JP7067884B2 - Classification device, classification method and classification program - Google Patents
Classification device, classification method and classification program Download PDFInfo
- Publication number
- JP7067884B2 JP7067884B2 JP2017177328A JP2017177328A JP7067884B2 JP 7067884 B2 JP7067884 B2 JP 7067884B2 JP 2017177328 A JP2017177328 A JP 2017177328A JP 2017177328 A JP2017177328 A JP 2017177328A JP 7067884 B2 JP7067884 B2 JP 7067884B2
- Authority
- JP
- Japan
- Prior art keywords
- query
- classification
- queries
- classification device
- keyword
- 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 61
- 239000000284 extract Substances 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 57
- 238000012545 processing Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 21
- 230000000877 morphologic effect Effects 0.000 description 20
- 230000002776 aggregation Effects 0.000 description 16
- 238000004220 aggregation Methods 0.000 description 16
- 230000006399 behavior Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 7
- 230000010365 information processing Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000035606 childbirth Effects 0.000 description 3
- 230000035935 pregnancy Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method 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
- 239000003607 modifier Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明は、分類装置、分類方法及び分類プログラムに関する。 The present invention relates to a classification device, a classification method and a classification program.
近年、通信ネットワークの発達とともに、様々なサービスがネットワークを介して提供されている。これに関連して、ネットワーク上に存在するサービスを検索したり、サービス内において所望の商品や記事を検索したりするための様々な検索技術が提案されている。 In recent years, with the development of communication networks, various services have been provided via networks. In connection with this, various search techniques for searching for services existing on the network and searching for desired products and articles within the services have been proposed.
例えば、ユーザ端末から送信された検索キーワードから修飾語とコンセプトキーワードとを区分し、修飾語及びコンセプトキーワードの各々を抽出して生成されるコンセプトキーワード拡張データセットを利用した検索の技術が提案されている。 For example, a search technique using a concept keyword extended data set generated by classifying a modifier and a concept keyword from a search keyword transmitted from a user terminal and extracting each of the modifier and the concept keyword has been proposed. There is.
しかしながら、上記の従来技術では、多様なクエリ同士における相互の関係性を導出することは難しい。具体的には、上記の従来技術では、ユーザから入力された複数のクエリ(キーワード)に共通する語や特徴等に基づいてキーワード拡張の処理を行う。すなわち、従来技術では、例えば互いに分野やカテゴリが異なるような多様なクエリ同士からは共通する特徴を抽出できず、結果として、キーワード拡張を行ったり、クエリ同士の関係性を分析したりといった情報処理を行うことができない場合がある。 However, with the above-mentioned conventional technique, it is difficult to derive mutual relationships between various queries. Specifically, in the above-mentioned conventional technique, keyword expansion processing is performed based on words, features, and the like common to a plurality of queries (keywords) input by the user. That is, in the prior art, it is not possible to extract common features from various queries whose fields and categories are different from each other, and as a result, information processing such as keyword expansion and analysis of the relationship between queries is performed. May not be possible.
本願は、上記に鑑みてなされたものであって、多様なクエリ同士における相互の関係性を導出することができる分類装置、分類方法、及び分類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 a classification device, a classification method, and a classification program capable of deriving mutual relationships between various queries.
本願に係る分類装置は、任意のクエリ同士の関連度に基づいて、第1クエリと関連する複数の第2クエリを抽出する抽出部と、前記抽出部によって抽出された複数の第2クエリに基づいて、前記第1クエリを特徴付ける特徴情報を生成する生成部と、前記生成部によって生成された特徴情報に基づいて、前記第1クエリに対応するキーワードを分類する分類部と、を備えることを特徴とする。 The classification device according to the present application is based on an extraction unit that extracts a plurality of second queries related to the first query based on the degree of relevance between arbitrary queries, and a plurality of second queries extracted by the extraction unit. It is characterized by including a generation unit that generates feature information that characterizes the first query, and a classification unit that classifies keywords corresponding to the first query based on the feature information generated by the generation unit. And.
実施形態の一態様によれば、多様なクエリ同士における相互の関係性を導出することができるという効果を奏する。 According to one aspect of the embodiment, there is an effect that the mutual relationship between various queries can be derived.
以下に、本願に係る分類装置、分類方法及び分類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分類装置、分類方法及び分類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, the classification device, the classification method, and the embodiment for implementing the classification program (hereinafter referred to as “the embodiment”) according to the present application will be described in detail with reference to the drawings. It should be noted that this embodiment does not limit the classification device, classification method and classification program according to the present application. Further, in each of the following embodiments, the same parts are designated by the same reference numerals, and duplicate explanations are omitted.
〔1.分類処理の一例〕
まず、図1を用いて、実施形態に係る分類処理の一例について説明する。図1は、実施形態に係る分類処理の一例を示す図である。図1では、実施形態に係る分類処理の一例として、実施形態に係る分類装置100がユーザU01から送信されるキーワードリストL01に含まれる複数のキーワードを分類する処理を例に挙げて説明する。
[1. An example of classification processing]
First, an example of the classification process according to the embodiment will be described with reference to FIG. FIG. 1 is a diagram showing an example of a classification process according to an embodiment. In FIG. 1, as an example of the classification process according to the embodiment, a process in which the
図1に示す分類装置100は、ユーザから送信される検索クエリ(以下、「クエリ」と表記する)同士の関連度に基づいて、各々のクエリの特徴情報を生成し、生成した特徴情報に基づいて、クエリを所定のクラスに分類(クラスタリング)するサーバ装置である。なお、実施形態では、分類装置100は、検索サイトをユーザに提供するウェブサーバとしての機能を兼ねるものとする。
The
なお、実施形態では、検索サイト等において検索に用いられるキーワードを「クエリ」と称する。ただし、キーワードとクエリとが完全に一致しない場合もありうる。例えば、ユーザは、「AAAの自動車」といった文をクエリとして入力する場合もある(「AAA」は、例えば自動車メーカーの名称である)。この場合、「AAAの自動車」がクエリとなり、クエリに含まれる単語である「AAA」や「自動車」がキーワードとなりうる。分類装置100は、例えば、クエリを形態素解析等することにより、適宜、クエリからキーワードを抽出する。また、以下の説明では、「クエリ」と「キーワード」が同義であるものとして扱う場合もある。例えば、クエリがキーワードと一致するか、あるいは、クエリを形態素解析等した結果から一のキーワードが抽出された場合等には、クエリとキーワードを同義のものとして扱う。
In the embodiment, a keyword used for a search on a search site or the like is referred to as a "query". However, there may be cases where the keyword and query do not exactly match. For example, the user may enter a sentence such as "AAA car" as a query ("AAA" is, for example, the name of the car manufacturer). In this case, "AAA car" can be a query, and the words "AAA" and "car" included in the query can be keywords. The
図1に示すユーザ群は、検索サイト等を利用する複数のユーザであり、クエリを分類装置100に送信する複数のユーザである。また、ユーザU01は、ユーザの一例であり、複数のキーワードが含まれるキーワードリストL01を分類装置100に送信し、キーワードリストL01が含むキーワードの分類を要求するユーザである。なお、図1では図示を省略するが、ユーザ群が含む各ユーザやユーザU01の各々は、検索サイトを利用したり、分類装置100との各種情報の送受信を行ったりするための情報処理端末(以下、「ユーザ端末10」と表記する)を有する。また、以下の説明では、ユーザ端末10と、ユーザ端末10を利用するユーザとを同一視する場合がある。例えば、「ユーザU01がクエリを送信する」とは、実際には、「ユーザU01が利用するユーザ端末10がクエリを送信する」ことを意味する。
The user group shown in FIG. 1 is a plurality of users who use a search site or the like, and are a plurality of users who send a query to the
ユーザが検索を行う際に送信するクエリは、ユーザの興味関心を示す。このため、クエリを分類することにより、例えば、同じクラスに属するクエリを頻繁に送信するユーザ同士は、互いに同じ興味関心を有するユーザであると推定すること等が可能である。このような情報は、例えば、広告配信等のマーケティングにおいて有用な情報となりうる。このことから、どのようなクエリ同士が類似する関係にあるかを求め、クエリを分類することができれば、例えば、広告配信事業者等にとって有用な情報が得られる。クエリを分類する手法としては、例えば、クエリに対してカテゴリを設定し、同じようなカテゴリに属するクエリを同じクラスに分類する手法等がある。 The query that the user sends when performing a search indicates the user's interests. Therefore, by classifying the queries, for example, it is possible to presume that users who frequently send queries belonging to the same class are users who have the same interests as each other. Such information can be useful information in marketing such as advertisement distribution, for example. From this, if it is possible to find out what kind of queries have a similar relationship with each other and classify the queries, for example, useful information for an advertisement distribution business operator or the like can be obtained. As a method of classifying queries, for example, there is a method of setting a category for a query and classifying queries belonging to the same category into the same class.
しかしながら、検索サイト等に送信されるクエリの種類は膨大であり、人手でカテゴリを付与することは現実的ではない。また、プログラム等によってクエリにカテゴリを付与する手法においても、一つのクエリに複数の意味が含まれている場合もあり、自動的に適切なカテゴライズを行うことも難しい。 However, the types of queries sent to search sites and the like are enormous, and it is not realistic to manually assign categories. Further, even in the method of assigning a category to a query by a program or the like, one query may contain a plurality of meanings, and it is difficult to automatically perform appropriate categorization.
そこで、実施形態に係る分類装置100は、集計対象となる全ユーザのうち、同一のユーザが異なるクエリを入力した回数に基づいて、ある2つのクエリ同士の関連度を算出する。さらに、分類装置100は、関連度に基づいて、任意のクエリの特徴情報を算出する。そして、分類装置100は、特徴情報に基づいてクエリを分類する。これにより、分類装置100は、ユーザが実際に検索した行動という定量的な情報に基づいてクエリを分類できるため、各々のクエリをカテゴライズすることなく、関連するクエリを適切なクラスに分類することができる。また、分類装置100によれば、予めクエリをカテゴライズすることを要しないため、どのようなクエリが入力された場合でも、クエリ同士の関連度を算出することや、クエリの分類を行うこと等ができる。すなわち、分類装置100は、多様なクエリに対応した分類処理を行うことができる。以下、図1を用いて、分類装置100によって行われる分類処理の一例を流れに沿って説明する。なお、以下の説明では、関連度が算出される2つのクエリのうち、処理対象とするクエリを「第1クエリ」と称し、第1クエリと関連するクエリを「第2クエリ」と称する。このため、所定のキーワードが「第1クエリ」となる場合もあれば、「第2クエリ」となる場合もありうる。
Therefore, the
図1に示す例において、ユーザ群の各々のユーザは、検索サイト等においてクエリを入力する(ステップS11)。分類装置100は、各ユーザから送信されるクエリを取得する(ステップS12)。そして、分類装置100は、クエリ同士の関連度を算出する(ステップS13)。
In the example shown in FIG. 1, each user of the user group inputs a query on a search site or the like (step S11). The
分類装置100は、任意のクエリのうち、互いに異なる二つのクエリのいずれかを入力したユーザの数と、当該二つのクエリを両方とも入力したユーザの数と、に少なくとも基づいて、任意のクエリ同士の関連度を算出する。一例として、分類装置100は、下記式(1)に基づいて、第1クエリ(式(1)では、「クエリA」)と第2クエリ(式(1)では、「クエリB」)の関連度を算出する。
The
上記式(1)において、「Score(A,B)」は、クエリAとクエリBの関連度の数値を示す。「Auser」は、クエリAを検索(入力)したユーザ数を示す。「Buser」は、クエリBを検索したユーザ数を示す。「ALLuser」は、所定の集計期間においてクエリを送信したユーザ(検索を利用したユーザ)の数を示す。そして、「Auser∧Buser」は、クエリAとクエリBの両方を検索したユーザ数を示す。 In the above equation (1), "Score (A, B)" indicates a numerical value of the degree of association between query A and query B. "Auser" indicates the number of users who searched (input) the query A. “Buser” indicates the number of users who searched for query B. "ALLuser" indicates the number of users (users who used the search) who sent a query in a predetermined aggregation period. Then, "User ∧ Buser" indicates the number of users who searched for both Query A and Query B.
分類装置100は、上記式(1)を用いて、ユーザ群から検索された全クエリの関連度を算出する。例えば、分類装置100は、第1クエリであるクエリAを検索したユーザが検索するクエリBを集計する。そして、分類装置100は、第1クエリに対する全ての第2クエリに対して、上記式(1)を用いて関連度を算出する。分類装置100は、算出した第1クエリの関連度を記憶部に格納する。なお、分類装置100は、所定の閾値を超える関連度を有する第1クエリと第2クエリのペアのみを抽出して記憶部に格納するようにしてもよい。
The
上記式(1)において、分類装置100は、集計期間を変更することで、どのくらいの長さの期間におけるクエリ同士の関連度を算出するかを調整することができる。例えば、分類装置100は、集計期間を数年間という範囲で設定すれば、当該数年間の間に同一のユーザが第1クエリと第2クエリとを検索した場合に、「第1クエリと第2クエリの両方を検索したユーザ」として計数するため、比較的長い範囲におけるユーザの興味関心の移り変わりを示した関連度を算出することができる。これにより、分類装置100は、ユーザのライフステージ(例えば、ユーザが検索するクエリが「妊娠」から「出産」に変化したことなど)の移り変わりを反映させた関連度の算出を行うことができる。一方で、分類装置100は、集計期間を数日間という範囲で設定すれば、当該数日間の間に同一のユーザが第1クエリと第2クエリの両方を検索しなければ、「第1クエリと第2クエリの両方を検索したユーザ数」を計数しない。このため、分類装置100は、比較的長い期間を要せずとも関連を有するクエリ同士のペア等を抽出し易くなる。なお、集計期間は、例えば、分類装置100の管理者等によって、適宜、設定されてもよい。
In the above formula (1), the
図1の例では、分類装置100は、算出した関連度をデータベースDB01に格納するものとする。図1に示すように、データベースDB01は、第1クエリが「AAA」であり、第2クエリがそれぞれ「BBB」、「CCC」、「DDD」である場合の関連度を記憶する。具体的には、データベースDB01に記憶される情報の一例は、第1クエリが「AAA」であり、第2クエリが「BBB」であるペアの関連度は、「5.93」であることを示している。
In the example of FIG. 1, the
続けて、分類装置100は、各クエリ(キーワード)の特徴情報を生成する処理を行う。まず、分類装置100は、算出した関連度に基づいて、第1クエリと関連する第2クエリを抽出する(ステップS14)。具体的には、分類装置100は、第1クエリとの関連度が所定の閾値を超える全ての第2クエリを抽出する。例えば、分類装置100は、第1クエリが入力された場合に、第1クエリとの関連度が所定の閾値を超える第2クエリを抽出する処理を行う所定の検索エンジンを用いて、第2クエリの抽出を行う。
Subsequently, the
そして、分類装置100は、抽出された第2クエリに基づいて、第1クエリの特徴を示す特徴情報を生成する(ステップS15)。例えば、分類装置100は、抽出された第2クエリを各次元とする単語ベクトルで表記することにより、第1クエリの特徴情報をベクトルとして生成する。この場合、分類装置100は、抽出された第2クエリの各々を形態素解析し、解析されたキーワードに基づいて、第1クエリを示す単語ベクトルを生成してもよい。
Then, the
上述のように、クエリには、複数のキーワードが含まれる場合がある。仮に、第1クエリに関連する第2クエリとして、「BBBの中古の自動車」というクエリが存在していたとする。この場合、分類装置100は、「BBBの中古の自動車」を形態素解析し、「BBB」、「中古」、「自動車」の各々のキーワードを抽出する。分類装置100は、上記の処理を抽出された全ての第2クエリに対して行うことで、第1クエリを特徴付ける各キーワードと、キーワードの出現回数とを取得する。そして、分類装置100は、各々のキーワードを次元とし、各々のキーワードの出現数を次元数とするベクトルを生成する。仮に、第1クエリ「AAA」に関連する第2クエリに対して上記処理を行い、キーワードとして、「BBB」が「18」回出現し、「CCC」が「15」回出現し、「DDD」が「9」回出現し、「中古」が「25」回出現し、「自動車」が「71」回出現したとする。この場合、第1クエリ「AAA」の特徴情報は、(BBB,CCC,DDD,中古,自動車,・・・)=(18,15,9,25,71,・・・)のようなベクトルとして示される。
As mentioned above, a query may contain multiple keywords. Suppose that the query "BBB used car" exists as the second query related to the first query. In this case, the
分類装置100は、ユーザ群から検索が行われた全クエリを第1クエリとして上記の処理を行い、各々の第1クエリの特徴情報を生成する。そして、分類装置100は、第1クエリと生成した特徴情報とを対応付けて記憶部(図1の例では、データベースDB02)に格納する。
The
その後、所定のタイミングにおいて、分類装置100による分類処理を利用することを所望するユーザU01は、任意の複数のキーワードを含むキーワードリストを分類装置100に送信する(ステップS16)。図1の例では、ユーザU01は、自動車メーカーの名称の一覧をキーワードとして含むキーワードリストL01を分類装置100に送信する。
After that, at a predetermined timing, the user U01 who desires to use the classification process by the
分類装置100は、送信されたキーワードリストL01を受け付ける。そして、分類装置100は、特徴情報の類似度に基づいて、キーワードリストL01に含まれるキーワードを分類(クラスタリング)する(ステップS17)。
The
例えば、分類装置100は、データベースDB02を参照し、キーワードリストL01に含まれる各々のキーワードに対応する第1クエリを抽出する。そして、分類装置100は、抽出された第1クエリの特徴情報の各々の関連性に基づいて、キーワードリストL01に含まれるキーワードを分類する。具体的には、分類装置100は、キーワードリストL01に含まれる各々のキーワードをk-means法等の非階層的手法(non-hierarchical method)を用いて分類する。なお、分類処理の手法は上記の例に限られず、分類装置100は、特徴情報に基づいてキーワードを分類することが可能な手法であれば、いずれの手法を利用してもよい。例えば、分類装置100は、特徴情報同士のコサイン類似度を算出し、所定の閾値を超えるコサイン類似度を有するキーワード同士を同じクラスに分類してもよい。また、分類装置100は、最短距離法などの階層的手法(hierarchical method)を用いてもよいし、サポートベクタマシンのように学習を利用した分類手法を用いてもよい。
For example, the
図1に示す例では、分類装置100は、キーワードリストL01に含まれるキーワード「AAA」、「BBB」及び「CCC」等を、同じクラスであるクラスCL01に分類したものとする。また、分類装置100は、キーワードリストL01に含まれるキーワード「DDD」等をクラスCL02に分類したものとする。なお、図1の例では、クエリ「AAA」や「BBB」等と、キーワード「AAA」や「BBB」等とは、それぞれ同じ語を示すものとする。
In the example shown in FIG. 1, it is assumed that the
分類装置100は、分類の結果を記憶部(図1の例では、データベースDB03)に格納する。この例では、「AAA」、「BBB」及び「CCC」に何らかの共通の性質(例えば、拠点とする国が共通していたり、資本関係があったり、製造する自動車の特徴が類似することからユーザ同士の比較対象とされていたりする等)を有していることが推定される。また、「AAA」、「BBB」及び「CCC」と、「DDD」とは、何らかの相違する性質(例えば、拠点とする国が異なっていたり、資本関係がなかったり、製造する自動車が競合しなかったりする等)を有していることが推定される。このように、分類装置100によれば、ユーザU01が提示した複数のキーワードに対して、ユーザの検索行動に基づいて生成された特徴情報を用いてクラスタリングがなされるため、ユーザの興味関心が反映された分類を行うことができる。
The
その後、分類装置100は、キーワードリストL01に含まれる複数のキーワードを分類した結果をユーザU01に送信する(ステップS18)。ユーザU01は、分類された結果を参照することにより、ユーザの行動にどのようなキーワード同士が関連性を有するかといった情報を知得することができる。
After that, the
図1を用いて上述してきたように、実施形態に係る分類装置100は、任意のクエリ同士の関連度に基づいて、第1クエリと関連する複数の第2クエリを抽出する。また、分類装置100は、抽出した複数の第2クエリに基づいて、第1クエリを特徴付ける特徴情報を生成する。そして、分類装置100は、生成した特徴情報に基づいて、第1クエリに対応するキーワードを分類する。
As described above with reference to FIG. 1, the
すなわち、分類装置100によれば、ユーザから送信されるクエリが有する意味や性質等の定性的な情報によらず、実際のユーザの検索行動という定量的な情報に基づいて分類処理を行う。言い換えれば、分類装置100は、各々のクエリをカテゴライズ等することなく、関連するキーワード同士を分類する。このように、分類装置100は、ユーザから送信される様々なクエリに対して分類を行うことができるため、結果として、多様なクエリ同士における相互の関係性を導出することができる。以下、上記のような処理を行う分類装置100及び分類装置100を含む分類システム1について、詳細に説明する。
That is, according to the
〔2.分類システムの構成〕
次に、図2を用いて、実施形態に係る分類システム1の構成について説明する。図2は、実施形態に係る分類システム1の構成例を示す図である。図2に示すように、分類システム1は、ユーザ端末10と、分類装置100とを含む。ユーザ端末10、及び分類装置100は、通信ネットワークであるネットワークN(例えば、インターネット)を介して有線または無線により通信可能に接続される。なお、図2に示す分類システム1に含まれる各装置の数は図示したものに限られない。例えば、分類システム1には、複数台のユーザ端末10等が含まれてもよい。
[2. Classification system configuration]
Next, the configuration of the
ユーザ端末10は、ユーザによって利用される情報処理装置である。例えば、ユーザ端末10は、デスクトップ型PCや、ノート型PCや、スマートフォン等の携帯電話機や、タブレット端末や、PDA(Personal Digital Assistant)、ウェアラブルデバイス(Wearable Device)等の情報処理装置である。例えば、ユーザ端末10は、ユーザによる操作にしたがって、検索サイトにアクセスする。そして、ユーザ端末10は、ユーザによって入力されたクエリを、検索サイトを提供するサーバ(実施形態では、分類装置100)に対して送信する。
The
分類装置100は、上述のように、任意のクエリ同士の関連度に基づいて第1クエリを特徴付ける特徴情報を生成し、生成した特徴情報に基づいて、第1クエリに対応するキーワードを分類するサーバ装置である。
As described above, the
〔3.分類装置の構成〕
次に、図3を用いて、実施形態に係る分類装置100の構成について説明する。図3は、実施形態に係る分類装置100の構成例を示す図である。図3に示すように、分類装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、分類装置100は、分類装置100を利用する管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を出力するための出力部(例えば、液晶ディスプレイ等)を有してもよい。
[3. Classification device configuration]
Next, the configuration of the
(通信部110について)
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。通信部110は、通信ネットワークと有線又は無線で接続され、通信ネットワークを介して、ユーザ端末10との間で情報の送受信を行う。
(About 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 the communication network by wire or wirelessly, and transmits / receives information to / from the
(記憶部120について)
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部120は、関連度情報記憶部121と、特徴情報記憶部122と、分類情報記憶部123とを有する。以下、各記憶部について順に説明する。
(About the storage unit 120)
The storage unit 120 is realized by, for example, a semiconductor memory element 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. The storage unit 120 according to the embodiment includes a relevance
(関連度情報記憶部121について)
関連度情報記憶部121は、クエリ同士の関連度に関する情報を記憶する。関連度情報記憶部121は、図1で示したデータベースDB01に対応する。ここで、図4に、実施形態に係る関連度情報記憶部121の一例を示す。図4は、実施形態に係る関連度情報記憶部121の一例を示す図である。図4に示すように、関連度情報記憶部121は、「集計期間」、「検索ユーザ全体数」、「第1クエリ」、「第2クエリ」、「関連度」といった項目を有する。
(About the relevance information storage unit 121)
The relevance
「集計期間」は、ユーザの検索行動に関する情報を集計する期間を示す。「検索ユーザ全体数」は、集計期間における検索ユーザの全体数に関する情報を示す。なお、図4では、「検索ユーザ全体数」に記憶される情報を「A01」のように概念的に示しているが、実際には、「検索ユーザ全体数」の項目には、集計期間において検索サイトを利用した全ユニークユーザ数の具体的な数値が記憶される。なお、当該項目には、集計期間において検索サイトにクエリが送信された(言い換えれば、検索が行われた)回数や、各クエリの検索回数等の情報が記憶されてもよい。 The "aggregation period" indicates a period during which information regarding the user's search behavior is aggregated. "Total number of search users" indicates information regarding the total number of search users in the aggregation period. In FIG. 4, the information stored in the "total number of search users" is conceptually shown as "A01", but in reality, the item of "total number of search users" is included in the aggregation period. The specific number of all unique users who used the search site is stored. It should be noted that the item may store information such as the number of times a query is sent (in other words, a search is performed) to the search site during the aggregation period, and the number of times each query is searched.
「第1クエリ」は、第1クエリを示す。「第2クエリ」は、第1クエリを検索したユーザが検索したクエリであって、第1クエリとは異なるクエリを示す。「関連度」は、第1クエリと第2クエリとの関連度を示す。関連度は、例えば、上記式(1)によってクエリのペアごとに算出される。 The "first query" indicates the first query. The "second query" is a query searched by the user who searched for the first query, and indicates a query different from the first query. "Relevance degree" indicates the degree of relevance between the first query and the second query. The degree of relevance is calculated for each query pair by, for example, the above equation (1).
すなわち、図4では、関連度情報記憶部121が保持する情報の一例として、集計期間が「2016年7月1日~2017年6月30日」であって、検索ユーザ全体数が「A01」である集計データのうち、第1クエリが「AAA」であって第2クエリが「BBB」であるペアの関連度は「5.93」であることを示している。
That is, in FIG. 4, as an example of the information held by the relevance
(特徴情報記憶部122について)
特徴情報記憶部122は、クエリの特徴情報を記憶する。特徴情報記憶部122は、図1で示したデータベースDB02に対応する。ここで、図5に、実施形態に係る特徴情報記憶部122の一例を示す。図5は、実施形態に係る特徴情報記憶部122の一例を示す図である。図5に示すように、特徴情報記憶部122は、「第1クエリ」、「抽出された第2クエリ情報」、「形態素解析情報」、「特徴情報」といった項目を有する。
(About the feature information storage unit 122)
The feature
「第1クエリ」は、図4で示した同一の項目に対応する。「抽出された第2クエリ情報」は、第1クエリに対して、所定の閾値を超える関連度を有する第2クエリとして抽出された第2クエリの情報を示す。図5では、「抽出された第2クエリ情報」に記憶される情報を「B01」のように概念的に示しているが、実際には、「抽出された第2クエリ情報」の項目には、抽出された複数の第2クエリを示す情報が記憶される。なお、分類装置100は、第2クエリを抽出する際の関連度の閾値については、任意に設定してもよい。また、分類装置100は、例えば、関連度に関わらず、第1クエリに対して所定数(例えば10個や100個)の第2クエリを抽出するようにしてもよい。
The "first query" corresponds to the same item shown in FIG. The "extracted second query information" indicates the information of the second query extracted as the second query having a degree of relevance exceeding a predetermined threshold value with respect to the first query. In FIG. 5, the information stored in the "extracted second query information" is conceptually shown as "B01", but in reality, the item of the "extracted second query information" is shown. , Information indicating a plurality of extracted second queries is stored. The
「形態素解析情報」は、抽出された第2クエリを形態素解析した情報を示す。図5では、「形態素解析情報」に記憶される情報を「C01」のように概念的に示しているが、実際には、「形態素解析情報」の項目には、抽出された第2クエリを形態素解析した結果が記憶される。より具体的には、「形態素解析情報」の項目には、第2クエリを形態素解析することにより得られたキーワードや、キーワードの出現回数を示す情報が記憶される。なお、分類装置100は、形態素解析の結果のうち、所定の条件を満たすキーワードのみを記憶するようにしてもよい。例えば、分類装置100は、日本語であれば、第2クエリを形態素解析した結果として、名詞のみをキーワードとして記憶するようにしてもよい。
"Morphological analysis information" indicates information obtained by morphological analysis of the extracted second query. In FIG. 5, the information stored in the "morphological analysis information" is conceptually shown as "C01", but in reality, the extracted second query is included in the "morphological analysis information" item. The result of morphological analysis is stored. More specifically, in the item of "morphological analysis information", a keyword obtained by morphological analysis of the second query and information indicating the number of occurrences of the keyword are stored. The
「特徴情報」は、第1クエリの特徴情報を示す。図5では、「特徴情報」に記憶される情報を「R01」のように概念的に示しているが、実際には、「特徴情報」の項目には、第2クエリを形態素解析して得られたキーワードと、キーワードの出現回数から構成される情報が記憶される。より具体的には、「特徴情報」の項目には、キーワードを次元とし、出現回数を次元数とする単語ベクトルが記憶される。 "Characteristic information" indicates the characteristic information of the first query. In FIG. 5, the information stored in the "feature information" is conceptually shown as "R01", but in reality, the item of the "feature information" is obtained by morphological analysis of the second query. Information composed of the keywords and the number of times the keywords appear is stored. More specifically, in the item of "feature information", a word vector having a keyword as a dimension and the number of occurrences as a dimension is stored.
すなわち、図5では、特徴情報記憶部122が保持する情報の一例として、第1クエリ「AAA」に対して抽出された第2クエリ情報は「B01」であり、かかる第2クエリを形態素解析した形態素解析情報は「C01」であり、かかる情報から生成された特徴情報は「R01」であることを示している。
That is, in FIG. 5, as an example of the information held by the feature
(分類情報記憶部123について)
分類情報記憶部123は、分類処理の結果を記憶する。分類情報記憶部123は、図1で示したデータベースDB03に対応する。ここで、図6に、実施形態に係る分類情報記憶部123の一例を示す。図6は、実施形態に係る分類情報記憶部123の一例を示す図である。図6に示すように、分類情報記憶部123は、「キーワードリストID」、「クラスID」、「キーワード」といった項目を有する。
(About the classification information storage unit 123)
The classification
「キーワードリストID」は、キーワードリストを識別する識別情報を示す。「クラスID」は、クラスを識別する識別情報を示す。なお、本明細書では、キーワードリストID等の識別情報は、説明で用いる参照符号と共通するものとする。例えば、キーワードリストID「L01」で識別されるキーワードリストは、「キーワードリストL01」を示す。「キーワード」は、分類の対象であるキーワードを示す。 The "keyword list ID" indicates identification information that identifies the keyword list. The "class ID" indicates identification information that identifies the class. In this specification, the identification information such as the keyword list ID is the same as the reference code used in the description. For example, the keyword list identified by the keyword list ID "L01" indicates "keyword list L01". "Keyword" indicates a keyword to be classified.
すなわち、図6では、分類情報記憶部123が保持する情報の一例として、キーワードリストID「L01」で識別されるキーワードリストL01に含まれるキーワードは、クラスID「CL01」や「CL02」等で識別されるクラスに分類されたことを示している。また、図6では、例えば、クラスCL01には、キーワード「AAA」や、キーワード「BBB」や、キーワード「CCC」が分類されていることを示している。
That is, in FIG. 6, as an example of the information held by the classification
(制御部130について)
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、分類装置100内部の記憶装置に記憶されている各種プログラム(分類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。
(About control unit 130)
The control unit 130 is a controller, and is, for example, various programs (as an example of a classification program) stored in a storage device inside the
実施形態に係る制御部130は、図3に示すように、取得部131と、算出部132と、抽出部133と、生成部134と、受付部135と、分類部136とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部130の内部構成は、図3に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。また、制御部130が有する各処理部の接続関係は、図3に示した接続関係に限られず、他の接続関係であってもよい。
As shown in FIG. 3, the control unit 130 according to the embodiment includes an
(取得部131について)
取得部131は、各種情報を取得する。例えば、取得部131は、ユーザから送信されるクエリを取得する。具体的には、取得部131は、ユーザから任意に入力されるキーワードであって、検索サイト等における検索処理に用いるためのキーワードをクエリとして取得する。なお、クエリは、複数のキーワードを含んでいてもよい。
(About acquisition unit 131)
The
また、取得部131は、所定の集計期間において、任意のクエリのうち、互いに異なる二つのクエリのいずれかを入力したユーザの数と、当該二つのクエリを両方とも入力したユーザの数とを取得する。例えば、取得部131は、第1クエリを検索したユーザを識別する情報(サービスにおけるユーザIDや、端末固有の識別情報である端末IDや、ブラウザソフトウェアのクッキー(cookie)等)に基づいて、当該ユーザが第2クエリを検索したか否かを判定可能である。
Further, the
また、取得部131は、所定の集計期間における全体の検索数や、全体のユニークユーザ数を取得する。なお、取得部131は、一つの検索サイトから上記情報を取得してもよいし、複数の検索サイトから取得した情報を合算してもよい。この場合、取得部131は、ユーザの検索行動に関する情報を、検索サイトをユーザに提供する所定の外部サーバから取得してもよい。また、取得部131は、検索サイトに限らず、所定のサービスサイト(例えば、ショッピングサイトやオークションサイト)等においてユーザから送信されるクエリを取得してもよい。
In addition, the
取得部131は、取得した情報を記憶部120内に格納する。また、取得部131は、後述する各処理部が要する情報を、適宜、記憶部120内から取得してもよい。
The
(算出部132について)
算出部132は、取得部131によって取得されたクエリ同士の関連度を算出する。算出部132は、任意のクエリのうち、互いに異なる二つのクエリのいずれかを入力したユーザの数と、当該二つのクエリを両方とも入力したユーザの数と、に少なくとも基づいて、任意のクエリ同士の関連度を算出する。なお、算出部132は、クエリに複数のキーワードが含まれている場合には、キーワードごとに、キーワードを入力したユーザの数を計数してもよい。
(About calculation unit 132)
The
また、算出部132は、所定期間のうちに互いに異なる二つのクエリを両方とも入力したユーザの数に基づいて、関連度を算出してもよい。例えば、算出部132は、集計期間が設定されている場合には、当該集計期間の間に、互いに異なる二つのクエリを両方とも入力したユーザの数に基づいて関連度を算出する。このように、算出部132は、二つのクエリを検索したという情報を集計する期間を可変とすることで、比較的長い期間(1年以上など)を捉えた関連度を算出するか、あるいは、比較的短い期間を捉えた関連度を算出するか、といった制御を行うことができる。
Further, the
なお、算出部132は、クエリを入力するユーザを分類し、分類したグループごとに関連度を算出してもよい。例えば、算出部132は、所定のクエリの入力履歴、所定のサービスの利用履歴、又は、所定の属性の少なくともいずれか一つに基づいてユーザを所定のグループに分類し、分類したグループごとに関連度を算出してもよい。例えば、算出部132は、「妊娠」や「出産」等のライフステージに関わるクエリを所定の回数以上検索した履歴を有するユーザ群における、クエリ同士の関連度を算出してもよい。あるいは、算出部132は、ショッピングサービスやオークションサービスを利用した履歴を所定の回数以上有するユーザ群や、年齢層や性別が共通するユーザ群における、クエリ同士の関連度を算出してもよい。これにより、算出部132は、不特定多数のユーザの検索行動のみならず、ある特定の興味関心を有するグループにおけるユーザの検索行動に基づいて、クエリの関連度を算出することができる。
The
算出部132は、上記式(1)で示す式に対応する数値を代入することにより、互いに異なる二つのクエリである第1クエリと第2クエリとの関連度を算出する。算出部132は、第1クエリと第2クエリのペアと、算出した関連度とを対応付けて、関連度情報記憶部121に記憶する。
The
(抽出部133について)
抽出部133は、任意のクエリ同士の関連度に基づいて、第1クエリと関連する複数の第2クエリを抽出する。例えば、抽出部133は、算出部132によって算出された関連度に基づいて、第1クエリと関連する複数の第2クエリを抽出する。
(About extraction unit 133)
The
具体的には、抽出部133は、第1クエリに対する第2クエリのうち、所定の閾値を超える関連度を有する第2クエリを抽出する。なお、所定の閾値は、例えば分類装置100の管理者によって任意に設定されてもよいし、統計的な手法により算出されてもよい(例えば、算出された全ての関連度における平均値を所定の閾値として設定する等)。また、抽出部133は、第1クエリに対する第2クエリのうち、関連度の高い順から所定数の第2クエリを抽出するようにしてもよい。
Specifically, the
(生成部134について)
生成部134は、抽出部133によって抽出された複数の第2クエリに基づいて、第1クエリを特徴付ける特徴情報を生成する。
(About the generator 134)
The
例えば、生成部134は、複数の第2クエリの各々を構成する要素と、要素の出現回数とに基づいて、複数の第2クエリと関連する第1クエリの特徴情報を生成する。具体的には、生成部134は、第1クエリの特徴情報として、第2クエリを構成するキーワードと、キーワードの出現回数との組合せの情報を生成してもよい。
For example, the
また、生成部134は、第1クエリの特徴情報として、複数の第2クエリの各々を構成する要素を次元とし、要素の出現回数を各々の次元の次元数とするベクトルを生成してもよい。具体的には、生成部134は、第1クエリの特徴情報として、抽出された複数の第2クエリの各々を構成するキーワードを次元とし、各々のキーワードの出現回数を各々の次元の次元数とする単語ベクトルを生成する。
Further, the
生成部134は、第1クエリと、生成した特徴情報とを対応付けて、特徴情報記憶部122に格納する。
The
(受付部135について)
受付部135は、各種要求を受け付ける。例えば、受付部135は、所定のユーザから任意のキーワードを受け付ける。具体的には、受付部135は、キーワードの分類を所望するユーザから、任意のキーワードを受け付けるとともに、当該キーワードの分類の要求(リクエスト)を受け付ける。受付部135は、受け付けたキーワードを分類部136に送る。例えば、受付部135によって一のキーワードが受け付けられた場合、分類部136は、当該一のキーワードが既存のクラスのいずれかに分類されるかを判定する。
(About reception desk 135)
The
また、受付部135は、任意の複数のキーワードを含むキーワードリストを受け付けてもよい。この場合、受付部135は、受け付けたキーワードリストを分類部136に送る。この場合、分類部136は、キーワードリストに含まれる各々のキーワードを分類する。
Further, the
(分類部136について)
分類部136は、生成部134によって生成された特徴情報に基づいて、第1クエリに対応するキーワードを分類する。
(About classification unit 136)
The
例えば、分類部136は、第1クエリの特徴情報がベクトルである場合には、生成部134によって生成されたベクトルの類似度(例えばコサイン類似度)に基づいて、キーワードを分類する。
For example, when the feature information of the first query is a vector, the
また、分類部136は、受付部135によって任意のキーワードが受け付けられた場合には、当該キーワードに対応する特徴情報に基づいて、当該キーワードを分類する。例えば、分類部136は、既存のクラスに属する他のキーワードが存在する場合には、他のキーワードの特徴情報と、受け付けられたキーワードとの特徴情報の類似度に基づいて、受け付けられたキーワードがいずれのクラスに属するかを判定する。
Further, when an arbitrary keyword is received by the
また、分類部136は、受付部135によって任意の複数のキーワードを含むキーワードリストが受け付けられた場合には、キーワードリストに含まれる各々のキーワードの特徴情報に基づいて、当該キーワードリストに含まれる各々のキーワードを分類する。これにより、分類部136は、ユーザが分類を所望する複数のキーワードについて、キーワードの意味やカテゴリ等によらず、適切な分類を行うことができる。
Further, when the
分類部136は、キーワードと分類したクラスとを対応付けて、分類情報記憶部123に格納する。また、分類部136は、分類した結果をユーザに送信する。
The
また、分類部136は、ユーザから受け付けたキーワードリストに対して分類を行った場合、分類の結果を可視化したグラフ等をユーザに提供してもよい。例えば、分類部136は、キーワードを分布図等で示し、同じクラス(グループ)に分類されたキーワードを同じ色で示すなど、ユーザが一目でキーワード同士の関係を把握できるような情報をユーザに提供してもよい。
Further, when the
〔4.処理手順〕
次に、図7及び図8を用いて、実施形態に係る分類装置100による処理の手順について説明する。まず、図7を用いて、実施形態に係る特徴情報の生成処理の手順について説明する。図7は、実施形態に係る分類装置100による処理手順を示すフローチャート(1)である。
[4. Processing procedure]
Next, the procedure of processing by the
図7に示すように、分類装置100は、ユーザから送信されたクエリを取得したか否かを判定する(ステップS101)。クエリを取得していない場合(ステップS101;No)、分類装置100は、クエリを取得するまで待機する。
As shown in FIG. 7, the
一方、クエリを取得した場合(ステップS101;Yes)、分類装置100は、取得したクエリのうち、処理対象とする任意の第1クエリを選択する(ステップS102)。さらに、分類装置100は、第1クエリを検索したユーザが検索した第2クエリを集計する(ステップS103)。
On the other hand, when a query is acquired (step S101; Yes), the
そして、分類装置100は、例えば上記式(1)を用いて、第1クエリと第2クエリとの関連度を算出する(ステップS104)。その後、分類装置100は、全検索クエリの関連度を算出したか否かを判定する(ステップS105)。全クエリの関連度を算出していない場合(ステップS105;No)、分類装置100は、ステップS102からステップS104の処理を繰り返す。
Then, the
一方、全クエリの関連度を算出した場合(ステップS105;Yes)、分類装置100は、任意の第1クエリについて、所定の閾値を超える関連度を有する複数の第2クエリを抽出する(ステップS106)。そして、分類装置100は、抽出された第2クエリを形態素解析する(ステップS107)。
On the other hand, when the relevance of all the queries is calculated (step S105; Yes), the
続けて、分類装置100は、形態素と、各々の形態素の出現回数とに基づいて、第1クエリの特徴情報を生成する(ステップS108)。そして、分類装置100は、生成した特徴情報を記憶部120内に格納する(ステップS109)。
Subsequently, the
次に、図8を用いて、実施形態に係る分類処理の手順について説明する。図8は、実施形態に係る分類装置100による処理手順を示すフローチャート(2)である。
Next, the procedure of the classification process according to the embodiment will be described with reference to FIG. FIG. 8 is a flowchart (2) showing a processing procedure by the
図8に示すように、分類装置100は、ユーザからキーワードリストを受け付けたか否かを判定する(ステップS201)。キーワードリストを受け付けていない場合(ステップS201;No)、分類装置100は、受け付けるまで待機する。
As shown in FIG. 8, the
一方、キーワードリストを受け付けた場合(ステップS201;Yes)、分類装置100は、例えば特徴情報記憶部122を参照して、キーワードリストに含まれる各々のキーワードに対応する特徴情報を特定する(ステップS202)。
On the other hand, when the keyword list is received (step S201; Yes), the
そして、分類装置100は、各々のキーワードの特徴情報同士の類似度を算出する(ステップS203)。さらに、分類装置100は、算出した類似度に基づいてキーワードを分類する(ステップS204)。そして、分類装置100は、分類した結果を記憶部120内に格納する(ステップS205)。また、分類装置100は、分類した結果をキーワードリストの送信元であるユーザに送信する(ステップS206)。
Then, the
〔5.変形例〕
上述した実施形態に係る分類システム1は、上記実施形態以外にも種々の異なる形態にて実施されてよい。そこで、以下では、上記の分類システム1に含まれる各装置の他の実施形態について説明する。
[5. Modification example]
The
〔5-1.キーワードリストの生成〕
上記実施形態では、分類装置100が、ユーザからキーワードリストを受け付ける例を示した。ここで、分類装置100は、ユーザから受け付けた一のキーワードに基づいて、キーワードリストを生成し、生成したキーワードリストに含まれるキーワードを分類する処理を行ってもよい。
[5-1. Keyword list generation]
In the above embodiment, the
例えば、分類装置100は、所定のユーザから任意のキーワードの入力を受け付けた場合に、当該任意のキーワードとの関連度が所定の閾値を超える複数のキーワードを抽出し、当該任意のキーワードと抽出した複数のキーワードとを含むキーワードリストを生成する。そして、分類装置100は、生成したキーワードリストに含まれる各々のキーワードを分類する。この点について、図9を用いて、処理の流れに沿って説明する。図9は、変形例に係る分類装置による処理手順を示すフローチャートである。
For example, when the
図9に示すように、分類装置100は、ユーザからキーワードを受け付けたか否かを判定する(ステップS301)。キーワードを受け付けていない場合(ステップS301;No)、分類装置100は、受け付けるまで待機する。
As shown in FIG. 9, the
一方、キーワードを受け付けた場合(ステップS301;Yes)、分類装置100は、例えば関連度情報記憶部121を参照して、受け付けたキーワードに対して所定の閾値を超える関連度を有するキーワードを抽出する(ステップS302)。
On the other hand, when the keyword is received (step S301; Yes), the
そして、分類装置100は、受け付けたキーワードと、ステップS302において抽出したキーワードとを含むキーワードリストを生成する(ステップS303)。そして、分類装置100は、生成したキーワードリストに対して、例えば図8で示した流れに沿って分類処理を実行する(ステップS304)。
Then, the
このように、分類装置100は、ユーザから受け付けたキーワードに基づいてキーワードリストを生成し、生成したキーワードリストに含まれるキーワードを分類する処理を行ってもよい。これにより、ユーザは、自身でリストを作成することを要さず、興味関心のあるキーワードを一つだけ分類装置100に送信することにより、当該キーワードと関連するキーワード群に関する分類結果を得ることができる。すなわち、ユーザは、入力した一のキーワードに関して、ある程度のグルーピングのなされたキーワード群を得ることができる。このため、マーケティングを行うユーザであれば、例えば、入力した一のキーワードに関してどのようなニーズがあるか、また、入力した一のキーワードに関心を有するユーザが、他のどのようなキーワードに興味を有しているか等の情報を知得することができる。
In this way, the
〔5-2.クエリに対する形態素解析〕
上記実施形態では、分類装置100が、第1クエリと第2クエリの両方を入力したユーザの数に基づいてクエリ同士の関連度を算出する例を示した。ここで、上述のように、クエリは、一のキーワードのみならず、複数のキーワードや文章によって構成される場合がある。このため、分類装置100は、ユーザから送信されたクエリを形態素解析し、形態素解析の結果に含まれるキーワードを第1クエリや第2クエリとして取り扱うようにしてもよい。この場合、分類装置100は、既知の記述を用いて、クエリに含まれる名詞や固有名詞を抽出し、抽出したキーワードのみを処理に用いてもよい。
[5-2. Morphological analysis for queries]
In the above embodiment, the
〔5-3.検索行動〕
分類装置100は、第1クエリと第2クエリとの両方を検索したユーザと判定する期間について、必ずしも集計期間と同じ期間において検索行動がなされたことを条件とすることを要しない。すなわち、分類装置100は、第1クエリと第2クエリとの両方を検索したユーザと判定する期間と、クエリを検索したユーザの数等を集計する期間とをそれぞれ設定してもよい。例えば、分類装置100は、同一ユーザから24時間以内に第1クエリと第2クエリとが送信された場合に、当該ユーザを第1クエリと第2クエリとの両方を検索したユーザと扱ってもよい。また、分類装置100は、同一ユーザにおける同一セッション(例えば、所定の検索サイトへアクセスし、アクセスが途切れるまでの一連の行動)において第1クエリと第2クエリとが送信された場合に、当該ユーザを第1クエリと第2クエリとの両方を検索したユーザと扱ってもよい。このように、分類装置100は、ユーザの検索行動を柔軟に取扱い、種々の情報処理を行ってもよい。
[5-3. Search behavior]
The
〔5-4.検索サイト〕
上記実施形態では、検索サイトが分類装置100によって提供される例を示した。しかし、検索サイトは、所定の外部サーバ(例えば、検索サービスを提供するウェブサーバ)によって提供されてもよい。この場合、分類装置100は、外部サーバを介して、ユーザが検索サイトに対して送信したクエリやユーザ情報等を取得するようにしてもよい。
[5-4. Search site]
In the above embodiment, an example is shown in which the search site is provided by the
〔6.その他〕
また、上記実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
[6. others〕
Further, among the processes described in the above-described embodiment, all or a part of the processes described as being automatically performed can be manually performed, or the processes described as being manually performed can be performed. All or part of it can be done automatically by a known method. In addition, information including processing procedures, specific names, various data and parameters shown in the above documents and drawings can be arbitrarily changed unless otherwise specified.
また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。 Further, each component of each of the illustrated devices is a functional concept, and does not necessarily have to be physically configured as shown in the figure. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure, and all or part of them may be functionally or physically distributed / physically in any unit according to various loads and usage conditions. Can be integrated and configured.
例えば、図3に示した関連度情報記憶部121や、特徴情報記憶部122や、分類情報記憶部123は、分類装置100が保持せずに、外部のストレージサーバ等に保持されてもよい。この場合、分類装置100は、ストレージサーバにアクセスすることで、関連度情報や特徴情報等を取得する。
For example, the relevance
また、例えば、上述してきた分類装置100は、ユーザ端末10からクエリを取得したり、分類結果をユーザに送信したりといった、外部装置とのやりとりを中心に実行するフロントエンドサーバ側と、特徴情報に基づいてクエリを分類する処理等を実行するバックエンドサーバ側とに分散されてもよい。
Further, for example, the
〔7.ハードウェア構成〕
また、上述してきた実施形態に係る分類装置100やユーザ端末10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。以下、分類装置100を例として説明する。図10は、分類装置100の機能を実現するコンピュータ1000の一例を示すハードウェア構成図である。コンピュータ1000は、CPU1100、RAM1200、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。
[7. Hardware configuration]
Further, the
CPU1100は、ROM1300又は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記憶する。通信インターフェイス1500は、通信網500(図2に示すネットワークNに対応する)を介して他の機器からデータを受信してCPU1100へ送り、また、通信網500を介してCPU1100が生成したデータを他の機器へ送信する。
The
CPU1100は、入出力インターフェイス1600を介して、ディスプレイやプリンタ等の出力装置、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、入出力インターフェイス1600を介して生成したデータを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又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が分類装置100として機能する場合、コンピュータ1000のCPU1100は、RAM1200上にロードされたプログラムを実行することにより、制御部130の機能を実現する。また、HDD1400には、記憶部120内の各データが格納される。コンピュータ1000のCPU1100は、これらのプログラムを記録媒体1800から読み取って実行するが、他の例として、他の装置から通信網500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
〔8.効果〕
上述してきたように、実施形態に係る分類装置100は、抽出部133と、生成部134と、分類部136とを有する。抽出部133は、任意のクエリ同士の関連度に基づいて、第1クエリと関連する複数の第2クエリを抽出する。生成部134は、抽出部133によって抽出された複数の第2クエリに基づいて、第1クエリを特徴付ける特徴情報を生成する。分類部136は、生成部134によって生成された特徴情報に基づいて、第1クエリに対応するキーワードを分類する。
[8. effect〕
As described above, the
このように、実施形態に係る分類装置100は、ユーザから送信されるクエリが有する意味や性質等の定性的な情報によらず、実際のユーザの検索行動という定量的な情報に基づいて分類処理を行う。言い換えれば、分類装置100は、各々のクエリをカテゴライズ等することなく、関連するキーワード同士を分類する。例えば、分類装置100によれば、ユーザの趣味嗜好や興味関心を反映してキーワードを分類するため、意味として直接的に関係のなさそうなキーワード同士であっても、同じグループ(クラス)に属するキーワードとして分類することができる。このように、分類装置100は、ユーザから送信される様々なクエリに対して分類を行うことができるため、結果として、多様なクエリ同士における相互の関係性を導出することができる。
As described above, the
また、生成部134は、複数の第2クエリの各々を構成する要素と、当該要素の出現回数とに基づいて、当該複数の第2クエリと関連する第1クエリの特徴情報を生成する。
Further, the
このように、実施形態に係る分類装置100は、第2クエリを構成する要素(例えば、第2クエリが含むキーワード)と要素の出現回数とによって第1クエリの特徴を示すため、第1クエリの特徴を詳細に捉えることができる。このため、分類装置100は、第1クエリに対応するキーワードを適切に分類することができる。
As described above, the
また、生成部134は、第1クエリの特徴情報として、複数の第2クエリの各々を構成する要素を次元とし、当該要素の出現回数を各々の次元の次元数とするベクトルを生成する。分類部136は、生成部134によって生成されたベクトルの類似度に基づいて、キーワードを分類する。
Further, the
このように、実施形態に係る分類装置100は、第2クエリを構成する要素と要素の出現回数とをベクトルによって表現することにより、特徴情報同士の類似度の算出を容易に行うことができる。
As described above, the
また、実施形態に係る分類装置100は、任意のクエリのうち、互いに異なる二つのクエリのいずれかを入力したユーザの数と、当該二つのクエリを両方とも入力したユーザの数と、に少なくとも基づいて、任意のクエリ同士の関連度を算出する算出部132をさらに備える。抽出部133は、算出部132によって算出された関連度に基づいて、第1クエリと関連する複数の第2クエリを抽出する。
Further, the
このように、実施形態に係る分類装置100は、ユーザの検索行動ログに基づいて関連度を算出するため、クエリそのものの意味やカテゴリ等によらず、実際のユーザの興味関心に基づいて関連度を算出することができる。これにより、分類装置100は、似たような行動をとるユーザが検索したクエリ同士の関連度を高く算出するなど、ユーザの行動が的確に反映された関連度の算出を行うことができる。
As described above, since the
また、算出部132は、所定期間のうちに互いに異なる二つのクエリを両方とも入力したユーザの数に基づいて、関連度を算出する。
Further, the
このように、実施形態に係る分類装置100は、所定期間を設定し、所定期間における一連のユーザの検索行動を捉え、関連度を算出する。分類装置100は、例えば所定期間を数年間というスパンで設定することで、妊娠や出産、また、ベビー用品など、ユーザのライフステージの移り変わりに関するクエリ同士を関連度のあるクエリとして抽出することができる。これにより、分類装置100は、ユーザの一連の行動を反映させた分類処理を行うことができる。
In this way, the
また、実施形態に係る分類装置100は、所定のユーザから任意のキーワードを受け付ける受付部135をさらに備える。分類部136は、受付部135によって受け付けられたキーワードに対応する特徴情報に基づいて、当該キーワードを分類する。
Further, the
このように、実施形態に係る分類装置100は、ユーザから受け付けたキーワードに対して分類を行うことで、ユーザが所望するキーワードがどのような興味関心を持っているユーザに検索されているか、また、当該キーワードがどのような他のキーワードと関連性を有するかといった情報をユーザに提供することができる。
As described above, the
また、受付部135は、任意の複数のキーワードを含むキーワードリストを受け付ける。分類部136は、受付部135によって受け付けられたキーワードリストに含まれる各々のキーワードの特徴情報に基づいて、当該キーワードリストに含まれる各々のキーワードを分類する。
Further, the
このように、実施形態に係る分類装置100は、キーワードリストに含まれるキーワードを分類することで、どのようなキーワード同士がユーザに検索され易い傾向にあるかといった情報をユーザに提供することができる。
As described above, the
また、受付部135は、所定のユーザから任意のキーワードの入力を受け付けた場合に、当該任意のキーワードとの関連度が所定の閾値を超える複数のキーワードを抽出し、当該任意のキーワードと抽出した複数のキーワードとを含むキーワードリストを生成する。分類部136は、受付部135によって生成されたキーワードリストに含まれる各々のキーワードを分類する。
Further, when the
このように、実施形態に係る分類装置100は、ユーザから受け付けたキーワードに基づいてキーワードリストを生成し、生成したキーワードリストに含まれるキーワードを分類する処理を行ってもよい。これにより、分類装置100は、ユーザにキーワードリストを作成する手間を掛けさせず、キーワードと関連するキーワード群に関する分類結果をユーザに提供することができる。
As described above, the
以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の欄に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。 Although some of the embodiments of the present application have been described in detail with reference to the drawings, these are examples, and various modifications are made based on the knowledge of those skilled in the art, including the embodiments described in the disclosure column of the invention. It is possible to carry out the present invention in other modified forms.
また、上述した分類装置100は、複数のサーバコンピュータで実現してもよく、また、機能によっては外部のプラットフォーム等をAPI(Application Programming Interface)やネットワークコンピューティングなどで呼び出して実現するなど、構成は柔軟に変更できる。
Further, the above-mentioned
また、特許請求の範囲に記載した「部(section、module、unit)」は、「手段」や「回路」などに読み替えることができる。例えば、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。 Further, the "section, module, unit" described in the claims can be read as "means" or "circuit". For example, the acquisition unit can be read as an acquisition means or an acquisition circuit.
1 分類システム
10 ユーザ端末
100 分類装置
110 通信部
120 記憶部
121 関連度情報記憶部
122 特徴情報記憶部
123 分類情報記憶部
130 制御部
131 取得部
132 算出部
133 抽出部
134 生成部
135 受付部
136 分類部
1
Claims (9)
前記抽出部によって抽出された複数の第2クエリに基づいて、前記第1クエリを特徴付ける特徴情報を生成する生成部と、
前記生成部によって生成された特徴情報に基づいて、前記第1クエリに対応するキーワードを分類する分類部と、
を備え、
前記生成部は、
前記複数の第2クエリの各々を構成する要素と、当該要素の出現回数とに基づいて、当該複数の第2クエリと関連する前記第1クエリの特徴情報を生成する、
ことを特徴とする分類装置。 An extractor that extracts multiple second queries related to the first query based on the degree of relevance between arbitrary queries,
A generation unit that generates feature information that characterizes the first query based on a plurality of second queries extracted by the extraction unit.
A classification unit that classifies keywords corresponding to the first query based on the feature information generated by the generation unit.
Equipped with
The generator is
Based on the elements constituting each of the plurality of second queries and the number of occurrences of the elements, the feature information of the first query related to the plurality of second queries is generated.
A classification device characterized by that.
前記第1クエリの特徴情報として、前記複数の第2クエリの各々を構成する要素を次元とし、当該要素の出現回数を各々の次元の次元数とするベクトルを生成し、
前記分類部は、
前記生成部によって生成されたベクトルの類似度に基づいて、前記キーワードを分類する、
ことを特徴とする請求項1に記載の分類装置。 The generator is
As the feature information of the first query, a vector is generated in which the elements constituting each of the plurality of second queries are dimensions and the number of appearances of the elements is the number of dimensions of each dimension.
The classification unit
The keywords are classified based on the similarity of the vectors generated by the generator.
The classification device according to claim 1 , wherein the classification device is characterized by the above.
をさらに備え、
前記抽出部は、
前記算出部によって算出された関連度に基づいて、第1クエリと関連する複数の第2クエリを抽出する、
ことを特徴とする請求項1又は2に記載の分類装置。 Calculate the relevance of any query based on at least the number of users who entered one of two different queries out of any query and the number of users who entered both of those two queries. Calculation unit,
Further prepare
The extraction unit
A plurality of second queries related to the first query are extracted based on the degree of relevance calculated by the calculation unit.
The classification device according to claim 1 or 2 , wherein the classification device is characterized by the above.
所定期間のうちに前記互いに異なる二つのクエリを両方とも入力したユーザの数に基づいて、前記関連度を算出する、
ことを特徴とする請求項3に記載の分類装置。 The calculation unit
The relevance is calculated based on the number of users who have entered both of the two different queries within a given period of time.
The classification device according to claim 3 , wherein the classification device is characterized by the above.
をさらに備え、
前記分類部は、
前記受付部によって受け付けられたキーワードに対応する特徴情報に基づいて、当該キーワードを分類する、
ことを特徴とする請求項1~4のいずれか一つに記載の分類装置。 Reception department that accepts arbitrary keywords from a predetermined user,
Further prepare
The classification unit
The keyword is classified based on the feature information corresponding to the keyword received by the reception unit.
The classification device according to any one of claims 1 to 4 , wherein the classification device is characterized by the above.
任意の複数のキーワードを含むキーワードリストを受け付け、
前記分類部は、
前記受付部によって受け付けられたキーワードリストに含まれる各々のキーワードの特徴情報に基づいて、当該キーワードリストに含まれる各々のキーワードを分類する、
ことを特徴とする請求項5に記載の分類装置。 The reception department
Accepts a keyword list containing any number of keywords,
The classification unit
Based on the characteristic information of each keyword included in the keyword list accepted by the reception unit, each keyword included in the keyword list is classified.
The classification device according to claim 5 , wherein the classification device is characterized by the above.
前記所定のユーザから任意のキーワードの入力を受け付けた場合に、当該任意のキーワードとの関連度が所定の閾値を超える複数のキーワードを抽出し、当該任意のキーワードと抽出した複数のキーワードとを含むキーワードリストを生成し、
前記分類部は、
前記受付部によって生成されたキーワードリストに含まれる各々のキーワードを分類する、
ことを特徴とする請求項5に記載の分類装置。 The reception department
When the input of an arbitrary keyword is received from the predetermined user, a plurality of keywords whose relevance to the arbitrary keyword exceeds a predetermined threshold value are extracted, and the arbitrary keyword and the extracted plurality of keywords are included. Generate a keyword list and
The classification unit
Classify each keyword included in the keyword list generated by the reception unit.
The classification device according to claim 5 , wherein the classification device is characterized by the above.
任意のクエリ同士の関連度に基づいて、第1クエリと関連する複数の第2クエリを抽出する抽出工程と、
前記抽出工程によって抽出された複数の第2クエリに基づいて、前記第1クエリを特徴付ける特徴情報を生成する生成工程と、
前記生成工程によって生成された特徴情報に基づいて、前記第1クエリに対応するキーワードを分類する分類工程と、
を含み、
前記生成工程は、
前記複数の第2クエリの各々を構成する要素と、当該要素の出現回数とに基づいて、当該複数の第2クエリと関連する前記第1クエリの特徴情報を生成する、
ことを特徴とする分類方法。 It ’s a computer-executed classification method.
An extraction process that extracts multiple second queries related to the first query based on the degree of relevance between arbitrary queries.
A generation step that generates feature information that characterizes the first query based on a plurality of second queries extracted by the extraction step.
A classification step of classifying keywords corresponding to the first query based on the feature information generated by the generation step, and a classification step.
Including
The production step is
Based on the elements constituting each of the plurality of second queries and the number of occurrences of the elements, the feature information of the first query related to the plurality of second queries is generated.
A classification method characterized by that.
前記抽出手順によって抽出された複数の第2クエリに基づいて、前記第1クエリを特徴付ける特徴情報を生成する生成手順と、
前記生成手順によって生成された特徴情報に基づいて、前記第1クエリに対応するキーワードを分類する分類手順と、
をコンピュータに実行させ、
前記生成手順は、
前記複数の第2クエリの各々を構成する要素と、当該要素の出現回数とに基づいて、当該複数の第2クエリと関連する前記第1クエリの特徴情報を生成する、
ことを特徴とする分類プログラム。 An extraction procedure that extracts multiple second queries related to the first query based on the degree of relevance between arbitrary queries, and
A generation procedure that generates feature information that characterizes the first query based on a plurality of second queries extracted by the extraction procedure.
A classification procedure for classifying keywords corresponding to the first query based on the feature information generated by the generation procedure, and a classification procedure.
Let the computer run
The generation procedure is
Based on the elements constituting each of the plurality of second queries and the number of occurrences of the elements, the feature information of the first query related to the plurality of second queries is generated.
A classification program characterized by that.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017177328A JP7067884B2 (en) | 2017-09-15 | 2017-09-15 | Classification device, classification method and classification program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017177328A JP7067884B2 (en) | 2017-09-15 | 2017-09-15 | Classification device, classification method and classification program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019053519A JP2019053519A (en) | 2019-04-04 |
JP7067884B2 true JP7067884B2 (en) | 2022-05-16 |
Family
ID=66014891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017177328A Active JP7067884B2 (en) | 2017-09-15 | 2017-09-15 | Classification device, classification method and classification program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7067884B2 (en) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7127080B2 (en) * | 2020-03-19 | 2022-08-29 | ヤフー株式会社 | Determination device, determination method and determination program |
JP6948425B2 (en) * | 2020-03-19 | 2021-10-13 | ヤフー株式会社 | Judgment device, judgment method and judgment program |
JP7079867B1 (en) | 2021-03-19 | 2022-06-02 | ヤフー株式会社 | Generator, generation method and generation program |
CN115402057B (en) * | 2022-10-31 | 2023-03-24 | 长城汽车股份有限公司 | Air conditioner adjusting method, server, terminal and system |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110208730A1 (en) | 2010-02-23 | 2011-08-25 | Microsoft Corporation | Context-aware searching |
US20160188619A1 (en) | 2014-12-30 | 2016-06-30 | Yahoo! Inc. | Method and system for enhanced query term suggestion |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9727614B1 (en) * | 2014-03-17 | 2017-08-08 | Amazon Technologies, Inc. | Identifying query fingerprints |
-
2017
- 2017-09-15 JP JP2017177328A patent/JP7067884B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110208730A1 (en) | 2010-02-23 | 2011-08-25 | Microsoft Corporation | Context-aware searching |
US20160188619A1 (en) | 2014-12-30 | 2016-06-30 | Yahoo! Inc. | Method and system for enhanced query term suggestion |
Also Published As
Publication number | Publication date |
---|---|
JP2019053519A (en) | 2019-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7067884B2 (en) | Classification device, classification method and classification program | |
CN108345702A (en) | Entity recommends method and apparatus | |
CN107862022B (en) | Culture resource recommendation system | |
US20140095308A1 (en) | Advertisement distribution apparatus and advertisement distribution method | |
WO2020029412A1 (en) | Tag recommendation method and apparatus, computer device, and computer-readable storage medium | |
JP2013517563A (en) | User communication analysis system and method | |
JP2013504118A (en) | Information retrieval based on query semantic patterns | |
US9286379B2 (en) | Document quality measurement | |
JP6664599B2 (en) | Ambiguity evaluation device, ambiguity evaluation method, and ambiguity evaluation program | |
US20130179418A1 (en) | Search ranking features | |
US20220358552A1 (en) | Methods and systems for hair-service based digital image searching and ranking | |
CN110245357B (en) | Main entity identification method and device | |
KR101811211B1 (en) | Method and apparatus for usability test based on big data | |
JP6568284B1 (en) | Providing device, providing method, and providing program | |
WO2023206960A1 (en) | Product recommendation method and apparatus based on content and collaborative filtering, and computer device | |
JP2021149681A (en) | Determination device, determination method, and determination program | |
JP7088644B2 (en) | Providing equipment, providing method and providing program | |
JP6985181B2 (en) | Information processing equipment, information processing methods, and programs | |
US20160055238A1 (en) | Document analysis apparatus and document analysis program | |
JP4128033B2 (en) | Profile data retrieval apparatus and program | |
JP7088656B2 (en) | Information processing equipment, information processing methods and information processing programs | |
JP2017004260A (en) | Information processing apparatus, information processing method, and information processing program | |
JP7074910B1 (en) | Information processing equipment, information processing methods, and information processing programs | |
JP7249222B2 (en) | Information processing device, information processing method and information processing program | |
JP7297855B2 (en) | Keyword extraction device, keyword extraction method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210216 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20211012 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211228 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20211228 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20220117 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20220118 |
|
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: 20220329 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220428 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7067884 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |