JP2004533660A - 知能性能ベースの製品推奨システム - Google Patents

Abstract

要約書なし。

Description

【０００１】
［関連特許とのクロスリファレンス］
本発明は、２０００年１０月１８日付け、米国暫定特願６０／２４１，４０５号の恩典を請求する。その内容が、参考文献としてここに完全に組み入れられる。
【０００２】
［背景］
［発明の分野］
本発明は、一般に製品情報を作成し、伝達し、そして処理するためのシステム及び方法に関する。より特別には、本発明は、消費者から製品の効果についての題目と目的とを収集すること、及び、この情報を、製品の勧告と副次的情報とを作るため、勧告の精度を周期的に改善するため、及び製品の勧告と副次的情報とを消費者に伝達することに向けられる。
【０００３】
［関連技術の説明］
商業的に入手可能な多くの製品は、長期使用の後においてのみ有用な結果を提供する。或る種の製品について、これらの効果を使用期間中に増進させることができる。従って、多くの製品の使用によりなされた変化は、消費者により完全に認識されることはない。この認識の欠如は、特に消費者が製品の使用前及び使用後の状態を数量的に比較できないことから来る。と言うよりは、状態の変化として、どんなに大きくとも、製品の使用開始後のある状態への結果を比較する傾向がある。従って、消費者は、製品の効果が良い、悪い、又は変化なしの偽の印象を得ることがある。
【０００４】
商業的に入手可能な多くの製品の効力を消費者が数量的に検討できないことを更に複雑化するものは、消費者の関心のある状態に関する製品の客観的情報を伝達しているラベルを担持するための、市場における多くのオプション及び多くの製品の故障と不能とを試験することの困難である。しかし、今や、インターネットの進歩及び推奨システム、神経回路網、及び協同フィルタリングの領域における開発が前述の諸問題へのアドレスの機会を提供する。
【０００５】
［インターネット及びその他の公衆的及び個人的回路網］
用語「インターネット」は、「インター回路網」の略語であり、通常、コンピューター回路網の技術において公知のプロトコルＴＣＰ／ＩＰスーツを利用する回路網及びゲートウエイの集積を呼ぶ。ＴＣＰ／ＩＰはＴｒａｎｓｍｉｓｓｉｏｎ Ｃｏｎｔｒｏｌ Ｐｒｏｔｏｃｏｌ／Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌの頭字語である。インターネットは、使用者が回路網にわたって情報を交換しかつ共有できるネットワーキングプロトコールを実行しているコンピューターにより相互に連結されかつ地理的に分布された遠隔コンピューター回路網システムとして説明することができる。かかる広範に拡張された情報共有のため、インターネットのような遠隔回路網は、一般に「オープン」システムに展開することができ、開発技術者は、これにより、特化された作業又はサービスを行うためのソフトウエアアプリケーションを、本質的に拘束なしに設計することができる。
【０００６】
データ処理回路網間を送信された電子情報は、通常は、情報を与えるためのハイパーテキスト、メタファーで与えられる。文字、画像、音響、及びアクションが一緒に複合ノンシーケンシャルウエブの連合体に結合され、使用者がトピックスの与えられた順序とは無関係に関連のトピックスを通り「ブラウザ」又は「ナビゲート」することを許す。これらリンクは、ハイパーテキスト文書の注文書に応じてハイパーテキスト文書の著者及び使用者の両者により確立されることが多い。例えば、データ処理システムにおける図像的ユーザーインターフェース内で展示された項目「鉄」にリンクしたトラベリングは使用者を化学成分（即ち言語「鉄」によりリンクされた成分）の周期表に導き、又は暗黒時代におけるヨーロッパの武器における鉄の使用の参考文献に導くであろう。用語「ハイパーテキスト」は、コンピューターにより与えられたような、書物、フィルム、及びスピーチの線形フォーマットとは逆の理念の非線形構造を説明するドキュメントを説明するために１９６０年代に創出された。
【０００７】
ハイパーテキスト変換を利用する典型的なハイパーテキスト回路網システムは、クライアント／サーバー構造に従う。「クライアント」は、関係のない別のクラス又はグループのサービスを使用する或るクラス又はグループのメンバーである。従って、計算においては、クライアントは、別のプログラムにより提供されるサービスを注文するプロセス（即ち、おおむね、指令又はタスクの組）である。クライアントプロセスは、別のプログラム又はサービス自体に関する詳細をいかに作業するかを「知る」ことなしに注文されたサービスを利用する。クライアント／サーバー構造、特に回路網システムにおいては、クライアントは、通常は、別のコンピューター（即ち、サーバー）により提供される共有回路網資源にアクセスするコンピューターである。
【０００８】
クライアントとサーバーとは、ハイパーテキスト送受信プロトコル（ＨＴＴＰ）により提供された機能を利用して互いに通信する。ワールドワイドウエブ（ＷＷＷ）又は単にウエブは、コンピューター又はユニフォームリソースロケーター（ＵＲＬ）のようなデータ処理システム回路網アドレスを介してクライアントへのアクセスが可能であるこの標準（即ち、ＨＴＴＰ）に密着したサーバーを含む。回路網アドレスは、ＵＲＬアドレスと呼ぶことができる。例えば、通信は通信媒体上で提供することができる。特に、クライアント及びサーバーは、大容量通信のために、ＴＣＰ／ＩＰ接続を介して互いに結合することができる。クライアント内の活動は、「ブラウザー」として知られる第１のプロセスであり、これがサーバーとの接続を確立しかつ使用者に情報を与える。サーバー自体は、ＨＴＴＰ応答の形式でクライアントに情報を提供する関連のサーバーソフトウエアを実行する。ＨＴＴＰ応答は、ハイパーテキストマークアップランゲージ（ＨＴＭＬ）から構成された「ウエブページ」、又はその他のサーバー作成データに対応する。各ウエブページは、単に「ページ」と呼ぶこともできる。
【０００９】
クライアントは、典型的に、ブラウザーのような公知のソフトウエアアプリケーションを使用して、回路網を通してサーバーから提供された情報を展示する。大多数のブラウザーは、種々の形式のデータを展示しかつ操作し得る最近の図像式使用者インターフェースを持つ。図像式使用者インターフェースは、使用者が、スクリーン上の図表現（アイコン）及びメニュー項目リストを指すことにより、指令、スタートプログラムを選び、かつファイルリスト及びその他のオプションを見ることができるディスプレイフォーマットの一型式である。選択は一般にキーボード又はマウスのいずれかで行うことができる。インターネットサービスは、典型的に、特有の回路網アドレスを特定することにより（即ち、典型的にＵＲＬで）アクセスされる。ＵＲＬアドレスは、２個の基本的構成要素、即ち使用すべきプロトコル及びオブジェクトパスネームを持つ。例えば、ＵＲＬアドレスｈｔｔｐ：／／ｗｗｗ．ｕｓｐｔｏ．ｇｏｖ（即ち、米国特許庁のホームページ）は、ＨＴＴＰ及びサーバー（ｗｗｗ．ｕｓｐｔｏ．ｇｏｖ）のパスネームを特定する。サーバーネームは、１個以上の相当ＴＣＰ／ＩＰアドレスと組み合わせられる。
【００１０】
［神経回路網解析］
神経回路網解析は、独立変数と従属変数との間の非線形関係をモデル化する方法である。解析は、独立変数と従属変数との間の非線形関係を正確にモデル化する回路網を作ることにより行われる。妥当な神経回路網が作られると、これを、既知の独立変数に基づいて未知の従属変数の値を予測するために使うことができる。神経回路網解析における変換において、独立変数は入力と呼ばれ、従属変数は出力と呼ばれる。
【００１１】
神経回路網のパワーは、入力と出力との間の関係をモデル化するために使用される非線形方程式にある。この方程式はコネクションウエイトと呼ばれる１組の変数により定められる複素関数である。コネクションウエイトに対する特性値は、一組のトレーニングデータを試験するトレーニングアルゴニズムにより決定される。トレーニングデータは、モデル化される非線形関係を表現する入力及びこれと組み合わせられた出力との組である。トレーニングアルゴニズムは、トレーニングデータ入力を持ち、そして神経回路網の予測出力とトレーニングデータ出力との間の誤差を最小にするコネクションウエイトを見いだす。
【００１２】
神経回路網は、構造的に、入力層、１個以上の隠された層、及び出力層から成り立つ。出力層及び隠された層は互いに連結されかつ神経回路網の主な構成用ブロックである処理用要素である。入力層の第１の機能は、第１の隠された層の処理要素への入力値の経路を作ることである。各処理要素は各入力に異なったコネクションウエイト値を掛けて積を得て、次いで個々の積を加える。得られた結果は、処理要素出力を作るため、非線形伝達関数を通過させられる。１層の全ての処理要素出力が次の層の処理要素に向けられ、ここで同様の処理が繰り返される。神経回路網の最終層は出力層であり、これは線形及び／又は非線形の処理要素を持つことができる。非線形処理要素は上述されたと同じ方法で入力を処理する。線形処理要素は、その処理要素の入力をその処理要素の出力に通過させるだけである。出力層の処理要素の出力が神経回路網の最終出力を作る。
【００１３】
別の神経回路網の設計の考えは、神経回路網が全部接続され及び／又はフィードバックされる設計を含む。ある層の全ての出力が次の層の入力として使えるならば、神経回路網は完全に接続される。内部フィードバックループがない場合（即ち、ある層の出力が先行の層の入力として使用されない場合）は、神経回路網はフィードバックされる。
【００１４】
神経回路網作成の第１段階は、何を出力とすべきかを定めることである。これら出力は神経回路網の最終出力であろう。次の段階は、出力値に実質的に影響を与えるであろう全ての変数を識別することである。これら変数は、神経回路網への入力となるであろう。回路網の入力と出力とが識別されると、層の数及び各層の処理要素の数を含んだ神経回路網の残りの構造を決定することができる。
【００１５】
神経回路網の構造が決定されると、神経回路網を作ることができる。神経回路網は、作成後、トレーニングデータを用いてトレーニングされる。トレーニングデータは、入力値及びこれらと組み合わせられた出力値を含んだデータの組であり、これらは神経回路網によりモデル化された統計的関係を表している。特にモデル化される関係が本来静的である場合は、より多くのトレーニングデータが集められ使われる方が良い。
【００１６】
トレーニングは、神経回路網により組み込まれたトレーニングアルゴニズムにより達成される。トレーニングアルゴニズムは、トレーニングデータを処理して、トレーニングデータ入力とトレーニングデータ出力との間の関係を最もうまくモデル化する適切なコネクションウエイトを選定する。
【００１７】
神経回路網の性能は、トレーニングされると、試験データを用いて評価することができる。神経回路網の試験は次のようにして達成される。試験データを神経回路網内に個々に入力する。神経回路網が作動させられ、各試験データについて予測された出力が作られる。神経回路網が適正に作動しているか否かを判定するために、予測された出力が実際の試験データと比較される。試験データでうまく行かなかった神経回路網は使用すべきではない。
【００１８】
神経回路網がトレーニングされた後、これを、種々の入力に基づいて出力を予測するために使用することができる。次いで、得られた予測を神経回路網を設計した目的のために使うことができる。神経回路網の例が、米国特許５，７２４，２５８号「多焦点コンタクトレンズのための神経回路網解析」、及び米国特許５，８３９，４３８号「医療用の診断及び判定のためのコンピュータベースの神経回路網システム及び方法」に示され説明される。これら両特許は参考文献として全文がここに組み入れられる。神経回路網に関するその他の詳細及び原理がＲｏｂｅｒｔ Ｊ．Ｓｃｈａｌｋｏｆｆ；Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ（ＭｃＧｒａｗ−Ｈｉｌｌ，１９９７）に説明される。この内容も参考文献として全文がここに組み入れられる。
【００１９】
［現存の製品推奨システム］
インターネットの進歩及びそのｅコマースにおける役割が、多数の製品推奨システム及び方法の開発をもたらした。これらシステムの多くは、以下の目的及び方法の一つ以上を分担する。第１に、システムは、各顧客が多くの製品の中から自分にとってより価値のある製品についての小さくてより扱い易い下位集団を見いだすことの支援を計画する。多くの場合、顧客が製品の完全な組の製品説明をブラウズすることは単純にはできない。例え、それができたとしても、製品の説明には、顧客が或る特定の製品の自分の関心事及び興味に関する値にアクセスするに十分な関連情報は含まれていない。第２に、システムは、顧客の購入挙動及び製品の使用のフィードバックの解析により顧客の特定製品に対する嗜好を判定することを探求する。この種の情報は、調査を通して作られた顧客の単純かつ明示的なプロフィルからの利用可能性を広げる。第３に、推奨システムは、或る与えられた顧客と或る点又は別の点において似ている別の顧客からの開発情報を探す。
【００２０】
これら推奨システムの多くは、顧客個々の挙動について利用可能な補足情報への協同フィルタリング又は内容に基づくフィルタリングのような手法を利用する。フィルタリングのような手法を用いたシステムの成功は、システムを使用する多くの顧客の興味、関心事、及び特性にかなりの重複度があるという（多くの環境において合理的である）仮定に基づいて決められる。しかし、与えれた顧客と似た顧客の適切なグループ又は「近隣」を定め、更に本発明の推奨システムにより、近隣の嗜好から個々の嗜好を予測することも技術的な挑戦であることが多い。最後に、本推奨システムの或るものは、非常に限定されかつ単純な方法で、進行中の顧客の経験と挙動とを組み込むように推奨を周期的に適合させる。
【００２１】
現存の製品推奨システムの一般的分野は以下のようである。しかし、本システムの多くは、どれか一つの分野内に適切に入るだけということのない点に注意すべきである。また、以下の幾つかの分野は網羅的であることを意図しない。
【００２２】
現存の製品推奨システムの一型式は非個性化推奨システムである。非個性化システムは、他の消費者により提供された製品の平均情報に基づいて個々の消費者に製品を推奨する。非個性化製品推奨システムの例は、Ａｍａｚｏｎ．ｃｏｍ及びＭｏｖｉｅｆｉｎｄｅｒ．ｃｏｍのものである。或る特定の製品に関する情報を探している全ての消費者に対して同じ製品推奨が作られ、そして全ての製品推奨はどの特定の消費者に対しても完全に独立している。
【００２３】
別型式の現存の製品推奨システムは、推奨を公式化するために項目対項目の相関を使用する。項目対項目システムは、消費者が既に購入した製品間の関係、又は消費者が興味を示した製品間の関係に基づいて個々の使用者に対して別の製品を推奨する。使用される関係は、典型的に、銘柄の識別、香り、販売アピール、市場の流通、及び同等である。全ての場合において、関係の基礎となる情報は潜在的に含まれる。換言すれば、消費者が何を観察し何を好むかという明確な情報は依頼されない。個々の消費者が嗜好を表明した製品と購入し得る製品との間の明白な関係を見いだすために、データ発掘のような手法が使用される。製品の実際の性能或いは消費者（又は他の消費者）が購入製品を最終的に好むか否かは、この型式のシステムによる推奨の公式化には全く役割を演じていない。
【００２４】
第３の型式の現存の製品推奨システムは、属性に基づいたシステムである。属性ベースの推奨システムは、その推奨を公式化するために入手可能な製品の構文上の特性又は記述的「内容」を利用する。言い換えれば、属性ベースのシステムは、製品の属性を容易に分類できること、及び個々の消費者が推奨システムからの支援又は入力なしにどれを購入すべきかを知ることを仮定する。属性ベースの推奨システムの例は、Ｒｅｅｌ．ｃｏｍ．により提供されるＭＯＶＩＥ ＭＡＰである。ＭＯＶＩＥ ＭＡＰサービスにより与えられた推奨は、消費者により選ばれた映画の分野にのみ基づく。属性ベースシステムの主な欠点の一つは、好結果の推奨を得るための属性の適正な分類に関する消費者及び／又は専門家の間の混乱がしばしばあることである。例えば、自動車用ワックスの場合、古い車に対してシリコンベース又はワックスベースのクリーム又はローションが最適の結果を提供するかについての不一致がある。
【００２５】
製品推奨システムの分野において、協同フィルタリングは、内容ベースのフィルタリングよりも信頼し得ることが確かめられている。にも拘わらず、両者は、本発明の或る実施例が一方及び／又は両方の型式のフィルターを使用するとして説明されるであろう。
【００２６】
［内容ベースのフィルタリング］
図１は、内容ベースのフィルタリングの背後の幾つかの原理を示す。一人の使用者のためのマトリックス１００が示される。予測は別の使用者からのデータには目をつぶり、またシステムは全ての製品格付けが２進値（即ち、正又は負）であるとする。マトリックスは粗ではない。分野１０２が石鹸Ｓであるとすれば、内容ベースのフィルタリング手法は、使用者による格付け１０１を有する製品１１０ａ−１１０ｌ（例えば１１０ｂ−ｃ、１１０ｅ、１１０ｇ、及び１１０ｋ）と組み合わせられた特徴（価格１０３、香り１０４、粘度１０５、及び同等）を識別するためにマトリックス１００を検査する。次いで、使用者を特徴付けるために適切な特性１０３−１０５が使用される。次いで、実際は使用者により格付けされなかった製品（例えば、製品１１０ａ、１１０ｄ、１１０ｆ、１１０ｈ−ｊ、及び１１０ｌ）に対する予測格付け１０１が、格付けされた製品のクラスターの近くに基礎が置かれた特性空間内にマッピングされる。例えば、消費者が、一般に高価な石鹸（１から１０に格付けでき、１は最も安価を表し、１０は最も高価を表す）と呼びかつ無香（ＵＳ）の香り１０４（香り＝Ｖ、及び野いちごの香り＝ＷＢ）を有することを特徴とすることが、マトリックス内の格付けされた製品に関する情報から推論できる。従って、使用者は実際には格付けされた製品１１０ａを持たないマトリックス１００によりにより特徴付けられるが、製品１１０ａは無香でありかつ普通の価格であるため、使用者は製品１１０ａを好意的に格付けするであろうことを内容ベースフィルタリングを使って予測することができる。個々の使用者を正確に反映する特性空間を一般化するために適切な製品の特性を決定するための多くの方法があること、及びシステムが、或る特定の使用者又は使用者の嗜好の変化について、より多く学習するように時が経つにつれて特徴を追加し又は削除することができることに注意されたい。
【００２７】
［協同フィルタリング］
一方では、協同フィルタリング（社会的情報フィルタリングとも呼ぶ）は、典型的に、協同グループに適合し得る拡張された製品嗜好の組を記録する。換言すれば、協同フィルターは高度に関連する「同様な使用者」に製品を推奨する。社会的情報は、同様なパターンの製品嗜好であることが多い。
【００２８】
図２は、協同フィルターの幾つかの基本の原理を示す。この場合も、２進式の製品格付けが仮定される。格子２００は、製品の列２０１ａ−２０１ｌと使用者の行２０２ａ−２０２ｐとから構成される。システムが、或る特定の製品及び使用者について適宜の格付けデータを持つならば、このデータは、適切な製品列と使用者行との交差により形成されたセルにおいて格子２００内に入力される。例えば、格子２００から、使用者２０２ａが製品２０１ａを正に格付けしたことが見られる。マトリックス２００に入れられた全ての格付けデータにより、これがあまり人気のないことが予想される。協同フィルターの目的は、格付けデータを持たないセルを、マトリックス２００にマップされた同様な使用者により与えらえた格付けに基づいた正確な予測で満たすことである。製品２０１ａ−ｌに対する使用者の格付けが円２０３内に囲まれている目標使用者２０２ｉを考えることとする。協同フィルタリングは、使用者２０２ｏを、（矢印２０４により示された）製品２０２ａ−ｐの格付けにおける目標使用者２０２ｉと同様であるとして識別する。この類似性に基づいて、システムは、使用者２０２ｏと同様であると予測することができ、目標使用者２０２ｉは、製品２０１ｌを実際に使用したとすると同様に正に格付けするであろう。従ってシステムは、製品２０１ｌを目標使用者２０２ｉに推奨することができる。協同フィルター技術の熟練者は、多くの同様な使用者に基づいて、基礎予測に最寄りの適切な下位集団を選び、実際に値を付けた格付けをプロセス内に取り入れ、そして実際に値を付けた格付けを作るための多くの技法があることを認めるであろう。
【００２９】
１個のシステム内で協同及び内容ベースのフィルターを組み合わせることがなされた。組み合わせた協同及び内容ベースのフィルタリングは改良された協同フィルタリング予測を産み、ここでは、使用者データベースは内容ベースフィルターに従って分割される。組み合わせられたシステムの例が、Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ａｓ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ：Ｕｓｉｎｇｕ Ｓｏｃｉａｌ ａｎｄ Ｃｏｎｔｅｎｔ−Ｂａｓｅｄ Ｉｎｆｏｒｍａｔｉｏｎ ｉｎ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｆｉｆｔｅｅｎｔｈ Ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｒｔｉｆｉｃａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ（ＡＡＡＩ−９８），Ｂａｓｕ，Ｃ．，Ｈｉｒｓｈ，Ｈ，ａｎｄ Ｃｏｈｅｎ，ｗ，１９９８に説明される。ここでは、映画の推奨を予測するために、内容ベースの特性により拡大された協同フィルタリングが使用される。内容ベース特性はデータベース内にあり、かつ映画関係者（即ち、俳優、ディレクター、及び同等）、ジャンル、言語、及び長さを含む。改良された協同フィルタリングの結果は、使用者データベースが使っている特定使用者の気に入った映画のジャンルで分割された。組み合わせられた内容ベース及び協同フィルタリング推奨システムの例は、Ｃｏｍｂｉｎｉｎｇ Ｃｏｎｔｅｎｔ−Ｂａｓｅｄ ａｎｄ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ；Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｏｆ ｔｈｅ ＡＣＭ（Ｂａｌａｂａｎｏｖｉｃ，Ｍ；Ｓｈｏａｍ，Ｙ；１９９７）（ｈｔｔｐ：／／ｃｉｔｅｓｅｅｒ，ｎｊ，ｎｅｃ．ｃｏｍ／ｂａｌａｂａｎｏｖｉｃ９７ｃｏｍｂｉｎｉｎｇ．ｈｔｍｌ）において説明される。Ｂａｌａｂａｎｏｖｉｃ ａｎｄ Ｓｈｏｈａｍシステムは、インターネット文書フェッチにおける使用者の関心の学習のために内容ベース及び協同フィルタリングを使用し、そして使用者のためのプレフェッチウエブページを推奨する。
【００３０】
［問題点の概要］
以上の説明から、本技術において、多くの技法を使っている多くの製品推奨システムがあることが明らかである。しかし、現在の推奨システムがかなりの欠点を有することも容易に認められる。例えば、或る特定の消費者について考えられる製品の大多数ではないが多くは、他の多くの消費者により使用されずかつ格付けされず、これにより協同フィルタリングベースのシステムを不利な立場にする。また、消費者は、消費者の要求が自分の使用し得る或る特定製品に多少は又は全く適合しているか或いは適合していないかを知ること又は判定することが非常に困難であることが多い。このことは、製品のアドレスしている要求が応答の増加を特徴とする場合に特に真実である。更に、現存のシステムは或る分野の製品では役立つが、推奨される製品の性能が複雑であるか又は未知である場合は不適当である。社会統計的感覚では同様であってもアドレスをしない他の消費者の格付けパターンに大きな値がある場合は、消費者が異なった基本的状態を有しかつ製品へのアドレスに問題がある可能性、及び処理される状態又は問題が製品により極めて異なった応答をする可能性がある。多くの分野において、他の同様な使用者の格付けパターン、製造者による約束、又は製品の構成要素又は構成の検査に基づいた製品の性能の信頼し得る予測はできない。
【００３１】
従って、本技術において、第１に消費者の選択パターンに頼らず、製品性能、高度に正確な製品性能にするための最適化された分割ベース及び／又は性能ベースの学習に頼る個別化された製品推奨システムについての要求がある。
【００３２】
［発明の概要］
本発明は、製品を商業的に購入できる予め定められた人々から製品の使用効果及び推奨製品を予測するため、通信回路網を利用するシステムと方法及び消費者と製品とを特徴付ける多変量データ上で作動する製品推奨処理について考える。本発明の処理能力は、処理計算の設計及びアルゴニズムに含まれる知能、及び入力、消費者から受けた主観的及び／又は客観的な製品情報、初期設定の部分としてのシステムへの入力、及び類似の要求又は応答の点で消費者内に共通性を見いだし得る消費者の特性に基づく。本発明の一実施例においては、システムのデータ処理部分は、インターネットを介して消費者から入力を受け取る。システムの出力は、消費者により識別された問題又は関心事について消費者が好み及び／又は実行するであろうと予測する製品の組を含む。性能及び嗜好の予測は、消費者の問題及び製品応答パターンの機能である。客観的な製品情報は、一般に、目標基体に関する人間の関心事に科学的関係を有するパラメーターを測定し及び／又は主観的性能評価と相関する診断装置により得られる。診断装置により測定されたデータは、インターネットを介して本発明のデータ処理部分に通信することができる。診断装置は、インターネットに直接インターフェースすることができる。システムのデータ処理部分からの出力、製品推奨及び／又は副次的情報は、同様にインターネットを介して消費者に提示することができる。
【００３３】
本発明のデータ処理部分は、神経回路網を備えることができる。神経回路網は、他の消費者の記述的特性と組み合わて使用された製品に対する本発明を使用している消費者の記述的変数の入力変数と他の消費者の性能及び／又は嗜好応答との間の関係（典型的には非線形）をモデル化し、更に個々の製品の性能及び／又は嗜好の予測の変数を出力するために使用される。神経回路網は、関連の人々の下位集団の実際の製品性能及び嗜好のデータを作りつつトレーニングすることができる。これは、消費者人口のグループ又は部分にわたり平均化された入力製品データ（製品属性と呼ばれる）、並びに神経回路網の複雑さを効果的に減らすためにグループ又は部分の記述的特性として使用することができる。本発明の或る実施例においては、予測された嗜好及び性能と本発明の使用者により集められた実際の嗜好及び性能データとの比較を使って評価と最適化の明確な処理により、神経回路網が周期的にリトレーニングされる。
【００３４】
本発明の実施例は、推奨エンジンにおける協同フィルター及び／又は内容ベースフィルターを利用することができる。協同フィルターにおける近隣の構成は、個々の関心事パラメーター、分野の目標状態、製品に対する性能応答のパターン、製品嗜好パターン、製品嗜好出版物、及び同等を含む複数の項目よりなる空間に基づく。
【００３５】
本発明の或る実施例は、客観的及び／又は主観的フィードバック入力を通して、製品の現実世界性能、処理される目標基体の状態、及び製品使用に対する基体応答についてのデータを得る。本発明の種々の実施例は、多くの消費者から集められたこの情報を、類似の応答に基礎を有する他の消費者に製品を推奨するために使用する。類似性のための基礎は、個々の基礎についての関心事及び状態を含むことができる。本発明は、実際に範囲の限定されない消費者にわたり更にいかなる製造者の製品についてもこの情報を得ることができる。本発明は、製造者の個性又は商業的意図、性能、価格、嗜好、及び同等の諸項目における消費者の希望のみに基づく消費者への製品の推奨についてバイアスなしであるように意図される。
【００３６】
本発明は、製品性能及び消費者嗜好をより正確に予測するために、そのデータ処理部分をリトレーニングすることができる。本発明の実施例がリトレーニングを利用するときは、消費者数及び多くのフィードバック入力が蓄積されるため、本発明は、これら消費者の現実世界の経験に基づきより大きい正確さを獲得する。この精度の上昇により、本発明は、与えられた分野で使用される製品間の差を許し、これは、典型的に商業的なクレームのサポート及び１個の製品の臨床的追跡を典型的の１個の製品及び小さいベースサイズの研究よりも、消費者にとってより価値がある。客観的データが集められた場合、本発明は、客観的データに基づいた性能応答モデルを作るための消費者の関心事との相関又はその他の関係を識別することができる。
【００３７】
本発明の実施例は、製品に対する消費者の嗜好、処理すべき基体（例えば消費者の皮膚）の現在及び過去の状態、及び現在及び過去の製品使用に対する基体の応答を含んだ消費者統計及び基体の要求についてのデータを集めることができる。分野関連産業における使用情報の作成のような或る目的については、本発明は、グループ又は区分と呼ばれる消費者の、予め定められ又は自然に集まった下位集団内の製品の平均効果についてのデータを集めることができる。区分は、製品への要求又は応答の類似性により特徴付けられる。本発明の或る実施例においては、製品推奨は、区分の特徴と類似した消費者の特性及び製品についての区分の平均応答に基づいて形成することができる。区分は、リトレーニングを通じて動的に定めることができる。別の実施例は、協同フィルタリングにより定められた動的に構成された消費者の近隣の中での製品へのフィードバック応答に基づいて推奨を作るために使用されるデータを作る。個々の消費者は、現在又は歴史的製品の情報に関する種々の情報にアクセスすること及び／又は入手可能な製品の仮定の使用の性能及び嗜好のシステム予測を得ることもできる。
【００３８】
［好ましい実施例の詳細な説明］
本発明のこれら及びその他の特徴、態様、及び利点は、特許請求の範囲及び本発明の種々の実施例の以下の説明と図面とに関連してより良く理解されるであろう。
【００３９】
以下の詳細な説明を通して、同様な番号は全ての図面の同様な構成要素を指す。また、本発明の実施例は、大部分がスキンケヤ及びスキンケヤ製品の項目について検討され説明される。しかし、本発明は、スキンケヤ又はスキンケヤ用製品には限定されない。むしろ、本発明は、広範囲の目標物質及び製品の分野に広く応用可能である。
【００４０】
［例示システム］
図３及び４は、それぞれ本発明が存在し得る第１及び第２の例示回路網環境を示す。実際の回路網環境は、言うまでもなく種々の構成で配列でき、本発明はここに図示され説明される実施例に限られるとしては意図されない。図３に示された環境は、クライアントサービスシステム３００のものである。システム３００は、パソコン、薄型クライアント用手持ち型計算装置、及び同等となし得るクライアントコンピューター３２０、３２０ａを備える。システム３００は、少なくも１台のサーバーコンピューター３２２及びサーバーコンピューター３２２に接続され管理される記憶用要素３７０も備える。システム３００内のクライアントコンピューターとサーバーコンピューターとは、ＬＡＮ、ＷＡＮ、イントラネット、インターネット及び同等のような適宜の回路網技術を備え得る通信回路網３８０の方法により互いに通信する。
【００４１】
クライアントコンピューター３２０、３２０ａとサーバーコンピューター３２２とは、通信インターフェース３８２の方法により通信回路網３８０に接続される。通信インターフェース３８２は、イーサネット接続、モデム接続、ＤＳＬ接続、ケーブルモデム接続及び同等のような良く知られた通常の通信インターフェースを備えることができる。通信インターフェース３８２は、ＬＡＮのような中間通信回路網を備えることもできる。
【００４２】
図４は、本発明が存在できる第２の回路網環境例を示す。システム４００は、ウエブページ（又は一般にインターネット接続）用の共通に実行される構造を形成する３個の基本的構成要素、即ち、公開回路網４０１、無防備セグメント（ＤＭＺ）４０２、及び非公開回路網４０３よりなる。
【００４３】
本発明の大部分の実施例においては、公開回路網４０１はインターネットよりなるであろう。典型的に、非公開回路網内に常在する秘密に対する脅威のために、インターネットと非公開回路網との間の接続点に沿ってファイヤウオール４０４と呼ばれるソフトウエア及び／又はハードウエアが置かれる。ファイヤウオール４０４は、ウエブサーバー４０５の定められた組へのウエブアクセスのような予め定められた型式の通信用トラフィックを除いて、公開回路網から非公開回路網への全てのトラフィックを阻止する。ファイヤウオールを備えたシステム４００の部分は、これを含む資源が外部アクセスから部分的に保護されるため、典型的にＤＭＺと呼ばれる。
【００４４】
本発明のある種の実施例においては、ＤＭＺ４０２と非公開（厳密な内部）回路網４０３との間に別のファイヤウオール４０６が置かれる。この第２のファイヤウオールは、或る特別に予め決められた型式のメッセージ用トラフィックを利用してＤＭＺ内の機械からのみ内部回路網へのアクセスを許す。
【００４５】
システムにより扱われる静的なデータは、内部回路網又はＤＭＺのいずれかの内に置くことができ。ＤＭＺはウエブサーバーに直接取り付けられることが多いため、静的なデータはＤＭＺに置かれることが普通である。しかし、システム４００においては、静的なデータは、非公開回路網区域内に常駐する回路網アタッチドストレージ（ＮＡＳ）に記憶される。ＮＡＳの利点は、記憶装置が自分自身の回路網アドレスを持ち、従って多数のコンピューターを横断してディスクを効果的に共有できかつ大きさの変更ができることである。静的なデータは、限定するものではないが、消費者が興味をひいたとき役立つ内容、情報と指示、個別データ情報及びチャートを挿入できる標準ページフォーマット及び同等を含むことができる。
【００４６】
動的な内容（例えばユーザー特定の情報）もＮＡＳ４０７に記憶することができる。しかし、動的な内容は、オラクル又はＳＱＬのようなデータベース管理システム（ＤＢＭＳ）を使用し管理されるので、サーバーシステム４００は、動的な内容用の別のＤＢＭＳサーバー４０８を使用する。システム４００内のデータの取扱いに含まれる処理上の諸要求のため及び更にデータベースの大きさ可変性の支持のために、動的な内容用の別のＤＢＭＳサーバーの使用が必要である。
【００４７】
システム４００は、サイトアップデートサブシステム４０９も使用する。サイトアップデートサブシステムは、ウエブサイトの静的な内容並びにデータベースに記憶された内容の更新のために使用することができる。これは、１個のコンピューターに専属の機能してシステム４００内に示されたが、標準ウエブサイトアップデート機能であり、そして特別のアップデート手順及び位置は設計の選択事項である。
【００４８】
ファイヤウオール４０４及び４０６は、ハードウエア或いはハードウエアとソフトウエアとの組合せのいずれかで組み込むことができる。今日の多くのファイヤウオールは、比較的小さいサーバー上を走っているソフトウエアにより組み込まれる。Ｓｕｎ Ｍｉｃｒｏｓｙｓｔｅｍｓはこの機能に適した小さいサーバーを提供し、またＣｈｅｃｋ Ｐｏｉｎｔ Ｓｏｆｔｗａｒｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ，Ｉｎｃ．は適切なファイヤウオール機能を有する一般的なソフトウエアパッケージを提供する。システム４００の代置可能な構成は、ＤＭＺ機能を実行する小さいサーバー上に常駐するファイヤウオールソフトウエアを持つことにより組込み可能であると同時に、これにより追加のＤＭＺハードウエアを無くすことができる。
【００４９】
ＤＭＺ４０２内のウエブスイッチ４１０の目的は、ＤＭＺ４０２内の多数のウエブサーバー４０５にわたる負荷のバランスを提供することである。ウエブスイッチ４１０は、システム４００に有っても無くてもよい。ウエブスイッチ４１０及びウエブサーバー４０５の選択は設計選択事項であり、多くの販売者が適切なプラットフォーム及びパッケージを提供する。推奨エンジンプロセッサー４１１は、個別の製品推奨を作成するに必要なプロセッサー強化オフライン計算を実行する。推奨エンジンプロセッサーの選択は、同様に設計選択事項である。
【００５０】
システム３００において、消費者は、サーバー３２２に主観的及び／又は客観的データ３１０を通信するために、クライアントコンピューター３２０、３２０ａを使用する。次いで、サーバー３２２が、データ記憶要素３７０内の消費者データ上で作動し及び／又は記憶する。サーバー３２２は、消費者データ並びに記憶装置３７０に記憶されているその他の情報を使用して、製品推奨３１４を（以下、より完全に説明されるように）作成する。製品推奨３１４は、要求したクライアントコンピューター３２０、３２０ａにおいて消費者に提供するために通信回路網３８０上で送られることが普通である。
【００５１】
一方、消費者は、システム４００において、公開回路網４０１を介してＤＭＺ４０２内のウエブサーバー４０５に主観的及び／又は客観的データ３１０を送信する。次いで、消費者データは、ウエブサーバー４０５により非公開回路網４０３内の適切な種々の要素に送られる。ＮＡＳ４０７及びＤＢＭＳ４０８のような非公開回路網内の要素に記憶された消費者データ並びにその他のデータを参考として製品推奨プロセッサー４１１が製品推奨を作る。次いで、製品推奨は、ＤＭＺ４０２及び公開回路網４０１を介して消費者に通信される。
【００５２】
製品推奨は、典型的に、或る特定の消費者のための予測された製品性能及び製品嗜好の得点を含む。本発明の或る実施例においては、推奨は、顧客構成のＨＴＭＬ文書、内部に顧客構成のテキスト、データのグラッフィックス又はチャートが挿入された静的ＨＴＭＬ文書、及び同等品である。ＨＴＭＬ文書は、製品パッケージの図及び推奨製品についての情報、並びに各推奨製品に続く「マイチャートに追加」、「見本」、「マイリメインダーリストに追加」、及び同等のようなラジオボタン選択を含むことができる。「この製品のランクは？」のラジオボタンをＨＴＭＬ文書に組み込んで、消費者がその使用経験に基づいた推奨製品への自分の意見を入力できるようにすることもできる。消費者が、過去に推奨された組のいずれかを悪いとランク付けした場合は、システムは、これら製品がその消費者に対する更なる推奨品の組から除外されるようにプログラムすることができる。或る事例では、製品推奨エンジンは、従来の製品応答の組が同様に何かのバイアスに関連してその他の製品の排除又は格下げを示したか否かを判定する。
【００５３】
消費者は、純粋な製品推奨に加えて情報を要請でき及び／又はシステム３００及び４００は情報を送ることができる。この追加の情報は、消費者の要求及び同様のような製品推奨に関連した適宜の数のトピックスを含むことができる。製品推奨及び追加情報は、システムの出力に関連して後でより詳細に説明されるでろう。
【００５４】
製品推奨の基礎は、限定するものではないが以下を含むことができる。即ち、ａ）本発明のデータ処理部分又は推奨エンジン部分と通信する記憶用要素（例えば、記憶用要素３７０、ＮＡＳ４０７，ＤＢＭＳ４０８及び同等）内に常駐する製品の属性の記述、ｂ）或る特定消費者の関心事の各特性についての、限定するものではないが消費者の要求、予算、美的な嗜好、健康要求、及び／又は要求の重要度を含んだ詳細情報、ｃ）消費者の購買パターン及び製品に対する過去の応答に関するその他の記憶された履歴的な製品データ、ｄ）本発明を使用したその他の消費者の幾人か又は全部の者の同様な情報、及び／又はｅ）上述されたデータ及び処理用要素に基づく個々の消費者についての製品の予測された性能及び／又は嗜好を推測する（神経回路網、協同フィルター、その組合せ、及び同等を利用できる）製品推奨エンジン。組み入れられ本発明の諸要素により利用される入力及びデータは、以下、より詳細に説明されるであろう。
【００５５】
本発明の入力及び出力の精度は多くの方法により改善することができる。一つの方法は、消費者に関連する基体パラメーターの客観的尺度を含むことである。この客観的、医学的な測定値は、主観的な入力（例えば、所要の入力変数及び製品性能の格付け）の増加を使うことができ、或いは幾つかの主観的な消費者入力を完全に動かすことさえできる。
【００５６】
本発明の出力の精度を向上させる第２の方法は、推奨エンジンの出力が、消費者のフィードバックを経てシステムにより集められたデータとより密接に相関するように、推奨エンジンを周期的にリトレーニングすることである。例えば、推奨エンジンが神経回路網を使用した場合は、その将来の出力（例えば製品推奨）が消費者のフィードバックと更に密に相関するように、隠された層に常駐しているアルゴリズムをリトレーニングするために、製品の使用の予測及び消費者の実際の応答が周期的に使用される。同様に、推奨エンジンが協同フィルタリングに使用される場合は、リトレーニング最適化ルーチンが実際の消費者フィードバックを使用して、使用される協同近傍の大きさを能率化し、もしこれが固定されたパラメーターであるならば協同的空間の各寸法を変える係数を調整し、そして性能又は嗜好のパターンのような２次的な協同フィルタリング分類が出力の精度を改善するか否かを評価する。
【００５７】
［入力］
さて、本発明への入力が考えられるであろう。消費者からシステム内への種々の入力を要請するために照会型式を使うことができる。図５は、初期照会構造の例を示す。図６は、本発明を使用したシステム内の個別消費者データベース入力に含み得る幾つかのデータを示す。
【００５８】
本発明は、新規消費者との初期又は早期の対話において、個人プロフィル情報（例えば、年齢、性別、睡眠パターン、医学的状態、処方薬品の使用、既知のアレルギー、地理的位置、アウトドア消費時間、ビタミン剤の使用、ダイエット、及び同等）及び消費者からの目標関心時を依頼する。個人プロフィル情報は、製品研究の分野目標の領域の最良の知識に基づいて本発明の幾つかの実施例に集められ、かかる情報は個々の製品推奨を作るために役立つであろう。
【００５９】
一般に、消費者が本発明と相互作用するときは、消費者は、自分の現在の要求の更新のための製品応答の入力、含まれた領域に関する情報の内容又は副次的情報の獲得、時を経て製品への応答についての情報の獲得、及び／又は本発明に含まれる分野の一つの製品についての推奨を得ることのいずれかの選択が提供される。後の３個の選択は本発明の出力であり、以下説明されるであろう。消費者要求データは本発明の入力であり、目標基体の状態についての主観的データを含むことができる。主観的な消費者所要データは、診断装置により集められた客観的測定により増強され及び／又は更新される。製品応答もシステム入力であり、そして消費者が使用中の過去推奨された製品又はそうでない製品に対する基体の応答に関する主観的及び／又は客観的データを含む。
【００６０】
推奨エンジン又はこれと組み合わせられた処理は、消費者から製品応答を受け取ると、データに基づき又はデータを用いて適宜数の作業を実行する。例えば、例示の方法として、消費者の個別プロフィルが客観的データ及び／又は主観的データを含むように更新され、消費者要求データのような種々の処理用入力についての変更が計算され組み込まれる。本発明は、以下への応答又はフィードバックを作るように使用することもできる。即ち、ａ）類似した基体状態を有する消費者グループ、ｂ）製品の同じ組に対してより良い基体応答の消費者グループ、ｃ）製品の同じ組に対して同様な大きさの基体応答を有する消費者グループ、ｄ）基体特性についての製品の効果の測定、ｅ）１人の消費者の基体における効果と大勢の消費者に見られる平均の効果とを比較し、更に／又はｆ）ある期間をおいた場合の或る特別の製品の使用により生じた何かの変化を消費者に示す。フィードバックの使用は、以下更に詳細に説明される。
【００６１】
消費者は、香水の特性又はレベル、製品の型式（例えば、クリーム対ローション、スプレイ対回転塗布、及び同等）、エンターテインメントのジャンル、ハードカバーかソフトカバーか、及び同等のような感覚的選択に基づいた選択の傾向を作ることが多い。本発明の或る実施例は、感覚的選択の情報を消費者から集める。これは、かかる情報が本発明を使用しているシステムオペレーターにあるバイアスを与え、これらのバイアスに基づいて製品の嗜好の散乱を調べるためである。かかる変数のバイアスにより、消費者の中に嗜好の依存性がある場合は、本発明の或る実施例は、予測される製品の嗜好及び製品推奨の計算より前に、個々の消費者を個人に適切なクラスにグループ分けすることができる。
【００６２】
本発明の或る実施例においては、消費者は、製品の分野で処理された目標（ここでは分野目標と呼ぶ）又は基体に関して、一度に１個以上の関心事又は問題を持つことができる。或る特定の目標基体についての関心事の各は、関心事の重大度及び／又は重要度の消費者評価の項目を特徴とする。典型的に、重大度は問題の主観的な自己評価レベルを表す。しかし、或る場合には、重大度はその他により及び／又は関連の物理的特性又は徴候の測定（例えば、診断データ）に基づいて評価される。重要度は、典型的に消費者が関心事により悩まされ又は挫折させれる程度である。重要度は、消費者が製品からの期待に適合する利益と交換するであろう大きさとして考えることができる。（小さい重要度の仮定的利益は、より大きい重要度の利益の前に犠牲とされるであろう。）重大度及び重要度の大きさは、システムに対する消費者特性の入力であることが好ましい。重要度の格付け順位は、２次消費者特性の入力に有用である。重要度と重大度とは、本発明の好ましい実施例においては独立係数として処理される。
【００６３】
製品を使用した消費者の経験も求めることができる。本発明の或る実施例においては、消費者の経験は嗜好及び／又は性能基準の項目で記録される。嗜好及び性能の両者を依頼することが好ましい。嗜好は、質問「この製品を使うことがどの程度好きですか？」に対する答えとして考えることができる。嗜好は、使用者の全経験を反映すべきあり、使用者の種々の関心事、並びに香り、塗布の容易さ、風味、包装の魅力、及び同等のようなより主観的な美的要因における受入れ可能ないかなる改良に関係した要因も含むことができる。性能は、製品が、ある分野における各関心事と組み合わせられた徴候あるいはその他の状態又は症状を減らす大きさに関係する。性能は客観的及び／又は主観的要素を含むが、客観的データを含むことが好ましい。多数の製品が一人の使用者により組み合わせられて使用される場合は、本発明の或る実施例では、各製品の相対性能と性能格付けとの間は明確でなく、組になった構成要素の全てに対する格付けと考えられる。
【００６４】
診断データは、与えられた分野の製品により処理された基体の状態を特徴付ける客観的データに関連する。基体は、消費者個人の表情を含んだ活気の有無とすることができる。診断データに加えて、クライアント及び／又は職業的サービス提供者は、基体の状態の主観的特徴及び使用製品への基体の性能応答を提供することができる。診断データは、消費者の関心事に関する特性を測定する測定装置より得られる。特性は、大きさ、質量、機械的、電気的、光学的及び同等のような基体の適宜の物理的特性とすることができる。これら各種からの大きさ特性の例は、長さ、重さ、堅さ、抵抗、不透明さ、及び同等とすることができる。基体又は基体内の特徴に関するその他の特性は、位置、速度、加速度、振動、回転速度、方向、及び同等を含むことができる。基体の表面の特性は、粗さ、摩擦、反射、乾燥度、変色、及び同等を含むことができる。診断データは化学分析に基づくこともできる。診断装置により測定される特別な特性は、考慮されている基体に応じて変わるであろう。測定された特性の時間依存性は、関心事又は消費者に関連する重要な様相である。
【００６５】
考慮されている基体の特性が空間的に一様でないときは、不規則に位置決めされた繰返し測定（サンプリング）又は位置特定の測定（マッピング又はイメージング）のいずれかを取ることにより、特性の範囲又は分布が得られるであろう。関心事の基体の属性に応じて、分布データの種々の機能が関心事の主観的又は知覚された属性と相関する。例えば、皮膚が基体である場合は、年齢的外見が消費者の関心事であり、しわの長さは顔の画像から測定することができる。本発明を画像に利用する場合は、診断装置は、限定するものではないがデジタルカメラを含んだカメラを含むことができる。本発明に使用する診断装置は、目標基体の１以上の様相の測定値の収集を意味する多次元的とすることができる。多次元データの収集は、複数のセンサー及び／又はその組合せを有する装置の集積の使用により達成される。
【００６６】
心理学的及び客観的な測定の分野における文献は広範囲であり、消費者の関心事の種々の特徴及び或る種類の製品の希望の効果と相関する１個又は多数個の診断測定の新たな機能の公式化で調べることができる。しかし、或る場合には、基体の特性ではなくて消費者の客観的効果を測定することがより容易である。例えば、消費者の関心事が「ベッドの快適さ」である場合は、表面の最適の柔らかさと支持部の堅さとの複素関数によりモデル化することができる。或いは、消費者が眠りに落ちるまでの時間又はレム睡眠の時間を直接測定し、判定された「ベッドの快適さ」に関連するモデルを開発することができる。
【００６７】
診断装置により測定すべきパラメーター及び又はパラメーターの組は、或る特定の基体についての消費者の興味の発現に関連するに違いない。多くのパラメーターは、これらを個々に、又は組み合わせて本発明のデータ処理要素に通信することができる。或いは、診断装置により測定された多数のパラメーターが、クライアントサイトにおいて線形及び／又は非線形に組み合わせられ、システムのサーバーサイトのデータ処理要素に通信される全機能パラメーターを形成することができる。
【００６８】
測定すべき変数が多いときだけ、消費者の関心事の合理的に予測されたモデルを公式化する必要がある。多くの場合、複数の選択肢から選ばれたただ１種の変数だけが必要である。例示のみの方法として、皮膚よりなる目標基体を測定し得る特定のパラメーター又はパラメーターの組合せは、以下を含む。皮膚の乾燥についての消費者の関心事は、表面反射、粗さ、皮膚の水分管理（容量、導電度）、皮膚のバリヤ機能（ＴＥＷＬ又は濡れた後の水分の変化）、摩擦、表皮の異常増殖、皮膚のフレーク像解析、及び同等の任意の組合せを含むことができる。皮膚傷の監視は、特定の傷の大きさ、特定の傷の色、及び特定の傷の身体上の位置の任意の組合せを含むことができる。皮膚の太陽暴露の監視は、基本的な皮膚の色、色素沈着のスポットカラー、コントラスト及び同等を含むことができる。可視光線又は紫外線は、反射又は蛍光変化の測定に使用できる。皮膚年齢監視は、皮膚の色、皮膚の色の一様さ、皮膚のしわの長さ又は深さ、皮膚のたるみ、皮膚の堅さ、及び皮膚の水和作用の任意の組合せを含むことができる。
【００６９】
皮膚よりなる目標基体を測定し得る別の特定パラメーター及びパラメーターの組合せは以下を含む。即ち、毛髪の色、毛髪の太さ、毛髪の密度、毛髪の成長、ニキビの数、ニキビの色、ニキビの変化速度、異常沈着色素の大きさと面積、異常沈着色素の数、異常沈着色素の色、表面の角質の種類（大きさ、形、及び／又は核形成）、電気伝導度、容量、表面及び／又は表面に直角方向の面内の機械的堅さ、摩擦、皮膚の蛍光特性、色の関数としての光学的反射、微生物の検出、色素沈着又は光損傷の分布の光学的判定、接触角による表面エネルギー、目の下のたるみ又は袋の３Ｄ輪郭判定、赤味、変色、及び／又はしわの深さ及び／又は長さである。
【００７０】
上述されたと同様な客観的データを取り入れた本発明の装置は、典型的に診断装置の使用を含む。本発明のこれら実施例は、診断装置を使用して、消費者の要求レベル（システム入力）の大きさ決定及び／又は或る特定製品への基体の応答（性能フィードバック）の追跡を支援する客観的測定値を獲得する。前者の例は、１以上の関心事領域における消費者の主観的評価による関心事の重大度を調整するために使用される客観的データである。診断装置は、典型的に消費者の家の通信回路網のクライアント側に置かれ、サービスセンターは、消費者、医院、及び同等にアクセス可能である。診断装置の利用は、製品の効果についてのシステムの感度を改善し、かつ製品により処理すべき目標の状態についての客観的データを提供する。診断装置により得られた診断データは、（システム３００の）通信回路網３８０、公衆回路網及び（システム４００の）ＤＭＺ、又は類似のその他の通信手段を介して推奨エンジンに通信される。診断データを得るためにここで使用される診断装置及び／又はセンサーは、継続した精度を保証するために定期的な校正を必要とする。装置の内部での校正は、校正用基体が使用されたとき、自動的に調整され又は手操作で行われる。
【００７１】
図７は、内部に診断データが取り入れられたときに本発明の或る実施例７００がいかに作動するかを機能形式で示す。ブロック７０１は、本発明のシステム７００により集められた（或いは、初期のシステム立ち上げの場合は、初期データとして入力された）製品属性データを表す。ブロック７０２は、システム７００を使っている消費者から、システムにより要請され又は集められた消費者要求データ、（診断データのような）客観的及び／又は主観的フィードバック、個人プロフィル情報、及び同等を表す。矢印７０３は、システム入力（即ち、ブロック７０１及び７０２の情報）についてシステム製品推奨エンジン（ここでは進行知能エンジンとも呼ばれる）の作動を表す。ブロック７０４は、矢印７０３において製品推奨エンジンにより作られた製品推奨、及びシステム７００の消費者ユーザーへの出力７０９を表す。ブロック７０５は、消費者による関心事を処理するための製品の選択、購入、及び使用を表す。一般に、消費者により選ばれかつ使用される製品は、エンジン７００により推奨された製品の一つである必要はなく、或いはシステム７００の知識ベース内に現在あることも必要ない点に注意すべきである。消費者は、システム７００（例えばブロック７０２）に識別された関心事を処理するために選ばれた製品を選び使用し、そして製品に関するフィードバック（例えば、７０６、７０７、７０８）を提供することができる。ブロック７０６は、消費者からのフィードバック診断測定値を表す。ブロック７０７及び７０８は、システム７００が消費者から受け取ってシステム７００の知識ベース内に組み込む７１２フィードバック（例えば、新たな診断測定値及び主観的応答）を表す。ブロック７０５は、消費者により作られシステム７００により受け取られた７１１副次的情報（例えば、診断レベル及び傾向）出力の受領及び考察を表す。
【００７２】
従来技術において回路網化された診断装置が説明されているが、かかる装置により集められたデータは、製品推奨システムにおいては使用されていない。例えば、システムの進行又は推奨の様相においては、装置で測定された基体の状態又は条件及び診断応答履歴は、これを製品推奨の作成のために使用することができる。システムの逆行又はリトレーニングの態様においては、製品に応答する基体の客観的測定値は、これを、製品属性の洗練化及び／又は消費者プロフィルの更新を含み得る製品推奨エンジンのリトレーニングに使うことができる。診断装置により得られた測定値は、或る主観的評価と比較して、製品使用の効果のより迅速かつより正確な評価を提供することが多い。診断装置により集められた客観的データは、重要な身体的現象における変化（例えば、基体における細菌の濃度の変化、基体のｐＨ値の変化、及び同等）を明らかにする。さもなければ消費者は利用することができない。
【００７３】
個人又は健康維持の分野に対しては、診断測定値又は多くの測定値は、消費者又は環境の内部又は外部をモニターすることができる。製品の別の分野については、診断装置は無生物の状態又は性能を測定することができる。装置はクライアントサイトにおいて常に入手可能とされることが理想的である。装置は、消費者がｅメール、ウエブサイトのデータ入力部分、電話、又は同等で本発明に送った値を出力できる。本発明に消費者データを自動的にダウンロードするために、クライアントコンピューター或いは遠隔サイト（例えばクライアントサイト、キオスクステーション、職業的サービス提供事務所、消費者サービスセンター、及び同等）に置かれたその他の電子装置をインターフェースとした診断装置の使用が好ましい。診断装置が本発明のデータ処理部分から遠くに置かれた本発明の実施例においては、システムのデータ処理部分は、装置の出力の全部又は大部分の高レベルの処理を実行でき、遠くに置かれる装置の費用を減らすことができる。診断装置は、標準化プロセスを組み込むことも多い。
【００７４】
［出力］
さて、本発明のシステムの出力に注意が集中されるであろう。本発明の初期出力は、或る特定の部門における或る特定の基体についての個別の製品推奨を含む。本発明の大多数の実施例においては、製品推奨は、或る特定の消費者の現在の関心事の全てにアドレスし、そして各関心事の重大度及び重要度の両者を考慮に入れることを試みる。典型的に、製品は、製品の全ての知られた効果並びに逆効果に対するある範囲の問題へのアドレス及び許容度又は感度（これらは関心事マトリックスにおける行に追加される）に基づいて推奨される。
【００７５】
本発明の或る実施例は、組の各製品が或る特定の関心事について専門的である製品推奨の組を明らかにするが、本発明の大多数の実施例により作られた製品推奨は、好ましくは重大度と重要度とを考慮した或る特定の消費者の関心事の全てに最良にアクセスする分野の製品からなる。後者の方法は、個々の製品が設計され又は目標を特徴化した状態（例えばニキビ又は油肌）の多くに不注意で影響を与え、製品は、関心事を通して広く影響する基本的な特性又は過程に一般にアドレスするため、実行可能である。製品が、組み合わせて使用されることを意図された製品の「包装された組」の部分であるときは、本発明の或る実施例は、包装された組に含まれる全ての分野の部分としてかかる「包装された組」の製品について推奨を行う。
【００７６】
客観的データを取り込んだ本発明の実施例により、消費者又は消費者の関心事、使用される製品の嗜好及び／又は性能についての客観的データを提供しない消費者も、消費者又は消費者の関心事及び主観的な嗜好及び性能データに基づいて製品推奨を得ることができる。かかる推奨は、本発明により他の消費者から集められたデータからの便益を受ける。この実施例においては、かかる使用者は、客観的データに基づき又は客観的データを必要とする本発明の他の特徴へのアクセスを持ち又は持たないことができる。
【００７７】
基本的な個別の製品推奨は、所与の消費者についての製品推奨エンジンにより集められた複数の個人的ユーティリティである。個人的ユーティリティは特有であり、例えば、採点付き予測製品性能ユーティリティ及び採点付き予測製品嗜好ユーティリティを含む。
【００７８】
採点付き予測ユーティリティの採点のために任意数の有意の尺度を使うことができる。しかし、本発明の或る実施例においては、１から１０の採点尺度が使用され、ここに１０は最高レベルの嗜好又は性能を表し、そして１は最低レベルの嗜好又は性能を表す。最高レベルの嗜好又は性能は、評価された嗜好又は性能の各分野のシステム管理者により設定され、かつ市場における現在の製品によっては実現不可能であるかもしれない。例えば、スキンケヤ製品に対する性能の項目において、水分の領域では１０は１日における水分レベルの高変化を表し、また、しわの回復の分野では１０は４週間で５０％の改善を表す。或いは、報告された採点は、製品の性能又は嗜好の主観的評価に対しては、消費者が使う量と相関した値を持つことができる。本発明の或る実施例は、予測性能ユーティリティの全部を使用し、これはデータ処理及び製品推奨エンジンに関連して以下詳細に説明される。
【００７９】
予測個人ユーティリティは、限定するものではないが、製品選定の便利さによる格付け順序表、上位Ｎ個の製品の便利さによる格付け順序表、多数の任意の対象製品についての消費者への便利さによる格付け順序表、対象製品についての便利さの棒グラフ、多数の対象製品の仕様を消費者に示す比較ディスプレイにおける個人的便利さの採点、及び同等を含む種々の方法でシステムにより使用される。選定され又は推奨された製品の組に対する性能属性は、製品の総合性能を含んで、製品価格に対してプロットすることができる。
【００８０】
図８及び８Ａは、採点付き予測嗜好による上位３個の製品についての格付け順序表の出力ディスプレイの例である。図９及び９Ａは、採点付き予測性能による上位３個の製品についての格付け順序表の出力ディスプレイの例である。図８及び９に示されたディスプレイはそれぞれ予測された嗜好及び性能により順序付けされた格付けであるが、各ディスプレイはそれぞれ各製品についての予測性能及び嗜好をディスプレイにおいて与えることに注意されたい。同じディスプレイ内で、両ユーティリティとも、消費者に一緒に与える必要はない。図８及び９に示されたディスプレイは、表示された各製品について最低の知られた価格を含むことにも注意されたい。この情報の表示は選択的である。
【００８１】
本発明により提供される別の出力は、副次的なデータ又は情報を含むことができる。システムにより集められた診断及び／又は主観的なデータに基づいた消費者の状態のディスプレイは、その消費者の要求が関連の公衆と比較してどうか、特定の要求についてのシステムの配慮、特定の製品に対してどう応答するか等々を消費者に通信することができる。グラフィックスは、種々の時期に消費者が使用した製品は何か及び一般的なデータの趨勢を示す。
【００８２】
副次的情報出力の別の形式は、或る製品がなぜ推奨されたかの説明を含む。例えば、性能予測の測定基準は、ラジオボタン又はその他の適切なインターフェースにより本発明に質問し、本発明は関心事の各分野について考えられる特定の製品についての消費者の重要度及び／又は性能の採点により順序付けられた関心分野の表を提供することにより応答することができる。
【００８３】
本発明により作られた製品推奨がインターネット接続を有する消費者に送られると、消費者は推奨に応じて行動し、インターネットを介して１個又はそれ以上の推奨製品を注文し又は購入することができる。例えば、本発明に組み込まれた注文機能へのリンク又は別の加盟販売会社へのリンクは、本発明からの副次的情報出力を含むことができる。
【００８４】
副次的情報出力は以下を含むことができる。即ち、類似の基体要求を有する消費者から製品レビューへのリンク、消費者の問題部分に基づき指示された内容、本発明の使用に対する応答又は特定製品又は製品クラスの使用又は特定の基本的行動を示すための過去の枠組内における消費者の基体の状態に関する情報、同等の人又は大衆と比較した消費者の基体の状態に関する情報（人口的な位置決めは、或る局所的な市域内又は限られた民族内又は限られた年齢層内で報告することができる）、一般的な認知と比較して強化された敏感性が有り又は無いイメージを通しての新製品の使用又は処方による変化に関する情報、使用頻度又は組み合わせられた製品又は実施のような使用実施の結果の常用に関する情報、製品性能の主観的評価の際に消費者を支援する比較情報（例えば、関心の基体のイメージ前後）、及び同等である。その他の副次的情報は、対話型及び／又はマルチメディア型のアプリケーション及び／又はディスプレイを含むことができる。例えば、対話型及び／又はマルチメディア型のアプリケーションは、次のようなことができる。即ち、推奨製品又は選定された製品の適切な使用について消費者を案内する、製品の評価について消費者を支援する等々である。対話型及び／又はマルチメディア型のアプリケーション及び／又はディスプレイは、テキストによるチャットルーム、ビデオによるチャットルーム、流動メディア、バーチャルエイド、エージェント、インタラクター、及び同等である。
【００８５】
多くの目標、例えば健康に基づく基体（特に皮膚）はゆっくりした速さで変化し老化していく。その他の目標基体も比較的長期にわたって製品の応答する。従って、短期間では、製品の希望の効果は捕らえ難く差異を判別することは困難である。そこで、本発明の或る実施例において提供し得る副次的出力の別の型式は進行指標である。進行指標は、可能であれば、消費者によるより良き製品性能の判定を可能とし、メモリに支援を提供し、製品を安定化するより早期の決定を提供し、効果的な製品とのコンプライアンスを推進し、更に／又は効果の無い製品の継続使用をできるだけ早く止めさせることができる。
【００８６】
進行指標により、消費者は、製品を使用するとき、目標分野（例えば皮膚特性、肺機能、及び同等）における製品の効果を概観することができる。以下説明される総合性能から類推して個別の状態又は全体の状態についての追跡を提供することができる。提供された場合、状態は、家で追跡しているデータから、又は職業的サービス提供者の支援により追跡することができる。或る場合は、状態は主観的フィードバックに基づくことができる。例えば、データは、その分野の各関心事の現在の重大度の主観的フィードバックを含むことができ、これは目標の評価可能な属性についての質問の組に基づくことができ及び／又は客観的診断の測定値を利用することができる。好ましい実施例は、少なくも或る形式の客観的診断測定値を利用する。ｉ個の関心事の各について、本発明のデータ処理構成はカレント状態ｉを作る。状態ｉは関心事に関して本発明により得られたデータの適宜のモデルとすることができる。
【００８７】
状態の典型的な変化又は期待された変化は、製品の性能及び効果に対する消費者の期待を作ることを助けるので、本発明の好ましい実施例は、いかなる変化も通信する進行表示を提供する。ディスプレイは、与えられた消費者と同様な状態レベルから開始した消費者の状態の平均変化を表している曲線、及び与えられた消費者についてのデータに適合するデータ点又は曲線を含む。図解するために、その状態の標準範囲内の消費者についての典型的な変化曲線を平坦であるとし、一方、標準から１Σ偏倚した消費者についての典型的な変化曲線は、或る時間スケール（ｔ_１／２）にわたって生じている改良を示す。
【００８８】
［データ処理］
さて、進行知能又は製品推奨エンジンの詳細が提供されるであろう。上述のように、本発明の可能な出力の一つは製品推奨よりなる。本発明は、消費者から受けた独立変数入力の多変量モデル化及び解析を実行する製品推奨エンジンの使用によりその推奨を作成する。実行された本発明の実施例に応じて、製品推奨エンジンは、上述の入力の適宜の組合せを利用して上述の出力の適宜の組合せを作るように使用することができる。本発明の或る実施例においては、製品推奨エンジンは、入力から出力を作るために１以上の神経回路網を使用する。本発明の別の実施例においては、製品推奨エンジンは、協同フィルター又は多くの協同フィルタリングモデルの組合せを使用する。本発明の更なる別の実施例においては、製品推奨エンジンは、システム入力を処理するために神経回路網と協同フィルタリングとの組合せを利用する。
【００８９】
［データ処理、協同フィルタリング］
いかなる協同フィルターも、少なくも３個の主構成要素、即ち、データ表示、近隣構成機能、及び推奨作成機能を持つ。各は、データ表示から始めて別々に説明されるであろう。
【００９０】
入力及び出力は、製品推奨エンジンでの使用のために数値で表示される。上述のように、製品は、消費者の要求にアドレスしかつ一般に或る範囲の効果形式を持つ。消費者はその要求の重大度（又は逆効果への感受性）の項目における製品分野内の関心事を、及び製品購入の決定のためにこれら関心事をなぜ重要と考えているかを通信する。目標基体に応じて、複数の関心事を関連付けることができる。本発明の或る実施例においては、関心事は選択する消費者に対して表される。これは、消費者がアドレスすることを選んだその関心事について本発明との消費者の対話を次元的に単純化する。
【００９１】
分野が洗顔乳液であり目標基体が皮膚である関心事の例は、ほこりの洗浄、脂の洗浄、殺菌、皮膚の刺激、皮膚の乾燥、締まり感の付与、皮膚の柔らかい感じの保持、容易な泡立ち、経済的、香り、及び同等である。一般に、与えられた分野にｉ個の関心事がある。その分野の目標は関心事内で考えられる基体だけとすることができるが、複数の基体を含むこともできる。例えば、この分野内で、主基体は皮膚であるが、製品がタブに薄膜をどのように残すかは、２次基体にアドレスする。ｉ個の関心事の各に重要度レベルが組み合わせられる。本発明と対話する新しい消費者（又は自分の個人データを修正したい現在の消費者）は、典型的に、関心事、各関心事のレベル、及び各関心事が製品選定の決定にどう重要であるかを識別する。新しい消費者は、製品効果に反する感受性の確認のために質問される。或る入力値が言語及び／又は図で記述された場合は、データ収集過程に支援尺度を利用することができる。スライド又はダイヤル又は総合イメージ及び同等のようなその他の入力器具が予想される。
【００９２】
使用者の関心事はＮ×２行列で表される。ここに、ｕは消費者を表す指数（これは以下においては便宜上落とされることがある）、Ｎは本発明により認識される関心事の数、ｉ＝１，Ｎ；ｋ＝１，２；Ｃ_ｉ１＝ｉ番目の関心事の重大度、０≦_ｕＣ_ｉ１≦１０；Ｃ_ｉ２＝ｉ番目の関心事の重要度、０≦_ｕＣ_ｉ２≦１０である。各関心事Ｃｉは、典型的に説明文名称（例えば、しわ、乾燥度、ニキビ、及び同等）として使用者に知られる。関心事行列の各要素に使用された尺度０から１０は、いうまでもなく任意である。
【００９３】
関心事の重大度及び重要度は一般に主観的評価であるが、ある関心事分野の場合（例えば主観的情報の質が悪い場合）は、主観的評価は客観的データにより大きくされ及び／又は抑えられる。本発明の或る実施例においては、尺度化された客観的データ（例えば、或る測定された変数）が関心事の代わりをし、或いは関心事入力が客観的データにより制限され又は変更される。例えば、皮膚が目標基体である場合は、皮膚の粗さ、光障害指数、及び／又は弾性（膨圧）を、消費者により提供された或る問題の重大度を尺度化するために関連付けることができる。客観的データ及び／又は尺度化された値は、関心事の範囲を広げるため、分野の目標関心事に新しい関心事を加えるため、或いは現在の関心事の重大度の値を（例えば、或る特定の関心事に関する主観的な値と測定値との線形組合せの使用により）変更するために使うことができる。例えば、消費者は、しわの重大度を評価でき、本発明はしわの全長に対する測定値により消費者の主観的評価に重み付けをすることができる。年齢又は屋外時間のような消費者の個人的プロフィルからのデータも、関連情報を提供し更に関心事パラメーターの調整に使用することができる。
【００９４】
測定された各パラメーターの数値表現は、通常の測定方法を反映するように選ばれる。各重大度の得点Ｃ_ｉ１は、予め定められた範囲の実数、例えば０から１０の間である。Ｃ_ｉ１についての測定値又は関連する徴候又はその他の材料特性に関する計算は、関心事Ｃ_ｉ１の重大度が最も大きい場合に最高得点（例えば、１０）が与えられ、一方、最低得点（例えば、０）は、関心事について報告され又は観察可能な徴候又は物理的な暗示が何もない場合に相当するように構成される。
【００９５】
Ｃ_ｉ２と呼ばれる関心事Ｃ_Ｉの重要度は、範囲０−１０及び同等のような有限範囲の整数で表される。本発明の好ましい実施例においては、関連情報が絶対量に含まれかつ保存すべきであるため、重要度の値は正規化されない。
【００９６】
嗜好データの表現については、消費者は、製品を使用すると、これら製品についての嗜好度のフィードバックを提供する。加えて、新しい消費者は、例えば最初の対話において又は本発明を使用するための開始の過程の早期において、過去に使用した製品についての嗜好値を提供する。上述のように、嗜好度はその製品がどの位好まれるかの尺度である。種々の支援された尺度を提案することができる。表１は支援された好ましい尺度の例を示す。
表１

与えられた製品について、消費者が製品の働きをどう考えるかを含んだ消費者の嗜好に対して、製品の様相の全てが影響を与える。換言すれば、嗜好値は、製品の美学、予測性能、及び／又は販売情報により影響を受ける。消費者も、システムへの参加、予測された嗜好に基づく製品の推奨のような潜在的な発明の出力、予測性能、及び／又は消費者に提供される性能追跡情報により影響される。この理由で、本発明の好ましい実施例においては、新しい消費者が本発明により推奨された５個又は６個の製品を評価すると、その消費者の最初の又は発明使用前の嗜好値はその消費者の嗜好パターンデータから削除される。
【００９７】
所与の製品についての消費者の嗜好度得点_ｕｐＰＲＥＦ（ｕは使用者、ｐは製品を表す指標）は、システムにおいて範囲０−１０又は０−１００、及び同等のような有限範囲の整数として表される。所与製品に対する使用者の嗜好度得点は、嗜好の説明の格付け順位の組に相当するであろう。
【００９８】
協同フィルタリングのためのバイアスが同様な製品嗜好パターンの近傍に見いだせる場合は、これは、消費者の中の同様であると判定された消費者により使用される重複製品の範囲にわたる嗜好パターンである。製品嗜好度の予測を改善するために、本発明の或る実施例は、同様な目標問題を有する人々をグループ分けするために、関心事ベースの協同フィルターが適用された後で嗜好ベースの協同フィルターを適用する。
【００９９】
さて、目標又は基体状態の表現が考えられる。性能予測及びフィードバックは与えれた分野に対する目標基体の個々の状態を追跡するデータから誘導される。本発明の好ましい実施例においては、各状態は、関心事の各領域に関する目標基体の現在の特性の客観的指標である。状態値は、理想的には、初期測定変数の組から計算される。しかし、或る場合には、状態値はその分野の関心事（例えば、目標基体が皮膚である場合のかゆみ）の現在の重大度の主観的フィードバック、目標基体の特定の評価可能な属性（例えば、目標基体が皮膚である場合の手のひび割れの数、皮膚の張った感じの時間、及び同等）に対する質問の組についてのフィードバック、及び客観的診断測定値の１種以上の組合せに基づくことができる。関心事ｉの各について、データ処理が現在の状態ｉを作る。状態ｉは、関心事を反映する得られたデータの適宜のモデルとすることができる。モデルが知覚された重大度と線形相関するか否かは必須の関係ではない。この考えを更に説明するために、製品分野としてタイヤを考えることにする。トレッドの摩耗に関する関心事は、走行距離及びトレッドの残りである。トレッド溝の深さの測定及び走行距離は、以下のようにして関心事に関するタイヤの状態に変換することができる。即ち、タイヤ走行距離状態＝（距離計の読みの変化）×（最初のタイヤ溝の深さ）／（タイヤ溝の深さの変化）、（ｋｍで表した）トレッドの残り量＝（走行距離）×（残りの溝の深さー安全最小トレッド厚さ）／（最初のタイヤ溝の深さ）である。条件は、消費者の関心事に直接関係する方法で目標の状態を特徴付ける。
【０１００】
本発明の好ましい実施例による製品の性能を特徴付けるとき、消費者が製品を使っている間に得られた全ての状態データが製品の使用完了まで記憶され、製品に対する消費者の性能フィードバックが決定される。状態データの最初及び最後の値が、本発明の好ましい実施例の消費者データベースの一部分として記憶される。
【０１０１】
さて、本発明内の性能、総合性能、及び性能パターンの表現を考えることにする。上述のように、状態は或る時点における目標又は基体の特性である。製品の使用開始からの条件の変化又は変化速度が、性能の可能な尺度である。かかるデータを数字で表すために使用される正確度の尺度は、考えられている特定データの特性に基づくことが多い。しかし、本発明の好ましい実施例においては、正又は負の０−１０性能尺度が使用される。本発明の或る実施例では、前以て決められた変化値が、性能尺度の特定値に割り当てられる。例えば、０−１０性能尺度が利用でき場合は、変化の所定値は性能尺度における値０、−５、−１０、５、及び１０に割り当てられる。
【０１０２】
状態の変化は、或る一定の時間間隔で得られた読みの平均された状態値の差である。時間間隔の例は、製品使用の開始に先行する２週間及び製品使用の開始後の８ないし１２週間である。しかし、製品の分野及び組み合わせられた目標に応じて、サンプリング及び選ばれた最初の製品の効果の評価のための正確な時間間隔が必要であろう。本発明の好ましい実施例においては、状態値の変化は、使用開始後の或る定まられた時間に始まったサンプリングの時間間隔にわたり平均された状態値から初期状態値（これは、ある初期時間間隔、恐らくは製品使用の開始に先行する週間の間にわたる平均とすることができ又はそうでなくてもよい）を引いた差であろう。状態の変化速度は或る定められた時間間隔、例えば製品使用の最初の２カ月間にわたる状態の適合傾斜とすることができる。どの状態変化を有用な性能得点に翻訳するかの決定に際に、目標基体の変化の動力学、典型的には製品効果の動力学、及び特定状態が考えられる。
【０１０３】
適切な時間間隔が選択されると、性能得点を得るために適切な翻訳機能が選ばれる。翻訳機能は、例示のみとして、公式による線形翻訳、公式による非線形翻訳、及び／又はルックアップテーブルを含む適宜の数の機能を備えることができる。翻訳機能の選定過程は、変化の分布が性能得点に翻訳されるように多くの製品及び大勢の消費者にわたる状態変化の分布を観察することにより開始することができる。翻訳の例は、性能尺度０−１０の１０に相当する上位１０％の変化を持つことができ、一方、平均の結果は５に関係する。以上を実行するに有用なツールは初期状態の関数としての状態変化の分布の２次元マップである。状態の変化の大きさ及び初期レベルに基づく性能得点のモデルが好ましいことが多い。
【０１０４】
与えられた消費者嗜好度に対する或る製品の性能は、状態の観察された変化及び消費者の最初の関心事_ｕｐＰＥＲＦ_ｉ（ここにｕ及びｐは、それぞれ消費者及び製品を指す指標であり、ｉは状態の指標である）のレベルを使用して各関心事Ｃ_ｉについて計算される。製品についての総合性能得点_ｕｐＰＥＲＦは、典型的に状態の観察された変化を使って各関心事Ｃ_ｉの重要度の重み付け和として計算され、更に消費者の初期関心事_ｕｐＰＥＲＦ_ｉ（ここにｕ及びｐは、それぞれ消費者及び製品を指す指標であり、ｉは状態の指標である）のレベルは重要度の和により正規化される。
【０１０５】
生物学的目標の場合は、測定可能でかつ評価可能な徴候は、目標基体の或る特性についての代わりの術語である。この場合、状態の変化は徴候の変化により判定される。選択的に、徴候のレベルにおける性能測定基準は、本発明により利用することができる。
【０１０６】
或る特定の消費者については、総合性能予測は、製品推奨出力の部分として与えられる。総合性能予測は、上位Ｎ個の性能推奨表出力の「予測された性能」を特徴とし、更に推奨出力の別のフォーマットでも報告することができる。総合性能予測は、（本発明の或る実施例における消費者の集合の近傍の消費者のような）消費者と同様な消費者により見られる観察された性能から誘導された各関心事についての予測性能を使用する。総合性能予測は、（重要度の和により正規化された）製品性能予測値の重み付けされ平均化された消費者の関心事の重要度（Ｃ_ｉ２）である。
【０１０７】
本発明の或る実施例においては、性能応答パターンは、消費者が使用する全製品についての１個の関心事領域又は全部から得られかつ本発明へのフィードバックを提供する製品性能の格付け順序付けを含む。この格付け順序により、クライアントを、同様な応答パターンを有するグループと種々の応答パターンを有するグループとに分けることができる。本発明の或る実施例においては、消費者の異なる応答パターンのクラスへの分離は、一部の消費者対全消費者についての関心事のために性能の標準偏差を減らすようにしたとき行われる。性能応答パターンが性能の妥当な予測である場合は、消費者のグループ分けができ、又は２次協同近隣を関連製品の組について性能応答パターンを基本として定めることができる。これは、別の応答機構を有する目標から共通の応答機構を有する目標を分離するために行われる。
【０１０８】
個人プロフィル情報も数値で表すことができる。上述のように、個人プロフィル情報は、或る特定の製品分野における目標基体の状態及び関心事に関連させることができる。消費者個人情報ベクトル_ｕＰＩは、同様なグループ（ここでは、協同近隣とも呼ばれる）の計算又はフィルタリングに_ｕＰＩを使用できる方法で個人プロフィルデータに相当する構成要素を構成することができる。
【０１０９】
心理的又は個人的なマーカーもまた数値的に評価され表され、これらは製品購入の決断を決定することが多くかつ製品嗜好に明らかに影響を与える。心理的マーカーは、協同フィルタリングよりも神経回路網解析を使用する本発明実施例において有利であり好ましい。
【０１１０】
協同フィルタリングの第２の主要素は、近隣形成である。或る与えられた消費者と同様な消費者のサブグループを定めるための手法が定められる。消費者近隣を確立するために使用し得るデータの適宜の組は、大衆消費者の多次元表示である。通常の空間内の２点間の距離と同様に、関連空間内の任意の２名の消費者（消費者ｊと消費者ｋ）間の一般化された距離は、次式で定められる。
【０１１１】
ｄ_ｊｋ＝√（Σ_ｉａ_ｉ ^２（ΔＰ_ｉｊｋ）^２）／√（Σ_ｉａ_ｉ ^２） （式１）
ここに、ΔＰ_ｉｊｋは消費者空間内で使用されるｉ番目のパラメーターの消費者ｊと消費者ｋとの間の差であり、ａ_ｉは種々のパラメーターを計る係数である。本発明の好ましい実施例においては、距離は正規化される。異なるパラメーターは消費者空間の部分として考えられかつ係数は球状の近隣（全ての消費者が或る特定の消費者から一定距離内にいる）内のより狭い予測分布を試験するために、計測されて種々の方法で空間を引っ張るので、正規化は距離を安定化させる。この基準は予測精度の改良に相当する。近隣の大きさを限定するために使用される距離が小さくなると予測分布はより密になる。一方では、距離が小さくなると所与の製品についての値の数が少なくなり、これにより精度を落とす危険がある。係数ａ_ｉは全ての寸法（調整されたパラメーター）が予測分布の拡張に同様な効果を持つ。
【０１１２】
理想的に、「同様な」は、製品の使用に対して同様な嗜好及び性能結果を有する消費者を意味する。本発明の或る実施例においては、共通製品についての使用データがある場合は、式（１）のパラメーターＰが製品に対する性能及び嗜好の採点を含みかつ距離が部分的にこれらパラメーターの類似の基づくように、定義を直接実行することができる。この計画において、任意の２名の消費者間の距離は、異なった数の寸法を含む。これについて、式（１）の正規化基準が計算できる。しかし、割り当てられた製品の数は記録されるべきであり、また類似性の自信のある決定を確立するために、製品の適切な重複を使用しないときは他の消費者は所与の消費者の近隣から除外されるべきである。より大きい自信をもってより多くの製品推奨を作れるように協同近隣内により多くの消費者を許すことが都合良い。この理由で、本発明の好ましい実施例は、かなり大きい関連近隣又は推奨者を確立するために、関心事及びその他の消費者特性の類似性を使用する。
【０１１３】
このモデルにおいては、共通の製品の使用は不要であるため近隣のメンバーとして全ての消費者を利用することができる。空間内の各消費者の位置決めに使用するパラメーターは、関心の重大度、重要度、目標状態、個人プロフィル情報、及び美的選択の幾つか又は全部の組合せから形成される。空間の寸法はこれら消費者特性の種々の比又は積から構成することができる。所与の消費者についての類似グループは、式（１）による空間内の消費者から限定距離内の他の消費者の組として定義される。
【０１１４】
限定距離は、各消費者及び性能と嗜好との予測のために考えられている製品に適合し、そこで「同様な」製品使用者の統計的に適切な数が獲得される。例えば、システムの使用者数が大きくなると、同様な消費者の同じ平均数を維持しつつ閾値を減らすことができる。嗜好又は性能に基づく同様な寸法を構成できるときは、これは個々に説明された消費者特性に基づく空間と組み合わせることができる。
【０１１５】
上述の美的選択は、或る分野内の製品の特別な形式についての嗜好に関連した個人プロフィル情報の下位集合である。嗜好パターンは１以上の美的選択により大きく影響されることが多い。従って、本発明の或る実施例においては、消費者の予測嗜好度は、同じ又は同様な美的選択を有するように追加してフィルタリングされた消費者の近隣から少なくも部分的に誘導される。例えば、製品の分野が洗顔剤であり目標が皮膚である場合は、シャワージェルより固形石鹸を好む消費者はシャワージェル嗜好に基づく推奨には興味がないであろう。それにもかかわらず、本発明は、余り希望の形式でないにしても高性能予測製品がなお有ることを消費者に知って貰いたいので、上位Ｎ個の性能表にシャワージェルがなお存在する。
【０１１６】
近隣は、或る特定の消費者とのセッションに要求される推奨値（予測性能及び嗜好）の全てを作るに十分に大きいように定めることができる。本発明の或る実施例においては、近隣を限定する距離は、任意の所与の消費者について一定とすることができる。本発明の好ましい実施例では、限定する距離は、特定の消費者が置かれた消費者空間の領域内の消費者の密度に基づいて各消費者に対して選ぶことができる。後の実施例は、消費者が人口の少ない消費者空間の領域内に置かれたときに、大きい限定距離を選定することを許す。限定距離は、各消費者及び考えられた各製品について調整可能であり、このため各予測が最小可能な限定距離を使う場合は、より正確な予測を達成することができる。各製品の予測には消費者の異なるグループが含まれるため、比較の精度に微妙な効果で組み合った計算費用がある。十分な統計的サポートのない（変化が大きすぎる又は使用例が少な過ぎる）製品は除かれることがある。
【０１１７】
消費者空間は多くの方法で構成することができ、そして本発明の１実施例は、或る消費者のための製品推奨を作るための或る形式の空間を使用し、更に別の消費者のための推奨を作るための別の形式の（例えば異なるパラメーターを使った）空間を使用することができる。通常、嗜好予測のための空間は、性能予測に使用される空間とは違った寸法を有するであろう。各場合とも、空間はシステム内の各クライアントで満たされるべきである点に注意すべきであり。本発明に使用し得る狭く定められた空間の例は、限定するものではないが、要求に基づいた空間、応答空間、嗜好空間、及び同等を含む。いずれの場合も、空間は、タイトル限界を越える寸法を含むことができる。更に、２個以上のこれら単一空間の特性を加えた複合空間の使用も本発明の範囲内である。
【０１１８】
要求ベースの空間においては、関心事の重大度は大多数の寸法である。別の空間は情報と重大度データとの積により形成でき、これは要求間隙空間と呼ぶことができる。各空間は、個人プロフィル寸法又はフィードバックと比較したき予測の質を改良する適宜のその他のパラメーターを加えることができる。
【０１１９】
応答空間は、第一に、標準製品又は製品の等級に対して記録された状態又は状態の変化に基づく。目標基体が本来医学でありかつ消費者をグループ化することが有用である場合、応答空間を使うことができる。応答パターンは上述された。医学目標の場合は、応答パターンは、基本的な生物学的機構に基づいて消費者を識別する。
【０１２０】
比較的多数の製品をサンプルできかつ消費者が最終的な嗜好情報を提供し得る場合は、或る製品分野に対しては嗜好空間が特に有用である。消費者が特定の性能係数についての客観的フィードバックも提供する場合は、詳細な性能予測が消費者の購入の選択を強化することができる。自動車製品分野は、嗜好空間の使用によく適している。嗜好フィルターは、或る嗜好クラスに適合する車両の組により最も良く表現された形式の車両を好む消費者に、同様の嗜好を持った消費者がそのクライアントになじみのない幾種かのモデルも好むことを知らせる。１種以上の推奨車両の選定の際に、車両性能の様相における実世界消費者作成データが本発明の或る実施例において提供されるであろう。
【０１２１】
協同フィルターの第３の主な要素は、推奨作成機能を備える。消費者及び同様な消費者の組（即ち近隣）が与えられると、与えられた使用者に対する製品推奨が作られる。協同消費者空間の寸法又は座標が選ばれ協同近隣の大きさが定められ、与えられた消費者について、その分野における各製品についての嗜好及び／性能の得点が計算される。得点は記憶され、次いで予測嗜好製品の上位Ｎ個のリストが定められる。ここにＮは消費者に与えられる製品推奨の数である。
【０１２２】
総合性能予測得点は嗜好度得点よりなお複雑である。それは、これらが性能マトリックスから作られ、各消費者について、各製品ごとに１次元マトリックスが予想されるためである。各関心事トッピクに対して一つの性能要素がある。分野内の各商品について、平均性能マトリックスが協同近隣内の全ての消費者について計算される。典型的に、美的選択のためにはフィルタリングはなされない。しかし、嗜好度予測に使用される別の個人プロフィル情報係数についてフィルタリングすることができる。本発明の好ましいい実施例においては、消費者ｋについての総合性能（ＯＰＰ_ｋ）は、消費者の性能マトリックスの要素の消費者重要度（Ｉ_ｉ）の重み付け平均値である。あるいは式の形式では次のようになる。
【０１２３】
ＯＰＰ_ｋ＝Σ_ｉＩ_ｉｋＰ_ｉ／Σ_ｉＩ_ｉｋ （式２）
総合性能得点は分類され、次いで予測性能製品の上位Ｎ個の表を定めるために使用される。本発明の好ましい実施例においては、ＯＰＰ得点は、製品について同様に（利用可能なとき）上位Ｎ個の嗜好度表で報告される。
【０１２４】
［データ処理、神経回路網解析］
本発明の或る実施例は、その推奨製品を作るために神経回路網を使用する。神経回路網は、消費者特性及び消費者フィードバックのような種々の入力、及び製品性能及び嗜好の予測のような種々の出力の間の関係をモデル化するために使われる。各消費者は、典型的に、アドレスすべき１個以上の要求の範囲を持つ。
【０１２５】
入力変数は、クライアントの個人プロフィル情報、前に使用された製品の嗜好及び性能の値、関心事マトリックス（典型的に重大度及び重要度を含む）、及び関心事の分野に関連する目標属性の評価又は測定値の心理学的モデルを含む。消費者が本発明により推奨された製品を使うと、使用された製品についての個々の嗜好データ及び性能マトリックスが追加データを蓄積する。
【０１２６】
上述のように、消費者入力パラメーターの組、使用しそして性能及び／又は嗜好のデータを提供する別の消費者、及びトレーニングされた神経回路網が与えられると、製品推奨エンジは、神経回路網を使って、別の消費者は使用したがこの消費者には不必要である製品についての性能及び／又は嗜好の予測を作成する。与えられた嗜好に対する製品推奨出力形式（典型的には、顧客構成の推奨表に含まれる性能及び嗜好予測の形式）は、記憶された予測から容易に作られる。
【０１２７】
本発明の好ましい実施例においては、予測性能得点は、消費者に推奨された各製品について、性能アレイから誘導された総合性能得点を含む。典型的に、消費者により識別された各関心事についての性能予測がある。分野内の各製品について、各性能パラメーターに対する神経回路網モデルに基づく性能マトリックスが出力される。消費者ｋについての１個の製品の総合性能予測（ＯＰＰ_ｋ）が、上に詳述された協同フィルターと同じ方法で計算される。総合性能得点は分類され、次いで予測性能の製品の上位Ｎ個のリストを定めるために使用される。本発明の好ましい実施例においては、ＯＰＰ得点は、製品について、同様に（利用可能なとき）上位Ｎ個の嗜好度表の製品について報告される。
【０１２８】
図１０は、神経回路網を利用し、その神経回路網が入力として製品属性を利用した本発明の実施例において、製品推奨エンジンがどのように作動するかを機能形式で示す。製品推奨エンジンは、入力として、製品属性１００１（消費者が使用した製品に関する全てのシステム知識から誘導され、或いはシステムの立上げの際の初期データ）、及び個々の消費者特性記録又はプロフィル１００２を受け入れる。処理層又は隠された層１００３は、製品推奨出力１００４を作るために、入力１００１、１００２により作動する。
【０１２９】
［データ処理、ハイブリッド］
本発明の推奨エンジンが上述のように協同的フィルタリングを使用する場合は、神経回路網解析は、これを製品推奨エンジンの機能／性能を改良するために使用することができる。例えば、協同グループからの出力（例えば、予測）は神経回路網により処理でき、或いは神経回路網は、製品が同様に便利であるかどうかの早期予測を作るためにこれを使用することができる。
【０１３０】
上述のように、美的選択及び／又はその他の個人プロフィル情報に基づく協同近隣のフィルタリングは、消費者により正確な予測を提供するために協同近隣内で平均化された嗜好の分布の標準偏差をきつくする。クライアント空間内の消費者の近隣への協同的フィルタリングの後、神経回路網は、使われている消費者の応答に最もうまく適合するように消費者を選ぶためにトレーニングされる。予測の質を周期的に検査する本発明の実施例において、全ての利用し得る入力上で作動している神経回路網は、各出力パラメーターについてより良い予測モデルを見いだすことができる。本発明の実施例は、性能予測の作成のために協同フィルタリング技術、及び嗜好予測作成のために神経回路網法を使うことができる。本発明のこの変更例においては、予測性能データは、嗜好予測用の神経回路網に対する追加入力とすることができる。
【０１３１】
使用し得るなお別のハイブリッドデータ処理モデルは、協同及び内容ベースのフィルタリングを組み合わせる。図１１は、本発明の或る実施例において使用される協同及び内容ベースフィルターのカスケード１１００を示す。カスケード１１００は、社会的情報と内容情報の両者を利用するための新規な方法を表し、これは本発明に特にうまく適している。このカスケード構造１１００により、協同フィルター１１０２は、現在の消費者の特性プロフィル１１０７と全ての消費者に関する知識及びデーターベース１１０１に含まれた製品に基づく多くの製品のための出力予測格付け１１０３に同調させられる。次いで、格付け出力１１０３が内容ベースフィルター１１０４への入力を形成し、このフィルターがこれら入力から製品を選択し、このため、製品特徴データーベース１１０５に記憶された製品特長が、個人プロフィル情報に含まれる使用者の美的選択とうまく適合する。内容ベースフィルター１１０４により選択された製品は、製品推奨エンジンによる最終の推奨１１０６出力を備える。
【０１３２】
［データ処理；データーベースプライミング］
新しい製品は、種々の方法でシステム内に導入することができる。消費者は、適切な製品識別情報を入力することにより、まだシステム内にない製品のためのフィードバックデータを入力することができる。システムは適切なフィードバックが利用可能になるまでその製品について推奨を作ることはできず、これは使用者からフィードバックを受けるまで継続するであろう。システムは、新しい製品のより早い推奨を可能とするプライミングと呼ばれる方法を利用する。製品データーベースは、合成及び／又は実際の過去の入力及びフィードバックにより準備することができる。製品属性、即ち、各消費者部分についての平均性能を表している性能データを使っているシステムにおいては、プライミングデータは、現場の専門家により割り当てられた製品属性を取り入れることができる。プライミングデータは、新しい製品の実際のフィードバックにより迅速に薄められるであろう。或いは、新しい製品の性能及び／又は嗜好データは、よく特徴付けされた使用者の新規の組から得ることができる。時が経ち、消費者が新しい製品を使用すると現在データが組み合わせられ、製品属性及び／又は製品性能をプライミングし、そして組み合わせられたデータに合わせて嗜好データを調整し又は薄める。製品の使用に基づくシステムの記録が十分に蓄積されると、プライミングデータは、システムベースのデータより劣っているためこれをなくすことができる。リトレーニングは、以下、より詳細に説明される。
【０１３３】
［リトレーニング及びフィードバック］
さて、製品推奨エンジン又は進行知能エンジンのリトレーニングが説明されるであろう。本発明の或る実施例は、消費者のフィードバックに基づいて製品推奨エンジンを周期的にリトレーニングすることによりその推奨の質を改善する。特に、本発明の好ましい実施例は、製品の使用後に消費者から受けた嗜好及び性能の格付けを利用し、本発明により作られた製品推奨の精密さ及び／又は精度を周期的に割り付ける。本発明のデータ処理アルゴニズムはリトレーニングされて、実際のフィードバックと早期予測との間の差を小さくする。データ密度は最適重み付け機能を増加させるので、空間構造が変化する。この方法で、本発明の好ましい実施例の出力は、性能及び嗜好のフィードバックデータの母集団の成長とともに連続して改善される。従って、本発明の或る実施例による副次的データ出力の別の形式は、推奨されたフィードバック間隔を備える。
【０１３４】
精度は、各消費者の予測性能及び／又は嗜好値と製品使用後の消費者からのこれらパラメーターに関するフィードバックとの一致の尺度である。一致の改善は、差（予測はフィードバックより小さい）の和の最小化、又は差の二乗和の最小化、及び同等を達する。調整は、空間寸法の変更又は協同フィルタリング空間におけるそのスカラー重み付け、追加の個人プロフィル情報変数による近隣のフィルタリング、神経回路網のリトレーニング、協同フィルタリングモデルから予測へのより良い神経回路網モデルの適用、及び同等を含む。
【０１３５】
図１２は、本発明の或る実施例１２００においてフィードバックを如何に利用するかの機能形式を示す。ブロック１２０１は、本発明のシステム１２００により集められた（又はシステムの最初の立上げの場合は、プライミングデータとして入力された）製品属性データを表す。ブロック１２０２は、システム１２００を使って消費者に依頼し又は消費者から集められた消費者要求データ、（診断データのような）客観的及び／又は主観的フィードバック、個人プロフィル情報、及び同等を表す。矢印１２０３は、システム入力（即ち、ブロック１２０１及び１２０２の情報）におけるシステムの製品推奨エンジン（ここでは進行知能エンジンと呼ぶ）の作動を示す。ブロック１２０４は、矢印１２０３において製品推奨エンジンにより作られそしてシステム１２００の消費者使用者に出力する１２０９製品推奨を表す。ブロック１２０５は、使用者による関心事を処理するための製品の選定、購入、及び使用を表す。一般に、消費者により選ばれ使用される製品は、システム１２００による製品推奨されたものである必要はなく、或いはシステム１２００の知識ベース内にあることだけでよい点に注意されたい。消費者は、システム１２００により識別された関心事を処理するために選んだ適宜の製品を選択し（例えば、ブロック１２０２）、使用し、そしてその製品についてのフィードバックを提供することができる（例えば１２０８、１２１２、１２１６）。ブロック１２０８は、システム１２００が消費者から受け、そしてシステム１２００の知識ベース内で取り込んだ１２１２フィードバック（例えば新しい診断測定値及び主観的応答）を表す。矢印１２１５及び１２１４は、ブロック１２１３と共に、システム１２００の製品推奨エンジンのリトレーニング（ここでは、ときには逆行知能エンジンと呼ばれる）を表す（製品属性１２０１を調節するために、製品推奨１２０４が実際の消費者のフィードバック１２０８と比較される）。
【０１３６】
製品の或る範囲に対する性能に関する客観的及び／又は主観的なフィードバックを、個々の消費者の性能応答プロフィルを定めるために使うことができる。消費者の関心事に寄与する基本機構の変更の可能性があるときは、消費者の性能応答プロフィルのパターンが、その消費者の目標基体を共通の基本的な問題機構を有する別の消費者と提携させる推奨エンジンを支援する。異なる基本的問題は、種々の製品により異なるアクセスをすることができる。例えば、ニキビは、典型的な消費者が自分の感覚のみを使って明らかにし得ない幾つかの原因（微生物性、剥離性、炎症性、及び同等）を持っているが、これは診断器具の測定の助けにより及び／又は別のクラスの製品又及び効力への性能応答のパターンを調べることにより明らかにすることができる。
【０１３７】
システムが神経回路網を使用する場合は、消費者フィードバックがトレーニングセットの拡大及び更新に使用される。新しいフィードバックは、神経回路網を再構成するために使用される例とすることができる。例えば、消費者フィードバックは、神経回路網の隠された層におけるアルゴリズムの関心事の重みを調整するために使うことができる。神経回路網の或る装置において、更新されたトレーニングセットは、本発明の或る実施例において使用される各消費者部分についての製品属性格付けを調整するために使うことができる。本発明により収集された消費者応答の数が増加すると製品属性の精度と安定性とが改良される。図１２に示されるように「逆行知能エンジン」と名付けられたこの作動のリトレーニングモデルにおいて、神経回路網は、入力として消費者応答及び本発明の進行知能又は製品推奨エンジンの出力を使用して、反復法で推奨の精度を改善するように製品属性を最適化する。このリトレーニングの目的は多く、将来の推奨の精度の向上、製品開発の目的のための製品性能についての見識の作成、及び同等が含まれる。本発明は、消費者が製品に対する消費者の主観的及び／又は客観的応答について学習したとき、各消費者についての予測精度を改良することもできる。
【０１３８】
上述された学習機能の部分は、フィードバックが、任意のクライアントの近隣内の嗜好及び／又は性能の分布の標準偏差を小さくする方法で、消費者をグループ化するために如何なるベースも支持する否かの周期的判定を含むことができる。もしかかるベースが見いだされたならば、これは製品推奨エンジンのアルゴリズム内に取り入れられ、そして予測性能及び／又は嗜好の格付け等を収集する際に適切な近隣を下位集団にするために使用される。製品の効果の知識は、平均標準誤差を減らすことにより精度を大きくできるが、個々の応答の予測は、多勢の同様な使用者のわたり測定された効果の分布幅に依存する点に注意することが重要である。分布は、真の応答変動には反映するが測定値の精度には反映しない。標準偏差は予測精度を上げるためにできるだけ狭くすることが要求される。従って、（精度を上げるために）協同の組を限定する距離を減らすことは、予測の標準偏差を減らすことと、標本情報に寄与している消費者の数が小さくなるので評価の標準誤差を大きくする（精度を減らす）こととの間の二者択一を含む。
【０１３９】
［職業的統合］
職業的統合は、職業的サービス提供者による本発明の使用を指す。典型的に、職業的統合は、一連のソフトウエア及び／又は消費者（個人及び／又は群）のデータ及び特性への職業的アクセスを許す特殊な診断器具を備え得る職業的インターフェースの建設を含む。職業的統合は、正常範囲外の値の状態が本発明により検出されとき、或いは消費者の関心事にアクセスするために高度の職業的サービスを示す客観的又は主観的フィードバックデータをシステムが有するとき、本発明を使用している消費者を（医事が目標の場合の医師のような）職業的サービス提供者に紹介する方法を指す。要求、その原因、予測された処理、及び／又は職業的に推奨された製品からのフィードバックの職業的評価のデータが獲得されると、本発明の製品推奨エンジンはリトレーニングされ、そして本発明自体は、要求の評価、処理推奨、及び同等において専門家を支援することができ。特に、医事目標がデータに含まれる場合は、本発明の或る実施例により行われるデータ解析は、病気状態の治療、及び同等に使うための最良の治療意見の予測手段となり得る応答パターンを検知することができる。逆もまた真である。
【０１４０】
本発明の実施例は、製品推奨（例えば、予測性能、予測嗜好、及び同等）及び／又は特別な製品についての副次的情報及び専門家から得られたサービス（即ち、処方薬、及び同等）が、消費者に直接にではなくて専門家に報告されるようにして実行することができる。図１３は、専門家のみで本発明の実施例１３００が如何に作動するかを機能形式で示す。ブロック１３０１は、製品及び消費者情報が本発明の知識ベースの少なくも一部分を構成しているデータベースを表す。ブロック１３０２は、データベース１３０１及び個々の消費者及び／又は製品推奨１３０３を作るために、消費者のために働いている専門家からの要求から得たデータ上で作動する製品推奨エンジンのデータ処理部分を表す。ブロック１３０４は、システム１３００により作られた製品推奨１３０３を受ける最良の人間である職業的サービス提供者を表す。専門家１３０４は、自分が適切であると考えた情報を個々の消費者／クライアント１３０６に送る。専門家１３０４は、専門家インターフェース１３０５を介して、システム１３００に個々の消費者／クライアント１３０６に関するフィードバックを提供する。消費者／クライアント１３０６は、診断データのような客観的フィードバック１３０７を同様にシステム１３００に提供する。
【０１４１】
本発明の別の実施例は、消費者が自分にアクセスする職業的サービス提供者に権限を与える装置を備える。図１４は、本発明のかかる実施例１４００が如何に作動するかを機能形式で示す。消費者／クライアント１３０４からの同意により、その職業的サービス提供者１４０２（例えば、医事目標が含まれる場合は医師）は、過去、現在における消費者の進行及び／又は提案された処理、クライアント特性のディスプレイ、消費者のための製品推奨、及び同等１４０２を見るために、専門家インターフェース１４０４を介して本発明にアクセスする。
【０１４２】
本発明のなお別の実施例は、消費者と専門家との両者が本発明内及び本発明により作られた推奨内のディスプレイにアクセスできるように組み込むことができる。この実施例においては、本発明への消費者の直接アクセスは、（提供されたならば）進行の指標を見ること、状態を理解すること、及び同等に限定するようにできる。かかる実施例を組み込むための潜在的なベースは、例示すれば、治療性能の診断評価を専門家のみができるとき、最も多くの治療が専門家の管理を必要とするとき、及び同等を含む。医事目標の場合、例えばニキビ患者は、腫瘍の型、分布、段階、及び患者の状態と履歴パラメーターにより特徴付けることができる。この場合、本発明は、予測機能の継続治療に基づく別の処置の性能を予測するであろう。入力とアクセスとは、第１に医師が利用可能であろう。
【０１４３】
図１５は、本発明のかかる実施例１５００が如何に作動するかを機能形式で示す。ブロック１５０１は、製品及び（消費者及び職業的サービス提供者の両者から集められた）消費者の情報を、記憶された本発明の知識ベースの少なくも一部分とするデータベースを表す。ブロック１５０２は製品推奨エンジンのデータ処理部分を表し、これは、データベース１５０１から来たデータ、及び個々の消費者からの要求、及び／又は出力１５０３（例えば、製品推奨及び／又は副次的情報）を作るように、消費者／クライアントの世話をする専門家からの要求で作動する。ブロック１５０４は職業的サービス提供者を表し、ブロック１５０６は出力１５０３を作る対象の消費者／クライアントを表す。出力１５０３は、消費者／クライアント１５０６と専門家１５０４との双方が利用可能である。言い換えれば、全ての出力（専門家及び消費者／クライアント出力；ｐ＋ｃ）が専門家１５０４に利用可能であり、一方、出力の内のより限定されたもの（クライアント出力；ｃ）は、消費者／クライアント１５０６に利用可能である。消費者／クライアント１５０６は、専門家インターフェース１５０５を介してシステム１３００にフィードバック１５０７（例えば、診断データ、嗜好データ、及び同等）を提供する。或いは、専門家１３０４は、同様に専門家インターフェース１５０５を介して、システム１３００に個々の消費者／クライアント１５０６についてのフィードバック（示さず）を提供する。
【０１４４】
専門家が本発明に精通している場合は、専門家は、本発明を使用し始めるクライアントを消費者として持つことができる。専門家は（専門であるか又はそうでない）診断上の特徴にアクセスすることが多いので、専門家は新しい消費者（即ち、新しいクライアント又は新しい使用者）の確りした基本的な評価を得てこれを本発明内に入力することができる。その後、本発明の設備に応じて、専門家は、本発明を介してクライアント／消費者の進行を監視することができる。例えば、本発明が画像化能力を有する場合は、皮膚科専門医はクライアントを登録して、記憶された画像における変化を検査して或る期間にわたる患者の進行を追跡することができる。専門医は、本発明により、画像をコメントで注釈し、画像の重要な特徴又は領域を示すこと及び同等ができる。本発明の或る実施例は、特徴の解析及び知能処理を用いて、異なった時に集められかつ量の異なる画像を自動的に記録し整理することができる。画像の供給源は、専門家、消費者、その他の供給源、或いはこれらの組合せとすることができる。従って、本発明のかかる装置は、監視の頻度を大きくする方法として専門家による観察と関連して使用することができる。専門家は、本発明からクライアント／消費者のデータ（例えば、基体の画像）を都合のよいときに見て、データについて討議するためにクライアント／消費者と接触し及び／又は患者／消費者と専門家との会合の予定を立てることができる。
【０１４５】
本発明の或る実施例は、基本的な状態及び／又は原因について専門家により評価されたクライアント／消費者についてのデータ（例えば、画像、医学的特性、及び同等）を集めかつ記憶することできる。これらの実施例は、本発明の製品推奨エンジン（例えば、協同フィルター、神経回路網、及び同等）をリトレーニングするために、診断の精度（例えば、医事目標の場合、病気のときの診断なしのパーセンテージ、病気を診断したときの誤診のパーセンテージ、及び同等）のための適宜の数の予め定められた基準を利用することができる。この方法で、本発明は、必要性、原因、状態、治療、及び同等の、さもなくば不可能であった早期評価において専門家を支援することができる。逆に、本発明の別の実施例においては、本発明は、専門的治療を保証しかつ消費者がこれを探すことについて助言する必要性／状態を検出することができる。例えば、本発明は、或る特定の製品と組み合わせられることが知られる不利な状態を監視して、これが検出された場合、消費者に適切な専門医と接触することを勧告するようにプログラムすることができる。医事目標が含まれる場合、本発明は、かかる情報を編集し連邦食品医薬品局（ＦＤＡ）のような適切な取締り当局に提出することもできる。
【０１４６】
本発明の種々の実施例は、消費者及び／又は専門家が、関連製品分野（例えば、スキンケヤ）内の特定の状態、処置、及び同等に関するテキスト内容のような補助的な出力にアクセスすることを許す。専門的な内容、大部分は科学的文献、は、非専門的な内容から分離することができる。
【０１４７】
或る形式の専門的な統合を含んだ本発明の好ましい実施例は、或る製品が専門的サービスの部分として使用されるか否かを識別する手段を持つ。この実施例においては、（消費者に対する）患者のデータは、非専門的製品（例えば、医事目標の場合における非処方薬品）の効力の非専門的理解に寄与しないであろう。データのこの部分に基づいて報告及び異なる偽薬の効果の２種の出版物が発行される。第１のものは、本発明へのデータ入力の提供者を含む。消費者システムのためのデータは、自己報告でありかつ自己に関連する。専門家システムに対するデータは専門家により評価され報告され、従って、消費者が報告した関連データよりも、より定量的でありかつより客観的である。第２の出版物に関しては、製品の効果は使用者の態度により影響を受ける。専門的な治療は、目標基体の状態に具体的に影響を与えることにより、クライアントの態度を変えることができる。異なる偽薬の効果は、ほとんどが医療研究環境において調査される。従って、専門的環境、特に医事目標及び製品が含まれる環境においては同様な現象があることを予期することができる。
【０１４８】
本発明の或る実施例は、新しい製品の臨床試験のためのデータ収集を支援することができる。典型的な臨床試験は、２個の対象群の中で試験される賦形剤又は偽薬及び活性製品を含む。対象者は活性製品と偽薬とに不規則に割り当てられる。本発明は全ての対象者が参加要件に適合しかついかなる画像データも場所及び時点に無関係に等級分けされることを確実にする。有効な製品の効力の結果は、新しい治療（即ち、有効製品）に最もよく応答した消費者について識別された別の利用し得る治療及び指標と比較することができる。本発明は、この医療範例外の消費者による新しい製品の有効な使用により臨床試験結果と比較するために使用することもできる。
【０１４９】
本発明の別の使用は専門家の訓練に関係する。皮膚科医のような医学専門家の場合は、現在の訓練方法は、典型的に個々の患者の観察を含み、かつ小さくて不規則な患者数に限定される。本発明のデータベース部分は、目標基体に関する大量の実地データ、及び長期間の種々の治療への患者の応答を含む。例えば、本発明の或る実施例においては、データベースは、正常な皮膚及び病気の皮膚、並びに経年に関するデータ、太陽及び環境への暴露の影響、及び種々のスキンケヤ製品の効果を含むであろう。データベースは、治療に関するデータ及び長期間の治療の関数としてこれらの画像がどのように変化したかも含むであろう。このデータは、専門家訓練における大きな価値のものである。
【０１５０】
［方法論］
図１６及び１７は、それぞれ本発明の或る実施例と消費者との典型的な対話の機能図及び流れ図を示す。図１６に示されたプロセスは、図１７に示された大部分を反映する。図１７Ａに示されるように、プロセス１７００は段階１７０１において出発し、段階１７０５において、本発明は、消費者から製品推奨についての依頼を受ける。段階１７１０において、本発明は消費者からの入力を請求し、これが段階１７１５において受け入れられる。上述のように、入力は、個人プロフィル情報、関連領域、各関連領域に対する重大度と重要性、現在使用中の製品の性能、及び同等を含んだ広範囲の情報を含むことができる。段階１７２０において、本発明は、その消費者データベース又はその他の記憶装置内で消費者プロフィルを作成し、更にその推奨エンジンにより製品推奨を作る。段階１７２５において、本発明は、その推奨を消費者に提出する。本発明は、プロセスのこの点において副次的情報を与えることができ及び／又は消費者は請求し受け取ることができることに注意すべきである。段階１７３０において、本発明は使用するために消費者により選ばれた製品の通知を受ける。段階１７３５において、本発明は消費者に推奨フィードバック間隔を提案する。段階１７４０（図１７Ｂ）において、本発明は消費者から受け取るべきフィードバックを待つ。
【０１５１】
段階１７４５において、本発明は、前に選定され続いて使用された製品についてのフィードバックを提供するようにという消費者からの要求を受け取る。段階１７５０において、本発明は消費者からフィードバックを受け取る。上述のように、フィードバックは、消費者により使用される製品の実際の性能及び嗜好に関する主観的及び／又は客観的データを含むことができる。段階１７５５において、本発明は消費者プロフィルを更新し、そして段階１７６０において、本発明は進行指示を作りこれを消費者に送る。段階１７６５において、本発明は、製品を使い続けるか否かを消費者に質問する。「イエス」である場合は、プロセスは段階１７４０に戻り、そして消費者からの更なるフィードバックを待つ。「ノー」である場合は、段階１７７０において、プロセスは消費者が使用のために新しい製品又は別の製品を選びたいか否かを消費者に質問する。［イエス」であるならば、プロセスは段階１７２０に戻る。「ノー」であるならばプロセスは段階１７７５において終了する。
【０１５２】
図１８は、本発明の或る実施例により推奨エンジンをリトレーニングするプロセス１８００を流れ図形式で示す。プロセスは、段階１８０１において開始され、そして、段階１８０５において本発明は個々の入力を受け取り、個々のプロフィルを作成し、そして関連の消費者グループについての個別化された製品推奨を作る。段階１８１０において、本発明は、使用するために個々の消費者が選んだ製品の通知を受ける。段階１８１５において、本発明は、前に選ばれた製品の使用に関する個々の消費者からのフィードバックを受け取る。段階１８２０において、本発明は、段階１８１５において受け取ったフィードバックが製品推奨エンジンのリトレーニングを保証するか否かを判定する。「イエス」である場合は、本発明は、段階１８１５において受けたフィードバックに基づいて製品推奨エンジンをリトレーニングし、それから段階１８２５を待つために戻る。「ノー」であるならば、本発明は、段階１８２０に戻るより前に、或る所定時間の間、或る所定数のフィードバック対話、手操作による命令、又は同等を待つ。
【０１５３】
図１９は、本発明の種々の実施例により実現し得る幾つかの概念及び可能な収入の流れを示す。本発明は、製品分布システムの構成要素とすることができる。インターネット上で（又はメール又は電話注文により）提供されるサービスとして作動する場合は、本発明は、消費者の学習された選定プロセスに基づいて取引を容易にする。本発明は、前に入手不可能であった高品質の製品性能及び嗜好の情報を収集しかつ作り、これにより本発明を組み込んだシステム内の多くの点において新たな収入の流れを作る。図１９は、符号＄により、これら多数の点を識別する。また、より広いシステム内に組み込まれるか否かにかかわらず、本発明により蓄積された知識及び作られた知識は、限定するものではないが消費者、医療関係及び非医療関係の専門家、分布チェーンの実態（例えば小売店、卸し店、及び同等）、製品開発者、市場の人々、市場解析者、及び同等を含む種々の分担者グループに対して価値がある。
【０１５４】
本発明により作られた一つの収入の流れは消費者の出資書式内にある。本発明は各会員の個々の履歴に関する特有の履歴データを蓄えるので、消費者は本発明の推奨サービスへのアクセスをするための代金を支払う。履歴は、消費者の医学的及び主観的な応答又は特定製品、天候、又はその他の関連状態についての消費者の目標基体を含んだ適宜の数の項目を備える。時間が経つと、本発明は、消費者会員の良い特性による各消費者の更なる応答の予測、及び消費者会員とその他の人々の関連部分とのより正確な整合における専門的知識を獲得する。
【０１５５】
或る実施例においては、消費者は上質のサービスに対して割増料金を支払うことができる。例えば、標準レベルのサービスに対して支払っている消費者は、メニューを介して本発明と対話することができる。上質のサービスの予約をしている消費者は、メニュー及び／又は人を介して本発明と対話することができる。なお別のレベルのサービスは、ロボットを介して対話をすることができる。
【０１５６】
本発明の別の実施例においては、消費者は、対話方法（家庭、温泉、コンピューター及び同等）、対話時間の長さ、記憶空間（画像、履歴、及び同等）、専門家との時間の長さ、及び同等のような各等級が複数の係数を特定する複数の等級から選ぶことができる。標準レベルのサービスは、性能又は嗜好による上位３個の製品を提供できる。より高い支配いレベルは適宜数の情報又は製品並びに任意の名称の製品を提供するであろう。異なった支払いレベルに対する別の基本は、その支払い者についての診断変数の追跡である。基本レベルは身体パラメーターを含まず、より高いレベルは幾つかのパラメーターを含みことができ、そして最高レベルは画像に基づくパラメーターを含む。サービスレベルは、限定するものではないがアクセスの頻度、関連製品の数、１年当たりの記憶画像の数、モニターのために選ばれた特定パラメーター、及び同等を含んだ一連の選択肢からの消費者の選定により定めることができる。
【０１５７】
本発明自体により、キオスク及びその他の遠隔場所アクセスの形式で別の収入の流れが作られる。（推奨、副次的情報出力、分野内の製品情報、及び同等へのアクセスを提供する）キオスクは、製品販売サイトにおいて本発明にアクセスし又は個人インターネットアクセスを持たない消費者のための経路を提供する。理想的なサイトは、製品を販売する場所又は専門家の援助の近くである。キオスクにより提供されるサービスは導入レベルにおけるものであり、新しい消費者に無料である。現存の会員は勘定に料金を負担するものを含めて全ての情報にアクセスできる。プリペイドカードが発売され、或いは同様にクレジットカードがサービスに受け入れられる。
【０１５８】
キオスクベースのシステムは、消費者に情報のログインを求め、或いは新しい使用には更なる使用を容易にする情報のログインを求める。ログインは生物測定学ベースとすることができる。新しい消費者に対しては、その消費者の一般的要求を理解するために幾つかの質問を提供することができる。本発明は、キオスクの位置における蓄積を利用可能性によりフィルタリングした上位Ｎ個の推奨製品又は全ての蓄積を提供することができる。消費者もメール注文により入手可能な推奨製品を見ることができる（フィルタリングなし）。どのディスプレイにおいても出力（例えば、性能及び嗜好度の特典及び価格）は標準化されるべきである。キオスク位置において入手不可能な製品については、消費者はメール注文を選ぶ選択肢を持つことができる。このサービスにより、交換に種々の収入が可能である。消費者は、その位置における買物をするためにクーポンを受け取ることができる。本発明のオペレーターは、キオスク発行のクーポンが局所的に使用されたときは手数料を受け取ることができる。キオスクは、鉄道駅、空港、モール、百貨店、リゾート、ジム、温泉、理容店、消費者がサービスを受けるために待つ適宜の場所、及び同等のような位置に置くことができる。
【０１５９】
本発明の或る装置は、範囲を国際的となし得るので、本発明により蓄積された知識は、現在のところ入手できない世界のあらゆる区域の製品の銘柄及び／又は分野の情報を含む。従って、本発明により蓄積された知識は、新たな市場における成功を提供するかもしれない新しい銘柄、製品、及び／又は要素の識別を容易にするために使用することができる。本発明の装置の範囲内の製品の効果についての情報は、或る料金で及び／又は推奨製品の静的なデータベースにおいて入手可能な種々の分野における最も有効な製品を利用可能とすることができる。本発明の装置は、国内製品と外国製品の両者について分配の容易性及び／又は機能を統合することができる。
【０１６０】
具体化し得る別の可能な料金の流れはデータの採掘形式である。産業の構成要素に対する価値の情報を、その製品分野における関心のある製品の嗜好及び性能についての協同データベースから発掘することができる。本発明のデータベースから発掘されるデータは、例えば、市場の分野内における製品の性能及び／又は嗜好、任意の製品の各関連分野についての客観的性能及び／又は知覚された性能、製品間の比較性能、及び同等を含む。本発明のデータベースから発掘できる産業上の価値がある追加データは、どの消費者がどの製品を使用し好むか、銘柄の切り替えとロヤリティとのデータ、製品の相互作用と定形の効果、人口統計と需要の傾向、及び同様を含む。発掘されたデータは、新しい製品の公式化の存在、製品に対する新たな苦情の文書、試験及び／又は承認の希望の存在、又は製品の競争力評価の探索の存在のために売ることができる。
【０１６１】
具体化し得る別の収入の流れは、サービスの仲介を含む。消費者に使用される製品は、目標分野における新しい製品又は技術の獲得に興味を有する会社の基準に適合することが、本発明により識別される。本発明のオペレーターは、獲得者の基準に適合した製品の識別に対して料金を課金することができる。適切な製品を識別するこの方法は、本発明からのデータはすぐに利用できかつ嗜好及び市場要因からの容易な性能の分離を許すため、新しい製品の購入の単純な監視よりも良い方法である。
【０１６２】
別の収入の流れは、購入された製品及び／又は引用した消費者に対する手数料の支払いを含む。例えば、（購入の仕方がオプションである実施例において）消費者が本発明のオペレーターに直接製品を注文したとき、製品は、提携卸売会社からメールで供給することができる。提携卸売会社は、交換に本発明のオペレーターに販売手数料を支払う。クーポン販売は別の例を提供する。消費者が通常のアウトレット販売店を通して推奨製品を購入したいときは、消費者へのクーポン又は領収書の発行により製品の推奨と購入との間のリンクが作られる。製造者及び／又は小売業者は、或る特定の推奨製品の選択及び／又は或る小売業者からの或る特定の推奨製品の購入に対する報奨金としてクーポンを提供する。クーポンにより推奨製品が販売されたとき、消費者は割引きを受け、本発明のオペレーターは手数料を受け取る。
【０１６３】
新しい製品に向けられた本発明の実施例に組み込み得る部門に消費者を向けたことにより収入を実現させることができる。製造者及び／又はその他の関連団体は、本発明の特別な部門に新しい製品を置くこと、本発明内に新しい製品を組み込むこと、及び同等に対して、交換に本発明のオペレーターに料金を支払う。新しい製品に関連して本発明により作られ及び／又は蓄積されたデータへのアクセスのために追加料金を支払うことができる。
【０１６４】
本発明により具体化し得るなお別の収入の流れは、専門家紹介料金である。本発明の実施例が専門家のサービス実施を必要とする重大な異常事態を検出できる場合、専門的サービス提供者は、可能なサービス提供者としてリストして貰うため及び／又は本発明からの推薦を実際に受けるために、本発明のオペレーターに料金を支払うことができる。
【０１６５】
［結論］
本発明は種々の図面に示された実施例に関連して説明されたが、本発明の精神から離れることなく本発明と同じ機能を実行するために、その他の実施例を使用し得ること、或いは説明された実施例に変更及び追加をなし得ることを理解すべきである。従って、本発明は、ここに明らかに図示され説明されると否とにかかわらず適宜の１個の実施例に限定すべきではない。本発明は、特許請求の範囲により与えられた全範囲を有するように構成されるべきである。
【図面の簡単な説明】
【図１】
通常の内容ベースフィルタリング技術と組み合わせられた数種の原理を図解するマトリックスを示す。
【図２】
通常の協同フィルタリング技術と組み合わせられた数種の原理を図解する特徴空間を示す。
【図３】
本発明を使用し得る第１の回路網環境の例を示す。
【図４】
本発明を使用し得る第２の回路網環境の例を示す。
【図５】
本発明の実施例により消費者から本発明の入力を集めるための照会構造を示す。
【図６】
本発明の実施例による消費者データベース入力を示す。
【図７】
診断データが組み込まれたときに本発明の或る実施例がいかに作動するかの機能型式を示す。
【図８Ａ及び８Ｂ】
予測製品嗜好得点により順序付けされた上位３個の推奨製品例を示す。
【図９Ａ及び９Ｂ】
予測製品性能得点により順序付けされた上位３個の推奨製品例を示す。
【図１０】
本発明の実施例に従って製品推奨エンジンが神経回路網をいかに作動させるかを機能型式で示す。
【図１１】
本発明の実施例に従って製品推奨エンジンにおいて使用し得る協同フィルタリング及び内容ベースのフィルタリングのカスケードを示す。
【図１２】
本発明の幾つかの実施例においてフィードバックがいかに使用されるかを機能型式で示す。
【図１３】
本発明の専門家専用の実施例がいかに作動するかを機能型式で示す。
【図１４】
本発明の実施例への専門家の権限のあるアクセスがいかに作動するかを機能型式で示す。
【図１５】
本発明の第１の専門家専用実施例がいかに作動するかを機能型式で示す。
【図１６】
本発明の実施例と消費者との対話の一般的過程を示す。
【図１７Ａ及び１７Ｂ】
本発明の実施例と対話するための過程を流れ図型式で示す。
【図１８】
本発明の実施例による推奨エンジンをリトレーニングするための過程を機能図型式で示す。
【図１９】
本発明の実施例及びシステム内で複数の収入発生点を組み込んだ例示システムを示す。

Claims (81)

1. 目標基体に関連する消費者からデータの第１の組を受け取り、更に
   製品分野内の複数の製品から消費者のための個別化された製品推奨の組を作成し、作成は、データの第１の組を入力として知能型性能ベース製品推奨エンジン内に送り、製品推奨エンジンのデータ処理部分により入力で作動し、更に製品推奨エンジンのデータ処理部分からの出力の組を作ることを含み、出力は個別化された製品推奨の組を含んでいる
   ことよりなる個別化された製品推奨の公式化の方法。
2. データの第１の組の受領が基体に関する関心事を受け取ることを含む請求項１の方法。
3. 関心事の重大度を受け取ることを更に含む請求項２の方法。
4. 関心事の重要度を受け取ることを更に含む請求項２の方法。
5. 消費者からデータの第２の組を受け取ることを更に含み、データの第２の組は歴史的製品データを含み、更にデータの第１及び第２の組が製品推奨エンジン内への入力よりなる請求項１の方法。
6. 歴史的製品データを受け取る段階が、過去に消費者により使用された製品のための性能データを受け取ることを含む請求項５の方法。
7. 歴史的製品データを受け取る段階が、過去に消費者により使用された製品のための嗜好データを受け取ることを含む請求項５の方法。
8. 消費者からデータの第３の組を受け取ることを更に含み、データの第３の組は消費者に関する個人プロフィル情報を含み、更にデータの第１及び第３の組が製品推奨エンジン内への入力を含む請求項１の方法。
9. 製品推奨エンジンのデータ処理部分による入力上での運転の段階が、製品推奨エンジンの神経回路網部分による入力上の運転を含む請求項１の方法。
10. 製品推奨エンジンのデータ処理部分による入力上での運転の段階が、製品推奨エンジンの協同フィルター部分による入力上での運転を含む請求項１の方法。
11. 製品推奨エンジンのデータ処理部分による入力上での運転の段階が、製品推奨エンジンの内容ベースフィルター部分による入力上での運転を含む請求項１の方法。
12. 製品推奨エンジンのデータ処理部分による入力上での運転の段階が、製品推奨エンジンのカスケードにされた内容ベースフィルター及び協同フィルター部分による入力上での運転を含む請求項１の方法。
13. 出力の組の作成段階が、製品の第１のリスト及び各リスト化された製品のための採点付き予測性能ユーティリティを備える請求項１の方法。
14. 出力の組の作成段階が、上位Ｎ個の製品の第１のリスト及び各リスト化された製品のための採点付き予測性能ユーティリティを備える請求項１の方法。
15. 出力の組の作成段階が、製品の第１のリスト及びリスト化された各製品のための採点付き予測嗜好ユーティリティを備える請求項１の方法。
16. 出力の組の作成段階が、上位Ｎ個の製品の第１のリスト及びリスト化された各製品のための採点付き予測嗜好ユーティリティを備える請求項１の方法。
17. 第１の出力の作成段階が、製品の第１のリスト及びリスト化された各製品のための購入価格を備える請求項１の方法。
18. 製品推奨エンジン入力から副次的情報出力を作ることを更に含む請求項１の方法。
19. 副次的情報の作成段階が、少なくも１個の製品の効果に関する情報を作ることを含む請求項１８の方法。
20. 副次的情報の作成段階が、指摘された消費者の母集団に対する目標基体の状態に関する情報を作ることを含む請求項１８の方法。
21. 個別化された製品推奨の組を消費者に通信する
    ことを更に含む請求項１の方法。
22. 通信段階が、推奨を含んだウエブページを作りかつ消費者に送ることを含む請求項２１の方法。
23. 目標基体を処理するために製品の使用に関する消費者からのフィードバックを受け取る
    ことを更に含んだ請求項１の方法。
24. フィードバックを受け取る段階が、先行の推奨された製品の使用に関する消費者からのフィードバックを受け取ることを含む請求項２３の方法。
25. フィードバックを受け取る段階が、製品に関する嗜好データを受け取ることを含む請求項２３の方法。
26. フィードバックを受け取ることが、製品に関する性能データを受け取ることを含む請求項２３の方法。
27. フィードバックに基づいて製品推奨エンジンをリトレーニングする
    ことを更に組む請求項２３の方法。
28. 消費者からデータの第１の組を受け取る段階が消費者の皮膚に関するデータの第１の組を受け取ることを含み、更に消費者のための個別化された製品推奨の組を作る段階が複数のスキンケヤ製品から個別化された製品推奨の組を作ることを含む請求項１の方法。
29. 知能性能ベースの製品推奨エンジンにより、与えられた関心事のための複数の個別化された製品推奨を作り、
    関心事を処理するために製品の使用について複数の使用者からフィードバックを受け取り、更に
    受け取ったフィードバックに基づいて製品推奨エンジンをリトレーニングすることを含んだ製品推奨の質を改良するための方法。
30. フィードバックを受け取る段階が、製品嗜好データを受け取ることを含む請求項２９の方法。
31. フィードバックを受け取る段階が、製品性能データを受け取ることを含む請求項２９の方法。
32. 製品性能データを受け取る段階が、目標基体の状態データを受け取ることを更に含む請求項３１の方法。
33. フィードバックを受け取る段階が、主観的な製品性能データを受け取ることを更に含む請求項３１の方法。
34. フィードバックを受け取る段階が、客観的な製品性能データを受け取ることを更に含む請求項３１の方法。
35. 客観的な製品性能データを受け取る段階が、診断データを受け取ることを含む請求項３４の方法。
36. リトレーニング段階が、神経回路網において複数の製品属性の値を調整することを含み、神経回路網が製品推奨エンジンの一部分を構成している請求項２９の方法。
37. リトレーニング段階が、神経回路網において複数のコネクションウエイトの値を調整することを含み、神経回路網が製品推奨エンジンの一部分を構成している請求項２９の方法。
38. リトレーニング段階が、フィードバックに基づいて関連消費者区割りを識別すること及び消費者を区割りにグループ化することを含む請求項２９の方法。
39. リトレーニング段階が、協同フィルターにおいて協同近隣構成の組を改定することを含み、協同フィルターが製品推奨エンジンの一部分を構成している請求項２９の方法。
40. リトレーニング段階が、協同フィルターにおいて協同近隣構成の組に個人プロフィル情報フィルターを加えることを含み、協同フィルターが製品推奨エンジンの一部分を構成している請求項２９の方法。
41. 個別化された製品情報を作るためのシステムであって、
    製品情報と消費者情報とを含んだデータベース、及び
    データベースと通信している知能性能ベースの製品推奨エンジン
    を備え、
    消費者から受け取った要請に応答して製品推奨エンジンにより消費者のための製品推奨が作られ、製品推奨エンジンは製品推奨を作るためにデータベースにおける要請及び情報に含まれるデータを参考にする
    システム。
42. 製品推奨エンジンが内容ベースのフィルターを備える請求項４１のシステム。
43. 製品推奨エンジンが神経回路網を備える請求項４１のシステム。
44. 神経回路網が、複数の製品分野内の複数の製品の各についての複数の属性を含む請求項４３のシステム。
45. 神経回路網が、複数の消費者の特性変数を入力として受け取りそして或る母集団の消費者についての性能データを作る請求項４３のシステム。
46. 神経回路網が、複数の消費者の特性変数を入力として受け取りそして消費者の或る母集団についての嗜好データを作る請求項４３のシステム。
47. 製品推奨エンジンが協同フィルターを備え、協同フィルターが要請を作った消費者に似た別の消費者の組を定めている請求項４１のシステム。
48. 製品推奨エンジンが、カスケードにされた協同及び内容ベースフィルターを備える請求項４１のシステム。
49. 製品推奨エンジンに通信可能に接続された消費者インターフェースを更に備える請求項４１のシステム。
50. 通信可能な接続がコンピューター回路網を備える請求項４９のシステム。
51. 通信可能な接続が遠隔通信回路網を備える請求項４９のシステム。
52. 通信可能な接続がインターネットを備える請求項４９のシステム。
53. 消費者インターフェースがパソコンを備える請求項４９のシステム。
54. 消費者インターフェースが診断装置を備える請求項４９のシステム。
55. 消費者インターフェースがカメラを備える請求項４９のシステム。
56. 消費者インターフェースがキオスクを備える請求項４９のシステム。
57. 製品推奨が、キオスクの付近で購入可能な製品に限定される請求項５６のシステム。
58. 消費者インターフェースが職業的サービス提供者の事務所に置かれる請求項４９のシステム。
59. 消費者インターフェースが消費者の家に置かれる請求項４９のシステム。
60. 要請が目標基体及び或る特定の消費者の識別を含み、データベースに記憶された消費者情報がその特定の消費者についての特性記録を含んでいる請求項４１のシステム。
61. 記録が関心事の重要度を更に含む請求項６０のシステム。
62. 記録が関心事の重大度を更に含む請求項６０のシステム。
63. 記録が製品嗜好情報を更に含む請求項６０のシステム。
64. 記録が過去の製品嗜好情報を更に含む請求項６０のシステム。
65. 記録が過去の製品性能情報を更に含む請求項６０のシステム。
66. 記録が個人プロフィル情報を更に含む請求項６０のシステム。
67. 製品推奨が、製品の第１のリスト及びリストされた各製品についての得点付き予測性能ユーティリティを含む請求項４１のシステム。
68. 製品推奨が、上位Ｎ個の製品の第１のリスト及びリストされた各製品についての得点付き予測性能ユーティリティを含む請求項４１のシステム。
69. 製品推奨が、製品の第１のリスト及びリストされた各製品についての得点付き予測嗜好ユーティリティを含む請求項４１のシステム。
70. 製品推奨が、上位Ｎ個の製品の第１のリスト及びリストされた各製品についての得点付き予測嗜好ユーティリティを含む請求項４１のシステム。
71. 製品推奨が、製品の第１のリスト及びリストされた各製品についての購入価格を含む請求項４１のシステム。
72. 要請に応答して製品推奨エンジンにより副次的情報出力を作ることを更に含む請求項４１のシステム。
73. 複数の消費者が、製品の使用に関する進行しているフィードバックを提供し、フィードバックの部分が製品情報及び消費者情報のデータベース内に記憶されている請求項４１のシステム。
74. フィードバックが製品性能データを含む請求項７３のシステム。
75. フィードバックが製品嗜好データを含む請求項７３のシステム。
76. フィードバックが主観的フィードバックを含む請求項７３のシステム。
77. フィードバックが客観的フィードバックを含む請求項７３のシステム。
78. 製品推奨エンジンが、フィードバックに基づいて周期的にリトレーニングされる請求項７３のシステム。
79. リトレーニングが製品推奨の質を改良する請求項７８のシステム。
80. 製品推奨エンジンが、複数の協同近隣を有する協同フィルターを備え、かつリトレーニングが消費者の性能応答パターンに基づき協同近隣を改訂することを含む請求項７８のシステム。
81. 性能ベースの知能製品推奨システムにより収入を作るための方法であって、
    消費者から推奨に対する要請を受け取り、
    要請に応答して製品推奨エンジンにより複数の製品推奨を作り、そして
    消費者からの支払いと交換に消費者に製品推奨を送る
    方法。

Images