JP7452801B2 - 評価支援システム及び評価支援プログラム - Google Patents
評価支援システム及び評価支援プログラム Download PDFInfo
- Publication number
- JP7452801B2 JP7452801B2 JP2021212810A JP2021212810A JP7452801B2 JP 7452801 B2 JP7452801 B2 JP 7452801B2 JP 2021212810 A JP2021212810 A JP 2021212810A JP 2021212810 A JP2021212810 A JP 2021212810A JP 7452801 B2 JP7452801 B2 JP 7452801B2
- Authority
- JP
- Japan
- Prior art keywords
- evaluation
- information
- value
- target
- acquisition
- 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
- 238000011156 evaluation Methods 0.000 title claims description 426
- 238000013210 evaluation model Methods 0.000 claims description 62
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000007717 exclusion Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000007935 neutral effect Effects 0.000 description 21
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 6
- 238000012217 deletion Methods 0.000 description 5
- 230000037430 deletion Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007790 scraping Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Description
図1~図8を参照して、本実施形態における評価支援システム100の構成の一例について説明する。図1は、本実施形態における評価支援システム100の構成の一例を示す模式図である。
データは、例えば被対象である企業の被対象者情報や被対象者価値を判断するための価値情報の内容を示し、具体的には、被対象の企業、又は被対象の企業を除く第三者により公表された公表情報、報道情報、口コミ情報、Webサイトの信頼情報、デジタル化の取り組みに関するDX化情報等を示す。データは、例えば各被対象者(企業の他、例えば官公庁、調査・研究機関、教育機関、団体、グループ、又は特定個人等)に関するデータであってもよい。データは、例えば対象が対象データである場合は、Webサイトを巡回して取得される文字データの他、例えばユーザによって新たに追加、登録されるデータ、各種の情報等を対象としてもよい。
評価支援システム100では、例えば図4に示すようなデータベース及びデータテーブルを備える。データベースは、価値情報データベースと、モデル定義データベースとを少なくとも含み、例えば価値評価に関する情報を取得するための巡回情報を設定する巡回情報データベース、使用キーワードランキングデータベース等をさらに含んでもよい。各データベースは、評価支援システム100に保存されるほか、例えばサーバ3等の評価支援装置1とは異なる記憶部分に保存されてもよく、データベース毎の保存先、保存のタイミングは任意である。
価値情報データベースには、例えば被対象者の対象者情報、及び対象者価値を判断するための価値情報を含む対象データが記憶される。価値情報データベースには、例えば被対象者を識別する「被対象者ID」、被対象者の名称を示す「企業名」、巡回するWebサイトのURL情報を示す「Webサイト」、Webサイトや対象データの信憑性を示す「信頼情報」、被対象者に関する各種の情報を示す「対象者情報」、被対象者の対象者価値を判断するための各種の情報を示す「価値情報」、被対象者の企業を除く第三者等により公開されている情報を示す「公表情報」、被対象者に関する口コミなどの投稿情報を示す「口コミ」等として記憶される。なお、価値情報データベースには、取得した対象データに日時情報を合わせて記憶するようにしてもよい。
モデル定義データベースには、例えば被対象者の価値評価を行うための複数の評価モデルとして、「注目度評価モデル」、「評価分析モデル」、「総合スコアモデル」が記憶される。モデル定義データベースには、例えば評価モデルを識別する「モデルID」、評価モデルの名称を示す「モデル名」、評価する対象データに関する条件等を示す「評価式・パラメータ」、各評価モデルのタスクスケジュール、更新情報を示す「評価日時情報・更新情報」等として記憶される。
巡回情報データベースには、例えば価値評価に関する情報を取得するための巡回(スクレイピング)に関する各種の巡回情報が記憶される。巡回情報データベースには、例えば巡回の条件を識別する「巡回先ID」、巡回するWebサイトのURL情報を示す「Webサイト」、巡回先の被対象者を識別する「被対象者ID」、巡回を開始する時間を示す「巡回時間」、巡回の実行を示す「実行情報」、Webサイトから取得する対象データの位置を示す「位置情報」、取得するテキストの構成を示す「本文・段落」、及び対象データ中のタイトルや特徴的なキーワードを示す「使用KW(キーワード)」等として記憶される。なお、巡回情報データベースには、例えばWebサイトの巡回を開始した日時情報、終了した日時情報等が合わせて記憶されるようにしてもよい。
使用キーワード(使用KW)ランキングデータベースは、評価支援システム100により、例えば取得された対象データを対象に使用キーワードの出現頻度等がランキングされた算出結果、ランキングの順位変動の結果により、例えば一定期間で急増したキーワードが有望キーワードとして抽出されたデータを記憶する。使用キーワードランキングデータベースには、図4に示す通り、例えば抽出したキーワードを識別する「キーワードID」、Webサイトに掲載されるタイトルや本文の対象データから取得した使用キーワードを示す「使用KW」、ある期間におけるランキング(順位)を示す「期間1・前回」、「期間2・今回」、使用キーワードを取得したWebサイトを示す「Webサイト」、巡回先IDを示す「巡回先ID」、抽出された使用キーワードが使用されている割合を示す「使用率」、有望キーワードの候補有無を示す「有望候補」等として記憶される。
図3(a)は、評価支援装置1の構成の一例を示す模式図である。評価支援装置1として、例えばパーソナルコンピュータ(PC)、スマートフォン、タブレット端末等の公知の電子機器が用いられる。評価支援装置1は、例えば筐体10と、CPU(Central Processing Unit)101と、ROM(Read Only Memory)102と、RAM(Random Access Memory)103と、保存部104と、I/F105~107と、入力部108と、表示部109とを備える。各構成101~107は、内部バス110により接続される。
設定部11は、価値評価を行うタイトルや本文に関する情報を取得するための巡回情報を設定する。設定部11は、例えば端末2を介して、予めユーザからの入力された価値評価を行いたい被対象者に関する各種の巡回情報を取得し、取得した各種の巡回情報を巡回情報データベースに記憶する。設定部11は、例えば端末2を介して、対象データを取得するため各種の巡回情報を設定できる他、例えば何れかの巡回情報を選択して巡回情報を取得するためのタスクスケジュールを設定するようにしてもよい。設定部11は、例えばWebサイトを巡回するタイミングの他、Webサイトに表示される各種のタイトルや本文の対象データの位置や段落、キーワードを設定するようにしてもよい。
取得部12は、設定部11により設定された巡回情報に基づいて、価値評価の被対象者の対象者情報、対象者価値を判断するための価値情報を含む対象データ(タイトル、本文等)を取得する。取得部12は、例えば巡回情報データベースに設定された各巡回先として設定されている巡回時間、実行情報を参照する。取得部12は、一致する日時の巡回情報があれば、Webサイトとして示されるURLに対して順次にコンテンツデータの取得に関するリクエストを送信する。取得部12は、Webサイトからのリプライを受信し、受信したリプライの結果に応じて、価値評価の対象となる各種のコンテンツデータを価値情報データベースに登録する。
評価部13は、モデル定義データベース記憶された評価モデルに基づいて、価値情報データベースに記載されている対象データを評価することにより、被対象者の価値評価を行う。評価部13は、モデル定義データベースを参照し、取得したデータの特徴、又は種別を少なくとも含む区分情報とユーザによって予め設定されたWebサイトごとの信憑性を示す信頼度により評価を行う注目度評価モデル、過去の価値評価の価値評価結果と過去の価値評価結果に紐づく参照情報との間における連関性を有する学習データを用いた機械学習により構築された学習モデルにより評価を行う評価分析モデル、又は注目度評価モデルと評価分析モデルを用いて算出した総合スコアにより評価を行う総合スコアモデルの何れかを少なくとも含む評価を行う。評価部13は、これらの評価モデルを個別に、又は複数を組み合わせて評価してもよい。
仮評価部は、巡回情報に基づいて、情報別(ニュース別)に価値評価となるネガティブ/ポジティブを評価し、評価結果(判定結果・結果値)を付与するようにしてもよい。仮評価部は、例えば巡回情報に基づいて「結果見出し(ヘッドライン)」(タイトル)を使用して、ネガティブ/ポジティブの評価を行う。仮評価部は、例えば巡回処理の終了後に実施するようにしてもよい。仮評価部は、タスクスケジューラにより設定された巡回終了後の時間帯にジョブをスタートするようにしてもよい。
本評価部は、仮評価部における処理と同様の処理を行うが、仮評価部では巡回結果の「結果見出し(ヘッドライン)」(タイトル)を用いるのに対して、本評価部では巡回結果の本文を利用して評価を行うという点で相違する。本評価部は、例えば取得部12による本文取得後に本文を利用して評価する。本評価部は、例えば企業毎の本評価の評価結果を、各企業の被対象者IDと対応づけて価値評価データベースに記憶する。
個別評価部は、例えば価値評価データベースを参照し、本評価の結果を集約して、被対象者別の結果を算出する。個別評価部は、例えば企業別に本評価部による本評価の結果を記憶したデータベースを参照し、本評価部における本評価の結果から、情報別のポジティブ、ニュートラル、及びネガティブを各々に集計する。個別評価部は、例えば集計結果に基づいて、企業別の評価判定結果として、ポジティブ、ニュートラル、ネガティブの各評価を算出する。個別評価部は、例えばニュース毎に本文の注目度スコアにサイト別の信頼度を加算し、ニュース毎の個別評価として算出する。個別評価部は、例えばニュース毎のグループに対して全国、同業種、同規模毎に注目度の順位を算出するようにしてもよい。さらに個別評価部は、注目度順位の結果に基づいて、例えば総合スコア順位を全国、同業種、同規模毎に算出するようにしてもよい。
更新部14は、例えばモデル定義データベースに記憶される評価モデルの更新を行う。更新部14は、例えば過去の価値評価結果と、参照情報との間の関係を新たに取得した場合には、関係を連関性に反映させる。更新部14は、例えば評価部13により生成された評価結果を踏まえ、評価者等が評価結果の内容における精度を判定し、判定結果を評価支援装置1が取得した場合、更新部14は、判定結果に基づきモデル定義データベースに含まれる評価モデルの連関性を更新する。
抽出部15は、例えば被対象者の価値評価を行う場合に、今後有望となるキーワードを抽出する。抽出部15は、例えば注目度評価モデルによる評価を行う場合に、Webサイトごとの信頼度に基づいて、信頼度が一定値以上のWebサイトから取得した対象データを対象に使用キーワードのランキングを算出する。抽出部15は、算出したランキングの順位変動の結果により有望キーワードを抽出する。
出力部16は、例えば評価部13により評価された被対象者の価値評価の結果を出力する。出力部16は、出力部16は、表示部109又は端末2等を介して、ユーザが認識できるように各種情報を報知する。出力部16は、I/F105を介して端末2等に各種情報を出力し、I/F107を介して表示部109に評価結果109aを出力する。
記憶部17は、保存部104に保存されたデータベース等の各種データを必要に応じて取出す。記憶部17は、各構成11~17により取得又は生成された各種データを、必要に応じて保存部104に保存する。記憶部17は、取得部12により取得された対象データを、価値情報データベースに記憶する第1記憶部と、被対象者の価値評価を行うための複数の評価モデルを、モデル定義データベースに記憶する第2記憶部を含む。
評価支援プログラムは、被対象者の価値評価を支援する評価支援システム100(評価支援装置1)における評価支援プログラムである。評価支援プログラムは、例えば価値評価に関する情報を取得するための取得先の識別情報、及び複数の取得先の取得順番を少なくとも含む巡回情報を、被対象者又は識別情報ごとに設定する設定ステップと、被対象者の対象者情報、及び対象者価値を判断するための価値情報を含む対象データを、取得先の識別情報と複数の取得先の取得順番を少なくとも含む巡回情報に基づき取得する取得ステップとを有する。
端末2として、例えばパーソナルコンピュータ、スマートフォン、タブレット端末等の公知の電子機器が用いられる。端末2は、例えば上述した評価支援装置1と同様の構成及び機能の少なくとも一部を備えてもよい。端末2は、例えば複数備えてもよく、各端末2がそれぞれ通信網4を介して評価支援装置1と接続されてもよい。
サーバ3には、例えば上述したデータベース等の各種情報が記憶される。サーバ3には、例えば通信網4を介して評価支援装置1等から送られてきた各種情報が蓄積される。サーバ3には、例えば保存部104と同様の情報が記憶され、通信網4を介して評価支援装置1等と各種情報の送受信が行われてもよい。即ち、評価支援システム100では、評価支援装置1又は評価支援装置1の保存部104の代わりにサーバ3を用いてもよい。
通信網4は、評価支援装置1が通信回路を介して接続されるインターネット網等である。通信網4は、いわゆる光ファイバ通信網で構成されてもよい。また、通信網4は、有線通信網のほか、無線通信網等の公知の通信網で実現されてもよい。
設定手段S110は、巡回情報を設定する。例えば設定部11は、端末2又は入力部108を介して、ユーザから入力されたテキストに基づき、巡回情報データベースに価値評価に関する情報を取得するための巡回情報を設定する。設定部11は、例えば設定する情報として、被対象者毎に、巡回先ID、Webサイト、被対象者ID、巡回時間、実行情報、位置、段落、KW等を設定するようにしてもよい。
取得手段S120は、巡回情報に基づき対象データを取得する。取得部12は、被対象者の対象者情報、及び対象者価値を判断するための価値情報を含む対象データを巡回情報に基づき、例えばタイトルと本文から対象データを取得する。また取得部12は、例えば仮評価手段による仮評価の結果に基づいて、本文から対象データを取得する。例えば取得部12は、取得した対象データを保存部104に保存する。取得部12は、例えばユーザの入力するタイミング毎に対象データを取得するほか、例えば一定期間に蓄積された複数の対象データを一度に取得してもよい。なお、端末2又は入力部108を介して入力された非テキスト形式のデータから、対象データを生成する方法は、公知技術を用いることができる。
評価手段S130は、被対象者の価値評価を行う。評価部13は、モデル定義データベース記憶された評価モデルに基づいて、価値情報データベースに記載されている対象データを評価することにより、被対象者の価値評価を行う。評価部13は、取得したデータの特徴、又は種別を少なくとも含む区分情報とユーザによって予め設定されたWebサイトごとの信憑性を示す信頼度により評価を行う注目度評価モデル、過去の価値評価の価値評価結果と過去の価値評価結果に紐づく参照情報との間における連関性を有する学習データを用いた機械学習により構築された学習モデルにより評価を行う評価分析モデル、及び注目度評価モデルと評価分析モデルを用いて算出した総合スコアにより評価を行う総合スコアモデルの少なくとも何れかの評価モデルに基づいて評価することにより、被対象者の価値評価を行う。
仮評価手段S210は、巡回結果の各タイトルに基づいて仮評価を行う。仮評価部は、巡回処理終了後に、取得部12により取得された巡回結果をもとに、例えば情報別(ニュース別)にポジティブ、ニュートラル、ネガティブの評価を行い、判定結果と結果値を算出し、評価モデル毎のウェイトによる加算を付与する。仮評価部は、例えばポジティブ、ニュートラル、ネガティブのそれぞれの総和(最大得票など)により、ポジティブ判定、ニュートラル判定、ネガティブ判定を行う。
本評価手段S220は、本文に基づいて本評価を行う。本評価部は。取得部12による本文の取得後に本文を利用して評価する。本評価部は、仮評価部における処理と同様の処理を行い、取得部12により取得された巡回結果をもとに、例えば情報別(ニュース別)に本文のポジティブ、ニュートラル、ネガティブの評価を行い、判定結果と結果値を算出し、評価モデル毎のウェイトによる加算を付与する。本評価部は、例えばポジティブ、ニュートラル、ネガティブのそれぞれの総和(最大得票など)により、ポジティブ判定、ニュートラル判定、ネガティブ判定を行う。
個別評価手段S230は、各種の個別評価を行う。個別評価部は、例えば価値評価データベースを参照し、本評価の結果を集約する。個別評価部は、本評価部における本評価の結果に基づいて、例えばニュース毎に本文の注目度スコアにサイト別の信頼度を加算し、ニュース毎の個別評価として算出する。個別評価部は、例えば情報別のポジティブ、ニュートラル、ネガティブの各数値に基づいて集計し、企業別の評価判定結果として、ポジティブ、ニュートラル、ネガティブの各評価を算出する
出力手段S140は、被対象者の価値評価の結果を評価結果109aとして出力する。出力部16は、例えば被対象者における評価結果を表示する第一表示領域109bと、被対象者に関連する他の被対象者に関する評価結果を集約して表示する第二表示領域109cと、を少なくとも含む2以上の表示領域を備える。出力部16は、例えば第一表示領域109b、及び第二表示領域109cの各々の表示領域に、被対象者名と、被対象者と前記他の被対象者との間の取引形態を示す取引情報と、1以上の前記評価モデルによる評価結果と、を表示する。出力部16は、例えば端末2を介して入力される評価結果の表示の切り替え指示に基づいて、表示順位を切り替えて表示するようにしてもよい。
抽出手段S150は、有望キーワードを抽出する。抽出部15は、例えば注目度評価モデルによる評価を行う場合に、Webサイトごとの信頼度に基づいて、信頼度が一定値以上のWebサイトから取得した対象データを対象に使用キーワードのランキングを算出する。抽出部15は、算出したランキングの順位変動の結果により有望キーワードを抽出する。
2 :端末
3 :サーバ
4 :通信網
5 :クラウド
10 :筐体
11 :設定部
12 :取得部
13 :評価部
14 :更新部
15 :抽出部
16 :出力部
17 :記憶部
100 :評価支援システム
101 :CPU
102 :ROM
103 :RAM
104 :保存部
105 :I/F
106 :I/F
107 :I/F
108 :入力部
109 :表示部
109a :評価結果
109b :第一表示領域
109c :第二表示領域
110 :内部バス
S110 :設定手段
S120 :取得手段
S130 :評価手段
S140 :出力手段
S150 :抽出手段
S210 :仮評価手段
S220 :本評価手段
S230 :個別評価手段
Claims (8)
- 金融機関を利用している企業のうち、融資、または提携の対象となる対象企業の価値評価を支援するための評価支援システムであって、
前記価値評価に関する情報を取得するための取得先の識別情報、及び複数の前記取得先のWebサイトからデータを取得する取得順番を示す巡回情報を設定する設定手段と、
前記対象企業の情報、及び前記対象企業の価値を判断するための価値情報を含む対象データを、前記取得先の識別情報と複数の前記巡回情報に基づき取得する取得手段と、
前記取得手段により取得された前記対象データを記憶する価値情報データベースと、
前記対象企業の価値評価を行うための複数の評価モデルが記憶されたモデル定義データベースと、
前記価値情報データベースを参照し、前記モデル定義データベースに記憶された前記評価モデルに基づき前記対象企業の価値評価を行う評価手段と、
を備えること
を特徴とする評価支援システム。 - 前記設定手段により設定される前記巡回情報は、
Webサイトの巡回に関する時間情報、実行回数、前記対象データの取得箇所に関する取得位置、取得段落、取得キーワード、及び除外キーワードの少なくとも何れかを含むこと
を特徴とする請求項1記載の評価支援システム。 - 前記取得手段により取得される前記対象データは、
前記対象企業、又は前記対象企業を除く第三者により公表された公表情報、報道情報、口コミ情報、Webサイトの信頼情報、及びデジタル化の取り組みに関するDX化情報の少なくとも何れかを含むこと
を特徴とする請求項1記載の評価支援システム。 - 前記モデル定義データベースに記憶される評価モデルは、
取得したデータの特徴、又は種別を少なくとも含む区分情報とユーザによって予め設定されたWebサイトごとの信憑性を示す信頼度により評価を行う注目度評価モデル、過去の価値評価の価値評価結果と前記過去の価値評価結果に紐づく参照情報との間における連関性を有する学習データを用いた機械学習により構築された学習モデルにより評価を行う評価分析モデル、及び前記注目度評価モデルと前記評価分析モデルを用いて算出した総合スコアにより評価を行う総合スコアモデルの少なくとも何れかを含むこと
を特徴とする請求項1記載の評価支援システム。 - 前記過去の価値評価結果と、前記参照情報との間の関係を新たに取得した場合には、前記関係を前記連関性に反映させる更新手段を更に備えること
を特徴とする請求項4記載の評価支援システム。 - 前記評価手段は、
前記注目度評価モデルによる評価を行う場合に、前記Webサイトごとの前記信頼度に基づいて、前記信頼度が一定値以上のWebサイトから取得した対象データを対象に使用キーワードのランキングを算出し、算出した前記ランキングの順位変動の結果により有望キーワードを抽出する抽出手段をさらに備えること
を特徴とする請求項4記載の評価支援システム。 - 前記評価手段により評価された評価結果を表示する出力手段をさらに備え、
前記出力手段は、前記対象企業における評価結果を表示する第一表示領域と、前記対象企業に関連する他の対象企業に関する評価結果を集約して表示する第二表示領域と、を少なくとも含む2以上の表示領域を備え、前記第一表示領域及び前記第二表示領域の各々は、対象企業名と、前記対象企業と前記他の対象企業との間の取引形態を示す取引情報と、1以上の前記評価モデルによる評価結果と、を表示すること
を特徴とする請求項1記載の評価支援システム。 - 金融機関を利用している企業のうち、融資、または提携の対象となる対象企業の価値評価を支援するための評価支援プログラムであって、
前記価値評価に関する情報を取得するための取得先の識別情報、及び複数の前記取得先のWebサイトからデータを取得する取得順番を示す巡回情報を設定する設定ステップと、
前記対象企業の情報、及び前記対象企業の価値を判断するための価値情報を含む対象データを、前記取得先の識別情報と複数の前記巡回情報に基づき取得する取得ステップと、
前記取得ステップにより取得された前記対象データを、価値情報データベースに記憶する第1記憶ステップと、
前記対象企業の価値評価を行うための複数の評価モデルを、モデル定義データベースに記憶する第2記憶ステップと、
前記価値情報データベースを参照し、前記モデル定義データベースに記憶された前記評価モデルに基づき前記対象企業の価値評価を行う評価ステップと、
をコンピュータに実行させること
を特徴とする評価支援プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021212810A JP7452801B2 (ja) | 2021-12-27 | 2021-12-27 | 評価支援システム及び評価支援プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021212810A JP7452801B2 (ja) | 2021-12-27 | 2021-12-27 | 評価支援システム及び評価支援プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023096804A JP2023096804A (ja) | 2023-07-07 |
JP7452801B2 true JP7452801B2 (ja) | 2024-03-19 |
Family
ID=87005535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021212810A Active JP7452801B2 (ja) | 2021-12-27 | 2021-12-27 | 評価支援システム及び評価支援プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7452801B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015215832A (ja) | 2014-05-13 | 2015-12-03 | マーベリック株式会社 | 広告配信システム |
JP2018097824A (ja) | 2016-12-16 | 2018-06-21 | ソフトバンク株式会社 | 識別子同期システム、広告配信システム、及び、プログラム |
JP2018152015A (ja) | 2017-03-15 | 2018-09-27 | 富士通株式会社 | 記憶制御装置、記憶制御プログラムおよび記憶制御方法 |
JP2021136033A (ja) | 2020-02-27 | 2021-09-13 | 株式会社新生銀行 | 情報処理装置、情報処理方法及びプログラム |
JP2021174330A (ja) | 2020-04-28 | 2021-11-01 | 株式会社日立製作所 | 異種機械学習のアンサンブル学習による予測装置 |
-
2021
- 2021-12-27 JP JP2021212810A patent/JP7452801B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015215832A (ja) | 2014-05-13 | 2015-12-03 | マーベリック株式会社 | 広告配信システム |
JP2018097824A (ja) | 2016-12-16 | 2018-06-21 | ソフトバンク株式会社 | 識別子同期システム、広告配信システム、及び、プログラム |
JP2018152015A (ja) | 2017-03-15 | 2018-09-27 | 富士通株式会社 | 記憶制御装置、記憶制御プログラムおよび記憶制御方法 |
JP2021136033A (ja) | 2020-02-27 | 2021-09-13 | 株式会社新生銀行 | 情報処理装置、情報処理方法及びプログラム |
JP2021174330A (ja) | 2020-04-28 | 2021-11-01 | 株式会社日立製作所 | 異種機械学習のアンサンブル学習による予測装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2023096804A (ja) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10832219B2 (en) | Using feedback to create and modify candidate streams | |
CN111178705B (zh) | 事项评价方法、装置、设备及存储介质 | |
US20180232751A1 (en) | Internet system and method with predictive modeling | |
Nardulli et al. | A progressive supervised-learning approach to generating rich civil strife data | |
US10354017B2 (en) | Skill extraction system | |
US20140358810A1 (en) | Identifying candidates for job openings using a scoring function based on features in resumes and job descriptions | |
US20220067665A1 (en) | Three-party recruiting and matching process involving a candidate, referrer, and hiring entity | |
US11544308B2 (en) | Semantic matching of search terms to results | |
US20160140106A1 (en) | Phrase-based data classification system | |
US20130290207A1 (en) | Method, apparatus and computer program product to generate psychological, emotional, and personality information for electronic job recruiting | |
CN107993019B (zh) | 一种简历评估方法及装置 | |
JP2017504883A (ja) | オーディオキューに基づくモデル駆動型の候補者のソート | |
JP2015164022A (ja) | マッチング装置、マッチング方法及びプログラム | |
Kewsuwun et al. | A sentiment analysis model of agritech startup on Facebook comments using naive Bayes classifier. | |
CN111429161B (zh) | 特征提取方法、特征提取装置、存储介质及电子设备 | |
US20160335600A1 (en) | Automated talent nurturing | |
Yazdaninia et al. | Characterization and prediction of questions without accepted answers on stack overflow | |
EP2613275B1 (en) | Search device, search method, search program, and computer-readable memory medium for recording search program | |
JP2019215705A (ja) | 情報判定モデル学習装置およびそのプログラム | |
JP2024008344A (ja) | 情報処理装置、情報処理方法、情報処理プログラム | |
Zhang et al. | Modeling and prediction of stock price with convolutional neural network based on blockchain interactive information | |
US20210248509A1 (en) | Data-driven online score caching for machine learning | |
CN106575418A (zh) | 建议的关键词 | |
JP7452801B2 (ja) | 評価支援システム及び評価支援プログラム | |
US20210295211A1 (en) | Information processing apparatus and non-transitory computer readable medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221220 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230328 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230526 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20231124 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20231215 |
|
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: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7452801 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |