JP2022063338A5 - - Google Patents

Claims (21)

1. 少なくとも１つのプロセッサにより実行されることにより、
   将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させる、
   ように、前記少なくとも１つのプロセッサを機能させる、ことを特徴とするコンピュータプログラム。
2. 前記所定店舗のＰＯＳ情報を記憶するＰＯＳ情報記憶部から、通信網を介して該ＰＯＳ情報を取得し、
   日付又は所定時間毎に対応付けて天気情報を提供する天気情報サーバから、通信網を介して、前記地域の降水量を示す降水量情報及び該地域の気温を示す気温情報を取得し、
   前記ＰＯＳ情報、前記降水量情報及び前記気温情報を、カレンダー情報に対応付けて格納部に格納し、
   端末装置により指定される指定期間に対応する、前記ＰＯＳ情報、前記降水量情報及び前記気温情報を、前記格納部から抽出し、
   抽出された前記ＰＯＳ情報、前記降水量情報及び前記気温情報を、通信網を介して前記端末装置に出力する、
   ように、前記少なくとも１つのプロセッサを機能させる、請求項１に記載のコンピュータプログラム。
3. 各々が、任意日に対応する、前記地域の実測降水量を示す情報、該地域の実測気温を示す情報、曜日を示す情報、及び、休日を示す情報を含む、第１データセットと、前記任意日に対応する前記所定店舗の実測入店客数を示す情報を含む第２データセットと、を含む複数の教師データを、取得し、
   該複数の教師データをニューラルネットワークに入力して学習させることにより、前記学習済みのニューラルネットワークを取得する、
   ように、前記少なくとも１つのプロセッサを機能させる、請求項２に記載のコンピュータプログラム。
4. 前記複数の教師データを前記格納部から取得するように、前記少なくとも１つのプロセッサを機能させる、請求項３に記載のコンピュータプログラム。
5. 任意日に対応する、前記地域の実測降水量を示す情報、該地域の実測気温を示す情報、曜日を示す情報、及び、休日を示す情報を説明変数とし、前記任意日に対応する前記所定店舗の実測入店客数を示す情報を目的変数とする、重回帰式を生成し、
   前記将来の所定日に対応する、前記地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、前記重回帰式に入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を取得する、
   ように前記少なくとも１つのプロセッサを機能させる、請求項１から請求項４のいずれかに記載のコンピュータプログラム。
6. 過去の複数の日に対応する前記所定店舗の実測入店客数を、１日に含まれる複数の時間帯ごとに集計し、
   移動平均法を用いて、各時間帯の入店客数比率を算出し、
   前記将来の所定日に対応する前記所定店舗の予測入店客数を各時間帯に細分化する、
   ように前記少なくとも１つのプロセッサを機能させる、請求項１から請求項５のいずれかに記載のコンピュータプログラム。
7. 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項１から請求項６のいずれかに記載のコンピュータプログラム。
8. 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項１から請求項７のいずれかに記載のコンピュータプログラム。
9. 前記少なくとも１つのプロセッサが、中央処理装置（ＣＰＵ）、グラフィックスプロセッシングユニット（ＧＰＵ）及び／又はマイクロプロセッサを含む、請求項１から請求項８のいずれかに記載のコンピュータプログラム。
10. 少なくとも１つのプロセッサを具備し、
    該少なくとも１つのプロセッサが、
    将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させる、
    ように構成される、ことを特徴とする処理装置。
11. 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項１０に記載の処理装置。
12. 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項１０又は請求項１１に記載の処理装置。
13. 前記少なくとも１つのプロセッサが、中央処理装置（ＣＰＵ）、グラフィックスプロセッシングユニット（ＧＰＵ）及び／又はマイクロプロセッサを含む、請求項１０から請求項１２のいずれかに記載の処理装置。
14. 少なくとも１つのプロセッサにより実行される方法であって、
    該少なくとも１つのプロセッサが、
    将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させる、
    ことを含む、ことを特徴とする方法。
15. 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項１４に記載の方法。
16. 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項１４又は請求項１５に記載の方法。
17. 前記少なくとも１つのプロセッサが、中央処理装置（ＣＰＵ）、グラフィックスプロセッシングユニット（ＧＰＵ）及び／又はマイクロプロセッサを含む、請求項１４から請求項１６のいずれかに記載の方法。
18. 将来の所定日に対応する、所定店舗が属する地域の予想降水量を示す情報、該地域の予想気温を示す情報、曜日を示す情報、及び、休日を示す情報を、機械学習を実行することにより生成された学習済みのニューラルネットワークに入力することにより、前記将来の所定日に対応する前記所定店舗の予測入店客数を示す情報を前記学習済みのニューラルネットワークから出力させる、ように構成される処理装置と、
    前記予測入店客数を示す情報を前記処理装置から受信する、ように構成される端末装置と、
    を具備することを特徴とするシステム。
19. 前記学習済みのニューラルネットワークが、入力層と、該入力層に接続された中間層と、該中間層に接続された出力層と、を含む、請求項１８に記載のシステム。
20. 前記学習済みのニューラルネットワークが機械学習を行うことにより生成されたものである、請求項１８又は請求項１９に記載のシステム。
21. 前記少なくとも１つのプロセッサが、中央処理装置（ＣＰＵ）、グラフィックスプロセッシングユニット（ＧＰＵ）及び／又はマイクロプロセッサを含む、請求項１８から請求項２０のいずれかに記載のシステム。