JP6587660B2 - 推定装置、推定方法、及び推定プログラム - Google Patents
推定装置、推定方法、及び推定プログラム Download PDFInfo
- Publication number
- JP6587660B2 JP6587660B2 JP2017157675A JP2017157675A JP6587660B2 JP 6587660 B2 JP6587660 B2 JP 6587660B2 JP 2017157675 A JP2017157675 A JP 2017157675A JP 2017157675 A JP2017157675 A JP 2017157675A JP 6587660 B2 JP6587660 B2 JP 6587660B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- information
- estimation
- health risk
- model
- 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
- 238000000034 method Methods 0.000 title claims description 75
- 230000036541 health Effects 0.000 claims description 220
- 230000035622 drinking Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 44
- 238000013459 approach Methods 0.000 description 24
- 238000013500 data storage Methods 0.000 description 24
- 238000003745 diagnosis Methods 0.000 description 24
- 101100208763 Oryza sativa subsp. japonica UDT1 gene Proteins 0.000 description 20
- 238000010586 diagram Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 230000010365 information processing Effects 0.000 description 10
- 101100002669 Arabidopsis thaliana ADT1 gene Proteins 0.000 description 9
- 101100002673 Arabidopsis thaliana ADT3 gene Proteins 0.000 description 9
- 101100476983 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) SDT1 gene Proteins 0.000 description 9
- 101100463170 Schizosaccharomyces pombe (strain 972 / ATCC 24843) pdt1 gene Proteins 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 6
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 6
- 230000009471 action Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 208000001145 Metabolic Syndrome Diseases 0.000 description 4
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
〔1.生成処理〕
まず、図1を用いて、実施形態に係る生成処理の一例について説明する。図1は、実施形態に係る生成処理の一例を示す図である。図1では、推定装置100がユーザの位置情報を含むユーザ情報と、そのユーザの健康リスクを示す正解情報とを含む履歴(ログ)に基づいてモデルの生成を行う場合を示す。図1の例では、推定装置100は、所定の検診を受診したユーザの位置情報を含むユーザ情報UDTと、そのユーザの検診結果PEDに基づく正解情報とを含む履歴(ログ)に基づいてモデルの生成を行う場合を示す。以下では、正解情報が対応付けられたユーザ情報を「学習データ」ともいう。ユーザ情報については後述する。
まず、図1の説明に先立って、図3に示す推定システム1について説明する。図3に示すように、推定システム1は、端末装置10と、推定装置100とが含まれる。端末装置10と、推定装置100とは所定のネットワークNを介して、有線または無線により通信可能に接続される。図3は、実施形態に係る推定システムの構成例を示す図である。なお、図3に示した推定システム1には、複数台の端末装置10や、複数台の推定装置100が含まれてもよい。
モデルの生成については、図1に限らず、種々の態様であってもよい。図1の例では、各健康リスクに対応する複数のモデルを生成する場合を示すが、推定装置100は、各健康リスクに対応する複数のスコアを出力する1つのモデルを生成してもよい。
図2を用いて、実施形態に係る推定処理の一例について説明する。図2は、実施形態に係る推定処理の一例を示す図である。図2では、推定装置100は、ユーザU1のユーザ情報が与えられた場合に、ユーザU1の健康リスクを推定し、推定に基づく情報を提供する場合を示す。
なお、図2の例では、モデルを用いて推定する場合を示したが、モデルを用いることなくユーザの健康リスクを推定してもよい。例えば、推定装置100は、位置情報により推定されるユーザの移動に関する情報に基づいて、ユーザの健康リスクを推定する。例えば、推定装置100は、位置情報により推定されるユーザの所定期間(例えば1日等)における徒歩による移動距離が所定の閾値(例えば1km等)未満である場合、そのユーザについてメタボや運動不足に起因する健康リスクがあると推定してもよい。
図1及び図2の例では、説明を簡単にするために、位置情報と検索情報のみをユーザ情報として図示したが、ユーザ情報には、種々の情報が含まれてもよい。例えば、推定装置100は、ユーザのインターネット(ウェブ)上における種々の行動情報を含むユーザ情報を用いて健康リスクを推定してもよい。
次に、図4を用いて、実施形態に係る推定装置100の構成について説明する。図4は、実施形態に係る推定装置の構成例を示す図である。図4に示すように、推定装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、推定装置100は、推定装置100の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。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、ネットワークと有線または無線で接続され、端末装置10との間で情報の送受信を行う。
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。実施形態に係る記憶部120は、図4に示すように、学習データ記憶部121と、モデル情報記憶部122と、健康リスク情報記憶部124とを有する。
実施形態に係る学習データ記憶部121は、学習データに関する各種情報を記憶する。図5は、実施形態に係る学習データ記憶部の一例を示す図である。例えば、学習データ記憶部121は、モデルの生成に用いる教師データを記憶する。図5に示す学習データ記憶部121には、「データID」、「ユーザID」、「正解情報」、「ユーザ情報」といった項目が含まれる。「ユーザ情報」には、「位置情報」、「検索情報」といった項目が含まれる。なお、「ユーザ情報」には、ユーザの位置情報やユーザの検索情報に限らず、ユーザの他の行動情報やユーザの属性情報等、ユーザに関する情報であればどのような情報が記憶されてもよい。
実施形態に係るモデル情報記憶部122は、モデルに関する情報を記憶する。例えば、モデル情報記憶部122は、生成処理により生成されたモデル情報(モデルデータ)を記憶する。図6は、実施形態に係るモデル情報記憶部の一例を示す図である。図6に示すモデル情報記憶部122は、「モデルID」、「健康リスク」、「モデルデータ」といった項目が含まれる。なお、図6では、モデルM1〜M3のみを図示するが、M4、M5等、各健康リスク(推定の対象となる健康リスク)に応じて多数のモデル情報が記憶されてもよい。
実施形態に係るユーザ情報記憶部123は、ユーザに関する各種情報を記憶する。図7は、実施形態に係るユーザ情報記憶部の一例を示す図である。例えば、ユーザ情報記憶部123は、各ユーザの各種の行動情報を記憶する。図7に示すユーザ情報記憶部123には、「ユーザID」、「ユーザ情報」といった項目が含まれる。「ユーザ情報」には、「位置情報」、「検索情報」といった項目が含まれる。なお、「ユーザ情報」には、ユーザの位置情報やユーザの検索情報に限らず、ユーザの他の行動情報やユーザの属性情報等、ユーザに関する情報であればどのような情報が記憶されてもよい。
実施形態に係る健康リスク情報記憶部124は、健康リスクに関する各種情報を記憶する。図8は、実施形態に係る健康リスク情報記憶部の一例を示す図である。例えば、健康リスク情報記憶部124は、推定されたユーザの健康リスクに関する各種情報を記憶する。図8に示す健康リスク情報記憶部124は、「ユーザID」、「推定健康リスク」といった項目が含まれる。「推定健康リスク」には、「種別」、「スコア」といった項目が含まれる。なお、「推定健康リスク」には、「種別」、「スコア」に限らず、スコアと所定の閾値との比較に基づく、健康リスクの有無を示す情報等、推定された健康リスクに関する情報であればどのような情報が記憶されてもよい。
図4の説明に戻って、制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、推定装置100内部の記憶装置に記憶されている各種プログラム(推定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、コントローラであり、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る。制御部130は、モデル情報記憶部122に記憶されているモデルM1等に従った情報処理により、ユーザの位置情報を含むユーザ情報が入力される入力層と、出力層と、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、を含み、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ことにより、ユーザの健康リスクの推定に用いられるスコアの値を出力層から出力する。
取得部131は、各種情報を取得する。例えば、取得部131は、学習データ記憶部121と、モデル情報記憶部122と、健康リスク情報記憶部124等から各種情報を取得する。また、取得部131は、各種情報を外部の情報処理装置から取得してもよい。また、取得部131は、各種情報を端末装置10等から取得してもよい。
生成部132は、各種情報を生成する。例えば、生成部132は、学習データ記憶部121に記憶された学習データを用いて、モデル情報記憶部122に示すようなモデルを生成する。例えば、生成部132は、取得部131により取得された学習データに基づいて、ユーザの健康リスクの推定に用いられるモデルを生成する。例えば、生成部132は、ユーザの位置情報を含むユーザ情報と、ユーザに対応付けられた健康リスクの種別を示す正解情報とを含む学習データに基づいて、ユーザの健康リスクの推定に用いられるモデルを生成する。
推定部133は、各種情報を推定する。推定部133は、学習データ記憶部121と、モデル情報記憶部122と、健康リスク情報記憶部124等に記憶された情報を用いて種々の情報を推定する。例えば、推定部133は、取得部131により取得された各種情報に基づいて、種々の情報を推定する。
提供部134は、各種情報を提供する。例えば、提供部134は、端末装置10に各種情報を提供する。例えば、提供部134は、推定部133により推定されたユーザの健康リスクに関するサービスを提供する。例えば、提供部134は、推定部133により推定されたユーザの健康リスクに関する情報を、ユーザに提供する。例えば、提供部134は、推定部133により推定されたユーザの健康リスクに関する情報を、ユーザが利用する端末装置10に提供する。また、例えば、提供部134は、生成部132により生成されたモデルに関する情報を外部の情報処理装置へ提供してもよい。また、例えば、提供部134は、モデルが出力する情報を外部の情報処理装置へ提供してもよい。
次に、図9を用いて、実施形態に係る推定システム1による生成処理の手順について説明する。図9は、実施形態に係る生成処理の一例を示すフローチャートである。
次に、図10を用いて、実施形態に係る推定システム1による生成処理の手順について説明する。図10は、実施形態に係る推定処理の一例を示すフローチャートである。
上述してきたように、実施形態に係る推定装置100は、取得部131と、推定部133とを有する。取得部131は、ユーザの位置情報を含むユーザ情報を取得する。また、推定部133は、取得部131により取得されたユーザ情報に基づいて、ユーザの健康リスクを推定する。
上述してきた実施形態に係る推定装置100は、例えば図11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11は、推定装置の機能を実現するコンピュータ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、ROM(Read Only Memory)1300、HDD(Hard Disk Drive)1400、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、及びメディアインターフェイス(I/F)1700を有する。
また、上記実施形態及び変形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。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。
100 推定装置
121 学習データ記憶部
122 モデル情報記憶部
123 ユーザ情報記憶部
124 健康リスク情報記憶部
130 制御部
131 取得部
132 生成部
133 推定部
134 提供部
10 端末装置
N ネットワーク
Claims (15)
- ユーザの位置情報を含むユーザ情報を取得する取得部と、
前記取得部により取得されたユーザ情報に基づいて、所定の検診に含まれる種別に関する前記ユーザの健康リスクを推定し、前記位置情報により推定される前記ユーザの所定期間における徒歩による移動距離が所定の閾値未満である場合、前記ユーザが運動不足に関連する健康リスクがあると推定する推定部と、
を備えることを特徴とする推定装置。 - ユーザの位置情報を含むユーザ情報を取得する取得部と、
前記取得部により取得されたユーザ情報により推定される前記ユーザの移動手段に基づいて、前記ユーザの健康リスクを推定し、前記位置情報により推定される前記ユーザの所定期間における徒歩による移動距離が所定の閾値未満である場合、前記ユーザが運動不足に関連する健康リスクがあると推定する推定部と、
を備えることを特徴とする推定装置。 - 前記推定部は、
前記位置情報により推定される前記ユーザの移動に関する情報に基づいて、前記ユーザの健康リスクを推定する
ことを特徴とする請求項1または請求項2に記載の推定装置。 - 前記推定部は、
前記位置情報により推定される前記ユーザの滞在地に関する情報に基づいて、前記ユーザの健康リスクを推定する
ことを特徴とする請求項1〜3のいずれか1項に記載の推定装置。 - 前記推定部は、
前記位置情報により推定される前記ユーザの生活パターンに関する情報に基づいて、前記ユーザの健康リスクを推定する
ことを特徴とする請求項1〜4のいずれか1項に記載の推定装置。 - 前記取得部は、
前記ユーザが検索に用いた検索クエリに関する情報を含むユーザ情報を取得する
ことを特徴とする請求項1〜5のいずれか1項に記載の推定装置。 - 前記取得部は、
前記ユーザが購入した商品に関する情報を含むユーザ情報を取得する
ことを特徴とする請求項1〜6のいずれか1項に記載の推定装置。 - 前記取得部は、
前記ユーザの飲食に関する情報を含むユーザ情報を取得する
ことを特徴とする請求項1〜7のいずれか1項に記載の推定装置。 - 前記推定部は、
所定のユーザに対応付けられた健康リスクの種別を示す正解情報と、前記所定のユーザのユーザ情報とに基づいて生成されるモデルを用いて、前記ユーザの健康リスクを推定する
ことを特徴とする請求項1〜8のいずれか1項に記載の推定装置。 - 前記推定部は、
所定のユーザが診断された前記健康リスクの種別を示す正解情報と、前記所定のユーザのユーザ情報とに基づいて生成されるモデルを用いて、前記ユーザの健康リスクを推定する
ことを特徴とする請求項1〜9のいずれか1項に記載の推定装置。 - 前記推定部により推定された前記ユーザの健康リスクに関するサービスを提供する提供部、
をさらに備えることを特徴とする請求項1〜10のいずれか1項に記載の推定装置。 - コンピュータが実行する推定方法であって、
ユーザの位置情報を含むユーザ情報を取得する取得工程と、
前記取得工程により取得されたユーザ情報に基づいて、所定の検診に含まれる種別に関する前記ユーザの健康リスクを推定し、前記位置情報により推定される前記ユーザの所定期間における徒歩による移動距離が所定の閾値未満である場合、前記ユーザが運動不足に関連する健康リスクがあると推定する推定工程と、
を含むことを特徴とする推定方法。 - ユーザの位置情報を含むユーザ情報を取得する取得手順と、
前記取得手順により取得されたユーザ情報に基づいて、所定の検診に含まれる種別に関する前記ユーザの健康リスクを推定し、前記位置情報により推定される前記ユーザの所定期間における徒歩による移動距離が所定の閾値未満である場合、前記ユーザが運動不足に関連する健康リスクがあると推定する推定手順と、
をコンピュータに実行させることを特徴とする推定プログラム。 - コンピュータが実行する推定方法であって、
ユーザの位置情報を含むユーザ情報を取得する取得工程と、
前記取得工程により取得されたユーザ情報により推定される前記ユーザの移動手段に基づいて、前記ユーザの健康リスクを推定し、前記位置情報により推定される前記ユーザの所定期間における徒歩による移動距離が所定の閾値未満である場合、前記ユーザが運動不足に関連する健康リスクがあると推定する推定工程と、
を含むことを特徴とする推定方法。 - ユーザの位置情報を含むユーザ情報を取得する取得手順と、
前記取得手順により取得されたユーザ情報により推定される前記ユーザの移動手段に基づいて、前記ユーザの健康リスクを推定し、前記位置情報により推定される前記ユーザの所定期間における徒歩による移動距離が所定の閾値未満である場合、前記ユーザが運動不足に関連する健康リスクがあると推定する推定手順と、
をコンピュータに実行させることを特徴とする推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017157675A JP6587660B2 (ja) | 2017-08-17 | 2017-08-17 | 推定装置、推定方法、及び推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017157675A JP6587660B2 (ja) | 2017-08-17 | 2017-08-17 | 推定装置、推定方法、及び推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019036176A JP2019036176A (ja) | 2019-03-07 |
JP6587660B2 true JP6587660B2 (ja) | 2019-10-09 |
Family
ID=65655693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017157675A Active JP6587660B2 (ja) | 2017-08-17 | 2017-08-17 | 推定装置、推定方法、及び推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6587660B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7168605B2 (ja) * | 2020-03-19 | 2022-11-09 | ヤフー株式会社 | 保険管理装置、保険管理方法、及び保険管理プログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004227210A (ja) * | 2003-01-22 | 2004-08-12 | Matsushita Electric Ind Co Ltd | 端末装置、サーバ装置及び健康管理システム |
JP2005250583A (ja) * | 2004-03-01 | 2005-09-15 | Omron Healthcare Co Ltd | 健康度推定システム、信頼度情報記憶装置及び健康度推定方法 |
US20140107932A1 (en) * | 2012-10-11 | 2014-04-17 | Aliphcom | Platform for providing wellness assessments and recommendations using sensor data |
JP6212784B2 (ja) * | 2013-10-01 | 2017-10-18 | 国立大学法人東北大学 | 健康情報処理装置及び方法 |
JP5914598B2 (ja) * | 2014-08-28 | 2016-05-11 | ソフトバンク株式会社 | 情報提供サーバ及びプログラム |
US20170039336A1 (en) * | 2015-08-06 | 2017-02-09 | Microsoft Technology Licensing, Llc | Health maintenance advisory technology |
JP2017091586A (ja) * | 2017-02-13 | 2017-05-25 | 株式会社FiNC | 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム |
-
2017
- 2017-08-17 JP JP2017157675A patent/JP6587660B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019036176A (ja) | 2019-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10726438B2 (en) | Personalized contextual coupon engine | |
US20230245781A1 (en) | System and Method for Personal Health Analytics Technical Field | |
JP6823612B2 (ja) | 予測装置、予測方法、及び予測プログラム | |
JP6533243B2 (ja) | 提供装置、提供方法、及び提供プログラム | |
US20180165708A1 (en) | Notification Control based on Location, Activity, and Temporal Prediction | |
US11481811B2 (en) | Electronic device and method for controlling same | |
JP6753833B2 (ja) | 付与装置、付与方法、付与プログラム、及びプログラム | |
JP2020035068A (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 | |
US20160292793A1 (en) | Selection and display of a featured professional profile chosen from a social networking service | |
JP6374573B1 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP7348230B2 (ja) | 生成装置、生成方法、及び生成プログラム | |
JP6587660B2 (ja) | 推定装置、推定方法、及び推定プログラム | |
JP2019020963A (ja) | 抽出装置、抽出方法、抽出プログラム、学習データ、及びモデル | |
JP6955392B2 (ja) | 決定装置、決定方法、及び決定プログラム | |
US11526786B2 (en) | Recommending network connections by optimizing for two-sided implicit value of an edge | |
US11755623B2 (en) | Estimation device, estimation method, and non-transitory computer-readable recording medium | |
JP2019053449A (ja) | 予測装置、予測方法、及び予測プログラム | |
JP6918748B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP6275295B1 (ja) | 判定装置、判定方法、及び判定プログラム | |
JP2020119102A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2020008957A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2019056979A (ja) | 生成装置、モデル、生成方法及び生成プログラム | |
JP2019125146A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP7221586B2 (ja) | 抽出装置、抽出方法、及び抽出プログラム | |
JP6797870B2 (ja) | 生成装置、生成方法、及び生成プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180615 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180615 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180712 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181005 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181023 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190115 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190314 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190409 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190703 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20190711 |
|
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: 20190813 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190910 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6587660 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 |