CN103870481A - 可配置的多目的推荐 - Google Patents

可配置的多目的推荐 Download PDF

Info

Publication number
CN103870481A
CN103870481A CN201210536851.9A CN201210536851A CN103870481A CN 103870481 A CN103870481 A CN 103870481A CN 201210536851 A CN201210536851 A CN 201210536851A CN 103870481 A CN103870481 A CN 103870481A
Authority
CN
China
Prior art keywords
list
project
section
recommendation list
producing
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.)
Pending
Application number
CN201210536851.9A
Other languages
English (en)
Inventor
W-S.李
B.董
特勒.林
雷蒙德.鲁王
Y.沈
X.史
韦斯特.韦
贾斯汀.朱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SAP SE
Original Assignee
SAP SE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SAP SE filed Critical SAP SE
Priority to CN201210536851.9A priority Critical patent/CN103870481A/zh
Priority to US13/720,031 priority patent/US20140164170A1/en
Publication of CN103870481A publication Critical patent/CN103870481A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations

Abstract

本发明为可配置的多目的推荐。本方法包括:确定第一项目的推荐列表所基于的至少一个商业目的;将可配置指标与所述商业目的相关,所述可配置指标基于用于第二项目的目标;确定将所述第一项目与所述第二项目相关的至少一个商业约束,所述至少一个商业约束基于所述商业目的和所述相关联的可配置指标;以及,基于候选项目列表和所述商业约束来产生所述第一项目的推荐列表。

Description

可配置的多目的推荐
技术领域
本说明书涉及用于产生基于约束的推荐列表的方法、系统和计算机可读介质。
背景技术
存在许多类型的推荐系统,包括基于内容的过滤和协作过滤。通常,协作过滤具有两个主要途径。第一个是基于用户的途径,第二个是基于项目的途径。通常,推荐系统基于用户对于项目的兴趣来计算项目的排名列表。该系统向用户建议列表的前N个项目,其中,N是推荐列表的预定义大小。
然而,该通常的途径忽视在推荐列表中包括的项目之间的关系。对于可能已经购买新的移动电话的客户,具有该移动电话的不同相关附件的推荐列表可能具有比具有移动电话列表的推荐列表更高的用户的组合兴趣,即使在列表中的每个移动电话是用户高度感兴趣的。典型的推荐系统关注用户的兴趣,而不考虑商业目的。
发明内容
根据一个或多个示例实施例,一种推荐系统产生考虑一些商业限制的列表。因此,项目的推荐列表可以满足一个或多个约束并且在所有满足约束的列表中具有期望的组合评估值。如果用户浏览项目,则可以向用户(在电子商务网站上的购物者)显示(例如,推荐)该项目的推荐列表。
一个实施例包括一种用于产生推荐列表的方法。所述方法包括:确定第一项目的推荐列表所基于的至少一个商业目的;将可配置指标与所述商业目的相关联,所述可配置指标基于用于第二项目的目标;确定将所述第一项目与所述第二项目相关联的至少一个商业约束,所述至少一个商业约束基于所述商业目的和所述相关联的可配置指标;以及,基于候选项目列表和所述商业约束来产生所述第一项目的推荐列表。
另一个实施例包括一种用于产生推荐列表的系统。所述系统包括:第一模块,其被配置来确定第一项目的推荐列表所基于的至少一个商业目的,并且被配置来基于候选项目列表和至少一个商业约束来产生所述第一项目的推荐列表;以及,至少一个第二模块,其被配置来将可配置指标与所述商业目的相关联,所述可配置指标基于用于第二项目的目标,并且所述至少一个第二模块被配置来确定将所述第一项目与所述第二项目相关联的所述至少一个商业约束,所述至少一个商业约束基于所述商业目的和所述相关联的可配置指标。
附图说明
通过下面给出的详细说明和附图,将更全面地理解示例实施例,在附图中,通过相似的附图标号来表示相似的元件,仅通过例示来给出附图,并且附图不限制示例实施例,并且在附图中:
图1图示根据一个或多个示例实施例的系统的框图。
图2图示根据一个或多个示例实施例的方法。
图3A图示根据一个或多个示例实施例的用户界面。
图3B图示根据一个或多个示例实施例的另一个用户界面。
应当注意,这些附图意欲图示在特定示例实施例中利用的方法、结构和/或材料的一般特性,并且补充在下面提供的书面说明。然而,这些附图不是按照比例的,并且可能未精确地反映任何给定实施例的精确结构或性能特性,并且不应当被解释为限定或限制由示例实施例涵盖的值或属性的范围。例如,为了清楚,可能缩小或夸大分子、层、区域和/或结构元件的相对厚度和定位。在各个附图中的类似或相同附图标号的使用意欲指示类似或相同元件或特征的存在。
具体实施方式
虽然示例实施例可以包括各种修改和替代形式,但是其实施例在附图中通过示例被示出,并且在此被详细描述。然而,应当明白,没有将示例实施例限于所公开的具体形式的意欲,而是相反,示例实施例要涵盖落在权利要求的范围内的所有修改、等同物和替代物。贯穿附图的说明,相似的标号指示相似的元件。
变量定义
下面是贯穿本说明书使用的变量定义的列表。可以在下述的等式的一个或多个中使用该变量的每个。
I:作为所有项目的列表的项目列表(例如,在电子商务网站上的所有产品)
|I|:项目的总数
TDij:作为在项目j不在推荐列表中的情况下在浏览项目i后购买项目j的概率的、没有推荐的转移率矩阵(TD)。
TRij:作为在项目j在推荐列表中的情况下在浏览项目i后购买项目j的概率的、具有推荐的转移率矩阵(TR)。
ATDi:作为在浏览项目i后购买另一个项目在该被购买项目不在推荐列表中的情况下的概率的、没有推荐的平均转移率列表(ATD)。
ATRi:作为在浏览项目i后购买另一个项目(在该被购买项目不在推荐列表中的情况下)的概率的、具有推荐的平均转移率列表(ATR)。
Sij:作为在项目i和项目j之间的类似度的、在用户的兴趣上的项目类似度矩阵(S)。
N(i):已经购买了项目i(或者投入希望列表或得到喜欢等)的用户的集合。
|N(i)|:已经购买项目i的用户的数量。
|N(i)∩N(j)|:已经购买项目i和项目j两者的用户的数量。
Vi:在一个时间间隔(例如,星期或月)中项目i上的浏览的预期数量
PIDj:项目j的独立价格形象。如果用户在不考虑其他项目的情况下具有项目j的价格小于预期的印象(越负,则印象越强),则PIDj的值小于一(1)。如果用户在不考虑其他项目的情况下具有项目j的价格大于预期的印象(越正,则印象越强),则PIDj的值大于一(1)。如果用户具有项目j的价格如预期的印象,则PIDj的值等于零(0)。
PIRij:在项目i的推荐列表上的项目j的价格形象。例如,价格在100美元的移动电话外壳可以具有比1高得多的独立价格形象。然而,如果该移动电话外壳出现在高端移动电话的推荐列表上,则移动电话的外壳的价格形象可以低于1。
RUj:项目j的单位收入。
PUj:项目j的单位利润率。
Fij:在浏览项目i时对项目j的推荐的满意度。
Δij:在项目j在项目i的推荐列表中的情况下在项目j的销售上的预期增加。
Rij:在项目j在项目i的推荐列表中的情况下在项目j的收入上的预期增加。
Pij:在项目j在项目i的推荐列表中的情况下在项目j的利润上的预期增加。
Eij:在项目j在项目i的推荐列表中的情况下的项目j的评估函数。
Ci:项目i的推荐项目池。
d:项目i的推荐列表的大小。
M(i):用于项目i的推荐列表。
等式
S ij = | N ( i ) ∩ N ( j ) | | N ( i ) | | N ( j ) | . . . ( 1 )
TD ij = S ij Σ j = 1 | I | S ij ATD i . . . ( 2 )
TR ij = S ij Σ j = 1 | I | S ij ATR i . . . ( 3 )
Δij=Vi(TRij-TDij)................................................................(4)
Rij=ΔijRUj............................................................................(5)
Pij=ΔijPUj............................................................................(6)
Eij=w1Δij+w2PIRij+w3Rij+w4Pij+w5Fij................................(7)
f ( b ) = b 1 E i , C ( i ) 1 + b 2 E i , C ( i ) 2 + . . . + b | C ( i ) | E i , C ( I ) | C ( i ) | . . . ( 8 )
约束
j∈M(i)Δij≥在组合销售量上的增大的阈值...........(9)
j∈M(i)PIRij≤组合价格形象的阈值.............................(10)
j∈M(i)Rij≥在组合收入上的增大的阈值.......................(11)
j∈M(i)Pij≥在组合利润上的增大的阈值..........................(12)
j∈M(i)Fij≥在组合销售数量上的增大的阈值................(13)
j∈C(i)bj=d.........................................................................(14)
附图的说明
图1图示根据一个或多个示例实施例的系统的框图。如图1中所示,系统100包括历史数据存储器105、项目数据存储器110、平均转移率模块115、项目类似度模块120、浏览预测模块125、转移率模块130、满意度模块135、候选项目过滤模块140、推荐列表确定模块145和用户界面150。
在图1的示例中,系统100可以是至少一个计算装置,并且应当被理解为实际上表示被配置来执行在此所述的方法的任何计算装置。如此一来,系统100可以被理解为包括可以用于实现在此所述的技术的各种标准部件或其不同或未来的版本。例如,系统100被图示为包括至少一个处理器102A以及计算机可读存储介质102B。
因此,可以明白,该至少一个处理器102A可以用于执行在计算机可读存储介质102B上存储的指令,以便由此实现在此所述的各种特征和功能或另外或替代的特征和功能。当然,至少一个处理器102A和计算机可读存储介质102B可以用于各种其他目的。特别是,可以明白,计算机可读存储介质102B可以被理解为表示各种类型的存储器的示例、以及可以用于实现在此所述的模块的任何一个的相关硬件和软件。
历史数据存储器105可以被配置来存储与例如项目价格、项目收入、项目利润、项目客户满意度、项目价格形象和与项目相关联的推荐列表等的历史数据。历史数据存储器105可以被配置为数据库、在数据库中的表格、XML数据集或某种其他的可搜索和可过滤的数据存储(例如,存储器(memory))。历史数据存储器105可以被配置来存储随着时间被连续更新和增加的数据。
项目数据存储器110可以被配置来存储与例如项目价格、项目收入、项目利润、项目客户满意度、项目价格形象和与项目相关联的当前推荐列表等相关联的当前数据。项目数据存储器110可以被配置为数据库、在数据库中的表格、XML数据集或某种其他的可搜索和可过滤的数据存储(例如,存储器)。项目数据存储器110可以被配置来存储随着时间被连续更新和增加的数据。
平均转移率模块115可以被配置来确定如果项目在用于另一个项目的推荐列表中则将购买该项目的平均概率。例如,平均转移块115可以从历史数据存储器105读取项目i的没有推荐的平均转移率列表(ATD)和具有推荐的平均转移率列表(ATR)。例如,平均转移率模块115可以读取所有项目的ATD和ATR,并且基于项目i来进行搜索列表或过滤列表之一,以便确定ATDi和ATRi
项目类似度模块120可以被配置来确定在两个项目之间的类似度Sij。例如,可以使用等式(3)来确定在项目i和项目j之间的类似度。例如,可以从历史数据存储器105读取已经购买了项目N的用户集。项目类似度模块120可以进行搜索N或过滤N之一,以便确定N(i)和N(j)。项目类似度模块120可以利用等式(3)基于N(i)和N(j)来确定在两个项目之间的类似度Sij
浏览预测模块125可以被配置来确定(例如,预测)项目的浏览的预期数量。例如,浏览预测模块125可以从历史数据存储器105读取在一个时间间隔(例如,星期或月)上的所有项目的浏览的数量。浏览预测模块125可以对在某个时间段上的项目的浏览数量进行搜索或过滤之一,以便确定在该时间段上的项目i的浏览的数量,并且将结果设置为项目i的浏览Vi的预期数量。
转移率模块130可以被配置来确定如果一项目在用于另一个项目的推荐列表中则购买该项目的概率。例如,可以使用等式(2)来确定在项目j在推荐列表TDij中的情况下在浏览项目i后购买项目j的概率。例如,可以使用等式(3)来确定在项目j不在推荐列表TRij中的情况下在浏览项目i后购买项目j的概率。如上所述可以通过项目类似度模块120和平均转移率模块115分别从历史数据存储器105读取在用户兴趣上的项目类似度矩阵Sij、没有推荐的平均转移率列表(ATD)和具有推荐的平均转移率列表(ATR)。
满意度模块135可以被配置来确定一个项目在用于另一个项目的推荐列表中的满意度。例如,在浏览项目i的情况下的项目j的满意度Fij可以基于项目类似度矩阵Sij和所确定的已经购买项目i的用户集N(i)。例如,可以以N(i)作为关键字来过滤或搜索项目类似度矩阵Sij
候选项目过滤模块140可以被配置来确定要在推荐列表中显示的推荐项目的候选池。例如,可以基于某个标准来过滤在项目数据存储器110中存储的项目数据。例如,如果浏览项目i是在大型电子商务网站上销售的某种形式的电子装置,则可能不期望显示非电子装置相关的项目(例如,家具、衣服或亚麻布)。因此,候选项目过滤模块140可以过滤无关的项目,以便确定推荐项目Ci的候选池。
推荐列表确定模块145可以被配置来基于选择的项目和一个或多个商业目的(例如,如由上述的模块确定)确定推荐列表。例如,确定项目i的推荐列表M(i)可以包括:确定项目i的多个推荐列表,并且评估项目i的多个推荐列表的每个以便选择满足商业目的的最佳的列表。例如,推荐列表确定模块145可以对于多个推荐列表的每个执行评估函数Eij(等式(7))。最佳推荐列表可以在符合约束(例如,约束9-12)的一个或多个的列表中具有最高评估值。可以继而使用等式(4)来确定在项目j是项目i的推荐列表的成员的情况下在项目j的销售上的预期增加Δij
一旦确定了在销售上的预期增加Δij,则也可以确定用于推荐列表的其他商业目的。例如,可以分别使用等式(5)和(6)来计算在收入上的预期增加Rij和在利润上的预期增加Pij
而且,根据一个或多个示例实施例,在项目i的推荐列表中包括项目j的效果可以被评估为多个相关因素(例如,商业目的)的加权和,该多个相关因素例如包括在销售上的增加Δij、新的价格形象PIRij、在收入上的增加Rij、在利润上的增加Pij和满意度Fij。在一个或多个示例实施例中,可以使用等式(7)来确定用于在项目i的推荐列表中包括项目j的评估函数。其中,加权w可以是用户确定的输入。而且,用于整个推荐列表的评估函数Eij是在推荐列表中的所有项目的评估值的和。例如,确定模块145可以对于符合约束(例如,约束9-12)的一个或多个的相关因素(例如,商业目的)执行评估函数Eij(等式(7))。
而且,根据一个或多个示例实施例,确定最佳推荐列表可以包括解决整数线性规划问题。例如,假定项目i的候选推荐项目池是C(i)(具有项目C(i)1,C(i)2,…,C(i)|C(i)|),并且推荐列表的大小是d。整数未知数是b1,b2,...,b|C(i)(bj∈{0,1})。整数线性规划可以最大化受到约束(13)的影响的等式(8)。
用户界面150可以被配置来允许用户155输入可配置参数(例如,加权w)并且将结果产生的推荐列表与推荐列表的一些评估一起显示。在示例实施例中,用户155可以是管理员、销售协调员或与关联于配置和提供电子商务网站的管理和经验相关联的某个其他个人或个人的组。下面参考图3A和3B更详细地描述示例用户界面。
如上所述的模块的每个可以作为在与系统100相关联的存储器中存储的软件代码被执行,并且被与系统100相关联的处理器执行。例如,处理器可以与商业目的模块(例如,浏览预测模块125或转移率模块130)或推荐列表确定模块145的一个或多个相关联。然而,预见到替代实施例。例如,该模块可以被体现为专用集成电路或ASIC。例如,ASIC可以被配置为商业目的模块(例如,浏览预测模块125或转移率模块130)或推荐列表确定模块145的一个或多个。然而,预见到替代实施例。
根据示例实施例,所述的商业目的模块可以不是全包括性的列表。例如,平均转移率模块115、项目类似度模块120、浏览预测模块125、转移率模块130和满意度模块135是商业目的模块的示例。然而,其他商业目的可以对于本领域内的技术人员是显然的。例如,其他商业目的可以包括利润率、库存目的、优选的供应商目的、项目提供目的和质量目的等。本领域内的技术人员可以发展对应的等式和约束。例如,可以最大化利润率或可以降低库存水平。
图2图示根据一个或多个示例实施例的方法。如本领域内的技术人员可以明白,参考图2所述的方法步骤可以作为在与系统100相关联的存储器中存储的软件代码来执行并且由与系统100相关联的处理器(例如,至少一个处理器102A)执行。例如,处理器可以与商业目的模块(例如,浏览预测模块125或转移率模块130)或推荐列表确定模块145的一个或多个相关联。然而,预见到替代实施例。例如,可以通过专用集成电路或ASIC来执行方法步骤。例如,ASIC可以被配置为商业目的模块(例如,浏览预测模块125或转移率模块130)或推荐列表确定模块145的一个或多个。然而,预见到替代实施例。虽然下述的步骤被描述为是由处理器执行,但是步骤不必然由同一处理器执行。换句话说,至少一个处理器可以执行参考图2下述的步骤。
在步骤S205中,处理器确定要优化的可配置商业目的。例如,商业目的可以包括收入、利润、数量、满意度和价格形象等。处理器可以基于经由例如用户界面150的用户输入来确定(例如,选择)可配置商业目的。可以通过上面参考图1讨论的模块的一个或多个来确定与可配置商业目的相关联的数据。
在步骤S210中,处理器设置一个或多个可配置商业目的的指标。例如,处理器可以基于用于所确定的可配置商业目的的每个的市场平均值来设置该一个或多个商业目的的指标。例如,处理器可以将该一个或多个商业目的的指标设置为比用于产品线(例如,蜂窝电话)的市场平均值大或小若干百分比。替代地(或补充地),处理器可以基于用于所确定的可配置商业目的的每个的历史平均值来设置该一个或多个商业目的的指标。例如,处理器可以将该一个或多个商业目的的指标设置为比用于所选择的项目和/或类似产品的历史平均值大或小若干百分比。历史平均值可以被存储在历史数据存储器105中。历史平均值可以是最近执行的模拟或者可以基于最近执行的模拟。
在步骤S214中,处理器确定推荐所基于的项目。例如,电子商务网站可以提供要销售的许多(例如,几千、几万和几百万等)产品。电子商务网站的管理员(例如,用户155)可以利用用户界面(例如,用户界面150)来从所提供的要销售的产品中选择产品以产生推荐列表。
在步骤S220中,处理器确定候选池。例如,可以基于某标准来过滤在项目数据存储器110中存储的项目数据。例如,如果浏览的项目i是在大型电子商务网站上销售的某种形式的电子装置,则可能不期望显示非电子装置相关的项目(例如,家具、衣服或亚麻布)。例如,处理器可以与候选项目过滤模块140相关联,候选项目过滤模块140可以过滤不相关的项目,以便确定推荐项目Ci的候选池。
在步骤S225中,处理器基于销售目的来确定一个或多个商业约束。例如,对于商业目的的每个,可以有相关联的约束。该约束可以例如是上面更详细地描述的约束(9)-(14)。
在步骤S230中,处理器基于候选池和商业约束来确定推荐列表。例如,处理器可以与推荐列表确定模块145相关联。例如,如上所述,确定用于项目i的推荐列表M(i)可以包括:确定用于项目i的多个推荐列表(或中间列表),并且,评估用于项目i的多个推荐列表(或中间列表)的每个,以便选择满足商业目的的最佳列表。例如,推荐列表确定模块145可以对于多个推荐列表的每个执行评估函数Eij(等式(7))。在符合约束(例如,约束9-12)的一个或多个的所有列表中,最佳推荐列表可以具有最高的评估值。可以继而使用等式(4)来确定在项目j是项目i的推荐列表的成员的情况下在项目j的销售上的预期增加Δij
一旦确定了在销售上的预期增加Δij,则也可以确定用于推荐列表的其他商业目的。例如,可以分别使用等式(5)和(6)来计算在收入上的预期增加Rij和在利润上的预期增加Pij
而且,根据一个或多个示例实施例,在项目i的推荐列表M(i)中包括项目j的效果可以被评估为多个相关因素(例如,商业目的)的加权和,该多个相关因素例如包括在销售上的增加Δij、新的价格形象PIRij、在收入上的增加Rij、在利润上的增加Pij和满意度Fij。在一个或多个示例实施例中,可以使用等式(7)来确定用于在项目i的推荐列表中包括项目j的评估函数。其中,加权w可以是用户确定的输入。而且,用于整个推荐列表的评估函数Eij是在推荐列表中的所有项目的评估值的和。例如,确定模块145可以对于符合约束(例如,约束9-12)中的一个或多个的相关因素(例如,商业目的)执行评估函数Eij(等式(7))。
而且,根据一个或多个示例实施例,确定最佳推荐列表可以包括解决整数线性规划问题。例如,假定项目i的候选推荐项目池是C(i)(具有项目C(i)1,C(i)2,…,C(i)|C(i)|),并且推荐列表的(项目和)大小是d。整数未知数是b1,b2,...,b|C(i)|(bj∈{0,1})。整数线性规划可以最大化受到约束(13)的影响的等式(8)。
而且,根据一个或多个示例实施例,每个商业目的可以具有相关联的优先级。如果模拟的结果返回空的推荐列表(例如,示出没有项目),则该优先级可以用于配置模拟(例如,推荐列表的确定)。空的推荐列表可以是不满足对于一个或多个商业目的的约束的结果。调整优先级可以用于使用等式(7)配置Eij的确定,而不使用与最低优先级商业目的相关联的约束。可以以降低的约束(例如,最低优先级优先)来重复使用等式(7)的Eij的确定,直到确定了可接受的Eij
图3A图示根据一个或多个示例实施例的用户界面。用户界面300-A可以是用户界面150的元素。如图3A中所示,用户界面300-A包括选择的项目305、结果指示符310、结果状态315、模拟按钮320、公布按钮325、候选池显示器330、候选结果显示器335和优化控制340。
选择的项目305可以被配置来选择和显示要产生其推荐列表的项目。例如,用户(例如,用户155)可以使用下降列表来选择项目。替代地,可能已经在另一个显示器(未示出)上选择了项目。替代地,用户可以输入项目编号。本领域内的技术人员可以意识到通过其可以在用户界面上选择和显示项目的许多机制。
模拟按钮320可以被配置来开始导致推荐列表的产生的模拟。例如,按压模拟按钮可以开始参考图2上述的步骤的执行。
结果指示符310可以被配置来提供模拟的结果的可视指示。例如,结果指示符310可以示出在刻度上的结果(例如,从1至100),以便用户确定结果产生的推荐列表可接受(或不可接受)程度。例如,结果指示符310可以示出使用等式(7)确定的Eij
结果状态315可以被配置来提供模拟的结果的文本指示。例如,结果状态315可以基于使用等式(7)确定的Eij。例如,可以将Eij的值与范围相比较,并且,结果状态可以指示这个比较的代表性结果(例如,不良、差、好、可接受、正常和胜出等)。
公布按钮325可以被配置来将模拟的结果存储为如果在电子商务网站上选择了项目则要显示的推荐列表。例如,可以与项目相关联地在项目数据存储器110中存储推荐列表。例如,如果在电子商务网站上的购物者选择了项目,则可以与所选择的项目一起在电子商务网站上示出推荐列表。
候选池显示器330可以被配置来显示推荐列表所基于的候选池。例如,候选池显示器330可以显示相对于如上所述的步骤S220确定的项目的列表。
候选结果显示器335可以显示在推荐列表中的项目。例如,候选结果显示器335可以显示关于如上所述的步骤S230确定的项目的列表。
优化控制340可以提供通过其用户可以配置和/或选择商业目的的机制。例如,用户可以通过在可以以商业目的和复选框的列表来示出弹出窗口(未示出)的优化控制340上右击来选择商业目的。用户然后选择要配置的商业目的(例如,收入)。
用户可以配置商业目的的特性(例如,百分比改变、加权和优先级)。虽然仅示出三个特性,但是三个并非最大值或最小值,并且特性不限于所示的那些。用户可以改变特性的任何一个,并且执行模拟(例如,按下模拟按钮320)以基于改变来执行模拟。
例如,每个商业目的可以具有优先级。如果模拟的结果返回空的推荐列表(例如,未示出项目),则该优先级可以用于配置模拟(例如,推荐列表的确定)。空的推荐列表可以是不满足用于商业目的的一个或多个的约束的结果。调整优先级可以用于使用等式(7)配置Eij的确定,而不使用与最低优先级商业目的相关联的约束。可以以降低的约束(例如,最低优先级优先)来重复使用等式(7)的Eij的确定,直到确定了可接受的Eij
例如,每个商业目的可以具有加权。加权可以是用于使用等式(7)确定Eij的输入(例如,w)。
图3B图示根据一个或多个示例实施例的另一个用户界面。用户界面300-B可以是用户界面150的元素。如图3B中所示,用户界面300-B包括选择的项目305、结果指示符310、结果状态315、状态图例345、结果汇总350、图形图例355和分析图形360。
上面参考图3A描述了选择的项目305、结果指示符310和结果状态315。状态图例345提供用于结果状态315的图例。
结果汇总350可以示出与商业目的相关联的特性的任何确定的结果。例如,收入可以是使用等式(5)的收入确定的结果。
图形图例355提供用于分析图形360的图例。分析图形360可以以图形示出用于商业目的的配置的特性的模拟的比较。例如,分析图形可以图示与用于所确定的可配置商业目的的每个的市场平均值的比较。例如,可以将该一个或多个商业目的图示为比产品线(例如,蜂窝电话)的市场平均值高或低若干百分比。
上面的示例实施例的一些被描述为被描述为流程图的处理或方法。虽然流程图将操作描述为顺序处理,但是可以并行地、并发地或同时地执行许多操作。另外,可以重新布置操作的顺序。当完成处理的操作时,可以结束处理,但是处理也可以具有在附图中未包括的另外的步骤。处理可以对应于方法、功能、过程、子例程、子程序等。
可以通过硬件、软件、固件、中间件、微码、硬件描述语言或其任何组合来实现如上所述的方法,该方法的一些通过流程图被示出。当以软件、固件、中间件或微码实现时,用于执行必要任务的程序代码或代码段可以被存储在机器或诸如存储介质的计算机可读介质中。一个或多个处理器可以执行必要任务。
为了描述示例实施例,在此公开的具体结构和功能细节可以仅是代表性的。然而,示例实施例以许多替代形式被体现,并且不应当被解释为仅限于在此给出的实施例。
可以明白,虽然在此可以使用词语第一、第二等来描述各个元件,但是这些元件不应当被这些词语限制。这些词语仅用于将一个元件与另一个元件相区别。例如,第一元件可以被称为第二元件,并且类似地,第二元件可以被称为第一元件,而不偏离示例实施例的范围。在此使用的词语“和/或”包括相关联的列出的项目的一个或多个的任何和全部组合。
可以明白,当元件被称为“连接到”或“耦接到”另一个元件时,它可以直接地连接到或耦接到另一个元件,或者可以存在介入中间的元件。相反,当元件被称为“直接连接到”或“直接耦合到”另一个元件时,不存在介入中间的元件。可以以类似的方式来解释用于描述在元件之间的关系的其他词语(例如,“在之间”对“直接在之间”、“相邻”对“直接相邻”等)。
在此使用的词语仅用于描述特定实施例的目的,并且不意欲限制示例实施例。在此使用的单数形式“一个”和“所述”意欲也包括复数形式,除非上下文清楚地另外指示。可以进一步明白,词语“包括”和/或“包含”当在此中使用时指定所述特征、整数、步骤、操作、元件和/或部件的存在,并且不排除一个或多个其他特征、整数、步骤、操作、元件、部件和/或其组的存在或增加。
也应当注意,在一些替代实现方式中,所述的功能/行为可以不以在附图中所述的顺序出现。例如,根据所涉及的功能/行为,连续示出的两个附图可以事实上同时被执行,或者可以有时以逆序被执行。
除非另外定义,在此使用的所有词语(包括科技术语)具有与示例实施例所属的领域内的普通技术人员通常理解者相同的含义。可以进一步明白,诸如在通常使用的词典中定义的那些的词语应当被解释为具有与它们在相关领域的上下文中的含义一致的含义,并且将不在理想化或过分正式的意义上被解释,除非在此明确地如此定义。
以软件或对于在计算机存储器内的数据比特的操作的算法和符号表示的形式提供了上面的示例实施例的部分和对应的详细说明。这些说明和表示是通过其本领域内的技术人员有效地将他们的工作的本质向其他本领域内的普通技术人员传送的那些。作为在此使用的词语并且通常使用的,算法被设想为导致期望结果的步骤的自洽序列。该步骤是需要物理量的物理操纵的那些。通常,虽然不必要,但是这些数量采用能够被存储、传送、组合、相比较和其它操纵的光学、电子或磁信号的形式。将这些信号指示为比特、值、元素、符号、字符、词语或数字等已经被证明主要因为常用而有时方便。
在上面的说明性实施例中,对于行为的引用和可以被实现为程序模块或功能处理的操作的符号表示(例如,以流程图的形式)包括子例程、程序、对象、部件、数据结构等,它们执行特定任务或实现特定抽象数据类型,可以可以使用在现有的结构元件出的现有硬件来描述和/或实现。这样的现有元件可以包括一个或多个中央处理单元(CPU)、数字信号处理器(DSP)、专用集成电路或现场可编程门阵列(FPGA)计算机等。
然而,应当记住,这些和类似词语的全部要与适当的物理量相关联,并且仅是被应用到这些量的方便的标签。除非另外具体说明或从说明显然,诸如“处理”或“计算”或“确定”或“显示”等的词语指的是计算机系统或类似电子计算装置的行为和处理,该计算机系统或类似电子计算装置操纵在计算机系统的寄存器和存储器内被表示为物理、电子数量的数据和将其转换为在计算机系统存储器或寄存器或其他这样的信息存储、传输或显示装置内被类似地表示为物理量的其他数据。
也注意,通常在某种形式的参讯擦存储介质上编码或在某种类型的传输介质上实现示例实施例的软件实现的方面。程序存储介质可以是磁的(例如,软盘和硬盘驱动器)或光学的(例如,致密盘只读存储器或“CD ROM”),并且可以是只读的或随机存取的。类似地,传输介质可以是双绞线、同轴电缆、光纤或本领域已知的某种其他适当的传输介质。示例实施例不被任何给定的实现方式的这些方面限制。
最后,也应当注意,虽然所附的权利要求给出了在此所述的特征的特定组合,但是本公开的发送不限于所要求保护的特定组合,而是延伸以涵盖在此公开的特征或实施例的任何组合,而与特定组合是否已经此时在所附的权利要求中被具体列举无关。

Claims (20)

1.一种用于产生推荐列表的方法,所述方法包括:
确定第一项目的推荐列表所基于的至少一个商业目的;
将可配置指标与所述商业目的相关联,所述可配置指标基于用于第二项目的目标;
确定将所述第一项目与所述第二项目相关的至少一个商业约束,所述至少一个商业约束基于所述商业目的和所述相关联的可配置指标;以及,
基于候选项目列表和所述商业约束来产生所述第一项目的推荐列表。
2.根据权利要求1所述的方法,进一步包括:与所述第一项目相关联地在存储器中存储所述推荐列表,所述推荐列表用于如果所述第一项目被选择来用于在电子商务网站上显示则所述推荐列表在所述电子商务网站上显示。
3.根据权利要求1所述的方法,进一步包括:
从所述候选项目列表产生包括至少一个第二项目的中间列表,其中
产生所述推荐列表包括:确定用于所述中间列表的评估函数的结果,所述评估函数基于所述至少一个商业约束。
4.根据权利要求1所述的方法,进一步包括:
从所述候选项目列表产生包括至少一个第二项目的中间列表,其中
所述至少一个商业约束包括至少两个商业约束,
产生所述推荐列表包括:确定用于所述中间列表的评估函数的结果,所述评估函数基于所述至少两个商业约束的加权和。
5.根据权利要求1所述的方法,进一步包括:
从所述候选项目列表产生包括至少一个第二项目的中间列表,其中
所述商业目的是组合利润,
所述指标是与在所述候选项目列表中的至少一个其它项目相比较的提高的利润,并且
产生所述推荐列表包括:如果所述至少一个第二项目的组合利润大于所述至少一个其它项目的组合利润,则将所述中间列表选择为推荐列表。
6.根据权利要求1所述的方法,进一步包括:
从所述候选项目列表产生包括至少一个第二项目的中间列表,其中
所述商业目的是组合销售数量,
所述指标是与在所述候选项目列表中的至少一个其它项目相比较的增加的销售数量,并且
产生所述推荐列表包括:如果在所述至少一个第二项目的销售数量上的组合增加大于在所述至少一个其它项目的销售数量上的组合增加,则将所述中间列表选择为推荐列表。
7.根据权利要求1所述的方法,进一步包括:
从所述候选项目列表产生包括至少一个第二项目的中间列表,其中
所述商业目的是价格形象,
所述指标是与在所述候选项目列表中的至少一个其它项目相比较的组合价格形象,并且
产生所述推荐列表包括:如果所述至少一个第二项目的组合价格形象小于所述至少一个其它项目的组合价格形象,则将所述中间列表选择为推荐列表。
8.根据权利要求1所述的方法,进一步包括:
从所述候选项目列表产生包括至少一个第二项目的中间列表,其中
所述商业目的是组合收入,
所述指标是与在所述候选项目列表中的至少一个其它项目相比较的增加的收入,并且
产生所述推荐列表包括:如果所述至少一个第二项目的组合收入大于所述至少一个其它项目的组合收入,则将所述中间列表选择为推荐列表。
9.根据权利要求1所述的方法,进一步包括:
从所述候选项目列表产生包括至少一个第二项目的中间列表,其中
所述商业目的是组合满意度,
所述指标是与在所述候选项目列表中的至少一个其它项目相比较的组合满意度,并且
产生所述推荐列表包括:如果所述至少一个第二项目的组合满意度大于所述至少一个其它项目的组合满意度,则将所述中间列表选择为推荐列表。
10.根据权利要求1所述的方法,进一步包括:
从所述候选项目列表产生包括至少一个第二项目的中间列表,其中
所述商业目的是利润率,
所述指标是与基于市场的平均值相比较的最大利润率,所述基于市场的平均值基于所述第一项目,并且
产生所述推荐列表包括:如果所述第二项目的利润率实现利润率目标,则将所述中间列表选择为推荐列表。
11.根据权利要求1所述的方法,进一步包括:
基于所述第一项目来过滤用于销售的项目的列表,其中,产生所述候选项目的列表基于所述过滤的列表。
12.根据权利要求1所述的方法,其中,使用用户界面来选择所述至少一个商业目的和用于所述商业目的的所述指标。
13.一种用于产生推荐列表的系统,所述系统包括:
第一模块,其被配置来确定第一项目的推荐列表所基于的至少一个商业目的,并且被配置来基于候选项目列表和至少一个商业约束来产生所述第一项目的推荐列表;以及,
至少一个第二模块,其被配置来将可配置指标与所述商业目的相关联,所述可配置指标基于用于第二项目的目标,并且所述至少一个第二模块被配置来确定将所述第一项目与所述第二项目相关的至少一个商业约束,所述至少一个商业约束基于所述商业目的和所述相关联的可配置指标。
14.根据权利要求13所述的系统,进一步包括:
存储器,其被配置来与所述第一项目相关联地存储所述推荐列表,所述推荐列表用于如果所述第一项目被选择来用于在电子商务网站上显示则所述推荐列表在所述电子商务网站上显示。
15.根据权利要求13所述的系统,其中
所述第一模块被配置来从所述候选项目列表产生包括至少一个第二项目的中间列表,
所述至少一个商业约束包括至少两个商业约束,以及
产生所述推荐列表包括:确定用于所述中间列表的评估函数的结果,所述评估函数基于所述至少两个商业约束的加权和。
16.根据权利要求13所述的系统,其中
所述第一模块被配置来从所述候选项目列表产生包括至少一个第二项目的中间列表,
所述商业目的是组合利润,
所述指标是与在所述候选项目列表中的至少一个其它项目相比较的提高的利润,并且
产生所述推荐列表包括:如果所述至少一个第二项目的组合利润大于所述至少一个其它项目的组合利润,则将所述中间列表选择为推荐列表。
17.根据权利要求13所述的系统,其中:
所述第一模块被配置来从所述候选项目列表产生包括至少一个第二项目的中间列表,
所述商业目的是组合销售数量,
所述指标是与在所述候选项目列表中的至少一个其它项目相比较的提高的销售数量,并且
产生所述推荐列表包括:如果在所述至少一个第二项目的销售数量上的组合增加大于在所述至少一个其它项目的销售数量上的组合增加,则将所述中间列表选择为推荐列表。
18.根据权利要求13所述的系统,其中:
所述第一模块被配置来从所述候选项目列表产生包括至少一个第二项目的中间列表,
所述商业目的是价格形象,
所述指标是与所述候选项目列表中的至少一个其它项目相比较的组合价格形象,并且
产生所述推荐列表包括:如果所述至少一个第二项目的组合价格形象小于所述至少一个其它项目的组合价格形象,则将所述中间列表选择为推荐列表。
19.根据权利要求13所述的系统,其中:
所述第一模块被配置来从所述候选项目列表产生包括至少一个第二项目的中间列表,
所述商业目的是组合收入,
所述指标是与在所述候选项目列表中的至少一个其它项目相比较的增加的收入,并且
产生所述推荐列表包括:如果所述至少一个第二项目的组合收入大于所述至少一个其它项目的组合收入,则将所述中间列表选择为推荐列表。
20.根据权利要求13所述的系统,其中:
所述第一模块被配置来从所述候选项目列表产生包括至少一个第二项目的中间列表,
所述商业目的是组合满意度,
所述指标是与在所述候选项目列表中的至少一个其它项目相比较的组合满意度,并且
产生所述推荐列表包括:如果所述至少一个第二项目的组合满意度大于所述至少一个其它项目的组合满意度,则将所述中间列表选择为推荐列表。
CN201210536851.9A 2012-12-12 2012-12-12 可配置的多目的推荐 Pending CN103870481A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201210536851.9A CN103870481A (zh) 2012-12-12 2012-12-12 可配置的多目的推荐
US13/720,031 US20140164170A1 (en) 2012-12-12 2012-12-19 Configurable multi-objective recommendations

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210536851.9A CN103870481A (zh) 2012-12-12 2012-12-12 可配置的多目的推荐

Publications (1)

Publication Number Publication Date
CN103870481A true CN103870481A (zh) 2014-06-18

Family

ID=50882015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210536851.9A Pending CN103870481A (zh) 2012-12-12 2012-12-12 可配置的多目的推荐

Country Status (2)

Country Link
US (1) US20140164170A1 (zh)
CN (1) CN103870481A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214926A (zh) * 2018-08-22 2019-01-15 泰康保险集团股份有限公司 基于区块链的理财产品推荐方法、装置、介质及电子设备

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140258024A1 (en) * 2013-03-11 2014-09-11 Ebay Inc. Systems and methods of identifying a group of items for attaining a targeted sales amount
US20160132935A1 (en) * 2014-11-07 2016-05-12 Turn Inc. Systems, methods, and apparatus for flexible extension of an audience segment
US11238005B2 (en) 2018-07-20 2022-02-01 Samsung Electronics Co., Ltd. SFF-TA-100X based multi-mode protocols solid state devices
US10984007B2 (en) * 2018-09-06 2021-04-20 Airbnb, Inc. Recommendation ranking algorithms that optimize beyond booking
CN112699168B (zh) * 2020-12-30 2021-09-07 东方财富信息股份有限公司 基于互联网金融和大数据的业务推荐方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7155401B1 (en) * 1994-12-23 2006-12-26 International Business Machines Corporation Automatic sales promotion selection system and method
US7603286B2 (en) * 1998-05-21 2009-10-13 Sap Ag Demand-model based price image calculation method and computer program therefor
US6317722B1 (en) * 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US20060047563A1 (en) * 2004-09-02 2006-03-02 Keith Wardell Method for optimizing a marketing campaign
US7747478B2 (en) * 2005-08-15 2010-06-29 International Business Machines Corporation Method of generating multiple recommendations for multi-objective available-to-sell (ATS) optimization problem
US8019642B2 (en) * 2008-05-06 2011-09-13 Richrelevance, Inc. System and process for receiving boosting recommendations for use in providing personalized advertisements to retail customers

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109214926A (zh) * 2018-08-22 2019-01-15 泰康保险集团股份有限公司 基于区块链的理财产品推荐方法、装置、介质及电子设备

Also Published As

Publication number Publication date
US20140164170A1 (en) 2014-06-12

Similar Documents

Publication Publication Date Title
US11922439B2 (en) System, method and computer program product for predicting a next hop in a search path
US20220318858A1 (en) Systems and methods for transformation of raw data to actionable data
US11455647B2 (en) Method and system for presenting information for a geographically eligible set of automobile dealerships ranked based on likelihood scores
KR102297669B1 (ko) 제조사 및 유통사 간 연결을 위한 매칭 서비스 제공 시스템
CN103870481A (zh) 可配置的多目的推荐
Esmaeilian et al. Marketing strategies for refurbished products: Survey-based insights for probabilistic selling and technology level
Pathak A SURVEY OF THE COMPARISON SHOPPING AGENT-BASED DECISION SUPPORT SYSTEMS.
Cattapan et al. Impact of omnichannel integration on Millennials’ purchase intention for fashion retailer
Peng et al. Designing differential service strategy for two-dimensional warranty based on warranty claim data under consumer-side modularisation
Honka et al. Consumer search: What can we learn from pre-purchase data?
Kalaivani et al. Multi process prediction model for customer behaviour analysis
Hernández-Rodríguez et al. A recommender system applied to the indirect materials selection process (RS-IMSP) for producing automobile spare parts
Pitka et al. Time analysis of online consumer behavior by decision trees, GUHA association rules, and formal concept analysis
Heger et al. Assortment optimization: a systematic literature review
US11790384B2 (en) Systems and methods for assisting users in assessing costs of transactions
Zhong E-commerce utilization analysis and growth strategy for smes using an artificial intelligence
Zhang et al. The use of recommender systems in demand management in intelligent supply chain management
CN112365283B (zh) 一种优惠券发放方法、装置、终端设备及存储介质
Hruschka Analyzing joint brand purchases by conditional restricted Boltzmann machines
AU2021103131A4 (en) A feature boosted Web-based product purchase recommendation method and system
Arduin et al. How to compromise on the best price? A group tacit knowledge-based multicriteria approach
Elvander Developing a Recommender System for a Mobile E-commerce Application
Hackl et al. How to measure product differentiation
Reddy et al. Cost Preference Product Service using Recommendation System
Batmetan et al. A Conceptual Framework for e-Commerce Personalization in Small Medium Enterprise’s

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C53 Correction of patent for invention or patent application
CB02 Change of applicant information

Address after: German Waldo

Applicant after: SAP AG

Address before: German Waldo

Applicant before: SAP AG

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: SAP AG TO: SAP EUROPE AG

C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140618