JP2018073199A - 抽出装置、学習装置、抽出方法、抽出プログラム、学習方法および学習プログラム - Google Patents
抽出装置、学習装置、抽出方法、抽出プログラム、学習方法および学習プログラム Download PDFInfo
- Publication number
- JP2018073199A JP2018073199A JP2016213595A JP2016213595A JP2018073199A JP 2018073199 A JP2018073199 A JP 2018073199A JP 2016213595 A JP2016213595 A JP 2016213595A JP 2016213595 A JP2016213595 A JP 2016213595A JP 2018073199 A JP2018073199 A JP 2018073199A
- Authority
- JP
- Japan
- Prior art keywords
- content
- learning
- text
- distribution
- extraction
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims description 48
- 230000000007 visual effect Effects 0.000 claims abstract description 93
- 239000000284 extract Substances 0.000 claims abstract description 49
- 238000009826 distribution Methods 0.000 claims description 349
- 238000013135 deep learning Methods 0.000 claims description 57
- 230000008569 process Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 description 40
- 210000002569 neuron Anatomy 0.000 description 16
- 238000010586 diagram Methods 0.000 description 14
- 230000010365 information processing Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
〔1−1.抽出装置の一例〕
まず、図1を用いて、抽出装置の一例である配信装置が実行する抽出処理の一例について説明する。図1は、実施形態に係る配信装置が実行する抽出処理の一例を示す図である。なお、図1に示す例では、コンテンツに含まれる情報として、コンテンツのトピックを抽出する処理の一例について記載した。図1では、配信装置10は、インターネット等の所定のネットワークNを介して、任意の情報処理装置100や利用者U01が使用する端末装置200と通信可能である。なお、配信装置10は、任意の数の情報処理装置100や任意の数の端末装置200と通信可能であってよい。
ここで、配信コンテンツのトピックスについて説明する。例えば、配信コンテンツに含まれるテキストは、文字の並びによって生じる文脈そのものや文脈の意味等、配信先となる利用者U01に対して伝えたい情報を示す情報と言える。このため、上述した配信処理において、配信コンテンツに含まれるテキストから、文脈そのものや文脈が内包する意味等といったトピックを精度良く抽出することができた場合、利用者U01が入力した検索クエリと対応する配信コンテンツを精度良く選択することができると考えられる。また、配信コンテンツに含まれるテキストから、複数のトピック(すなわち、トピックス)を抽出し、各トピックと検索クエリとの関連性を算出した場合は、利用者U01が入力した検索クエリと対応する配信コンテンツをさらに精度良く選択することができると考えられる。
そこで、配信装置10は、以下の抽出処理を実行する。まず、配信装置10は、配信コンテンツを受付ける。このような場合、配信装置10は、任意のコンテンツに含まれるテキストの特徴およびそのコンテンツにおけるテキストの視覚的な状態の特徴と、そのコンテンツに含まれる情報(例えば、トピック)との間の関係性を深層学習した学習器を用いて、配信コンテンツからトピック等の情報を抽出する。例えば、配信装置10は、コンテンツに含まれるテキストの特徴およびテキストのコンテンツにおける視覚的な状態の特徴と、コンテンツに含まれる情報の重要度との関係性を深層学習した学習器を用いて、所定のコンテンツから所定のコンテンツに含まれる情報を重要度を考慮して抽出する。
ここで、配信装置10は、テキストの特徴のみならず、テキストを表示した際の視覚的な状態の特徴を深層学習した学習器であれば、任意の学習処理により学習が行われた学習器を記憶してもよい。例えば、上述した説明では、配信装置10は、学習コンテンツの画像を入力した際に学習コンテンツのトピックを出力するように深層学習が行われた学習器を用いた。しかしながら、実施形態は、これに限定されるものではない。
ここで、配信装置10は、学習コンテンツや配信コンテンツに含まれるテキストを表示する際の視覚的な状態の特徴を学習させるのであれば、任意の特徴を学習させてよい。例えば、配信装置10は、学習コンテンツに含まれるテキストの特徴およびそのテキストのレイアウトの特徴に基づいて、学習コンテンツのトピック等の情報を抽出するように深層学習を行った学習器の学習処理を行ってもよく、かかる学習器を用いた抽出処理を実行してもよい。すなわち、配信装置10は、学習コンテンツに含まれるテキストの特徴およびそのテキストの視覚的な状態の特徴とを入力した際に、学習コンテンツの情報を出力するように深層学習が行われた学習器を用いるのであれば、任意の深層学習が行われた学習器を用いてよい。
次に、図1を用いて、配信装置10が実行する抽出処理の一例について説明する。例えば、配信装置10は、新聞記事の画像や中吊り広告の画像等、テキストを含む学習コンテンツと、その学習コンテンツのトピックであって、その学習コンテンツに含まれるテキストの視覚的な特徴を考慮したトピックとの組を学習データとして予め記憶する。そして、配信装置10は、学習コンテンツの画像を入力した際に学習コンテンツのトピックスを出力するようにDNNを構成することで、学習コンテンツに含まれるテキストの特徴およびテキストの視覚的な特徴と、学習コンテンツのトピックとの関係性を深層学習させる(ステップS1)。
以下、上記した抽出処理を実現する配信装置10が有する機能構成の一例について説明する。図2は、実施形態に係る抽出装置の構成例を示す図である。図2に示すように、配信装置10は、通信部20、記憶部30、および制御部40を有する。
続いて、図7、図8を用いて、配信装置10が実行する学習処理および抽出処理の流れの一例について説明する。まず、図7を用いて、配信装置10が実行する学習処理の流れの一例を説明する。図7は、実施形態に係る配信装置が実行する学習処理の流れの一例を示すフローチャートである。
上記では、配信装置10による付与処理の一例について説明した。しかしながら、実施形態は、これに限定されるものではない。以下、配信装置10が実行する抽出処理のバリエーションについて説明する。
上述した抽出処理によって抽出されたトピックは、任意の処理に用いることができる。例えば、配信装置10は、抽出したトピックに基づいて、配信コンテンツの配信態様を決定してもよい。より具体的には、配信装置10は、検索クエリとトピックとの関連性を示すスコアを算出し、算出したスコアに基づいて、配信コンテンツの配信可否や配信順序、端末装置200が表示する際の表示順序等を決定してもよい。すなわち、配信装置10は、抽出したトピックに基づいて、配信コンテンツのリスティングを実現してもよい。
ここで、利用者は、適切な配信コンテンツの生成に学習器DN01を用いてもよい。例えば、配信装置10は、配信候補となるコンテンツを取得し、取得した配信候補となるコンテンツから学習器DN01を用いてトピックを抽出する。そして、利用者は、配信装置10が抽出したトピックと、配信候補となるコンテンツを介して利用者に提供したいトピックとを比較し、各トピックに齟齬がある場合には、トピックの齟齬が解消されるように配信候補となるコンテンツの修正を行う。例えば、利用者は、より重要度が高いトピックに関する画像を追加する、より重要度が低いトピックを示すテキストの表示サイズを小さくする等、配信候補となるコンテンツのレイアウトの修正に、学習器DN01を用いてもよい。なお、学習器DN01を用いて、配信候補となるコンテンツのテキストと、重要なトピックを示す情報とを入力した際に、どのようなレイアウトを行えばよいか、どのような写真を付加すればよいか等といった情報を出力するモデルの学習を行ってもよい。例えば、学習器DN01に、学習コンテンツのテキストと、重要なトピックを示す情報とを入力した際に、レイアウトを示す情報や、学習コンテンツそのものを出力するように、学習器DN01の再学習を行ってもよい。
上述した例では、配信装置10は、学習コンテンツに含まれるテキストが示すトピックのうち、最も重要度が高いトピックおよび2番目に重要度が高いトピックを抽出するように学習器DN01の学習を行った。しかしながら、実施形態は、これに限定されるものではない。
ここで、配信装置10は、テキストの外観的な特徴を反映させた深層学習を実行するのであれば、任意の特徴を反映させてよい。例えば、配信装置10は、テキストの色彩や字体等に基づいて、テキストが示すトピックがポジティブか否かという観点で生成されたトピックスを用いて、学習器DN01の深層学習を行ってもよい。より具体的には、配信装置10は、ポジティブなコンテキストのみを抽出するように学習器DN01の深層学習を行ってもよい。このような深層学習を行った場合、配信装置10は、配信コンテンツに含まれるテキストが示すトピックのうち、ポジティブなトピックのみを出力することとなる。
ここで、上述した説明では、コンテンツに含まれる情報を抽出する処理の一例として、コンテンツに含まれるトピックを抽出する処理の一例について記載した。しかしながら、実施形態は、これに限定されるものではない。例えば、配信装置10は、コンテンツに含まれるテキストの特徴およびテキストのコンテンツにおける視覚的な状態の特徴と、コンテンツに含まれる情報との関係性を深層学習した学習器を用いて、配信コンテンツから配信コンテンツに含まれる情報のうち、所定の利用者に対してリコメンドする情報、すなわち、推奨対象となる情報を抽出してもよい。
配信装置10は、複数の装置が協調することにより、上述した学習処理や抽出処理、配信処理を実現してもよい。例えば、配信装置10は、学習処理部50を有する学習サーバ、抽出処理部60を有する抽出サーバ、および配信部70を有する配信サーバが協調して動作することにより、上述した学習処理、抽出処理、および配信処理が実現されてもよい。また、配信装置10は、例えば、学習処理部50および抽出処理部60を有するバックエンドサーバと、配信部70を有するフロントエンドサーバが強調することで実現されてもよい。また、記憶部30に格納された各データベース31〜33は、配信装置10の内部ではなく、例えば、外部のストレージサーバ等に格納されていてもよい。
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
また、上述してきた実施形態に係る配信装置10は、例えば図9に示すような構成のコンピュータ1000によって実現される。図9は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力IF(Interface)1060、入力IF1070、ネットワークIF1080がバス1090により接続された形態を有する。
上述したように、配信装置10は、配信コンテンツを受付ける。そして、配信装置10は、学習コンテンツに含まれるテキストの特徴およびテキストの学習コンテンツにおける視覚的な状態の特徴と、配信コンテンツに含まれる情報との間の関係性を深層学習した学習器DN01を用いて、配信コンテンツから情報を抽出する。このように、配信装置10は、テキストそのものが有する意味のみならず、テキストの視覚的な特徴を考慮して、配信コンテンツから情報を抽出するので、情報の抽出精度を向上させることができる。
20 通信部
30 記憶部
31 モデルデータベース
32 学習コンテンツデータベース
33 配信コンテンツデータベース
40 制御部
50 学習処理部
51 取得部
52 学習部
60 抽出処理部
61 受付部
62 抽出部
70 配信部
100 情報処理装置
200 端末装置
Claims (17)
- 所定のコンテンツを受付ける受付部と、
コンテンツに含まれるテキストの特徴および当該テキストの当該コンテンツにおける視覚的な状態の特徴と、当該コンテンツに含まれる情報との関係性を深層学習した学習器を用いて、前記所定のコンテンツから当該所定のコンテンツに含まれる情報を抽出する抽出部と、
を有することを特徴とする抽出装置。 - 前記抽出部は、前記学習器として、コンテンツに含まれるテキストの特徴および当該テキストの当該コンテンツにおける視覚的な状態の特徴と、当該コンテンツのトピックとの間の関係性を深層学習した学習器を用いて、前記所定のコンテンツから当該所定のコンテンツのトピックを抽出する
ことを特徴とする請求項1に記載の抽出装置。 - 前記抽出部は、前記所定のコンテンツから、当該所定のコンテンツに含まれる情報のうち、推奨対象となる情報を抽出する
ことを特徴とする請求項1に記載の抽出装置。 - 前記受付部は、前記所定のコンテンツの画像を受付け、
前記抽出部は、前記学習器として、コンテンツの画像から当該コンテンツに含まれる情報を抽出するように前記深層学習を行った学習器を用いて、前記所定のコンテンツの画像から、当該所定のコンテンツに含まれる情報を抽出する
ことを特徴とする請求項1〜3のうちいずれか1つに記載の抽出装置。 - 前記抽出部は、前記学習器として、コンテンツに含まれるテキストの特徴および当該テキストのレイアウトの特徴に基づいて、当該コンテンツに含まれる情報を抽出するように深層学習を行った学習器を用いる
ことを特徴とする請求項1〜4のうちいずれか1つに記載の抽出装置。 - 前記抽出部は、前記視覚的な状態の特徴として、前記コンテンツにおける前記テキストの配置位置、当該テキストの文字の大きさ、当該文字の色、または当該文字の字体の少なくともいずれか1つと、当該コンテンツに含まれる情報との間の関係性を深層学習した学習器を用いる
ことを特徴とする請求項1〜5のうちいずれか1つに記載の抽出装置。 - 前記抽出部は、前記視覚的な状態の特徴として、前記コンテンツのうち前記テキストが占める面積の割合と、当該コンテンツに含まれる情報との間の関係性を深層学習した学習器を用いる
ことを特徴とする請求項1〜6のうちいずれか1つに記載の抽出装置。 - 前記抽出部は、前記学習器として、コンテンツに含まれるテキストの特徴および当該テキストの当該コンテンツにおける視覚的な状態の特徴とを入力した際に、当該コンテンツに含まれる情報を出力するように深層学習が行われた学習器を用いる
ことを特徴とする請求項1〜7のうちいずれか1つに記載の抽出装置。 - 前記抽出部は、前記学習器として、コンテンツに含まれるテキストの特徴、当該テキストの当該コンテンツにおける視覚的な状態の特徴および当該コンテンツに含まれる画像の特徴と、当該コンテンツに含まれる情報との間の関係性を深層学習した学習器を用いる
ことを特徴とする請求項1〜8のうちいずれか1つに記載の抽出装置。 - 前記抽出部が抽出した情報に基づいて、前記所定のコンテンツを配信する配信部
