JP2016522523A - 情報を推薦するための方法およびシステム - Google Patents
情報を推薦するための方法およびシステム Download PDFInfo
- Publication number
- JP2016522523A JP2016522523A JP2016521496A JP2016521496A JP2016522523A JP 2016522523 A JP2016522523 A JP 2016522523A JP 2016521496 A JP2016521496 A JP 2016521496A JP 2016521496 A JP2016521496 A JP 2016521496A JP 2016522523 A JP2016522523 A JP 2016522523A
- Authority
- JP
- Japan
- Prior art keywords
- user
- specific
- users
- information
- similarity
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 134
- 230000009471 action Effects 0.000 claims abstract description 39
- 238000004590 computer program Methods 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 120
- 230000008569 process Effects 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 37
- 230000000694 effects Effects 0.000 claims description 34
- 230000013016 learning Effects 0.000 claims description 34
- 230000003542 behavioural effect Effects 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000002085 persistent effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 22
- 230000002457 bidirectional effect Effects 0.000 description 12
- 238000013459 approach Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000002452 interceptive effect Effects 0.000 description 7
- 238000012552 review Methods 0.000 description 6
- 238000005094 computer simulation Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000007418 data mining Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000011045 prefiltration Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
Abstract
Description
本願は、すべての目的のために参照により本明細書に組み込まれる、2013年6月19日に出願された、発明の名称を「METHOD AND DEVICE FOR RECOMMENDING INFORMATION(情報を推薦するための方法およびシステム)」とする中国特許出願第201310244580.4号に基づく優先権を主張する。
第1ユーザの双方向上質インデックスの基本値=Tr(T’r(所定の時間間隔内に発生した購入活動の頻度)×A1+T’r(所定の時間間隔内の商品閲覧の頻度)×A2+Tr(購入活動に対応すると共に特定第2ユーザである第2ユーザの数)×A3+T’r(第1ユーザのレーティング)×A4) (1)
ここで、A1、A2、A3、および、A4は、様々なパラメータに対応する重みであり、A1+A2+A3+A4=1である。
第1ユーザの双方向上質インデックス=ω×前の工程での第1ユーザの双方向上質インデックス+[(1−ω)×I(第1ユーザに関連する特定第2ユーザの数≧Q)×Σ(前の工程での第2ユーザの双方向上質インデックス)×(第1ユーザが第2ユーザに対する動作活動に関与した回数/(第1ユーザが動作活動に関与した総回数))]
第2ユーザ双方向上質インデックス=ω×前の工程での第2ユーザの双方向上質インデックス+[(1−ω)×I(第2ユーザに関連する特定第1ユーザの数≧Q)×Σ(前の工程の第2ユーザの双方向上質インデックス)×(特定第1ユーザが第2ユーザに対する動作行動に関与した回数/(第2ユーザがすべての特定第1ユーザによる動作活動の受け手となった総回数))] (6)
aは現在のユーザ、bは特定第1ユーザ、iはaおよびbの両方に関連する第2ユーザであり、すなわち、aおよびbは、第2ユーザiに向けた動作行動に関与し、
raiは、第2ユーザiに対して現在のユーザaによって実行された動作活動の総回数に対応し、
rbiは、第2ユーザiに対して特定第1ユーザbによって実行された動作活動の総回数に対応し、
Na,bは、現在のユーザaおよび特定第1ユーザbの両方に関連する第2ユーザiの数に対応し、
Naは、現在のユーザaの両方に関連する第2ユーザの総数に対応し、
Nbは、特定第1ユーザbの両方に関連する第2ユーザの総数に対応する。
aは、現在のユーザに対応し、
bは、現在のユーザaに類似するターゲット上質購入者ユーザに対応し、
iは、現在のユーザaに類似するターゲット上質購入者ユーザに関連するショップに対応し、
Rbiは、ショップiでの購入のために購入者ユーザbが行った注文回数に対応し、
sim(a,b)は、現在のユーザaとターゲット上質購入者ユーザbとの間の類似度に対応し、式(7)の計算結果が、sim(a,b)の計算に直接用いられてよい。
適用例1:情報を推薦するための方法であって、
システムに記録されている1セットの1以上の第1ユーザの動作行動情報に基づいて、第1の所定の条件を満たす少なくとも1の特定第1ユーザを含む1セットの特定第1ユーザを決定し、
1以上のコンピュータプロセッサを用いて、前記特定第1ユーザのセット内で、第2の所定の条件を満たす現在のユーザとの類似度を有するターゲット特定第1ユーザをルックアップし、
前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに推薦情報を提供すること、
を備える、方法。
適用例2:適用例1に記載の方法であって、前記特定第1ユーザのセット内で、前記第2の所定の条件を満たす前記現在のユーザとの前記類似度を有する前記ターゲット特定第1ユーザをルックアップすることは、
前記現在のユーザおよび前記特定第1ユーザの履歴動作行動情報に基づいて、前記現在のユーザと各特定第1ユーザとの間の動作行動の類似度を計算し、
前記第2の所定の条件を満たす類似度を有する特定第1ユーザを前記ターゲット特定第1ユーザとして確定すること、
を含む、方法。
適用例3:適用例2に記載の方法であって、前記現在のユーザおよび前記特定第1ユーザの前記履歴動作行動情報に基づいて、前記現在のユーザと各特定第1ユーザとの間の前記動作行動の前記類似度を計算することは、
前記現在のユーザおよび前記特定第1ユーザの両方に関連する第2ユーザを決定し、特定第1ユーザに関連する第2ユーザは、前記特定第1ユーザの動作対象に対応する第2ユーザを含み、
前記両方に関連する第2ユーザの数、両方に関連する第2ユーザに対する前記現在のユーザによる動作の回数および両方に関連する第2ユーザに対する特定第1ユーザによる動作の回数、前記現在のユーザおよび各特定第1ユーザに関連する第2ユーザの総数、もしくは、これらの任意の組み合わせに基づいて、前記現在のユーザと前記特定第1ユーザとの動作行動の類似度を計算すること、
を含む、方法。
適用例4:適用例1に記載の方法であって、
前記1セットの1以上の第1ユーザは、前記第1ユーザの基本属性に従って、少なくとも2つのタイプに予め分けられ、各タイプは、独自のセットの特定第1ユーザを有し、
前記特定第1ユーザのセット内で、前記第2の所定の条件を満たす前記現在のユーザとの類似度を有する前記ターゲット特定第1ユーザをルックアップすることは、
前記現在のユーザが属するタイプを決定し、
前記タイプの特定第1ユーザのセット内で、第3の所定の条件を満たす前記現在のユーザとの類似度を有するターゲット特定第1ユーザをルックアップすること、
を含む、方法。
適用例5:適用例4に記載の方法であって、前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに前記推薦情報を提供することは、
前記タイプの特定第1ユーザのセット内で、前記第2の所定の条件を満たす前記現在のユーザとの前記類似度を有する前記ターゲット特定第1ユーザの数が、第1の所定の閾値以上である場合に、前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに前記推薦情報を提供することを含む、方法。
適用例6:適用例5に記載の方法であって、前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに前記推薦情報を提供することは、さらに、
前記タイプの特定第1ユーザのセット内で、前記第2の所定の条件を満たす前記現在のユーザとの前記類似度を有する前記ターゲット特定第1ユーザの前記数が、前記第1の所定の閾値未満である場合に、
前記タイプの1以上の第1ユーザのセットの中で、前記第2の所定の条件を満たす前記現在のユーザとの前記類似度を有するターゲット第1ユーザをルックアップし、
前記ターゲット第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに前記推薦情報を提供すること、
を備える、方法。
適用例7:適用例1に記載の方法であって、前記第1の所定の条件を満たす前記少なくとも1の特定第1ユーザは、
前記システムに記録された前記1セットの1以上の第1ユーザの前記動作行動情報に基づいて、前記第1の所定の条件を満たす前記少なくとも1の特定第1ユーザを決定することによって決定され、前記1セットの1以上の第1ユーザの前記動作行動情報は、各動作活動において、前記第1ユーザに関連する第2ユーザが特定第2ユーザであるか否かを含む、方法。
適用例8:適用例7に記載の方法であって、前記システムに記録された前記1セットの1以上の第1ユーザの前記動作行動情報に基づいて、前記第1の所定の条件を満たす前記少なくとも1の特定第1ユーザを決定することは、
前記システムに記録された前記1セットの1以上の第1ユーザの前記動作行動情報を取得し、
前記システムに記録されている1セットの1以上の第2ユーザに関する統計データを取得し、前記統計データは、複数の所定の第2ユーザ変数の値を含み、
1セットの1以上の第2ユーザ変数の前記値に基づいて、1セットの特定第2ユーザを確立し、
各第1ユーザ動作活動において、前記第1ユーザに関連する前記第2ユーザが特定第2ユーザであるか否かを、前記第1ユーザの前記動作行動情報および前記1セットの前記特定第2ユーザに基づいて評価し、
各第1ユーザが特定第1ユーザであるか否かを判定し、前記評価結果と前記第1ユーザの前記動作行動情報とに基づいて、前記特定第1ユーザのセットを確立すること、
を含む、方法。
適用例9:適用例8に記載の方法であって、さらに、
前記特定の第1のユーザのセットおよび前記特定の第2のユーザのセットを繰り返し更新することを備え、前記更新は、
第1の指定時間間隔内に第1ユーザによって生成された新たな動作行動情報と、各動作活動において前記関連する第2ユーザが特定第2ユーザであるか否かとに基づいて、各第1ユーザが特定第1ユーザであるか否かを再判定し、
各第1ユーザの前記再判定結果に従って、前記特定第1ユーザのセットを更新し、
第2の指定時間間隔内に第2ユーザによって生成された新たな動作情報と、前記新たな動作情報において関連する第1ユーザが特定第1ユーザであるか否かとに基づいて、各第2ユーザが特定第2ユーザであるか否かを再判定し、
各第2ユーザの前記再判定結果に従って、前記特定第2ユーザのセットを更新すること、に基づく、方法。
適用例10:適用例9に記載の方法であって、各第1ユーザが前記特定第1ユーザであるか否かを再判定することは、前記新たな動作行動情報内の前記第1ユーザによる動作の総回数、前記第1ユーザによる各動作活動において特定第2ユーザである関連第2ユーザの数、各第2ユーザへの前記第1ユーザによる動作の回数、および、各第2ユーザに対する前の再判定結果、もしくは、これらの任意の組み合わせに基づく、方法。
適用例11:適用例9に記載の方法であって、各第2ユーザが前記特定第2ユーザであるか否かを再判定することは、
前記新たな動作情報において前記第2ユーザに関連する特定第1ユーザの数、前記第2ユーザが特定第1ユーザの動作を受けた総回数、前記第2ユーザが各特定第1ユーザによる動作を受けた総回数、および、各特定第1ユーザに対する前の再判定結果、もしくは、それらの任意の組み合わせに基づく、方法。
適用例12:適用例8に記載の方法であって、前記セットの1以上の第2ユーザ変数の前記値に基づいて、前記1セットの特定第2ユーザを確立することは、
各変数に基づいて、第2ユーザの複数回のクラスタリングを実行することを備え、第2ユーザの前記複数回のクラスタリングを実行することは、
第2ユーザを所定のタイプにクラスタリングして様々なタイプの間の所定の差のレベルを表す前記変数を特定変数として決定し、
前記所定の差のレベルを表す際の各特定変数の重要性に対応するように用いられる各特定変数の重みを取得し、
前記特定変数および前記特定変数の各重みに基づいて、第2ユーザのためのスコア計算式を確立し、
前記スコア計算式を用いて、各第2ユーザのスコアを計算し、
前記第1の所定の条件を満たすスコアを有する第2ユーザを特定第2ユーザとして決定すること、を含む、方法。
適用例13:適用例12に記載の方法であって、各特定変数の前記重みを取得することは、
前記特定変数と各特定変数の初期重みとに基づいて、各第2ユーザをスコア付けし、
各タイプ内で上位のスコアを有する所定の数の第2ユーザを対応するタイプの極端サンプルとしてラベル付けし、1セットの1以上の特定変数の前記初期重みは等しく、
半教師付き分類処理を用いて、前記極端サンプルに基づいて所定の回数のループ学習を実行し、各特定変数の前記重みを漸進的に更新すること、
を備え、
各学習動作中に、
各タイプにおけるラベル付きサンプルセットに基づいて各特定変数の前記重みを更新し、最初の学習中、前記ラベル付きサンプルセットは、前記極端サンプルで構成され、
他の第2ユーザと各ラベル付きサンプルとの間の類似度を計算し、
第4の所定の条件を満たす信頼区間を有する第2ユーザのタイプラベル付けを行って、前記新たにラベル付けされた第2ユーザを、前記対応するタイプの前記ラベル付きサンプルセットに追加し、前記ラベル付きサンプルセットを次の半教師付き分類学習で利用できるようにすること、が実行される、方法。
適用例14:適用例13に記載の方法であって、前記半教師付き分類処理を用いて、前記極端サンプルに基づいて前記所定の回数の前記ループ学習を実行し、各特定変数の前記重みを漸進的に更新する各学習は、さらに、
前記半教師付き学習で取得された各特定変数の前記重みに基づいて、前記ラベル付きセット内の各サンプルをスコア付けし、前記ラベル付きセットは、前記最初の学習中、前記極端サンプルで構成され、
前記スコア付きサンプルセット内の前記サンプルに基づいて、各特定変数の前記重みを更新し、
他の第2ユーザと各スコア付けされたサンプルとの間の前記類似度を計算し、
所定の条件を満たす信頼区間を有する第2ユーザをスコア付けして、前記新たにスコア付けされた第2ユーザを、前記対応するタイプの前記スコア付けされたサンプルセットに追加し、前記スコア付けされたサンプルセットを次の半教師付き回帰学習で利用できるようにすること、
を含む、方法。
適用例15:適用例12に記載の方法であって、
前記システムは、電子商取引プラットフォームを備え、
前記特定変数は、肯定評価率、関連行動情報の再発生率、商品オンライン販売成約率、商品ブックマーク率、サービス評価システムにおける平均より高いスコアの割合、商品詳細情報ページからのページビューのコンバージョン率、内部ウェブサイト検索からのページビューの割合、関連インスタントメッセージングシステムにおける応答率、注文のユーザ確定から品物の発送までの時間間隔、または、これらの任意の組み合わせを含む、方法。
適用例16:適用例12に記載の方法であって、
前記システムは、電子商取引プラットフォームを備え、
各クラスタは、2次元クラスタであり、前記第2ユーザの売上高情報が一方の次元、別の変数が他方の次元である、方法。
適用例17:適用例8に記載の方法であって、
前記システムは、電子商取引プラットフォームを備え、
前記セットの1以上の第1ユーザは、購入者に対応し、
前記セットの1以上の第2ユーザは、販売者に対応し、
前記推薦情報は、商品推薦情報に対応する、方法。
適用例18:適用例1に記載の方法であって、前記第1の所定の条件は、第1の閾値を超える数量の購入を行うこと、第2の閾値を超える数の商品を閲覧すること、または、それらの組み合わせを含む、方法。
適用例19:情報を推薦するためのシステムであって、
少なくとも1つのプロセッサであって、
システムに記録された1セットの1以上の第1ユーザの動作行動情報に基づいて、第1の所定の条件を満たす少なくとも1の特定第1ユーザを含む1セットの特定第1ユーザを決定し、
前記特定第1ユーザのセット内で、第2の所定の条件を満たす現在のユーザとの類似度を有するターゲット特定第1ユーザをルックアップし、
前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに推薦情報を提供するよう構成されている、少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサに接続され、前記少なくとも1つのプロセッサに命令を提供するよう構成されているメモリと、
を備える、システム。
適用例20:情報を推薦するためのコンピュータプログラム製品であって、有形で持続性のコンピュータ読み取り可能な記憶媒体内に具現化され、
システムに記録された1セットの1以上の第1ユーザの動作行動情報に基づいて、第1の所定の条件を満たす少なくとも1の特定第1ユーザを含む1セットの特定第1ユーザを決定するためのコンピュータ命令と、
前記特定第1ユーザのセット内で、第2の所定の条件を満たす現在のユーザとの類似度を有するターゲット特定第1ユーザをルックアップするためのコンピュータ命令と、
前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに推薦情報を提供するためのコンピュータ命令と、
を備える、コンピュータプログラム製品。
Claims (20)
- 情報を推薦するための方法であって、
システムに記録されている1セットの1以上の第1ユーザの動作行動情報に基づいて、第1の所定の条件を満たす少なくとも1の特定第1ユーザを含む1セットの特定第1ユーザを決定し、
1以上のコンピュータプロセッサを用いて、前記特定第1ユーザのセット内で、第2の所定の条件を満たす現在のユーザとの類似度を有するターゲット特定第1ユーザをルックアップし、
前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに推薦情報を提供すること、
を備える、方法。 - 請求項1に記載の方法であって、前記特定第1ユーザのセット内で、前記第2の所定の条件を満たす前記現在のユーザとの前記類似度を有する前記ターゲット特定第1ユーザをルックアップすることは、
前記現在のユーザおよび前記特定第1ユーザの履歴動作行動情報に基づいて、前記現在のユーザと各特定第1ユーザとの間の動作行動の類似度を計算し、
前記第2の所定の条件を満たす類似度を有する特定第1ユーザを前記ターゲット特定第1ユーザとして確定すること、
を含む、方法。 - 請求項2に記載の方法であって、前記現在のユーザおよび前記特定第1ユーザの前記履歴動作行動情報に基づいて、前記現在のユーザと各特定第1ユーザとの間の前記動作行動の前記類似度を計算することは、
前記現在のユーザおよび前記特定第1ユーザの両方に関連する第2ユーザを決定し、特定第1ユーザに関連する第2ユーザは、前記特定第1ユーザの動作対象に対応する第2ユーザを含み、
前記両方に関連する第2ユーザの数、両方に関連する第2ユーザに対する前記現在のユーザによる動作の回数および両方に関連する第2ユーザに対する特定第1ユーザによる動作の回数、前記現在のユーザおよび各特定第1ユーザに関連する第2ユーザの総数、もしくは、これらの任意の組み合わせに基づいて、前記現在のユーザと前記特定第1ユーザとの動作行動の類似度を計算すること、
を含む、方法。 - 請求項1に記載の方法であって、
前記1セットの1以上の第1ユーザは、前記第1ユーザの基本属性に従って、少なくとも2つのタイプに予め分けられ、各タイプは、独自のセットの特定第1ユーザを有し、
前記特定第1ユーザのセット内で、前記第2の所定の条件を満たす前記現在のユーザとの類似度を有する前記ターゲット特定第1ユーザをルックアップすることは、
前記現在のユーザが属するタイプを決定し、
前記タイプの特定第1ユーザのセット内で、第3の所定の条件を満たす前記現在のユーザとの類似度を有するターゲット特定第1ユーザをルックアップすること、
を含む、方法。 - 請求項4に記載の方法であって、前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに前記推薦情報を提供することは、
前記タイプの特定第1ユーザのセット内で、前記第2の所定の条件を満たす前記現在のユーザとの前記類似度を有する前記ターゲット特定第1ユーザの数が、第1の所定の閾値以上である場合に、前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに前記推薦情報を提供することを含む、方法。 - 請求項5に記載の方法であって、前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに前記推薦情報を提供することは、さらに、
前記タイプの特定第1ユーザのセット内で、前記第2の所定の条件を満たす前記現在のユーザとの前記類似度を有する前記ターゲット特定第1ユーザの前記数が、前記第1の所定の閾値未満である場合に、
前記タイプの1以上の第1ユーザのセットの中で、前記第2の所定の条件を満たす前記現在のユーザとの前記類似度を有するターゲット第1ユーザをルックアップし、
前記ターゲット第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに前記推薦情報を提供すること、
を備える、方法。 - 請求項1に記載の方法であって、前記第1の所定の条件を満たす前記少なくとも1の特定第1ユーザは、
前記システムに記録された前記1セットの1以上の第1ユーザの前記動作行動情報に基づいて、前記第1の所定の条件を満たす前記少なくとも1の特定第1ユーザを決定することによって決定され、前記1セットの1以上の第1ユーザの前記動作行動情報は、各動作活動において、前記第1ユーザに関連する第2ユーザが特定第2ユーザであるか否かを含む、方法。 - 請求項7に記載の方法であって、前記システムに記録された前記1セットの1以上の第1ユーザの前記動作行動情報に基づいて、前記第1の所定の条件を満たす前記少なくとも1の特定第1ユーザを決定することは、
前記システムに記録された前記1セットの1以上の第1ユーザの前記動作行動情報を取得し、
前記システムに記録されている1セットの1以上の第2ユーザに関する統計データを取得し、前記統計データは、複数の所定の第2ユーザ変数の値を含み、
1セットの1以上の第2ユーザ変数の前記値に基づいて、1セットの特定第2ユーザを確立し、
各第1ユーザ動作活動において、前記第1ユーザに関連する前記第2ユーザが特定第2ユーザであるか否かを、前記第1ユーザの前記動作行動情報および前記1セットの前記特定第2ユーザに基づいて評価し、
各第1ユーザが特定第1ユーザであるか否かを判定し、前記評価結果と前記第1ユーザの前記動作行動情報とに基づいて、前記特定第1ユーザのセットを確立すること、
を含む、方法。 - 請求項8に記載の方法であって、さらに、
前記特定の第1のユーザのセットおよび前記特定の第2のユーザのセットを繰り返し更新することを備え、前記更新は、
第1の指定時間間隔内に第1ユーザによって生成された新たな動作行動情報と、各動作活動において前記関連する第2ユーザが特定第2ユーザであるか否かとに基づいて、各第1ユーザが特定第1ユーザであるか否かを再判定し、
各第1ユーザの前記再判定結果に従って、前記特定第1ユーザのセットを更新し、
第2の指定時間間隔内に第2ユーザによって生成された新たな動作情報と、前記新たな動作情報において関連する第1ユーザが特定第1ユーザであるか否かとに基づいて、各第2ユーザが特定第2ユーザであるか否かを再判定し、
各第2ユーザの前記再判定結果に従って、前記特定第2ユーザのセットを更新すること、に基づく、方法。 - 請求項9に記載の方法であって、各第1ユーザが前記特定第1ユーザであるか否かを再判定することは、前記新たな動作行動情報内の前記第1ユーザによる動作の総回数、前記第1ユーザによる各動作活動において特定第2ユーザである関連第2ユーザの数、各第2ユーザへの前記第1ユーザによる動作の回数、および、各第2ユーザに対する前の再判定結果、もしくは、これらの任意の組み合わせに基づく、方法。
- 請求項9に記載の方法であって、各第2ユーザが前記特定第2ユーザであるか否かを再判定することは、
前記新たな動作情報において前記第2ユーザに関連する特定第1ユーザの数、前記第2ユーザが特定第1ユーザの動作を受けた総回数、前記第2ユーザが各特定第1ユーザによる動作を受けた総回数、および、各特定第1ユーザに対する前の再判定結果、もしくは、それらの任意の組み合わせに基づく、方法。 - 請求項8に記載の方法であって、前記セットの1以上の第2ユーザ変数の前記値に基づいて、前記1セットの特定第2ユーザを確立することは、
各変数に基づいて、第2ユーザの複数回のクラスタリングを実行することを備え、第2ユーザの前記複数回のクラスタリングを実行することは、
第2ユーザを所定のタイプにクラスタリングして様々なタイプの間の所定の差のレベルを表す前記変数を特定変数として決定し、
前記所定の差のレベルを表す際の各特定変数の重要性に対応するように用いられる各特定変数の重みを取得し、
前記特定変数および前記特定変数の各重みに基づいて、第2ユーザのためのスコア計算式を確立し、
前記スコア計算式を用いて、各第2ユーザのスコアを計算し、
前記第1の所定の条件を満たすスコアを有する第2ユーザを特定第2ユーザとして決定すること、を含む、方法。 - 請求項12に記載の方法であって、各特定変数の前記重みを取得することは、
前記特定変数と各特定変数の初期重みとに基づいて、各第2ユーザをスコア付けし、
各タイプ内で上位のスコアを有する所定の数の第2ユーザを対応するタイプの極端サンプルとしてラベル付けし、1セットの1以上の特定変数の前記初期重みは等しく、
半教師付き分類処理を用いて、前記極端サンプルに基づいて所定の回数のループ学習を実行し、各特定変数の前記重みを漸進的に更新すること、
を備え、
各学習動作中に、
各タイプにおけるラベル付きサンプルセットに基づいて各特定変数の前記重みを更新し、最初の学習中、前記ラベル付きサンプルセットは、前記極端サンプルで構成され、
他の第2ユーザと各ラベル付きサンプルとの間の類似度を計算し、
第4の所定の条件を満たす信頼区間を有する第2ユーザのタイプラベル付けを行って、前記新たにラベル付けされた第2ユーザを、前記対応するタイプの前記ラベル付きサンプルセットに追加し、前記ラベル付きサンプルセットを次の半教師付き分類学習で利用できるようにすること、が実行される、方法。 - 請求項13に記載の方法であって、前記半教師付き分類処理を用いて、前記極端サンプルに基づいて前記所定の回数の前記ループ学習を実行し、各特定変数の前記重みを漸進的に更新する各学習は、さらに、
前記半教師付き学習で取得された各特定変数の前記重みに基づいて、前記ラベル付きセット内の各サンプルをスコア付けし、前記ラベル付きセットは、前記最初の学習中、前記極端サンプルで構成され、
前記スコア付きサンプルセット内の前記サンプルに基づいて、各特定変数の前記重みを更新し、
他の第2ユーザと各スコア付けされたサンプルとの間の前記類似度を計算し、
所定の条件を満たす信頼区間を有する第2ユーザをスコア付けして、前記新たにスコア付けされた第2ユーザを、前記対応するタイプの前記スコア付けされたサンプルセットに追加し、前記スコア付けされたサンプルセットを次の半教師付き回帰学習で利用できるようにすること、
を含む、方法。 - 請求項12に記載の方法であって、
前記システムは、電子商取引プラットフォームを備え、
前記特定変数は、肯定評価率、関連行動情報の再発生率、商品オンライン販売成約率、商品ブックマーク率、サービス評価システムにおける平均より高いスコアの割合、商品詳細情報ページからのページビューのコンバージョン率、内部ウェブサイト検索からのページビューの割合、関連インスタントメッセージングシステムにおける応答率、注文のユーザ確定から品物の発送までの時間間隔、または、これらの任意の組み合わせを含む、方法。 - 請求項12に記載の方法であって、
前記システムは、電子商取引プラットフォームを備え、
各クラスタは、2次元クラスタであり、前記第2ユーザの売上高情報が一方の次元、別の変数が他方の次元である、方法。 - 請求項8に記載の方法であって、
前記システムは、電子商取引プラットフォームを備え、
前記セットの1以上の第1ユーザは、購入者に対応し、
前記セットの1以上の第2ユーザは、販売者に対応し、
前記推薦情報は、商品推薦情報に対応する、方法。 - 請求項1に記載の方法であって、前記第1の所定の条件は、第1の閾値を超える数量の購入を行うこと、第2の閾値を超える数の商品を閲覧すること、または、それらの組み合わせを含む、方法。
- 情報を推薦するためのシステムであって、
少なくとも1つのプロセッサであって、
システムに記録された1セットの1以上の第1ユーザの動作行動情報に基づいて、第1の所定の条件を満たす少なくとも1の特定第1ユーザを含む1セットの特定第1ユーザを決定し、
前記特定第1ユーザのセット内で、第2の所定の条件を満たす現在のユーザとの類似度を有するターゲット特定第1ユーザをルックアップし、
前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに推薦情報を提供するよう構成されている、少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサに接続され、前記少なくとも1つのプロセッサに命令を提供するよう構成されているメモリと、
を備える、システム。 - 情報を推薦するためのコンピュータプログラム製品であって、有形で持続性のコンピュータ読み取り可能な記憶媒体内に具現化され、
システムに記録された1セットの1以上の第1ユーザの動作行動情報に基づいて、第1の所定の条件を満たす少なくとも1の特定第1ユーザを含む1セットの特定第1ユーザを決定するためのコンピュータ命令と、
前記特定第1ユーザのセット内で、第2の所定の条件を満たす現在のユーザとの類似度を有するターゲット特定第1ユーザをルックアップするためのコンピュータ命令と、
前記ターゲット特定第1ユーザの前記動作行動情報に基づいて、前記現在のユーザに推薦情報を提供するためのコンピュータ命令と、
を備える、コンピュータプログラム製品。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310244580.4 | 2013-06-19 | ||
CN201310244580.4A CN104239338A (zh) | 2013-06-19 | 2013-06-19 | 信息推荐方法及装置 |
US14/305,903 | 2014-06-16 | ||
US14/305,903 US20140379617A1 (en) | 2013-06-19 | 2014-06-16 | Method and system for recommending information |
PCT/US2014/042637 WO2014204900A2 (en) | 2013-06-19 | 2014-06-17 | Method and system for recommending information |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016522523A true JP2016522523A (ja) | 2016-07-28 |
JP6134444B2 JP6134444B2 (ja) | 2017-05-24 |
Family
ID=52111773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016521496A Active JP6134444B2 (ja) | 2013-06-19 | 2014-06-17 | 情報を推薦するための方法およびシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20140379617A1 (ja) |
JP (1) | JP6134444B2 (ja) |
CN (1) | CN104239338A (ja) |
HK (1) | HK1202942A1 (ja) |
TW (1) | TW201501059A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6208819B1 (ja) * | 2016-06-20 | 2017-10-04 | ヤフー株式会社 | 決定装置、決定方法及び決定プログラム |
JP2017228315A (ja) * | 2017-09-07 | 2017-12-28 | ヤフー株式会社 | 決定装置、決定方法及び決定プログラム |
JP2018101375A (ja) * | 2016-12-22 | 2018-06-28 | 株式会社日本総合研究所 | カード利用情報処理装置、カード利用情報処理方法、およびシステム |
JP2018147045A (ja) * | 2017-03-01 | 2018-09-20 | ヤフー株式会社 | 検索装置、検索方法及び検索プログラム |
JP2020177695A (ja) * | 2020-07-16 | 2020-10-29 | ヤフー株式会社 | 情報提供システム、および情報提供方法 |
JP2022027291A (ja) * | 2020-07-31 | 2022-02-10 | PayPay株式会社 | 分析装置、分析方法および分析プログラム |
Families Citing this family (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9626405B2 (en) * | 2011-10-27 | 2017-04-18 | Edmond K. Chow | Trust network effect |
CN104657369A (zh) * | 2013-11-19 | 2015-05-27 | 深圳市腾讯计算机系统有限公司 | 用户属性信息的生成方法及系统 |
CN106034246A (zh) * | 2015-03-19 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 一种基于用户操作行为的服务提供方法及装置 |
CN106296321A (zh) * | 2015-05-13 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 业务对象信息提供方法及装置 |
CN104899267B (zh) * | 2015-05-22 | 2017-12-19 | 中国电子科技集团公司第二十八研究所 | 一种社交网站账号相似度的综合数据挖掘方法 |
CN105095404A (zh) * | 2015-07-09 | 2015-11-25 | 安一恒通(北京)科技有限公司 | 网页信息的处理方法、网页信息的推荐方法及装置 |
CN105589914B (zh) * | 2015-07-20 | 2018-07-06 | 广州市动景计算机科技有限公司 | 一种网页页面的预读取方法、装置及智能终端设备 |
CN105139169A (zh) * | 2015-08-03 | 2015-12-09 | 王升 | 一种基于属性属地的互联网信息推送社交方法及对应的网络系统 |
CN107133811A (zh) * | 2016-02-29 | 2017-09-05 | 阿里巴巴集团控股有限公司 | 一种目标用户的识别方法和装置 |
US10341369B2 (en) * | 2016-03-29 | 2019-07-02 | Ncr Corporation | Security system monitoring techniques by mapping received security score with newly identified security score |
CN107292646A (zh) * | 2016-04-01 | 2017-10-24 | 中国移动通信集团河北有限公司 | 一种生成业务的方法和装置 |
CN105956061B (zh) * | 2016-04-26 | 2020-01-03 | 海信集团有限公司 | 一种用户间相似度确定方法及装置 |
CN107368488A (zh) * | 2016-05-12 | 2017-11-21 | 阿里巴巴集团控股有限公司 | 一种确定用户行为偏好的方法、推荐信息的展示方法和装置 |
CN107093094A (zh) * | 2016-11-25 | 2017-08-25 | 口碑控股有限公司 | 一种评价信息的发布方法及装置 |
CN107798543A (zh) * | 2016-12-15 | 2018-03-13 | 平安科技(深圳)有限公司 | 一种方案智能匹配方法和装置 |
CN113535382A (zh) | 2016-12-23 | 2021-10-22 | 创新先进技术有限公司 | 资源处理方法及装置 |
CN106919647B (zh) * | 2017-01-17 | 2020-10-30 | 浙江工业大学 | 一种基于聚类的网络结构相似性推荐方法 |
CN108429776B (zh) * | 2017-02-13 | 2021-09-14 | 阿里巴巴集团控股有限公司 | 网络对象的推送方法、装置、客户端、交互设备以及系统 |
CN106952111B (zh) * | 2017-02-27 | 2021-04-02 | 东软集团股份有限公司 | 个性化推荐方法及装置 |
CN107222566B (zh) * | 2017-07-06 | 2020-09-04 | 阿里巴巴(中国)有限公司 | 信息推送方法、装置及服务器 |
US11341798B2 (en) * | 2017-09-27 | 2022-05-24 | Rakuten Groun. Inc. | Device, method, program, and storage medium for providing recommendation information |
CN107910044A (zh) * | 2017-10-09 | 2018-04-13 | 北京京东尚科信息技术有限公司 | 对象推送方法及系统 |
CN109961309B (zh) * | 2017-12-25 | 2021-09-28 | 网智天元科技集团股份有限公司 | 业务推荐方法和系统 |
CN109992331A (zh) * | 2017-12-28 | 2019-07-09 | 重庆南华中天信息技术有限公司 | 基于行为分析的常用功能门户组件动态调整方法及系统 |
CN108647801B (zh) * | 2018-03-23 | 2020-04-14 | 阿里巴巴集团控股有限公司 | 预测账务热点的方法及装置 |
CN108509611B (zh) * | 2018-03-30 | 2021-11-12 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
CN110474944B (zh) * | 2018-05-10 | 2022-08-30 | 腾讯科技(深圳)有限公司 | 网络信息的处理方法、装置及存储介质 |
CN110473040B (zh) * | 2018-05-10 | 2021-11-19 | 北京三快在线科技有限公司 | 一种产品推荐方法及装置,电子设备 |
CN110473043A (zh) * | 2018-05-11 | 2019-11-19 | 北京京东尚科信息技术有限公司 | 一种基于用户行为的物品推荐方法和装置 |
CN108763427A (zh) * | 2018-05-24 | 2018-11-06 | 佛山市轻遣网络有限公司 | 招聘系统推荐方法及系统 |
US20190378194A1 (en) | 2018-06-12 | 2019-12-12 | Capital One Services, Llc | Systems and methods for adjusting transaction affinity information |
CN108920630B (zh) * | 2018-06-29 | 2023-03-21 | 联想(北京)有限公司 | 一种数据处理方法及电子设备 |
CN108984756B (zh) * | 2018-07-18 | 2022-03-08 | 网易传媒科技(北京)有限公司 | 信息处理方法、介质、装置和计算设备 |
CN109300012B (zh) * | 2018-10-19 | 2023-11-10 | 中国平安人寿保险股份有限公司 | 产品数据推送方法、装置、计算机设备和存储介质 |
CN109300021A (zh) * | 2018-11-29 | 2019-02-01 | 爱保科技(横琴)有限公司 | 保险推荐方法及装置 |
CN111260104B (zh) * | 2018-11-30 | 2022-07-29 | 北京嘀嘀无限科技发展有限公司 | 一种订单信息动态调整方法和装置 |
CN110046634B (zh) * | 2018-12-04 | 2021-04-27 | 创新先进技术有限公司 | 聚类结果的解释方法和装置 |
CN109800355B (zh) * | 2019-01-21 | 2021-01-05 | 美的集团武汉制冷设备有限公司 | 筛选展示方法、机器人及计算机可读存储介质 |
CN111814032A (zh) * | 2019-04-11 | 2020-10-23 | 阿里巴巴集团控股有限公司 | 冷启动推荐方法、装置及电子设备 |
JP2021174109A (ja) * | 2020-04-21 | 2021-11-01 | キヤノン株式会社 | 情報処理装置および情報処理方法 |
KR102226938B1 (ko) * | 2020-08-13 | 2021-03-10 | 김성구 | 인공지능 모델을 이용하여 사용자 간의 최적화된 매칭을 위한 유효 데이터 추출 방법, 장치 및 컴퓨터프로그램 |
KR102226939B1 (ko) * | 2020-08-13 | 2021-03-10 | 김성구 | 유효 데이터 추출 성능이 향상된 인공지능 모델을 이용한 사용자 매칭 방법, 장치 및 컴퓨터프로그램 |
CN112381615B (zh) * | 2020-11-27 | 2022-09-02 | 华中科技大学 | 基于用户重复行为模式挖掘的短序列推荐方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140362A (ja) * | 2000-10-31 | 2002-05-17 | Toshiba Corp | 移動体向け情報提供システムおよび情報提供方法 |
JP2006209222A (ja) * | 2005-01-25 | 2006-08-10 | Yamaha Corp | ファイル検索装置 |
JP2008276637A (ja) * | 2007-05-02 | 2008-11-13 | Yahoo Japan Corp | 商品データを配信する方法 |
JP2009140010A (ja) * | 2007-12-03 | 2009-06-25 | Sony Corp | 情報処理装置、情報処理端末、情報処理方法、およびプログラム |
JP2009157500A (ja) * | 2007-12-25 | 2009-07-16 | Ntt Docomo Inc | 配信サーバ及び配信方法 |
JP2011095814A (ja) * | 2009-10-27 | 2011-05-12 | Hitachi Solutions Ltd | ユーザ嗜好適合アイテム推薦装置 |
JP2011257955A (ja) * | 2010-06-08 | 2011-12-22 | Nippon Telegr & Teleph Corp <Ntt> | 推薦アイテムフィルタリング方法及び推薦アイテムフィルタリングプログラム |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6266649B1 (en) * | 1998-09-18 | 2001-07-24 | Amazon.Com, Inc. | Collaborative recommendations using item-to-item similarity mappings |
US8280773B2 (en) * | 2000-03-13 | 2012-10-02 | Intellions, Inc. | Method and apparatus for internet customer retention |
US7809601B2 (en) * | 2000-10-18 | 2010-10-05 | Johnson & Johnson Consumer Companies | Intelligent performance-based product recommendation system |
US7720720B1 (en) * | 2004-08-05 | 2010-05-18 | Versata Development Group, Inc. | System and method for generating effective recommendations |
US10977613B2 (en) * | 2004-10-20 | 2021-04-13 | Dizpersion Technologies, Inc. | Method and system for providing cooperative purchasing over social networks |
US7881969B2 (en) * | 2005-12-13 | 2011-02-01 | Microsoft Corporation | Trust based architecture for listing service |
US8949338B2 (en) * | 2006-03-13 | 2015-02-03 | Ebay Inc. | Peer-to-peer trading platform |
US8468155B2 (en) * | 2006-06-22 | 2013-06-18 | Infosys Limited | Collaborative filtering-based recommendations |
US8301623B2 (en) * | 2007-05-22 | 2012-10-30 | Amazon Technologies, Inc. | Probabilistic recommendation system |
US8666909B2 (en) * | 2007-11-02 | 2014-03-04 | Ebay, Inc. | Interestingness recommendations in a computing advice facility |
US8538821B2 (en) * | 2008-06-04 | 2013-09-17 | Ebay Inc. | System and method for community aided research and shopping |
US7680703B1 (en) * | 2008-06-05 | 2010-03-16 | Amazon Technologies, Inc. | Data mining system capable of generating pairwise comparisons of user-selectable items based on user event histories |
US8086480B2 (en) * | 2008-09-25 | 2011-12-27 | Ebay Inc. | Methods and systems for activity-based recommendations |
US8370336B2 (en) * | 2009-04-08 | 2013-02-05 | Ebay Inc. | Methods and systems for deriving demand metrics used in ordering item listings presented in a search results page |
CN102385601B (zh) * | 2010-09-03 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种产品信息的推荐方法及系统 |
US8566339B2 (en) * | 2010-09-09 | 2013-10-22 | Ebay Inc. | Mining product recommendation from query reformulations |
CN102411596A (zh) * | 2010-09-21 | 2012-04-11 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及系统 |
WO2013010024A1 (en) * | 2011-07-12 | 2013-01-17 | Thomas Pinckney | Recommendations in a computing advice facility |
US10198486B2 (en) * | 2012-06-30 | 2019-02-05 | Ebay Inc. | Recommendation filtering based on common interests |
US20140046794A1 (en) * | 2012-08-07 | 2014-02-13 | Ebay Inc | Shopping assistant |
US20140129292A1 (en) * | 2012-11-07 | 2014-05-08 | Ebay Inc. | Facilitating social interaction using purchase or interest history |
US20140195370A1 (en) * | 2013-01-09 | 2014-07-10 | Ebay Inc. | Systems and methods for feedback associated with an electronic shopping-cart |
US20140372331A1 (en) * | 2013-06-13 | 2014-12-18 | Saba Software, Inc. | Methods and apparatus having applicability to succession planning |
-
2013
- 2013-06-19 CN CN201310244580.4A patent/CN104239338A/zh active Pending
- 2013-10-01 TW TW102135519A patent/TW201501059A/zh unknown
-
2014
- 2014-06-16 US US14/305,903 patent/US20140379617A1/en not_active Abandoned
- 2014-06-17 JP JP2016521496A patent/JP6134444B2/ja active Active
-
2015
- 2015-04-07 HK HK15103402.9A patent/HK1202942A1/xx unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002140362A (ja) * | 2000-10-31 | 2002-05-17 | Toshiba Corp | 移動体向け情報提供システムおよび情報提供方法 |
JP2006209222A (ja) * | 2005-01-25 | 2006-08-10 | Yamaha Corp | ファイル検索装置 |
JP2008276637A (ja) * | 2007-05-02 | 2008-11-13 | Yahoo Japan Corp | 商品データを配信する方法 |
JP2009140010A (ja) * | 2007-12-03 | 2009-06-25 | Sony Corp | 情報処理装置、情報処理端末、情報処理方法、およびプログラム |
JP2009157500A (ja) * | 2007-12-25 | 2009-07-16 | Ntt Docomo Inc | 配信サーバ及び配信方法 |
JP2011095814A (ja) * | 2009-10-27 | 2011-05-12 | Hitachi Solutions Ltd | ユーザ嗜好適合アイテム推薦装置 |
JP2011257955A (ja) * | 2010-06-08 | 2011-12-22 | Nippon Telegr & Teleph Corp <Ntt> | 推薦アイテムフィルタリング方法及び推薦アイテムフィルタリングプログラム |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6208819B1 (ja) * | 2016-06-20 | 2017-10-04 | ヤフー株式会社 | 決定装置、決定方法及び決定プログラム |
JP2017227968A (ja) * | 2016-06-20 | 2017-12-28 | ヤフー株式会社 | 決定装置、決定方法及び決定プログラム |
JP2018101375A (ja) * | 2016-12-22 | 2018-06-28 | 株式会社日本総合研究所 | カード利用情報処理装置、カード利用情報処理方法、およびシステム |
JP2018147045A (ja) * | 2017-03-01 | 2018-09-20 | ヤフー株式会社 | 検索装置、検索方法及び検索プログラム |
JP7117826B2 (ja) | 2017-03-01 | 2022-08-15 | ヤフー株式会社 | 検索装置、検索方法及び検索プログラム |
JP2017228315A (ja) * | 2017-09-07 | 2017-12-28 | ヤフー株式会社 | 決定装置、決定方法及び決定プログラム |
JP2020177695A (ja) * | 2020-07-16 | 2020-10-29 | ヤフー株式会社 | 情報提供システム、および情報提供方法 |
JP7160866B2 (ja) | 2020-07-16 | 2022-10-25 | ヤフー株式会社 | 情報提供システム、情報提供方法、およびプログラム |
JP2022027291A (ja) * | 2020-07-31 | 2022-02-10 | PayPay株式会社 | 分析装置、分析方法および分析プログラム |
Also Published As
Publication number | Publication date |
---|---|
TW201501059A (zh) | 2015-01-01 |
US20140379617A1 (en) | 2014-12-25 |
CN104239338A (zh) | 2014-12-24 |
HK1202942A1 (en) | 2015-10-09 |
JP6134444B2 (ja) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6134444B2 (ja) | 情報を推薦するための方法およびシステム | |
US9727616B2 (en) | Systems and methods for predicting sales of item listings | |
US10860634B2 (en) | Artificial intelligence system and method for generating a hierarchical data structure | |
TWI512653B (zh) | Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance | |
US10783568B1 (en) | Social merchandising system | |
CN112837118B (zh) | 企业用户的商品推荐方法和装置 | |
EP2710542A1 (en) | Method and system for selection, filtering or presentation of available sales outlets | |
WO2014209900A1 (en) | Selective sharing of user information based on contextual relationship information, such as to crowd-source gifts of interest to a recipient | |
CN108509466A (zh) | 一种信息推荐方法和装置 | |
WO2020221022A1 (zh) | 业务对象推荐方法 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2019504406A (ja) | 販売促進用表示のための商品選択のシステム及び方法 | |
WO2022081267A1 (en) | Product evaluation system and method of use | |
US11501334B2 (en) | Methods and apparatuses for selecting advertisements using semantic matching | |
CA3169819C (en) | Systems and methods for automated product classification | |
WO2014204900A2 (en) | Method and system for recommending information | |
CN115375219A (zh) | 库存物品预测和表项推荐 | |
JP6152188B1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US10990992B1 (en) | Systems and methods for assisting users in assessing costs of transactions | |
US20230245152A1 (en) | Local trend and influencer identification using machine learning predictive models | |
US20230237552A1 (en) | Methods and apparatus for recommending substitutions | |
US11948181B2 (en) | Systems and methods for using SKU vector information | |
US11972470B2 (en) | Systems and methods for identifying item substitutions | |
US11295370B1 (en) | Buyback offers using precalculated cached user data | |
US20230316387A1 (en) | Systems and methods for providing product data on mobile user interfaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170220 |
|
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: 20170404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170421 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6134444 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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |