CN112424814A - 确定物品相关性 - Google Patents
确定物品相关性 Download PDFInfo
- Publication number
- CN112424814A CN112424814A CN201980048018.XA CN201980048018A CN112424814A CN 112424814 A CN112424814 A CN 112424814A CN 201980048018 A CN201980048018 A CN 201980048018A CN 112424814 A CN112424814 A CN 112424814A
- Authority
- CN
- China
- Prior art keywords
- item
- attribute
- user
- items
- vector
- 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
Links
- 239000013598 vector Substances 0.000 claims abstract description 165
- 230000009471 action Effects 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 6
- 235000013305 food Nutrition 0.000 description 22
- 235000008429 bread Nutrition 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 235000018102 proteins Nutrition 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- 102000004169 proteins and genes Human genes 0.000 description 6
- 108010068370 Glutens Proteins 0.000 description 5
- 235000021312 gluten Nutrition 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 206010020751 Hypersensitivity Diseases 0.000 description 3
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 3
- 230000007815 allergy Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000008101 lactose Substances 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 235000013348 organic food Nutrition 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000037336 dry skin Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013384 milk substitute Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000037307 sensitive skin Effects 0.000 description 1
- 235000013322 soy milk Nutrition 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0239—Online discounts or incentives
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
确定物品与例如电子商务平台上的用户的相关性具有各种优点。本发明的目的是提供一种用于确定物品与用户的相关性的计算装置。一种计算装置被配置为基于用户的用户动作历史来计算用户属性简档向量。计算装置然后可以计算用户属性简档向量与物品的物品属性向量之间的相似性得分。描述了一种客户端设备、计算装置、方法和计算机程序。
Description
技术领域
本发明涉及一种电子设备及计算装置,且尤其涉及一种用于确定针对用户的物品相关性的客户端设备及计算装置。此外,本公开涉及对应的方法和计算机程序。
背景技术
确定物品(item)与例如电子商务平台上的用户的相关性具有各种用途。电子商务平台可以包括数千或甚至数十万个物品。即使单个物品类别也可能包括数千个物品,这可能使得用户难以找到正确的物品并且耗时。此外,无论用户访问电子商务平台的设备的类型如何,设备的显示区域都可能是有限的。这可能限制一次可向用户显示的物品的数量。这些因素对于移动设备可能尤其重要。另外,用于与电子商务平台交互的用户界面可能是有限的。如果电子商务平台包括大量物品,则可能要求用户在努力克服这些限制的同时浏览大量不相关的物品。如果可以确定各种物品与用户的相关性,则可以使用该信息,例如,以更有效地利用客户端设备的有限显示区域。
专利公开US 2013/0198022A1公开了一种确定候选物品的链表的方法和装置。该方法计算第一物品和第二物品关于每个非标称属性和每个标称属性值之间的相似性得分。基于相似性得分,可以创建与第一物品区域相似的候选物品的链表。
专利公开GB 2548336A公开了一种识别推荐媒体内容的方法。该方法包括:访问对用户可用的相应媒体内容物品的媒体内容物品令牌;访问与所述用户相关的用户偏好令牌;将所述用户偏好令牌与所述媒体内容物品令牌进行比较;以及基于所述比较来识别所推荐的媒体内容物品。
专利公开US 2017/0337612A1公开了一种评估一堆物品与用户兴趣的密切关系的系统和方法。
发明内容
提供本发明内容以便以简化的形式介绍选择的概念,这些概念还将在下文以详细描述的方式被描述。本发明内容不旨在标识所要求保护的主题的所有关键特征或所有必要特征,也不旨在用于限制所要求保护的主题的范围。
本发明的目的是提供一种用于确定物品与用户的相关性的计算装置。该目的通过独立权利要求的特征来实现。在从属权利要求、说明书和附图中提供了进一步的实现形式。
根据第一方面,一种计算装置被配置为:基于用户的用户动作历史来计算用户属性简档向量,所述用户属性简档向量包括第一多个属性值,所述第一多个属性值描述所述用户动作历史的性质;获得物品的物品属性向量,所述物品属性向量包括第二多个属性值和适用于所述物品的属性的指示,所述第二多个属性值描述所述物品的性质;比较所述第一多个属性值和所述第二多个属性值中适用于所述物品的对应属性值;基于所述比较计算相似性得分;以及使用每个物品的相似性得分从多个物品中选择物品子集。利用这些配置,计算装置可以例如确定产品与用户有多相关。计算装置或客户端设备可以使用该相关性信息来例如向用户显示相关产品。物品属性向量以技术方式指示物品的性质,诸如物品包括什么组件,并且用户属性简档向量可以基于用户的动作历史来反映用户偏好哪些性质。可以使用产生技术数据(例如相似性得分、)的技术手段来完成数据的处理。
在第一方面的实现形式中,计算装置还被配置为向客户端设备传送指示所选择的物品子集的数据。
在第一方面的进一步实现形式中,计算装置还被配置为:至少使用每个物品的所述相似性得分来处理所选择的物品子集的顺序。利用这些配置,计算装置可以例如使得客户端设备能够首先向用户显示更相关的物品。
在第一方面的进一步实现形式中,计算装置进一步被配置为将指示所处理的所选择的物品子集的顺序的数据传送到客户端设备。利用这些配置,计算装置可以例如使得客户端设备能够根据顺序显示多个物品,使得例如最相关的物品被首先显示给用户。因此,有效地利用了客户端设备的可能有限的显示区域。
在第一方面的进一步实现形式中,计算装置进一步被配置为将每一相似性得分传送到客户端设备。利用这些配置,计算装置可以例如向客户端设备提供关于物品的附加信息。因此,客户端设备可以例如向用户提供关于物品的附加信息,诸如相似性得分。
在第一方面的进一步的实现形式中,所述物品属性向量包括:逻辑真值,指示相应属性对于所述物品为真;以及逻辑假值,指示相应属性对于所述物品为假。利用这些配置,可以使用少量数据将属性值存储到计算装置。例如,每个属性值可以由单个比特指示。
在第一方面的进一步实现形式中,用户属性简档向量中的每个属性值在0到1的范围内。利用这些配置,可以在计算装置上以简单的方式实现相似性得分的计算,因为用户属性简档向量中的属性值以相同的比例表示。
在第一方面的进一步实现形式中,计算装置还被配置为:基于所述多个物品中的每个物品在物品树中的位置和所述用户先前购买的物品在物品树中的位置来计算每个物品的排序得分;以及使用每个物品的排序得分和每个物品的相似性得分对多个物品排序。利用这些配置,计算装置可以例如除了考虑物品的属性之外,还考虑用户在物品排序中的动作历史。
在第一方面的进一步实现形式中,计算装置还被配置为:将所述用户属性简档向量存储在所述用户的用户简档中。利用这些配置,计算装置不需要在每次需要用户属性简档向量时重新计算用户属性简档向量。这可以例如节省计算资源和降低能耗。
在第一方面的进一步实现形式中,计算装置还被配置为:将每个相似性得分存储在所述用户简档中。利用这些配置,计算装置不需要在每次需要相似性得分时重新计算相似性得分。这可以例如节省计算资源和降低能耗。
根据第二方面,一种客户端设备被配置为:从计算装置接收指示物品子集的数据;根据从所述计算装置接收的所述数据向用户显示至少一个物品视图,所述至少一个物品视图中的每个物品视图包括物品的名称;所述物品子集是基于多个物品中的每个物品的计算的相似性得分从所述多个物品中选择的,所述计算的相似性得分是通过比较用户属性简档向量中包括的第一多个属性值和物品属性向量中包括的第二多个属性值中适应于物品的对应属性值来获得的。利用这些配置,客户端设备可以例如有效地利用客户端设备的可能有限的显示区域,使得相关产品首先被显示给用户。另外,由于用户可以更容易且更快速地找到相关产品,因此可以减少向/从客户端设备进行传输的功耗和数据量。
在第二方面的实现形式中,客户端设备还被配置为在接收数据之前,将过滤条件传输到计算装置,并且其中,基于所计算的相似性得分和过滤条件从多个物品中选择物品子集。
在第二方面的进一步实现形式中,客户端设备还被配置为从计算装置接收针对物品子集的顺序;以及根据所接收的顺序显示所述至少一个物品视图。
在第二方面的进一步实现形式中,客户端设备进一步被配置为从计算装置接收所述计算的相似性得分;以及将显示的相似性得分在所述至少一个物品视图中显示,其中所述显示的相似性得分与所述计算的相似性得分相关联。利用这些配置,客户端设备可以例如向用户提供关于物品的附加信息。
在第二方面的进一步实现形式中,所述客户端设备还被配置为:在所述至少一个物品视图中显示属性,其中所述属性与在所述物品视图中显示的物品的物品属性向量相关联。利用这些配置,客户端设备可以例如向用户提供关于物品的附加信息。
根据第三方面,一种方法包括:由计算装置基于用户的用户动作历史来计算用户属性简档向量,所述用户属性简档向量包括第一多个属性值,所述第一多个属性值描述所述用户动作历史的性质;由计算装置获得物品的物品属性向量,所述物品属性向量包括第二多个属性值和适用于所述物品的属性的指示,所述第二多个属性值描述所述物品的性质;由计算装置比较所述第一多个属性值和所述第二多个属性值中适用于所述物品的对应属性值;由计算装置基于所述比较来计算相似性得分;以及由计算装置使用每个物品的相似性得分从多个物品中选择物品子集。
根据第四方面,一种方法包括:由客户端设备从计算装置接收指示物品子集的数据;由客户端设备根据从所述计算装置接收的所述数据向用户显示至少一个物品视图,所述至少一个物品视图中的每个物品视图包括物品的名称;所述物品子集是基于多个物品中的每个物品的计算的相似性得分从所述多个物品中选择的,所述计算的相似性得分是通过比较用户属性简档向量中包括的第一多个属性值和物品属性向量中包括的第二多个属性值中适用于物品的对应属性值来获得的。
根据第五方面,提供了一种计算机程序,包括程序代码,所述程序代码被配置为当在计算机上执行所述计算机程序时执行根据第三方面或第四方面的方法。
许多附带特征将更容易理解,因为通过参考结合附图考虑的以下详细描述,它们变得更好理解。
附图说明
根据附图阅读以下详细描述,将更好地理解本说明书,其中:
图1示出了根据实施例的被配置为确定物品与用户的相关性的客户端设备和计算装置的示意性表示;
图2示出了根据实施例的物品相关性确定系统的示意性表示;
图3示出了根据实施例的物品相关性计算系统的示意性表示;
图4示出了根据实施例的用户简档的示意性表示;
图5示出了根据实施例的物品属性向量的示意性表示;
图6示出了根据实施例的食品物品属性向量的示意性表示;
图7示出了根据实施例的卫生物品属性向量的示意性表示;
图8示出了根据另一实施例的卫生物品属性向量的示意性表示;
图9示出了根据实施例的用户动作历史的示意性表示;
图10示出了根据实施例的用户属性简档的示意性表示;
图11示出了根据另一实施例的用户属性简档的示意性表示;
图12示出了根据实施例的物品属性向量和用户属性简档向量的比较的示意性表示;
图13示出了根据另一实施例的物品属性向量和用户属性简档向量的比较的示意性表示;
图14示出了根据实施例的物品显示过程的流程图的示意性表示;
图15示出了根据实施例的物品显示界面的示意性表示;
图16示出了根据另一实施例的物品显示界面的示意性表示;
图17示出了根据另一实施例的物品显示界面的示意性表示;
图18示出了根据实施例的物品视图的示意性表示;
图19示出了根据另一实施例的物品视图的示意性表示;
图20示出了根据另一实施例的物品视图的示意性表示;
图21示出了根据实施例的方法的流程图表示;以及
图22示出了根据另一实施例的方法的流程图表示。
在附图中,相同的附图标记用于表示相同的部件。
具体实施方式
以下结合附图提供的详细描述旨在作为对实施例的描述,而非旨在表示可构造或利用实施例的唯一形式。然而,相同或等效的功能和结构可以通过不同的实施例来实现。
图1示出了客户端设备100和计算装置200的示意性表示。客户端设备100可以使用通信信道103与计算装置200通信,并且计算装置200可以使用通信信道103与客户端设备100通信。客户端100可以向计算装置200传送请求,并且计算装置可以通过向客户端设备100传送响应来对这些请求进行响应。在一些实施例中,客户端设备100和计算装置200在相同的设备中实现。在这样的实施例中,任一设备的任何功能可以在该单个设备中实现。
根据实施例,计算装置200被配置为基于用户的用户动作历史来计算用户属性简档向量,用户属性简档向量包括第一多个属性值。计算装置可以被配置成获得物品的物品属性向量,该物品属性向量包括第二多个属性值和适用于该物品的属性的指示,该第二多个属性值描述该物品的性质。计算装置200可以被配置为比较第一多个属性值和第二多个属性值中适用于物品的对应属性值。计算装置200可以被配置成基于所述比较来计算相似性得分。计算装置200可以被配置成使用每个物品的相似性得分从多个物品中选择子集。计算装置200可以被配置为将指示所选择的物品子集的数据传送到客户端设备100。
物品子集可以包括全部多个物品或比所述多个物品中更少数量的物品。
因此,计算装置200可以被配置为基于用户的用户动作历史来计算用户属性简档向量,并且计算用户属性简档向量与产品的产品属性向量之间的相似性得分,其中,仅适用于产品的属性被用于根据用户属性简档向量的计算。相似性得分可以反映物品与用户的先前动作有多相似。低相似性得分可以指示高相似性,反之亦然。高相似性的物品可以被称为与用户相关的物品。
根据实施例,客户端设备100被配置为从计算装置200接收指示物品子集的数据;以及根据从计算装置接收的数据向用户显示至少一个物品视图,至少一个物品视图中的每个物品视图包括物品的名称;所述物品子集是基于多个物品中的每个物品的计算的相似性得分从所述多个物品中选择的,所述计算的相似性得分是通过比较用户属性简档向量中包括的第一多个属性值和物品属性向量中包括的第二多个属性值中适用于物品的对应属性值来获得的。
物品属性向量以技术方式指示物品的性质,诸如物品包括什么组件,并且用户属性简档向量可以基于用户的动作历史来反映用户偏好哪些性质。可以使用产生技术数据(例如相似性得分)的技术手段来完成数据的处理。基于该技术数据,可以推断出与用户相关的物品。
计算装置200还可以被配置为至少使用每个物品的相似性得分来处理物品子集的顺序。计算装置可以例如根据相似性得分以降序或升序对物品进行排序/排名。例如,与用户最相关的物品可以是处理后的顺序中的第一个。
计算装置200可以被配置为至少使用每个物品的相似性得分来处理多个物品,并且将指示所处理的多个物品的数据传送到客户端设备100。
计算装置200还可被配置为将指示所处理的物品子集的顺序的数据传送到客户端设备100。数据可以是例如指示顺序或相似性得分的列表。替代地或另外地,计算装置200可以省略将物品顺序传送到客户端设备200。相反,计算装置可以将例如指示物品子集的数据传送到客户端设备100。计算装置200可以基于物品的相似性得分来选择子集。例如,计算装置200可以指示具有高于预先配置的阈值的相似性得分的物品。
客户端设备100可以根据所述顺序显示多个物品,例如使得最相关的物品首先被显示给用户。因此,可以有效地利用客户端设备100的可能有限的显示区域。
客户端设备100和计算装置200还可以包括处理器、收发器、存储器、显示单元和/或图1中未示出的其他组件。客户端设备100可以使用收发器与例如计算装置200通信。计算装置200可以使用收发器与例如单个或多个客户端设备100通信。通信信道103可以包括例如无线连接、有线连接、网络节点、网络设备或这些的某种组合。通信信道103可以包括例如因特网、以太网、3G、4G、5G、LTE、Wi-Fi或任何其它有线或无线连接或这些的某种组合。例如,如果客户端设备100是移动设备,则通信信道103可以包括无线连接,诸如Wi-Fi、因特网连接和多个以太网连接。客户端设备100和计算装置200还可以同时和/或顺序地利用多个通信信道103。
客户端设备100可以是无线终端或移动终端中的任何一种,其能够在无线通信系统中无线地通信,有时也指蜂窝无线电系统,或者在使用有线连接的有线通信系统中无线地通信。有线连接也可以包括固定连接,例如光链路。客户端设备100还可以指具有无线或有线能力的移动电话、蜂窝电话、计算机、台式计算机、平板计算机或膝上型计算机。
用户可以通过用户界面UI操作客户端设备100。由于客户端设备100上的显示区域的数量可能是有限的,例如在移动电话或甚至台式计算机的情况下,UI也可能是有限的。例如,在电子商务平台上,一次仅可以向用户显示有限数量的物品。因此,如果可以一次显示给用户的有限数量的物品与用户相关或有关,则可以改善用户体验。
计算装置200可以是能够例如使用处理器来处理信息并且可以例如使用通信信道103与客户端设备100或多个客户端设备100通信的任何设备。计算装置200也可以指服务器。计算装置200可以例如使用一个计算机或多个计算机(诸如数据中心)来实现。可替换地,一个计算机或多个计算机可以使用例如虚拟化来实现多个计算装置200,其中计算装置200可以以软件来实现。
物品可以是例如用户可以购买或查看的任何产品。用户可以例如在电子商务平台上购买和/或查看物品。物品可以被分成多个类别,并且这些类别可以包括例如食品物品、动物食品物品、卫生物品、清洁物品、消费品等。这些类别可以被分成进一步的子类别。例如,食品物品可以分为蔬菜、水果、肉类、乳制品、面包、饮料等。
图2示出了根据实施例的用于确定针对用户的相关物品的系统的示意性表示。当用户101使用客户端设备100在例如电子商务平台上执行各种动作102时,包括这些动作102的动作历史可以被保存到用户简档210中。动作102可以是例如物品购买、查看物品、将物品放入购物车或物品评论。用户简档210可以存储在例如计算装置200的存储器中。物品信息数据库220也可以存储到例如计算装置200的存储器中。在此,可以存储到计算装置200的存储器的任何信息/数据也可以以某种其他方式存储到例如外部数据库。物品信息数据库220可以从例如外部数据221或通过输入数据222获得和/或更新。外部数据221可以例如由物品的制造商提供。物品信息数据库220可以包括关于多个物品的信息,并且每个物品可以与各种属性相关联。
属性可以描述诸如食品物品或消费品的物品的任何性质或特性。多个属性适用于单个物品。属性对于多个物品可以是共同的。属性和属性值可以是预先确定的。属性的一些实施例描述如下。
基于用户简档210和物品信息数据库220,计算装置200可以执行各种计算过程230。这些计算过程230的输出可以例如指示物品信息数据库220中的物品与用户101的偏好的匹配程度、物品与用户101的先前动作102的相似程度、和/或物品与用户101的相关程度。计算过程230可以基于用户101的用户简档210和物品信息数据库220。基于计算过程230,计算装置200可以确定相关物品240,并且相关物品240可以通过客户端设备100呈现给用户101。例如,客户端设备100可以使用用户界面UI向用户101呈现相关物品240。根据实施例,计算过程230可以计算物品信息数据库220中的每个物品的相似性得分232,其中相似性得分232可以指示物品与用户简档210的匹配程度。基于相似性得分232,计算装置200可以例如通过根据物品信息数据库220中的物品的相似性得分232对物品进行排名/排序来确定用户101的相关物品。
图3示出了根据实施例的相关性计算过程230的示意性表示。基于存储在用户简档210中的动作历史221,可以计算用户属性简档212。例如,计算装置200可以使用由动作历史211指示的物品的物品属性向量223来计算用户属性简档212。在此,属性可以指可以被分配例如数值的物品的性质。例如,食品物品可以是无谷蛋白的。这可以通过将二进制值1分配给该物品的“无谷蛋白”属性来指示,其中,值1可以指示逻辑真。另一方面,如果物品不是无谷蛋白的,则该字段可以被分配值0,其中,值0可以指示逻辑假。或者,类似的属性可以由“含有谷蛋白”属性指示。对于一物品,只需要属性“无谷蛋白”和“含有谷蛋白”中的一个,因为这些属性可以指示相同的信息。应当理解,术语“无谷蛋白”本身不需要保存以指示物品是无谷蛋白的。相反,可以分配物品信息数据库220中的每个物品的特定字段来表示属性“无谷蛋白”,并且例如可以仅使用该字段的编号。字段的编号也可以称为属性标识ID。用户属性简档212可以基于用户101的动作历史211来指示哪些物品属性对于用户101是重要的。例如,如果用户101购买了大量无谷蛋白物品,则用户属性简档212可以反映这一点。另外,用户属性简档212可以指示用户101仅在一些物品类别中购买大量无谷蛋白物品。这也可以考虑。用户属性简档212也可以是用户属性简档向量。用户属性简档向量212的字段可以包括不同属性的值。如果用户101尚未购买任何物品,则可以使用关于用户101的其他信息来代替动作历史211,所述其他信息诸如用户101可能已放在购物车中的物品。根据实施例,动作历史211包括用户101的购买历史。
根据实施例,物品信息数据库220可以包括多个物品属性向量223,其中每个物品属性向量223包括物品的物品属性值。可以通过比较操作231将物品属性向量223与用户属性简档向量212进行比较。比较操作231例如可以计算指示物品属性向量223相对于用户属性简档向量212有多相似或多不相似的量。这个量可以被称为相似性得分232或计算的相似性得分。可以针对物品信息数据库220中的每个物品计算相似性得分232。基于针对每个物品的该量的值,可以确定与用户101相关的物品。
根据另一实施例,不需要计算用户属性简档向量212。相反,比较操作231可以直接使用用户101的动作历史211和属性简档向量212来计算相似性得分232。每个物品的相似性得分232可以被保存到例如用户简档210中。相似性得分232可以例如在用户101每次执行诸如进行购买的动作102时被更新。
图4示出了根据另一实施例的用户简档210的示意性表示。在该实施例中,除了动作历史211之外,用户简档210还包括用户属性简档212。计算装置200可以被配置成将用户属性简档向量212存储在用户101的用户简档210中。由于用户属性简档212存储在用户简档210中,因此不需要在每次为用户101确定相关物品时计算用户属性简档212。相反,用户属性简档212可以例如在每次用户101执行动作并且动作历史211被更新时被更新。这可以减少所需的计算总量,例如,在用户101执行动作的频率低于为用户101确定相关物品的情况下。或者,如果用户101的其他动作,诸如查看物品,影响用户属性简档212,则用户属性简档212可以在用户101每次执行这样的动作时被更新。替代地或作为对此的补充,用户属性简档212可以被周期性地更新。
根据实施例,适用于物品的属性可由物品的物品属性向量来指示。图5-图8示出了物品属性向量的示意性表示,其示出了在一些描述的实施例中不同物品的属性的相关性和利用。
图5示出了根据实施例的物品属性向量223的示意性表示。在本实施例中,物品属性向量223包括五个属性224,且每个属性的值225可以是0或1。值0和1可以分别指示逻辑值假和真。在这里和下面的实施例中呈现的属性的数量、属性的名称和属性值仅仅是示例性的。
根据实施例,物品属性向量223包括:逻辑真值,指示相应属性对于该物品为真;以及逻辑假值,指示相应属性对于该物品为假。
图6示出了根据实施例的食品物品的物品属性向量223的示意性表示。在该实施例中,物品属性向量223包括七个属性224,并且这些属性的值225指示该物品的属性是否为真。此外,为每个属性224分配标识ID 226。
在图6中呈现的食品物品的情况下,属性224和相应的属性值225指示该物品是有机的、低乳糖的和素食的(vegetarian),并且该物品不是无乳糖的、纯素的、无谷蛋白的,或者不包含大量的蛋白质。在一些实施例中,不需要为每个物品保存属性224的名称。相反,属性的ID 226可以用于指示预期属性。例如,可以从单独的表中推断出属性ID 1对应于属性“有机”,属性ID 2对应于属性“无乳糖”等。
在一些实施例中,ID 226也不需要存储在物品属性向量223中。相反,只有属性值225可以存储在物品属性向量223中,并且值的排序可以指示预期属性。属性可以存储在例如单独的表中,并且该单个表可以用于所有物品的物品属性向量或用于所有物品的某个子集。例如,图6中呈现的属性向量可以被存储为[1,0,1,0,1,0,0],并且单独的表格可以包括例如元素[有机、无乳糖、低乳糖、纯素、素食、无谷蛋白、高蛋白]。因此,可以基于该单独的表推断出物品属性向量223的第一元素对应于属性“有机”等。
还应当理解,如果属性值是二进制的,如图6的实施例的情况,则可通过对物品属性向量223中的比特进行分组来将比特值映射到例如十进制、十六进制、ASCII或统一码(Unicode)符号,并且可将符号存储在存储器中。
图7示出了根据实施例的卫生物品的物品属性向量223的示意性表示。由于卫生物品可以以各种方式不同于食品物品,因此与食品物品相比,卫生物品的物品属性向量223可以包括不同的属性224。例如,如图7所示,用于卫生物品的物品属性向量223可以包括例如指示物品适合于干燥或敏感皮肤或某些过敏的属性。食品物品的属性也可能与过敏有关,但是卫生物品的过敏可能与食品物品不同。类似地,不同的属性可以适用于不同的食品物品。在此,食品物品和卫生物品的属性之间的比较旨在说明不同物品的各种属性和不同属性。应当理解,在不同食品物品的属性等之间也存在显著差异。
卫生物品也可具有与食品物品共同的属性。如图7所示,这些属性可以是该物品是有机的或纯素(vegan)的。在图6和图7的实施例中,仅示出了适用于所讨论的物品的属性。应当理解,可以为所有物品存储所有属性,或者可以为每个物品仅存储适用属性。例如,可以使用物品树来确定物品的适用属性。每个物品可以是物品树的节点的一部分,并且可以基于该节点来确定适用属性。物品树可以是例如对物品进行分组和/或分类的任何结构。例如,物品树的节点可以对应于物品类别和子类别。物品树还可以指示例如物品的不同使用。可以基于物品树的节点来确定适用属性。例如,可以为物品类别确定适用属性的列表,使得那些属性适用于该类别中的所有物品。如果属性与某成分相关,该成分对于物品类别是共同的,则该属性可以适用于整个物品类别。一些属性可以适用于所有物品。物品的使用还可以确定适用属性。例如,“含有牛奶”可以是基于植物的饮料()的适用属性,例如豆奶,这是由于它们可能用作牛奶替代物。
图8示出了根据实施例的用于卫生物品的物品属性向量223的示意性表示。在该实施例中,在物品属性向量223中还呈现了不适用于卫生物品的属性。不适用于图8的卫生物品的属性由不可用特定值n/a 225′表示。可以使用能够明确地与有效值区分的任何特定值来指示属性不适用于特定物品。由于在图8的实施例中,0和1用作有效值,则NaN(例如-1或非数字)可用于指示属性不适用于物品。这在存储物品属性向量223时是有用的,因为属性224或属性ID 226可能不需要存储在物品属性向量223中/与其一起存储。相反,属性值225、225′的排序可用于指示哪个属性是所讨论的,并且相同的排序可在可具有不同适用属性的不同物品和物品类别之间使用。
例如,如果物品属性向量223只包括适用属性,则图6的食品物品可以由向量[1,0,1,0,1,0,0]表示,而图7的卫生物品可以由向量[1,0,1,0,1]表示。由于这些向量至少部分地涉及不同的属性,因此这些向量可能不容易比较。因此,两个物品类别可能需要单独的表来指示相应的属性。另一方面,如果物品属性向量223也包括非适用属性,则图6的食品物品可以由向量[1,0,1,0,1,0,0,n/a,n/a,n/a]表示,并且图8的卫生物品可以由向量[1,n/a,n/a,0,n/a,n/a,n/a,1,0,1].表示。由于这些表示使用相同的索引,所以物品是可比较的,并且索引与属性的对应关系可以被存储到例如用于所有物品和物品类别的单个表中。在一些实施例中,不同的索引可被用于不同的物品组,并且在每个物品组的索引和属性之间可存在对应表。
如本文实施例中所述,物品属性向量223可以以各种方式指示适用于物品的属性。例如,物品的物品属性向量可以仅包括适用于该物品的属性的属性值。这样的示例可以是图7的实施例,替代地或另外地,物品属性向量223可以包括不适用于物品的属性的特定属性值。因此,未被标记有这种特定值的属性可适用于该物品。这样的示例可以是图8的实施例。这些仅仅是示例,并且物品属性向量223还可以以各种不同的方式指示适用属性值。例如,物品属性向量223可以包括可以指示属性是否适用于物品的其他字段。
图9示出了根据实施例的用户动作历史211的示意性表示。在该实施例中,动作历史211包括购买。可以在动作历史211中以类似的方式表示其它类型的动作。在这样的实施例中,诸如购买、查看或回顾之类的动作类型也可以被存储到用户动作历史211中。或者,不同类型的动作可以被存储到用户动作历史211中的不同表中。对于用户101已经购买的每个物品,物品ID 901和购买的物品的数量902可以被存储到用户动作历史211中。在其它实施例中,可以仅将所购买的物品的ID 901存储到用户动作历史211中,并且如果已经多次购买了相同的物品,则将ID 901存储与已经购买的物品一样多的次数。在这样的实施例中,不需要存储购买的数量902,并且用户动作历史211可以仅包括物品ID 901的向量。关于物品的其他信息也可以存储到用户动作历史211。存储到用户动作历史211中的数据量可以根据例如用户101和用户101已经购买的物品而变化。
图10示出了根据实施例的用户属性简档向量212的示意性表示。在该实施例中,用户属性简档向量212包括五个属性224、对应的ID226和属性值213。这仅仅是示例性的,并且存储在用户属性简档向量212中的属性的数量可以变化。每个属性ID 226对应于属性224。如果相应的ID 226存储在用户属性简档向量212中,则属性224本身不需要存储在用户属性简档向量212中。下面,为了说明的目的,在附图中呈现属性224。对于每个属性ID 226,用户属性简档向量212包括相应的属性值213。属性值213可以描述对应的属性与用户101的动作历史211的匹配程度。例如,属性的接近1的属性值213可以指示用户已经购买了大量物品,其物品属性向量223包括该属性的值1。替代地或作为对此的补充,用户101可能已经执行了与这样的物品有关的其他动作。因此,属性对于用户101可能是重要的,并且显示包括被设置为1的属性值的物品可能是有益的,因为这些物品对于用户101可能更相关。另一方面,接近0的属性值213可以指示相反的情况。相反的情况也是成立的;接近0的值213可以指示用户101已经购买了包括被设置为1的值的大量物品,反之亦然。在图10的实施例中,属性值213可以包括0和1之间的任何值。在其它实施例中,值213可以被缩放到不同的间隔,例如从0到100。
根据实施例,用户属性简档向量211中的每个属性值在0到1的范围内。
图11示出了根据另一实施例的用户属性简档向量212的示意性表示。该实施例类似于图10中所呈现的实施例,除了该实施例包括示例性属性224、属性ID 226和属性值213。在该实施例中,对应于属性ID 7的属性值是0.72,其指示物品中的高蛋白质含量。这可以指示用户101先前已经执行了与具有高蛋白质含量的物品相关的大量动作。例如,用户101可能已经购买了大量的这样的物品。因此,高蛋白质含量物品可以与用户101相关,并且向用户显示高蛋白质含量物品可以是有益的。在该范围的相反端,用户101可能仅执行了与无乳糖物品有关的少量动作,因为该属性的值在图11中呈现的用户属性简档212中仅为0.01。因此,在将来不向用户101显示无乳糖物品可能是有益的,因为这些物品可能与用户101不相关。
应当理解,上面关于图11的实施例给出的结论仅基于单个属性的值。为了确定与用户101相关的物品,考虑多于一个的属性可能是有益的。考虑适用于每个物品的所有属性可能是有益的。例如,在图11的实施例中,如果物品同时具有高蛋白质和无乳糖,则向用户101显示该物品可能仍然是有益的。
根据实施例,具有物品ID i的物品属性向量可以以下面的方式表示:
Pi=[{0,1},{0,1},...,{0,1}]
其中向量Pi中的元素是指物品i的不同属性,其中i可以是整数。这里,{0,1}指示向量Pi的每个元素可以是0或1。例如,用于某些物品的物品向量可以是Pi=[0,0,1,0],其中向量Pi的每个元素是指对应索引的属性。第一元素可以指例如有机物品,第二元素可以指无乳糖物品,第三元素可以指低乳糖物品,第四元素可以指纯素物品。因此,在上述实施例中,该物品含有少量乳糖,但不是无乳糖的、有机的或纯素的。
根据实施例,可以按以下方式计算具有用户ID k的用户的用户属性简档向量212:
Pi[j]是指物品属性向量Pi的第j个元素。i|j|k的总和表示用户k已经购买的并且属性j适用的所有物品i的总和,并且nk|j是用户k已经购买的属性j适用的物品的总数。N是用户属性简档向量Uk的长度。例如,N可以是属性的总数。或者,对应于用户属性简档向量Uk中的索引j的每个元素可以表示为
在其他实施例中,当计算用户属性简档向量212时,可以以类似的方式考虑其他动作102。在这样的实施例中,不同的加权因子可以用于不同类型的动作。例如,购买物品可以被认为比查看物品更重要,并且因此购买可以比查看更多地被加权。
图12示出了物品属性向量223和用户属性简档向量212的比较的示意性表示。如从图12的实施例可以看出的,计算装置200可以比较物品属性向量223和用户属性简档向量212的对应属性值。
根据实施例,计算装置200被配置为通过比较属性简档向量212和物品属性向量223中的对应属性值来计算相似性得分232。例如,可以通过减去相应的属性值并取绝对值|Pi[j]-Uk[j]|来进行比较:
根据实施例,可以以下面的方式计算物品属性向量Pi和用户属性简档向量Uk之间的相似性得分232 Di,k:
其中,j|i的总和是适用于该物品i的所有属性j的总和,并且nj|i是适用于该物品i的属性的总数。||是绝对值,其也可以被称为模量。因此,相似性得分232 Di,k可以量化物品i与用户k的先前动作102有多相似。如果使用上述等式来计算相似性得分232 Di,k,则Di,k的值可在0与1之间,其中较低的值指示较高的相似性。例如,如果物品属性向量Pi和用户属性简档向量Uk中的对应属性值相等,则以上等式中的所有Pi[j]-Uk[j]项都为零。因此,在这种情况下,Di,k的值为零。在其他实施例中,可以使用不同的过程来计算物品属性向量223和用户属性简档向量212之间的相似性。
根据另一实施例,属性值可以是非二进制的。例如,属性值可以反映连续测量尺度上的物品的性质。例如,可以以下列方式将这种属性值X标准化为0和1之间:
其中Xn是属性值X的标准化值。本文中,min(X)指的是X的最小可能值,并且max(X)指的是X的最大可能值。例如,如果X是指每100克物品的蛋白质的量,则min(X)=0g且max(X)=100g。如果每100g物品包含10g蛋白质,则X=10且Xn=0.1。也可以以其它方式选择限制min(X)和max(X)。例如max(X)可以被选择以反映实际的最大值。在上述示例中,由于可能难以找到具有如此高蛋白质含量的物品,因此max(X)可能低于100g。例如,可以通过考虑所有物品并找到具有X的最高值的物品来确定max(X)的值。
根据另一实施例,非二进制属性值可以是类别值。这种属性值可以被分解为物品属性向量223和用户属性简档212中的m个二进制属性值的集合。例如,物品可以属于三个不同组X1、X2、X3之一,并且非二进制属性可以指示该物品属于哪个组。这可以被分解成三个二进制属性,其中每个属性可以是“组Xn的一部分”的形式。例如,如果物品属于组X2,则属性“组X1的一部分”和“组X3的一部分”的值可以是0,而属性“组X2的一部分”的值可以是1。由于单个非二进制类别属性可以被分解成多个二进制属性,所以当计算相似性得分Di,k时,该非二进制属性的影响可能过于突出。为了减轻这一点,可以以如下方式计算相似性得分,使得非二进制类别属性的权重例如等于二进制属性:
除了考虑物品与用户101之间的相似性得分Di,k之外,在对哪些物品可能与用户101相关的评估中,还可以考虑用户101的动作历史211。根据实施例,计算装置200还被配置为基于多个物品中的每个物品在物品树中的位置和用户先前购买的物品在物品树中的位置来计算每个物品的排序得分。计算装置200还可以被配置为使用每个物品的排序得分和每个物品的相似性得分232来对多个物品进行排序。
例如,可以以下面的方式计算物品i和用户k之间的排序得分Mi,k:
其中Di,k可以是上述计算的相似性得分232。w是一个权重因子,其可以被配置成强调相似性得分Di,k或下一项。Ri,k=Ni/N,其中N是用户k的购买总数,并且Ni是用户k在包括该物品i的物品树的节点中完成的购买的数量。在其他实施例中,也可以考虑其他动作102。max(Ri,k)是用户k的量Ri,k的最大值,并且是用户k的量Ri,k的非零最小值。或者,Ni和N可以指上述物品的价值、数量、利润或收益。此外,可以在某个时间间隔内执行上面给出的计算,以便只考虑在该时间间隔期间的购买。
例如,图6的食品物品属性向量223和图11的用户属性简档212的相似性得分232可以用上述等式来计算。比较的可视化在图12的实施例中说明,如果假设在图6的物品属性向量223中呈现了图6的食品物品的所有适用属性,则适用于该食品物品的属性总数为7。因此,对于该实施例,相似性得分232可被计算为:
Di,k=(|1-0.1|+|0-0.01|+|1-0.126|+|0-0.148|+|1-0.42|+|0-0.3|+|0-0.72|)/7≈0.505
如果在物品属性向量223中与图6中的属性ID 7相对应的、指示食品物品的高蛋白质含量的属性被切换为1,并且其他属性保持为如图6中所示,则相似性得分232 Di,k的值改变为大约0.442。这指示具有高蛋白质含量的物品比具有低蛋白质含量的其它类似物品更类似于图11中呈现的用户简档212的先前动作,因为0.442<0.505。因此,当向用户101展示物品时,偏好包括高蛋白质含量的物品而不是包括低蛋白质含量的其它类似物品可能是有益的。然而,应当理解,其他属性值也影响哪些物品应当被显示给用户101。
基于相似性得分232,计算装置200可以决定向用户101显示哪些物品,以及例如以什么顺序显示。根据实施例,计算装置200可以为所有物品子集中的每个物品计算相似性得分232,并且显示具有最高相似性的物品。或者,计算装置200可以使用例如一些预先配置的统计分布从相似性得分分布中随机地选择显示的物品。根据另一实施例,计算装置200可以计算物品的相似性得分232,并且如果相似性得分在一些预先配置的限制内,则向用户101显示物品。这可以重复,例如,直到选择了预先配置数量的显示物品。根据另一实施例,计算装置200可以为多个物品中的每个物品计算相似性得分232,并根据相似性得分232对多个物品中的物品排序。这可以应用于例如搜索结果。
图13示出了根据另一实施例的物品属性向量223和用户属性简档向量212的比较的示意性表示。在图13的实施例中,物品属性向量223可以包括适用于卫生物品的属性。物品属性向量223和用户属性简档向量212可以包括比图13的实施例中更少数量的相应属性值。
根据实施例,计算装置200被配置为将每个相似性得分232存储在用户简档210中。可以为所有用户101或为所有用户101的某个子集预先计算用户简档210和物品属性向量223之间的相似性得分232。如果为用户101预先计算相似性得分232,则例如可以在用户101每次执行动作102时更新这些相似性得分232。预先计算的相似性得分232可以存储在用户简档210中,或者例如存储在单独的数据库中。替代地或作为对此的补充,可以按需计算相似性得分232。例如,每当需要用户101的相似性得分232时,可以再次计算相似性得分232。可以为一些用户预先计算相似性得分232,而可以为其他用户按需计算相似性得分232。
根据实施例,“高相似性”可以指其中物品属性向量223和用户属性简档212相似的情况。“低相似性”可以指其中物品属性向量223和用户属性简档212不相似的情况。该相似性可以基于相似性得分232。然而,这些术语的使用与如何计算相似性得分的细节无关,不一定描述相似性得分232的值。例如,当使用上面给出的等式计算相似性得分232时,例如接近零的低相似性得分232可以指示高相似性,反之亦然。高和低相似性的精确界限可以变化。
图14示出了根据实施例的用于向用户101显示相关物品的过程的流程图的示意性表示。在操作1201中,为不同的物品定义适用属性224。每个物品可以与不同数量的适用属性224相关联。在操作1202中,可定义物品的属性值225。属性值225可以存储在例如物品属性向量223中。例如,值1可以指示该物品的属性为真,而值0可以指示该物品的属性为假。在操作1203中,可以定义用户简档210。可以存在每个用户101的用户简档210。如上所述,用户简档210可以包括用户动作历史211。另外,用户简档210可以包括用户属性简档向量212,其可以从用户动作历史211计算。在操作1204中,可以计算物品属性向量223和用户属性简档212之间的相似性。在操作1205中,可基于物品属性向量223和用户属性简档212的相似性向用户101显示物品。
操作1201-1205可部分地由客户端设备100执行,并且部分地由计算装置200执行。例如,计算装置200可以执行步骤1201、1202和1204。操作1203可以部分地由客户端设备100执行,并且部分地由计算装置200执行。例如,用户101可以使用客户端设备100来与计算装置200交互,并且计算装置200可以基于诸如购买的这些动作102来定义用户属性简档。操作1205可以部分地由客户端设备100执行,并且部分地由计算装置200执行。计算装置200可以例如基于在操作1204中计算的相似性得分232来对物品进行排序/排名,并且客户端设备100可以使用这些排序/排名来向用户101显示物品。根据另一实施例,计算装置200可以执行所有操作1201-1205。
图15示出了根据实施例的物品显示界面1300的示意性表示。物品显示界面1300可以由客户端设备100呈现给用户101,并且显示界面1300的内容可以基于客户端设备100已经从计算装置200接收的数据。物品显示界面1300例如可以是在用户101登录到网站之后该网站的起始页面或者是该起始页面的一部分。或者,例如当用户101正在查看物品类别时,物品显示界面1300可以是网站上的单独页面。用户101可以不需要登录到网站。物品显示界面1300包括至少一个物品视图1301。物品视图1301可以显示关于物品的信息。例如,单个物品视图1301可以显示物品的图片和物品的名称。
如从图15中可以看到的,可以限制一次可以向用户101呈现的物品视图1301的数量。由于物品视图1301应当对用户101是清楚可见的,因此物品视图1301的大小不能无限制地减小。物品视图1301还可以包括用户101也应当清楚可见的多个组件。如果客户端设备100是例如具有相对较小显示器的移动电话,则这可能是特别限制的。在这样的客户端设备100上,仅有少数物品视图1301可以适合物品显示界面1300。物品视图1301的大小和布局可以取决于客户端设备100而被缩放。该缩放可由客户端设备100和/或由计算装置200执行。例如,如果客户端设备100是移动电话,则物品视图1301可以被布置到单个栏中,使得用户101仅需要沿着单个方向滚动物品显示界面1300,同时以足够清晰度显示物品视图1301。在具有较大显示器的客户端设备100上,诸如台式计算机,多个物品视图1301可并排地适合物品显示界面1300。
使用每个物品的用户属性简档212和物品属性向量223,计算装置200可以选择物品视图1301在物品显示界面1300中显示的方式,在这样的方式中,所显示的物品可以是用户101相关的和/或感兴趣的。根据实施例,计算装置200计算每个物品的相似性得分232,并且根据物品的相似性得分232在物品显示界面1300中布置物品视图1301。根据另一实施例,计算装置200计算每个物品的排序得分Mi,k,并且根据物品的排序得分Mi,k在物品显示界面1300中布置物品视图1301。计算装置200可以例如生成物品排序列表,该物品排序列表可以包括根据每个物品的排序得分Mi,k排序的多个物品。该顺序可以是例如上升或下降。
根据各实施例,其它准则也可被应用于物品视图1301的排序。例如,最前n个购买的物品和/或物品组可能未被排序到物品视图1301的顶部。n可以是任何数字。根据进一步的实施例,物品是与物品排序列表中的任何m个先前物品相同的物品树节点的一部分。m可以是任何数字。根据另一实施例,如果多个物品和/或物品组具有相同的相似性得分232和/或排序得分Mi,k,则可首先放置具有较高优先级的物品。可以基于诸如利润、销售量等的各种量来计算优先级。
根据实施例,客户端设备100还被配置为向计算装置200传送过滤条件。可以基于所计算的相似性得分和过滤条件来从多个物品中选择物品子集。过滤条件可以指示例如仅应当显示特定类别中的物品。计算装置200然后可以仅显示该类别中的物品,并且使用所计算的相似性得分来例如对那些物品排序。
计算装置200可以通过改进对有限显示空间的利用来改进用户体验。另外,由于用户101可以更容易且更快速地找到相关物品,所以可以减少去往/来自客户端设备100的功耗和传输数据量。例如,如果相关物品被排序为在物品显示界面1300中的第一物品视图1301内,则不太相关物品的物品视图1301可以不需要由客户端设备100显示或加载。因此,由于不需要将关于较不相关物品的数据(例如图片)传送到客户端设备100,所以可以减少传送的数据量。这些优点可以应用于本文所示的所有实施例。
图16示出了根据另一实施例的物品显示界面1300的示意性表示。在该实施例中,物品显示界面1300可以显示搜索结果,可以使用物品视图1301显示搜索结果,并且可以基于物品的相似性得分232和/或排序得分Mi,k对搜索结果进行排序。
例如,如果用户101搜索面包,则可以根据这些物品的物品属性向量223与用户101的用户属性简档212的匹配程度,在搜索结果中对不同的面包物品进行排序。例如,如果用户101搜索面包并且用户属性简档212指示用户101可能偏好有机食品物品,则计算装置200可以将不同的有机面包排序到搜索结果的顶部。计算装置200可以基于每个面包物品的物品属性向量223和用户101的用户属性简档212来计算每个可用面包物品的相似性得分232和/或排序得分Mi,k。如果用户101偏好有机食品,则用户属性简档212应该反映这一点。在这种情况下,有机面包与用户属性简档212的相似性可以高于其他类型面包的相似性。计算装置200和/或客户端设备100然后可以根据物品的相似性得分232和/或排序得分对搜索结果进行排序,并且搜索结果中的有机面包可以比其他类型的面包更高。应当注意,这仅仅是简化的示例,并且其他属性可以同时影响相似性得分和搜索结果的排序。可替换地,当用户101查看诸如“面包”的物品类别而不是搜索面包时,也可以应用这种类型的排序。
图17示出了根据另一实施例的物品显示界面1300的示意性表示。在该实施例中,物品视图1301可以显示在具有物品页面1307的物品显示界面1300中。用户101可能已经决定查看网站上的某个物品,并且关于该物品的信息可在物品页面1307中显示给用户101。物品页面1307可以包括例如物品的图片。物品视图1301可以例如位于显示界面1300的底部。在物品视图1301中显示的物品可以与在物品页面1307上显示的物品相关/相似。在这种情况下,用户属性简档212可以用于显示可以适合用户101的动作历史211和/或用户属性简档212并且与物品页面1307上显示的物品相关/相似的物品。或者,在物品视图1301中显示的物品可以不与在物品页面1307上显示的物品相关,但是它们可以是例如可以适合用户101的用户属性简档212的物品。例如,计算装置200可以计算物品子集的相似性得分232,并且可以基于这些相似性得分232在物品视图1301中显示高相似性物品。
尽管在上述实施例中,使用某些几何形状来说明物品显示界面1300的元素,但是元素可以具有任何形状和大小,并且它们可以以任何方式定位在物品显示界面1300中。物品显示界面1300的元素可以表示例如物品或物品相关信息。例如,物品视图1301可以被显示为列表、阵列或任何其他顺序。
图18示出了根据实施例的物品视图1301的示意性表示。在该实施例中,物品视图1301包括物品的图片1302和名称1303。物品视图1301可以用于例如在物品显示界面1300中向用户101显示物品。
图19示出了根据另一实施例的物品视图1301的示意性表示。在该实施例中,物品视图1301包括物品的图片1302和名称1303。另外,客户端设备可以被配置为在至少一个物品视图1306中显示属性1305,其中该属性与在物品视图1301中显示的物品属性向量相关联。在图19的实施例中,物品视图1301包括物品的两个属性1305。然而,这仅是示例,并且所显示的属性1305的数量可以变化。所显示的属性1305可以是例如与用户101的用户属性简档212最相似的和/或基于用户简档210对用户101重要的物品的属性。例如,在图11中呈现的用户属性简档向量212的情况下,如果这些属性值在物品的物品属性向量223中为1,则显示的属性可以是“高蛋白质”和“素食”。
图20示出了根据另一实施例的物品视图1301的示意性表示。在该实施例中,物品视图1301还包括显示的相似性得分1306。根据实施例,计算装置200被配置为将相似性得分232传送到客户端设备100。根据实施例,客户端设备100被配置为从计算装置接收所计算的相似性得分232,并且在至少一个物品视图1301中显示所显示的相似性得分1306,其中所显示的相似性得分与所计算的相似性得分相关联。客户端设备100可以例如根据所计算的得分232来计算所显示的相似性得分1306。或者,计算装置200可将所显示的相似性得分1306传送到客户端设备100。所显示的相似性得分1306可以基于用户属性简档212和物品属性向量223来指示物品与用户101有多相关。或者,所显示的相似性得分1306可以不同于所计算的相似性得分232。例如,所显示的相似性得分1306可以被呈现为百分比。如前所述,计算的相似性得分232接近0可以指示物品属性向量223和用户属性简档212之间的高相似性。所显示的相似性得分1306可以例如以这样的方式根据所计算的相似性得分232计算,即,所显示的相似性得分1306接近100%时指示高相似性,而所显示的相似性得分1306接近0%时指示低相似性。
图21示出了根据实施例的方法的流程图表示。根据实施例,一种方法包括:2101,由计算装置基于用户的用户动作历史来计算用户属性简档向量,该用户属性简档向量包括第一多个属性值,该第一多个属性值描述用户动作历史的性质。该方法还可以包括:2102,由计算装置获得物品的物品属性向量,该物品属性向量包括第二多个属性值和适用于该物品的属性的指示,该第二多个属性值描述该物品的性质。该方法还可以包括:2103,由计算装置比较第一多个属性值和第二多个属性值中适用于该物品的对应属性值。该方法还可以包括:2104,由计算装置基于该比较来计算相似性得分。该方法还可以包括:2105,由计算装置使用每个物品的相似性得分从多个物品中选择物品子集。该方法还可以包括:2106,由计算装置向客户端设备传送指示物品子集的数据。
图22示出了根据实施例的方法的流程图表示。根据实施例,一种方法包括:2201,由客户端设备从计算装置接收指示物品子集的数据。该方法还可以包括:2202,由客户端设备根据从计算装置接收的数据向用户显示至少一个物品视图,该至少一个物品视图中的每个物品视图包括物品的名称;处理的多个物品是基于所述多个物品中的每个物品的计算的相似性得分从多个物品中选择的,所述计算的相似性得分是通过比较用户属性简档向量中包括的第一多个属性值和物品属性向量中包括的第二多个属性值中适用于物品的对应属性值来获得的。
在不失去所寻求的效果的情况下,可以扩展或改变本文给出的任何范围或设备值。而且,任何实施例可以与另一实施例组合,除非明确地不允许。
尽管已经以特定于结构特征和/或动作的语言描述了主题,但是应当理解,所附权利要求中定义的主题不必限于上述特定特征或动作。相反,上述特定特征和动作是作为实现权利要求的实施例来公开的,并且其他等效特征和动作旨在落入权利要求的范围内。
本文描述的功能可以至少部分地由诸如软件组件的一个或多个计算机程序项组件来执行。替代地或作为补充,本文描述的功能可以至少部分地由一个或多个硬件逻辑组件来执行。例如,但不限于,可以使用的硬件逻辑组件的说明性类型包括现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)、图形处理单元(GPU)。
应当理解,上述益处和优点可以涉及一个实施例或者可以涉及若干实施例。实施例不限于解决任何或所有所述问题的那些实施例,或具有任何或所有所述益处和优点的那些实施例。还将理解,对“一个或一”物品的引用可以指这些物品中的一个或多个。术语“和/或”可以用于指示其连接的一个或多个情况可能发生。可能发生两种或多种连接情况,或者可能只发生其中一种连接情况。
本文描述的方法的操作可以以任何适当的顺序执行,或者在适当的情况下同时执行。另外,在不脱离本文所述主题的目的和范围的情况下,可以从任何方法中删除各个块。上述任何实施例的方面可以与所描述的任何其它实施例的方面组合以形成另外的实施例而不失去所寻求的效果。
本文的术语“包括”用来表示包括所标识的方法、块或元素,但是这样的块或元素不包括排他性列表,并且方法或装置可以包含附加的块或元素。
应当理解,上述说明仅作为示例给出,并且本领域技术人员可以进行各种修改。以上说明书、实施例和数据提供了对示例性实施例的结构和使用的完整描述。尽管以上以一定程度的特殊性或参考一个或多个单独的实施例描述了各种实施例,但是本领域技术人员可以对所公开的实施例做出许多改变,而不脱离本说明书的精神或范围。
Claims (18)
1.一种计算装置(200),被配置为:
基于用户(101)的用户动作历史(211)来计算用户属性简档向量(212),所述用户属性简档向量包括第一多个属性值,所述第一多个属性值描述所述用户动作历史的性质;
获得物品的物品属性向量,所述物品属性向量包括第二多个属性值和适用于所述物品的属性的指示,所述第二多个属性值描述所述物品的性质;
比较所述第一多个属性值和所述第二多个属性值中适用于所述物品的对应属性值;
基于所述比较计算相似性得分;以及
使用每个物品的所述相似性得分从多个物品中选择物品子集。
2.根据权利要求1所述的计算装置(200),还被配置为:
将指示所选择的物品子集的数据传送到客户端设备(100)。
3.根据权利要求1或权利要求2所述的计算装置,还被配置为:
至少使用每个物品的所述相似性得分来处理所选择的物品子集的顺序。
4.根据权利要求3所述的计算装置,还被配置为:
将指示所处理的所述物品子集的顺序的数据传输到所述客户端设备(100)。
5.根据上述任意权利要求所述的计算装置,还被配置为:
将每个相似性得分传送到所述客户端设备。
6.根据上述任意权利要求所述的计算装置,其中所述物品属性向量包括:
逻辑真值,指示相应属性对于所述物品为真;以及
逻辑假值,指示相应属性对于所述物品为假。
7.根据上述任意权利要求所述的计算装置,其中所述用户属性简档向量中的每个属性值在0至1的范围内。
8.根据上述任意权利要求所述的计算装置,还被配置为:
基于所述多个物品中的每个物品在物品树中的位置和所述用户先前购买的物品在物品树中的位置来计算每个物品的排序得分;以及
使用每个物品的所述排序得分和每个物品的所述相似性得分对所述多个物品进行排序。
9.根据上述任意权利要求所述的计算装置,还被配置为:
将所述用户属性简档向量存储在所述用户的用户简档(210)中。
10.根据上述任意权利要求所述的的计算装置,还被配置为:
将每个相似性得分存储在所述用户简档中。
11.一种客户端设备(100),被配置为:
从计算装置(200)接收指示物品子集的数据;
根据从所述计算装置接收的所述数据向用户(101)显示至少一个物品视图(1301),所述至少一个物品视图中的每个物品视图包括物品的名称(1303);
所述物品子集是基于多个物品中的每个物品的计算的相似性得分(232)从所述多个物品中选择的,所述计算的相似性得分是通过比较用户属性简档向量中包括的第一多个属性值和物品属性向量中包括的第二多个属性值中适用于物品的对应属性值来获得的。
12.根据权利要求11所述的客户端设备(100),还被配置为在接收所述数据之前,将过滤条件传送到所述计算装置(200),并且其中,所述物品子集是基于所述计算的相似性得分和所述过滤条件从所述多个物品中选择的。
13.根据权利要求11或权利要求12所述的客户端设备,还被配置为:
从所述计算装置接收针对所述物品子集的顺序;以及
根据所接收的顺序显示所述至少一个物品视图。
14.根据权利要求11-13中任意项所述的客户端设备,还被配置为:
从所述计算装置接收所述计算的相似性得分;以及
将显示的相似性得分(1306)在所述至少一个物品视图中进行显示,其中所述显示的相似性得分与所述计算的相似性得分相关联。
15.根据权利要求11-14中任意项所述的客户端设备,还被配置为:
在所述至少一个物品视图中显示属性(1305),其中所述属性与在所述物品视图中显示的物品的所述物品属性向量相关联。
16.一种方法,包括:
由计算装置基于用户的用户动作历史来计算用户属性简档向量,所述用户属性简档向量包括第一多个属性值,所述第一多个属性值描述所述用户动作历史的性质;
由计算装置获得物品的物品属性向量,所述物品属性向量包括第二多个属性值和适用于所述物品的属性的指示,所述第二多个属性值描述所述物品的属性;
由计算装置比较所述第一多个属性值和所述第二多个属性值中适用于所述物品的对应属性值;
由计算装置基于所述比较来计算相似性得分;以及
由计算装置使用每个物品的所述相似性得分从多个物品中选择物品子集。
17.一种方法,包括:
由客户端设备从计算装置接收指示物品子集的数据;
由客户端设备根据从所述计算装置接收的所述数据向用户显示至少一个物品视图,所述至少一个物品视图中的每个物品视图包括物品的名称;
所述物品子集是基于多个物品中的每个物品的计算的相似性得分从所述多个物品中选择的,所述计算的相似性得分是通过比较用户属性简档向量中包括的第一多个属性值和物品属性向量中包括的第二多个属性值中适用于物品的对应属性值而获得的。
18.一种计算机程序,包括程序代码,所述程序代码被配置为当所述计算机程序在计算机上执行时执行根据权利要求16或权利要求17所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18184120.6A EP3598373A1 (en) | 2018-07-18 | 2018-07-18 | Determining product relevancy |
EP18184120.6 | 2018-07-18 | ||
PCT/EP2019/069065 WO2020016204A1 (en) | 2018-07-18 | 2019-07-16 | Determining item relevancy |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112424814A true CN112424814A (zh) | 2021-02-26 |
Family
ID=62985923
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980048109.3A Pending CN112437943A (zh) | 2018-07-18 | 2019-07-16 | 计算电子处理平台上的物品瞄准 |
CN201980048017.5A Pending CN112424812A (zh) | 2018-07-18 | 2019-07-16 | 计算电子处理平台上的用户特定物品相关值 |
CN201980048018.XA Pending CN112424814A (zh) | 2018-07-18 | 2019-07-16 | 确定物品相关性 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980048109.3A Pending CN112437943A (zh) | 2018-07-18 | 2019-07-16 | 计算电子处理平台上的物品瞄准 |
CN201980048017.5A Pending CN112424812A (zh) | 2018-07-18 | 2019-07-16 | 计算电子处理平台上的用户特定物品相关值 |
Country Status (5)
Country | Link |
---|---|
US (3) | US20210256547A1 (zh) |
EP (4) | EP3598373A1 (zh) |
JP (3) | JP7154411B2 (zh) |
CN (3) | CN112437943A (zh) |
WO (3) | WO2020016204A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210201340A1 (en) * | 2019-12-31 | 2021-07-01 | Myntra Designs Private Limited | System and method for predicting discount-demand elasticity |
US11403694B2 (en) | 2020-07-17 | 2022-08-02 | YUTYBAZAR Limited | System and method for intelligent context-based personalized beauty product recommendation and matching |
US11494054B2 (en) * | 2020-10-20 | 2022-11-08 | International Business Machines Corporation | Item recommendation based on computed similarity between automatically generated item and request profiles |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002015231A (ja) * | 2000-06-30 | 2002-01-18 | Yafoo Japan Corp | 電子商店サーバーにおける商品陳列制御方法 |
JP2004127075A (ja) * | 2002-10-04 | 2004-04-22 | Nippon Telegr & Teleph Corp <Ntt> | 製品陳列方法、関連製品管理・検索方法、およびプログラム |
CN1591446A (zh) * | 2003-08-29 | 2005-03-09 | 国际商业机器公司 | 提供动态多维物品建模处理的方法、系统和存储介质 |
JP2006190127A (ja) * | 2005-01-07 | 2006-07-20 | Sony Corp | 情報処理装置および方法、並びにプログラム |
CN102456203A (zh) * | 2010-10-22 | 2012-05-16 | 阿里巴巴集团控股有限公司 | 确定候选产品链表的方法及相关装置 |
JP2013228826A (ja) * | 2012-04-25 | 2013-11-07 | Hitachi Consumer Electronics Co Ltd | 商品提示システムおよび商品提示方法 |
CN103593763A (zh) * | 2012-08-13 | 2014-02-19 | 腾讯科技(深圳)有限公司 | 信息组织方法和装置以及信息展示方法和装置 |
GB201603990D0 (en) * | 2016-03-08 | 2016-04-20 | Sky Cp Ltd | Media content recommendation |
CN106067132A (zh) * | 2016-05-27 | 2016-11-02 | 乐视控股(北京)有限公司 | 商品属性的设置方法及装置 |
US20170337612A1 (en) * | 2016-05-23 | 2017-11-23 | Ebay Inc. | Real-time recommendation of entities by projection and comparison in vector spaces |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5261098A (en) * | 1991-08-28 | 1993-11-09 | Sun Microsystems, Inc. | Method and apparatus for deriving object type and obtaining object type attribute values |
JP2000003394A (ja) * | 1998-06-16 | 2000-01-07 | Hitachi Ltd | パーソナルマーチャンダイジングシステム |
CA2409918A1 (en) | 2000-05-19 | 2001-11-29 | Manugistics Atlanta, Inc. | Dynamic pricing system |
AU2001264947B2 (en) * | 2000-05-24 | 2005-02-24 | Excalibur Ip, Llc | Online media exchange |
US8019659B2 (en) * | 2003-05-02 | 2011-09-13 | Cbs Interactive Inc. | Catalog taxonomy for storing product information and system and method using same |
WO2006055022A2 (en) * | 2004-11-12 | 2006-05-26 | Digonex Technologies, Inc. | Dynamic pricing system with graphical user interface |
JP5032477B2 (ja) * | 2005-08-19 | 2012-09-26 | フォースウォール・メディア・インコーポレーテッド | ユーザに関心を引くアイテムを推奨するシステムおよび方法 |
WO2007037178A1 (ja) * | 2005-09-29 | 2007-04-05 | Japan Tobacco Inc. | シミュレーション装置、効果測定装置、および販売促進支援システム |
JP5303777B2 (ja) * | 2008-06-09 | 2013-10-02 | 株式会社Pfu | 特典情報提供装置、特典情報提供システム、特典情報提供方法、及びプログラム |
JP2011013845A (ja) * | 2009-06-30 | 2011-01-20 | Fujitsu Frontech Ltd | Posレジスタ装置、posレジスタ装置での限定販売における必要人数の計算表示方法及びプログラム |
US20110145226A1 (en) * | 2009-12-10 | 2011-06-16 | Microsoft Corporation | Product similarity measure |
US8676736B2 (en) * | 2010-07-30 | 2014-03-18 | Gravity Research And Development Kft. | Recommender systems and methods using modified alternating least squares algorithm |
JP5805548B2 (ja) * | 2012-01-20 | 2015-11-04 | 日立マクセル株式会社 | 情報処理装置、及び、情報処理方法 |
US20130325556A1 (en) * | 2012-06-01 | 2013-12-05 | Kurt L. Kimmerling | System and method for generating pricing information |
WO2013181636A2 (en) * | 2012-06-01 | 2013-12-05 | Kimmerling Kurt L | System and method for eliciting information and generating pricing information |
EP2701111A1 (en) * | 2012-08-24 | 2014-02-26 | Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO | Group composition based recommender system and method |
US10007946B1 (en) * | 2013-03-07 | 2018-06-26 | Vast.com, Inc. | Systems, methods, and devices for measuring similarity of and generating recommendations for unique items |
US9519928B2 (en) * | 2013-07-29 | 2016-12-13 | Bank Of American Corporation | Product evaluation based on electronic receipt data |
US20150073931A1 (en) * | 2013-09-06 | 2015-03-12 | Microsoft Corporation | Feature selection for recommender systems |
US20150142787A1 (en) * | 2013-11-19 | 2015-05-21 | Kurt L. Kimmerling | Method and system for search refinement |
CN103824213A (zh) * | 2014-03-13 | 2014-05-28 | 北京理工大学 | 一种基于用户偏好与商品属性的个性化推荐方法 |
JP2015230353A (ja) * | 2014-06-04 | 2015-12-21 | 株式会社ロイヤリティマーケティング | 情報システム、統合装置、第一装置、情報処理方法、およびプログラム |
US20170011421A1 (en) | 2014-07-29 | 2017-01-12 | Hitachi, Ltd. | Preference analyzing system |
US10572925B1 (en) * | 2014-08-15 | 2020-02-25 | Groupon, Inc. | Universal relevance service framework |
AU2015345985B2 (en) * | 2014-11-13 | 2017-06-29 | Digital Alchemy (Australia) Pty Ltd | Obtaining data relating to customers, processing the same and providing output of electronically generated customer offers |
JP5902325B1 (ja) * | 2015-01-07 | 2016-04-13 | 株式会社日立製作所 | 嗜好分析システム、嗜好分析方法 |
US20160225062A1 (en) * | 2015-02-03 | 2016-08-04 | GM Global Technology Operations LLC | Systems for generating actionable recommendation objects based on geographic and sales loyalties |
CN104820879A (zh) * | 2015-05-27 | 2015-08-05 | 北京京东尚科信息技术有限公司 | 一种用户行为信息的分析方法和装置 |
WO2017095371A1 (en) * | 2015-11-30 | 2017-06-08 | Hewlett Packard Enterprise Development Lp | Product recommendations based on selected user and product attributes |
JP2017182366A (ja) * | 2016-03-30 | 2017-10-05 | 株式会社Nttドコモ | 情報処理装置 |
JP6728972B2 (ja) * | 2016-05-23 | 2020-07-22 | 富士ゼロックス株式会社 | プログラム、商品推薦システム及び商品推薦方法 |
JP6674864B2 (ja) * | 2016-08-18 | 2020-04-01 | 株式会社Nttドコモ | 情報処理装置及び情報処理システム |
CN106897911A (zh) * | 2017-01-10 | 2017-06-27 | 南京邮电大学 | 一种基于用户和物品的自适应个性化推荐方法 |
KR20180083228A (ko) * | 2017-01-12 | 2018-07-20 | 삼성전자주식회사 | 전자 장치 및 전자 장치에서의 전자 구매 방법 |
CN108182621A (zh) * | 2017-12-07 | 2018-06-19 | 合肥美的智能科技有限公司 | 商品推荐方法及商品推荐装置、设备和存储介质 |
CN108261766A (zh) | 2018-01-18 | 2018-07-10 | 珠海金山网络游戏科技有限公司 | 基于偏好的游戏商品推荐方法和装置 |
CN110163705A (zh) * | 2018-02-13 | 2019-08-23 | 北京京东尚科信息技术有限公司 | 用于推送信息的方法和装置 |
US20190362220A1 (en) * | 2018-05-25 | 2019-11-28 | Sap Se | Attentive neural collaborative filtering for modeling implicit feedback |
-
2018
- 2018-07-18 EP EP18184120.6A patent/EP3598373A1/en active Pending
-
2019
- 2019-07-16 CN CN201980048109.3A patent/CN112437943A/zh active Pending
- 2019-07-16 WO PCT/EP2019/069065 patent/WO2020016204A1/en active Application Filing
- 2019-07-16 EP EP19838881.1A patent/EP3824429A4/en active Pending
- 2019-07-16 JP JP2021525381A patent/JP7154411B2/ja active Active
- 2019-07-16 WO PCT/FI2019/050548 patent/WO2020016482A2/en active Search and Examination
- 2019-07-16 US US17/260,849 patent/US20210256547A1/en active Pending
- 2019-07-16 JP JP2021525380A patent/JP7245904B2/ja active Active
- 2019-07-16 CN CN201980048017.5A patent/CN112424812A/zh active Pending
- 2019-07-16 JP JP2021525367A patent/JP7430724B2/ja active Active
- 2019-07-16 CN CN201980048018.XA patent/CN112424814A/zh active Pending
- 2019-07-16 EP EP19838351.5A patent/EP3824425A4/en active Pending
- 2019-07-16 US US17/260,866 patent/US20210256548A1/en active Pending
- 2019-07-16 EP EP19737778.1A patent/EP3824427A1/en active Pending
- 2019-07-16 US US17/260,854 patent/US20210272178A1/en active Pending
- 2019-07-16 WO PCT/FI2019/050547 patent/WO2020016481A1/en active Search and Examination
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002015231A (ja) * | 2000-06-30 | 2002-01-18 | Yafoo Japan Corp | 電子商店サーバーにおける商品陳列制御方法 |
JP2004127075A (ja) * | 2002-10-04 | 2004-04-22 | Nippon Telegr & Teleph Corp <Ntt> | 製品陳列方法、関連製品管理・検索方法、およびプログラム |
CN1591446A (zh) * | 2003-08-29 | 2005-03-09 | 国际商业机器公司 | 提供动态多维物品建模处理的方法、系统和存储介质 |
JP2006190127A (ja) * | 2005-01-07 | 2006-07-20 | Sony Corp | 情報処理装置および方法、並びにプログラム |
CN102456203A (zh) * | 2010-10-22 | 2012-05-16 | 阿里巴巴集团控股有限公司 | 确定候选产品链表的方法及相关装置 |
JP2013228826A (ja) * | 2012-04-25 | 2013-11-07 | Hitachi Consumer Electronics Co Ltd | 商品提示システムおよび商品提示方法 |
CN103593763A (zh) * | 2012-08-13 | 2014-02-19 | 腾讯科技(深圳)有限公司 | 信息组织方法和装置以及信息展示方法和装置 |
GB201603990D0 (en) * | 2016-03-08 | 2016-04-20 | Sky Cp Ltd | Media content recommendation |
US20170337612A1 (en) * | 2016-05-23 | 2017-11-23 | Ebay Inc. | Real-time recommendation of entities by projection and comparison in vector spaces |
CN106067132A (zh) * | 2016-05-27 | 2016-11-02 | 乐视控股(北京)有限公司 | 商品属性的设置方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112424812A (zh) | 2021-02-26 |
JP2021531602A (ja) | 2021-11-18 |
EP3824429A4 (en) | 2022-06-01 |
EP3824425A4 (en) | 2022-06-01 |
US20210256548A1 (en) | 2021-08-19 |
EP3824427A1 (en) | 2021-05-26 |
EP3824425A2 (en) | 2021-05-26 |
EP3598373A1 (en) | 2020-01-22 |
JP7245904B2 (ja) | 2023-03-24 |
WO2020016482A3 (en) | 2020-03-26 |
WO2020016481A1 (en) | 2020-01-23 |
CN112437943A (zh) | 2021-03-02 |
JP2022507126A (ja) | 2022-01-18 |
US20210272178A1 (en) | 2021-09-02 |
WO2020016204A1 (en) | 2020-01-23 |
WO2020016482A2 (en) | 2020-01-23 |
JP2021530827A (ja) | 2021-11-11 |
JP7430724B2 (ja) | 2024-02-13 |
US20210256547A1 (en) | 2021-08-19 |
JP7154411B2 (ja) | 2022-10-17 |
EP3824429A1 (en) | 2021-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11263222B2 (en) | System for calculating competitive interrelationships in item-pairs | |
US11676194B2 (en) | Faceted item recommendation system | |
CN109840796B (zh) | 决策因素分析装置与决策因素分析方法 | |
JP5246459B1 (ja) | 商標支援システム | |
CN112424814A (zh) | 确定物品相关性 | |
Cho et al. | Implementation of Personalized recommendation System using k-means Clustering of Item Category based on RFM | |
WO2017132689A1 (en) | Method and system for product discovery | |
JP2019125257A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
CN111428007B (zh) | 基于跨平台的同步推送反馈方法 | |
CN111967924A (zh) | 商品推荐方法、商品推荐装置、计算机设备和介质 | |
JP2022523634A (ja) | 個人向けの在庫管理のためのテキストデータの符号化 | |
KR101637986B1 (ko) | 최적 상품 제공 시스템 및 그 방법 | |
WO2017190093A1 (en) | Generating a personalized list of items | |
JP2020107269A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
Kumar et al. | Cuisine prediction based on ingredients using tree boosting algorithms | |
US20150206220A1 (en) | Recommendation Strategy Portfolios | |
CN111177564A (zh) | 一种产品推荐方法及装置 | |
WO2019203994A1 (en) | Quick learning recommendation system for baskets of goods | |
KR20180119104A (ko) | 무정형 빅데이터의 개인정보 비식별화 처리 방법 | |
CN109840820A (zh) | 一种确定用户对对象类型偏好度的方法和装置 | |
CN113689260A (zh) | 商品的搜索方法及装置 | |
CN116579820A (zh) | 一种商城商品推荐算法方法、系统、电子设备和存储介质 | |
CN114298738A (zh) | 一种具有向商家推荐高销售量商品的方法 | |
CN113947455A (zh) | 数据推荐方法、系统、设备及介质 | |
CN110377831A (zh) | 检索方法、装置、可读存储介质和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |