特許ウォッチ

公開番号2025079283
公報種別公開特許公報(A)
公開日2025-05-21
出願番号2024033881,2023191370
出願日2024-03-06,2023-11-09
発明の名称プログラム、方法、情報処理装置、システム
出願人AI inside株式会社
代理人IPTech弁理士法人
主分類G06Q 10/04 20230101AFI20250514BHJP(計算;計数)
要約【課題】学習データの期間範囲を延長できていないという課題がある。
【解決手段】プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、プロセッサが、時系列データである第1データを取得する第1データ取得ステップと、第1データ取得ステップにおいて取得した第1データに基づき、複数の時系列データから時系列推移が第1データと類似する第2データを取得する第2データ取得ステップと、第1データの時間方向において前方および後方の少なくともいずれかに第2データを結合することにより結合データを作成する結合ステップと、結合ステップにおいて作成した結合データに基づき学習モデルを学習させる学習ステップと、を実行するプログラム。
【選択図】図11
特許請求の範囲【請求項１】
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、
前記プロセッサが、
時系列データである第１データを取得する第１データ取得ステップと、
前記第１データ取得ステップにおいて取得した前記第１データに基づき、複数の時系列データから時系列推移が前記第１データと類似する第２データを取得する第２データ取得ステップと、
前記第１データの時間方向において前方および後方の少なくともいずれかに前記第２データを結合することにより結合データを作成する結合ステップと、
前記結合ステップにおいて作成した前記結合データに基づき学習モデルを学習させる学習ステップと、
を実行するプログラム。
続きを表示（約 1,500 文字）【請求項２】
前記プロセッサが、
前記第１データ取得ステップにおいて取得した前記第１データの第１期間範囲よりも長い第３期間範囲を有する時系列データである第３データを取得する第３データ取得ステップと、
前記第３データ取得ステップにおいて取得した前記第３データの一部であり、前記第３期間範囲に含まれる複数の時系列データである複数の候補データを抽出する候補抽出ステップと、
を実行し、
前記第２データ取得ステップは、前記第１データと、前記複数の候補データとの類似度に応じて、前記複数の候補データから前記第２データを取得するステップである、
請求項１記載のプログラム。
【請求項３】
前記候補抽出ステップは、前記第１期間範囲と略同一の期間範囲を有する前記複数の候補データを抽出するステップである、
請求項２記載のプログラム。
【請求項４】
前記第２データ取得ステップは、
前記第１データと、前記複数の候補データとの間のマンハッタン距離、ユークリッド距離、コサイン類似度および相関係数の少なくともいずれか１つの距離を算定するステップと、
前記算定された距離に基づく類似度に応じて前記第２データを取得するステップと、
を含む、
請求項２記載のプログラム。
【請求項５】
前記候補抽出ステップは、
前記第３期間範囲よりも短い所定期間範囲の第１候補データを抽出するステップと、
前記第１候補データから、前記第３データの時間方向において前方または後方に所定の周期期間ずつ逐次的にずらすことにより前記所定期間範囲に含まれる複数の候補データを抽出するステップと、
を含む、
請求項２記載のプログラム。
【請求項６】
前記プロセッサが、
ユーザから、前記所定の周期期間の入力を受け付ける周期入力ステップと、
を実行し、
前記候補抽出ステップは、前記周期入力ステップにおいて入力を受け付けた前記周期期間に基づき、前記複数の候補データを抽出するステップである、
請求項５記載のプログラム。
【請求項７】
前記候補抽出ステップは、ユーザから周期期間の入力を受けることなしに、前記第１データに基づき特定される前記周期期間に基づき、前記複数の候補データを抽出するステップである、
請求項５記載のプログラム。
【請求項８】
前記候補抽出ステップは、
前記第３データ取得ステップにおいて取得した前記第３データのうち、前記第１期間範囲よりも時間方向において前方または後方のデータを除外するステップと、
当該除外した第３データから複数の候補データを抽出するステップと、
を含む、
請求項２記載のプログラム。
【請求項９】
前記第１データ、前記第２データおよび前記第３データは、複数の系列を有する時系列データであり、
前記第２データ取得ステップは、前記第１データに含まれるそれぞれの系列の時系列データと、前記複数の候補データに含まれるそれぞれの系列の時系列データとの類似度に応じて、前記複数の候補データから前記第２データを取得するステップである、
請求項２記載のプログラム。
【請求項１０】
前記第２データ取得ステップは、前記第１データと、前記複数の候補データとの類似する系列の個数に応じて、前記複数の候補データから前記第２データを取得するステップである、
請求項９記載のプログラム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、プログラム、方法、情報処理装置、システムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
時系列データに基づき時系列予測モデルを学習させる技術が知られている。
特許文献１には、複数の転移元データの中から転移先モデルで使用するデータの選択に要する工数を削減でき、転移元モデルを転移できるか否かを適切に判定することが開示されている。
特許文献２には、作業者ごとの収集データの傾向に応じた作業者ごとの最適な学習モデルを生成することが開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－０８６２４１号公報
特開２０２２－１３５１７８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
学習データの期間範囲を延長できていないという課題がある。
そこで、本開示は、上記課題を解決すべくなされたものであって、その目的は、学習データの期間範囲を延長する技術を提供することである。
【課題を解決するための手段】
【０００５】
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、プロセッサが、時系列データである第１データを取得する第１データ取得ステップと、第１データ取得ステップにおいて取得した第１データに基づき、複数の時系列データから時系列推移が第１データと類似する第２データを取得する第２データ取得ステップと、第１データの時間方向において前方および後方の少なくともいずれかに第２データを結合することにより結合データを作成する結合ステップと、結合ステップにおいて作成した結合データに基づき学習モデルを学習させる学習ステップと、を実行するプログラム。
【発明の効果】
【０００６】
本開示によれば、学習データの期間範囲を延長することができる。
【図面の簡単な説明】
【０００７】
システム１の機能構成を示すブロック図である。
サーバ１０の機能構成を示すブロック図である。
ユーザ端末２０の機能構成を示すブロック図である。
ユーザテーブル１０１２のデータ構造を示す図である。
主テーブル１０１３のデータ構造を示す図である。
補助テーブル１０１４のデータ構造を示す図である。
候補テーブル１０１５のデータ構造を示す図である。
モデルテーブル１０２１のデータ構造を示す図である。
データ拡張処理の動作を示すフローチャートである。
初期パラメータ設定処理の動作を示すフローチャートである。
データ拡張処理の概念を説明する第一概念図である。
データ拡張処理の概念を説明する第二概念図である。
コンピュータ９０の基本的なハードウェア構成を示すブロック図である。
【発明を実施するための形態】
【０００８】
以下、本開示の実施形態について図面を参照して説明する。実施形態を説明する全図において、共通の構成要素には同一の符号を付し、繰り返しの説明を省略する。なお、以下の実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。また、各図は模式図であり、必ずしも厳密に図示されたものではない。
【０００９】
＜システム１の構成＞
本開示におけるシステム１は、時系列データに基づく時系列予測モデルを学習する情報処理サービスを提供可能な情報処理システムである。
システム１は、ネットワークＮを介して接続された、サーバ１０、ユーザ端末２０の情報処理装置を備える。
図１は、システム１の機能構成を示すブロック図である。
図２は、サーバ１０の機能構成を示すブロック図である。
図３は、ユーザ端末２０の機能構成を示すブロック図である。
【００１０】
各情報処理装置は演算装置と記憶装置とを備えたコンピュータにより構成されている。コンピュータの基本ハードウェア構成および、当該ハードウェア構成により実現されるコンピュータの基本機能構成は後述する。サーバ１０、ユーザ端末２０のそれぞれについて、後述するコンピュータの基本ハードウェア構成およびコンピュータの基本機能構成と重複する説明は省略する。
（【００１１】以降は省略されています）

関連特許