JP6283001B2 - Information processing apparatus, information processing method, and information processing program - Google Patents
Information processing apparatus, information processing method, and information processing program Download PDFInfo
- Publication number
- JP6283001B2 JP6283001B2 JP2015124204A JP2015124204A JP6283001B2 JP 6283001 B2 JP6283001 B2 JP 6283001B2 JP 2015124204 A JP2015124204 A JP 2015124204A JP 2015124204 A JP2015124204 A JP 2015124204A JP 6283001 B2 JP6283001 B2 JP 6283001B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- future
- intention
- past
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 197
- 238000003672 processing method Methods 0.000 title claims description 6
- 230000009471 action Effects 0.000 claims description 63
- 238000001514 detection method Methods 0.000 claims description 38
- 230000007704 transition Effects 0.000 claims description 31
- 238000009825 accumulation Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 description 74
- 230000001186 cumulative effect Effects 0.000 description 50
- 238000012545 processing Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 19
- 230000006399 behavior Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 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
本発明は、情報処理装置、情報処理方法および情報処理プログラムに関する。 The present invention relates to an information processing apparatus, an information processing method, and an information processing program.
近年、ユーザの所在地を予測する技術が知られている。例えば、このような予測に関する技術では、ユーザが過去に滞在していた位置に関する情報と、スケジューラや検索ログの情報とを用いて、ユーザが今後滞在する場所を推測する。 In recent years, techniques for predicting the location of a user are known. For example, in such a technique related to prediction, a location where the user will stay in the future is estimated using information on a position where the user has stayed in the past and information on a scheduler or a search log.
しかしながら、上記の従来技術では、未来に関する事象を高い精度で検出することができるとは限らなかった。例えば、上記の従来技術では、ユーザが過去に滞在していた位置と、ユーザ個人のスケジューラに含まれる予定との間の共起関係に基づいてユーザが今後滞在する場所を推測するに過ぎないので、未来に関する事象を高い精度で検出することができるとは限らなかった。上記の従来技術はユーザ個人の場合を想定したものと思われるが、不特定多数のユーザを対象とする場合でも未来に関する事象についての検出の精度と言う点では課題は残る。 However, with the above-described conventional technology, events related to the future cannot always be detected with high accuracy. For example, in the above-described conventional technology, since the user is only inferring where the user will stay in the future based on the co-occurrence relationship between the position where the user stayed in the past and the schedule included in the user's personal scheduler It was not always possible to detect events related to the future with high accuracy. Although the above prior art seems to assume the case of individual users, there is still a problem in terms of the accuracy of detection of events related to the future even when targeting an unspecified number of users.
本願は、上記に鑑みてなされたものであって、未来に関する事象を高い精度で検出することができる情報処理装置、情報処理方法および情報処理プログラムを提供することを目的とする。 The present application has been made in view of the above, and an object thereof is to provide an information processing apparatus, an information processing method, and an information processing program capable of detecting an event related to the future with high accuracy.
本願に係る情報処理装置は、現時点より過去の行動に関する意思を示す過去意思情報と、前記過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する取得部と、前記取得部によって取得された過去意思情報及び未来意思情報に基づいて前記未来に関する事象を検出する検出部とを備えたことを特徴とする。 The information processing apparatus according to the present application includes past intention information indicating intentions related to past actions from the present time, and future intention information indicating actions corresponding to the past actions and indicating future actions for a predetermined period from the present time. An acquisition unit for acquiring and a detection unit for detecting an event related to the future based on past intention information and future intention information acquired by the acquisition unit are provided.
実施形態の一態様によれば、未来に関する事象を高い精度で検出することができるという効果を奏する。 According to one aspect of the embodiment, there is an effect that an event related to the future can be detected with high accuracy.
以下に、本願に係る情報処理装置、情報処理方法および情報処理プログラムを実施するための形態(以下、「実施形態」と呼ぶ)について図面を参照しつつ詳細に説明する。なお、この実施形態により本願に係る情報処理装置、情報処理方法および情報処理プログラムが限定されるものではない。また、以下の実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。 Hereinafter, a mode for carrying out an information processing apparatus, an information processing method, and an information processing program according to the present application (hereinafter referred to as “embodiment”) will be described in detail with reference to the drawings. Note that the information processing apparatus, the information processing method, and the information processing program according to the present application are not limited by this embodiment. Moreover, in the following embodiment, the same code | symbol is attached | subjected to the same site | part and the overlapping description is abbreviate | omitted.
〔1.実施形態〕
〔1−1.実施形態に係る検出処理〕
まず、図1を用いて、実施形態に係る検出処理の一例について説明する。図1は、実施形態に係る情報処理システム1による検出処理の一例を示す説明図である。図1の例では、情報処理装置100によって未来に関する異常(事象の一例に相当)を検出する検出処理が行われる。
[1. Embodiment)
[1-1. Detection Processing According to Embodiment]
First, an example of detection processing according to the embodiment will be described with reference to FIG. FIG. 1 is an explanatory diagram illustrating an example of detection processing by the
図1に示すように、情報処理システム1には、端末装置10A〜10Cと、情報提供サーバ50と、情報処理装置100とが含まれる。端末装置10A〜10C、情報提供サーバ50、情報処理装置100は、それぞれネットワークと有線または無線により通信可能に接続される。なお、以下では、端末装置10A〜10Cの各装置を区別なく総称する場合には、「端末装置10」と記載する場合がある。
As illustrated in FIG. 1, the
端末装置10は、一例としては、スマートフォンや、PC(Personal Computer)や、タブレット型端末や、携帯電話機、PDA(Personal Digital Assistant)等の情報処理装置である。例えば、端末装置10は、情報提供サーバ50に各種のリクエストを送信することで、情報提供サーバ50によって提供される各種の情報を受信して表示する。
As an example, the
情報提供サーバ50は、情報提供サービスを提供するWebサーバである。例えば、情報提供サーバ50は、端末装置10からのリクエストに応じて、交通手段の乗換案内や運行情報などといった路線に関する路線情報を端末装置10に提供する。
The
ここで、例えば、急な天候不良やイベントなどが発生した場合には、通常の場合と比較して駅等に人が多く集まり混雑する場合がある。そこで、情報処理装置100は、端末装置10から送信され情報提供サーバ50に蓄積された情報を用いて、通常の場合と比較して駅が混雑する等といった、過去に関する事象とは異なる未来に関する異常を検出する検出処理を実行する。この点について、図1を用いて詳細に説明する。
Here, for example, when a sudden bad weather or an event occurs, there are cases where more people gather at the station or the like than in a normal case and are congested. Therefore, the
まず、端末装置10は、利用者による検索操作を受け付けて、情報提供サーバ50が提供するWebページから経路の検索を実行する(ステップS1)。ここで、端末装置10は、利用者の行動に関する意思を示す意思情報を情報提供サーバ50に送信する。例えば、端末装置10は、意思情報として、利用者が行く予定の場所と、かかる場所へ行く日時とに関する情報を情報提供サーバ50に送信する。一例としては、端末装置10Aは、意思情報として、端末装置10Aの利用者が路線検索において到着地として指定した場所「A駅」と、到着日時として指定した日時「2015年5月25日17:00」とを含む路線検索情報を、検索日時「2015年5月25日9:01」に情報提供サーバ50に送信する。端末装置10Bは、端末装置10Bの利用者が到着地として指定した場所「A駅」と、到着日時として指定した日時「2015年5月25日18:00」とを含む路線検索情報を、検索日時「2015年5月25日9:02」に情報提供サーバ50に送信する。端末装置10Cは、端末装置10Cの利用者が到着地として指定した場所「A駅」と、到着日時として指定した日時「2015年5月25日17:30」とを含む路線検索情報を、検索日時「2015年5月25日9:03」に情報提供サーバ50に送信する。これにより、情報提供サーバ50は、意思情報を端末装置10から受信する。そして、情報提供サーバ50は、端末装置10から受信した意思情報を記憶部に格納する(ステップS2)。
First, the
続いて、情報処理装置100は、現時点より過去の行動に関する意思を示す過去意思情報と、かかる過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する(ステップS3)。例えば、情報処理装置100は、過去意思情報として、意思情報のうち、現時点より過去の行動に関する意思が示された意思情報を情報提供サーバ50から取得する。一例としては、情報処理装置100は、現時点が「2015年5月25日10:00」である場合には、過去意思情報として、利用者が場所「A駅」を到着地として指定し日時「2015年5月18日17:00」を到着日時として指定した路線検索情報を取得する。また、情報処理装置100は、未来意思情報として、意思情報のうち、かかる過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す意思情報を情報提供サーバ50から取得する。一例としては、情報処理装置100は、現時点が「2015年5月25日10:00」である場合には、未来意思情報として、利用者が場所「A駅」を到着地として指定し日時「2015年5月25日17:00」を到着日時として指定した路線検索情報を取得する。
Subsequently, the
そして、情報処理装置100は、取得された過去意思情報及び未来意思情報に基づいて未来に関する異常を検出する(ステップS4)。具体的には、情報処理装置100は、現時点より過去の第1期間に意思が示された未来意思情報と、かかる第1期間に対応する期間であってかかる第1期間より過去の第2期間に意思が示された過去意思情報とを比較して未来に関する異常を検出する。例えば、情報処理装置100は、第1期間に意思が示された未来意思情報の累積と、第2期間に意思が示された過去意思情報の累積とを比較して未来に関する異常を検出する。この点について、図2を用いて説明する。
And the
図2は、検出処理を説明するための説明図である。図2では、グラフの縦軸は、「A駅」を到着駅として指定する路線検索の累積件数を示す。グラフの横軸は、時間を示す。また、図2の例では、現時点は、「2015年5月25日10:00」である。第1期間は、「2015年5月25日0:00〜10:00」である。第2期間は、「2015年5月18日0:00〜10:00」である。また、図2に示すグラフL1は、「2015年5月18日0:00〜10:00」の期間に、利用者が「A駅」を到着駅として指定した路線検索の累積件数を示す。グラフL2は、「2015年5月25日0:00〜10:00」の期間に、利用者が「A駅」を到着駅として指定した路線検索の累積件数を示す。この場合、情報処理装置100は、グラフL1とグラフL2との間の差異を比較して過去に関する事象とは異なる未来に関する異常を検出する。ここで、グラフL1の時点「2015年5月18日10:00」における累積件数は、「4000件」である。一方、グラフL2の時点「2015年5月25日10:00」における累積件数は、「8000件」である。このため、情報処理装置100は、グラフL2より過去の日の同じ時間帯の累積件数であるグラフL1と比較してグラフL2の累積件数が2倍であり著しく多く、また、到着日時として「2015年5月25日17:00〜18:00」の時間が指定された路線検索の数が多いので、現時点「2015年5月25日10:00」より未来である「2015年5月25日17:00〜18:00」に「A駅」が混雑するといった未来に関する異常を検出する。
FIG. 2 is an explanatory diagram for explaining the detection process. In FIG. 2, the vertical axis of the graph indicates the cumulative number of route searches that designate “A station” as an arrival station. The horizontal axis of the graph indicates time. In the example of FIG. 2, the current time is “May 25, 2015, 10:00”. The first period is “May 25, 2015, 0: 00-10: 00”. The second period is “May 18, 2015, 0: 00-10: 00”. A graph L1 illustrated in FIG. 2 indicates the cumulative number of route searches in which the user designates “A station” as an arrival station during the period “May 18, 2015, 0:00 to 10:00”. The graph L2 indicates the cumulative number of route searches in which the user designates “A station” as an arrival station during the period “May 25, 2015, 0:00 to 10:00”. In this case, the
このように、実施形態に係る情報処理装置100は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する。また、情報処理装置100は、取得された過去意思情報及び未来意思情報に基づいて未来に関する事象を検出する。
As described above, the
これにより、情報処理装置100は、未来の行動と対応する過去の行動を示す過去意思情報を用いて未来に関する事象を検出するので、未来に関する異常を高い精度で検出することができる。
Thereby, since the
また、情報処理装置100は、現時点より過去の第1期間に意思が示された未来意思情報と、第1期間に対応する期間であって第1期間より過去の第2期間に意思が示された過去意思情報とを比較して未来に関する事象を検出する。
Further, the
これにより、情報処理装置100は、現時点より過去の第1期間と第1期間に対応する第2期間との間の意思情報の差異を比較することができるので、未来に関する異常を高い精度で検出することができる。例えば、情報処理装置100は、曜日や時間帯など同じ条件で比較することができるので、未来に関する異常を高い精度で検出することができる。一例としては、情報処理装置100は、「A駅」を到着駅とする路線検索数が過去の対応する期間と比較して多い場合に、未来に関する事象として「A駅」が混雑することを高い精度で検出することができる。また、情報処理装置100は、過去の対応する期間と比較して多い「A駅」を到着駅とする路線検索の到着日時に基づいて、「A駅」が混雑する未来の日時を高い精度で検出することができる。
As a result, the
また、情報処理装置100は、第1期間に意思が示された未来意思情報の累積と、第2期間に意思が示された過去意思情報の累積とを比較して未来に関する事象を検出する。
In addition, the
これにより、情報処理装置100は、未来意思情報の累積の推移と過去意思情報の累積の推移との間の差に基づいて未来に関する事象を検出することができるので、未来に関する異常を高い精度で検出することができる。例えば、情報処理装置100は、異常が発生する場合には未来意思情報の累積が過去意思情報の累積と比較して速いペースで蓄積するので、累積を比較することで未来に関する異常を高い精度で検出することができる。
As a result, the
なお、図1では、情報処理システム1に、3台の端末装置10A〜10Cと、1台の情報提供サーバ50と、1台の情報処理装置100とが含まれる例を示したが、情報処理システム1には、3台に限らず複数台の端末装置10や、複数台の情報提供サーバ50や、複数台の情報処理装置100が含まれてもよい。
1 shows an example in which the
また、図1では、説明を簡単にするため、端末装置10A〜10Cが3つの意思情報を送信する例を示したが、実際には不特定多数の端末装置10から意思情報が送信される。そして、情報提供サーバ50は、情報処理装置100による異常の検出に十分な数の意思情報を保持する。
Further, in FIG. 1, for simplicity of explanation, an example in which the
〔1−2.実施形態に係る情報処理装置の構成〕
次に、図3を用いて、実施形態に係る情報処理装置100の構成について説明する。図3は、実施形態に係る情報処理装置100の構成例を示す図である。図3に示すように、情報処理装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、情報処理装置100は、情報処理装置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(例えば、液晶ディスプレイ等)を有してもよい。
[1-2. Configuration of Information Processing Device According to Embodiment]
Next, the configuration of the
(通信部110について)
通信部110は、例えば、NIC等によって実現される。通信部110は、ネットワークと有線または無線で接続され、ネットワークを介して、端末装置10や情報提供サーバ50との間で情報の送受信を行う。
(About the communication unit 110)
The
(記憶部120について)
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。記憶部120は、意思情報記憶部121と、累積情報記憶部122と、異常情報記憶部123とを有する。
(About the storage unit 120)
The
(意思情報記憶部121について)
意思情報記憶部121は、利用者の行動に関する意思を示す情報を記憶する。具体的には、意思情報記憶部121は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを記憶する。例えば、意思情報記憶部121は、過去意思情報として、現時点より過去の到着日時と到着地とを含む路線検索情報を記憶する。また、意思情報記憶部121は、未来意思情報として、現時点より所定の期間未来の到着日時と到着地とを含む路線検索情報を記憶する。ここで、図4に、実施形態に係る意思情報記憶部121の一例を示す。図4に示すように、意思情報記憶部121は、「ログID」、「ユーザID」、「検索日時」、「到着地」および「到着日時」といった項目を有する。
(About the intention information storage unit 121)
The intention
「ログID」は、意思情報を識別するための識別情報を示す。例えば、「ログID」は、利用者による路線検索のログを識別する固有の識別子が記憶される。「ユーザID」は、利用者を識別するための識別情報を示す。例えば、「ユーザID」は、路線検索を行なった利用者を識別する固有の識別子が記憶される。「検索日時」は、利用者が検索を行なった日時を示す。例えば、「検索日時」には、利用者が路線検索を実行した日時が記憶される。「到着地」は、利用者が検索で指定した到着の場所を示す。例えば、「到着地」には、利用者が路線検索で指定した到着駅の名称が記憶される。「到着日時」は、利用者が検索で指定した到着の日時を示す。例えば、「到着日時」には、利用者が路線検索で指定した駅に到着する日時が記憶される。 “Log ID” indicates identification information for identifying intention information. For example, the “log ID” stores a unique identifier that identifies a log of a route search by the user. “User ID” indicates identification information for identifying a user. For example, the “user ID” stores a unique identifier that identifies the user who performed the route search. “Search date and time” indicates the date and time when the user performed a search. For example, “search date and time” stores the date and time when the user performed a route search. The “arrival place” indicates the arrival place designated by the user in the search. For example, in “arrival place”, the name of the arrival station designated by the user in the route search is stored. “Arrival date and time” indicates the arrival date and time specified by the user in the search. For example, “date and time of arrival” stores the date and time of arrival at the station designated by the user in the route search.
すなわち、図4では、ログID「L11」によって識別される路線検索情報は、ユーザID「U11」のユーザによって検索された情報である例を示している。また、ユーザID「U11」のユーザは、到着地として「A駅」を指定し、到着日時として「2015年5月18日17:00」を指定し、検索日時「2015年5月18日9:01」に路線検索を実行した例を示している。 That is, FIG. 4 illustrates an example in which the route search information identified by the log ID “L11” is information searched by the user with the user ID “U11”. Further, the user with the user ID “U11” designates “A station” as the arrival place, designates “17:00” on May 18, 2015 as the arrival date and time, and designates the search date “May 18, 2015 9”. : 01 "shows an example of route search.
ここで、現時点が「2015年5月25日10:00」である場合には、ログID「L11」によって識別される路線検索情報は、到着日時「2015年5月18日17:00」が現時点より過去なので、過去意思情報として記憶される。同様に、ログID「L12〜L13」によって識別される路線検索情報は、過去意思情報として記憶される。一方、現時点が「2015年5月25日10:00」である場合には、ログID「L21」によって識別される路線検索情報は、到着日時「2015年5月25日17:00」が現時点より未来なので、未来意思情報として記憶される。同様に、ログID「L22〜L24」によって識別される路線検索情報は、未来意思情報として記憶される。 Here, when the current time is “May 25, 2015 10:00”, the route search information identified by the log ID “L11” is the arrival date “May 18, 2015 17:00”. Since it is past from the present time, it is stored as past intention information. Similarly, route search information identified by log IDs “L12 to L13” is stored as past intention information. On the other hand, if the current time is “May 25, 2015 10:00”, the route search information identified by the log ID “L21” is the arrival date “May 25, 2015 17:00” Since it is the future, it is stored as future intention information. Similarly, route search information identified by log IDs “L22 to L24” is stored as future intention information.
(累積情報記憶部122について)
累積情報記憶部122は、意思情報の累積に関する情報を記憶する。具体的には、累積情報記憶部122は、場所ごとに、過去意思情報の累積と未来意思情報の累積とを記憶する。例えば、累積情報記憶部122は、過去意思情報の累積として、現時点より過去に到着日時が指定された路線検索の累積数を到着地ごとに記憶する。また、累積情報記憶部122は、未来意思情報の累積として、現時点より所定の期間未来に到着日時が指定された路線検索の累積数を到着地ごとに記憶する。ここで、図5に、実施形態に係る累積情報記憶部122の一例を示す。図5に示すように、累積情報記憶部122は、「場所」、「日付」、「時刻」および「累積検索数」といった項目を有する。
(Regarding the cumulative information storage unit 122)
The cumulative
「場所」は、利用者の過去または未来の行動に関する場所を示す。例えば、「場所」には、路線検索で指定された到着地が記憶される。「日付」は、路線検索数を累積する期間の対象となる日を示す。「時刻」は、路線検索数を累積する期間の対象となる日の時刻を示す。「累積検索数」は、路線検索数を累積する期間内に行われた路線検索の累積件数を示す。例えば、「累積検索数」には、意思情報記憶部121に記憶された意思情報のうち、対象となる場所が到着地として指定された路線検索の累積検索数が記憶される。一例としては、「累積検索数」には、路線検索数を累積する期間の対象となる日の時刻までに路線検索が行われた検索数の合計値が記憶される。
“Location” indicates a location related to the past or future behavior of the user. For example, the “location” stores the arrival place designated by the route search. “Date” indicates a target date of a period in which the number of route searches is accumulated. “Time” indicates the time of the day that is the target of the period for accumulating the number of route searches. The “accumulated search number” indicates the cumulative number of route searches performed during the period in which the route search number is accumulated. For example, “cumulative search count” stores the cumulative search count of route search in which the target location is designated as the arrival place among the intention information stored in the intention
すなわち、図5では、「2015年5月18日0:00〜6:00」の期間に、場所「A駅」を到着地として指定する路線検索の累積検索数は、「600件」である例を示している。また、「2015年5月18日6:00〜10:00」の期間に、場所「A駅」を到着地として指定する路線検索の累積検索数は、「2015年5月18日0:00〜6:00」の累積検索数が「600件」であって「2015年5月18日0:00〜10:00」の累積検索数が「4000件」なので、「3400件」である例を示している。 That is, in FIG. 5, the cumulative number of route searches that specify the place “A station” as an arrival place during the period “May 18, 2015 0:00 to 6:00” is “600”. An example is shown. In addition, during the period “May 18, 2015, 6:00 to 10:00”, the cumulative number of route searches that specify the location “Station A” as the destination is “May 18, 2015, 0:00 Example of "3400" because the cumulative search count for "~ 6: 00" is "600" and the cumulative search count for "May 18, 2015 0:00-10:00" is "4000" Is shown.
また、図5では、「2015年5月25日0:00〜6:00」の期間に、場所「A駅」を到着地として指定する路線検索の累積検索数は、「700件」である例を示している。また、「2015年5月25日6:00〜10:00」の期間に、場所「A駅」を到着地として指定する路線検索の累積検索数は、「2015年5月25日0:00〜6:00」の累積検索数が「700件」であって「2015年5月25日0:00〜10:00」の累積検索数が「8000件」なので、「7300件」である例を示している。 In FIG. 5, the cumulative number of route searches that specify the place “A station” as the arrival point during the period “May 25, 2015, 0:00 to 6:00” is “700”. An example is shown. In addition, during the period of “May 25, 2015, 6:00 to 10:00”, the cumulative number of route searches that specify the location “Station A” as the destination is “May 25, 2015, 0:00 Example of "7300" because the cumulative search count for "~ 6: 00" is "700" and the cumulative search count for "May 25, 2015 0: 00-10: 00" is "8000" Is shown.
(異常情報記憶部123について)
異常情報記憶部123は、未来に関する事象に関する情報を記憶する。具体的には、異常情報記憶部123は、未来に異常が起きる場所や日時、異常の内容、異常の原因等を記憶する。ここで、図6に、実施形態に係る異常情報記憶部123の一例を示す。図6に示すように、異常情報記憶部123は、「事象ID」、「事象内容」、「場所」、「日時」および「原因」といった項目を有する。
(Abnormal information storage unit 123)
The abnormality
「事象ID」は、未来に関する事象を識別するための識別情報を示す。例えば、「事象ID」には、未来に発生すると検出された異常を識別する固有の識別子が記憶される。「事象内容」は、未来に関する事象の内容を示す。例えば、「事象内容」には、未来に発生すると検出された異常の内容が記憶される。「場所」は、未来に関する事象が起きる場所を示す。例えば、「場所」には、未来に関する異常の発生場所が記憶される。「日時」は、未来に関する事象が起きる日時を示す。例えば、「日時」には、未来に関する異常の発生日時が記憶される。「原因」は、未来に関する事象の原因を示す。例えば、「原因」には、未来に関する異常が発生する原因が記憶される。 “Event ID” indicates identification information for identifying an event related to the future. For example, the “event ID” stores a unique identifier for identifying an abnormality detected to occur in the future. “Event content” indicates the content of an event related to the future. For example, in “event content”, the content of an abnormality detected to occur in the future is stored. “Place” indicates a place where an event related to the future occurs. For example, “location” stores a location where an abnormality relating to the future occurs. “Date and time” indicates the date and time when an event related to the future occurs. For example, “date and time” stores the date and time of occurrence of an abnormality relating to the future. “Cause” indicates the cause of an event related to the future. For example, “Cause” stores the cause of the occurrence of an abnormality relating to the future.
すなわち、図6では、事象ID「Iv1」によって識別される事象の内容は、「混雑」である例を示している。また、事象ID「Iv1」によって識別される事象は、場所「A駅」で、日時「2015年5月25日17:00〜18:00」に起きる例を示している。また、事象ID「Iv1」によって識別される事象の原因は、「花火大会」である例を示している。 That is, FIG. 6 illustrates an example in which the content of the event identified by the event ID “Iv1” is “congested”. Further, an example is shown in which the event identified by the event ID “Iv1” occurs at the place “A station” on the date “May 25, 2015, 17: 00-18: 00”. In addition, an example is shown in which the cause of the event identified by the event ID “Iv1” is “fireworks display”.
(制御部130について)
制御部130は、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、情報処理装置100内部の記憶装置に記憶されている各種プログラム(情報処理プログラムの一例に相当)がRAM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、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る。
(About the control unit 130)
The control unit 130 includes, for example, a CPU (Central Processing Unit), an MPU (Micro Processing Unit), or the like that stores various programs (corresponding to an example of an information processing program) stored in a storage device inside the
制御部130は、図3に示すように、取得部131と、検出部132と、特定部133と、調整部134と、表示制御部135と、送信部136とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部130の内部構成は、図3に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部130が有する各処理部の接続関係は、図3に示した接続関係に限られず、他の接続関係であってもよい。
As shown in FIG. 3, the control unit 130 includes an
(取得部131について)
取得部131は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する。具体的には、取得部131は、端末装置10から送信された意思情報を有する情報提供サーバ50から、過去意思情報および未来意思情報を取得する。例えば、取得部131は、過去意思情報として、意思情報のうち、現時点より過去の行動に関する意思が示された意思情報を取得する。一例としては、取得部131は、現時点が「2015年5月25日10:00」である場合には、過去意思情報として、利用者が場所「A駅」を到着地として指定し日時「2015年5月18日17:00」を到着日時として指定した路線検索情報を取得する。また、取得部131は、未来意思情報として、意思情報のうち、かかる過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す意思情報を取得する。一例としては、取得部131は、現時点が「2015年5月25日10:00」である場合には、未来意思情報として、利用者が場所「A駅」を到着地として指定し日時「2015年5月25日17:00」を到着日時として指定した路線検索情報を取得する。
(About the acquisition unit 131)
The
また、取得部131は、情報提供サーバ50から意思情報を取得した場合に、取得した意思情報を意思情報記憶部121に格納する。例えば、取得部131は、路線検索情報にログIDを付与し、路線検索情報に含まれるユーザIDと、検索日時と、到着地と、到着日時とをログIDに対応付けて意思情報記憶部121に格納する。また、取得部131は、意思情報記憶部121に意思情報を格納した場合に、累積情報記憶部122に記憶された意思情報の累積を更新する。例えば、取得部131は、意思情報記憶部121に路線検索情報を格納した場合に、累積情報記憶部122のデータ項目のうち、路線検索情報が示す「到着地」と対応する路線検索の「累積検索数」を更新する。
In addition, when the
(検出部132について)
検出部132は、取得部131によって取得された過去意思情報及び未来意思情報に基づいて未来に関する事象を検出する。具体的には、検出部132は、現時点より過去の第1期間に意思が示された未来意思情報と、第1期間に対応する期間であって第1期間より過去の第2期間に意思が示された過去意思情報とを比較して未来に関する事象を検出する。例えば、検出部132は、第1期間に意思が示された未来意思情報の累積と、第2期間に意思が示された過去意思情報の累積とを比較して未来に関する事象を検出する。一例としては、検出部132は、同一の到着駅が指定された第1期間の路線検索の累積検索件数と第2期間の路線検索の累積検索件数とを比較して未来に関する事象を検出する。
(About the detector 132)
The
図5の例では、検出部132は、現時点が「2015年5月25日10:00」である場合には、第1期間「2015年5月25日0:00〜10:00」に意思が示された未来意思情報の累積である路線検索の累積検索数「8000件」と、第2期間「2015年5月18日0:00〜10:00」に意思が示された過去意思情報の累積である路線検索の累積検索数「4000件」とを比較して未来に関する事象を検出する。この場合、検出部132は、未来意思情報の累積が過去意思情報の累積の2倍であり著しく多いので、「A駅」で混雑が発生するといった事象を検出する。また、検出部132は、過去の対応する期間と比較して多い「A駅」を到着駅とする路線検索の到着日時に基づいて、「A駅」が混雑する未来の日時を検出する。例えば、検出部132は、意思情報記憶部121に記憶された意思情報を参照し、図4の例では「2015年5月25日17:00〜18:00」を到着日時として指定した路線検索の数が多いので、「2015年5月25日17:00〜18:00」に「A駅」が混雑するといった未来の異常を検出する。
In the example of FIG. 5, when the current time is “May 25, 2015 10:00”, the
(特定部133について)
特定部133は、未来意思情報及び過去意思情報に基づいて事象の原因を特定する。具体的には、特定部133は、現時点より過去の第1期間に意思が示された未来意思情報と、第1期間に対応する期間であって第1期間より過去の第2期間に意思が示された過去意思情報との間の差異が所定の閾値以上となる時点から所定の期間内に情報提供サービスによって提供されたコンテンツに基づいて事象の原因を特定する。この点について、図5の例を用いて説明する。
(About the specific part 133)
The
図5の例では、第1期間「2015年5月25日0:00〜10:00」に意思が示された未来意思情報の累積である路線検索の累積検索数「8000件」と、第2期間「2015年5月18日0:00〜10:00」に意思が示された過去意思情報の累積である路線検索の累積検索数「4000件」との間の差異は、「4000件」である。ここで、所定の閾値は、「4000件」であるものとする。この場合、特定部133は、第1期間の未来意思情報と第2期間の過去意思情報との間の差異が所定の閾値「4000件」以上となる時点「2015年5月25日10:00」から所定の期間内に情報提供サービスによって提供されたコンテンツに基づいて事象の原因を特定する。例えば、特定部133は、「2015年5月25日10:00」から1時間以内である「2015年5月25日9:00〜10:00」に、ユーザの投稿やつぶやきをWeb上で共有する投稿サービスやニュースサイト、SNS(Social Networking Service)などに投稿された記事に基づいて事象の原因を特定する。ここで、特定部133は、未来の行動に関する場所を示す場所情報に基づいて事象の原因を特定する。具体的には、特定部133は、情報提供サービスが提供するコンテンツの中で、場所情報が示す場所と共起する特徴語に基づいて事象の原因を特定する。例えば、場所情報は、未来の行動に関する場所として、路線検索における到着地「A駅」を示すものとする。また、投稿サービスが提供する投稿記事の中では、場所「A駅」と「花火大会」とが共起しているものとする。この場合、特定部133は、「A駅」における事象「混雑」の原因として「花火大会」を特定する。
In the example of FIG. 5, the cumulative number of route searches “8000”, which is the accumulation of future intention information indicated during the first period “May 25, 2015 0: 00: 00-10: 00” The difference between the cumulative number of route searches “4000”, which is the accumulation of past intention information indicated during the period “May 18, 2015 0: 00: 00-10: 00”, is “4000 It is. Here, it is assumed that the predetermined threshold is “4000 cases”. In this case, the specifying
また、特定部133は、特定した事象の原因を異常情報記憶部123に格納する。例えば、特定部133は、「A駅」における事象「混雑」に事象IDを付与し、事象内容「混雑」と、場所「A駅」と、日時「2015年5月25日17:00〜18:00」と、原因「花火大会」とを事象IDに対応付けて異常情報記憶部123に格納する。
Further, the specifying
(調整部134について)
調整部134は、取得部131によって取得された過去意思情報及び未来意思情報に基づいて、未来の行動に関する予測値を算出するモデルを調整する。具体的には、調整部134は、過去意思情報の推移と未来意思情報の推移とを学習することでモデルを調整する。例えば、調整部134は、モデルによって算出される予測値の推移と未来意思情報の推移との間の差が小さくなるようにモデルを調整する。この点について、図7を用いて説明する。
(Regarding the adjustment unit 134)
The
図7は、モデルの調整を説明するための説明図である。図7では、グラフの縦軸は、「A駅」を到着駅として指定する路線検索の累積件数を示す。グラフの横軸は、時間を示す。また、図7の例では、現時点は、「2015年5月25日10:00」である。また、図7に示すグラフL11は、「2015年5月18日0:00〜24:00」の期間に、利用者が「A駅」を到着駅として指定した路線検索の累積件数を示す。グラフL21は、「2015年5月25日0:00〜10:00」の期間に、利用者が「A駅」を到着駅として指定した路線検索の累積件数を示す。グラフL22は、現時点「2015年5月25日10:00」より未来である「2015年5月25日10:00〜24:00」の期間に利用者が「A駅」を到着駅として指定する路線検索の累積件数の予測値を示す。グラフL22の予測値は、「2015年5月18日0:00〜24:00」の過去意思情報の推移などを学習したモデルによって算出される予測値である。ここで、調整部134は、「2015年5月18日0:00〜24:00」の過去意思情報の推移と、「2015年5月25日0:00〜10:00」の未来意思情報の推移とを学習することでモデルを調整する。例えば、調整部134は、モデルによって算出される予測値の推移と未来意思情報の推移との間の差が小さくなるようにモデルを調整する。図7の例では、調整部134は、モデルによって算出される予測値の推移L22が未来意思情報の推移を示すグラフL23に近づくようにモデルを調整する。一例としては、調整部134は、未来意思情報の累積の推移が過去意思情報の累積の推移と比較して蓄積されるペースが速いほどモデルによって算出される予測値が高くなるように調整する。一方、調整部134は、未来意思情報の累積の推移が過去意思情報の累積の推移と比較して蓄積されるペースが遅いほどモデルによって算出される予測値が低くなるように調整する。例えば、調整部134は、未来意思情報の累積の推移が過去意思情報の累積の推移と比較して0.93倍のペースで蓄積されている場合には、モデルによって算出される予測値が0.93倍になるように調整する。
FIG. 7 is an explanatory diagram for explaining model adjustment. In FIG. 7, the vertical axis of the graph indicates the cumulative number of route searches that designate “A station” as the arrival station. The horizontal axis of the graph indicates time. In the example of FIG. 7, the current time is “May 25, 2015, 10:00”. A graph L11 illustrated in FIG. 7 indicates the cumulative number of route searches in which the user designates “A station” as the arrival station during the period “May 18, 2015, 0:00 to 24:00”. The graph L21 indicates the cumulative number of route searches in which the user designates “A station” as an arrival station during the period “May 25, 2015, 0:00 to 10:00”. In graph L22, the user designates “Station A” as the arrival station during the period “May 25, 2015 10: 00-24: 00”, which is the future from “May 25, 2015 10:00” Indicates the predicted value of the cumulative number of route searches to be performed. The predicted value of the graph L22 is a predicted value calculated by a model that has learned the transition of past intention information on “May 18, 2015, 0:00 to 24:00”. Here, the
ここで、図8を用いて、情報処理システム1による未来に関する異常を検出する検出処理、異常の原因を特定する特定処理、モデルを調整する調整処理の流れを説明する。図8は、情報処理システム1における全体の処理の流れを説明するための説明図である。図8に示すように、情報処理装置100は、まず、意思情報を情報提供サーバ50から取得する(ステップS11)。続いて、情報処理装置100は、取得した意思情報である過去意思情報および未来意思情報に基づいて、未来に関する異常を検出する(ステップS12)。その後、情報処理装置100は、未来意思情報及び過去意思情報に基づいて異常の原因を特定する(ステップS13)。また、情報処理装置100は、過去意思情報及び未来意思情報に基づいて、未来の行動に関する予測値を算出するモデルを調整する(ステップS14)。また、情報処理装置100は、検出した異常に関する情報を異常情報記憶部123に格納する(ステップS15)。例えば、情報処理装置100は、特定した原因と対応付けて異常に関する情報を異常情報記憶部123に格納する。なお、情報処理装置100は、上述した順に限らず、ステップS12より先にステップS14の処理を実行してもよい。
Here, the flow of detection processing for detecting an abnormality relating to the future by the
(表示制御部135について)
表示制御部135は、検出部132によって検出された事象に関する情報を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる。具体的には、表示制御部135は、情報提供サービスが提供する路線情報(例えば、路線検索結果)または予定情報(例えば、スケジューラ)に事象を表示させる。例えば、表示制御部135は、ユーザが端末装置10を操作して路線情報を検索した場合に、路線情報の検索結果に異常に関する情報を掲載して端末装置10に表示させる。この点について、図9を用いて説明する。
(About the display control unit 135)
The
図9は、画面の一例を示す図である。ユーザが端末装置10を操作して路線情報を検索した場合には、図9に示すように、路線情報の検索結果画面W1が端末装置10に表示される。ここで、検索結果画面W1には、異常に関する情報として、「混雑が予想されます」といった混雑情報LKが掲載される。また、ユーザが端末装置10を操作して、検索結果画面W1の混雑情報LKを選択した場合には、図9に示すように、混雑情報LKの詳細を示す詳細画面W2が端末装置10に表示される。詳細画面W2には、検出部132によって検出された異常「混雑」が発生する場所PL「A駅」と、日時TI「2015年5月25日17:00〜18:00」と、特定部133によって特定された異常の原因RE「花火大会」とが掲載される。
FIG. 9 is a diagram illustrating an example of a screen. When the user searches the route information by operating the
ここで、図10を用いて、情報処理システム1による表示処理の流れについて説明する。図10は、情報処理システム1による表示処理の流れを説明するための説明図である。図10に示すように、まず、端末装置10は、ユーザからの操作を受け付けて、路線の経路を検索する(ステップS21)。これにより、情報提供サーバ50は、端末装置10から検索結果のリクエストを受信する。その後、情報提供サーバ50は、異常に関する情報のリクエストを情報処理装置100に送信する(ステップS22)。例えば、情報提供サーバ50は、現在日に発生する異常に関する情報のリクエストを送信する。続いて、情報処理装置100は、異常に関する情報のリクエストを受信した場合に、異常情報記憶部123から異常に関する情報を抽出して情報提供サーバ50に送信する(ステップS23)。例えば、情報処理装置100は、異常情報記憶部123から異常の日時が現在日と一致する異常に関する情報を抽出して情報提供サーバ50に送信する。その後、情報提供サーバ50は、ユーザによって検索された経路内で発生する異常がある場合には、かかる異常に関する情報が記載された検索結果を端末装置10に送信する。そして、端末装置10は、異常に関する情報が掲載された検索結果を表示する(ステップS24)。なお、情報提供サーバ50は、ユーザによって検索された経路内で発生する異常がない場合には、通常の検索結果を端末装置10に送信する。そして、端末装置10は、通常の検索結果を表示する。
Here, the flow of display processing by the
(送信部136について)
送信部136は、各種の情報を情報提供サーバ50に送信する。具体的には、送信部136は、表示制御部135によって生成される制御情報を情報提供サーバ50に送信する。例えば、送信部136は、情報提供サーバ50からリクエストがあった場合に、異常情報記憶部123に記憶された異常に関する情報を表示させる制御情報を情報提供サーバ50に送信する。一例としては、送信部136は、異常に関する情報として、異常の内容、異常が発生する場所、異常が発生する日時、異常の原因等といった情報を表示させる制御情報を情報提供サーバ50に送信する。
(About transmitter 136)
The
〔1−3.実施形態に係る情報処理手順〕
次に、図11を用いて、実施形態に係る情報処理装置100による処理の手順について説明する。図11は、実施形態に係る情報処理装置100による情報処理手順を示すフローチャートである。
[1-3. Information Processing Procedure According to Embodiment]
Next, a processing procedure performed by the
図11に示すように、情報処理装置100は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する(ステップS101)。続いて、情報処理装置100は、取得した過去意思情報と未来意思情報とを意思情報記憶部121に格納する(ステップS102)。
As illustrated in FIG. 11, the
そして、情報処理装置100は、取得された過去意思情報及び未来意思情報に基づいて未来に関する異常を検出する(ステップS103)。具体的には、情報処理装置100は、現時点より過去の第1期間に意思が示された未来意思情報と、第1期間に対応する期間であって第1期間より過去の第2期間に意思が示された過去意思情報とを比較して未来に関する異常を検出する。例えば、情報処理装置100は、第1期間に意思が示された未来意思情報の累積と、第2期間に意思が示された過去意思情報の累積とを比較して未来に関する異常を検出する。
Then, the
その後、情報処理装置100は、未来意思情報及び過去意思情報に基づいて異常の原因を特定する(ステップS104)。具体的には、情報処理装置100は、現時点より過去の第1期間に意思が示された未来意思情報と、第1期間に対応する期間であって第1期間より過去の第2期間に意思が示された過去意思情報との間の差異が所定の閾値以上となる時点から所定の期間内に情報提供サービスによって提供されたコンテンツに基づいて異常の原因を特定する。例えば、情報処理装置100は、未来の行動に関する場所を示す場所情報に基づいて異常の原因を特定する。一例としては、情報処理装置100は、情報提供サービスが提供するコンテンツの中で、場所情報が示す場所と共起する特徴語に基づいて異常の原因を特定する。そして、情報処理装置100は、特定した異常の原因を異常情報記憶部123に格納する(ステップS105)。例えば、情報処理装置100は、検出した異常に事象IDを付与し、事象内容と、場所と、日時と、原因とを事象IDに対応付けて異常情報記憶部123に格納する。
Thereafter, the
また、情報処理装置100は、取得された過去意思情報及び未来意思情報に基づいて、未来の行動に関する予測値を算出するモデルを調整する(ステップS106)。具体的には、情報処理装置100は、過去意思情報の推移と未来意思情報の推移とを学習することでモデルを調整する。例えば、情報処理装置100は、予測値の推移と未来意思情報の推移との間の差が小さくなるようにモデルを調整する。
In addition, the
また、情報処理装置100は、異常に関する情報を表示制御する(ステップS107)。具体的には、情報処理装置100は、検出された異常に関する情報を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる表示制御を行なう。例えば、情報処理装置100は、情報提供サービスが提供する路線情報または予定情報に異常に関する情報を表示させる。
Further, the
〔1−4.実施形態の効果〕
上述してきたように、実施形態に係る情報処理装置100は、取得部131と、検出部132とを有する。取得部131は、現時点より過去の行動に関する意思を示す過去意思情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報とを取得する。検出部132は、取得部131によって取得された過去意思情報及び未来意思情報に基づいて未来に関する事象を検出する。これにより、情報処理装置100は、未来の行動と対応する過去の行動を示す過去意思情報を用いて未来に関する事象を検出するので、未来に関する異常を高い精度で検出することができる。
[1-4. Effects of the embodiment
As described above, the
また、実施形態に係る情報処理装置100において、検出部132は、現時点より過去の第1期間に意思が示された未来意思情報と、第1期間に対応する期間であって第1期間より過去の第2期間に意思が示された過去意思情報とを比較して未来に関する事象を検出する。これにより、情報処理装置100は、現時点より過去の第1期間と第1期間に対応する第2期間との間の意思情報の差異を比較することができるので、未来に関する異常を高い精度で検出することができる。例えば、情報処理装置100は、曜日や時間帯など同じ条件で比較することができるので、未来に関する異常を高い精度で検出することができる。一例としては、情報処理装置100は、「A駅」を到着駅とする路線検索数が過去の対応する期間と比較して多い場合に、未来に関する事象として「A駅」が混雑することを高い精度で検出することができる。また、情報処理装置100は、過去の対応する期間と比較して多い「A駅」を到着駅とする路線検索の到着日時に基づいて、「A駅」が混雑する未来の日時を高い精度で検出することができる。
Further, in the
また、実施形態に係る情報処理装置100において、検出部132は、第1期間に意思が示された未来意思情報の累積と、第2期間に意思が示された過去意思情報の累積とを比較して未来に関する事象を検出する。これにより、情報処理装置100は、未来意思情報の累積の推移と過去意思情報の累積の推移との間の差に基づいて未来に関する事象を検出することができるので、未来に関する異常を高い精度で検出することができる。例えば、情報処理装置100は、異常が発生する場合には未来意思情報の累積が過去意思情報の累積と比較して速いペースで蓄積するので、累積を比較することで未来に関する異常を高い精度で検出することができる。
Further, in the
また、実施形態に係る情報処理装置100は、未来意思情報及び過去意思情報に基づいて事象の原因を特定する特定部133をさらに備えてもよい。これにより、情報処理装置100は、利用者の意思に基づいて事象の原因を特定するので、事象の原因を高い精度で特定することができる。
The
また、実施形態に係る情報処理装置100において、特定部133は、現時点より過去の第1期間に意思が示された未来意思情報と、第1期間に対応する期間であって第1期間より過去の第2期間に意思が示された過去意思情報との間の差異が所定の閾値以上となる時点から所定の期間内に情報提供サービスによって提供されたコンテンツに基づいて事象の原因を特定する。これにより、情報処理装置100は、過去意思情報と未来意思情報との間の差が大きくなった時間から所定の期間内に発生したリアルタイムな情報を用いて事象の原因を特定するので、事象の原因を高い精度で特定することができる。
Further, in the
また、実施形態に係る情報処理装置100において、特定部133は、未来の行動に関する場所を示す場所情報に基づいて事象の原因を特定する。これにより、情報処理装置100は、事象と関連する場所から原因を特定することができるので、事象の原因を高い精度で特定することができる。
In the
また、実施形態に係る情報処理装置100において、特定部133は、情報提供サービスが提供するコンテンツの中で、場所情報が示す場所と共起する特徴語に基づいて事象の原因を特定する。これにより、情報処理装置100は、信憑性の高い情報に基づいて事象の原因を特定することができるので、事象の原因を高い精度で特定することができる。
In the
また、実施形態に係る情報処理装置100は、検出部132によって検出された事象に関する情報を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる表示制御部135をさらに備えてもよい。これにより、情報処理装置100は、事象に関する情報を利用者の端末装置10に表示させることができるので、事象を利用者に把握させることができる。
In addition, the
また、実施形態に係る情報処理装置100において、表示制御部135は、情報提供サービスが提供する路線情報または予定情報に事象を表示させる。これにより、情報処理装置100は、例えば路線情報を検索する利用者等の端末装置10に事象に関する情報を表示させることができるので、利用者の利便性を高めることができる。
In the
また、実施形態に係る情報処理装置100は、取得部131によって取得された過去意思情報及び未来意思情報に基づいて、未来の行動に関する予測値を算出するモデルを調整する調整部134をさらに備えてもよい。これにより、情報処理装置100は、未来意思情報と過去意思情報とをモデルに学習させることができるので、モデルが算出する予測値の精度を高めることができる。
The
また、実施形態に係る情報処理装置100において、調整部134は、過去意思情報の推移と未来意思情報の推移とを学習することでモデルを調整する。これにより、情報処理装置100は、現時点までの未来意思情報の推移と過去意思情報の推移とをモデルに学習させることができるので、モデルが算出する予測値の精度を高めることができる。
In the
また、実施形態に係る情報処理装置100において、調整部134は予測値の推移と未来意思情報の推移との間の差が小さくなるようにモデルを調整する。これにより、情報処理装置100は、モデルが算出する予測値の誤差を小さくすることができるので、予測値の精度を高めることができる。
In the
〔2.変形例〕
上述した実施形態に係る情報処理装置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、以下では、上記の情報処理装置100の他の実施形態について説明する。
[2. (Modification)
The
〔2−1.モデルの調整〕
上記の実施形態では、情報処理装置100が過去意思情報及び未来意思情報に基づいて未来の行動に関する予測値を算出するモデルを調整する例を挙げて説明した。ここで、情報処理装置100は、過去意思情報及び未来意思情報に含まれる各種の情報を素性としてモデルを調整してもよい。
[2-1. Model adjustment)
In the above-described embodiment, an example in which the
具体的には、情報処理装置100の調整部134は、過去意思情報及び未来意思情報に含まれる場所、日時又は環境に関する情報のうち少なくとも一つを素性として過去意思情報及び未来意思情報を学習することでモデルを調整する。例えば、調整部134は、「駅」、「駅の種類」、「曜日」、「時間」、「天候」等といった各種のパラメータを素性として、過去意思情報及び未来意思情報の時間経過に伴う蓄積の仕方を学習することでモデルを調整する。
Specifically, the
このように、変形例に係る情報処理装置100は、過去意思情報及び未来意思情報に含まれる場所、日時又は環境に関する情報のうち少なくとも一つを素性として過去意思情報及び未来意思情報を学習することでモデルを調整する。これにより、情報処理装置100は、各種のパラメータに基づいて過去意思情報及び未来意思情報を学習することができるので、モデルの精度を高めることができる。
As described above, the
また、情報処理装置100の調整部134は、過去意思情報及び未来意思情報の推移の平均に基づいてモデルを調整してもよい。また、調整部134は、蓄積された過去意思情報及び未来意思情報に対してノイズ処理を実行し、ノイズを除去した過去意思情報及び未来意思情報を学習してモデルを調整してもよい。また、調整部134は、線形分類器を用いてモデルを調整してもよい。また、調整部134は、行列分解等の工夫を加えてモデルを調整してもよい。これにより、情報処理装置100は、モデルの精度をより高めることができる。
Further, the
〔2−2.表示制御〕
上記の実施形態では、情報処理装置100が事象に関する情報を過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる例を挙げて説明した。ここで、情報処理装置100は、事象に関する情報として各種の情報を表示させるように制御してもよい。
[2-2. Display control〕
In the above embodiment, the
具体的には、情報処理装置100の表示制御部135は、調整部134によって調整されたモデルから算出される予測値を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる。例えば、表示制御部135は、調整部134によって調整されたモデルから算出される予測値を、情報提供サービスが提供する路線情報または予定情報に表示させる。一例としては、表示制御部135は、調整部134によって調整されたモデルから算出される予測値に基づく電車の混雑率を、路線情報の検索結果に表示させる。
Specifically, the
このように、変形例に係る情報処理装置100は、調整部134によって調整されたモデルから算出される予測値を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる。これにより、情報処理装置100は、未来の事象に関する予測値を利用者の端末装置10に表示させることができるので、未来の状況を利用者に把握させることができる。このため、情報処理装置100は、利用者の利便性を向上させることができる。
As described above, the
また、変形例に係る情報処理装置100は、調整部134によって調整されたモデルから算出される予測値を、情報提供サービスが提供する路線情報または予定情報に表示させる。これにより、情報処理装置100は、予測値に基づく混雑率等を路線情報の検索結果やスケジュール等に表示させることができるので、未来の混雑具合等を利用者に把握させることができる。このため、情報処理装置100は、利用者の利便性を向上させることができる。
In addition, the
〔2−3.適用対象〕
上記の実施形態では、情報処理装置100が未来に関する事象として路線検索における混雑状況を予測する例を挙げて説明した。ここで、情報処理装置100は、路線検索に限らず各種のサービスに、未来に関する事象の検出やモデルの調整を適用してもよい。
[2-3. (Applicable)
In the above-described embodiment, the
具体的には、情報処理装置100は、ショッピングサービスにおける商品の売上予測に適用してもよい。この場合、情報処理装置100は、例えば、過去意思情報及び未来意思情報として、現時点より過去の行動に関する意思を示す決済情報と、過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す予約情報とを用いて、未来における商品の売り上げがどの程度か予測を行なう。
Specifically, the
また、他の例では、情報処理装置100は、銘柄検索における株価予測に適用してもよい。この場合、情報処理装置100は、例えば、株価分析指数の一つであるKWレシオを用いて、未来における株価がどの程度か予測を行なう。
In another example, the
これにより、情報処理装置100は、各種のサービスにおいて未来の状況を予測することができるので、サービスを効率良く提供することができる。例えば、情報処理装置100は、商品の売り上げを予測することができるので、商品の仕入れ数や生産数を適切な数に調整することで各種の費用を抑制することができる。また、他の例では、情報処理装置100は、未来の株価を予測することができるので、現時点が買い時か売り時かを示す有益な情報を利用者に提供することができる。
Thereby, since the
〔2−4.変形例の効果〕
上述してきたように、変形例に係る情報処理装置100において、調整部134は、過去意思情報及び未来意思情報に含まれる場所、日時又は環境に関する情報のうち少なくとも一つを素性として過去意思情報及び未来意思情報を学習することでモデルを調整する。
[2-4. Effect of modification)
As described above, in the
これにより、変形例に係る情報処理装置100は、各種のパラメータに基づいて過去意思情報及び未来意思情報を学習することができるので、モデルの精度を高めることができる。
Thereby, the
また、変形例に係る情報処理装置100において、表示制御部135は、調整部134によって調整されたモデルから算出される予測値を、過去意思情報及び未来意思情報を受け付ける情報提供サービスが提供するコンテンツに表示させる。
Further, in the
これにより、変形例に係る情報処理装置100は、未来の事象に関する予測値を利用者の端末装置10に表示させることができるので、未来の状況を利用者に把握させることができる。このため、情報処理装置100は、利用者の利便性を向上させることができる。
Thereby, the
また、変形例に係る情報処理装置100において、表示制御部135は、調整部134によって調整されたモデルから算出される予測値を、情報提供サービスが提供する路線情報または予定情報に表示させる。
In the
これにより、変形例に係る情報処理装置100は、予測値に基づく混雑率等を路線情報の検索結果やスケジュール等に表示させることができるので、未来の混雑具合等を利用者に把握させることができる。このため、情報処理装置100は、利用者の利便性を向上させることができる。
Thereby, the
〔3.その他〕
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。
[3. Others]
In addition, among the processes described in the above embodiment, all or part of the processes described as being automatically performed can be performed manually, or the processes described as being performed manually can be performed. All or a part can be automatically performed by a known method. In addition, the processing procedures, specific names, and information including various data and parameters shown in the document and drawings can be arbitrarily changed unless otherwise specified.
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。 Further, each component of each illustrated apparatus is functionally conceptual, and does not necessarily need to be physically configured as illustrated. In other words, the specific form of distribution / integration of each device is not limited to that shown in the figure, and all or a part thereof may be functionally or physically distributed or arbitrarily distributed in arbitrary units according to various loads or usage conditions. Can be integrated and configured.
例えば、図4に示した意思情報記憶部121は、情報処理装置100が保持せずに、ストレージサーバ等に保持されてもよい。この場合、情報処理装置100は、ストレージサーバにアクセスすることで、過去意思情報や未来意思情報を取得する。
For example, the intention
また、情報処理装置100は、調整処理は行わず、検出処理のみを行う情報処理装置であってもよい。この場合、情報処理装置は、調整部134を有しない。そして、例えば、調整部134を有する情報処理装置がモデルの調整を行なう。また、情報処理装置100は、検出処理は行わず、調整処理のみを行う情報処理装置であってもよい。この場合、情報処理装置は、検出部132を有しない。そして、例えば、検出部132を有する情報処理装置が未来に関する事象の検出を行なう。なお、検出処理及び調整処理は、必ずしも両方の処理を実行する必要はなく、いずれか一方の処理のみが行われてもよい。
Further, the
また、上述してきた実施形態に係る情報処理装置100は、例えば図12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。以下、情報処理装置100を例に挙げて説明する。図12は、情報処理装置100の機能を実現するコンピュータ1000の一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、ROM1300、HDD1400、通信インターフェイス(I/F)1500、入出力インターフェイス(I/F)1600、およびメディアインターフェイス(I/F)1700を有する。
Further, the
CPU1100は、ROM1300またはHDD1400に格納されたプログラムに基づいて動作し、各部の制御を行う。ROM1300は、コンピュータ1000の起動時にCPU1100によって実行されるブートプログラムや、コンピュータ1000のハードウェアに依存するプログラム等を格納する。
The
HDD1400は、CPU1100によって実行されるプログラム、および、かかるプログラムによって使用されるデータ等を格納する。通信インターフェイス1500は、通信網Nを介して他の機器からデータを受信してCPU1100へ送り、CPU1100が生成したデータを通信網Nを介して他の機器へ送信する。
The
CPU1100は、入出力インターフェイス1600を介して、ディスプレイやプリンタ等の出力装置、および、キーボードやマウス等の入力装置を制御する。CPU1100は、入出力インターフェイス1600を介して、入力装置からデータを取得する。また、CPU1100は、生成したデータを入出力インターフェイス1600を介して出力装置へ出力する。
The
メディアインターフェイス1700は、記録媒体1800に格納されたプログラムまたはデータを読み取り、RAM1200を介してCPU1100に提供する。CPU1100は、かかるプログラムを、メディアインターフェイス1700を介して記録媒体1800からRAM1200上にロードし、ロードしたプログラムを実行する。記録媒体1800は、例えばDVD(Digital Versatile Disc)、PD(Phase change rewritable Disk)等の光学記録媒体、MO(Magneto Optical disk)等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。
The
例えば、コンピュータ1000が実施形態に係る情報処理装置100として機能する場合、コンピュータ1000のCPU1100は、RAM1200上にロードされたプログラムを実行することにより、制御部130の機能を実現する。また、HDD1400には、記憶部120内のデータが格納される。コンピュータ1000のCPU1100は、これらのプログラムを記録媒体1800から読み取って実行するが、他の例として、他の装置から通信網Nを介してこれらのプログラムを取得してもよい。
For example, when the
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。 As described above, some of the embodiments of the present application have been described in detail with reference to the drawings. However, these are merely examples, and various modifications, including the aspects described in the disclosure section of the invention, based on the knowledge of those skilled in the art, It is possible to implement the present invention in other forms with improvements.
また、上述した情報処理装置100は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をAPI(Application Programming Interface)やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。
In addition, the
また、特許請求の範囲に記載した「部(section、module、unit)」は、「手段」や「回路」などに読み替えることができる。例えば、受信部は、受信手段や受信回路に読み替えることができる。 Further, “section (module, unit)” described in the claims can be read as “means”, “circuit”, and the like. For example, the receiving unit can be read as receiving means or a receiving circuit.
1 情報処理システム
10 端末装置
50 情報提供サーバ
100 情報処理装置
121 意思情報記憶部
122 累積情報記憶部
123 異常情報記憶部
131 取得部
132 検出部
133 特定部
134 調整部
135 表示制御部
136 送信部
DESCRIPTION OF
Claims (14)
前記所定の記憶部を参照して、前記取得部によって取得された現時点より過去の第1期間に前記未来意思情報に対応する意思が示された回数と、当該第1期間に対応する期間であって当該第1期間より過去の第2期間に前記過去意思情報に対応する意思が示された回数とを比較して差異が所定の閾値以上となる場合、当該未来意思情報に対応する意思が示された前記条件ごとの回数をそれぞれ比較することで前記未来に関する事象を検出する検出部と
を備えたことを特徴とする情報処理装置。 Past intention information indicating intentions related to past actions from the present time, and future intention information corresponding to the past actions and indicating intentions related to future actions for a predetermined period from the present time , and executing the future actions An acquisition unit that acquires future intention information including a condition for performing and stores the acquired past intention information and future intention information in a predetermined storage unit ;
The number of times the intention corresponding to the future intention information was indicated in the first period past the current time acquired by the acquisition unit with reference to the predetermined storage unit, and the period corresponding to the first period. If the difference is equal to or greater than a predetermined threshold by comparing the number of times the intention corresponding to the past intention information is shown in the second period past the first period, the intention corresponding to the future intention information is indicated. An information processing apparatus comprising: a detection unit that detects an event relating to the future by comparing the number of times for each of the conditions that have been made.
前記第1期間に意思が示された未来意思情報に対応する意思が示された回数の累積と、前記第2期間に意思が示された過去意思情報に対応する意思が示された回数の累積とを比較して前記未来に関する事象を検出する
ことを特徴とする請求項1に記載の情報処理装置。 The detector is
Accumulation of the number of times the intention corresponding to the future intention information indicated in the first period is indicated, and the accumulation of the number of times the intention corresponding to the past intention information indicated in the second period is indicated And detecting an event related to the future.
をさらに備えることを特徴とする請求項1または2に記載の情報処理装置。 The information providing service further includes a specifying unit that specifies the cause of the event based on content including a condition for executing the future action. The information processing apparatus described in 1.
現時点より過去の第1期間に意思が示された未来意思情報と、当該第1期間に対応する期間であって当該第1期間より過去の第2期間に意思が示された過去意思情報との間の差異が所定の閾値以上となる時点から所定の期間内に情報提供サービスによって提供されたコンテンツであって、前記未来の行動を実行する際の条件を含むコンテンツに基づいて前記事象の原因を特定する
ことを特徴とする請求項3に記載の情報処理装置。 The specific part is:
Future intention information whose intention was shown in the first period past from the present time, and past intention information which is a period corresponding to the first period and whose intention was shown in the second period before the first period Cause of the event based on the content provided by the information providing service within a predetermined period from the time when the difference between the thresholds is equal to or greater than a predetermined threshold , including the condition for executing the future action The information processing apparatus according to claim 3, wherein the information processing apparatus is specified.
情報提供サービスが提供するコンテンツの中で、前記未来の行動に関する場所と共起する特徴語に基づいて前記事象の原因を特定する
ことを特徴とする請求項3または4に記載の情報処理装置。 The specific part is:
5. The information processing apparatus according to claim 3, wherein the cause of the event is specified based on a feature word that co-occurs with a place related to the future action in the content provided by the information providing service. .
をさらに備え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情報処理装置。 Information about events detected by the detection unit, according to claim 1 to 5, characterized in that it comprises the last intention information and the display control unit further for displaying the content information providing service accepting the future intention information provided The information processing apparatus according to any one of the above.
前記情報提供サービスが提供する路線情報または予定情報に前記事象を表示させる
ことを特徴とする請求項6に記載の情報処理装置。 The display control unit
The information processing apparatus according to claim 6 , wherein the event is displayed on route information or schedule information provided by the information providing service.
をさらに備えることを特徴とする請求項1〜7のいずれか一つに記載の情報処理装置。 An adjustment unit that adjusts a model for calculating a predicted value related to the future action by learning the transition of the past intention information and the transition of the future intention information acquired by the acquisition unit; The information processing apparatus according to any one of claims 1 to 7 .
前記予測値の推移と前記未来意思情報の推移との間の差が小さくなるように前記モデルを調整する
ことを特徴とする請求項8に記載の情報処理装置。 The adjustment unit is
The information processing apparatus according to claim 8 , wherein the model is adjusted such that a difference between the transition of the predicted value and the transition of the future intention information is small.
前記過去意思情報及び前記未来意思情報に含まれる場所、日時又は環境に関する情報のうち少なくとも一つを素性として前記過去意思情報及び前記未来意思情報を学習することでモデルを調整する
ことを特徴とする請求項8または9に記載の情報処理装置。 The adjustment unit is
The model is adjusted by learning the past intention information and the future intention information using at least one of the information regarding the place, date and environment included in the past intention information and the future intention information as a feature. The information processing apparatus according to claim 8 or 9 .
をさらに備えることを特徴とする請求項8〜10のいずれか一つに記載の情報処理装置。 The display control unit for displaying a predicted value calculated from the model adjusted by the adjustment unit on content provided by an information providing service that accepts the past intention information and the future intention information. The information processing apparatus according to any one of 8 to 10 .
前記調整部によって調整されたモデルから算出される予測値を、前記情報提供サービスが提供する路線情報または予定情報に表示させる
ことを特徴とする請求項11に記載の情報処理装置。 The display control unit
The information processing apparatus according to claim 11 , wherein a predicted value calculated from the model adjusted by the adjustment unit is displayed on route information or schedule information provided by the information providing service.
現時点より過去の行動に関する意思を示す過去意思情報と、前記過去の行動と対応する行動であって現時点より所定の期間未来の行動に関する意思を示す未来意思情報であって、当該未来の行動を実行する際の条件を含む未来意思情報とを取得し、取得した過去意思情報と未来意思情報とを前記所定の記憶部に格納する取得工程と、
前記所定の記憶部を参照して、前記取得工程によって取得された現時点より過去の第1期間に前記未来意思情報に対応する意思が示された回数と、当該第1期間に対応する期間であって当該第1期間より過去の第2期間に前記過去意思情報に対応する意思が示された回数とを比較して差異が所定の閾値以上となる場合、当該未来意思情報に対応する意思が示された前記条件ごとの回数をそれぞれ比較することで前記未来に関する事象を検出する検出工程と
を含んだことを特徴とする情報処理方法。 An information processing method executed by an information processing apparatus including a predetermined storage unit ,
Past intention information indicating intentions related to past actions from the present time, and future intention information corresponding to the past actions and indicating intentions related to future actions for a predetermined period from the present time , and executing the future actions Acquiring the future intention information including the conditions for performing the acquisition, and storing the acquired past intention information and the future intention information in the predetermined storage unit ;
The number of times the intention corresponding to the future intention information was shown in the first period past the current time acquired by the acquisition process with reference to the predetermined storage unit, and the period corresponding to the first period. If the difference is equal to or greater than a predetermined threshold by comparing the number of times the intention corresponding to the past intention information is shown in the second period past the first period, the intention corresponding to the future intention information is indicated. And a detecting step of detecting an event relating to the future by comparing the number of times for each of the conditions .
前記所定の記憶部を参照して、前記取得手順によって取得された現時点より過去の第1期間に前記未来意思情報に対応する意思が示された回数と、当該第1期間に対応する期間であって当該第1期間より過去の第2期間に前記過去意思情報に対応する意思が示された回数とを比較して差異が所定の閾値以上となる場合、当該未来意思情報に対応する意思が示された前記条件ごとの回数をそれぞれ比較することで前記未来に関する事象を検出する検出手順と
をコンピュータに実行させることを特徴とする情報処理プログラム。
Past intention information indicating intentions related to past actions from the present time, and future intention information corresponding to the past actions and indicating intentions related to future actions for a predetermined period from the present time , and executing the future actions Obtaining the future intention information including the conditions for performing the acquisition, and storing the acquired past intention information and the future intention information in a predetermined storage unit ;
The number of times the intention corresponding to the future intention information was shown in the first period past the current time acquired by the acquisition procedure with reference to the predetermined storage unit, and the period corresponding to the first period. If the difference is equal to or greater than a predetermined threshold by comparing the number of times the intention corresponding to the past intention information is shown in the second period past the first period, the intention corresponding to the future intention information is indicated. An information processing program causing a computer to execute a detection procedure for detecting an event relating to the future by comparing the number of times for each of the conditions that have been made .
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015124204A JP6283001B2 (en) | 2015-06-19 | 2015-06-19 | Information processing apparatus, information processing method, and information processing program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015124204A JP6283001B2 (en) | 2015-06-19 | 2015-06-19 | Information processing apparatus, information processing method, and information processing program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017010223A JP2017010223A (en) | 2017-01-12 |
JP6283001B2 true JP6283001B2 (en) | 2018-02-21 |
Family
ID=57763608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015124204A Active JP6283001B2 (en) | 2015-06-19 | 2015-06-19 | Information processing apparatus, information processing method, and information processing program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6283001B2 (en) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6814115B2 (en) * | 2017-09-04 | 2021-01-13 | ヤフー株式会社 | Specific device, specific method and specific program |
JP6677264B2 (en) * | 2018-01-23 | 2020-04-08 | トヨタ自動車株式会社 | Demand forecasting device, forwarding plan generating device, user model generating device, and method |
JP6542943B1 (en) * | 2018-04-11 | 2019-07-10 | ヤフー株式会社 | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM |
JP2020160960A (en) * | 2019-03-27 | 2020-10-01 | 株式会社日立製作所 | Movement support system and method |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4548167B2 (en) * | 2005-03-22 | 2010-09-22 | 富士通株式会社 | Congestion status guidance device |
JP2010169441A (en) * | 2009-01-20 | 2010-08-05 | Pioneer Electronic Corp | Information output terminal, information output method, information output program and recording medium |
JP5560026B2 (en) * | 2009-12-02 | 2014-07-23 | 株式会社ゼンリンデータコム | Map display device, map display method, and map display program |
JP6239235B2 (en) * | 2013-01-11 | 2017-11-29 | 株式会社ナビタイムジャパン | Information processing system, information processing server, information processing method, and information processing program |
JP6190627B2 (en) * | 2013-05-31 | 2017-08-30 | 株式会社ナビタイムジャパン | Information processing system, information processing server, information processing method, and information processing program |
JP6170772B2 (en) * | 2013-07-24 | 2017-07-26 | 株式会社ナビタイムジャパン | Information processing system, information processing apparatus, information processing method, and information processing program |
JP6450143B2 (en) * | 2014-10-20 | 2019-01-09 | 株式会社Nttドコモ | Property Proposal Device and Property Proposal Method |
-
2015
- 2015-06-19 JP JP2015124204A patent/JP6283001B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017010223A (en) | 2017-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10791423B2 (en) | Passive check-in | |
US9164863B2 (en) | Detecting relative crowd density via client devices | |
JP6283001B2 (en) | Information processing apparatus, information processing method, and information processing program | |
US9659087B2 (en) | Unsupervised prioritization and visualization of clusters | |
JP6101756B2 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6814115B2 (en) | Specific device, specific method and specific program | |
JP5767144B2 (en) | Congestion degree prediction device and congestion degree prediction program using route search system | |
KR20200042964A (en) | Predictive session analyzer for network systems | |
US11210363B1 (en) | Managing prefetching of content from third party websites by client devices based on prediction of user interactions | |
KR20170035949A (en) | Determining Contributions of Various User Interactions to a Conversion | |
US10371538B2 (en) | Determining directions for users within a venue to meet in the venue | |
US20180097800A1 (en) | Identifying users based on federated user identifiers | |
JP6542943B1 (en) | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM | |
JP2019053434A (en) | Estimation device and estimation method and estimation program | |
JP7142058B2 (en) | Information processing device, information processing method and information processing program | |
JP7293171B2 (en) | Information processing device, information processing method and information processing program | |
JP2017045098A (en) | Service cooperation management system, apparatus, method, and program | |
US11093555B2 (en) | Determining correlations between locations associated with a label and physical locations based on information received from users providing physical locations to an online system | |
US20140244750A1 (en) | Intelligent, mobile, location-aware news reader application for commuters | |
JP2021060681A (en) | Display control device, display control method and display control program | |
JP7047174B1 (en) | Prediction system, prediction device, prediction method and prediction program | |
JP7123099B2 (en) | Provision device, provision method and provision program | |
US11695670B2 (en) | Distributed computing system for intensive video processing | |
JP2022145109A (en) | Information processing apparatus, information processing method, and information processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170207 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20170209 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20170512 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170523 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170721 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171010 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171211 |
|
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: 20171226 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6283001 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
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 |
|
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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |