JP5615857B2 - 分析装置、分析方法及び分析プログラム - Google Patents
分析装置、分析方法及び分析プログラム Download PDFInfo
- Publication number
- JP5615857B2 JP5615857B2 JP2012036067A JP2012036067A JP5615857B2 JP 5615857 B2 JP5615857 B2 JP 5615857B2 JP 2012036067 A JP2012036067 A JP 2012036067A JP 2012036067 A JP2012036067 A JP 2012036067A JP 5615857 B2 JP5615857 B2 JP 5615857B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- content
- information
- user terminal
- unit
- 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.)
- Expired - Fee Related
Links
- 238000004458 analytical method Methods 0.000 title claims description 141
- 230000005540 biological transmission Effects 0.000 claims description 124
- 238000004364 calculation method Methods 0.000 claims description 99
- 238000000605 extraction Methods 0.000 claims description 65
- 238000000034 method Methods 0.000 claims description 52
- 238000011156 evaluation Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 20
- 230000000644 propagated effect Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 17
- 238000006243 chemical reaction Methods 0.000 description 16
- 239000000284 extract Substances 0.000 description 16
- 230000008859 change Effects 0.000 description 15
- 230000010365 information processing Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response 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)
Description
まず、図1を用いて、実施例1に係る分析システム1について説明する。図1は、実施例1に係る分析システム1の構成例を示す図である。図1に例示するように、実施例1に係る分析システム1には、ユーザ端末10、情報提供装置20、運用者端末30、分析装置100が含まれる。ユーザ端末10、情報提供装置20、運用者端末30及び分析装置100は、有線又は無線により通信を可能にするネットワークNによって互いに接続される。
図1に示すように、分析装置100は、IF(interface)部110と、収集部121と、抽出部122と、属性記憶部131と、フロー情報記憶部132と、分析部140と、グループ情報記憶部151と、分析モデル記憶部152と、出力部160とを有する。
図2は、実施例1に係るユーザ属性記憶部131aの一例を示す図である。図2に示すように、ユーザ属性記憶部131aは、「ユーザID」、「生年月日」、「性別」、「関心情報」といった項目を有する。
次に、図3を用いて、情報源属性記憶部131bについて説明する。図3は、実施例1に係る情報源属性記憶部131bの一例を示す図である。図3に示すように、情報源属性記憶部131bは、「情報源ID」、「情報源属性情報」といった項目を有する。
次に、図4を用いて、コンテンツ属性記憶部131cについて説明する。図4は、実施例1に係るコンテンツ属性記憶部131cの一例を示す図である。図4に示すように、コンテンツ属性記憶部131cは、「コンテンツID」、「発信元」、「コンテンツ属性情報」、「反応状況」といった項目を有する。
次に、図5を用いて、フロー情報記憶部132について説明する。図5は、実施例1に係るフロー情報記憶部132の一例を示す図である。図5に示すように、フロー情報記憶部132は、「発信元」、「発信先」、「コンテンツID」、「発信日時」といった項目を有する。
図1の説明に戻って、分析部140は、属性記憶部131及びフロー情報記憶部132に記憶されている情報に基づいて、分析モデルを生成し、生成した分析モデルに基づいて、ユーザが将来に関心を示す分野を予測する。かかる分析部140は、算出部141と、予測部142とを有する。
まず、算出部141によるグループ分類処理について説明する。算出部141は、ユーザ属性記憶部131aに記憶されているユーザ属性情報(生年月日、性別)や分類毎の関心情報を用いて、各ユーザをいくつかのグループに分類する。具体的には、算出部141は、ユーザ属性情報及び関心情報の類似度が高いユーザほど同一のグループに割り当てられるように各ユーザを所定のグループに分類する。上記例の場合、算出部141は、生年月日が近く、性別が同一であり、関心情報が類似するユーザを同一のグループに分類する。同様にして、算出部141は、情報源属性記憶部131bに記憶されている情報源属性情報を用いて、かかる情報源属性情報の類似度が高い公的情報源ほど同一のグループに割り当てられるように各公的情報源を所定のグループに分類する。
続いて、算出部141による分析モデル生成処理について説明する。算出部141は、フロー情報記憶部132に記憶されているフロー情報を用いて、コンテンツの流通経路、コンテンツが送受信される頻度を示すトポロジー情報を生成する。実施例1に係る算出部141は、トポロジー情報として有向グラフ(Directed Acyclic Graph)を生成するものとする。
図1の説明にもどって、予測部142は、算出部141によって生成された分析モデルに基づいて、ユーザが将来に関心を示す分野を予測する。具体的には、予測部142は、分析モデルにおける送信確率及び送信時間を用いて、所定のコンテンツが所定のユーザに今後伝播する伝播確率や、かかるコンテンツがユーザに伝播する伝播日付を予測する。さらに、予測部142は、今後伝播するコンテンツに対するユーザの関心度や肯定度を予測する。
次に、図9を用いて、実施例1に係る分析装置100によるモデル生成処理の手順について説明する。図9は、実施例1に係る分析装置100によるモデル生成処理手順を示すフローチャートである。
次に、図10を用いて、実施例1に係る分析装置100による予測処理の手順について説明する。図10は、実施例1に係る分析装置100による予測処理手順を示すフローチャートである。
上述してきたように、実施例1に係る分析装置100では、収集部121が、ユーザ端末10のユーザに関するユーザ属性情報や、ユーザ端末10によってコンテンツが送受信された履歴に関する履歴情報を収集する。また、抽出部122が、ユーザ属性情報又は履歴情報から、ユーザが関心を示している分野に関する関心情報を抽出するとともに、履歴情報からコンテンツの送受が行われたユーザ端末10間の関係を示すフロー情報を抽出する。また、算出部141が、フロー情報に基づいて、ユーザ端末10毎に、かかるユーザ端末10によって受信されたコンテンツに関する関連コンテンツがユーザ端末10から他のユーザ端末に送信される送信確率を算出する。また、予測部142が、送信確率に基づいて、所定のユーザ端末10に所定のコンテンツの関連コンテンツが伝播する伝播確率を予測するとともに、所定のユーザ端末10のユーザにおける関心情報に基づいて、関連コンテンツに対するユーザの関心度を予測する。
まず、図11を用いて、実施例2に係る分析システム2について説明する。図11は、実施例2に係る分析システム2の構成例を示す図である。なお、以下では、既に示した構成部位と同様の機能を有する部位には同一符号を付すこととして、その詳細な説明を省略する。図11に例示するように、実施例2に係る分析システム2には、分析装置200が含まれる。
上述してきたように、実施例2に係る分析装置200では、フィードバック情報受信部270が、予測部142によって予測された予測結果に基づいて所定のサービスが提供されたユーザのユーザ端末10から、かかる所定のサービスに対する評価を示すフィードバック情報を受信する。また、算出部241は、フィードバック情報受信部270によって受信されたフィードバック情報に基づいて、分析モデルにおけるユーザの関心情報を補正する。これにより、実施例2に係る分析装置200は、ユーザの評価を反映させた関心情報を用いることで、ユーザの嗜好の変化を正確に予測することができる。
上記実施例では、図8を用いて説明したように、算出部141及び241が、各ノードについて、コンテンツ属性情報毎に、かつ、コンテンツの送信先ノードが同一グループに属するか否かに分けて、送信確率や送信時間等を算出する例を示した。しかし、算出部141及び241は、コンテンツの送信先ノードが同一グループに属するか否かに分けて、送信確率や送信時間を算出するのではなく、ノード間毎に、送信確率や送信時間を算出してもよい。例えば、図8に示した例において、ノードU14、U16及びU17が全て同一のグループに属する場合であっても、算出部141及び241は、ノードU14のノードU16に対する送信確率や送信時間を算出するとともに、ノードU14のノードU17に対する送信確率や送信時間を算出してもよい。
また、上記実施例では、図2〜図4に示した例のように、関心情報や情報源属性情報やコンテンツ属性情報等を「スポーツ」、「芸能」等の分野に分類する例を示した。しかし、関心情報等の分野は、この例に限られない。例えば、関心情報等の分野は、「スポーツ(野球)」、「スポーツ(サッカー)」、「芸能(歌手)」、「芸能(俳優)」のように、より詳細な区分に分けられてもよい。
また、上記実施例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。例えば、上記実施例では、分析装置100及び200が収集部121を有する例を示した。しかし、分析装置100及び200は、収集部121を有しなくてもよい。かかる場合には、分析装置100及び200は、自装置外に設置されている収集部121(ストリーミング収集機)によって収集された各種情報を受信する。
また、上記実施例において説明した分析装置100又は200が実行する処理をコンピュータが実行可能な言語で記述したプログラムを作成することもできる。例えば、分析装置100又は200が実行する処理をコンピュータが実行可能な言語で記述した分析プログラムを作成することもできる。この場合、コンピュータが分析プログラムを実行することにより、上記実施例と同様の効果を得ることができる。さらに、かかる分析プログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録された分析プログラムをコンピュータに読み込ませて実行することにより上記実施例と同様の処理を実現してもよい。以下に、図1に示した分析装置100と同様の機能を実現する分析プログラムを実行するコンピュータの一例を説明する。
上記実施例に係る分析装置100及び200の適用例の1つとして、Webサービス等のユーザに、オンライン環境からアクセス可能な学習サービス(Webラーニング)を提供する場合がある。例えば、運用者端末30は、ユーザ個々に対してオンライン学習環境を構築するサービスを提供する場合に、分析装置100及び200による予測結果に基づいて、ユーザの嗜好に合致した有名人やキャラクタ等を用いたユーザ個人のオンライン学習環境を構成する学習環境構築サービスを提供することができる。また、この例において、分析装置100及び200は、ユーザの嗜好変化を予測し、サービスプロバイダ等の運用者端末30において予め作成されている学習環境の中でユーザのトレンドに応じた適切な学習環境がある場合には、学習環境をユーザに提案することもできる。また、分析装置100及び200は、運用者端末30において適切な学習環境がない場合には、サービスプロバイダ等の運用者端末30に必要な学習環境の種類(ユーザ嗜好にあうキャラクタ等)を通知することにより、運用者端末30にユーザのトレンドに応じた新たな学習環境の作成を促すことも可能である。また、分析装置200は、提供された学習環境について、点数付等によるユーザからの明示的な評価、または、利用頻度、学習能率上限等のユーザの行動履歴を用い環境の適切度を評価した結果をフィードバック情報として受信して、分析モデルをチューニングすることにより、分析精度を向上させることができる。これにより、分析装置200は、よりユーザの嗜好に適した個人の学習環境の構築を可能にする。
121 収集部
122 抽出部
131 属性記憶部
131a ユーザ属性記憶部
131b 情報源属性記憶部
131c コンテンツ属性記憶部
132 フロー情報記憶部
140 分析部
141 算出部
142 予測部
151 グループ情報記憶部
152 分析モデル記憶部
160 出力部
200 分析装置
221 属性情報受信部
240 分析部
241 算出部
270 フィードバック情報受信部
Claims (8)
- ユーザ端末のユーザに関するユーザ属性情報又は当該ユーザ端末によってコンテンツが送受信された履歴に関する履歴情報から前記ユーザが関心を示している分野に関する関心情報を抽出するとともに、前記履歴情報からコンテンツの送受が行われたユーザ端末間の関係を示すフロー情報を抽出する抽出部と、
前記抽出部によって抽出されたフロー情報に基づいて、ユーザ端末毎に、当該ユーザ端末によって受信されたコンテンツに関する関連コンテンツが当該ユーザ端末から他のユーザ端末に送信される送信確率を算出する算出部と、
前記算出部によって算出された送信確率に基づいて、所定のユーザ端末に所定のコンテンツの関連コンテンツが伝播する伝播確率を予測するとともに、当該所定のユーザ端末のユーザにおける関心情報に基づいて、前記関連コンテンツに対する当該ユーザの関心度を予測する予測部と
を備えたことを特徴とする分析装置。 - 前記算出部は、
前記抽出部によって抽出されたフロー情報に基づいて、当該ユーザ端末によってコンテンツが受信されてから前記関連コンテンツが前記他のユーザ端末に送信されるまでの送信時間を算出し、
前記予測部は、
前記算出部によって算出された送信時間に基づいて、所定のユーザ端末に所定の関連コンテンツが伝播するまでの伝播時間をさらに予測する
ことを特徴とする請求項1に記載の分析装置。 - 前記算出部は、
前記ユーザ属性情報、及び、前記関心情報の類似度が高いユーザほど同一のグループに割り当てられるように複数のユーザを所定のグループに分類し、前記ユーザ端末毎に、前記関連コンテンツの送信先ユーザ端末が当該ユーザ端末と同一グループに属するか否かに分けて前記送信確率及び前記送信時間を算出する
ことを特徴とする請求項2に記載の分析装置。 - 前記算出部は、
前記フロー情報に基づいて、前記コンテンツが属する分野毎に、前記関連コンテンツが前記ユーザ端末から前記他のユーザ端末に送信される送信確率、及び、前記関連コンテンツが前記ユーザ端末から前記他のユーザ端末に送信されるまでの送信時間を算出し、
前記予測部は、
前記算出部によって算出されたコンテンツの分野毎の送信確率及び送信時間のうち、前記所定のコンテンツが属する分野に対応する送信確率及び送信時間に基づいて、前記伝播確率及び伝播時間を予測する
ことを特徴とする請求項2又は3のいずれか一つに記載の分析装置。 - 前記所定のユーザ端末のユーザに対してサービスを提供する運用者の運用者端末に対して、前記予測部によって予測された予測結果を出力する出力部
をさらに備えたことを特徴とする請求項1〜4のいずれか一つに記載の分析装置。 - 前記予測部によって予測された予測結果に基づいて所定のサービスが提供されたユーザのユーザ端末から、当該所定のサービスに対する評価を示すフィードバック情報を受信するフィードバック情報受信部をさらに備え、
前記算出部は、
前記フィードバック情報受信部によって受信されたフィードバック情報に基づいて、前記ユーザの関心情報を補正する
ことを特徴とする請求項1〜5のいずれか一つに記載の分析装置。 - 分析装置が実行する分析方法であって、
ユーザ端末のユーザに関するユーザ属性情報又は当該ユーザ端末によってコンテンツが送受信された履歴に関する履歴情報から前記ユーザが関心を示している分野に関する関心情報を抽出するとともに、前記履歴情報からコンテンツの送受が行われたユーザ端末間の関係を示すフロー情報を抽出する抽出工程と、
前記抽出工程によって抽出されたフロー情報に基づいて、ユーザ端末毎に、当該ユーザ端末によって受信されたコンテンツに関する関連コンテンツが当該ユーザ端末から他のユーザ端末に送信される送信確率を算出する算出工程と、
前記算出工程によって算出された送信確率に基づいて、所定のユーザ端末に所定のコンテンツの関連コンテンツが伝播する伝播確率を予測するとともに、当該所定のユーザ端末のユーザにおける関心情報に基づいて、前記関連コンテンツに対する当該ユーザの関心度を予測する予測工程と
を含んだことを特徴とする分析方法。 - ユーザ端末のユーザに関するユーザ属性情報又は当該ユーザ端末によってコンテンツが送受信された履歴に関する履歴情報から前記ユーザが関心を示している分野に関する関心情報を抽出するとともに、前記履歴情報からコンテンツの送受が行われたユーザ端末間の関係を示すフロー情報を抽出する抽出手順と、
前記抽出手順によって抽出されたフロー情報に基づいて、ユーザ端末毎に、当該ユーザ端末によって受信されたコンテンツに関する関連コンテンツが当該ユーザ端末から他のユーザ端末に送信される送信確率を算出する算出手順と、
前記算出手順によって算出された送信確率に基づいて、所定のユーザ端末に所定のコンテンツの関連コンテンツが伝播する伝播確率を予測するとともに、当該所定のユーザ端末のユーザにおける関心情報に基づいて、前記関連コンテンツに対する当該ユーザの関心度を予測する予測手順と
をコンピュータに実行させることを特徴とする分析プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012036067A JP5615857B2 (ja) | 2012-02-22 | 2012-02-22 | 分析装置、分析方法及び分析プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012036067A JP5615857B2 (ja) | 2012-02-22 | 2012-02-22 | 分析装置、分析方法及び分析プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013171500A JP2013171500A (ja) | 2013-09-02 |
JP5615857B2 true JP5615857B2 (ja) | 2014-10-29 |
Family
ID=49265378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012036067A Expired - Fee Related JP5615857B2 (ja) | 2012-02-22 | 2012-02-22 | 分析装置、分析方法及び分析プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5615857B2 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5686934B1 (ja) * | 2014-06-23 | 2015-03-18 | 楽天株式会社 | 情報処理装置、情報処理方法、プログラム、記憶媒体 |
JP2016071604A (ja) * | 2014-09-30 | 2016-05-09 | 株式会社日本総合研究所 | 情報処理装置、情報処理プログラムおよび情報処理方法 |
SG11201703835VA (en) * | 2014-11-14 | 2017-06-29 | Fujitsu Ltd | Site presenting method, site presenting method and site presenting device |
JP2017026537A (ja) * | 2015-07-27 | 2017-02-02 | 清水建設株式会社 | ナビゲーションシステム及びナビゲーションシステムの経路選択方法 |
JP2018041285A (ja) * | 2016-09-07 | 2018-03-15 | 富士通株式会社 | スケジュール管理プログラム、スケジュール管理方法およびスケジュール管理装置 |
JP6494576B2 (ja) * | 2016-09-16 | 2019-04-03 | ヤフー株式会社 | 推定装置、推定方法、及び推定プログラム |
JP6798840B2 (ja) * | 2016-09-16 | 2020-12-09 | ヤフー株式会社 | 推定装置、および推定方法 |
US10585579B2 (en) * | 2016-12-30 | 2020-03-10 | Microsoft Technology Licensing, Llc | Teaching and coaching user interface element with celebratory message |
JP6990983B2 (ja) | 2017-04-18 | 2022-01-12 | ヤフー株式会社 | 推定装置、推定方法、及び推定プログラム |
CN111222903B (zh) * | 2018-11-27 | 2023-04-25 | 北京嘀嘀无限科技发展有限公司 | 用于处理来自在线按需服务平台的数据的***和方法 |
JP2020149196A (ja) * | 2019-03-12 | 2020-09-17 | 国立研究開発法人情報通信研究機構 | パーソナリティ予測装置、および学習データ収集装置 |
JPWO2020234940A1 (ja) * | 2019-05-17 | 2020-11-26 | ||
JP7044337B1 (ja) * | 2021-10-08 | 2022-03-30 | 株式会社Bysent | コンテンツ利用記録分析システム、コンテンツ利用記録分析方法及びコンテンツ利用記録分析プログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004362208A (ja) * | 2003-06-04 | 2004-12-24 | Nippon Telegr & Teleph Corp <Ntt> | プロファイリングシステム、プロファイリング方法、プログラムおよび記録媒体 |
JP5005741B2 (ja) * | 2009-08-12 | 2012-08-22 | ヤフー株式会社 | 伝播状況評価装置、伝播状況評価方法およびプログラム |
JPWO2011083739A1 (ja) * | 2010-01-05 | 2013-05-13 | 日本電気株式会社 | 情報伝達支援装置、情報伝達支援方法およびプログラム |
-
2012
- 2012-02-22 JP JP2012036067A patent/JP5615857B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2013171500A (ja) | 2013-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5615857B2 (ja) | 分析装置、分析方法及び分析プログラム | |
Karimi et al. | News recommender systems–Survey and roads ahead | |
US11861628B2 (en) | Method, system and computer readable medium for creating a profile of a user based on user behavior | |
US11765246B2 (en) | Topical activity monitor and identity collector system | |
US9767166B2 (en) | System and method for predicting user behaviors based on phrase connections | |
US9785888B2 (en) | Information processing apparatus, information processing method, and program for prediction model generated based on evaluation information | |
US10685065B2 (en) | Method and system for recommending content to a user | |
US9946775B2 (en) | System and methods thereof for detection of user demographic information | |
US10685181B2 (en) | Linguistic expression of preferences in social media for prediction and recommendation | |
JP6435426B1 (ja) | 情報分析装置、情報分析方法および情報分析プログラム | |
CN109165975B (zh) | 标签推荐方法、装置、计算机设备及存储介质 | |
CN107862022B (zh) | 文化资源推荐*** | |
US9286379B2 (en) | Document quality measurement | |
WO2013138968A1 (en) | Method and system for hybrid information query | |
WO2018040069A1 (zh) | 信息推荐***及方法 | |
Liu et al. | An improved Apriori–based algorithm for friends recommendation in microblog | |
JP2009193465A (ja) | 情報処理装置、情報提供システム、情報処理方法、およびプログラム | |
KR20150067897A (ko) | 소셜 데이터의 인기도 예측 장치 및 방법 | |
JP2014203442A (ja) | レコメンド情報生成装置及びレコメンド情報生成方法 | |
JP7166116B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2011227721A (ja) | 関心抽出装置、関心抽出方法、及び関心抽出プログラム | |
KR101639656B1 (ko) | 광고 제공 방법 및 서버 장치 | |
Ashraf et al. | Personalized news recommendation based on multi-agent framework using social media preferences | |
Liang et al. | JST-RR model: joint modeling of ratings and reviews in sentiment-topic prediction | |
CN110633408A (zh) | 智能商业资讯的推荐方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140115 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140811 |
|
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: 20140909 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140910 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5615857 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |