CN103140868A - 基于历史数据确定适用性的可能性 - Google Patents
基于历史数据确定适用性的可能性 Download PDFInfo
- Publication number
- CN103140868A CN103140868A CN2011800421594A CN201180042159A CN103140868A CN 103140868 A CN103140868 A CN 103140868A CN 2011800421594 A CN2011800421594 A CN 2011800421594A CN 201180042159 A CN201180042159 A CN 201180042159A CN 103140868 A CN103140868 A CN 103140868A
- Authority
- CN
- China
- Prior art keywords
- article
- consumer
- yardstick
- fit
- data
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明的一些实施方式使用作为消费者的体验结果而产生的客观数据来确定具体的物品从合身和/或风格观点来看是否有可能适合该消费者。例如,本发明的一些实施方式对与消费者对于某些产品的体验有关的信息(例如,购买和退货历史、“喜欢的”物品的识别等)以及与这些物品的属性有关的数据(例如,技术尺度数据、风格和合身属性等)进行分析,以确定该消费者的尺寸以及合身和/或风格偏好,使得可以做出关于物品的具体尺码可以有多么适合该消费者的预测。
Description
相关申请的交叉引用
本申请要求于2010年7月28日提交的、题为“Determining ALikelihood Of Suitability Based On Historical Data(基于历史数据确定适用性的可能性)”的、代理人案号为No.T0647.70001US00的美国临时专利申请No.61/368,334的优先权,该申请的全部内容通过引用合并到本文中。
技术领域
本发明涉及至少部分地基于消费者对于一个或更多个其他物品的先前体验来确定物品如一件服饰或一双鞋能够适合该消费者的可能性。
背景技术
用于预测物品的具体尺码(例如,服饰、鞋等的物品)是否能够/能够有多么合适具体的消费者的传统的系统依赖于由消费者提供的信息,如关于他的/她的尺寸、体形、风格和/或合身偏好等的信息。由于收集进行合身预测所需的信息通常所需要的冗长的注册过程,依赖于消费者提供该信息(例如,通过网络接口)可能导致次优的用户体验。另外,从用户处收集的信息可能不准确。例如,用户在收集信息(例如,测量自己)或输入信息时可能产生错误,也可能不确定如何以指定的方式来对他/她自己进行特征化(例如,他/她可能不知道“笔直的”臀部与“有曲线的”臀部之间的区别)。
发明内容
本发明的实施方式通过对关于消费者的先前行为的数据进行分析来生成关于该消费者的信息(例如,他的/她的尺度、体形、合身和/或风格偏好等)。因此,消费者不需要在通常导致错误或错误的特征化的过程上花费时间和精力。相反,本发明的实施方式根据消费者的实际体验来得出结论。
在本发明的一些实施方式中,可以使用作为这些体验结果而产生的客观数据来确定消费者的体形和/或合身/风格偏好。例如,可以将与消费者对于具体的产品的体验有关的信息(例如,购买或退货历史记录、“喜欢的”物品的识别等)与关于这些物品的属性的数据(例如,技术尺度数据,如腰围、外缝长度等;风格和合身属性,如预期的合身概况(profile)、预期的年龄范围等)进行结合,以得出与消费者的尺寸、风格和合身偏好以及其他信息有关的结论。然后,可以提供该信息作为确定物品的具体尺码从合身和/或风格观点来看适合消费者的可能性的过程的输入。例如,这个过程可以由安装在计算机系统或一体机(例如,实体商店内的一体机)上的、通过移动设备等作为服务可访问的在线电子商务系统来使用。本发明的实施方式不限于任何具体的实现方式。
以上是本发明的非限制性的概述,其中的一些实施方式由所附权利要求来限定。
附图说明
图1是描绘了根据本发明的一些实施方式的、用于实现本发明的各个方面的系统的示例部件的框图;
图2是描绘了根据本发明的一些实施方式的、用于至少部分地基于消费者对于其他物品的先前体验来确定一种物品能够适合消费者的可能性的示例过程的流程图;
图3是描绘了根据本发明的一些实施方式的、相应的物品能够以给定的尺度适合消费者的加权概率的曲线图;
图4是描绘了根据本发明的一些实施方式的、呈现出某些特征的物品能够适合消费者的概率的曲线图;
图5是描绘了本发明的一些实施方式可以在其上实现的示例计算机的框图;以及
图6是描绘了实施本发明的各个方面的指令可以存储在其上的示例存储器的框图。
具体实施方式
本发明的实施方式可以使用作为消费者的体验结果而产生的客观数据来确定物品的具体尺码从合身和/或风格观点来看适合该消费者的可能性。因此,消费者不必忍受被设计用于收集关于消费者的尺寸和偏好的信息的冗长且容易出错的注册过程。
本发明的一些实施方式对与消费者对于具体的产品的体验有关的信息(例如,购买和退货历史记录、“喜欢的”物品的识别等)以及与这些物品的属性有关的数据(例如,技术尺度数据、风格和合身属性等)进行分析,以确定该消费者的尺寸以及合身和/或风格偏好,使得可以进行关于物品的具体尺码可以有多么合适或者适合该消费者的预测。
下面参照表1和表2对该分析的非限制性的、简化的示例进行描述。提供该示例来说明本发明的一些实施方式的某些方面,但是应当理解,并非本发明的所有实施方式都限于下面参照表1和表2描述的这些类型的分析,很多实施方式都可以至少部分地基于不同的和另外的类型的数据和/或使用不同的和另外的形式的分析来提供得出结论。
在该说明性的示例中,表1包括关于具体的消费者(即,用户1)对于五个不同的产品(即,产品1、2、3、4和5)的体验的信息。这些体验是用户1对五个产品中每个产品的购买结果。
表1.消费者体验数据。
用户 | 产品 | 体验 |
1 | 1 | 已购买,未退货 |
1 | 2 | 识别为“喜欢” |
1 | 5 | 已购买,未退货 |
1 | 3 | 已退货,“太短” |
1 | 4 | 已退货,“不喜欢风格” |
表2包括关于包括以上在表1中列出的五个产品在内的六个产品中的每个的信息。这些信息包括关于每个物品的技术尺度数据(即,腰围和内缝长度)以及每个产品的目标年龄范围(例如,由产品的制造商确定的目标年龄范围)的表示。在表2中,由于一些产品制造商在制造过程中容忍一定范围的尺度,所以技术尺度数据被指定为范围。
表2.产品数据。
产品 | 腰围 | 内缝 | 目标年龄范围 |
1 | 29.5”-30.5” | 33.5”-34.5” | 25-35 |
2 | 29”-30” | 34”-35” | 25-45 |
3 | 29”-30” | 33”-34” | 25-35 |
4 | 29”-30” | 34”-35” | 35-45 |
5 | 29”-30” | 34”-34.5” | 25-35 |
6 | 29”-30” | 34.5”-35” | 25-45 |
可以至少部分地基于表1和表2中所包括的数据来得出大量结论中的任何结论。例如,因为表1中的信息表示消费者可能已经对于产品1、2和5具有积极的体验(即,消费者将产品2识别为喜欢的,以及在购买之后没有将产品1和5退货),表2中的信息识别这些产品的尺度和目标年龄范围,所以可以得出关于消费者的尺寸以及合身和/或风格偏好的结论,这些结论可以用于预测这些物品和其他物品从合身和风格观点来看可以有多么适合该消费者。例如,可以得出结论:具有33.5”至35”的内缝以及25至35的目标年龄范围的产品最有可能适合用户1。
当然,上述示例是仅提供用于说明的整体简化的示例。本发明的一些实施方式可以在识别可以很好地适合具体的消费者的物品时考虑消费者和/或示例产品的大量属性。在这点上,本文中所描述的方法可以使得能够识别限定尤其适合消费者的产品或不是很适合消费者的产品的具体的属性,使得可以做出关于某些物品(例如,消费者对其没有先前体验的物品)有多么有可能适合消费者的预测。
本发明的一些实施方式可以将较高的重要性赋予某些消费者体验而不是其他消费者体验。例如,可以在做出未来的预测时,对于消费者选择第一产品作为他的/她的喜欢的物品的表示比消费者购买第二产品并且未退货的表示给出较多的考虑,这是由于肯定的表示可以表示与消费者对于第二产品的未退货行为相比,消费者更喜爱第一产品,因为未退货可能是由于除了喜爱第二产品以外的其他原因而发生的。例如,本发明的实施方式可以在本文中所描述的分析时分配加权和/或采用其他方式对某些类型的体验给出较多的或较少的考虑。本发明不限于任何具体的实现方式。
图1描绘了用于至少部分地基于消费者对于多件服饰的先前体验来推断该消费者的尺寸和/或合身/风格偏好的示例系统。应当理解,尽管图1所示的示例系统对与服饰有关的信息进行分析,然而实施本发明的各个方面的其他系统可以对与大量类型的产品和/或服务中的任何产品和/或服务有关的信息进行分析。本发明的实施方式在这点上不受限制。
图1所示的示例系统包括多个部件,每个部件一般被认为是用于执行以下描述的功能的一个或更多个控制器。这些控制器可以用大量方式中的任何方式如用专用硬件和/或通过利用使用软件和/或微代码编程的一个或更多个处理器执行所描述的功能来实现。当通过软件来实现时,无论设置在单台计算机中或分布在多台计算机之间,软件代码都可以在任意合适的处理器或处理器集合上执行。其中,处理器接受或提供用于系统操作的数据,该数据可以存储在中央储存库或多个储存库中。
图1所描绘的示例系统包括消费者注册控制器101、消费者输入的属性数据102、我的衣橱控制器103、消费者退货控制器104、消费者售后合身调查(post-fit sales survey)控制器105、消费者销售/退货数据106、服装技术属性存储装置107、历史推理控制器108、消费者合身概况存储装置109和合身建议控制器110。下面将描述这些部件的一些示例功能和这些部件之间的通信。
消费者注册控制器101提供消费者可以用来注册和创建合身概况的装置。例如,通过使用消费者注册控制器101,消费者可以自己报告合身相关的属性,如身体尺寸、体形属性(例如,肚形、臀形、体形等)和/或其他属性。在示出的示例系统中,消费者输入的属性数据102包括消费者在注册过程中输入的属性。
我的衣橱控制器103使得消费者能够指定消费者认为很适合他/她的一件或更多件服饰。例如,指定的物品可以是消费者已经拥有的物品,然而本发明的实施方式在这点上并不受限制。在一些实施方式中,我的衣橱控制器102可以使得消费者能够指定单独的尺码的物品(例如,箭牌免烫合身人字长袖(Arrow Wrinkle-Free Fitted Herringbone Long Sleeve),尺码15 34/35)、品牌类别内的尺码的物品(例如,箭牌礼服衬衫(ArrowDress Shirt),尺码15 34/35)和/或任何其他物品组。
消费者退货控制器104在消费者发起物品的退货时收集来自他/她的信息。在一些实施方式中,消费者退货控制器104可以接受与物品是否由于合身相关的问题而被退货以及如果是这样则与问题的本质(例如,腰围太紧、裤腿太短、大腿太松等)有关的信息。可以接受关于退货的多种类型的信息中的任何信息。
消费者售后合身调查控制器105从消费者处收集关于消费者已经购买的物品有多么合身的信息。在一些实施方式中,消费者售后合身调查控制器105在消费者样本组已经完成购买之后生成调查邀请并且将调查邀请发送(例如,通过邮件)给消费者样本组。在这点上,可以向其相对较小的数据集已经被收集了的消费者发送要填写的调查。调查可以要求消费者基于关键尺度来评价具体的物品。例如,可以要求购买裤子的消费者评价腰围、臀部大腿和/或长度尺寸,可以要求购买鞋子的消费者评价鞋子的长度、宽度和/或足弓垫等。可以请求和/或存储对于大量产品尺度中的任何产品尺度的评价。
在一些实施方式中,消费者注册控制器101、消费者输入的属性数据102、我的衣橱控制器103、消费者退货控制器104和消费者售后合身调查控制器105中的任一个或所有都可以通过限定到消费者的接口(例如,由网络浏览器、电子邮件客户端和/或其他部件执行的接口)的表示以及接受由消费者提供的用于存储的信息的软件代码来实现。
消费者销售/退货数据106包括与消费者先前购买和/或退货(例如,向一个或更多个零售商购买和/退货)的物品有关的信息。尽管图1中描绘为单个数据反馈,然而,消费者销售/退货数据106可以包括任意合适的数量的数据集,数据集中的每个可以存储在任意合适的介质上以及使用任意合适的技术和/或基础设施(infrastructure)来传送。
服装技术属性存储装置107存储关于某些尺码的物品的技术尺度数据。可以从大量资源中的任何资源如从物品的制造商和/或一个或更多个其他源收集关于多件服饰的技术尺度数据。
历史推理控制器108接收来自我的衣橱控制器103、消费者退货控制器104和消费者售后合身调查控制器105的输入,以及接受这些输入作为消费者销售/退货数据106的输入,并且生成消费者的尺寸、体形和风格/合身偏好的模型。下面将参照图2描述用于产生该模型的一种示例技术,该示例技术可以包括由历史推理控制器108和/或一个或更多个图1所示的部件执行的操作。
消费者合身概况存储装置109存储由消费者注册控制器101、我的衣橱控制器103、消费者退货控制器104和消费者售后合身调查控制器105收集的关于消费者的偏好、识别的尺寸、衣橱、合身调查、产品退货信息等的信息。尽管图1中描绘为单个储存库,然而消费者合身概况存储装置109可以将数据存储在任意合适的数量的储存库中,因为本发明的实施方式在这点上不受限制。
在示出的示例系统中,合身建议控制器110接收合身建议请求100并且生成尺码建议120。可以提交合身建议请求以请求具体的物品的被预测为合适消费者的尺码。为了进行预测,合身建议控制器110可以利用存储在消费者合身概况存储装置109和服装技术属性存储装置107中的信息,以确定该物品的最可能合适消费者的尺码。例如,响应于关于物品的可能最合适消费者的尺码的建议的请求,合身建议控制器110可以询问服装技术属性存储装置107以确定该物品的可用尺码的尺度,询问消费者合身概况存储装置109以确定消费者的尺寸和偏好(例如,使用下面参照图2描述的过程生成的尺寸和偏好),并且使用该信息来识别该物品的被预测为最合适消费者的尺码。
应当理解,本发明的一些实施方式还能够生成与合身无关的建议(即,与物品是否具有用于消费者的适当的物理尺度无关的建议)。可以分析大量的物品属性中的任意属性以确定物品从任意数量的观点——包括目标年龄范围、合身舒适性(ease of fit)等——来看适合具体的消费者的可能性。本发明的实施方式在这点上不受限制。
图2描绘了历史推理控制器108(图1)用来根据与具体的消费者有关的数据生成该消费者的消费者概况的示例过程200。应当理解,图2所示的过程200仅表示可以用于使用根据消费者对于某些物品的体验搜集的数据来推理消费者的尺寸和/或风格/合身偏好的算法方法的一个示例。可替代地,可以利用大量其他算法方法中的任意算法方法。本发明的实施方式不限于使用任何具体的用于分析信息的过程或技术。
在过程200的开始处,在操作201中收集关于具体的消费者对于多件服饰的体验的数据。例如,该数据可以包括由图1所示的一个或更多个部件——包括我的衣橱控制器103、消费者退货控制器104、消费者售后合身调查控制器105——产生的信息以及包括在消费者销售/退货数据106中的信息。
然后,过程200继续进行到操作202,在操作202中,确定是否已经存在该消费者的合身概况。例如,可以通过询问消费者概况存储装置109(图1)来进行这个确定,以确定是否存储了该消费者的合身概况。基于该确定的结果,过程200可以继续进行,以在操作204中检索消费者的概况(如果以前存在一个)并且在操作205中对该概况进行初始化以更新,或者以在操作203中对消费者的新的概况(如果以前不存)进行初始化。在一些实施方式中,对消费者的新的概况进行初始化可以包括生成任意服饰尺度适合消费者的平均概率的表示,以表示还没有收集到足够的信息来预测能够合适消费者的尺度的任意值。
在操作203或操作205中的任一个的结论处,过程200继续进行到操作206,在操作206中,从在操作201中收集的数据中检索反映消费者对于第一物品的体验的第一纪录。在操作207中,选择该纪录的加权因数。如上面所指出的,本发明的一些实施方式可以提供将较高的重要性赋予某些消费者体验,如产生物品适合或不适合消费者的肯定的表示的这些消费者体验。例如,与在消费者销售/退货数据106中反映的表示物品被购买且未被退货的体验相比,可以对由我的衣橱控制器103生成的表示某个物品被指定为喜欢的纪录赋予较高的重要性,这是因为可以将在来自我的衣橱控制器103的数据中反映的肯定的表示视为能够比来自消费者销售/退货数据106的数据更好地表示消费者对于物品的感觉。
然后,过程200继续进行到操作208,在操作208中,识别已知要进行合身预测的关键尺度。可以使用大量技术中的任何技术来识别关键尺度。在一些实施方式中,关键尺度可以取决于待进行合身预测的物品的类别。例如,物品为衬衫,那么可以将颈臂长度尺度和整体长度尺度识别为关键尺度。如果物品为裤子,那么可以将腰围、裆(rise)尺度和内缝尺度识别为关键尺度。可以将任意的一个或更多个尺度指定为任意类别的物品的关键尺度。
然后,过程200继续进行到操作209,在操作209中,检索第一物品的、与在操作208中识别的关键尺度相对应的尺度数据。在一些实施方式中,可以通过询问服装技术属性存储装置107(图1)来检索尺度。例如,一些实施方式可以检索第一物品的每个关键尺度的值。在一些情况下,可以将关键尺度中的一些或所有关键尺度的尺度值表示为一系列值,这可以解释制造期间的尺度公差和反映物品的预期的合身的“舒适值”(例如,紧、宽松等)。
然后,过程200继续进行到操作210,在操作210中,计算物品能够以给定的尺度合适消费者的加权概率。下面参照图3描述用于计算加权概率的一种示例技术。当然,除了或替代参照图3描述的方法,可以利用其他技术,因为大量实现中的任意实现都是可能的。此外,应当理解,可以计算任意数量的尺度的加权概率,因为本发明在这点上不受限制。例如,操作210可以包括计算在操作208中识别的每个关键尺度的加权概率。
在操作211中,将在操作210中计算的加权概率加上或减去操作211中的消费者的尺度的最新统计合身模型。下面参照图4对用于更新物品能够以给定的尺度合适消费者的尺度的加权概率的示例方法进行描述。当然,除了或替代参照图4描述的方法,可以利用其他技术,因为本发明在这点上不受限制。如上面所指出的,可以关于任意适当数量的尺度如在操作208中识别的每个关键尺度来更新合身模型。
在操作212中,确定是否在操作201中收集了另外的物品的任何尺度数据。如果收集了,则过程200返回到操作206,并且重复直到处理了所有的尺度数据。
然后,过程200继续进行到操作213,在操作213中,对消费者合身模型进行归一化。在一些实施方式中,可以通过用每个尺度的模型除以用于生成加权概率值的权值之和来实现归一化,尽管可以替代地利用其他技术。因此,操作213产生了对适合消费者的一系列尺度的估计,每个估计具有相应的概率。可以将具有已知尺度的物品或其尺度可以推断的物品与这些尺度进行比较,以估计这些物品可以有多么适合消费者。
在操作214中,将在操作213中生成的归一化模型存储为消费者的概况的一部分(例如,在图1的合身概况存储装置109中)。在本发明的一些实施方式中,可以按照下述格式存储归一化模型:该格式在每个尺度方面表示合成的曲线的形状。例如,可以将归一化模型存储为针对每个尺度提供曲线的估计的形状的一系列数字。其他实施方式可以利用参数化的曲线形状来将归一化的模型存储为预定义的数学函数形式。本发明的另外的其他实施方式可以利用其他的技术。可以使用大量技术中的任意技术。
然后,过程200完成。
如上面所指出的,图3示出了用于计算多个物品中的每个的加权概率的示例方法。在这点上,图3描绘了具有两个轴的笛卡尔坐标系,其中,Y轴标示在X轴上标示的内缝尺度能够合适消费者的概率。每个物品的曲线表示以上表2所示的内缝尺度数据。然后,将不同物品的曲线组合以产生图4所示的复合曲线,根据该复合曲线可以得到关于尺度数据已知的其他物品的结论。
图3中的每个曲线表示表2中的产品1至5中的一个的内缝数据。根据表2可知:物品1具有33.5”至34.5”的内缝尺度(被表示成解释制造公差和设计裕度(design ease)),并且由对象消费者一次性成功地购买。因此,在图3所示的曲线中,物品1用曲线301表示为集中在33.5”至34.5”的范围上(即,在34”上)的抛物线函数。应当理解,尽管使用抛物线函数来表示图3中的加权概率,然而可以可替代地使用大量其他函数形式中的任意函数形式(例如,高斯概率分布函数、伽玛函数等)。
根据表2中的信息可知:物品2具有34”至35”的内缝尺度,因此,物品2用在图3中集中在34”至35”的范围内(即,在34.5”处)的曲线302来表示。表2中的数据表示物品2已经被消费者识别为“喜欢”(例如,通过我的衣橱控制器3或者一个或更多个其他部件),因此,物品2被给予物品1的加权的两倍的加权(即,被赋予在内缝尺度方面适当地合身的、为物品1的概率的两倍大的概率)。
表2中的信息示出了物品3具有33”至34”的内缝尺度,并且由于太短而被退货。因此,在该示例中,物品3的曲线303反映物品在内缝尺度方面适当地合身的负的概率。
根据表2中的信息可知:由于消费者不喜欢物品4的风格,因此物品4被退货。由于该数据没有提供物品4在内缝尺度方面有多么合身的表示,所以图3的示例表示中没有示出物品4。然而,应当理解,关于物品4的数据可以用于计算物品能够在其他尺度方面(例如,在“目标年龄范围”尺度方面)适合消费者的可能性,因此,可以呈现出类似于示出关于这些尺度的数据的图3的表示。
表2的信息示出了:物品5具有34”至34.5”的内缝尺度并且被购买且未被退货。因此,物品5的曲线305集中在该范围内(即,超过34.25”),在示出的示例中,物品5的曲线305高于也被购买且未被退货但集中在较宽的尺度范围上的物品1的曲线301。这使得物品1和物品5的曲线下面的区域相同,使得每个区域关于在内缝尺度方面进行合身预测被给予相等的加权。
图4示出了通过组合图3中反映的加权概率而生成的示例表示。可以以大量方式中的任意方式组合图3的曲线,因为本发明的实施方式在这点上不受限制。在示出的示例中,图4的曲线401通过将图3所示的所有曲线相加然后除以曲线加权之和来生成。在示出的示例中,物品2的曲线302由于物品2被指定为喜欢的而具有2.0的加权,物品1、3和5的曲线301、303和305每个分别具有1.0的加权。通过以这种方式组合曲线,合成的曲线401被归一化为与可以针对消费者的其他尺度计算的标度相同的标度。
图4中的曲线401是表示内缝尺度(在X轴上标示的尺度)能够合适消费者的归一化的概率(在Y轴上标示的归一化的概率)的曲线。通过使用该信息,可以得到关于具有已知尺度的其他物品的结论。例如,可知,具有短于33.75’’的内缝尺度的另一物品具有适当地合适消费者的0概率。相反,具有大约34.25’’的内缝尺度的物品具有适当地合适消费者的最大概率。
可以关于任意数量的尺度生成如图4所示的曲线(和/或其他函数形式)的曲线(和/或其他函数形式),因为本发明在这方面不受限制。此外,尺度不需要反映物品的物理尺度,而是可以反映消费者可以表现出对其的喜欢的任意的一个或更多个属性,如风格属性等。本发明在这方面不受限制。
可以对关于多个尺度中的每个的如图4所示的曲线401的曲线(和/或其他函数形式)进行组合以反映预测的整体合身概率。在一些实施方式中,在组合信息时,可以在预测整体合身时将较高的或较低的重要性赋予某些尺度。此外,可以由消费者来改变每个尺度对于整体合身的贡献程度,使得某些尺度可以对于呈现出某些属性的消费者被赋予较大的加权。作为示例,对于被确定为在某个加权之上的消费者,与腰围尺度相比,裤子的内缝或外缝尺度可以被赋予较高的重要性,以认识到这些消费者可以评价不仅是在腰围方面适当合身而且具有足够长的裤腿的裤子。大量变化(例如,由消费者、消费者所属于的组等做出的大量变化)中的任意变化是可能的。
用于实践本发明的特征的系统和方法的各个方面可以在一个或更多个计算机系统上实现,如图5所示的示例性计算机系统500。计算机系统500包括输入装置502、输出装置501、处理器503、存储器系统504和存储装置506,所有这些都通过互连机构505直接或间接地耦接,互连机构505可以包括一个或更多个总线、开关、网络和/或其他合适的互连。输入装置502从用户或机器(例如,人类操作员)接收输入,输出装置501向用户或机器(例如,液晶显示器)显示或传输信息。可以使用输入装置和输出装置等来呈现用户接口。可以用于提供用户接口的输出装置的示例包括用于输出的视觉呈现的打印机或显示屏以及用于输出的听觉呈现的扬声器或其他声音生成装置。可以用于用户接口的输入装置的示例包括键盘和指向装置,如鼠标、触控板和数字化输入板。作为另一示例,计算机可以通过语音识别或以其他听觉形式来接收输入信息。
处理器503通常执行被称作操作系统(例如,Microsoft Windows家庭操作系统或任意其他合适的操作系统)的计算机程序,操作系统控制其他计算机程序的执行并且提供调度、输入/输出和其他装置控制、统计、编辑、存储分配、数据管理、存储器管理、通信和数据流控制。总起来说,处理器和操作系统定义用于写入应用程序和其他计算机程序语言的计算机平台。
处理器503也可以执行一个或更多个计算机程序以实现各种功能。这些计算机程序可以以任何类型的计算机程序语言来写入,包括过程编程语言、面向对象的编程语言、宏语言或其组合。这些计算机程序可以存储在存储系统506中。存储系统506可以将信息保存在易失性或非易失性介质上,并且可以是固定的或可移动的。图6中更详细地示出了存储系统506。
存储系统506可以包括有形的计算机可读可写的非易失性记录介质601,其上存储有定义计算机程序或要由程序来使用的信息的信号。记录介质例如可以是磁盘存储器、闪速存储器和/或可用于记录和存储信息的任何其他制品。通常,在操作中,处理器503使得数据从非易失性记录介质601被读取到易失性存储器602(例如,随机存取存储器或RAM)中,与介质601相比,易失性存储器602使得处理器503能够较快地访问信息。存储器602可以位于图5所示的存储系统506或存储器系统504中。处理器503通常操纵集成电路存储器504、602内的数据,然后在处理完成之后将数据复制到介质601。已知用于管理介质601与集成电路存储元件504、602之间的数据移动的多种机制,本发明不限于任何机制,无论是现在已知的或以后开发的机制。本发明也不限于具体的存储器系统504或存储系统506。
这样,已经描述了本发明的至少一种实施方式的几个方面,要理解的是,对于本领域普通技术人员而言,可以很容易想到各种改变、修改和改进。这样的改变、修改和改进意在作为本公开内容的一部分,并且意在在本发明的精神和范围内。因此,以上描述和附图仅作为示例。
还应当理解的是,计算机可以用大量形式中的任意形式来实施,如安装在机架上的计算机、台式计算机、膝上型计算机或平板计算机。另外,计算机也可以嵌入在一般不被当作计算机、但具有合适的处理能力的装置中,包括个人数字助理(PDA)、智能电话或任何其他合适的便携式或固定式电子装置。
此外,计算机可以具有一个或更多个输入和输出装置。可以使用这些装置等来呈现用户接口。可以用于提供用户接口的输出装置的示例包括用于输出的视觉呈现的打印机或显示屏以及用于输出的听觉呈现的扬声器或其他声音生成装置。可以用于用户接口的输入装置的示例包括键盘和指向装置,如鼠标、触控板和数字化输入板。作为另一示例,计算机可以通过语音识别或以其他听觉形式来接收输入信息。
这样的计算机可以用一个或更多个网络以任何合适的形式互连,包括局域网或广域网,如企业网络或因特网。这样的网络可以基于任意合适的技术,以及可以根据任意合适的协议来操作并且可以包括无线网络、有线网络或光纤网络。
此外,本文中概述的各种方法或过程可以被编码为在利用各种操作系统或平台中的任一个的一个或更多个处理器上可执行的软件。另外,这样的软件可以使用大量合适的编程语言和/或编程或脚本工具中的任一种来编写,并且还可以被编译为在主机或虚拟机器上执行的可执行机器语言代码或中间代码。
在这点上,本发明可以实施为用如下的一个或更多个程序编码的计算机可读介质(或多个计算机可读介质)(例如,计算机内存、一个或更多个软盘、压缩盘(CD)、光盘、数字视频盘(DVD)、磁带、闪速存储器,现场可编程门阵列或其他半导体器件中的电路配置、或者一种或更多种其他非暂时性实体计算机可读存储介质),上述一个或更多个程序当在一个或更多个计算机或其他处理器上执行时执行实现以上讨论的本发明的各种实施方式的方法。计算机可读介质或媒体例如可以是可移动的,使得存储在其上的一个程序或多个程序可以被加载到一个或更多个不同的计算机或其他处理器上以如以上讨论的实现本发明的各个方面。
本文中在一般意义上使用术语“程序”或“软件”来指代可以用于对计算机或其他处理器进行编程以如以上讨论的实现本发明的各个方面的任何类型的计算机代码或计算机可执行指令组。另外,应当理解,根据本实施方式的一个方面,在被执行时执行本发明的方法的一个或更多个计算机程序不必驻留在单个计算机或处理器上,而是可以以模块化的方式分布在大量不同的计算机或处理器之间以实现本发明的各个方面。
计算机可执行指令可以由一个或更多个计算机或其他装置用很多形式如程序模块来执行。通常,程序模块包括执行具体的任务或实现具体的抽象数据类型的例程、程序、对象、部件、数据结构等。通常,可以如各种实施方式中所期望地对程序模块的功能进行组合或分布。
此外,数据结构可以以任意合适的形式存储在计算机可读介质中。为了说明简单起见,数据结构可以被示出为具有通过数据结构中的位置相关的字段。同样,可以通过用传达字段之间的关系的计算机可读介质中的位置分配用于字段的存储空间来实现这样的关系。然而,可以使用任意合适的机制来建立数据结构的字段中的信息之间的关系,包括通过使用建立数据元素之间的关系的指针、标签或其他机制。
本发明的各个方面可以单独使用、组合使用或者以在以上描述的实施方式中没有专门讨论的多种布置来使用,因此,本发明的各个方面在其应用方面不限于以上描述中所阐述的或附图中所示出的部件的细节和布置。例如,在一种实施方式中描述的各个方面可以以任何方式与在其他实施方式中描述的各方面组合。
此外,本发明可以实施为方法,已经提供了该方法的示例。作为该方法的一部分被执行的操作可以按照任意合适的方式排序。因此,可以构造如下实施方式:其中,以与示出和描述的顺序不同的顺序来执行操作,这可以包括同时执行一些操作,尽管在本文中所描述的说明性实施方式中示出为顺序操作。
在权利要求中使用顺序术语如“第一”、“第二”、“第三”等修饰权利要求元素本身并不意味着任何优先级、先后顺序或一个权利要求元素高于另一个权利要求要素的顺序或者执行方法的操作的时间顺序,而仅用作用于将具有某个名称的权利要求元素与具有相同名称(但使用顺序术语)的另一元素区分开以区分权利要求元素的标签。
此外,本文中所使用的措辞和术语是为了描述的目的,而不应当被认为是限制性的。本文中的“包括(including)”、“包括(comprising)”或“具有(having)”、“包含(containing)”、“包括(involving)”及其变形体的使用意思是包括其后列出的物品及其等同物品以及另外的物品。
Claims (20)
1.一种确定对象物品在尺度方面能够适合对象消费者的可能性的方法,所述方法包括:
(A)接收描述所述对象消费者对于多个物品中的每个物品的先前体验的数据,所述多个物品中的每个物品和所述对象物品在尺度方面易受特征化的影响,所述尺度具有多个可能的值;
(B)接收表示所述多个物品中的每个物品的所述尺度的值的数据;
(C)至少部分地基于在(A)中接收的描述对于所述多个物品中的每个物品的先前体验的所述数据和在(B)中接收的表示所述多个物品中的每个物品的所述尺度的值的所述数据,确定呈现出所述尺度的值的物品是否有可能适合所述消费者;以及
(D)至少部分地基于所述对象物品的所述尺度的所述值和(C)中的所述确定,确定所述对象物品在所述尺度方面是否有可能适合所述对象消费者。
2.根据权利要求1所述的方法,其中,(C)包括确定呈现出所述尺度的值的物品能够适合所述消费者的概率,以及其中,(D)包括将所述对象物品的所述尺度的所述值与在(C)中针对所述值确定的所述概率进行比较,以确定所述对象物品在所述尺度方面能够适合所述对象消费者的概率。
3.根据权利要求1所述的方法,其中,所述尺度是尺码,以及(D)包括确定所述对象物品的尺码在所述尺度方面是否有可能适合所述对象消费者。
4.根据权利要求1所述的方法,其中,所述尺度包括目标年龄范围或合身舒适性中的一个或更多个,以及(D)包括确定所述对象物品的目标年龄范围和/或合身舒适性是否有可能适合所述对象消费者。
5.根据权利要求1所述的方法,其中,在(A)中接收的所述数据包括描述所述对象消费者对于所述多个物品中的每个物品的先前购买和/或退货的数据。
6.根据权利要求1所述的方法,其中,在(A)中接收的所述数据包括由所述对象消费者做出的关于所述多个物品中的至少一个物品是所述消费者喜欢的物品的表示。
7.根据权利要求1所述的方法,其中,(C)中的所述确定包括:对在(A)中接收的所述数据中描述的所述对象消费者对于所述多个物品中的一个物品的一个或更多个体验比所述对象消费者对于所述多个物品中的一个物品的其他体验赋予较高的重要性。
8.根据权利要求1所述的方法,其中,所述对象物品是一件服饰或一双鞋。
9.根据权利要求1所述的方法,其中,(C)中的所述确定包括生成所述消费者的尺寸、体形、合身偏好和/或风格偏好的模型。
10.至少一种计算机可读存储介质,所述至少一种计算机可读存储介质上编码有指令,所述指令在被执行时执行如下方法,所述方法包括:
(A)接收对于具体的物品的能够适合消费者的尺码的建议的请求;
(B)对描述所述消费者对于多个物品中的每个物品的先前体验的数据和描述所述多个物品中的每个物品的至少一个特征的数据进行分析,以识别所述具体的物品的能够适合所述消费者的尺码;以及
(C)提供指定在(B)中识别的所述具体的物品的所述尺码的建议。
11.根据权利要求10所述的至少一种计算机可读存储介质,其中,描述所述消费者对于所述多个物品中的每个物品的先前体验的所述数据包括描述所述消费者对于所述多个物品中的每个物品的先前购买和/或退货。
12.根据权利要求10所述的至少一种计算机可读存储介质,其中,描述所述消费者对于所述多个物品中的每个物品的先前体验的所述数据包括由所述消费者做出的关于所述多个物品中的至少一个物品是所述消费者喜欢的物品的表示。
13.根据权利要求10所述的至少一种计算机可读存储介质,其中,(B)中的所述分析包括:对所述消费者对于所述多个物品中的一个物品的一种体验比所述消费者对于所述多个物品中的一个物品的另一体验赋予较高的重要性。
14.根据权利要求10所述的至少一种计算机可读存储介质,其中,(B)中的所述分析包括确定所述具体的物品的各种尺码在多个尺度中的每个尺度方面能够有多么适合所述消费者。
15.根据权利要求10所述的至少一种计算机可读存储介质,其中,所述具体的物品是一件服饰或一双鞋。
16.一种系统,包括:
至少一个存储库,所述至少一个存储库存储:
描述多个消费者中的每个消费者对于多个物品的先前体验的第一数据;以及
在多个尺度中的每个尺度方面对所述多个物品中的每个物品进行特征化的第二数据,每个尺度具有多个可能的值,所述第二数据包括所述多个物品中的每个物品在所述多个尺度中的每个尺度方面的值;
至少一个控制器,所述至少一个控制器可操作用于访问由所述至少一个存储库存储的所述第一数据和所述第二数据,以确定物品在所述多个尺度中的至少一个尺度方面是否有可能适合所述多个消费者中的一个消费者。
17.根据权利要求16所述的系统,其中,所述至少一个控制器可操作用于确定所述物品在所述多个尺度中的至少一个尺度方面有可能适合所述多个消费者中的一个消费者的概率。
18.根据权利要求16所述的系统,还包括可操作用于从所述多个消费者中的第一消费者接收所述第一消费者的物理属性的表示的装置。
19.根据权利要求16所述的系统,还包括可操作用于从所述多个消费者中的第一消费者接收所述多个物品中的一个或更多个物品在所述多个尺度中的一个或更多个尺度方面很好地适合所述第一消费者的表示的装置。
20.根据权利要求16所述的系统,还包括用于向所述多个消费者中的一个或更多个消费者征求关于所述多个物品中的一个或更多个物品在一个或更多个尺度方面有多么适合所述一个或更多个消费者的信息的装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US36833410P | 2010-07-28 | 2010-07-28 | |
US61/368,334 | 2010-07-28 | ||
PCT/US2011/045719 WO2012016039A1 (en) | 2010-07-28 | 2011-07-28 | Determining a likelihood of suitability based on historical data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103140868A true CN103140868A (zh) | 2013-06-05 |
CN103140868B CN103140868B (zh) | 2018-08-10 |
Family
ID=45527699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180042159.4A Active CN103140868B (zh) | 2010-07-28 | 2011-07-28 | 基于历史数据确定适用性的可能性 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20120030060A1 (zh) |
JP (2) | JP2013532874A (zh) |
CN (1) | CN103140868B (zh) |
AU (1) | AU2011282632B2 (zh) |
CA (1) | CA2806562A1 (zh) |
WO (1) | WO2012016039A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447058A (zh) * | 2014-09-29 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 提供辅助信息的方法及装置 |
CN105550921A (zh) * | 2015-12-14 | 2016-05-04 | 王春林 | 一种智能选衣方法及系统 |
CN108337316A (zh) * | 2018-02-08 | 2018-07-27 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
CN109523339A (zh) * | 2018-10-09 | 2019-03-26 | 深圳市十八码服饰文化科技有限公司 | 一种服装尺码选择方法与装置、电子设备及存储介质 |
CN110070148A (zh) * | 2019-03-15 | 2019-07-30 | 北京木业邦科技有限公司 | 一种林业产品特征分析方法、装置及计算机可读介质 |
CN112418985A (zh) * | 2020-11-19 | 2021-02-26 | 定智衣(上海)服装科技有限公司 | 一种可自我迭代的智能量体的解决方案 |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11062377B1 (en) | 2011-07-25 | 2021-07-13 | Secret Sauce Partners, Inc. | Fit prediction |
US20130268391A1 (en) * | 2012-04-04 | 2013-10-10 | Ebay, Inc. | Smart gift list |
US8751429B2 (en) | 2012-07-09 | 2014-06-10 | Wine Ring, Inc. | Personal taste assessment method and system |
US9799064B2 (en) * | 2012-08-03 | 2017-10-24 | Eyefitu Ag | Garment fitting system and method |
US10664901B2 (en) | 2012-08-03 | 2020-05-26 | Eyefitu Ag | Garment fitting system and method |
US20140067604A1 (en) * | 2012-09-05 | 2014-03-06 | Robert D. Fish | Digital Advisor |
US20140143015A1 (en) * | 2012-11-21 | 2014-05-22 | Beverage Analytics, Inc. | Methods and Systems for Providing a Personal Consumer Product Evaluation Engine |
EP2956896A4 (en) | 2013-02-14 | 2016-11-30 | Wine Ring Inc | RECOMMENDATION SYSTEM BASED ON PERSONAL TASTE GROUP PROFILES |
US9852433B2 (en) * | 2013-05-08 | 2017-12-26 | Google Technology Holdings LLC | Systems and methods for predicting occurrences of consumers returning purchased devices |
US20150134302A1 (en) | 2013-11-14 | 2015-05-14 | Jatin Chhugani | 3-dimensional digital garment creation from planar garment photographs |
US10311498B2 (en) | 2013-12-06 | 2019-06-04 | Amazon Technologies, Inc. | Method and system for recommending a size of a wearable item |
US10366439B2 (en) | 2013-12-27 | 2019-07-30 | Ebay Inc. | Regional item reccomendations |
CN106462862A (zh) * | 2014-02-24 | 2017-02-22 | 亚马逊技术股份有限公司 | 用于使用汇集的评论数据改进基于尺寸的产品推荐的方法和系统 |
US20160092956A1 (en) | 2014-09-30 | 2016-03-31 | Jonathan Su | Garment size mapping |
US11113741B2 (en) * | 2018-11-04 | 2021-09-07 | International Business Machines Corporation | Arranging content on a user interface of a computing device |
JP2020190043A (ja) * | 2019-05-20 | 2020-11-26 | 株式会社タニタ | 着用物サイズ取得システム、着用物サイズ取得プログラム、及び着用物選択支援方法 |
US11127070B2 (en) * | 2019-11-29 | 2021-09-21 | Shopify Inc. | Methods and systems for dynamic online order processing |
CN113298559A (zh) * | 2021-05-17 | 2021-08-24 | 广州锋网信息科技有限公司 | 一种商品适用人群的推荐方法、系统、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060059054A1 (en) * | 2004-09-16 | 2006-03-16 | Kaushie Adiseshan | Apparel size service |
US20070073586A1 (en) * | 2003-06-24 | 2007-03-29 | Nextchoice, Inc. | Self-serve ordering system and method with consumer favorites |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5930769A (en) * | 1996-10-07 | 1999-07-27 | Rose; Andrea | System and method for fashion shopping |
JP2001175745A (ja) * | 1999-12-21 | 2001-06-29 | Matsushita Electric Ind Co Ltd | 電子商取引システムならびに電子取引方法 |
US6665577B2 (en) * | 2000-12-20 | 2003-12-16 | My Virtual Model Inc. | System, method and article of manufacture for automated fit and size predictions |
JP2002373266A (ja) * | 2001-06-15 | 2002-12-26 | Nec Fielding Ltd | ファッション商品のコーディネート販売システム及び方法 |
JP2003108831A (ja) * | 2001-09-28 | 2003-04-11 | Sanyo Electric Co Ltd | 販売支援方法および装置 |
JP2003167920A (ja) * | 2001-11-30 | 2003-06-13 | Fujitsu Ltd | ニーズ情報構築方法、ニーズ情報構築装置、ニーズ情報構築プログラム及びこれを記録した記録媒体 |
JP2004029909A (ja) * | 2002-06-21 | 2004-01-29 | Casio Comput Co Ltd | 商品案内装置およびプログラム |
US7698170B1 (en) * | 2004-08-05 | 2010-04-13 | Versata Development Group, Inc. | Retail recommendation domain model |
US7617016B2 (en) * | 2005-04-27 | 2009-11-10 | Myshape, Inc. | Computer system for rule-based clothing matching and filtering considering fit rules and fashion rules |
JP2011511351A (ja) * | 2008-02-01 | 2011-04-07 | イノベーション スタジオ ピーティーワイ リミテッド | 商品のオンライン選択方法およびこの方法を用いたオンライン・ショッピング・システム |
JP2009294909A (ja) * | 2008-06-05 | 2009-12-17 | Promise Co Ltd | オンラインショッピングシステム |
JP4958853B2 (ja) * | 2008-07-01 | 2012-06-20 | ヤフー株式会社 | 商品検索サーバ、商品検索方法、プログラム、及び商品検索システム |
JP5455060B2 (ja) * | 2010-03-31 | 2014-03-26 | 学校法人明治大学 | データベース、類推エンジン及び類推システム |
US8645221B1 (en) * | 2010-06-16 | 2014-02-04 | Amazon Technologies, Inc. | Ranking of items as a function of virtual shopping cart activity |
-
2011
- 2011-07-28 WO PCT/US2011/045719 patent/WO2012016039A1/en active Application Filing
- 2011-07-28 US US13/192,576 patent/US20120030060A1/en not_active Abandoned
- 2011-07-28 CA CA2806562A patent/CA2806562A1/en not_active Abandoned
- 2011-07-28 CN CN201180042159.4A patent/CN103140868B/zh active Active
- 2011-07-28 AU AU2011282632A patent/AU2011282632B2/en active Active
- 2011-07-28 JP JP2013521974A patent/JP2013532874A/ja active Pending
-
2016
- 2016-06-06 JP JP2016112636A patent/JP6578244B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070073586A1 (en) * | 2003-06-24 | 2007-03-29 | Nextchoice, Inc. | Self-serve ordering system and method with consumer favorites |
US20060059054A1 (en) * | 2004-09-16 | 2006-03-16 | Kaushie Adiseshan | Apparel size service |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447058A (zh) * | 2014-09-29 | 2016-03-30 | 阿里巴巴集团控股有限公司 | 提供辅助信息的方法及装置 |
CN105550921A (zh) * | 2015-12-14 | 2016-05-04 | 王春林 | 一种智能选衣方法及系统 |
CN108337316A (zh) * | 2018-02-08 | 2018-07-27 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
WO2019153518A1 (zh) * | 2018-02-08 | 2019-08-15 | 平安科技(深圳)有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
CN109523339A (zh) * | 2018-10-09 | 2019-03-26 | 深圳市十八码服饰文化科技有限公司 | 一种服装尺码选择方法与装置、电子设备及存储介质 |
CN110070148A (zh) * | 2019-03-15 | 2019-07-30 | 北京木业邦科技有限公司 | 一种林业产品特征分析方法、装置及计算机可读介质 |
CN112418985A (zh) * | 2020-11-19 | 2021-02-26 | 定智衣(上海)服装科技有限公司 | 一种可自我迭代的智能量体的解决方案 |
Also Published As
Publication number | Publication date |
---|---|
US20120030060A1 (en) | 2012-02-02 |
CN103140868B (zh) | 2018-08-10 |
JP6578244B2 (ja) | 2019-09-18 |
JP2013532874A (ja) | 2013-08-19 |
JP2016157489A (ja) | 2016-09-01 |
CA2806562A1 (en) | 2012-02-02 |
AU2011282632B2 (en) | 2015-01-22 |
WO2012016039A1 (en) | 2012-02-02 |
AU2011282632A1 (en) | 2013-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103140868A (zh) | 基于历史数据确定适用性的可能性 | |
US11587116B2 (en) | Predictive recommendation system | |
US11842358B2 (en) | Methods and apparatus to model consumer choice sourcing | |
US8478663B2 (en) | Fit recommendation via collaborative inference | |
Beladev et al. | Recommender systems for product bundling | |
Song et al. | A discrete–continuous model for multicategory purchase behavior of households | |
US20120030062A1 (en) | Enabling proxy shopping | |
US20130268395A1 (en) | Automated product selection and distribution system | |
US10789079B2 (en) | Triggering user aid based on user actions at independent locations | |
US20220180392A1 (en) | Predictive recommendation system using tiered feature data | |
CN108205775A (zh) | 一种业务对象的推荐方法、装置和客户端 | |
CN108734587A (zh) | 金融产品的推荐方法及终端设备 | |
KR102097045B1 (ko) | 사용자의 특성을 반영하여 상품을 추천하는 방법 및 장치 | |
CN111815405A (zh) | 一种基于人工智能的商品购买方法 | |
JP2020537220A (ja) | ユーザの外形に基づいて小売店の衣服在庫を最適化するためのコンピュータシステム | |
CN111127074A (zh) | 一种数据推荐方法 | |
US11798036B2 (en) | Real-time predictive recommendation system using per-set optimization | |
KR20200044197A (ko) | 머신러닝 기반의 의류 핏 추천 장치 | |
Borenstein et al. | Ancillary services in targeted advertising: From prediction to prescription | |
Perakis et al. | Ancillary services in targeted advertising: from prediction to prescription | |
Wątróbski et al. | Hierarchical representation of website evaluation model using survey and perceptual based criteria | |
Srivastava et al. | SeRA: Suggestive recommender algorithm: A framework for guiding online customer behaviour | |
US11488205B1 (en) | Generating in-channel and cross-channel promotion recommendations using promotion cross-sell | |
JP2020102043A (ja) | 商品評価装置、方法及びプログラム | |
CN113763012A (zh) | 模型训练方法、相似度计算方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1185981 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |