JP2019020930A - 学習装置、学習方法、学習プログラム、学習用データ及びモデル - Google Patents
学習装置、学習方法、学習プログラム、学習用データ及びモデル Download PDFInfo
- Publication number
- JP2019020930A JP2019020930A JP2017137434A JP2017137434A JP2019020930A JP 2019020930 A JP2019020930 A JP 2019020930A JP 2017137434 A JP2017137434 A JP 2017137434A JP 2017137434 A JP2017137434 A JP 2017137434A JP 2019020930 A JP2019020930 A JP 2019020930A
- Authority
- JP
- Japan
- Prior art keywords
- user
- learning
- user information
- information
- layer
- 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
- 238000000034 method Methods 0.000 title claims description 25
- 230000009471 action Effects 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010187 selection method Methods 0.000 claims 2
- 230000006399 behavior Effects 0.000 description 32
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 5
- 230000010365 information processing Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000011478 gradient descent method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 235000014510 cooky Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】本願に係る学習装置は、選択部と、学習部とを有する。選択部は、第1行動を行った第1ユーザの第1ユーザ情報との類似性に基づいて、当該第1ユーザと異なる第2ユーザを選択する。学習部は、選択部によって選択された第2ユーザが第1行動を行ったものとした場合の第2ユーザの第2ユーザ情報と、第1ユーザ情報とを用いて、第1行動の予測モデルを学習する。
【選択図】図3
Description
まず、図1を用いて、実施形態に係るネットワークシステム1の構成について説明する。図1に示すように、実施形態に係るネットワークシステム1には、端末装置101〜10n(総称して「10」)と、情報提供装置20と、学習装置100とが含まれる。端末装置10、情報提供装置20、学習装置100は、それぞれネットワークNと有線又は無線により接続される。なお、図1では、ネットワークシステム1に、1台の情報提供装置20と、1台の学習装置100とが含まれる例を示したが、ネットワークシステム1には、複数台の情報提供装置20や、複数台の学習装置100が含まれてもよい。
次に、図2を用いて、実施形態に係る学習装置による学習処理の一例について説明する。図2は、実施形態に係る学習装置による学習処理の一例を示す説明図である。
次に、図3を用いて、実施形態に係る学習装置100の構成について説明する。図3は、実施形態に係る学習装置100の構成例を示す図である。図3に示すように、学習装置100は、通信部110と、ユーザ情報記憶部120と、制御部130とを有する。なお、提供装置100は、提供装置100を利用する管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(液晶ディスプレイ等)を有してもよい。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。図1に示すように、通信部110は、ネットワークNと有線又は無線により接続され、ネットワークNを介して、端末装置10や情報提供装置20との間で情報の送受信を行う。
ユーザ情報記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。図3に示すように、ユーザ情報記憶部120は、購入履歴情報記憶部121と、検索履歴情報記憶部122と、予測モデル情報記憶部123とを記憶する。
購入履歴情報記憶部121は、ユーザの購入履歴情報を記憶する。例えば、購入履歴情報記憶部121は、受信部131によって受信されたユーザの購入履歴情報を記憶する。ここで、図4に、実施形態に係る購入履歴情報記憶部121の一例を示す。図4の例では、購入履歴情報記憶部121には、「購入履歴情報」が「ユーザID」ごとに記憶される。例示として、「購入履歴情報」には、項目「商品」、「購入時刻」、「下位分類」及び「上位分類」が含まれる。
検索履歴情報記憶部122は、ユーザの検索履歴情報を記憶する。例えば、検索履歴情報記憶部122は、受信部131によって受信されたユーザの検索履歴情報を記憶する。ここで、図5に、実施形態に係る検索履歴情報記憶部122の一例を示す。図5の例では、検索履歴情報記憶部122には、「検索履歴情報」が「ユーザID」ごとに記憶される。例示として、「検索履歴情報」には、項目「検索クエリ」及び「検索時刻」が含まれる。
予測モデル情報記憶部123は、選択部132によって選択された学習用データを記憶する。ここで、予測モデル情報記憶部123に記憶されている学習用データは、各ユーザのユーザ情報と、各ユーザに対応付けられるパラメータであって、各ユーザの学習における影響度を示すパラメータとを含む学習用データであって、入力層と出力層とを有し、入力層から出力層までのいずれかの層であって出力層以外の層に属する第1要素と、第1要素と第1要素の重みとに基づいて値が算出される第2要素と、入力層に入力されたユーザ情報に対し、出力層以外の各層に属する各要素を第1要素として、第1要素と第1要素の重みとに基づく演算を行うモデルの入力層に入力されることにより、演算結果を示す出力値をモデルの出力層から出力させ、ユーザ情報に対応するパラメータに応じて決定される正解値と出力値との比較に基づく学習を行なうよう、コンピュータを機能させるための学習用データである。例えば、予測モデル情報記憶部123に記憶されている学習用データは、正解ユーザ及び補助ユーザのそれぞれのユーザ情報と、正解ユーザ及び補助ユーザにそれぞれ対応付けられるパラメータであって、正解ユーザ及び補助ユーザのそれぞれの学習における影響度を示すパラメータとを含む学習用データであって、入力層と出力層とを有し、入力層から出力層までのいずれかの層であって出力層以外の層に属する第1要素と、第1要素と第1要素の重みとに基づいて値が算出される第2要素と、入力層に入力されたユーザ情報に対し、出力層以外の各層に属する各要素を第1要素として、第1要素と第1要素の重みとに基づく演算を行うモデルの入力層に入力されることにより、演算結果を示す出力値をモデルの出力層から出力させ、ユーザ情報に対応するパラメータに応じて決定される正解値と出力値との比較に基づく学習を行なうよう、コンピュータを機能させるための学習用データである。
制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)、MPU(Micro Processing Unit)等のプロセッサによって、学習装置100内部の記憶装置に記憶されている各種プログラムがRAM等を作業領域として実行されることにより実現される。また、制御部130は、コントローラ(controller)であり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現されてもよい。
受信部131は、端末装置10のユーザに関連するユーザ情報を、情報提供装置20から受信する。例えば、受信部131は、情報提供装置20によって提供されるウェブサイト上でのユーザの行動についての行動履歴情報を、情報提供装置20から受信する。具体的には、受信部131は、ユーザの購入履歴情報とユーザの検索履歴情報とを含む行動履歴情報を、情報提供装置20から受信する。
選択部132は、ユーザ情報に含まれる複数のユーザのうちから、特定の行動を行ったユーザを、当該特定の行動についての予測モデルの学習に用いる「正解ユーザ」として選択する。そして、選択部132は、特定の行動を行ったユーザのユーザ情報との類似性に基づいて、ユーザ情報に含まれる複数のユーザのうちから、当該特定の行動を行ったユーザと異なるユーザを、当該特定の行動についての予測モデルの学習に用いる「補助ユーザ」として選択する。そして、選択部132は、選択された正解ユーザのユーザ情報と、選択された補助ユーザのユーザ情報とを、学習用データとして予測モデル情報記憶部123に格納する。
学習部133は、選択部132によって選択された正解ユーザのユーザ情報に、第1の重みを割り当てる。また、学習部133は、選択部132によって選択された補助ユーザのユーザ情報に、第1の重みよりも小さい第2の重みを割り当てる。そして、学習部133は、補助ユーザが特定の行動を行ったものとした場合の補助ユーザのユーザ情報と、正解ユーザのユーザ情報とを用いて、当該特定の行動の予測モデルを学習する。そして、学習部133は、学習された予測モデルを、予測モデル情報記憶部123に格納する。学習部133によって行われる予測モデルの学習は、線形回帰、ロジスティック回帰、ニューラルネットワーク、サポートベクターマシン、決定木学習などを含むことができるが、これらに限定されない。
提供部134は、学習部133によって学習された予測モデルを、情報提供装置20に提供する。また、学習部133によって学習された予測モデルの出力データを、情報提供装置20に提供してもよい。例えば、提供部134は、予測モデルに従った情報処理により、所定のユーザのユーザ情報を入力層に入力する。そして、提供部134は、入力データを中間層と出力層に伝播させることで出力層から、所定のユーザが特定の行動を行う確率に関する値を出力させる。図4、図5の例では、提供部134は、所定のユーザがパソコンを購入する確率を表すデータを、情報提供装置20に提供してもよい。
次に、実施形態に係る学習装置100による学習処理の手順について説明する。図6は、実施形態に係る学習装置100による学習処理手順を示すフローチャートである。
上述してきた実施形態に係る学習装置100は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下に、上記の学習装置100の他の実施形態について説明する。
上述した学習装置100の選択部132は、正解ユーザC1が行った特定の行動と類似する行動を行ったユーザを、補助ユーザA1として選択した。しかし、この例に限られず、選択部132は、正解ユーザC1のユーザ情報に基づく正解ユーザの特徴に関連する当該正解ユーザ情報との類似性に基づいて、補助ユーザを選択してもよい。以下の説明では、図7を用いて、補助ユーザの動的選択について説明する。
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。
また、上述してきた実施形態に係る提供装置100は、例えば図8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8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。
上述してきたように、実施形態に係る学習装置100は、選択部132と、学習部133とを有する。選択部132は、第1行動(例えば、特定の行動)を行った第1ユーザ(例えば、正解ユーザ)の第1ユーザ情報との類似性に基づいて、当該第1ユーザと異なる第2ユーザ(例えば、補助ユーザ)を選択する。学習部133は、選択部132によって選択された第2ユーザが第1行動を行ったものとした場合の当該第2ユーザの第2ユーザ情報と、第1ユーザ情報とを用いて、第1行動の予測モデルを学習する。
10 端末装置
20 情報提供装置
100 学習装置
121 購入履歴情報記憶部
122 検索履歴情報記憶部
123 予測モデル情報記憶部
131 受信部
132 選択部
133 学習部
134 提供部
Claims (9)
- 第1行動を行った第1ユーザの第1ユーザ情報との類似性に基づいて、当該第1ユーザと異なる第2ユーザを選択する選択部と、
前記選択部によって選択された前記第2ユーザが前記第1行動を行ったものとした場合の前記第2ユーザの第2ユーザ情報と、前記第1ユーザ情報とを用いて、前記第1行動の予測モデルを学習する学習部と、
を備えることを特徴とする学習装置。 - 前記選択部は、
前記第1ユーザ情報である前記第1行動と類似する第2行動を行った前記第2ユーザを選択する、
ことを特徴とする請求項1に記載の学習装置。 - 前記学習部は、
前記第1ユーザ情報に第1の重みを割り当てるとともに、前記選択部によって選択された前記第2ユーザが前記第1行動を行ったものとした場合の前記第2ユーザの前記第2ユーザ情報に、当該第1の重みよりも小さい第2の重みを割り当て、前記予測モデルを学習する、
ことを特徴とする請求項1又は2に記載の学習装置。 - 前記選択部は、
前記第1ユーザ情報に基づく前記第1ユーザの特徴に関連する前記第1ユーザ情報との前記類似性に基づいて、前記第2ユーザを選択する、
ことを特徴とする請求項1に記載の学習装置。 - 前記学習部は、
前記第1ユーザ情報に第1の重みを割り当てるとともに、前記特徴に関連する前記第1ユーザ情報と前記第2ユーザ情報との間の前記類似性に基づいて、前記選択部によって選択された前記第2ユーザが前記第1行動を行ったものとした場合の前記第2ユーザの前記第2ユーザ情報に、第2の重みを割り当て、前記予測モデルを学習する
ことを特徴とする請求項4に記載の学習装置。 - コンピュータが実行する学習方法であって、
第1行動を行った第1ユーザの第1ユーザ情報との類似性に基づいて、当該第1ユーザと異なる第2ユーザを選択する選択工程と、
前記選択工程によって選択された前記第2ユーザが前記第1行動を行ったものとした場合の前記第2ユーザの第2ユーザ情報と、前記第1ユーザ情報とを用いて、前記第1行動の予測モデルを学習する学習工程と、
を含むことを特徴とする学習方法。 - 第1行動を行った第1ユーザの第1ユーザ情報との類似性に基づいて、当該第1ユーザと異なる第2ユーザを選択する選択手順と、
前記選択手順によって選択された前記第2ユーザが前記第1行動を行ったものとした場合の前記第2ユーザの第2ユーザ情報と、前記第1ユーザ情報とを用いて、前記第1行動の予測モデルを学習する学習手順と、
をコンピュータに実行させることを特徴とする学習プログラム。 - 各ユーザのユーザ情報と、前記各ユーザに対応付けられるパラメータであって、前記各ユーザの学習における影響度を示すパラメータとを含む学習用データであって、
入力層と出力層とを有し、前記入力層から前記出力層までのいずれかの層であって前記出力層以外の層に属する第1要素と、前記第1要素と前記第1要素の重みとに基づいて値が算出される第2要素と、前記入力層に入力された前記ユーザ情報に対し、前記出力層以外の各層に属する各要素を前記第1要素として、前記第1要素と前記第1要素の重みとに基づく演算を行うモデルの前記入力層に入力されることにより、演算結果を示す出力値を前記モデルの前記出力層から出力させ、前記ユーザ情報に対応するパラメータに応じて決定される正解値と前記出力値との比較に基づく学習を行なうよう、
コンピュータを機能させるための学習用データ。 - ユーザの学習における影響度を示すパラメータが対応付けられたユーザ情報が入力される入力層と、
出力層と、
前記入力層から前記出力層までのいずれかの層であって前記出力層以外の層に属する第1要素と、
前記第1要素と前記第1要素の重みとに基づいて値が算出される第2要素と、を含み、
前記入力層に入力されたユーザ情報に対し、前記出力層以外の各層に属する各要素を前記第1要素として、前記第1要素と前記第1要素の重みとに基づく演算を行うことにより、前記ユーザの情報の提供に用いられるスコアの値を前記出力層から出力する、前記ユーザ情報に対応するパラメータに応じて決定される正解値と前記出力値との比較に基づいて学習されるよう、
コンピュータを機能させ生成されたモデル。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017137434A JP7231322B2 (ja) | 2017-07-13 | 2017-07-13 | 学習装置、学習方法、学習プログラム及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017137434A JP7231322B2 (ja) | 2017-07-13 | 2017-07-13 | 学習装置、学習方法、学習プログラム及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019020930A true JP2019020930A (ja) | 2019-02-07 |
JP7231322B2 JP7231322B2 (ja) | 2023-03-01 |
Family
ID=65355567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017137434A Active JP7231322B2 (ja) | 2017-07-13 | 2017-07-13 | 学習装置、学習方法、学習プログラム及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7231322B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020154614A (ja) * | 2019-03-19 | 2020-09-24 | ヤフー株式会社 | 推定装置、推定方法及び推定プログラム |
JP2023042995A (ja) * | 2021-09-15 | 2023-03-28 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2023042996A (ja) * | 2021-09-15 | 2023-03-28 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004203531A (ja) * | 2002-12-24 | 2004-07-22 | Canon Inc | 商品の適正在庫管理 |
JP2004294264A (ja) * | 2003-03-27 | 2004-10-21 | Mazda Motor Corp | ナビゲーションシステム |
JP2013503391A (ja) * | 2009-08-27 | 2013-01-31 | アリババ グループ ホールディング リミテッド | 電子商取引ウェブサイトでの情報マッチングの方法及びシステム |
JP2013228812A (ja) * | 2012-04-24 | 2013-11-07 | Nec Corp | 行動モデル作成システム、行動モデル作成方法及び行動モデル作成プログラム |
WO2015049802A1 (ja) * | 2013-10-04 | 2015-04-09 | 株式会社日立製作所 | データベース生成装置およびその生成方法 |
-
2017
- 2017-07-13 JP JP2017137434A patent/JP7231322B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004203531A (ja) * | 2002-12-24 | 2004-07-22 | Canon Inc | 商品の適正在庫管理 |
JP2004294264A (ja) * | 2003-03-27 | 2004-10-21 | Mazda Motor Corp | ナビゲーションシステム |
JP2013503391A (ja) * | 2009-08-27 | 2013-01-31 | アリババ グループ ホールディング リミテッド | 電子商取引ウェブサイトでの情報マッチングの方法及びシステム |
JP2013228812A (ja) * | 2012-04-24 | 2013-11-07 | Nec Corp | 行動モデル作成システム、行動モデル作成方法及び行動モデル作成プログラム |
WO2015049802A1 (ja) * | 2013-10-04 | 2015-04-09 | 株式会社日立製作所 | データベース生成装置およびその生成方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020154614A (ja) * | 2019-03-19 | 2020-09-24 | ヤフー株式会社 | 推定装置、推定方法及び推定プログラム |
JP7195187B2 (ja) | 2019-03-19 | 2022-12-23 | ヤフー株式会社 | 推定装置、推定方法及び推定プログラム |
JP2023042995A (ja) * | 2021-09-15 | 2023-03-28 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP2023042996A (ja) * | 2021-09-15 | 2023-03-28 | ヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
JP7407779B2 (ja) | 2021-09-15 | 2024-01-04 | Lineヤフー株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7231322B2 (ja) | 2023-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10332015B2 (en) | Particle thompson sampling for online matrix factorization recommendation | |
US11544336B2 (en) | Collaborative-filtered content recommendations with justification in real-time | |
US9256826B2 (en) | Predicting reactions to short-text posts | |
US20200126035A1 (en) | Recommendation method and apparatus, electronic device, and computer storage medium | |
JP5955286B2 (ja) | 評価算出装置、評価算出方法及び評価算出プログラム | |
US20140180804A1 (en) | Tunable Algorithmic Segments | |
JP6698040B2 (ja) | 生成装置、生成方法及び生成プログラム | |
CN110866040B (zh) | 用户画像生成方法、装置和*** | |
JP2019139521A (ja) | 予測装置、予測方法、及び予測プログラム | |
JP7231322B2 (ja) | 学習装置、学習方法、学習プログラム及びプログラム | |
JP2019053409A (ja) | 付与装置、付与方法、付与プログラム、及びモデル | |
US20170286642A1 (en) | Digital Rights Management Progressive Control and Background Processing | |
JP2016004551A (ja) | 特定装置、特定方法及び特定プログラム | |
JP2019036173A (ja) | 算出装置、算出方法、算出プログラム及び第2モデル | |
JP2021149681A (ja) | 判定装置、判定方法及び判定プログラム | |
JP7073557B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP2019021210A (ja) | 特定装置および特定方法 | |
JP6983672B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP6529559B2 (ja) | 学習装置、生成装置、学習方法、生成方法、学習プログラム、生成プログラム、及びモデル | |
JP2020035072A (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 | |
JP5996747B1 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP7044821B2 (ja) | 情報処理システム、および情報処理方法 | |
JP7032595B1 (ja) | 情報提供装置、情報処理方法、およびプログラム | |
US11669424B2 (en) | System and apparatus for automated evaluation of compatibility of data structures and user devices based on explicit user feedback | |
JP6835759B2 (ja) | 予測装置、予測方法および予測プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210209 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210412 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210928 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211220 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20211220 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20220105 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20220111 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20220210 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20220215 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220510 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20220628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220829 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20220927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221124 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20221213 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20221220 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20230117 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20230117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230216 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7231322 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |