JP5878245B2 - カテゴリシステムの知的ナビゲーション - Google Patents

カテゴリシステムの知的ナビゲーション Download PDF

Info

Publication number
JP5878245B2
JP5878245B2 JP2014549008A JP2014549008A JP5878245B2 JP 5878245 B2 JP5878245 B2 JP 5878245B2 JP 2014549008 A JP2014549008 A JP 2014549008A JP 2014549008 A JP2014549008 A JP 2014549008A JP 5878245 B2 JP5878245 B2 JP 5878245B2
Authority
JP
Japan
Prior art keywords
category
recommendation
query
data
product
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.)
Active
Application number
JP2014549008A
Other languages
English (en)
Other versions
JP2015501061A (ja
Inventor
ズォン・アンシアーン
パン・チュンシアーン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Publication of JP2015501061A publication Critical patent/JP2015501061A/ja
Application granted granted Critical
Publication of JP5878245B2 publication Critical patent/JP5878245B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3322—Query formulation using system suggestions
    • 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]
    • G06Q30/0603—Catalogue ordering

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Navigation (AREA)

Description

［関連出願の相互参照］
本出願は、２０１２年１月１９日に出願され「ＡＮ Ｅ−ＣＯＭＭＥＲＣＥ ＷＥＢＳＩＴＥ ＮＡＶＩＧＡＴＩＯＮ ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ（電子商取引ウェブサイト・ナビゲーションの方法およびシステム）」と題された中国特許出願第２０１２１００１８２９５．６号の優先権を主張する。この出願は、あらゆる目的のために、参照によって本明細書に組み込まれる。
本出願は、ウェブサイト・ナビゲーション技術を伴うものであり、特に、電子商取引ウェブサイト・ナビゲーション技術を伴うものである。
現在、ユーザが電子商取引ウェブサイトで所望の製品を探す一般的なやり方には、ウェブサイトにおける製品カテゴリの閲覧を通じて探すやり方、ウェブサイトに関係付けられた広告のクリックを通じて探すやり方、およびウェブサイトにおける検索の実施を通じて探すやり方の３つがある。製品カテゴリは、製品の分類のことを言い、フロントエンド部分とバックエンド部分とに分けられる。フロントエンド部分は、通例、ＵＩ（ユーザインターフェース）表示のために使用され、バックエンドは、通例、製品管理のために使用され、フロントエンドのアイテムとバックエンドのアイテムとの間の関係の対応付けは、ルールによって記述されてよい。現在、ウェブサイトにおけるカテゴリシステムは、ツリー構造として表される。このツリー構造では、各親製品カテゴリが、ツリー内の一ノードを表し、１つ以上の製品サブカテゴリを有しているのに対し、各サブカテゴリは、１つの親製品カテゴリのみを有している。一般に、フロントエンドシステムとやり取りするユーザは、最も上のレベルのカテゴリから始まって、ツリー内の後に続く各レベルのサブカテゴリをクリックして進むことによって、様々なカテゴリを縦断していくだろう。したがって、ユーザが、ツリー構造の最も上から最も下まで縦断するのに伴って、後に続くサブカテゴリに含まれる製品情報が精緻化されていくので、各サブカテゴリに含まれる製品の範囲は、どんどん狭くなる。
以下は、ユーザがウェブサイトで一般的に製品カテゴリを閲覧して進むプロセスの一例である。先ず、製品が複数のカテゴリにグループ分けされ、次いで、ツリー構造内の（ツリーのルートを除いて）最も上のレベルにあるカテゴリが先ずグループ分けされる。次いで、例えば各カテゴリに対するユーザの関心に基づいて、そのグループのカテゴリがランク付けされる。カテゴリは、そのそれぞれのランクに基づいて表示される。ユーザは、所望の製品を閲覧したいときに、表示されているカテゴリの１つをクリックし、選択されたカテゴリに関連付けられた製品情報と、選択されたカテゴリのサブカテゴリとを閲覧してよい。ユーザは、サブカテゴリの１つをクリックし、選択されたサブカテゴリに関連付けられた製品情報と、選択されたサブカテゴリのサブカテゴリとを閲覧し、以下、所望の製品情報を見つけるまでカテゴリシステム内における縦断を繰り返してよい。例えば、製品情報は、電子商取引ウェブサイトで販売されている製品を記述していてよい。代表的な形式のカテゴリシステムナビゲーション技術を使用して所望の製品を探すためには、ユーザが、そのカテゴリシステムに精通している必要があるだろう。ユーザがウェブサイトで所望の製品を探すその他の代表的なやり方としては、個々の製品または製品を販売している特定の販売者をウェブサイトで重点的に宣伝しているそのウェブサイトに関係付けられた広告をクリックすること、および、検索クエリを発信するようにユーザに要求する検索をウェブサイトで実施することが挙げられ、これらのやり方は、いずれも、ユーザがカテゴリシステムに精通している必要が無く、したがって、製品を検索する人気のやり方になっている。
カテゴリシステム内を縦断する技術を（例えば、ユーザの検索時間およびユーザクリックの数を減らすことによって）向上させるために、カテゴリシステムを通じた知的ナビゲーションが利用できるようになった。当初、電子商取引ウェブサイトは、カテゴリ製品量ナビゲーションの形をとる知的ナビゲーションを使用していた。カテゴリ製品量ナビゲーションとは、ユーザがキーワードを入力した後、推薦されるカテゴリを並べる順序がこれらのカテゴリ下における関連製品の量によって決定され、次いで、これらのカテゴリが１レベルずつ表示されることを意味している。テキスト照合を利用するこのカテゴリ製品量ナビゲーションの技術下では、ユーザのキーワードに一致する製品が各製品カテゴリに複数ずつ含まれるだろうゆえに、膨大な数の製品カテゴリがユーザに返されるだろう。しかしながら、ユーザにとって、大量の製品カテゴリが返されることは紛らわしく、表示されているどのカテゴリが自身にとって望ましい製品を含んでいるかを決定することができないかもしれない。例えば、あるモデル番号の携帯電話機を検索しているときに、最初に推薦されるカテゴリは、「デジタルアクセサリ」である。なぜならば、「デジタルアクセサリ」カテゴリ下にある製品量は、「電話機」カテゴリ下にある製品量を遥かに上回るからである。しかしながら、ユーザの検索意図に近いのは、実際は、「デジタルアクセサリ」カテゴリの製品よりも、「電話機」カテゴリ下にある製品である。したがって、カテゴリ下にあるユーザ入力キーワードに一致する製品の量に主に基づいて製品カテゴリを表示するやり方は、必ずしも常に望ましいとは限らない。
上述された問題を対象にした解決策は、１つには、過去のカテゴリクリック行為に基づいて、各カテゴリについてのカテゴリ相関スコアを決定することである。この技術は、カテゴリクリック・ナビゲーション技術と呼ばれることもある。次いで、カテゴリは、算出されたその相関スコアにしたがってランク付けされ、動的に表示される（そして、比較的低い相関スコアを有するカテゴリは、隠されてよい）。しかしながら、このナビゲーション技術は、依然、カテゴリシステムの最も上のレベルからカテゴリを表示する枠組みを排除するには至っておらず、このような枠組みでは、ユーザは、より精緻化されたカテゴリを、ふるい分けおよび選別のために選択するために、複数回のクリックを経ることを求められる。さらに、説明されたナビゲーション技術に必要とされる処理は、カテゴリシステムにおける１レベルずつの縦断を必要とし、また、この技術における表示の部分もまた、１レベルずつアプローチされるものであり、これらは、カテゴリシステム内で素早く検索したいと願うユーザにとっては、時間を食ううえに非効率的だろう。
以下の詳細な説明および添付の図面において、本発明の様々な実施形態が開示される。
ツリー構造の形に体系化されたカテゴリシステムの一例を示した図である。
カテゴリシステム内における知的ナビゲーションを可能にするためのシステムの一実施形態を示した図である。
クエリ用語に対する推薦データを作成するためのプロセスの一実施形態を示したフローチャートである。
ボトムアップ方式の再帰的技術の一実施形態を示したフローチャートである。
カテゴリシステムの一部分の一例を示した図である。
カテゴリがその１つ下のレベルにあるサブカテゴリで置き換えられたカテゴリシステムの一例を示した図である。
電子商取引ウェブサイトに関連付けられたユーザインターフェースの一例を示した図である。
［図７］ 電子商取引ウェブサイトに関連付けられたユーザインターフェースの一例を示した図である。
クエリ用語「ワンピース」による検索に応答して返された検索結果の一例を示した図である。
カテゴリシステム内における知的ナビゲーションを可能にするためのシステムの一実施形態を示した図である。
カテゴリシステム内における知的ナビゲーションを可能にするためのシステムの一実施形態を示した図である。
本発明は、プロセス、装置、システム、合成物、コンピュータ読み取り可能なストレージ媒体に実装されたコンピュータプログラム製品、ならびに／または結合先のメモリに記憶された命令および／もしくは結合先のメモリによって提供される命令を実行するように構成されるプロセッサなどのプロセッサのような、数々の形態で実現することができる。本明細書では、これらの実現形態、または本発明がとりうるその他のあらゆる形態が、技術と称されるだろう。総じて、開示されたプロセスのステップの順序は、本発明の範囲内で変更されてよい。別途明記されない限り、タスクを実施するように構成されたものとして説明されるプロセッサまたはメモリなどのコンポーネントは、所定時にタスクを実施するように一時的に構成された汎用コンポーネントとして、またはタスクを実施するように製造された特殊コンポーネントとして実現されてよい。本明細書で使用される「プロセッサ」という用語は、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に構成される１つ以上のデバイス、回路、ならびに／または処理コアを言う。
本発明の原理を例示した添付の図面とともに、以下で、本発明の１つ以上の実施形態の詳細な説明が提供される。本発明は、このような実施形態との関わりのもとで説明されるが、いずれ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、本発明は、数々の代替形態、変更形態、および均等物を包含している。以下の説明では、本発明の完全な理解を与えるために、数々の具体的詳細が明記されている。これらの詳細は、例示を目的として提供されたものであり、本発明は、これらの詳細の一部または全部を伴わずとも、特許請求の範囲にしたがって実施されえる。明瞭さを期するために、本発明に関係する技術分野で知られる技工物は、本発明が不必要に不明瞭にされないように、詳細な説明を省略されている。
様々な実施形態において、電子商取引ウェブサイトのためのカテゴリシステムは、電子商取引ウェブサイトで売られている製品に関連付けられた、様々な製品カテゴリの製品情報を含む。一部の実施形態では、製品カテゴリは、製品の分類を言う。各製品カテゴリは、製品情報（例えば製品属性）の集合に関連付けられ、各製品情報は、電子商取引ウェブサイトで販売されている製品に関連付けられている。一部の実施形態では、各製品情報は、製品に関連付けられた１つ以上の属性を含む。例えば、Ｔシャツ製品の素材および価格は、ともに、Ｔシャツの属性として機能しうる。各属性が有する値として、１つ以上が考えられる。例えば、Ｔシャツ製品の素材属性は、綿の値またはウールの値を有していてよい。様々な実施形態において、カテゴリシステムは、電子商取引ウェブサイトに関連付けられたバックエンド・システムにおいてツリー構造として体系化され、各製品カテゴリは、ツリー内の一ノードによって表される。
図１は、ツリー構造の形に体系化されたカテゴリシステムの一例を示した図である。様々な実施形態において、ツリー構造１００は、電子商取引ウェブサイトのバックエンド・システムに記憶された製品カテゴリ情報を体系化したものを表している。カテゴリシステムは、電子製品カテゴリの階層を含むので、システムの製品カテゴリは、ツリーとして表すことができる。この例では、ツリー構造１００の（ルートノード１０２を除く）各四角が、製品カテゴリを表している。カテゴリシステムの階層内で（ルートノード１０２を除いて）最も上の製品カテゴリは、レベル１と称されるレベルに位置する。ツリー構造１００は、Ｎ個のレベルを含む。レベル１にある製品カテゴリ１０４のような製品カテゴリは、最も広い（かつ、最も精緻化されていない）カテゴリを表している。各レベルの各製品カテゴリは、ツリー内で次に下がったレベルに０または１つ以上のサブカテゴリを有していてよい。この例では、レベル１の下の次のレベルは、レベル２と称される。製品カテゴリ１０４は、例えば、サブカテゴリ１０６の親である。この例では示されていないが、レベル２の下の次のレベルは、レベル３であり、以下同様に続く。サブカテゴリを有さない製品カテゴリは、リーフカテゴリと称される。この例では、ツリー構造１００内で最も下のレベル、すなわちレベルＮに、製品カテゴリ１０８のような幾つかのリーフカテゴリがある。
（例えば電子商取引ウェブサイトで閲覧をしているユーザにとっての）フロントエンドシステムにおいてツリー構造１００によって表されているカテゴリシステム内における代表的なナビゲーションは、ツリー構造１００の構造を反映しているだろう。例えば、一般に、フロントエンドシステムにおいて、ユーザは、先ず、ツリー内で最も上のレベル、すなわちレベル１から開始して、製品カテゴリおよび製品情報を探す。また、次に下がったレベル、すなわちレベル２のサブカテゴリも表示されてよく、したがって、ユーザは、それらのサブカテゴリからも選択を行って製品情報を精緻化してよい。ユーザは、さらに、その後に続くレベルにある後続のサブカテゴリも選択してよく、そうして、表示される製品情報を、ツリー構造のリーフカテゴリに到達するまでおよび／または所望の製品情報を見つけるまで精緻化し続けてよい。しかしながら、最も上のレベルにある製品カテゴリから最も下のレベルにある製品カテゴリまでカテゴリシステム内をナビゲートするやり方は、非効率的だと考えられる。なぜならば、ユーザは、ツリー構造内で幾つか下のレベルの製品カテゴリにある所望の製品情報を見つけるまでに、クリックによって幾つかの後続カテゴリを経る必要があるからである。
カテゴリシステム内における知的ナビゲーションの実施形態が、本明細書で説明される。考えられる複数のクエリ用語のそれぞれについて、そのクエリ用語に関して電子商取引ウェブサイトにおける過去のユーザ活動を記録した過去ウェブログデータが分析される。例えば、ウェブログデータは、クエリ用語による検索後にユーザがクリックした製品カテゴリおよび／または製品情報と、クエリ用語による検索後にユーザが購入した製品に関連付けられた製品カテゴリとを含む。過去ウェブログデータの統計的分析から、クエリ用語についての参照データが決定される。その参照データに少なくとも部分的に基づいて、クエリ用語のためのナビゲーション推薦モデルが選択される。参照データは、クエリ用語を含むクエリをユーザが発信したことに応答して電子商取引ウェブサイトのフロントエンドに表示される、カテゴリシステムの少なくとも一部分を含む、推薦データの集合を決定するために、選択されたナビゲーション推薦モデルによって使用される。一部の実施形態では、選択されたナビゲーション推薦モデルは、推薦データとしてユーザに表示されるヴァージョンのカテゴリシステム内で、カテゴリシステム内の少なくとも１つ上のレベルに移動されるカテゴリシステムの一製品カテゴリを、もしあれば決定するために、参照データを使用する。推薦データには、より上のレベルに位置付けられた製品カテゴリを含む、カテゴリシステムの少なくとも一部分が含められる。フロントエンドにおいてユーザに表示されるヴァージョンのカテゴリシステムの階層内で、１つの製品カテゴリ（または幾つかの製品カテゴリ）を上のレベルに移動させることによる効果は、より強いユーザの関心をひくものとしてナビゲーション推薦モデルによって決定されたその製品カテゴリを、カテゴリシステムのツリー構造内を１レベルずつ縦断して下に進むよりも容易にユーザによってナビゲート可能にすることである。このようにして、ナビゲーション推薦モデルと参照データとの組み合わせは、カテゴリシステムの特定の製品カテゴリが、どのようにして、上のレベルに再配置可能であるか、および再配置されなかった場合よりも（上のレベルに配されているおかげで）早くフロントエンドにおいてユーザに表示可能であるかを決定する。一部の実施形態では、推薦データとクエリ用語と間の関連性が、推薦リストに記録される。すると、その後に受信されるクエリに対しては、そのクエリ内の少なくとも１つのクエリ用語が推薦リストのなかで検索され、一致する推薦データの集合（上記クエリ用語について決定された、レベルを上げられた少なくとも１つの製品カテゴリを含むカテゴリシステムの一部分）が求められる。一致する推薦データは、再配置されたカテゴリシステム内におけるナビゲーションを通じて、再配置されていないカテゴリシステムにおいて可能であっただろうよりも迅速に、所望の製品情報が見つけられることを可能にするために、フロントエンドにおいてユーザに表示される。
図２は、カテゴリシステム内における知的ナビゲーションを可能にするためのシステムの一実施形態を示した図である。この例では、システム２００は、デバイス２０２と、ネットワーク２０４と、ナビゲーションサーバ２０６と、データベース２０８とを含む。ネットワーク２０６は、高速ネットワークおよび／または電気通信ネットワークを含む。
デバイス２０２は、ネットワーク２０４を通じて、ナビゲーションサーバ２０６に関連付けられた電子商取引ウェブサイトとやり取りするように構成される。デバイス２０２は、ラップトップコンピュータとして示されているが、デバイス２０２のその他の例として、デスクトップコンピュータ、モバイル機器、スマートフォン、タブレット端末、および／またはその他の任意のタイプの計算機器が挙げられる。デバイス２０２のようなデバイスを使用しているユーザは、電子商取引ウェブサイトにおいて、１つ以上の製品カテゴリに対する閲覧、製品購入、および（例えばマウスによる）クリックを実施してよい。一般に、ユーザは、電子商取引ウェブサイトのカテゴリシステム内において、カテゴリシステムの階層の最も上のレベルにある製品カテゴリから最も下のレベルにある製品カテゴリへナビゲートする。このようなユーザ活動は、ナビゲーションサーバ２０６によって追跡され、ウェブログデータとしてデータベース２０８に記憶されてよい。電子商取引ウェブサイトの製品カテゴリのためのカテゴリシステムもまた、データベース２０８に記憶されてよい。
ナビゲーションサーバ２０６は、データベース２０８に記憶されているウェブログデータ（過去ユーザ活動データを含む）を使用し、電子商取引ウェブサイトにおけるその後の検索クエリにユーザが含めるかもしれない幾つかのクエリ用語のそれぞれに対して表示される推薦データの集合に含められるカテゴリシステムの一部分を決定するように構成される。電子商取引ウェブサイトに関連付けられたカテゴリシステムは、多数の製品カテゴリを含んでいてよく、ユーザは、所望の製品に関連付けられたカテゴリに到達するまでに、幾つものカテゴリをクリックして進む必要があるだろうゆえに、各クエリ用語に対して推薦データとして返されるカテゴリシステムの関連部分を決定することは、ユーザがより迅速に所望の製品を見つけることを可能にするのに役立つと考えられる。さらに、クエリ用語に対する推薦データとして決定されるカテゴリシステムの一部分は、階層内におけるレベルアップに関連付けられた特定の基準を満たしていると決定されたゆえにカテゴリシステムの階層内で上のレベルに移動された製品カテゴリを含んでいてよい。一部の実施形態では、クエリ用語と、そのクエリ用語について決定された推薦データ集合との間の関連性が、データベース２０８に記憶されている推薦リストに記憶される。
デバイス２０２のようなデバイスにおいて、ユーザがその後、電子商取引ウェブサイトにおける検索クエリを発信したことに応答し、ナビゲーションサーバ２０６は、検索クエリに含まれるクエリ用語を推薦リストのなかで検索するように構成される。もし、推薦リスト上でクエリ用語が見つかったらば、対応する推薦データに含まれる製品カテゴリおよび／または製品属性が返されて、ユーザに表示される。
図３は、クエリ用語に対する推薦データを作成するためのプロセスの一実施形態を示したフローチャートである。一部の実施形態では、プロセス３００は、システム１００において実行に移されてよい。
プロセス３００は、関連の製品カテゴリを検索するために電子商取引においてユーザによって使用されるかもしれない１つ以上のクエリ用語のそれぞれに対する推薦データを決定および記録するために使用される。
３０２において、クエリ用語に関し、そのクエリ用語に関連付けられた参照データを作成するために、過去ユーザ活動データの分析が実施される。一部の実施形態では、電子商取引ウェブサイトにおける一人以上のユーザの過去ユーザ活動データが、ウェブログデータとして記憶される。ウェブログデータは、サーバにおけるユーザ活動のログを言うことができる。例えば、ウェブログデータは、ユーザがクリックした製品カテゴリおよび／または製品情報、ユーザが購入した製品に関連付けられた製品カテゴリ、ならびにユーザによって検索されたクエリ用語を含む。例えば、過去ユーザ活動データは、クエリ用語「ライト」による検索後に、ユーザが、表示されたレベル１のカテゴリ「ランプ」および「キャンドル」をクリックしたことを示しているかもしれない。そのクエリ用語は、電子商取引ウェブサイトにおけるその後の製品検索でユーザが使用するかもしれないクエリ用語のリストからの用語であってよい。例えば、クエリ用語のリストは、ウェブサイトにおいてこれまでのクエリに使用されたクエリ用語を含んでいてよい。
一部の実施形態では、参照データは、過去ユーザ活動データの統計的分析の結果として得られるカテゴリシステムの１つ以上のカテゴリに対応するデータを含む。クエリ用語に関連付けられる参照データの幾つかの例は、クエリ用語に対応するカテゴリクリック分布データ（単に「クリックデータ」と呼ばれることもある）、クエリ用語に対応するカテゴリ購入分布データ（単に「購入データ」と呼ばれることもある）、およびクエリ用語に対応するカテゴリ相関性分布データ（単に「製品量データ」と呼ばれることもある）のうちの１つ以上を含んでいてよい。参照データは、カテゴリシステムの幾つかのカテゴリに対応していてよい。クエリ用語に対応するカテゴリクリック分布データ、カテゴリ購入分布データ、およびカテゴリ相関性分布データのそれぞれを決定する例が、以下で挙げられる。
１） 以下の技術例は、クエリ用語に対応するカテゴリクリック分布データを得るために使用されてよい。
クエリ用語に対応するカテゴリクリック分布データを決定するために、過去ユーザ活動データが分析され、クリック分布（例えば、クエリによる検索後にユーザによってクリックされたレベル１製品カテゴリの量（幅分布）と、また、クリックされた各レベル１製品カテゴリについて、ユーザが後続レベルのサブカテゴリを幾つクリックして進んだか（深度分布）（例えば、ユーザが、リーフカテゴリに到達するまでにレベル２をクリックしたかどうか、レベル３をクリックしたかどうか、および以下同様に続く））ならびに／またはクリック・トラフィック（例えば、各製品カテゴリのクリック総数）が求められる。
例えば、ユーザが検索ボックスにクエリ用語「手袋」を入力した後にユーザによってクリックされたレベル１製品カテゴリのクリック分布の統計的計算は、過去ユーザ活動データに基づいてユーザによってクリックされたカテゴリの幅分布および深度分布を決定することを含む。幅分布の場合は、例えば、「手袋」が入力された後のレベル１製品カテゴリは、カテゴリ「アウトドア／山登り／キャンプ／旅行」およびカテゴリ「装身具／ベルト／襟巻および帽子」を含む。深度分布については、例えば、ユーザは、レベル１製品カテゴリを過ぎてレベル２カテゴリ、レベル３カテゴリなどを引き続きクリックし、そのままリーフカテゴリに到達する。ユーザによってクリックされた各カテゴリについて、このカテゴリについてのクリック・トラフィックは、過去ユーザ活動データ内におけるこのカテゴリのクリック数を数えることに基づいて、統計的に算出される。上述の統計的分析を通じて、各カテゴリについてのクリック分布およびクリック・トラフィックを含むカテゴリクリック分布データが得られるだろう。
一部の実施形態では、十分なデータを伴わないクエリ用語を排除するために、過去ユーザ活動データに対して以下が実施されてよい。
各クエリ用語について、過去ユーザ活動内における全ての製品カテゴリにわたるユーザクリック総数が数えられて、記録される。一部の実施形態では、クリックの数は、「クリック・トラフィック」と称される。閾値未満のクリック総数に関連付けられたクエリ用語が無視されて、これらの無視されたクエリ用語については推薦データが作成されないように、第１のクリック閾値が設定されてよい。しかしながら、第１のクリック閾値以上のクリック総数に関連付けられたクエリ用語は保持されて、これらの保持されたクエリ用語については推薦データが作成される。
一部の実施形態では、ユーザによる不正を阻止するために、以下が随意に実施される。
各ユーザに関し、過去ユーザ活動における全ての製品カテゴリにわたって各クエリ用語についてのユーザクリック総数が数えられて、記録される。特定のユーザに関して閾値を超えるクリック総数に関連付けられたクエリ用語に対応するクリック・トラフィックが減衰されるように、第２のクリック閾値が設定されてよい。
例えば、もし、特定のユーザＡによる特定のクエリ用語Ｘについてのクリック・トラフィックが、第２のクリック閾値を超えるならば、（ユーザＡが、クエリ用語Ｘについてのクリック・トラフィックを人為的に増加させることに関心を持っていたゆえに、またはこのクエリ用語が、ユーザＡが特別に好むものであり、したがって、クエリ用語Ｘに対する大多数のユーザのクリック意図を代表するものではないゆえに、）ユーザＡは、不正なクリック意図を有していたと想定される。第２のクリック閾値を上回るこのクリック・トラフィックは、不正の性質を持っている可能性があるので、このクリック・トラフィックは、（このクリックデータサンプルによる影響を弱めるために、）減衰されてよい。減衰技術の一例は、不正であるかもしれないこのクリック・トラフィックを、設定されたクリック・トラフィック最大値まで減らすことである。
２） 以下の技術例は、クエリ用語に対応するカテゴリ購入分布データを得るために使用されてよい。
クエリ用語に対応するカテゴリ購入分布データを決定するために、過去ユーザ活動データが分析され、クエリ用語を使用した検索に応答して表示された製品のうちのどの製品がどのユーザによってクリックされて最終的に購入されたかが決定される。したがって、クエリ用語に対応するカテゴリ購入分布データは、クエリ用語との関連のもとで購入された製品に関連付けられた識別情報と、購入された製品の出元である製品カテゴリに関連付けられた識別情報と、それらの購入を行ったユーザに関連付けられた識別情報とを含む。クエリ用語の検索によって、特定の製品の最終的な購入が引き起こされたので、クエリ用語と、そのクエリ用語による検索後に購入された製品と、それらの製品を購入したユーザとの間には、購入相関性がある。
３） 以下の技術例は、クエリ用語に対応するカテゴリ相関性分布データを得るために使用されてよい。
クエリ用語に対応するカテゴリ相関性分布データを決定するために、過去ユーザ活動データが分析され、各クリックされた製品カテゴリに含まれるクエリ用語に関係していた製品の量が決定される。
例えば、各クリックされた製品カテゴリ内でクエリ用語に関係していた製品の量が、先ず、レベル１製品カテゴリについて決定され、次いで、レベル２製品カテゴリについて決定され、以下、リーフカテゴリについて決定されるまで同様に続けられる。したがって、クエリ用語に対応するカテゴリ相関性分布データは、最終的には、クエリ用語によって検索を行ったユーザによってクリックされた各カテゴリ下でクエリ用語に関係していた製品の量を含む。
一部の実施形態では、各クリックされた製品カテゴリ下でクエリ用語に関係していた製品の量は、必ずしも、テキスト照合の意味からクエリ用語に関係していたとは限らない。例えば、もし、あるカテゴリが、そのカテゴリ下でテキストベースでクエリ用語に一致する製品の数に基づいてユーザに推薦されたとすると、ユーザに最も関心を持たれているカテゴリではないカテゴリが返されるかもしれない。例えば、電子商取引ウェブサイトにおいて、あるユーザが特定のモデルの携帯電話を検索するかもしれない。もし、テキスト照合が使用されるならば、携帯電話・アクセサリ・カテゴリ下でクエリ用語に一致する製品の量が、携帯電話カテゴリ内でクエリ用語に一致する製品の量を遥かに上回るので、ユーザに最も推薦されるカテゴリは、したがって、携帯電話・アクセサリ・カテゴリであり、これは、ユーザが最も関心を持っている携帯電話カテゴリではない。しかしながら、もし、上述されたカテゴリ相関性分布データにしたがって推薦がなされるならば、携帯電話モデル番号のようなクエリを発信したユーザが、携帯電話・アクセサリ・カテゴリよりも携帯電話カテゴリを選ぶことのほうがよくあることを示すデータが、過去ユーザ活動データに含まれるだろうゆえに、携帯電話カテゴリのほうが、携帯電話・アクセサリ・カテゴリよりも強くクエリ用語「携帯電話モデル番号」に相関付けられていると推察されるだろう。
一部の実施形態では、参照データは、前述のカテゴリクリック分布データ、カテゴリ購入分布データ、およびカテゴリ相関性分布データのうちの１つ以上を含んでいてよい。さらに、これらのうちの２種類以上が参照データに含まれるときは、それらを比例加重することができ、それらの加重値が、参照データとして使用されてよい。
一部の実施形態では、上記の１）、２）、および３）の処理に加えて、以下のステップの１つ以上が随意に実施されてよい。
４） 以下の技術例は、クエリ用語を検索するときにユーザのナビゲーション・クリックデータを決定するために使用されてよい。
一部の実施形態では、クエリ用語による検索に応答し、過去ユーザ活動データに基づいて、クリックされた製品カテゴリと、そのカテゴリ下のクリックされた製品とを含むものとして、ナビゲーション・クリックデータが決定される。一部の実施形態では、ナビゲーション・クリックデータも、参照データに含められてよい。
５） 以下の技術例は、２つの製品カテゴリが合体されるかどうかを決定するために使用されてよい。
一部の実施形態では、もし、カテゴリシステムにおいて、（例えばカテゴリシステムの同じレベルにある）２つの製品カテゴリが同様の意味に関連付けられていると決定されたならば、それら２つの製品カテゴリは、合体されて１つの製品カテゴリにされる必要があるだろう。そして、製品情報を組み合わせたものを関連付けられるだろう。
例えば、製品カテゴリ「コンピュータファーニチャ」は、製品カテゴリ「コンピュータアクセサリ」と同様であるので、これら２つの製品カテゴリ「コンピュータファーニチャ」および「コンピュータアクセサリ」は、合体されてよい。
６） 以下の技術例は、低いクリック・トラフィックに関連付けられた製品カテゴリをフィルタ除去するために使用されてよい。
例えば、各製品カテゴリについてのクリック・トラフィックは、過去ユーザ活動データに基づいて集約されてよい。閾値未満のクリック・トラフィックに関連付けられた製品カテゴリがフィルタ除去されてその後の処理で無視されるように、閾値が設定されてよい。
７） 以下の技術例は、無効の製品カテゴリデータをフィルタ除去するために使用されてよい。
一部の実施形態では、ウェブサイトカテゴリシステムの調整後、一部の製品カテゴリが削除されてよい、またはその他のカテゴリと合体されてよい。このようなカテゴリは、フィルタ除去されてその後の処理では無視されてよい無効のカテゴリである。
３０４では、参照データに少なくとも部分的に基づいて、クエリ用語のためのナビゲーション推薦モデルが選択される。
クエリ用語に対する推薦データとしてカテゴリシステムの一部分を決定するために使用されるものとして、複数のナビゲーション推薦モデルが利用できるだろう。一部の実施形態では、あるクエリ用語について決定された参照データの分布特性に基づいて、そのクエリ用語のために選択される特定のナビゲーション推薦モデルが決定されてよい。ナビゲーション推薦モデルの様々な例が、以下でさらに説明される。
以下は、参照データを使用して適切なナビゲーション推薦モデルを選択するために実施されうるステップの例である。
１． 先ず、各製品カテゴリについて参照データに含まれる各データタイプ（カテゴリクリック分布データ、カテゴリ購入分布データ、および／またはカテゴリ相関性分布データ）が比例加重され、正規化される。例えば、各データタイプが、一定の比例加重を割り当てられてよい。
一部の実施形態では、高頻度のクエリ用語の場合にカテゴリクリック分布データの加重が増加されてよく、低頻度クエリ用語の場合にカテゴリ相関性分布データの加重が増加されてよい。例えば、もし、特定のクエリ用語に対するクリック総数が＜１００である（例えば、クエリ用語が低頻度のクエリ用語である）ならば、カテゴリ相関性分布データの加重が増加される。ここで、カテゴリ相関性分布データ加重＝１００／（クリック総数）である（そして、もし、カテゴリ相関性分布データ加重が増加されないならば、それは、１に等しいまたは１未満であっただろう）。
２． 先のステップ、すなわちステップ１で得られたデータが、カテゴリシステムの階層に基づいて、各レベル１製品カテゴリについて集約される。
ステップ１における処理後は、製品カテゴリに関連付けられた集約された参照データに基づいて、各レベル１製品カテゴリに対応する１つの加重・正規化データが得られる。ツリー構造状のカテゴリシステムにおける製品カテゴリレベルの階層に基づいて、下のレベルのカテゴリの加重・正規化データが１つ上のレベルの製品カテゴリに集約され、カテゴリシステムのレベルを１つずつ上がり、最終的に、カテゴリシステムの枝からのデータが、（ルートノードを除いて）最も上のレベル、すなわちレベル１製品カテゴリに集約される。したがって、各レベル１製品カテゴリについて、そのレベル１製品カテゴリ下の全てのサブカテゴリレベルを通じて集約された加重・正規化データが得られる。
３． レベル１製品カテゴリについて集約されたデータに少なくとも部分的に基づいて、使用されるナビゲーション推薦モデルが選択される。
例えば、レベル１製品カテゴリについて決定された集約データの分布特性を特定のナビゲーション推薦モデルに対応付けるルール集合が設定されてよい。以下は、このようなルールの例の一部である。
もし、レベル１製品カテゴリクリック・トラフィックが、「書籍」製品カテゴリに集中しているならば、以下でさらに詳しく説明される、「書籍」カテゴリ推薦モデルが選択される。
もし、最多のクリック・トラフィックに関連付けられた２つのレベル１製品カテゴリが、特定のレベル１製品カテゴリ「紳士服」および「婦人服」であるならば、以下でさらに詳しく説明される、親カテゴリ／サブカテゴリ推薦モデルが選択される。
もし、最多のクリック・トラフィックに関連付けられた２つのレベル１製品カテゴリが、特定のレベル１製品カテゴリ「紳士靴」および「婦人靴」であるならば、以下でさらに詳しく説明される、「靴」カテゴリ推薦モデルが選択される。
もし、最多のクリック・トラフィックに関連付けられたレベル１製品カテゴリのクリック・トラフィックの、全てのレベル１製品カテゴリにわたるクリック・トラフィックの合計に対する比が、＜０．２であるならば、以下でさらに詳しく説明される、分岐推薦モデルが選択される。
もし、最多のクリック・トラフィックに関連付けられたレベル１製品カテゴリのクリック・トラフィックの、全てのレベル１製品カテゴリにわたるクリック・トラフィックの合計に対する比が、＞０．９８であるならば、直接カテゴリ推薦モデルが選択される。
もし、クエリ用語がカテゴリ情報を示唆しているならば、以下でさらに詳しく説明される、カテゴリ検索を組み込まれた推薦モデルが選択される。
もし、クエリ用語が製品の記述的情報を示唆しているならば、以下でさらに詳しく説明される、カテゴリ／属性混合構成推薦モデルが選択される。
もし、上述されたいずれの条件も満たされないならば、以下でさらに詳しく説明される、タイル式のカテゴリ推薦モデルが選択される。
上述されたナビゲーション推薦モデルは、単なる例に過ぎず、実際の応用では、その他のナビゲーション推薦モデルが使用されてもよい。
３０６では、クエリ用語に関連付けられる推薦データの集合を決定するために、参照データと、選択されたナビゲーション推薦モデルとが使用される。推薦データの集合は、その後に受信されるクエリ用語を含むクエリに応答して表示するための、カテゴリシステムの少なくとも一部分を含む。
様々な実施形態において、選択されたナビゲーション推薦モデルは、参照データを使用し、少なくとも１つの非レベル１製品カテゴリを、階層／ツリー構造内で上のレベルに移動されるものとして、およびその上のレベルにある親カテゴリに置き換わるものとして選択することによって、カテゴリシステム内の少なくとも一部の製品カテゴリを再配置する。移動されるものとして選択された（１つ以上の）製品カテゴリは、参照データに関連付けられたクエリ用語を使用して検索を行ったユーザが、より関心を持っているものであると見なされ、したがって、その（１つ以上の）製品カテゴリは、カテゴリシステム内の返される部分において、階層／ツリー構造内で元の位置よりも１つ以上上のレベルに移動されることによって、カテゴリシステムのツリー構造内を下に進んでいるユーザによって、より迅速に到達されることが可能になるだろう。ナビゲーション推薦モデルによって決定される推薦データは、カテゴリシステム内で元に位置していたレベルよりも１つ以上上のレベルに移動された（１つ以上の）製品カテゴリ（およびそのような（１つ以上の）製品カテゴリに関連付けられた製品属性）を含むカテゴリシステムの一部分を含む。このように、推薦データは、カテゴリシステム内で移動されるものとして決定された製品カテゴリおよび／またはその製品属性を含んでいてよい。例えば、推薦データは、少なくとも、移動された（１つ以上の）製品カテゴリおよび／またはそのような製品カテゴリ下の製品属性の表示を含んでいてよい。
一部の実施形態では、ナビゲーション推薦モデルおよび参照データによって決定された、推薦データにおける製品カテゴリの再配置（例えば、製品カテゴリを上のレベルに移動させて親製品カテゴリに置き換えること）は、電子商取引ウェブサイトのバックエンドに記憶されているカテゴリシステムのツリー構造を必ずしも変更する必要はないだろう。むしろ、カテゴリシステムの構造は、バックエンドでは変化しないままであってよく、様々なクエリ用語に関連付けられる推薦データ集合のために、カテゴリシステムの少なくとも一部分を変更した複製が決定されてよい。
一部の実施形態では、選択されたナビゲーション推薦モデルは、参照データを使用し、（例えばナビゲーション推薦システムによって決定された）カテゴリシステム内の現位置／製品カテゴリから始まって、その製品カテゴリ（および同じ親製品カテゴリを共有するその他の任意の製品カテゴリ）が特定の基準を満たすかどうか、ならびにしたがってその親製品カテゴリと同じ上のレベルに移動されるべきか、および／またはその親製品カテゴリに置き換わるべきかを決定する「ボトムアップ方式の」再帰的技術を使用することによって、カテゴリシステムの少なくとも幾つかの製品カテゴリを再配置する。例えば、製品カテゴリを上のレベルに移動させる特定の基準は、その製品カテゴリがその親製品カテゴリよりも多くのクリック・トラフィックまたは購入アイテムを有することであってよい。以下の図４は、このようなボトムアップ方式の再帰的技術の一例を説明している。
したがって、特定の製品カテゴリが、カテゴリシステム内で上のレベルに移動されており、かつ、カテゴリシステム内で元の下のレベルのままであったよりも容易に到達されるゆえに、ユーザは、（関連付けられたクエリ用語に応答して返された）推薦データ集合のなかで、より速く所望の製品情報を見つけられるだろう。例えば、図１に戻り、ツリー構造１００が、カテゴリシステムを表しており、選択されたナビゲーション推薦モデルを、あるクエリ用語に関連付けられた参照データとともにカテゴリシステムに適用したと想定すると、その後、そのクエリ用語についてユーザが行った検索に応答して、１つ以上上のレベルに移動された製品カテゴリを含むツリー構造１００の一部分が、推薦データとしてユーザに返されるだろう。例えば、推薦データのなかで、これまでレベル２に位置していた製品カテゴリ１０６が、レベル１に位置しているだろう。したがって、たとえもし、ユーザが、推薦データとして表示された製品カテゴリを、ツリー構造１００の最も上（すなわち、レベル１に位置する製品カテゴリ）から１レベルずつ進むとしても、ユーザは、レベル１に移動した製品カテゴリ１０６に、それが元のレベル、すなわちレベル２のままであったよりも早く遭遇するだろう。
図３に戻り、３０８において、推薦データ集合とクエリ用語との間の関連性が、推薦リストに記録される。クエリ用語について決定された推薦データ集合の関連性が、推薦リストに記録される。すると、その後に受信されるクエリ用語を含むクエリに対しては、そのクエリを発信したユーザに送信するための関連の推薦データ集合を決定するために、推薦リストのなかでクエリ用語の検索が行われる。
図４は、ボトムアップ方式の再帰的技術の一実施形態を示したフローチャートである。一部の実施形態では、プロセス４００は、システム１００において実行に移される。一部の実施形態では、プロセス４００は、自動起動推薦技術と呼ばれることもある。
一部の実施形態では、プロセス４００は、図３の３０６のようなプロセスにおいて、特定のクエリ用語について選択されたナビゲーション推薦モデルによって使用されてよい。プロセス４００は、カテゴリシステムのカレント・カテゴリが同カテゴリシステムの階層内で少なくとも１つ上のレベルに移動されるべきかどうかを決定するために使用される。例えば、ナビゲーション推薦モデルは、プロセス４００において使用するための（１つ以上の）カレント・カテゴリを決定してよい。各種のナビゲーション推薦モデルがそれぞれ（１つ以上の）カレント・カテゴリを決定する技術は、以下でさらに説明されるように、様々に異なる。
４０２において、選択されたナビゲーション推薦モデルに少なくとも部分的に基づいて、カレント・カテゴリが決定される。（例えば、図３のプロセス３００の３０４などで）選択されたナビゲーション推薦モデルは、カテゴリシステムの１つ以上のカレント・カテゴリを決定するために使用される。前記１つ以上のカレント・カテゴリは、階層状のカテゴリシステムの製品カテゴリのなかから推薦データを決定する際の、カテゴリシステムの階層内における自動起動推薦技術の開始位置として機能する。
カテゴリシステムの少なくとも一部分の一例が、図５に描かれている。この例では、描かれているカテゴリシステムの一部分は、クエリ用語「衣服」に対応している。この例における、描かれているカテゴリシステムの一部分は、電子商取引ウェブサイトに関連付けられたバックエンド・システムに製品カテゴリ情報およびそれらの互いの間の関係がどのように記憶されているかを反映していてよい。しかしながら、バックエンドにおいて製品カテゴリが記憶されている構造は、このような製品カテゴリの少なくとも一部を（例えば、ユーザが発信した検索クエリに応答して）フロントエンドにおいて表示する最も効率的なやり方ではないかもしれない。このように、描かれているカテゴリシステムに対する後述のような自動起動推薦技術の適用は、ユーザが発信したクエリ用語「衣服」を含む検索クエリに応答してフロントエンドシステムにおいてユーザに推薦されうるカテゴリシステムの一部分を決定するのに役立つだろう。この例では、カテゴリシステムのこの部分のレベル１に、製品カテゴリ「紳士服」および「婦人服」が位置している。「紳士服」の、レベル２におけるサブカテゴリは、「Ｔシャツ」、「ポロシャツ」、および「長袖シャツ」である。「Ｔシャツ」の、レベル３におけるサブカテゴリは、「長袖Ｔシャツ」、「七分袖または半袖Ｔシャツ」、および「半袖Ｔシャツ」である。「ポロシャツ」の、レベル３におけるサブカテゴリは、「長袖ポロシャツ」および「半袖ポロシャツ」である。「長袖シャツ」の、レベル３におけるサブカテゴリは、「襟付き長袖シャツ」および「襟無し長袖シャツ」である。
この例では、選択されたナビゲーション推薦モデルによって決定されたカレント・カテゴリが、「紳士服」カテゴリの１つ下のレベルにあるカテゴリ「Ｔシャツ」、「ポロシャツ」、および「長袖シャツ」であると想定される。
図４に戻り、４０４において、カレント・カテゴリがリーフカテゴリであるかどうかが決定される。カレント・カテゴリがリーフカテゴリ（サブカテゴリを有さず、かつ、カテゴリシステム階層内で最も下のレベルにあるカテゴリ）である場合は、制御は、４０６に引き渡される。そうではなく、カレント・カテゴリがリーフカテゴリでない（すなわち、カレント・カテゴリが少なくとも１つのサブカテゴリを有する）場合は、制御は、４０８に引き渡される。
４０６では、クエリ用語に関連付けられる推薦データの集合として、カレント・カテゴリと、それに関連付けられた製品属性とが返され、プロセスは終了する。
４０８では、クエリ用語に関連付けられた参照データと、カレント・カテゴリに関連付けられた所定の予想推薦カテゴリ数とが得られる。一部の実施形態では、（例えば図３のプロセス３００の３０２によって決定された、）カテゴリシステムの製品カテゴリに関連付けられた参照データが得られる。上述のように、参照データは、カテゴリシステムの各カテゴリに関係するカテゴリクリック分布データ、カテゴリ購入分布データ、およびカテゴリ相関性分布データのうちの１つ以上を含んでいてよい。一部の実施形態では、参照データは、加重され、正規化される。一部の実施形態では、カレント・カテゴリに関連付けられた所定の予想推薦カテゴリ数は、クエリ用語に対する推薦データに含まれることを予想されるカテゴリの数である。
図５を参照すると、クエリ用語「衣服」に関連付けられる参照データが、示された各製品カテゴリについて得られるだろう。
図４に戻り、４１０では、所定の閾値を超えるクリック率に関連付けられているサブカテゴリに少なくとも部分的に基づいて、カレント・カテゴリの１つ下のレベルのサブカテゴリが選択される。クリック率は、サブカテゴリに関連付けられたクリック・トラフィックの、カレント・カテゴリに関連付けられたクリック・トラフィックに対する比率である。
図５を参照すると、この例は、カレント・カテゴリ「Ｔシャツ」の１つ下のレベルにあるサブカテゴリが、「長袖Ｔシャツ」、「七分袖または半袖Ｔシャツ」、および「半袖Ｔシャツ」であることを示している。カレント・カテゴリ「ポロシャツ」の１つ下のレベルにあるサブカテゴリは、「長袖ポロシャツ」および「半袖ポロシャツ」である。カレント・カテゴリ「長袖シャツ」の１つ下のレベルにあるサブカテゴリは、「襟付き長袖シャツ」および「襟無し長袖シャツ」である。得られた参照データに基づくと、カレント・カテゴリ「Ｔシャツ」の１つ下のレベルにあるサブカテゴリ「長袖Ｔシャツ」に対するクリック率およびカレント・カテゴリ「Ｔシャツ」の１つ下のレベルにあるサブカテゴリ「半袖Ｔシャツ」に対するクリック率は、ともに所定の閾値を超えるので、したがって、これら２つのサブカテゴリが選択される。しかしながら、サブカテゴリ「七分袖または半袖Ｔシャツ」に対するクリック率は、所定の閾値を超えないので、このサブカテゴリは選択されない。同様に、カレント・カテゴリ「ポロシャツ」の１つ下のレベルにあるサブカテゴリのうち、「長袖ポロシャツ」および「半袖ポロシャツ」に対するクリック率は、ともに所定の閾値を超えるので、これら２つのサブカテゴリが選択される。最後に、カレント・カテゴリ「長袖シャツ」の１つ下のレベルにあるサブカテゴリのうち、「襟付き長袖シャツ」および「襟無し長袖シャツ」に対するクリック率は、ともに所定の閾値を超えるので、これら２つのサブカテゴリが選択される。図５のこの例では、カレント・カテゴリの１つ下のレベルにあるサブカテゴリのうち、選択されたサブカテゴリは、濃い目の輪郭の長方形で表されている。
図４に戻り、４１２では、カレント・カテゴリに関連付けられた所定の予想推薦カテゴリ数に少なくとも部分的に基づいて、カレント・カテゴリの１つ下のレベにあるサブカテゴリに関連付けられる予想推薦カテゴリ数が決定される。
例えば、所定の予想推薦カテゴリ数が、Ｘで表される設定可能な値であると想定する。これに基づくと、カレント・カテゴリの１つ下のレベルにある（１つ以上の）サブカテゴリに関連付けられる予想推薦カテゴリ数は、Ｙで表され、次式を使用して決定することができる。
Ｙ＝Ｘ×カレント・カテゴリに対するクリック率＋１
もし、カレント・カテゴリが複数あるならば、そのようなカレント・カテゴリのそれぞれについて、カレント・カテゴリの１つ下のレベルにある（１つ以上の）サブカテゴリに関連付けられる予想推薦数Ｙが決定されてよい。
図５を参照し、Ｘの値が６に設定可能であると想定する。次いで、カレント・カテゴリ「Ｔシャツ」に対するクリック率が０．５であり、カレント・カテゴリ「ポロシャツ」に対するクリック率が０．４であり、カレント・カテゴリ「長袖シャツ」に対するクリック率が０．１であると想定する。すると、カレント・カテゴリ「Ｔシャツ」の１つ下のレベルにおける予想推薦サブカテゴリ数Ｙは、４であり、カレント・カテゴリ「ポロシャツ」の１つ下のレベルにおける予想推薦サブカテゴリ数Ｙは、３であり、カレント・カテゴリ「長袖シャツ」の１つ下のレベルにおける予想推薦サブカテゴリ数Ｙは、１である。
図４に戻り、４１４において、カレント・カテゴリの１つ下のレベルの（１つ以上の）選択されたサブカテゴリの数が、カレント・カテゴリの１つ下のレベルのサブカテゴリに関連付けられる予想推薦カテゴリ数よりも大きいかどうかが決定される。カレント・カテゴリの１つ下のレベルの（１つ以上の）選択されたサブカテゴリの数が、カレント・カテゴリの１つ下のレベルのサブカテゴリに関連付けられる予想推薦カテゴリ数よりも大きい場合は、制御は、４１６に引き渡される。
４１６では、クエリ用語に関連付けられる推薦データとして、カレント・カテゴリと、そのカレント・カテゴリに関連付けられた製品属性とが返され、プロセスは終了する。図５に関連した先の例を参照すると、カレント・カテゴリ「長袖シャツ」の１つ下のレベルにおける選択されたサブカテゴリの数、すなわち２は、カレント・カテゴリ「長袖シャツ」の１つ下のレベルのサブカテゴリに関連付けられる予想推薦カテゴリ数よりも大きい。したがって、カレント・カテゴリ「長袖シャツ」およびそれに関連付けられた製品属性が、クエリ用語「衣服」に関連付けられる推薦データ集合として返され、プロセスは終了する。
そうでなく、カレント・カテゴリの１つ下のレベルの（１つ以上の）選択されたサブカテゴリの数が、カレント・カテゴリの１つ下のレベルのサブカテゴリに関連付けられる予想推薦カテゴリ数以下である場合は、制御は、４１８に引き渡される。
４１８では、カレント・カテゴリが、カレント・カテゴリの１つ下のレベルにある（１つ以上の）選択されたサブカテゴリで置き換えられ、それら（１つ以上の）選択されたサブカテゴリが、今度は（１つ以上の）カレント・カテゴリに設定される。次いで、プロセスは、４０４に戻る。図５に関連した先の例を参照すると、カレント・カテゴリ「Ｔシャツ」の１つ下のレベルにおける選択されたサブカテゴリの数、すなわち２は、カレント・カテゴリ「Ｔシャツ」の１つ下のレベルのサブカテゴリに関連付けられる予想推薦カテゴリ数、すなわち４よりも小さい。したがって、返される推薦データ集合では、選択された「長袖Ｔシャツ」サブカテゴリおよび「半袖Ｔシャツ」サブカテゴリが、「Ｔシャツ」カテゴリに置き換わる。さらに、「長袖Ｔシャツ」カテゴリおよび「半袖Ｔシャツ」カテゴリが、カレント・カテゴリであると決定され、４０４において、再帰的計算が再び開始される。同様に、カレント・カテゴリ「ポロシャツ」の１つ下のレベルにおける選択されたサブカテゴリの数、すなわち２は、カレント・カテゴリ「ポロシャツ」の１つ下のレベルにあるサブカテゴリに関連付けられる予想推薦カテゴリ数、すなわち３よりも小さい。したがって、返される推薦データ集合では、選択された「長袖ポロシャツ」サブカテゴリおよび「半袖ポロシャツ」サブカテゴリが、「ポロシャツ」カテゴリに置き換わる。さらに、「長袖ポロシャツ」カテゴリおよび「半袖ポロシャツ」カテゴリが、カレント・カテゴリであると決定され、４０４において、再帰的計算が再び開始される。「Ｔシャツ」カテゴリおよび「ポロシャツ」カテゴリがその１つ下のレベルからのそれぞれのサブカテゴリで置き換えられた後の、変更後のカテゴリシステムが、図６に描かれている。図６は、これまではレベル２にあった「Ｔシャツ」カテゴリおよび「ポロシャツ」カテゴリが、これまではレベル３に位置していたカテゴリ、すなわち「長袖Ｔシャツ」と「半袖Ｔシャツ」および「長袖ポロシャツ」と「半袖ポロシャツ」でそれぞれ置き換えられたことを示している。カテゴリシステムが図６の例のように変更された後に、再帰的計算が停止したと想定すると、図６の例は、ユーザがクエリ用語「衣服」を発信したことに応答して推薦データとしてユーザに送信されるものとして決定されるカテゴリシステムの一部分を表している（そして、この変更後のカテゴリシステムは、必ずしもバックエンド・システムに記憶される必要はない）。例えば、図７は、電子商取引ウェブサイトに関連付けられたユーザインターフェースの一例を示している。検索ボックスにおいて、ユーザは、「衣服」で検索し、検索結果は、図６で説明されたようなカテゴリ関係を含む。ここでは、「紳士服」のすぐ下の（１つ下のレベルの）カテゴリに、「長袖Ｔシャツ」、「半袖Ｔシャツ」、「長袖ポロシャツ」、「半袖ポロシャツ」、および「長袖シャツ」が含まれる。
図４に戻り、もし、その後に再帰的計算が発生することになるならば、カテゴリ「長袖Ｔシャツ」、「半袖Ｔシャツ」、「長袖ポロシャツ」、および「半袖ポロシャツ」は、いずれも、それらの１つ下のレベルにあるサブカテゴリで置き換わる可能性がある。プロセス４００からは、１レベルごとのふるい分けおよび置き換えを通じて、カテゴリシステム内の低いレベルに位置するけれども高いクリック率を有するカテゴリを、推薦されるデータ集合内で上のレベルに直接アップグレード可能であることがわかり、これは、ユーザが、このカテゴリを以前よりも迅速に見つけることを可能にする。なぜならば、ユーザは、このカテゴリに到達するために、階層内でこのカテゴリよりも上のカテゴリレベルを多数クリックして進む必要が無いからである。
以下は、図３のプロセス３００および図４のプロセス４００で使用されうるナビゲーション推薦モデルの例の一部である。上述のように、ナビゲーション推薦モデルは、クエリ用語について決定された参照データに基づいて選択されてよく、その選択されたナビゲーション推薦モデルは、図４のプロセス４００のようなボトムアップ方式の再帰的技術が計算を開始させうる起点である階層状のカテゴリシステムのカレント・カテゴリ（位置）を決定するために使用されてよい。なお、以下のナビゲーション推薦モデルが単なる例であること、ならびにその他のおよび／または異なるナビゲーション推薦モデルが使用されてもよいことが留意されるべきである。
１） 親カテゴリ／サブカテゴリ推薦モデル
親カテゴリ／サブカテゴリ推薦モデルの一例は、以下のステップを含む。
ステップＡ１：クエリ用語に関連付けられた参照データが、カテゴリシステムの各レベル１製品カテゴリについて集約される。一部の実施形態では、参照データは、比例加重され、正規化される。
ステップＢ１：最多クリック数に関連付けられた２つのレベル１製品カテゴリが、２つの親カテゴリとして設定される。
例えば、親カテゴリとして設定された２つのレベル１製品カテゴリは、同じクリック数（クリック・トラフィック）の２つの異なるレベル１製品カテゴリ、または一方が最多クリック数を有し他方が２番目に多いクリック数を有する２つの異なるレベル１製品カテゴリを含んでいてよい。
ステップＣ１：クエリ用語に関連付けられる推薦データ集合が、自動起動推薦技術を使用して決定され（例えば、図４のプロセス４００）、親カテゴリ下の１つ以上のサブカテゴリが、カレント・カテゴリとして設定される。
自動起動推薦技術の応用では、クエリ用語に対する推薦データとして使用される推薦データ（例えば、製品カテゴリおよび／または製品属性データ）を最終的に得るために、親カテゴリ（カレント・カテゴリ）の１つ下のレベルにある各サブカテゴリが、そのサブカテゴリの１つ下のレベルにあって特定の基準を満たすサブカテゴリで置き換え可能であるかどうかをチェックされる。
例えば、図５に戻り、もし、親カテゴリが、「紳士服」および「婦人服」であると設定されたならば、「紳士服」および「婦人服」の１つ下のレベルにある各サブカテゴリに関してそれぞれ自動起動推薦技術を使用して、少なくとも一部の推薦データ集合が決定されてよい。このようにして、「紳士服」および「婦人服」の１つ下のレベルにある各サブカテゴリが、カレント・カテゴリとして設定される。
ステップＤ１：残りのレベル１カテゴリ（すなわち、親カテゴリとして設定されていないレベル１カテゴリ）が、新しい親カテゴリ下のサブカテゴリとしてまとめられる。
この３つ目の新しい親カテゴリは、「その他」カテゴリとして定義されてよい。「その他」カテゴリの１つ下のレベルにある、カレント・カテゴリを含む各サブカテゴリについて、カレント・カテゴリが、クエリ用語に関連付けられる推薦データ集合に含めるために、その１つ下のレベルにあって特定の基準を満たすサブカテゴリで置き換え可能であるかをチェックするために、自動起動推薦技術が使用される。
２） 分岐推薦モデル
分岐推薦モデルの一例は、以下のステップを含む。
ステップＡ２：クエリ用語に関連付けられた参照データが、カテゴリシステムの各レベル１製品カテゴリについて集約される。一部の実施形態では、参照データは、比例加重され、正規化される。
ステップＢ２：レベル１カテゴリは、そのそれぞれのクリック・トラフィックに基づいて、最高から最低までランク付けされ、ランクが高い順に、所定の数のレベル１カテゴリが選択される。
例えば、ランクが高い順に所定の数だけ選択されるカテゴリは、１６個であってよい。
ステップＣ２：選択された各レベル１カテゴリが、カレント・カテゴリとして設定され、各カレント・カテゴリが、クエリ用語に関連付けられる推薦データ集合内で、その１つ下のレベルにあって特定の基準を満たすサブカテゴリで置き換えられるべきかどうかを決定するために、自動起動推薦技術が適用される。
ステップＤ２：残りのレベル１カテゴリ（すなわち、親カテゴリとして設定されていないレベル１カテゴリ）が、「その他」カテゴリと呼ばれる新しい親カテゴリ下のサブカテゴリとしてまとめられる。この３つ目の新しい親カテゴリは、「その他」カテゴリとして定義されてよい。「その他」カテゴリの１つ下のレベルにある、カレント・カテゴリを含む各サブカテゴリに関し、カレント・カテゴリが、クエリ用語に関連付けられる推薦データ集合に含めるために、その１つ下のレベルにあって特定の基準を満たすサブカテゴリで置き換え可能であるかをチェックするために、自動起動推薦技術が使用される。
３） エクスプレス・カテゴリ推薦モデル
エクスプレス・カテゴリ推薦モデルは、ユーザのクエリ用語との間に明確な対応関係を有する特定の製品カテゴリにおいて検索を実施するために使用され、その検索結果は、このカテゴリからの製品のみを返す。エクスプレス・カテゴリ推薦モデルの一例は、以下のステップを含む。
ステップＡ３：クエリ用語に関連付けられた参照データが、カテゴリシステムの各レベル１製品カテゴリについて集約される。一部の実施形態では、参照データは、比例加重され、正規化される。
ステップＢ３：所定の閾値を超えるクリック率に関連付けられた１つ以上のレベル１カテゴリが選択される。一部の実施形態では、クリック率は、レベル１カテゴリのクリック・トラフィックの、全カテゴリにわたる合計のクリック・トラフィックに対する比率である。
例えば、０．９８を上回るクリック率に関連付けられたレベル１カテゴリが、エクスプレス推薦カテゴリとして選択される。
ステップＣ３：このような選択された各レベル１カテゴリの関連の製品量が、所定の量を上回るかどうかが決定される。もし、上回るならば、その特定のレベル１カテゴリは、エクスプレス・カテゴリであると決定され、クエリ用語に関連付けられる推薦データ集合に含められる。
例えば、上記所定の量は、５０に設定されてよい。
ステップＤ３：もし、特定のエクスプレス・カテゴリが、リーフカテゴリであると決定されたならば、このカテゴリ下の製品属性もまた、クエリ用語に関連付けられる推薦データ集合に含められる。
一部の実施形態では、以下の５）で説明されるカテゴリ／属性混合構成推薦モデルを使用して決定されるような属性も、推薦データに含められてよい。
４） カテゴリ検索を組み込まれた推薦モデル
もし、特定のカテゴリがクエリ用語内で示唆されているならば、この特定のカテゴリをカテゴリシステムの階層内で直接位置付けて、自動起動推薦技術を適用するためのカレント・カテゴリとして設定することができる。
カテゴリ検索を組み込まれた推薦モデルの一例は、以下のステップを含む。
ステップＡ４：クエリ用語内で示唆されているカテゴリ情報に基づいて、関連の製品カテゴリが決定される。
例えば、もし、クエリ用語が「紳士服−Ｔシャツ」であったならば、そのクエリは、製品カテゴリ「紳士服」を含む。次いで、カテゴリ「紳士服」に関連付けられた参照データが得られる。
ステップＢ４：決定されたカテゴリの１つ下のレベルのサブカテゴリに関連付けられた、クエリ用語に対応する参照データが得られる。
例えば、「紳士服」の１つ下のレベルのサブカテゴリ「Ｔシャツ」、「ポロシャツ」、および「長袖シャツ」に関連付けられた参照データが得られる。
ステップＣ４：決定されたカテゴリの１つ下のレベルのサブカテゴリが、そのそれぞれのクリック・トラフィックに基づいて、最高から最低までランク付けされ、ランクが高い順に、所定の数のサブカテゴリが選択される。
例えば、クリック・トラフィックに基づいてランク付けを実施した後、３つのサブカテゴリ「Ｔシャツ」、「ポロシャツ」、および「長袖シャツ」が選択される。
ステップＤ４：選択された各レベル１カテゴリが、カレント・カテゴリとして設定され、各カレント・カテゴリが、クエリ用語に関連付けられる推薦データ集合内で、その１つ下のレベルにあって特定の基準を満たすサブカテゴリで置き換えられるべきかどうかを決定するために、自動起動推薦技術が適用される。
例えば、「Ｔシャツ」、「ポロシャツ」、および「長袖シャツ」のそれぞれが、自動起動推薦技術を適用するためのカレント・カテゴリとして設定される。
５） カテゴリ／属性混合構成推薦モデル
属性推薦は、属性のエクスプレス推薦の一種である。この推薦モデルは、ユーザのクエリと、特定の属性値との間に明確な対応関係が決定されたときに使用されてよい。次いで、この特定の属性値に検索結果が関連付けられるという条件で検索が実施される。
カテゴリ／属性混合構成推薦モデルの一例は、以下のステップを含む。
ステップＡ５：クエリ用語に関連付けられる参照データが得られる。一部の実施形態では、参照データは、リーフカテゴリに関連付けられた参照データと、リーフカテゴリに含まれる製品属性とを含む。
ステップＢ５：製品属性が、そのそれぞれのクリック・トラフィックに基づいて、最高から最低までランク付けされ、ランクが高い順に、所定の数の製品属性が選択される。
例えば、上から５つの属性が選択されてよい。
ステップＣ５：上記の各選択された属性について、属性に関連付けられた属性値が、そのそれぞれのクリック・トラフィックに基づいて、最高から最低までランク付けされ、ランクが高い順に、所定の数の属性値が選択される。
各属性は、考えられる属性値を複数有しているので、属性値は、ふるい分けおよび選別のために、ランク付けされる必要がある。例えば、もし、属性が数値タイプであるならば、最も多いクリック数を有する６つの値が選択され、ランク付けされる。
ステップＤ５：選択された各属性値と、クエリ用語との間でテキスト照合が実施される。もし、完全な一致または同義の一致があるならば、その属性が、事前に選択される。
ステップＥ５：事前に選択された属性値に関連付けられた複数の属性が、クエリ用語に関連付けられる推薦データ集合に含められる。
例えば、図８は、クエリ用語「ワンピース」による検索に応答して返される検索結果の一例を示している。欄８０２は、関連属性（例えば「ブランド」や「袖丈」）を示しており、欄８０４は、各属性に関連付けられた幾つかの属性値（例えば「Ｈ＆Ｍ」や「Ｍ２Ｍ」）を示している。
ステップＦ５：事前に選択された属性について、それらが副属性を有するかどうかが決定される。もし、副属性が存在するならば、それらの副属性は、属性に置き換わるために使用され、また、推薦データ集合に含められて表示されるものとして決定される。
上述された各事前に選択された属性が、副属性を有するかどうかの決定がなされる。もし、有するならば、それらの副属性が属性に置き換わり、置き換え後の副属性およびそれらの属性値が、クエリ用語に対応する推薦データに含められる。
６） 「書籍」カテゴリ推薦モデルおよび「靴」カテゴリ推薦モデル
これらの明示的なカテゴリ推薦モデルは、特定のカテゴリを組み込んだ推薦と同様である。いずれの推薦モデルの場合も、特定の関連カテゴリが直接見つけられた後に、そのカテゴリがカレント・カテゴリとして設定され、このカレント・カテゴリに対して自動起動推薦技術が適用される。しかしながら、両者には、カテゴリを組み込んだ推薦ではクエリ用語がカテゴリ情報を示唆しているのに対し、「書籍」または「靴」推薦モデルではクエリ用語はカテゴリ情報を示唆しておらず、むしろ、レベル１カテゴリにおけるクリックの集中に基づいて、「書籍」カテゴリ推薦モデルまたは「靴」カテゴリ推薦モデルが呼び出される必要があるかどうかが決定される、という事実に違いがある。
もちろん、これら２種類の特定のカテゴリ推薦モデルに加えて、その他の特定のカテゴリについての同様な推薦モデルも存在するだろう。
７） タイル式のカテゴリ推薦モデル
タイル式の推薦は、分岐推薦モデルと同様な推薦モデルであるが、タイル式の推薦モデルでは、カテゴリの数が比較的小さい。一般に、タイル式の推薦モデルでは、推薦データ集合に含まれるレベル１カテゴリが８以下であるのに対し、分岐推薦モデルでは、一般に、より多くのレベル１カテゴリが推薦データに含まれる。
次の点を説明しておかなければならない。すなわち、上記の方法の実施形態に関しては、簡潔さを期するために、いずれの実施形態も一連の行為の組み合わせとして提示されているが、本出願にしたがうと、その他の順序でまたは同時に実行されてもよいステップがあるので、当業者ならば、説明されている行為の順序にこの出願が限定されないことを認識しているべきである。
図９は、カテゴリシステム内における知的ナビゲーションを可能にするためのシステムの一実施形態を示した図である。この例では、システム９００は、データ分析モジュール１０と、モデル予測モジュール２０と、カテゴリ属性推薦モジュール３０と、推薦リスト作成モジュール４０と、オンラインクエリモジュール５０とを含む。
モジュールは、１つ以上の汎用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、またはプログラム可能論理装置および／もしくは特定の機能を実施するように設計された特殊用途向け集積回路などのハードウェアとして、またはそれらの組み合わせとして実装することができる。一部の実施形態では、モジュールは、本発明の実施形態で説明される方法を（パソコン、サーバ、ネットワーク機器などの）計算装置に実行させるための幾つかの命令を含み、かつ（光ディスク、フラッシュストレージデバイス、モバイルハードディスクなどの）不揮発性のストレージ媒体に記憶させることができるソフトウェア製品の形で具現化することができる。モジュールは、１つのデバイスに実装されてよい、または複数のデバイスに分散されてよい。
データ分析モジュール１０は、クエリ用語に関し、そのクエリ用語に関連付けられる参照データを作成するために、過去ユーザ活動データを分析するように構成される。
モデル予測モジュール２０は、参照データに少なくとも部分的に基づいて、クエリ用語のためのナビゲーション推薦モデルを選択するように構成される。一部の実施形態では、そのなかから適切なナビゲーション推薦モデルが選択される少なくとも幾つかのナビゲーション推薦モデルのそれぞれが、カテゴリシステムの階層内で上のレベルに移動される少なくとも１つの製品カテゴリを決定するために、「ボトムアップ方式の」再帰的技術を使用する。
カテゴリ属性推薦モジュール３０は、クエリ用語に関連付けられる推薦データ集合を決定するために、参照データと、選択されたナビゲーション推薦モデルとを使用するように構成され、推薦データは、クエリ用語を含むその後に受信されるクエリに応答して表示されるカテゴリシステムの少なくとも一部分を含む。
推薦ワードリスト作成モジュール４０は、推薦データとクエリ用語との間の関連性を推薦リストに記録するように構成される。
オンラインクエリモジュール５０は、その後のユーザクエリを受信し、そのユーザクエリ内のクエリ用語に関連付けられる対応する推薦データを推薦リストのなかで検索するように構成される。
図１０は、カテゴリシステム内における知的ナビゲーションを可能にするためのシステムの一実施形態を示した図である。システム１００は、ウェブログストレージ１００２と、クラウドコンピューティングプラットフォーム１００４と、オフライン処理モジュール１００６と、知的ナビゲーション推薦データ１００８と、クエリ修正サーバ１０１０と、フロントエンドサーバ１０１２と、ユーザ１０１４とを含む。
ウェブログストレージ１００２は、過去ユーザクリック、過去ユーザ購入、および過去ユーザ検索などの過去ユーザ活動を記録するウェブログを記憶するように構成される。ウェブログデータは、大量であるかもしれないので、記憶されているウェブログデータの統計的分析は、クラウドコンピューティングプラットフォーム１００４のような複数のデバイスにまたがって、少なくとも部分的に同時発生的に実施することができる。一部の実施形態では、クラウドコンピューティングプラットフォーム１００４は、複数のクエリ用語のそれぞれについて、カテゴリシステムのカテゴリに対応する参照データを作成するようにも構成される。一部の実施形態では、クラウドコンピューティングプラットフォーム１００４は、クエリ用語のためのナビゲーション推薦モデルを、そのクエリ用語に関連付けられた参照データに基づいて選択するように構成される。参照データおよび選択されたナビゲーション推薦モデルは、クエリ用語に関連付けられる推薦データ集合を決定するために、あわせて使用される。クエリ用語について決定された推薦データは、任意の追加処理を実施するために、オフライン処理モジュール１００６に送信される。次いで、推薦データは、知的ナビゲーション推薦データモジュール１００８に送信され、そこでは、推薦データとクエリ用語との間の関連性が推薦リストに記録される。
クエリ修正サーバ１０１０は、一部の実施形態では、強力なアパッチフレームワークによってサポートされる。クエリ修正サーバ１０１０は、フロントエンドサーバ１０１２を通じてユーザ１０１４から受信されたクエリ用語を修正するおよび／または同クエリ用語に補助情報を追加するように構成される。一部の実施形態では、推薦データ集合が二進ファイルにコンパイルされ、クエリ修正サーバ１０１０に取り込まれる。次いで、フロントエンドサーバ１０１２を通じてユーザ１０１４が検索クエリを発信したことに応答して、クエリ修正サーバ１０１０は、検索クエリに含まれるクエリ用語に関連付けられた推薦データを含むデータを返すように構成される。
本明細書に含まれる各実施形態は、段階を追って説明されており、各実施形態の説明は、その他の実施形態と異なる部分に焦点を当てられており、各実施形態において同一のまたは類似の部分については、相互に説明が参照されてよい。
本出願によって提供される電子商取引ウェブサイト・ナビゲーションの方法およびシステムが、上で詳細に説明されている。本文書は、本出願の原理および実施形態について解説するために、具体例を用いている。上記の実施形態の説明は、本出願の方法およびその中心的概念の理解を助けることを意図しているに過ぎない。さらに、当業者ならば、本出願の概念をもとにして、具体的な応用および出願の範囲に対して変更を加えることができるだろう。以上をまとめると、本明細書の内容は、本出願を制限するものと理解されるべきでない。
以上の実施形態は、理解を明瞭にする目的で幾らか詳細に説明されてきたが、本発明は、提供される詳細に限定されない。本発明を実現するには、多くの代替的手法がある。開示された実施形態は、例示的なものであり、非限定的である。
適用例１：知的ウェブサイト・ナビゲーションを可能にするためのシステムであって、１つ以上のプロセッサと、前記１つ以上のプロセッサに結合された１つ以上のメモリと、を備え、前記１つ以上のプロセッサは、クエリ用語に関連付けられる参照データを作成するために、前記クエリ用語に関して過去ユーザ活動データを分析することと、前記参照データに少なくとも部分的に基づいて、前記クエリ用語のためのナビゲーション推薦モデルを選択することと、前記クエリ用語に関連付けられる推薦データの集合を決定するために、前記参照データおよび前記選択されたナビゲーション推薦モデルを使用することであって、前記推薦データの集合は、その後に受信される前記クエリ用語を含むクエリに応答して表示するための、カテゴリシステムの少なくとも一部分を含む、ことと、前記推薦データ集合と前記クエリ用語との間の関連性を推薦リストに記録することと、を行うように構成され、前記１つ以上のメモリは、前記１つ以上のプロセッサに命令を提供するように構成される、システム。
適用例２：適用例１に記載のシステムであって、前記過去ユーザ活動データは、前記カテゴリシステムに含まれる１つ以上の製品カテゴリに関するユーザクリック活動、ユーザ購入活動、および／またはユーザ検索活動を含む、システム。
適用例３：適用例１に記載のシステムであって、前記カテゴリシステムは、電子商取引ウェブサイトに関連付けられた製品カテゴリの階層を含む、システム。
適用例４：適用例１に記載のシステムであって、前記ナビゲーション推薦モデルは、前記参照データにルールを適用することに基づいて選択される、システム。
適用例５：適用例１に記載のシステムであって、前記ナビゲーション推薦モデルは、前記カテゴリシステム内で製品カテゴリが上のレベルに移動されるかどうかを決定するように構成された再帰的技術が開始される位置である前記カテゴリシステムのカレント・カテゴリを決定するために、前記参照データを使用するように構成される、システム。
適用例６：適用例５に記載のシステムであって、前記再帰的技術は、前記カレント・カテゴリが、前記カテゴリシステムからの、前記カレント・カテゴリに関連付けられたレベルの１つ下のレベルのサブカテゴリによって置き換えられるかどうかを決定するように構成される、システム。
適用例７：適用例１に記載のシステムであって、前記推薦データ集合は、前記カテゴリシステム内で上のレベルに移動されることを決定された少なくとも１つの製品カテゴリを含む、システム。
適用例８：適用例１に記載のシステムであって、前記クエリ用語は、第１のクエリ用語を含み、前記１つ以上のプロセッサは、さらに、検索クエリを受信することと、前記検索クエリから第２のクエリ用語を決定することと、前記第２のクエリ用語を前記推薦リストのなかで検索することと、を行うように構成される、システム。
適用例９：適用例８に記載のシステムであって、前記推薦リストのなかで前記第２のクエリ用語が見つかった場合に、前記１つ以上のプロセッサは、さらに、前記推薦リスト内の前記第２のクエリ用語に関連付けられた推薦データの集合を表示するように構成される、システム。
適用例１０：知的ウェブサイト・ナビゲーションを可能にするための方法であって、クエリ用語に関連付けられる参照データを作成するために、前記クエリ用語に関して過去ユーザ活動データを分析することと、前記参照データに少なくとも部分的に基づいて、前記クエリ用語のためのナビゲーション推薦モデルを選択することと、前記クエリ用語に関連付けられる推薦データの集合を決定するために、前記参照データおよび前記選択されたナビゲーション推薦モデルを使用することであって、前記推薦データの集合は、その後に受信される前記クエリ用語を含むクエリに応答して表示するための、カテゴリシステムの少なくとも一部分を含む、ことと、前記推薦データ集合と前記クエリ用語との間の関連性を推薦リストに記録することと、を備える方法。
適用例１１：適用例１０に記載の方法であって、前記過去ユーザ活動データは、前記カテゴリシステムに含まれる１つ以上の製品カテゴリに関するユーザクリック活動、ユーザ購入活動、および／またはユーザ検索活動を含む、方法。
適用例１２：適用例１０に記載の方法であって、前記カテゴリシステムは、電子商取引ウェブサイトに関連付けられた製品カテゴリの階層を含む、方法。
適用例１３：適用例１０に記載の方法であって、前記ナビゲーション推薦モデルは、前記参照データにルールを適用することに基づいて選択される、方法。
適用例１４：適用例１０に記載の方法であって、前記ナビゲーション推薦モデルは、前記カテゴリシステム内で製品カテゴリが上のレベルに移動されるかどうかを決定するように構成された再帰的処理が開始される位置である前記カテゴリシステムのカレント・カテゴリを決定するために、前記参照データを使用するように構成される、方法。
適用例１５：適用例１４に記載の方法であって、前記再帰的処理は、前記カレント・カテゴリが、前記カテゴリシステムからの、前記カレント・カテゴリに関連付けられたレベルの１つ下のレベルのサブカテゴリによって置き換えられるかどうかを決定するように構成される、方法。
適用例１６：適用例１０に記載の方法であって、前記推薦データ集合は、前記カテゴリシステム内で上のレベルに移動されることを決定された少なくとも１つの製品カテゴリを含む、方法。
適用例１７：適用例１０に記載の方法であって、前記クエリ用語は、第１のクエリ用語を含み、前記方法は、さらに、検索クエリを受信することと、前記検索クエリから第２のクエリ用語を決定することと、前記第２のクエリ用語を前記推薦リストのなかで検索することと、備える方法。
適用例１８：適用例１７に記載の方法であって、さらに、前記推薦リストのなかで前記第２のクエリ用語が見つかった場合に、前記推薦リスト内の前記第２のクエリ用語に関連付けられた推薦データの集合を表示することを備える方法。
適用例１９：非一時的なコンピュータ読み取り可能ストレージ媒体に実装された、知的ウェブサイト・ナビゲーションを可能にするためのコンピュータプログラム製品であって、クエリ用語に関連付けられる参照データを作成するために、前記クエリ用語に関して過去ユーザ活動データを分析するためのコンピュータ命令と、前記参照データに少なくとも部分的に基づいて、前記クエリ用語のためのナビゲーション推薦モデルを選択するためのコンピュータ命令と、前記クエリ用語に関連付けられる推薦データの集合を決定するために、前記参照データおよび前記選択されたナビゲーション推薦モデルを使用するためのコンピュータ命令であって、前記推薦データの集合は、その後に受信される前記クエリ用語を含むクエリに応答して表示するための、カテゴリシステムの少なくとも一部分を含む、コンピュータ命令と、前記推薦データ集合と前記クエリ用語との間の関連性を推薦リストに記録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 (19)

  1. 知的ウェブサイト・ナビゲーションを可能にするためのシステムであって、
    １つ以上のプロセッサと、
    前記１つ以上のプロセッサに結合された１つ以上のメモリと、
    を備え、
    前記１つ以上のプロセッサは、
    クエリ用語に関連付けられる参照データを作成するために、前記クエリ用語に関して過去ユーザ活動データを分析することと、
    前記参照データに少なくとも部分的に基づいて、前記クエリ用語のためのナビゲーション推薦モデルを選択することと、
    前記クエリ用語に関連付けられる推薦データの集合を決定するために、前記参照データおよび前記選択されたナビゲーション推薦モデルを使用することであって、前記推薦データの集合は、その後に受信される前記クエリ用語を含むクエリに応答して表示するための、カテゴリシステムの少なくとも一部分を含む、ことと、
    前記推薦データ集合と前記クエリ用語との間の関連性を推薦リストに記録することと、
    を行うように構成され、
    前記参照データおよび前記選択されたナビゲーション推薦モデルを使用することは、
    前記カテゴリシステムのカレント・カテゴリを決定することと、
    前記参照データに含まれるユーザの関心の少なくとも一部分に基づいて、決定された前記カレント・カテゴリの少なくとも１レベル下に関連付けられた、少なくとも１つのサブカテゴリを選択することと、
    選択された前記少なくとも１つのサブカテゴリを、決定された前記カレント・カテゴリのより上のレベルに移動させること、を備え、
    前記１つ以上のメモリは、前記１つ以上のプロセッサに命令を提供するように構成される、システム。
  2. 請求項１に記載のシステムであって、
    前記過去ユーザ活動データは、前記カテゴリシステムに含まれる１つ以上の製品カテゴリに関するユーザクリック活動と、ユーザ購入活動と、ユーザ検索活動と、のうちの少なくとも１つ以上を含む、システム。
  3. 請求項１に記載のシステムであって、
    前記カテゴリシステムは、電子商取引ウェブサイトに関連付けられた製品カテゴリの階層を含む、システム。
  4. 請求項１に記載のシステムであって、
    前記ナビゲーション推薦モデルは、前記参照データにルールを適用することに基づいて選択される、システム。
  5. 請求項１に記載のシステムであって、
    前記ナビゲーション推薦モデルは、前記カテゴリシステム内で、選択された前記少なくとも１つのサブカテゴリが上のレベルに移動されるかどうかを決定するように構成された再帰的技術が開始される位置である前記カテゴリシステムの前記カレント・カテゴリを決定するために、前記参照データを使用するように構成される、システム。
  6. 請求項５に記載のシステムであって、
    前記再帰的技術は、決定された前記カレント・カテゴリが、前記カテゴリシステムからの、決定された前記カレント・カテゴリに関連付けられた１レベル下のサブカテゴリによって置き換えられるかどうかを決定するように構成される、システム。
  7. 請求項１に記載のシステムであって、
    前記クエリ用語は、第１のクエリ用語を含み、前記１つ以上のプロセッサは、さらに、
    検索クエリを受信することと、
    前記検索クエリから第２のクエリ用語を決定することと、
    前記第２のクエリ用語を前記推薦リストのなかで検索することと、
    を行うように構成される、システム。
  8. 請求項７に記載のシステムであって、
    前記推薦リストのなかで前記第２のクエリ用語が見つかった場合に、前記１つ以上のプロセッサは、さらに、前記推薦リスト内の前記第２のクエリ用語に関連付けられた推薦データの集合を表示するように構成される、システム。
  9. 知的ウェブサイト・ナビゲーションを可能にするための方法であって、
    コンピュータが、クエリ用語に関連付けられる参照データを作成するために、前記クエリ用語に関して過去ユーザ活動データを分析することと、
    コンピュータが、前記参照データに少なくとも部分的に基づいて、前記クエリ用語のためのナビゲーション推薦モデルを選択することと、
    コンピュータが、前記クエリ用語に関連付けられる推薦データの集合を決定するために、前記参照データおよび前記選択されたナビゲーション推薦モデルを使用することであって、前記推薦データの集合は、その後に受信される前記クエリ用語を含むクエリに応答して表示するための、カテゴリシステムの少なくとも一部分を含む、ことと、
    コンピュータが、前記推薦データ集合と前記クエリ用語との間の関連性を推薦リストに記録することと、
    を備え、
    前記参照データおよび前記選択されたナビゲーション推薦モデルを使用することは、
    前記カテゴリシステムのカレント・カテゴリを決定することと、
    前記参照データに含まれるユーザの関心の少なくとも一部分に基づいて、決定された前記カレント・カテゴリの少なくとも１レベル下に関連付けられた、少なくとも１つのサブカテゴリを選択することと、
    選択された前記少なくとも１つのサブカテゴリを、決定された前記カレント・カテゴリのより上のレベルに移動させること、を備える方法。
  10. 請求項９に記載の方法であって、
    前記過去ユーザ活動データは、前記カテゴリシステムに含まれる１つ以上の製品カテゴリに関するユーザクリック活動と、ユーザ購入活動と、ユーザ検索活動と、のうちの少なくとも１つ以上を含む、方法。
  11. 請求項９に記載の方法であって、
    前記カテゴリシステムは、電子商取引ウェブサイトに関連付けられた製品カテゴリの階層を含む、方法。
  12. 請求項９に記載の方法であって、
    前記ナビゲーション推薦モデルは、前記参照データにルールを適用することに基づいて選択される、方法。
  13. 請求項９に記載の方法であって、
    前記ナビゲーション推薦モデルは、前記カテゴリシステム内で、選択された前記少なくとも１つのサブカテゴリが上のレベルに移動されるかどうかを決定するように構成された再帰的処理が開始される位置である前記カテゴリシステムの前記カレント・カテゴリを決定するために、前記参照データを使用するように構成される、方法。
  14. 請求項１３に記載の方法であって、
    前記再帰的処理は、決定された前記カレント・カテゴリが、前記カテゴリシステムからの、決定された前記カレント・カテゴリに関連付けられた１レベル下のサブカテゴリによって置き換えられるかどうかを決定するように構成される、方法。
  15. 請求項９に記載の方法であって、
    前記クエリ用語は、第１のクエリ用語を含み、
    前記方法は、さらに、
    検索クエリを受信することと、
    前記検索クエリから第２のクエリ用語を決定することと、
    前記第２のクエリ用語を前記推薦リストのなかで検索することと、
    備える方法。
  16. 請求項１５に記載の方法であって、さらに、
    前記推薦リストのなかで前記第２のクエリ用語が見つかった場合に、前記推薦リスト内の前記第２のクエリ用語に関連付けられた推薦データの集合を表示することを備える方法。
  17. 知的ウェブサイト・ナビゲーションを可能にするためのコンピュータプログラムであって、
    クエリ用語に関連付けられる参照データを作成するために、前記クエリ用語に関して過去ユーザ活動データを分析するためのコンピュータ命令と、
    前記参照データに少なくとも部分的に基づいて、前記クエリ用語のためのナビゲーション推薦モデルを選択するためのコンピュータ命令と、
    前記クエリ用語に関連付けられる推薦データの集合を決定するために、前記参照データおよび前記選択されたナビゲーション推薦モデルを使用するためのコンピュータ命令であって、前記推薦データの集合は、その後に受信される前記クエリ用語を含むクエリに応答して表示するための、カテゴリシステムの少なくとも一部分を含む、コンピュータ命令と、
    前記推薦データ集合と前記クエリ用語との間の関連性を推薦リストに記録するためのコンピュータ命令と、
    を備え、
    前記参照データおよび前記選択されたナビゲーション推薦モデルを使用するための前記コンピュータ命令は、
    前記カテゴリシステムのカレント・カテゴリを決定する機能と、
    前記参照データに含まれるユーザの関心の少なくとも一部分に基づいて、決定された前記カレント・カテゴリの少なくとも１レベル下に関連付けられた、少なくとも１つのサブカテゴリを選択する機能と、
    選択された前記少なくとも１つのサブカテゴリを、決定された前記カレント・カテゴリのより上のレベルに移動させる機能と、を備えるコンピュータプログラム。
  18. 請求項１に記載のシステムであって、
    前記１つ以上のプロセッサは、さらに、
    決定された前記カレント・カテゴリを、移動された前記少なくとも１つのサブカテゴリで置換する、システム。
  19. 請求項１に記載のシステムであって、
    前記１つ以上のプロセッサは、さらに、
    決定された前記カレント・カテゴリに関連付けられた予想推薦カテゴリ数を決定し、
    選択された前記少なくとも１つのサブカテゴリの数が、前記予想推薦カテゴリ数より大きい場合に、選択された前記少なくとも１つのサブカテゴリの移動を省略する、システム。
JP2014549008A 2012-01-19 2013-01-14 カテゴリシステムの知的ナビゲーション Active JP5878245B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
CN201210018295.6A CN103218719B (zh) 2012-01-19 2012-01-19 一种电子商务网站导航方法及系统
CN201210018295.6 2012-01-19
US13/739,840 US9690846B2 (en) 2012-01-19 2013-01-11 Intelligent navigation of a category system
US13/739,840 2013-01-11
PCT/US2013/021373 WO2013109489A2 (en) 2012-01-19 2013-01-14 Intelligent navigation of a category system

Publications (2)

Publication Number Publication Date
JP2015501061A JP2015501061A (ja) 2015-01-08
JP5878245B2 true JP5878245B2 (ja) 2016-03-08

Family

ID=48798107

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014549008A Active JP5878245B2 (ja) 2012-01-19 2013-01-14 カテゴリシステムの知的ナビゲーション

Country Status (6)

Country Link
US (2) US9690846B2 (ja)
EP (1) EP2805223A4 (ja)
JP (1) JP5878245B2 (ja)
CN (1) CN103218719B (ja)
TW (1) TWI614702B (ja)
WO (1) WO2013109489A2 (ja)

Families Citing this family (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050131837A1 (en) 2003-12-15 2005-06-16 Sanctis Jeanne D. Method, system and program product for communicating e-commerce content over-the-air to mobile devices
US8370269B2 (en) 2004-06-02 2013-02-05 Overstock.Com, Inc. System and methods for electronic commerce using personal and business networks
US8583480B2 (en) 2007-12-21 2013-11-12 Overstock.Com, Inc. System, program product, and methods for social network advertising and incentives for same
US9747622B1 (en) 2009-03-24 2017-08-29 Overstock.Com, Inc. Point-and-shoot product lister
US8874499B2 (en) * 2012-06-21 2014-10-28 Oracle International Corporation Consumer decision tree generation system
US10546262B2 (en) 2012-10-19 2020-01-28 Overstock.Com, Inc. Supply chain management system
US11676192B1 (en) 2013-03-15 2023-06-13 Overstock.Com, Inc. Localized sort of ranked product recommendations based on predicted user intent
US11023947B1 (en) * 2013-03-15 2021-06-01 Overstock.Com, Inc. Generating product recommendations using a blend of collaborative and content-based data
JP6056592B2 (ja) * 2013-03-26 2017-01-11 大日本印刷株式会社 情報推薦装置、推薦情報決定方法、推薦情報決定プログラム、及び情報推薦プログラム
US10810654B1 (en) 2013-05-06 2020-10-20 Overstock.Com, Inc. System and method of mapping product attributes between different schemas
US9483788B2 (en) 2013-06-25 2016-11-01 Overstock.Com, Inc. System and method for graphically building weighted search queries
US20150039623A1 (en) * 2013-07-30 2015-02-05 Yogesh Pandit System and method for integrating data
US20150039580A1 (en) * 2013-07-31 2015-02-05 Microsoft Corporation App annotation and facilitaton of user search task and user action
US10929890B2 (en) 2013-08-15 2021-02-23 Overstock.Com, Inc. System and method of personalizing online marketing campaigns
US10872350B1 (en) 2013-12-06 2020-12-22 Overstock.Com, Inc. System and method for optimizing online marketing based upon relative advertisement placement
CN104750760B (zh) * 2013-12-31 2018-11-23 中国移动通信集团上海有限公司 一种推荐应用软件的实现方法及装置
CN104778176A (zh) * 2014-01-13 2015-07-15 阿里巴巴集团控股有限公司 一种数据搜索处理方法及装置
WO2015127230A1 (en) * 2014-02-20 2015-08-27 Codifyd, Inc. Data display system and method
CN103902670B (zh) * 2014-03-17 2016-04-13 百度在线网络技术（北京）有限公司 搜索推荐方法和装置
CN104933081B (zh) 2014-03-21 2018-06-29 阿里巴巴集团控股有限公司 一种搜索建议提供方法及装置
CN104035957B (zh) * 2014-04-14 2019-01-25 百度在线网络技术（北京）有限公司 搜索方法和装置
US9886170B2 (en) 2014-06-26 2018-02-06 Sap Se Breadth-first menu system for mobile applications
CN105528356B (zh) * 2014-09-29 2019-01-18 阿里巴巴集团控股有限公司 结构化标签生成方法、使用方法及装置
CN105630813A (zh) * 2014-10-30 2016-06-01 苏宁云商集团股份有限公司 基于用户自定义模板的关键词推荐方法和系统
CN104317945A (zh) * 2014-10-31 2015-01-28 亚信科技（南京）有限公司 一种基于搜索行为的电商网站商品推荐方法
CN104391944A (zh) * 2014-11-25 2015-03-04 中国民生银行股份有限公司 产品方案推送方法及装置
CN105786936A (zh) 2014-12-23 2016-07-20 阿里巴巴集团控股有限公司 用于对搜索数据进行处理的方法及设备
CN104699751A (zh) * 2014-12-30 2015-06-10 北京奇虎科技有限公司 一种基于搜索词进行搜索推荐的方法和装置
US10943199B1 (en) * 2015-02-23 2021-03-09 Intuit Inc. Inventory recommendation tool and method
CN104750795B (zh) * 2015-03-12 2017-09-01 北京云知声信息技术有限公司 一种智能语义检索系统和方法
CN108027944B (zh) * 2015-04-01 2021-08-13 电子湾有限公司 电子商务中的结构化项目组织机制
CN106156244B (zh) * 2015-04-28 2020-08-28 阿里巴巴集团控股有限公司 一种信息搜索导航方法及装置
WO2016191760A1 (en) * 2015-05-28 2016-12-01 GraphSQL, Inc. System and method for real-time graph-based recommendations
TW201705020A (zh) * 2015-07-23 2017-02-01 陳奕章 智慧型雲端搜尋系統
CN106469182B (zh) * 2015-08-21 2019-12-06 阿里巴巴集团控股有限公司 一种基于映射关系的信息推荐方法及装置
CN105159977B (zh) * 2015-08-27 2019-01-25 百度在线网络技术（北京）有限公司 信息交互处理方法及装置
US10290040B1 (en) * 2015-09-16 2019-05-14 Amazon Technologies, Inc. Discovering cross-category latent features
CN105373947A (zh) * 2015-10-13 2016-03-02 许昌义 双向物品交易网
CN106708843A (zh) * 2015-11-12 2017-05-24 北京国双科技有限公司 网站搜索词的推送方法及装置
CN105488136B (zh) * 2015-11-25 2019-03-26 北京京东尚科信息技术有限公司 选购热点标签的挖掘方法
US10083521B1 (en) * 2015-12-04 2018-09-25 A9.Com, Inc. Content recommendation based on color match
CN105550331A (zh) * 2015-12-21 2016-05-04 北京奇虎科技有限公司 基于引导的搜索方法及装置
US20170249686A1 (en) * 2016-02-29 2017-08-31 Wal-Mart Stores, Inc. System, method, and non-transitory computer-readable storage medium for displaying a hierarchy of categories for a search query on a webpage
CN105701247A (zh) * 2016-03-03 2016-06-22 黄川东 一种工程产品参数化应用系统的构建方法
CN107153656B (zh) * 2016-03-03 2020-12-01 阿里巴巴集团控股有限公司 一种信息搜索方法和装置
US20170277737A1 (en) * 2016-03-23 2017-09-28 Ebay Inc. Compact index document generation for smart match autocomplete system
US10534845B2 (en) 2016-05-11 2020-01-14 Overstock.Com, Inc. System and method for optimizing electronic document layouts
US11093564B1 (en) 2016-09-26 2021-08-17 Splunk Inc. Identifying configuration parameters for a query using a metadata catalog
US11269961B2 (en) 2016-10-28 2022-03-08 Microsoft Technology Licensing, Llc Systems and methods for App query driven results
JP6275295B1 (ja) * 2017-01-19 2018-02-07 ヤフー株式会社 判定装置、判定方法、及び判定プログラム
CN108345481B (zh) * 2017-01-22 2023-04-18 腾讯科技（深圳）有限公司 一种页面显示方法、装置、客户端及服务器
CN107153697A (zh) * 2017-05-08 2017-09-12 浙江敢尚网络科技有限公司 一种商品交易网站中的商品搜索方法和装置
CN112669122A (zh) * 2017-05-11 2021-04-16 微重力（北京）科技有限公司 物品查询比较方法、装置、存储介质及处理器
CN107291835B (zh) * 2017-05-31 2020-12-22 北京京东尚科信息技术有限公司 一种搜索词的推荐方法和装置
CN107330752B (zh) * 2017-05-31 2020-09-29 北京京东尚科信息技术有限公司 识别品牌词的方法和装置
CN109388742A (zh) * 2017-08-09 2019-02-26 阿里巴巴集团控股有限公司 一种搜索方法、搜索服务器和搜索系统
CN109829098A (zh) * 2017-08-28 2019-05-31 广东神马搜索科技有限公司 搜索结果优化方法、装置及服务器
CN108509497B (zh) * 2018-02-23 2022-08-09 创新先进技术有限公司 信息推荐方法、装置和电子设备
CN108335147B (zh) * 2018-02-28 2021-08-13 北京搜狐新媒体信息技术有限公司 一种基于用户行为的数据分析方法及系统
US11573955B1 (en) * 2018-04-30 2023-02-07 Splunk Inc. Data-determinant query terms
US11514493B1 (en) 2019-03-25 2022-11-29 Overstock.Com, Inc. System and method for conversational commerce online
US11055765B2 (en) * 2019-03-27 2021-07-06 Target Brands, Inc. Classification of query text to generate relevant query results
US11205179B1 (en) 2019-04-26 2021-12-21 Overstock.Com, Inc. System, method, and program product for recognizing and rejecting fraudulent purchase attempts in e-commerce
TWI810339B (zh) * 2019-07-29 2023-08-01 張天立 關鍵字廣告惡意點擊分析系統
US11734368B1 (en) 2019-09-26 2023-08-22 Overstock.Com, Inc. System and method for creating a consistent personalized web experience across multiple platforms and channels
CN112860985A (zh) * 2019-11-27 2021-05-28 云闪信(珠海市横琴)信息科技有限公司 应用导航方法、装置、电子设备及计算机可读存储介质
CN111078988B (zh) * 2019-12-23 2020-09-08 创意信息技术股份有限公司 一种电力服务信息热点检索方法、装置和电子设备
US11210596B1 (en) 2020-11-06 2021-12-28 issuerPixel Inc. a Nevada C. Corp Self-building hierarchically indexed multimedia database
CN113486253B (zh) * 2021-07-30 2024-03-19 抖音视界有限公司 搜索结果展示方法、装置、设备和介质
CN113570421A (zh) * 2021-09-23 2021-10-29 枣庄职业学院 一种基于大数据分析的电商营销系统
CN118626881A (zh) * 2024-08-12 2024-09-10 数字节点(杭州)科技有限公司 一种基于物料的相似度阈值匹配方法及系统

Family Cites Families (72)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5911145A (en) 1996-07-29 1999-06-08 Rae Technology, Inc. Hierarchical structure editor for web sites
US7236969B1 (en) 1999-07-08 2007-06-26 Nortel Networks Limited Associative search engine
US6185550B1 (en) * 1997-06-13 2001-02-06 Sun Microsystems, Inc. Method and apparatus for classifying documents within a class hierarchy creating term vector, term file and relevance ranking
US6317722B1 (en) * 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US6493702B1 (en) 1999-05-05 2002-12-10 Xerox Corporation System and method for searching and recommending documents in a collection using share bookmarks
US6489968B1 (en) 1999-11-18 2002-12-03 Amazon.Com, Inc. System and method for exposing popular categories of browse tree
US7937725B1 (en) 2000-07-27 2011-05-03 Koninklijke Philips Electronics N.V. Three-way media recommendation method and system
US6778986B1 (en) 2000-07-31 2004-08-17 Eliyon Technologies Corporation Computer method and apparatus for determining site type of a web site
US7080071B2 (en) 2000-08-04 2006-07-18 Ask Jeeves, Inc. Automated decision advisor
JP2002108939A (ja) 2000-10-02 2002-04-12 Web Boots:Kk 電子商取引を行うＷｅｂサイトの情報管理システム
WO2002091154A2 (en) 2001-05-10 2002-11-14 Changingworlds Limited Intelligent internet website with hierarchical menu
US7827055B1 (en) 2001-06-07 2010-11-02 Amazon.Com, Inc. Identifying and providing targeted content to users having common interests
US6480857B1 (en) * 2001-06-07 2002-11-12 David Chandler Method of organizing hierarchical data in a relational database
US7797271B1 (en) 2001-06-18 2010-09-14 Versata Development Group, Inc. Custom browse hierarchies for subsets of items in a primary hierarchy
GB0117721D0 (en) 2001-07-20 2001-09-12 Surfcontrol Plc Database and method of generating same
US7917379B1 (en) 2001-09-25 2011-03-29 I2 Technologies Us, Inc. Large-scale supply chain planning system and method
US6978264B2 (en) 2002-01-03 2005-12-20 Microsoft Corporation System and method for performing a search and a browse on a query
US7716199B2 (en) 2005-08-10 2010-05-11 Google Inc. Aggregating context data for programmable search engines
US6993586B2 (en) 2002-05-09 2006-01-31 Microsoft Corporation User intention modeling for web navigation
US7805339B2 (en) * 2002-07-23 2010-09-28 Shopping.Com, Ltd. Systems and methods for facilitating internet shopping
US7353460B2 (en) 2002-08-06 2008-04-01 Robert Tu Consulting Inc. Web site navigation under a hierarchical menu structure
US7127681B1 (en) 2002-09-10 2006-10-24 Cisco Technology Inc. Method for managing contents of a web site
US7668885B2 (en) 2002-09-25 2010-02-23 MindAgent, LLC System for timely delivery of personalized aggregations of, including currently-generated, knowledge
US8630960B2 (en) * 2003-05-28 2014-01-14 John Nicholas Gross Method of testing online recommender system
US20050015274A1 (en) * 2003-07-14 2005-01-20 David Fennell Fennell hierarchy for marketable product categorization
US7606772B2 (en) 2003-11-28 2009-10-20 Manyworlds, Inc. Adaptive social computing methods
US7526458B2 (en) 2003-11-28 2009-04-28 Manyworlds, Inc. Adaptive recommendations systems
US20050222987A1 (en) 2004-04-02 2005-10-06 Vadon Eric R Automated detection of associations between search criteria and item categories based on collective analysis of user activity data
US8156448B2 (en) 2004-05-28 2012-04-10 Microsoft Corporation Site navigation and site navigation data source
JP4497309B2 (ja) 2004-06-24 2010-07-07 日本電気株式会社 情報提供装置、情報提供方法および情報提供用プログラム
US7540051B2 (en) 2004-08-20 2009-06-02 Spatial Systems, Inc. Mapping web sites based on significance of contact and category
US9031898B2 (en) 2004-09-27 2015-05-12 Google Inc. Presentation of search results based on document structure
US7783619B2 (en) * 2004-10-27 2010-08-24 Elsevier B.V. Methods and software for analysis of research publications
US7620628B2 (en) 2004-12-06 2009-11-17 Yahoo! Inc. Search processing with automatic categorization of queries
US7590562B2 (en) 2005-06-29 2009-09-15 Google Inc. Product recommendations based on collaborative filtering of user data
WO2007024736A2 (en) 2005-08-19 2007-03-01 Biap Systems, Inc. System and method for recommending items of interest to a user
US20070192318A1 (en) * 2005-09-14 2007-08-16 Jorey Ramer Creation of a mobile search suggestion dictionary
US20070094267A1 (en) 2005-10-20 2007-04-26 Glogood Inc. Method and system for website navigation
WO2007062670A1 (en) 2005-11-29 2007-06-07 Telecom Italia S.P.A. Optimized dynamic routing in an optical network
CN101346720A (zh) 2005-12-21 2009-01-14 国际商业机器公司 用于重建网上内容的方法和数据处理系统
JP2007233443A (ja) 2006-02-27 2007-09-13 Sony Corp 項目選定方法、項目選定装置及び項目選定プログラム
US20070255755A1 (en) 2006-05-01 2007-11-01 Yahoo! Inc. Video search engine using joint categorization of video clips and queries based on multiple modalities
US7685192B1 (en) 2006-06-30 2010-03-23 Amazon Technologies, Inc. Method and system for displaying interest space user communities
WO2008031646A1 (en) 2006-09-11 2008-03-20 International Business Machines Corporation Method for recommending short-cuts in order to ease and fasten navigating within navigation topology
CN100530185C (zh) 2006-10-27 2009-08-19 北京搜神网络技术有限责任公司 基于网络行为的个性化推荐方法和系统
US8010410B2 (en) 2006-12-29 2011-08-30 Ebay Inc. Method and system for listing categorization
JP2008205820A (ja) 2007-02-20 2008-09-04 Canon Inc コンテンツ表示装置、コンテンツ表示方法、プログラム及び記憶媒体
US7647309B1 (en) 2007-03-29 2010-01-12 A9.Com, Inc. Browse relevance
US20090006179A1 (en) 2007-06-26 2009-01-01 Ebay Inc. Economic optimization for product search relevancy
US20090044150A1 (en) 2007-08-07 2009-02-12 Yahoo! Inc. System and method for simplified navigation
KR100898459B1 (ko) 2007-08-10 2009-05-21 엔에이치엔(주) 질의 분류 방법 및 그 시스템
US8108255B1 (en) 2007-09-27 2012-01-31 Amazon Technologies, Inc. Methods and systems for obtaining reviews for items lacking reviews
KR101049889B1 (ko) 2007-10-22 2011-07-19 주식회사 이베이지마켓 검색을 통한 행태분석에 기반한 키워드 그룹에 대하여광고를 수주하고 타겟 광고하는 웹 사이트 운영 방법 및온라인 시스템
US8972434B2 (en) 2007-12-05 2015-03-03 Kayak Software Corporation Multi-phase search and presentation for vertical search websites
US9195752B2 (en) 2007-12-20 2015-11-24 Yahoo! Inc. Recommendation system using social behavior analysis and vocabulary taxonomies
KR101552147B1 (ko) 2008-04-24 2015-09-11 삼성전자주식회사 방송 컨텐츠를 추천하는 방법과 그 장치
US9798807B2 (en) 2008-05-06 2017-10-24 Excalibur Ip, Llc Algorithmically generated topic pages
JP2011524576A (ja) 2008-06-14 2011-09-01 ビオ ネットワークス インコーポレイテッド 使用パターンを用いた検索方法及びシステム
CN101334792B (zh) 2008-07-10 2011-01-12 中国科学院计算技术研究所 一种个性化服务推荐系统和方法
JP5227113B2 (ja) 2008-08-28 2013-07-03 京セラ株式会社 通信端末
US8615512B2 (en) 2008-09-30 2013-12-24 Yahoo! Inc. Guiding user moderation by confidence levels
US20100088148A1 (en) * 2008-10-02 2010-04-08 Presswala Irfan System and methodology for recommending purchases for a shopping intent
KR101040119B1 (ko) 2008-10-14 2011-06-09 한국전자통신연구원 콘텐츠 검색 장치 및 방법
CN101446959A (zh) 2008-12-30 2009-06-03 深圳市迅雷网络技术有限公司 一种基于互联网的新闻推荐方法和系统
JP5462510B2 (ja) 2009-03-24 2014-04-02 株式会社野村総合研究所 商品検索サーバ、商品検索方法、プログラム、および記録媒体
CN101515360A (zh) 2009-04-13 2009-08-26 阿里巴巴集团控股有限公司 向用户推荐网络目标信息的方法和服务器
US9443209B2 (en) 2009-04-30 2016-09-13 Paypal, Inc. Recommendations based on branding
US8429035B1 (en) 2009-08-26 2013-04-23 Jda Software Group, Inc. System and method of solving large scale supply chain planning problems with integer constraints
CN101770520A (zh) * 2010-03-05 2010-07-07 南京邮电大学 基于用户浏览行为的用户兴趣建模方法
US8799325B2 (en) * 2010-03-12 2014-08-05 Microsoft Corporation Reordering nodes in a hierarchical structure
CN102279856B (zh) * 2010-06-09 2013-10-02 阿里巴巴集团控股有限公司 一种网站导航实现方法及系统
CN102279851B (zh) * 2010-06-12 2017-05-03 阿里巴巴集团控股有限公司 一种智能导航方法、装置和系统

Also Published As

Publication number Publication date
EP2805223A4 (en) 2015-09-02
TW201331873A (zh) 2013-08-01
US20170286435A1 (en) 2017-10-05
TWI614702B (zh) 2018-02-11
US9690846B2 (en) 2017-06-27
US10657161B2 (en) 2020-05-19
US20130191409A1 (en) 2013-07-25
WO2013109489A2 (en) 2013-07-25
WO2013109489A3 (en) 2013-12-12
CN103218719B (zh) 2016-12-07
CN103218719A (zh) 2013-07-24
JP2015501061A (ja) 2015-01-08
EP2805223A2 (en) 2014-11-26

Similar Documents

Publication Publication Date Title
JP5878245B2 (ja) カテゴリシステムの知的ナビゲーション
US10769219B1 (en) System and method for graphically building weighted search queries
US9361385B2 (en) Generating content for topics based on user demand
US7983963B2 (en) System, program product, and method of electronic communication network guided navigation
US9727906B1 (en) Generating item clusters based on aggregated search history data
US20180276727A1 (en) System and Method for Automated Retrieval of Apparel Items and the Like
US10672015B2 (en) Streaming events modeling for information ranking to address new information scenarios
US10459919B2 (en) System and method for mining category aspect information
US20170116658A1 (en) Objective Function Based Engine To Create Smart Product Groupings
CN103345695A (zh) 一种商品推荐的方法和装置
US10747792B2 (en) Streaming events analysis for search recall improvements
US20130110803A1 (en) Search driven user interface for navigating content and usage analytics
US9330071B1 (en) Tag merging
US20130060755A1 (en) Applying screening information to search results
US10747400B1 (en) Shaping a relevance profile for engagement
CN108537596A (zh) 搜索框内车型推荐的方法、装置、系统及存储器
US12111872B2 (en) Comparative search within user-generated content
Dias et al. Automating the extraction of static content and dynamic behaviour from e-commerce websites
US10264315B2 (en) Streaming events modeling for information ranking
JP5835754B2 (ja) 情報検索支援装置、情報検索支援方法、情報検索支援プログラム、プログラム格納媒体
JP5561745B2 (ja) 情報検索支援装置、情報検索支援方法、情報検索支援プログラム、プログラム格納媒体
TWI620080B (zh) 基於使用者行為的文件分類系統與方法
WO2015184192A1 (en) System and method of electronic searching, shopping carts, and advertising
Lin " Commerce To Go": How Are Mobile Versions of E-Commerce Homepages Different?

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140619

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20150522

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150602

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20150831

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20151009

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: 20160105

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160127

R150 Certificate of patent or registration of utility model

Ref document number: 5878245

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

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250