JP2022548435A - 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムとその動作方法 - Google Patents
実用的な高効用負の配列ルールマイニングに基づく商品推奨システムとその動作方法 Download PDFInfo
- Publication number
- JP2022548435A JP2022548435A JP2021562005A JP2021562005A JP2022548435A JP 2022548435 A JP2022548435 A JP 2022548435A JP 2021562005 A JP2021562005 A JP 2021562005A JP 2021562005 A JP2021562005 A JP 2021562005A JP 2022548435 A JP2022548435 A JP 2022548435A
- Authority
- JP
- Japan
- Prior art keywords
- utility
- module
- user
- product
- negative sequence
- 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 41
- 238000005065 mining Methods 0.000 claims abstract description 49
- 239000000284 extract Substances 0.000 claims abstract description 4
- 230000005540 biological transmission Effects 0.000 claims description 53
- 230000010365 information processing Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000004140 cleaning Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 230000003542 behavioural effect Effects 0.000 claims description 7
- 230000001815 facial effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000011017 operating method Methods 0.000 claims 5
- 238000007726 management method Methods 0.000 description 6
- 241000758789 Juglans Species 0.000 description 5
- 235000009496 Juglans regia Nutrition 0.000 description 5
- 235000020234 walnut Nutrition 0.000 description 5
- 235000013527 bean curd Nutrition 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 244000068645 Carya illinoensis Species 0.000 description 3
- 235000009025 Carya illinoensis Nutrition 0.000 description 3
- 235000014571 nuts Nutrition 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000003116 impacting effect Effects 0.000 description 2
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 235000021012 strawberries Nutrition 0.000 description 1
- 210000003813 thumb Anatomy 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2255—Hash tables
-
- 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
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- 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
- G06F16/24564—Applying rules; Deductive queries
- G06F16/24565—Triggers; Constraints
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
-
- 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]
- G06Q30/0641—Shopping interfaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
「e-HUNSRアルゴリズム」とは、高効用負の配列ルールマイニングアルゴリズムをいう。このアルゴリズムは、効用的な負の配列ルールをマイニングする方法を初めて定義し、効用の信頼度を使用してルールの有用性を測定する。候補ルールの生成方法、必要な情報の保存方法、および不要なルールのプルーニング方法の具体的な実装方法が提供される。
伝送ネットワーク通信で順次接続された情報収集モジュール、商品推奨モジュール、および商品販売モジュールを含む実用的な高効用負の配列ルールマイニングに基づく商品推奨システムを提供する。
前記の情報抽出モジュールは、ユーザID、顔マーク、年齢、性別、タイムスタンプ、およびユーザが閲覧した商品マークを含むユーザ行動データをリアルタイムで抽出して保存するために用いられる。前記第1の情報伝送モジュールは、ユーザの行動データを、伝送ネットワークを介して前記商品推奨モジュールに送信するために用いられる。
前記商品推薦モジュールはクラウドサーバーに配置され、前記第1の情報送信モジュールは情報処理モジュールに接続されている。
前記商品販売モジュールは、クラウドサーバーにセットアップされ、前記第3の情報送信モジュールは、前記商品推奨モジュールを接続するために用いられる。前記決済モジュールは、ユーザが決済のためにカウンターに行く間に、前記商品推奨モジュールの処理結果に従ってショッピングカート内の商品を決済するために用いられる。前記在庫更新モジュールは、注文が正常に決済された後、リアルタイムで商品在庫を更新するために用いられる。さらに、前記商品販売モジュールはユーザの今回の買い物行動データをキャッシュし、前記第3の情報送信モジュールを介して、買い物記録を前記商品推奨モジュールにリアルタイムでフィードバックする。このようにして、商品推奨モジュールのデータを最新の状態に維持し、システムによって推奨される結果がより正確になり、ユーザのニーズにより一致するようにすることができる。
条件(2):R=X⇒YをRi=Xi⇒Yi比較した場合、Ri⊆R,X⊆Xi, Yi⊆Yであること。
条件(3):u(Ri) ≦u(R);u(Ri)はRiの効用であり、u(R)はRの効用であること。
ルールRiの効用u(Ri)は式(IV)に示す式で計算される。
2.本発明は、商品推薦行動の分析に適用され、商品タイプだけではなく商品価値にも注意を払うという商品推薦業界の特性に適応する。ユーザにアドバイスを提供するとき、本発明は、過去の買い物記録から興味深い規則を見つけ、ユーザのフォローアップ買い物行動を予測し、サポートを提供することができる。
図1に示されるとおり、伝送ネットワーク通信を介して情報収集モジュール、商品推奨モジュール、および商品販売モジュールを順次接続する、実用的な高効用負の配列ルールマイニングに基づく商品推奨システムである。
以下に示す工程(1)~(7)を含む、実施例1に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法である。
以下に示す工程(1)~(7)を含む、実施例1に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法である。
条件(2):R=X⇒YをRi=Xi⇒Yi比較した場合、Ri⊆R,X⊆Xi, Yi⊆Yであること。
条件(3):u(Ri) ≦u(R)、u(Ri)はRiの効用であり、u(R)はRの効用であること。
ルールR=X⇒Yについて、〈e1e2e3…ei-1〉が前部Xを表し、〈ei…ek〉が後部Yを表すと設定した場合、当該ルールはR=〈e1e2e3…ei-1〉⇒〈ei…ek〉と表され、
ルールRの効用u(R)
ルールRの効用u(R)は式(III)に示す式で計算される。
ルールRiの効用u(Ri)は式(IV)に示す式で計算される。
INPUT:効用配列データベース (D),最小効用閾値(min_utility),最小効用の信頼度閾値(min_uconf);
OUTPUT: 実用的な高効用配列ルール (AUNSRs)
(1) e-HUNSRアルゴリズムによるすべての高効用負の配列ルール((HUNSRs))のマイニング;
(2) AUNSRset←(HUNSRs);
(3) FOR(Ri:Xi⇒Yiand Ri+1:Xi+1⇒Yi+1inAUNSRset){
(4) IF(supp(Ri)=supp(Ri+1)){ //工程(1)
(5) IF(Ri+1⊆Ri∩Xi⊆Xi+1∩Yi+1⊆Yi){// 工程(2)
(6) IF(u(Ri+1) ≦u(Ri)){// 工程(3)
(7) Eliminate Ri+1
(8) }END OF LINE(6)
(9) }END OF LINE(5)
(10) }END OF LINE(4)
(11) }END FOR
(12) Return AUNSRset;
工程 (2)において、すべての高効用負の配列ルールをセットAUNSRsetに格納し、
工程 (4)において、サポートに従ってルールをフィルタリングし、
工程 (5) において、ルールの包含基準に従ってルールをフィルタリングし、
工程 (6) において、効用に従ってルールをフィルタリングし、
工程 (7) において、冗長なルールを削除し、
工程 (12)において、 セットAUNSRsetを返す。
Claims (10)
- 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムであって、情報収集モジュール、商品推薦モジュール、商品販売モジュールからなり、
前記情報収集モジュールは、順次接続された情報抽出モジュールと第1の情報送信モジュールとを含み、
前記情報抽出モジュールは、ユーザID、顔マーク、年齢、性別、タイムスタンプ、およびユーザが閲覧した商品マークを含むユーザ行動データをリアルタイムで抽出して保存するために用いられる。前記第1の情報伝送モジュールは、ユーザの行動データを、伝送ネットワークを介して前記商品推奨モジュールに送信するために用いられ、
前記商品推薦モジュールは、順次接続された情報処理モジュール、情報分析モジュール、表示モジュール、および第2の情報送信モジュールを含み、
前記商品推薦モジュールはクラウドサーバーに配置され、前記第1の情報送信モジュールは情報処理モジュールに接続され、
前記情報処理モジュールは、収集されたユーザ行動データに対してデータクリーニング・分類するために使用されて、前記分析モジュールは、前記情報処理モジュールの処理結果に従って、ユーザの買い物行動を分析・予測するために使用され、詳しくは、前記情報分析モジュールは、前記情報処理モジュールによって処理されたユーザ行動データに基づいて、ユーザIDに対応する買い物行動配列を作成し、次に、買い物行動を分析・予測し、同じ性別および同じ年齢層のユーザの買い物行動データは、配列データベースを構成し、各ユーザIDは、特定の期間中のユーザのすべての買い物記録によって形成された順序付けられた配列に対応し、次に、配列データベースのマイニングを実行して、実用的な高効用の負の配列ルール、つまりユーザのニーズを満たす商品の推奨を取得し、前記表示モジュールは、商品ID、品番、数量、および単価を含むユーザへの推奨結果を表示するために使用され、ユーザが満足している場合、それらをショッピングカートに追加し、それ以外の場合、推奨結果を破棄し、前記第2の情報送信モジュールは、前記商品推奨モジュールの処理結果を、送信ネットワークを介して前記商品販売モジュールに送信するために用いられ、
前記商品販売モジュールは、順次接続された決済モジュール、在庫更新モジュール、および第3の情報送信モジュールを含み、
前記商品販売モジュールは、クラウドサーバーに設置され、前記第3の情報送信モジュールは、前記商品推奨モジュールを接続するために用いられ、前記決済モジュールは、ユーザが決済のためにカウンターに行く間に、前記商品推奨モジュールの処理結果に従ってショッピングカート内の商品を決済するために用いられ、そして、前記在庫更新モジュールは、注文が正常に決済された後、リアルタイムで商品在庫を更新するために用いられ、前記商品販売モジュールはまた、ユーザの今回の買い物行動データをキャッシュし、前記第3の情報送信モジュールを介して、買い物記録を前記商品推奨モジュールにリアルタイムでフィードバックし、
伝送ネットワーク通信で前記の情報収集モジュール、商品推薦モジュール、商品販売モジュールを順次接続する
ことを特徴とする実用的な高効用負の配列ルールマイニングに基づく商品推奨システム。 - 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムであって、前記伝送ネットワークが、有線ネットワーク、LAN、Wi-Fi、パーソナルネットワーク、または4G/5Gネットワークであり得る
請求項1に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システム。 - 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法であって、
工程(1)において、前記情報抽出モジュールは、ユーザID、顔マーク、性別、年齢、タイムスタンプ、およびユーザが閲覧した商品マークを含むユーザ行動データをリアルタイムで抽出して保存し、その中で、顔マークには、眼鏡をかけるかどうか、目の座標位置が含まれる工程と、
工程(2)において、前記第1の情報送信モジュールは、工程(1)で述べたように情報収集モジュールによって抽出されたユーザ行動データを、送信ネットワークを介して前記商品推奨モジュールに送信する工程と、
工程(3)において、前記情報処理モジュールは、収集したユーザ行動データに対してデータクリーニングし、クリーニング後のデータを分類する工程と、
工程(4)において、前記分析処理モジュールは、前記情報処理モジュールの処理結果に基づいて、ユーザの買い物行動を分析・予測する。具体的なプロセスは次のとおりであり、前記情報処理モジュールが処理するユーザ行動データに基づいて、前記情報分析モジュールは、ユーザIDに対応する買い物行動配列を作成し、次に、買い物行動を分析・予測し、同じ性別および同じ年齢層のユーザの買い物行動データは、配列データベースを構成し、各ユーザIDは、特定の期間中のユーザのすべての買い物記録によって形成された順序付けられた配列に対応し、次に、配列データベースのマイニングを実行して、求められる、実用的な高効用の負の配列ルール、つまりユーザのニーズを満たす商品の推奨を取得する工程と、
工程(5)において、工程(4)で得られたユーザのニーズに沿った商品推奨に基づいて、前記表示モジュールは、商品ID、品番、数量、および単価を含むユーザの推奨結果を表示し、ユーザが満足している場合、ショッピングカートに追加し、それ以外の場合、推奨結果を破棄する工程と、
工程(6)において、前記第2の情報送信モジュールは、前記商品推奨モジュールの処理結果を、送信ネットワークを介して前記商品販売モジュールに送信する工程と、
工程(7)において、ユーザが決済のためにカウンターに行く間、前記決済モジュールは、前記商品推奨モジュールの処理結果に従って、ショッピングカート内の商品を決済し、次に、前記在庫更新モジュールは、注文が正常に決済された後、リアルタイムで商品在庫を更新し、前記商品販売モジュールはまた、ユーザの今回の買い物行動データをキャッシュし、前記第3の情報送信モジュールを介して、前記商品推奨モジュールにリアルタイムで買い物記録をフィードバックする工程と、
を含む
ことを特徴とする、請求項1または請求項2に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法。 - 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法であって、工程(4)において、前記情報分析モジュールはAUNSRMアルゴリズムを介して、ユーザ行動データを分析・予測し、
工程Aにおいて、高効用負の配列ルールマイニング方法のe-HUNSRアルゴリズムで効用配列データベースをマイニングして、高効用負の配列ルール即ちユーザの購入配列のなか、特定の値より大きいすべてのルールを取得し、且つ、各高効用負の配列ルールの効用と効用の信頼度を計算し、次に、高効用負ルールから取得した情報をそれぞれ2つのハッシュテーブルに格納し、1番目のハッシュテーブルのなか、key1は高効用負の配列ルールを表し、value1は対応する高効用負の配列ルールの効用を表し、2番目のハッシュテーブルのなか、key2は高効用負の配列ルールを表し、value2は対応する高効用負の配列ルールの効用の信頼度を表す工程と、
工程Bにおいて、実用的な高効用負の配列ルールのフィルタリングについて、サポート、ルール包含条件、効用に基づき高効用負の配列ルールを対象にフィルタリングし、サポート、ルール包含条件、効用の順に各高効用負の配列ルールを、以下に示されるとおり、順番にフィルタリングし、
高効用負の配列ルールR=X⇒YとRi=Xi⇒Yiがあり、RとRiがそれぞれ2つの異なる高効用負の配列ルールを表すと仮定すると、XはRの前部を表し、YはRの後部を表す。同時に、XiはRiの前部を表し、YiはRiの後部を表し、
条件(1):RとRiとはサポートが同じであること;
条件(2):R=X⇒YをRi=Xi⇒Yiと比較した場合、Ri⊆R,X⊆Xi, Yi⊆Yであること;
条件(3):u(Ri) ≦u(R) 、ここにu(Ri)はRiの効用を指し、u(R)はRの効用を指すこと;
上記の3つの条件(1)、(2)、および(3)が満たされる場合、高効用負の配列ルールRは、Riに比べて実用的な高効用負の配列ルールであり、すべてのRiを削除し、すべてのRを保持することにより、(1)、(2)、(3)の条件を満たした、すべての実用的な高効用負の配列ルール即ちユーザのニーズを満たす商品推奨を取得する工程と、
を含む
請求項3に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法。 - 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法であって、
ユーザIDを主キーとして使用して、データベースからユーザIDを含むすべての買い物行動データを検索し、ユーザの買い物行動データとは、タイムスタンプ、ユーザID、商品ID、数量、および単価を含む、前記第3の情報送信モジュールを介して前記商品販売モジュールにフィードバックするデータのことであり、次に、買い物行動データを同じユーザIDで組み合わせし、つまり、タイムスタンプ(買い物時間)を削除し、ユーザIDを最初のフィールドとして保持し、ユーザが購入した商品IDと数を時系列に並べ替えて2番目のフィールドを構成し、各商品の単価は個別に保存され、このようにして、異なる性別および異なる年齢層に対応する高効用配列データベースを取得し、
工程Aにおいて、前記に示すとおり、高効用配列データベースは、工程(3)のデータ分類後に得られたデータベースから変換される
請求項4に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法。 - 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法であって、
工程aにおいて、HUNSPMアルゴリズムを利用して、高効用配列データベースをマイニングし、すべての高効用の負の配列パターンを取得し、それらの効用を保存し、高効用負の配列パターンとは、効用が最小効用閾値以上の高効用負の配列パターンのことであり、
工程bにおいて、工程aで生成された高効用負の配列パターンに基づいてすべての候補ルールを取得し、高効用負の配列パターンを2つの部分、つまり前部と後部に分割し、
工程cにおいて、前部または後部に1つの負のアイテムのみ含まれている候補ルールを削除し、
工程dにおいて、残りの候補ルールの効用の信頼度を計算し、最小効用の信頼度閾値よりも大きい効用の信頼度を持つルールは求める高効用負の配列ルールであり、
工程Aにおいて、高効用負の配列ルールマイニング方法のe-HUNSRアルゴリズムで前記工程a~dを経て、効用配列データベースをマイニングして、高効用負の配列ルールを取得する
請求項4に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法。 - 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法であって、
条件(2)において、R=ac⇒be,Ri=ac⇒bと仮定し、〈ac⇒b〉⊆〈ac⇒be〉, ac⊆ac,b⊆beであり、そのなか、RとRiはそれぞれ2つの異なる高効用負の配列ルールを表し、acはRの前部を表し、beはRの後部を表し、acはRiの前部を表し、bはRiの後部を表し、すると、この2つのルールは条件(2)を満たす
請求項4に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法。 - 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法であって、
条件(3)において、ルールR=X⇒Yについて、〈e1e2e3…ei-1〉が前部Xを表し、〈ei…ek〉が後部Yを表すと設定した場合、当該ルールはR=〈e1e2e3…ei-1〉⇒〈ei…ek〉と表され、
ルールRの効用u(R)の計算式は、以下、式(III)に示すとおり:
ルールRi=Xi⇒Yiについて、〈e1e2e3…ej-1〉が前部Xiを表し、〈ej…ek〉が後部Yiを表すと設定した場合、当該ルールはRi=〈e1e2e3…ej-1〉⇒〈ej…ek〉と表され、
ルールRiの効用u(Ri)の計算式は、以下、式(IV)に示すとおり:
請求項4に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法。 - 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法でであって、
工程(3)において、欠落しているデータの場合、欠落しているデータの範囲が決定され、不要なフィールドが削除され、欠落しているコンテンツが入力される。 重複データの場合は、他のデータを削除し、1つのみ残す。 一貫性のないデータの場合は、データを補間する。というように、前記情報処理モジュールは、収集されたユーザ行動データに対してデータクリーニングし、
工程(3)において、同性および同年齢層のユーザの行動データでデータベースを構成し、異なる性別または異なる年齢層のユーザの行動データは、互いに独立した異なるデータベースを構成し、各データベースには、このタイプのユーザのすべての行動データが含まれる。というように、データクリーニングした後のデータは、ユーザの性別および年齢に基づいて分類される
請求項4に記載の実用的な高効用負の配列ルールマイニングに基づく商品推奨システムの動作方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010832287.XA CN111949711B (zh) | 2020-08-18 | 2020-08-18 | 一种基于可决策的高效用负序列规则挖掘的商品推荐系统及其工作方法 |
CN202010832287.X | 2020-08-18 | ||
PCT/CN2020/129274 WO2022036894A1 (zh) | 2020-08-18 | 2020-11-17 | 一种基于可决策的高效用负序列规则挖掘的商品推荐系统及其工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022548435A true JP2022548435A (ja) | 2022-11-21 |
JP7498503B2 JP7498503B2 (ja) | 2024-06-12 |
Family
ID=80270011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021562005A Active JP7498503B2 (ja) | 2020-08-18 | 2020-11-17 | 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムとその動作方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220058716A1 (ja) |
JP (1) | JP7498503B2 (ja) |
KR (1) | KR20220023331A (ja) |
CA (1) | CA3130784A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115964415B (zh) * | 2023-03-16 | 2023-05-26 | 山东科技大学 | 一种基于Pre-HUSPM的数据库序列插入处理方法 |
CN116342230B (zh) * | 2023-05-31 | 2023-08-08 | 深圳洽客科技有限公司 | 一种基于大数据分析的电商数据存储平台 |
CN116524646B (zh) * | 2023-07-05 | 2023-09-08 | 广东星云开物科技股份有限公司 | 售卖柜缺货联动推荐处理方法、售卖柜系统及存储介质 |
CN116823408B (zh) * | 2023-08-29 | 2023-12-01 | 小舟科技有限公司 | 基于虚拟现实的商品推荐方法、装置、终端及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160171540A1 (en) * | 2014-12-12 | 2016-06-16 | Suryanarayana MANGIPUDI | Dynamic Omnichannel Relevant Content And Services Targeting In Real Time |
US20170124487A1 (en) * | 2015-03-20 | 2017-05-04 | Salesforce.Com, Inc. | Systems, methods, and apparatuses for implementing machine learning model training and deployment with a rollback mechanism |
US20180218436A1 (en) * | 2013-05-18 | 2018-08-02 | Chaya Cooper | Virtual Personal Shopping System |
US20180342007A1 (en) * | 2017-05-23 | 2018-11-29 | Mercato, Inc. | Systems and methods for allocating and distributing inventory |
CN110277172A (zh) * | 2019-06-27 | 2019-09-24 | 齐鲁工业大学 | 一种基于高效的负序列挖掘模式的临床用药行为分析系统及其工作方法 |
CN110349678A (zh) * | 2019-07-19 | 2019-10-18 | 齐鲁工业大学 | 一种基于高效用正负序列规则挖掘的中药销售系统及其工作方法 |
-
2020
- 2020-11-17 KR KR1020217034665A patent/KR20220023331A/ko not_active Application Discontinuation
- 2020-11-17 JP JP2021562005A patent/JP7498503B2/ja active Active
- 2020-11-17 CA CA3130784A patent/CA3130784A1/en active Pending
-
2021
- 2021-08-27 US US17/458,829 patent/US20220058716A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180218436A1 (en) * | 2013-05-18 | 2018-08-02 | Chaya Cooper | Virtual Personal Shopping System |
US20160171540A1 (en) * | 2014-12-12 | 2016-06-16 | Suryanarayana MANGIPUDI | Dynamic Omnichannel Relevant Content And Services Targeting In Real Time |
US20170124487A1 (en) * | 2015-03-20 | 2017-05-04 | Salesforce.Com, Inc. | Systems, methods, and apparatuses for implementing machine learning model training and deployment with a rollback mechanism |
US20180342007A1 (en) * | 2017-05-23 | 2018-11-29 | Mercato, Inc. | Systems and methods for allocating and distributing inventory |
CN110277172A (zh) * | 2019-06-27 | 2019-09-24 | 齐鲁工业大学 | 一种基于高效的负序列挖掘模式的临床用药行为分析系统及其工作方法 |
CN110349678A (zh) * | 2019-07-19 | 2019-10-18 | 齐鲁工业大学 | 一种基于高效用正负序列规则挖掘的中药销售系统及其工作方法 |
Also Published As
Publication number | Publication date |
---|---|
CA3130784A1 (en) | 2022-02-18 |
JP7498503B2 (ja) | 2024-06-12 |
KR20220023331A (ko) | 2022-03-02 |
US20220058716A1 (en) | 2022-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7498503B2 (ja) | 実用的な高効用負の配列ルールマイニングに基づく商品推奨システムとその動作方法 | |
Olson et al. | Advanced data mining techniques | |
Seng et al. | An analytic approach to select data mining for business decision | |
Cho et al. | A personalized recommender system based on web usage mining and decision tree induction | |
CN111949711B (zh) | 一种基于可决策的高效用负序列规则挖掘的商品推荐系统及其工作方法 | |
JP4707797B2 (ja) | 消費者の財政的挙動の予測モデル化方法及びシステム | |
US10204349B2 (en) | Analyzing customer segments | |
Bandyopadhyay et al. | Product recommendation for e-commerce business by applying principal component analysis (PCA) and K-means clustering: benefit for the society | |
US20080270398A1 (en) | Product affinity engine and method | |
CN108665333A (zh) | 商品推荐方法、装置、电子设备和存储介质 | |
CN106355432A (zh) | 一种付费广告效果监测调控的方法 | |
US11321724B1 (en) | Product evaluation system and method of use | |
CN107301592A (zh) | 用于商品替代品发掘的方法及装置 | |
CN106326318A (zh) | 搜索方法及装置 | |
WO2021012346A1 (zh) | 一种基于高效用正负序列规则挖掘的中药销售系统及其工作方法 | |
CN104346698A (zh) | 基于云计算和数据挖掘的餐饮会员大数据分析和考核系统 | |
CN115760202A (zh) | 一种基于人工智能的产品运营管理系统及方法 | |
CN104408641A (zh) | 电子商务推荐模型的品牌特征提取方法及系统 | |
CN111460300B (zh) | 网络内容推送方法、装置及存储介质 | |
Sabri et al. | Click Analysis: How E-commerce Companies Benefit from Exploratory and Association Rule Mining | |
Zuo et al. | Using statistical learning theory for purchase behavior prediction via direct observation of in-store behavior | |
CN114463085A (zh) | 自动化营销的通用沟通互动方法、装置、电子设备及存储介质 | |
Dissanayake et al. | Association Mining Approach for Customer Behavior Analytics | |
TWM600893U (zh) | 商品推薦裝置 | |
He et al. | The title of the paper: research on insurance marketing application based on hash link-table improved association rule algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211018 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230330 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230718 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230920 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240109 |
|
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: 20240430 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240524 |