JP7082014B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP7082014B2 JP7082014B2 JP2018167855A JP2018167855A JP7082014B2 JP 7082014 B2 JP7082014 B2 JP 7082014B2 JP 2018167855 A JP2018167855 A JP 2018167855A JP 2018167855 A JP2018167855 A JP 2018167855A JP 7082014 B2 JP7082014 B2 JP 7082014B2
- Authority
- JP
- Japan
- Prior art keywords
- product
- information
- data
- category
- performance information
- 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
Links
- 230000010365 information processing Effects 0.000 title claims description 35
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000007477 logistic regression Methods 0.000 claims description 80
- 238000000034 method Methods 0.000 claims description 39
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims 2
- 239000000047 product Substances 0.000 description 363
- 238000012545 processing Methods 0.000 description 193
- 239000013598 vector Substances 0.000 description 96
- 230000000877 morphologic effect Effects 0.000 description 33
- 230000006870 function Effects 0.000 description 28
- 238000013527 convolutional neural network Methods 0.000 description 23
- 230000008569 process Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 17
- 230000000295 complement effect Effects 0.000 description 14
- 210000002569 neuron Anatomy 0.000 description 12
- 230000032258 transport Effects 0.000 description 11
- 230000001131 transforming effect Effects 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 9
- 230000015654 memory Effects 0.000 description 8
- 210000004027 cell Anatomy 0.000 description 6
- 230000004913 activation Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000013075 data extraction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007786 learning performance Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 235000015243 ice cream Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Description
情報処理装置は、一以上のプロセッサにより実現される。情報処理装置は、ネットワークを介して販売される商品又はサービス(以下、商品等)に関するデータであって、フォーマットとして複数の情報種別を含んで構成される仕様情報が規定されている商品データを取得する。以下、商品、又はサービスをまとめて単に「商品」と称して説明する。情報種別とは、例えば、商品名、商品説明、カテゴリ、商品の性能情報、商品を識別可能な識別情報(例えば、JAN(Japanese Article Number)コード)等である。情報処理装置は、取得された一以上の情報種別の仕様情報から、他の情報種別の仕様情報を推定する際に、推定する他の情報種別に対応した推定手段により推定を行う。ここで、情報種別は、特徴がそれぞれ異なるため、推定手段もそれぞれ異なるものを使用した方が、より適切に推定することができる。これによって、情報処理装置は、従来の方法では困難であった仕様情報の補完をすることができ、より広範に仕様情報を補完することができる。情報処理装置は、例えば、ショッピングサーバの一機能として実現される。これに限らず、情報処理装置は、ショッピングサーバに情報提供する装置であってもよい。また、情報処理装置は、ショッピングサーバではなく、検索サイトやSNS(Social Networking Service)、メールサービスなどの各種サービスを提供するサーバに内蔵され、またはこれらに情報提供する装置であってもよい。
[全体構成]
図1は、本実施形態に係る情報処理装置の機能を含む情報処理システム1の一例を示す図である。本実施形態に係る情報処理システム1は、例えば、ショッピングサーバ20と、入稿管理装置30と、一以上の端末装置10とを備える。これらの装置は、ネットワークNWを介して接続される。また、これらの装置のうち一部は、他の装置に仮想的な装置として包含されてもよく、例えば、入稿管理装置30の機能の一部、又は全部が、ショッピングサーバ20の機能によって実現される仮想マシンであってもよい。
図6は、本実施形態に係るショッピングサーバ20の構成の一例を示す図である。ショッピングサーバ20は、例えば、ショッピングサイト提供部200と、記憶部210と、商品データ処理部300と、記憶部400と、を備える。ショッピングサイト提供部200は、例えば、販売管理部202を備える。商品データ処理部300は、例えば、取得部302と、欠落商品データ抽出部304と、NN処理部(ニューラルネットワーク処理部)306と、ブランドマッチング処理部308と、ロジスティック回帰処理部310と、JANコードマッチング処理部312と、商品データ更新部314とを備える。ショッピングサイト提供部200及び商品データ処理部300の各部は、例えば、CPU(Central Processing Unit)などのハードウェアプロセッサがプログラム(ソフトウェア)を実行することにより実現される。また、これらの構成要素のうち一部、又は全部は、LSI(Large Scale Integration)やASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)、GPU(Graphics Processing Unit)などのハードウェア(回路部;circuitryを含む)によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めHDD(Hard Disk Drive)やフラッシュメモリなどの記憶装置(非一過性の記憶媒体を備える記憶装置)に格納されていてもよいし、DVDやCD-ROMなどの着脱可能な記憶媒体(非一過性の記憶媒体)に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。また、ショッピングサイト提供部200と商品データ処理部300は、一体のプロセッサによって実現されてもよく、別体のプロセッサによって実現されてもよい。商品データ処理部300と、記憶部400とを合わせたものは、「情報処理装置」の一例である。
販売管理部202は、販売サイトが提供するサービスのうち販売に関する部分の処理を行う。販売管理部202は、例えば、販売サイトのインターフェースとなる各種画面を購買者端末装置10aに提供する。
取得部302は、入稿管理装置30から入稿された商品データを示す情報を取得する。取得部302は、取得した商品データを1レコードとして補完前取扱商品データベース402に追加し、記憶部400に記憶させる。
NN処理部306は、例えば、情報種別が「カテゴリ」の仕様情報が欠落している商品データについて、当該商品データに含まれる商品名と、商品説明とのうち、少なくとも一方をニューラルネットワークに入力することによって、カテゴリを推定する。以降の説明では、NN処理部306が商品データに含まれる商品名、及び商品説明に加えて、商品の画像をカテゴリの推定に用いる場合について説明する。
次に、NN処理部306は、取得した商品データのうち、ある商品データについて、当該商品データに含まれる商品名と、商品説明とを形態素解析し、商品名と、商品説明とのそれぞれを、複数の形態素に分割する(S102)。形態素解析は、例えばMeCABなどの形態素解析エンジンを利用して行われる。NN処理部306は、形態素として分割した複数の単語(ワード)、又は語句(フレーズ)のそれぞれをベクトル化する。
ブランドマッチング処理部308は、例えば、情報種別が「ブランド名」の仕様情報が欠落している商品データについて、当該商品データに含まれる商品名と、商品説明とのうち、少なくとも一方と、ブランド商品辞書情報408とに基づいて、マッチング処理を行い、ブランド名を推定する。以降の説明では、ブランドマッチング処理部308が、商品データに含まれる商品名、及び商品説明をブランド名の推定に用いる場合について説明する。
ロジスティック回帰処理部310は、例えば、情報種別が「性能情報」の仕様情報が欠落している商品データについて、当該商品データに含まれるカテゴリに基づいて、性能情報のセットを特定し、当該商品データに含まれる商品名、又は商品説明に基づくロジスティック回帰を行って、性能情報のセットを補完するように、性能情報を推定する。以降の説明では、ロジスティック回帰処理部310が商品データに含まれる商品名、及び商品説明を性能情報の推定に用いる場合について説明する。
JANコードマッチング処理部312は、例えば、情報種別が「JANコード」の仕様情報が欠落している商品データについて、当該商品データに含まれる商品名と、商品説明とのうち、少なくとも一方と、JANコード辞書情報414とに基づいて、マッチング処理を行い、JANコードを推定する。以降の説明では、JANコードマッチング処理部312が、商品データに含まれる商品名、及び商品説明をJANコードの推定に用いる場合について説明する。
以上説明したように、本実施形態のショッピングサイト提供部200は、複数の情報種別の仕様情報が規定されている商品データについて、一以上の情報種別(この一例では、商品名、商品説明、商品の画像、商品のカテゴリ、商品のブランド名、性能情報、及びJANコード)の仕様情報から、他の情報種別の仕様情報を推定する際に、推定対象の情報種別に対応した推定手段(この一例では、ニューラルネットワーク、マッチング処理、ロジスティック回帰、及び形態素解析)に対応した推定手段により推定を行うことにより、商品データの仕様情報をより広範に補完することができ、その結果、商品の検索精度を向上させることができる。
以下、上述した実施形態の変形例について説明する。実施形態では、商品データのうち、欠落している仕様情報を推定し、補完する場合について説明した。変形例では、販売者が、販売サイトに商品を入稿する際に、仕様情報が誤っている場合には、仕様情報の変更を促す場合について説明する。なお、上述した実施形態と同様の構成については、同一の符号を付し、説明を省略する。
Claims (10)
- ネットワークを介して販売される商品に関するデータであって、フォーマットとして複数の情報種別の仕様情報が規定されている商品データを取得する取得部と、
前記取得部により取得された前記商品データに含まれる情報種別の前記仕様情報から前記商品データに含まれない他の情報種別の仕様情報を推定する推定部であって、前記他の情報種別に対応した推定方法により推定を行う推定部と、
を備え、
前記仕様情報における前記情報種別には、前記商品の商品名と、商品説明と、カテゴリと、前記商品の一以上の性能情報とが含まれ、
前記推定部は、
前記商品データに含まれる前記商品の商品名と、商品説明とのうち、少なくとも一方を、商品名と商品説明とのうち少なくとも一方が入力されるとカテゴリを出力するように学習されたニューラルネットワークに入力することによって、前記商品データに係る商品の前記カテゴリを推定し、
前記商品データに含まれ又は前記推定されたカテゴリから、前記カテゴリごとに定められている前記性能情報の組み合わせである前記性能情報のセットを特定し、特定した前記性能情報のセットのうち前記商品データに含まれない推定対象の前記性能情報のロジスティック回帰モデルに前記商品名、又は商品説明を入力し、出力される目的変数が条件を満たす場合に、前記ロジスティック回帰モデルに係る前記性能情報で、前記特定した前記性能情報のセットのうち前記商品データに含まれない性能情報を補完する、
情報処理装置。 - ネットワークを介して販売される商品に関するデータであって、フォーマットとして複数の情報種別の仕様情報が規定されている商品データを取得する取得部と、
前記取得部により取得された前記商品データに含まれる情報種別の前記仕様情報から前記商品データに含まれない他の情報種別の仕様情報を推定する推定部であって、前記他の情報種別に対応した推定方法により推定を行う推定部と、
を備え、
前記仕様情報における前記情報種別には、前記商品のブランド名と、前記商品の一以上の性能情報と、商品名、又は商品説明と、カテゴリとが含まれ、
前記推定部は、
前記商品データに含まれる前記商品の商品名の少なくとも一部と、ブランド名と商品の商品名を対応付けたブランド商品辞書に含まれる商品名とが一致する場合、当該ブランド商品辞書における前記少なくとも一部が一致した商品名に対応付けられたブランド名を、前記商品データに係る商品のブランド名と推定し、
前記カテゴリから、前記カテゴリごとに定められている前記性能情報の組み合わせである前記性能情報のセットを特定し、特定した前記性能情報のセットのうち前記商品データに含まれない推定対象の前記性能情報のロジスティック回帰モデルに前記商品名、又は商品説明を入力し、出力される目的変数が条件を満たす場合に、前記ロジスティック回帰モデルに係る前記性能情報で、前記特定した前記性能情報のセットのうち前記商品データに含まれない性能情報を補完する、
情報処理装置。 - ネットワークを介して販売される商品に関するデータであって、フォーマットとして複数の情報種別の仕様情報が規定されている商品データを取得する取得部と、
前記取得部により取得された前記商品データに含まれる情報種別の前記仕様情報から前記商品データに含まれない他の情報種別の仕様情報を推定する推定部であって、前記他の情報種別に対応した推定方法により推定を行う推定部と、
を備え、
前記情報種別には、前記商品の一以上の性能情報と、商品名と、商品説明と、カテゴリと、前記商品を識別可能な商品識別情報とが含まれ、
前記推定部は、
前記カテゴリから、前記カテゴリごとに定められている前記性能情報の組み合わせである前記性能情報のセットを特定し、特定した前記性能情報のセットのうち前記商品データに含まれない推定対象の前記性能情報のロジスティック回帰モデルに前記商品名、又は商品説明を入力し、出力される目的変数が条件を満たす場合に、前記ロジスティック回帰モデルに係る前記性能情報で、前記特定した前記性能情報のセットのうち前記商品データに含まれない性能情報を補完し、
前記商品の商品名と、商品説明とのうち少なくとも一方を形態素解析し、解析結果の少なくとも一部が、商品識別情報とテキスト情報とを対応付けた商品識別情報辞書に含まれるテキスト情報と一致する場合、当該商品識別情報辞書における前記解析結果の少なくとも一部が一致したテキスト情報に対応付けられた商品識別情報を、前記商品データに係る商品の商品識別情報と推定する、
情報処理装置。 - 前記商品の中から、前記推定部によって推定された前記仕様情報と、予め販売者によって設定された前記仕様情報とが異なる前記商品を抽出する抽出部と、
前記抽出部により抽出された前記商品を販売する前記販売者の端末装置に、仕様情報を変更するように促す情報を提供する情報提供部と、を更に備える、
請求項1から3のうちいずれか1項に記載の情報処理装置。 - 前記商品の販売時に販売者が仕様情報を設定した際に、前記販売者によって設定された仕様情報と前記推定部によって推定された仕様情報とが異なる場合、前記販売者が設定した仕様情報を、前記推定部によって推定された仕様情報に変更するように促す情報を、前記販売者の端末装置に提供する情報提供部を更に備える、
請求項1から4のうちいずれか1項に記載の情報処理装置。 - 前記商品の販売時に、前記推定部によって推定された仕様情報を、販売対象の前記商品の仕様情報として提示する情報提供部を更に備える、
請求項1から5のうちいずれか1項に記載の情報処理装置。 - コンピュータが、
ネットワークを介して販売される商品に関するデータであって、フォーマットとして複数の情報種別の仕様情報が規定されている商品データを取得し、
前記取得された前記商品データに含まれる情報種別の前記仕様情報から前記商品データに含まれない他の情報種別の仕様情報を推定することを、前記他の情報種別に対応した推定方法により行い、
前記仕様情報における前記情報種別には、前記商品の商品名と、商品説明と、カテゴリと、前記商品の一以上の性能情報とが含まれ、
前記推定することは、
前記商品データに含まれる前記商品の商品名と、商品説明とのうち、少なくとも一方を、商品名と商品説明とのうち少なくとも一方が入力されるとカテゴリを出力するように学習されたニューラルネットワークに入力することによって、前記商品データに係る商品の前記カテゴリを推定することと、
前記商品データに含まれ又は前記推定されたカテゴリから、前記カテゴリごとに定められている前記性能情報の組み合わせである前記性能情報のセットを特定し、特定した前記性能情報のセットのうち前記商品データに含まれない推定対象の前記性能情報のロジスティック回帰モデルに前記商品名、又は商品説明を入力し、出力される目的変数が条件を満たす場合に、前記ロジスティック回帰モデルに係る前記性能情報で、前記特定した前記性能情報のセットのうち前記商品データに含まれない性能情報を補完することと、
を含む、
情報処理方法。 - コンピュータに、
ネットワークを介して販売される商品に関するデータであって、フォーマットとして複数の情報種別の仕様情報が規定されている商品データを取得させ、
前記取得された前記商品データに含まれる情報種別の前記仕様情報から前記商品データに含まれない他の情報種別の仕様情報を推定することを、前記他の情報種別に対応した推定方法により行わせ、
前記仕様情報における前記情報種別には、前記商品の商品名と、商品説明と、カテゴリと、前記商品の一以上の性能情報とが含まれ、
前記推定することは、
前記商品データに含まれる前記商品の商品名と、商品説明とのうち、少なくとも一方を、商品名と商品説明とのうち少なくとも一方が入力されるとカテゴリを出力するように学習されたニューラルネットワークに入力することによって、前記商品データに係る商品の前記カテゴリを推定することと、
前記商品データに含まれ又は前記推定されたカテゴリから、前記カテゴリごとに定められている前記性能情報の組み合わせである前記性能情報のセットを特定し、特定した前記性能情報のセットのうち前記商品データに含まれない推定対象の前記性能情報のロジスティック回帰モデルに前記商品名、又は商品説明を入力し、出力される目的変数が条件を満たす場合に、前記ロジスティック回帰モデルに係る前記性能情報で、前記特定した前記性能情報のセットのうち前記商品データに含まれない性能情報を補完することと、
を含む、
プログラム。 - コンピュータが、
ネットワークを介して販売される商品に関するデータであって、フォーマットとして複数の情報種別の仕様情報が規定されている商品データを取得し、
前記取得された前記商品データに含まれる情報種別の前記仕様情報から前記商品データに含まれない他の情報種別の仕様情報を推定することを、前記他の情報種別に対応した推定方法により行い、
前記仕様情報における前記情報種別には、前記商品のブランド名と、前記商品の一以上の性能情報と、商品名、又は商品説明と、カテゴリとが含まれ、
前記推定することは、
前記商品データに含まれる前記商品の商品名の少なくとも一部と、ブランド名と商品の商品名を対応付けたブランド商品辞書に含まれる商品名とが一致する場合、当該ブランド商品辞書における前記少なくとも一部が一致した商品名に対応付けられたブランド名を、前記商品データに係る商品のブランド名と推定することと、
前記カテゴリから、前記カテゴリごとに定められている前記性能情報の組み合わせである前記性能情報のセットを特定し、特定した前記性能情報のセットのうち前記商品データに含まれない推定対象の前記性能情報のロジスティック回帰モデルに前記商品名、又は商品説明を入力し、出力される目的変数が条件を満たす場合に、前記ロジスティック回帰モデルに係る前記性能情報で、前記特定した前記性能情報のセットのうち前記商品データに含まれない性能情報を補完することと、
を含む、
情報処理方法。 - コンピュータに、
ネットワークを介して販売される商品に関するデータであって、フォーマットとして複数の情報種別の仕様情報が規定されている商品データを取得させ、
前記取得された前記商品データに含まれる情報種別の前記仕様情報から前記商品データに含まれない他の情報種別の仕様情報を推定することを、前記他の情報種別に対応した推定方法により行わせ、
前記仕様情報における前記情報種別には、前記商品のブランド名と、前記商品の一以上の性能情報と、商品名、又は商品説明と、カテゴリとが含まれ、
前記推定することは、
前記商品データに含まれる前記商品の商品名の少なくとも一部と、ブランド名と商品の商品名を対応付けたブランド商品辞書に含まれる商品名とが一致する場合、当該ブランド商品辞書における前記少なくとも一部が一致した商品名に対応付けられたブランド名を、前記商品データに係る商品のブランド名と推定することと、
前記カテゴリから、前記カテゴリごとに定められている前記性能情報の組み合わせである前記性能情報のセットを特定し、特定した前記性能情報のセットのうち前記商品データに含まれない推定対象の前記性能情報のロジスティック回帰モデルに前記商品名、又は商品説明を入力し、出力される目的変数が条件を満たす場合に、前記ロジスティック回帰モデルに係る前記性能情報で、前記特定した前記性能情報のセットのうち前記商品データに含まれない性能情報を補完することと、
を含む、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018167855A JP7082014B2 (ja) | 2018-09-07 | 2018-09-07 | 情報処理装置、情報処理方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018167855A JP7082014B2 (ja) | 2018-09-07 | 2018-09-07 | 情報処理装置、情報処理方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042403A JP2020042403A (ja) | 2020-03-19 |
JP7082014B2 true JP7082014B2 (ja) | 2022-06-07 |
Family
ID=69799362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018167855A Active JP7082014B2 (ja) | 2018-09-07 | 2018-09-07 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7082014B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022185529A1 (ja) * | 2021-03-05 | 2022-09-09 | 日本電気株式会社 | 学習装置、学習方法、推論装置、推論方法、及び、記録媒体 |
KR102629214B1 (ko) * | 2021-09-15 | 2024-01-24 | 네이버 주식회사 | 타겟 정보 생성 방법 및 시스템 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012089014A (ja) | 2010-10-21 | 2012-05-10 | Nippon Telegr & Teleph Corp <Ntt> | 購買行動分析装置、購買行動分析方法及び購買行動分析プログラム |
JP5542251B1 (ja) | 2013-10-30 | 2014-07-09 | 楽天株式会社 | 処理装置、処理方法、プログラム、及び記録媒体 |
JP2018101339A (ja) | 2016-12-21 | 2018-06-28 | ヤフー株式会社 | 推定装置、推定方法及び推定プログラム |
-
2018
- 2018-09-07 JP JP2018167855A patent/JP7082014B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012089014A (ja) | 2010-10-21 | 2012-05-10 | Nippon Telegr & Teleph Corp <Ntt> | 購買行動分析装置、購買行動分析方法及び購買行動分析プログラム |
JP5542251B1 (ja) | 2013-10-30 | 2014-07-09 | 楽天株式会社 | 処理装置、処理方法、プログラム、及び記録媒体 |
JP2018101339A (ja) | 2016-12-21 | 2018-06-28 | ヤフー株式会社 | 推定装置、推定方法及び推定プログラム |
Non-Patent Citations (1)
Title |
---|
丸井 淳己,Category2Vec:単語・段落・カテゴリに対するベクトル分散表現,言語処理学会第21回年次大会 発表論文集,日本,言語処理学会,2015年03月09日,第680-683頁 |
Also Published As
Publication number | Publication date |
---|---|
JP2020042403A (ja) | 2020-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6884116B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US20200311798A1 (en) | Search engine use of neural network regressor for multi-modal item recommendations based on visual semantic embeddings | |
CN111784455B (zh) | 一种物品推荐方法及推荐设备 | |
US11055557B2 (en) | Automated extraction of product attributes from images | |
CN113508378A (zh) | 推荐模型的训练方法、推荐方法、装置及计算机可读介质 | |
US9600581B2 (en) | Personalized recommendations on dynamic content | |
CN110246011B (zh) | 可解释时尚服装个性化推荐方法 | |
CN113256367B (zh) | 用户行为历史数据的商品推荐方法、系统、设备及介质 | |
CN109584006B (zh) | 一种基于深度匹配模型的跨平台商品匹配方法 | |
CN114201621A (zh) | 基于图文协同注意力的跨模态检索模型构建及检索方法 | |
CN110209922A (zh) | 对象推荐方法、装置、存储介质及计算机设备 | |
US20120296900A1 (en) | Adaptively learning a similarity model | |
CN112487199B (zh) | 一种基于用户购买行为的用户特征预测方法 | |
US20120296776A1 (en) | Adaptive interactive search | |
Saleh | Machine Learning Fundamentals: Use Python and scikit-learn to get up and running with the hottest developments in machine learning | |
Yan et al. | Implementation of a product-recommender system in an IoT-based smart shopping using fuzzy logic and apriori algorithm | |
CN113722583A (zh) | 推荐方法、推荐模型训练方法及相关产品 | |
JP7082014B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN115244547A (zh) | 自动并智能地探索设计空间 | |
JP2019164706A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN116308684B (zh) | 一种网购平台店铺信息推送方法及系统 | |
CN112488781A (zh) | 搜索推荐方法、装置、电子设备及可读存储介质 | |
CN115129994A (zh) | 商品推荐方法、装置、电子设备及可读存储介质 | |
Fengzi et al. | Neural networks for fashion image classification and visual search | |
CN115641179A (zh) | 信息推送方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200915 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210730 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211129 |
|
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: 20220426 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220526 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7082014 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |