JP2015526831A - 製品識別子のラベル付けおよび製品のナビゲーション - Google Patents

Abstract

本開示は、製品識別子をラベル付けする例となる方法および装置ならびに製品をナビゲートする方法を提供する。１つ以上の製品の記述情報が抽出される。製品の記述情報が、テキストにクラスタ化される。主題モデルに基づくテキスト分析法を使用することによって主題分析がテキストに適用され、１つ以上の主題およびその主題に対する定義名を取得する。製品の記述情報に関連付けられる主題は、製品にラベルを付けるために製品の識別子として使用される。本技術は、ユーザーが容易かつ直感的に彼らの所望の製品を見付けることができるように、製品を１つ以上のユーザー次元属性を有する識別子でラベルを付ける。

Description

（関連特許出願の相互参照）
本出願は、２０１２年９月５日に出願された「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｏｆ Ｌａｂｅｌｉｎｇ Ｐｒｏｄｕｃｔ Ｉｄｅｎｔｉｆｉｅｒｓ ａｎｄ Ｍｅｔｈｏｄ ｏｆ Ｎａｖｉｇａｔｉｎｇ Ｐｒｏｄｕｃｔｓ」と題される中国特許出願第２０１２１０３２６４５６．８号の外国優先権を主張するものであり、そ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、電子商取引のウェブサイトナビゲーションの分野に関し、より具体的には、製品識別子をラベル付けする方法および装置ならびに製品をナビゲートする方法に関する。

現在、電子商取引サイトは、基本的にカテゴリナビゲーションおよび属性ナビゲーションを使用して、ナビゲーション情報をユーザーに提供する。

ほとんどのカテゴリナビゲーションは、ツリー構造で表される。ユーザーは、検索を制限するためにカテゴリナビゲーションガイドのコンテンツをクリックし、次いで属性ナビゲーションを使用してユーザーの所望の製品を正確に見付ける。

他の型のナビゲーションと比較して、属性ナビゲーションはより多様である。しかしながら、それが一般的な属性ナビゲーションであるか、または個別の属性ナビゲーションであるかどうかに関わらず、従来の属性ナビゲーションによって表示される識別子は、製品の固定属性であり、またそのような識別子は、ユーザーがナビゲーションを通して製品を見付けることができるように製品上にラベル付けされる。識別子は、販売者が製品をアップロードする際に、販売者によって提供される情報に関する。識別子は、その後手動審査を通過し、最終的に製品上にラベル付けされる。属性ナビゲーションによって表示されるコンテンツもまた、製品の固定属性を記述する識別子である。衣料製品の例では、従来の属性ナビゲーションは、ブランド、材料、サイズ、基本的なスタイル等の衣類の固定属性の記述を表示することしかできない。

上記従来の技術において、製品ラベルの識別子の形式は、あまりに簡易化されているため、ユーザーが製品を選択するために役立たない。ナビゲーションガイドに表示されるコンテンツは、製品の固定属性を記述する識別子だけである。いくつかの識別子は、ユーザーが理解するのは容易ではなく、ユーザーの要望を直接反映することができない。現在のところ、ユーザーは、より多くの製品の観点から製品に注目している。より多くの製品の種類および数量も存在する。各製品の情報量もまた、ますます大きくなっている。ユーザーの注目する観点からそのような大量の製品情報を分類することが重要である。

本要約は、以下の発明を実施するための形態にさらに記述されている簡易化された形式で選択されたの概念を紹介するために提供される。本要約は、特許請求される発明の主題のすべての重要な特徴または必須の特徴を認定することは意図されておらず、特許請求される発明の主題の範囲を決定する上での支援として単独で用いられることも意図されていない。例えば、「技術」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、製品識別子をラベル付けする方法および装置ならびにユーザーが製品を見付けるために製品をナビゲートする方法を提供する。

本開示は、製品識別子をラベル付けする一例となる方法を提供する。１つ以上の製品の記述情報が抽出される。製品の記述情報が、テキストにクラスタ化される。主題モデルに基づくテキスト分析法を使用することによって主題分析がテキストに適用され、１つ以上の主題を取得し、かつその主題に対して名前を定義する。それぞれの製品の記述情報に関連付けられる主題は、製品にラベルを付けるためにそれぞれの製品の識別子として使用される。

本開示はまた、製品をナビゲートする一例となる方法も提供する。１つ以上の製品の記述情報が抽出される。製品の記述情報が、テキストにクラスタ化される。主題モデルに基づくテキスト分析法を使用することによって主題分析がテキストに適用され、１つ以上の主題を取得する。製品は、主題に関連付けられる。製品は、それぞれの製品に関連付けられるそれぞれの主題によってナビゲートされる。

本開示は、製品識別子をラベル付けする一例となる装置を提供する。本装置は、抽出モジュール、生成モジュール、分析モジュール、および第１のラベル付けモジュールを含み得る。抽出モジュールは、１つ以上の製品の記述情報を抽出する。生成モジュールは、製品の記述情報をテキストにクラスタ化する。分析モジュールは、主題モデルに基づくテキスト分析法を使用することによって主題分析をテキストに適用し、１つ以上の主題を取得し、かつその主題に対して名前を定義する。第１のラベル付けモジュールは、それぞれの製品にラベルを付けるために製品の識別子としてそれぞれの製品の記述情報に関連付けられる主題を使用する。

このようにして、本技術は、製品の記述情報のクラスタ化されたテキストを分析し、製品にラベルを付けるためにユーザーの次元での観点から１つ以上のラベルを取得する。従来のナビゲーション技術とは異なり、本技術は、ユーザーが製品の情報を分類し、ナビゲートすることが容易であり、製品の情報をユーザーに提供する正確さおよび効率を向上し得る。本技術によって確立された製品のナビゲーションガイドまたは識別子は、ユーザーがより容易に所望の製品を見付けることができるように、より多様化されており、インテリジェントである。

本開示の実施形態をわかりやすく例示するため、実施形態の説明において使用される図面を以下簡単に導入する。以下の図面は、本開示のいくつかの実施形態に関するものに過ぎないことは明白である。当業者であれば、創造的な努力をせずに、本開示における図面に従って、他の図面を取得することができる。例となる実施形態およびそれらの明細は、本開示を例示するために用いられ、本開示に対する不適切な制限を構成するものではない。
本開示の一例となる実施形態に従って、製品識別子をラベル付けする一例となる方法を実装する一例となるシステムの略図である。 本開示の例となる実施形態に従って、製品識別子をラベル付けする一例となる方法の流れ図である。 本開示の例となる実施形態に従って、製品をナビゲートする一例となる方法の流れ図である。 本開示の例となる実施形態に従って、製品識別子をラベル付けする一例となる装置の略図である。 本開示の例となる実施形態に従って、製品識別子をラベル付けする別の例となる装置の略図である。

本技術は、図面および例となる実施形態を参照して以下詳細に記述される。

本開示は、製品識別子をラベル付けする一例となる方法を提供する。１つ以上の製品の記述情報が、抽出される。製品の記述情報が、テキストにクラスタ化される。１つ以上の主題モデルに基づくテキスト分析法を使用することによって主題分析がテキストに適用され、１つ以上の主題を取得し、かつその主題に対して名前を定義する。それぞれの製品の記述情報に関連付けられる主題は、それぞれの製品にラベルを付けるためにそれぞれの製品の識別子として使用される。

図１は、本開示の一例となる実施形態に従って、製品識別子をラベル付けする一例となる方法を実装する一例となるシステム１００の略図である。システム１００は、１つ以上の端末（複数可）１０２およびサーバ１０４を含む。端末（複数可）１０２は、例えば、購買者端末１０６、および販売者端末１０８を含み得る。販売者端末１０６を通して販売者が製品を公開すると、サーバ１０４は、インターネットを通して販売者から提供される製品の記述情報を受信する。記述情報は、表題情報および属性情報（これは製品の固定属性および製品のユーザー次元属性を含み得る）を含み得る。

例えば、販売者によって提供される製品は、１組の女性用靴である。販売者が製品を公開する際、販売者は材料、スタイル、高さ等のその女性用靴の表題情報および属性情報をアップロードする。サーバ１０４は、販売者によってアップロードされた製品の記述情報および／またはデータベースに事前に保存された製品の記述情報を抽出する。製品情報は、テキストにクラスタ化される。主題モデルに基づくテキスト分析法を使用することによって主題分析がテキストに適用され、１つ以上の主題を取得し、かつその主題に対して名前を定義する。製品の記述情報に関連付けられる主題は、製品にラベルを付けるために製品の識別子として使用される。

主題の名前は、製品の１つ以上のユーザー次元属性に従って定義される。製品のユーザー次元属性は、ユーザーの１つ以上の観点から製品を記述する。このため、ユーザー次元属性を有する主題の名前は、製品にラベルを付けるための識別子として使用される。そのような名前は、所望の製品を選択するユーザーの選択習慣に近く、ユーザーが直接および正確に所望の製品を見付けることを可能にする。

図２は、本開示の例となる実施形態に従って、製品識別子をラベル付けする一例となる方法の流れ図である。実行する実体は、サーバ等のハードウェア、ソフトウェア、またはそれらの組み合わせであり得る。製品識別子をラベル付けする例となる方法は、以下の２０２〜２０８の動作を含む。

２０２において、製品の記述情報が抽出される。記述情報は、販売者によってアップロードされた製品の記述情報および／またはデータベースに事前に保存された製品の記述情報を含み得る。

２０４において、製品の記述情報が、テキストにクラスタ化される。

例えば、同じモデルの製品等の同じ型の製品がクラスタ化される。例えば、同じモデル等の同じ型を有する製品は、製品の写真間の同一または類似の程度に従ってクラスタ化されてもよい。そのような製品の記述情報がクラスタ化される。クラスタ化された記述情報は、用語に分割される。クラスタ化された記述情報中の用語頻度が第１の閾値よりも高い１つ以上の用語が排除され、クラスタ化された記述情報中の用語頻度が第２の閾値よりも低い１つ以上の用語もまた排除される。（換言すると、クラスタ化された記述情報において高すぎるか、または低すぎる頻度を有する用語が排除される。）クラスタ化された記述情報は、そのような用語の排除後に、同じ型またはモデルの製品の汎用記述テキストとして使用される。第１の閾値は、第２の閾値よりも高い。製品の記述情報、特に製品の表題情報は、ユーザーの選択習慣に基づいて販売者によって一般的に定義される。記述情報において高すぎるか、または低すぎる頻度を有する用語の排除後、いくつかの一般的に使用されるカテゴリの製品の用語および製品の固定属性に関連するいくつかの用語もまた排除される。このため、上述の処理からの汎用記述テキストは、１つ以上のユーザー次元属性を有する１つ以上の用語を含む。

例えば、女性用衣類のカテゴリには、９千万を超える製品がある場合がある。同じモデル等の同じ型を持つ製品は、同一または類似の製品の写真に従ってクラスタ化されてもよい。異なる販売者が製品の表題の異なる記述を有し得るため、同じ型またはモデルの製品の表題は、製品を完全に説明するテキストを形成するようにクラスタ化される。クラスタ化された記述テキストは非常に複雑かつ長い場合があり、例えば、高すぎる、または低すぎる頻度を有する用語を分割および排除することによってさらに処理されてもよい。例えば、同じモデルを有する女性用衣類のクラスタ化された記述テキストは、「２０１２ミディアムおよびロングスタイル女性用衣類上品な女性伸縮性大きいサイズシフォンシャツ半袖シャツ柔らかいコウモリＴシャツ」であり得る。この処理の後、「２０１２」、「女性用衣類」、「半袖シャツ」、「Ｔシャツ」等の高い用語頻度を有するいくつかの検索用語が削除される。女性用衣類の特定のモデルの汎用記述テキストは、「ミディアムおよびロングスタイル上品な女性伸縮性大きいサイズシフォンシャツ」である。上記方法に従って、それぞれ、女性用衣類の他のモデルの汎用記述テキストが取得される。女性用衣類の種々のモデルの汎用記述テキストは、新たなテキストを形成するためにさらにクラスタ化されてもよい。

２０６において、主題モデルに基づくテキスト分析法を使用することによって主題分析がテキストに適用され、１つ以上の主題を取得し、かつその主題に対して名前が定義される。

１つ以上の主題モデルに基づくテキスト分析法を使用することによってクラスタ化されたテキストに対して分析が適用され、大型の文書コレクションまたはコーパス内に隠された主題情報を識別する。任意に、確率的潜在意味解析（ＰＬＳＡ）または潜在的ディリクレ配分（ＬＤＡ）法が分析のために使用されてもよい。

例えば、トレーニングモデルにおいて主題の数が設定されている。異なる製品の汎用記述テキストは、その主題の数に従って主題モデルに基づくテキスト分析法を使用することによって新たなテキストにクラスタ化される。ＰＬＳＡまたはＬＤＡが、新たなテキストに適用されてもよい。クラスタ化された新たなテキストの１組の用語は、その主題の数に対応する数のサブセットに分割される。各サブセットは、それらの意味類似性の程度に従う１組の用語であり得る。サブセット中の各用語は、同じまたは類似の意味論を有する。各サブセットは、それぞれの主題に対応する。それぞれのサブセットのクラスタ化された特性または一般的な属性に基づいて、それぞれのサブセットに対応する主題名が定義される。分析に使用されるテキストがユーザー次元属性を有する１組の用語であるため、定義された主題名もまた、ある特定のユーザー次元属性を有する。

例えば、主題モデルに基づくテキスト分析法が女性用衣類に関連するクラスタ化されたテキストに適用される際、トレーニングモデルにおける主題の数は、第１に決められる。女性用衣類の異なる型の汎用記述テキストがクラスタ化される。主題モデルに基づくテキスト分析法を使用することによって、複数のサブセットが取得される。例えば、第１の主題は、シースルー、豹柄等の用語をクラスタ化し得、このため、第１の主題はセクシーとして定義され得る。第２の主題は、付属品または波打つ布地（ｗａｖｅ ｃｌｏｔｈ）等の用語をクラスタ化し得、このため、第２の主題は非主流として定義され得る。同様に、別のそれぞれの主題の名前が、それぞれの主題に対応する別のサブセットに含まれる用語または単語の一般的な特性に基づいて定義される。

設定された主題の数は、各サブセットに含まれる用語の特性の正確さに影響し得る。好ましい主題の数を選択するために、主題モデルに対する主題の数は、そのような分布が閾値に集中するか、またはそこに達するまで、それぞれの主題の数未満で、各主題中の用語分布の算定およびトレーニングテキスト中の主題分布の算定に伴い徐々に増加し得る。そのときの対応する主題の数は、テキスト分析を行うために主題モデルに対して設定された主題の数である。

２０８において、製品の記述情報に関連付けられる主題は、製品にラベルを付けるために製品の識別子として使用される。

例えば、製品の記述情報中の用語がそれぞれの主題に対応するそれぞれのサブセットに含まれるかどうかが決定される。決定の結果が肯定である場合、製品の記述情報は、それぞれのサブセットに対応するそれぞれの主題に関連付けられる。関連付けられた主題名は、製品にラベルを付けるために識別子として使用される。

１つのカテゴリ下にある製品のユーザーの次元と、別のカテゴリ下にある製品のユーザーの次元との間には大きな違いがある。ユーザーは、１つのカテゴリ下にある製品のいくつかの特定のユーザー次元属性および別のカテゴリ下にある製品の他の特定のユーザー次元属性に注目し得る。同じカテゴリ下にある製品の記述情報は、より固有の相関関係または関連性を有してもよく、このため、主題分析を使用することによってユーザーの注意に関して同じカテゴリ下にあるユーザー次元属性を取得することが容易である。

例えば、主題モデルに基づく主題分析を使用することによって製品識別子のラベル付けの正確さを向上するために、主題分析のためのテキストは、同じカテゴリ下にある製品の記述情報であり得る。

このため、製品識別子をラベル付けする例となる方法は、２０２における動作の前に製品をカテゴリ化することを含んでもよい。２０２において、記述情報を抽出することは、同じカテゴリ下にある製品の記述情報を抽出することをさらに含む。２０４において、製品の記述情報をテキストにクラスタ化することは、同じカテゴリ下にある製品の記述情報をテキストにクラスタ化することをさらに含む。

別の例として、製品をクラスタ化する正確さに基づいて、同じカテゴリ下にある製品の記述情報をクラスタ化することは、同じカテゴリ下にある製品の一部の記述情報をクラスタ化することであり得る。

製品のカテゴリ化は、一般的なカテゴリ化方法を使用し得る。オンライン上で販売されている製品は、概して、それらの対応する主要カテゴリおよびサブカテゴリを既に有する。このため、本技術は、存在している製品の主要カテゴリおよび／またはサブカテゴリの情報を抽出し、製品のカテゴリを決定してもよい。

例えば、オンラインで販売者によって販売されている製品は、女性用Ｔシャツであってもよい。製品は、女性用衣類のカテゴリに属していると決定される。製品の表題は、「肥満および拡大した色付き半袖Ｔシャツ」である。女性用衣類のカテゴリ下にある種々の製品の表題情報は、主題分析を行うためにクラスタ化され、大きい、拡大した、特大の、超大型の、肥満、太った、肥満男性、大きいサイズ等の用語を含むサブセットを取得する。サブセットに対応する主題は、「大きいサイズ」として定義される。この例における女性用衣類の表題情報が「肥満および拡大した」を含むため、Ｔシャツおよびその記述情報は、主題「大きいサイズ」に関連付けられる。このため、「大きいサイズ」は、記述情報が「大きい、拡大した、特大の、超大型の、肥満、太った、肥満男性、大きいサイズ」中の少なくとも１つの用語を含む製品の識別子として使用され得る。この例において、女性用衣類の表題情報は、用語「肥満および拡大した」を含み、このため「大きいサイズ」は、製品識別子として使用され得る。各カテゴリ下にある製品は、同じまたは類似の方法を使用することによってラベル付けされる。

例えば、カテゴリは、標準カテゴリおよび非標準カテゴリを含み得る。製品の１つ以上の重要な固定属性がノードにクラスタ化され、同じ性質を有する製品を含むカテゴリを正確に見付ける場合、そのカテゴリは標準カテゴリである。例えば、携帯電話のカテゴリ下にある製品に関して、ブランドおよび型の組み合わせは、携帯電話のカテゴリ下にあるそのようなノードを満たす製品をクラスタ化し得る。このため、携帯電話のカテゴリは、標準カテゴリである。非標準カテゴリは、標準カテゴリとは対照的なコンセプトを有する。製品を正確に見付け、製品をカテゴリに正規化するために、製品の１つ以上の重要な固定属性がノードにクラスタ化されない場合は、そのようなカテゴリは非標準カテゴリである。例えば、女性用衣類のカテゴリ下にある製品に関して、製品のいくつかの重要な固定属性を使用してユーザーの所望の製品を正確に見付けることができない場合、女性用衣類のカテゴリは非標準カテゴリである。

したがって、標準カテゴリ下にある製品と比較して、非標準カテゴリ下にある製品の属性の特性および標準カテゴリ下にある製品の属性の特性に基づいて、本技術は、非標準カテゴリ下にある製品の識別子へのラベル付けにより適している場合がある。製品の識別子へのラベル付けに対する例となる実施形態において記載される例となる方法に加えて、いくつかの他の方法を使用して、非標準カテゴリ下にある製品の識別子をラベル付けしてもよい。

さらに、製品の記述情報中の表題情報は、製品の追加の識別子として使用されてもよい。

例えば、本技術は、製品の表題情報が製品のカテゴリに対して事前に確立された追加の識別子データベース中に追加の識別子を含むかどうかを決定する。決定の結果が肯定である場合、追加の識別子が取得され、識別される製品の識別子が取得される場合、製品のラベルとして使用される。

例えば、追加の識別子データベース中の追加の識別子は、現在人気のある製品を見付けることがユーザーにとって容易であるように、人気のある製品に対して定義され得る。

例えば、製品女性用Ｔシャツの表題情報は、「肥満および拡大した色付きの半袖Ｔシャツ」である。本技術は、女性用衣類のカテゴリ下にある追加の識別子データベースを検索し、表題情報中に含まれる追加の識別子データベース中にコンテンツが存在するかどうかを確認する。表題情報が追加の識別子データベース中に識別子「色付きの」を含むことが確認される場合、その製品は追加の識別子「色付きの」が割り当てられ、女性用Ｔシャツは識別子「色付きの」でラベル付けされる。

追加の識別子データベースは、事前に確立されていてもよい。例えば、高い照会頻度を有する１つ以上の照会用語は、１カ月等のある期間内の同じカテゴリ下にある製品のログファイル（例えば、製品のクリック数および閲覧数）に従って抽出される。抽出される照会用語は、分割される。カテゴリワードおよび停止ワードが削除された後、処理後の残りの単語は、キーワードとして使用される。キーワードを人気のある識別子または追加の識別子として使用して、各カテゴリ下にある追加の識別子データベースを確立する。照会用語は、種々の単語であり得る。このため、追加の識別子は、単語対する制限を有しない。製品外観、人名、フィルム名等を記述する単語が、すべて追加の識別子として使用され得る。

例えば、女性用衣類のカテゴリ下において、高い照会頻度を有する照会用語は、「シースルーブラウス」、「シースルー半袖」等を含み得る。分割の処理ならびにカテゴリワードおよび停止ワードを取り除いた後、取得されるキーワードは、「シースルー」である。このため、単語「シースルー」は、女性用衣類のカテゴリ下にある追加の識別子データベース中の追加の識別子として使用され得る。別の例として、ある有名人は、現在人気がある場合がある。有名人が着用した女性用衣類のモデルの検索ボリュームが高い。有名人の名前が、女性用衣類のカテゴリ下にある追加の識別子データベース中の追加の識別子として使用されてもよい。

本開示はまた、図３に示されるように、製品をナビゲートするための一例となる方法も提供する。

３０２において、製品の記述情報が抽出され、製品の記述情報がテキストにクラスタ化される。

例えば、製品の記述情報は、製品の表題情報および／または属性情報を含み得る。概して、製品の表題は、ユーザーの注目の観点から製品を記述する。このため、この表題は、ユーザーの興味を引き付け得る多くの用語または用語の組み合わせを含み得る。さらに、製品の属性を詳細に記述する製品の詳細の記述はまた、ユーザーの注目の観点からの記述も含み得る。製品の記述情報をテキストにクラスタ化することは、製品の１組の記述用語をテキストにクラスタ化することである。

３０４において、主題モデルに基づくテキスト分析法を使用することによって主題分析がテキストに適用され、１つ以上の主題を取得する。

１つ以上の主題モデルに基づくテキスト分析法を使用することによってクラスタ化されたテキストに対して分析が適用され、大型の文書コレクションまたはコーパス内に隠された主題情報を識別する。任意に、確率的潜在意味解析（ＰＬＳＡ）または潜在的ディリクレ配分（ＬＤＡ）法が、トレーニングモデルを設定するために使用されてもよい。

例えば、１つ以上の主題モデルに主題の数が設定される。その主題の数に従う主題モデルに基づくテキスト分析法が、ＰＬＳＡまたはＬＤＡを通して製品の記述情報によってクラスタ化されたテキストに適用され、テキスト中に設定される用語をその主題の数に対応する数のサブセットに分割し得る。各サブセットは、それらの意味類似性の程度に従って近い、または類似の用語を含む１組の用語であってもよい。サブセット中の各用語は、同じまたは類似の意味論またはアプリケーションシナリオを有する。各サブセットは、１つの主題に対応する。それぞれのサブセットのクラスタ化された特性に基づいて、それぞれのサブセットに対応する主題が定義される。それぞれのサブセットの１つ以上の一般的な属性に基づいて、それぞれのサブセットに対応する主題名が定義される。主題名は、カテゴリ下にある製品の識別子として使用され得る。

３０６において、製品は、主題に関連付けられる。

サブセット中の各製品の記述情報内の用語の分布に従って、各製品と各サブセットとの間のマッピングが確立される。さらに、製品と主題との間のマッピングが確立される。

３０８において、製品の記述情報に関連付けられる主題は、分類によってナビゲートされる。

異なる製品は、異なる主題に関連付けられ得る。このため、ユーザーが製品を閲覧するとき、それらの主題に対応してそれぞれ製品が表示され得る。ユーザーは、それぞれの主題に対応するリンクまたは識別子またはラベルを選択し、それぞれの主題に関連付けられる製品を取得する。つまり、製品は、それらの主題の分類に従ってナビゲートされる。主題に対応する名前または識別子は、ナビゲーション中に表示されるコンテンツとして使用される。ユーザーが識別子をクリックすると、主題に関連付けられる製品が表示される。主題に対応する名前または識別子の表示順は、名前または識別子に従ってサブセット下の製品のクリック数に従って決定され得る。ナビゲーションガイドは、すべての主題に対応するすべての名前またはラベルを示す必要はない。異なるシナリオに基づいて、表示される主題に対応する名前またはラベルの数および順序が設定され得る。

ナビゲーションガイド中のそれぞれの主題が選択されると、それぞれの主題に関連付けられる製品がユーザーインターフェースに表示される。ナビゲーションガイド中の複数の主題が選択されると、複数の主題に関連付けられる製品がユーザーインターフェースに表示される。

例えば、製品をナビゲートするための例となる方法において、記述情報中の製品属性に関連しないカテゴリワードまたは用語を取り除くために、３０２における動作は、以下のものをさらに含んでもよい。同じモデル下の製品の記述情報が第１のテキストにクラスタ化される。第１のテキストが分割される。用語頻度が第１の設定閾値よりも高い１つ以上の用語ならびに用語頻度が第２の設定閾値よりも低い１つ以上の用語が取り除かれる。異なるモデルの第１のテキストが第２のテキストにクラスタ化される。３０４において、主題モデルに基づくテキスト分析に関する方法で主題分析に使用されるテキストは、第２のテキストであってもよい。

３０４での動作は、以下のものをさらに含んでもよい。主題モデルに主題の数が設定される。主題モデルを使用して、主題分析を第２のテキストに適用する。設定された主題の数に対応するサブセットが取得される。各サブセットに対する主題が定義される。記述情報中の用語が位置するサブセットに従って、カテゴリ下にある製品が、サブセットに対応する主題に関連付けられる。各サブセットの主題が定義されるとき、サブセット中の用語の一般的な意味論または一般的な属性が主題の名前として使用されてもよい。

例えば、主題分析において使用されたテキストは、同じカテゴリ下にある製品の記述情報であってもよい。製品識別子をラベル付けするための例となる方法はまた、製品をカテゴリ化するための以下の動作を含み得る。３０２において、製品の記述情報を抽出する動作は、同じカテゴリ下にある製品の記述情報を抽出することをさらに含んでもよい。３０４において、製品の記述情報をクラスタ化するための動作は、同じカテゴリ下にある製品の記述情報をクラスタ化することをさらに含んでもよい。

製品をクラスタ化する正確さの程度に従って、同じカテゴリ下にある製品の記述情報のクラスタ化は、同じカテゴリ下にある製品の記述情報の一部のクラスタ化であり得る。

それに応じて、本開示はまた、製品識別子をラベル付けするための装置を提供する。図４は、本開示の例となる実施形態に従って、製品識別子をラベル付けする一例となる装置４００の略図である。装置４００は、１つ以上のプロセッサ（複数可）４０２およびメモリ４０４を含み得る。メモリ４０４は、コンピュータ可読媒体の一例である。本明細書で使用する場合、「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、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、または他のデータ等の情報の記憶のために任意の方法および技術で実装される揮発性および不揮発性、取り外し可能および取り外し不可能な媒体を含む。対照的に、通信媒体は、搬送波等の変調データ信号内の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、または他のデータを具体化してもよい。本明細書で定義される場合、コンピュータ記憶媒体は、通信媒体を含まない。メモリ４０４は、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その中に記憶してもよい。

図４の例において、メモリ４０４は、カテゴリ化モジュール４０６、抽出モジュール４０８、生成モジュール４１０、分析モジュール４１２、および第１のラベル付けモジュール４１４をその中に記憶してもよい。カテゴリ化モジュール４０６は、製品をカテゴリ化する。カテゴリは、携帯電話、カメラ、女性用衣類、男性用衣類、本等の記録された製品データに基づいて分類される。

例えば、カテゴリ化モジュール４０６は、それぞれの製品の記述情報またはそれぞれの製品をアップロードするときに販売者によって選択されるカテゴリに基づいて、分類されるカテゴリ中のそれぞれの製品のカテゴリを決定する。

抽出モジュール４０８は、製品の記述情報を抽出する。例えば、抽出モジュール４０８は、同じカテゴリ下にある製品の記述情報を抽出し得る。記述情報は、販売者が製品をアップロードするときの製品の記述情報を含み得る。記述情報はまた、データベース中に記録されたカテゴリ下にある記述情報を含む得る。

生成モジュール４１０は、製品の記述情報をテキストにクラスタ化する。例えば、生成モジュール４１０は、製品の写真間の同一または類似の程度に従って、同じカテゴリ下にある同じモデルを有する製品にクラスタ化し得る。同じモデルを有する製品の記述情報がクラスタ化される。クラスタ化された記述情報が分割される。クラスタ化された記述情報中の用語頻度が第１の閾値よりも高い１つ以上の用語が排除され、かつクラスタ化された記述情報中の用語頻度が第２の閾値よりも低い１つ以上の用語も排除される。（換言すると、クラスタ化された記述情報において高すぎるか、または低すぎる頻度を有する用語が排除される。）クラスタ化された記述情報は、そのような用語の排除後に、同じ製品の汎用記述テキストとして使用される。第１の閾値は、第２の閾値よりも高い。製品の記述情報、特に製品の表題情報が、概して、ユーザーの選択習慣に基づいて販売者によって定義されるため、記述情報において高すぎるか、または低すぎる頻度を有する用語の排除後、いくつかの一般的に使用される製品に対するカテゴリワードおよび製品の固定属性に関連するいくつかの単語が削除される。このため、上述の処理後の汎用記述テキストは、１つ以上のユーザー次元属性を有する１つ以上の用語を含む。

分析モジュール４１２は、１つ以上の主題モデルに基づくテキスト分析法を使用することによって主題分析をテキストに適用し、１つ以上の主題を取得し、かつその主題に対して名前を定義する。分析されるテキストは第２のテキストである。

例えば、分析モジュール４１２は、１つ以上の主題モデルに基づくテキスト分析法をクラスタ化されたテキストに適用し、大型の文書コレクションまたはコーパス内に隠された主題情報を識別し得る。任意に、確率的潜在意味解析（ＰＬＳＡ）または潜在的ディリクレ配分（ＬＤＡ）法が分析のために使用されてもよい。

例えば、分析モジュール４１２は、トレーニングモデル中の主題の数を設定し、その主題の数に従って主題モデルに基づくテキスト分析法を使用することによって、異なる製品の汎用記述テキストを新たなテキストにクラスタ化し得る。分析モジュール４１２は、ＰＬＳＡまたはＬＤＡを新たなテキストに適用し、クラスタ化されたテキスト中の１組の用語をその主題の数に対応する数のサブセットに分割し得る。各サブセットは、それらの意味同一性または類似性の程度に従ってクラスタ化された１組の用語であってもよい。サブセット中の各用語は、同じまたは類似の意味論を有する。各サブセットは、１つの主題に対応する。それぞれのサブセットのクラスタ化された特性または一般的な属性に基づいて、それぞれのサブセットに対応する主題名が定義される。分析に使用されるテキストがユーザー次元属性を有する１組の用語であるため、定義された主題名もまた、ある特定のユーザー次元属性を有する。

第１のラベル付けモジュール４１４は、製品の記述情報に関連付けられる主題を製品にラベルを付けるために製品の識別子として使用する。

例えば、第１のラベル付けモジュール４１４は、製品の記述情報中の用語が、それぞれの主題に対応するそれぞれのサブセット中に含まれるかどうかを決定する。決定の結果が肯定である場合、製品の記述情報は、それぞれのサブセットに対応するそれぞれの主題に関連付けられる。関連付けられた主題名は、製品にラベルを付けるために識別子として使用される。

図５は、本開示の例となる実施形態に従って、製品識別子をラベル付けする別の例となる装置５００の略図である。装置４００に基づいて、装置５００は、メモリ４０４中に記憶される第２のラベル付けモジュール５０２および確立モジュール５０４をさらに含み得る。

第２のラベル付けモジュール５０２は、製品の表題情報が製品のカテゴリに対して事前に確立された追加の識別子データベース中に追加の識別子を含むかどうかを決定する。決定の結果が肯定である場合、追加の識別子が取得され、識別される製品の識別子が取得される場合、識別のために使用される。

確立モジュール５０４は、追加の識別子データベースを事前に確立する。確立モジュール５０４は、同じカテゴリ下にある製品を記録するログに従って、１カ月等のある期間内の高い照会頻度を有する１つ以上の照会用語を抽出し、抽出された照会用語を分割し、カテゴリワードおよび停止ワードを取り除き、１つ以上のキーワードを取得する。キーワードを追加の識別子として使用し、カテゴリ下にある追加の識別子データベースを確立する。

本開示に従って製品識別子をラベル付けする方法および装置ならびに製品をナビゲートする方法は、ユーザー次元属性を有する識別子を使用することによって製品をラベル付けし、製品をナビゲートするためにナビゲーションガイドを確立することができる。このため、ユーザーは、より容易におよび直感的に彼らの所望の製品を見付けることができる。

当業者であれば、本開示に記載されるモジュールおよび動作が、ハードウェア、コンピュータソフトウェア、またはそれらの組み合わせによって実装され得ることを理解するだろう。ハードウェアとソフトウェアとの間の互換性を例示するために、本開示は、概して、それらの機能性に従って各例となる実施形態においてコンポーネントおよび動作を説明する。そのような機能性がハードウェアまたはソフトウェアによって実装されるかどうかは、技術的解決策の特定の用途および設計制約に左右される。当業者であれば、異なる特定のアプリケーションシナリオのための異なる方法を使用して記載される機能性を実装できるだろう。そのような実装は、本開示の保護範囲外であるとみなされるものではない。

本技術は、ハードウェア、１つ以上のプロセッサによって実行されるソフトウェアモジュール、またはそれらの組み合わせを通して実装されてもよい。ハードウェアは、特定の論理回路で実装されてもよい。ソフトウェアモジュールは、ランダムアクセスメモリ（ＲＡＭ）、メモリ、読み取り専用メモリ（ＲＯＭ）、プログラマブル読み取り専用メモリ（ＰＲＯＭ）、消去可能プログラマブル読み取り専用メモリ（ＥＰＲＯＭ）、レジスタ記憶装置、ハードディスク、可搬型ディスク、ＣＤ−ＲＯＭ、または当該技術分野において周知の任意の他のコンピュータ記憶媒体に記憶されてもよい。

上記の説明は、本開示の目的、技術、および有益な効果に関連する本開示の例となる実施形態を例示している。上記の説明は、例となる実施形態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ようには意図されない。当業者には、本開示の原理から逸脱することなく、ある特定の修正、置換、および改良が行われてもよく、依然として本開示の保護下であると見なされるべきであることを理解されたい。

Claims (20)

1. １つ以上の製品の記述情報を抽出することと、
   前記１つ以上の製品の前記記述情報をテキストにクラスタ化することと、
   １つ以上の主題を取得するために主題分析を前記テキストに適用することと、
   前記１つ以上の主題に対してそれぞれ１つ以上の名前を定義することと、
   それぞれの製品の記述情報に関連付けられるそれぞれの主題のそれぞれの名前を前記それぞれの製品の識別子として使用することと、
   前記識別子を使用して前記それぞれの製品にラベルを付けることと、を含む、方法。
2. 前記１つ以上の製品の前記記述情報の前記抽出の前に、前記１つ以上の製品をカテゴリ化することをさらに含み、
   前記１つ以上の製品の前記記述情報の前記抽出が、特定のカテゴリ下にある１つ以上の製品の記述情報を抽出することを含み、
   前記テキストが、前記特定のカテゴリ下にある前記１つ以上の製品の前記記述情報を含む、請求項１に記載の方法。
3. 前記１つ以上の製品の前記記述情報を前記テキストにクラスタ化することは、
   特定のモデルに属する複数の製品の記述情報を第１のテキストにクラスタ化することと、
   前記第１のテキストを処理することであって、
   前記第１のテキストを分割することと、
   用語頻度が第１の設定閾値よりも高い１つ以上の用語と、用語頻度が第２の設定閾値よりも低い１つ以上の用語とを取り除くことと、を含む、処理することと、
   前記処理の後に、異なるモデルに属する製品の第１のテキストを第２のテキストにクラスタ化することと、
   前記主題分析を適用するための前記テキストとして前記第２のテキストを使用することと、を含む、請求項１に記載の方法。
4. １つ以上の主題を取得するために前記主題分析を前記テキストに適用することは、
   １つ以上の主題モデルに主題の数を設定することと、
   前記１つ以上の主題モデルに基づくテキスト分析法を使用することによって、前記主題分析を前記テキストに適用することと、
   前記テキスト中の１組の用語から前記主題の数に対応する数のサブセットを取得することであって、前記サブセットの数が前記主題の数と同じであり、それぞれのサブセットがそれぞれの主題に対応する、取得することと、
   前記製品の前記記述情報中の１つ以上の用語が位置する前記それぞれのサブセットに従って、前記製品の前記記述情報を前記それぞれのサブセットに対応する前記それぞれの主題と関連付けることと、を含む、請求項１に記載の方法。
5. 前記１つ以上の主題モデルが、確率的潜在意味解析（ＰＬＳＡ）または潜在的ディリクレ配分（ＬＤＡ）を含む、請求項４に記載の方法。
6. 前記１つ以上の製品の前記記述情報が、表題情報、属性情報、または前記表題情報および前記属性情報の組み合わせを含む、請求項１に記載の方法。
7. 前記記述情報が、表題情報を含み、
   前記それぞれの製品の前記表題情報が、前記それぞれの製品が属する特定のカテゴリに対して事前に確立された追加の識別子データベース中に追加の識別子を含むかどうかを決定することと、
   前記それぞれの製品の前記表題情報が前記追加の識別子を含むことを決定することに応じて、
   前記追加の識別子を取得することと、
   前記追加の識別子を使用して前記それぞれの製品をラベルを付けることと、をさらに含む、請求項１に記載の方法。
8. 前記追加の識別子データベースを確立することであって、
   前記特定のカテゴリ下にある製品のログに従って、照会頻度が事前設定閾値よりも高い１つ以上の照会用語を抽出することと、
   前記抽出された１つ以上の照会用語を分割することと、
   １つ以上のカテゴリワードおよび停止ワードを取り除き、１つ以上のキーワードを取得することと、
   追加の識別子として前記１つ以上のキーワードを使用して、前記追加の識別子データベースを確立することと、を含む、確立することをさらに含む、請求項７に記載の方法。
9. １つ以上の製品の記述情報を抽出することと、
   前記１つ以上の製品の前記記述情報をテキストにクラスタ化することと、
   １つ以上の主題を取得するために主題分析を前記テキストに適用することと、
   前記１つ以上の製品を前記１つ以上の主題と関連付けることと、
   それぞれの製品に関連付けられるそれぞれの主題に従って前記１つ以上の製品をナビゲートすることと、を含む、方法。
10. 前記１つ以上の製品の前記記述情報の前記抽出の前に、前記１つ以上の製品をカテゴリ化することをさらに含み、
    前記１つ以上の製品の前記記述情報の前記抽出が、特定のカテゴリ下にある１つ以上の製品の記述情報を抽出することを含み、
    前記テキストが、前記特定のカテゴリ下にある前記１つ以上の製品の前記記述情報を含む、請求項９に記載の方法。
11. 前記１つ以上の製品の前記記述情報を前記テキストにクラスタ化することは、
    特定のモデルに属する複数の製品の記述情報を第１のテキストにクラスタ化することと、
    前記第１のテキストを処理することであって、
    前記第１のテキストを分割することと、
    用語頻度が第１の設定閾値よりも高い１つ以上の用語と、用語頻度が第２の設定閾値よりも低い１つ以上の用語とを取り除くことと、を含む、処理することと、
    前記処理の後に、異なるモデルに属する製品の第１のテキストを第２のテキストにクラスタ化することと、
    前記主題分析を適用するための前記テキストとして前記第２のテキストを使用することと、を含む、請求項９に記載の方法。
12. １つ以上の主題の取得するために前記主題分析を前記テキストに適用することは、
    １つ以上の主題モデルに主題の数を設定することと、
    前記１つ以上の主題モデルに基づくテキスト分析法を使用することによって、前記主題分析を前記テキストに適用することと、
    前記テキスト中に含まれる１組の用語から前記主題の数に対応する数のサブセットを取得することであって、前記サブセットの数が前記主題の数と同じであり、それぞれのサブセットがそれぞれの主題に対応する、取得することと、
    前記製品の前記記述情報中の１つ以上の用語が位置する前記それぞれのサブセットに従って、前記製品の前記記述情報を前記それぞれのサブセットに対応する前記それぞれの主題と関連付けることと、を含む、請求項９に記載の方法。
13. 前記１つ以上の製品の前記記述情報が、表題情報、属性情報、または前記表題情報および前記属性情報の組み合わせを含む、請求項９に記載の方法。
14. 前記それぞれの製品に関連付けられる前記それぞれの主題に従って、前記１つ以上の製品をナビゲートすることは、
    前記主題に対応する前記製品のクリック数に従って、それぞれ前記１つ以上の主題の表示順を決定することと、
    前記表示順に従って、ユーザーインターフェースにおけるナビゲーションガイド内に前記１つ以上の主題を表示することと、を含む、請求項９に記載の方法。
15. 前記１つ以上の主題モデルが、確率的潜在意味解析（ＰＬＳＡ）または潜在的ディリクレ配分（ＬＤＡ）を含む、請求項１２に記載の方法。
16. １つ以上の製品の記述情報を抽出する抽出モジュールと、
    前記１つ以上の製品の前記記述情報をテキストにクラスタ化する生成モジュールと、
    １つ以上の主題を取得するために主題分析を前記テキストに適用し、前記１つ以上の主題に対してそれぞれ１つ以上の名前を定義する分析モジュールと、
    それぞれの製品の記述情報に関連付けられるそれぞれの主題のそれぞれの名前を前記それぞれの製品の識別子として使用し、前記識別子を使用することによって前記それぞれの製品にラベルを付ける第１のラベル付けモジュールを備える、装置。
17. 前記生成モジュールは、さらに
    特定のモデルに属する複数の製品の記述情報を第１のテキストにクラスタ化し、
    前記第１のテキストを処理し、前記を処理することは、
    前記第１のテキストを分割することと、
    用語頻度が第１の設定閾値よりも高い１つ以上の用語と、用語頻度が第２の設定閾値よりも低い１つ以上の用語とを取り除くことと、を含み、
    前記処理の後、異なるモデルに属する製品の第１のテキストを第２のテキストにクラスタ化し、
    前記主題分析を適用するための前記テキストとして前記第２のテキストを使用する、請求項１６に記載の装置。
18. 前記分析モジュールは、さらに、
    １つ以上の主題モデルに主題の数を設定し、
    前記１つ以上の主題モデルに基づくテキスト分析法を使用することによって前記主題分析を前記テキストに適用し、
    前記テキスト中に含まれる１組の用語から前記主題の数に対応する数のサブセットを取得し、前記サブセットの数が前記主題の数と同じであり、それぞれのサブセットがそれぞれの主題に対応し、
    前記製品の前記記述情報中の１つ以上の用語が位置する前記それぞれのサブセットに従って、前記製品の前記記述情報を前記それぞれのサブセットに対応する前記それぞれの主題と関連付ける、請求項１６に記載の装置。
19. 前記１つ以上の製品の前記記述情報が、表題情報を含み、
    前記装置が、前記それぞれの製品の前記表題情報が、前記それぞれの製品が属する特定のカテゴリに対して事前に確立された追加の識別子データベース中に追加の識別子を含むかどうかを決定し、肯定であることを決定する結果に応じて、前記追加の識別子を取得し、前記追加の識別子を前記識別子に加えて使用し、前記それぞれの製品にラベルを付ける、第２のラベル付けモジュールをさらに備える、請求項１６に記載の装置。
20. 前記特定のカテゴリ下にある製品のログに従って、照会時間が事前設定閾値よりも高い１つ以上の照会用語を抽出し、
    前記抽出された１つ以上の照会用語を分割し、
    １つ以上のカテゴリワードおよび停止ワードを取り除き、１つ以上のキーワードを取得し、
    追加の識別子として前記１つ以上のキーワードを使用して、前記追加の識別子データベースを確立する、確立モジュールをさらに備える、請求項１９に記載の装置。