JP5965911B2 - オンライン取引プラットフォームに基づくデータ処理 - Google Patents

Description

本開示は、ネットワークデータ処理技術に関し、より具体的には、オンライン取引プラットフォームに基づくデータ処理方法およびデバイスに関する。

（関連特許出願の相互参照）
本出願は、参照によりその全体が本明細書に組み込まれる、２０１０年１１月４日に出願された中国特許出願第２０１０１０５３３００４．８号、標題「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ Ｂａｓｅｄ ｏｎ Ｏｎｌｉｎｅ Ｔｒａｎｓａｃｔｉｏｎ Ｐｌａｔｆｏｒｍ」の優先権を主張するものである。
オンライン取引プラットフォームは、インターネットを介した取引において買い手および売り手の両方の安全性および真正性を保証する必要がある。オンライン取引プラットフォームで使用されるウェブサイトは、電子商取引用ウェブサイトとして知られている。実際の用途シナリオにおいて、ユーザが電子商取引用ウェブサイトから製品を購入することを望む場合、彼らは製品の価格情報に多大な注意を払う。垂直ウェブサイトとは、特定の分野（例えば、ショッピング）または特定の要件に焦点を合わせたウェブサイトを意味し、特定の分野または特定の要件に関連する包括的かつ徹底的な情報およびサービスを提供する。

現在、インターネットでは、オンライン取引プラットフォームにおいて製品の価格情報を知る必要があり、通常、価格情報は垂直ウェブサイトから得られる。しかしながら、垂直ウェブサイト内の価格情報は、通常、以下の様式で取り出される：オフライン市場取引からの計算、製品の製造業者からの直接的なラベル付き価格情報、および製品を販売するユーザからの直接的な見積もり。しかしながら、現実的には、製造業者のラベル付き価格情報が市場価格から逸脱すること、またはあるユーザの見積もりが必ずしもユーザの大半の価格情報を意味するとは限らず、市場条件を反映しないということがあり得る。さらに、垂直ウェブサイトは、オンライン取引プラットフォームで取り引きされない製品の価格情報を提供することが困難である。

現在の技術は、垂直ウェブサイトによって提供される製品価格情報に基づいて、十分に正確な価格情報を提供できない可能性があり、したがって、オンライン取引プラットフォームにおいて正確な価格情報に関するユーザの要件を満たすことができない可能性があり、同時に、ユーザが価格情報の検索に費やす頻度および時間を増加させる可能性がある。このことは、オンライン取引プラットフォームにおけるサーバ（複数可）の処理速度および性能をさらに低下させる。

要約すると、本技術分野の当業者は、サーバの処理速度および性能に悪影響を及ぼすことなく、オンライン取引プラットフォームにおけるデータの正確性というユーザの満たされていないニーズを解決するために、インターネット取引プラットフォームに基づくデータ処理方法を提供するという課題に直面している。

本開示は、サーバの処理速度および性能に悪影響を及ぼすことなく、オンライン取引プラットフォームにおけるデータの正確性というユーザの満たされていないニーズを解決するために、オンライン取引プラットフォームに基づくデータ処理方法を提供する。

さらに、本開示は、データ処理デバイスも提供する。

データ処理方法において、カテゴリ情報に従って、データベースからカテゴリ下の製品情報が検索される。製品情報は、製品識別情報（ＩＤ）および製品価格情報を含む。

製品は、複数の製品カテゴリを得るために、製品属性および販売属性に基づいて分類される。同じ製品カテゴリ下の製品は、同じかまたは実質的に同様の製品属性および販売属性を有する。販売属性は、製品価格に影響する製品属性以外の属性である。

各製品カテゴリに対応する価格情報を計算するために、各カテゴリ下の製品に１つ以上の計算アルゴリズムがそれぞれ適用されてもよい。１つ以上の計算アルゴリズムは、クラスタリングアルゴリズムを含む。価格情報とは、それらの対応する販売属性下の製品の価格情報を意味する。

製品キーワードが受信されると、製品キーワードに対応する製品カテゴリの価格情報が表示される。

また、本開示は、オンライン取引プラットフォームに基づくデータ処理デバイスも開示する。デバイスは、検索モジュール、分類モジュール、価格計算モジュール、および表示モジュールを含む。

検索モジュールは、カテゴリ情報に従って、データベースからカテゴリ下の製品情報を検索する。製品情報は、製品識別情報（ＩＤ）および製品価格情報を含む。

分類モジュールは、複数の製品カテゴリを得るために、製品属性および販売属性に基づいて製品を分類する。同じ製品カテゴリ下の製品は、同じかまたは実質的に同様の製品属性および販売属性を有する。販売属性は、製品価格に影響する製品属性以外の属性である。

価格計算モジュールは、各製品カテゴリに対応する価格情報を得るために、各カテゴリ下の製品に１つ以上の計算アルゴリズムをそれぞれ適用する。１つ以上の計算アルゴリズムは、クラスタリングアルゴリズムを含む。価格情報とは、それらの対応する販売属性下の製品の価格情報を意味する。

表示モジュールは、製品キーワードが受信されると、対応する製品カテゴリの価格情報を表示する。

現行の技術と比較して、本開示は、少なくとも以下の利点を有する。

本開示において、データベースからあるカテゴリ下の製品情報が検索され、製品は、それらの製品属性および販売属性に従って分類される。同じ製品カテゴリ下の製品は、同じかまたは実質的に同様の製品属性および販売属性を有する。販売属性は、製品価格に影響する製品属性以外の属性である。したがって、得られたカテゴリは、製品価格情報に影響する販売属性も考慮に入れる。製品の平均価格情報を得るために、クラスタリングアルゴリズム等の１つ以上の計算アルゴリズムが製品カテゴリに適用されてもよい。製品の価格に関するユーザの検索クエリを受信すると、オンライン取引プラットフォームのサーバは、計算された平均価格情報をユーザに返信することができる。ユーザは、適正な真の価格情報を得るため、ユーザは、サーバに重複または反復した検索動作を実行するよう要求する必要がない。オンライン取引プラットフォームのサーバで実行される方法またはシステムは、サーバの実行速度および性能も向上させる。当然、本開示に基づく一実施形態が、利点の全てを達成する必要はない。

本開示の実施形態をよりよく例示するために、実施形態の説明において使用される図の簡単な紹介を以下に示す。以下の図は、本開示のいくつかの実施形態に関連しているに過ぎないことは明白である。当業者は、創造的な努力をせずに、本開示における実施形態の変形例を得ることができる。
第１の例示的な実施形態に従って、オンライン取引プラットフォームに基づく例示的なデータ処理方法のフロー図を示す。 第１の例示的な実施形態に従って、例示的な製品「Ｌｅｎｏｖｏ Ｉ３００」の販売属性および他の固定特性のインターフェースの略図を示す。 第１の例示的な実施形態に従って、各種類の製品の対応する価格情報を得るために、製品カテゴリ下の製品に対してクラスタ解析アルゴリズムを適用するフロー図を示す。 それぞれ「全国的な保証」および「小売店保証」である２つの販売属性下にある例示的な製品「Ｎｏｋｉａ ５２３０」の平均価格情報のインターフェースの略図を示す。 第２の例示的な実施形態に従って、オンライン取引プラットフォームに基づく例示的なデータ処理方法のフロー図を示す。 例示的な製品「Ｎｏｋｉａ ５２３０」の過去３ヶ月以内の価格情報の推移図を示す。 第２レベルの製品カテゴリ下の製品の製品平均価格情報の例示的な計算のフロー図を示す。 第１の例示的な実施形態におけるオンライン取引プラットフォームに基づく第１の例示的なデータ処理デバイスの構造図を示す。 第１の例示的なデータ処理デバイスにおける価格計算モジュールの構造図を示す。 第１の例示的な実施形態におけるオンライン取引プラットフォームに基づく第２の例示的なデータ処理デバイスの構造図を示す。

本開示の実施形態をよりよく例示するために、実施形態の説明において使用される図の簡単な紹介を以下に示す。記載される実施形態は、本開示の全ての実施形態ではなく、いくつかの実施形態に関連しているに過ぎないことは明白である。当業者は、創造的な努力をせずに、本開示に記載される実施形態に従って他の実施形態を得ることができる。

開示される実施形態は、普遍的コンピュータシステムまたは特化型コンピュータシステムの環境または構成において使用されてもよい。その例として、パーソナルコンピュータ、サーバコンピュータ、手持ち式デバイスまたは携帯デバイス、タブレットデバイス、マルチプロセッサシステム、マイクロプロセッサに基づくシステム、セットアップボックス、プログラム可能な顧客電子デバイス、ネットワークＰＣ、小型コンピュータ、大型コンピュータ、および上記のいずれかのシステムまたはデバイスを含む分散コンピューティング環境が挙げられる。

本開示は、プログラムモジュール等の、コンピュータによって実行されるコンピュータ実行可能命令の一般的な文脈において説明することができる。一般的に、プログラムモジュールは、特定のタスクを実行するかまたは特定の抽象データ型を実装するためのルーチン、プログラム、オブジェクト、モジュール、データ構造、コンピュータ実行可能命令等を含む。開示される方法およびデバイスは、分散コンピューティング環境内に実装されてもよい。分散コンピューティング環境において、通信ネットワークを通して接続されるリモート処理デバイスによってタスクが実行される。分散コンピューティング環境において、プログラムモジュールは、ローカルおよび／またはリモートコンピュータの記憶媒体（記憶デバイスを含む）内に位置してもよい。

本開示において、データベースから特定のカテゴリ下の製品情報が検索され、製品は、それらの製品属性および販売属性に従って分類される。同じ製品カテゴリ下の製品は、同じかまたは実質的に同じ製品属性および販売属性を有する。販売属性は、製品価格に影響する製品属性以外の属性である。したがって、得られたカテゴリは、製品価格情報に影響する販売属性も考慮に入れる。製品の平均価格情報を得るために、クラスタリングアルゴリズム等の１つ以上の計算アルゴリズムが製品カテゴリに適用されてもよい。製品の価格に関するユーザの検索クエリを受信すると、オンライン取引プラットフォームのサーバは、計算された平均価格情報をユーザに返信することができる。ユーザは、適正な真の価格情報を得るため、ユーザは、サーバに重複または反復した検索動作を実行するよう要求する必要がない。オンライン取引プラットフォームのサーバで実行される本開示の方法またはシステムは、サーバの実行速度および性能も向上させる。

図１は、本開示の第１の例示的な実施形態におけるオンライン取引プラットフォームに基づく例示的なデータ処理方法のフロー図を示す。

１０１では、カテゴリ情報に従って、データベースからカテゴリ下の製品情報が検索される。製品情報は、製品識別情報（ＩＤ）および製品価格情報を含む。

一実施形態において、データベースは、オンライン取引プラットフォームの取引に関与する関連取引情報を格納することができる。そのような取引情報は、製品情報、製品取引情報、オンライン取引プラットフォームにおける売り手のユーザ情報等の売り手の情報等を含むことができる。製品情報は、製品ＩＤおよび製品価格情報を含むことができ、また、オンライン取引プラットフォームにおける売り手のユーザＩＤ等の製品の売り手のＩＤも含むことができる。製品取引情報は、売却価格情報、売却製品の数に関連する情報、売り手のユーザＩＤ、買い手のユーザＩＤを含むことができる。売り手のユーザ情報は、売り手のクレジット情報、３０日累積取引数、売り手のオンライン製品の数、低い評価に関連する情報等を含むことができる。例示的な実施形態において、製品情報は、製品ＩＤおよび製品価格情報を含むことができる。

カテゴリは、製品の分類後の産業セグメント情報である。例えば、カテゴリは、携帯電話、ノートブック、顔用クリーム、日焼け止めクリーム等を含むことができる。製品は、例えば、オンライン取引プラットフォームで取り引きすることができるアイテムを意味してもよい。

１０２では、複数の製品カテゴリを得るために、製品属性および販売属性に従って製品が分類される。同じ製品カテゴリ下の製品は、同じかまたは実質的に同じ製品属性および販売属性を有する。販売属性は、製品価格に影響する製品属性以外の属性である。

１つのカテゴリ下の製品情報が得られた後、製品ＩＤに従って対応する製品を得ることができる。製品属性とは、製品の固定的な機能的特徴である製品の固定属性を意味する。

例えば、Ｎｏｋｉａ Ｎ７３は、製品の型である。同じかまたは実質的に同じ型のＮｏｋｉａ Ｎ７３を含む製品は、Ｎｏｋｉａ Ｎ７３の固定属性をある程度有する。例えば、ブランド属性は「Ｎｏｋｉａ」であり、表示体裁は「直線型」であり、カメラ解像度は「３．２ＭＰ」である等。同様の機能的特徴を有する製品は、一般的に同じ製品型の下にあると見なされるが、パッケージング等の他の非機能的属性のために販売価格が異なる可能性がある。機能的特徴に加えて、同じかまたは実質的に同じ型の製品は、異なる価格、異なるセット販売内容、または異なる販売後サービス、さらには異なるレベルの新しさ等の他の属性も有する可能性がある。そのような属性の全てが製品の固定属性ではない。

販売属性は、製品価格に影響する製品属性以外の属性である。換言すると、販売属性は、価格に影響する可能性のある製品の固定属性を排除した後に残る属性である。例えば、１つの型の化粧品が、異なる種類の販売パッケージを有する可能性があり、各パッケージの容量が異なる販売価格の原因となる。販売後サービスの種類および化粧品の容量等の他の販売属性も異なる価格の原因となる。

したがって、１つの型の製品を、販売属性に基づいてさらに分類することができる。例えば、「Ｄａ Ｂａｏ美容洗顔料」等の製品は、「容積」という販売属性を有し、販売属性「容積」に対応する値は、３００ｍｌおよび１００ｍｌである可能性がある。これらの２つの販売価格は異なる。しかしながら、それらの機能的特徴は、容積が３００ｍｌであるかまたは１００ｍｌであるかにかかわらず、実際には同じである。

図２は、例示的な製品「Ｌｅｎｏｖｏ Ｉ３００」の販売属性および固定属性のインターフェースの略図を示す。

この例示的な実施形態において、得られた平均価格は、同じかまたは実質的に同じ製品属性および販売属性を有する１つの型の製品の価格である。

１０３では、各製品カテゴリに対応する価格情報を得るために、各カテゴリ下の製品に１つ以上の計算分析アルゴリズムがそれぞれ適用されてもよい。１つ以上の計算アルゴリズムは、クラスタリングアルゴリズムを含む。価格情報とは、それらの対応する販売属性下の製品の価格情報を意味する。

クラスタ解析アルゴリズムは、Ｋ平均アルゴリズムを使用することができる。例えば、クラスタ解析アルゴリズム（Ｋ平均アルゴリズム等）は、クラスタリング後に最も大きいクラスタをさらに選択するように製品価格情報をクラスタリングするために使用されてもよい。組み合わせた最も大きいクラスタ内の要素の数が所定の閾値よりも大きくなるまで、最も大きいクラスタを隣接するクラスタと組み合わせることができる。次いで、最も大きいクラスタ内の価格情報に従って製品の平均価格情報が得られる。

例示的な実施形態において得られる価格情報は、その販売属性下の型の製品の対応する価格情報である。実践的な用途において、たとえＤａ Ｂａｏ洗顔料等の同じ型の製品であっても、販売属性は同じではない可能性がある。例えば、一方の型の製品の販売属性は１００ｍｌであり、別の型の製品の販売属性は３００ｍｌである。その場合、これらの２種類のＤａ Ｂａｏ洗顔料製品の価格情報は、同じではない。

例えば、図３は、各型の製品の対応する価格情報を得るために、製品カテゴリ下の製品に対してクラスタ解析アルゴリズムを適用するフロー図を示す。

３０１では、製品カテゴリ下の製品の価格情報が、事前に設定された価格帯情報に従ってフィルタリングされる。

製品カテゴリが得られた後、製品カテゴリ内の製品の製品属性および販売属性は、同じかまたは実質的に同じである。しかしながら、必ずしも各製品の価格が考慮される必要はない。したがって、製品カテゴリ内の製品に関連する価格情報がフィルタリングされてもよい。フィルタリングの間に、ラベル付き価格情報を有する製品のために、ラベル付き価格の価格比率範囲を事前に定義することができる。例えば、上限は価格の２倍として設定されてもよく、下限は０．５倍として設定されてもよい。次いで、ラベル付き価格情報は、ラベル付き価格帯情報内で上限価格および下限価格を計算するために使用される。価格情報は、上限および下限の価格情報を使用することによってフィルタリングされる。

例えば、フィルタリング後の製品数対フィルタリング前の製品数の比率が所定の閾値よりも低い場合、そのようなフィルタリングは、非効果的または無効であると見なすことができる。例えば、そのような閾値は０．５に設定されてもよい。フィルタリング処理後に、製品カテゴリ下の製品の半数超が排除された場合、そのようなフィルタリング処理は、最適な処理ではない可能性がある。その場合、事前にフィルタリングされた価格情報を、ソースデータとしてなおも使用することができる。フィルタリング後の製品数対フィルタリング前の製品数の比率が所定の閾値よりも低くない場合、そのようなフィルタリング処理は、効果的または有効であると見なすことができる。フィルタリングされた価格情報が、ソースデータとして使用される。

さらに、Ｎｏｋｉａ Ｎ７３が携帯電話カテゴリに属し、ＴｈｉｎｋＰａｄ Ｘ１００がノートブックカテゴリに属すように製品は特定のカテゴリに属するため、各カテゴリに、有効な価格情報の範囲を定義するための最高価格（ｐｒｉｃｅ＿ｍａｘ）および最低価格（ｐｒｉｃｅ＿ｍｉｎ）を設定することができる。定義された価格情報の範囲を超える価格情報は、無効であると見なすことができる。

したがって、製品カテゴリ下の製品がラベル付き価格情報を有さない場合、カテゴリ内の製品の最高および最低価格情報を事前に定義することができる。カテゴリに基づいて異なる値が定義されてもよい。例えば、携帯電話のカテゴリは、最低価格１００ドルおよび最高価格１０，０００ドルを有することができ、ノートブックコンピュータのカテゴリは、最低価格１００ドルおよび最高価格５０，０００ドルを有してもよい。そのような価格帯は、カテゴリ内の製品価格情報をフィルタリングするために使用することができる。

３０２では、製品カテゴリ内に収容された価格情報が、クラスタ解析アルゴリズムおよび事前に設定された数に従っていくつかのクラスタに分割される。

製品カテゴリ内でフィルタリングされた製品価格情報が得られた後、Ｎ個等のいくつかのグループに分けて製品を分析するために、各製品カテゴリに対してクラスタ解析アルゴリズム（Ｋ平均アルゴリズム等）が行われる。数Ｎは、いずれの整数であってもよい。例えば、Ｎは１０であってもよい。Ｋ平均アルゴリズムの原則に基づくと、１つのクラスタ内の要素は隣接する要素であり、この実施形態ではそれらの価格情報が比較的近いことを意味する。例えば、１つの製品カテゴリについて、その製品カテゴリ内の製品価格は、それぞれ、１、１０２、３、４、５、１００、１０１、１０４、および８である。この実施形態におけるクラスタリング方法に基づいて、そのような価格情報を［１、３、４、５、８］および［１０２、１００、１０１、１０４］の２つのクラスタに分割することができる。

３０３では、最大の価格情報数を有するクラスタが、隣接するクラスタとマージされる。
例えば、クラスタが得られた後、最大の製品数を有するクラスタが見つかる。選択されたクラスタが十分な数の要素を有し、かつ十分な提示品質を有することを確実にするために、組み合わせた後の製品の数が事前に設定された閾値よりも大きくなるまで、最大の製品数を有するクラスタに隣接するクラスタがマージされる。例えば、そのような閾値は、組み合わせた製品の数が製品カテゴリの５％を占めるようであってもよい。

３０４では、組み合わせた後のクラスタ内の複数の価格情報に基づいて、マージされたクラスタ内の平均価格情報が計算される。

例えば、平均価格情報は、加重平均価格情報または演算平均価格情報に基づいていてもよい。

１つの製品カテゴリの平均価格情報が得られた後、製品カテゴリの１つ以上の製品キーワードが平均価格情報と関連付けられている可能性がある。そのような関連性は、将来、照会に使用するためにデータベース内に格納されてもよい。

１０４では、１つ以上の製品キーワードが受信されると、製品キーワードに対応する製品カテゴリの価格情報が表示される。

ユーザのクエリから製品キーワードが受信されると、製品キーワードの情報に従って製品カテゴリの平均価格情報が検索され、ユーザに提示される。例えば、この例示的な実施形態における平均価格情報は、ある特定の販売属性下の製品の平均価格情報を意味する。例えば、図４は、それぞれ「全国的な保証」および「小売店保証」である２つの販売属性下にある例示的な製品「Ｎｏｋｉａ ５２３０」の平均価格情報のインターフェースの略図を示す。

この実施形態において、製品の分類は、固定属性および販売属性の両方に基づいている。販売属性は、製品の価格情報にも影響を与えるため、１つの例示的な実施形態において、販売属性に基づいて製品が分類された後、固定属性および販売属性の両方を満たす製品の平均価格情報を計算するためにクラスタ解析方法が行われてもよい。これにより、製品の価格情報をより適正に反映することができる。そのような方法は、価格情報を調べるための利便性をユーザに提供するだけではなく、ユーザとオンライン取引プラットフォームとの間のインタラクション操作および繰り返される照会操作の数を減少させる。さらに、そのような方法は、オンライン取引プラットフォームのサーバの動作性能も高める。

図５は、第２の例示的な実施形態に従って、オンライン取引プラットフォームに基づく例示的なデータ処理方法のフロー図を示す。

５０１では、カテゴリ情報に従って、データベースからカテゴリ下の製品情報が検索される。製品情報は、製品識別情報（ＩＤ）および製品価格情報を含む。

５０２では、製品情報がフィルタリングされる。例えば、製品情報は、偽製品の製品情報をフィルタリングするための偽製品識別モデルに従ってフィルタリングされてもよい。

この例示的な実施形態は、偽製品識別モデルを使用することによって得られた製品情報にフィルタリング処理を適用することを含む。実際の用途において、ある製品は既に在庫になっている可能性があり、またはあるユーザは故意に虚偽の製品情報を公開する。そのような製品情報は、製品価格情報を計算するために使用されるのに適していない。したがって、偽製品の製品情報をフィルタリングするように学習させた偽製品識別モデルが使用されてもよい。

偽製品識別モデルは、定期的に更新することもできる。

５０３では、複数の第１レベルの製品カテゴリを得るために、製品情報内の製品ＩＤに従って第１の時点で製品が分類される。１つの第１レベルの製品カテゴリ内の製品は、同じかまたは実質的に同じ製品属性を有する。

製品属性とは、製品に固有の固定属性を意味する。製品属性に従って第１の時点で製品が分類されると、製品は、複数の第１レベルの製品カテゴリに分類される。１つの製品カテゴリ内の製品は、同じかまたは実質的に同じ機能および特徴を有する。例えば、３００ｍｌのＤａ Ｂａｏ洗顔料および１００ｍｌのＤａ Ｂａｏ洗顔料は、同じ第１レベルの製品カテゴリに属するが、Ｍａｒｙ Ｋａｙソフトフェイシャルクレンザーは、別の第１レベルの製品カテゴリに属する。

５０４では、複数の第２レベルの製品カテゴリを得るために、製品の販売属性に従って、第２の時点で複数の第１レベルの製品カテゴリの各々内の製品が分類される。１つの第２レベルの製品カテゴリ内の製品は、同じかまたは実質的に同じ販売属性を有する。

複数の第１レベルの製品カテゴリが得られた後、製品の販売属性に基づいて、第２の時点で第１レベルの製品カテゴリ内の製品がさらに分類される必要がある。各第２レベルの製品カテゴリ内の製品は、同じかまたは実質的に同じ販売属性を有する。例えば、第１のユーザの製品は３００ｍｌのＤａ Ｂａｏ洗顔料であり、第２のユーザの製品は１００ｍｌのＤａ Ｂａｏ洗顔料であり、第３のユーザの製品は３００ｍｌのＤａ Ｂａｏ洗顔料である。これらの３つの製品は、同じ第１レベルの製品カテゴリに属するが、第２の時点での製品分類の間に、第１のユーザおよび第３のユーザの製品は、１つの第２レベルのカテゴリに属し、第２のユーザの製品は、別の第２レベルの製品カテゴリに属する。

５０５では、第２レベルの製品カテゴリ下の製品の価格情報が、事前に設定された価格帯情報に従ってフィルタリングされる。

事前に設定された価格帯情報とは、所定の価格情報の上限および価格情報の下限を意味する。１つの第２レベルの製品カテゴリ内の製品の価格情報は、事前に設定された価格帯情報に従ってフィルタリングされる。事前に設定された価格帯内の製品の価格情報は保持される。事前に設定された価格帯外の製品の価格情報は排除される。

価格のフィルタリングを行うための異なる方法が存在してもよい。

Ａ１では、製品カテゴリ内の製品がラベル付き価格情報を有さない場合、フィルタリング後の価格情報セットを得るために、製品が属するカテゴリの事前に設定された価格帯情報がフィルタリング目的に使用される。

製品が製造業者によって販売された場合、ラベル付き価格情報は、製造業者によってラベルを付けられた価格情報であってもよい。製品が製造業者によってラベルを付けられた価格情報を有さない場合、製品価格情報は、カテゴリの事前に設定された価格帯情報に従ってフィルタリングされる。フィルタリング後の価格情報は全て、事前に設定された価格帯情報の範囲内に属する。

Ａ２では、製品カテゴリ内の製品がラベル付き価格情報を有する場合、事前に設定されたラベル付き価格帯情報を得るために、製品が属するカテゴリの事前に設定された価格比率範囲情報が使用される。製品カテゴリ内の製品の価格情報をフィルタリングするために、現時点でのラベル付き価格帯情報が使用される。

第２レベルのカテゴリ内の製品がラベル付き価格情報を有する場合、製品カテゴリ内の製品のラベル付き価格帯情報を計算するために、事前に設定された価格比率範囲情報が使用される。さらに、第２レベルの製品カテゴリ内の製品の価格情報をフィルタリングするために、ラベル付き価格帯情報が使用される。

Ａ３では、フィルタリングされた製品価格情報に基づいて、フィルタリング強度が所定の閾値よりも低いかどうかを判定するために、フィルタリング処理のフィルタリング強度が得られる。結果が「はい」である場合、フィルタリング前の価格情報が使用される。結果が「いいえ」である場合、フィルタリングから得られた価格情報が、フィルタリングされた価格情報セットとして使用される。

フィルタリング強度を測定するための種々の方法が存在してもよい。例えば、フィルタリング強度を得るために、フィルタリング後の製品価格情報の数を、フィルタリング前の製品価格情報の数で除する。次いで、フィルタリング強度を事前に設定された閾値と比較する。事前に設定されたフィルタリング強度が事前に設定された閾値（０．５等）よりも低い場合、製品価格情報のうちの半数超がフィルタリングされたため、フィルタリングは無効と見なすことができる。フィルタリング強度が事前に設定された閾値よりも高い場合、フィルタリング後の価格情報が、フィルタリングされた価格情報セットとして使用される。

５０６では、製品カテゴリ内でフィルタリングされた価格情報が、複数の価格情報クラスタにグループ化される。そのようなグループ化は、クラスタ解析アルゴリズムおよび事前に設定された情報クラスタの数に基づいていてもよい。

第２レベルのカテゴリ内の価格情報は、クラスタ解析アルゴリズムおよび事前に設定されたクラスタの数に従っていくつかのクラスタにグループ化される。例えば、クラスタの数は１０に設定される。種々のクラスタ解析アルゴリズムも存在する。クラスタリング処理の一例を以下に記載する。

Ｂ１では、フィルタリングされた価格情報セットの平均値および事前に設定されたクラスタの合計数に従って、初期クラスタの中心点が選択される。

価格情報クラスタの数が得られた後、フィルタリングされた価格情報セットの平均値およびクラスタの合計数に従って、初期クラスタの中心点が選択される。初期クラスタを選択することの目的は、クラスタの中で最も大きいクラスタを見つけることである。最も大きいクラスタは、最大の価格情報数を有するクラスタである。最も大きいクラスタ情報は、現在の販売属性下で製品カテゴリの平均価格情報を計算するための基準として用いられる。

Ｂ２では、初期クラスタの中心点およびクラスタ解析アルゴリズムに基づいて、必要な事前に設定されたクラスタの数を得るために、収束に到達するまで価格情報セットに反復クラスタリングが適用される。

例えば、必要な事前に設定されたクラスタの数を得るために、収束に到達するまで反復クラスタリングにおいてＫ平均アルゴリズムが使用されてもよい。

Ｂ３では、最終的に得られた複数のクラスタとして、クラスタセットから十分な数の価格情報を有するクラスタが選択される。

クラスタの集合から、十分に大きな数の価格情報を有するクラスタが、その後の価格情報計算において使用されるための最終的に得られた数のクラスタとして選択される。

５０７では、得られた複数のクラスタから、最大の価格情報数を有するクラスタが隣接するクラスタとマージされる。
種々のマージ方法が存在する。マージ方法の一例を以下に記載する。

Ｃ１では、各クラスタの中心点の値に従って複数のクラスタがソートされる。最大の価格情報数を有する最も大きいクラスタも、複数のクラスタから得られる。

クラスタがマージされると、各クラスタの中心点の値に従って最大の価格情報数を有する最も大きいクラスタが検索される。

Ｃ２では、最も大きいクラスタ内の価格情報の数が事前に設定された閾値に達するまで、ソート順序に従って最も大きいクラスタに隣接するクラスタがマージされる。

ソート順序に従って、最も大きいクラスタ内の価格情報の数が事前に設定された閾値に達するまで、最も大きいクラスタに隣接するクラスタが最も大きいクラスタとマージされる。

５０８では、融合後のクラスタ内の複数の価格情報に基づいて、マージされたクラスタ内の平均価格情報が計算される。

種々の計算方法が存在する。計算方法の一例を以下に記載する。

Ｄ１では、製品の参照価格情報が設定されているかどうかが決定される。結果が「はい」である場合、Ｄ２の動作が行われる。結果が「いいえ」である場合、Ｄ３の動作が行われる。

Ｄ２では、１つ以上のクラスタの数が１より大きい場合、各クラスタの中心点の値に基づいて１つ以上のクラスタがソートされる。第２のクラスタは、最終的に得られたクラスタであってもよい。第２のクラスタ内の価格情報の数が、最終的に得られたクラスタ内の価格情報の合計数の比率（０．４倍等）よりも大きい場合、第２のクラスタの平均価格情報は、製品カテゴリの平均価格情報である。

Ｄ３では、クラスタ内の複数の価格情報に基づいて、マージされたクラスタの加重平均価格情報が計算される。

５０９では、１つ以上の製品キーワードが受信されると、製品キーワードに対応する製品カテゴリの平均価格情報が表示される。

さらに、別の実施形態において、フロー図は、５１０をさらに含んでもよい。
５１０では、１つ以上の固定期間内に得られた平均価格情報が曲線図等のチャートに表される。

図４に対応する図６は、例示的な製品「Ｎｏｋｉａ ５２３０」の過去３ヶ月以内の価格情報の推移図を示す。

この実施形態に記載される動作は、サーバの動作速度を向上させるだけでなく、推移図を使用することによって、ユーザに１つの製品の価格情報を表示する。Ｋ平均アルゴリズム等の適用可能なクラスタ解析アルゴリズムは、平均価格情報の計算の正確性をさらに向上させることができる。ユーザの製品価格の検索における正確性がさらに向上され、したがって、サーバの動作性能もさらに向上される。

さらなる例示および詳細な例を提供するために、図７は、第２レベルの製品カテゴリ下の製品の製品平均価格情報の例示的な計算のフロー図を示す。以下の例は、第２レベルのカテゴリが得られた後の、平均価格情報の計算処理に焦点を当てている。

７０１では、製品カテゴリ内の製品がラベル付き価格情報を有する場合、事前に設定されたラベル付き価格帯情報を得るために、製品が属するカテゴリの事前に設定された価格比率範囲情報が使用される。製品カテゴリ内の製品の価格情報をフィルタリングするために、現時点でのラベル付き価格帯情報が使用される。

例えば、特定の製品の場合、ｎ数の製品アイテムが存在する。それらの価格情報セットは、

で表される。Ａは、情報セットを表す。ａ_ｎは、ｎ番目の製品アイテムの価格情報を表す。ラベル付き価格情報を有する製品の場合、価格情報は、ラベル付き価格情報Ｐ_ｒｅｆを使用することによってフィルタリングされてもよい。所定の価格比率の範囲は、例えば、

で表される。ラベル付き価格帯は、例えば、

で表され（ラベル付き価格情報Ｐ_ｒｅｆを使用することによって計算されてもよい）、

である。製品カテゴリ内の製品がラベル付き価格情報を有する場合、

で表されるフィルタリングされた価格情報クラスタを得るために、ラベル付き価格帯

を使用して価格情報をフィルタリングすることができる。例えば、

は、値［０．５，２）を有してもよい。

７０２では、フィルタリングされた製品価格情報に基づいて、フィルタリング強度が所定の閾値よりも低いかどうかを判定するために、フィルタリング処理のフィルタリング強度が得られる。結果が「はい」である場合、フィルタリング前の価格情報が使用され、７０２の動作が行われる。結果が「いいえ」である場合、フィルタリング後の価格情報がフィルタリングされた価格情報セットとして使用され、７０４の動作が行われる。

例えば、フィルタリング強度は、得られた価格情報クラスタに基づいて計算され、式は、

である。フィルタリング強度ｓが有効な閾値Ｓ_{ｖａｌｉｄ}よりも低い場合、ラベル付き価格情報に基づくフィルタリング処理は失敗であると見なされ、フィルタリング前の価格情報が使用される。換言すると、

である。例えば、Ｓ_{ｖａｌｉｄ}は、値０．５を有してもよい。

７０３では、製品カテゴリ内の製品がラベル付き価格情報を有さない場合またはラベル付き価格情報を使用したフィルタリングが失敗した場合、フィルタリング後の価格情報セットを得るために、製品が属するカテゴリの事前に設定された価格帯情報がフィルタリング目的に使用される。

製品カテゴリ内の製品がラベル付き価格情報を有さない場合またはラベル付き価格情報を使用したフィルタリング処理が失敗である場合、データをフィルタリングするために、製品が属するカテゴリの価格帯情報の所定の上限および下限を使用することができる。

例えば、製品が属するカテゴリの場合、価格帯の上限および下限は

で表され、ＣＰ_ｌｏｗは価格の下限を表し、ＣＰ_ｈｉｇｈは価格の上限を表す。価格の上限および下限は、カテゴリ下の製品の有効な価格帯を決定するために使用される。製品の価格情報が価格帯を越える場合、そのような価格情報は無効な価格情報であると見なすことができる。最終的に得られた価格情報セットは、

で表される。

７０４では、フィルタリング後の価格情報セットの平均値および事前に設定されたクラスタの合計数に従って、初期クラスタの中心点が選択される。

例えば、実際の計算処理において、価格情報クラスタの平均値に基づいて初期クラスタの中心点が選択される。ｍが事前に設定されたクラスタの合計数として定義される場合、中心点の位置は、

で表される。

７０５では、初期クラスタの中心点およびクラスタ解析アルゴリズムに基づいて、必要な事前に設定されたクラスタの数を得るために、収束に到達するまで価格情報セットに反復クラスタリングが適用される。

例えば、実際の用途において、Ｋ平均計算方法を使用することによって反復クラスタリングを行うことができ、収束の間に、Ｃ_ｒｅｓで表されるクラスタの集合を得ることができる。この動作において、例えば、反復収束を評価するための基準は、２つの反復から得られた２つの中心点間の距離の二乗和が閾値ｔ_ｄｉｓよりも小さいようであってもよい。例えば、Ｋ数の反復を経験した後、２つの最も近い中心点クラスタ

の中心点が得られる。以下の基準

が満たされることが決定された後、Ｃ_ｋは、クラスタＣ_ｒｅｓの集合になる。上の基準において、例えば、

である。

７０６では、最終的に得られた複数のクラスタとして、クラスタセットから十分な数の価格情報を有するクラスタが選択される。

十分に大きな数の価格情報を有するクラスタが保持され、

で表される。

例えば、閾値ｔ_ｍｉｎは、０．０５と定義されてもよい。

７０７では、各クラスタの中心点の値に従って複数のクラスタがソートされる。最大の価格情報数を有する最も大きいクラスタも、複数のクラスタから得られる。

最大の要素数を有するクラスタｃ_ｂを見つけるために、中心点の値に基づいて維持された複数のクラスタがソートされる。

７０８では、最も大きいクラスタ内の価格情報の数が事前に設定された閾値に達するまで、ソート順序に従って最も大きいクラスタに隣接するクラスタがマージされる。

例えば、マージされた最も大きいクラスタ内の価格情報の合計数の比率が閾値ｔ_ｃ１よりも高くなるまで、最も大きいクラスタの左側および右側の隣接するクラスタが、最も大きいクラスタとマージされる。換言すると、以下の基準が満たされる：

例えば、閾値ｔ_ｃ１は、０．０５と定義されてもよい。

７０９では、製品カテゴリ内の製品のために製品の参照価格情報が設定されているかどうかが決定される。結果が「はい」である場合、７１０の動作が行われる。結果が「いいえ」である場合、７１１の動作が行われる。

７１０では、１つ以上のクラスタの数が１より大きい場合、各クラスタの中心点の値に基づいて１つ以上のクラスタがソートされる。例えば、第２のクラスタは、最終的に得られたクラスタであってもよい。第２のクラスタ内の価格情報の数が、最終的に得られたクラスタ内の価格情報の合計数の比率（０．４倍等）よりも大きい場合、第２のクラスタの平均価格情報は、製品カテゴリの平均価格情報である。

例えば、製品カテゴリ内の製品のために参照価格情報が確立されている場合、Ｃ_ｋｅｅｐ内のクラスタの数は１よりも大きく、クラスタ内の価格情報の数に基づいてクラスタの集合がソートされる。ソート後の第２のクラスタがＣ_ｋｅｅｐに属し、第２のクラスタ内の価格情報の数がクラスタの集合内の価格情報の合計数よりも０．４倍大きい場合、第２のクラスタの平均価格情報が製品カテゴリの参照価格として使用される。

７１１では、マージされたクラスタの加重平均価格情報が、その収容された複数の価格情報に基づいて計算される。

例えば、Ｃ_ｍａｉｎ内のクラスタが加重平均を計算するために使用される：

この場合、ｌおよびｒは、クラスタが中心点の値に基づいて小さい順にソートされた後の、最終的に保持されたクラスタの左境界および右境界をそれぞれ意味する。Ｃｏｕｎｔ（ｃ_ｉ）は、クラスタ内の要素の合計数を意味する。ａ_ｉ，ｊは、クラスタ要素を意味し、この例では価格情報を意味する。ｂは、最大の要素数を有する中心クラスタを意味する。この例では、ｍ＝１０である。例えば、クラスタリング後に、６番目のクラスタが最大の要素数を有することが分かった場合、６番目のクラスタの左および右の隣接するクラスタは、マージされたクラスタ内の価格情報の数が十分に大きくなるまで６番目のクラスタとマージされる。例えば、左境界のクラスタの位置が３であり、右境界のクラスタの位置が８であると仮定すると、その販売属性下にある現在の製品カテゴリの平均価格情報を計算するために、これらの値を上記式に代入することができる。

この例において計算される平均価格情報は、その販売属性下の製品の平均価格情報である。この例において、計算される製品の平均価格情報は、オンライン取引プラットフォーム上で製品のラベル付き価格情報と取引価格情報とを組み合わせる。製品価格情報に対するクラスタリング解析方法の適用は、価格情報に製品の適正な価格情報を現実的に反映させる。さらに、偽製品情報のフィルタリングも、計算される製品価格の適正性を向上させる。

上述の例示的な方法は、便宜上、一連の動作として記載される。当業者は、本開示が記載される動作の順序に限定されなくてもよいことを理解するであろう。本開示に従って、動作は他の順序を用いてもよい。また、動作のうちのいくつかまたは全てが、同時にまたは実質的に同時に起こってもよい。当業者は、いくつかの動作またはモジュールは、いくつかの実施形態には必要ないことも理解するであろう。

第１の例示的な方法の実施形態におけるオンライン取引プラットフォームに基づくデータ処理方法に対応して、図８は、第１の例示的な実施形態におけるオンライン取引プラットフォームに基づく第１の例示的なデータ処理デバイス８００の構造図を示す。

一実施形態において、デバイス８００は、これらに限定されないが、１つ以上のプロセッサ８０２およびメモリ８０４を含んでもよい。メモリ８０４は、ランダムアクセスメモリ（ＲＡＭ）等の揮発性メモリおよび／またはリードオンリーメモリ（ＲＯＭ）もしくはフラッシュＲＡＭ等の不揮発性メモリの形態でコンピュータ可読媒体を含んでもよい。メモリ５０４は、コンピュータ可読媒体の一例である。

コンピュータ可読媒体は、コンピュータ実行可能命令、データ構造、プログラムモジュール、または他のデータ等の情報の格納のための任意の方法または技術において実装される、揮発性および不揮発性の、取り外し可能および取り外し不可能な媒体を含む。コンピュータ記憶媒体の例として、限定されないが、相変化メモリ（ＰＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、他の種類のランダムアクセスメモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、電気的消去・プログラム可能型読取専用メモリ（ＥＥＰＲＯＭ）、フラッシュメモリもしくは他のメモリ技術、コンパクトディスク読取専用メモリ（ＣＤ−ＲＯＭ）、デジタル多目的ディスク（ＤＶＤ）もしくは他の光学記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置もしくは他の磁気記憶デバイス、またはコンピュータデバイスによるアクセスのために情報を格納するために使用することができる任意の他の非伝送媒体が挙げられる。本明細書で定義される場合、コンピュータ可読媒体は、変調データ信号および搬送波等の一過性媒体を含まない。

メモリ８０４は、その中にプログラム単位またはモジュールおよびプログラムデータを格納することができる。一実施形態において、モジュールは、検索モジュール８１０、分類モジュール８２０、価格計算モジュール８３０、および表示モジュール８４０を含んでもよい。

これらのモジュールは、したがって、１つ以上のプロセッサ８０２によって実行することができるソフトウェア内に実装されてもよい。他の実装において、モジュールは、ファームウェア、ハードウェア、ソフトウェア、またはそれらの組み合わせの中に実装されてもよい。

検索モジュール８１０は、カテゴリ情報に従って、データベースからカテゴリ下の製品情報を検索する。製品情報は、製品識別情報（ＩＤ）および製品価格情報を含む。

分類モジュール８２０は、複数の製品カテゴリを得るために、製品属性および販売属性に従って製品を分類する。同じ製品カテゴリ下の製品は、同じかまたは実質的に同様の製品属性および販売属性を有する。販売属性は、製品価格に影響する製品属性以外の属性である。

価格計算モジュール８３０は、各製品カテゴリに対応する価格情報を得るために、各カテゴリ下の製品に１つ以上の計算分析アルゴリズムをそれぞれ適用する。１つ以上の計算アルゴリズムは、クラスタリングアルゴリズムを含む。価格情報とは、それらの対応する販売属性下の製品の価格情報を意味する。

表示モジュール８４０は、１つ以上の製品キーワードが受信されると、製品キーワードに対応する製品カテゴリの価格情報を表示する。

図９に示すように、価格計算モジュール８３０は、フィルタリングサブモデル９０１、グループ化サブモジュール９０２、融合サブモジュール９０３、および計算サブモジュール９０４をさらに含んでもよい。

フィルタリングサブモジュール９０１は、事前に設定された価格帯情報に従って、１つの製品カテゴリ下の製品の価格情報をフィルタリングする。

フィルタリングサブモジュール９０１は、価格情報をフィルタリングするための多くの方法および／または実施形態とともに構成されてもよい。例えば、フィルタリングサブモジュール９０１は、第１のフィルタリングサブモジュール、第２のフィルタリングサブモジュール、および決定サブモジュールも含んでもよい。

第１のフィルタリングサブモジュールは、製品カテゴリ内の製品がラベル付き価格情報を有さない場合、フィルタリング後の価格情報セットを得るために、製品が属するカテゴリの事前に設定された価格帯情報に従って価格情報をフィルタリングする。

第２のフィルタリングサブモジュールは、製品カテゴリ内の製品がラベル付き価格情報を有する場合、製品が属するカテゴリの事前に設定された価格比率範囲情報に従って、事前に設定されたラベル付き価格帯情報を得、現時点でのラベル付き価格帯情報を使用することによって価格情報をフィルタリングする。

決定サブモジュールは、フィルタリングされた製品価格情報に基づいて、フィルタリング処理のフィルタリング強度を得、フィルタリング強度が所定の閾値よりも低いかどうかを判定する。結果が「はい」である場合、フィルタリング前の価格情報が使用される。結果が「いいえ」である場合、フィルタリングから得られた価格情報が、フィルタリングされた価格情報セットとして使用される。

グループ化サブモジュール９０２は、製品カテゴリ内でフィルタリングされた価格情報を複数の価格情報クラスタにグループ化する。そのようなグループ化は、クラスタ解析アルゴリズムおよび事前に設定された情報クラスタの数に基づいていてもよい。

グループ化サブモジュール９０２は、フィルタリングされた価格情報をグループ化するための多くの方法および／または実施形態とともに構成されてもよい。例えば、グループ化サブモジュール９０２は、選択サブモジュール、クラスタリングサブモジュール、およびクラスタ取得サブモジュールをさらに含んでもよい。

選択サブモジュールは、フィルタリングされた価格情報セットの平均値および事前に設定されたクラスタの合計数に従って、初期クラスタの中心点を選択する。

クラスタリングサブモジュールは、初期クラスタの中心点およびクラスタ解析アルゴリズムに基づいて、必要な事前に設定されたクラスタの数を得るために、収束に到達するまで価格情報セットに反復クラスタリングを適用する。

クラスタ取得サブモジュールは、最終的に得られた複数のクラスタとして、クラスタセットから十分な数の価格情報を有するクラスタを選択する。

融合サブモジュール９０３は、得られた複数のクラスタから、最大の価格情報数を有するクラスタを隣接するクラスタとマージする。

融合サブモジュール９０３は、クラスタをマージするための多くの方法および／または実施形態とともに構成されてもよい。例えば、融合サブモジュール９０３は、ソートサブモジュールおよびマージサブモジュールをさらに含んでもよい。

ソートサブモジュールは、各クラスタの中心点の値に従って複数のクラスタをソートし、複数のクラスタから最大の価格情報数を有する最も大きいクラスタを得る。

マージサブモジュールは、最も大きいクラスタ内の価格情報の数が事前に設定された閾値に達するまで、ソート順序に従って最も大きいクラスタに隣接するクラスタを最も大きいクラスタとマージする。

計算サブモジュール９０４は、融合後のクラスタ内の複数の価格情報に基づいて、マージされたクラスタ内の平均価格情報を計算する。

計算サブモジュール９０４は、平均価格情報を計算するための多くの方法および／または実施形態とともに構成されてもよい。

例えば、計算サブモジュール９０４は、製品の参照価格情報が設定されているかどうかを決定することができる。結果が「はい」であり、かつ１つ以上のクラスタの数が１より大きい場合、各クラスタの中心点の値に基づいて１つ以上のクラスタがソートされる。第２のクラスタは、最終的に得られたクラスタであってもよい。第２のクラスタ内の価格情報の数が、最終的に得られたクラスタ内の価格情報の合計数の比率（０．４倍等）よりも大きい場合、第２のクラスタの平均価格情報は、製品カテゴリの平均価格情報である。

結果が「いいえ」である場合、クラスタ内の複数の価格情報に基づいて、マージされたクラスタの加重平均価格情報が計算される。

例示的な実施形態におけるデバイスおよび／または１つ以上のモジュールは、オンライン取引プラットフォームのサーバに統合することができるか、またはオンライン取引プラットフォームのサーバに接続される独立した物体として設定することができる。本開示の方法がソフトウェアによって実装される場合、本方法は、オンライン取引プラットフォームのサーバ内に追加の機能として含まれてもよく、また、コンピュータ可読媒体上に保存される独立したプログラムとして実装されてもよい。本開示は、方法、デバイス、および／またはモジュールの実装の形態について制限を設けない。

例示的な実施形態において開示されるデバイスは、製品の価格情報をより正確かつ適正に反映することができる。このことは、ユーザが価格情報を検索する処理を簡素化し、それと同時に、ユーザのオンライン取引プラットフォームのサーバとのインタラクションの頻度および繰り返されるクエリを減少させ、それによって、オンライン取引プラットフォームのサーバの動作機能を向上させる。

第２の例示的な方法の実施形態におけるオンライン取引プラットフォームに基づくデータ処理方法に対応して、図１０は、第１の例示的な実施形態におけるオンライン取引プラットフォームに基づく第２の例示的なデータ処理デバイス１０００の構造図を示す。

一実施形態において、デバイス１０００は、これらに限定されないが、１つ以上のプロセッサ８０２およびメモリ８０４を含んでもよい。

メモリ８０４は、その中にプログラム単位またはモジュールおよびプログラムデータを格納することができる。一実施形態において、モジュールは、検索モジュール８１０、偽製品識別モデルモジュール１００２、分類モジュール８２０、価格計算モジュール８３０、対応する関係記憶モジュール１００４、および表示モジュール８４０を含んでもよい。

これらのモジュールは、したがって、１つ以上のプロセッサ８０２によって実行することができるソフトウェア内に実装されてもよい。他の実装において、モジュールは、ファームウェア、ハードウェア、ソフトウェア、またはそれらの組み合わせの中に実装されてもよい。

検索モジュール８１０は、カテゴリ情報に従って、データベースからカテゴリ下の製品情報を検索する。製品情報は、製品識別情報（ＩＤ）および製品価格情報を含む。

偽製品識別モデルモジュール１００２は、偽製品の製品情報をフィルタリングするための１つ以上の偽製品識別モデルを使用することによって、製品をフィルタリングする。

分類モジュール８２０は、第１の分類サブモジュール１００６および第２の分類サブモジュール１００８をさらに含んでもよい。

第１の分類サブモジュール１００６は、複数の第１レベルの製品カテゴリを得るために、製品情報内の製品ＩＤに従って第１の時点で製品を分類する。１つの第１レベルの製品カテゴリ内の製品は、同じかまたは実質的に同じ製品属性を有する。

第２の分類サブモジュール１００８は、複数の第２レベルの製品カテゴリを得るために、製品の販売属性に従って、第２の時点で複数の第１レベルの製品カテゴリの各々内の製品を分類する。１つの第２レベルの製品カテゴリ内の製品は、同じかまたは実質的に同じ販売属性を有する。

価格計算モジュール８３０は、各製品カテゴリに対応する価格情報を得るために、各カテゴリ下の製品に１つ以上の計算分析アルゴリズムをそれぞれ適用する。１つ以上の計算アルゴリズムは、クラスタリングアルゴリズムを含む。

対応する関係記憶モジュール１００４は、製品情報と計算された価格情報との間の対応する関係を格納する。

表示モジュール８４０は、１つ以上の製品キーワードが受信されると、製品キーワードに対応する製品カテゴリの平均価格情報を表示する。

さらに、本開示は、オンライン取引プラットフォームのサーバも提供する。サーバの１つ以上のプロセッサおよび／またはコンピュータ可読媒体が、本開示に開示されるようなデバイスの任意の部分または任意のデバイスと統合されてもよい。

種々の例示的な実施形態が、本開示において段階的に説明される。例示的な実施形態の同じかまたは同様の部分は、相互に参照されてもよい。各例示的な実施形態は、他の例示的な実施形態とは異なる焦点を有する。具体的には、例示的なシステムの実施形態は、その例示的な方法の実施形態との基本的一致のために、比較的単純な様式で記載されている。その詳細は、例示的な方法の実施形態の関連する部分に言及されてもよい。

最後に、本開示における「第１の」および「第２の」等の任意の関係を表す用語は、一方の物体を他方の物体から、または一方の動作を他方の動作から識別することを意味するに過ぎず、必ずしも、これらの物体または動作の間の任意の実際の関係または順序の存在を要求または暗示するわけではないことに留意されたい。さらに、「含む（ｉｎｃｌｕｄｅ）」、「有する（ｈａｖｅ）」等の用語、または任意の他の変形語は、非排他的に「含む（ｃｏｍｐｒｉｓｉｎｇ）」ことを意味することが企図される。したがって、一連の特徴を個々に含むプロセス、方法、物品、またはデバイスは、これらの特徴を含むことができるだけではなく、列挙されていない他の特徴、またはこれらのプロセス、方法、物品、もしくはデバイスの任意の固有の特徴も含むことができる。さらなる制限なしに、「〜を含む（ｉｎｃｌｕｄｅ）」という句に定義される特徴は、特徴を列挙するプロセス、方法、物品、またはデバイスが他の均等な特徴を含むかもしれないという可能性を排除するものではない。

本開示によって提供されるクラスタリングの方法およびシステムを上に詳述した。上述の例示的な実施形態は、本開示の概念および実装を例示するために用いられる。例示的な実施形態は、本開示の方法およびそれぞれの中心的概念を理解し易くするために提供される。本開示の概念に基づいて、当業者は、実践的な実装および用途の範囲に対する変更を行うことができる。結論として、本開示の内容は、本開示を制限するものであると解釈されるべきではない。

Claims (20)

1. コンピュータ実行可能命令とともに構成される１つ以上のプロセッサによって行われる、オンライン取引プラットフォームに基づくデータ処理のための方法であって、
   １つ以上のカテゴリのカテゴリ情報に従って、データベースから前記１つ以上のカテゴリ下の１つ以上の製品の製品情報を検索することと、
   複数の製品カテゴリを得るために、前記製品の製品属性および販売属性に従って前記製品を分類することと、
   各製品カテゴリに対応する価格情報を計算するために、各製品カテゴリ下の製品にクラスタ解析アルゴリズムをそれぞれ適用することと、
   を含む、方法。
2. １つ以上の製品キーワードが受信されると、前記１つ以上の製品キーワードに対応する製品カテゴリの価格情報を表示する、請求項１に記載の方法。
3. 前記製品情報は、製品識別情報（ＩＤ）および製品価格情報を含む、請求項１に記載の方法。
4. １つの製品カテゴリ下の前記製品は、同じかまたは実質的に同様の製品属性および販売属性を有する、請求項１に記載の方法。
5. 前記販売属性は、製品価格に影響する製品属性以外の属性である、請求項４に記載の方法。
6. 前記価格情報は、それらの対応する販売属性下の前記製品の価格情報を含む、請求項１に記載の方法。
7. 前記製品を分類する前に、偽製品の製品情報をフィルタリングするための偽製品識別モデルを使用することによって前記製品情報をフィルタリングすることをさらに含む、請求項１に記載の方法。
8. 各製品カテゴリに対応する価格情報を得るために、各カテゴリ下の製品にクラスタ解析アルゴリズムをそれぞれ適用した後で、前記製品情報と前記得られた価格情報との間の対応する関係を格納することをさらに含む、請求項１に記載の方法。
9. 複数の製品カテゴリを得るために、前記製品の製品属性および販売属性に従って前記製品を分類することは、
   複数の第１レベルの製品カテゴリを得るために、前記製品情報内の製品ＩＤに従って第１の時点で前記製品を分類することであって、１つの第１レベルの製品カテゴリ内の製品は、同じかまたは実質的に同じ製品属性を有する、分類することと、
   複数の第２レベルの製品カテゴリを得るために、前記製品の販売属性に従って、第２の時点で複数の第１レベルの製品カテゴリの各々内の製品をそれぞれ分類することであって、１つの第２レベルの製品カテゴリ内の製品は、同じかまたは実質的に同じ販売属性を有する、分類することと、
   を含む、請求項１に記載の方法。
10. 各製品カテゴリに対応する価格情報を計算するために、各カテゴリ下の製品に前記クラスタ解析アルゴリズムをそれぞれ適用することは、
    事前に設定された価格帯情報に従って、製品カテゴリ下の製品の価格情報をフィルタリングすることと、
    前記クラスタ解析アルゴリズムおよび事前に設定された情報クラスタの数に基づいて、前記製品カテゴリ内でフィルタリングされた価格情報を複数の価格情報クラスタに分類することと、
    得られた複数のクラスタから、最大の価格情報数を有するクラスタを隣接するクラスタとマージすることと、
    融合後のクラスタ内の複数の価格情報に基づいて、前記マージされたクラスタ内の平均価格情報を計算することと、
    を含む、請求項１に記載の方法。
11. 事前に設定された価格帯情報に従って、前記製品カテゴリ下の製品の価格情報をフィルタリングすることは、
    前記製品カテゴリ内の製品がラベル付き価格情報を有さない場合、フィルタリング後の価格情報セットを得るために、前記カテゴリの事前に設定された価格帯情報を使用してフィルタリングすることと、
    前記製品カテゴリ内の前記製品がラベル付き価格情報を有する場合、事前に設定された価格比率の範囲情報に基づいて事前に設定されたラベル付き価格帯情報を得ること、および前記事前に設定されたラベル付き価格帯情報に基づいて前記価格情報をフィルタリングすることと、
    前記フィルタリングされた製品価格情報に基づいて、フィルタリング強度が所定の閾値よりも低いかどうかを判定するために、前記フィルタリングの前記フィルタリング強度を得ることと、
    判定結果が肯定的である場合、前記フィルタリング前の前記価格情報を使用することと、
    判定結果が否定的である場合、前記フィルタリング後の前記価格情報を使用することと、
    を含む、請求項１０に記載の方法。
12. 前記クラスタ解析アルゴリズムおよび前記事前に設定された情報クラスタの数に基づいて、前記製品カテゴリ内でフィルタリングされた価格情報を複数の価格情報クラスタにグループ化することは、
    フィルタリング後の価格情報セットの平均値および事前に設定されたクラスタの数に従って、初期クラスタの中心点を選択することと、
    前記初期クラスタの前記中心点および前記クラスタ解析アルゴリズムに基づいて、必要な事前に設定されたクラスタの数を得るために、収束に到達するまで前記価格情報セットに反復クラスタリングを適用することと、
    最終的に得られた複数のクラスタとして、前記複数のクラスタから十分な数の価格情報を有するクラスタを選択することと、
    を含む、請求項１０に記載の方法。
13. 得られた複数のクラスタから、前記最大の価格情報数を有するクラスタを隣接するクラスタとマージすることは、
    各クラスタの中心点の値に従って複数のクラスタをソートすること、および前記最大の価格情報数を有する最も大きいクラスタを得ることと、
    マージされた最も大きいクラスタ内の価格情報の数が事前に設定された閾値に達するまで、ソート順序に従って前記最も大きいクラスタに隣接するクラスタをマージすることと、
    を含む、請求項１０に記載の方法。
14. 前記融合後のクラスタ内の複数の価格情報に基づいて、前記マージされたクラスタ内の前記平均価格情報を計算することは、
    前記製品カテゴリ内の前記製品のために製品の参照価格情報が設定されているかどうかを決定することと、
    前記決定することの結果が肯定的である場合、およびクラスタの数が１より大きい場合、
    各クラスタの中心点の値に基づいて前記クラスタをソートすることと、
    第２のクラスタが得られ、前記第２のクラスタ内の価格情報の数が、最終的に得られたクラスタ内の価格情報の合計数の事前に設定された比率よりも大きい場合、前記第２のクラスタの平均価格情報を前記製品カテゴリの平均価格情報として使用することと、
    前記決定することの結果が否定的である場合、前記融合後のクラスタ内の前記複数の価格情報に基づいて、マージされたクラスタの加重平均価格情報を計算することと、
    を含む、請求項１０に記載の方法。
15. オンライン取引プラットフォームに基づくデータ処理のためのデバイスであって、
    メモリと通信可能に連結された１つ以上のプロセッサであって、前記メモリは、前記１つ以上のプロセッサ上で実行可能である、下記のモジュール、すなわち、
    カテゴリ情報に従って、データベースから１つ以上のカテゴリ下の１つ以上の製品の製品情報を検索する検索モジュールであって、前記製品情報は、製品識別情報（ＩＤ）および製品価格情報を含む、検索モジュールと、
    複数の製品カテゴリを得るために、製品属性および販売属性に従って前記製品を分類する分類モジュールであって、１つの製品カテゴリ下の前記製品は、同じかまたは実質的に同様の製品属性および販売属性を有し、前記販売属性は、製品価格に影響する前記製品属性以外の属性である、分類モジュールと、
    各製品カテゴリに対応する価格情報を得るために、各製品カテゴリ下の前記製品に１つ以上の計算分析アルゴリズムをそれぞれ適用する価格計算モジュールであって、前記１つ以上の計算分析アルゴリズムは、クラスタリングアルゴリズムを含み、前記価格情報は、それらの対応する販売属性下の前記製品の価格情報を意味する、価格計算モジュールと、
    １つ以上の製品キーワードが受信されると、前記製品キーワードに対応する前記製品カテゴリの前記価格情報を表示する、表示モジュールと、
    を格納する、１つ以上のプロセッサを備える、デバイス。
16. 前記価格計算モジュールは、
    事前に設定された価格帯情報に従って、１つの製品カテゴリ下の前記製品の前記価格情報をフィルタリングする、フィルタリングサブモジュールと、
    クラスタ解析アルゴリズムおよび事前に設定された情報クラスタの数に基づいていて、前記製品カテゴリ内でフィルタリングされた価格情報を複数の価格情報クラスタにグループ化する、グループ化サブモジュールと、
    得られた複数のクラスタから、最大の価格情報数を有するクラスタをその隣接するクラスタとマージする、融合サブモジュールと、
    融合後の前記クラスタ内に収容される複数の価格情報に基づいて、前記マージされたクラスタ内の平均価格情報を計算する計算サブモジュールと、
    を備える、請求項１５に記載のデバイス。
17. 前記融合サブモジュールは、
    各クラスタの中心点の値に従って前記複数のクラスタをソートし、前記複数のクラスタから前記最大の価格情報数を有する最も大きいクラスタを得る、ソートサブモジュールと、
    前記最も大きいクラスタ内の価格情報の数が事前に設定された閾値に達するまで、ソート順序に従って前記最も大きいクラスタに隣接するクラスタを前記最も大きいクラスタとマージするマージサブモジュールと、
    を備える、請求項１６に記載のデバイス。
18. 偽製品の製品情報をフィルタリングするための１つ以上の偽製品識別モデルを使用することによって、前記製品をフィルタリングする偽製品識別モデルモジュールをさらに備える、請求項１５に記載のデバイス。
19. 前記製品情報と前記得られた価格情報との間の対応する関係を格納する、対応する関係記憶モジュールをさらに備える、請求項１５に記載のデバイス。
20. １つ以上のプロセッサによって実行されると、前記１つ以上のプロセッサに、
    １つ以上のカテゴリのカテゴリ情報に従って、データベースから前記１つ以上のカテゴリ下の１つ以上の製品の製品情報を検索することであって、前記製品情報は、製品識別情報（ＩＤ）および製品価格情報を含み、１つの製品カテゴリ下の製品は、同じかまたは実質的に同様の製品属性および販売属性を有し、前記販売属性は、製品価格に影響する製品属性以外の属性である、検索することと、
    偽製品の製品情報をフィルタリングするための偽製品識別モデルを使用することと、
    複数の製品カテゴリを得るために、前記製品の製品属性および販売属性に従ってフィルタリング後に前記製品を分類することであって、
    複数の第１レベルの製品カテゴリを得るために、前記製品情報内の製品ＩＤに従って第１の時点で前記製品を分類することであって、１つの第１レベルの製品カテゴリ内の製品は、同じかまたは実質的に同じ製品属性を有する、分類することと、
    複数の第２レベルの製品カテゴリを得るために、製品の販売属性に従って、第２の時点で複数の第１レベルの製品カテゴリの各々内の製品をそれぞれ分類することであって、１つの第２レベルの製品カテゴリ内の製品は、同じかまたは実質的に同じ販売属性を有する、分類することと、を含む、分類することと、
    各製品カテゴリに対応する価格情報を計算するために、各カテゴリ下の製品にクラスタ解析アルゴリズムをそれぞれ適用することであって、前記価格情報は、それらの対応する販売属性下の前記製品の価格情報を含む、適用することと、
    １つ以上の製品キーワードが受信されると、前記１つ以上の製品キーワードに対応する製品カテゴリの前記価格情報を表示することと、
    を含む動作を行わせる、前記１つ以上のプロセッサによって実行可能なコンピュータ実行可能命令を含む、１つ以上のコンピュータ可読媒体。

Images