JP3635257B2 - Abnormal input detection device - Google Patents
Abnormal input detection device Download PDFInfo
- Publication number
- JP3635257B2 JP3635257B2 JP2001321868A JP2001321868A JP3635257B2 JP 3635257 B2 JP3635257 B2 JP 3635257B2 JP 2001321868 A JP2001321868 A JP 2001321868A JP 2001321868 A JP2001321868 A JP 2001321868A JP 3635257 B2 JP3635257 B2 JP 3635257B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- raw data
- input
- correlation
- abnormal
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
【０００１】
【発明の属する技術分野】
この発明は、入力されたローデータの中から、意図的に情報を歪ませようとする異常な入力を検出する異常入力検出装置に関するものである。
【０００２】
【従来の技術】
近年、情報技術の向上により、インターネット上の検索エンジンサイトやコミュニティーサイト等において、消費者等のインターネット利用者が日々大量にデータの入力を行っている。例えば、検索エンジンサイトにおいては、知りたい情報にアクセスすべく検索キーワード等の入力を行っており、コミュニティーサイトにおいては、市場に出回っている商品に対する評価コメント等のデータの入力を行っている。
【０００３】
この消費者等によりネットワークを介して直接入力されたデータ（ローデータ）は、消費者等の声を直接反映したデータであり、潜在的な顧客ニーズが示されている貴重なデータである。そのため、このローデータを用いて顧客のニーズや消費者の動向を探り出すためのデータ分析を行うデータマイニングが行われるようになっている。
【０００４】
【発明が解決しようとする課題】
ところで、データマイニングでは、消費者により入力された生のデータであるローデータを用いなければ、精度の高い分析結果を得ることができない。即ち、仮に何者かが意図的に情報を歪ませようとして偏ったデータを大量に入力した場合、消費者により入力された生のデータであるローデータに入力が異常なデータが含まれてしまい、データマイニングの分析精度が低下してしまう。従って、精度の高いデータマイニングを行うためには、意図的に歪められたデータを排除したローデータを取得することが重要になる。
【０００５】
この発明の課題は、消費者により入力されたデータの中から意図的に情報を歪ませようとする異常な入力を検出する異常入力検出装置を提供することである。
【０００６】
【課題を解決するための手段】
請求項１記載の異常入力検出装置は、入力されたローデータを記憶するローデータ記憶手段と、前記ローデータ記憶手段により記憶されている特定のローデータと該特定のローデータと入力比率に相関を有し、かつ前記ローデータ記憶手段に記憶されているローデータとの入力比率を算出比率データとして算出する入力比率算出手段と、所定のローデータと該所定のローデータと入力比率に相関を有するローデータとの入力比率を相関データとして記憶している相関データ記憶手段と、前記相関データ記憶手段により記憶されている相関データの中から、前記特定のローデータに関する特定相関データを取り出す相関データ取出手段と、前記算出比率データと前記特定相関データとを比較する比較手段と、前記比較手段により比較した結果、前記算出比率データと前記特定相関データとが所定の値以上乖離している場合に、前記特定のローデータの入力が異常であることを検出する異常入力検出手段と、前記異常入力検出手段により前記特定のローデータの入力が異常であることを検出した場合に警告を行う警告手段とを備えることを特徴とする。
【０００７】
この請求項１記載の異常入力検出装置によれば、算出比率データと、特定相関データ（過去に入力された特定のローデータとこの特定のローデータと入力比率に相関を有するローデータとの入力比率を示すデータ）とを比較することによって、特定のローデータの入力が異常であるか否かの検出を行い、入力が異常である場合には警告を行っている。従って、大量に入力されたローデータに含まれている意図的に情報を歪ませようとして入力されたローデータの入力が異常であることを的確に検出することができる。
【０００８】
また、請求項２記載の異常入力検出装置は、前記ローデータが、消費者によって電子的手段を介してサーバに入力され該サーバに記憶されているデータであって、前記サーバから、所定期間毎に前記ローデータを取得するローデータ取得手段を更に備えることを特徴とする。
【０００９】
この請求項２記載の異常入力検出装置によれば、所定期間毎に、消費者によってサーバに入力されたローデータを取得してローデータの入力が異常であることの検出を行っている。即ち、消費者の関心やニーズを反映した生のデータを取得し、その中でローデータの入力が異常であることの検出を行っている。従って、消費者の関心やニーズ等を的確に反映したローデータを適切に取得することができる。
【００１０】
また、請求項３記載の異常入力検出装置は、前記相関データが、過去に取得されたローデータに基づいて作成されたデータであり、新たに取得されたローデータに基づいて前記相関データ記憶手段に記憶されている相関データを所定期間毎に更新する相関データ更新手段を更に備えることを特徴とする。
【００１１】
この請求項３記載の異常入力検出装置によれば、相関データは、過去に取得されたローデータに基づいて作成されており、所定期間毎に新たに取得されたローデータに基づいて更新されている。従って、更新された相関データを最新データとして用いて的確にローデータの入力が異常であることを検出することができる。
【００１２】
また、請求項４記載の異常入力検出装置は、前記相関データが、前記所定のローデータと、該所定のローデータと同一の対象を示しているが表記が異なるローデータとの入力比率を示すデータであることを特徴とする。
【００１３】
また、請求項５記載の異常入力検出装置は、前記相関データが、前記所定のローデータと、該所定のローデータと同一の意味を有するローデータ又は該所定のローデータと類似の意味を有するローデータとの入力比率を示すデータであることを特徴とする。
【００１４】
この請求項４、請求項５記載の異常入力検出装置によれば、相関データは、所定のローデータと、この所定のローデータと同一対象を示しているが表記が異なるローデータ（表記の揺らぎ）又は同一又は類似の意味を有するローデータとの入力比率を示すデータである。従って、多数の消費者により入力されたローデータの中から、表記の揺らぎ等に基づいて、意図的に情報を歪ませようとして入力されたローデータの入力が異常であることを的確、かつ、容易に検出することができる。
【００１５】
また、請求項６記載の異常入力検出装置は、第１のサーバに対して電子的手段を介して消費者によって入力されたローデータを取得する第１のローデータ取得手段と、第２のサーバに対して電子的手段を介して消費者によって入力されたローデータを取得する第２のローデータ取得手段と、前記第１のローデータ取得手段により前記第１のサーバから取得されたローデータを記憶する第１のローデータ記憶手段と、前記第２のローデータ取得手段により前記第２のサーバから取得されたローデータを記憶する第２のローデータ記憶手段と、前記第１のローデータ記憶手段及び前記第２のローデータ記憶手段により記憶されている特定のローデータの入力比率を算出比率データとして算出する入力比率算出手段と、前記第１のローデータ記憶手段及び前記第２のローデータ記憶手段に記憶されている所定のローデータの入力比率を相関データとして記憶している相関データ記憶手段と、前記相関データ記憶手段により記憶されている相関データの中から、前記特定のローデータに関する特定相関データを取り出す相関データ取出手段と、前記算出比率データと前記特定相関データとを比較する比較手段と、前記比較手段により比較した結果、前記算出比率データと前記特定相関データとが所定の値以上乖離している場合に、前記第１のサーバ又は前記第２のサーバに対して入力された特定のローデータの入力が異常であることを検出する異常入力検出手段と、前記異常入力検出手段により前記第１のサーバ又は前記第２のサーバに対して入力された前記特定のローデータの入力が異常であることを検出した場合に警告する警告手段とを備えることを特徴とする。
【００１６】
また、請求項７記載の異常入力検出装置は、前記相関データが、過去に取得されたローデータに基づいて作成されたデータであり、前記第１のサーバに対して入力されたローデータ及び前記第２のサーバに対して入力されたローデータに基づいて前記相関データ記憶手段に記憶されている相関データを所定期間毎に更新する相関データ更新手段を更に備えることを特徴とする。
【００１７】
この請求項６、請求項７記載の異常入力検出装置によれば、第１のサーバ及び第２のサーバのそれぞれに対して消費者によって入力されたローデータに含まれる特定のローデータについて、入力比率を算出比率データとして算出し、この算出比率データと特定相関データとを比較することによって、第１のサーバ又は第２のサーバに対して入力された特定のローデータの入力が異常であることの検出を行っている。従って、サーバ間での入力比率の偏りに基づいてローデータの入力が異常であることを的確に検出することができる。
【００１８】
【発明の実施の形態】
以下、図面を参照して、この発明の実施の形態にかかる異常入力検出装置について説明する。なお、以下においては、インターネット上に開設されている検索エンジンサイト上で消費者により入力された検索用キーワードをローデータとし、このローデータの入力が異常であることの検出を行う場合を例として説明する。
【００１９】
図１は、実施の形態にかかる異常入力検出装置を含むシステム全体のブロック構成図である。異常入力検出装置２は、ネットワーク４を介してネットワーク上に検索エンジンサイトを開設している企業のＷｅｂサーバ６と接続されており、Ｗｅｂサーバ６は、ネットワーク４を介して個々の消費者が有する消費者システム（パーソナルコンピュータ、携帯端末、携帯電話等のネットワーク上の検索エンジンサイトにアクセス可能な端末）８ａ、８ｂ、８ｃと接続されている。
【００２０】
異常入力検出装置２は、ローデータの入力が異常であることの検出等の処理を行うデータ処理部２０を備え、このデータ処理部２０には、過去のローデータに基づいて作成された相関データを記憶している相関データ記憶部２２、Ｗｅｂサーバ６から取得されたローデータを記憶するローデータ記憶部２４及び入力が異常であるとして警告されたローデータを警告データとして記憶する警告データ記憶部２５が接続されている。また、データ処理部２０には、Ｗｅｂサーバ６との間の通信制御を行う通信制御部２６及びローデータの入力が異常であることが検出された場合の警告等の表示を行う表示部２８が接続されている。
【００２１】
ここで、相関データ記憶部２２に記憶されている相関データは、所定のローデータと、この所定のローデータが入力される場合には必ず一定の比率で入力される他のローデータ、即ち、所定のローデータと入力比率に相関を有するローデータとの入力比率を示すデータである。例えば、「地震」を所定のローデータとし、「地震」が過去に１，５１８，６４０回入力されている時に、「地震」と入力比率に相関を有する「地震情報」が１，２９０，８４４回入力されている場合には、「地震」と「地震情報」との入力比率は１：０．８５０となる。この「地震」と「地震情報」との入力比率１：０．８５０を示すデータが相関データとなる（図２参照）。なお、所定のローデータと入力比率に相関を有するローデータには、所定のローデータに対して同一の対象を示しているが表記が異なるローデータ（表記の揺らぎ）や、所定のローデータと同一又は類似の意味を有するローデータ等がある。
【００２２】
ここで、所定のローデータと、この所定のローデータに対して表記が異なるローデータとしては、「ＬＯＮＤＯＮ」を所定のローデータとする場合にその日本語表記である「ロンドン」、所定のローデータを「ＡＰＰＬＥ」とする場合にその小文字表記である「ａｐｐｌｅ」、所定のローデータを「フィルム」とする場合の「フイルム」、所定のローデータを「ちゃんねる」とする場合にそのカタカナ表記である「チャンネル」、所定のローデータを「ドコモ」とする場合にそのローマ字表記である「ｄｏｃｏｍｏ」、所定のローデータを「ＣＤ-ＲＯＭ」とする場合の「ＣＤＲＯＭ」、所定のローデータを「野村證券」とする場合にその新漢字表記である「野村証券」等がある。
【００２３】
また、所定のローデータと同一又は類似の意味を有するローデータとしては、例えば、「東京証券取引所」を所定のローデータとする場合にその略語である「東証」、「日本航空」を所定のローデータとする場合にその英語表記の略号である「ＪＡＬ」、「台風情報」を所定のローデータとする場合の「台風速報」、「トヨタ自動車株式会社」を所定のローデータとする場合の「トヨタ自動車」等がある。
【００２４】
また、ローデータの入力が異常とは、ローデータ記憶部２４に記憶されている特定のローデータと、この特定のローデータと入力比率に相関を有するローデータの入力比率として算出された算出比率データが、特定のローデータに関する特定相関データと所定の値以上乖離している場合に、この特定のローデータの入力が異常とされる。
【００２５】
次に、図３のフローチャートを参照して、異常入力検出装置において行われるデータの入力異常の検出処理について説明する。
【００２６】
消費者が、消費者システム８ａ、８ｂ、８ｃを用いてネットワーク４を介して検索エンジンサイトにアクセスし、検索用キーワードを入力した場合、この入力された検索用キーワードがローデータとしてＷｅｂサーバ６に記憶される。この消費者により入力された検索用キーワードは、１回入力されると出現回数１回としてカウントされ、ローデータ（キーワード）が所定期間内における出現回数と共にＷｅｂサーバ６に記憶される。なお、コミュニティーサイト等において評価コメント等の文章が入力された場合には、入力された文章を単語単位に分割し、それぞれの単語についての所定期間内における出現回数がカウントされてそれぞれの単語と共に記憶される。
【００２７】
異常入力検出装置２においては、Ｗｅｂサーバ６に記憶されているローデータ（キーワード）と各ローデータの出現回数を、Ｗｅｂサーバ６から通信制御部２６を介してデータ処理部２０において取得する（ステップＳ１０）。即ち、Ｗｅｂサーバ６に記憶されているローデータと各ローデータの出現回数が、１日に１回、Ｗｅｂサーバ６から異常入力検出装置２に対して送信されることによって、ローデータと各ローデータの出現回数がデータ処理部２０に取得される。なお、取得されたローデータと各ローデータの出現回数はローデータ記憶部２４に記憶される（図４参照）。
【００２８】
次に、ローデータの中から、特定のローデータを選択し、この特定のローデータとこの特定のローデータと入力比率に相関を有するローデータとの入力比率を算出比率データとして算出する（ステップＳ１１）。例えば、ローデータ記憶部２４に記憶されているローデータの中から、特定のローデータとして「地震」を選択した場合には、この「地震」と、「地震」と入力比率に相関を有する「地震情報」との入力比率を算出する。ここで、図４に示すように、「地震」が２２，０５０回入力されており、「地震情報」が１６，４３２回入力されている場合には、１：０．７４５が算出比率データとして算出される。
【００２９】
次に、特定のローデータに関する特定相関データ、即ち、特定のローデータと入力比率に相関を有するローデータとの間の相関データを相関データ記憶部２２から取り出す（ステップＳ１２）。例えば、特定のローデータである「地震」と、この「地震」と入力比率に相関を有する「地震情報」との相関データを相関データ記憶部２２から取り出す。なお、この場合に相関データ記憶部２２から取り出される「地震」と「地震情報」との入力比率を示す特定相関データは、図２に示すように１：０．８５０である。
【００３０】
次に、ステップＳ１１で算出された算出比率データと、ステップＳ１２において取得された特定相関データとを比較する（ステップＳ１３）。即ち、ステップＳ１１において算出された「地震」と「地震情報」の算出比率データである１：０．７４５と、ステップＳ１２において取り出された「地震」と「地震情報」の特定相関データである１：０．８５０とを比較する。
【００３１】
ここで、算出比率データと特定相関データとの乖離が所定値以下の場合には、この日に取得された「地震」のデータ（ローデータ記憶部２４に記憶されている「地震」に関するローデータ）は、正常に入力されたデータであると判断する（ステップＳ１４）。即ち、算出比率データと特定相関データとの乖離が、予め設定された閾値、例えば、±１５％の範囲内である場合には、正常に入力されたローデータであると判断される。この場合においては、「地震」と「地震情報」の算出比率データが１：０．７４５であり、特定相関データが１：０．８５０である。従って、これら入力比率の乖離は±１５％の範囲内であるためこのローデータの入力は正常であると判断される。
【００３２】
上述のステップＳ１４において、ローデータの入力が正常であると判断された場合には、入力が正常であると判断されたローデータを用いて相関データの更新を行う（ステップＳ１５）。即ち、最新のローデータ、例えば、その日に入力された「地震」と「地震情報」のローデータに基づいて相関データ記憶部２２に記憶されている相関データを更新する。
【００３３】
一方、算出比率データと特定相関データとの乖離が所定の値以上の場合には、ローデータ記憶部２４に記憶されている「地震」のデータの入力は異常であると判断される（ステップＳ１４）。即ち、「地震」と「地震情報」の算出比率データが１：０．９７７〜１：０．７２３の範囲外である場合にはこの日に入力された「地震」のローデータの入力は異常であると判断される。例えば、「地震」が１５，０００回入力されているにも拘わらず、「地震情報」が３，０００回しか入力されておらず、「地震」と「地震情報」の算出比率データが１：０．２となっている場合等には、この「地震」のローデータの入力は異常であると判断される。
【００３４】
ローデータの入力が異常であると判断された場合には、入力が異常と判断されたローデータと、その日付を警告表示として表示部２８に表示し（ステップＳ１６）、入力が異常であると判断されたローデータを警告データとして警告データ記憶部２５に記憶する（ステップＳ１７）。
【００３５】
次に、警告データ記憶部２５に相関データの更新に用いることができるデータが存在するか否かの判断を行う（ステップＳ１８）。即ち、警告データ記憶部２５に記憶されている警告データの算出比率データが、その日だけ一定の範囲を越えて、他の日の算出比率データと異なっているのではなく、数日間、略同様の算出比率データとなっている場合には、その日の警告データは相関データの更新に用いることができるローデータと判断する。
【００３６】
相関データの更新に用いることができるローデータと判断された場合には（ステップＳ１８）、その相関データの更新に用いることができると判断されたローデータを用いて相関データの更新を行う（ステップＳ１９）。
【００３７】
一方、相関データの更新に用いることができるローデータが存在しないと判断された場合には（ステップＳ１８）、警告データ記憶部２５から除外するデータが存在するか否かの判断を行う（ステップＳ２０）。即ち、警告データ記憶部２５に記憶されている警告データの算出比率データが、その日だけ一定の範囲を越えて他の日の算出比率データと異なっている場合には、その日の警告データは、警告データ記憶部２５から除外するデータと判断する。
【００３８】
相関データの更新を行った場合（ステップＳ１９）及び警告データ記憶部２５から除外するデータが存在すると判断された場合には（ステップＳ２０）、更新に用いた警告データ及び除外するデータであると判断された警告データを警告データ記憶部２５から除外する（ステップＳ２１）。
【００３９】
一方、警告データ記憶部２５から除外するデータが存在しないと判断された場合には（ステップＳ２０）、そのまま処理を終了する。
【００４０】
この実施の形態の異常入力検出装置によれば、過去のローデータに基づいて作成された相関データを用いて、入力されたローデータの中から意図的に情報を歪ませようとして入力されたローデータの入力が異常であることを検出している。従って、不特定多数の消費者によって入力されたローデータに含まれる特定のローデータの入力が異常であることを的確に検出することができる。そのため、入力が異常なローデータを排除したローデータを取得することができ、ローデータに基づいて消費者の潜在的なニーズや消費者の関心等を的確に分析するデータマイニングを行うことができる。
