JP6702626B2 - 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
- JP6702626B2 JP6702626B2 JP2018127109A JP2018127109A JP6702626B2 JP 6702626 B2 JP6702626 B2 JP 6702626B2 JP 2018127109 A JP2018127109 A JP 2018127109A JP 2018127109 A JP2018127109 A JP 2018127109A JP 6702626 B2 JP6702626 B2 JP 6702626B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- information processing
- content
- demand
- user
- 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 288
- 238000003672 processing method Methods 0.000 title claims description 7
- 230000009471 action Effects 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 7
- 150000003839 salts Chemical class 0.000 description 74
- 230000000875 corresponding effect Effects 0.000 description 72
- 238000003860 storage Methods 0.000 description 71
- 230000006399 behavior Effects 0.000 description 45
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 10
- 102100034323 Disintegrin and metalloproteinase domain-containing protein 2 Human genes 0.000 description 8
- 101000780288 Homo sapiens Disintegrin and metalloproteinase domain-containing protein 2 Proteins 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 101100317273 Caenorhabditis elegans ddl-1 gene Proteins 0.000 description 6
- UKUVVAMSXXBMRX-UHFFFAOYSA-N 2,4,5-trithia-1,3-diarsabicyclo[1.1.1]pentane Chemical compound S1[As]2S[As]1S2 UKUVVAMSXXBMRX-UHFFFAOYSA-N 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 235000013555 soy sauce Nutrition 0.000 description 3
- 101150108281 ADL1 gene Proteins 0.000 description 2
- 101100332244 Arabidopsis thaliana DRP1A gene Proteins 0.000 description 2
- 101000874141 Homo sapiens Probable ATP-dependent RNA helicase DDX43 Proteins 0.000 description 2
- 101000821981 Homo sapiens Sarcoma antigen 1 Proteins 0.000 description 2
- 102100035724 Probable ATP-dependent RNA helicase DDX43 Human genes 0.000 description 2
- 102100021466 Sarcoma antigen 1 Human genes 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000004936 stimulating effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 101100150346 Arabidopsis thaliana RS31 gene Proteins 0.000 description 1
- 240000008620 Fagopyrum esculentum Species 0.000 description 1
- 235000009419 Fagopyrum esculentum Nutrition 0.000 description 1
- 244000207667 Rumex vesicarius Species 0.000 description 1
- 235000002905 Rumex vesicarius Nutrition 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011084 recovery 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、及び情報処理プログラムに関する。 The present invention relates to an information processing device, an information processing method, and an information processing program.
従来、種々の需要を予測する技術が提供されている。例えば、少なくともPOI(興味のある地点:Point of Interest)データを含むユーザの検索データに基づいて、ユーザのニーズ情報を決定する技術が提供されている。 Conventionally, techniques for predicting various demands have been provided. For example, there is provided a technique of determining user's needs information based on user's search data including at least POI (Point of Interest) data.
しかしながら、上記の従来技術では、ユーザの需要を適切に予測することができるとは限らない。例えば、上記の従来技術では、少なくともPOIデータが必要であるため、POIデータが十分でなかったり、POIデータが不正確であったりした場合等、適切に需要を予測することが難しい場合がある。 However, in the above-mentioned conventional technology, it is not always possible to appropriately predict the demand of the user. For example, in the above-mentioned conventional technique, since at least POI data is required, there are cases where it is difficult to appropriately predict demand, such as when the POI data is insufficient or the POI data is inaccurate.
本願は、上記に鑑みてなされたものであって、ユーザの需要を適切に予測する情報処理装置、情報処理方法、及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 that appropriately predict the demand of a user.
本願に係る情報処理装置は、ユーザによるコンテンツの閲覧行動を示す行動情報と、前記コンテンツの閲覧時の前記ユーザの位置情報とを取得する取得部と、前記取得部により取得された前記行動情報が示す前記閲覧行動に関する回数に基づいて、前記位置情報に対応するエリアにおける前記コンテンツに対応する対象に関する需要を予測する予測部と、を備えることを特徴とする。 An information processing apparatus according to the present application, the behavior information indicating a behavior of browsing content by a user, an acquisition unit that acquires position information of the user at the time of browsing the content, and the behavior information acquired by the acquisition unit A prediction unit that predicts a demand for a target corresponding to the content in an area corresponding to the position information, based on the number of times of the browsing behavior.
実施形態の一態様によれば、ユーザの需要を適切に予測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 the demand of the user can be appropriately predicted.
以下に、本願に係る情報処理装置、情報処理方法、及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、及び情報処理プログラムが限定されるものではない。また、以下の各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, modes (hereinafter, referred to as “embodiments”) for implementing an information processing apparatus, an information processing method, and an information processing program according to the present application will be described in detail with reference to the drawings. Note that the information processing device, the information processing method, and the information processing program according to the present application are not limited by this embodiment. Also, in each of the following embodiments, the same parts are designated by the same reference numerals, and duplicate description will be omitted.
(実施形態)
〔1.情報処理〕
図1を用いて、実施形態に係る情報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の一例を示す図である。具体的には、図1は、情報処理装置100が事業者への情報提供を行う際に用いる情報を収集する一例を示す図である。ここでいう事業者は、事業を行うものであれば、個人(自然人)や法人等の種々の事業者が含まれてもよい。例えば、事業者は、商品またはサービスを提供(販売)する企業であってもよい。また、以下では、商品またはサービスを併せて「商品」と記載する場合がある。また、図1では、情報処理装置100は、ユーザによるコンテンツの閲覧行動を示す行動情報を用いて、需要を予測する。情報処理装置100は、ユーザが閲覧したコンテンツに含まれるキーワードと、コンテンツの閲覧(以下単に「閲覧」ともいう)時のユーザの位置情報に基づいて、需要を予測する。なお、コンテンツは、コンテンツ配信サービスにおいて提供されるニュース記事やコンテンツや電子商取引サービスにおいて提供される商品ページ(商品情報)等、種々のコンテンツであってもよいが、詳細は後述する。
(Embodiment)
[1. Information processing]
An example of information processing according to the embodiment will be described with reference to FIG. FIG. 1 is a diagram illustrating an example of information processing according to the embodiment. Specifically, FIG. 1 is a diagram showing an example of collecting information used when the
〔情報処理システムの構成〕
まず、図1及び図2に示す情報処理システム1について説明する。図2に示すように、情報処理システム1は、端末装置10と、事業者装置20と、情報処理装置100とが含まれる。端末装置10と、事業者装置20と、情報処理装置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2は、実施形態に係る情報処理システムの構成例を示す図である。なお、図2に示した情報処理システム1には、複数台の端末装置10や、複数台の事業者装置20や複数台の情報処理装置100が含まれてもよい。
[Configuration of information processing system]
First, the information processing system 1 shown in FIGS. 1 and 2 will be described. As shown in FIG. 2, the information processing system 1 includes a
端末装置10は、ユーザによって利用される情報処理装置である。端末装置10は、例えば、スマートフォンや、タブレット型端末や、ノート型PC(Personal Computer)や、デスクトップPCや、携帯電話機や、PDA(Personal Digital Assistant)等により実現される。図1に示す例においては、端末装置10がユーザが利用するスマートフォンである場合を示す。なお、以下では、端末装置10をユーザと表記する場合がある。すなわち、以下では、ユーザを端末装置10と読み替えることもできる。
The
また、端末装置10は、GPS(Global Positioning System)センサ等の機能を有し、ユーザの位置情報(センサ情報)を検知し、取得するものとする。また、端末装置10は、通信を行っている基地局の位置情報や、WiFi(登録商標)(Wireless Fidelity)の電波を用いてユーザの位置情報を推定し、取得してもよい。なお、以下では位置情報を単に「位置」と記載する場合がある。
In addition, the
また、端末装置10は、GPSセンサ等に限らず種々のセンサにより、各種センサ情報を検知してもよい。また、端末装置10は、加速度センサの機能を有し、ユーザの移動における加速度情報(センサ情報)を検知し、取得する。また、端末装置10は、温度センサや気圧センサ等の種々の機能を有し、温度や気圧等のユーザの置かれている環境情報を検知し、取得可能であってもよい。また、端末装置10は、心拍センサ等の種々の機能を有し、ユーザの生体情報を検知し、取得可能であってもよい。例えば、端末装置10を利用するユーザは、端末装置10と通信可能なウェアラブルデバイスを身に付けることにより、端末装置10によりユーザ自身のコンテキスト情報を取得可能としてもよい。例えば、端末装置10を利用するユーザは、端末装置10と通信可能なリストバンド型のウェアラブルデバイスを身に付けることにより、ユーザ自身の心拍(脈拍)に関する情報を端末装置10が取得可能としてもよい。
The
また、端末装置10は、ユーザによる操作を受け付ける。また、端末装置10は、情報処理装置100に種々の情報を送信する。例えば、端末装置10は、情報処理装置100にキーワードや位置情報等の種々の行動情報等を送信する。
In addition, the
また、図1に示す例においては、端末装置10を利用するユーザに応じて、端末装置10を端末装置10−1〜10−5として説明する。例えば、端末装置10−1は、ユーザU1により使用される端末装置10である。また、例えば、端末装置10−2は、ユーザU2により使用される端末装置10である。また、以下では、端末装置10−1〜10−5について、特に区別なく説明する場合には、端末装置10と記載する。
In the example illustrated in FIG. 1, the
上記のように「ユーザU*(*は任意の数値)」と記載した場合、そのユーザはユーザID「U*」により識別されるユーザであることを示す。例えば、「ユーザU2」と記載した場合、そのユーザはユーザID「U2」により識別されるユーザである。図1に示した情報処理システム1には、ユーザU1が利用する端末装置10や、ユーザU2が利用する端末装置10等の多数の端末装置10が含まれる。
As described above, when "user U* (* is an arbitrary numerical value)" is described, that user is identified by the user ID "U*". For example, when described as “user U2”, the user is the user identified by the user ID “U2”. The information processing system 1 illustrated in FIG. 1 includes a large number of
情報処理装置100は、ユーザによるコンテンツの閲覧行動を示す行動情報と、コンテンツの閲覧時のユーザの位置情報とに基づいて、位置情報に対応するエリアにおけるコンテンツに対応する対象に関する需要を予測する情報処理装置である。情報処理装置100は、ユーザが閲覧したコンテンツに含まれるキーワード(名詞等に対応する文字列)と、コンテンツの閲覧時のユーザの位置情報とに基づいて、キーワードに対応する対象に関する需要を予測する。また、例えば、情報処理装置100は、対象に関する需要を示す情報を、対象に関する事業者へ提供する。
The
また、情報処理装置100は、端末装置10から取得したコンテンツ要求に対するコンテンツを端末装置10に提供するコンテンツ配信サービスを提供する。図1の例では、情報処理装置100は、コンテンツ要求に対応する所定の情報(コンテンツ)を、コンテンツ要求の送信元である端末装置10へ提供する。
Further, the
なお、図1では、情報処理装置100がコンテンツ配信サービスを提供する場合を示すが、外部の情報処理装置がコンテンツ配信サービスを提供する場合、情報処理装置100はコンテンツ配信サービスを提供しなくてもよい。この場合、情報処理装置100は、コンテンツ配信サービスを提供する外部の情報処理装置等から各種情報を取得し、取得した情報に基づく需要の予測や事業者への情報提供を行ってもよい。
Although FIG. 1 shows the case where the
事業者装置20は、事業者(企業)によって利用される情報処理装置である。図1の例では、事業者装置20は、事業者であるラーメン店MAの管理者M1によって利用される情報処理装置である。例えば、ラーメン店MAの管理者M1は、事業者装置20を用いて、情報処理装置100に対してキーワードに関する指定を行う。また、事業者装置20は、例えば、スマートフォンや、タブレット型端末や、ノート型PCや、デスクトップPCや、携帯電話機や、PDA等により実現される。図1は、事業者装置20がノート型PCである場合を示す。
The
図1の例では、情報処理装置100は、ユーザU1〜U5等が利用する端末装置10が有するGPSセンサ等の機能により、ユーザU1〜U5が閲覧したコンテンツに含まれるキーワードとともに端末装置10の位置を取得する。図1に示す地図情報MP1は、ユーザU1〜U5の位置を模式的に示す。図1の例では、情報処理装置100は、各ユーザにニュース記事をコンテンツとして配信する。
In the example of FIG. 1, the
また、図1の例では、情報提供を受ける事業者が、ラーメン店MAである場合を示す。例えば、図1では、情報処理装置100は、ラーメン店MAからAエリアにおける対象「ラーメン」に関する需要に関する情報の要求を取得し、取得した要求が示すエリアにおける対象に対応する需要に関する情報をラーメン店MAに提供する。
Moreover, in the example of FIG. 1, the case where the business operator receiving the information provision is the ramen shop MA is shown. For example, in FIG. 1, the
まず、情報処理装置100は、ユーザU1が利用する端末装置10−1からコンテンツ要求と位置情報とを取得する(ステップS11−1)。図1の例では、情報処理装置100は、日時DT1において、端末装置10−1からコンテンツ要求と位置情報LC1とを取得する。なお、図1の例では位置情報LC1等の抽象的な符号で図示するが、位置情報は、具体的な緯度や経度を示す情報(緯度経度情報)等であってもよい。また、以下、「位置情報LC*(*は任意の数値)」を「位置LC*」と記載する場合がある。例えば、「位置LC1」と記載した場合、その位置は位置情報LC1に対応する位置であることを示す。図1の例では、位置LC1は、Aエリア内の位置であるものとする。
First, the
そして、情報処理装置100は、コンテンツ要求に応じて、キーワード「塩ラーメン」を含むコンテンツCT11を端末装置10−1へ提供する(ステップS12−1)。また、情報処理装置100は、日時DT1に位置LC1において、ユーザU1がキーワード「塩ラーメン」を含むコンテンツCT11の閲覧を行ったことを示す行動情報を行動情報記憶部123に記憶する。図1の例では、情報処理装置100は、日時DT1にAエリア内の位置LC1において、ユーザU1がキーワード「塩ラーメン」を含むコンテンツCT11の閲覧を行ったことを示す行動情報を行動情報記憶部123に記憶する。
Then, the
また、情報処理装置100は、ユーザU2が利用する端末装置10−2からコンテンツ要求と位置情報とを取得する(ステップS11−2)。図1の例では、情報処理装置100は、日時DT2において、端末装置10−2からコンテンツ要求と位置情報LC2とを取得する。そして、情報処理装置100は、コンテンツ要求に応じて、キーワード「スマホSH」やキーワード「赤」を含むコンテンツCT12を端末装置10−2へ提供する(ステップS12−2)。また、情報処理装置100は、日時DT2に位置LC2において、ユーザU2がキーワード「スマホSH」やキーワード「赤」を含むコンテンツCT12の閲覧を行ったことを示す行動情報を行動情報記憶部123に記憶する。
The
また、情報処理装置100は、ユーザU3が利用する端末装置10−3からコンテンツ要求と位置情報とを取得する(ステップS11−3)。図1の例では、情報処理装置100は、日時DT3において、端末装置10−3からコンテンツ要求と位置情報LC3とを取得する。図1の例では、位置LC3は、Aエリア内の位置であるものとする。そして、情報処理装置100は、コンテンツ要求に応じて、キーワード「塩ラーメン」やキーワード「Aエリア」を含むコンテンツCT13を端末装置10−3へ提供する(ステップS12−3)。また、情報処理装置100は、日時DT3にAエリア内の位置LC3において、ユーザU3がキーワード「塩ラーメン」やキーワード「Aエリア」を含むコンテンツCT13の閲覧を行ったことを示す行動情報を行動情報記憶部123に記憶する。
Further, the
また、情報処理装置100は、ユーザU4が利用する端末装置10−4からコンテンツ要求と位置情報とを取得する(ステップS11−4)。図1の例では、情報処理装置100は、日時DT4において、端末装置10−4からコンテンツ要求と位置情報LC4とを取得する。そして、情報処理装置100は、コンテンツ要求に応じて、キーワード「天気」を含むコンテンツCT14を端末装置10−4へ提供する(ステップS12−4)。また、情報処理装置100は、日時DT4に位置LC4において、ユーザU4がキーワード「天気」を含むコンテンツCT14の閲覧を行ったことを示す行動情報を行動情報記憶部123に記憶する。
Further, the
また、情報処理装置100は、ユーザU5が利用する端末装置10−5からコンテンツ要求と位置情報とを取得する(ステップS11−5)。図1の例では、情報処理装置100は、日時DT5において、端末装置10−5からコンテンツ要求と位置情報LC5とを取得する。そして、情報処理装置100は、コンテンツ要求に応じて、キーワード「スマホSH」やキーワード「高い」を含むコンテンツCT15を端末装置10−5へ提供する(ステップS12−5)。また、情報処理装置100は、日時DT5に位置LC5において、ユーザU5がキーワード「スマホSH」やキーワード「高い」を含むコンテンツCT15の閲覧を行ったことを示す行動情報を行動情報記憶部123に記憶する。
Further, the
以下、ステップS11−1〜S11−5を区別せずに説明する場合、ステップS11と総称する。ステップS11において、情報処理装置100は、端末装置10−1〜10−5等にニュース記事であるコンテンツCT11〜CT15等を配信する。情報処理装置100は、端末装置10−1〜10−5等に配信したコンテンツCT11〜CT15等からキーワードを抽出する。また、ステップS11−1〜S11−5に限らず、各ユーザのコンテンツ要求は、複数回行われてもよい。ステップS12−1〜S12−5を区別せずに説明する場合、ステップS12と総称する。また、ステップS12−1〜S12−5に限らず、各ユーザの閲覧は、複数回行われてもよい。なお、図1では、5人のユーザU1〜U5を図示するが、情報処理装置100は、ユーザU1〜U5に限らず、多数のユーザ(例えば、100万ユーザや1000万ユーザ等)が閲覧したコンテンツに含まれるキーワードを取得する。
Hereinafter, when the steps S11-1 to S11-5 will be described without distinction, they will be collectively referred to as step S11. In step S11, the
これにより、情報処理装置100は、ユーザが閲覧したコンテンツに含まれるキーワードと、コンテンツの閲覧時のユーザの位置情報との組合せを収集する(ステップS13)。図1の例では、情報処理装置100は、行動情報記憶部123に示すように、ユーザU1〜U5等が閲覧したコンテンツに含まれるキーワードと、コンテンツの閲覧時のユーザの位置LC1〜LC5等との組合せを収集する。
Thereby, the
そして、情報処理装置100は、所定の対象に関するスコアを生成する(ステップS14)。例えば、情報処理装置100は、所定の対象について、複数のエリアごとのスコアを生成(算出)する。図1の例では、情報処理装置100は、対象「塩ラーメン」について、Aエリア〜Dエリア等の複数のエリアごとのスコアを生成する。例えば、情報処理装置100は、対象「塩ラーメン」について、各エリアにおける閲覧回数を用いてスコアを生成する。なお、情報処理装置100は、閲覧が行われた位置や時間に基づいて各閲覧の重みを生成し、生成した各閲覧の重みを用いてスコアを生成してもよいが、詳細は後述する。図1の例では、説明を簡単にするために、情報処理装置100は、各閲覧の重みを「1」として、各エリアにおける対象「塩ラーメン」のスコアを生成する。すなわち、図1の例では、情報処理装置100は、対象「塩ラーメン」について、各エリアにおける閲覧回数の合算をスコアとして生成する。
Then, the
図1の例では、情報処理装置100は、エリア別一覧ADL1に示すように、対象「塩ラーメン」について、Aエリア〜Dエリア等の複数のエリアごとのスコアを生成する。例えば、情報処理装置100は、Aエリアにおける対象「塩ラーメン」のスコアを「10000」と算出する。例えば、情報処理装置100は、Bエリアにおける対象「塩ラーメン」のスコアを「500」と算出する。例えば、情報処理装置100は、Cエリアにおける対象「塩ラーメン」のスコアを「10」と算出する。例えば、情報処理装置100は、Dエリアにおける対象「塩ラーメン」のスコアを「200」と算出する。
In the example of FIG. 1, the
そして、情報処理装置100は、生成したスコアに関する情報に基づいて、需要を予測する(ステップS15)。図1の例では、情報処理装置100は、需要一覧DDL1に示すように、対象「塩ラーメン」について、Aエリア〜Dエリア等の複数のエリアごとの需要を予測する。例えば、情報処理装置100は、対象について、各エリアに対応するスコアと、所定の閾値との比較に基づいて、エリアごとの需要を予測する。図1の例では、情報処理装置100は、第1閾値「5000」と、第2閾値「500」とを用いて、エリアごとの需要を予測する。例えば、情報処理装置100は、スコアが第1閾値以上であるエリアについては、その対象の需要が「高」であると予測する。例えば、情報処理装置100は、スコアが第2閾値以上であるエリアについては、その対象の需要が「中」であると予測する。例えば、情報処理装置100は、スコアが第2閾値未満であるエリアについては、その対象の需要が「低」であると予測する。
Then, the
図1の例では、情報処理装置100は、Aエリアにおける対象「塩ラーメン」のスコアが「10000」であり、第1閾値以上であるため、Aエリアにおける対象「塩ラーメン」の需要を「高」と予測する。また、情報処理装置100は、Bエリアにおける対象「塩ラーメン」のスコアが「500」であり、第1閾値未満、第2閾値以上であるため、Bエリアにおける対象「塩ラーメン」の需要を「中」と予測する。また、情報処理装置100は、Cエリアにおける対象「塩ラーメン」のスコアが「10」であり、第2閾値未満であるため、Cエリアにおける対象「塩ラーメン」の需要を「低」と予測する。また、情報処理装置100は、Dエリアにおける対象「塩ラーメン」のスコアが「200」であり、第2閾値未満であるため、Dエリアにおける対象「塩ラーメン」の需要を「低」と予測する。
In the example of FIG. 1, since the
そして、情報処理装置100は、事業者に需要情報を提供する(ステップS16)。図1の例では、情報処理装置100は、ラーメン店MAの管理者M1が利用する事業者装置20に需要情報を提供する。ここで、ラーメン店MAは、エリアAに位置し、しょうゆラーメンRMを提供する飲食店である。そのため、情報処理装置100は、事業者装置20にAエリアでは塩ラーメンの需要が高いことを示す情報を提供する。これにより、ラーメン店MAの管理者M1は、Aエリアにおいては塩ラーメンを提供した方が利益を上げる可能性が高いことを把握することができるため、提供物をしょうゆラーメンRMから塩ラーメンへ変更したり、提供物として塩ラーメンを追加したりする判断を行うことができる。なお、情報処理装置100は、需要一覧DDL1を事業者装置20に提供してもよい。これにより、ラーメン店MAの管理者M1は、Aエリアにおける塩ラーメンの需要が他のエリアよりも相対的に高いことを把握することができるため、より適切な判断を行うことができる。
Then, the
このように、情報処理装置100は、ユーザが閲覧したコンテンツに含まれるキーワードと、コンテンツの閲覧時のユーザの位置情報とに基づいて、キーワードに対応する対象に関する需要を予測する。図1の例では、情報処理装置100は、キーワードと位置情報とに基づいて、位置情報に対応するエリアにおけるキーワードに対応する対象に関する需要を予測する。そして、情報処理装置100は、予測した情報を事業者に提供する。これにより、情報の提供を受けた事業者は、提供された情報に基づいて、自身の事業についてより適切な判断を行うことができる。
As described above, the
〔1−1.他の情報の利用〕
図1の例では、情報処理装置100がユーザに閲覧されたコンテンツに含まれるキーワードを用いて需要を予測する場合を示したが、情報処理装置100は、種々の情報を用いて、需要を予測してもよい。すなわち、情報処理装置100は、ユーザによるコンテンツの閲覧行動を示す行動情報以外の行動情報を用いてもよい。
[1-1. Use of other information]
In the example of FIG. 1, the case where the
〔1−1−1.行動情報〕
例えば、情報処理装置100は、ユーザの行動に関する種々情報を用いて、需要を予測してもよい。例えば、情報処理装置100は、ユーザの入力に関する情報やユーザの購買行動に関する情報やユーザのコンテンツ閲覧に関する情報などの種々の行動情報を用いて、需要を予測してもよい。例えば、情報処理装置100は、ユーザが購入した商品やサービス等を対象として需要を予測してもよい。例えば、情報処理装置100は、ユーザにより商品Xが購入された回数を用いて、対象の需要を予測してもよい。また、情報処理装置100は、ユーザが閲覧したコンテンツに含まれる対象の需要を予測してもよい。例えば、情報処理装置100は、ユーザが閲覧したコンテンツY等に対象「塩ラーメン」が含まれる場合、コンテンツY等の閲覧回数を用いて、対象の需要を予測してもよい。
[1-1-1. Behavior information]
For example, the
〔1−1−2.入力情報〕
情報処理装置100は、クエリに限らず、ユーザが入力する種々の情報(入力情報)を用いて、需要を予測してもよい。例えば、情報処理装置100は、所定のネットワークで通信される文字情報を用いて、需要を予測してもよい。例えば、情報処理装置100は、ソーシャルネットワーキングサービスにおいてユーザが投稿した投稿情報とその投稿時のユーザの位置情報とを用いて、需要を予測してもよい。例えば、情報処理装置100は、所定のSNS(Social Networking Service)においてユーザが入力した入力情報を用いて、需要を予測してもよい。例えば、情報処理装置100は、Twitter(登録商標)やFacebook(登録商標)等においてユーザが投稿(入力)した投稿情報(入力情報)を用いて、需要を予測してもよい。例えば、情報処理装置100は、ユーザがTwitterにおいて投稿した文章(文字情報)を用いて、需要を予測してもよい。
[1-1-2. Input information)
The
例えば、情報処理装置100は、ユーザがメッセージサービスにおいて入力した入力情報を用いて、需要を予測してもよい。例えば、情報処理装置100は、ユーザがLINE(登録商標)等のメッセージサービスにおいて入力した入力情報を用いて、需要を予測してもよい。例えば、情報処理装置100は、電子メールにおいて入力した入力情報を用いて、需要を予測してもよい。
For example, the
〔1−1−3.検索情報〕
情報処理装置100は、ユーザの検索行動に関する行動情報を用いて、需要を予測してもよい。情報処理装置100は、ユーザが検索に用いたクエリと、クエリによる検索時のユーザの位置情報とに基づいて、クエリに対応する対象に関する需要を予測してもよい。情報処理装置100は、クエリが用いられた検索の回数により算出されるスコアに基づいて、対象に関する需要を予測してもよい。情報処理装置100は、クエリと、クエリとの関連性に応じて変動する重みとに基づいて、対象に関する需要を予測してもよい。
[1-1-3. Search information)
The
〔1−2.コンテンツ〕
〔1−2−1.要求態様に応じた重み変動〕
例えば、ユーザが視認した情報は、その情報に含まれる対象に対して、ユーザの需要を喚起すると想定される。そのため、情報処理装置100は、ユーザ自らが特定の情報を要求したか否かに関わらず、ユーザが閲覧したコンテンツに含まれるキーワードに対応する対象に対するユーザの需要を喚起すると判定する。そして、情報処理装置100は、ユーザが閲覧したコンテンツに含まれるキーワードと、コンテンツの閲覧時のユーザの位置情報とに基づいて、キーワードに対応する対象に関する需要を予測する。
[1-2. content〕
[1-2-1. Weight variation according to request mode]
For example, it is assumed that the information visually recognized by the user stimulates the demand of the user for the target included in the information. Therefore, the
なお、情報処理装置100は、ユーザのコンテンツ要求に応じて提供されたコンテンツ(「能動コンテンツ」とする)の閲覧の重みを、ユーザのコンテンツ要求に依らず提供されたコンテンツ(「受動コンテンツ」とする)の閲覧の重みよりも重くしてもよい。例えば、情報処理装置100は、能動コンテンツの閲覧の重みを「2」とし、受動コンテンツの閲覧の重みを「1」としてもよい。この場合、情報処理装置100は、能動コンテンツの閲覧を、受動コンテンツの閲覧よりも2倍の価値があると判定してもよい。情報処理装置100は、能動コンテンツの閲覧が、受動コンテンツの閲覧の2回分の需要喚起の効果があると予測してもよい。
Note that the
また、情報処理装置100は、ユーザが特定の対象のコンテンツを要求した場合、そのコンテンツ(「特定コンテンツ」とする)の閲覧の重みを、ユーザ自らが特定の情報を要求していないコンテンツ(「任意コンテンツ」とする)の閲覧の重みよりも重くしてもよい。例えば、情報処理装置100は、特定コンテンツの閲覧の重みを「2」とし、任意コンテンツの閲覧の重みを「1」としてもよい。この場合、情報処理装置100は、特定コンテンツの閲覧を、任意コンテンツの閲覧よりも2倍の価値があると判定してもよい。情報処理装置100は、特定コンテンツの閲覧が、任意コンテンツの閲覧の2回分の需要喚起の効果があると予測してもよい。
In addition, when the user requests content of a specific target, the
〔1−2−2.コンテンツの種類〕
なお、キーワードの抽出対象(取得対象)となるコンテンツは、ニュース記事や商品ページ(商品情報)等、種々のコンテンツであってもよい。例えば、情報処理装置100は、対象に対応するキーワード(文字列)が含まれるコンテンツであれば、どのようなコンテンツを対象として、上記の処理を行ってもよい。例えば、情報処理装置100は、ユーザが閲覧した所定のSNSのページをコンテンツとして、そのコンテンツ中に含まれるキーワードを計数してもよい。
[1-2-2. Content type]
The content from which the keyword is extracted (acquisition target) may be various contents such as news articles and product pages (product information). For example, the
〔1−2−3.キーワード〕
また、キーワードは、コンテンツに含まれるキーワードであればどのようなものであってもよい。例えば、キーワードは、コンテンツがニュース記事である場合、そのニュース記事に含まれる固有名詞や商品名等であってもよい。また、例えば、キーワードは、コンテンツが商品ページ(商品情報)である場合、その商品名(製品名)等であってもよい。
[1-2-3. keyword〕
The keyword may be any keyword as long as it is included in the content. For example, when the content is a news article, the keyword may be a proper noun or a product name included in the news article. Further, for example, when the content is a product page (product information), the keyword may be the product name (product name) or the like.
〔1−3.位置及び時間を組み合わせた需要予測〕
また、情報処理装置100は、位置とともに時間も組み合わせて、キーワードに対応する対象に関する需要を予測してもよい。例えば、情報処理装置100は、位置と時間との組み合わせごとにキーワードを収集し、各組み合わせに対応するキーワードごとにスコアを算出してもよい。例えば、情報処理装置100は、エリアと時間帯(朝、昼、夜等)との組み合わせごとにキーワードを収集し、各組み合わせにおけるキーワードに対応する対象ごとにスコアを算出してもよい。例えば、情報処理装置100は、Aエリア、Bエリア等と、第1時間帯(4−12時)、第2時間帯(12−20時)、第3時間帯(20−4時)等との組み合わせごとにキーワードを収集し、各組み合わせにおけるキーワードに対応する対象ごとにスコアを算出してもよい。
[1-3. Demand forecast combining location and time)
In addition, the
例えば、情報処理装置100は、コンテンツの閲覧時の位置とコンテンツの閲覧時の時間帯またはキーワードに含まれる時間を示す文字列等とに基づいて、キーワードを組み合わせごとに収集し、各組み合わせにおけるキーワードに対応する対象ごとにスコアを算出してもよい。例えば、情報処理装置100は、Bエリアと昼の時間帯との組合せにおける対象「塩ラーメン」のスコアが所定の閾値以上である場合、Bエリアにおける昼の時間帯に塩ラーメンの需要が高いとして、その情報を提供してもよい。例えば、情報処理装置100は、Bエリアにおける昼の時間帯に塩ラーメンの需要が高いことを示す情報を、Bエリアにおいて夜の時間帯のみが営業時間である居酒屋の事業者(事業者AB)に提供してもよい。これにより、事業者ABは、昼の時間帯における営業を行うかどうかや、どのような商品を提供するかを適切に判断することができる。
For example, the
また、情報処理装置100は、コンテンツが閲覧された時間に応じて重みを変動させてスコアを生成してもよい。例えば、情報処理装置100は、食事の時間帯に食品に関するコンテンツが閲覧された場合、そのコンテンツの閲覧の重みを大きくしてスコアを生成してもよい。例えば、情報処理装置100は、12−13時等の間にキーワード「塩ラーメン」を含むコンテンツが閲覧された場合、そのコンテンツの閲覧の重みを、他の時間帯(例えば7−9時等)におけるキーワード「塩ラーメン」を含むコンテンツの閲覧の重みよりも重くしてもよい。例えば、情報処理装置100は、12−13時等の間におけるキーワード「塩ラーメン」を含むコンテンツの閲覧の重みを「1.5」と大きくし、他の時間帯(例えば7−9時等)におけるキーワード「塩ラーメン」を含むコンテンツの閲覧の重みを「0.5」と小さくしてもよい。
Further, the
例えば、情報処理装置100は、所定の対象を提供する店舗の営業時間内にその所定の対象を示すキーワードを含むコンテンツが閲覧された場合、そのコンテンツの閲覧の重みを大きくしてスコアを生成してもよい。例えば、情報処理装置100は、所定の対象を提供する店舗の営業時間外にその所定の対象を示すキーワードを含むコンテンツが閲覧された場合、そのコンテンツの閲覧の重みを小さくしてスコアを生成してもよい。
For example, when the content including the keyword indicating the predetermined target is browsed within the business hours of the store that provides the predetermined target, the
〔1−4.提供態様〕
また、例えば、情報処理装置100は、情報提供先となる事業者の事業規模(売上等)に応じて、情報の提供態様を変動させてもよい。例えば、情報処理装置100は、事業者の事業規模(売上等)が所定の閾値未満である場合、情報提供を行うごとに課金を行ってもよい。また、例えば、情報処理装置100は、事業者の事業規模(売上等)が所定の閾値以上である場合、定額制により情報提供を行ってもよい。例えば、情報処理装置100は、事業者の事業規模(売上等)が所定の閾値以上である場合、所定の期間ごとに設定される課金額を課金し、その所定の期間内に情報提供を行ってもよい。また、例えば、情報処理装置100は、情報提供先となる事業者の事業規模(売上等)に応じて、課金額を変動させてもよい。例えば、情報処理装置100は、事業者の事業規模(売上等)が所定の閾値未満である場合、事業規模が所定の閾値以上の事業者に情報提供する場合と比べて、同様の情報提供における課金額を低くしてもよい。
[1-4. Provision mode]
Further, for example, the
また、情報処理装置100は、種々の態様によって事業者に情報提供を行ってもよい。また、情報処理装置100は、事業者からの要求に応じて、事業者装置20に情報提供を行う場合に限らず、例えば、事業者からの対象の事前登録を受付けてもよい。この場合、情報処理装置100は、事業者が事前登録した対象に関する需要が所定の条件を満たす場合に、その事業者にその対象の需要に関する情報を提供してもよい。例えば、情報処理装置100は、事業者が事前登録した対象に関する需要が直近の実績(売上等)から大きく変化した場合に、その事業者にアラートを通知してもよい。
Moreover, the
〔1−5.情報の利用〕
なお、図1の例では、説明を簡単にするために、キーワードが対象を示す文字列に一致する場合を一例として示したが、情報処理装置100は、意味的に近い単語に関するキーワードの情報も加味して需要の予測を行ってもよい。例えば、情報処理装置100は、上記に限らず、上位語、下位語、類義語等を示すコーパスや、word2vecのようなアルゴリズムからの分散表現などを利用し、意味的に近い単語に関するキーワードの情報も加味して需要の予測を行ってもよい。
[1-5. Use of information]
Note that, in the example of FIG. 1, for simplification of description, the case where the keyword matches the character string indicating the target is shown as an example, but the
例えば、情報処理装置100は、需要を予測する対象と概念的な類似関係がある単語(文字列)に関するキーワードの情報も加味して需要の予測を行ってもよい。例えば、情報処理装置100は、需要を予測する対象に対して上位概念の関係にある単語(文字列)に関するキーワードの情報も加味して需要の予測を行ってもよい。図1の例では、情報処理装置100は、「ラーメン」や「さっぱり系ラーメン」等の対象「塩ラーメン」の上位概念に対応する単語(文字列)に関するキーワードの情報も加味して需要の予測を行ってもよい。
For example, the
例えば、情報処理装置100は、需要を予測する対象に対して下位概念の関係にある単語(文字列)に関するキーワードの情報も加味して需要の予測を行ってもよい。図1の例では、情報処理装置100は、塩ラーメン店の具体的店名「ラーメン屋X」等の対象「塩ラーメン」の下位概念に対応する単語(文字列)に関するキーワードの情報も加味して需要の予測を行ってもよい。
For example, the
例えば、情報処理装置100は、需要を予測する対象を示す単語(文字列)の類義語となる単語(文字列)に関するキーワードの情報も加味して需要の予測を行ってもよい。図1の例では、情報処理装置100は、「中華そば」や「とんこつラーメン」等の対象「塩ラーメン」の類義語に対応する単語(文字列)に関するキーワードの情報も加味して需要の予測を行ってもよい。
For example, the
〔1−6.関連商品の需要〕
なお、情報処理装置100は、キーワードに対応する対象であれば、キーワードが示す対象に限らず、種々の対象に関する需要を予測してもよい。例えば、情報処理装置100は、コンテンツの閲覧回数に基づいて、キーワードが示す商品に関連する関連商品であって、位置情報に対応するエリアにおける関連商品に関する需要を予測する。
[1-6. Demand for related products]
Note that the
例えば、情報処理装置100は、キーワード「スマホ」が含まれるコンテンツの閲覧情報(行動情報)に基づいて、商品「スマホ」に関連する商品(関連商品)「スマホ」に関する需要を予測してもよい。例えば、情報処理装置100は、例えばコンテンツの閲覧時の位置情報が海A付近であり、閲覧したコンテンツには、キーワードとして「スマホ」や「水没」「スマホ」や「起動しなくなった」等が多数(例えば1万や全体の数%等)含まれる閲覧情報(行動情報)を取得するものとする。例えば、情報処理装置100は、例えばコンテンツの閲覧時の位置情報が海B付近である場合、その閲覧におけるコンテンツには「スマホ」や「水没」「スマホ」や「起動しなくなった」等がほとんど無い(例えば0または数件等)閲覧情報(行動情報)を取得するものとする。
For example, the
この場合、例えば、海Aの近くで水没してしまったなど、海Aの近くではスマホが故障しやすいということが予測される。例えば、海Aの近くは、景色が綺麗で写真スポットだが、足元が悪く水没のケースが多いということが予測される。そのため、情報処理装置100は、例えば、海Aの付近では、スマホの防水ケース等のスマホの関連商品の需要が増大すると予測することができる。この場合、情報処理装置100は、例えば、海Aの付近で、スマホ防水ケースを販売することや、スマホの水没時に乾かすドライヤーを貸し出す等のサービスを行うことを事業者に提案してもよい。これにより、情報処理装置100は、海A付近におけるスマホの故障の予防や回復に貢献することができる。このように、情報処理装置100は、商品の状態などに関するキーワードを用いて、その商品の故障等を予防したり回復したりするための付随的な商品(関連商品)の需要を予測してもよい。情報処理装置100は、キーワードが示す対象自体ではなく、その対象に関連する対象の需要、すなわち間接的な需要を予測してもよい。
In this case, for example, it is predicted that the smartphone is likely to break down near the sea A, such as being submerged near the sea A. For example, near the sea A, the scenery is beautiful and a photo spot, but it is predicted that there are many cases where the feet are bad and the water is submerged. Therefore, the
〔2.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。
[2. Configuration of information processing device]
Next, the configuration of the
(通信部110)
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、例えば情報処理システム1に含まれる端末装置10や事業者装置20との間で情報の送受信を行う。
(Communication unit 110)
The communication unit 110 is realized by, for example, a NIC (Network Interface Card) or the like. The communication unit 110 is connected to a network by wire or wirelessly, and transmits/receives information to/from the
(記憶部120)
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3に示すように、事業者情報記憶部121と、ユーザ情報記憶部122と、行動情報記憶部123と、需要情報記憶部124とを有する。なお、図3では図示を省略するが、記憶部120は、ユーザに提供(配信)される種々のコンテンツが記憶されるコンテンツ情報記憶部を有する。
(Storage unit 120)
The storage unit 120 is realized by, for example, a semiconductor memory device such as a RAM (Random Access Memory) or a flash memory (Flash Memory), or a storage device such as a hard disk or an optical disk. As illustrated in FIG. 3, the storage unit 120 according to the embodiment includes a business
(事業者情報記憶部121)
実施形態に係る事業者情報記憶部121は、商品に関する各種情報を記憶する。図4は、実施形態に係る事業者情報記憶部の一例を示す図である。図4に示す事業者情報記憶部121は、「事業者ID」、「事業者」、「業種」、「所在地」、「提供物」といった項目が含まれる。
(Business information storage unit 121)
The business entity
「事業者ID」は、事業者を識別するための識別情報を示す。「事業者」は、対応する事業者IDにより識別される事業者を示す。例えば、「事業者」は、対応する事業者IDにより識別される事業者の名称を示す。「業種」は、対応する事業者IDにより識別される事業者の業種を示す。「所在地」は、対応する事業者IDにより識別される事業者の所在地を示す。「提供物」は、対応する事業者IDにより識別される事業者により提供される商品やサービスを示す。 “Business operator ID” indicates identification information for identifying a business operator. “Business operator” indicates a business operator identified by the corresponding business operator ID. For example, “company” indicates the name of the company identified by the corresponding company ID. “Business category” indicates the business category of the business operator identified by the corresponding business operator ID. “Location” indicates the location of the business operator identified by the corresponding business operator ID. The “provided product” indicates a product or service provided by the business operator identified by the corresponding business operator ID.
例えば、図4に示す例において、事業者ID「EP1」により識別される事業者(事業者EP1)は、事業者が「ラーメン店MA」であり、業種が「飲食」であることを示す。また、ラーメン店MAの所在地は、Aエリア内の位置LC10であることを示す。なお、図4の例では位置を「LC10」等の抽象的な符号で図示するが、位置情報は、具体的な緯度経度情報等であってもよい。また、ラーメン店MAが提供する商品は、「しょうゆラーメンRM」であることを示す。 For example, in the example illustrated in FIG. 4, the business operator (business operator EP1) identified by the business operator ID “EP1” indicates that the business operator is “ramen shop MA” and the business type is “food and drink”. Further, the location of the ramen shop MA is shown as a position LC10 in the area A. In the example of FIG. 4, the position is illustrated by an abstract code such as “LC10”, but the position information may be specific latitude/longitude information or the like. The product offered by the ramen shop MA is “Soy sauce ramen RM”.
なお、事業者情報記憶部121は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、事業者情報記憶部121は、事業者の従業員数や売上高等の事業規模に関する情報を記憶してもよい。
Note that the business entity
(ユーザ情報記憶部122)
実施形態に係るユーザ情報記憶部122は、ユーザ属性に関する各種情報を記憶する。例えば、ユーザ情報記憶部122は、ユーザ属性情報を記憶する。図5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。図5に示すユーザ情報記憶部122は、「ユーザID」、「年齢」、「性別」、「自宅」、「勤務地」、「興味」といった項目が含まれる。
(User information storage unit 122)
The user
「ユーザID」は、ユーザを識別するための識別情報を示す。例えば、ユーザID「U1」により識別されるユーザは、図1の例に示したユーザU1に対応する。また、「年齢」は、ユーザIDにより識別されるユーザの年齢を示す。なお、「年齢」は、例えば35歳など、ユーザIDにより識別されるユーザの具体的な年齢であってもよい。また、「性別」は、ユーザIDにより識別されるユーザの性別を示す。 “User ID” indicates identification information for identifying a user. For example, the user identified by the user ID “U1” corresponds to the user U1 shown in the example of FIG. The "age" indicates the age of the user identified by the user ID. The “age” may be a specific age of the user identified by the user ID, such as 35 years old. Further, “sex” indicates the sex of the user identified by the user ID.
また、「自宅」は、ユーザIDにより識別されるユーザの自宅の位置情報を示す。なお、図5に示す例では、「自宅」は、「LC11」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「自宅」は、地域名や住所であってもよい。 Further, "home" indicates the position information of the home of the user identified by the user ID. In the example shown in FIG. 5, “home” is an abstract code such as “LC11”, but it may be latitude/longitude information or the like. Further, for example, “home” may be a region name or an address.
また、「勤務地」は、ユーザIDにより識別されるユーザの勤務地の位置情報を示す。なお、図5に示す例では、「勤務地」は、「LC12」といった抽象的な符号を図示するが、緯度経度情報等であってもよい。また、例えば、「勤務地」は、地域名や住所であってもよい。 Further, "work location" indicates position information of the work location of the user identified by the user ID. Note that, in the example shown in FIG. 5, the “work place” shows an abstract code such as “LC12”, but it may be latitude and longitude information or the like. Further, for example, the “work place” may be a region name or an address.
また、「興味」は、ユーザIDにより識別されるユーザの興味を示す。すなわち、「興味」は、ユーザIDにより識別されるユーザが関心の高い対象を示す。なお、図5に示す例では、「興味」は、各ユーザに1つずつ図示するが、複数であってもよい。 The "interest" indicates the interest of the user identified by the user ID. That is, “interest” indicates a target of high interest to the user identified by the user ID. In the example shown in FIG. 5, “interest” is shown for each user, but there may be a plurality of “interests”.
例えば、図5に示す例において、ユーザID「U1」により識別されるユーザの年齢は、「20代」であり、性別は、「男性」であることを示す。また、例えば、ユーザID「U1」により識別されるユーザは、自宅が「LC11」であることを示す。また、例えば、ユーザID「U1」により識別されるユーザは、勤務地が「LC12」であることを示す。また、例えば、ユーザID「U1」により識別されるユーザは、「スポーツ」に興味があることを示す。 For example, in the example illustrated in FIG. 5, the age of the user identified by the user ID “U1” is “20s”, and the gender is “male”. Further, for example, the user identified by the user ID “U1” indicates that his home is “LC11”. Further, for example, the user identified by the user ID “U1” indicates that the work place is “LC12”. Further, for example, the user identified by the user ID “U1” indicates that he is interested in “sports”.
なお、ユーザ情報記憶部122は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、ユーザ情報記憶部122は、ユーザのデモグラフィック属性に関する情報やサイコグラフィック属性に関する情報を記憶してもよい。例えば、ユーザ情報記憶部122は、氏名、家族構成、収入、興味、ライフスタイル等の情報を記憶してもよい。
The user
(行動情報記憶部123)
実施形態に係る行動情報記憶部123は、ユーザの行動に関する各種情報を記憶する。図6は、実施形態に係る行動情報記憶部の一例を示す図である。例えば、行動情報記憶部123は、各ユーザの端末装置10を用いて行ったコンテンツ閲覧等を含む種々の行動情報を記憶する。図6に示す行動情報記憶部123には、「行動ID」、「ユーザID」、「位置」、「日時」、「閲覧情報」といった項目が含まれる。また、「閲覧情報」には、「コンテンツ」、「キーワード1」、「キーワード2」等といった項目が含まれる。
(Behavior information storage unit 123)
The behavior
また、「行動ID」は、ユーザの行動を識別する情報を示す。「ユーザID」は、ユーザを識別するための識別情報を示す。例えば、ユーザID「U1」により識別されるユーザは、図1の例に示したユーザU1に対応する。 The "action ID" indicates information that identifies the action of the user. “User ID” indicates identification information for identifying a user. For example, the user identified by the user ID “U1” corresponds to the user U1 shown in the example of FIG.
また、「位置」は、対応する行動が行われた位置を示す。例えば、「位置」は、対応するコンテンツの閲覧時のユーザの位置を示す。なお、図6の例では位置を「LC1」等の抽象的な符号で図示するが、位置情報は、具体的な緯度経度情報等であってもよい。 Further, “position” indicates the position where the corresponding action is performed. For example, “position” indicates the position of the user when browsing the corresponding content. In the example of FIG. 6, the position is illustrated by an abstract code such as “LC1”, but the position information may be specific latitude/longitude information or the like.
また、「日時」は、対応するユーザの行動が行われた日時を示す。「日時」には、「DT1」等のように抽象的に図示するが、「2017年7月25日22時46分58秒」等の具体的な日時が記憶されてもよい。 In addition, “date and time” indicates the date and time when the action of the corresponding user was performed. The “date and time” is illustrated in an abstract manner such as “DT1”, but a specific date and time such as “22:46:58 on July 25, 2017” may be stored.
また、「閲覧情報」は、対応する閲覧においてユーザに提供されたコンテンツに関する情報を示す。「コンテンツ」は、配信するコンテンツを示す。「コンテンツ」は、いわゆるコンテンツプロバイダ等の提供元から取得したコンテンツであるニュース記事や電子商取引サイトが提供する商品情報等であってもよい。図7では「コンテンツ」に「CT11」といった概念的な情報が格納される例を示したが、実際には、文字情報や文字情報と画像との組合せ、または、これらの格納場所を示すファイルパス名などが格納される。 Further, the “browsing information” indicates information regarding the content provided to the user in the corresponding browsing. “Content” indicates the content to be distributed. The “content” may be a news article that is content acquired from a source such as a so-called content provider or product information provided by an electronic commerce site. In FIG. 7, an example in which conceptual information such as “CT11” is stored in “content” is shown. However, in reality, character information, a combination of character information and an image, or a file path indicating the storage location thereof is shown. The name etc. are stored.
「キーワード1」や「キーワード2」は、対応するコンテンツに含まれるキーワードを示す。なお、キーワードは、「キーワード1」、「キーワード2」に限らず、「キーワード3」、「キーワード4」等、コンテンツに含まれるキーワードが含まれてもよい。
“Keyword 1” and “
例えば、図6に示す例において、ユーザID「U1」により識別されるユーザ(ユーザU1)は、位置LC1において行動AC11を行ったことを示す。具体的には、図6に示す例においてユーザU1は、キーワード「塩ラーメン」が含まれるコンテンツ(コンテンツCT11)の閲覧(行動AC11)を日時DT1に行ったことを示す。また、例えば、図6に示す例において、ユーザID「U2」により識別されるユーザ(ユーザU2)は、位置LC2において行動AC12を行ったことを示す。具体的には、図6に示す例においてユーザU2は、キーワード「スマホSH」とキーワード「赤」が含まれるコンテンツ(コンテンツCT12)の閲覧(行動AC12)を日時DT2に行ったことを示す。 For example, in the example illustrated in FIG. 6, the user (user U1) identified by the user ID “U1” indicates that the behavior AC11 is performed at the position LC1. Specifically, in the example illustrated in FIG. 6, the user U1 indicates that the content (content CT11) including the keyword “salt ramen” is browsed (action AC11) at the date and time DT1. Further, for example, in the example illustrated in FIG. 6, the user (user U2) identified by the user ID “U2” indicates that the behavior AC12 is performed at the position LC2. Specifically, in the example illustrated in FIG. 6, the user U2 indicates that the content (content CT12) including the keyword “smartphone SH” and the keyword “red” is browsed (action AC12) at the date and time DT2.
なお、行動情報記憶部123は、上記に限らず、目的に応じて種々の情報を記憶してもよい。また、図6では、ユーザIDごとに行動情報が行動情報記憶部123に記憶される場合を示したが、行動情報は、日時順に限らず、例えばユーザIDごとに記憶されてもよい。
The behavior
(需要情報記憶部124)
実施形態に係る需要情報記憶部124は、需要に関する各種情報を記憶する。図7は、実施形態に係る需要情報記憶部の一例を示す図である。図7に示す需要情報記憶部124は、「対象」、「需要情報」、「閲覧者属性情報」といった項目を有する。
(Demand information storage unit 124)
The demand
「対象」は、需要情報を生成する対象を示す。「対象」は、特定の商品名やサービス名に限らず、商品やサービスのカテゴリ(飲料やファッションや旅行等)であってもよい。 “Target” indicates a target for which demand information is generated. The “target” is not limited to a specific product name or service name, but may be a product or service category (beverage, fashion, travel, etc.).
「需要情報」は、対応する対象に関する需要情報を示す。「需要情報」には、「エリア」、「スコア」、「需要レベル」といった項目が含まれる。「エリア」は、予測対象となったエリアを示す。「スコア」は、対応するエリアにおける対象に関する需要の評価値となるスコアを示す。「需要レベル」は、対応するエリアにおける対象に関する需要レベルを示す。 “Demand information” indicates demand information about the corresponding target. The "demand information" includes items such as "area", "score", and "demand level". “Area” indicates an area that is a prediction target. The “score” indicates a score that is an evaluation value of demand for the target in the corresponding area. The “demand level” indicates the demand level regarding the object in the corresponding area.
「閲覧者属性情報」は、対応する対象に関するコンテンツの閲覧を行う閲覧者(ユーザ)の属性の需要情報を示す。「閲覧者属性情報」には、「カテゴリ」や「属性」や「割合」といった項目が含まれる。「カテゴリ」は、ユーザを分類するカテゴリを示す。「属性」は、対応するカテゴリにおける種別(属性)を示す。また、「割合」は、対応する属性のユーザが、対象に対応するキーワードが含まれるコンテンツの閲覧を行う割合を示す。 The "viewer attribute information" indicates demand information of the attribute of a viewer (user) who browses the content related to the corresponding target. The “viewer attribute information” includes items such as “category”, “attribute”, and “ratio”. “Category” indicates a category for classifying users. The “attribute” indicates the type (attribute) in the corresponding category. Further, the “ratio” indicates the ratio of the user having the corresponding attribute browsing the content including the keyword corresponding to the target.
例えば、図7に示す例において、需要を予測する対象は、塩ラーメンであることを示す。また、対象「塩ラーメン」について、Aエリアにおける需要のスコアが「10000」であることを示す。また、Aエリアにおける塩ラーメンの需要レベルは、「高」であることを示す。 For example, in the example shown in FIG. 7, the target of which the demand is predicted is salt ramen. Moreover, it shows that the demand score in the area A is “10000” for the target “salt ramen”. Further, the demand level of salt ramen in the area A is “high”.
また、図7の例では、Aエリアにおいて対象「塩ラーメン」に対応するキーワードを含むコンテンツを閲覧するユーザのうち、男性が「20%」であり、女性が「80%」であることを示す。また、図7の例では、Aエリアにおいて対象「塩ラーメン」に対応するキーワードを含むコンテンツを閲覧するユーザのうち、10代が「65%」等であることを示す。 Further, in the example of FIG. 7, among the users who browse the content including the keyword corresponding to the target “salt ramen” in the area A, males are “20%” and females are “80%”. .. Further, in the example of FIG. 7, among the users who browse the content including the keyword corresponding to the target “salt ramen” in the area A, the teens are “65%” or the like.
また、需要情報記憶部124は、上記に限らず、目的に応じて種々の情報を記憶してもよい。例えば、需要情報記憶部124は、需要情報が生成された日時や生成に用いた情報が収集された期間に関する情報を記憶してもよい。
In addition, the demand
(制御部130)
図3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、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、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。
(Control unit 130)
Returning to the description of FIG. 3, the
図3に示すように、制御部130は、取得部131と、生成部132と、予測部133と、提供部134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。
As illustrated in FIG. 3, the
(取得部131)
取得部131は、各種情報を取得する。取得部131は、記憶部120から各種情報を取得する。取得部131は、事業者情報記憶部121やユーザ情報記憶部122や行動情報記憶部123や需要情報記憶部124から各種情報を取得する。取得部131は、外部の情報処理装置から各種情報を取得する。取得部131は、端末装置10や事業者装置20から各種情報を取得する。取得部131は、ユーザによるコンテンツの閲覧行動を示す行動情報と、前記コンテンツの閲覧時の前記ユーザの位置情報とを取得する。取得部131は、コンテンツに含まれるキーワードを含む行動情報を取得する。取得部131は、ユーザが閲覧したコンテンツに含まれるキーワードと、コンテンツの閲覧時のユーザの位置情報とを取得する。
(Acquisition unit 131)
The
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する。例えば、取得部131は、行動情報記憶部123からユーザが閲覧したコンテンツに含まれるキーワードを取得する。例えば、取得部131は、端末装置10からコンテンツ要求を取得する。
Further, the
図1の例では、取得部131は、ユーザU1が利用する端末装置10−1からコンテンツ要求と位置情報とを取得する。提供部134は、日時DT1において、端末装置10−1からコンテンツ要求と位置情報LC1とを取得する。提供部134は、ユーザU2が利用する端末装置10−2からコンテンツ要求と位置情報とを取得する。提供部134は、日時DT2において、端末装置10−2からコンテンツ要求と位置情報LC2とを取得する。提供部134は、ユーザU3が利用する端末装置10−3からコンテンツ要求と位置情報とを取得する。提供部134は、日時DT3において、端末装置10−3からコンテンツ要求と位置情報LC3とを取得する。提供部134は、ユーザU4が利用する端末装置10−4からコンテンツ要求と位置情報とを取得する。提供部134は、日時DT4において、端末装置10−4からコンテンツ要求と位置情報LC4とを取得する。提供部134は、ユーザU5が利用する端末装置10−5からコンテンツ要求と位置情報とを取得する。提供部134は、日時DT5において、端末装置10−5からコンテンツ要求と位置情報LC5とを取得する。
In the example of FIG. 1, the
(生成部132)
生成部132は、種々の情報を生成する。生成部132は、記憶部120に記憶された情報に基づいて、種々の情報を生成する。生成部132は、事業者情報記憶部121やユーザ情報記憶部122や行動情報記憶部123や需要情報記憶部124に記憶された情報に基づいて、種々の情報を生成する。生成部132は、取得部131により取得された情報に基づいて、種々の情報を生成する。生成部132は、外部の情報処理装置から取得された情報に基づいて、種々の情報を生成する。生成部132は、端末装置10や事業者装置20から取得された情報に基づいて、種々の情報を生成する。生成部132は、生成部132により生成された情報に基づいて、種々の情報を生成する。生成部132は、対象と位置に関する情報(エリア)との組み合わせ毎にスコアを生成(算出)する。生成部132は、予測部133により予測された情報に基づいて、種々の情報を生成する。
(Generator 132)
The
図1の例では、生成部132は、所定の対象に関するスコアを生成する。例えば、生成部132は、所定の対象について、複数のエリアごとのスコアを生成(算出)する。例えば、生成部132は、対象「塩ラーメン」について、Aエリア〜Dエリア等の複数のエリアごとのスコアを生成する。例えば、生成部132は、対象「塩ラーメン」について、各エリアにおける閲覧回数を用いてスコアを生成する。例えば、生成部132は、閲覧が行われた位置や時間に基づいて各閲覧の重みを生成し、生成した各閲覧の重みを用いてスコアを生成する。
In the example of FIG. 1, the
図1の例では、生成部132は、各閲覧の重みを「1」として、各エリアにおける対象「塩ラーメン」のスコアを生成する。すなわち、図1の例では、生成部132は、対象「塩ラーメン」について、各エリアにおける閲覧回数の合算をスコアとして生成する。
In the example of FIG. 1, the
図1の例では、生成部132は、エリア別一覧ADL1に示すように、対象「塩ラーメン」について、Aエリア〜Dエリア等の複数のエリアごとのスコアを生成する。例えば、生成部132は、Aエリアにおける対象「塩ラーメン」のスコアを「10000」と算出する。例えば、生成部132は、Bエリアにおける対象「塩ラーメン」のスコアを「500」と算出する。例えば、生成部132は、Cエリアにおける対象「塩ラーメン」のスコアを「10」と算出する。例えば、生成部132は、Dエリアにおける対象「塩ラーメン」のスコアを「200」と算出する。
In the example of FIG. 1, the
(予測部133)
予測部133は、種々の情報を予測する。予測部133は、記憶部120に記憶された情報に基づいて、種々の情報を予測する。予測部133は、事業者情報記憶部121やユーザ情報記憶部122や行動情報記憶部123や需要情報記憶部124に記憶された情報に基づいて、種々の情報を予測する。予測部133は、取得部131により取得された情報に基づいて、種々の情報を予測する。予測部133は、外部の情報処理装置から取得された情報に基づいて、種々の情報を予測する。予測部133は、端末装置10や事業者装置20から取得された情報に基づいて、種々の情報を予測する。予測部133は、生成部132により生成された情報に基づいて、種々の情報を予測する。
(Predictor 133)
The prediction unit 133 predicts various information. The prediction unit 133 predicts various information based on the information stored in the storage unit 120. The prediction unit 133 predicts various types of information based on the information stored in the company
予測部133は、取得部131により取得された行動情報が示す閲覧行動に関する回数に基づいて、位置情報に対応するエリアにおけるコンテンツに対応する対象に関する需要を予測する。例えば、予測部133は、取得部131により取得されたキーワードに対応する対象に関する需要を予測する。例えば、予測部133は、キーワードが含まれるコンテンツの閲覧回数により算出されるスコアに基づいて、対象に関する需要を予測する。例えば、予測部133は、キーワードと、キーワードとの関連性に応じて変動する重みとに基づいて、対象に関する需要を予測する。
The prediction unit 133 predicts the demand for the target corresponding to the content in the area corresponding to the position information, based on the number of browsing behaviors indicated by the behavior information acquired by the
例えば、予測部133は、コンテンツに含まれるキーワードと、コンテンツが閲覧された時間に応じて変動する重みとに基づいて、対象に関する需要を予測する。例えば、予測部133は、コンテンツに対応する商品であって、位置情報に対応するエリアにおいて提供される商品に関する需要を予測する。例えば、予測部133は、キーワードに対応する商品であって、位置情報に対応するエリアにおいて提供される商品に関する需要を予測する。予測部133は、コンテンツの閲覧回数に基づいて、キーワードが示す商品に関連する関連商品であって、位置情報に対応するエリアにおける関連商品に関する需要を予測する。 For example, the prediction unit 133 predicts the demand for the target based on the keywords included in the content and the weight that changes according to the time when the content is browsed. For example, the prediction unit 133 predicts demand for products corresponding to the content and provided in the area corresponding to the position information. For example, the prediction unit 133 predicts demand for products corresponding to the keyword and provided in the area corresponding to the position information. The prediction unit 133 predicts the demand for related products related to the product indicated by the keyword and related products in the area corresponding to the position information, based on the number of times the content is viewed.
図1の例では、予測部133は、生成したスコアに関する情報に基づいて、需要を予測する。例えば、予測部133は、需要一覧DDL1に示すように、対象「塩ラーメン」について、Aエリア〜Dエリア等の複数のエリアごとの需要を予測する。例えば、予測部133は、対象について、各エリアに対応するスコアと、所定の閾値との比較に基づいて、エリアごとの需要を予測する。 In the example of FIG. 1, the prediction unit 133 predicts the demand based on the generated information regarding the score. For example, the prediction unit 133 predicts the demand for each of a plurality of areas such as the areas A to D for the target “salt ramen”, as shown in the demand list DDL1. For example, the prediction unit 133 predicts the demand for each area of the target based on the comparison between the score corresponding to each area and a predetermined threshold value.
図1の例では、予測部133は、第1閾値「5000」と、第2閾値「500」とを用いて、エリアごとの需要を予測する。例えば、予測部133は、スコアが第1閾値以上であるエリアについては、その対象の需要が「高」であると予測する。例えば、予測部133は、スコアが第2閾値以上であるエリアについては、その対象の需要が「中」であると予測する。例えば、予測部133は、スコアが第2閾値未満であるエリアについては、その対象の需要が「低」であると予測する。 In the example of FIG. 1, the prediction unit 133 predicts the demand for each area by using the first threshold value “5000” and the second threshold value “500”. For example, the prediction unit 133 predicts that the target demand is “high” for an area having a score equal to or higher than the first threshold. For example, the prediction unit 133 predicts that the demand of the target is “medium” for an area having a score equal to or higher than the second threshold. For example, the prediction unit 133 predicts that the demand of the target is “low” for an area whose score is less than the second threshold.
図1の例では、予測部133は、Aエリアにおける対象「塩ラーメン」のスコアが「10000」であり、第1閾値以上であるため、Aエリアにおける対象「塩ラーメン」の需要を「高」と予測する。例えば、予測部133は、Bエリアにおける対象「塩ラーメン」のスコアが「500」であり、第1閾値未満、第2閾値以上であるため、Bエリアにおける対象「塩ラーメン」の需要を「中」と予測する。例えば、予測部133は、Cエリアにおける対象「塩ラーメン」のスコアが「10」であり、第2閾値未満であるため、Cエリアにおける対象「塩ラーメン」の需要を「低」と予測する。例えば、予測部133は、Dエリアにおける対象「塩ラーメン」のスコアが「200」であり、第2閾値未満であるため、Dエリアにおける対象「塩ラーメン」の需要を「低」と予測する。 In the example of FIG. 1, the prediction unit 133 has a score of “10000” for the target “salt ramen” in the A area, which is equal to or higher than the first threshold, and thus the demand for the target “salt ramen” in the A area is “high”. Predict. For example, the prediction unit 133 has a score of “500” for the target “salt ramen” in the B area, which is less than the first threshold value and greater than or equal to the second threshold value, so the demand for the target “salt ramen” in the B area is “medium”. I predict." For example, the prediction unit 133 predicts that the demand of the target “salt ramen” in the C area is “low” because the score of the target “salt ramen” in the C area is “10” and is less than the second threshold. For example, the prediction unit 133 predicts that the demand of the target “salt ramen” in the D area is “low” because the score of the target “salt ramen” in the D area is “200” and is less than the second threshold.
(提供部134)
提供部134は、各種情報を提供する。提供部134は、外部の情報処理装置へ各種情報を提供する。提供部134は、端末装置10や事業者装置20等の外部の情報処理装置に各種情報を提供する。提供部134は、端末装置10や事業者装置20に各種情報を送信する。提供部134は、端末装置10や事業者装置20に各種情報を配信する。提供部134は、取得部131により取得された各種情報に基づいて、種々の情報を提供する。提供部134は、生成部132により生成された各種情報に基づいて、種々の情報を提供する。提供部134は、予測部133により予測された各種情報に基づいて、種々の情報を提供する。例えば、提供部134は、端末装置10へコンテンツ要求に対応するコンテンツを提供する。提供部134は、端末装置10へコンテンツを配信する。例えば、提供部134は、事業者装置20へ需要情報を提供する。
(Providing section 134)
The providing
図1の例では、提供部134は、コンテンツ要求に応じて、キーワード「塩ラーメン」を含むコンテンツCT11を端末装置10−1へ提供する。提供部134は、ユーザU2が利用する端末装置10−2からコンテンツ要求と位置情報とを取得する。提供部134は、ユーザU3が利用する端末装置10−3からコンテンツ要求と位置情報とを取得する。提供部134は、ユーザU4が利用する端末装置10−4からコンテンツ要求と位置情報とを取得する。提供部134は、ユーザU5が利用する端末装置10−5からコンテンツ要求と位置情報とを取得する。
In the example of FIG. 1, the providing
例えば、提供部134は、対象に関する需要を示す情報を、対象に関する事業者へ提供する。例えば、提供部134は、商品に関する需要を示す情報を、位置情報に対応するエリアに位置する事業者へ提供する。
For example, the providing
図1の例では、提供部134は、事業者に需要情報を提供する。例えば、提供部134は、ラーメン店MAの管理者M1が利用する事業者装置20に需要情報を提供する。図1の例では、提供部134は、事業者装置20にAエリアでは塩ラーメンの需要が高いことを示す情報を提供する。例えば、提供部134は、需要一覧DDL1をラーメン店MAの管理者M1が利用する事業者装置20に提供する。
In the example of FIG. 1, the providing
〔3.情報処理のフロー〕
ここで、図8を用いて、実施形態に係る情報処理装置100による情報処理の手順について説明する。図8は、実施形態に係る情報処理の一例を示すフローチャートである。
[3. Information processing flow]
Here, the procedure of information processing by the
図8に示すように、情報処理装置100は、ユーザが閲覧したコンテンツに含まれるキーワードと、コンテンツの閲覧時のユーザの位置情報とを取得する(ステップS101)。図1の例では、情報処理装置100は、日時DT1において、端末装置10−1からコンテンツ要求と位置情報LC1とを取得する。図1の例では、情報処理装置100は、日時DT2において、端末装置10−2からコンテンツ要求と位置情報LC2とを取得する。図1の例では、情報処理装置100は、日時DT3において、端末装置10−3からコンテンツ要求と位置情報LC3とを取得する。図1の例では、情報処理装置100は、日時DT4において、端末装置10−4からコンテンツ要求と位置情報LC4とを取得する。図1の例では、情報処理装置100は、日時DT5において、端末装置10−5からコンテンツ要求と位置情報LC5とを取得する。図1の例では、情報処理装置100は、端末装置10−1〜10−5の各々にコンテンツCT11〜CT15を提供する。
As shown in FIG. 8, the
また、情報処理装置100は、キーワードに関する情報を収集する(ステップS102)。図1の例では、情報処理装置100は、ユーザU1〜U5等が閲覧したコンテンツに含まれるキーワードと、コンテンツの閲覧時のユーザの位置LC1〜LC5等との組合せを収集する。
In addition, the
そして、情報処理装置100は、収集したキーワードに関する情報に基づいて、所定の対象に関する需要を予測する(ステップS103)。図1の例では、情報処理装置100は、需要一覧DDL1に示すように、対象「塩ラーメン」について、Aエリア〜Dエリア等の複数のエリアごとの需要を予測する。
Then, the
そして、情報処理装置100は、所定の対象に関する需要情報を提供する(ステップS104)。図1の例では、情報処理装置100は、ラーメン店MAの管理者M1が利用する事業者装置20にAエリアでは塩ラーメンの需要が高いことを示す情報を提供する。
Then, the
〔4.位置に応じた重みの変動〕
図1の例では、説明を簡単にするために、各閲覧の重みを「1」としてスコアを生成(算出)する場合を示したが、情報処理装置100は、コンテンツが閲覧された位置に応じて重みを変動させてスコアを生成してもよい。この点について、図9を用いて説明する。実施形態に係る情報処理の一例を示す図である。
[4. Variation of weight according to position)
In the example of FIG. 1, for simplification of description, the case where the weight of each browsing is set to “1” and the score is generated (calculated) is shown. However, the
図9中の行動情報記憶部123に示すように、同様のキーワード「スマホSH」が含まれるコンテンツ(コンテンツCT12、コンテンツCT15)の閲覧を行ったユーザU2、U5の位置がスマホSHと関連する位置との近さに応じて、情報処理装置100は、各閲覧の重みを変動させてもよい。情報処理装置100は、ユーザの位置に応じて、各閲覧の重みを決定する(ステップS21)。図9の例では、情報処理装置100は、重み一覧WL21に示すように、対象「スマホSH」について各閲覧の重みを決定する。
As shown in the behavior
例えば、情報処理装置100は、ユーザU2がスマホSHの販売店の範囲内でのキーワード「スマホSH」が含まれるコンテンツCT12の閲覧を行っているため、ユーザU2の閲覧の重みを大きくする。具体的には、情報処理装置100は、ユーザU2がスマホSHの販売店の範囲内でキーワード「スマホSH」が含まれるコンテンツCT12の閲覧を行っているため、ユーザU2の閲覧の重みを「1」よりも大きい「1.5」とする。
For example, the
また、例えば、情報処理装置100は、ユーザU5がスマホSHの販売店の範囲外でキーワード「スマホSH」が含まれるコンテンツCT15の閲覧を行っているため、ユーザU5の閲覧の重みを小さくする。具体的には、情報処理装置100は、ユーザU5がスマホSHの販売店の範囲外でキーワード「スマホSH」が含まれるコンテンツCT15の閲覧を行っているため、ユーザU5の閲覧の重みを「1」よりも小さい「0.2」とする。
Further, for example, the
そして、情報処理装置100は、対象「スマホSH」についてスコアを生成する(ステップS22)。図9の例では、情報処理装置100は、数式FC21に示すように、対象「スマホSH」について各閲覧の重みを合算することによりスコアを生成(算出)する。
Then, the
また、例えば、情報処理装置100は、重みが大きい閲覧において対象に関するキーワードとともに共起するキーワードの情報を用いて需要を予測してもよい。例えば、情報処理装置100は、図9の例において、重みが大きい閲覧におけるコンテンツにおいてキーワード「スマホSH」とともに共起するキーワード「赤」を対象「スマホSH」について需要が高いと予測してもよい。この場合、情報処理装置100は、対象「スマホSH」について、色「赤」の需要が高いと予測してもよい。また、情報処理装置100は、対象「スマホSH」について、色「赤」の需要が高いことを示す情報を、対象「スマホSH」の製造元(メーカ)へ提供してもよい。
Further, for example, the
これにより、情報処理装置100から情報提供を受けたメーカは、自身が提供する商品または商品のカテゴリについて、新商品等の開発やマーケティング等を適切に行うことができる。
Accordingly, the manufacturer, who receives the information provided from the
〔5.価格予測〕
また、例えば、情報処理装置100は、事業者へ種々の情報を提供してもよい。例えば、情報処理装置100は、事業者が提供する商品について、適切と予測される価格を示す情報を提供してもよい。この点について、図10を用いて説明する。図10は、実施形態に係る情報処理の一例を示す図である。なお、図10では、図1と同様の点についての説明は適宜省略する。
[5. Price forecast)
Further, for example, the
また、図10の例では、情報提供を受ける事業者が、エリアAで塩ラーメンを提供するラーメン店MXである場合を示す。例えば、図10では、情報処理装置100は、ラーメン店MXからAエリアにおける対象「ラーメン」に関する需要に関する情報の要求を取得し、取得した要求が示すエリアにおける対象に対応する需要に関する情報をラーメン店MXに提供する。例えば、情報処理装置100は、ラーメン店MXから、提供物が塩ラーメンであり、価格が「800」円であることを示す情報を取得済みであるものとする。
Further, the example of FIG. 10 shows a case where the business operator who receives the information provision is the ramen shop MX which provides salt ramen in the area A. For example, in FIG. 10, the
図10の例では、情報処理装置100は、事業者が提供する商品について、適切な価格を予測する(ステップS31)。ここで、情報処理装置100は、図1と同様に需要一覧DDL1に示すように、対象「塩ラーメン」について、Aエリアにおける需要が高いと予測するものとする。また、図10の例では、情報処理装置100は、需要状況DM31に示すように、対象「塩ラーメン」について、Aエリアにおける塩ラーメンを提供するお店における回転率等が高いことを示す実績情報RS31を取得しているものとする。そのため、情報処理装置100は、ラーメン店MXが提供する塩ラーメンについて、値上げが可能であると予測する。例えば、情報処理装置100は、Aエリアにおいて塩ラーメンを提供する店舗の塩ラーメンの価格の平均を値上げ後の価格として予測してもよい。また、例えば、情報処理装置100は、Aエリアにおいて塩ラーメンを提供する店舗のうち、回転率が所定の閾値以上の店舗、すなわち繁盛している店舗が提供する塩ラーメンの価格の平均を値上げ後の価格として予測してもよい。
In the example of FIG. 10, the
そして、情報処理装置100は、事業者に情報を提供する(ステップS32)。例えば、情報処理装置100は、ラーメン店MXの管理者M31が利用する事業者装置20に情報を提供する。図10の例では、情報処理装置100は、ラーメン店MXが提供する塩ラーメンについて値上げが可能であることを示す情報を提供する。例えば、情報処理装置100は、ラーメン店MXが提供する塩ラーメンの価格を「800」円から「1000」円に値上げ可能であることを示す情報を提供する。これにより、ラーメン店MXの管理者M31は、値上げを行うことが可能であることを把握することができるため、適切な判断を行うことができる。
Then, the
〔6.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、予測部133とを有する。取得部131は、ユーザによるコンテンツの閲覧行動を示す行動情報と、コンテンツの閲覧時のユーザの位置情報とを取得する。予測部133は、取得部131により取得された行動情報が示す閲覧行動に関する回数に基づいて、位置情報に対応するエリアにおけるコンテンツに対応する対象に関する需要を予測する。
[6. effect〕
As described above, the
このように、実施形態に係る情報処理装置100は、ユーザによるコンテンツの閲覧行動を示す行動情報と、コンテンツの閲覧時のユーザの位置情報とを取得し、行動情報が示す閲覧行動に関する回数に基づいて、位置情報に対応するエリアにおけるコンテンツに対応する対象に関する需要を予測することにより、ユーザの需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100において、取得部131は、ユーザが閲覧したコンテンツに含まれるキーワードを取得する。予測部133は、取得部131により取得されたキーワードに対応する対象に関する需要を予測する。
Further, in the
このように、実施形態に係る情報処理装置100は、キーワードに対応する対象に関する需要を予測することにより、ユーザの需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100において、予測部133は、キーワードが含まれるコンテンツの閲覧回数により算出されるスコアに基づいて、対象に関する需要を予測する。
Further, in the
このように、実施形態に係る情報処理装置100は、キーワードが含まれるコンテンツの閲覧回数により算出されるスコアに基づいて、対象に関する需要を予測することにより、ユーザの需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100において、予測部133は、キーワードと、キーワードとの関連性に応じて変動する重みとに基づいて、対象に関する需要を予測する。
Further, in the
このように、実施形態に係る情報処理装置100は、キーワードと、キーワードとの関連性に応じて変動する重みとに基づいて、対象に関する需要を予測することにより、ユーザの需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100において、予測部133は、キーワードと、コンテンツが閲覧された時間に応じて変動する重みとに基づいて、対象に関する需要を予測する。
Further, in the
このように、実施形態に係る情報処理装置100は、キーワードと、コンテンツが閲覧された時間に応じて変動する重みとに基づいて、対象に関する需要を予測することにより、ユーザの需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100において、予測部133は、コンテンツの閲覧回数に基づいて、キーワードが示す商品に関連する関連商品であって、位置情報に対応するエリアにおける関連商品に関する需要を予測する。
Further, in the
このように、実施形態に係る情報処理装置100は、コンテンツの閲覧回数に基づいて、キーワードが示す商品に関連する関連商品であって、位置情報に対応するエリアにおける関連商品に関する需要を予測することにより、ユーザの需要を適切に予測することができる。
As described above, the
また、実施形態に係る情報処理装置100は、提供部134を有する。提供部134は、予測部133により予測された対象に関する需要を示す情報を提供する。
Further, the
このように、実施形態に係る情報処理装置100は、予測した対象に関する需要を示す情報を提供することにより、需要に関する情報を適切に提供することができる。
As described above, the
また、実施形態に係る情報処理装置100において、提供部134は、対象に関する需要を示す情報を、対象に関する事業者へ提供する。
Moreover, in the
このように、実施形態に係る情報処理装置100は、対象に関する需要を示す情報を、対象に関する事業者へ提供することにより、事業者へ需要に関する情報を適切に提供することができる。
As described above, the
また、実施形態に係る情報処理装置100において、予測部133は、コンテンツに対応する商品であって、位置情報に対応するエリアにおいて提供される商品に関する需要を予測する。提供部134は、商品に関する需要を示す情報を、位置情報に対応するエリアに位置する事業者へ提供する。
Further, in the
このように、実施形態に係る情報処理装置100は、コンテンツに対応する商品であって、位置情報に対応するエリアにおいて提供される商品に関する需要を予測することにより、ユーザの需要を適切に予測することができる。
As described above, the
〔7.ハードウェア構成〕
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、情報処理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、ROM1300、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。
[7. Hardware configuration]
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、及び、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、ネットワーク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ネットワークNを介して他の機器へ提供する。
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、及び、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。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、他の装置からネットワーク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、発明の開示の行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。 The embodiments of the present application have been described above in detail with reference to the drawings. However, these are examples, and various modifications and improvements are made based on the knowledge of those skilled in the art, including the modes described in the line of the disclosure of the invention. The present invention can be carried out in other forms described above.
〔8.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生成することができる。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。
[8. Other]
Further, of the processes described in the above embodiment, all or part of the processes described as being automatically performed may be manually performed, or the processes described as being manually performed may be performed. All or part of the process can be automatically performed by a known method. In addition, the processing procedures, specific names, information including various data and parameters shown in the above-mentioned documents and drawings can be arbitrarily generated unless otherwise specified. For example, the various kinds of information shown in each drawing are not limited to the illustrated information.
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 constituent element of each illustrated device is functionally conceptual, and does not necessarily have to be physically configured as illustrated. That is, the specific form of distribution/integration of each device is not limited to that shown in the figure, and all or a part of the device may be functionally or physically distributed/arranged in arbitrary units according to various loads or usage conditions. It can be integrated and configured.
また、上述してきた実施形態に記載された各処理は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。 Further, the respective processes described in the above-described embodiments can be appropriately combined within a range in which the processing contents do not contradict each other.
また、上述してきた「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、取得部は、取得手段や取得回路に読み替えることができる。 Also, the above-mentioned "section (module, unit)" can be read as "means" or "circuit". For example, the acquisition unit can be read as an acquisition unit or an acquisition circuit.
1 情報処理システム
100 情報処理装置
121 事業者情報記憶部
122 ユーザ情報記憶部
123 行動情報記憶部
124 需要情報記憶部
130 制御部
131 取得部
132 生成部
133 予測部
134 提供部
10 端末装置
20 事業者装置
N ネットワーク
DESCRIPTION OF SYMBOLS 1
Claims (11)
所定のエリアに該当する位置情報に対応する前記行動情報が示す前記コンテンツの閲覧のうち、対象に対応する対応コンテンツの閲覧回数を用いて、前記所定のエリアにおける当該対象に関する需要を予測する予測部と、
を備えることを特徴とする情報処理装置。 And action information indicating a request of the content by the user as a browsing behavior of content by the user, an acquisition unit that acquires the position information of the user upon request of the content,
Of viewing of the content the action information indicates that corresponding to the position information corresponding to a predetermined area, with a number of viewing times corresponding content corresponding to the subject, to predict the demand for the target in the predetermined area prediction Department,
An information processing apparatus comprising:
前記対応コンテンツに含まれるキーワードを含む前記行動情報を取得し、
前記予測部は、
前記キーワードに対応する対象に関する需要を予測する
ことを特徴とする請求項1に記載の情報処理装置。 The acquisition unit is
Acquiring the action information including a keyword included in the corresponding content,
The prediction unit is
The information processing apparatus according to claim 1, wherein the demand related to the target corresponding to the keyword is predicted.
前記キーワードが含まれる前記対応コンテンツの閲覧回数により算出されるスコアに基づいて、前記対象に関する需要を予測する
ことを特徴とする請求項2に記載の情報処理装置。 The prediction unit is
The information processing apparatus according to claim 2, wherein the demand for the target is predicted based on a score calculated by the number of times the corresponding content including the keyword is browsed.
前記キーワードと、前記キーワードとの関連性に応じて変動する重みとに基づいて、前記対象に関する需要を予測する
ことを特徴とする請求項2または請求項3に記載の情報処理装置。 The prediction unit is
The information processing apparatus according to claim 2, wherein the demand for the target is predicted based on the keyword and a weight that varies according to the relevance of the keyword.
前記キーワードと、前記対応コンテンツが閲覧された時間に応じて変動する重みとに基づいて、前記対象に関する需要を予測する
ことを特徴とする請求項2〜4のいずれか1項に記載の情報処理装置。 The prediction unit is
The demand for the target is predicted based on the keyword and a weight that changes according to the time when the corresponding content is browsed. The information processing according to claim 2, wherein the demand is predicted. apparatus.
前記対応コンテンツの閲覧回数に基づいて、前記キーワードが示す商品に関連する関連商品であって、前記所定のエリアにおける関連商品に関する需要を予測する
ことを特徴とする請求項2〜5のいずれか1項に記載の情報処理装置。 The prediction unit is
Based on the number of views of the corresponding contents, a related product related to the product in which the keyword is shown, any one of claims 2-5, characterized in that predicting the demand for similar items in the predetermined area 1 The information processing device according to item.
をさらに備えたことを特徴とする請求項1〜6のいずれか1項に記載の情報処理装置。 A providing unit that provides information indicating demand for the target predicted by the predicting unit,
The information processing apparatus according to any one of claims 1 to 6, further comprising:
前記対象に関する需要を示す情報を、前記対象に関する事業者へ提供する
ことを特徴とする請求項7に記載の情報処理装置。 The providing unit is
The information processing apparatus according to claim 7, wherein information indicating demand for the target is provided to a business operator related to the target.
前記対応コンテンツに対応する商品であって、前記所定のエリアにおいて提供される商品に関する需要を予測し、
前記提供部は、
前記商品に関する需要を示す情報を、前記所定のエリアに位置する事業者へ提供する
ことを特徴とする請求項7または請求項8に記載の情報処理装置。 The prediction unit is
Predicting demand for products corresponding to the corresponding content, which are provided in the predetermined area,
The providing unit is
The information processing apparatus according to claim 7 or 8, wherein information indicating demand for the product is provided to a business operator located in the predetermined area.
ユーザによるコンテンツの要求を前記ユーザによるコンテンツの閲覧行動として示す行動情報と、前記コンテンツの要求時の前記ユーザの位置情報とを取得する取得工程と、
所定のエリアに該当する前記位置情報に対応する前記行動情報が示す前記コンテンツの閲覧のうち、対象に対応する対応コンテンツの閲覧回数を用いて、前記所定のエリアにおける当該対象に関する需要を予測する予測工程と、
を含むことを特徴とする情報処理方法。 An information processing method executed by a computer,
And action information indicating a request of the content by the user as a browsing behavior of content by the user, an acquisition step of acquiring the position information of the user upon request of the content,
Of viewing of the content the action information indicates that corresponding to the position information corresponding to a predetermined area, with a number of viewing times corresponding content corresponding to the subject, to predict the demand for the target in the predetermined area Prediction process,
An information processing method comprising:
所定のエリアに該当する位置情報に対応する前記行動情報が示す前記コンテンツの閲覧のうち、対象に対応する対応コンテンツの閲覧回数を用いて、前記所定のエリアにおける当該対象に関する需要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情報処理プログラム。
And action information indicating a request of the content by the user as a browsing behavior of content by the user, an acquisition procedure for acquiring the position information of the user upon request of the content,
Of viewing of the content the action information indicates that corresponding to the position information corresponding to a predetermined area, with a number of viewing times corresponding content corresponding to the subject, to predict the demand for the target in the predetermined area prediction Procedure and
An information processing program that causes a computer to execute.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018127109A JP6702626B2 (en) | 2018-07-03 | 2018-07-03 | Information processing apparatus, information processing method, and information processing program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018127109A JP6702626B2 (en) | 2018-07-03 | 2018-07-03 | Information processing apparatus, information processing method, and information processing program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020008957A JP2020008957A (en) | 2020-01-16 |
JP6702626B2 true JP6702626B2 (en) | 2020-06-03 |
Family
ID=69151794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018127109A Active JP6702626B2 (en) | 2018-07-03 | 2018-07-03 | Information processing apparatus, information processing method, and information processing program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6702626B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7054745B1 (en) * | 2021-03-19 | 2022-04-14 | ヤフー株式会社 | Information processing equipment, information processing methods, and information processing programs |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004348262A (en) * | 2003-05-20 | 2004-12-09 | Nec Corp | Data distribution server, data distribution system, method and program |
JP4764864B2 (en) * | 2007-11-02 | 2011-09-07 | ヤフー株式会社 | Information propagation extracting apparatus and information propagation extracting method |
JP2012014675A (en) * | 2010-06-01 | 2012-01-19 | Ntt Docomo Inc | Server, program and retrieval area estimation method |
JP6039287B2 (en) * | 2011-08-01 | 2016-12-07 | ネイバー コーポレーションNAVER Corporation | System and method for recommending a blog |
JP6763732B2 (en) * | 2016-09-28 | 2020-09-30 | 株式会社Nttドコモ | Extractor |
JP6656131B2 (en) * | 2016-09-30 | 2020-03-04 | 株式会社Nttドコモ | Text extraction device |
JP6881952B2 (en) * | 2016-11-15 | 2021-06-02 | ヤフー株式会社 | Forecasting device, forecasting method, and forecasting program |
JP6827305B2 (en) * | 2016-11-22 | 2021-02-10 | ヤフー株式会社 | Selection device, selection method and selection program |
-
2018
- 2018-07-03 JP JP2018127109A patent/JP6702626B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020008957A (en) | 2020-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10726438B2 (en) | Personalized contextual coupon engine | |
US20200273054A1 (en) | Digital receipts economy | |
JP6852019B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP6917348B2 (en) | Providing equipment, providing method, and providing program | |
JP6979931B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP2018142285A (en) | Information processing device, information processing method, and information processing program | |
JP2015079449A (en) | Information extraction device, information extraction method, and information extraction program | |
JP6702626B2 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6548785B1 (en) | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM | |
JP6353144B1 (en) | Prediction device, prediction method, and prediction program | |
JP6549761B1 (en) | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM | |
JP6591004B1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6679704B1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP2018185575A (en) | Provision device, provision method and provision program | |
JP6664586B2 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6918748B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP2020095608A (en) | Device, method, and program for processing information | |
JP6664602B2 (en) | Information processing apparatus, information processing method, and information processing program | |
JP6779965B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP7114352B2 (en) | Prediction device, prediction method, and prediction program | |
JP7039500B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP2021047551A (en) | Specification device, specification method, and specification program | |
JP7090046B2 (en) | Decision device, decision method and decision program | |
JP7098553B2 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP6782751B2 (en) | Extractor, extraction method, and extraction program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181213 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181213 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20181219 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190319 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190820 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191018 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
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: 20200407 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200502 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6702626 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |