JP6736530B2 - 予測装置、予測方法、及び予測プログラム - Google Patents
予測装置、予測方法、及び予測プログラム Download PDFInfo
- Publication number
- JP6736530B2 JP6736530B2 JP2017176107A JP2017176107A JP6736530B2 JP 6736530 B2 JP6736530 B2 JP 6736530B2 JP 2017176107 A JP2017176107 A JP 2017176107A JP 2017176107 A JP2017176107 A JP 2017176107A JP 6736530 B2 JP6736530 B2 JP 6736530B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- business
- predetermined
- demand
- prediction device
- 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 57
- 230000004308 accommodation Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims 3
- 238000013277 forecasting method Methods 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 74
- 238000004458 analytical method Methods 0.000 description 47
- 238000003860 storage Methods 0.000 description 41
- 235000008429 bread Nutrition 0.000 description 34
- 230000008569 process Effects 0.000 description 32
- 101001062854 Rattus norvegicus Fatty acid-binding protein 5 Proteins 0.000 description 30
- 238000013500 data storage Methods 0.000 description 25
- 101100016620 Arabidopsis thaliana HDG11 gene Proteins 0.000 description 18
- 101150086549 adt-1 gene Proteins 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 230000010365 information processing Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000013459 approach Methods 0.000 description 10
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 6
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 206010022000 influenza Diseases 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000009471 action Effects 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
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 235000013527 bean curd Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004615 ingredient 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
- 230000008520 organization Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
〔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、予測装置100がある事業者の事業内容や事業者の位置(エリア)に対応する予約に関する情報(予約情報)や検索に関する情報(検索情報)等を含む事業情報を用いてモデルの生成を行う場合を示す。なお、事業情報については、上記に限らず種々の情報が含まれるが、事業情報の詳細については後述する。
まず、図1の説明に先立って、図3に示す予測システム1について説明する。図3に示すように、予測システム1は、事業者装置10と、情報提供装置50と、予測装置100とが含まれる。事業者装置10と、情報提供装置50と、予測装置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、実施形態に係る予測システムの構成例を示す図である。なお、図3に示した予測システム1には、複数台の事業者装置10や、複数台の情報提供装置50や、複数台の予測装置100が含まれてもよい。
図2を用いて、実施形態に係る予測処理の一例について説明する。図2は、実施形態に係る予測処理の一例を示す図である。図2では、予測装置100は、パン屋MAから日時DA21における需要の予測を要求された場合に、日時DA21におけるパン屋MAの事業の対象「パン」に関する需要を予測し、予測に基づく情報を提供する場合を示す。
(2−1−1.事業情報の種別)
なお、上記の入力情報は一例であり、予測装置100は、上記の例に限らず、種々の情報を入力情報としてもよい。例えば、予測装置100は、正解情報に対応する事業者の位置に対応するエリアに関するエリア関連情報(以下、単に「エリア情報」ともいう)を用いて、モデルを生成してもよい。この場合、予測装置100は、エリア情報を含む事業情報を用いて、所定の事業者の事業の対象に関する需要を予測してもよい。
なお、図1及び図2の例では、パン屋MAの情報を基にモデルを生成し、生成したモデルにパン屋MAの情報を入力することにより、パン屋MAについて需要を予測する例を示したが、予測装置100は、他の事業者の情報を用いて、需要を予測してもよい。例えば、予測装置100は、パン屋MAに類似する事業者の情報を用いて、需要を予測してもよい。例えば、予測装置100は、パン屋MAと同じAエリアに位置するパン屋の売上情報等を含む事業者情報を用いてモデルを生成し、そのモデルを用いてパン屋MAについて需要を予測してもよい。例えば、予測装置100は、パン屋MAと同じAエリアに位置する複数のパン屋の事業者情報を用いてモデルを生成し、そのモデルを用いてパン屋MAについて需要を予測してもよい。
なお、上記は一例であり、予測装置100は、事業者に関する需要であればどのような需要を予測してもよい。例えば、予測装置100は、所定のエリア全体における所定の対象の需要を予測してもよい。この場合、予測装置100は、所定のエリア全体における事業情報を用いてそのエリア全体の対象の需要を予測してもよい。例えば、予測装置100は、Aエリア全体の対象「パン」の需要を予測する場合、Aエリア全体の売上等の情報を用いて、モデル(エリアモデル)を生成してもよい。そして、予測装置100は、生成したエリアモデルに所定の日時に対応する事業情報を入力することにより、所定の日時におけるエリア全体の対象に関する需要を予測してもよい。
なお、図2の例では、モデルを用いて予測する場合を示したが、モデルを用いることなく所定の事業者の事業の対象に関する需要を予測してもよい。例えば、予測装置100は、分析事業者情報INF11−1等に基づいて、所定の事業者の事業の対象に関する需要を予測してもよい。例えば、予測装置100は、分析事業者情報INF11−1等における売上や需要の変動の規則性を抽出し、その規則性に基づいて、所定の事業者の事業の対象に関する需要を予測してもよい。例えば、予測装置100は、分析事業者情報INF11−1等における売上や需要の変動と、分析用情報INF11に含まれる情報の変動との相関に関する規則性を抽出し、その規則性に基づいて、所定の事業者の事業の対象に関する需要を予測してもよい。例えば、予測装置100は、分析事業者情報INF11−1等における売上や需要の変動と、上述のようなエリア情報の変動との相関に関する規則性を抽出し、その規則性に基づいて、所定の事業者の事業の対象に関する需要を予測してもよい。
また、予測装置100は、上記に限らず、種々の情報を用いて、需要の予測を行ってもよい。例えば、予測装置100は、ユーザの情報も加味して需要の予測を行ってもよい。例えば、予測装置100は、所定の行動を行ったユーザの属性情報を用いて、需要の予測を行ってもよい。例えば、予測装置100は、予約情報に含まれる予約に関する行動を行ったユーザの属性や検索情報に含まれる検索に関する行動を行ったユーザの属性等を用いて、需要の予測を行ってもよい。
次に、図4を用いて、実施形態に係る予測装置100の構成について説明する。図4は、実施形態に係る予測装置の構成例を示す図である。図4に示すように、予測装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、予測装置100は、予測装置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、事業者装置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、需要情報記憶部123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」、「正解情報」、「入力情報」といった項目が含まれる。「入力情報」には、「事業内容情報」、「位置情報」、「予約情報」、「検索情報」といった項目が含まれる。
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」、「用途」、「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のみを図示するが、M2、M3、M4、M5等、各用途(予測の対象)に応じて多数のモデル情報が記憶されてもよい。
実施形態に係る需要情報記憶部123は、需要に関する各種情報を記憶する。図7に、実施形態に係る需要情報記憶部123の一例を示す。図7に示す需要情報記憶部123は、「日時」、「対象」、「エリア」、「スコア」、「需要レベル」といった項目を有する。
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、予測装置100内部の記憶装置に記憶されている各種プログラム(予測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、所定の事業者の事業に関する情報である事業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事業情報に対し、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、需要の予測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、需要情報記憶部123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、各種情報を事業者装置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により取得された種々の情報に基づいて、所定の事業者の事業の対象に関する需要の予測に用いられるモデルを生成する。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、所定の事業者の事業の対象に関する需要の予測に用いられるモデルを生成する。例えば、生成部132は、所定の事業情報と、所定の事業情報に対応する事業者の事業の対象に関する需要を示す正解情報とを含む学習データに基づいて、事業者の事業の対象に関する需要の予測に用いられるモデルを生成する。
予測部133は、各種情報を予測する。予測部133は、学習データ記憶部121と、モデル情報記憶部122と、需要情報記憶部123等に記憶された情報を用いて種々の情報を予測する。例えば、予測部133は、取得部131により取得された各種情報に基づいて、種々の情報を予測する。
提供部134は、各種情報を提供する。例えば、提供部134は、事業者装置10に各種情報を提供する。提供部134は、予測部133により予測された所定の事業者の事業の対象に関する需要に基づくサービスを提供する。例えば、提供部134は、予測部133により予測された所定の事業者の事業の対象に関する需要に基づいて予測する対象の販売予定個数に関する情報を提供する。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。
例えば、提供部134は、オンライン広告出稿に予測した需要を用いてもよい。
次に、図8を用いて、実施形態に係る予測システム1による生成処理の手順について説明する。図8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9を用いて、実施形態に係る予測システム1による予測処理の手順について説明する。図9は、実施形態に係る予測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、実施形態に係る予測装置100は、取得部131と、予測部133とを有する。取得部131は、所定の事業者の事業に関する情報である事業情報を取得する。また、予測部133は、取得部131により取得された事業情報に基づいて、所定の事業者の事業の対象に関する需要を予測する。
上述してきた実施形態に係る予測装置100は、例えば図10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10は、予測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 予測装置
121 学習データ記憶部
122 モデル情報記憶部
123 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 事業者装置
50 情報提供装置
N ネットワーク
Claims (15)
- 所定の事業者の事業に関する情報である事業情報であって、所定の事業者以外の他の事業者が利用する情報提供装置からの前記所定の事業者が位置するエリアへの移動手段に関する予約情報または当該エリアの宿泊施設に関する予約情報と、前記所定の事業者の利用する事業者装置からの事業者情報と、を含む事業情報を取得する取得部と、
前記取得部により取得された前記事業情報に基づいて生成される学習用データであって、前記所定の事業者の事業の対象に関する需要を示す正解情報と、前記予約情報を含む入力情報とを含む学習用データに基づいて生成されたモデルであって、新たな入力情報の入力に応じて前記所定の事業者の事業の対象に関する需要を示すスコアを出力するモデルが出力する前記スコアが、需要の各レベルに対応する各範囲のうちいずれの範囲の値であるかに基づいて、前記所定の事業者の事業の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予測装置。 - 前記取得部は、
前記所定の事業者自身の事業に関する情報を含む前記事業情報を取得する
ことを特徴とする請求項1に記載の予測装置。 - 前記取得部は、
前記所定の事業者の事業実績を含む前記事業情報を取得する
ことを特徴とする請求項2に記載の予測装置。 - 前記取得部は、
前記所定の事業者以外の他の事業者が有する前記所定の事業者に関する情報を含む前記事業情報を取得する
ことを特徴とする請求項1〜3いずれか1項に記載の予測装置。 - 前記取得部は、
前記所定の事業者以外の他の事業者が有する情報と、前記所定の事業者の売上情報を含む前記事業情報を取得し、
前記予測部は、
前記他の事業者が有する情報と前記所定の事業者の売上情報とに基づいて、前記所定の事業者に関する需要を予測する
ことを特徴とする請求項1〜4のいずれか1項に記載の予測装置。 - 前記取得部は、
前記所定の事業者が位置するエリアに関するエリア関連情報を含む前記事業情報を取得する
ことを特徴とする請求項1〜5のいずれか1項に記載の予測装置。 - 前記取得部は、
前記所定の事業者の事業に関する検索情報を含む前記事業情報を取得する
ことを特徴とする請求項1〜6のいずれか1項に記載の予測装置。 - 前記取得部は、
前記所定の事業者以外の他の事業者の事業に関する情報を含む前記事業情報を取得する
ことを特徴とする請求項1〜7いずれか1項に記載の予測装置。 - 前記取得部は、
前記他の事業者の事業実績を含む前記事業情報を取得する
ことを特徴とする請求項8に記載の予測装置。 - 前記取得部は、
前記所定の事業者が位置する所定のエリア内に位置する前記他の事業者の事業に関する情報を含む前記事業情報を取得する
ことを特徴とする請求項8または請求項9に記載の予測装置。 - 前記取得部は、
前記所定の事業者が位置する所定のエリア外に位置する前記他の事業者の事業に関する情報を含む前記事業情報を取得する
ことを特徴とする請求項8または請求項9に記載の予測装置。 - 前記取得部は、
前記所定の事業者の事業に類似する事業を行う前記他の事業者の事業に関する情報を含む前記事業情報を取得する
ことを特徴とする請求項8〜11のいずれか1項に記載の予測装置。 - 前記予測部により予測された前記所定の事業者の事業の対象に関する需要に関する情報を前記所定の事業者が利用する端末装置に送信することにより、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1〜12のいずれか1項に記載の予測装置。 - コンピュータが実行する予測方法であって、
所定の事業者の事業に関する情報である事業情報であって、所定の事業者以外の他の事業者が利用する情報提供装置からの前記所定の事業者が位置するエリアへの移動手段に関する予約情報または当該エリアの宿泊施設に関する予約情報と、前記所定の事業者の利用する事業者装置からの事業者情報と、を含む事業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前記事業情報に基づいて生成される学習用データであって、前記所定の事業者の事業の対象に関する需要を示す正解情報と、前記予約情報を含む入力情報とを含む学習用データに基づいて生成されたモデルであって、新たな入力情報の入力に応じて前記所定の事業者の事業の対象に関する需要を示すスコアを出力するモデルが出力する前記スコアが、需要の各レベルに対応する各範囲のうちいずれの範囲の値であるかに基づいて、前記所定の事業者の事業の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予測方法。 - 所定の事業者の事業に関する情報である事業情報であって、所定の事業者以外の他の事業者が利用する情報提供装置からの前記所定の事業者が位置するエリアへの移動手段に関する予約情報または当該エリアの宿泊施設に関する予約情報と、前記所定の事業者の利用する事業者装置からの事業者情報と、を含む事業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前記事業情報に基づいて生成される学習用データであって、前記所定の事業者の事業の対象に関する需要を示す正解情報と、前記予約情報を含む入力情報とを含む学習用データに基づいて生成されたモデルであって、新たな入力情報の入力に応じて前記所定の事業者の事業の対象に関する需要を示すスコアを出力するモデルが出力する前記スコアが、需要の各レベルに対応する各範囲のうちいずれの範囲の値であるかに基づいて、前記所定の事業者の事業の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予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017176107A JP6736530B2 (ja) | 2017-09-13 | 2017-09-13 | 予測装置、予測方法、及び予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017176107A JP6736530B2 (ja) | 2017-09-13 | 2017-09-13 | 予測装置、予測方法、及び予測プログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018191990A Division JP7000293B2 (ja) | 2018-10-10 | 2018-10-10 | 予測装置、予測方法、及び予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019053433A JP2019053433A (ja) | 2019-04-04 |
JP6736530B2 true JP6736530B2 (ja) | 2020-08-05 |
Family
ID=66015092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017176107A Active JP6736530B2 (ja) | 2017-09-13 | 2017-09-13 | 予測装置、予測方法、及び予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6736530B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022163956A1 (ko) * | 2021-02-01 | 2022-08-04 | 테이블매니저 주식회사 | 인공지능 기반 매장 수요 예측 방법 및 시스템 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675959B (zh) * | 2019-08-19 | 2023-07-07 | 平安科技(深圳)有限公司 | 数据智能分析方法、装置、计算机设备及存储介质 |
JP6709483B1 (ja) * | 2019-10-07 | 2020-06-17 | 株式会社ファーマクラウド | 医薬品の調剤量を予測するためのシステム、方法、およびプログラム |
WO2022025282A1 (ja) * | 2020-07-31 | 2022-02-03 | TechMagic株式会社 | 学習制御システム |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05113987A (ja) * | 1991-06-28 | 1993-05-07 | Mitsuo Nagamachi | 商品発注システム |
JPH0926990A (ja) * | 1995-07-10 | 1997-01-28 | Toshiba Corp | ホテルシステム |
JPH11219346A (ja) * | 1998-02-02 | 1999-08-10 | Fujitsu Ltd | 仮想企業シミュレーション装置および記録媒体 |
JP2004086896A (ja) * | 2002-08-06 | 2004-03-18 | Fuji Electric Holdings Co Ltd | 適応的予測モデル構築方法及び適応的予測モデル構築システム |
JP2004326346A (ja) * | 2003-04-23 | 2004-11-18 | Hitachi Ltd | 需要予測装置及び方法、並びに生産計画立案支援装置及び方法 |
JP2007299260A (ja) * | 2006-05-01 | 2007-11-15 | Nippon Telegr & Teleph Corp <Ntt> | 情報処理サーバ、情報配信システム、プログラム、及び、記録媒体 |
JP2008021020A (ja) * | 2006-07-11 | 2008-01-31 | Hitachi Information & Control Solutions Ltd | 販売計画作成支援システム |
JP4717770B2 (ja) * | 2006-09-27 | 2011-07-06 | 住友重機械工業株式会社 | 需要予測方法、需要予測装置、需要予測プログラム、及び該プログラムを記録した記録媒体 |
JP5119022B2 (ja) * | 2008-03-26 | 2013-01-16 | 東京瓦斯株式会社 | 可変的予測モデル構築方法、及び、可変的予測モデル構築システム |
JP2009265747A (ja) * | 2008-04-22 | 2009-11-12 | Ntt Data Smis Co Ltd | マーケティング支援システム、マーケティング支援方法、マーケティング支援プログラム及びコンピュータ読み取り可能な媒体 |
JP2010108078A (ja) * | 2008-10-28 | 2010-05-13 | Hitachi East Japan Solutions Ltd | 需要予測装置 |
JP4796167B2 (ja) * | 2009-03-27 | 2011-10-19 | 株式会社デンソーアイティーラボラトリ | イベント判断装置 |
WO2010150722A1 (ja) * | 2009-06-22 | 2010-12-29 | 楽天株式会社 | 予約情報集計装置、予約情報集計方法、サーバ、旅行予約状況開示方法、プログラム及び記録媒体 |
JP2012133694A (ja) * | 2010-12-24 | 2012-07-12 | Hitachi Ltd | 需要予測方法 |
JP5794881B2 (ja) * | 2011-09-30 | 2015-10-14 | 楽天株式会社 | 情報処理装置、情報処理方法、及び情報処理プログラム |
WO2015145732A1 (ja) * | 2014-03-28 | 2015-10-01 | 楽天株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP2017146815A (ja) * | 2016-02-18 | 2017-08-24 | 株式会社日立製作所 | 電力需要予測装置及び方法 |
JP6765195B2 (ja) * | 2016-02-26 | 2020-10-07 | ヤフー株式会社 | 更新装置、更新方法、及び更新プログラム |
JP6156665B1 (ja) * | 2016-04-08 | 2017-07-05 | パナソニックIpマネジメント株式会社 | 施設内活動分析装置、施設内活動分析システムおよび施設内活動分析方法 |
-
2017
- 2017-09-13 JP JP2017176107A patent/JP6736530B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022163956A1 (ko) * | 2021-02-01 | 2022-08-04 | 테이블매니저 주식회사 | 인공지능 기반 매장 수요 예측 방법 및 시스템 |
Also Published As
Publication number | Publication date |
---|---|
JP2019053433A (ja) | 2019-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7000293B2 (ja) | 予測装置、予測方法、及び予測プログラム | |
Overgoor et al. | Letting the computers take over: Using AI to solve marketing problems | |
RU2721176C2 (ru) | Системы и способы для предсказания поведения пользователя на основе данных о местоположении | |
Dandl et al. | Evaluating the impact of spatio-temporal demand forecast aggregation on the operational performance of shared autonomous mobility fleets | |
Kim | Forecasting short-term air passenger demand using big data from search engine queries | |
JP6736530B2 (ja) | 予測装置、予測方法、及び予測プログラム | |
JP7292824B2 (ja) | 予測装置、予測方法、及び予測プログラム | |
US11966945B2 (en) | Conducting multivariate experiments | |
US20080004926A1 (en) | Methods and architectures for context-sensitive reminders and service facilitation | |
D’Silva et al. | Predicting the temporal activity patterns of new venues | |
Sanders | Forecasting fundamentals | |
US11856258B2 (en) | Systems and methods for spatial and temporal experimentation on content effectiveness | |
US10097947B2 (en) | Generating personalized routes incentivized for one or more users | |
JP6823612B2 (ja) | 予測装置、予測方法、及び予測プログラム | |
Gonzalez-Feliu et al. | A location-based accessibility analysis to estimate the suitability of urban consolidation facilities | |
JP6767952B2 (ja) | 推定装置、推定方法および推定プログラム | |
JP7249103B2 (ja) | 選択装置、選択方法、及び選択プログラム | |
US20200226506A1 (en) | Methods and systems for automated salesbeat optimization | |
Flamini et al. | The value of real-time traffic information in urban freight distribution | |
He et al. | Gravity model of passenger and mobility fleet origin–destination patterns with partially observed service data | |
Busquets et al. | Air itinerary shares estimation using multinomial logit models | |
JP2023067836A (ja) | 情報処理システム、情報処理方法及び情報処理プログラム | |
Kachniewska | Big Data Analysis as a tool for predictive intelligence and experience personalization in tourism | |
JP7071940B2 (ja) | 提供装置、提供方法および提供プログラム | |
JPWO2020144820A1 (ja) | 属性生成装置、属性生成方法および属性生成プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171031 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20171031 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20171108 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180409 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20180710 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181010 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20181018 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20181228 |
|
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 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200409 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200715 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6736530 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 |