JP6753115B2 - コンテンツ管理装置、コンテンツ管理方法及びプログラム - Google Patents
コンテンツ管理装置、コンテンツ管理方法及びプログラム Download PDFInfo
- Publication number
- JP6753115B2 JP6753115B2 JP2016072413A JP2016072413A JP6753115B2 JP 6753115 B2 JP6753115 B2 JP 6753115B2 JP 2016072413 A JP2016072413 A JP 2016072413A JP 2016072413 A JP2016072413 A JP 2016072413A JP 6753115 B2 JP6753115 B2 JP 6753115B2
- Authority
- JP
- Japan
- Prior art keywords
- content
- compatibility
- user
- prediction
- learning
- 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
- 238000007726 management method Methods 0.000 title claims description 191
- 238000011156 evaluation Methods 0.000 claims description 119
- 239000013598 vector Substances 0.000 claims description 102
- 230000000007 visual effect Effects 0.000 claims description 87
- 238000000034 method Methods 0.000 description 30
- 238000007781 pre-processing Methods 0.000 description 29
- 238000000605 extraction Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 20
- 238000013500 data storage Methods 0.000 description 18
- 238000010801 machine learning Methods 0.000 description 16
- 238000012360 testing method Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000012549 training Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
以下、本発明の実施形態1に係るコンテンツ管理装置、コンテンツ管理方法及びプログラムについて、図1から図12を参照しながら説明する。
次に、コンテンツ管理装置1のより具体的な構成を、図2から図7を用いて詳細に説明する。
次に、本発明の実施形態に係るコンテンツ管理装置1の動作について説明する。コンテンツ管理装置1は、学習動作及び予測動作の2つの動作を行う。本実施形態では、コンテンツ管理装置1を動作させることによって、コンテンツ管理方法が実施される。よって、本実施形態におけるコンテンツ管理方法の説明は、以下のコンテンツ管理装置1の動作説明に代える。
1: マッチする(アクセスされたが、滞留時間が長い)
0: マッチしない(アクセスされたが、滞留時間が短い)
図13に、本発明の実施形態2に係るコンテンツ管理装置100の構成を示す。この実施形態に係るコンテンツ管理装置100は、実施形態1のコンテンツ管理装置100とは、テンプレート推薦機能を備えている点が異なる。よって、以下では、実施形態1と同様の構成についは同一の符号を付して説明を省略し、実施形態1と異なる構成についてのみ説明する。
図15に、本発明の実施形態2に係るコンテンツ管理装置200の構成を示す。この実施形態に係るコンテンツ管理装置200は、実施形態1のコンテンツ管理装置1とは、最適コンテンツに切り替え可能な点が異なる。よって、以下では、実施形態1と同様の構成についは同一の符号を付して説明を省略し、実施形態1と異なる構成についてのみ説明する。
コンテンツの評価を行うコンテンツ管理装置であって、
コンテンツに対するユーザのアクセスログ、前記コンテンツに関するコンテンツ情報及び前記ユーザに関するユーザ情報を用いて、前記コンテンツと前記ユーザとの相性を学習することにより予測モデルを生成するコンテンツ評価学習部と、
前記予測モデルに、予測対象のコンテンツに関する予測対象コンテンツ情報と予測対象のユーザに関する予測対象ユーザ情報とを与えることにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測するコンテンツ評価予測部とを備える、コンテンツ管理装置。
前記コンテンツ評価学習部は、
前記コンテンツの視覚的情報に基づいて、視覚的相性モデルを生成する視覚的相性学習部と、
前記コンテンツ情報に基づいて、コンテンツ相性モデルを生成するコンテンツ相性学習部と、
前記視覚的相性モデル及び前記コンテンツ相性モデルからそれぞれ得られる出力を用いて、前記予測モデルを生成する統合学習部とを有する、付記1に記載のコンテンツ管理装置。
前記コンテンツ評価予測部は、
前記視覚的相性モデル及び前記コンテンツ相性モデルに対して、前記予測対象コンテンツ情報と前記予測対象ユーザ情報とを与えることによって得られる、視覚的相性中間データ及びコンテンツ相性中間データを、前記予測モデルに入力することにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測する、付記2に記載のコンテンツ管理装置。
前記コンテンツ評価予測部によって予測された結果を用いて、コンテンツのテンプレートを推薦するテンプレート推薦部をさらに備える、付記1から3のいずれか一つに記載のコンテンツ管理装置。
前記コンテンツ評価予測部によって予測された結果を用いて、ユーザと相性のよいコンテンツを選択するコンテンツ選択部をさらに備える、付記1から3のいずれか一つに記載のコンテンツ管理装置。
コンテンツの評価を行うためのコンテンツ管理方法であって、
コンテンツに対するユーザのアクセスログ、前記コンテンツに関するコンテンツ情報及び前記ユーザに関するユーザ情報を用いて、前記コンテンツと前記ユーザとの相性を学習することにより予測モデルを生成するコンテンツ評価学習ステップと、
前記予測モデルに、予測対象のコンテンツに関する予測対象コンテンツ情報と予測対象のユーザに関する予測対象ユーザ情報とを与えることにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測するコンテンツ評価予測ステップとを備える、コンテンツ管理方法。
前記コンテンツ評価学習ステップは、
前記コンテンツの視覚的情報に基づいて、視覚的相性モデルを生成する視覚的相性学習ステップと、
前記コンテンツ情報に基づいて、コンテンツ相性モデルを生成するコンテンツ相性学習ステップと、
前記視覚的相性モデル及び前記コンテンツ相性モデルからそれぞれ得られる出力を用いて、前記予測モデルを生成する統合学習ステップとを有する、付記6に記載のコンテンツ管理方法。
前記コンテンツ評価予測ステップでは、
前記視覚的相性モデル及び前記コンテンツ相性モデルに対して、前記予測対象コンテンツ情報と前記予測対象ユーザ情報とを与えることによって得られる、視覚的相性中間データ及びコンテンツ相性中間データを、前記予測モデルに入力することにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測する、付記7に記載のコンテンツ管理方法。
前記コンテンツ評価予測ステップによって予測された結果を用いて、コンテンツのテンプレートを推薦するテンプレート推薦ステップをさらに備える、付記6から8のいずれか一つに記載のコンテンツ管理方法。
前記コンテンツ評価予測ステップによって予測された結果を用いて、ユーザと相性のよいコンテンツを選択するコンテンツ選択ステップをさらに備える、付記6から8のいずれか一つに記載のコンテンツ管理方法。
コンテンツの評価を行うコンテンツ管理方法を制御するためのプログラムであって、
コンピュータに、
コンテンツに対するユーザのアクセスログ、前記コンテンツに関するコンテンツ情報及び前記ユーザに関するユーザ情報を用いて、前記コンテンツと前記ユーザとの相性を学習することにより予測モデルを生成するコンテンツ評価学習ステップと、
前記予測モデルに、予測対象のコンテンツに関する予測対象コンテンツ情報と予測対象のユーザに関する予測対象ユーザ情報とを与えることにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測するコンテンツ評価予測ステップとを実行させる、プログラム。
前記コンテンツ評価学習ステップは、
前記コンテンツの視覚的情報に基づいて、視覚的相性モデルを生成する視覚的相性学習ステップと、
前記コンテンツ情報に基づいて、コンテンツ相性モデルを生成するコンテンツ相性学習ステップと、
前記視覚的相性モデル及び前記コンテンツ相性モデルからそれぞれ得られる出力を用いて、前記予測モデルを生成する統合学習ステップとを有する、付記11に記載のプログラム。
前記コンテンツ評価予測ステップでは、
前記視覚的相性モデル及び前記コンテンツ相性モデルに対して、前記予測対象コンテンツ情報と前記予測対象ユーザ情報とを与えることによって得られる、視覚的相性中間データ及びコンテンツ相性中間データを、前記予測モデルに入力することにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測する、付記12に記載のプログラム。
前記コンピュータに、
前記コンテンツ評価予測ステップによって予測された結果を用いて、コンテンツのテンプレートを推薦するテンプレート推薦ステップをさらに実行させる、付記11から13のいずれか一つに記載のプログラム。
前記コンピュータに、
前記コンテンツ評価予測ステップによって予測された結果を用いて、ユーザと相性のよいコンテンツを選択するコンテンツ選択ステップをさらに実行させる、付記11から13のいずれか一つに記載のプログラム。
2 運用者端末
3 編集者端末
4a、4b 閲覧者端末
11 コンテンツ評価学習部
12 コンテンツ評価予測部
13 コンテンツ管理DB
14 テンプレート記憶部
15 ログ管理DB
16 ユーザ管理DB
17 中間データ記憶部
18 モデル記憶部
19 編集用WEBサーバ
111 学習管理部
112 学習データ前処理部
113 評価学習部
121 予測管理部
122 予測データ前処理部
123 評価予測部
191 コンテンツ編集管理部
192 テンプレート推薦部
201 コンテンツ切換部
202 ログ管理部
500 コンピュータ
501 CPU
502 メインメモリ
503 記憶装置
504 入力インターフェイス
505 表示コントローラ
506 データリーダ/ライタ
507 通信インターフェイス
508 入力機器
509 ディスプレイ装置
510 記録媒体
511 バス
1121 全体画像生成部
1122 特徴抽出部
1123 ラベル生成部
1131 視覚的相性学習部
1132 コンテンツ相性学習部
1133 統合学習部
1221 全体画像生成部
1222 特徴抽出部
1231 視覚的相性予測部
1232 コンテンツ相性予測部
1233 統合予測部
1921 テンプレート別コンテンツ生成部
2011 候補コンテンツ生成部
2012 コンテンツ選択部
Claims (7)
- コンテンツの評価を行うコンテンツ管理装置であって、
コンテンツに対するユーザのアクセスログ、前記コンテンツに関するコンテンツ情報及び前記ユーザに関するユーザ情報を用いて、前記コンテンツと前記ユーザとの相性を学習することにより予測モデルを生成するコンテンツ評価学習部と、
前記予測モデルに、予測対象のコンテンツに関する予測対象コンテンツ情報と予測対象のユーザに関する予測対象ユーザ情報とを与えることにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測するコンテンツ評価予測部とを備え、
前記コンテンツ評価学習部は、
前記コンテンツの全体画像から生成した特徴ベクトルと、前記ユーザ情報から生成した特徴ベクトルとに基づいて、前記コンテンツと前記ユーザとの相性関係を学習した、視覚的相性モデルを生成する視覚的相性学習部と、
前記コンテンツ情報から生成した特徴ベクトルと、前記ユーザ情報から生成した特徴ベクトルとに基づいて、前記コンテンツと前記ユーザとの相性関係を学習した、コンテンツ相性モデルを生成するコンテンツ相性学習部と、
前記視覚的相性モデル及び前記コンテンツ相性モデルからそれぞれ得られる出力を用いて、前記予測モデルを生成する統合学習部と、
を有する、コンテンツ管理装置。 - 前記コンテンツ評価予測部は、
前記視覚的相性モデル及び前記コンテンツ相性モデルに対して、前記予測対象コンテンツ情報と前記予測対象ユーザ情報とを与えることによって得られる、視覚的相性中間データ及びコンテンツ相性中間データを、前記予測モデルに入力することにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測する、請求項1に記載のコンテンツ管理装置。 - 前記コンテンツ評価予測部に、前記コンテンツに関して予め用意されているテンプレート別に、前記コンテンツと前記ユーザとの相性を予測させ、予測された結果を用いて、コンテンツのテンプレートを推薦するテンプレート推薦部をさらに備える、請求項1または2に記載のコンテンツ管理装置。
- 前記コンテンツ評価予測部によって予測された結果を用いて、ユーザと相性のよいコンテンツを選択するコンテンツ選択部をさらに備える、請求項1または2に記載のコンテンツ管理装置。
- コンテンツの評価を行うためのコンテンツ管理方法であって、
コンテンツに対するユーザのアクセスログ、前記コンテンツに関するコンテンツ情報及び前記ユーザに関するユーザ情報を用いて、前記コンテンツと前記ユーザとの相性を学習することにより予測モデルを生成するコンテンツ評価学習ステップと、
前記予測モデルに、予測対象のコンテンツに関する予測対象コンテンツ情報と予測対象のユーザに関する予測対象ユーザ情報とを与えることにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測するコンテンツ評価予測ステップとを備え、
前記コンテンツ評価学習ステップは、更に、
前記コンテンツの全体画像から生成した特徴ベクトルと、前記ユーザ情報から生成した特徴ベクトルとに基づいて、前記コンテンツと前記ユーザとの相性関係を学習した、視覚的相性モデルを生成する、視覚的相性学習ステップと、
前記コンテンツ情報から生成した特徴ベクトルと、前記ユーザ情報から生成した特徴ベクトルとに基づいて、前記コンテンツと前記ユーザとの相性関係を学習した、コンテンツ相性モデルを生成する、コンテンツ相性学習ステップと、
前記視覚的相性モデル及び前記コンテンツ相性モデルからそれぞれ得られる出力を用いて、前記予測モデルを生成する、統合学習ステップと、
を有する、コンテンツ管理方法。 - 前記コンテンツ評価予測ステップでは、
前記視覚的相性モデル及び前記コンテンツ相性モデルに対して、前記予測対象コンテンツ情報と前記予測対象ユーザ情報とを与えることによって得られる、視覚的相性中間データ及びコンテンツ相性中間データを、前記予測モデルに入力することにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測する、請求項5に記載のコンテンツ管理方法。 - コンテンツの評価を行うコンテンツ管理方法を制御するためのプログラムであって、
コンピュータに、
コンテンツに対するユーザのアクセスログ、前記コンテンツに関するコンテンツ情報及び前記ユーザに関するユーザ情報を用いて、前記コンテンツと前記ユーザとの相性を学習することにより予測モデルを生成するコンテンツ評価学習ステップと、
前記予測モデルに、予測対象のコンテンツに関する予測対象コンテンツ情報と予測対象のユーザに関する予測対象ユーザ情報とを与えることにより、前記予測対象のコンテンツと前記予測対象のユーザとの相性を予測するコンテンツ評価予測ステップとを実行させ、
前記コンテンツ評価学習ステップは、更に、
前記コンテンツの全体画像から生成した特徴ベクトルと、前記ユーザ情報から生成した特徴ベクトルとに基づいて、前記コンテンツと前記ユーザとの相性関係を学習した、視覚的相性モデルを生成する、視覚的相性学習ステップと、
前記コンテンツ情報から生成した特徴ベクトルと、前記ユーザ情報から生成した特徴ベクトルとに基づいて、前記コンテンツと前記ユーザとの相性関係を学習した、コンテンツ相性モデルを生成する、コンテンツ相性学習ステップと、
前記視覚的相性モデル及び前記コンテンツ相性モデルからそれぞれ得られる出力を用いて、前記予測モデルを生成する、統合学習ステップと、
を有する、プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016072413A JP6753115B2 (ja) | 2016-03-31 | 2016-03-31 | コンテンツ管理装置、コンテンツ管理方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016072413A JP6753115B2 (ja) | 2016-03-31 | 2016-03-31 | コンテンツ管理装置、コンテンツ管理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017182663A JP2017182663A (ja) | 2017-10-05 |
JP6753115B2 true JP6753115B2 (ja) | 2020-09-09 |
Family
ID=60006144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016072413A Active JP6753115B2 (ja) | 2016-03-31 | 2016-03-31 | コンテンツ管理装置、コンテンツ管理方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6753115B2 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7056132B2 (ja) * | 2017-12-18 | 2022-04-19 | 富士通株式会社 | 設計書評価プログラム、設計書評価方法および設計書評価装置 |
JP6408729B1 (ja) * | 2018-02-28 | 2018-10-17 | 株式会社ジャパン・カレント | 画像評価装置、画像評価方法及びプログラム |
JP7122188B2 (ja) * | 2018-08-03 | 2022-08-19 | Kddi株式会社 | 制作物の作成又は選択を支援する支援情報を提供可能な制作支援プログラム、装置及び方法 |
KR102196966B1 (ko) * | 2019-03-22 | 2020-12-30 | (주)온비 | 지능형 운영 서비스가 결합된 스마트 콘텐츠의 통합 검증 방법 및 시스템 |
JP7164508B2 (ja) * | 2019-10-24 | 2022-11-01 | Kddi株式会社 | 補正された効果に基づいてアイテムを選択するプログラム、装置及び方法、並びにアイテム効果推定プログラム |
JP7072755B2 (ja) * | 2019-12-26 | 2022-05-23 | 株式会社アッテル | 退職リスク学習モデル構築システム、退職リスク学習モデル構築方法及び退職リスク学習モデル構築プログラム |
JP7144468B2 (ja) * | 2020-02-17 | 2022-09-29 | ヤフー株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
KR102342522B1 (ko) * | 2020-03-02 | 2021-12-22 | 주식회사 엘지유플러스 | 추천 장치 및 이의 동작 방법 |
KR102443782B1 (ko) * | 2020-09-28 | 2022-09-16 | (주)브레인콜라 | 미래 상호작용 예측 기반의 타겟 사용자 예측 방법 및 시스템 |
KR102271810B1 (ko) | 2020-11-23 | 2021-07-02 | 주식회사 엠로 | 기계 학습을 통한 학습 모델을 사용한 정보 제공 방법 및 장치 |
JP7325598B1 (ja) * | 2022-12-23 | 2023-08-14 | 株式会社博報堂Dyホールディングス | レコメンドサーバ、レコメンド方法およびプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7831685B2 (en) * | 2005-12-14 | 2010-11-09 | Microsoft Corporation | Automatic detection of online commercial intention |
JP4358219B2 (ja) * | 2006-11-21 | 2009-11-04 | 株式会社東芝 | 番組情報提供装置、番組情報提供方法及びそのプログラム |
JP5183384B2 (ja) * | 2008-09-18 | 2013-04-17 | キヤノン株式会社 | レイアウト処理方法、レイアウト処理装置、レイアウト制御プログラム |
JP5574952B2 (ja) * | 2010-12-28 | 2014-08-20 | Kddi株式会社 | レコメンドシステム、レコメンド方法、およびレコメンドプログラム |
-
2016
- 2016-03-31 JP JP2016072413A patent/JP6753115B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017182663A (ja) | 2017-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6753115B2 (ja) | コンテンツ管理装置、コンテンツ管理方法及びプログラム | |
CN108009228B (zh) | 一种内容标签的设置方法、装置及存储介质 | |
Zhou et al. | A machine learning approach to customer needs analysis for product ecosystems | |
KR102092691B1 (ko) | 웹페이지 트레이닝 방법 및 기기, 그리고 검색 의도 식별 방법 및 기기 | |
US9785888B2 (en) | Information processing apparatus, information processing method, and program for prediction model generated based on evaluation information | |
Teso et al. | Application of text mining techniques to the analysis of discourse in eWOM communications from a gender perspective | |
Joung et al. | Approach for importance–performance analysis of product attributes from online reviews | |
CN109815459A (zh) | 生成被调整到目标受众词汇的文本内容的目标概要 | |
JP7150842B2 (ja) | 文書構造抽出に基づいた多言語文書の検索 | |
JP2007052744A (ja) | 分類ルール作成支援方法 | |
JP5442401B2 (ja) | 行動情報抽出システム及び抽出方法 | |
CN111429161B (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
US11689507B2 (en) | Privacy preserving document analysis | |
JP5318034B2 (ja) | 情報提供装置、情報提供方法、及び情報提供プログラム | |
Song et al. | Recommendation vs sentiment analysis: A text-driven latent factor model for rating prediction with cold-start awareness | |
JP2016153931A (ja) | 情報処理方法、情報処理装置及び情報処理プログラム | |
Patil et al. | Studying the contribution of machine learning and artificial intelligence in the interface design of e-commerce site | |
KR101639656B1 (ko) | 광고 제공 방법 및 서버 장치 | |
JP2022035314A (ja) | 情報処理装置及びプログラム | |
JP6172332B2 (ja) | 情報処理方法及び情報処理装置 | |
Al-Otaibi et al. | Finding influential users in social networking using sentiment analysis | |
CN112163415A (zh) | 针对反馈内容的用户意图识别方法、装置及电子设备 | |
KR102028356B1 (ko) | 코멘트 기반의 광고 추천 장치 및 방법 | |
Toma et al. | To read or not to read: Modeling online newspaper reading satisfaction and its impact on revisit intention and word-of-mouth | |
CN112632275B (zh) | 基于个人文本信息的人群聚类数据处理方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190206 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200207 |
|
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: 20200721 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200803 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6753115 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |