (x) using the calculated constant (step S36), and based on the shape of the created graph and F0 (x). A comparison is made with the shape of the graph of the classification target keyword "Sakura" (step S37).
[0049]
If the shape of the graph created in step S36 does not substantially match the shape of the graph based on F0 (x) (step S38), the process returns to step S35, and the combination of constants is calculated again. That is, when calculating the combination of the constants a1, a2,..., An after the second time, a predetermined number of duplicates of the temporarily placed constants a1, a2,. Then, a new combination of coefficients is calculated by slightly increasing or decreasing the value of one or more constants in each of the created 10 sets of duplicates. Then, ten graphs based on the functions a1F1 (x) + a2F2 (x) +... + AnFn (x) using the calculated combinations of the ten constants are respectively created (step S36), and the shape of the created graphs Is compared with the shape of the graph based on the function F0 (x) (step S37).
[0050]
Here, if the shape of any of the created graphs does not substantially match the shape of the graph based on the function F0 (x) (step S38), among the ten graphs created in step S36, Ten copies of a combination of constants for which a graph having a shape most similar to the shape of the graph based on the function F0 (x) is generated. Next, a new combination is calculated by slightly increasing or decreasing the value of one or more constants in each of the created 10 sets of duplicates (step S35). Then, ten graphs based on a1F1 (x) + a2F2 (x) +... + AnFn (x) are created (step S36), and the shape of the created graph is compared with the shape of the graph based on F0 (x) ( Step S37).
[0051]
Until the shape of any graph based on the function a1F1 (x) + a2F2 (x) +... + AnFn (x) substantially matches the shape of the graph based on the function F0 (x) (step S38). The processing in steps S35 to S37 is repeated. That is, until the deviation between the shape of any graph based on the function a1F1 (x) + a2F2 (x) +... + AnFn (x) and the shape of the graph based on the function F0 (x) is within a predetermined range, step S35. -The processing in step S37 is repeated.
[0052]
If the shape of the graph created in step S36 substantially matches the shape of the graph based on F0 (x) (step S38), the constants a1, a2,... Is a coefficient indicating the number of times of inputting in the meaning of each classification candidate keyword among the input times of "". Therefore, based on the coefficient calculated in step S35, the number of times of input of the classification target keyword “Sakura” in the meaning of the classification candidate keyword is calculated (step S39), and the calculation result is displayed on the
[0053]
The keyword semantic classification system according to the second embodiment displays a graph having substantially the same shape as the graph showing the transition of the number of input of the classification target keyword, and a graph showing the transition of the number of input of each classification candidate keyword. By using this, the coefficient indicating the degree of contribution of the classification candidate keyword in the number of times of input of the classification target keyword is calculated. Therefore, even if the classification target keyword has many meanings, it is possible to quickly calculate the number of times each classification candidate keyword is input in the meaning.
[0054]
In addition, a combination of coefficients indicating the contribution of the plurality of classification candidate keywords in the number of times of input of the classification target keyword is calculated. Therefore, it is possible to calculate the number of times of inputting the meaning of the classification candidate keyword among the number of times of input of the classification target keyword by each of the plurality of classification candidate keywords. Therefore, the consumer's interest in each classification candidate keyword can be appropriately grasped, and useful marketing support information can be obtained.
[0055]
In the keyword semantic classification system according to the above-described embodiment, the keyword data is obtained from the Web server every day. However, the Web server stores the keyword data for each day for one year, and stores the stored keyword data. Data may be acquired. That is, after the keyword data for one year is stored in the Web server, the keyword meaning classification system may acquire the keyword data for each day of the year from the Web server. In addition, the keyword data may be acquired, for example, every predetermined time or every predetermined day of the week.
[0056]
Further, based on the keyword data for each day in one year, a coefficient indicating the degree of contribution of the classification candidate keyword in the number of times of input of the classification target keyword is calculated. For example, the keyword data for each day for half a year or March is calculated. The coefficient may be calculated based on the coefficient. In this case, for example, when the classification target keyword is a keyword representing a season, the contribution degree of the classification candidate keyword in the number of times of input of the classification target keyword is indicated based on the keyword data for each day in the season period. A coefficient may be calculated.
[0057]
Further, in the keyword meaning classification system according to the above-described embodiment, the coefficient indicating the degree of contribution of the classification candidate keyword in the number of times of input of the classification target keyword is a constant, but this coefficient is not limited to a constant. That is, a coefficient indicating the number of times of input of the classification target keyword in the meaning of the classification candidate keyword may be calculated as a function using date as a variable (x).
[0058]
Further, in the keyword meaning classification system according to the above-described embodiment, keywords having a plurality of meanings are set as the classification target keywords. For example, a company name or the like may be set as the classification target keywords. In this case, a keyword representing a product related to the company, such as a product manufactured or provided by the company selected as the classification target keyword, is selected as a classification candidate keyword. Therefore, the number of times the company name is input to obtain information on a predetermined product or service from the number of times the company name is input can be calculated, and the accurate number of inputs for the predetermined product or service can be obtained. Therefore, it is possible to obtain useful marketing support information that can accurately estimate a consumer's interest in a predetermined product or service.
[0059]
【The invention's effect】
According to the present invention, the coefficient indicating the contribution of the number of times of input of the partially matching keyword to the number of times of input of the classification target keyword for each first predetermined period (for example, every day) is calculated. Then, based on the calculated coefficient, the number of times of input in the meaning of the partially matched keyword among the number of times of input of the classification target keyword is calculated. Therefore, the number of times of input for each of the classification target keywords having a plurality of meanings, for example, the name of a tree, a serial TV drama, and the keyword “Sakura” meaning a person's name can be calculated. As a result, it is possible to accurately grasp the consumer's interest in each of the multiple meanings contained in the classification target keywords, and to formulate an appropriate name sales strategy such as early detection of so-called hot selling products and determination of new product development. For this purpose, useful information for marketing support can be obtained.
[Brief description of the drawings]
FIG. 1 is a block diagram of an entire system including a keyword meaning classification system according to an embodiment of the present invention.
FIG. 2 is a block diagram of a keyword meaning classification system according to the embodiment of the present invention.
FIG. 3 is a diagram showing an example of keyword data stored in the keyword meaning classification system according to the embodiment of the present invention.
FIG. 4 is a flowchart illustrating a process of classifying the number of times of input of a classification target keyword into the number of times of input for each meaning according to the first embodiment of the present invention.
FIG. 5 is an example of a graph showing a transition of the number of times of input of a classification target keyword according to the first embodiment of the present invention.
FIG. 6 is a diagram showing types of graphs according to the first embodiment of the present invention.
FIG. 7 is an example of a graph according to the first embodiment of the present invention from which some extrema have been eliminated;
FIG. 8 is a flowchart illustrating a process of classifying the number of times of input of a classification target keyword into the number of times of input for each meaning according to the second embodiment of the present invention.
FIG. 9 is an example of a graph showing a transition of the number of times of input of a classification target keyword according to the second embodiment of the present invention.
[Explanation of symbols]
2 ... keyword semantic classification system, 4 ... network, 6 ... Web server, 8a, 8b, 8c ... consumer system, 20 ... data control unit, 22 ... keyword data storage unit, 24 ... communication control unit, 26 ...
Claims (4)
前記キーワードデータ記憶手段に記憶されている前記キーワードの中から、入力回数を意味毎の入力回数に分別する対象となる分別対象キーワードを選択するキーワード選択手段と、
前記キーワードデータ記憶手段に記憶されている前記第１の所定期間におけるキーワードの中から、前記分別対象キーワードを一部に含む部分一致キーワードを検索する検索手段と、
前記分別対象キーワードの前記第１の所定期間における入力回数に対する、前記部分一致キーワード毎の入力回数の寄与度を示す係数を算出する係数算出手段と、
前記係数算出手段により算出された係数に基づいて、前記分別対象キーワードの前記第１の所定期間における入力回数の中で、前記部分一致キーワードの意味で入力された回数を該部分一致キーワード毎に算出する寄与回数算出手段と
を備えることを特徴とするキーワード意味分別システム。Keyword data storage means for storing each of the input keywords and the number of times of input of each of the keywords in each first predetermined period;
From the keywords stored in the keyword data storage unit, a keyword selection unit that selects a classification target keyword that is a target for separating the number of inputs into the number of inputs for each meaning,
Search means for searching a partial match keyword that partially includes the classification target keyword from among the keywords in the first predetermined period stored in the keyword data storage means;
Coefficient calculating means for calculating a coefficient indicating a contribution of the number of inputs of each of the partial matching keywords to the number of inputs of the classification target keyword in the first predetermined period;
Based on the coefficient calculated by the coefficient calculating means, the number of times the classification target keyword is input in the meaning of the partially matched keyword among the number of times of input in the first predetermined period is calculated for each of the partially matched keywords. A keyword semantic classification system comprising:
第２の所定期間内における前記分別対象キーワードの前記第１の所定期間毎の入力回数の推移を示す第１のグラフを作成する第１のグラフ作成手段と、
前記第２の所定期間内における前記部分一致キーワードの前記第１の所定期間毎の入力回数の推移を示す第２のグラフを前記部分一致キーワード毎に作成する第２のグラフ作成手段と、
前記第２のグラフの中から、前記第１のグラフにおいて入力回数の極値が存在する前記第１の所定期間に入力回数の極値が存在する第２のグラフを選択するグラフ選択手段とを備え、
前記グラフ選択手段により選択された前記第２のグラフに基づいて、前記第１のグラフに存在する前記極値を排除する係数を算出することを特徴とする請求項１記載のキーワード意味分別システム。The coefficient calculating means,
First graph creating means for creating a first graph showing a transition of the number of inputs of the classification target keyword for each of the first predetermined periods within a second predetermined period;
A second graph creating means for creating, for each of the partial matching keywords, a second graph showing a transition of the number of inputs of the partial matching keyword in the first predetermined period within the second predetermined period;
A graph selecting means for selecting, from the second graph, a second graph in which the extreme value of the number of inputs exists in the first predetermined period in which the extreme value of the number of inputs exists in the first graph. Prepare
2. The keyword semantic classification system according to claim 1, wherein a coefficient for excluding the extreme value existing in the first graph is calculated based on the second graph selected by the graph selection unit.
前記検索手段により検索された全ての前記部分一致キーワード毎の前記第１の所定期間における入力回数に、それぞれの寄与度を示す係数を乗算した場合の合計値と、前記分別対象キーワードの前記第１の所定期間における入力回数とが略同一の値となる係数の組み合わせを算出することを特徴とする請求項１記載のキーワード意味分別システム。The coefficient calculating means,
A total value obtained by multiplying the number of inputs for each of the partial matching keywords searched by the search means in the first predetermined period by a coefficient indicating a contribution level, and the first value of the classification target keyword 2. The keyword semantic classification system according to claim 1, wherein a combination of coefficients having substantially the same value as the number of inputs in the predetermined period is calculated.
第２の所定期間内における前記分別対象キーワードの前記第１の所定期間毎の入力回数の推移を示す第１のグラフを作成する第１のグラフ作成手段と、
前記第２の所定期間内における前記部分一致キーワードの前記第１の所定期間毎の入力回数の推移を示す第２のグラフを前記部分一致キーワード毎に作成する第２のグラフ作成手段とを備え、
前記第２のグラフ毎に定められる係数を前記第２のグラフ毎に乗算して前記第２のグラフを組み合わせた形状と、前記第１のグラフの形状とが略同一となる前記係数の組み合わせを算出することを特徴とする請求項１記載のキーワード意味分別システム。The coefficient calculating means,
First graph creating means for creating a first graph showing a transition of the number of inputs of the classification target keyword for each of the first predetermined periods within a second predetermined period;
Second graph creating means for creating, for each of the partial matching keywords, a second graph showing a transition of the number of times of input of the partial matching keyword in the first predetermined period within the second predetermined period,
A combination of the coefficient obtained by multiplying the coefficient determined for each of the second graphs for each of the second graphs and combining the second graph with the shape of the first graph is substantially the same. The keyword semantic classification system according to claim 1, wherein the keyword is calculated.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003078061A JP4246526B2 (en) | 2003-03-20 | 2003-03-20 | Keyword meaning separation system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003078061A JP4246526B2 (en) | 2003-03-20 | 2003-03-20 | Keyword meaning separation system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004287759A true JP2004287759A (en) | 2004-10-14 |
| JP4246526B2 JP4246526B2 (en) | 2009-04-02 |
Family
ID=33292655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003078061A Expired - Fee Related JP4246526B2 (en) | 2003-03-20 | 2003-03-20 | Keyword meaning separation system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4246526B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006260052A (en) * | 2005-03-16 | 2006-09-28 | Nomura Research Institute Ltd | Keyword analysis system |
| US7848943B2 (en) | 2005-12-22 | 2010-12-07 | International Business Machines Corporation | System and method for supporting purchase or production of products by potential demand prediction |
| JP2017224022A (en) * | 2016-06-13 | 2017-12-21 | ヤフー株式会社 | Query extraction device, retrieval system, advertisement delivery system, query extraction method, and query extraction program |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7210702B2 (en) | 2019-04-02 | 2023-01-23 | 日精エー・エス・ビー機械株式会社 | Blow molding apparatus and blow molding method |
-
2003
- 2003-03-20 JP JP2003078061A patent/JP4246526B2/en not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006260052A (en) * | 2005-03-16 | 2006-09-28 | Nomura Research Institute Ltd | Keyword analysis system |
| JP4504849B2 (en) * | 2005-03-16 | 2010-07-14 | 株式会社野村総合研究所 | Keyword analysis system |
| US7848943B2 (en) | 2005-12-22 | 2010-12-07 | International Business Machines Corporation | System and method for supporting purchase or production of products by potential demand prediction |
| JP2017224022A (en) * | 2016-06-13 | 2017-12-21 | ヤフー株式会社 | Query extraction device, retrieval system, advertisement delivery system, query extraction method, and query extraction program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4246526B2 (en) | 2009-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110020094B (en) | Display method and related device for search results | |
| US8548996B2 (en) | Ranking content items related to an event | |
| CN107341268B (en) | Hot searching ranking method and system | |
| CN107180093B (en) | Information searching method and device and timeliness query word identification method and device | |
| WO2017121251A1 (en) | Information push method and device | |
| US20070038620A1 (en) | Consumer-focused results ordering | |
| US20080040341A1 (en) | Computer processes for adaptively selecting and/or ranking items for display in particular contexts | |
| CN106339502A (en) | Modeling recommendation method based on user behavior data fragmentation cluster | |
| US8983943B2 (en) | Criteria-specific authority ranking | |
| CN108921398B (en) | Shop quality evaluation method and device | |
| CN107153656B (en) | Information searching method and device | |
| JPWO2007043322A1 (en) | Trend evaluation apparatus, method and program thereof | |
| CN109241451B (en) | Content combination recommendation method and device and readable storage medium | |
| US20130110803A1 (en) | Search driven user interface for navigating content and usage analytics | |
| US20090144226A1 (en) | Information processing device and method, and program | |
| CN111061954B (en) | Search result sorting method and device and storage medium | |
| US10157411B1 (en) | Recommendation system that relies on RFM segmentation | |
| CN108280124A (en) | Product classification method and device, ranking list generation method and device, electronic equipment | |
| CN109446402B (en) | Searching method and device | |
| CN108133058A (en) | A kind of video retrieval method | |
| CN111915409A (en) | Article recommendation method, device and equipment based on article and storage medium | |
| JP2008084193A (en) | Instance selection device, instance selection method and instance selection program | |
| US7949576B2 (en) | Method of providing product database | |
| JP5155290B2 (en) | Purchase stage determination apparatus and purchase stage determination method | |
| CN113779421A (en) | Association recommendation method, device, equipment and computer readable storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20060207 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20060208 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060316 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090106 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090108 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4246526 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120116 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130116 Year of fee payment: 4 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130116 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140116 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |