JP6957490B2 - 消費者味覚好みを追跡するシステム及び方法 - Google Patents

Description

本発明は、一般に感覚的アイテム選択に関し、より詳細にはワイン選択に関する。

市販の膨大な数及びタイプのワインからワインを選択することは、平均的なワイン消費者にとってしばしば困難である。ワインの感覚的特性、例えば香り及び風味などは、消費者がワインを好むか否かを決めるのに不可欠であるが、食料品店又は他の一般的な小売店でワインのボトルを買う消費者にとって一般に入手しにくい。さらに、風味（桃、レザー、バニラ等）などのワイン特性が消費者に提供される場合でも、リストアップされた風味がどのように実際のワインの味及び好みに変換できるかが消費者に明らかでないことがある。

消費者がワインを選択するのを支援するために、様々な方法及びシステムが開発されてきている。店舗が、他の消費者によるワインのレビューを含むことができるクラウドソーシング手法を提供することがあり、これは、消費者に対してガイドの役割を果たす。他のシステムが、経験あるワインパネリストによるワインのスコア付け、ワイン原産地の場所、及び／又はワインの品種などのデータを使用して、ワイン推奨を提供することがある。さらに他のシステムが、質問応答及び／又は消費者からの他のデータを使用して、推奨を消費者に提供することに使用される消費者のプロファイルを開発することがある。

ワインの品種などの基本パラメータ以外に、これまで開発された開発ワイン推奨システム及び方法は、（消費者、専門家、及び／又はレビューアによる）主観的意見に依存しており、主観的意見は、幅広く変動し、ワイン推奨システムの信頼性のない応答を結果としてもたらす可能性がある。

本出願は、2015年11月24日に申請され、RECOMMENDATION SYSTEMと題された米国仮出願第62/259,516号の利益を主張し、該出願はその全体を本明細書において参照援用される。

本発明のいくつかの実施形態が、アイテム推奨システムを提供することにより上記の必要及び他の必要に有利に対処し、該アイテム推奨システムは：複数のアイテムのデータを含むデータベースであり、上記データは少なくとも１つの化学に基づくアイテム特徴の値を含む、データベースと；プロセッサを含むコンピューティング装置と；上記プロセッサ上で実行するように構成され、上記複数のアイテムの感覚的特性のユーザ好みを示す少なくとも１つのユーザ好み応答を受信するステップと、各ユーザ好み応答を、少なくとも１つの化学に基づく特徴に関連づけられたユーザ好み値に関連づけるステップと、少なくとも１つの化学に基づく特徴に関連づけられた上記ユーザ好み値を、関連づけられた化学に基づく特徴のアイテム値と比較することに少なくとも部分的に基づいて、各アイテムの関連性スコアを計算するステップと、少なくとも１つのアイテムの上記関連性スコアに少なくとも部分的に基づいて上記少なくとも１つのアイテムを推奨するステップと、を実行するように構成された少なくとも１つの推奨モジュールと；を含む。

別の実施形態において、本発明はアイテム推奨システムとして特徴づけられることができ、該アイテム推奨システムは：複数のアイテムクラスタのデータを含むデータベースであり、上記データは少なくとも１つの化学に基づくクラスタ特徴の値を含み、各クラスタは、クラスタに関連づけられた複数のアイテムを含む、データベースと；プロセッサを含むコンピューティング装置と；上記プロセッサ上で実行するように構成され、上記複数のアイテムの感覚的特性のユーザ好みを示す少なくとも１つのユーザ好み応答を受信するステップと、各ユーザ好み応答を、少なくとも１つの化学に基づく特徴に関連づけられたユーザ好み値に関連づけるステップと、少なくとも１つの化学に基づく特徴に関連づけられた上記ユーザ好み値を、上記少なくとも１つの化学に基づくクラスタ特徴と比較することに少なくとも部分的に基づいて、アイテムの１つのクラスタを選択するステップと、を実行するように構成された少なくとも１つの推奨モジュールと；を含む。

さらに別の実施形態において、本発明はアイテムを推奨する方法として特徴づけられることができ、該方法は、複数のアイテムのデータを含むデータベースを含む推奨システムであり、上記データは少なくとも１つの化学に基づくアイテム特徴の値を含み、上記推奨システムはプロセッサを含むコンピューティング装置と上記プロセッサ上で実行するように構成された少なくとも１つの推奨モジュールとをさらに含む、推奨システムにより、上記複数のアイテムの感覚的特性のユーザ好みを示す少なくとも１つのユーザ好み応答を受信するステップと、少なくとも１つの推奨モジュールにより、各ユーザ好み応答を、少なくとも１つの化学に基づく特徴に関連づけられたユーザ好み値に関連づけるステップと、少なくとも１つの推奨モジュールにより、少なくとも１つの化学に基づく特徴に関連づけられた上記ユーザ好み値を、関連づけられた化学に基づく特徴のアイテム値と比較することに少なくとも部分的に基づいて、各アイテムの関連性スコアを計算するステップと、少なくとも１つのアイテムの上記関連性スコアに少なくとも部分的に基づいて上記少なくとも１つのアイテムを推奨するステップと、を含む。

本発明のいくつかの実施形態の上記及び他の態様、特徴、及び利点が、下記の図面と併せて提示される、その下記のより具体的な説明から明らかになるであろう。
本発明の第１の実施形態における第１の推奨システムの概略図である。 本発明の別の実施形態における第２の推奨システムの概略図である。 本発明の別の実施形態における第３の推奨システムの概略図である。 本発明の別の実施形態における第１の学習システムの概略図である。 本発明の別の実施形態における第２の学習システムの概略図である。 本発明の別の実施形態における第６の推奨システムの概略図である。 推奨システムの１つ以上で使用される例示的なコンピュータシステムの概略図である。 第１の例示的なネットワーク推奨システムの概略図である。 第２の例示的なネットワーク推奨システムの概略図である。 推奨システムの第１のアイテムデータベースである。 推奨システムの第２のアイテムデータベースである。 例示的なアイテム解析システムである。 化学化合物のグループ化の図である。 ターム対アイテムマッピングテーブルである。 ターム対クラスタマッピングテーブルである。 問い合わせユニットを作成するフローチャートである。 化学に基づくクイズ質問タイプの問い合わせユニットを作成するフローチャートである。 第１のユーザインターフェースの図解である。 化学特徴対応答マッピングテーブルである。 化学特徴対ユーザマッピングテーブルである。 風味対ユーザマッピングテーブルである。 ユーザ好み引き出しプロトコルフローチャートである。 イベント対アイテムマッピングテーブルである。 イベント対クラスタマッピングテーブルである。 推奨システムをデプロイする処理のフローチャートである。 例示的な推奨処理のフローチャートである。 第１の文脈に基づく質問の、第１の文脈に基づくユーザインターフェースの図解である。 第２の文脈に基づく質問の、第２の文脈に基づくユーザインターフェースの図解である。 第３の文脈に基づく質問の、第３の文脈に基づくユーザインターフェースの図解である。 第４の文脈に基づく質問の、第４の文脈に基づくユーザインターフェースの図解である。 ターム選択ユーザインターフェースの図解である。 クーポン生成処理のフローチャートである。 例示的な推奨ユーザインターフェースの図解である。 推奨生成処理のフローチャートである。 化学化合物対ユーザマッピングテーブルである。 風味記述子のチャートである。

図面のいくつかの図を通して、対応する参照文字は対応するコンポーネントを示す。当業者は、図内の要素が簡潔さ及び明りょうさのため例示されており、必ずしも縮尺どおり書かれていないことを十分理解するであろう。例えば、図内の要素のうちいくつかの寸法が、本発明の様々な実施形態の理解を向上させるのに役立つように、他の要素に対して誇張されることがある。さらに、商業的に実現可能な実施形態において有用又は必要である一般的だが良く理解された要素は、本発明のこれら様々な実施形態のあまり妨げられない図を容易にするために、しばしば図示されない。

下記の説明は、限定的な意味でとられるべきでなく、例示的な実施形態の一般的原理を単に説明する目的で行われる。本発明の範囲は、特許請求の範囲を参照して決定されるべきである。

本明細書を通しての「１つの実施形態」、「一実施形態」、又は同様の言語に対する参照は、実施形態に関連して説明される具体的な特徴、構造、又は特性が本発明の少なくとも１つの実施形態に含まれることを意味する。ゆえに、本明細書を通してのフレーズ「１つの実施形態において」、「一実施形態において」、及び同様の言語の出現は、すべて同じ実施形態を参照してよいが、必ずしもそうではない。

さらに、本発明の説明される特徴、構造、又は特性は、１つ以上の実施形態において任意の適切な仕方で組み合わせられてよい。下記の説明において、発明の実施形態の詳細な理解を提供するために、例えば、プログラミング、ソフトウェアモジュール、ユーザ選択、ネットワークトランザクション、データベースクエリ、データベース構造、ハードウェアモジュール、ハードウェア回路、ハードウェアチップ等の例など、多数の特定の詳細が提供される。しかしながら、当業者は、発明が特定の詳細のうち１つ以上なしに、又は他の方法、コンポーネント、材料などで実現できることを認識するであろう。他の例において、周知の構造、材料、又は動作は、発明の態様を分かりにくくすることを回避するために、詳細には図示又は説明されない。

図１を最初参照し、本発明の第１の実施形態における第１の推奨システム１００の概略図が示される。処理ユニット１０２、入力／出力モジュール１０４、システムバス１０６、記憶装置１０８、推奨エンジン１１０、ユーザ好み‐アイテム特徴マッピングモジュール１１２、ユーザ好み決定エンジン１１４、及びデータベースアクセスモジュール１１６が図示される。

処理ユニット１０２、入力／出力モジュール１０４、記憶装置１０８、推奨エンジン１１０、ユーザ好み‐アイテム特徴マッピングモジュール１１２、ユーザ好み決定エンジン１１４、及びデータベースアクセスモジュール１１６はすべて、システムバス１０６を介して対話的に結合される。

処理ユニット１０２は、少なくとも１つのコンピュータプロセッサと、関連づけられた非一時的メモリとを含み、本明細書で説明される様々なソフトウェア、モジュール、及び他のコンピューティングコンポーネントの処理を提供するように構成される。入力／出力モジュール１０４は、第１の推奨システム１００の外部に通信を提供するように構成される。

記憶装置１０８は、１つ以上のモジュールによりアクセスされるデータを記憶するように構成される。すべての必要なデータが内部の記憶装置１０８に記憶されてよく、あるいは、データの一部が図８に示される別個のデータベースに記憶され、データベースアクセスモジュール１１６を介して第１のシステム１００によりアクセスされてよい。システムの動作に必要なデータは、以下で図１０及び図１１においてさらに詳述される。

推奨エンジン１１０は、記憶されたデータ、ユーザ入力、及び／又は他のモジュールからの結果を使用してアイテム推奨を返すように構成される。推奨処理は以下でさらに説明されるが、要約すると、推奨エンジンは、各アイテムの関連性スコア（relevancy score）を計算し、計算されたスコアが所定の閾値よりもより高いアイテム、又は最も高い関連性スコアを有する所定数のアイテムを提示する。例えば、ワインのアイテムについて、推奨エンジンは、ワインの化学に基づく特徴（chemistry-based features）についてのユーザの好みに基づいて、各ワインの関連性スコアを計算する。

アイテム特徴は、特定のアイテムの、任意の触知できる測定可能な性質である。本明細書に開示される実施形態で使用される特徴は、典型的に、化学に基づく特徴（すなわち、所与のアイテムにおける特定の化学化合物の測定された数量）、記述的特徴（例えば、ワインのビンテージ、又はそれが生産された地理的エリア）、集約的特徴（例えば、ワイン中の「フルーツ」の存在を定量化する特徴であり、これは、いくつかの化学化合物の存在に関する情報を集約する）、感覚的特徴（例えば、特定の検出可能な芳香又は味の、存在又は欠如を記録する特徴）である。他のアイテム特徴タイプが、さらなる実施形態において使用できる（例えば、ワインがいくらかの顧客にすでに推奨された回数に関する情報）。

化学に基づく特徴には、アイテムの化学的解析及び／又はアイテムの化学的性質から導出されるアイテム性質が含まれる。化学に基づく特徴には、アイテム内で発見される化学化合物が含まれる。例えば、化学的解析は、ワイン中に発見された化学化合物を識別している。ワイン中で識別された各化学化合物は、化学に基づく特徴である。ワイン中で識別される化学化合物の例には、エチルアセテート、シトロネロール、デカナール、２‐フェニルエチル、ジエチルスルフィド、及びその他多数が含まれる。ワイン中で識別されるさらなる化学化合物を含む表が、Flaminiらによる2003年公開の参考文献「Mass Spectrometry in Grape and Wine Chemistry」に含まれ、その全体を本明細書において参照により援用される。

アイテムの化学化合物に追加で、化学に基づく特徴には、アイテムについての他の識別可能な化学的性質が含まれる。識別可能な化学的性質には、アルコールパーセント、総酸度、残糖パーセント、粘度、マロアクティック発酵（maloactic fermentation）に関連づけられた化学化合物の存在、及びタンニンの数量が含まれる。

１つの例において、関連性スコアは、化学に基づく特徴に関連づけられたユーザ好み値（例えば、ワインのユーザ好み値にはOak=5、TA=5、RS=5が含まれ、Ｏａｋ、ＴＡ、及びＲＳは化学に基づく特徴を参照する）と、アイテムの対応する値（例えば、特定のワインの値がOak=3、TA=7、RS=3である）との間のユークリッド距離を、各値間の差の平方の和の平方根として計算することにより取得される。この例において、ユーザ及びアイテム例の関連性スコアは、√[(5-3)²+(5-7)²+(5-3)²]=3.4641になる。

いくつかの実施形態において、アイテムは、推奨を計算する前にグループ（さらにクラスタとも呼ばれる）にクラスタ化されてよく、アイテムグループ（クラスタ）は、以下でさらに説明されるように、個々のアイテムを選択する代わりに選択される。他の実施形態において、関連性スコアは、以下で図２において説明されるターム対クラスタマッピングモジュール２０２により選択された各アイテムについて計算される。

ユーザ好み‐アイテム特徴マッピングモジュール１１２は、各々の一意のユーザのためのユーザ好みデータファイル１００８を作成し、更新し、ユーザ好みデータファイル１００８は、例えば、特定の化学化合物の存在、又はアルコールパーセントのような化学的性質などの、アイテムについての定量的又はその他の方法で識別可能な化学に基づく特徴に関連づけられた個々の値を含む。いくつかの実施形態において、化学に基づく特徴は風味などの記述子にマッピングされ、データファイルはユーザを各記述子の値に関連づける。風味記述子の例が以下で図３６に示される。

ユーザ好み決定エンジン１１４は、ユーザ好みに関するデータを取得するように構成され、上記データは、次いで、ユーザ好みデータを含めるようにユーザ好みデータファイル１００８を更新するためにユーザ好み‐アイテム特徴マッピングモジュール１１２により使用される。１つの実施形態において、ユーザ好み決定エンジン１１４は質問を提示し、ユーザがどのように食べ物を食べ、飲み物を飲むことを好むかの応答を受信する。他の実施形態において、ユーザ好み決定エンジン１１４は、ユーザが選択するための複数の記述子を提示し、上記記述子は、次いで、ユーザ好みデータファイル１００８を更新するために使用され、かつ／あるいは関連性スコアの計算における使用のために推奨エンジン１１０に送信される。他の実施形態において、ユーザ好み決定エンジン１１４は、他のデータソースからのユーザ好みデータ、例えばユーザ購入履歴などを取得する。

データベースアクセスモジュール１１６は、別個のデータベースに接続し、該データベースからデータを取り出す。

次に図２を参照し、本発明の別の実施形態における第２の推奨システム２００の概略図が示される。処理ユニット１０２、入力／出力モジュール１０４、システムバス１０６、記憶装置１０８、推奨エンジン１１０、ユーザ好み‐アイテム特徴マッピングモジュール１１２、ユーザ好み決定エンジン１１４、データベースアクセスモジュール１１６、ターム対クラスタマッピングモジュール２０２、アイテムフィルタリング基準生成エンジン２０４、及びアイテム記述子引き出し（elicitation）エンジン２０６が図示される。

第２の推奨システム２００は、第１の推奨システム１００のコンポーネントと、システムバス１０６に結合されたさらなる要素とを含む。

ターム対クラスタマッピングモジュール２０２は、選択された１つ又は複数の記述子に最も良くマッチする１つ又は複数のクラスタを決定する。例えば、ターム対クラスタマッピングモジュール２０２は、選択された一記述子又は複数の記述子（例えば、「オーキー」又は「甘い」など）に関して各クラスタの関連性スコアを計算する。ターム対クラスタマッピングモジュール２０２は、次いで、選択された１つ又は複数の記述子に関して最も高い関連性スコアを有するアイテムの１つ以上のクラスタを返す。例えば、各クラスタは、様々なターム（記述子）の値を含むベクトル、例えば［ターム１値，ターム２値，ターム３値，・・・，タームｎ値］に関連づけられる。ターム対クラスタマッピングモジュール２０２が、ターム１値＝１及びターム３値＝３の入力を受信した場合、ターム対クラスタマッピングモジュール２０２は、１に等しいターム１値とさらに１に等しいターム３値とを有する１つ又は複数のクラスタを返す。風味記述子２０１４の例が以下で図２１及び図３６に示される。

第２の推奨システム２００において、ターム対クラスタマッピングモジュール２０２は、ターム（記述子）によりマッチされた１つ又は複数のクラスタを推奨エンジン１１０に送信し、次いで、推奨エンジン１１０が、前に説明されたように、クラスタ内のアイテムの関連性スコアを計算する。

アイテムフィルタリング基準生成エンジン２０４は、少なくとも１つの文脈的及び／又はフィルタリング質問をユーザに提示し、各質問に対する応答を受け入れるように構成される。文脈的／フィルタリング質問の例は、以下で図２６〜図２９に示される。アイテムフィルタリング基準生成エンジン２０４を使用する処理の例が、以下で図２６に示される。アイテムフィルタリング基準生成エンジン２０４は、少なくとも１つの文脈的及び／又はフィルタリング質問への応答に基づいてフィルタリング基準を生成する。フィルタリング基準は、推奨エンジン１１０に送信される。例えば、生成されるフィルタリング基準は、「在庫からスパークリングワイン又はロゼスティルワインを選択する」であり得る。推奨エンジンは、フィルタリング基準を受信した後、フィルタされたワインリストからワインを推奨し、あるいは推奨されたワインのリストを生成した後にワインをフィルタすることになる。

アイテム記述子引き出しエンジン２０６は、複数の記述子をユーザに提示し、少なくとも１つの記述子を選択するユーザ入力を受信するように構成される。記述的タームは、名詞、形容詞、又は双方であり得る。記述子を選択するためにアイテム記述子引き出しエンジン２０６によりユーザに提示されるユーザインターフェースの例が、図３１に示される。

次に図３を参照し、本発明の別の実施形態における第３の推奨システム３００の概略図が示される。処理ユニット１０２、入力／出力モジュール１０４、システムバス１０６、記憶装置１０８、推奨エンジン１１０、ユーザ好み‐アイテム特徴マッピングモジュール１１２、ユーザ好み決定エンジン１１４、データベースアクセスモジュール１１６、ターム対クラスタマッピングモジュール２０２、アイテムフィルタリング基準生成エンジン２０４、アイテム記述子引き出しエンジン２０６、クーポン生成モジュール３０２、及びＰＯＳ／店舗インタラクションモジュール３０４が図示される。

第３の推奨システム３００は、第２の推奨システム２００のコンポーネントと、システムバス１０６にさらに結合されたクーポン生成モジュール３０２及びＰＯＳ／店舗インタラクションモジュール３０４のさらなる要素とを含む。

ＰＯＳ／店舗インタラクションモジュール３０４は、店舗のＰＯＳシステムに接続し、かつ／あるいは店舗の店舗在庫システムに接続する。ＰＯＳ／店舗インタラクションモジュール３０４は、接続された店舗から在庫データを取得するように構成される。在庫データは、店舗で現在ストックにないアイテムを推奨することを回避するために、各アイテムタイプ（例えば、各アイテムＳＫＵ）のうちいくつが店舗場所で利用可能であるかを決定することに使用されてよい。店舗が関連するプラノグラムを有する場合、ＰＯＳ／店舗インタラクションモジュール３０４はプラノグラムを取得し、プラノグラムを使用して店舗内の任意の在庫アイテムの物理的場所を見つけることができる。ＰＯＳ／店舗インタラクションモジュール３０４は、店舗のキャッシュレジスタシステム上で実行するソフトウェアに直接接続し、キャッシュレジスタシステムに情報、例えば、購入の間に使用されるクーポン及び／又は顧客のポイントカード番号の情報を渡すためにさらに使用できる。

クーポン生成モジュール３０２は、アイテムのクーポンを生成する。クーポン生成処理は、以下で図３２においてさらに説明される。いくつかの実施形態において、クーポンは、店舗からのプロモーションの一部として生成される代わりに、生産者／ブランドから直接来てもよい。さらに、いくつかの実施形態において、クーポン生成モジュール３０２は、クーポン情報を直接ＰＯＳシステムに渡すようにＰＯＳ／店舗インタラクションモジュール３０４を構成することにより、ＰＯＳ／店舗インタラクションモジュール３０４と直接対話することができる。

次に図４を参照し、本発明の別の実施形態における第１の学習システム４００の概略図が示される。処理ユニット１０２、入力／出力モジュール１０４、システムバス１０６、記憶装置１０８、データベースアクセスモジュール１１６、アイテムクラスタリングモジュール４０２、及びユーザ好み‐アイテム特徴相関学習モジュール４０４が図示される。

第１の学習システム４００は、前に説明されたように結合された処理ユニット１０２、入力／出力モジュール１０４、システムバス１０６、記憶装置１０８、及びデータベースアクセスモジュール１１６を含む。第１の学習システム４００は、システムバス１０６に結合されたアイテムクラスタリングモジュール４０２及びユーザ好み‐アイテム特徴相関学習モジュール４０４をさらに含む。第１の学習システム４００は、ユーザ好みと選択されたアイテム特徴との間の相関（マッピング、対応関係）を学習するように構成される。第１の学習システム４００により生成されたマッピングテーブルの例が、以下で図１９及び図２０に示される。

アイテムクラスタリングモジュール４０２は、複数のグループ／クラスタを識別し、各アイテムをクラスタに割り当て、クラスタ割り当てに関するデータを記憶するように構成される。１つの実施形態において、クラスタの数は所定であり、次いで、アイテムが、例えば凝集クラスタリング（Agglomerative Clustering）、Ｋ平均法、又はワード（Ward）階層クラスタリングなどのクラスタリングアルゴリズムを使用して所定のクラスタに分割される。別の実施形態において、クラスタの数は、例えばＢｉｒｃｈ、ＤＢＳＣＡＮ、又はＭｅａｎ‐Ｓｈｉｆｔなどのクラスタリングアルゴリズムにより決定される。他の実施形態において、アイテムは、人間によりクラスタ化される。１つの実施形態において、クラスタの中心が、特徴空間内の各アイテム特徴（すなわち、アイテムに関連づけられた各データ点）の平均値を計算することにより決定される。各アイテムは、ユークリッド空間において最も近いクラスタに割り当てられる。典型的な実施形態において、各クラスタの代表的アイテムが選択され、記憶される。代表的アイテムは、人間により、又はアルゴリズムを使用することにより選択できる。１つの実施形態において、代表的アイテムは、クラスタ中心に最も近いアイテムである。

ユーザ好み‐アイテム特徴相関学習モジュール４０４は、ユーザ好みに関するデータを１つ以上のアイテム特徴に関係させる、すなわち、ユーザ好みをアイテム特徴にマッピングするように構成される。ユーザ好み‐アイテム特徴相関学習モジュール４０４は、ユーザ情報／データ（例えば、クイズを行ったユーザにより作り出されたものなど）及びアイテム特徴データを受信し、相関／マッピングデータ、例えば以下で図１９及び図２０に示されるものなどを作り出す。

次に図５を参照し、発明の別の実施形態における第２の学習システム５００の概略図が示される。処理ユニット１０２、入力／出力モジュール１０４、システムバス１０６、記憶装置１０８、データベースアクセスモジュール１１６、アイテムクラスタリングモジュール４０２、ユーザ好み‐アイテム特徴相関学習モジュール４０４、及びターム対クラスタ相関学習モジュール５０２が図示される。

第２の学習システム５００は、第１の学習システム４００のコンポーネントと、システムバス１０６にさらに結合されたターム対クラスタ相関学習モジュール５０２とを含む。

ターム対クラスタ相関学習モジュール５０２は、タームとクラスタとの間の相関を学習することにより、ターム対クラスタマッピングモジュール２０２により後に使用されるマッピングを構築するように構成される。いくつかの実施形態において、学習は機械学習である。ターム対クラスタ相関学習モジュール５０２はデータの集合を処理し、各個々のアイテムレコードがアイテム‐タームペアリングを含む。ターム対クラスタ相関学習モジュール５０２は、データベース８０４から各アイテムの化学に基づく特徴を取り出し、各々の化学に基づく特徴と各タームとの間の関連づけ（association）を計算する。いくつかの実施形態において、化学に基づくデータがアイテムについて利用できないときでさえ、化学に基づく特徴‐ターム関連づけから、ターム対クラスタ相関学習モジュール５０２はそのアイテム‐ターム関連づけを決定する。

次に図６を参照し、本発明の別の実施形態における第４の推奨システム６００の概略図が示される。処理ユニット１０２、入力／出力モジュール１０４、システムバス１０６、記憶装置１０８、推奨エンジン１１０、ユーザ好み‐アイテム特徴マッピングモジュール１１２、ユーザ好み決定エンジン１１４、データベースアクセスモジュール１１６、ターム対クラスタマッピングモジュール２０２、アイテムフィルタリング基準生成エンジン２０４、アイテム記述子引き出しエンジン２０６、クーポン生成モジュール３０２、ＰＯＳ／店舗インタラクションモジュール３０４、アイテムクラスタリングモジュール４０２、ユーザ好み‐アイテム特徴相関学習モジュール４０４、及びターム対クラスタ相関学習モジュール５０２が図示される。

処理ユニット１０２、入力／出力モジュール１０４、システムバス１０６、記憶装置１０８、推奨エンジン１１０、ユーザ好み‐アイテム特徴マッピングモジュール１１２、ユーザ好み決定エンジン１１４、データベースアクセスモジュール１１６、ターム対クラスタマッピングモジュール２０２、アイテムフィルタリング基準生成エンジン２０４、アイテム記述子引き出しエンジン２０６、クーポン生成モジュール３０２、ＰＯＳ／店舗インタラクションモジュール３０４、アイテムクラスタリングモジュール４０２、ユーザ好み‐アイテム特徴相関学習モジュール４０４、及びターム対クラスタ相関学習モジュール５０２は、前に図１〜図５で説明されたとおりである。

第４の推奨システム６００は、前に説明された推奨／学習システム１００、２００、３００、４００、及び５００からのコンポーネントを含む。第４の推奨システム６００は、学習モジュール／エンジンと推奨モジュール／エンジンとの双方を含み、単一の第４の推奨システム６００が、学習システム４００、５００のマッピング機能と、推奨システム１００、２００、３００の推奨機能との双方を実行するように構成される。

次に図７を参照し、推奨システム１００、２００、３００、４００、５００、６００の１つ以上で使用される例示的なコンピュータシステム７００が示される。処理ユニット１０２、入力／出力モジュール１０４、システムバス１０６、記憶装置１０８、システムメモリ７０２、少なくとも１つのエンジン／モジュール７０４、シリアルポート７０６、キーボード７０８、外部インターフェース７１０、ディスプレイアダプタ７１２、及びモニタ７１４が図示される。

処理ユニット１０２、入力／出力モジュール１０４、及び記憶装置１０８はすべて、前に説明されたようにシステムバス１０６に結合される。

システムメモリ７０２は非一時的メモリを含み、少なくとも１つのエンジン／モジュール７０４を記憶する。少なくとも１つのエンジンモジュールには、前に説明されたエンジン及び／又はモジュールのうち任意のもの（例えば、推奨エンジン１１０）が含まれてよい。前に説明されたエンジン及びモジュールは、任意の機能組み合わせで含まれてよく、図１〜図６に示される構成に限定されない。エンジン及びモジュールは、必要に応じ処理ユニット１０２を介して実行される。

シリアルポート７０６はシステムバス１０６に結合され、さらなるコンピューティング装置に接続するインターフェースを提供する。キーボード７０８はシステムバスに結合され、ユーザ好みに対する応答などのユーザエントリを提供するように構成される。キーボード７０８は、他タイプのユーザエントリ、例えばマウスなどをさらに含んでよい。

外部インターフェース７１０はシステムバスに結合され、他の装置をシステム１００、２００、３００、４００、５００、６００に接続する。いくつかの実施形態において、外部インターフェース７１０はＵＳＢポートである。システム１００、２００、３００、４００、５００、６００は、複数の外部インターフェース７１０を含んでよい。

任意的なディスプレイアダプタ７１２はシステムバス１０６に結合され、エンジン／モジュール７０４の少なくとも１つからディスプレイ入力を受信し、それを任意的なモニタ７１４に送信する。モニタ７１４はディスプレイアダプタ７１２に結合され、ディスプレイアダプタ７１２から受信したディスプレイ入力を表示する。他の実施形態において、ディスプレイはキオスク８０８などの別個の装置により提示され、ディスプレイアダプタ７１２及びモニタ７１４は必要とされない。

次に図８を参照し、第１の例示的なネットワーク推奨システム８００が示される。サーバ８０２、データベース８０４、モバイルフォン８０６、店舗キオスク８０８、ラップトップコンピュータ８１０、タブレット８１２、デスクトップコンピュータ８１４、第１のネットワーク８１６、及び第２のネットワーク８１８が図示される。

サーバ８０２及びデータベース８０４は、第１のネットワーク８１６に各々通信可能に結合され、ゆえに互いに通信可能に結合される。いくつかの実施形態において、データベース８０４はサーバ８０２内に位置する。第１のネットワーク８１６は、第２のネットワーク８１８に通信可能に結合される。複数のクライアントコンピューティング装置：モバイルフォン８０６、店舗キオスク８０８、ラップトップコンピュータ８１０、タブレット８１２、及びデスクトップコンピュータ８１４はすべて、第２のネットワーク８１８に通信可能に結合される。第２のネットワーク８１８に結合されるコンピューティング装置は、推奨を取得するために第２のネットワーク８１８に結合され得る様々なタイプのコンピューティング装置の代表であるように意図され、装置のすべてが必ずしもネットワークに結合されるわけではないことが理解されるであろう。

コンピューティング装置８０６、８０８、８１０、８１２、８１４は、物理接続を介してか又は無線でネットワークに結合されてよい。同様に、第１のネットワーク８１６に対する接続が、物理的又は無線であり得る。

サーバ８０２は、推奨／学習システム１００、２００、３００、４００、５００、及び６００の１つ以上を収容し、クライアントコンピューティング装置８０６、８０８、８１０、８１２、８１４から要求及び他の入力を受信する。各コンピューティング装置８０６、８０８、８１０、８１２、８１４は、サーバ８０２と通信し、サーバ８０２からの情報をユーザに提示し、ユーザ入力を受け取り、ユーザ入力をサーバ８０２に返信するように構成される。データベース８０４は、少なくとも１つのアイテムデータベースを含む。典型的な実施形態において、データベース管理ソフトウェアがデータベース８０４にインストールされ、データベース８０４は、データベース管理ソフトウェアを実行するように構成された処理ハードウェアを含む。各アイテムデータベースは、少なくとも１つのデータファイルを含む。データベース８０４に含まれるデータファイルの例が、以下で図１０及び図１１に示される。いくつかの実施形態において、データベース８０４は、図８に示される別個のデータベース８０４に代わってシステム１００、２００、３００、４００、５００、及び６００に含まれる。データベース８０４は、データベースアクセスモジュール１１６を介してシステム１００、２００、３００、４００、５００、及び６００により一般にアクセスされる。

第１の例示的なネットワーク推奨システム８００の動作の１つの例において、ユーザは、ワインなどのアイテムの推奨を受け取る目的で店舗キオスク８０８を使用する。キオスク８０８は、ネットワーク８１６、８１８を介してサーバ８０２と通信して、ユーザ入力をサーバ８０２に送信し、サーバ８０２からデータを受信する。１つの例において、ユーザは、推奨セッションを開始する指標（indication）をキオスク８０８に入力する。開始指標はサーバ８０２に送信される。サーバ８０２は、次いで、例えばユーザの食べ物及び飲み物の好みについて、一連の質問をユーザに提示する命令をキオスク８０８に送信する。ユーザは質問に対する応答を入力し、キオスク８０８は各応答の指標をサーバ８０２に返信する。サーバ８０２は、例えばワインの機会、価格範囲、及び色などの文脈的／フィルタリング質問をユーザに提示する命令をキオスク８０８にさらに送信してよい。ユーザは文脈的／フィルタリング質問に対する応答を入力し、キオスク８０８は各々の文脈的／フィルタリング質問の指標をサーバ８０２に返信する。

サーバ８０２は、ユーザ質問に対する応答で受信した指標を使用して、質問に対する応答により示されたユーザ好みを、データベース８０４に情報が記憶された１つ以上のアイテムに解析的にマッチさせる。サーバ８０２は、次いで、マッチした１つ又は複数のアイテムをキオスク８０８に送信し、これにより、キオスク８０８は、マッチした１つ又は複数のアイテムをユーザに対して表示する。

サーバ８０２は、データベース８０４に記憶されたデータにアクセスして、質問を生成し、推奨をキオスク８０８に送信する。データベースに記憶されたデータは、以下で図１０及び図１１においてさらに説明される。この例で説明される通信はサーバ８０２とキオスク８０８との間であるが、サーバ８０２はクライアントコンピューティング装置８０６、８０８、８１０、８１２、８１４のうち任意のものと通信してよいことが理解されるであろう。さらに、クライアントコンピューティング装置８０６、８０８、８１０、８１２、８１４のうち任意のものが、小売店舗マネージャのコンソールシステムのためのクライアントとして機能することができる。小売店舗マネージャのコンソールシステムは、サーバ８０２にインストールされ、推奨システムの動作及使用などの情報を送信してよい。例えば、小売店舗マネージャのコンソールシステムにより送信される情報には、ある時間期間にわたりシステムを使用したユーザの数、及び／又はある時間期間の間のユーザ好みと推奨されたアイテムとの統計を含むことができる。別の実施形態において、対話的な店舗マネージャのコンソールシステムに代わって、サーバ８０２が店舗使用／販売レポートを生成し、レポートを店舗マネージャに送信する。

次に図９を参照し、第２の例示的なネットワーク推奨システム９００が示される。サーバ８０２、データベース８０４、店舗キオスク８０８、第１のネットワーク８１６、及び第２のネットワーク８１８が図示される。

簡素化された例示的な第２のネットワーク推奨システム９００において、店舗キオスク８０８は、前に説明されたようにサーバ８０２及びデータベース８０４に通信可能に結合される。

第２の例示的なネットワーク推奨システム９００において、図８に示されるように利用可能な複数のコンピューティング装置の代わりに、ユーザとのインタラクションは、店舗に位置する１つ以上の店舗キオスク８０８を通して専ら提供される。第２のネットワーク推奨システム９００は、店舗に位置する電源から電力を受け取る。第２のネットワーク推奨システム９００は、店舗の無線ネットワークに接続される。各キオスク８０８は、該キオスクが位置する店舗の在庫に対してリンクされる。

次に図１０を参照し、例示的な推奨システムの第１の実施形態における第１のアイテムデータベース１０００が示される。データベース８０４、第１のアイテムデータベース１０００、アイテム記述データファイル１００２、アイテム特徴データファイル１００４、ユーザプロファイルデータファイル１００６、ユーザ好みデータファイル１００８、アイテムクラスタデータファイル１０１０、在庫データファイル１０１２、ターム対クラスタマッピングデータファイル１０１４、イベント対クラスタマッピングデータファイル１０１６、アイテムフィルタ基準引き出しプロトコルデータファイル１０１８、ユーザ好み引き出しプロトコルデータファイル１０２０、ユーザ特徴のアイテム特徴へのマッピングデータファイル１０２２、タームデータファイル１０２４、店舗データファイル１０２６、及びクーポンコードデータファイル１０２８が図示される。

データベース８０４に記憶された例示的な第１のアイテムデータベース１０００は、アイテム記述データファイル１００２を含み、アイテム記述データファイル１００２は、複数のアイテムの各々に関連づけられた情報を含む。情報には、価格、製造業者、名前等を含むことができる。第１のアイテムデータベース１０００内の各アイテムは、一意のアイテム識別ターム、例えばｉｄ番号などに関連づけられる。

アイテム特徴データファイル１００４は、複数のアイテムについてのアイテム特徴を含む。前に説明されたように、アイテム特徴は、アイテム変数、例えば、化学化合物、関連づけられたターム、価格、色等である。ユーザプロファイルデータファイル１００６は、各々の一意のユーザに関連づけられたデータを含む（各ユーザは、一意のユーザ識別ターム、例えば番号などを有する）。各ユーザのユーザデータは、電子メールアドレス、性別、及び誕生日などの情報を含むことができる。

ユーザ好みデータファイル１００８は、各ユーザに関連づけられた、そのユーザのアイテム好みに関するデータを含む。例えば、第１のユーザについて、第１のユーザに関連づけられたユーザ好みデータは残糖＝５、総酸度＝５、及びオーク＝５を含み、残糖、総酸度、及びオークのこれら値にマッチするアイテムについて、第１のユーザの好みを参照する。

アイテムクラスタデータファイル１０１０は、各アイテムの１つのクラスタとの関連づけを記憶する。各クラスタは、一意のクラスタ識別タームにより識別される。

在庫データファイル１０１２は、購入に利用可能なアイテムのタイプ及び数量を含む、アイテムの在庫を含む。

ターム対クラスタマッピングデータファイル１０１４は、ターム／記述子とアイテムとの間の関連づけを含む。１つの実施形態において、ターム対クラスタマッピングデータファイル１０１４は、列ヘッダとしてタームを、行ヘッダとしてクラスタ識別を有するテーブルである。テーブルセル内の「１」の値は、ターム／記述子のクラスタとの関連づけを示し、テーブルセル内の「０」の値は、ターム／記述子とクラスタとの間の関連づけ無しを示す。例示的なターム対クラスタマッピングテーブル１５００が、図１５に示される。別の例において、ターム対クラスタマッピングは、ベクトルにより表現されてよく、例えば、Cluster 1 = [Fruity, Refreshing]は、Cluster #1がタームFruity及びRefreshingに関連づけられることを示すなどである。別のベクトルの例において、すべてのタームがリストアップされ、ターム「１」がクラスタをタームに関連づけることを示してよい。すなわち、Cluster #1=[Fruity=1, Oaky=0. Refreshing=1]が、クラスタが「fruity」及び「refreshing」に関連づけられ、しかし「oaky」に関連づけられないことを示す。

イベント対クラスタマッピングデータファイル１０１６は、各クラスタと、例えば「ディナー」又は「ウェディング」などの複数のイベントとの間の関連づけを含む。１つの実施形態において、イベント対クラスタマッピングデータファイル１０１６は、列ヘッダとしてイベントを、行ヘッダとしてクラスタ識別タームを有するテーブルである。テーブルセル内の「１」の値は、クラスタのイベントとの関連づけを示し、テーブルセル内の「０」の値は、クラスタとイベントとの間の関連づけ無しを示す。例示的なイベント対クラスタマッピングテーブル２４００が、図２４に示される。

アイテムフィルタ基準引き出しプロトコルデータファイル１０１８は、ユーザからフィルタリング基準を引き出すために使用される文脈的／フィルタリングプロトコルを記憶する。例えば、１つのプロトコルが、価格範囲と、ユーザがアイテムを買いたい文脈（例えば、機会のタイプなど）とに関する質問を含んでよい。

ユーザ好み引き出しプロトコルデータファイル１０２０は、ユーザ好みプロトコルの情報を記憶する。例えば、１つの実施形態において、ユーザ好み引き出しプロトコルデータファイル１０２０は、応答がアイテムに関してユーザ好みを引き出す一連の質問をユーザに提示する、少なくとも１つのユーザ好みプロトコルを含む。ユーザ好みプロトコルに含まれる質問の例が、図１８に提示される特徴に基づく質問１８０２である。

ユーザ応答のアイテム特徴へのマッピングデータファイル１０２２は、ユーザ好みプロトコルに対するユーザ応答とアイテム特徴との間の関連づけを含む。例えば、１つの実施形態において、ユーザ応答のアイテム特徴へのマッピングデータファイル１０２２は、特定の化学に基づく特徴に対する食べ物及び飲み物に関する質問に対しての、ユーザ応答間の関連づけを含む。質問に対する各応答は、特定の１つ又は複数の特徴の値にマッピングされる。例えば、図１８で尋ねられる質問「あなたは紅茶又はコーヒーをどのように楽しみますか？」において、応答「ブラック」は低い残糖値のアイテム特徴にマッピングされる。化学特徴対応答マッピングテーブル１９００の例が、図１９に示される。

用語データファイル１０２４は、アイテム又はアイテムクラスタに関連づけるために使用されるターム／記述子のリストを含む。タームの例が図３０に示される。

店舗データファイル１０２６は、店舗に関する情報、例えば、店舗識別ターム、店舗場所、店舗名、及び店舗在庫などを含む。

クーポンコードデータファイル１０２８は、クーポンコードと、そのアイテム及び店舗との関連づけに関するデータとを記憶する。例えば、第１のクーポンコードが第１のアイテム及び第１の店舗に関連づけられ、クーポンコードデータファイル１０２８は、第１のクーポンコードが第１の店舗で購入されたときに第１のアイテムに向けてのみ適用できるという指標を含む。

次に図１１を参照し、例示的な推奨システムの第２の実施形態における第２のアイテムデータベース１１００が示される。データベース８０４、第２のアイテムデータベース１１００、ワイン記述データファイル１１０２、ワイン化学特徴データファイル１１０４、ユーザプロファイルデータファイル１００６、ユーザ好みデータファイル１００８、ワインクラスタデータファイル１１０６、在庫データファイル１０１２、ターム対ワインクラスタマッピングデータファイル１１０８、イベント対ワインクラスタマッピングデータファイル１１１０、ワインフィルタ基準引き出しプロトコルデータファイル１１１２、ユーザ好み引き出しプロトコルデータファイル１０２０、ユーザ特徴のワイン化学特徴へのマッピングデータファイル１１１４、タームデータファイル１０２４、店舗データファイル１０２６、及びクーポンコードデータファイル１０２８が図示される。

第２のアイテムデータベース１１００は、第１のデータベースと同様に構築され、類似のデータファイルを有する。一般的アイテム参照に代わって、第２のデータベース１１００は、アイテムとして具体的にワイン向けに構成されている。各ワインは、一意のワイン識別タームに関連づけられる。

ワイン記述データファイル１１０２は、各ワインを、そのワインの情報、例えば、名前、ビンテージ、アペラシオン、ワイナリ、価格、及びテイスティングノートなどに関連づける。

ワイン化学特徴データファイル１１０４は、ワインの、化学に基づく特徴を含む。化学に基づく特徴は、ワイン中に発見される特定の揮発性化合物、又は定量化可能な化学的性質、例えば、残糖のパーセント又はアルコールパーセントなどであり得る。

ユーザプロファイルデータファイル１００６、ユーザ好みデータファイル１００８、店舗データファイル１０２６、及びクーポンコードデータファイル１０２８は、図１０で前に説明されたとおりである。

ワインクラスタデータファイル１１０６は、各ワインの、ワインの１つのクラスタとの関連づけを記憶する。各クラスタは、一意のクラスタ識別タームにより識別される。ワインクラスタは、所定の基準に従ってワインをソートすること、及び類似の値を有するワインをグループ化することにより決定される。典型的な実施形態における基準は、化学に基づく特性又は性質、例えば、総酸度及び残糖などである。

在庫データファイル１０１２は、各ワインの在庫を記録する。

ターム対ワインクラスタマッピングデータファイル１１０８は、図１０で前に説明されたように、ターム及びワイン間の関連づけを含む。ワインクラスタの例示的なターム対クラスタマッピングテーブル１５００が、以下で図１５に示される。

イベント対ワインクラスタマッピングデータファイル１１１０は、各ワインクラスタと、例えば「ディナー」又は「ウェディング」などの複数のイベントとの間の関連づけを含む。１つの実施形態において、イベント対ワインクラスタマッピングデータファイル１１１０は、列ヘッダとしてイベントを、行ヘッダとしてクラスタ識別タームを有するテーブルである。テーブルセル内の「１」の値は、クラスタのイベントとの関連づけを示し、テーブルセル内の「０」の値は、クラスタとイベントとの間の関連づけ無しを示す。例示的なイベント対ワインクラスタマッピングテーブル２４００が、図２４に示される。

ワインフィルタ基準引き出しプロトコルデータファイル１１１２は、ワインのフィルタリング基準を引き出すためのプロトコルを記憶する。例えば、ワインフィルタ基準プロトコルは、例えば、ワイン価格範囲及びユーザがワインを買いたい文脈などの質問を含む。

ユーザ好み引き出しプロトコルデータファイル１０２０は、ワインに関してユーザ好みを決定するためのユーザ好みプロトコルの情報を記憶する。例えば、例示的なユーザ好みプロトコルは、ユーザのワイン好みを決定することを支援するために、ユーザがどのようにコーヒーを飲むのを好むかに関する質問を使用する。

ユーザ応答のワイン化学特徴へのマッピングデータファイル１１１４は、ユーザ好みプロトコルに対するユーザ応答と、ワインの化学に基づく特徴との間の関連づけを含む。１つの実施形態におけるユーザ応答のワイン化学特徴へのマッピングデータファイル１１１４は、ユーザ好みプロトコルに対する各々の可能なユーザ応答の、特定のワインの化学に基づく特徴値との関連づけを含む。例えば、図１８で尋ねられる、特徴に基づく質問１８０２「あなたは紅茶又はコーヒーをどのように楽しみますか？」において、応答「ブラック」は、ワインの低い残糖値の化学に基づく特徴にマッピングされる。例示的な化学特徴対応答マッピングテーブル１９００の例が、図１９に示される。

タームデータファイル１０２４は、ワイン又はワインクラスタに関連づけるために使用されるターム／記述子のリストである。ワインターム／記述子を示す例示的なターム選択ユーザインターフェース３１００が図３１に示される。さらなるフレーバ記述子２１０４を含むフレーバ記述子チャート３６００が、以下で図２１及び３６に示される。

次に図１２を参照し、例示的なネットワーク推奨システム８００、９００における使用のためにアイテム化学特徴を決定する例示的なアイテム解析システム１２００が示される。アイテムサンプル１２０２、オートサンプラ１２０４、ガスクロマトグラファ（gas chromatographer）１２０６、質量分析計（mass spectrometer）１２０８、香りポート１２１０、香り強度メータ１２１２、データシステム１２１４、調整方法（conditioning method）１２１６、及びデータベース８０４が図示される。

オートサンプラ１２０４は、少なくとも１つのアイテムサンプル１２０２を受け取る。いくつかの実施形態において、オートサンプラ１２０４は、解析されるべき複数の別個のアイテムを受け取る。他の実施形態において、オートサンプラ１２０４は使用されず、アイテムサンプル１２０２はガスクロマトグラファ１２０６に直接配置される。ガスクロマトグラファ１２０６はアイテムサンプル１２０２を受け取り、アイテムをその構成化学化合物に分離する。化学化合物は質量分析計１２０８に送られ、質量分析計１２０８は、アイテムの化学化合物及び他の化学的性質を識別し、測定する。

香りポート１２１０は、測定可能な化学化合物に関連づけられた特定の感覚的特性を確認又は識別するために、化学化合物に順にアクセスするために使用されるポートである。香り強度メータ１２１２は、感覚的特性の値を決定し、感覚的特性値をデータシステム１２１４に送信する。本実施形態において、香り強度メータ１２１２は、稼働する化学者である。

データシステム１２１４は、オートサンプラ１２０４（アイテム解析システム１２００に存在する場合）、ガスクロマトグラファ１２０６、及び質量分析計１２０８から、アイテムに関するデータを受信する。

任意的な調整方法１２１６は、データシステム１２１４からアイテムデータを受信するコンピューティング装置上で実行するアプリケーションであり、他の変数の集結に基づいて、知覚された感覚的経験を再計算するために使用される。例えば、調整方法１２１６には、アイテムのアルコールのパーセントが15.5より大きい場合にアイテムの総酸度の値を１だけ低減させることを含むことができる。調整方法１２１６は、データベース８０４からアイテムデータをさらに受信することができる。

データシステム１２１４により受信されたアイテムデータは、データシステム１２１４によりスケーリングされ、変換される。データシステム１２１４は、次いで、第１の例示的なネットワーク推奨システム８００により必要とされるデータをデータベース８０４に送信する。取得されるデータには、すべての識別可能な化学化合物、識別された化合物の量、及び他の関連する化学に基づく特徴が含まれる。

図１２で開示されたシステムの代わりに、アイテムの必要な化学的データを捕捉するための任意の化学的解析設備及び／又は方法が使用されてよいことが当業者により理解されるであろう。

次に図１３を参照し、化学化合物の例示的なグループ化が示される。化学化合物のデータベース１３００、製品Ｘ化合物のグループ１３０２、製品Ｙ化合物のグループ１３０４、及び製品Ｚ化合物のグループ１３０６が図示される。

図１３に示されるように、化学化合物は、異なる製品又はアイテムをソートし、識別するために使用されてよい。化学化合物データベース１３００は、アイテム又は製品内で識別できる化学化合物のアイデンティティを含む。化学化合物のデータベース１３００は一般的であってよく、あるいは特定タイプのアイテム、例えば、アルコール飲料又はより具体的にワインなどに限定されてよい。

製品Ｘ化学化合物のグループ１３０２は、アイテム製品Ｘを含む化学化合物である。製品Ｘ化学化合物のいくつか１３０２は、製品Ｘ化合物のグループ１３０２と化学化合物のデータベース１３００との重なりで示されるように、化学化合物のデータベース１３００に含まれる。同様に、製品Ｙ化合物のグループ１３０４のいくつか、及び製品Ｚ化合物のグループ１３０６のいくつかが、化学化合物のデータベース１３０６に含まれる。図１３に示されるように、製品Ｘ化合物のグループ１３０２、製品Ｙ化合物のグループ１３０４、及び製品Ｚ化合物１３０６のグループは、重ならない。これは、各製品が化学化合物のデータベース１３００に含まれるその化学化合物に専ら基づいて識別でき、ソートできることを意味する。

図１３に示される例において、化学化合物のグループ１３０２、１３０４、及び１３０６は重なりなしで示されるが、他の例において、製品又はアイテムが化学化合物を共有し得ることが理解されるであろう。

次に図１４を参照し、例示的なターム対アイテムマッピングテーブル１４００が示される。複数のアイテム識別１４０２、複数のターム１４０４、及び複数のターム‐アイテム値１４０６が図示される。

ターム対アイテムマッピングテーブル１４００は複数の行を含み、各行は１つのアイテム識別１４０２に関連づけられる。各列は１つのターム１４０４（さらに記述子としても参照される）に関連づけられる。例示的なテーブル１４００において、ターム１４０４は、「ゼスティ（Zesty）」、「ソフト（Soft）」、「フラット（Flat）」、「ヘビー（Heavy）」「ヤング（Young）」「マチュア（Mature）」「クリスプ（Crisp）」、及び「カジュアル（Casual）」である。

各セルのターム‐アイテム値１４０６は、タームがアイテムに関連づけられるかどうかを示す。例示的なテーブル１４００において、「１」値は関連づけを示し、「０」値は関連づけ無しを示す。図１４に示されるように、アイテム１は、ターム「ゼスティ」、「ソフト」、又は「ヘビー」との関連づけを有さず、しかし「カジュアル」、「フラット」、「ヤング」、「マチュア」、及び「クリスプ」に関連づけられる。

ターム‐アイテム値１４０６は、上記で図５において説明されたようにターム対クラスタ相関学習モジュール５０２により決定される。

次に図１５を参照し、例示的なターム対クラスタマッピングテーブル１５００が示される。複数のクラスタ識別１５０２、複数のターム１４０４、及び複数のターム‐クラスタ値１５０６が図示される。

ターム対クラスタマッピングテーブル１５００はターム対アイテムマッピングテーブル１４００と同様であり、その差は、ターム対クラスタマッピングテーブル１５００が、複数のアイテム識別１４０２に代わって複数のクラスタ識別１５０２を含むことである。各クラスタ識別は、前に説明されたようにアイテムのグループを参照する。ターム‐クラスタ値１５０６は、どのタームが各クラスタに関連づけられるかを識別する。図１５に示されるように、クラスタ１は、ターム「ゼスティ」、「ソフト」、又は「ヘビー」との関連づけを有さず、しかし「カジュアル」、「フラット」、「ヤング」、「マチュア」、及び「クリスプ」に関連づけられる。

次に図１６を参照し、問い合わせユニット（unit of inquiry）（さらにＵＯＩとしても参照される）を作成するフローチャートが示される。ＵＯＩを作成するステップ１６００、ＵＯＩ応答を作成するステップ１６０２、選択されていないＵＯＩ応答を選択するステップ１６０４、アイテム特徴を関連づけるステップ１６０６、影響を決定するステップ１６０８、選択されていない応答の判断点１６１０、及びＵＯＩを完成するステップ１６１２が図示される。

前に説明されたように、データベース８０４は、ユーザ好みを決定するために使用されるユーザ好みプロトコルを含むユーザ好み引き出しプロトコルデータファイル１０２０を含む。ユーザ好み引き出しプロトコルデータファイル１０２０に含まれる各ユーザ好みプロトコルは、少なくとも１つの問い合わせユニットを含む。各問い合わせユニットは、人間又は他のシステム又は非構造化若しくは構造化データから情報を抽出するために使用されるクエリのユニットとして定義される。１つの実施形態において、１つの問い合わせユニットは、多肢選択式（multiple choice）質問である。別の実施形態において、１つの問い合わせユニットは、データベース上で動作し且つユーザ好みに関するデータ（例えば、ユーザのソーシャルメディア履歴又はユーザの購入履歴を含むデータ）を返す１つ以上のＳＱＬステートメントである。ユーザ好み決定エンジン１１４は、図１６で説明される問い合わせユニットを作成するように構成される。

第１のＵＯＩを作成するステップ１６００において、ユーザ好み決定エンジン１１４は、新しい問い合わせユニット、例えば第１の質問を作成する。次のＵＯＩ応答を作成するステップ１６０２において、ＵＯＩに対する可能な応答が決定される。１つの実施形態において、可能な応答は人間により決定される（例えば、質問に対する多肢選択式回答など）。別の実施形態において、可能な応答は、アイテムの価格範囲又は原料であり得る。

次の選択されていないＵＯＩ応答を選択するステップ１６０４において、前に選択されていない応答が、ＵＯＩに対する可能な応答のリストから選択される。処理は、アイテム特徴を関連づけるステップ１６０６に進む。

アイテム特徴を関連づけるステップ１６０６の間、少なくとも１つのターム、化学に基づく特徴、又はアイテム属性が、応答に関連づけられる。ターム、化学に基づく特徴、及び属性には、価格、製造業者、色、原料、化学化合物、化学的性質、重量、ユーザレビュー格付け、又はアイテムに関連づけられ得る任意の他の属性若しくは性質を含んでよい。

影響を決定するステップ１６０８において、応答に関連づけられた各ターム、化学特徴、及び／又は属性について、ユーザ好み値の対応する値（又は値の変化）が、選択された応答について決定され、応答に関連づけられる。例えば、応答が総酸度の化学に基づく特徴に関連づけられる場合、総酸度ユーザ好みの値が１だけインクリメントされてよい。別の例において、応答がアルコールパーセントに関連づけられており、アルコールについてのユーザ好みの値が２で除算される。処理は次いで、選択されていない応答の判断点１６１０に進む。

選択されていない応答の判断点１６１０の間、残りの選択されていない応答が存在する（すなわち、すべての応答がターム等及び値を割り当てられたわけではない）場合、処理は、選択されていないＵＯＩ応答を選択するステップ１６０４に戻り、異なる応答が選ばれ、処理が繰り返す。

すべての応答が選択され、ターム等及び値を割り当てられた場合、処理は、ＵＯＩを完成するステップ１６１２に進む。ＵＯＩを完成するステップ１６１２において、ＵＯＩと、すべてのＵＯＩ応答と、各応答に関連づけられたターム等と、各応答に関連づけられた値とを含む完成したＵＯＩは、ユーザ好み引き出しプロトコルデータファイル１０２０に保存される。さらに、各々の特定の応答の、ターム／特徴及び定量的影響への関連づけが、可能なユーザ応答のアイテム特徴へのマッピングデータファイル１０２２に記憶される。

次に図１７を参照し、化学に基づくクイズ質問タイプの問い合わせユニット（ＵＯＩ）を作成するフローチャートが示される。質問を作成するステップ１７００、質問応答を作成するステップ１７０２、選択されていない質問応答を選択するステップ１７０４、化学に基づくアイテム特徴を関連づけるステップ１７０６、化学に基づく影響を決定するステップ１６０８、選択されていない応答の判断点１６１０、及び質問を完成するステップ１７１２が図示される。

化学に基づくクイズ質問タイプの問い合わせユニット（ＵＯＩ）を作成するフローチャートは、図１６に示される一般的ＵＯＩフローチャートの一タイプである。フローチャートは、ＵＯＩがクイズ質問であり、特徴が化学に基づき、すなわちアイテムの化学的性質及び／又は成分に関連することを規定する。

第１の質問を作成するステップ１７００において、ユーザ好み決定エンジン１１４は、新しい質問、例えば第１のクイズ質問を作成する。次の質問応答を作成するステップ１７０２において、クイズ質問に対する可能な応答が決定される。

次の選択されていない質問応答を選択するステップ１７０４において、前に選択されていない応答が、質問に対する可能な応答のリストから選択される。処理は、化学に基づくアイテム特徴を関連づけるステップ１７０６に進む。

化学に基づくアイテム特徴を関連づけるステップ１７０６の間、少なくとも１つの化学に基づく特徴１９０４が応答に関連づけられる。化学に基づく特徴には、化学化合物、化学的性質、又はアイテムに関連づけられ得る任意の他の化学に基づく属性を含むことができる。化学に基づく特徴の例には、アイテム内で発見されるアルコール含有量、総酸度、残糖レベル、及び任意の揮発性化合物のレベルが含まれる。

影響を決定するステップ１７０８において、応答に関連づけられた各々の化学に基づく特徴について、化学に基づく特徴の対応する値が、選択された応答について決定され、応答に関連づけられる。処理は次いで、選択されていない応答の判断点１６１０に進む。

選択されていない応答の判断点１６１０の間、残りの選択されていない応答が存在する（すなわち、すべての応答がターム等及び値を割り当てられたわけではない）場合、処理は、選択されていない質問応答を選択するステップ１７０４に戻り、異なる応答が選ばれ、処理が繰り返す。

すべての応答が選択され、ターム等及び値を割り当てられた場合、処理は、質問を完成するステップ１７１２に進む。質問を完成するステップ１７１２において、質問と、すべての質問応答と、各応答に関連づけられたターム等と、各応答に関連づけられた値とを含む完成した質問が、ユーザ好み引き出しプロトコルデータファイル１０２０に保存される。さらに、各々の特定の応答の、化学に基づく特徴及び定量的影響への関連づけが、可能なユーザ応答のアイテム特徴へのマッピングデータファイル１０２２に記憶される。

次に図１８を参照し、特徴に基づく質問１８０２の第１のユーザインターフェース１８００の例が示される。特徴に基づく質問１８０２、及び複数の特徴に基づく質問応答１８０４が図示される。

図１８には、例えばタッチスクリーンキオスクを介して、入力を提供すべきユーザに対して提示される、特徴に基づくユーザ好みプロトコル質問の例が示される。特徴に基づく質問１８０２は、図１６において説明される処理を使用して開発されたユーザ好みプロトコルの一部である。

例示的な特徴に基づく質問は、「あなたは紅茶又はコーヒーをどのように楽しみますか？（How do you like your tea or coffee?）」である。利用可能な応答選択肢は、「ブラック（Black）」、「砂糖ありブラック（Black with sugar）」、「ミルクあり（with milk）」、「ミルクと砂糖あり（With milk and sugar）」、及び「飲まない（I don’t）」である。ユーザが利用可能な応答のうち１つを選択したとき、ユーザ好みが、前に図１６及び図１７において説明された、応答に前に関連づけられたアイテム特徴影響に基づいて更新される。例えば、応答「ブラック」は、残糖値のアイテム特徴のユーザ好み値を減らすように決定されてよい。

次に図１９を参照し、例示的な化学特徴対応答マッピングテーブル１９００が示される。複数の応答識別１９０２、複数の化学に基づく特徴１９０４、及び複数の特徴‐応答値１９０６が図示される。

化学特徴対応答マッピングテーブル１９００は複数の行を含み、各行は１つの応答識別１９０２に関連づけられる。各列は１つの化学に基づく特徴１９０４に関連づけられる。例示的なテーブル１９００において、化学に基づく特徴１９０４は、アルコールパーセントを表す「Ａｌｃ．」、ワインの「オーキーさ（oakiness）」（「オーキーさ」は、化学に基づく評価を使用して、又は人間によるワインの評価によって定義され得る）の度合いを表す「Ｏａｋ」、総酸度を表す「ＴＡ」、残糖パーセントを表す「ＲＳ」、粘度を表す「ＶＳ」、マロアクティック発酵に関連づけられた化学化合物の存在を表す「ＭＬ」、タンニンの量を表す「ＴＡＮ」である。

各セルの特徴‐応答値１９０６は、対応するユーザ好み値が特定の問い合わせユニットについて関連づけられた応答に基づいてインクリメント又はデクリメントされる、インクリメントを示す。例示的なテーブル１９００において、特徴‐応答値１９０６は正及び負の数として示され、対応するユーザ好み値がインクリメント又はデクリメントされる量を示す。例えば、ユーザが第１の応答を選択した場合、そのユーザのＯａｋ、ＭＬ、及びＶＳ値が１だけインクリメントされ、ＲＳ値が１だけデクリメントされ、そのユーザのＡｌｃ．、Ｔａｎ、及びＴＡ値は変更されない。

次に図２０を参照し、例示的な化学特徴対ユーザマッピングテーブル２０００が示される。複数のユーザ識別２００２、複数の化学に基づく特徴１９０４、及び複数の特徴値２００６が図示される。

化学特徴対ユーザマッピングテーブル２０００は複数の行を含み、各行は１つのユーザ識別２００２に関連づけられる。各列は１つの化学に基づく特徴１９０４に関連づけられる。化学に基づく特徴１９０４は、化学特徴対応答マッピングテーブル１９００内と同じである。

各セルの特徴値２００６は、各化学特徴についての各ユーザの好みの度合いを示す。図示される実施形態において、特徴値２００６は数値により表現され、より高い値がより高いユーザ好みを示し、より低い値がより低いユーザ好みを示す。

特徴値２００６は、少なくとも１つの問い合わせユニットを含む１つ以上のユーザ好みプロトコルの実行により決定される。ユーザによる応答の選択は、化学特徴対応答マッピングテーブル１９００により決定されるとおり特徴値２００６の値を変更することになる。例えば、ユーザが化学特徴対応答マッピングテーブル１９００からの第１の応答を選択した場合、そのユーザのＯａｋ、ＭＬ、及びＶＳ特徴値２００６が１だけインクリメントされ、ＲＳ特徴値２００６が１だけデクリメントされ、そのユーザのＡｌｃ．、Ｔａｎ、及びＴＡ特徴値２００６は変更されない。

次に図２１を参照し、例示的なフレーバ対ユーザマッピングテーブル２１００が示される。複数のユーザ識別２００２、複数のフレーバ記述子２１０４、及び複数のフレーバ‐ユーザ値２１０６が図示される。

フレーバ対ユーザマッピングテーブル２１００は複数の行を含み、各行は１つのユーザ識別２００２に関連づけられる。各列は１つのフレーバ記述子２１０４に関連づけられる。例示的なフレーバ記述子２１０４には、「クランベリー（cranberry）」、「オーク（oak）」、「チェリー（cherry）」、「バニラ（vanilla）」、「アース（earth）」、「ブラックベリー（blackberry）」、及び「ピーマン（bell pepper）」が含まれる。

各セルのフレーバ‐ユーザ値２１０６は、各フレーバについての各ユーザの好みの度合いを示す。図示される実施形態において、フレーバ‐ユーザ値２１０６は数値により表現され、より高い値がより高いユーザ好みを示し、より低い値がより低いユーザ好みを示す。

フレーバ‐ユーザ値２１０６は、少なくとも１つの問い合わせユニットを含む１つ以上のユーザ好みプロトコルの実行により決定される。ユーザによる応答の選択は、化学特徴対応答マッピングテーブル１９００と同様にフレーバ対応答マッピングテーブルにより決定されるとおりフレーバ‐ユーザ値２１０６の値を変更することになる。

次に図２２を参照し、ユーザ好み引き出しプロトコルフローチャートが示される。グループを作成するステップ２２００、ＵＯＩを選択するステップ２２０２、すべてのＵＯＩが選択されたことの判断点２２０４、及び選択の順序を記録するステップ２２０６が図示される。

第１のグループを作成するステップ２２００において、ユーザ好みプロトコルが作成される。次のＵＯＩを選択するステップ２２０２において、１つのＵＯＩが、前に記憶された個々のインタラクションユニットのプールから選択される。例えば、クイズ質問が、前に記憶されたクイズ質問のプールから選択される。いくつかの実施形態において、問い合わせユニットは重み付けされ、ＵＯＩは、ＵＯＩを選択するステップ２２０２の間に重みを割り当てられる。処理は次いで、すべてのＵＯＩが選択されたことの判断点２２０４に進む。

すべてのＵＯＩが選択されたことの判断点２２０４において、ＵＯＩが選択されていないままである場合、処理は、ＵＯＩを選択するステップ２２０２に戻り、前に選択されていないＵＯＩがプロトコルに追加される。

プール内のすべてのＵＯＩが選択された場合、処理は、選択の順序を記録するステップ２２０６に進む。選択の順序を記録するステップ２２０６において、ＵＯＩの選択の順序、及びＵＯＩは、ユーザ好み引き出しプロトコルとして記憶され、識別される。

次に図２３を参照し、例示的なイベント対アイテムマッピングテーブル２３００が示される。複数のアイテム識別１４０２、複数のイベント２３０４、及び複数のイベント‐アイテム値２３０６が図示される。

イベント対アイテムマッピングテーブル２３００は複数の行を含み、各行は１つのアイテム識別１４０２に関連づけられる。各列は１つのイベント２３０４に関連づけられる。例示的なイベント対アイテムマッピングテーブル２３００において、イベント２３０４は、「ディナー（Dinner）」、「パーティ（Party）」、「ランチ（Lunch）」、及び「デート（Date）」である。

各セルのイベント‐アイテム値２３０６は、アイテムがイベントに関連づけられるかどうかを示す。例示的なイベント対アイテムマッピングテーブル２３００において、「１」値は関連づけを示し、「０」値は関連づけ無しを示す。図１４に示されるように、アイテム１は、イベント「ディナー」、「パーティ」、及び「デート」との関連づけを有さず、しかし、イベント「ランチ」に関連づけられる。

イベント‐アイテム値２３０６は、ターム対クラスタ相関学習モジュール５０２により決定され、あるいは手動で入力されてよい。

次に図２４を参照し、例示的なイベント対クラスタマッピングテーブル２４００が示される。複数のクラスタ識別１５０２、複数のイベント２３０４、及び複数のイベント‐クラスタ値２４０６が図示される。

イベント対クラスタマッピングテーブル２４００はイベント対アイテムマッピングテーブル２３００と同様であり、その差は、イベント対クラスタマッピングテーブル２４００が、複数のアイテム識別１４０２に代わって複数のクラスタ識別１５０２を含むことである。各クラスタ識別１５０２は、前に説明されたようにアイテムのグループを参照する。イベント‐クラスタ値２４０６は、どのイベントが各クラスタに関連づけられるかを識別する。図２４に示されるように、クラスタ１は、イベント「ディナー」、「パーティ」、及び「デート」との関連づけを有さず、しかし、イベント「ランチ」に関連づけられる。

次に図２５を参照し、１つの推奨システムをデプロイする処理のフローチャートが本発明の１つの実施形態において示される。在庫を取得するステップ２５００、アイテム特徴を取得するステップ２５０２、好みプロトコルを選択するステップ２５０４、文脈プロトコルを選択するステップ２５０６、ＰＯＳインタラクションを決定するステップ２５０８、ハードウェア実施形態を決定するステップ２５１０、ソフトウェア実施形態を決定するステップ２５１２、及びソフトウェア／ハードウェア実施形態をデプロイするステップ２５１４が図示される。

第１の在庫を取得するステップ２５００において、在庫データがアイテムについて取得され、在庫データは在庫データファイル１０１２内に配置される。在庫データは店舗又はクライアントにより提供されてよく、あるいは、外部在庫データに対するアクセスが提供されてよい。次のアイテム特徴を取得するステップ２５０２において、各アイテムの特徴データが取得され、アイテム特徴データファイル１００４内に配置される。特徴データには、化学に基づく特徴、例えば、特定の化学化合物の量及びアルコールパーセントなどが含まれる。処理は次いで、好みプロトコルを選択するステップ２５０４に進む。

好みプロトコルを選択するステップ２５０４において、少なくとも１つのユーザ好みプロトコルが、ユーザ好み引き出しプロトコルデータファイル１０２０から選択される。

次の文脈プロトコルを選択するステップ２５０６において、少なくとも１つの文脈及び／又はフィルタリングプロトコルが、アイテムフィルタ基準引き出しプロトコルデータファイル１０１８から選択される。処理は次いで、ＰＯＳインタラクションを決定するステップ２５０８に進む。

ＰＯＳインタラクションを決定するステップ２５０８の間、必要なＰＯＳインタラクションが決定される。ＰＯＳインタラクションの例は、ＡＰＩコールでＰＯＳシステムに接続することである。次のハードウェア実施形態を決定するステップ２５１０に進み、ハードウェア実施形態が決定される。例えば、コンピュータを含むハードウェア実施形態が決定され、組み立て及び購入チームにより準備される。

次のソフトウェア実施形態を決定するステップ２５１２において、デプロイメントに使用されるソフトウェア実施形態が決定され、ソフトウェアがハードウェア実施形態にデプロイされる。例えば、システムデプロイメントに必要なソフトウェアが決定され、ハードウェアにインストールされる。

最後のソフトウェア／ハードウェア実施形態をデプロイするステップ２５１４において、システムはデプロイメントの場所にデプロイされる。例えば、ハードウェア及びソフトウェアは店舗にデプロイされる。

次に図２６を参照し、例示的な推奨処理のフローチャートが本発明の１つの実施形態において示される。処理を開始するステップ２６００、ユーザ好みプロトコルインタラクションステップ２６０２、文脈フィルタプロトコルインタラクションステップ２６０４、記述子インタラクションステップ２６０６、ユーザ好み結果をコンバートするステップ２６０８、関連性スコアを計算するステップ２６１０、アイテムをフィルタするステップ２６１２、アイテムをソートするステップ２６１４、及び推奨を提示するステップ２６１６が図示される。

第１の処理を開始するステップ２６００において、推奨処理が開始される。典型的に、処理は、ユーザから指標を受信する推奨システム１００、２００、３００、５００、６００の推奨エンジン１１０により開始される。例えば、指標は、ネットワークを通じてモバイル装置上のアプリを介して送信され、あるいは店舗のキオスクで実行するアプリケーションを介して入力されてよい。

次のユーザ好みプロトコルインタラクションステップ２６０２において、ユーザはユーザ好みプロトコルを提示され、ユーザ好みプロトコルで提示された質問に対する応答を提供する。ユーザ好みプロトコルに含まれる質問の例が「あなたはコーヒー又は紅茶をどのように飲みますか？」である。質問は、典型的に、味及び匂いなどの感覚的好みを参照する。

次の任意的な文脈フィルタプロトコルインタラクションステップ２６０４において、ユーザは、文脈及び／又はフィルタプロトコルを任意的に提示され、文脈／フィルタプロトコルに対する応答を提供する。文脈／フィルタプロトコルに含まれる質問の例が「あなたはどんな機会のためにワインを買おうとしてるのですか？」である。

次の記述子インタラクションステップ２６０６もまた任意的である。記述子インタラクションステップ２６０６の間、ユーザは、アイテムの異なるバージョンを記述するために使用され得る複数のターム／記述子を提示される。タームは、形容詞又は名詞であり得る。
ユーザは、１つ以上のターム／記述子を選択する。タームを選択するための例示的なターム選択ユーザインターフェース３１００が、以下で図３１に示される。

次に、ユーザ好み結果をコンバートするステップ２６０８の間、１つ以上のマッピングテーブルが、ユーザ好みデータファイル１００８に記憶されたユーザ好みを化学に基づく表現にコンバートし、この表現をユーザ好みデータファイル１００８に記憶するために使用される。ユーザ好み応答を化学に基づく表現にコンバートするために使用されるマッピングテーブルの例が、図１９の例示的な化学特徴対応答マッピングテーブル１９００に示される。そのユーザのユーザ好みデータは、次いで、化学特徴対応答マッピングテーブル１９００の値を使用して更新される。

次の関連性スコアを計算するステップ２６１０において、各アイテムの関連性スコアが、各アイテムの性質と該アイテムのユーザ好みデータとの間の類似度に基づいて計算される。関連性スコアは、化学に基づく性質値と比較した、化学に基づく性質のユーザ好み値との間の距離メトリックでよい。例えば、関連性スコアは、特徴空間におけるベクトル間のユークリッド距離でよい。別法として、関連性スコアは、所与のユーザ好み値を有する人が所与の化学的特徴を有するアイテムを好きである確率に基づいて計算できる。例えば、関連性スコアは、当該ユーザと類似のユーザ好みを共有するユーザの７５％が同じワインを好んだため、当該ユーザがアイテムを好きである可能性７５％として計算される。さらに、関連性スコア計算方法の任意の組み合わせが使用できる。例えば、距離メトリックはユークリッド距離でよく、確率はベイズの定理に基づいて計算できる。例えば、関連性スコアは、特定の化学化合物のユーザ好み（例えば、例示的なユーザ好みOak=5、TA=5、及びRS=5など）と、ワインアイテムの特徴（Oak=3、TA=7、RS=3）との間のユークリッド距離を、[(5-3)²+(5-7)²+(5-3)²]の平方根として計算することにより計算される。

次の任意的なアイテムをフィルタするステップ２６１２の間、応答が文脈フィルタプロトコルインタラクションステップ２６０４及び／又は記述子インタラクションステップ２６０６において提供された場合、受信された応答に基づいてアイテムがリスト外へフィルタされる。

次のアイテムをソートするステップ２６１４において、アイテム（又は残っているアイテム）が関連性スコアでソートされる。例えば、アイテムは関連性スコアの降順にソートされる。

最後の推奨を提示するステップ２６１６において、推奨エンジン１１０が、アイテムのリストの上位から所定数のアイテム（すなわち、入力された基準に最も近くマッチするアイテム）を選択する。選択されたアイテムに関する情報がユーザに提示される。例えば、ワインアイテムについて、上位３つの関連性スコアを有するワインが、推奨されたワインとしてユーザに提示される。

再び図２６を参照し、本発明の１つの実施形態における例示的な推奨処理が、ユーザ入力にマッピングできる化学に基づく特徴を有する任意の時間のアイテムについて示される。例示的な推奨処理の１つの実施形態において、アイテムはワインである。ワインの推奨処理は、ワインの感覚的好み、ワインが使用される文脈、ワイン記述子好み、及びワインのフィルタ（例えば、色又は価格など）に具体的に向けられたプロトコルを含む。

次に図２７を参照し、文脈に基づく質問２７０２の第１の文脈に基づくユーザインターフェース２７００の例が示される。第１の文脈に基づく質問２７０２、及び複数の第１の文脈に基づく質問応答２７０４が図示される。

図２７には、例えばタッチスクリーンキオスクを介して、入力を提供すべきユーザに対して提示される、文脈に基づくユーザ好みプロトコル質問の例が示される。第１の文脈に基づく質問２７０２は、アイテムフィルタ基準引き出しプロトコルデータファイル１０１８に保存され且つ図１６において説明される処理と同様の処理を使用して開発されたアイテムフィルタ基準引き出しプロトコルの一部である。

例示的な第１の文脈に基づく質問２７０２は「あなたはどんな機会のためにワインを買おうとしてるのですか？（What occasion are you looking to buy a wine for?）」である。利用可能な応答２７０４は「ディナー（Dinner）」、「ランチ（Lunch）」、「パーティ（A Party）」、「デート（A Date）」、及び「特定の機会なし（No Particular occasion）」である。ユーザが利用可能な応答２７０４のうち１つを選択したとき、アイテムが、例示的なイベント対アイテムマッピングテーブル２３００などのイベント対アイテムマッピングテーブル、又は例示的なイベント対クラスタマッピングテーブル２４００などのイベント対クラスタマッピングテーブルを使用して選択される。例えば、ユーザが応答「パーティ」を選択し、イベント対アイテムマッピングテーブル２３００が使用される場合、アイテム２のみが「パーティ」文脈にマッチし、ゆえに、アイテム２のみが推奨に含まれることになる。

次に図２８を参照し、第２の文脈に基づく質問２８０２の第２の文脈に基づくユーザインターフェース２８００の例が示される。第２の文脈に基づく質問２８０２、及び複数の第２の文脈に基づく質問応答２８０４が図示される。

図２８には、例えばタッチスクリーンキオスクを介して、入力を提供すべきユーザに対して提示される、文脈に基づくユーザ好みプロトコル質問の別の例が示される。第２の文脈に基づく質問２８０２は、アイテムフィルタ基準引き出しプロトコルデータファイル１０１８に保存され且つ図１６において説明される処理と同様の処理を使用して開発されたアイテムフィルタ基準引き出しプロトコルの一部である。

例示的な第２の文脈に基づく質問２８０２は「あなたはどのワインの色を推奨しますか？１つ以上選択してください（Which wine color(s) would you recommend? Select one or more）」である。利用可能な第２の文脈に基づく質問応答２８０４は「白ワイン（White Wines）」、「赤ワイン（Red Wines）」、「ロゼワイン（Rose Wines）」、及び「いずれのワインでも（Any Wines）」である。第２の文脈に基づくユーザインターフェース２８００において、ユーザは２つ以上の選択肢を選択することを許可される。ユーザが利用可能な第２の文脈に基づく質問応答２８０４のうち１つ以上を選択したとき、アイテムは、選択された応答に従ってフィルタされる。例えば、ユーザが応答「赤ワイン」及び「ロゼワイン」を選択した場合、ワインは、赤ワイン基準及びロゼワイン基準にマッチするワインのみ含むようにフィルタされることになる。

次に図２９を参照し、第３の文脈に基づく質問２９０２の第３の文脈に基づくユーザインターフェース２９００の例が示される。第３の文脈に基づく質問２９０２、及び応答スライダ２９０４が図示される。

図２９には、例えばタッチスクリーンキオスクを介して、入力を提供すべきユーザに対して提示される、１つの文脈に基づくユーザ好みプロトコル質問の別の例が示される。第３の文脈に基づく質問２９０２は、アイテムフィルタ基準引き出しプロトコルデータファイル１０１８に保存され且つ図１６において説明される処理と同様の処理を使用して開発されたアイテムフィルタ基準引き出しプロトコルの一部である。

例示的な第３の文脈に基づく質問２９０２は「あなたはどんな価格範囲で探していますか？（What price range are you looking for?）」である。ユーザは、「$１」から「$５０＋」の価格の範囲に沿って２つのスライダを移動して下方価格境界及び上方価格境界を示すことにより、応答を提供することを可能にされる。例示的な第３の文脈に基づくユーザインターフェース２９００において、ユーザは、$５の下方境界と、$５０＋の情報境界とを選択している。アイテム（この例ではワイン）が、次いで、境界の外側の価格値を有するアイテムを除外するようにフィルタされる。

次に図３０を参照し、第４の文脈に基づく質問３００２の第４の文脈に基づくユーザインターフェース３０００の例が示される。第４の文脈に基づく質問３００２、及び複数の第４の文脈に基づく質問応答３００４が図示される。

図３０には、例えばタッチスクリーンキオスクを介して、入力を提供すべきユーザに対して提示される、文脈に基づくユーザ好みプロトコル質問の別の例が示される。第４の文脈に基づく質問３００２は、アイテムフィルタ基準引き出しプロトコルデータファイル１０１８に保存され且つ図１６において説明される処理と同様の処理を使用して開発されたアイテムフィルタ基準引き出しプロトコルの一部である。

例示的な第４の文脈に基づく質問３００２は「スパークリング及び／又はデザートワインを含むオプションはいかがですか？１つ以上選択してください。（Would you like options to include sparkling and/or dessert wines? Select one or more.）」である。利用可能な第４の質問応答は「スパークリングワイン（Sparkling Wine）」及び「デザートワイン（Dessert Wine）」である。ユーザが利用可能な第４の文脈に基づく質問応答３００４の１つ以上を選択したとき、アイテムは、選択された応答に従ってフィルタされる。例えば、ユーザが応答「スパークリングワイン」を選択し、しかし「デザートワイン」を選択しない場合、スパークリングワインとして識別されたアイテムが含まれ、しかしデザートワインとして識別されたアイテムは外部にフィルタされる。

次に図３１を参照し、ターム選択ユーザインターフェース３１００が本発明の１つの実施形態において示される。ターム選択ユーザインターフェース３１００、ターム選択質問３１０２、及び複数のターム３１０４が図示される。

ターム選択ユーザインターフェース３１００は、アイテムをフィルタするために使用される１つ以上のターム（さらに記述子（descriptors）としても参照される）をユーザが選択することに使用される。例示的なターム選択ユーザインターフェース３１００において、タームは、ワインをフィルタすることに使用される。各タームは、ターム対アイテムマッピングテーブル（例えば、図１４に示されるターム対アイテムマッピングテーブル１４００）を使用してアイテムに、又はターム対クラスタマッピングテーブル（例えば、図１５に示されるターム対クラスタマッピングテーブル１５００）を使用してクラスタにマッピングされる。推奨エンジン１１０が、次いで、タームのうち１つ以上にマッチするアイテムを含め、あるいは選択されたタームのうちいくつがアイテムにマッチされるかに基づいて関連性スコアを増加させることができる。

次に図３２を参照し、クーポン生成処理のフローチャートが本発明の１つの実施形態において示される。クーポンクエリステップ３２００、クーポン存在判断点３２０２、ユーザ認証判断点３２０４、データベースから電子メールアドレスを取得するステップ３２０６、バーコードを生成するステップ３２０８、バーコードを送信するステップ３２１０、終了ステップ３２１２、及び電子メールアドレスを取得するステップ３２１４が図示される。

第１のクーポンクエリステップ３２００において、クーポン生成モジュール３０２が、第１のアイテムのクーポンコードについて、データベース８０４に記憶されたクーポンコードデータファイル１０２８にクエリを行う（queries）。処理は次いで、クーポン存在判断点３２０２に進む。

クーポン存在判断点３２０２において、第１のアイテムについてクーポンコードが発見された場合、処理はユーザ認証判断点３２０４に進む。第１のアイテムについてクーポンコードが発見されない場合、処理は終了ステップ３２１２に進み、処理は終了する。

ユーザ認証判断ステップ３２０４において、クーポン生成モジュール３０２は、ユーザが認証されているか否かをチェックする。ユーザがデータベース８０４に既に含まれる場合、ユーザは認証されている。ユーザが認証されている場合、処理は、データベースから電子メールアドレスを取得するステップ３２０６に進み、クーポン生成モジュール３０２は、ユーザプロファイルデータファイル１００６に記憶されたユーザプロファイルからユーザ電子メールを取り出す。処理は次いで、バーコードを生成するステップ３２０８に進む。

ユーザが認証されていない場合、処理は、電子メールアドレスを取得するステップ３２１４に進み、クーポン生成モジュール３０２は、有効な電子メールアドレスを入力するようにユーザに促し、電子メールアドレスを受け取る。処理は次いで、バーコードを生成するステップ３２０８に進む。

バーコードを生成するステップ３２０８の間、クーポン生成モジュール３０２は、発見されたクーポンコードに対応するバーコードを生成する。処理は次いで、次のバーコードを送信するステップ３２１０に進む。

バーコードを送信するステップ３２１０において、クーポン生成モジュール３０２は、生成されたバーコードを含む電子メールを上記電子メールアドレスに送信する。処理は次いで、終了ステップ３２１２に送られる。

次に図３３を参照し、例示的な推奨ユーザインターフェース３３００が本発明の１つの実施形態において示される。推奨アイテムグラフィック３３０２、推奨アイテムラベル３３０４、電子メールクーポンボタン３３０６、電子メールエントリボックス３３０８、及びクーポンバーコード３３１０が図示される。

図３２の推奨ユーザインターフェース３３００には、図２５の推奨処理が完了し、アイテムがフィルタされ、順序づけられた後、ユーザに提示されるユーザインターフェースが示される。図３３の例において、推奨されたアイテムはワインである。推奨ユーザインターフェース３３００において、少なくとも１つの推奨されたアイテムが識別される。図３３の例では、第１の、すなわち最も推奨されるワインが示される。最も推奨されるワインの識別情報には、推奨アイテムグラフィック３３０２が含まれ、推奨アイテムグラフィック３３０２は、ワインのラベルのグラフィック、並びにリストにおけるワインの位置の順序指標（この例では１位）、及びワインのマッチングパーセント（この例では１００％）を含む。識別情報は、推奨アイテムラベル３３０４をさらに含み、推奨アイテムラベル３３０４は、この例では、推奨されたワインの名前、ビンテージイヤー、及び現在の価格（current price）を含む。単一のワインが例示的な推奨ユーザインターフェース３３００に示されているが、複数のアイテムが、例えば表で、同時に示されてよいことが理解されるであろう。

例示的な推奨ユーザインターフェース３３００は、電子メールクーポン（email coupon）ボタン３３０６、電子メールエントリボックス３３０８、及びクーポンバーコード３３１０をさらに含む。図３１において前に説明されたように、クーポン生成モジュール３０２は、クーポンコードが利用可能であるかを決定する。図３３の例では、アイテムについてクーポンコードが発見されており、クーポンバーコード３３１０が表示される。図３３の例では、ユーザ電子メールアドレスは利用可能でなく、ゆえに、電子メールエントリボックス３３０８は、ユーザが自身の電子メールアドレスを入力するために使用される。ユーザは次いで、電子メールクーポンボタン３３０６を押下し、電子メールクーポンボタン３３０６は、クーポン生成モジュール３０２に、ユーザにより入力された電子メールアドレスにクーポンバーコード３３１０を電子メールさせる。

次に図３４を参照し、推奨生成処理のフローチャートが本発明の別の実施形態において示される。好みプロトコル質問を尋ねるステップ３４００、尋ねられていない好み質問の判断点３４０２、文脈的／フィルタリング質問を尋ねるステップ３４０４、尋ねられていない文脈的／フィルタリング質問の判断点３４０６、記述子を選択するステップ３４０８、推奨を計算するステップ３４１０、及び推奨を提示するステップ３４１２が図示される。

図３４には、例示的な推奨処理のフローチャートが示される。ユーザは、スクリーンを有し、ユーザ入力について構成されたキオスク８０８、若しくはコンピューティング装置アプリケーション、又はユーザ入力を求め、受け取り、ネットワークを通じて必要なエンジン及び／又はモジュールと通信する他の適切な装置を使用して、処理と相互作用することができる。

第１の好みプロトコル質問を尋ねるステップ３４００において、ユーザ好み決定エンジン１１４が、ユーザ好み引き出しプロトコルデータファイル１０２０から選択されたユーザ好みプロトコルを使用して、選択されたプロトコルからの尋ねられていない質問をユーザに提示する。ユーザは応答を入力し、応答はユーザ好みデータファイル１００８に記憶される。好みプロトコル質問を尋ねるステップ３４００の間のユーザインターフェースの例が、図１８に示される。処理は次いで、次の尋ねられていない好み質問の判断点３４０２に進む。

尋ねられていない好み質問の判断点３４０２において、ユーザ好み決定エンジン１１４は、残りの尋ねられていないユーザ好みプロトコル質問があるかを決定する。残りの尋ねられていないユーザ好みプロトコル質問がある場合、処理は、好みプロトコル質問を尋ねるステップ３４００に戻り、別の質問がユーザに提示される。

すべてのユーザ好みプロトコル質問が尋ねられた場合、処理は、文脈的／フィルタリング質問を尋ねるステップ３４０４に進む。

文脈的／フィルタリング質問を尋ねるステップ３４０４において、アイテムフィルタリング基準生成エンジン２０４が、アイテムフィルタ基準引き出しプロトコルデータファイル１０１８から選択された文脈的／フィルタリングプロトコルを使用して、選択された文脈／フィルタリングプロトコルからの尋ねられていない質問をユーザに提示する。ユーザは応答を入力し、応答はユーザ好みデータベース１００８に記憶される。文脈的／フィルタリング質問を尋ねるステップ３４０４の間のユーザインターフェースの例が、図２６〜図２９に示される。処理は次いで、次の尋ねられていない文脈的／フィルタリング質問の判断点３４０６に進む。

尋ねられていない文脈的／フィルタリング質問の判断点３４０６において、アイテムフィルタリング基準生成エンジン２０４は、残りの尋ねられていない文脈／フィルタリングプロトコル質問があるかを決定する。残りの尋ねられていない文脈／フィルタリングプロトコル質問がある場合、処理は、文脈的／フィルタリング質問を尋ねるステップ３４０４に戻り、別の質問がユーザに提示される。

すべての文脈的／フィルタリングプロトコル質問が尋ねられた場合、処理は、記述子を選択するステップ３４０８に進む。

記述子を選択するステップ３４０８の間、アイテム記述子引き出しエンジン２０６が、複数の記述子（ターム）をユーザに提示する。ユーザは１つ以上の記述子を選択する。記述子を選択するステップ３４０８の間のユーザインターフェースの例が、図３０に示される。処理は次いで、推奨を計算するステップ３４１０に進む。

推奨を計算するステップ３４１０の間、推奨システム１００、２００、３００、６００が、前のステップのユーザ応答に基づいてアイテム推奨を計算する。ユーザ好みについては、アイテム特徴マッピングモジュール１０２２が、例えば前に説明されたユーザ応答のアイテム特徴へのマッピングデータファイル１０２２などのデータを使用して、応答を化学に基づく特徴の値にマッピングする。１つの実施形態において、アイテムのクラスタが推奨のために選択される。選択されるアイテムのクラスタは、ターム対クラスタマッピングモジュール２０２を使用して選択され、ターム対クラスタマッピングモジュール２０２は、記述子を選択するステップ３４０８においてユーザにより選択された記述子に最も良くマッチするアイテムのクラスタを選択する。アイテムのクラスタを選択した後、推奨エンジン１１０によりフィルタリングが行われてよい。推奨エンジン１１０は、選択されたクラスタに属するアイテムを取り出す。推奨エンジン１１０は、文脈／フィルタリングプロトコルに対するユーザ応答に基づいてアイテムをさらにフィルタする。いくつかの実施形態において、在庫データファイル１０１２がチェックされ、現在ストックにあるアイテムのみが含まれる。推奨エンジン１１０は次いで、前に説明されたように、各々の残りのアイテムの関連性スコアを計算する。処理は次いで、推奨を提示するステップ３４１２に進む。

最後の推奨を提示するステップ３４１２において、推奨エンジン１１０は、ユーザインターフェースを介して推奨をユーザに提示する。推奨エンジン１１０は、リストの上位から（すなわち、最も高い関連性スコアを有する）所定数のアイテムを選択する。クーポンコード（例えば、例示的なクーポンコード３３１０など）がさらに示されてよい。推奨を提示するステップ３４１２の間の例示的なユーザインターフェースが、図３２に示される。

次に図３５を参照し、化学化合物対ユーザマッピングテーブル３５００が本発明の別の実施形態において示される。複数のユーザ識別２００２、複数の化学化合物３５０４、及び複数の化学化合物値３５０６が図示される。

化学化合物対ユーザマッピングテーブル３５００は複数の行を含み、各行は１つのユーザ識別２００２に関連づけられる。各列は１つの化学化合物３５０４に関連づけられる。化学化合物３５０４は、アイテム内で発見される化学化合物及び／又は化学化合物のグループである。

各セルの化学化合物値３５０６は、各々の化学化合物又は化合物のグループについての、各ユーザの好みの度合いを示す。図示される実施形態において、化学化合物値３５０６は数値により表現され、より高い値がより高いユーザ好みを示し、より低い値がより低いユーザ好みを示す。

化学化合物値３５０６は、少なくとも１つの問い合わせユニットを含む１つ以上のユーザ好みプロトコルの実行により決定される。ユーザによる応答の選択は、関連づけられたマッピングテーブルにより決定されるとおり化学化合物値３５０６の値を変更することになる。

次に図３６を参照し、複数のフレーバ記述子２１０４を含むフレーバ記述子チャート３６００が示される。前に説明されたように、記述子は、ユーザが好みのアイテムを記述するための主観的方法を、定量的なアイテム性質と関連させるために使用される。図示される複数のフレーバ記述子は、味及び匂いなどの感覚的入力に関する。フレーバ記述子チャート３６００内に示されるフレーバ記述子２１０４は網羅的リストでなく、さらなるフレーバ記述子が本明細書に記載の発明に含まれてよいことが理解されるであろう。

本明細書に説明される機能ユニットの多くが、その実装独立性をより具体的に強調するために、モジュールとしてラベル付けされている。例えば、モジュールは、カスタムＶＬＳＩ回路又はゲートアレイ、論理チップ、トランジスタ、又は他のディスクリートコンポーネントなどの市販の半導体を含むハードウェア回路として実現されてよい。モジュールは、フィールドプログラマブルゲートアレイ、プログラマブルアレイ論理、プログラマブル論理装置などのプログラマブルハードウェア装置で実現されてもよい。

モジュールは、様々なタイプのプロセッサによる実行のためにソフトウェアで実現されてもよい。実行可能コードの識別されたモジュールが、例えばオブジェクト、プロシージャ、又は関数として編成され得るコンピュータ命令の１つ以上の物理又は論理ブロックを例えば含んでよい。それにかかわらず、識別されたモジュールの実行可能ファイルは、物理的に一緒に位置する必要はなく、異なる場所に記憶された全く異なる命令を含んでよく、該命令は、論理的に一緒に結合されたときにモジュールを構成し、モジュールについて宣言された目的を達成する。

実際、実行可能コードのモジュールは、単一の命令又は多数の命令でもよく、いくつかの異なるコードセグメントにわたり、異なるプログラム間で、及びいくつかのメモリ装置にわたって分散さえされてよい。同様に、動作データが、本明細書においてモジュール内で識別され、例示されることがあり、任意の適切な形式で具現化され、任意の適切なタイプのデータ構造内に編成されることがある。動作データは、単一のデータセットとして収集されてよく、あるいは異なる記憶装置にわたってを含め異なる場所にわたり分散されてよく、システム又はネットワーク上に単に電子信号として少なくとも部分的に存在することがある。

本明細書に開示の発明は、特定の実施形態、その例及び適用を用いて説明されたが、これらに対して、特許請求の範囲に明記された発明の範囲から逸脱することなく、多数の変更及び変形が当業者により行われ得る。

Claims (21)

1. アイテムを化学的に解析し、各解析されたアイテムについて、複数の化学に基づくアイテム特徴の各々についての客観的に測定された数量を含むデータを決定するように構成された化学的解析システムであり、各々の化学に基づくアイテム特徴は化学化合物又は化学的性質である、化学的解析システムと、
   あるカテゴリ内の第１の複数のアイテムのデータを含むデータベースであり、前記データは、前記化学的解析システムにより解析された各アイテムの結果として取得されており、各アイテムの、少なくとも１つの化学に基づくアイテム特徴についての客観的に測定された数量を含む、データベースと、
   プロセッサ及び非一時的メモリを有するコンピューティング装置で実行するように構成され、
   前記第１の複数のアイテムと同じカテゴリ内の第２の複数のアイテムのユーザ好みに関するユーザ情報を含む、複数のユーザからのデータを受信するステップと、
   各アイテムの、少なくとも１つの化学に基づくアイテム特徴についての客観的に測定された数量を含む、前記第２の複数のアイテムのデータを受信するステップと、
   複数の質問を決定するステップであり、各質問は応答のセットに関連づけられ、前記質問のうち少なくとも１つが感覚的好みについて尋ねる、ステップと、
   前記第２の複数のアイテムの前記データと、前記複数のユーザからの前記データとを使用して、各質問の各応答と少なくとも１つの化学に基づくアイテム特徴との間の数値的相関を決定するステップと、
   を実行するように構成された学習モジュールと、
   プロセッサ及び非一時的メモリを有するコンピューティング装置で実行するように構成された少なくとも１つの推奨モジュールであり、前記推奨モジュールは前記データベースと通信し、
   前記決定された複数の質問から選択された複数の質問をユーザに提示するステップと、
   前記ユーザから、各々の選択された質問について、前記関連づけられた応答のセットから選択された応答を受信するステップと、
   前記受信したユーザ応答に基づいて、前記ユーザにユーザ好み値のセットを割り当てるステップであり、各ユーザ好み値は１つの化学に基づくアイテム特徴に関連づけられる、ステップと、
   各々の受信した応答について、前記応答に関連づけられた各々の化学に基づくアイテム特徴に関して前記ユーザ好み値に前記数値的相関を適用するステップと、
   各ユーザ好み値について、前記ユーザ好み値を、関連づけられた化学に基づくアイテム特徴についての測定された数量と比較することに少なくとも部分的に基づいて、前記第１の複数のアイテムの各々についての関連性スコアを計算するステップと、
   前記計算された関連性スコアに少なくとも部分的に基づいて前記第１の複数のアイテムから少なくとも１つのアイテムを選択するステップと、
   を実行するように構成される、推奨モジュールと、
   を含むアイテム推奨システム。
2. 前記アイテムはワインである、請求項１に記載のアイテム推奨システム。
3. 前記少なくとも１つの化学に基づくアイテム特徴は、ワイン中に発見される少なくとも１つの化学化合物を含む、請求項２に記載のアイテム推奨システム。
4. 前記少なくとも１つの化学に基づくアイテム特徴は、ワインの少なくとも１つの化学的性質を含む、請求項２に記載のアイテム推奨システム。
5. 前記推奨モジュールは、
   少なくとも１つのユーザフィルタリング応答を受信するステップと、
   前記少なくとも１つのユーザフィルタリング応答に応答して前記第１の複数のアイテムをフィルタするステップと、
   を実行するようにさらに構成される、請求項１に記載のアイテム推奨システム。
6. 前記第１の複数のアイテムの各々が少なくとも１つのイベントに関連づけられ、前記少なくとも１つのユーザフィルタリング応答は少なくとも１つのイベントを示す、請求項５に記載のアイテム推奨システム。
7. 前記第１の複数のアイテムの各アイテムが少なくとも１つのワインタイプに関連づけられ、前記少なくとも１つのユーザフィルタリング応答は少なくとも１つのワインタイプを示す、請求項５に記載のアイテム推奨システム。
8. 前記第１の複数のアイテムの各アイテムが価格に関連づけられ、前記少なくとも１つのユーザフィルタリング応答は価格範囲を示す、請求項５に記載のアイテム推奨システム。
9. 前記第１の複数のアイテムの前記データは各アイテムの少なくとも１つのアイテム記述子を含み、前記推奨モジュールは、
   少なくとも１つのユーザアイテム記述子を受信するステップであり、前記関連性スコアの計算は、前記第１の複数のアイテムの各アイテムについて、前記少なくとも１つのアイテム記述子を前記少なくとも１つのユーザアイテム記述子と比較することに少なくとも部分的に基づく、ステップ
   を実行するようにさらに構成される、請求項１に記載のアイテム推奨システム。
10. アイテムを化学的に解析し、各解析されたアイテムについて、複数の化学に基づくアイテム特徴の各々についての客観的に測定された数量を含むデータを決定するように構成された化学的解析システムであり、各々の化学に基づくアイテム特徴は化学化合物又は化学的性質である、化学的解析システムと、
    あるカテゴリ内の第１の複数のアイテムのデータを含むデータベースであり、各アイテムは、１つのアイテムクラスタに関連づけられ、前記データは、前記化学的解析システムにより解析された各アイテムの結果として取得されており、各クラスタについて、複数の記述子タームの各々と前記クラスタとの数値的関連づけを含み、前記データは、各アイテムの、少なくとも１つの化学に基づくアイテム特徴についての客観的に測定された数量をさらに含む、データベースと、
    プロセッサ及び非一時的メモリを有するコンピューティング装置で実行するように構成され、
    前記第１の複数のアイテムと同じカテゴリ内の第２の複数のアイテムのユーザ好みに関するユーザ情報を含む、複数のユーザからのデータを受信するステップと、
    各アイテムの、少なくとも１つの化学に基づくアイテム特徴についての客観的に測定された数量を含む、前記第２の複数のアイテムのデータを受信するステップと、
    複数の質問を決定するステップであり、各質問は応答のセットに関連づけられ、前記質問のうち少なくとも１つが感覚的好みについて尋ねる、ステップと、
    前記第２の複数のアイテムの前記データと、前記複数のユーザからの前記データとを使用して、各質問の各応答と少なくとも１つの化学に基づくアイテム特徴との間の数値的相関を決定するステップと、
    を実行するように構成された学習モジュールと、
    プロセッサ及び非一時的メモリを含むコンピューティング装置で実行するように構成され、
    前記決定された複数の質問から選択された複数の質問をユーザに提示するステップと、
    前記ユーザから、前記関連づけられた応答のセットから選択された応答を受信するステップと、
    前記複数の記述子タームをユーザに提示するステップと、
    前記ユーザから少なくとも１つの記述子タームの選択を受信するステップと、
    前記選択された記述子タームと前記クラスタとの間の前記数値的関連づけに基づいて各クラスタのスコアを計算するステップと、
    複数のクラスタスコアを比較することに少なくとも部分的に基づいてクラスタを選択するステップと、
    前記ユーザから、各々の選択された質問について、前記関連づけられた応答のセットから選択された応答を受信するステップと、
    前記受信したユーザ応答に基づいて、前記ユーザにユーザ好み値のセットを割り当てるステップであり、各ユーザ好み値は１つの化学に基づくアイテム特徴に関連づけられる、ステップと、
    各々の受信した応答について、前記応答に関連づけられた各々の化学に基づくアイテム特徴に関して前記ユーザ好み値に前記数値的相関を適用するステップと、
    各ユーザ好みについて、前記ユーザ好み値を、関連づけられた化学に基づくアイテム特徴についての測定された数量と比較することに少なくとも部分的に基づいて、前記選択されたクラスタ内の各アイテムの関連性スコアを計算するステップと、
    を実行するように構成された少なくとも１つの推奨モジュールと、
    を含むアイテム推奨システム。
11. 前記推奨モジュールは、前記計算された関連性スコアに少なくとも部分的に基づいて前記選択されたクラスタから少なくとも１つのアイテムを推奨するステップを実行するようにさらに構成される、請求項１０に記載のアイテム推奨システム。
12. 前記アイテムはワインであり、前記少なくとも１つの推奨モジュールは、
    前記選択されたアイテムクラスタから代表的ワインを選択するステップと、
    前記代表的ワインを推奨するステップと、
    を実行するようにさらに構成される、請求項１０に記載のアイテム推奨システム。
13. 前記ユーザ好み応答は、複数の多肢選択式応答のうち１つのユーザ選択である、請求項１０に記載のアイテム推奨システム。
14. 前記データベースは、各々の多肢選択式応答を１つの化学に基づくアイテム特徴についての測定された数量にマッピングするデータファイルを含む、請求項１３に記載のアイテム推奨システム。
15. あるカテゴリ内の第１の複数のアイテムからアイテムを推奨する方法であって、
    アイテムを化学的に解析するように構成された化学的解析システムを使用して、前記第１の複数のアイテムの各々についてのデータを決定するステップであり、各アイテムについて前記化学的解析システムにより取得される前記データは、複数の化学に基づくアイテム特徴の各々についての客観的に測定された数量を含み、各々の化学に基づくアイテム特徴は化学化合物又は化学的性質である、ステップと、
    プロセッサ及び非一時的メモリを有するコンピューティング装置で実行するように構成された学習モジュールにより、前記第１の複数のアイテムと同じカテゴリ内の第２の複数のアイテムのユーザ好みに関するユーザ情報を含む、複数のユーザからのデータを受信するステップと、
    前記第２の複数のアイテムの各々についての、少なくとも１つの化学に基づくアイテム特徴についての客観的に測定された数量を含む、前記第２の複数のアイテムのデータを受信するステップであり、前記データは、前記第２の複数のアイテムの各々についての、少なくとも１つの化学に基づくアイテム特徴についての客観的に測定された数量を含み、各々の化学に基づくアイテム特徴は化学化合物又は化学的性質である、ステップと、
    前記学習モジュールにより、複数の質問を決定するステップであり、各質問は応答のセットに関連づけられ、前記質問のうち少なくとも１つが感覚的好みについて尋ねる、ステップと、
    前記第２の複数のアイテムの前記データと、前記複数のユーザからの前記データとを使用して、各質問の各応答と少なくとも１つの化学に基づくアイテム特徴との間の数値的相関を決定するステップと、
    プロセッサ及び非一時的メモリを有するコンピューティング装置で実行するように構成され、前記第１の複数のアイテムのデータを含むデータベースと通信する少なくとも１つの推奨モジュールにより、少なくとも１つの化学に基づくアイテム特徴についての客観的に測定された数量を含む前記データを決定するステップと、
    前記推奨モジュールにより、前記決定された複数の質問から選択された複数の質問をユーザに提示するステップと、
    前記推奨モジュールにより、各々の提示された質問について、前記関連づけられた応答のセットから選択されたユーザ応答を受信するステップと、
    前記推奨モジュールにより、前記受信したユーザ応答に基づいて、前記ユーザにユーザ好み値のセットを割り当てるステップであり、各ユーザ好み値は１つの化学に基づくアイテム特徴に関連づけられる、ステップと、
    各々の受信した応答について、前記応答に関連づけられた各々の化学に基づくアイテム特徴に関して前記ユーザ好み値に前記数値的相関を適用するステップと、
    前記推奨モジュールにより、前記ユーザ好み値を、関連づけられた化学に基づくアイテム特徴についての測定された数量と比較することに少なくとも部分的に基づいて、前記第１の複数のアイテムの各々についての関連性スコアを計算するステップと、
    前記計算された関連性スコアに少なくとも部分的に基づいて前記第１の複数のアイテムから少なくとも１つのアイテムを選択するステップと、
    を含む方法。
16. 前記アイテムはワインである、請求項１５に記載のアイテムを推奨する方法。
17. 前記化学に基づくアイテム特徴は、ワイン中に発見される少なくとも１つの化学化合物を含む、請求項１６に記載のアイテムを推奨する方法。
18. 前記化学に基づくアイテム特徴は、ワインの少なくとも１つの化学的性質を含む、請求項１５に記載のアイテムを推奨する方法。
19. 少なくとも１つのユーザフィルタリング応答を受信するステップと、
    前記少なくとも１つのユーザフィルタリング応答に応答して前記第１の複数のアイテムをフィルタするステップと、
    をさらに含む請求項１５に記載のアイテムを推奨する方法。
20. 各アイテムが少なくとも１つのアイテム記述子に関連づけられ、
    少なくとも１つのユーザアイテム記述子を受信するステップであり、前記関連性スコアの計算は、前記第１の複数のアイテムの各アイテムについて、前記少なくとも１つのアイテム記述子を前記少なくとも１つのユーザアイテム記述子と比較することに少なくとも部分的に基づく、ステップ
    をさらに含む請求項１５に記載のアイテムを推奨する方法。
21. 前記学習モジュールは、複数のユーザ好みプロトコルを決定するようにさらに構成され、各ユーザ好みプロトコルは、前記決定された複数の質問から選択された複数の質問を含み、
    前記推奨モジュールは、前記複数のユーザ好みプロトコルから１つを選択するようにさらに構成され、それにより、前記決定された複数の質問から選択された質問は、前記ユーザ好みプロトコルを含む質問である、請求項１に記載のアイテム推奨システム。

Images