CN114254851A - 商品相似性处理 - Google Patents

商品相似性处理 Download PDF

Info

Publication number
CN114254851A
CN114254851A CN202110321581.9A CN202110321581A CN114254851A CN 114254851 A CN114254851 A CN 114254851A CN 202110321581 A CN202110321581 A CN 202110321581A CN 114254851 A CN114254851 A CN 114254851A
Authority
CN
China
Prior art keywords
replacement
code
commodity
merchandise
transaction
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
CN202110321581.9A
Other languages
English (en)
Inventor
伊塔马尔·大卫·莱瑟森
罗丹·丘丁
朱莉·德沃拉·凯兹奥哈顿
莫西·沙哈鲁
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.)
NCR Voyix Corp
Original Assignee
NCR Corp
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 NCR Corp filed Critical NCR Corp
Publication of CN114254851A publication Critical patent/CN114254851A/zh
Pending legal-status Critical Current

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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/242—Dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • 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
    • 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]
    • G06Q30/0603—Catalogue ordering

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

商品的商品代码基于交易上下文作为商品向量被映射到多维空间。商品代码之间的相似度基于所述多维空间内所述商品代码之间的距离。基于商品相似度并且基于从交易中收集的反馈，自动标识库存不足商品的替代商品。将所述替代商品在交易期间实时地提供给的顾客，提供用于商品履行期间的商品拣选服务，以及用于商品货架库存的货架管理服务。在一个实施方案中，进一步基于给定顾客的特定交易历史记录和针对所述给定顾客从所述特定交易历史记录中收集的特定反馈来确定所述替代商品。

Description

商品相似性处理
背景技术
COVID19大流行暴露了零售供应链和库存管理中存在的许多问题。顾客对被封锁在家时无可用必需品的担忧导致了零售商货架上许多产品的短缺。由特定产品线的异常高销售导致的原材料诸如铝的缺乏也导致了制造商停止生产某些依赖于这些原材料进行包装的产品。结果导致在线销售增长了五倍，因为顾客担心外出去商店要冒的风险，还担心到达商店时他们想要的必需品已经库存不足。因此，由于在线销售的需求量很高并且高需求量产品品牌的库存减少，因此现在在行业中经常出现订购产品交货延迟的情况。
最近的一项研究表明，在63％的库存不足案例中，零售商遭受了销售损失，甚至是顾客流失到了不同的零售商。库存不足的零售商正迅速地从中吸取教训，他们需要立即以正确且可接受的替代产品来回应顾客，否则将面临收入的大幅下降，并且还有可能会失去先前的忠实顾客的未来业务。
大流行之前的研究表明，库存不足事件在三分之一的在线订单或光顾门店时发生。在大流行情况严重的阶段，杂货零售商报告称，库存不足事件的发生率增加了5至6倍。对于在大流行中挣扎求生的零售商而言，库存不足事件的指数增长是一场“完美风暴”。对于杂货零售商而言，利润已经变得很小；因此，与库存不足产品相关联的销售损失和顾客忠诚度下降的情况正在使许多零售商被迫关店，而许多其他的零售商目前正在艰难营业。
发明内容
在各种实施方案中，提出了用于商品相似性处理的方法和系统。
根据一个方面，提出了一种用于商品相似性处理的方法。例如，产品目录中的商品代码基于交易历史记录中商品代码的上下文被映射到在多维空间中绘制的向量。每个商品代码被分配给对应的商品向量。基于从与替代商品代码相关联的第一向量和与给定商品代码相关联的第二向量计算出的相似度值，提供库存不足的给定商品代码的替代商品代码。
附图说明
图1A是根据示例性实施方案的用于商品相似性处理的系统的图。
图1B是根据示例性实施方案的表示图1A的系统的处理流程的图。
图2是根据示例性实施方案的用于商品相似性处理的方法的图。
图3是根据示例性实施方案的用于商品相似性处理的另一种方法的图。
具体实施方式
图1A是根据示例性实施方案的用于商品相似性处理的系统100的图。应注意，组件是以大大简化的形式示意性地示出，其中仅绘示了与对实施方案的理解相关的那些组件。
此外，仅出于图解目的，例示了各种组件(标识于图1A和图1B中)并且呈现了这些组件的布置。应注意，在不脱离本文和下文所呈现的商品相似性处理的教导内容的情况下，具有更多或更少组件的其他布置也是可能的。
系统100A提供一种机制，通过该机制，产品目录中的商品的商品代码被映射到多维空间，作为表示多维空间内每个商品之间的上下文的商品向量。上下文被导出为具有在交易历史记录中检测到的商品的模式。商品之间的相似度基于多维空间内商品代码之间的距离来确定。基于相似度并且基于在交易中观察到的有关拟议的替换商品的反馈，提供特定的替换商品来替代库存不足的商品。在线交易期间将库存不足商品的替换商品实时地提供给顾客、顾客订单履行期间的拣选服务，以及用于管理库存不足商品的货架空间的店内管理应用程序。基于顾客的特定交易历史记录和该顾客的先前收集的反馈，可以进一步自定义在线交易过程中向顾客建议的替换商品。系统100A提供了商品相似性模型，机器学习被用来从该商品相似性模型中标识商品之间的关系和相似性，该模型可用于提供针对库存不足商品的替换或替代商品的推荐；然而，应注意，当需要或获益于商品之间的关系时，该模型还可以用于其他应用程序。
根据最近的一项研究，当顾客访问商店或进行在线交易时，商品库存不足并且没有立即获得有效的现货替代商品建议是来自零售顾客的第三大常见投诉，约占所有顾客投诉的30％。这项研究还发现，当前约37％的库存不足事件导致了顾客在同一家商店购买其他品牌。其余63％的结果对零售商而言更是大问题，因为在这些情况下，顾客将从零售商的竞争对手处购买库存不足商品。零售商需要用替代商品做出快速且正确的响应的最常见用例是：
(1)订单履行—在处理订单履行任务时，店内拣选人员通常必须提供对库存不足商品的替换。这造成了订单履行过程的主要开销。拣选人员需要根据自己的直觉来确定替代商品，并且与顾客进行确认。如今，由于大流行期间在线购物的增多以及库存不足事件的发生，招募了许多新员工，这些新员工不具有与商品替代相关的直觉经验。在COVID19大流行期间，由于缺少任何有效的解决方案，许多零售商已经从订单履行过程中消除了商品替代，从而导致了数百万美元的潜在销售收入损失。
(2)电子商务：在一些情况下，在下订单时才获知库存不足的商品。在这种情况下，零售商希望在在线订购期间在零售商的电子商务站点上标识并且建议有效的替代商品。由于在线购物呈指数增长以及与大流行期间保持社交距离相关联的社会新常态，这种用例比以往任何时候都更具现实意义。
(3)空货架：空货架对光顾实体商店的顾客而言将是一种糟糕的视觉效果。这些是商店管理者所希望避免的情况，因为这将给人留下商店未保持库存的印象。商户/商店管理者应当迅速应对此类情况，并且用最有效或最类似的替代商品补充货架。因为在大流行期间发生了大量的库存不足事件，这已经成为了全球范围内的实体商店所面临的关键问题。缺乏实时地建议产品/商品替代的有效机制造成了零售商的一些主要痛点，包括：
(a)收入损失—结果顾客选择从竞争对手的商店购买库存不足商品或者选择不购买。
(b)忠诚度降低—顾客满意度下降，由此增加了顾客流失的风险。
(c)运营成本增加—无法提供足够的替代商品通常会导致零售商提供“购物优惠券”、计划外的补货或者从后备储存区域寻找库存，这将给零售商带来大量的间接费用。
如在本文和下文中将更全面地说明的，这些问题由系统100A、处理流程100B、方法200和方法300解决。此外，本文的教导内容与全球COVID19爆发后针对零售业预测的现代化和数字化转型趋势相一致。所提出的用于库存不足处理的技术是自动且数据驱动的(意指基于过往记录的交易的实际观察结果，而不是基于假设)。
系统100A包括企业数据存储库110、在线交易系统120、店内交易终端130、用户设备140、拣选或订单履行系统150、管理应用程序(app)160、商品空间映射器和相似度管理器170、一个或多个机器学习算法(MLA)180和商品替代管理器190。系统100A包括各种计算设备，每个计算设备包括至少一个处理器和包括可执行指令的非暂态计算机可读存储介质。当由对应的处理器从对应的非暂态计算机可读存储介质执行可执行指令时，该可执行指令使该处理器执行本文及以下关于组件110至190所讨论的操作。
“商品代码”表示来自给定零售商的产品目录的商品。每个商品代码与其他商品代码的相似性/相似度限定了该商品在多维空间中的向量。相似性/相似度和商品代码向量由Word2Vec算法基于对零售商的交易历史记录和产品目录的分析来确定。“商品向量”是一种数学表达式，表明多维空间中表示给定商品的上下文的点。
企业数据存储库110包括各种企业数据，诸如与零售商进行的交易的交易历史记录。其他类型的数据也可以包括在企业数据存储库100中，诸如消费者可使用的激励措施、已知顾客的顾客数据(忠诚度数据、配置文件数据等)、顾客交易的交易详细信息(包括商品的商品代码)、商品或产品目录数据，以及由企业针对商店和与企业(零售商)相关联的其他商店捕获和保留的其他信息。
在线交易系统120包括界面和对应的软件，顾客通过该界面和对应的软件与零售商进行在线交易，诸如通过浏览商品，将所选择的商品存储在虚拟购物车中，并且结算(支付)虚拟购物车中的商品。在线交易系统120可以基于网络以及/或者基于移动应用程序。在线购物期间，当加入虚拟购物车的所选择的商品库存不足时，将虚拟购物车数据从在线交易系统120实时地提供给企业数据存储库110或者经由应用程序接口(API)实时地提供给商品替代管理器190。
交易终端130包括外围设备(扫描仪、打印机、媒体接收器/分配器、称重设备、个人识别码(PIN)垫、读卡器等)，以及用于执行与交易相关联的顾客结算的对应软件。实时商品和交易数据由终端提供给企业数据存储库110。
用户设备140包括外围设备(触摸屏、相机等)和用于使用web浏览器或移动应用程序(app)执行顾客交易的对应的软件。实时交易数据由任何应用程序提供给企业数据存储库110。
拣选系统150包括用于执行店内订单的订单履行的设备以及对应的软件和用户界面。给定订单中存在的任何库存不足商品都将导致经由API向商品替代管理器190发送对替代商品的请求(该事件包括通过拣选系统150履行的订单/交易信息以及对与库存不足商品相关联的商品代码的标识)。
商品空间映射器和相似度管理器170最初使用(从企业数据存储库110获得的)交易历史记录来生成(同样地，从企业数据存储库110获得的)产品目录中的商品代码的向量。以这种方式，为产品目录中的商品代码分配映射到多维空间的向量。每个向量链接到产品目录的商品代码。使用“Word2Vec”算法来应用“商品嵌入”。Word2Vec是一组算法，主要用于自然语言处理(NLP)领域中的机器翻译。Word2Vec以大量的文本语料库(商品代码的产品目录和来自企业数据存储库110的交易历史记录)作为输入，并且产生通常具有数百个维度的向量空间(多维空间)，语料库中的每一个唯一字词(商品代码)都被分配绘制在多维空间中的对应的唯一向量。以此方式，在交易历史记录中共享共同上下文的商品代码在多维空间内彼此紧邻地绘制。将交易历史记录作为句子提供给Word2Vec算法，并且字词为商品代码(从产品目录中标识所有可用字词)。可将数学计算应用于商品代码的向量数字表示形式(向量)。
一旦对产品目录和交易历史记录进行处理来创建商品的商品代码向量，就可以将给定商品代码提供给商品空间映射器和相似度管理器170(作为输入或作为对建议的商品替换代码的请求)，该给定商品代码表示库存不足商品，并且可从组件120至160中的任何一个组件生成。由Word2Vec算法产生的输出是替换商品代码(替换商品)以及相似度得分(对应于多维空间内库存不足商品代码的位置和替换商品代码的位置之间的距离)。商品空间映射器和相似度管理器170可基于预设阈值或值的范围以及/或者基于预定义的最高相似度得分数来确定特定的建议的替代/替换代码，以提供商品替代管理器190。
商品空间映射器和相似度管理器170将所产生的针对库存不足商品的建议的替换商品代码以及相似度得分提供给商品替代管理器190。商品替代管理器190继而将最可能被购买的建议的替代/替换商品代码提供给原始请求方(组件120至160)。组件120至160提供最终交易反馈，可基于针对给定交易是否购买了替代/替换商品，从通过替代管理器190从企业数据存储库110接收建议的替代/替换代码的给定交易的交易细节导出/检测该最终交易反馈。
当系统100已部署时，监测针对给定的库存不足商品代码提供建议的替代/替换商品代码的实际交易的反馈。反馈是关于针对给定交易所建议的替代/替换商品代码是否由顾客购买的指示。购买为肯定反馈，而不购买为否定反馈。
一个或多个MLA 180在包括库存不足商品代码、建议的替代/替换商品代码、由商品空间映射器和相似度管理器170提供的相似度得分以及与正在训练的交易相关联的顾客的顾客向量的输入上进行训练。受过训练的MLA 180表示基于商品相似性用于特定应用程序的机器学习模型。因此，如本文所用，MLA 180也可以被称为机器学习模型。
与上面讨论的方式类似，可将顾客的交易历史记录作为句子提供给另一个Word2Vec算法，并且将所有产生的向量聚合为表示特定顾客的交易历史记录和偏好的单个顾客向量。
MLA 180基于所提供的输入参数(库存不足商品代码、建议的替代/替换商品代码、相似度得分和顾客向量)被配置要达到的训练结果是对特定替代/替换代码的选择，其中反馈指示给定顾客在给定交易中实际上进行了购买。
一旦MLA 180得到训练，商品替代管理器190就实时地接收针对给定交易的库存不足商品代码。商品空间映射器和相似度管理器170将替代/替换商品代码和替代/替换商品代码与库存不足商品代码之间的对应相似度得分返回给商品替代管理器190。商品替代管理器190为与给定交易相关联的顾客提供顾客向量、库存不足商品代码、替代/替换商品代码以及相似度得分作为对MLA 180的输入，并且接收最有可能产生特定顾客购买的交易的特定替代/替换商品代码作为输出。在交易之后，将接收到指示是否购买了建议的特定替换商品的反馈。
MLA 180被连续地训练，并且使用更新的产品目录、新的交易数据和反馈以配置的间隔来更新商品代码向量以及商品代码。这样可以确保特定库存不足商品的替代/替换商品为给定商店的产品目录和特定顾客定制。以此方式，建议的替代/替换商品的准确度和成功将处于不断地提升和学习中。
组件170至190可作为基于web和/或基于云的服务提供给零售商，其中针对该服务提供API以访问每个零售商的企业数据存储库110并且在交易过程中传送替代/替换商品代码。API准许管理应用程序160由管理器使用以获得零售商货架上的库存不足商品的替代/替换商品代码，以确保货架上储存有基于给定零售商的交易数据、该零售商的顾客群以及该零售商的特定产品目录最有可能为该零售商产生销售收入的替代/替换商品。
用户操作的设备140可以为任何消费者操作的设备，诸如可穿戴处理设备、支持语音的网络设备(物联网(IoT)设备)、膝上型电脑、台式机、平板电脑、基于网络的车辆集成设备，等等。设备140还可以由与拣选系统150相关联的拣选人员进行操作。设备140利用零售商提供的界面(基于web的和/或基于应用程序的界面)用网络服务器120的交易服务来执行购物和交易篮结算。
交易终端120可以为销售点(POS)终端、自助服务终端(SST)、员工操作的移动设备和/或信息亭。
图1B是根据示例性实施方案的表示图1A的系统的处理流程100B的图。
图1B示出了与系统100A相关联的一些组件的更细粒度的视图。
交易数据管理器111将交易数据从企业数据存储库提供给商品空间映射器和相似度管理器170。商品空间映射器和相似度管理器170生成多维向量空间和绘制在该空间内的商品目录112的每个商品代码的唯一向量。
商品替代管理器190基于由商品空间映射器和相似度管理器170提供的商品目录代码、替代/替换商品代码和相似度值，从忠诚度交易数据113获得的顾客的顾客向量，以及从通过在线交易系统120、拣选系统150和管理应用程序160为顾客执行交易或履行交易的多个渠道获得的针对每个顾客的反馈来训练MLA 180。
随后，当顾客的任何给定交易(经由在线交易系统)、给定商店货架上的任何给定库存不足商品(经由管理应用程序160)或针对给定顾客的订单履行(经由拣选系统150)请求库存不足商品的替代/替换商品时，商品替代管理器请求商品空间映射器和相似度管理器170基于向量空间和商品代码向量提供库存不足商品的替代/替换商品代码和相似度值。商品替代管理器190向MLA 180提供库存不足商品代码、替代/替换商品代码和对应的相似度值以及顾客的顾客向量作为输入。在商品库存不足的情况下，MLA 180提供选自为顾客最佳定制或为零售商最佳定制的替代替换商品代码的替代替换商品代码作为输出。商品替代管理器190使用API将针对给定情况定制的所选择的最佳替代/替换商品代码传达至对应的请求方(在线交易系统120、拣选系统150或管理应用程序160)。在管理应用程序160的情况下，肯定或否定的结果通过API被反馈给商品替代管理器190，或者由商品替代管理器190从最终交易数据或销售日期导出。将在MLA 180的后续训练课程中使用该反馈。
在一个实施方案中，经由API将组件110至113和组件170至190作为单个基于云的表面提供给组件120、150和160。
现在参考图2至图3讨论这些和其他实施方案。
图2是根据示例性实施方案的用于商品相似性处理的方法200的图。实施方法200的一个或多个软件模块被称为“替代商品建议管理器”。替代商品建议管理器被实施为可执行指令，这些可执行指令经编程并且驻存在存储器和/或非暂态计算机可读(处理器可读)存储介质内，并且由设备的一或多个处理器执行。执行替代商品建议管理器的设备的一个或多个处理器被特别配置和编程为处理替代商品建议管理器。替代商品建议管理器在其处理期间可访问一个或多个网络连接。网络连接可以是有线的、无线的或有线与无线的组合。
在一个实施方案中，执行替代商品建议管理器的设备是服务器。在一个实施方案中，服务器为云处理环境，该云处理环境包括作为单个服务器彼此协作的多个服务器。在一个实施方案中，服务器为局域网(LAN)服务器。
在一个实施方案中，执行替代商品建议管理器的设备是本地或零售商店的LAN的边缘上的网络边缘设备。
在一个实施方案中，替代商品建议管理器是170至190的全部或某种组合。
在一个实施方案中，替代商品建议管理器执行以上关于系统100A和处理流程100B所讨论的处理。
在一个实施方案中，替代商品建议管理器作为SaaS提供给多个企业，每个企业具有与其顾客和企业数据存储库110相关的订阅。
在210处，替代商品建议管理器基于出现在交易历史记录中的商品代码的上下文，将产品目录中的商品的商品代码映射到绘制在多维空间中的向量。上面关于商品空间映射器和相似度管理器170的处理讨论了这一点。
在一个实施方案中，在211处，替代商品建议管理器通过处理Word2Vec算法来解析多维空间中的维度总数。
在一个实施方案中，在212处，替代商品建议管理器基于针对每个商品代码跨交易历史记录的交易检测到的模式来导出上下文。
在一个实施方案中，在213处，替代商品建议管理器通过处理Word2Vec算法来生成向量，其中字词词典中的每个字词被设定为从产品目录获得的唯一商品代码，并且其中每个句子被设定为从交易历史记录中获得的唯一交易。
在220处，替代商品建议管理器将每个商品代码分配给对应的商品向量。
在一个实施方案中，在221处，替代商品建议管理器将每个商品向量嵌入到产品目录中对应商品代码的对应条目内。
在230处，替代商品建议管理器基于从与替代商品代码相关联的第一向量和与给定商品代码相关联的第二向量计算出的相似度值，为库存不足的给定商品代码提供替代商品代码。
在一个实施方案中，在231处，替代商品建议管理器基于除相似度值以外的附加标准来选择商品代码中的特定商品代码。
在231和232处的实施方案中，替代商品建议管理器在当前交易期间向在线交易系统实时地提供替代商品代码中的特定一个替代商品代码作为给定商品的替代。
在231和233处的实施方案中，替代商品建议管理器在当前交易或当前订单的订单履行或订单拣选期间，向拣选或订单履行系统实时地提供替代商品代码中的特定一个替代商品代码作为给定商品代码的替代。
在231和234处的实施方案中，替代商品建议管理器向管理应用程序实时地提供替代商品代码中的特定一个替代商品代码作为替换商品，以代替与给定商品代码相关联的给定商品储存在商店货架上。
在一个实施方案中，当给定商品库存不足时，替代商品建议管理器向在线交易系统120、拣选系统150和管理应用程序160中的每一者实时地提供替代商品代码中特定的一个替代商品代码。
在一个实施方案中，在240处，替代商品建议管理器获得反馈，该反馈指示替代商品代码中的至少一个替代商品代码是否在交易期间由顾客代替给定商品代码购买。
在一个实施方案中，在250处，当给定商品代码仍然库存不足时，替代商品建议管理器训练机器学习模型180以基于对后续交易的反馈来修改对替代商品代码的选择。
在一个实施方案中，在251处，替代商品建议管理器基于与顾客相关联的特定交易历史记录来训练机器学习模型180。
图3是根据示例性实施方案的用于商品相似性处理的另一个方法300的图。实施方法300的软件模块被称为“库存不足商品替换优化器”。库存不足商品替换优化器被实施为可执行指令，这些可执行指令经编程并且驻存在存储器和/或非暂态计算机可读(处理器可读)存储介质内，并且由设备的一或多个处理器执行。执行库存不足商品替换优化器的处理器经过专门配置和编程，以处理库存不足商品替换优化器。库存不足商品替换优化器在其处理过程中可访问一个或多个网络连接。网络连接可以是有线的、无线的或有线与无线的组合。
在一个实施方案中，执行库存不足商品替换优化器的设备是服务器。在一个实施方案中，服务器为云处理环境，该云处理环境包括作为单个服务器彼此协作的多个服务器。在一个实施方案中，服务器是零售商店本地的LAN服务器。
在一个实施方案中，执行库存不足商品替换优化器的设备是位于零售商店的LAN边缘的网络边缘设备。
在一个实施方案中，库存不足商品替换优化器为170至190、过程流100B和/或方法200的全部或某种组合。
库存不足商品替换优化器呈现了另一种与上面参考图2所述相比以某种方式增强的处理视角。
在310处，库存不足商品替换优化器为产品目录的商品代码生成商品向量。
在320处，库存不足商品替换优化器将每个商品向量绘制在多维空间中。
在330处，库存不足商品替换优化器基于在多维空间内绘制的给定商品向量与多维空间内绘制的替换商品向量之间的距离来确定给定商品代码的替代商品代码。
在340处，库存不足商品替换优化器获得交易的反馈值，该反馈值指示在提供替代商品代码并且在交易时给定商品代码库存不足时，替代商品代码中的特定的替代商品代码在交易期间是否被购买。
在350处，库存不足商品替换优化器基于330和340优化替换商品建议算法。
在一个实施方案中，在351处，库存不足商品替换优化器使用给定商品代码、替代商品代码、在多维空间内绘制的给定商品代码向量与每个绘制的替代商品代码向量之间的距离以及反馈值来训练机器学习模型180作为替换商品建议算法。
在351和352处的实施方案中，库存不足商品替换优化器进一步训练机器学习模型，该机器学习模型具有从与交易相关联的交易历史记录中获得的顾客特定交易数据，以基于与后续交易相关联的特定顾客来优化对替换商品代码的选择。在一个实施方案中，顾客特定交易数据是与特定顾客的交易历史记录相关联的聚合的顾客交易向量。
在360处，当给定商品代码针对后续交易库存不足时，库存不足商品替换优化器针对后续交易处理替换商品建议算法。
在370处，库存不足商品替换优化器提供由替换商品建议算法在后续交易期间产生的替换商品代码，作为与后续交易的给定商品代码相关联的给定商品的最佳替代。
在一个实施方案中，在371处，库存不足商品替换优化器在后续交易期间实时地提供替换商品代码。
在371和372处的实施方案中，库存不足商品替换优化器将替换商品代码提供给在线交易系统120、拣选系统150和/或管理应用程序160。
在一个实施方案中，在380处，库存不足商品替换优化器基于针对在后续交易期间被购买的实际商品代码获得的其他反馈值进行修改350。即，替换商品建议算法被连续优化，并且通过基于其他反馈值进行的调整来学习。
应当了解，以特定形式(例如，组件或模块)描述软件仅为了辅助理解，且并非旨在限制实施那些功能的软件可架构或构建的方式。举例来说，虽然模块示为单独的模块，但可实施为同源代码、实施为个别组件，这些模块中的一些但并非所有可以组合，或所述功能可以在以任何其他方便方式构建的软件中实施。
此外，尽管软件模块示为在一件硬件上执行，但软件可跨越多个处理器或以任何其他方便方式分布。
以上描述是说明性且非限制性的。所属领域的技术人员在查阅以上描述后将会明白许多其他实施方案。因此，实施方案的范围应参考随附的权利要求书连同此些权利要求书有权拥有的等效物的完整范围加以确定。
在实施方案的前述描述中，出于简化本公开的目的而将各种特征一并归到单个实施方案中。这种公开方法不应理解为反映所要求实施方案的特征比各权利要求中明确表述的特征要多。实际上，如所附权利要求书所反映，本发明主题在于单个公开实施方案的不到全部的特征。因此，以下权利要求书在此并入具体实施方式，其中每项权利要求自身代表单独的示范性实施方案。

Claims (12)

1.一种方法，其包括：
基于交易历史记录中商品代码的上下文，将产品目录的所述商品代码映射到绘制在多维空间中的向量；
将每个商品代码分配给对应的商品向量；以及
基于从与替代商品代码相关联的第一向量和与给定商品代码相关联的第二向量计算出的相似度值，提供库存不足的所述给定商品代码的所述替代商品代码。
2.如权利要求1所述的方法，还包括获得反馈，所述反馈指示所述替代商品代码中的至少一个替代商品代码是否在给定交易期间由顾客代替所述给定商品代码购买。
3.如权利要求2所述的方法，还包括当所述给定商品代码仍然库存不足时，基于对后续交易的反馈来训练机器学习模型，以修改对所述替代商品代码的选择。
4.如权利要求3所述的方法，其中训练还包括基于与所述顾客相关联的特定交易历史记录来训练所述机器学习模型。
5.如权利要求1所述的方法，其中映射还包括通过处理Word2Vec算法来解析所述多维空间中的维度总数。
6.如权利要求1所述的方法，其中映射还包括基于针对每个商品代码跨所述交易历史记录的交易检测到的模式来导出所述上下文。
7.如权利要求1所述的方法，其中映射还包括通过处理Word2Vec算法来生成所述向量，其中字词词典中的每个字词被设定为从所述产品目录获得的唯一商品代码，并且其中每个句子被设定为从所述交易历史记录中获得的唯一交易。
8.如权利要求1所述的方法，其中分配还包括将每个商品向量嵌入所述产品目录中的对应商品代码条目内。
9.一种系统，包括：
至少一个处理设备，所述至少一个处理设备具有至少一个处理器，所述至少一个处理器被配置为执行来自非暂态计算机可读存储介质的指令；
所述指令在由所述至少一个处理器从所述非暂态计算机可读存储介质执行时，使所述至少一个处理器执行以下操作，包括：
将商品代码从产品目录映射到绘制在多维空间中的向量；
基于绘制在所述多维空间中的所述对应的向量，确定给定商品代码与其他商品代码之间的相似度；
当所述给定商品代码库存不足并且在所述交易中无法购买时，基于所述相似度并且基于与所述给定商品代码相关联的交易观察到的反馈值，为所述给定商品代码选择替换商品代码；以及
当所述给定商品代码库存不足，无法在所述后续交易中购买，无法通过所述订单履行完成订单，也无法关于另选商品货架补充请求为商店货架补货时，为后续交易、订单履行和另选商品货架补货请求实时地提供所述替换商品代码。
10.如权利要求9所述的系统，其中所述至少一个处理器作为云服务执行所述操作，将所述云服务通过网络连接实时地提供给与所述后续交易相关联的在线交易系统、与所述订单履行相关联的拣选系统，以及与另选商品货架补货请求相关联的管理应用程序。
11.一种方法,包括权利要求1-8中的任意一个技术特征或者技术特征的任意组合。
12.一种系统,包括权利要求9-10中的任意一个技术特征或者技术特征的任意组合。
CN202110321581.9A 2020-09-24 2021-03-25 商品相似性处理 Pending CN114254851A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/030,554 2020-09-24
US17/030,554 US11704717B2 (en) 2020-09-24 2020-09-24 Item affinity processing

Publications (1)

Publication Number Publication Date
CN114254851A true CN114254851A (zh) 2022-03-29

Family

ID=75203130

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110321581.9A Pending CN114254851A (zh) 2020-09-24 2021-03-25 商品相似性处理

Country Status (4)

Country Link
US (1) US11704717B2 (zh)
EP (1) EP3975097A1 (zh)
JP (1) JP7212875B2 (zh)
CN (1) CN114254851A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230135794A1 (en) * 2021-10-28 2023-05-04 International Business Machines Corporation Synchronizing item recommendations across applications using machine learning
US11900436B1 (en) * 2022-10-17 2024-02-13 Inmar Clearing, Inc. Natural language processing based product substitution system and related methods

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030217052A1 (en) * 2000-08-24 2003-11-20 Celebros Ltd. Search engine method and apparatus
RU2174708C1 (ru) * 2000-11-15 2001-10-10 Закрытое акционерное общество "Дженерал Текнолоджис" Способ торговли за безналичный расчет с использованием коммуникационной сети (варианты)
US9715543B2 (en) * 2007-02-28 2017-07-25 Aol Inc. Personalization techniques using image clouds
JP2008282132A (ja) * 2007-05-09 2008-11-20 Promise Co Ltd Ｅｃサイト管理装置及びコンピュータプログラム
JP6543986B2 (ja) * 2015-03-25 2019-07-17 日本電気株式会社 情報処理装置、情報処理方法およびプログラム
US9881628B2 (en) * 2016-01-05 2018-01-30 Qualcomm Incorporated Mixed domain coding of audio
US20170372280A1 (en) * 2016-06-23 2017-12-28 Kristóf EGEDY System and method for decoupling an e-commerce order from the electronic payment transaction
US10146770B2 (en) * 2016-12-01 2018-12-04 International Business Machines Corporation Cognitive agent for capturing referential information during conversation muting
US11922440B2 (en) 2017-10-31 2024-03-05 Oracle International Corporation Demand forecasting using weighted mixed machine learning models
US20190206555A1 (en) * 2017-12-28 2019-07-04 Ethicon Llc Cloud-based medical analytics for customization and recommendations to a user
JP6967462B2 (ja) * 2018-01-18 2021-11-17 ヤフー株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
GB201801228D0 (en) * 2018-01-25 2018-03-14 Ocado Innovation Ltd Recommendation system and method
US20200019632A1 (en) * 2018-07-11 2020-01-16 Home Depot Product Authority, Llc Presentation of related and corrected queries for a search engine
JP7003953B2 (ja) * 2019-03-14 2022-01-21 オムロン株式会社 学習装置、推定装置、データ生成装置、学習方法、及び学習プログラム
US20210027302A1 (en) * 2019-07-25 2021-01-28 Intuit Inc. Detecting life events by applying anomaly detection methods to transaction data
US20210217073A1 (en) * 2020-01-10 2021-07-15 Ncr Corporation Data-Driven Recommendation Engine
US11900395B2 (en) * 2020-01-27 2024-02-13 Ncr Voyix Corporation Data-driven segmentation and clustering

Also Published As

Publication number Publication date
US11704717B2 (en) 2023-07-18
EP3975097A1 (en) 2022-03-30
US20220092670A1 (en) 2022-03-24
JP7212875B2 (ja) 2023-01-26
JP2022053456A (ja) 2022-04-05

Similar Documents

Publication Publication Date Title
US10650434B2 (en) Predictive shopping
EP3992896A1 (en) Alternative item booster service
US11869055B2 (en) Identifying items offered by an online concierge system for a received query based on a graph identifying relationships between items and attributes of the items
US20230055760A1 (en) Training a classification model using labeled training data that does not overlap with target classifications for the classification model
CN114254851A (zh) 商品相似性处理
US11900395B2 (en) Data-driven segmentation and clustering
EP3992895A1 (en) Real-time alerts for abnormal item pricing
US20230214774A1 (en) Augmenting an availability of an item at a warehouse determined from an availability model with information from shoppers fulfilling orders on item availability
EP3992891A1 (en) Platform-based pricing strategy service
US20230102789A1 (en) Recommending items for purchase to a user of an online concierge system based on an emotion of the user
US20220164832A1 (en) Sales management server, sales management system, and sales management method
US20220092654A1 (en) Prepackaged basket generator and interface
CA3107608C (en) Identifying items offered by an online concierge system for a received query based on a graph identifying relationships between items and attributes of the items
US11823214B2 (en) Classifying fraud instances in completed orders
US11715145B2 (en) Segment-based recommendation engine
US20230136886A1 (en) Incrementally updating embeddings for use in a machine learning model by accounting for effects of the updated embeddings on the machine learning model
US20240070747A1 (en) Item availability model producing item verification notifications
US20220383398A1 (en) Virtual, inferred, and derived planograms
US20240046313A1 (en) Pacing the delivery of content campaigns in an online concierge system using cross-retailer inventory stock levels
US20240177211A1 (en) Identifying candidate replacement items with a source similarity score
US20230196442A1 (en) Selecting methods to allocate shoppers for order fulfillment in geographic regions by an online concierge system based on machine-learned efficiencies for different allocation methods
US20150066741A1 (en) Method and system for payment distribution for consigned items

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
CB02 Change of applicant information

Country or region after: U.S.A.

Address after: Georgia, USA

Applicant after: NCR Voix Co.

Address before: Georgia, USA

Applicant before: NCR Corp.

Country or region before: U.S.A.

CB02 Change of applicant information