JP5828958B2 - ソーシャル商品推薦の提供 - Google Patents

Description

［他の出願の相互参照］
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、発明の名称を「Ａ ＭＥＴＨＯＤ ＡＮＤ ＥＱＵＩＰＭＥＮＴ ＯＦ ＲＥＬＥＡＳＩＮＧ ＰＲＯＤＵＣＴ ＩＮＦＯＲＭＡＴＩＯＮ（商品情報を公開する方法および装置）」とする２０１１年７月２６日出願の中国特許出願第２０１１１０２１０２１０．Ｘ号に基づく優先権を主張する。

本願は、コンピュータ技術の分野に関し、特に、商品（製品）情報を推薦する技術に関する。

オンラインショッピングは、その利便性と柔軟性により、安定した成長と人気を獲得してきた。オンラインショッピングを通して、ユーザは、家に居ながらにして商品を閲覧して購入することができる。さらに、ユーザは、オンラインで非常に豊富な商品情報を精読して、より知識を得た上で購入を行い、また、最終的に取引を行う前に様々な商品を比較することができる。

しかしながら、オンラインで利用可能な商品情報の量が膨大であることから、オンラインショッピングをする人は、適切なコンテンツを見いだすまでに多くの情報を取捨選択することが必要な場合がある。したがって、オンラインショッピングをする人が自分の興味に最も一致する商品を速やかに見つけ出すことを可能にする商品情報を決定することが望ましい。

従来、商品情報がオンラインショッピングプラットフォームでユーザに提示および／または推薦される時、商品は、一般に、例えば以下の内の１または複数に基づいて決定された基準に基づいて順位付けされる。商品の特徴、販売者の信頼性、商品価格、および、販売者の住所。例えば、ユーザが商品をキーワード検索したことに応答して、オンラインショッピングプラットフォームは、例えば、商品価格、商品の特徴、販売者の住所、および／または、販売者の信頼性に対するユーザの要求に従って、検索結果を順位付け、順位付けされた検索結果をユーザに対して表示する。しかしながら、ユーザに検索結果を返す従来の技術では、ユーザにとって望ましい検索結果（すなわち、ユーザの関心に合うように順位付けされた検索結果）を生成できないので、ユーザは、望ましい検索結果が受信されるまで、同じ商品または同じタイプの商品を記述する検索要求の表現を変えて送信し続けることになる。検索要求の再送信を繰り返すことは、非効率であり、ユーザを苛立たせうる。

以下の詳細な説明と添付の図面において、本発明の様々な実施形態を開示する。

ソーシャル商品推薦のためのシステムの一実施形態を示す図。

ソーシャル商品推薦を提供するための処理の一実施形態を示すフローチャート。

事前格納された表現の一部を用いて、ユーザＡおよびＢの友人度値を決定する例を示す図。 事前格納された表現の一部を用いて、ユーザＡおよびＢの友人度値を決定する例を示す図。 事前格納された表現の一部を用いて、ユーザＡおよびＢの友人度値を決定する例を示す図。

ソーシャル商品推薦を提供する例の一実施形態を示すフローチャート。

ソーシャル商品推薦を提供するためのシステムの一実施形態を示す図。

本発明は、処理、装置、システム、物質の組成、コンピュータ読み取り可能な格納媒体上に具現化されたコンピュータプログラム製品、および／または、プロセッサ（プロセッサに接続されたメモリに格納および／またはそのメモリによって提供される命令を実行するよう構成されたプロセッサ）を含め、様々な形態で実装されうる。本明細書では、これらの実装または本発明が取りうる任意の他の形態を、技術と呼ぶ。一般に、開示された処理の工程の順序は、本発明の範囲内で変更されてもよい。特に言及しない限り、タスクを実行するよう構成されるものとして記載されたプロセッサまたはメモリなどの構成要素は、ある時間にタスクを実行するよう一時的に構成された一般的な構成要素として、または、タスクを実行するよう製造された特定の構成要素として実装されてよい。本明細書では、「プロセッサ」という用語は、１または複数のデバイス、回路、および／または、コンピュータプログラム命令などのデータを処理するよう構成された処理コアを指すものとする。

以下では、本発明の原理を示す図面を参照しつつ、本発明の１または複数の実施形態の詳細な説明を行う。本発明は、かかる実施形態に関連して説明されているが、どの実施形態にも限定されない。本発明の範囲は、特許請求の範囲によってのみ限定されるものであり、多くの代替物、変形物、および、等価物を含む。以下の説明では、本発明の完全な理解を提供するために、多くの具体的な詳細事項が記載されている。これらの詳細事項は、例示を目的としたものであり、本発明は、これらの具体的な詳細事項の一部または全てがなくとも特許請求の範囲に従って実施可能である。簡単のために、本発明に関連する技術分野で周知の技術要素については、本発明が必要以上にわかりにくくならないように、詳細には説明していない。

オンラインショッピングプラットフォームのためのソーシャル商品（製品）推薦の提供について本明細書に記載する。様々な実施形態において、ターゲットユーザが、関心のある商品情報（関心商品情報）を示しうる。次いで、関心商品情報に関連する商品について、商品レビューが、ターゲットユーザ以外のユーザから受信される。関心商品情報に関連する商品レビューの評価値が、受信された商品レビューに少なくとも部分的に基づいて決定されてよい。また、友人度の値（友人度値）が、ターゲットユーザと、商品レビューを投稿した他の各ユーザとの間で決定される。いくつかの実施形態において、推薦値が、商品レビューに記載された一意の各商品について、その商品に関連する商品レビューに対して決定された評価値と、その商品のレビューを投稿したレビュアユーザに関連する友人度値とに少なくとも部分的に基づいて決定される。いくつかの実施形態では、その後に、商品が、それぞれの推薦値に基づいて決定された順位に基づいてターゲットユーザに推薦される。

図１は、ソーシャル商品推薦のためのシステムの一実施形態を示す図である。この例において、システム１００は、デバイス１０２、ネットワーク１０４、および、サーバ１０６を備える。ネットワーク１０４は、高速ネットワークおよび／または遠隔通信ネットワークを含みうる。

デバイス１０２は、ネットワーク１０４を介してサーバ１０６と通信するよう構成されている。デバイス１０２は、ラップトップとして図示されているが、デバイス１０２のその他の例としては、デスクトップコンピュータ、タブレット、スマートフォン、携帯デバイス、または、任意のその他のコンピュータデバイスが挙げられる。デバイス１０２には、ターゲットユーザ（オンラインショッピングプラットフォームで潜在的に商品を購入することに関心のあるユーザ）が、ウェブページの閲覧および／または関心のある商品のキーワード検索の実行を通してソーシャルメディアウェブサイトで情報を共有することにより、関心商品情報を示唆することを可能にするウェブブラウザアプリケーションがインストールされる。ターゲットユーザにとってのかかる関心商品情報は、サーバ１０６によって決定されてよい。

サーバ１０６は、オンラインショッピングプラットフォームをサポートするよう構成されている。例えば、オンラインショッピングプラットフォームは、ウェブブラウザを用いて特定のユニフォームリソースロケータ（ＵＲＬ）でアクセス可能であってよく、個々のユーザによる商品の売買を可能にしうる。ユーザにとって関心があると決定された商品情報を用いて、サーバ１０６は、他のユーザによって投稿された関連商品レビューをリトリーブするよう構成されている。サーバ１０６は、商品レビューの少なくとも一部を用いて、各商品レビューの評価値を決定するよう構成されている。サーバ１０６は、さらに、ターゲットユーザと、商品レビューを投稿した各レビュアユーザとの間の友人度値を決定するよう構成されており、ここで、友人度値とは、オンラインショッピングプラットフォームでの２人のユーザ間の友人としての親密さを示すものである。一般に、友人度値が大きいほど、２ユーザがより親しい友人であるため、レビューされた商品がユーザに推薦される程度に対するレビュアユーザの商品レビューの影響が大きくなる。このように、サーバ１０６は、レビュアユーザおよびターゲットユーザについて決定された友人度値を少なくとも用いて、レビューされた商品に関連する推薦値を決定するよう構成されており、レビューされた商品は、いくつかの実施形態において、それぞれの推薦値に基づいた順位でユーザに推薦される。

図２は、ソーシャル商品推薦を提供するための処理の一実施形態を示すフローチャートである。いくつかの実施形態では、処理２００は、システム１００において実施されてよい。

工程２０２では、ターゲットユーザにとって関心のある商品情報である関心商品情報が決定される。いくつかの実施形態において、ターゲットユーザは、商品推薦が決定される対象となるユーザである。関心商品情報は、ターゲットユーザが購入に関心を持ちうる商品（例えば、特定の商品または単に商品のタイプ）を記述した情報を含みうる。いくつかの実施形態において、ターゲットユーザにとっての関心商品情報は、ユーザのオンライン動作から決定されてよい。ターゲットユーザにとっての関心商品情報は、１または複数の技術を用いて決定されてよい。一例において、ターゲットユーザにとっての関心商品情報は、ターゲットユーザに関連付けて格納された閲覧履歴から決定されてよい。例えば、関心商品情報は、販売ウェブページがターゲットユーザによって比較的頻繁に閲覧された商品に共通する特徴を含みうる。別の例において、ターゲットユーザにとっての関心商品情報は、ターゲットユーザによって実行されているキーワード検索から決定されてもよい。例えば、関心商品情報は、検索入力ボックスに入力されたキーワードを含みうる。さらに別の例において、ターゲットユーザにとっての関心商品情報は、ターゲットユーザによってウェブページ、ブログ、および／または、ソーシャルネットワーキングウェブサイトに掲載（例えば、共有）された情報から決定されてもよい。例えば、ターゲットユーザにとっての関心商品情報は、ターゲットユーザによってマイクロブログに投稿された情報を含んでよい（例えば、ターゲットユーザが「携帯電話を替える準備中」と投稿した場合、「携帯電話」が、関心商品情報として用いられてよい）。

いくつかの実施形態において、決定された関心商品情報は、ターゲットユーザが関心を持つ１または複数の商品カテゴリを決定するために用いられる。例えば、かかる商品カテゴリは、決定されたターゲットユーザにとっての関心商品情報とオンラインショッピングプラットフォームで利用可能な１または複数の所定の商品カテゴリに関連するキーワードとの間でキーワードマッチングを実行することによって決定されてよい。別の例において、かかる商品カテゴリは、ターゲットユーザによる商品カテゴリの１または複数の選択に基づいて決定されてもよい。

工程２０４では、関心商品情報に関連する複数の商品レビューがリトリーブされる。なお、複数の商品レビューは、複数のレビュアユーザによって生成される。いくつかの実施形態において、オンラインショッピングプラットフォームで様々な商品について投稿された商品レビューが格納される。各商品レビューは、オンラインショッピングプラットフォームのアカウントに関連付けられているユーザによって投稿されてよい。いくつかの実施形態において、各ユーザは、ユーザＩＤを割り当てられる。後述するように、格納された商品レビューを検索することによって、ターゲットユーザによる掲載に応答して投稿された商品レビューを受信することによって、および／または、ブックマーク動作を追跡することによって、関心商品情報に関連する商品レビューがリトリーブされてよい。

いくつかの実施形態において、工程２０２にて決定されたターゲットユーザにとっての関心商品情報に関連する商品についての（例えば、ターゲットユーザ以外のユーザによって投稿された）格納済みの商品レビューが検索されてよい。いくつかの実施形態において、商品レビューを投稿したユーザは、レビュアユーザと呼ばれる。例えば、各商品レビューは、以下の内の１または複数を含みうる。レビューされた商品の１または複数の識別子、特定の基準での格付け、画像、テキスト記述、商品レビューのレビュアユーザのユーザＩＤ、および／または、レビュアユーザおよびレビューされた商品に関する取引情報履歴（例えば、レビュアユーザが商品の購入に成功したか否か、および、レビュアユーザが商品を返品したか否か）。いくつかの実施形態において、ターゲットユーザのユーザＩＤ以外のユーザＩＤに関連付けられているユーザによって書かれると共にターゲットユーザが関心を持つと決定された商品カテゴリ内の商品に関連する商品レビューを決定するために、様々なレビュアユーザによって投稿された格納済みの商品レビューが検索される。いくつかの実施形態では、所定の期間（例えば、先月）中に受信された商品レビューだけが検索される。例えば、ターゲットユーザがソーシャルネットワーキングウェブサイトに「新しい携帯電話を購入する準備中」と投稿した場合、様々なタイプの携帯電話について先月に他のユーザによって投稿された商品レビューが検索されリトリーブされる。

いくつかの実施形態において、関心商品情報をターゲットユーザが掲載したことに応答して、商品レビューがレビュアユーザによって投稿される。例えば、ターゲットユーザがソーシャルネットワーキングウェブサイトで「新しい携帯電話を購入する準備中」と投稿した場合、他のユーザは、「携帯電話」に関連する商品の商品レビューで、その投稿に応答しうる。いくつかの実施形態において、ターゲットユーザは、ソーシャルネットワーキングウェブサイトで情報を投稿するためにユーザが通常用いるものに追加して、フィールドおよび／または選択を提示されうる。ターゲットユーザに提示されるかかる追加フィールドおよび／または選択の例は、商品カテゴリおよび商品の型式を含みうる。いくつかの実施形態において、かかる商品レビュー応答のために、例えば、商品カテゴリ、商品の型式、主要な特徴（例えば、色、寸法、性能パラメータ）、および、価格を含みうる追加フィールドまたは選択が、応答するユーザに提示されてよく、応答ユーザは、それらに書き込む。

いくつかの実施形態において、商品レビューは、関心商品情報に関連する商品のブックマーク動作を通して示される。例えば、（ブックマークすることによって商品をレビューしている）様々なユーザのブックマーク動作の履歴が記録される。

リトリーブされた商品レビューは、１または複数の一意の商品に関連しうる。例えば、１０のリトリーブされた商品レビューの内、５が第１の一意の商品のレビューで、３が第２の一意の商品のレビューで、２が第３の一意の商品のレビューでありうる。

工程２０６では、複数の商品レビューに対応する評価値が決定される。

いくつかの実施形態において、リトリーブされた各商品レビューに対して、評価値が決定される。評価値の範囲は、任意の適切なスキームに基づいて設定されうる。スキームの一例では、評価値が大きくなるほど、商品レビューが商品にとって好意的になる。様々な実施形態において、商品レビューの評価値の決定は、商品レビュー内の情報の少なくとも一部（例えば、取引情報履歴および／または格付け）を、選択されたスキームの評価値範囲で数値に対応づけることを含む。例えば、スキームが、「取引成功」および「商品返品」という２つの取引情報履歴のオプションに対して評価値を割り当てることを含む場合、異なる評価値が、各オプションに割り当てられうる。例えば、「取引成功」の評価値が３に設定されてよく、「商品返品」の評価値が−１に設定されてよい。別の例において、スキームが、商品の格付けに評価値を割り当てることを含む場合、異なる評価値が、「非常に良い」、「良い」、「普通」、「悪い」、および、「非常に悪い」を含む各商品格付けに割り当てられうる。例えば、「非常に良い」の評価値が３、「良い」の評価値が２、「普通」の評価値が１、「悪い」の評価値が−１、「非常に悪い」の評価値が−２に設定されてよい。さらに別の例において、スキームが、商品格付けと取引情報履歴との組み合わせに対して評価値を割り当てることを含む場合、異なる評価値が、取引オプションの履歴と商品の格付けとの異なる各組み合わせに対して割り当てられてよい。例えば、かかる可能な組み合わせの内のいくつかに対する評価値のみを例として挙げると、「取引成功」および商品格付け「非常に良い」の組み合わせの評価値が５、「商品返品」および商品格付け「良い」の組み合わせの評価値が２、「取引成功」および商品格付け「悪い」の組み合わせの評価値が−２に設定されてよい。

いくつかの実施形態において、商品レビューの取引情報履歴および商品格付けに加えてまたはその代わりに、ユーザに関連するブックマーク記録を含む商品レビューも、商品の評価値を決定する基準として機能しうる。例えば、ターゲットユーザがキーワード「折りたたみ式携帯電話」で検索を実行した場合、「折りたたみ式携帯電話」に関連する商品の評価値は、例えば、かかる各商品の評価値を、その商品がターゲットユーザ以外の１または複数のユーザによってブックマークされた合計回数として設定することによって決定される。

工程２０８では、複数のレビュアユーザとターゲットユーザとの間の友人度値が決定される。いくつかの実施形態において、友人度値は、商品レビューがリトリーブされた各レビュアユーザとターゲットユーザとの間で決定される。いくつかの実施形態において、オンラインショッピングプラットフォームは、プラットフォームで認識される関係を互いに形成するプラットフォームのユーザを含む。例えば、このようにプラットフォームで認識される関係の１つは、友人関係であってよく、そのプラットフォームで友人である２人のユーザは、プラットフォームで認識される関係すべてを表すソーシャルグラフにおいて直接リンクされると考えられうる。いくつかの実施形態において、「友人度値」とは、プラットフォームの２人のユーザ（例えば、２つのユーザＩＤ）の間の友人としての親密さを表す数値のことである。

以下は、レビュアユーザおよびターゲットユーザの間の友人度値を決定できる技術の一例である。

オンラインショッピングプラットフォームのユーザの間の友人関係のソーシャルグラフまたはその他の表現が、友人度値データベースに事前に格納される。例えば、ソーシャルグラフは、各ユーザと、各ユーザの友人であるすべての他のユーザとの間の友人関係を示す１または複数のテーブルとして格納されてよい。この事前に格納された視覚的表現において、プラットフォームの各ユーザは、ユーザのそれぞれのユーザＩＤに関連付けられているノードとして表されてよく、２人のユーザの間の各友人関係は、これら２人のユーザに対応するノードの間のリンクによって表されてよい。その表現内の各ノードは、０以上の他のノードにリンクされうる（すなわち、プラットフォームの各ユーザは、プラットフォームで０以上の友人を持ちうる）。レビュアユーザ（すなわち、リトリーブされた商品レビューに関連するユーザ）と、ターゲットユーザとの間の友人関係は、レビュアユーザおよびターゲットユーザに対応するノードと、かかるノードの間のリンクとを特定することによって決定される。各レビュアユーザは、ターゲットユーザと直接的にリンクされている場合もあるし、そうでない場合もある。例えば、レビュアユーザおよびターゲットユーザが（例えば、事前格納された情報のテーブルによって示唆されるように）友人であった場合、このレビュアユーザおよびターゲットユーザのノードの間にリンクが存在する。しかしながら、レビュアユーザがターゲットユーザと直接の友人ではない場合、レビュアユーザは、共通の友人を介してターゲットユーザと間接的にリンクされうる。例えば、共通の友人は、第１のユーザおよび第２のユーザ（レビュアユーザおよびターゲットユーザ）の間のノードであってよく、かかるノードの各々には、第１のユーザから第２のユーザまたは第２のユーザから第１のユーザへの連続的なリンクを辿ることによって到達できる。一例では、レビュアユーザとターゲットユーザとの間の友人度値は、事前格納された表現におけるレビュアユーザおよびターゲットユーザの間のリンクの最小数として決定されてよい。図３Ａ、図３Ｂ、および、図３Ｃは、事前格納された表現の一部を用いて、ユーザＡおよびＢの友人度値を決定する例を示す。図３Ａは、互いに直接の友人である２人のユーザＡおよびＢを示しており、したがって、１つのリンクが２人のユーザを結んでいる。したがって、この例のユーザＡおよびＢの間の友人度値は、１である。図３Ｂは、４人のユーザＡ、Ｂ、Ｃ、および、Ｄを示しており、Ａは、Ｂと直接の友人ではないがＣと友人であり、ＣはＤと友人であり、ＤはＢと友人である。したがって、ユーザＡおよびＢの間に３つのリンクがあるため、この例のＡおよびＢの間の友人度値は３である。図３Ｃは、５人のユーザＡ、Ｂ、Ｃ、Ｄ、および、Ｅを示しており、ＡはＢと直接の友人ではない。しかしながら、Ａは、Ｄのみを介して、もしくは、Ｃ、Ｄ、および、Ｅを介して、Ｂにリンクされうる。２つのリンク（ＡからＤおよびＤからＢへのリンクの数）が、ユーザＡおよびＢの間のリンクの最小数である（ＡおよびＣ、ＣおよびＤ、ＤおよびＥ、ＥおよびＢの間の４つのリンクではない）ため、この例のＡおよびＢの間の友人度値は２である。

図２に戻ると、上述のように、レビュアユーザとターゲットユーザとの間の友人度値が小さいほど、それらのユーザは、オンラインショッピングプラットフォームで親しいことになり、潜在的に、ターゲットユーザへの商品推薦に対する影響に関して、レビュアユーザの商品レビューがターゲットユーザに与える影響が大きくなる。

工程２１０では、複数の商品レビューに関連する商品の推薦値が、商品に対応する１または複数の評価値と、１または複数の評価値に関連付けられている重みとに基づいて決定される。ここで、重みは、商品に関連する上記複数の商品レビューの内の商品レビューに関連する上記複数のレビュアユーザの内のレビュアユーザに対応する友人度値に少なくとも部分的に基づいて決定される。

いくつかの実施形態において、まず、商品レビューを書いたレビュアユーザに関連する友人度値に少なくとも部分的に基づいて、商品レビューに対して決定された各評価値に対して、重みが決定される。いくつかの実施形態では、レビュアユーザに関連する友人度値に加えて、商品レビューを書いたレビュアユーザに関連する特定のステータスに基づいて、評価値の重みおよび／または評価値自体が調整されてもよい。次いで、評価値に対して重みが決定されると、（例えば、レビューされた商品の識別子によって識別されるように）商品レビューに記載された同じ商品に関連する重み付けされた評価がグループ化され、その商品の推薦値を決定するために用いられる。様々な実施形態において、推薦値は、ターゲットユーザへの商品推薦の基準を示す。一般に、商品の推薦値の大きさが大きいほど、その値は、商品がオンラインショッピングプラットフォームで他のユーザ（例えば、ターゲットユーザの友人および共通の友人）によって好意的にレビューされていることをターゲットユーザに示唆する。

上述のように、リトリーブされた商品レビューに関連する各商品の推薦値を決定する前に、商品レビューに対して決定された各評価値が、商品レビューを書いたレビュアユーザのユーザＩＤの友人度値および／またはレビュアのステータス（例えば、購入者、販売者、または、オペレータ）に少なくとも部分的に基づいて決定された重みによって重み付けされる。

例えば、対応する重みが、所定のスキームを用いて、友人度値に基づいて、評価値のために決定されてよい。一般に、割り当てられた重みが大きいほど、レビュアユーザは、ターゲットユーザのための商品推薦に対する大きい影響を割り当てられる。スキームの例では、友人度値「１」（すなわち、ターゲットユーザおよびレビュアユーザが直接的にリンクされている）に関連付けられる重みが６に設定され、友人度値「２」（すなわち、ターゲットユーザおよびレビュアユーザが１人の共通の友人を介してリンクされている）に関連付けられる重みが５に設定され、友人度値「３」（すなわち、ターゲットユーザおよびレビュアユーザが２人の共通の友人を介してリンクされている）に関連付けられる重みが４に設定され、友人度値「４」（すなわち、ターゲットユーザおよびレビュアユーザが３人の共通の友人を介してリンクされている）に関連付けられる重みが３に設定され、友人度値「５」（すなわち、ターゲットユーザおよびレビュアユーザが４人の共通の友人を介してリンクされている）に関連付けられる重みが２に設定され、友人度値「６」（すなわち、ターゲットユーザおよびレビュアユーザが５人の共通の友人を介してリンクされている）に関連付けられる重みが１に設定され、６より大きい友人度値（すなわち、ターゲットユーザおよびレビュアユーザが６人以上の共通の友人を介してリンクされている）に関連付けられる重みも１に設定される（なぜなら、６より大きい友人度値に関連する２人のユーザは、もはや全く親密ではないと考えられ、友人度値がさらに大きくなっても、ユーザの関係をさらに区別する必要がないため）。

上述のように、評価値に割り当たられた重みは、レビュアユーザの特定のステータスに基づいて調整されてもよい。例えば、ステータスは、レビュアユーザが、オンラインショッピングプラットフォームに関連する購入者であるか、販売者であるか、オペレータであるか、を含みうる。例えば、販売者ユーザは、自分が商品レビューを投稿した商品をオンラインショッピングプラットフォームで販売するユーザを含んでよく、オペレータユーザは、従業員であるか、または、他の形でオンラインショッピングプラットフォームと提携しているユーザであり、購入者ユーザは、販売者でもオペレータでもないユーザである。例えば、１ないし６の友人度値を有する購入者ステータスユーザＩＤに対応する重みは、それぞれ、１２、１０、８、６、４、および、２であり、１ないし６の友人度値を有する販売者ステータスユーザＩＤに対応する重みは、それぞれ、３、２．５、２、１．５、１、および、０．５である。この例では、購入者ステータスユーザＩＤに対応する重みは、同じ友人度値を有する販売者ステータスユーザＩＤに対応する重みよりも大きい。例えば、オンラインショッピングプラットフォームのオペレータステータスを有するユーザＩＤに対応する１ないし６のすべての友人度値について設定される重みが、１０であってよい。換言すると、この例では、レビュアユーザがオペレータステータスを有する場合、１ないし６のすべての友人度値に対して同じ重みが設定される（異なる友人度値に対して異なる重みが設定される販売者または購入者ステータスのユーザとは異なる）。

さらに、いくつかの実施形態において、ターゲットユーザとプラットフォームで認識される特別な関係を持つユーザのための特別な重みを設定することもできる。例えば、特別な関係は、友人度値によって記述される関係とは異なってよい。例えば、ターゲットユーザの親友または親類によって投稿された商品レビューおよびそれらに対応する評価値には、重み「８」が割り当てられてよい。

一部の例では、レビュアユーザが販売者ステータスを有する場合、そのユーザの商品レビューは、レビューされた商品の販売を増やす方向に偏りうる（例えば、販売者による商品の評価は、非常に好意的な方向に偏りうる）。したがって、いくつかの実施形態において、かかる販売者ユーザの提供した商品レビューの偏りは、かかるレビューに比較的小さい重みを与えることによって低減されるため、それぞれの評価値は、それに従って減じられる。さらに、販売者レビュアユーザの評価値は、正の値であるか負の値であるかを考慮されるだけでよい。具体例を以下に示す：商品の推薦値を計算する前に、対応するユーザステータスが販売者である評価値の内、正の評価値すべてを、標準化された正の値に調整し（例えば、販売者の正の評価値すべてを１に設定し）、対応するユーザステータスが販売者である評価値の内、負の評価値すべてを、標準化された負の値に調整（例えば、設定）する（例えば、販売者の負の評価値すべてを−０．８に設定する）。販売者レビュアユーザによる商品レビューに関連する評価値を、標準化された正または負の値に調整することにより、販売者ユーザの影響は、正または負の程度が異なることなしに、事実上、正または負として見られるだけになる。

さらに、いくつかの実施形態において、レビュアユーザが販売者ステータスを有すると決定された場合、そのレビュアユーザに関連する１または複数の評価値に割り当てられる重みは、プラットフォームにおけるそのレビュアユーザの販売者信頼性の程度（すなわち、信用度）に基づいて決定されてもよい。例えば、オンラインショッピングプラットフォームは、販売者の販売実績に関する購入者のレビューに少なくとも部分的に基づいて、プラットフォームの各販売者の信頼性を確立しうる。例えば、販売者ユーザの信頼性が高いほど、その販売者ユーザによって書かれた商品レビューの評価値に割り当てられる重みが大きくなる。

上述のように、評価値のための重みが決定されると、商品レビューに記載された一意の各商品について、推薦値を決定できる。いくつかの実施形態では、リトリーブされた商品レビューが、同じ商品についての複数の商品レビューを含みうるため、リトリーブされた商品レビューは、グループ分けされてよく、ここで、（商品の識別子によって識別された）同じ商品を記載する商品レビューが、同じグループに分けられる。結果として、各グループの商品レビューが、一意の各商品に関連することになる。次いで、グループ内の全商品レビューの評価値および評価値それぞれの重みを用いて、そのグループの商品レビューに関連する商品の推薦値が決定される。

いくつかの実施形態において、特定の商品の推薦値は、その商品に関連する重み付けされた評価値すべての加重平均として決定される。加重平均は、各評価値およびその重みの積の和をすべての重みの和で割ることによって決定されうる。例えば、商品Ａについて、第１の関連評価値が５で、その重みが２であり、第２の関連評価値が６であり、その重みが４であった場合、商品Ａの加重平均（推薦値）は、（５×２＋６×４）／（２＋４）＝３４／６＝５．６７である。

いくつかの実施形態では、特定の商品のために決定された推薦値は、以下のように調整されてよい。ターゲットユーザとの友人度値が１であるレビュアユーザ（すなわち、ターゲットユーザと友人であるユーザ）の全員が、特定の商品について最も高い評価を提供した場合、商品の推薦値は、その商品がユーザに優先的に推薦されるように、より高い値（または、全商品の中で最高の値）に調整されてよい。また、ターゲットユーザとの友人度値が１であるレビュアユーザ（すなわち、ターゲットユーザと友人であるユーザ）の大多数が、商品について最も低い評価を提供した場合、商品の推薦値は、その商品が（少なくとも、上位の推薦商品のセットの中では）ユーザに推薦されないように、０に調整されてよい。ターゲットユーザの友人の商品レビューに基づいてターゲットユーザのために決定された推薦値を調整することにより、友人が集合的に好むまたは嫌う商品の推薦値が、かかる意見を反映することになる。

工程２１２では、商品は、その商品および他の商品のそれぞれの推薦値に基づいて、複数の商品レビューに関連する他の商品と共に提示される。いくつかの実施形態において、リトリーブされた商品レビューに記載された一意の商品は、商品および他の商品のそれぞれの推薦値に基づいて順位付けされ、決定された順位に基づいたリストとしてターゲットユーザに（例えば、ウェブページで）提示される。より高い推薦値に関連する商品がより高く順位付けされ、かかる商品がよりユーザの関心を引く可能性があることをターゲットユーザに示唆する。例えば、各商品の提示は、その商品に関する情報（例えば、商品カテゴリ、商品の型式、色、値段）と、その商品の販売に関連するウェブページへのリンクとを含んでよい。同じ推薦値を有する複数の商品があった場合、かかる商品は、互いにランダムな順序で提示されてよい。いくつかの実施形態において、商品は、商品および他の商品のそれぞれの推薦値で順位付けされず、リストとして表示され、各商品が、それぞれの推薦値と共に表示される。商品のそれぞれの推薦値は、レビューを投稿したユーザとターゲットユーザとの友人度値に基づいて決定されたので、商品がターゲットユーザに推薦される程度（すなわち、推薦値の大きさ）は、商品に関するレビュアの意見を反映するだけではなく、オンラインショッピングプラットフォームでのターゲットユーザに対するレビュアの親密さをも（すなわち、友人度値に基づいて）反映する。

図４は、ソーシャル商品推薦を提供する例の一実施形態を示すフローチャートである。いくつかの実施形態では、処理４００は、システム１００にて実施されてよい。いくつかの実施形態では、処理２００は、処理４００を用いて実施されうる。

工程４０２では、ターゲットユーザによって公開された関心商品情報が決定される。いくつかの実施形態において、ターゲットユーザにとっての関心商品情報は、少なくともキーワードおよび／または商品カテゴリを含む。いくつかの実施形態において、公開は、例えば、ブログ、ウェブサイト、または、ソーシャルネットワーキングウェブサイトでの共有、投稿、アップロード、および／または、更新を含みうる。例えば、ユーザは、マイクロブログ上で以下の情報を公開しうる。「携帯電話を替える準備中」。この情報のキーワードは「携帯電話」である。

工程４０４では、関心商品情報に応じて生成された複数の商品レビューが受信される。ターゲットユーザによって公開された関心商品情報を見た可能性がある他のユーザが、いくつかの関連する商品のレビューでその公開に応えようとしうる。前の例に戻ると、「携帯電話」に関するターゲットユーザの投稿に応答して、他のユーザが、携帯電話に関する商品レビューでその投稿に応えうる。かかる応答は、以下の内の１または複数を含みうる。レビューされた商品の１または複数の識別子、特定の基準での格付け、画像、テキスト記述、商品レビューのレビュアユーザのユーザＩＤ、および／または、レビュアユーザおよびレビューされた商品に関する取引情報履歴（例えば、レビュアユーザが商品の購入に成功したか否か、および、レビュアユーザが商品を返品したか否か）。

工程４０６では、複数の商品レビューに関連する各レビュアユーザが販売者ステータスに関連付けられているか否かが判定される。販売者以外のステータスの一例は、購入者である。販売者ではない場合、制御は、工程４０８、４１０を経て、工程４１６に進む。販売者である場合、制御は、工程４１２、４１４を経て、工程４１６に進む。工程４０６の判定は、販売者ではないユーザ（例えば、購入者）の商品レビューと異なった方法で、販売者であるユーザの商品レビューを扱うために実行される。

工程４０８では、レビュアユーザに関連するそれぞれの商品レビューの評価値と、レビュアユーザおよびターゲットユーザの間の友人度値が決定される。例えば、レビュアユーザおよびターゲットユーザの間の友人度値は、事前に格納された友人度情報を用いて決定されてよい。

工程４１０では、商品レビューに関連する重みが、友人度値と、レビュアユーザのステータスとに少なくとも部分的に基づいて決定される。

工程４１２では、レビュアユーザに関連するそれぞれの商品レビューの評価値と、レビュアユーザおよびターゲットユーザの間の友人度値が決定され、評価値は、０より大きい場合には０に調整され、０より小さい場合には−１に調整される。レビュアユーザは販売者であり、商品レビューを偏らせたいと思いうるため、商品レビューの評価値は、起こりうる偏りの影響を低減するために標準化される。

工程４１４では、商品レビューに関連する重みが、友人度値、レビュアユーザのステータス、および、レビュアユーザに関連する販売者信頼性の程度に少なくとも部分的に基づいて決定される。

工程４１６では、複数の商品レビューに関連する商品について、推薦値が、その商品に対応する評価値およびそれぞれの重みに基づいて決定される。例えば、推薦値は、商品レビューに記載された一意の各商品について、その商品の商品レビューに対して決定された評価値およびそれぞれの重みに基づいて決定される。

工程４１８では、商品は、その商品および他の商品のそれぞれの推薦値に基づいて、複数の商品レビューに関連する他の商品と共に順位付けされる。例えば、商品のそれぞれの推薦値に基づいた商品のリストが、ターゲットユーザに提示されてよい。いくつかの実施形態において、より高い推薦値を有する商品は、より早く提示される。

工程４２０では、順位に含まれる商品に関する選択が受信される。例えば、ターゲットユーザは、部分的には、商品が順位付けされた方法と、選択商品の推薦値（自分に近い友人から最も大きい影響を受けている）とによって、順位リストに表示された商品を選択しうる。

図５は、ソーシャル商品推薦を提供するためのシステムの一実施形態を示す図である。システム５００は、第１の取得モジュール３１０と、第２の取得モジュール３２０と、決定モジュール３３０と、表示モジュール３４０と、を備える。

これらのモジュールは、１または複数のプロセッサ上で実行されるソフトウェアコンポーネントとして、特定の機能を実行するよう設計されたプログラム可能論理デバイスおよび／または特定用途向け集積回路などのハードウェアとして、もしくは、それらの組み合わせとして実装することができる。いくつかの実施形態において、モジュールは、コンピュータデバイス（パーソナルコンピュータ、サーバ、ネットワーク装置など）に本発明の実施形態に記載された方法を実行させるための複数の命令など、不揮発性記憶媒体（光学ディスク、フラッシュ記憶装置、携帯用ハードディスクなど）に格納することができるソフトウェア製品の形態で具現化されてよい。モジュールは、単一のデバイス上に実装されてもよいし、複数のデバイスにわたって分散されてもよい。

いくつかの実施形態において、第１の取得モジュール３１０は、ターゲットユーザにとっての関心商品情報を決定するよう構成されている。いくつかの実施形態において、第１の取得モジュール３１０は、さらに、ターゲットユーザにとっての関心商品情報に関連する商品レビューをリトリーブするよう構成されている。

いくつかの実施形態において、第２の取得モジュール３２０は、商品レビューの評価値と、商品レビューを投稿したレビュアユーザおよびターゲットユーザの間の友人度値とを決定するよう構成されている。

いくつかの実施形態において、決定モジュール３３０は、評価値および友人度値に基づいて、商品レビューに記載された商品の推薦値を決定するよう構成されている。

いくつかの実施形態において、表示モジュール３４０は、商品に関連する情報を提示するよう構成されており、ここで、商品は、それぞれの推薦値に基づいて順位付けされるか、または、少なくとも、それぞれの推薦値と共に表示される。

いくつかの実施形態において、第１の取得モジュール３１０は、さらに、ターゲットユーザによって実行された検索のキーワード、または、ターゲットユーザの閲覧履歴情報、または、ターゲットユーザがソーシャルメディアウェブサイトに公開した情報を決定するよう構成されている。

いくつかの実施形態において、第２の取得モジュール３２０は、さらに、オンラインショッピングプラットフォームのユーザＩＤの間の友人関係に関する事前格納された情報を備える友人度データベースを用いて、評価値に対応するレビュアユーザのユーザＩＤとターゲットユーザのユーザＩＤとを決定し、２人のユーザの間のリンクの最小数をレビュアユーザおよびターゲットユーザの間の友人度値として決定するよう構成されている。

いくつかの実施形態において、第２の取得モジュール３２０は、さらに、取引情報履歴および／または商品レビュー内での商品の商品格付けを決定し、取引情報履歴および／または商品レビューに関連する商品順位を少なくとも部分的に用いて、各商品レビューの評価値を決定するよう構成されている。

いくつかの実施形態において、決定モジュール３３０は、さらに、評価値に関連するレビュアユーザの友人度値と、レビュアユーザに関連付けられているステータス（例えば、オンラインショッピングプラットフォームの購入者、販売者、または、オペレータ）とに少なくとも部分的に基づいて、各評価値に対応する重みを決定するよう構成されている。いくつかの実施形態において、レビュアユーザのステータスが販売者だった場合、決定モジュール３３０は、そのユーザの商品レビューに関連する評価値の重みを決定する際に、プラットフォームでのそのユーザの販売者信頼性も考慮するよう構成されている。例えば、決定モジュール３３０は、販売者レビュアユーザに関連するすべての正の評価値を標準化された正の値に調整すると共に、販売者レビュアユーザに関連するすべての負の評価値を標準化された負の値に調整するよう構成されている。いくつかの実施形態において、決定モジュール３３０は、同じ商品に関する商品レビューを１つのグループに分類し、それらの商品レビューに対して決定された評価値と、評価値それぞれの重みとを用いて、その商品の推薦値を決定するよう構成されている。いくつかの実施形態において、推薦値は、評価値およびそれぞれの重みの加重平均として決定される。

いくつかの実施形態において、表示モジュール３４０は、さらに、それぞれの推薦値の大きさに基づいて商品を順位付けし、順位に従って商品を提示するよう構成されている。

当業者であれば、記載されているモジュールが、分散されたデバイスにわたって実装されても、単一のデバイス内に実装されてもよいことを理解できる。モジュールは、１つのモジュールに統合されてもよいし、いくつかのサブモジュールにさらに分割されてもよい。

以上の記載は、本願を実施する具体的な手段にすぎない。当業者であれば、本願の原理から逸脱することなく、改良および修飾を施すことも可能であること、そして、かかる改良および修飾も、本願の保護範囲内にあると見なされるべきであることに注意されたい。

上述の実施形態は、理解しやすいようにいくぶん詳しく説明されているが、本発明は、提供された詳細事項に限定されるものではない。本発明を実施する多くの代替方法が存在する。開示された実施形態は、例示であり、限定を意図するものではない。
適用例１：ソーシャル商品推薦を提供するためのシステムであって、１または複数のプロセッサであって、ターゲットユーザにとっての関心のある情報である関心商品情報を決定し、前記関心商品情報に関連する複数の商品レビューをリトリーブし、前記複数の商品レビューは、複数のレビュアユーザによって生成され、前記複数の商品レビューに対応する評価値を決定し、前記複数のレビュアユーザと前記ターゲットユーザとの間の友人度値を決定し、前記複数の商品レビューに関連する商品の推薦値を、前記商品に対応する１または複数の評価値と、前記１または複数の評価値に関連付けられており、前記商品に関連する前記複数の商品レビューの内の商品レビューに関連する前記複数のレビュアユーザの内のレビュアユーザに対応する友人度値に少なくとも部分的に基づいて決定される重みとに基づいて決定するよう構成されている、１または複数のプロセッサと、前記１または複数のプロセッサに接続され、前記１または複数のプロセッサに命令を提供するよう構成されている１または複数のメモリと、を備える、システム。
適用例２：適用例１に記載のシステムであって、前記１または複数のプロセッサは、さらに、前記複数の商品レビューに関連する他の商品と共に前記商品を、前記商品および前記他の商品の推薦値に基づいて提示するように構成されている、システム。
適用例３：適用例２に記載のシステムであって、前記商品および他の商品は、それらの推薦値を順位付けすることによって決定された順序で提示される、システム。
適用例４：適用例１に記載のシステムであって、前記ターゲットユーザにとっての前記関心商品情報は、前記ターゲットユーザがソーシャルメディアウェブサイトで公開した情報、前記ターゲットユーザが実行した検索のキーワード、および／または、前記ターゲットユーザが閲覧したウェブページに関連する情報を含む、システム。
適用例５：適用例１に記載のシステムであって、前記評価値は、対応する商品レビューの取引情報履歴および商品格付けの一方または両方に基づいて決定される、システム。
適用例６：適用例１に記載のシステムであって、前記複数のレビュアユーザと前記ターゲットユーザとの間の前記友人度値は、事前に格納された友人度情報に少なくとも部分的に基づいて決定される、システム。
適用例７：適用例１に記載のシステムであって、前記１または複数のプロセッサは、さらに、前記複数の商品レビューを１または複数のグループに分けるよう構成されており、各グループは、前記複数の商品レビューの内の１つの商品に関連する商品レビューを含む、システム。
適用例８：適用例１に記載のシステムであって、前記重みは、さらに、前記商品に関連する前記複数の商品レビューの内の商品レビューに関連する前記１または複数のレビュアユーザの内のレビュアユーザのステータスに少なくとも部分的に基づいて決定される、システム。
適用例９：適用例１に記載のシステムであって、前記商品の前記推薦値は、前記商品に対応する前記１または複数の評価値および前記１または複数の評価値に割り当てられた前記重みの加重平均として決定される、システム。
適用例１０：ソーシャル商品推薦を提供するための方法であって、ターゲットユーザにとっての関心のある商品情報である関心商品情報を決定し、前記関心商品情報に関連する複数の商品レビューをリトリーブし、前記複数の商品レビューは、複数のレビュアユーザによって生成され、前記複数の商品レビューに対応する評価値を決定し、前記複数のレビュアユーザと前記ターゲットユーザとの間の友人度値を決定し、前記複数の商品レビューに関連する商品の推薦値を、前記商品に対応する１または複数の評価値と、前記１または複数の評価値に関連付けられている重みとに基づいて決定し、前記重みは、前記商品に関連する前記複数の商品レビューの内の商品レビューに関連する前記複数のレビュアユーザの内のレビュアユーザに対応する友人度値に少なくとも部分的に基づいて決定される、ことを備える、方法。
適用例１１：適用例１０に記載の方法であって、さらに、前記複数の商品レビューに関連する他の商品と共に前記商品を、前記推薦値に基づいて提示することを備える、方法。
適用例１２：適用例１１に記載の方法であって、前記商品および他の商品は、それらの推薦値を順位付けすることによって決定された順序で提示される、方法。
適用例１３：適用例１０に記載の方法であって、前記ターゲットユーザにとっての前記関心商品情報は、前記ターゲットユーザがソーシャルメディアウェブサイトで公開した情報、前記ターゲットユーザが実行した検索のキーワード、および／または、前記ターゲットユーザが閲覧したウェブページに関連する情報を含む、方法。
適用例１４：適用例１０に記載の方法であって、前記評価値は、対応する商品レビューの取引情報履歴および商品格付けの一方または両方に基づいて決定される、方法。
適用例１５：適用例１０に記載の方法であって、前記複数のレビュアユーザと前記ターゲットユーザとの間の前記友人度値は、事前に格納された友人度情報に少なくとも部分的に基づいて決定される、方法。
適用例１６：適用例１０に記載の方法であって、さらに、前記複数の商品レビューを１または複数のグループに分けることを備え、各グループは、前記複数の商品レビューの内の１つの商品に関連する商品レビューを含む、方法。
適用例１７：適用例１０に記載の方法であって、前記重みは、さらに、前記商品に関連する前記複数の商品レビューの内の商品レビューに関連する前記１または複数のレビュアユーザの内のレビュアユーザのステータスに少なくとも部分的に基づいて決定される、方法。
適用例１８：適用例１０に記載の方法であって、前記商品の前記推薦値は、前記商品に対応する前記１または複数の評価値および前記１または複数の評価値に割り当てられた前記重みの加重平均として決定される、方法。
適用例１９：ソーシャル商品推薦を提供するためのコンピュータプログラム製品であって、コンピュータ読み取り可能な記憶媒体内に具現化され、ターゲットユーザにとっての関心のある商品情報である関心商品情報を決定するためのコンピュータ命令と、前記関心商品情報に関連する複数の商品レビューをリトリーブするためのコンピュータ命令であって、前記複数の商品レビューは、複数のレビュアユーザによって生成される、コンピュータ命令と、前記複数の商品レビューに対応する評価値を決定するためのコンピュータ命令と、前記複数のレビュアユーザと前記ターゲットユーザとの間の友人度値を決定するためのコンピュータ命令と、前記複数の商品レビューに関連する商品の推薦値を、前記商品に対応する１または複数の評価値と、前記１または複数の評価値に関連付けられている重みとに基づいて決定するためのコンピュータ命令とを備え、前記重みは、前記商品に関連する前記複数の商品レビューの内の商品レビューに関連する前記複数のレビュアユーザの内のレビュアユーザに対応する友人度値に少なくとも部分的に基づいて決定される、コンピュータプログラム製品。

Claims (17)

1. ソーシャル商品推薦を提供するためのシステムであって、
   １または複数のプロセッサであって、
   ターゲットユーザにとっての関心のある情報である関心商品情報を決定し、
   前記関心商品情報に関連する複数の商品レビューであって、オンラインプラットフォームにおける複数のレビュアユーザによって生成された複数の商品レビューをリトリーブし、
   前記複数の商品レビューに対応する評価値を決定し、
   前記複数のレビュアユーザと前記ターゲットユーザとの間の友人度値を決定し、
   前記複数の商品レビューに関連する商品の推薦値を、前記商品に対応する１または複数の評価値と、前記１または複数の評価値に関連付けられており、前記商品に関連する前記複数の商品レビューの内の商品レビューに関連する前記複数のレビュアユーザの内のレビュアユーザに対応する友人度値に少なくとも部分的に基づいて決定される重みとに基づいて決定するよう構成されている、１または複数のプロセッサと、
   前記１または複数のプロセッサに接続され、前記１または複数のプロセッサに命令を提供するよう構成されている１または複数のメモリと、
   を備え、
   前記商品レビューに関連する商品のための前記推薦値を決定することは、
   前記複数の商品レビューの中で、前記複数のレビュアユーザの中の第１のレビュアユーザによって生成された商品レビューであって、評価値に関連する商品レビューの決定と、
   前記第１のレビュアユーザが前記オンラインプラットフォームにおける販売者のステータスに関連することの確定とを含み、
   前記第１のレビュアユーザが前記オンラインプラットフォームにおける販売者のステータスに関連することの確定に応じて、
   標準化された複数の評価値のセットの１つについての前記商品レビューに関する前記評価値を調整し、
   少なくとも、前記オンラインプラットフォームにおける前記第１のレビュアユーザに関連する前記販売者の信頼性の程度に基づいて、前記第１のレビュアユーザに関する前記重みを決定し、
   前記商品レビューに関連する前記調整された評価値と、前記第１のレビュアユーザに関連する前記重みとの組み合わせを、前記商品のための前記推薦値の決定に用いるために決定する
   システム。
2. 請求項１に記載のシステムであって、前記１または複数のプロセッサは、さらに、前記複数の商品レビューに関連する他の商品と共に前記商品を、前記商品および前記他の商品の推薦値に基づいて提示するように構成されている、システム。
3. 請求項２に記載のシステムであって、前記商品および他の商品は、それらの推薦値を順位付けすることによって決定された順序で提示される、システム。
4. 請求項１に記載のシステムであって、前記ターゲットユーザにとっての前記関心商品情報は、前記ターゲットユーザがソーシャルメディアウェブサイトで公開した情報、前記ターゲットユーザが実行した検索のキーワード、および／または、前記ターゲットユーザが閲覧したウェブページに関連する情報を含む、システム。
5. 請求項１に記載のシステムであって、前記評価値は、対応する商品レビューの取引情報履歴および商品格付けの一方または両方に基づいて決定される、システム。
6. 請求項１に記載のシステムであって、前記複数のレビュアユーザと前記ターゲットユーザとの間の前記友人度値は、事前に格納された友人度情報に少なくとも部分的に基づいて決定される、システム。
7. 請求項１に記載のシステムであって、前記１または複数のプロセッサは、さらに、前記複数の商品レビューを１または複数のグループに分けるよう構成されており、各グループは、前記複数の商品レビューの内の１つの商品に関連する商品レビューを含む、システム。
8. 請求項１に記載のシステムであって、前記商品の前記推薦値は、前記商品に対応する前記１または複数の評価値および前記１または複数の評価値に割り当てられた前記重みの加重平均として決定される、システム。
9. ソーシャル商品推薦を提供するために、コンピュータによって実行される方法であって、
   ターゲットユーザにとっての関心のある商品情報である関心商品情報を決定し、
   前記関心商品情報に関連する複数の商品レビューであって、オンラインプラットフォームにおける複数のレビュアユーザによって生成された複数の商品レビューをリトリーブし、
   前記複数の商品レビューに対応する評価値を決定し、
   前記複数のレビュアユーザと前記ターゲットユーザとの間の友人度値を決定し、
   前記複数の商品レビューに関連する商品の推薦値を、前記商品に対応する１または複数の評価値と、前記１または複数の評価値に関連付けられている重みとに基づいて決定し、前記重みは、前記商品に関連する前記複数の商品レビューの内の商品レビューに関連する前記複数のレビュアユーザの内のレビュアユーザに対応する友人度値に少なくとも部分的に基づいて決定される、こと
   を備え、
   前記商品レビューに関連する商品のための前記推薦値を決定することは、
   前記複数の商品レビューの中で、前記複数のレビュアユーザの中の第１のレビュアユーザによって生成された商品レビューであって、評価値に関連する商品レビューの決定と、
   前記第１のレビュアユーザが前記オンラインプラットフォームにおける販売者のステータスに関連することの確定とを含み、
   前記第１のレビュアユーザが前記オンラインプラットフォームにおける販売者のステータスに関連することの確定に応じて、
   標準化された複数の評価値のセットの１つについての前記商品レビューに関する前記評価値を調整し、
   少なくとも、前記オンラインプラットフォームにおける前記第１のレビュアユーザに関連する前記販売者の信頼性の程度に基づいて、前記第１のレビュアユーザに関する前記重みを決定し、
   前記商品レビューに関連する前記調整された評価値と、前記第１のレビュアユーザに関連する前記重みとの組み合わせを、前記商品のための前記推薦値の決定に用いるために決定する
   方法。
10. 請求項９に記載の方法であって、さらに、前記複数の商品レビューに関連する他の商品と共に前記商品を、前記推薦値に基づいて提示することを備える、方法。
11. 請求項１０に記載の方法であって、前記商品および他の商品は、それらの推薦値を順位付けすることによって決定された順序で提示される、方法。
12. 請求項９に記載の方法であって、前記ターゲットユーザにとっての前記関心商品情報は、前記ターゲットユーザがソーシャルメディアウェブサイトで公開した情報、前記ターゲットユーザが実行した検索のキーワード、および／または、前記ターゲットユーザが閲覧したウェブページに関連する情報を含む、方法。
13. 請求項９に記載の方法であって、前記評価値は、対応する商品レビューの取引情報履歴および商品格付けの一方または両方に基づいて決定される、方法。
14. 請求項９に記載の方法であって、前記複数のレビュアユーザと前記ターゲットユーザとの間の前記友人度値は、事前に格納された友人度情報に少なくとも部分的に基づいて決定される、方法。
15. 請求項９に記載の方法であって、さらに、前記複数の商品レビューを１または複数のグループに分けることを備え、各グループは、前記複数の商品レビューの内の１つの商品に関連する商品レビューを含む、方法。
16. 請求項９に記載の方法であって、前記商品の前記推薦値は、前記商品に対応する前記１または複数の評価値および前記１または複数の評価値に割り当てられた前記重みの加重平均として決定される、方法。
17. ソーシャル商品推薦を提供するために、
    ターゲットユーザにとっての関心のある商品情報である関心商品情報を決定する機能と、
    前記関心商品情報に関連する複数の商品レビューであって、オンラインプラットフォームにおける複数のレビュアユーザによって生成される複数の商品レビューをリトリーブする機能と、
    前記複数の商品レビューに対応する評価値を決定する機能と、
    前記複数のレビュアユーザと前記ターゲットユーザとの間の友人度値を決定する機能と、
    前記複数の商品レビューに関連する商品の推薦値を、前記商品に対応する１または複数の評価値と、前記１または複数の評価値に関連付けられている重みとに基づいて決定する機能とをコンピュータに実現させるためのプログラムであって、
    前記重みは、前記商品に関連する前記複数の商品レビューの内の商品レビューに関連する前記複数のレビュアユーザの内のレビュアユーザに対応する友人度値に少なくとも部分的に基づいて決定され、
    前記商品レビューに関連する商品のための前記推薦値を決定する機能は、
    前記複数の商品レビューの中で、前記複数のレビュアユーザの中の第１のレビュアユーザによって生成された商品レビューであって、評価値に関連する商品レビューの決定と、
    前記第１のレビュアユーザが前記オンラインプラットフォームにおける販売者のステータスに関連することの確定とを含み、
    前記第１のレビュアユーザが前記オンラインプラットフォームにおける販売者のステータスに関連することの確定に応じて、
    標準化された複数の評価値のセットの１つについての前記商品レビューに関する前記評価値を調整し、
    少なくとも、前記オンラインプラットフォームにおける前記第１のレビュアユーザに関連する前記販売者の信頼性の程度に基づいて、前記第１のレビュアユーザに関する前記重みを決定し、
    前記商品レビューに関連する前記調整された評価値と、前記第１のレビュアユーザに関連する前記重みとの組み合わせを、前記商品のための前記推薦値の決定に用いるために決定する
    ためのコンピュータプログラム。

Images