図面 (/)

技術 特徴情報の変化を予測するための方法及び装置

出願人 ベイジンバイドゥネットコムサイエンスアンドテクノロジーカンパニーリミテッド
発明者 ヂャーン,ジエウエイヂャーン,シヤオホーァ,ジエンホワーン,ジーン
出願日 2014年12月16日 (6年5ヶ月経過) 出願番号 2016-550932
公開日 2016年12月22日 (4年4ヶ月経過) 公開番号 2016-540328
状態 特許登録済
技術分野 特定用途計算機
主要キーワード 周期平均値 統計装置 増分データ 次平均値 フィッティング装置 類似デバイス 更新計画 消費計画
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年12月22日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (4)

課題・解決手段

本発明は特徴情報の変化を予測するための方法及び装置を提供することを目的とする。本発明に係る方法は、予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ及び現在の増分データを取得するステップと、予測推定モデルによって予測推定モデルに対応する各第1特徴情報の歴史的特徴データと当該現在の増分データに基づいて予測処理が行われてから確定された、第2特徴情報の予測日での第1変化情報を取得するステップと、当該第1変化情報に基づいて当該第2特徴情報の当該予測日での変化予測推定情報を確定し、それにより当該変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップと、を含んでおり、ここで、当該現在の増分データは、当該少なくとも1つの計算周期における歴史的特徴データに対する各第1特徴情報の当該予測日の前日での特徴データの比を指し示すことに用いられる。

概要

背景

従来の技術において、ある情報の今後の動向に対しての予測推定は一般的に当該情報の歴史的データに基づいて確定される。しかしながら、一般的な情報の変化が複数の要素に影響され、例えば、一部のキーワードに対する検索量はこれらのキーワードの配信領域、時間等の要素に影響される可能性があり、また、例えば、一部のリンクに対するクリック率は当該リンクに含まれたキーワードの検索量、及び当該リンクの現れる領域等の要素に関連する可能性がある。このため、情報自身の歴史的データのみに基づいてその今後の動向を良く予測推定することができない。特にユーザはその一部の要素を常に調整する場合には、例えば、ユーザは希望するキーワードの配信領域及び時間等を調整する場合には、関連情報の今後の動向に対する予測及び推定はより困難になる。

概要

本発明は特徴情報の変化を予測するための方法及び装置を提供することを目的とする。本発明に係る方法は、予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ及び現在の増分データを取得するステップと、予測推定モデルによって予測推定モデルに対応する各第1特徴情報の歴史的特徴データと当該現在の増分データに基づいて予測処理が行われてから確定された、第2特徴情報の予測日での第1変化情報を取得するステップと、当該第1変化情報に基づいて当該第2特徴情報の当該予測日での変化予測推定情報を確定し、それにより当該変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップと、を含んでおり、ここで、当該現在の増分データは、当該少なくとも1つの計算周期における歴史的特徴データに対する各第1特徴情報の当該予測日の前日での特徴データの比を指し示すことに用いられる。

目的

本発明は、特徴情報の変化を予測するための方法及び装置を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

特徴情報の変化を予測するための方法であって、予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ及び現在の増分データを取得するステップと、予測推定モデルによって予測推定モデルに対応する各第1特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第2特徴情報の予測日での第1変化情報を取得するステップと、前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップと、を含んでおり、ここで、前記現在の増分データは、前記少なくとも1つの計算周期における歴史的特徴データに対する各第1特徴情報の前記予測日の前日での特徴データの比を指し示すことに用いられることを特徴とする特徴情報の変化を予測するための方法。

請求項2

前記第2特徴情報の歴史的特徴値に基づいて前記第2特徴情報の予測日での第2変化情報を確定するステップをさらに含み、前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップにおいては、前記第1変化情報及び前記第2変化情報に基づいて前記第2特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップを更に含むこと特徴とする請求項1に記載の方法。

請求項3

予測推定モデルが対応する複数の第1特徴情報の現在の増分データを取得するステップにおいては、前記予測推定モデルが対応する前記複数の第1特徴情報における少なくとも1つの第1特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも1つの第1特徴情報のそれぞれの現在の増分データを更新するステップを更に含むこと特徴とする請求項1又は2に記載の方法。

請求項4

1つ又は複数の第1特徴情報の歴史的期間における歴史的特徴データ及び前記歴史的特徴データがそれぞれ対応する増分情報を取得するステップと、第2特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得するステップと、前記1つ又は複数の第1特徴情報の歴史的期間における歴史的特徴データ及び前記歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第2特徴情報の日ごとの特徴値に基づいて、前記第2特徴情報の次の日での特徴値を予測するための予測推定モデルを確定するステップと、を更に含んでおり、ここで、前記歴史的期間は少なくとも1つの計算周期を含むこと特徴とする請求項1〜3のいずれか一項に記載の方法。

請求項5

ユーザの操作に基づいて、複数の特徴情報から1つを第2特徴情報として選択し、且つ残りの特徴情報から少なくとも1つを、当該第2特徴情報を予測するための予測推定モデルを作成するために必要とする第1特徴情報として選択するステップを含むことを特徴とする請求項1〜4のいずれか一項に記載の方法。

請求項6

現在のユーザの予測推定レンダリング命令を取得するステップを更に含み、前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップにおいては、前記予測推定呈示レンダリングに基づいて、前記予測推定レンダリング命令に対応する少なくとも1つの変化予測推定情報を呈するステップを含むことを特徴とする請求項1〜5のいずれか一項に記載の方法。

請求項7

期間内の複数のユーザの少なくとも1つの第2特徴情報の変化予測推定情報を予め設定するステップと、前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの所定期間での変化予測推定情報とをフィッティングすることにより、フィッティング結果に基づいて前記現在のユーザの1つ又は複数の類似ユーザを確定するステップと、前記1つ又は複数の類似ユーザの特徴更新計画に基づいて、前記現在のユーザに推薦することに用いられる特徴更新計画を確定するステップと、を更に含むことを特徴とする請求項1〜5のいずれか一項に記載の方法。

請求項8

前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件を満たす場合に、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促すステップを更に含むことを特徴とする請求項1〜5のいずれか一項に記載の方法。

請求項9

1つ又は複数のユーザにそれぞれ対応する少なくとも1つの第2特徴情報の変化予測推定情報を取得するステップと、取得された各ユーザが対応する少なくとも1つの第2特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するサービスリソース配分を調整するステップと、を更に含むことを特徴とする請求項1〜8のいずれか一項に記載の方法。

請求項10

特徴情報の変化を予測するための予測推定装置であって、予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ及び現在の増分データを取得するための装置と、予測推定モデルによって予測推定モデルに対応する各第1特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第2特徴情報の予測日での第1変化情報を取得するための装置と、前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置と、を含んでおり、ここで、前記少なくとも1つの計算周期における歴史的特徴データに対する各第1特徴情報の前記予測日の前日での特徴データの比を指し示すことに用いられることを特徴とする特徴情報の変化を予測するための予測推定装置。

請求項11

前記第2特徴情報の歴史的特徴値に基づいて前記第2特徴情報の予測日での第2変化情報を確定するための装置を更に含み、前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置は、前記第1変化情報及び前記第2変化情報に基づいて前記第2特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置を更に含むことを特徴とする請求項10に記載の予測推定装置。

請求項12

予測推定モデルが対応する複数の第1特徴情報の現在の増分データを取得する装置は、前記予測推定モデルが対応する前記複数の第1特徴情報における少なくとも1つの第1特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも1つの第1特徴情報のそれぞれの現在の増分データを更新するための装置を更に含む請求項10又は11に記載の予測推定装置。

請求項13

1つ又は複数の第1特徴情報の歴史的期間における歴史的特徴データ及び前記歴史的特徴データがそれぞれ対応する増分情報を取得するための装置と、第2特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得するための装置と、前記1つ又は複数の第1特徴情報の歴史的期間における歴史的特徴データ及び前記歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第2特徴情報の日ごとの特徴値に基づいて、前記第2特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する装置と、を更に含み、ここで、前記歴史的期間は少なくとも1つの計算周期を含むこと特徴とする請求項10〜12のいずれか一項に記載の予測推定装置。

請求項14

ユーザの操作に基づいて、複数の特徴情報から1つを第2特徴情報として選択し、且つ残りの特徴情報から少なくとも1つを、当該第2特徴情報を予測するための予測推定モデルを作成するために必要とする第1特徴情報として選択するための装置を更に含むことを特徴とする請求項10〜13のいずれか一項に記載の予測推定装置。

請求項15

現在のユーザの予測推定レンダリング命令を取得するための装置を更に含み、前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置は、前記予測推定レンダリング命令に基づいて、前記予測推定レンダリング命令に対応する少なくとも1つの変化予測推定情報を呈するための装置を更に含むことを特徴とする請求項10〜14のいずれか一項に記載の予測推定装置。

請求項16

期間内の複数のユーザの少なくとも1つの第2特徴情報の変化予測推定情報をそれぞれ予め設定するための装置と、前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの所定期間での変化予測推定情報とをフィッティングすることにより、前記フィッティング結果に基づいて前記現在のユーザの1つ又は複数の類似ユーザを確定するための装置と、前記1つ又は複数の類似ユーザの特徴更新計画に基づいて、前記現在のユーザに推薦することに用いられる特徴更新計画を確定するための装置と、を更に含むことを特徴とする請求項10〜14のいずれか一項に記載の予測推定装置。

請求項17

前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件を満たす場合に、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促すための装置を更に含むことを特徴とする請求項10〜14のいずれか一項に記載の予測推定装置。

請求項18

1つ又は複数のユーザにそれぞれ対応する少なくとも1つの第2特徴情報の変化予測推定情報を取得するための装置と、取得された各ユーザが対応する少なくとも1つの第2特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するリソース配分を調整するための装置と、を更に含むことを特徴とする請求項10〜14のいずれか一項に記載の予測推定装置。

請求項19

コンピュータ読み取り可能な媒体であって、コンピュータコードを含み、前記コンピュータコードが実行される場合に、請求項1〜9のいずれか一項に記載の方法が実行されることを特徴とするコンピュータ読み取り可能な媒体。

請求項20

コンピュータプログラム製品であって、前記コンピュータプログラム製品がコンピュータデバイスによって実行される場合に、請求項1〜9のいずれか一項に記載の方法が実行されることを特徴とするコンピュータプログラム製品。

請求項21

コンピュータデバイスであって、メモリ及びプロセッサを含み、前記メモリにコンピュータコードが記憶され、前記プロセッサが前記コンピュータコードを実行することにより請求項1〜9のいずれか一項に記載の方法を実行するように配置されていることを特徴とするコンピュータデバイス。

技術分野

0001

本発明はコンピュータ技術分野に関し、特に、特徴情報の変化を予測するための予測推定装置に関する。

背景技術

0002

従来の技術において、ある情報の今後の動向に対しての予測推定は一般的に当該情報の歴史的データに基づいて確定される。しかしながら、一般的な情報の変化が複数の要素に影響され、例えば、一部のキーワードに対する検索量はこれらのキーワードの配信領域、時間等の要素に影響される可能性があり、また、例えば、一部のリンクに対するクリック率は当該リンクに含まれたキーワードの検索量、及び当該リンクの現れる領域等の要素に関連する可能性がある。このため、情報自身の歴史的データのみに基づいてその今後の動向を良く予測推定することができない。特にユーザはその一部の要素を常に調整する場合には、例えば、ユーザは希望するキーワードの配信領域及び時間等を調整する場合には、関連情報の今後の動向に対する予測及び推定はより困難になる。

発明が解決しようとする課題

0003

本発明は、特徴情報の変化を予測するための方法及び装置を提供することを目的とする。

課題を解決するための手段

0004

本発明の一態様によれば、特徴情報の変化を予測するための方法を提供し、前記方法は、
予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ(historical characteristic data)及び現在の増分データを取得するステップと、
予測推定モデルによって予測推定モデルに対応する各第1特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第2特徴情報の前記予測日での第1変化情報を取得するステップと、
前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すステップと、を含んでおり、
ここで、前記現在の増分データは、前記少なくとも1つの計算周期における歴史的特徴データに対する各第1特徴情報の予測日の前日での特徴データの比を指し示すことに用いられる。

0005

本発明の一態様によれば、特徴情報の変化を予測するための予測推定装置を更に提供し、前記予測推定装置は、
予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ及び現在の増分データを取得するための装置と、
予測推定モデルによって予測推定モデルに対応する各第1特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第2特徴情報の前記予測日での第1変化情報を取得するための装置と、
前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置と、を含んでおり、
ここで、前記現在の増分データは、前記少なくとも1つの計算周期における歴史的特徴データに対する各第1特徴情報の予測日の前日での特徴データの比を指し示すことに用いられる。

発明の効果

0006

従来の技術に比べて、本発明は、複数の第1特徴情報に基づいて第2特徴情報を予測する予測推定モデルを作成することにより、各特徴情報間の相互影響関係を効果的に体現することができ、それにより予測推定モデルに基づいて未来の一定時間内に対して特徴情報を相応に予測推定し、ユーザが特徴情報の今後の動向を把握し易くなり、呈される予測推定情報に基づいて対応する操作を行い、ユーザの体験を向上させる利点(1)、ユーザが行った操作を合わせることにより未来の一定時間内の第2特徴情報の特徴値を予測推定し、予測推定情報の正確さを更に向上させ、ユーザが未来の特徴情報変化を把握することを希望する要求を満たし、且つ予測推定の正確さを向上させる利点(2)を有する。なお、本発明の方法によれば、更に予測推定結果に基づいて対応するリソース配分を調整することができ、それにより全体のサービスリソースをより効果的に利用することができ、各特徴情報が対応するサービスをより良くサポートすることができる。

0007

以下の図面を参照しながら非限定的な実施例を詳細に説明することにより、本願の他の特徴、目的及び利点はより明らかになる。

図面の簡単な説明

0008

図1は本発明に係る特徴情報の変化を予測するための方法を示すフローチャートである。
図2は本発明に係る特徴情報の変化を予測するための予測推定装置を示す構造模概略図である。
図3は本発明に係る特徴情報の変化の予測推定を例示的に示すグラフである。

実施例

0009

図面において、同一又は類似の図面符号が同一又は類似の部材を表す。

0010

以下、図面を参照しながら本発明を更に具体的に説明する。

0011

図1は本発明に係る特徴情報の変化を予測するための方法を示すフローチャートである。本発明に係る方法はステップS1、ステップS2及びステップS3を含む。

0012

本発明に係る方法は1つ又は複数の予測日の特徴情報の特徴データ変化を予測する。前記予測日はユーザのニーズに応じて確定してもよい。ユーザにプロモーション情報サービスを提供するシステムにおいて、前記特徴情報は情報のプロモーション効果及び/又はプロモーションストラテジーを示すための各情報を含むが、これらに限定されない。

0013

好ましくは、情報プロモーションサービスを提供するシステムにおいて、特徴情報は以下の少なくともいずれかの1種を含むが、これらに限定されない。

0014

1)情報のプロモーション効果を直接に指し示すための情報、例えば、検索量、表現量、クリック率、消費値、品質値、プロモーションされるべき情報の順位等。

0015

2)情報プロモーションストラテジーを指し示すための情報、例えば、プロモーション情報の価格、プロモーション情報を配信する期間の数、プロモーション情報を配信する期間の地域数、当該プロモーション情報に対応する競争者の数等。

0016

なお、上記システム及び対応する特徴情報の例示は前記特徴情報に含まれる可能性がある内容を説明するためのものに過ぎず、特徴情報及びその属するシステムを限定するためのものと見なすべきではない。当業者は実際の状況と需要に応じてあるシステムに適用される各特徴情報を確定することができ、ここで省略する。

0017

本発明に係る方法はコンピュータデバイスに含まれる予測推定装置により実現される。前記コンピュータデバイスは予め設定又は記憶された命令に従って、数値計算及び/又は情報処理を自動的に行う電子デバイスを含み、そのハードウェアマイクロプロセッサ特定用途向け集積回路(ASIC)、プログラマブルゲートアレイ(FPGA)、デジタル処理装置(DSP)、内蔵デバイス等を含むが、それらに限定されない。前記コンピュータデバイスはネットワークデバイス及び/又はユーザデバイスを含む。

0018

前記ネットワークデバイスは単一のネットワークサーバ、複数のネットワークサーバからなるサーバ群又はクラウドコンピューティング(Cloud Computing)に基づく大量のホストコンピュータ又はネットワークサーバからなるクラウドを含むが、これに限定されない。クラウドコンピューティングは分散コンピューティングの1種であり、複数の疎結合されたコンピュータセットからなるスーパーバーチャルコンピュータである。前記ユーザデバイスはユーザとキーボードマウスリモコンタッチパッド、又は音声制御デバイス等でヒューマンコンピュータインタラクションする電子製品、例えば、コンピュータ、タブレットPC、スマートフォン、PDA又はハンドヘルドゲーム機等のいずれかを含むが、これらに限定されない。前記ユーザデバイス及びネットワークデバイスが位置するネットワークインターネット広域ネットワークメトロポリタンエリアネットワークローカルエリアネットワークVPNネットワーク等を含むが、これらに限定されない。

0019

なお、前記ユーザデバイス、ネットワークデバイス及びネットワークは例示的なものに過ぎず、他の従来又は今後に出現する可能性があるユーザデバイス、ネットワークデバイス及びネットワークも本発明に適用することができるとともに、本発明の保護範囲に含まれるべき、そして、参照により本明細書に組み込まれる。

0020

図1を参照して、ステップS1において、予測推定装置は予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期での歴史的特徴データ及び現在の増分データを取得する。

0021

前記予測推定モデルは、少なくとも1つの第1特徴情報に基づいて作成された、第2特徴情報の変化を予測するためのモデルを含むが、これに限定されない。

0022

好ましくは、前記予測モデル機械学習を採用して実現することができる。予測推定装置が前記第1特徴情報と第2特徴情報を取得する方法は、以下のいずれか1種を含むが、これに限定されない。

0023

1)複数の特徴情報において、その中の1つを予測されるべき第2特徴情報として予め設定し、他の特徴情報を第1特徴情報として予め設定する。

0024

例えば、 「消費値」を予測されるべき第2特徴情報として予め設定し、他の特徴情報である「検索量」、「順位」を、当該第2特徴情報を予測する予測推定モデルを作成するために必要とする第1特徴情報として予め設定する。

0025

2)予測推定装置はユーザ操作に基づいて、複数の特徴情報から1つを第2特徴情報として選択し、且つ残りの特徴情報から少なくとも1つを第1特徴情報として選択する。

0026

前記歴史的特徴データは各第1特徴情報の各計算周期における特徴値の周期平均値を含む。

0027

好ましくは、複数の計算周期を採用する場合に、予測推定装置はまず、第1特徴情報の各計算周期における特徴データの複数の周期平均値を取得し、それから取得された複数の周期平均値に基づいて、複数の周期平均値の二次平均値を計算し、当該第1特徴情報が当該複数の計算周期に対する歴史的特徴データとしてもよい。

0028

当業者は実際な状況と需要に応じて当該計算周期の長さを選択したり確定したりすることができ、例えば、7日を1つの計算周期とし、又は例えば、一か月間等を1つの計算周期とする。

0029

前記現在の増分データは、前記少なくとも1つの計算周期における歴史的特徴データに対する前記第1特徴情報の予測日の前日の第1特徴データの比を指し示すことに用いられる。

0030

具体的には、予測推定装置は予測推定モデルに対応する複数の第1特徴情報における各第1特徴情報の少なくとも1つの計算周期における日ごとの特徴値を取得することにより、予測推定モデルが対応する各第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ及びそれぞれの現在の増分データを確定する。

0031

好ましくは、本発明に係る方法はステップS4(図示せず)、ステップS5(図示せず)及びステップS6(図示せず)により前記予測推定モデルを確定する。

0032

ステップS4において、予測推定装置は1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報を取得する。

0033

前記歴史的期間は少なくとも1つの計算周期を含む。

0034

次に、ステップS5において、予測推定装置は第2特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得する。

0035

次に、ステップS6において、予測推定装置は前記1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第2特徴情報の日ごとの特徴値に基づいて、前記第2特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する。

0036

好ましくは、予測推定装置は、前記1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された第2特徴情報の日ごとの特徴値に基づいて、例えば、ベクトル回帰ランダムフォレスト直線回帰等の回帰分析法で前記予測推定モデルを確定することができる。

0037

本発明の第1実施例によれば、ユーザに広告プロモーションサービスを提供するシステムにおいて、第2特徴情報はユーザの消費値であり、所定の歴史的期間が7日であり、予測日が第x日であると、当日が第x-1日である。予測推定モデルmodel_1を作成するための第1特徴情報は、キーワードの価格、前記キーワードに対応する広告のクリック率、前記キーワードに対応する広告配信の期間数及び地域数を含む。予測推定装置はステップS4において各第1特徴情報「価格」、「クリック率」、「期間数」及び「地域数」の第x-2日から第x-8日までのそれぞれの平均値及び各第1特徴情報がそれぞれ対応する増分情報を取得し、且つ、予測推定装置はステップS5において第2特徴情報「消費値」の第x-1日から第x-8日のそれぞれの特徴値を取得する。次に、予測推定装置は取得された各第1特徴情報の第x-2日から第x-8日までの歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び第2特徴情報消費値の第x-1日での特徴値Sx-1に基づいて、第x日の消費値を予測するための予測推定モデルmodel_1を取得する。

0038

同様に、第2特徴情報が「クリック率」であり、且つ第1特徴情報が「価格」、「消費値」、「期間数」及び「地域数」である場合に、予測推定装置は上記ステップS4とステップS5を実行することにより、第x日のクリック率を予測するための予測推定モデルmodel_2を取得する。

0039

なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及びそれぞれ対応する増分情報、及び取得された前記第2特徴情報の日ごとの特徴値に基づいて、前記第2特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。

0040

次に、ステップS2において、予測推定装置は予測推定モデルによって予測推定モデルに対応する各第1特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第2特徴情報の前記予測日での第1変化情報を取得する。

0041

前記第1変化情報は、前記予測されるべき第2特徴情報の前記予測日での予測推定特徴値を含むが、これに限定されない。

0042

更に好ましくは、前記第1変化情報は、前記第2特徴情報の予測推定特徴値が前の特徴値に対する変化を指し示すための他の情報、例えば、前記第2特徴情報の予測推定特徴値が前の特徴値に対する動向を指し示すための情報等を更に含む。

0043

引き続き前記第1実施例を説明し、計算周期が7日であり、予測日が第x日である。予測推定装置は確定された予測推定モデルmodel_1により、ステップS1において対応する第1特徴情報である「価格」、「クリック率」、「期間数」及び「地域数」の第x-1日から第x-7日までのそれぞれの平均値:price_e、click_e、time_e及びarea_eを取得し、且つ予測推定装置は各第1特徴情報の第x-1日での特徴値:price_0、click_0、time_0及びarea_0に基づいて、各第1特徴情報のそれぞれの現在の増分データ:price_0/price_e、click_0/click_e、time_0/time_e及びarea_0/area_eを確定する。次に、予測推定装置は予測推定モデルmodel_1によって予測推定モデルmodel_1に対応する前記各第1特徴情報の平均値及び現在の増分データに基づいて予測処理が行われてから確定された第2特徴情報である「消費値」の第x日での予測推定消費値Sxを取得する。

0044

同様に、予測推定装置は確定された予測推定モデルmodel_2により、第1特徴情報である「価格」、「消費値」、「期間数」及び「地域数」の第x-1日から第x-7日までのそれぞれの平均値:price_e、cost_e、time_e及びarea_e、及びそれぞれの現在の増分データ:price_0/price_e、cost_0/cost_e、time_0/time_e及びarea_0/area_eを取得する。次に、予測推定装置は予測推定モデルmodel_2が各第1特徴情報の平均値及び現在の増分データに基づいて予測処理てから後取得された第2特徴情報「クリック率」の第x日での予測推定クリック率Cxを取得する。

0045

次に、ステップS3において、予測推定装置は前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。

0046

好ましくは、前記変化予測推定情報は、前記第2特徴情報の最終予測推定値を含むが、これに限定されない。

0047

更に好ましくは、前記変化予測推定情報は前記第2特徴情報の最終予測推定値が前の特徴値に対する変化を指し示すための他の情報、例えば、前記第2特徴情報の最終予測推定値が前の特徴値に対する動向を指し示すための情報等を更に含む。

0048

具体的には、前記予測推定装置は前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す方法は以下のいずれか1種を含む。

0049

1) 直接に前記第1変化情報を予測日の変化予測推定情報とする。

0050

引き続き前記第1実施例を説明し、予測推定装置は取得された予測推定消費値Sx及び予測推定クリック率Cxを第x日の変化予測推定情報とし、それにより当該変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。例えば、ユーザにタイムリーリチャージするように促したり、又は現在のユーザに適当な消費計画推薦したりすることである。

0051

2)予測推定装置はまず前記第2特徴情報の歴史的特徴値に基づいて前記第2特徴情報の予測日での第2変化情報を確定する。次に、予測推定装置は前記第1変化情報及び前記第2変化情報に基づいて前記第2特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。

0052

前記第2消耗情報は第2特徴情報の歴史的特徴値に基づいて確定された第2特徴情報の予測推定値を指し示すことに用いられる。

0053

好ましくは、予測推定装置は過去の一定時間内の歴史的特徴値の平均値を予測日の第2変化情報とする。

0054

更に好ましくは、当日後の第n日が予測日であると、予測推定装置は下記の式(1)により第2特徴情報の予測日での第2変化情報を確定することができる。

0055

snは第2特徴情報の第n日での第2変化情報を表し、s1は第2特徴情報の現在時間後の第1日の特徴値を表し、且つs1が過去7日の歴史的特徴値の平均値に等しく、wnは第n日が属する周期内での日数(例えば、7日を1つの計算周期とすると、当該周期内において第1日の周期内での日数が1であり、第2日の周期内での日数が2であり、..このように、第7日の周期内での日数が7である)を表し、swnは過去の複数の計算周期において、周期内の日数がw1である全ての日の歴史的特徴値の平均値を表す。

0056

次に、予測推定装置は第2特徴情報の第1変化情報及び第2変化情報を取得した後に、所定の処理規則に基づいて第1変化情報及び第2変化情報を処理し、それにより第2特徴情報の予測日での変化予測推定情報を取得する。

0057

好ましくは、予測推定装置は第2特徴情報の第1変化情報と第2変化情報との和を当該第2特徴情報の予測日での変化予測推定情報とし、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。

0058

更に好ましくは、予測推定装置は更に第1変化情報及び第2変化情報の重みをそれぞれ取得することにより、第1変化情報及び第2変化情報の加重和を当該第2特徴情報の予測日での変化予測推定情報とし、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。

0059

なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記第1変化情報及び前記第2変化情報に基づいて前記第2特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。

0060

好ましくは、予測推定装置は第2特徴情報の1つの予測日での変化予測推定情報を確定した後に、当該予測日の変化予測推定情報を当該第2特徴情報の歴史的特徴値とし、当該予測日の次の日を新たな予測日とし、ステップS1〜ステップS3を繰り返して実行することにより当該第2特徴情報の当該新たな予測日での変化予測推定情報を確定してもよい。同様に、予測推定装置は当該方法によりステップS1〜ステップS3を何度も繰り返して実行し、それにより未来の複数の日数の変化予測推定情報を確定してもよい。

0061

本発明の1つの好ましい実施例により、前記方法はステップS7(図示せず)を更に含む。

0062

ステップS7において、前記予測推定モデルが対応する前記複数の第1特徴情報における少なくとも1つの第1特徴情報に対するユーザの更新操作が取得された場合に、予測推定装置は前記更新操作に基づいて前記少なくとも1つの第1特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得する。

0063

前記更新操作は第1特徴情報の特徴値を変更させる各種の操作を含む。

0064

引き続き第1実施例を説明し、例えば、予測推定装置はユーザが第1特徴情報である「価格」の値をprice_0からprice_1に修正する情報を取得する場合に、予測推定装置は「価格」の過去第x-1日から第x-7日までの7日内の平均値price_eに基づいて、第1特徴情報である「価格」の現在の増分データをprice_0/price_eからprice_1/price_eに更新することにより、予測推定モデルmodel_1が当該更新後の「価格」の現在の増分データに基づいて予測処理を実行する。

0065

なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記予測推定モデルが対応する前記複数の第1特徴情報における少なくとも1つの第1特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも1つの第1特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得する任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。

0066

好ましくは、本発明に係る方法はステップS8(図示せず)を更に含み、前記ステップS3はステップS301(図示せず)を更に含む。

0067

ステップS8において、予測推定装置は現在のユーザの予測推定レンダリング命令を取得する。

0068

好ましくは、前記予測推定レンダリング命令は、以下の少なくとも1つを含むが、これに限定されない。

0069

1)複数の第2特徴情報が存在する場合に、複数の第2特徴情報から1つ又は複数の第2特徴情報の変化予測推定情報を選択して呈する。

0070

例えば、予測推定装置はユーザーインターフェースで予測推定可能な2つの第2特徴情報である「消費値」及び「検索量」を表現し、且つユーザが選択して呈する第1特徴情報である「消費値」の変化予測推定情報を取得する。

0071

2)変化予測推定情報のレンダリング形式である。例えば、グラフの形式で呈され、又はデータリストの形式で呈される。

0072

3)呈された変化予測推定情報の期間、例えば、未来の一週間又は未来の一か月間等である。好ましくは、ユーザは未来の任意の1日又は数日を選択して変化予測推定情報を呈する期間とすることができる。

0073

次に、ステップS301において、予測推定装置は前記予測推定レンダリング命令に基づいて、前記予測推定レンダリング命令に対応する少なくとも1つの変化予測推定情報を呈する。

0074

例えば、予測推定装置が取得した現在のユーザの予測推定呈示命令は、消費値の過去10日間での特徴値及び未来の10日間での変化予測推定情報を呈すること、グラフの形式で呈することを含む。予測推定装置は既に取得された複数の第2特徴情報の歴史的特徴値から、当該予測推定レンダリング命令に対応する情報を取得し、且つ前記ステップS1〜ステップS3を何度も実行することにより、当該第2特徴情報「消費値」の未来の10日間での変化予測推定情報を取得し、且つグラフの形式で呈することにより、ユーザに図3に示すグラフを表示する。

0075

本発明の更に1つの好ましい実施例によれば、本実施例に係る方法はステップS9(図示せず)、ステップS10(図示せず)及びステップS11(図示せず)を更に含む。

0076

ステップS9において、予測推定装置は期間内における複数のユーザの少なくとも1つの第2特徴情報の変化予測推定情報をそれぞれ予め設定する。

0077

ステップS10において、予測推定装置は前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの前記所定期間での変化予測推定情報とをフィッティングすることにより、前記フィッティング結果に基づいて前記現在のユーザの1つ又は複数の類似ユーザを確定する。

0078

ステップS11において、予測推定装置は前記1つ又は複数の類似ユーザが前記第2特徴情報に対応する特徴更新計画に基づいて、前記現在のユーザに推薦することに用いられる特徴更新計画を確定する。例えば、予測推定装置は取得された未来の一定時間内の複数のユーザの「消費値」の変化予測推定情報の曲線をフィッティングすることにより、現在のユーザと最もマッチングするユーザを取得し、当該ユーザの次の5日での消費計画(即ち第1特徴情報に対応する特徴更新計画) を取得することにより、当該消費計画を現在のユーザに推薦する。

0079

好ましくは、本発明に係る方法はステップS12(図示せず)を更に含む。

0080

ステップS12において、予測推定装置は前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件に満たす場合、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促す。

0081

例えば、変化予測推定情報はユーザの消費値の予測推定特徴値を含み、所定の促す条件は、予測日のアカウント残高が1000元よりも小さいことを含む。ユーザの現在アカウント残高が1500元であり、且つ予測推定装置は前記ステップS1〜ステップS3を実行することにより消費値の予測日での予測推定特徴値が820元であることを取得する場合に、予測推定装置は当該変化予測推定値に基づいて当該ユーザの予測日でのアカウント残高が680元であると確定する。予測推定装置は当該変化予測推定値に対応するアカウント残高が所定の促す条件を満たすかどうかを判断し、且つ現在のユーザに「残高不足、タイムリーにリチャージしてください」の促す情報を送信することにより、現在のユーザにアカウントリチャージの操作を実行するように促す。

0082

好ましくは、本発明に係る方法はステップS13(図示せず)及びステップS14(図示せず)を更に含む。

0083

ステップS13において、予測推定装置は1つ又は複数のユーザにそれぞれ対応する少なくとも1つの第2特徴情報の変化予測推定情報を取得する。

0084

具体的には、前記予測推定装置は1つ又は複数のユーザに前記ステップS1〜ステップS3を少なくとも一回実行することにより、前記複数のユーザにおける各ユーザにそれぞれ対応する少なくとも1つの第2特徴情報の変化予測推定情報を取得し、及び/又は、前記予測推定装置は他の予測推定装置が取得した1つ又は複数のユーザにそれぞれ対応する少なくとも1つの第2特徴情報の変化予測推定情報を受信する。

0085

次に、ステップS14において、予測推定装置は取得された各ユーザが対応する少なくとも1つの第2特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するサービスリソース配分を調整する。

0086

前記リソースは前記特徴情報と関連するサービスを提供することに必要とする各種のソフトウェアおよびハードウェアリソースを含む。例えば、前記サービスリソースは利用可能な帯域幅の大きさを含み、更に例えば、利用可能なサーバ数などを含む。

0087

例えば、第2特徴情報は「検索量」を含み、ステップS13において、予測推定装置は複数の他の予測推定装置からの、当該複数の他の予測推定装置にそれぞれ対応する各ユーザの検索量の次の周期での変化予測推定情報を受信し、対応するステップを実行することにより現在のユーザに対応する検索量の次の周期での変化予測推定情報を取得する。次に、予測推定装置は取得された各ユーザの対応する検索量の変化予測推定情報を統計することにより次の周期での当該各ユーザの日平均検索量の和を取得し、且つ当該次の周期の日ごとの日平均検索量の和がいずれも予定閾値を超える場合に、当該次の周期内に検索サービスを提供するためのスタンバイサーバ起動するように設置されることにより、この期間内の検索サービスのスループットを向上させる。

0088

本発明の方法によれば、複数の第1特徴情報に基づいて第2特徴情報を予測する予測推定モデルを作成することにより、各特徴情報間の相互影響関係を効果的に体現することができ、それにより予測推定モデルに基づいて未来の一定時間内に対して特徴情報を相応に予測推定し、ユーザが特徴情報の今後の動向を把握し易くなり、呈される予測推定情報に基づいて対応する操作を行い、ユーザの体験を向上させる。また、ユーザが行った操作を合わせることにより未来の一定時間内の第2特徴情報の特徴値を予測推定し、予測推定情報の正確さを更に向上させ、ユーザが未来の特徴情報変化を把握することを希望する要求を満たし、且つ予測推定の正確さを向上させる。なお、本発明の方法によれば、更に予測推定結果に基づいて対応するリソース配分を調整することができ、それにより全体のサービスリソースをより効果的に利用することができ、各特徴情報が対応するサービスをより良くサポートすることができる。

0089

図2は本発明に係る特徴情報の変化を予測するための予測推定装置を示す構造概略図である。本発明に係る予測推定装置は、予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期での歴史的特徴データ及び現在の増分データを取得するための装置(以下、「第1取得装置1」と略称する)と、予測推定モデルが予測推定モデルに対応する各第1特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第2特徴情報の前記予測日での第1変化情報を取得するための装置(以下、「第2取得装置2」と略称する)と、前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置(以下、「確定装置3」と略称する)と、を含む。

0090

図2を参照して、第1取得装置1は予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期での歴史的特徴データ及び現在の増分データを取得する。

0091

前記予測推定モデルは、少なくとも1つの第1特徴情報に基づいて作成された、第2特徴情報の変化を予測するためのモデルを含むが、これに限定されない。

0092

好ましくは、前記予測モデルは機械学習で実現されることができる。第1取得装置1が前記第1特徴情報及び第2特徴情報を取得する方法は、以下のいずれか1種を含むが、これに限定されない。

0093

1)複数の特徴情報において、その中の1つを予測されるべき第2特徴情報として予め設定し、他の特徴情報を第1特徴情報として予め設定する。

0094

例えば、「消費値」を予測されるべき第2特徴情報として予め設定し、他の特徴情報である「検索量」、「順位」を、当該第2特徴情報を予測する予測推定モデルを作成するために必要とする第1特徴情報として予め設定する。

0095

2)第1取得装置1はユーザ操作に基づいて、複数の特徴情報から1つを第2特徴情報として選択し、且つ残りの特徴情報から少なくとも1つを第1特徴情報として選択する。

0096

前記歴史的特徴データは各第1特徴情報の各計算周期における特徴値の周期平均値を含む。

0097

好ましくは、複数の計算周期を採用する場合に、第1取得装置1はまず、第1特徴情報の各計算周期における特徴データの複数の周期平均値を取得し、それから取得された複数の周期平均値に基づいて、複数の周期平均値の二次平均値を計算し、当該第1特徴情報が当該複数の計算周期に対する歴史的特徴データとしてもよい。

0098

当業者は実際な状況と需要に応じて当該計算周期の長さを選択したり確定したりすることができ、例えば、7日を1つの計算周期とし、更に例えば、一か月間等を1つの計算周期とする。

0099

前記現在の増分データは、前記少なくとも1つの計算周期における歴史的特徴データに対する前記第1特徴情報の予測日の前日の第1特徴データの比を指し示すことに用いられる。

0100

具体的には、第1取得装置1は予測推定モデルに対応する複数の第1特徴情報における各第1特徴情報の少なくとも1つの計算周期内における日ごとの特徴値を取得することにより、予測推定モデルが対応する各第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ及びそれぞれの現在の増分データを確定する。

0101

好ましくは、本発明に係る予測推定装置は、1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及当該歴史的特徴データがそれぞれ対応する増分情報を取得するための装置(図示せず、以下、「第1サブ取得装置」と略称する)と、予測推定装置が第2特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得するための装置(図示せず、以下、「第2サブ取得装置」と略称する)と、前記1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第2特徴情報の日ごとの特徴値に基づいて、前記第2特徴情報の次の日での特徴値を予測するための予測推定モデルを確定するための装置(図示せず、以下、「サブ確定装置」と略称する) とにより前記予測推定モデルを確定することができる。

0102

第1サブ取得装置は1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報を取得する。

0103

前記歴史的期間は少なくとも1つの計算周期を含む。

0104

次に、第2サブ取得装置は第2特徴情報の現在から前記歴史的期間の開始点までの間の日ごとの特徴値を取得する。

0105

次に、サブ確定装置は前記1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第2特徴情報の日ごとの特徴値に基づいて、前記第2特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する。

0106

好ましくは、予測推定装置は前記1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及びそのそれぞれ対応する増分情報、及び取得した第2特徴情報の毎日の特徴値に基づいて、例えば、ベクトル回帰、ランダムフォレスト、直線回帰等の回帰分析法で前記予測推定モデルを確定することができる。

0107

本発明の第1実施例によれば、ユーザに広告プロモーションサービスを提供するシステムにおいて、第2特徴情報はユーザの消費値であり、所定の歴史的期間が7日であり、予測日が第x日であると、当日が第x-1日である。予測推定モデルmodel_1を作成するための第1特徴情報は、キーワードの価格、前記キーワードに対応する広告のクリック率、前記キーワードに対応する広告配信の期間数及び地域数を含む。第1サブ取得装置はステップS4において各第1特徴情報「価格」、「クリック率」、「期間数」及び「地域数」の第x-2日から第x-8日までのそれぞれの平均値及び各第1特徴情報がそれぞれ対応する増分情報を取得し、且つ、予測推定装置はステップS5において第2特徴情報「消費値」の第x-1日から第x-8日のそれぞれの特徴値を取得する。次に、サブ確定装置は取得された各第1特徴情報の第x-2日から第x-8日までの歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び第2特徴情報消費値の第x-1日での特徴値Sx-1に基づいて、第x日の消費値を予測するための予測推定モデルmodel_1を取得する。

0108

同様に、第2特徴情報が「クリック率」であり、且つ第1特徴情報が「価格」、「消費値」、「期間数」及び「地域数」である場合に、予測推定装置は上記ステップS4及びステップS5を実行することにより、第x日のクリック率を予測するための予測推定モデルmodel_2を取得する。

0109

なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記1つ又は複数の第1特徴情報の歴史的期間での歴史的特徴データ及び当該歴史的特徴データがそれぞれ対応する増分情報、及び取得された前記第2特徴情報の日ごとの特徴値に基づいて、前記第2特徴情報の次の日での特徴値を予測するための予測推定モデルを確定する任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。

0110

次に、第2取得装置2は予測推定モデルによって予測推定モデルに対応する各第1特徴情報の歴史的特徴データと前記現在の増分データに基づいて予測処理が行われてから確定された、第2特徴情報の前記予測日での第1変化情報を取得する。

0111

前記第1変化情報は、前記予測されるべき第2特徴情報の前記予測日での予測推定特徴値を含むが、これに限定されない。

0112

更に好ましくは、前記第1変化情報は前記第2特徴情報の予測推定特徴値が前の特徴値に対する変化を指し示すための他の情報、例えば、前記第2特徴情報の予測推定特徴値が前の特徴値に対する動向を指し示すための情報等を更に含む。

0113

引き続き前記第1実施例を説明し、計算周期が7日であり、予測日が第x日である。第1取得装置1はは確定された予測推定モデルmodel_1により、現在のユーザが対応する対応する第1特徴情報である「価格」、「クリック率」、「期間数」及び「地域数」の第x-1日から第x-7日までのそれぞれの平均値:price_e、click_e、time_e及びarea_eを取得し、且つ第1取得装置1は各第1特徴情報の第x-1日での特徴値:price_0、click_0、time_0及びarea_0に基づいて、各第1特徴情報のそれぞれの現在の増分データ:price_0/price_e、click_0/click_e、time_0/time_e及びarea_0/area_eを確定する。次に、第2取得装置2は予測推定モデルmodel_1によって予測推定モデルmodel_1に対応する前記各第1特徴情報の平均値及び現在の増分データに基づいて予測処理が行われてから確定された第2特徴情報である「消費値」の第x日での予測推定消費値Sxを取得する。

0114

同様に、第1取得装置1は確定された予測推定モデルmodel_2により、第1特徴情報である「価格」、「消費値」、「期間数」及び「地域数」の第x-1日から第x-7日までのそれぞれの平均値:price_e、cost_e、time_e及びarea_e、及びそれぞれの現在の増分データ:price_0/price_e、cost_0/cost_e、time_0/time_e及びarea_0/area_eを取得する。次に、第2取得装置2は予測推定モデルmodel_2が各第1特徴情報の平均値及び現在の増分データに基づいて予測処理てから後取得された第2特徴情報「クリック率」の第x日での予測推定クリック率Cxを取得する。

0115

次に、ステップS3において、確定装置3は前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。

0116

好ましくは、前記変化予測推定情報は、前記第2特徴情報の最終予測推定値を含むが、これに限定されない。

0117

更に好ましくは、前記変化予測推定情報は前記第2特徴情報の最終予測推定値が前の特徴値に対する変化を指し示すための他の情報、例えば、前記第2特徴情報の最終予測推定値が前の特徴値に対する動向を指し示すための情報等を更に含む。

0118

具体的には、前記確定装置3は前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す方法は以下のいずれか1種を含む。

0119

1)直接に前記第1変化情報を予測日の変化予測推定情報とする。

0120

引き続き前記第1実施例を説明し、確定装置3は取得された予測推定消費値Sx及び予測推定クリック率Cxを第x日の変化予測推定情報とし、それにより当該変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。例えば、ユーザにタイムリーにリチャージするように促したり、又は現在のユーザに適当な消費計画を推薦したりすることである。

0121

2)前記予測推定装置は、前記第2特徴情報の歴史的特徴値に基づいて前記第2特徴情報の予測日での第2変化情報を確定するための装置(図示せず、以下、「第3取得装置」と略称する)を含み、確定装置3は、前記第1変化情報及び前記第2変化情報に基づいて前記第2特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促すための装置(図示せず、以下、「サブ確定装置」と略称する)を更に含む。

0122

前記第2消耗情報は第2特徴情報の歴史的特徴値に基づいて確定された第2特徴情報の予測推定値を指し示すことに用いられる。

0123

好ましくは、第3取得装置は過去の一定時間内の歴史的特徴値の平均値を予測日の第2変化情報とする。

0124

更に好ましくは、当日後の第n日が予測日であると、第3取得装置は下記の式(1)に基づいて第2特徴情報の予測日での第2変化情報を確定することができる。

0125

snは第2特徴情報の第n日での第2変化情報を表し、s1は第2特徴情報の現在時間後の第1日の特徴値を表し、且つs1が過去7日の歴史的特徴値の平均値に等しく、wnは第n日が属する周期内の日数(例えば、7日を1つの計算周期とすると、当該周期内において第1日の周期内での日数が1であり、第2日の周期内での日数が2であり、..このように、第7日の周期内での日数が7である)を表し、swnは過去の複数の計算周期において、周期内での日数がw1である全ての日の歴史的特徴値の平均値を表す。

0126

次に、サブ確定装置は第2特徴情報の第1変化情報及び第2変化情報を取得した後に、所定の処理規則に基づいて第1変化情報及び第2変化情報を処理し、それにより第2特徴情報の予測日での変化予測推定情報を取得する。

0127

好ましくは、サブ確定装置は第2特徴情報の第1変化情報と第2変化情報との和を当該第2特徴情報の予測日での変化予測推定情報とし、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。

0128

更に好ましくは、サブ確定装置は第1変化情報及び第2変化情報の重みを更にそれぞれ取得し、第1変化情報及び第2変化情報の加重和を当該第2特徴情報の予測日での変化予測推定情報とし、それにより前記変化予測推定情報に基づいて対応する操作を実行するようにユーザに促す。

0129

なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記第1変化情報及び前記第2変化情報に基づいて前記第2特徴情報の予測日での変化予測推定情報を確定し、それにより前記変化予測推定情報に基づいてユーザに対応する操作を実行するうに促す任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。

0130

好ましくは、確定装置3は第2特徴情報の1つの予測日での変化予測推定情報を確定した後に、当該予測日の変化予測推定情報を当該第2特徴情報の歴史的特徴値とし、当該予測日の次の日を新たな予測日とし、且つ予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ及び現在の増分データを取得する操作から前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定する操作までを繰り返して実行することにより、当該第2特徴情報の当該新たな予測日での変化予測推定情報を確定いてもよい。同様に、予測推定装置は当該方法により予測推定モデルが対応する複数の第1特徴情報の少なくとも1つの計算周期における歴史的特徴データ及び現在の増分データを取得する操作から前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定する操作までを何度も繰り返して実行することにより、未来の複数の日数の変化予測推定情報を確定してもよい。

0131

本発明の1つの好ましい実施例によれば、前記予測推定装置は、前記予測推定モデルが対応する前記複数の第1特徴情報における少なくとも1つの第1特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも1つの第1特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得するための装置(図示せず、以下、「特徴更新装置」と略称する)を更に含む。

0132

前記予測推定モデルが対応する前記複数の第1特徴情報における少なくとも1つの第1特徴情報に対するユーザの更新操作が取得された場合に、特徴更新装置は前記更新操作に基づいて前記少なくとも1つの第1特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得する。

0133

前記更新操作は第1特徴情報の特徴値を変更させる各種の操作を含む。

0134

引き続き前記第1実施例を説明し、例えば、予測推定装置はユーザが第1特徴情報である「価格」の値をprice_0からprice_1に修正する情報を取得する場合に、特徴更新装置は「価格」の過去第x-1日から第x-7日までの7日内の平均値price_eに基づいて、第1特徴情報である「価格」の現在の増分データをprice_0/price_eからprice_1/price_eに更新することにより、予測推定モデルmodel_1が当該更新後の「価格」の現在の増分データに基づいて予測処理を実行する。

0135

なお、上記の例示は本発明の技術的解決手段をより良く説明するためのものに過ぎず、本発明を限定するためのものではない。当業者は、前記予測推定モデルが対応する前記複数の第1特徴情報における少なくとも1つの第1特徴情報に対するユーザの更新操作が取得された場合に、前記更新操作に基づいて前記少なくとも1つの第1特徴情報のそれぞれの現在の増分データを更新し、それにより更新後の予測推定モデルを取得する任意の実現方法は、いずれも本発明の範囲に含まれるべきであることを理解すべきである。

0136

好ましくは、本発明に係る予測推定装置は、現在のユーザの予測推定レンダリング命令を取得するための装置(図示せず、以下、「命令取得装置」と略称する)を更に含み、前記確定装置3は前記予測推定レンダリング命令に基づいて、前記予測推定レンダリング命令に対応する少なくとも1つの変化予測推定情報を呈するための装置(図示せず、以下、「レンダリング装置」と略称する)を更に含む。

0137

命令取得装置は現在のユーザの予測推定レンダリング命令を取得する。

0138

好ましくは、前記予測推定レンダリング命令は、以下の少なくとも1つを含むが、これに限定されない。

0139

1)複数の第2特徴情報が存在する場合に、複数の第2特徴情報から1つ又は複数の第2特徴情報の変化予測推定情報を選択して呈する。

0140

例えば、予測推定装置はユーザーインターフェースで予測推定可能な2つの第1特徴情報である「消費値」及び「検索量」を表現し、且つユーザが選択して呈する第1特徴情報である「消費値」の変化予測推定情報を取得する。

0141

2)変化予測推定情報のレンダリング形式である。例えば、グラフの形式で呈され、又はデータリストの形式で呈示される。

0142

3)呈された変化予測推定情報の期間である。例えば、未来の一週間又は未来の一か月間等、好ましくは、ユーザは未来の任意の1日又は数日を選択して変化予測推定情報を呈する期間とすることができる。

0143

次に、レンダリング装置は前記予測推定レンダリング命令に基づいて、前記予測推定レンダリング命令に対応する少なくとも1つの変化予測推定情報を呈する。

0144

例えば、命令取得装置が取得した現在のユーザの予測推定呈示命令は、消費値が過去10日間での特徴値及び未来の10日間での変化予測推定情報を呈することを含み、グラフの形式で呈する。レンダリング装置は既に取得された複数の第2特徴情報の歴史的特徴値から、当該予測推定レンダリング命令に対応する情報を取得し、前記予測推定モデルが対応する複数の第2特徴情報の少なくとも1つの計算周期での歴史的特徴データ及び現在の増分データを取得する操作から前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定する操作までを何度も実行することにより、当該第1特徴情報「消費値」の未来の10日での変化予測推定情報を取得し、且つグラフの形式で呈されることにより、ユーザに図3に示されるグラフを表示する。

0145

本発明の更に1つの好ましい実施例によれば、本実施例に係る予測推定装置は、期間内における複数のユーザの少なくとも1つの第2特徴情報の変化予測推定情報をそれぞれ予め設定するための装置(図示せず、以下、「予定装置」と略称する)と、前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの前記所定期間での変化予測推定情報をフィッティングすることにより、前記フィッティング結果に基づいて前記現在のユーザの1つ又は複数の類似ユーザを確定するための装置(図示せず、以下、「フィッティング装置」と略称する)と、前記1つ又は複数の類似ユーザの前記第2特徴情報に対応する特徴更新計画に基づいて、前記現在のユーザに推薦することに用いる特徴更新計画を確定するための装置(図示せず、以下、「計画推薦装置」と略称する)とを更に含む。

0146

予定装置は期間内における複数のユーザの少なくとも1つの第2特徴情報の変化予測推定情報をそれぞれ予め設定する。

0147

次に、フィッティング装置は前記複数のユーザのそれぞれの変化予測推定情報と前記現在のユーザの前記所定期間での変化予測推定情報をフィッティングすることにより、前記フィッティング結果に基づいて前記現在のユーザの1つ又は複数の類似ユーザを確定する。

0148

次に、計画推薦装置は前記1つ又は複数の類似ユーザが前記第2特徴情報に対応する特徴更新計画に基づいて、前記現在のユーザに推薦することに用いられる特徴更新計画を確定する。

0149

例えば、フィッティング装置は取得された未来の一定時間内の複数のユーザの「消費値」の変化予測推定情報の曲線をフィッティングすることにより、現在のユーザと最もマッチングするユーザを取得し、且つ当該ユーザの次の5日での消費計画(即ち第1特徴情報に対応する特徴更新計画) を取得することにより、計画推薦装置が当該消費計画を現在のユーザに推薦する。

0150

好ましくは、本発明に係る予測推定装置は、前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件を満たす場合、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促すための装置(図示せず、以下、「プロンプト装置」と略称する)を更に含む。

0151

プロンプト装置は前記変化予測推定情報が所定の促す条件を満たすかどうかを判断し、所定の促す条件を満たす場合に、対応する促す情報を前記現在のユーザに送信することにより対応する操作を実行するようにユーザに促す。

0152

例えば、変化予測推定情報はユーザの消費値の予測推定特徴値を含み、所定の促す条件は、予測日のアカウント残高が1000元よりも小さいことを含む。ユーザの現在アカウント残高が1500元であり、且つ予測推定装置は前記の予測推定モデルの対応する複数の第1特徴情報の少なくとも1つの計算周期での歴史的特徴データ及び現在の増分データを取得する操作から前記第1変化情報に基づいて前記第2特徴情報の前記予測日での変化予測推定情報を確定する操作までを実行することにより、消費値の予測日での予測推定特徴値が820元であることを取得する場合に、予測推定装置は当該変化予測推定値に基づいて当該ユーザの予測日でのアカウント残高が680元であると確定する。プロンプト装置は当該変化予測推定値に対応するアカウント残高が所定の促す条件を満たすと判断し、且つ現在のユーザに「残高不足、タイムリーにリチャージしてください」の促す情報を送信することにより、現在のユーザにアカウントリチャージの操作を実行するように促す。

0153

好ましくは、本発明に係る予測推定装置は、1つ又は複数のユーザとそれぞれ対応する少なくとも1つの第2特徴情報の変化予測推定情報を取得するための装置(図示せず、以下、「予測推定取得装置」と略称する)と、取得された各ユーザが対応する少なくとも1つの第2特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するサービスリソース配分を調整するための装置(図示せず、以下、「予測推定統計装置」と略称する)と、を更に含む。

0154

予測推定取得装置は1つ又は複数のユーザにそれぞれ対応する少なくとも1つの第2特徴情報の変化予測推定情報を取得する。

0155

具体的には、前記予測推定取得装置は1つ又は複数のユーザに、前記の予測推定モデルの対応する複数の第1特徴情報の少なくとも1つの計算周期での歴史的特徴データ及び現在の増分データを取得する操作から第1変化情報に基づいて第2特徴情報の前記予測日での変化予測推定情報を確定する操作までを少なくとも一回実行することにより、前記複数のユーザにおける各ユーザにそれぞれ対応する少なくとも1つの第2特徴情報の変化予測推定情報を取得し、及び/又は、前記予測推定取得装置は他の予測推定装置が取得した、1つ又は複数のユーザにそれぞれ対応する少なくとも1つの第2特徴情報の変化予測推定情報を受信する。

0156

次に、予測推定統計装置は取得された各ユーザが対応する少なくとも1つの第2特徴情報の変化予測推定情報を統計することにより、統計結果に基づいて、対応するサービスリソース配分を調整する。

0157

前記リソースは前記特徴情報と関連するサービスを提供することに必要とする各種のソフトウェアおよびハードウェアリソースを含む。例えば、前記サービスリソースは利用可能な帯域幅の大きさを含み、更に例えば、利用可能なサーバ数などを含む。

0158

例えば、第2特徴情報は「検索量」を含み、予測推定取得装置は複数の他の予測推定装置からの、当該複数の他の予測推定装置にそれぞれ対応する各ユーザの検索量の次の周期での変化予測推定情報を受信し、対応するステップを実行することにより現在のユーザに対応する検索量の次の周期での変化予測推定情報を取得する。次に、予測推定統計装置は取得された各ユーザの対応する検索量の変化予測推定情報を統計することにより次の周期での当該各ユーザの日平均検索量の和を取得し、且つ当該次の周期の日ごとの日平均検索量の和がいずれも予定閾値を超える場合、当該次の周期内に検索サービスを提供するためのスタンバイサーバを起動するように設置されることにより、この期間内の検索サービスのスループットを向上させる。

0159

本発明の方法によれば、複数の第1特徴情報に基づいて第2特徴情報を予測する予測推定モデルを作成することにより、各特徴情報間の相互影響関係を効果的に体現することができ、それにより予測推定モデルに基づいて未来の一定時間内に対して特徴情報を相応に予測推定し、ユーザが特徴情報の今後の動向を把握し易くなり、呈される予測推定情報に基づいて対応する操作を行い、ユーザの体験を向上させる。また、ユーザが行った操作を合わせることにより未来の一定時間内の第2特徴情報の特徴値を予測推定し、予測推定情報の正確さを更に向上させ、ユーザが未来の特徴情報変化を把握することを希望する要求を満たし、且つ予測推定の正確さを向上させる。なお、本発明の方法によれば、更に予測推定結果に基づいて対応するリソース配分を調整することができ、それにより全体のサービスリソースをより効果的に利用することができ、各特徴情報が対応するサービスをより良くサポートすることができる。

0160

本発明のソフトウェアプログラムプロセッサの実行により上記の前記ステップ又は機能を実現することができる。同様に、本発明のソフトウェアプログラム(関連するデータ構造を含む)はコンピュータ読み取り可能な記録媒体、例えば、RAMメモリ磁気または光学ドライブ又はフロッピーディスク及び類似デバイスに記憶されることができる。また、本発明の一部のステップ又は機能がハードウェアで実現されることができ、例えば、プロセッサと合わせることにより各機能又はステップを実行する回路が挙げられる。

0161

また、本発明の一部はコンピュータプログラム製品、例えばコンピュータプログラム命令として応用されることができ、コンピュータで実行される場合に、当該コンピュータの動作により、本発明に係る方法及び/又は技術的手段を呼び出したり提供したりすることができる。本発明の方法を利用するプログラム命令は、固定又は移動可能な記録媒体に記憶される可能性があり、及び/又はブロードキャスト又は他の信号担持媒体におけるデータフローにより伝送され、及び/又は前記プログラム命令に基づいて運行するコンピュータデバイスのワーキングメモリに記憶される。ここで、本発明に係る1つの実施例は1つの装置を含み、当該装置はコンピュータプログラム命令を記憶するためのメモリ及びプログラム命令を実行するためのプロセッサを含み、当該コンピュータプログラム命令は当該プロセッサで実行される場合に、当該装置が前記本発明に係る複数の実施例に基づく方法及び/又は技術案を行うようにトリガーする。

0162

当業者にとっては、明らかに本発明は上記の例示的な実施例の細部に限定されず、且つ本発明の精神又は基本的な特徴から逸脱しない場合には、他の具体的な形式で本発明を実現することができる。このため、どちらの面から考えても、実施例を例示的且つ非限定的なものと見なすべき、本発明の範囲は上記の説明に限定されず、付いている請求の範囲に限定され、このため、請求の範囲の同等の要件の意味及び範囲内に属するすべての変化が本発明に含まれることを意図する。請求の範囲における任意の図面符号を関連する請求の範囲に対する限定と見なすべきではない。なお、明らかに「含む」は他のユニット又はステップを排除せず、単数の表現は複数を排除しない。システムの請求の範囲に記述された複数のユニット又は装置は1つのユニット又は装置がソフトウェア又はハードウェアにより実現されてもよい。第1、第2等の用語は任意の特定の順序を示せず、名称を示すためのものである。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 神田智一の「 機材管理システム」が 公開されました。( 2021/02/15)

    【課題・解決手段】異なる場所に設置された多数のコーティング液生成装置(1)をそれぞれ個別に管理することができ、各コーティング液生成装置(1)の稼働状況を離れた場所で一元管理することが可能なシステムを提... 詳細

  • 株式会社村田製作所の「 ハンガーラック用リーダ装置、ハンガーラック、及び衣料品の商品管理システム」が 公開されました。( 2019/12/05)

    【課題】ハンガーパイプに吊り下げられた複数の衣料品のRFIDタグをより確実に読み取ることができるハンガーパイプ用リーダ装置を提供する。【解決手段】本発明に係るハンガーパイプ用リーダ装置は、複数のハンガ... 詳細

  • 株式会社AiCTの「 ロッカーシステム」が 公開されました。( 2019/10/31)

    【課題】荷物を収納するロッカーの通信が断絶した場合や、停電時でも荷物の受け渡しが可能であり、かつ、ロッカーに収納した荷物を盗難されるおそれを軽減してセキュリティ効果を高めたロッカーシステムを提供する。... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