CUSTOMER BEHAVIOR PREDICTION METHOD, CUSTOMER BEHAVIOR PREDICTION DEVICE, AND CUSTOMER BEHAVIOR PREDICTION PROGRAM

An acquisition unit (15a) acquires a voice feature quantity vector representing features of input voice data, an emotional expression vector representing a customer's emotion corresponding to the voice data, and a purchase intention vector representing the customer's purchase intention cor...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: NAGANO, Mizuki, IJIMA, Yusuke
Format: Patent
Sprache:eng ; fre ; jpn
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:An acquisition unit (15a) acquires a voice feature quantity vector representing features of input voice data, an emotional expression vector representing a customer's emotion corresponding to the voice data, and a purchase intention vector representing the customer's purchase intention corresponding to the voice data. A learning unit (15b) uses voice feature quantity vectors, emotional expression vectors, and purchase intention vectors to generate, through learning, a purchase intention estimation model (14a) for estimating a customer's purchase intention corresponding to voice data. Selon l'invention, une unité d'acquisition (15a) acquiert un vecteur de quantité de caractéristiques vocales représentant des caractéristiques de données vocales d'entrée, un vecteur d'expression émotionnelle représentant l'émotion d'un client correspondant aux données vocales, et un vecteur d'intention d'achat représentant l'intention d'achat du client correspondant aux données vocales. Une unité d'apprentissage (15b) utilise des vecteurs de quantité de caractéristiques vocales, des vecteurs d'expression émotionnelle et des vecteurs d'intention d'achat pour générer, par apprentissage, un modèle d'estimation d'intention d'achat (14a) pour estimer l'intention d'achat d'un client correspondant à des données vocales. 取得部(15a)が、入力された音声データの特徴を表す音声特徴量ベクトルと、該音声データに対応する顧客の感情を表す感情表現ベクトルと、該音声データに対応する該顧客の購買意欲を表す購買意欲ベクトルとを取得する。学習部(15b)が、音声特徴量ベクトルと感情表現ベクトルと購買意欲ベクトルとを用いて、音声データに対応する顧客の購買意欲を推定する購買意欲推定モデル(14a)を学習により生成する。