を有することを特徴とする請求項1〜9のうちいずれか1つに記載の抽出装置。 - 前記抽出部は、前記学習器として、コンテンツに含まれるテキストの特徴および当該テキストの当該コンテンツにおける視覚的な状態の特徴と、当該コンテンツに含まれる情報の重要度との関係性を深層学習した学習器を用いて、前記所定のコンテンツから当該所定のコンテンツに含まれる情報を重要度を考慮して抽出する
事を特徴とする請求項1〜10のうちいずれか1つに記載の抽出装置。 - コンテンツに含まれるテキストと、当該テキストの当該コンテンツにおける視覚的な状態とを取得する取得部と、
前記取得部が取得したテキストと当該テキストの前記コンテンツにおける視覚的な状態とを入力した際に、前記コンテンツに含まれる情報を出力するように、学習器を深層学習させる学習部と
を有することを特徴とする学習装置。 - 前記取得部は、前記コンテンツの画像を取得し
前記学習部は、前記コンテンツの画像を入力した際に、前記コンテンツに含まれる情報を抽出するように、学習器を深層学習させる
ことを特徴とする請求項12に記載の学習装置。 - 抽出装置が実行する抽出方法であって、
所定のコンテンツを受付ける受付工程と、
コンテンツに含まれるテキストの特徴および当該テキストの当該コンテンツにおける視覚的な状態の特徴と、当該コンテンツに含まれる情報との関係性を深層学習した学習器を用いて、前記所定のコンテンツから当該所定のコンテンツに含まれる情報を抽出する抽出工程と、
を含むことを特徴とする抽出方法。 - コンピュータに、
所定のコンテンツを受付ける受付手順と、
コンテンツに含まれるテキストの特徴および当該テキストの当該コンテンツにおける視覚的な状態の特徴と、当該コンテンツに含まれる情報との関係性を深層学習した学習器を用いて、前記所定のコンテンツから当該所定のコンテンツに含まれる情報を抽出する抽出手順と、
を実行させるための抽出プログラム。 - 学習装置が実行する学習方法であって、
コンテンツに含まれるテキストと、当該テキストの当該コンテンツにおける視覚的な状態とを取得する取得工程と、
前記取得工程で取得したテキストと当該テキストの前記コンテンツにおける視覚的な状態とを入力した際に、前記コンテンツに含まれる情報を出力するように、学習器を深層学習させる学習工程と
を含むことを特徴とする学習方法。 - コンピュータに、
コンテンツに含まれるテキストと、当該テキストの当該コンテンツにおける視覚的な状態とを取得する取得手順と、
前記取得手順で取得したテキストと当該テキストの前記コンテンツにおける視覚的な状態とを入力した際に、前記コンテンツに含まれる情報を出力するように、学習器を深層学習させる学習手順と
を実行させるための学習プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016213595A JP6723897B2 (ja) | 2016-10-31 | 2016-10-31 | 抽出装置、学習装置、抽出方法、抽出プログラム、学習方法および学習プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016213595A JP6723897B2 (ja) | 2016-10-31 | 2016-10-31 | 抽出装置、学習装置、抽出方法、抽出プログラム、学習方法および学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018073199A true JP2018073199A (ja) | 2018-05-10 |
JP6723897B2 JP6723897B2 (ja) | 2020-07-15 |
Family
ID=62111678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016213595A Active JP6723897B2 (ja) | 2016-10-31 | 2016-10-31 | 抽出装置、学習装置、抽出方法、抽出プログラム、学習方法および学習プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6723897B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021044669A (ja) * | 2019-09-10 | 2021-03-18 | 富士ゼロックス株式会社 | 情報処理装置およびプログラム |
-
2016
- 2016-10-31 JP JP2016213595A patent/JP6723897B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021044669A (ja) * | 2019-09-10 | 2021-03-18 | 富士ゼロックス株式会社 | 情報処理装置およびプログラム |
JP7434762B2 (ja) | 2019-09-10 | 2024-02-21 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6723897B2 (ja) | 2020-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Sentiment analysis of multimodal twitter data | |
CN110325986B (zh) | 文章处理方法、装置、服务器及存储介质 | |
JP6381775B2 (ja) | 情報処理システム及び情報処理方法 | |
JP6462970B1 (ja) | 分類装置、分類方法、生成方法、分類プログラム及び生成プログラム | |
US20150324459A1 (en) | Method and apparatus to build a common classification system across multiple content entities | |
US20160042230A1 (en) | Processing of images during assessment of suitability of books for conversion to audio format | |
US10783431B2 (en) | Image search using emotions | |
US20210209289A1 (en) | Method and apparatus for generating customized content based on user intent | |
US10878473B1 (en) | Content modification | |
US11574123B2 (en) | Content analysis utilizing general knowledge base | |
US20210374398A1 (en) | Constructing a computer-implemented semantic document | |
US20180068340A1 (en) | Creating Meta-Descriptors of Marketing Messages to Facilitate In Delivery Performance Analysis, Delivery Performance Prediction and Offer Selection | |
WO2016162843A1 (en) | Processing a search query and retrieving targeted records from a networked database system | |
JP6605410B2 (ja) | 感情要因推定支援装置、感情要因推定支援方法及び感情要因推定支援用プログラム | |
Catling et al. | The effects of age of acquisition on an object classification task | |
Khan et al. | Urdu sentiment analysis | |
AU2023219798A1 (en) | Tracking concepts within content in content management systems and adaptive learning systems | |
JP6723897B2 (ja) | 抽出装置、学習装置、抽出方法、抽出プログラム、学習方法および学習プログラム | |
JP7133674B1 (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 | |
JP7139189B2 (ja) | 提供装置、提供方法および提供プログラム | |
JP7405525B2 (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 | |
JP2022126998A (ja) | 回答装置、回答方法、回答プログラム | |
Pinarbasi et al. | Natural Language Processing for Global and Local Business | |
Quazi et al. | Twitter sentiment analysis using machine learning | |
US20240211776A1 (en) | Display control system, display control method, and information storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190325 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200225 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200413 |
|
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: 20200526 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200624 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6723897 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |