JP2015511039A - 製品情報の公開 - Google Patents

製品情報の公開 Download PDF

Info

Publication number
JP2015511039A
JP2015511039A JP2015500573A JP2015500573A JP2015511039A JP 2015511039 A JP2015511039 A JP 2015511039A JP 2015500573 A JP2015500573 A JP 2015500573A JP 2015500573 A JP2015500573 A JP 2015500573A JP 2015511039 A JP2015511039 A JP 2015511039A
Authority
JP
Japan
Prior art keywords
keyword
category
query
word
click log
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2015500573A
Other languages
English (en)
Other versions
JP6177871B2 (ja
Inventor
スン リー
スン リー
ウー ジェンユエン
ウー ジェンユエン
リン フォン
リン フォン
タン ジアユー
タン ジアユー
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Publication of JP2015511039A publication Critical patent/JP2015511039A/ja
Application granted granted Critical
Publication of JP6177871B2 publication Critical patent/JP6177871B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • 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
    • G06Q30/0256—User search
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本開示は、製品情報を公開するための方法および装置を提供する。本開示は、製品情報を公開するための方法を提供する。記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する。売り手が入力したキーワードは、照会語とマッチされる。キーワードは、１つの語または１つ以上の語を含む句であり得る。キーワードが少なくとも１つの照会語と一致する場合、一致した照会語に対応する少なくとも１つのカテゴリが、相関情報に基づいて取得される。製品情報が取得されたカテゴリのうちの１つ以上のカテゴリの下に記憶される。本発明の手法は、売り手の推奨カテゴリの正解率、および公開された製品情報の収益率を向上させる。

Description

（関連特許出願の相互参照）
本出願は、「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｐｕｂｌｉｓｈｉｎｇ Ｐｒｏｄｕｃｔ Ｉｎｆｏｒｍａｔｉｏｎ」という名称の２０１２年３月１５日に出願された中国特許出願第２０１２１００６９４６４．９号に対して外国優先権を主張し、これは、参照によってその全体が本明細書に組み込まれる。
本開示は、インターネット技術の分野、より具体的には、製品情報を公開するための方法および装置に関する。
インターネットおよび経済のグローバル化の発展により、電子商取引は主要な販売方法となっている。インターネット上の様々な電子商取引ウェブサイトは、垂直販売モデルまたは総合販売モデルのいずれかによって、ビジネスを行っている。どのような種類の電子商取引ウェブサイトであっても、詳細かつ定型化されたカテゴリシステムが、ウェブサイトで公開される大量の製品を管理するために必要とされる。
売り手が製品を公開するとき、売り手は、カテゴリシステム内の特定のカテゴリに製品を分類する必要がある。大規模な電子商取引ウェブサイト、特に総合販売型の電子商取引ウェブサイトは、大量かつ多様な種類の製品を含み、したがって、それらのカテゴリシステムは、大規模である。ユーザが、数多くのカテゴリから製品に対応するカテゴリを選択することは容易ではない。
従来の電子商取引ウェブサイトは、売り手が最も関連性の高いカテゴリをレベル毎に選択することを必要とする階層型カテゴリを使用している。大規模なカテゴリシステムを有する大規模な電子商取引ウェブサイトについては、売り手が、カテゴリのレベルに従って、自分自身でカテゴリを選択することは容易ではない。加えて、売り手が関連のないカテゴリを選択した場合、カテゴリ別に製品を管理することは、電子商取引ウェブサイトにとって有益ではなく、かつそれは、買い手の製品を検索する経験、および買い手の製品を提示する機会に影響を与える。
いくつかの電子商取引ウェブサイトは、入力されるキーワード、およびカテゴリ名に対するそれらの関連性に基づいて、カテゴリを推奨する。入力キーワードの文字列の関連性に基づいてカテゴリを推奨するためのこのような方法は、売り手がカテゴリを見つけることの難しさをある程度軽減する。しかし、売り手によって入力された照会語が、最も関連性の高いカテゴリのカテゴリ名に逐語的に一致しない場合、カテゴリを全く見つけることがないか、または間違ったカテゴリを見つけ、かつ電子商取引ウェブサイトが製品を分類することは困難になるであろう。加えて、カテゴリを推奨するためのこのような方法下で、電子商取引ウェブサイトの管理者は、自分自身で予め設定した構成規則に基づいて、カテゴリに関連するキーワードを設定する。しかし、このような構成規則は、各カテゴリに買い手のクリック情報の履歴を反映させることができない。このため、売り手に対する推奨カテゴリは、買い手にとって最も興味深いカテゴリでないこともあり得る。売り手が、このような不正確な推奨カテゴリに基づいて製品情報を公開した場合、買い手が公開された製品情報をクリックする回数は少ない。つまり、公開された商品情報の収益率は低い。
従来の手法は、売り手が製品情報を公開するとき、ウェブサイトにより売り手に推奨される不正確なカテゴリが原因で、公開された情報の低収益率をもたらす。
本要約は、下記の発明を実施するための形態に更に記述されている単純化された形式で一連の概念を紹介するために提供されている。本要約は、主張されている主題のあらゆる主要な特徴または重要な特徴を確認することが意図されておらず、主張されている主題の範囲を決定する上での支援として単独に用いられることも意図されていない。例えば、「手法」という用語は、上の文脈によって、および本開示の全体を通して容認される、装置（複数可）、システム（複数可）、方法（複数可）、および／またはコンピュータ可読命令を指し得る。
本開示は、製品情報を公開するための方法および装置を提供する。本発明の手法は、公開されている製品情報に対して、ウェブサイトにより売り手に推奨される不正確なカテゴリが原因で、公開されている情報の収益率が低いことを解決するために役立つ。
本開示は、製品情報を公開するための方法を提供する。記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する。売り手によって入力されたキーワードが、検索クリックログ内の照会語にマッチされる。キーワードは、１つの語、または１つ以上の語を含む句であり得る。キーワードが、検索クリックログ内の少なくとも１つの照会語と一致する場合、一致した照会語に対応する少なくとも１つのカテゴリが、相関情報に基づいて、取得される。製品情報は、取得されたカテゴリの１つ以上のカテゴリの下に記憶される。
一例では、売り手が入力したキーワードが、検索クリックログ内の照会語とマッチされた後、一致する照会語が検索クリックログから全く検出されない場合、売り手によって入力されたキーワードから１つ以上の語が削除され得る。例えば、中にある１つ以上の語が削除されたキーワードは、検索クリックログ内の照会語とマッチされる。中にある１つ以上の語が削除されたキーワードが、少なくとも１つの照会語と一致する場合、一致した照会語に対応する少なくとも１つのカテゴリが、相関情報に基づいて取得される。製品情報は、取得されたカテゴリの１つ以上のカテゴリの下に記憶される。
例えば、キーワードから１つ以上の語を削除する過程は、構文、文法、意味、および／または統計特性を含む特性に基づいて、キーワード内の各語の重要度値をラベル付けすることと、重要度値が、予め設定された重要度値の閾値よりも低い１つ以上の語を削除することを含む。
例えば、中にある１つ以上の語が削除されたキーワードは、検索クリックログ内の照会語とマッチされる。中にある１つ以上の語が削除されたキーワードが、少なくとも１つの照会語と一致しない場合、売り手によって入力されたキーワードは、特構文、文法、および／または意味に基づいて、１つ以上の特性に分類される。検索クリックログ内の各カテゴリの下で、特性の事後確率が演算される。対応する事後確率が予め設定された確率の閾値よりも高い１つ以上のカテゴリが、キーワードに一致し、かつ結果として返されるカテゴリとして選択される。
例えば、以下の式を用いて、検索クリックログ内の各カテゴリの下で、特性の事後確率を演算し得る。
Figure 2015511039
ｙは、検索クリックログ内のカテゴリを表す。ｘは、売り手によって入力されたキーワードを表す。ｆｊ（ｘ、ｙ）は、カテゴリｙの下の、ｘのｊ番目の特質を表す。λｊは、ｊ番目の特性の重みを表す。ｚ（ｘ）は、正規化因数を表す。
例えば、以下の式を用いて、記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する。
Figure 2015511039
λ１およびλ２は重みを表し、λ１∈［０，１］、λ２∈［０，１］、λ１＋λ２＝１であり、
Figure 2015511039
は、照会語と案内カテゴリとの間の条件付き確率を表す。例えば、案内カテゴリのクリックは、クエリと案内カテゴリとの間の関係を直接的に説明する。
Figure 2015511039
は、照会語と製品カテゴリとの間の条件付き確率を表す。
Figure 2015511039
Figure 2015511039
は、買い手が、ある期間内に
Figure 2015511039
で表される照会語を入力するとき、買い手が
Figure 2015511039
で表されるカテゴリをクリックした回数を表し、
Figure 2015511039
は、買い手がその期間内に
Figure 2015511039
で表される照会語を入力する回数を表す。
Figure 2015511039
Figure 2015511039
は、買い手が、その期間内に
Figure 2015511039
で表される照会語を入力するとき、買い手が
Figure 2015511039
で表されるカテゴリの下で、
Figure 2015511039
で表される製品をクリックする回数を表す。
Figure 2015511039
は、買い手が、期間内に
Figure 2015511039
で表される照会語を入力した回数を表す。
相関情報に基づいて、一致する照会語に対応するカテゴリを取得する過程は、順位付けが結果として返された後、それぞれに
Figure 2015511039
で表される信頼度およびカテゴリに従って、照会語
Figure 2015511039
に対応する
Figure 2015511039
で表されるカテゴリを順位付けすることを含み得る。
本開示は、製品情報を公開するための装置を提供する。この装置は、第１の演算ユニット、第１のマッチユニット、第１の取得ユニット、および第１の公開ユニットを含み得る。第１の演算ユニットは、買い手の記憶された検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する。第１のマッチユニットは、売り手によって入力されたキーワードと、検索クリックログ内の照会語とをマッチする。キーワードは、１つの語、または１つ以上の語を含む句であり得る。第１の取得ユニットは、キーワードが少なくとも１つの照会語と一致するとき、相関情報に基づいて一致した照会語に対応する少なくとも１つのカテゴリを取得する。第１の公開ユニットは、第１の取得ユニットによって取得されたカテゴリの１つ以上のカテゴリの下に、製品情報を記憶する。
例えば、この装置はまた、削除ユニット、第２のマッチユニット、第２の取得ユニット、および第２の公開ユニットを含み得る。第１のマッチユニットが、検索クリックログ内で一致する照会語を見つけることができない場合、削除ユニットは、売り手によって入力されたキーワードから１つ以上の語を削除する。第２のマッチユニットは、中にある１つ以上の語が削除されたキーワードと、検索クリックログ内の照会語とをマッチする。第２のマッチユニットが、検索クリックログ内で少なくとも１つの一致する照会語を見つけた場合、第２の取得ユニットは、相関情報に基づいて、一致した照会語に対応する少なくとも１つのカテゴリを取得する。第２の公開ユニットは、第２の公開ユニットによって取得されたカテゴリの１つ以上のカテゴリの下に、製品情報を記憶する。
例えば、削除ユニットは、ラベル付け値モジュールおよび削除モジュールを含み得る。ラベル付け値モジュールは、構文、文法、意味、および／または統計特性を含む特性に基づいて、キーワードに含まれる各語の重要度値をラベル付けする。削除モジュールは、重要度値が予め設定された重要度値の閾値よりも低い１つ以上の語を削除する。
例えば、この装置はまた、特性解析ユニット、第２の演算ユニット、および選択ユニットを含み得る。第２のマッチユニットが、中にある１つ以上の語が削除されたキーワードと、検索クリックログ内の照会語とをマッチすることができない場合、特性解析ユニットは、売り手によって入力されたキーワードを、構文、文法、および／または意味に基づいた１つ以上の特性に分類する。第２の演算ユニットは、検索クリックログ内の各カテゴリの下で、特性の事後確率を演算する。選択ユニットは、対応する事後確率が予め設定された確率の閾値よりも高い１つ以上のカテゴリを、キーワードに一致し、かつ結果として返されるカテゴリとして選択する。
上記の例示的な実施形態では、本発明の手法は、記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する。売り手が、電子商取引ウェブサイトで製品を公開すると、ウェブサイトサーバは、売り手によって入力されたキーワードと、検索クリックログ内の照会語とをマッチする。キーワードは、１つの語、または１つ以上の語を含む句であり得る。マッチ結果と上記の相関関係に基づいて、売り手が、関連するカテゴリの下に製品情報を正確に記憶し得るように、一致した照会に対応するカテゴリが売り手に推奨される。関連するカテゴリは、製品情報検索が、キーワードに一致する照会語を使用して実施されるとき、買い手が選択できるカテゴリである。買い手が、照会語に従ってウェブサイトサーバに関連する製品情報を照会するとき、ウェブサイトサーバは、検索クリックログ内の受信した照会語に対応する関連するカテゴリを取得し、関連するカテゴリ内の製品情報の検索を実施する。売り手が製品情報を公開するとき、売り手は関連するカテゴリ内の製品情報を記憶しているため、ウェブサイトサーバは、売り手によって公開された製品情報を迅速に取得して、結果として返すであろう。結果として返された製品情報が照会語と一致するとき、買い手が、売り手によって公開された商品情報をクリックする確率は、増加する。本発明の手法は、売り手に対するウェブサイトによる推奨カテゴリの正確さ、および公開された製品情報の収益率を向上させる。
本開示の実施形態を分かりやすく例示するため、以下の実施形態の説明において使用される図面を簡単に記載する。以下の図面は、本開示のいくつかの実施形態に関連しているに過ぎないことは明白である。当業者は、独自の努力を要さず、本開示の図面に従って他の図面を取得することができる。
本開示の原理を実装する例示的なコンピューティングシステムを示す。 第１の例示的な製品情報を公開する装置の略図を示す。 第２の例示的な製品情報を公開する装置の略図を示す。 例示的な削除ユニットの略図を示す。 第３の例示的な製品情報を公開する装置の略図を示す。 製品情報を公開するための例示的な方法のフローチャートを示す。 例示的な製品情報を公開する装置の機能図を示す。 例示的な製品情報を公開する装置のカテゴリを照会するための分類子の略図を示す。 例示的な製品情報を公開する装置により実装された推奨カテゴリのための例示的な方法のフローチャートを示す。
以下は、図を参照して、本開示のいくつかの例示的な実施形態を説明する。矛盾しない限り、例示的な実施形態および例示的な実施形態における特性は、互いに組み合わせ得る。
本開示の例示的な実施形態の詳細な説明に先立って、図１は、本開示の原理を実装する例示的なコンピューティングシステムを示す。特に明記しない限り、以下の説明の中では、１つ以上のコンピュータによって実行される１つ以上の操作および実装を表す記号は、本開示の例示的な実施形態を説明するために参照される。こうして、コンピュータによって実行される操作または実装は、コンピュータの処理ユニットにより、構造的な形式でデータを表す電気信号の操作を含むことが、理解され得る。このような操作により、データを変更するか、またはコンピュータのコンピュータ記憶媒体にデータを保持し、当業者によって理解される方法でコンピュータの操作を再構成または変更する。データを保持するデータ構造は、データのフォーマットおよびコンピュータ記憶媒体内の物理的な位置によって定義された特別な属性を有し得る。実施形態は、本開示を例示するためのものに過ぎず、本開示の範囲を制限するものではないことを理解されたい。矛盾しないとき、本開示の実施形態および各実施形態における特性は、組み合わせ得る。当業者は、操作および後述する実装が、ハードウェアによって実現され得ることを理解し得る。
図において、同じ数字は、同じ要素を指し得る。本開示の原理は、好適なコンピューティング環境において示される。本開示は、以下のいくつかの例示的な実施形態について説明し、この実施形態は、他の代替的な実施形態を排除すべきではなく、本開示を限定するために使用されるべきである。
図１は、例示的な製品コンピュータシステム１００の略図を示す。コンピュータシステム１００は、好適なコンピューティング環境の一例に過ぎず、本発明の手法の範囲または機能を限定するものと解釈されるべきではない。コンピュータシステムは、図１に示すように、任意の構成要素または構成要素の組み合わせに依存または左右されると解釈されるべきではない。
コンピューティングシステムは、汎用もしくは専用コンピュータシステムの環境または構成において使用され得る。例としては、パーソナルコンピュータ、サーバコンピュータ、ハンドヘルドデバイスまたはポータブルデバイス、タブレットデバイス、マルチプロセッサシステム、マイクロプロセッサに基づくシステム、セットアップボックス、プログラム可能なカスタマの電子デバイス、ネットワークＰＣ、小規模コンピュータ、大型コンピュータ、および上記の任意のシステムまたはデバイスを含む分散コンピューティング環境を含む。
図１の実施例では、コンピューティングシステム１００は、製品情報公開システムとして機能し得、少なくともウェブサイトサーバ１０２および１つ以上のクライアント端末１０４を含む。ウェブサイトサーバ１０２は、１つ以上の多重制御プロセッサ（ＭＣＵ）、１つ以上のフィールドプログラマブルゲートアレイ（ＦＰＧＡ）、または任意の他の処理装置、データを記憶する１つ以上のコンピュータ記憶装置、クライアント端末１０４と通信する１つ以上の伝送装置を含み得るが、これらに限定されない。クライアント端末１０４は、１つ以上のＭＣＵ、ウェブサイトサーバ１０２と通信する１つ以上の伝送装置、およびユーザと相互作用する１つ以上の表示装置を含み得る。本開示において、製品情報公開システムは、ソフトウェア、ファームウェア、マイクロウェア、ハードウェア、または機能性を実装するそれらの１つ以上の組み合わせとして定義され得る。製品情報公開システムは、分散機能性を実装するために分散的でさえあり得る。
本開示のいくつかの実施例において、「モジュール」、「構成要素」、または「ユニット」という用語は、コンピューティングシステム１００によって実行されるソフトウェアのオブジェクトまたはインスタンスを指し得る。異なる構成要素、モジュール、ユニット、エンジン、または本明細書に記載のサービスは、コンピューティングシステム１００によって実行されるオブジェクトまたは過程（例えば、単一のスレッド）として、実装され得る。本明細書に記載のシステムおよび方法はソフトウェアとして実装され得るが、ハードウェア、またはハードウェアとソフトウェアとの組み合わせもまた、実装するために使用され得る。
以下は、本開示による第１の例示的な実施形態について説明する。図２は、例示的な製品情報を公開する装置２００の略図を示す。製品情報を公開する装置２００は、ウェブサイトサーバ１０２または端末１０４に位置付けられ得る。
図２の製品情報を公開する装置２００は、１つ以上のプロセッサ（複数可）２０２およびメモリ２０４を含み得る。メモリ２０４は、コンピュータ可読媒体の一例である。本明細書で使用される場合、「コンピュータ可読媒体」は、コンピュータ記憶媒体および通信媒体を含む。
コンピュータ記憶媒体は、情報を記憶するための任意の方法または技術で実装される揮発性および不揮発性、リムーバブルおよび非リムーバブル媒体、例えば、コンピュータ実行可能命令、データ構造、プログラムモジュール、または他のデータなどを含む。コンピュータ記憶媒体の例には、相変化メモリ（ＰＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、他の種類のランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、電気的消去可能プログラム可能読み出し専用メモリ（ＥＥＰＲＯＭ）、フラッシュメモリ、もしくは他のメモリ技術、コンパクトディスク読み出し専用メモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、もしくは他の光学的記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置、もしくは他の磁気記憶装置、またはコンピューティング装置によるアクセス用に情報を記憶するために使用することができる任意の他の非伝送媒体が挙げられるが、これらに限定されない。対照的に、通信媒体は、変調データ信号におけるコンピュータ可読命令、データ構造、プログラムモジュール、または他のデータ、例えば、搬送波などを統合し得る。本明細書で定義されるように、コンピュータ記憶媒体は、通信媒体を含まない。
メモリ２０４は、その中にプログラムユニットまたはモジュールおよびプログラムデータを格納し得る。図２の実施例では、メモリ２０４は、その中に第１の演算ユニット２０６、第１のマッチユニット２０８、第１の取得ユニット２１０、および第１の公開ユニット２１２を格納し得る。第１の演算ユニット２０６は、記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する。第１のマッチユニット２０８は、売り手によって入力されたキーワードと、検索クリックログ内の照会語とをマッチする。キーワードは、１つの語、または１つ以上の語を含む句であり得る。第１の取得ユニット２１０は、キーワードと、検索クリックログ内の少なくとも１つの照会語とをマッチするとき、相関情報に基づいて、一致した照会語に対応する少なくとも１つのカテゴリを取得する。第１の公開ユニット２１２は、第１の取得ユニット２１０によって取得されたカテゴリの１つ以上の前記カテゴリの下に、製品情報を記憶する。換言すれば、第１の公開ユニット２１２は、取得されたカテゴリの１つ以上のカテゴリの下に、製品情報を公開する。
上記の例示的な実施形態では、本発明の手法は、記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する。売り手が、電子商取引ウェブサイトで製品を公開すると、ウェブサイトサーバは、売り手によって入力されたキーワードと、検索クリックログ内の照会語とをマッチする。キーワードは、１つの語、または１つ以上の語を含む句であり得る。マッチ結果と上記の相関関係に基づいて、売り手が、関連するカテゴリの下に製品情報を正確に記憶し得るように、一致した照会に対応するカテゴリが売り手に推奨される。関連するカテゴリは、製品情報の検索がキーワードに一致する照会語を使用して実施されるとき、買い手が選択し得るカテゴリである。買い手が、照会語に従ってウェブサイトサーバに関連する製品情報を照会するとき、ウェブサイトサーバは、検索クリックログ内の受信した照会語に対応する関連するカテゴリを取得し、関連するカテゴリ内の製品情報の検索を実施する。売り手が製品情報を公開するとき、売り手は関連するカテゴリ内の製品情報を記憶しているので、ウェブサイトサーバは、売り手によって公開された製品情報を迅速に取得して、結果として返すであろう。結果として返された製品情報が照会語と一致するとき、買い手が、売り手によって公開された製品情報をクリックする確率が、増加する。本発明の手法は、売り手に対する推奨カテゴリの正確さ、および公開された製品情報の収益率を向上させる。
第１のマッチユニット２０８が、検索クリックログ内で一致する照会語を見つけることができない場合でも、本発明の手法はまた、売り手にカテゴリを推奨するために、製品情報を公開する装置２００を改善し得る。図３に示すように、製品情報を公開する装置３００は、１つ以上のプロセッサ２０２およびメモリ２０４を含み得る。メモリ２０４はまた、その中に、第１の演算ユニット２０６、第１のマッチユニット２０８、第１の取得ユニット２１０、および第１の公開ユニット２１２に加えて、削除ユニット３０２、第２のマッチユニット３０４、第２の取得ユニット３０６、および第２の公開ユニット３０８を格納し得る。
第１のマッチユニット２０８が、検索クリックログ内で一致する照会語を見つけることができない場合、削除ユニット３０２は、売り手によって入力されたキーワードから１つ以上の語を削除する。第２のマッチユニット３０４は、中にある１つ以上の語が削除されたキーワードと、検索クリックログ内の照会語とをマッチする。第２のマッチユニット３０４が、検索クリックログ内で少なくとも１つの一致する照会語を見つけた場合、第２の取得ユニット３０６は、相関情報に基づいて、一致した照会語に対応する少なくとも１つのカテゴリを取得する。第２の公開ユニット３０８は、第２の取得ユニット３０６によって取得されたカテゴリの１つ以上のカテゴリの下に、製品情報を記憶する。
例えば、第１のマッチユニット２０８および第２のマッチユニット３０４は、１つのマッチユニット、または２つの別々のマッチユニットに併合され得る。第１の取得ユニット２１０および第２の取得ユニット３０６は、１つの取得ユニット、または２つの別々の取得ユニットに併合され得る。第１の公開ユニット２１２および第２の公開ユニット３０８は、１つの公開ユニット、または２つの別々の公開ユニットに併合され得る。
例えば、第１のマッチユニット２０８が、検索クリックログ内で一致する照会語を見つけることができない場合、売り手によって入力されたキーワードは、書き換え、例えば、言い換えられる。書き換え過程中に、売り手によって入力されたキーワードの１つ以上の語が、削除され得る。書き換えられたキーワードは、検索クリックログ内の照会語と再度マッチされる。売り手にカテゴリを推奨するための操作は、継続され得る。このように、本発明の手法は、製品が売り手によって公開されるために、推奨カテゴリの網羅率および正解率を改善する。
本開示はまた、売り手によって入力されたキーワードと、検索クリックログ内の照会語とをマッチするために、売り手によって入力されたキーワードの表現の一部を削除する別の手法も提供する。図４に示すように、削除ユニット３０２は、ラベル付け値モジュール４０２および削除モジュール４０４を含み得る。ラベル付け値モジュール４０２は、構文、文法、意味、および／または統計特性を含む特性に基づいて、キーワードに含まれる各語の重要度値をラベル付けする。削除モジュール４０４は、重要度値が予め設定された重要度値の閾値よりも低いキーワードから１つ以上の語を削除する。
キーワードの各語は、構文、文法、意味、および／または統計特性を含む特性に基づいて、ラベル付けされ、評価される。このように、キーワードに含まれる情報は、その重要度に従って選択的に選ばれ、削除される。製品が売り手によって公開されるように、推奨カテゴリの正解率が更に保証される。
第２のマッチユニット３０４が、検索クリックログ内で一致する照会語を見つけることができないとき、本発明の手法はまた、売り手の製品にカテゴリを推奨することを継続するために、第２の製品情報を公開する装置２００を更に修正し得る。図５に示すように、第３の製品情報を公開する装置５００は、第２の製品情報を公開する装置３００に含まれるそれらのユニットに加えて、特性解析ユニット５０２、第２の演算ユニット５０４、および選択ユニット５０６を更に含み得る。第２のマッチユニット３０４が、中にある１つ以上の語が削除されたキーワードと、検索クリックログ内の照会語とをマッチし得ない場合、特性解析ユニット５０２は、売り手によって入力されたキーワードを、構文、文法、および／または意味に基づいた１つ以上の特性に分類する。第２の演算ユニット５０４は、検索クリックログ内の各カテゴリの下で、特性の事後確率をそれぞれに演算する。選択ユニット５０６は、対応する事後確率が予め設定された確率の閾値よりも高い１つ以上のカテゴリを、キーワードに一致し、かつ結果として返されるカテゴリとして選択する。
例えば、第２のマッチユニット３０４は、検索クリックログ内で一致する照会語を見つけることができないとき、検索クリックログ内の各カテゴリの下で、１つ以上の特性の事後確率が演算される。演算された事後確率は、キーワードに一致するカテゴリを選択するための基礎として使用される。このように、本発明の手法は、売り手に製品向けのカテゴリを推奨し続け得、売り手によって公開される製品向けの推奨カテゴリの網羅率は、更に増加する。
例えば、本開示はまた、検索クリックログ内の各カテゴリの下、１つ以上の特性の事後確率を演算するための方法を提供する。以下の式を用いて、検索クリックログ内の各カテゴリの下で、特性の事後確率を演算し得る。
Figure 2015511039
ｙは、検索クリックログ内のカテゴリを表す。ｘは、売り手によって入力されたキーワードを表す。ｆｊ(ｘ、ｙ)は、前記カテゴリｙの下の、ｘのｊ番目の特性を表す。λｊは、ｊ番目の特性の重みを表す。ｚ（ｘ）は、正規化因数を表す。
例えば、構文レベル、文法レベル、および／または意味レベルの特性を含むそれぞれの照会語に含まれる所定の情報に関して、それぞれのカテゴリの下で、それぞれの照会語における信頼度が以下によって定義され得る。
ｐ（ｃは正しい｜ｘ）、式中、キーワードｘの所定の情報が、カテゴリに正しく属するという事後確率を照会することを表す。条件付き最大エントロピーモデルを使用して、事後確率を演算し得る。条件付き最大エントロピーモデルは、事後確率を演算するための一例に過ぎず、本開示を制限するために使用することはできない。いくつかの他の手法、例えば、線形再帰法およびサポートベクターマシン法などを使用して、事後確率を演算し得る。
本開示はまた、記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算するための方法を提供する。例えば、以下の式が使用され得る。
Figure 2015511039
λ１およびλ２は、重みを表し、λ１∈［０，１］、λ２∈［０，１］、λ１＋λ２＝１であり、
Figure 2015511039
は、照会語と案内カテゴリとの間の条件付き確率を表し、
Figure 2015511039
は、照会語と製品カテゴリとの間の条件付き確率を表す。
Figure 2015511039
Figure 2015511039
は、買い手が、ある期間内に
Figure 2015511039
で表される照会語を入力するとき、買い手が
Figure 2015511039
で表されるカテゴリをクリックした回数を表し、
Figure 2015511039
は、買い手がその期間内に
Figure 2015511039
で表される照会語を入力する回数を表す。
Figure 2015511039
Figure 2015511039
は、買い手が、その期間内に
Figure 2015511039
で表される照会語を入力するとき、買い手が
Figure 2015511039
で表されるカテゴリの下で、
Figure 2015511039
で表される製品をクリックする回数を表す。
Figure 2015511039
は、買い手が、期間内に
Figure 2015511039
で表される照会語を入力する回数を表す。
照会語
Figure 2015511039
に対応する
Figure 2015511039
で表されるカテゴリは、順位付けが結果として返された後、信頼度および
Figure 2015511039
で表されるカテゴリに従って順位付けされ得る。本発明の手法は、検索クリックログ内における照会語とカテゴリとの間の相関情報を演算し、かつウェブサイトが、製品が異なるカテゴリの下に配置されるとき、売り手に買い手の関心度の尺度を提供し得ることを保証する。
以下は、本開示の第２の例示的な実施形態を説明する。図１〜５に示すように、製品情報を公開する装置に基づき、本開示はまた、製品情報を公開するための１つ以上の方法を提供する。図６は、製品情報を公開するための例示的な方法のフローチャートを示す。
６０２では、記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報が演算される。
６０４では、売り手によって入力されたキーワードが、検索クリックログ内の照会語にマッチされる。キーワードは、１つの語、または１つ以上の語を含む句であり得る。
６０６では、キーワードと、検索クリックログ内の少なくとも１つの照会語とをマッチするとき、一致した照会語に対応する少なくとも１つのカテゴリが、相関情報に基づいて、取得される。
６０８では、製品情報は、取得されたカテゴリの１つ以上のカテゴリの下に記憶される。換言すれば、製品情報は、取得されたカテゴリの１つ以上のカテゴリの下で公開される。
上記の例示的な方法では、本発明の手法は、記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する。売り手が、電子商取引ウェブサイトで製品を公開する時、ウェブサイトサーバは、売り手によって入力されたキーワードと、照会語とをマッチする。キーワードは、１つの語または、１つ以上の語を含む句であり得る。マッチ結果と上記の相関関係に基づいて、売り手が、関連するカテゴリの下に製品情報を正確に記憶し得るように、一致した照会に対応するカテゴリが売り手に推奨される。関連するカテゴリは、製品情報の検索がキーワードに一致する照会語を使用して実施されるとき、買い手が選択し得るカテゴリである。買い手が、照会語に従ってウェブサイトサーバに関連する製品情報を照会するとき、ウェブサイトサーバは、検索クリックログ内で、受信した照会語に対応する関連するカテゴリを取得し、関連するカテゴリ内で製品情報の検索を実施する。売り手が製品情報を公開するとき、売り手は関連するカテゴリ内の製品情報を記憶しているので、ウェブサイトサーバは、売り手によって公開された製品情報を迅速に取得して、結果として返すであろう。結果として返された製品情報が照会語と一致するとき、買い手が、売り手によって公開された商品情報をクリックする確率は、増加する。本発明の手法はまた、売り手に対するウェブサイトによる推奨カテゴリの正確さ、および公開された製品情報の収益率を向上させる。
一例では、売り手が入力したキーワードが、検索クリックログ内の照会語とマッチされた後、一致する照会語が検索クリックログから全く検出されない場合、売り手によって入力されたキーワードから１つ以上の語が削除され得る。中にある１つ以上の語が削除されたキーワードは、検索クリックログ内の照会語とマッチされる。中にある１つ以上の語が削除されたキーワードが、少なくとも１つの照会語と一致する場合、一致した照会語に対応する少なくとも１つのカテゴリが、相関情報に基づいて取得され、製品情報は、取得されたカテゴリの１つ以上のカテゴリの下に記憶される。
例えば、キーワードから１つ以上の語を削除する過程は、構文、文法、意味、および／または統計特性を含む特性に基づいて、キーワード内の各語の重要度値をラベル付けすることと、重要度値が予め設定された重要度値の閾値よりも低い１つ以上の語を削除することとを含み得る。
例えば、中にある１つ以上の語が削除されたキーワードは、検索クリックログ内の照会語とマッチされる。中にある１つ以上の語が削除されたキーワードが、検索クリックログ内の少なくとも１つの照会語と一致しない場合、売り手によって入力されたキーワードは、特構文、文法、および／または意味に基づいて、１つ以上の特性に分類される。検索クリックログ内の各カテゴリの下で、特性の事後確率が、演算される。対応する事後確率が予め設定された確率の閾値よりも高い１つ以上のカテゴリが、キーワードに一致し、かつ結果として返されるカテゴリとして選択される。
例えば、本開示はまた、検索クリックログ内の各カテゴリの下で、１つ以上の特性の事後確率を演算するための方法を提供する。以下の式を用いて、検索クリックログ内の各カテゴリの下で、特性の事後確率を演算し得る。
Figure 2015511039
ｙは、検索クリックログ内のカテゴリを表す。ｘは、売り手によって入力されたキーワードを表す。ｆｊ(ｘ、ｙ)は、前記カテゴリｙの下の、ｘのｊ番目の特性を表す。λｊは、ｊ番目の特性の重みを表す。ｚ（ｘ）は、正規化因数を表す。
例えば、構文レベル、文法レベル、および／または意味レベルの特性を含むそれぞれの照会語に含まれる所定の情報に関して、それぞれのカテゴリの下で、それぞれの照会語における信頼度が以下によって定義され得る。
ｐ（ｃは正しい｜ｘ）、式中、キーワードｘの所定の情報が、カテゴリに正しく属するという事後確率を照会することを表す。条件付き最大エントロピーモデルを使用して、事後確率を演算し得る。条件付き最大エントロピーモデルは、事後確率を演算するための一例に過ぎず、本開示を制限するために使用されるべきではない。いくつかの他の手法、例えば、線形再帰法およびサポートベクターマシン法などを使用して、事後確率を演算し得る。
本開示はまた、記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算するための方法を提供する。例えば、以下の式が使用され得る。
Figure 2015511039
λ１およびλ２は、重みを表し、λ１∈［０，１］、λ２∈［０，１］、λ１＋λ２＝１であり、
Figure 2015511039
は、照会語と、案内カテゴリ、またはウェブサイトの案内もしくはナビゲーション領域に表示されたカテゴリとの間の条件付き確率を表す。
Figure 2015511039
は、それぞれの照会語と製品カテゴリとの間の条件付き確率を表す。
Figure 2015511039
Figure 2015511039
は、買い手が、ある期間内に
Figure 2015511039
で表される照会語を入力するとき、買い手が
Figure 2015511039
で表されるカテゴリをクリックした回数を表し、
Figure 2015511039
は、買い手がその期間内に
Figure 2015511039
で表される照会語を入力する回数を表す。
Figure 2015511039
Figure 2015511039
は、期間内に買い手が、
Figure 2015511039
で表される照会語を入力したとき、買い手が、
Figure 2015511039
で表されるカテゴリの下で、
Figure 2015511039
で表される製品をクリックした回数を表す。
Figure 2015511039
は、買い手が、期間内に
Figure 2015511039
で表される照会語を入力する回数を表す。
照会語
Figure 2015511039
に対応する
Figure 2015511039
で表されるカテゴリは、順位付けが結果として返された後、信頼度および
Figure 2015511039
で表されるカテゴリに従って順位付けされ得る。本発明の手法は、検索クリックログ内における照会語とカテゴリとの間の相関情報を演算し、かつウェブサイトが、製品が異なるカテゴリの下に配置されるとき、売り手に買い手の関心度の尺度を提供し得ることを保証する。
以下は、本開示の第３の例示的な実施形態を説明する。図１〜６に示すように、製品情報を公開する装置および方法に基づき、本開示はまた、別の製品情報を公開する装置を提供する。
図７は、製品情報を公開するための別の例示的な装置のフローチャートを示す。図７に示すように、売り手が、電子商取引ウェブサイトで製品を公開するとき、売り手は、公開される製品情報に関連するキーワードを入力することによって、照会７０２を行う。キーワードは、１つ以上の語もしくは句、または自然な言語による短文を含む。電子商取引ウェブサイトは、例えば、カテゴリ推奨システム７０４などのコンピューティングシステムを介して、キーワードに基づいて、製品に関連した１つ以上の推奨カテゴリ７０６を提供し、特定の順序でカテゴリを順位付けする。例えば、順位付けされた推奨カテゴリは、カテゴリ７０８（１）、７０８（２）、・・・、７０８（ｎ）（ｎは、任意の整数であり得る）を含み得る。売り手は、順位付けされた推奨カテゴリから１つ以上の好適なカテゴリを選択７１０する。いくつかの例では、製品公開システム７１２は、売り手が、端子を介してカテゴリ属性７１６を記入７１４するために、売り手にインタフェースを提供し得る。製品公開システム７１２は、ユーザが選択または記入するように、選択されたカテゴリの必須属性および任意選択属性を出力し得、これは、ユーザが情報を入力するのに役立ち、かつ公開された製品情報を標準化する。
電子商取引ウェブサイトにおける製品は、１つ以上のカテゴリに分類され得る。検索を実施する時、買い手は、クリックしていくつかの製品を閲覧し得る。このように、相関情報は、製品のカテゴリと照会との間で確立される。相関情報は、照会語と製品のカテゴリとの間の関連度と、また異なるカテゴリの下での製品に対する買い手の関心の尺度とを含み得る。検索を実施するとき、買い手はまた、１つ以上の案内カテゴリ、例えば、照会語とカテゴリとの間の相関情報をより直接的に反映するウェブサイトのウェブページにおける案内領域に表示されるカテゴリなどをクリックし得る。
相関情報を使用して、照会語とカテゴリとの間の信頼度を説明し得る。例えば、３カ月以上のような期間内の買い手の検索クリックログを使用して、照会およびカテゴリ関連表を確立する。
例えば、
Figure 2015511039
で表される所定のクエリに対して、１組のカテゴリは、製品に対応するカテゴリを含み、買い手によってクリックされる案内カテゴリは、
Figure 2015511039
で表される。
Figure 2015511039
に対して、
Figure 2015511039
で表される推奨カテゴリの条件付き確率は、
Figure 2015511039
として定義され、これは、推奨カテゴリ
Figure 2015511039
のクエリ
Figure 2015511039
に対する信頼度を説明する。全てのカテゴリに関して、以下の条件が満たされる。
Figure 2015511039
例えば、買い手の検索クリックログは、以下の２つのコンポーネントを有し得る。一方のコンポーネントは、案内カテゴリのクリック数であり、他方のコンポーネントは、製品のクリック数である。
案内カテゴリのクリックは、クエリとカテゴリとの間の関係を直接的に説明する。クエリと推奨カテゴリとの間の条件付き確率は、以下の式によって演算され得る。
Figure 2015511039
Figure 2015511039
Figure 2015511039
は、買い手が、ある期間内に
Figure 2015511039
で表される照会語を入力するとき、買い手が
Figure 2015511039
で表されるカテゴリをクリックした回数を表し、
Figure 2015511039
は、買い手がその期間内に
Figure 2015511039
で表される照会語を入力する回数を表す。
製品のクリック数に関して、毎回買い手が、クエリを入力した後に製品をクリックする毎に、１つの相関関係が、クエリと、製品に対応するカテゴリとの間で発生する。よって、クエリと推奨カテゴリとの間の条件付き確率は、検索クリックログに基づいて演算される。例えば、以下の式を用いて、条件付き確率を演算し得る。
Figure 2015511039
Figure 2015511039
は、期間内に買い手が、
Figure 2015511039
で表される照会語を入力したとき、買い手が、
Figure 2015511039
で表されるカテゴリの下で、
Figure 2015511039
で表される製品をクリックした回数を表す。
Figure 2015511039
は、買い手が、期間内に
Figure 2015511039
で表される照会語を入力する回数を表す。
上記２つの種類のクリック情報から取得した条件付き確率は、推奨カテゴリの信頼度を取得するように、重み付けされる。例えば、線形重み付け法は、以下のように使用し得る。
Figure 2015511039
λ１およびλ２は、重みを表す。例えば、経験値または線形再帰法を使用して、λ１およびλ２を決定し得る。
多数の照会およびカテゴリ関連表は、検索クエリログに基づいて確立され得る。それぞれの照会とそれぞれのカテゴリとの間の関係は、確率値によって表され得る。確率値の得点はまた、買い手の視点から、それぞれの照会とそれぞれのカテゴリとの間の関連度を示す。
製品を公開するとき、売り手がキーワードを入力し、次いで、キーワードが照会およびカテゴリ関連表内で検索される。買い手がまた、同一または類似のクエリを実施する場合、キーワードとカテゴリとの間の関係が位置付けされ得る。カテゴリは、関連度の順位付けに従って売り手に表示され、選択され得る。このようして、キーワードの推奨は、実現される。
別の例において、本開示は、上記の装置に別の改善をもたらす。売り手によって入力されたキーワードが複雑で長く、買い手の検索クリックログに現れないとき、売り手によって入力されたキーワードは、書き換えられ得る。いくつかの重要でない語が、キーワードの長さを短縮するためにキーワードから削除され得る一方で、キーワードの対象の重要情報は保持される。よって、中にある特定の語が削除された後のキーワードは、検索クリックログ内でより高い出現確率を有するであろう。加えて、書き換えは、キーワードの対象の重要情報を保持し、推奨カテゴリは、元のクエリに適合し得る。
キーワードを書き換えるための１つ以上の方法が存在する。第１のステップで、キーワードを書き換えるための以下の方法の例では、キーワード内の各語の重要度値は、構文、文法、意味、および／または統計特性を含む特性に基づいて、演算され得る。
構文は、語の長さを含み得る。短すぎるまたは長すぎることは、語の対象の重要性の違いを予言する。構文は、語のコンポーネントを含み得る。純粋な数字から成る語が、他の語とは異なる対象における重要性を有し得る。構文はまた、語の分類情報を表し得る接尾語、例えば、「ｅｒ」または「ｏｒ」などを含み得る。
文法は、語の重要度を反映するために、語の構文上の機能を含み得る。例えば、形容詞または副詞は、情報の焦点を反映する可能性がより低くなり得、情報の焦点の属性と分類との修飾関係を反映する可能性がより高くなり得る。対照的に、名詞は、情報の対象に対してより貢献し得る。文法は、句の解析を含み得る。句を使用して、文法レベルで、語の間の全体的な関係を決定する。構文はまた、情報の焦点を認識するために、文法およびテンプレート情報に基づいて識別され得る文法的に中心となる語を含み得る。文法はまた、キーワード内の語または句の出現位置を含み得る。出現位置は、語または句と、文法的に中心となる語との間の距離を決定し、修飾の緊密さおよび情報量を反映する。
意味は、語に対応する意味ラベルを含み得る。例えば、意味ラベルは、語が特定の製品名あるいは特定の製品名の一部であることを印付ける製品名、語が特定のブランド名または特定のブランド名の一部であることを印付けるブランド名、語が特定の地理的名称または特定の地理的名称の一部であることを印付ける地理的位置を含み得る。
統計特性は、照会における語の出現頻度を含み得る。例えば、統計特性は、独立した単一のクエリとしての語の頻度、中心となる語としての語の頻度、および／または修飾語としての語の頻度を含み得る。
例えば、各特性は、語の重要性に対するその影響に基づいて、値が設定され得る。語の重要性は、これらの値を乗算することによって測定され得る。
第２のステップでは、キーワード内の複数語セクタが識別される。複数語セクタは、全体的に意味のある言語単位を構成する複数の語を指す。複数語セクタ内の任意の語を削除することは、全体的な意味を失い得る。
例えば、複数語セクタは、統計情報に基づいて識別され得る。任意の２つ以上の語が、検索クリックログおよび／または製品タイトル内に連続的に出現する回数が演算される。回数が多いほど、これらの２つ以上の語が複数語セクタを構成する確率は高くなる。複数語セクタが、異なる句にわたり出現する可能性がないとき、複数語セクタは、キーワード内で分類される各句から識別される。加えて、ブランド名および製品の組み合わせが頻繁に発生する。しかし、このような組み合わせは、２つの意味を有し得、１つの複数語セクタとして数えられる可能性はない。例示的な演算アルゴリズムは、次の通りである。
第一に、句が読み出され、句の開始位置は、現在の複数語セクタの開始位置として設定される。
第二に、現在の語と次の語が読み込まれる。現在の語の意味が、ブランド名であり、次の語の意味は、ブランド名でない場合、複数語セクタは、開始位置から現在の位置まで取得される。複数語セクタの情報が記憶され、次の語の開始位置が、次の複数語セクタの開始位置として設定される。
それ以外の場合は、現在の語および次の語の連続した出現頻度が閾値Ｃを上回るか否かが決定される。現在の語と次の語の連続した出現頻度が閾値Ｃを上回らない場合、複数語セクタは、開始位置から現在の位置まで取得される。複数語セクタの情報が記憶され、次の語の開始位置が、次の複数語セクタの開始位置として設定される。
第三に、現在の位置は、句内の複数語セクタを全て識別する操作が完了するまで、次の語の位置に移動される。複数語セクタの識別が完了した後、複数語セクタ内において最も高い得点を有する語が、複数語セクタの重要度得点として使用される。
第３のステップでは、キーワードが、関連表を検索し、推奨カテゴリを取得するために、書き換えられる。例えば、最も高い重要度得点を有する句は、照会語の対象の情報の焦点として扱われ得、保持される。このような句は、語、用語、または複数語セクタであり得る。最も低い得点を有する句は削除され得る。書き換えられたキーワードを使用して、照会語とカテゴリとの間の関連表を検索する。推奨カテゴリが取得された場合、それが結果として返される。それ以外の場合は、現在の最も低い得点を有する別の句が１つずつ削除され、推奨カテゴリが取得される、または削除される句が存在しなくなるまで、書き換えられたキーワードを使用して関連表を検索する。
上記の書き換え過程の後、売り手によって入力されたキーワードが、依然として推奨カテゴリを位置付けることができない場合は、機械学習法を使用して、カテゴリを推奨し得る。以下の例示的な式を用いて、検索クリックログ内の各カテゴリの下で、特性の事後確率を演算し得る。
Figure 2015511039
ｙは、検索クリックログ内のカテゴリを表す。ｘは、売り手によって入力されたキーワードを表す。ｆｊ（ｘ、ｙ）は、カテゴリｙの下の、ｘのｊ番目の特性を表す。λｊは、ｊ番目の特性の重みを表す。ｚ（ｘ）は、正規化因数を表す。
例えば、構文レベル、文法レベル、および／または意味レベルの特性を含む、キーワードに含まれる所定の情報に関して、それぞれのカテゴリの下で、キーワードの信頼度が以下によって定義され得る。
ｐ（ｃは正しい｜ｘ）、式中、キーワードｘの所定の情報が、カテゴリに正しく属するという事後確率を照会することを表す。条件付き最大エントロピーモデルを使用して、事後確率を演算し得る。条件付き最大エントロピーモデルは、事後確率を演算するための一例に過ぎず、本開示を制限するために使用することはできない。いくつかの他の手法、例えば、線形再帰法およびサポートベクターマシン法などを使用して、事後確率を演算し得る。
例えば、キーワードに対して選択されるいくつかの分類特性は、
（１）製品名として語を印付け、意味解析から取得され得る製品、
（２）ブランド名として語を印付け、意味解析から取得され得るブランド、
（３）モデル名として語を印付け、意味解析から取得され得るモデル、
（４）中心となる語、
（５）全ての名詞、
（６）中心となる語、および中心となる語の左にある名詞、および／または
（７）中心となる語、および中心となる語の右にある名詞を含み得る。
照会分類子マシンは、上記の分類アルゴリズムに基づいて確立される。キーワードは、照会分類子マシンに入力され得、出力は、順位付けで最上位Ｎ番目のカテゴリとそれらの信頼度を含む分類結果である。Ｎは、任意の予め設定された整数であり得る。図８は、満足のいく信頼度を有するカテゴリが取得されるまで、売り手によってレベル毎に入力されるキーワードを分類する例示的な照会分類子を示す。図８の例では、ルートカテゴリ分類子８０２、中間カテゴリ分類子８０４、および複数のリーフカテゴリ分類子８０６（１）、．．．、８０６（ｉ）．．．、８０６（ｍ）、８０６（ｎ）（式中、ｍ、ｎは任意の整数であり得る）が存在する。
機械学習法は、データ駆動型である。その中にある分類子は、ユーザのデータ検索の自動トレーニングに基づいて駆動され、ユーザの行動に適合する。このように、分類子は、高い自己適応性を有し、カテゴリシステムが頻繁に変化する展開に容易に適用可能である。
図９は、本開示に従って、例示的な製品情報を公開する装置により実施される例示的なカテゴリ推奨過程のフローチャートを示す。
９０２では、公開される商品のキーワードが、売り手によって入力される。
９０４では、キーワードを使用して、照会およびカテゴリ関連表９０６内を検索する。例えば、照会およびカテゴリ関連表９０６は、オフラインモジュール９０８を介して達成され得る。オフラインモジュール９０８は、相関情報９１２を確立すること、および機械学習モデル９１４をトレーニングすることにより、例えば、３カ月以上といった期間内に、買い手の検索クリックログ９１０に基づいて、照会及およびカテゴリ関連表９０６を確立する。例えば、オフラインモジュール９０８は、例えば、検索クリックログ９１０などの記憶されたデータに基づいて、照会およびカテゴリ関連表９０６を予め確立し得る。
９１６では、キーワードが照会およびカテゴリ関連表９０６内の１つ以上の照会語と首尾よく一致するか否かが、決定される。結果が肯定的である場合、９１８における操作が行われ、それ以外の場合、９２０における操作が行われる。
９１８では、一致した照会語に対応する１つ以上のカテゴリが、売り手の製品の推奨カテゴリとして決定される。この過程は、ここで終了し得る。
９２０では、売り手が入力したキーワードが書き換えられる。例えば、キーワード中にある１つ以上の語が、削除され得る。
９２２では、書き換えられたキーワードが、照会およびカテゴリ関連表９０６内の１つ以上の照会語と首尾よく一致するか否かが決定される。結果が肯定的である場合、９１８における操作が行われ、それ以外の場合、９２４における操作が行われる。
９２４では、機械学習法が適用され、売り手の製品に推奨カテゴリを提供する。オンラインモジュール９２６を使用して、機械学習法のための１つ以上の分類子モデル９２６のトレーニングを実施し得る。例えば、オンラインのモジュール９２６は、ユーザがウェブサイトで照会を実施するとき、リアルタイムに解析を実施し得る。
上記の例示的な製品情報を公開する装置において、売り手が製品を公開するとき、推奨カテゴリが、最初に、売り手によって入力される製品のキーワードに基づいて、売り手に提供される。商品のキーワードが、照会およびカテゴリ関連表内に一致するものを見つけることができない場合は、キーワードから１つ以上の語を削除され得るように、キーワードが書き換えられ得る。商品の書き換えられたキーワードが、照会およびカテゴリ関連表内に一致するものを見つけることができない場合は、機械学習法が使用され得る。３つの方法の全ては、互いに補足され得る。
上記の例示的な実施形態では、本発明の手法は、記憶された買い手の検索クリックログに基づいて、検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する。売り手が、電子商取引ウェブサイトで製品を公開する時、ウェブサイトサーバは、売り手によって入力されたキーワードと、照会語とをマッチする。キーワードは、１つの語または、１つ以上の語を含む句であり得る。マッチ結果と上記の相関関係に基づいて、売り手が、関連するカテゴリの下に製品情報を正確に記憶し得るように、一致した照会に対応するカテゴリが売り手に推奨される。関連するカテゴリは、製品情報の検索がキーワードに一致する照会語を使用して実施されるとき、買い手が選択し得るカテゴリである。買い手が、照会語に従ってウェブサイトサーバに関連する製品情報を照会するとき、ウェブサイトサーバは、検索クリックログ内で、受信した照会語に対応する関連するカテゴリを取得し、関連するカテゴリ内で製品情報の検索を実施する。売り手が製品情報を公開するとき、売り手は関連するカテゴリ内の製品情報を記憶しているので、ウェブサイトサーバは、売り手によって公開された製品情報を迅速に取得して、結果として返すであろう。結果として返された製品情報が照会語と一致するとき、買い手が、売り手によって公開された商品情報をクリックする確率は、増加する。本発明の手法はまた、売り手のウェブサイトによる推奨カテゴリの正確さ、および公開された製品情報の収益率を向上させる。
本開示の実施形態は、方法、装置（デバイスまたはシステム）、またはコンピュータのプログラミング製品の形態であり得ることは、当業者が理解し得る。上記のユニットまたは操作は、１つ以上の汎用コンピューティングデバイスによって実装され得る。このようなユニットまたは操作は、単一のコンピューティングデバイス、または複数のコンピューティングデバイスから成る分散ネットワークによって実装され得る。更に、本発明の手法は、１つ以上のプロセッサによって実行可能で、コンピュータ記憶媒体（ディスク、ＣＤ−ＲＯＭ、光ディスク等を含むが、これらに限定されない）に記憶される、コンピュータで実行可能な命令を含む１つ以上のコンピュータプログラム製品の形態で実装され得る。各モジュールは、単一の集積回路内で実装され得る。あるいは、複数のモジュールが、単一の集積回路内で実装され得る。したがって、本開示は、ハードウェア、ソフトウェア、または両方の組合せおよびによって実装され得、ハードウェアおよび／またはソフトウェアの任意の特定の組み合わせに限定されない。
本開示は、本開示の実施形態の方法、装置（デバイスまたはシステム）、およびコンピュータプログラムのフローチャート、および／またはブロック図を参照して説明される。図のフローおよびブロックの順序は、限定されない。いくつかの他の順番を用いて、図中の操作を実装し得る。フローチャートおよび／またはブロック図の、各フローおよび／またはブロック、ならびにフローおよび／またはブロックの組み合わせは、コンピュータプログラム命令によって実装され得ることを理解されたい。コンピュータ、または他のプログラム可能なデータプロセッサによって操作される命令を通して、フローチャートの１つ以上のフロー、および／またはブロック図の１つ以上のブロックを実装する装置が生成され得るように、これらのコンピュータプログラム命令は、汎用コンピュータ、専用コンピュータ、内蔵プロセッサ、または他のプログラム可能なデータプロセッサに提供され、マシンを生成し得る。
コンピュータ記憶媒体に保存された命令が、１つ以上の命令装置を含む製品を生成するように、これらのコンピュータプログラム命令はまた、特定の方法で操作するためにコンピュータまたは他のプログラム可能なデータプロセッサに命令することができる、他のコンピュータ記憶媒体内に保存され得る。命令装置は、フローチャートの１つ以上のフロー、および／またはブロック図の１つ以上のブロックで指定された機能を実装する。
コンピュータ、または他のプログラム可能なデータプロセッサが、コンピュータによって実装される過程を生成するための一連の操作ステップを操作し得るように、これらのコンピュータプログラム命令はまた、コンピュータ、または他のプログラム可能なデータプロセッサに読み込まれ得る。これにより、コンピュータ、または他のプログラム可能なデータプロセッサで実行される命令は、フローチャートの１つ以上のフローおよび／またはブロック図の１つ以上のブロックに特定される機能を実装するステップを提供し得る。
例示的な実施形態は、本開示を例示するためのものに過ぎず、本開示の範囲を制限するために意図されたものではない。当業者は、例示的な実施形態に更なる変更または修正を行い得る。本開示の原理内で、本開示の任意の修正、変更、または改善が、依然として本開示の保護範囲に含まれるべきである。

Claims (20)

  1. 製品情報を公開するための方法であって、
    キーワードと、検索クリックログ内の照会語とをマッチすることと、
    前記キーワードが、前記検索クリックログ内の少なくとも１つの照会語と一致するという決定に応答して、相関情報に基づいて、前記少なくとも１つの照会語に対応する少なくとも１つのカテゴリを取得することであって、前記相関情報は、前記検索クリックログ内の前記照会語と前記カテゴリとの間で演算されることと、
    前記取得されたカテゴリの１つ以上のカテゴリの下で前記製品情報を公開することと、を含む、方法。
  2. 前記取得されたカテゴリを、前記キーワードとのそれらの関連の程度に基づいて、順位付けすることと、
    前記順位付けの結果に基づいて、前記取得されたカテゴリから前記１つ以上のカテゴリを選択することと、を更に含む、請求項１に記載の方法。
  3. 前記キーワードが、前記検索クリックログ内のいずれの照会語とも一致しないという決定に応答して、前記キーワードを書き換えることと、
    前記書き換えられたキーワードと、前記検索クリックログ内の前記照会語とをマッチすることと、を更に含む、請求項１に記載の方法。
  4. 前記キーワードを書き換えることが、前記キーワードから１つ以上の語を削除することを含む、請求項３に記載の方法。
  5. 前記キーワードから前記１つ以上の語を削除することが、
    前記キーワードに含まれる各語についてのそれぞれの重要度値をラベル付けすることと、
    それぞれの重要度値が、予め設定された重要度値の閾値よりも低い、前記１つ以上の語を削除することと、を含む、請求項４に記載の方法。
  6. 前記キーワードに含まれる各語の前記それぞれの重要度値を前記ラベル付けすることが、
    それぞれの語のそれぞれの構文、文法、意味、および統計特性に基づいて、前記キーワードに含まれる各語の前記それぞれの重要度値をラベル付けすることを含む、請求項５に記載の方法。
  7. 前記書き換えられたキーワードが、前記検索クリックログ内のいずれの照会語とも一致しないという決定に応答して、
    前記キーワードを１つ以上の特性に分類することと、
    前記検索クリックログ内の各カテゴリの下で前記１つ以上の特性の各事後確率を演算することと、
    対応する事後確率が、予め設定された閾値よりも高い前記１つ以上のカテゴリを、前記キーワードに一致するカテゴリとして決定することと、を更に含む、請求項３に記載の方法。
  8. 前記特性は、
    前記語が、製品名であるか否かを決定する製品と、
    前記語が、ブランド名であるか否かを決定するブランドと、
    前記語が、モデル名であるか否かを決定するモデルと、
    前記キーワード中の中心となる語と、
    前記キーワード中の１つ以上の名詞と、
    前記中心となる語、および前記中心となる語の左にある名詞と、
    前記中心となる語、および前記中心となる語の右にある名詞と、を含む、請求項７に記載の方法。
  9. 各カテゴリの下で前記１つ以上の特性の各前記事後確率を演算することが、以下の式、
    Figure 2015511039
     を使用することを含み、
    式中、
    ｙは、前記検索クリックログ内のそれぞれのカテゴリを表し、
    ｘは、前記キーワードを表し、
    ｆｊ（ｘ、ｙ）は、前記カテゴリｙの下の、ｘのｊ番目の特性を表し、
    λｊは、前記ｊ番目の特性の重みを表し、
    ｚ（ｘ）は、正規化因数を表す、請求項７に記載の方法。
  10. 前記相関情報が前記照会語と前記検索クリックログ内の前記カテゴリとの間で演算されることは、それぞれの照会語に対応する各カテゴリの信頼度を演算するために、以下の式を使用することを含み、
    Figure 2015511039
     式中、
    λ１およびλ２は、重みを表し、λ１∈［０，１］、λ２∈［０，１］、λ１＋λ２＝１であり、
    Figure 2015511039
     は、前記それぞれの照会語と案内カテゴリとの間の条件付き確率を表し、
    Figure 2015511039
     は、前記それぞれの照会語と製品カテゴリとの間の条件付き確率を表す、請求項１に記載の方法。
  11. 前記
    Figure 2015511039
     は、以下の式を用いて演算され、
    Figure 2015511039
     式中、
    Figure 2015511039
     は、ある期間内で
    Figure 2015511039
     で表される前記それぞれの照会語の受信の
    Figure 2015511039
     で表されるそれぞれのカテゴリをクリックする回数を表し、
    Figure 2015511039
     は、前記期間内で
    Figure 2015511039
     で表される前記それぞれの照会語を受信する回数を表す、請求項１０に記載の方法。
  12. 前記
    Figure 2015511039
     は、以下の式を用いて演算され、
    Figure 2015511039
     式中、
    Figure 2015511039
     は、前記期間内で
    Figure 2015511039
     で表される前記それぞれの照会語の受信の
    Figure 2015511039
     で表される前記それぞれのカテゴリの下で
    Figure 2015511039
     で表される製品をクリックする回数を表し、
    Figure 2015511039
     は、前記期間内で
    Figure 2015511039
     で表される前記それぞれの照会語を受信する回数を表す、請求項１０に記載の方法。
  13. 前記取得されたカテゴリをそれらの信頼度に基づいて順位付けすることを更に含む、請求項８に記載の方法。
  14. 前記検索クリックログが、買い手のクリック行動から確立される、請求項１に記載の方法。
  15. 前記キーワードが、前記売り手によって入力される、請求項１に記載の方法。
  16. 製品情報を公開するための方法であって、
    キーワードと、検索クリックログ内の照会語とをマッチすることと、
    前記キーワードが前記検索クリックログ内の少なくとも１つの照会語と一致するという決定に応答して、相関情報に基づいて、前記少なくとも１つの照会語に対応する前記キーワードについての少なくとも１つのカテゴリを取得することであって、前記相関情報は、前記検索クリックログ内の照会語とカテゴリとの間で演算されることと、
    前記キーワードが、前記検索クリックログ内のいずれの照会語とも一致しないという決定に応答して、
    前記キーワードを書き換えることと、
    前記書き換えられたキーワードと、前記検索クリックログ内の前記照会語とをマッチすることと、
    前記書き換えられたキーワードが、前記検索クリックログ内の少なくとも１つの照会語と一致するという決定に応答して、前記相関情報に基づいて、前記少なくとも１つの照会語に対応する前記書き換えられたキーワードについての少なくとも１つのカテゴリを取得することと、
    前記書き換えられたキーワードが、前記検索クリックログ内のいずれの照会語とも一致しないという決定に応答して、前記キーワードについての少なくとも１つのカテゴリを取得するために、機械学習法を適用することと、を含む、方法。
  17. 前記キーワードとの関連の程度に基づいて、前記取得されたカテゴリを順位付けすることと、
    前記順位付けの結果に基づいて、前記取得されたカテゴリから前記１つ以上のカテゴリを選択することと、を更に含む、請求項１６に記載の方法。
  18. 前記キーワードから前記１つ以上の語を削除することが、
    前記キーワードに含まれる各語についてそれぞれの重要度値をラベル付けすることと、
    それぞれの重要度値が予め設定された重要度値の閾値よりも低い、前記１つ以上の語を削除することと、を含む、請求項１６に記載の方法。
  19. 製品情報を公開するための装置であって、
    検索クリックログ内の照会語とカテゴリとの間の相関情報を演算する第１の演算ユニットと、
    キーワードと、前記検索クリックログ内の前記照会語とをマッチする第１のマッチユニットと、
    前記キーワードが、前記検索クリックログ内の少なくとも１つの照会語と一致するという決定に応答して、前記相関情報に基づいて、前記少なくとも１つの照会語に対応する少なくとも１つのカテゴリを取得する第１の取得ユニットと、
    前記取得されたカテゴリの１つ以上のカテゴリの下で、前記製品情報を公開する第１の公開ユニットと、を備える、装置。
  20. 前記第１のマッチユニットが、前記検索クリックログ内で一致する照会語を見つけることができないという決定に応答して、前記キーワードから１つ以上の語を削除する削除ユニットと、
    中にある前記１つ以上の語が削除された前記キーワードと、前記検索クリックログ内の前記照会語とをマッチする第２のマッチユニットと、
    前記第２のマッチユニットが、前記検索クリックログ内で少なくとも１つの一致した照会語を見つけたという決定に応答して、、前記相関情報に基づいて、前記一致した照会語に対応する少なくとも１つのカテゴリを取得する第２の取得ユニットと、
    第２の公開ユニットによって取得された前記カテゴリの１つ以上のカテゴリの下で、前記製品情報を公開する第２の公開ユニットと、を更に備える、請求項１９に記載の装置。
JP2015500573A 2012-03-15 2013-03-13 製品情報の公開 Active JP6177871B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN2012100694649A CN103310343A (zh) 2012-03-15 2012-03-15 商品信息发布方法和装置
CN201210069464.9 2012-03-15
PCT/US2013/031031 WO2013138516A1 (en) 2012-03-15 2013-03-13 Publishing product information

Publications (2)

Publication Number Publication Date
JP2015511039A true JP2015511039A (ja) 2015-04-13
JP6177871B2 JP6177871B2 (ja) 2017-08-09

Family

ID=48014326

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015500573A Active JP6177871B2 (ja) 2012-03-15 2013-03-13 製品情報の公開

Country Status (6)

Country Link
US (1) US9665622B2 (ja)
EP (1) EP2825981A1 (ja)
JP (1) JP6177871B2 (ja)
CN (1) CN103310343A (ja)
TW (1) TWI557664B (ja)
WO (1) WO2013138516A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200084422A (ko) * 2018-12-24 2020-07-13 주식회사 포티스 신경망을 이용한 패션 상품 관련 정보 정제를 위한 서비스 제공 장치 및 방법
JP2022165754A (ja) * 2021-04-20 2022-11-01 ヤフー株式会社 算出装置、算出方法及び算出プログラム

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9524520B2 (en) * 2013-04-30 2016-12-20 Wal-Mart Stores, Inc. Training a classification model to predict categories
US9524319B2 (en) 2013-04-30 2016-12-20 Wal-Mart Stores, Inc. Search relevance
US9652499B1 (en) * 2013-08-21 2017-05-16 Athena Ann Smyros Search-based recommendation engine
CN105718457B (zh) * 2014-12-01 2021-03-26 航天信息股份有限公司 基于电子票据的信息推送方法及系统
JP5852768B1 (ja) * 2015-06-30 2016-02-03 楽天株式会社 管理装置、管理方法、プログラム、及び記録媒体
CN105468680A (zh) * 2015-11-16 2016-04-06 中国建设银行股份有限公司 一种数据检索方法和装置
CN106909931B (zh) * 2015-12-23 2021-03-16 阿里巴巴集团控股有限公司 一种用于机器学习模型的特征生成方法、装置和电子设备
CN106919576A (zh) * 2015-12-24 2017-07-04 北京奇虎科技有限公司 利用二级类目下的关键词库搜索应用程序的方法及装置
US11244349B2 (en) * 2015-12-29 2022-02-08 Ebay Inc. Methods and apparatus for detection of spam publication
CN106960248B (zh) * 2016-01-08 2021-02-23 阿里巴巴集团控股有限公司 一种基于数据驱动预测用户问题的方法及装置
CN106997360A (zh) * 2016-01-25 2017-08-01 阿里巴巴集团控股有限公司 用户行为数据的处理方法和装置
CN107230123A (zh) * 2016-03-25 2017-10-03 阿里巴巴集团控股有限公司 商品映射方法、装置及设备
CN107608983B (zh) * 2016-07-11 2021-03-30 阿里巴巴集团控股有限公司 标题信息优化方法、装置、设备及系统
CN106856450B (zh) * 2017-01-09 2020-09-29 东软集团股份有限公司 基于社交网络的社交信息生成方法和装置
TWI633448B (zh) * 2017-07-24 2018-08-21 優像數位媒體科技股份有限公司 Method of analyzing the interest preferences of website readers
CN109658455B (zh) * 2017-10-11 2023-04-18 阿里巴巴集团控股有限公司 图像处理方法和处理设备
CN108564400B (zh) * 2018-03-30 2021-11-02 重庆首卓网络信息科技有限公司 商品信息推广系统及方法
TWI694389B (zh) * 2018-05-03 2020-05-21 和碩聯合科技股份有限公司 文件推薦系統及操作文件推薦系統的方法
CN108805622B (zh) * 2018-06-11 2021-11-09 深圳乐信软件技术有限公司 商品推荐方法、装置、设备及存储介质
CN110766486B (zh) * 2018-07-09 2024-10-22 北京京东尚科信息技术有限公司 确定物品类目的方法和装置
CN110795613B (zh) * 2018-07-17 2023-04-28 阿里巴巴集团控股有限公司 商品搜索方法、装置、系统及电子设备
CN108665358A (zh) * 2018-08-03 2018-10-16 北京引领海逛科技有限公司 产品信息快速匹配多个平台的方法和装置
CN110955772B (zh) * 2018-09-26 2023-06-06 阿里巴巴集团控股有限公司 文本结构化模型组件部署方法、装置、设备及存储介质
US10956487B2 (en) 2018-12-26 2021-03-23 Industrial Technology Research Institute Method for establishing and processing cross-language information and cross-language information system
CN111723566B (zh) * 2019-03-21 2024-01-23 阿里巴巴集团控股有限公司 产品信息的重构方法和装置
JP7190479B2 (ja) * 2020-12-28 2022-12-15 楽天グループ株式会社 学習装置、機械学習モデル及び学習方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007025868A (ja) * 2005-07-13 2007-02-01 Fujitsu Ltd カテゴリ設定支援方法及び装置
US20090228353A1 (en) * 2008-03-05 2009-09-10 Microsoft Corporation Query classification based on query click logs
JP2009265833A (ja) * 2008-04-23 2009-11-12 Full Speed Inc 広告システム及び広告方法
WO2011037603A1 (en) * 2009-09-27 2011-03-31 Alibaba Group Holding Limited Searching for information based on generic attributes of the query
JP2011154467A (ja) * 2010-01-26 2011-08-11 Ntt Docomo Inc 検索結果順位付け方法および検索結果順位付けシステム
WO2011112252A1 (en) * 2010-03-10 2011-09-15 Alibaba Group Holding Limited Guided search based on query model
JP2012018536A (ja) * 2010-07-07 2012-01-26 Nec Corp 情報検索装置、情報検索方法および情報検索プログラム
JP2013528881A (ja) * 2010-06-18 2013-07-11 アリババ・グループ・ホールディング・リミテッド 検索語重み付けの決定および利用
JP2013531289A (ja) * 2010-05-18 2013-08-01 アリババ・グループ・ホールディング・リミテッド 検索におけるモデル情報群の使用

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030014317A1 (en) 2001-07-12 2003-01-16 Siegel Stanley M. Client-side E-commerce and inventory management system, and method
KR100515641B1 (ko) * 2003-04-24 2005-09-22 우순조 모빌적 형상 개념을 기초로 한 구문 분석방법 및 이를이용한 자연어 검색 방법
US7620628B2 (en) 2004-12-06 2009-11-17 Yahoo! Inc. Search processing with automatic categorization of queries
US9134884B2 (en) * 2005-03-30 2015-09-15 Ebay Inc. Methods and systems to process a selection of a browser back button
WO2008091387A2 (en) * 2006-08-07 2008-07-31 Chacha Search, Inc. Electronic previous search results log
US20080059485A1 (en) * 2006-08-23 2008-03-06 Finn James P Systems and methods for entering and retrieving data
US7693865B2 (en) 2006-08-30 2010-04-06 Yahoo! Inc. Techniques for navigational query identification
CN101145153B (zh) * 2006-09-13 2011-03-30 阿里巴巴集团控股有限公司 一种搜索信息的方法及系统
KR100898456B1 (ko) 2007-01-12 2009-05-21 엔에이치엔(주) 검색 결과를 제공하는 방법 및 상기 방법을 수행하는시스템
US7603348B2 (en) 2007-01-26 2009-10-13 Yahoo! Inc. System for classifying a search query
KR101049889B1 (ko) 2007-10-22 2011-07-19 주식회사 이베이지마켓 검색을 통한 행태분석에 기반한 키워드 그룹에 대하여광고를 수주하고 타겟 광고하는 웹 사이트 운영 방법 및온라인 시스템
US8290930B2 (en) 2008-06-02 2012-10-16 Microsoft Corporation Query result generation based on query category and data source category
CN102084363B (zh) * 2008-07-03 2014-11-12 加利福尼亚大学董事会 一种用于在结构化数据上高效地支持交互式模糊搜索的方法
CN101661594A (zh) * 2008-08-28 2010-03-03 阿里巴巴集团控股有限公司 一种在互联网上提供对象信息的方法及系统
US8515966B2 (en) * 2009-01-09 2013-08-20 Ebay Inc. Analyzing queries to generate product intention rules
US20100257171A1 (en) 2009-04-03 2010-10-07 Yahoo! Inc. Techniques for categorizing search queries
CN102236663B (zh) * 2010-04-30 2014-04-09 阿里巴巴集团控股有限公司 一种基于垂直搜索的查询方法、系统和装置
WO2012024585A1 (en) * 2010-08-19 2012-02-23 Othar Hansson Predictive query completion and predictive search results
TWI547888B (zh) * 2010-08-27 2016-09-01 Alibaba Group Holding Ltd A method of recording user information and a search method and a server
US20120059708A1 (en) * 2010-08-27 2012-03-08 Adchemy, Inc. Mapping Advertiser Intents to Keywords
US9092815B2 (en) 2010-11-16 2015-07-28 Markus Foerster Searching for goods and services based on keywords and proximity
US8996495B2 (en) 2011-02-15 2015-03-31 Ebay Inc. Method and system for ranking search results based on category demand normalized using impressions
US8793574B2 (en) * 2011-03-16 2014-07-29 Ancestry.Com Operations Inc. Methods and systems for identification and transcription of individual ancestral records and family
WO2013134102A1 (en) * 2012-03-05 2013-09-12 Telecommunication Systems, Inc. Filtered search query data for context and user intent within a location-based search engine
US20140236570A1 (en) * 2013-02-18 2014-08-21 Microsoft Corporation Exploiting the semantic web for unsupervised spoken language understanding

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007025868A (ja) * 2005-07-13 2007-02-01 Fujitsu Ltd カテゴリ設定支援方法及び装置
US20090228353A1 (en) * 2008-03-05 2009-09-10 Microsoft Corporation Query classification based on query click logs
JP2009265833A (ja) * 2008-04-23 2009-11-12 Full Speed Inc 広告システム及び広告方法
WO2011037603A1 (en) * 2009-09-27 2011-03-31 Alibaba Group Holding Limited Searching for information based on generic attributes of the query
JP2011154467A (ja) * 2010-01-26 2011-08-11 Ntt Docomo Inc 検索結果順位付け方法および検索結果順位付けシステム
WO2011112252A1 (en) * 2010-03-10 2011-09-15 Alibaba Group Holding Limited Guided search based on query model
JP2013531289A (ja) * 2010-05-18 2013-08-01 アリババ・グループ・ホールディング・リミテッド 検索におけるモデル情報群の使用
JP2013528881A (ja) * 2010-06-18 2013-07-11 アリババ・グループ・ホールディング・リミテッド 検索語重み付けの決定および利用
JP2012018536A (ja) * 2010-07-07 2012-01-26 Nec Corp 情報検索装置、情報検索方法および情報検索プログラム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200084422A (ko) * 2018-12-24 2020-07-13 주식회사 포티스 신경망을 이용한 패션 상품 관련 정보 정제를 위한 서비스 제공 장치 및 방법
KR102224931B1 (ko) * 2018-12-24 2021-03-09 주식회사 포티스 신경망을 이용한 패션 상품 관련 정보 정제를 위한 서비스 제공 장치 및 방법
JP2022165754A (ja) * 2021-04-20 2022-11-01 ヤフー株式会社 算出装置、算出方法及び算出プログラム
JP7372278B2 (ja) 2021-04-20 2023-10-31 ヤフー株式会社 算出装置、算出方法及び算出プログラム

Also Published As

Publication number Publication date
JP6177871B2 (ja) 2017-08-09
WO2013138516A1 (en) 2013-09-19
US9665622B2 (en) 2017-05-30
CN103310343A (zh) 2013-09-18
EP2825981A1 (en) 2015-01-21
US20130246456A1 (en) 2013-09-19
TWI557664B (zh) 2016-11-11
TW201337814A (zh) 2013-09-16

Similar Documents

Publication Publication Date Title
JP6177871B2 (ja) 製品情報の公開
US11699035B2 (en) Generating message effectiveness predictions and insights
CN105989040B (zh) 智能问答的方法、装置及系统
JP5350472B2 (ja) トピックに関する複数の製品にランクを付ける製品ランク付け方法及び製品ランク付けシステム
CN105989004B (zh) 一种信息投放的预处理方法和装置
TWI615724B (zh) 基於電子資訊的關鍵字提取的資訊推送、搜尋方法及裝置
US8983930B2 (en) Facet group ranking for search results
US8589429B1 (en) System and method for providing query recommendations based on search activity of a user base
US9846841B1 (en) Predicting object identity using an ensemble of predictors
EP2846270A1 (en) Network trading platform and processing method thereof
US11682060B2 (en) Methods and apparatuses for providing search results using embedding-based retrieval
CA3070612A1 (en) Click rate estimation
TW201520790A (zh) 個性化資料搜尋方法和裝置
CN110019650B (zh) 提供搜索联想词的方法、装置、存储介质及电子设备
WO2010081238A1 (en) Method and system for document classification
US11874882B2 (en) Extracting key phrase candidates from documents and producing topical authority ranking
CN112488781A (zh) 搜索推荐方法、装置、电子设备及可读存储介质
US20230385887A1 (en) Techniques for automatic filling of an input form to generate a listing
US9959559B2 (en) Ranking and recommendation algorithms for search listings
US10496637B2 (en) Method and system for personalizing software based on real time tracking of voice-of-customer feedback
CN110796505B (zh) 一种业务对象推荐方法以及装置
TWI547888B (zh) A method of recording user information and a search method and a server
CN112184318B (zh) 一种广告发布方法及装置
CN115880034B (zh) 一种数据的采集分析系统
CN117951303B (zh) 基于生成式大模型的文本信息关联性分析方法及设备

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160217

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20161019

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20161101

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170119

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20170613

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170712

R150 Certificate of patent or registration of utility model

Ref document number: 6177871

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350