【００４１】
また、所定のローデータに対して、同一の対象を示しているが表記が異なるローデータや所定のローデータと同一の意味を有するローデータ又は類似の意味を有するローデータを用いてローデータの入力が異常であることの検出を行っているため、意図的に情報を歪ませようとして入力されたローデータの入力が異常であることを確実に検出することができる。
【００４２】
また、新たに取得されたローデータを用いて日々相関データの更新を行っているため、常に最新の相関データに基づいて、ローデータの入力が異常であることの検出を確実に行うことができる。
【００４３】
なお、この実施の形態においては、所定のローデータと、この所定のローデータと同一の対象を示すが表記が異なるローデータや、所定のローデータと同一又は類似の意味を有するローデータとの入力比率が相関データとして相関データ記憶部２２に記憶されているが、検索エンジンサイトを開設している複数の企業からローデータ（キーワード）を取得している場合には、複数の検索エンジンサイト間でのローデータの入力比率も相関データとして記憶し、この入力比率に基づいてローデータの入力が異常であるか否かの検出を行うようにしてもよい。即ち、特定のローデータ「ＬＯＮＤＯＮ」について、検索エンジンＡサイトで１０００回入力され、検索エンジンＢサイトでは５００回入力されている場合、検索エンジンＡサイトと検索エンジンＢサイトでの「ＬＯＮＤＯＮ」の入力比率は２：１となる。この入力比率も相関データとして相関データ記憶部２２に記憶し、この入力比率に基づいてローデータの入力が異常であるか否かの検出を行うようにしてもよい。
【００４４】
この場合には、検索エンジンサイトを開設している複数の企業、例えば、検索エンジンＡサイトを開設している企業と検索エンジンＢサイトを開設している企業からローデータ（キーワード）を取得して、それぞれから取得したローデータを別々のローデータ記憶部に記憶し、特定のローデータ、例えば、「地震」についての検索エンジンＡサイトと検索エンジンＢサイトでの入力比率と、相関データ記憶部２２に記憶されている特定相関データにより示される入力比率（過去に検索エンジンＡサイトと検索エンジンＢサイトに入力された特定ローデータ「地震」の入力比率）を比較することによってローデータの入力が異常であるか否かの検出を行う。
【００４５】
また、上述の実施の形態においては、相関データとして、所定のローデータと所定のローデータに対して入力比率に相関を有するローデータとの間の入力比率（２つのローデータ間の入力比率）を用いているが、所定のローデータに対して入力比率に相関を有するローデータが複数ある場合には、所定のローデータとそれら複数のローデータの入力比率を相関データとして用いてもよい。即ち、所定のローデータが「地震」であり、「地震情報」、「地震速報」が入力比率に相関を有するローデータである場合には、「地震」、「地震情報」、「地震速報」の入力比率を相関データとして用いてもよい。
【００４６】
また、上述の実施の形態において、企業の業種等に基づいて、企業と関連性を有するローデータ間の入力比率を相関データとして用いてもよい。例えば、証券会社であれば、会社名と「株取引」、その会社によって提供されているサービスの名称等、また、化粧品会社であれば、会社名と「口紅」、その会社の新商品の名称等の入力比率を示すデータを相関データとして用いてもよい。
【００４７】
また、ローデータの入力が異常であることを検出した場合に、入力異常である旨の警告を表示しているが、この警告は、算出比率データと特定相関データとの乖離度合いによって異ならせるようにしてもよい。即ち、±１０〜１５％以内の範囲で乖離している場合には、入力異常の疑いがある、±１５％以上の乖離である場合には、入力異常というように警告を表示してもよい。なお、ローデータの入力が異常であることを検出するための算出比率データと相関データとの乖離度合いの基準値は、例えば、±１０％、±１５％、±２０％以下（以上）等のようにしてもよい。
【００４８】
また、上述の実施の形態においては、１日に１回ローデータをＷｅｂサーバ６から取得してローデータの入力が異常であることの検出を行っているが、３日毎や一週間毎等のように、所定期間毎にローデータを取得してローデータの入力が異常であることの検出を行うようにしてもよい。なお、ローデータを数回取得した後に、取得したローデータをまとめてローデータの入力が異常であることの検出を行うようにしてもよい。
【００４９】
【発明の効果】
この発明によれば、大量に入力されたローデータに含まれている意図的に情報を歪ませようとして入力された異常なデータを的確に検出することができる。また、消費者の関心やニーズを反映したローデータを取得し、その中でローデータの入力が異常であることの検出を行っているため、入力が異常なローデータが排除されており、消費者の関心やニーズ等を的確に反映したローデータを取得することができる。
【００５０】
また、更新された相関データを最新データとして用いて的確にローデータの入力が異常であることの検出を行うことができる。更に、多数の消費者により入力されたローデータの中から、表記の揺らぎ等に基づいて、意図的に情報を歪ませようとして入力されたローデータの入力が異常であることを的確、かつ、容易に検出することができる。
【００５１】
また、第１のサーバ及び第２のサーバに対して入力された特定のローデータの入力が異常であるか否かを、サーバ間での入力比率の偏りに基づいて的確に検出することができる。
【図面の簡単な説明】
【図１】この発明の実施の形態にかかる異常入力検出装置を含むシステム全体のブロック構成図である。
【図２】この発明の実施の形態にかかる相関データ記憶部に記憶されている相関データを示す図である。
【図３】この発明の実施の形態にかかる異常入力検出装置によって行われるローデータの入力異常の検出処理を説明するためのフローチャートである。
【図４】この発明の実施の形態にかかるローデータ記憶部に記憶されているローデータを示す図である。
【符号の説明】
２…異常入力検出装置、４…ネットワーク、６…Ｗｅｂサーバ、８ａ、８ｂ、８ｃ…消費者システム、２０…データ処理部、２２…相関データ記憶部、２４…ローデータ記憶部、２５…警告データ記憶部、２６…通信制御部、２８…表示部。[0001]
BACKGROUND OF THE INVENTION
The present invention relates to an abnormal input detection device that detects an abnormal input that intentionally distorts information from input raw data.
[0002]
[Prior art]
In recent years, due to the improvement of information technology, Internet users such as consumers are inputting a large amount of data every day in search engine sites and community sites on the Internet. For example, in a search engine site, a search keyword or the like is input in order to access information to be known, and in a community site, data such as an evaluation comment for a product on the market is input.
[0003]
The data (raw data) directly input by the consumer or the like via the network is data that directly reflects the voice of the consumer or the like, and is valuable data showing potential customer needs. For this reason, data mining is performed to perform data analysis to find out customer needs and consumer trends using this raw data.
[0004]
[Problems to be solved by the invention]
By the way, in data mining, a high-precision analysis result cannot be obtained unless raw data that is raw data input by a consumer is used. In other words, if someone intentionally inputs a large amount of biased data in an attempt to distort information, raw data that is input by the consumer contains raw data that is abnormally input, Data mining analysis accuracy will be reduced. Therefore, in order to perform highly accurate data mining, it is important to acquire raw data that excludes intentionally distorted data.
[0005]
An object of the present invention is to provide an abnormal input detection device that detects an abnormal input that intentionally distorts information from data input by a consumer.
[0006]
[Means for Solving the Problems]
The abnormal input detection apparatus according to
[0007]
According to the abnormal input detection device of
[0008]
The abnormal input detection apparatus according to claim 2, wherein the raw data is data that is input to a server by a consumer via electronic means and stored in the server, and is received from the server every predetermined period. The method further comprises raw data acquisition means for acquiring the raw data.
[0009]
According to the abnormal input detection device of the second aspect, the raw data input to the server by the consumer is acquired every predetermined period to detect that the raw data input is abnormal. That is, raw data reflecting consumer's interests and needs is acquired, and it is detected that raw data input is abnormal. Accordingly, it is possible to appropriately acquire raw data that accurately reflects consumer interests and needs.
[0010]
The abnormal input detection apparatus according to claim 3, wherein the correlation data is data created based on raw data acquired in the past, and the correlation data storage unit is based on newly acquired raw data. The apparatus further comprises correlation data updating means for updating the correlation data stored in the database every predetermined period.
[0011]
According to the abnormal input detection device of the third aspect, the correlation data is created based on the raw data acquired in the past, and is updated based on the raw data newly acquired every predetermined period. Yes. Therefore, it is possible to accurately detect that the input of raw data is abnormal by using the updated correlation data as the latest data.
[0012]
The abnormal input detection apparatus according to claim 4, wherein the correlation data indicates an input ratio between the predetermined raw data and raw data having the same target but different notation. It is characterized by being data.
[0013]
The abnormal input detection device according to claim 5, wherein the correlation data has the same meaning as the predetermined raw data, raw data having the same meaning as the predetermined raw data, or the predetermined raw data. It is data showing an input ratio with raw data.
[0014]
According to the abnormal input detection device of the fourth and fifth aspects, the correlation data includes predetermined raw data and raw data that indicates the same object as the predetermined raw data but has a different notation (notation fluctuation). ) Or data indicating an input ratio with raw data having the same or similar meaning. Therefore, from among raw data input by a large number of consumers, based on fluctuations in the notation, etc., it is accurate that the input of raw data input to intentionally distort information is abnormal, and It can be easily detected.
[0015]
The abnormal input detection device according to claim 6 includes a first raw data acquisition means for acquiring raw data input by a consumer via electronic means to the first server, and a second server. Second raw data acquisition means for acquiring raw data input by a consumer via electronic means, and raw data acquired from the first server by the first raw data acquisition means First raw data storage means for storing; second raw data storage means for storing raw data acquired from the second server by the second raw data acquisition means; and the first raw data storage And an input ratio calculating means for calculating an input ratio of specific raw data stored in the second raw data storage means as calculated ratio data, and the first raw data storage means And correlation data storage means for storing the input ratio of predetermined raw data stored in the second raw data storage means as correlation data, and correlation data stored by the correlation data storage means Correlation data extraction means for extracting specific correlation data relating to the specific raw data, comparison means for comparing the calculated ratio data and the specific correlation data, and a result of comparison by the comparison means, the calculated ratio data and the specific data Abnormal input detection means for detecting that the input of specific raw data input to the first server or the second server is abnormal when the correlation data deviates by a predetermined value or more. And the input of the specific raw data input to the first server or the second server by the abnormal input detection means is abnormal. Characterized in that it comprises a warning means for warning if it detects that certain.
[0016]
The abnormal input detection device according to claim 7, wherein the correlation data is data created based on raw data acquired in the past, the raw data input to the first server, and the The apparatus further comprises correlation data updating means for updating the correlation data stored in the correlation data storage means at predetermined intervals based on raw data input to the second server.
[0017]
According to the abnormal input detection device according to claim 6 and claim 7, specific raw data included in raw data input by a consumer to each of the first server and the second server is input. The input of the specific raw data input to the first server or the second server is abnormal by calculating the ratio as calculated ratio data and comparing the calculated ratio data with the specific correlation data. Is being detected. Therefore, it is possible to accurately detect that the raw data input is abnormal based on the bias of the input ratio between the servers.
[0018]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, an abnormal input detection device according to an embodiment of the present invention will be described with reference to the drawings. In the following, as an example, a search keyword input by a consumer on a search engine site established on the Internet is set as raw data, and the input of the raw data is detected as an example. explain.
[0019]
FIG. 1 is a block configuration diagram of the entire system including the abnormal input detection device according to the embodiment. The abnormal input detection apparatus 2 is connected via a network 4 to a Web server 6 of a company that has established a search engine site on the network. The Web server 6 is provided to individual consumers via the network 4. It is connected to consumer systems (terminals capable of accessing search engine sites on a network such as personal computers, mobile terminals, mobile phones, etc.) 8a, 8b, 8c.
[0020]
The abnormal input detection device 2 includes a
[0021]
Here, the correlation data stored in the correlation
[0022]
Here, given raw data and raw data having different notation with respect to the predetermined raw data, when “LONDON” is used as the predetermined raw data, “London”, which is the Japanese notation, When the data is “APPLE”, the lower case “apple” is displayed. When the predetermined raw data is “film”, the film is displayed. When the predetermined raw data is “channel”, the katakana is displayed. A certain “channel”, “docomo” which is the Roman notation when the predetermined raw data is “docomo”, “CDROM” when the predetermined raw data is “CD-ROM”, and the predetermined raw data are “ In the case of “Nomura Securities”, there is “Nomura Securities” which is the new Kanji notation.
[0023]
In addition, as raw data having the same or similar meaning as predetermined raw data, for example, when “Tokyo Stock Exchange” is used as predetermined raw data, the abbreviations “TSE” and “Japan Airlines” are predetermined. When using JAL and Typhoon Information, which are the abbreviations of the English notation, as the predetermined raw data, the Typhoon Bulletin and Toyota Motor Corporation are used as the predetermined raw data. "Toyota Motor" etc.
[0024]
The input of raw data is abnormal. The calculation ratio calculated as the input ratio of specific raw data stored in the raw
[0025]
Next, data input abnormality detection processing performed in the abnormal input detection device will be described with reference to the flowchart of FIG.
[0026]
When a consumer accesses a search engine site via the network 4 using the consumer systems 8a, 8b, and 8c and inputs a search keyword, the input search keyword is input to the Web server 6 as raw data. Remembered. When the search keyword input by the consumer is input once, it is counted as the number of appearances once, and raw data (keyword) is stored in the Web server 6 together with the number of appearances within a predetermined period. When a sentence such as an evaluation comment is input on a community site or the like, the input sentence is divided into words, and the number of appearances of each word within a predetermined period is counted and stored together with each word. Is done.
[0027]
In the abnormal input detection device 2, the raw data (keyword) stored in the Web server 6 and the number of appearances of each raw data are acquired from the Web server 6 through the
[0028]
Next, specific raw data is selected from the raw data, and an input ratio between the specific raw data and the raw data having a correlation with the specific raw data and the input ratio is calculated as the calculation ratio data (step S11). For example, when “earthquake” is selected as specific raw data from the raw data stored in the raw
[0029]
Next, specific correlation data relating to specific raw data, that is, correlation data between specific raw data and raw data having a correlation with the input ratio is extracted from the correlation data storage unit 22 (step S12). For example, correlation data between “earthquake” as specific raw data and “earthquake information” having a correlation with the input ratio is extracted from the correlation
[0030]
Next, the calculation ratio data calculated in step S11 is compared with the specific correlation data acquired in step S12 (step S13). That is, the calculation ratio data of “earthquake” and “earthquake information” calculated in step S11 is 1: 0.745, and the specific correlation data of “earthquake” and “earthquake information” extracted in step S12 is 1 : 0.850 is compared.
[0031]
Here, when the difference between the calculated ratio data and the specific correlation data is equal to or smaller than a predetermined value, the data of “earthquake” acquired on this day (the raw data on “earthquake” stored in the raw
[0032]
If it is determined in step S14 that the input of raw data is normal, the correlation data is updated using the raw data determined to be normal (step S15). That is, the correlation data stored in the correlation
[0033]
On the other hand, if the difference between the calculated ratio data and the specific correlation data is greater than or equal to a predetermined value, it is determined that the input of the “earthquake” data stored in the raw
[0034]
If it is determined that the input of the raw data is abnormal, the raw data determined to be abnormal and the date are displayed on the
[0035]
Next, it is determined whether or not there is data that can be used to update the correlation data in the warning data storage unit 25 (step S18). That is, the calculation ratio data of the warning data stored in the warning
[0036]
If it is determined that the raw data can be used to update the correlation data (step S18), the correlation data is updated using the raw data determined to be usable for updating the correlation data (step S18). S19).
[0037]
On the other hand, when it is determined that there is no raw data that can be used to update the correlation data (step S18), it is determined whether there is data to be excluded from the warning data storage unit 25 (step S20). ). That is, when the calculation ratio data of the warning data stored in the warning
[0038]
When the correlation data is updated (step S19) and when it is determined that there is data to be excluded from the warning data storage unit 25 (step S20), the warning data used for the update and the data to be excluded are determined. The warning data that has been deleted is excluded from the warning data storage unit 25 (step S21).
[0039]
On the other hand, when it is determined that there is no data to be excluded from the warning data storage unit 25 (step S20), the process is ended as it is.
[0040]
According to the abnormal input detection device of this embodiment, using the correlation data created based on the past raw data, the raw data that is input to intentionally distort information from the input raw data. It is detected that the data input is abnormal. Therefore, it is possible to accurately detect that input of specific raw data included in raw data input by an unspecified number of consumers is abnormal. Therefore, raw data that excludes raw data with abnormal input can be acquired, and data mining that accurately analyzes the potential needs of consumers and consumer interests based on raw data can be performed. .
[0041]
In addition, raw data that indicates the same target but has different notation, raw data that has the same meaning as the predetermined raw data, or raw data that has a similar meaning to the predetermined raw data. Since it is detected that the input is abnormal, it is possible to reliably detect that the input of raw data input intentionally to distort information is abnormal.
[0042]
In addition, since the correlation data is updated every day using newly acquired raw data, it is possible to reliably detect that the input of raw data is abnormal based on the latest correlation data. .
[0043]
In this embodiment, predetermined raw data, raw data indicating the same object as the predetermined raw data but having a different notation, and raw data having the same or similar meaning as the predetermined raw data Although the input ratio is stored as correlation data in the correlation
[0044]
In this case, raw data (keywords) is obtained from a plurality of companies that have established a search engine site, for example, companies that have established a search engine A site and companies that have established a search engine B site. , The raw data acquired from each is stored in a separate raw data storage unit, the input ratio of the specific raw data, for example, “earthquake” at the search engine A site and the search engine B site, and the correlation
[0045]
In the above-described embodiment, as the correlation data, the input ratio between the predetermined raw data and raw data having a correlation in input ratio with respect to the predetermined raw data (input ratio between two raw data). However, when there are a plurality of raw data having a correlation in input ratio with respect to the predetermined raw data, the predetermined raw data and the input ratio of the plurality of raw data may be used as the correlation data. That is, when the predetermined raw data is “earthquake” and “earthquake information” and “earthquake early warning” are raw data correlated to the input ratio, “earthquake”, “earthquake information”, “earthquake early warning” May be used as correlation data.
[0046]
In the above-described embodiment, an input ratio between raw data having relevance to a company may be used as correlation data based on the business type of the company. For example, if it is a securities company, the company name and “stock trading”, the name of the service provided by the company, etc., if it is a cosmetics company, the company name and “lipstick”, the name of the company's new product Data indicating the input ratio may be used as the correlation data.
[0047]
In addition, when it is detected that the input of raw data is abnormal, a warning indicating that the input is abnormal is displayed. This warning is made different depending on the degree of deviation between the calculated ratio data and the specific correlation data. It may be. That is, if there is a deviation within a range of ± 10 to 15%, there is a suspicion of input abnormality, and if the deviation is ± 15% or more, a warning may be displayed such as an input abnormality. . Note that the reference value of the degree of deviation between the calculated ratio data and the correlation data for detecting that the raw data input is abnormal is, for example, ± 10%, ± 15%, ± 20% or less (or more), etc. You may do it.
[0048]
In the above-described embodiment, raw data is acquired from the Web server 6 once a day to detect that raw data input is abnormal, but every three days, every week, etc. In this manner, raw data may be acquired every predetermined period to detect that the raw data input is abnormal. Note that after acquiring raw data several times, the acquired raw data may be collected to detect that the input of raw data is abnormal.
[0049]
【The invention's effect】
According to the present invention, it is possible to accurately detect abnormal data input in an attempt to distort information intentionally included in a large amount of raw data input. In addition, raw data that reflects consumer interests and needs is acquired, and it is detected that raw data input is abnormal. It is possible to acquire raw data that accurately reflects the interests and needs of the person.
[0050]
In addition, it is possible to accurately detect that the input of raw data is abnormal using the updated correlation data as the latest data. Furthermore, from among raw data input by a large number of consumers, based on fluctuations in the notation, etc., it is accurately determined that raw data input that is intentionally distorted information is abnormal, and It can be easily detected.
[0051]
Moreover, it is possible to accurately detect whether or not the input of specific raw data input to the first server and the second server is abnormal based on the bias of the input ratio between the servers. .
[Brief description of the drawings]
FIG. 1 is a block configuration diagram of an entire system including an abnormal input detection device according to an embodiment of the present invention.
FIG. 2 is a diagram showing correlation data stored in a correlation data storage unit according to the embodiment of the present invention.
FIG. 3 is a flowchart for explaining a raw data input abnormality detection process performed by the abnormal input detection apparatus according to the embodiment of the present invention;
FIG. 4 is a diagram showing raw data stored in a raw data storage unit according to the embodiment of the present invention.
[Explanation of symbols]
DESCRIPTION OF SYMBOLS 2 ... Abnormal input detection apparatus, 4 ... Network, 6 ... Web server, 8a, 8b, 8c ... Consumer system, 20 ... Data processing part, 22 ... Correlation data storage part, 24 ... Raw data storage part, 25 ... Warning data Storage unit, 26 ... communication control unit, 28 ... display unit.
Claims (7)
前記ローデータ記憶手段により記憶されている特定のローデータと該特定のローデータと入力比率に相関を有し、かつ前記ローデータ記憶手段に記憶されているローデータとの入力比率を算出比率データとして算出する入力比率算出手段と、
所定のローデータと該所定のローデータと入力比率に相関を有するローデータとの入力比率を相関データとして記憶している相関データ記憶手段と、
前記相関データ記憶手段により記憶されている相関データの中から、前記特定のローデータに関する特定相関データを取り出す相関データ取出手段と、
前記算出比率データと前記特定相関データとを比較する比較手段と、
前記比較手段により比較した結果、前記算出比率データと前記特定相関データとが所定の値以上乖離している場合に、前記特定のローデータの入力が異常であることを検出する異常入力検出手段と、
前記異常入力検出手段により前記特定のローデータの入力が異常であることを検出した場合に警告を行う警告手段と
を備えることを特徴とする異常入力検出装置。Raw data storage means for storing input raw data;
The ratio of specific raw data stored in the raw data storage means and the input ratio of the specific raw data to raw data having a correlation with the input ratio and stored in the raw data storage means An input ratio calculating means for calculating
Correlation data storage means for storing input ratios of predetermined raw data and raw data correlated with the predetermined raw data as input data, as correlation data;
Correlation data extraction means for extracting specific correlation data related to the specific raw data from the correlation data stored by the correlation data storage means;
Comparison means for comparing the calculated ratio data with the specific correlation data;
An abnormal input detecting means for detecting that the input of the specific raw data is abnormal when the calculated ratio data and the specific correlation data deviate by a predetermined value or more as a result of the comparison by the comparing means; ,
An abnormal input detection apparatus comprising: warning means for giving a warning when the abnormal input detection means detects that the input of the specific raw data is abnormal.
前記サーバから、所定期間毎に前記ローデータを取得するローデータ取得手段を更に備えることを特徴とする請求項１記載の異常入力検出装置。The raw data is data that is input to a server and stored in the server through electronic means by a consumer,
The abnormal input detection apparatus according to claim 1, further comprising raw data acquisition means for acquiring the raw data from the server every predetermined period.
新たに取得されたローデータに基づいて前記相関データ記憶手段に記憶されている相関データを所定期間毎に更新する相関データ更新手段を更に備えることを特徴とする請求項１又は請求項２記載の異常入力検出装置。The correlation data is data created based on raw data acquired in the past,
3. The correlation data updating means for updating the correlation data stored in the correlation data storage means at predetermined intervals based on newly acquired raw data, according to claim 1 or 2. Abnormal input detection device.
第２のサーバに対して電子的手段を介して消費者によって入力されたローデータを取得する第２のローデータ取得手段と、
前記第１のローデータ取得手段により前記第１のサーバから取得されたローデータを記憶する第１のローデータ記憶手段と、
前記第２のローデータ取得手段により前記第２のサーバから取得されたローデータを記憶する第２のローデータ記憶手段と、
前記第１のローデータ記憶手段及び前記第２のローデータ記憶手段により記憶されている特定のローデータの入力比率を算出比率データとして算出する入力比率算出手段と、
前記第１のローデータ記憶手段及び前記第２のローデータ記憶手段に記憶されている所定のローデータの入力比率を相関データとして記憶している相関データ記憶手段と、
前記相関データ記憶手段により記憶されている相関データの中から、前記特定のローデータに関する特定相関データを取り出す相関データ取出手段と、
前記算出比率データと前記特定相関データとを比較する比較手段と、
前記比較手段により比較した結果、前記算出比率データと前記特定相関データとが所定の値以上乖離している場合に、前記第１のサーバ又は前記第２のサーバに対して入力された特定のローデータの入力が異常であることを検出する異常入力検出手段と、
前記異常入力検出手段により前記第１のサーバ又は前記第２のサーバに対して入力された前記特定のローデータの入力が異常であることを検出した場合に警告する警告手段と
を備えることを特徴とする異常入力検出装置。First raw data acquisition means for acquiring raw data input by a consumer via electronic means to a first server;
Second raw data acquisition means for acquiring raw data input by a consumer via electronic means to a second server;
First raw data storage means for storing raw data acquired from the first server by the first raw data acquisition means;
Second raw data storage means for storing raw data acquired from the second server by the second raw data acquisition means;
Input ratio calculation means for calculating an input ratio of specific raw data stored in the first raw data storage means and the second raw data storage means as calculation ratio data;
Correlation data storage means for storing input ratios of predetermined raw data stored in the first raw data storage means and the second raw data storage means as correlation data;
Correlation data extraction means for extracting specific correlation data related to the specific raw data from the correlation data stored by the correlation data storage means;
Comparison means for comparing the calculated ratio data with the specific correlation data;
As a result of comparison by the comparison means, when the calculated ratio data and the specific correlation data are more than a predetermined value, a specific low level input to the first server or the second server is input. An abnormal input detecting means for detecting that the data input is abnormal;
Warning means for warning when it is detected that the input of the specific raw data input to the first server or the second server by the abnormal input detection means is abnormal. An abnormal input detection device.
前記第１のサーバに対して入力されたローデータ及び前記第２のサーバに対して入力されたローデータに基づいて前記相関データ記憶手段に記憶されている相関データを所定期間毎に更新する相関データ更新手段を更に備えることを特徴とする請求項６記載の異常入力検出装置。The correlation data is data created based on raw data acquired in the past,
Correlation for updating the correlation data stored in the correlation data storage means at predetermined intervals based on raw data input to the first server and raw data input to the second server The abnormal input detection device according to claim 6, further comprising a data update unit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001321868A JP3635257B2 (en) | 2001-10-19 | 2001-10-19 | Abnormal input detection device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001321868A JP3635257B2 (en) | 2001-10-19 | 2001-10-19 | Abnormal input detection device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003132075A JP2003132075A (en) | 2003-05-09 |
| JP3635257B2 true JP3635257B2 (en) | 2005-04-06 |
Family
ID=19139008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001321868A Expired - Fee Related JP3635257B2 (en) | 2001-10-19 | 2001-10-19 | Abnormal input detection device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3635257B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108170581A (en) * | 2017-12-27 | 2018-06-15 | 北京奇艺世纪科技有限公司 | A kind of fault early warning method, device and electronic equipment |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4504849B2 (en) * | 2005-03-16 | 2010-07-14 | 株式会社野村総合研究所 | Keyword analysis system |
-
2001
- 2001-10-19 JP JP2001321868A patent/JP3635257B2/en not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108170581A (en) * | 2017-12-27 | 2018-06-15 | 北京奇艺世纪科技有限公司 | A kind of fault early warning method, device and electronic equipment |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2003132075A (en) | 2003-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20250077532A1 (en) | Apparatus, systems and methods for scoring and distributing the reliablity of online information | |
| US8401771B2 (en) | Discovering points of interest from users map annotations | |
| US20070073708A1 (en) | Generation of topical subjects from alert search terms | |
| US9292830B2 (en) | Method and apparatus for social media advisor for retention and treatment (SMART) | |
| US20050149507A1 (en) | Systems and methods for identifying an internet resource address | |
| US20130304818A1 (en) | Systems and methods for discovery of related terms for social media content collection over social networks | |
| US20140040371A1 (en) | Systems and methods for identifying geographic locations of social media content collected over social networks | |
| JP4909633B2 (en) | Posting information evaluation method and system | |
| US20160239496A1 (en) | Apparatus, systems and methods for scoring and distributing the reliablity of online information | |
| US10198471B2 (en) | Joining semantically-related data using big table corpora | |
| US12373505B2 (en) | Business listings | |
| BRPI1015164B1 (en) | method and system for automatically generating location-specific content, and method and system for automatically determining and providing location-specific content. | |
| US9292608B2 (en) | Methods, systems, and computer program products for implementing intelligent agent services | |
| US20240037573A1 (en) | Method and apparatus for group filtered reports | |
| US20110184940A1 (en) | System and method for detecting changes in the relevance of past search results | |
| CN113781180B (en) | Article recommendation method and device, electronic equipment and storage medium | |
| US20150269268A1 (en) | Search server and search method | |
| US6282318B1 (en) | Method and system for combining pattern matching and optimization | |
| JP3635257B2 (en) | Abnormal input detection device | |
| JP6961148B1 (en) | Information processing system and information processing method | |
| Margaris et al. | Enhancing rating prediction quality through improving the accuracy of detection of shifts in rating practices | |
| US20160147902A1 (en) | Data provision device, data provision method, and data provision program | |
| JP6534256B2 (en) | Name identification program | |
| JP4283522B2 (en) | Abnormal input detection device | |
| AU2017232032A1 (en) | Real-time method and system for assessing and improving a presence and perception of an entity |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 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: 20041221 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20041228 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3635257 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090107 Year of fee payment: 4 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100107 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100107 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110107 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110107 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120107 Year of fee payment: 7 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130107 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130107 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140107 Year of fee payment: 9 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |