JP7460709B2 - 機械学習によりウェブページ上の注文関連データを特定するためのシステム、方法及びコンピュータプログラム - Google Patents
機械学習によりウェブページ上の注文関連データを特定するためのシステム、方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP7460709B2 JP7460709B2 JP2022134172A JP2022134172A JP7460709B2 JP 7460709 B2 JP7460709 B2 JP 7460709B2 JP 2022134172 A JP2022134172 A JP 2022134172A JP 2022134172 A JP2022134172 A JP 2022134172A JP 7460709 B2 JP7460709 B2 JP 7460709B2
- Authority
- JP
- Japan
- Prior art keywords
- order
- html
- related data
- machine
- identifying
- 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
- 238000000034 method Methods 0.000 title claims description 43
- 238000010801 machine learning Methods 0.000 title claims description 39
- 238000004590 computer program Methods 0.000 title claims description 5
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000015654 memory Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000007790 scraping Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Description
更なる処理のために、ウェブページ上の1つ以上のHTMLブロックを特定するステップであって、各HTMLブロックは1つ以上のHTMLタグを含み、前記1つ以上のHTMLタグの各々がメタデータ及び値と関連付けられている、ステップと、
HTMLタグのそれぞれについてベクトル表現を作成するステップと、
HTMLタグのそれぞれにニューラルネットワークモデルを適用して、各タグについてのラベル予測を得るステップであって、ニューラルネットワークモデルは、注文関連のラベルを含んだ、HTMLタグに対応するラベルを予測できるようにトレーニングはなされている、ステップと、
HTMLタグについての機械生成によるラベル予測と対応するタグ値とから、ウェブページ上の注文関連データを特定するステップと、
特定された注文関連データを出力するステップと
を含む。
図1に、機械学習によりウェブページ上の注文関連データを特定する方法を示す。本明細書において、ウェブページとは、モバイルアプリケーション又はモバイルブラウザにおけるウェブコンテンツ、及びウェブブラウザに表示されるウェブページを含む。システムは、更なる処理のために、ウェブページにおける1つ以上のHTMLブロックを特定する(ステップ110)。HTMLブロックは1つ以上のHTMLタグを有し、各HTMLタグは、メタデータ(例えば、タグID、タグ名、タグクラス、タグタイプ、タグの内部テキスト等)及び値と関連付けられる。HTMLブロックは、親子関係及び兄弟関係を含む、元のHTML構造を保持する。HTMLブロックは、通常、関連するHTMLタグに基づいてグループ化される。例えば、ショッピングカートを有するウェブページの場合、全てのタグがショッピングカートに関連付けられたHTMLブロックが存在し得る。或る特定の実施形態において、フィールドがブランクである場合、値はヌルとすることができる。
図2に、図1に示した方法の例示的な実施形態を示す。この実施形態は、クライアントアプリケーション202と、サーバ上でホスティングされる機械学習(ML)モジュール204とを備える。クライアントアプリケーション202は、HTMLブロックをMLモジュール204に送信する(ステップ205)。或る実施形態において、クライアントアプリケーション202は、HTMLブロックをMLモジュール204のAPIに送信する。或る実施形態において、MLモジュール204は、HTMLブロックと共にJSONフォーマットでスクレイピング要求を受け付ける。ここで、スクレイピング要求は、要求IDに関する情報と、モバイルデバイスを特定するユーザIDと、URL情報と、タイムスタンプとを含む。
図3に、機械学習予測により概算ユーザ報酬を計算する方法を示す。クライアントアプリケーションは、合計購入額を有する可能性のあるウェブページを特定する(例えば、潜在的な注文確認ページ又はショッピングカートを有するチェックアウトページ)(ステップ310)。クライアントアプリケーションは、HTMLタグを含むHTMLブロックを、ウェブページから機械学習(ML)モジュールに送信する(ステップ320)。MLモジュールは、HTMLブロックにおけるHTMLタグのそれぞれについてベクトル表現を作成する(ステップ330)。MLモジュールは、ニューラルネットワークモデルをタグベクトル表現のそれぞれに適用し、HTMLブロック内のHTMLタグのそれぞれについて機械生成によるラベル予測を得る(ステップ340)。MLモジュールは、機械生成によるラベル予測を用いて、ウェブページが合計購入額を含むか否かを判定する(ステップ350)。合計購入額が特定された場合、MLモジュールは、合計購入額をクライアントアプリケーションに提供する(ステップ360)。クライアントアプリケーションは、合計購入額に応じて報酬額を計算する(例えば、キャッシュバック報酬又はポイント報酬)(ステップ370)。クライアントアプリケーションは、ユーザインタフェースにほぼリアルタイムに概算報酬を表示する(ステップ380)。
図4に、本明細書に記載の方法を実行するシステムの例示的なアーキテクチャを示す。しかし、本明細書に記載の方法は、他のシステムにおいて実施されてもよく、例示されるシステムに限定されない。システムは、クライアントアプリケーションと、サーバ430とを備える。クライアントアプリケーションは、モバイルデバイスにおけるモバイルアプリケーション405又はデスクトップにおけるウェブブラウザ420の形態をとることができる。モバイルアプリケーション405の場合、1つ以上のモバイルページスクレイパ410が、HTMLブロックを、サーバ430上の機械学習(ML)モジュール440に送る。MLモジュール440は、テキストの注文関連のキーと値のペアを、モバイルアプリケーション405におけるクライアントスクレイパ管理アプリケーション415に返送する。ウェブブラウザ420の場合、ブラウザ拡張機能425が、HTMLブロックをMLモジュール440に送信する。MLモジュール440は、注文関連のキーと値のペアを、ウェブブラウザ420におけるブラウザ拡張機能425に返送する。
図1~図4に関して説明した方法は、ソフトウェアにおいて具現化され、ソフトウェアを実行するコンピュータシステム(1つ以上のコンピューティングデバイスを備える)によって実行される。当業者であれば、コンピュータシステムが、ソフトウェア命令を記憶する1つ以上のメモリユニット、ディスク又は他の物理的コンピュータ可読ストレージ媒体、及びソフトウェア命令を実行する1つ以上のプロセッサを有することを理解するであろう。
Claims (18)
- コンピュータシステムによって実行され、機械学習によりウェブページ上の注文関連データを特定する方法であって、
更なる処理のために、ウェブページ上の1つ以上のHTMLブロックを特定するステップであって、各HTMLブロックは1つ以上のHTMLタグを含み、前記1つ以上のHTMLタグの各々がメタデータ及び値と関連付けられている、ステップと、
前記HTMLタグのそれぞれをベクトル表現に変換するステップであって、
前記HTMLタグのメタデータ及び内部テキストを連結し、複数の単語を有する文字列を形成するステップと、
前記文字列内の単語ごとに、事前にトレーニングされたword2vecモデルにおける単語埋め込みを取得するステップと、
前記単語埋め込みから文埋め込みを作成するステップと
を含むステップと、
前記ベクトル表現のそれぞれにニューラルネットワークモデルを適用して別のベクトル表現を得るステップであって、前記別のベクトル表現は、各タグについての機械生成によるラベル予測に変換され、前記ニューラルネットワークモデルは、注文関連のラベルを含んだ、HTMLタグに対応するラベルを予測できるようにトレーニングがなされている、ステップと、
前記HTMLタグについての前記機械生成によるラベル予測と対応するタグ値とから、前記ウェブページ上の注文関連データを特定するステップと、
特定された前記注文関連データを出力するステップであって、前記注文関連データは、(1)前記HTMLタグについての前記機械生成によるラベル予測と、(2)前記HTMLタグに関連付けられた値とを含む、キーと値のペアの形式で出力される、ステップと
を含む方法。 - 注文関連データの特定は、前記機械生成によるラベル予測を用いた、前記ウェブページ上のショッピングカートの特定を含む、請求項1に記載の方法。
- ショッピングカートの特定は、
前記ウェブページ上の前記HTMLタグについての前記機械生成によるラベル予測がショッピングカートの要件を満たしているかどうかの判定と、
前記ウェブページ上の前記HTMLタグについての前記機械生成によるラベル予測がショッピングカートの要件を満たしているとの判断に応じた、前記ウェブページがショッピングカートを含むとの結論付けと
を含む、請求項2に記載の方法。 - 前記注文関連データの特定は、前記機械生成によるラベル予測を用いて、カートの小計と、カートの合計と、1つ以上のラインアイテムと、各ラインアイテムのライン合計、商品URL及び画像URLとを特定することを含む、請求項2に記載の方法。
- 注文関連データの特定は、ショッピングカート内に残っている商品の特定を更に含む、請求項2に記載の方法。
- 前記キーと値のペアはクライアントアプリケーションに送られ、前記クライアントアプリケーションは前記キーと値のペアを用いてユーザの報酬を計算する、請求項1に記載の方法。
- 出力された前記注文関連データは推薦システムに送られ、前記推薦システムは、特定された前記注文関連データを用いて別の商品をユーザに推薦する、請求項1に記載の方法。
- 前記機械生成によるラベル予測から、前記ウェブページが注文確認ページであると判定するステップを更に含む請求項1に記載の方法。
- 注文関連情報の特定は合計購入額の特定を含む、請求項1に記載の方法。
- 特定された前記合計購入額を用いて、前記合計購入額に応じた概算報酬をユーザに提供するステップを更に含む請求項9に記載の方法。
- 前記概算報酬が概算キャッシュバック報酬である、請求項10に記載の方法。
- 前記概算報酬が概算ポイント特典である、請求項10に記載の方法。
- 前記合計購入額がほぼリアルタイムで特定され、概算報酬がほぼリアルタイムでユーザに提供される、請求項9に記載の方法。
- 前記文埋め込みは、前記単語埋め込みを平均化することによって作成される、請求項1に記載の方法。
- コンピュータシステムによって実行されると、機械学習によりウェブページ上の注文関連データを特定する処理を前記コンピュータシステムが実行できるようにするコンピュータプログラムを有する非一時的なコンピュータ可読媒体であって、
前記処理は、
更なる処理のために、ウェブページ上の1つ以上のHTMLブロックを特定するステップであって、各HTMLブロックは1つ以上のHTMLタグを含み、前記1つ以上のHTMLタグの各々がメタデータ及び値と関連付けられている、ステップと、
前記HTMLタグのそれぞれをベクトル表現に変換するステップであって、
前記HTMLタグのメタデータ及び内部テキストを連結し、複数の単語を有する文字列を形成するステップと、
前記文字列内の単語ごとに、事前にトレーニングされたword2vecモデルにおける単語埋め込みを取得するステップと、
前記単語埋め込みから文埋め込みを作成するステップと
を含むステップと、
前記ベクトル表現のそれぞれにニューラルネットワークモデルを適用して別のベクトル表現を得るステップであって、前記別のベクトル表現は、各タグについての機械生成によるラベル予測に変換され、前記ニューラルネットワークモデルは、注文関連のラベルを含んだ、HTMLタグに対応するラベルを予測できるようにトレーニングがなされている、ステップと、
前記HTMLタグについての前記機械生成によるラベル予測と対応するタグ値とから、前記ウェブページ上の注文関連データを特定するステップと、
特定された前記注文関連データを出力するステップであって、前記注文関連データは、(1)前記HTMLタグについての前記機械生成によるラベル予測と、(2)前記HTMLタグに関連付けられた値とを含む、キーと値のペアの形式で出力される、ステップと
を含む、
非一時的なコンピュータ可読媒体。 - 注文関連データの特定は、前記機械生成によるラベル予測を用いた、前記ウェブページ上のショッピングカートの特定を含む、請求項15に記載の非一時的なコンピュータ可読媒体。
- 機械学習によりウェブページ上の注文関連データを特定するためのコンピュータシステムであって、
1つ以上のプロセッサと、
前記1つ以上のプロセッサに接続され、命令を記憶する1つ以上のメモリユニットと
を備え、
前記命令は、前記1つ以上のプロセッサによって実行されると、前記コンピュータシステムに対し、
更なる処理のために、ウェブページ上の1つ以上のHTMLブロックを特定するステップであって、各HTMLブロックは1つ以上のHTMLタグを含み、前記1つ以上のHTMLタグの各々がメタデータ及び値と関連付けられている、ステップと、
前記HTMLタグのそれぞれをベクトル表現に変換するステップであって、
前記HTMLタグのメタデータ及び内部テキストを連結し、複数の単語を有する文字列を形成するステップと、
前記文字列内の単語ごとに、事前にトレーニングされたword2vecモデルにおける単語埋め込みを取得するステップと、
前記単語埋め込みから文埋め込みを作成するステップと
を含むステップと、
前記ベクトル表現のそれぞれにニューラルネットワークモデルを適用して別のベクトル表現を得るステップであって、前記別のベクトル表現は、各タグについての機械生成によるラベル予測に変換され、前記ニューラルネットワークモデルは、注文関連のラベルを含んだ、HTMLタグに対応するラベルを予測できるようにトレーニングがなされている、ステップと、
前記HTMLタグについての前記機械生成によるラベル予測と対応するタグ値とから、前記ウェブページ上の注文関連データを特定するステップと、
特定された前記注文関連データを出力するステップであって、前記注文関連データは、(1)前記HTMLタグについての前記機械生成によるラベル予測と、(2)前記HTMLタグに関連付けられた値とを含む、キーと値のペアの形式で出力される、ステップと
を実行させる、
コンピュータシステム。 - 注文関連データの特定は、前記機械生成によるラベル予測を用いた、前記ウェブページ上のショッピングカートの特定を含む、請求項17に記載のコンピュータシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/489,678 US20230095226A1 (en) | 2021-09-29 | 2021-09-29 | System, method, and computer program for identifying order-related data on a webpage using machine learning |
US17/489678 | 2021-09-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023055629A JP2023055629A (ja) | 2023-04-18 |
JP7460709B2 true JP7460709B2 (ja) | 2024-04-02 |
Family
ID=85706388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022134172A Active JP7460709B2 (ja) | 2021-09-29 | 2022-08-25 | 機械学習によりウェブページ上の注文関連データを特定するためのシステム、方法及びコンピュータプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230095226A1 (ja) |
JP (1) | JP7460709B2 (ja) |
TW (1) | TW202318312A (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019532434A (ja) | 2016-10-13 | 2019-11-07 | イーベイツ インコーポレイテッドEbates Inc. | ユーザに価格変更を通知するウェブブラウザ内のウィッシュリストユーザインタフェース |
US20200210511A1 (en) | 2019-01-02 | 2020-07-02 | Scraping Hub, LTD. | System and method for a web scraping tool and classification engine |
JP2021018601A (ja) | 2019-07-19 | 2021-02-15 | ヤフー株式会社 | 提供装置、提供方法及び提供プログラム |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7536641B2 (en) * | 2005-04-29 | 2009-05-19 | Google Inc. | Web page authoring tool for structured documents |
US8112317B1 (en) * | 2008-01-15 | 2012-02-07 | SciQuest Inc. | Providing substitute items when ordered item is unavailable |
US8682977B1 (en) * | 2008-03-25 | 2014-03-25 | Egain Communications Corporation | Communication associated with a webpage |
US20100191594A1 (en) * | 2009-01-28 | 2010-07-29 | Brigette White | Systems and methods for reward transaction matching and settlement |
US20110137717A1 (en) * | 2009-12-04 | 2011-06-09 | Reuthe Eric | System for Providing Digital Incentives Including a Digital Incentives Switch for Matching Transactions and Incentives |
US10311499B1 (en) * | 2015-03-23 | 2019-06-04 | Amazon Technologies, Inc. | Clustering interactions for user missions |
GB2537934A (en) * | 2015-05-01 | 2016-11-02 | Salesoptimize Ltd | Computer-implemented methods of website analysis |
US10755174B2 (en) * | 2017-04-11 | 2020-08-25 | Sap Se | Unsupervised neural attention model for aspect extraction |
US11271718B2 (en) * | 2018-09-12 | 2022-03-08 | Bitclave Pte. Ltd. | Systems and methods for linking anonymized user activities while preserving strong privacy guarantees |
EP3853802A4 (en) * | 2018-09-17 | 2022-06-01 | Piggy LLC | SYSTEMS, METHODS AND COMPUTER PROGRAMS FOR PROVIDING MAXIMUM BENEFITS TO ELECTRONIC COMMERCIAL USERS |
US10949661B2 (en) * | 2018-11-21 | 2021-03-16 | Amazon Technologies, Inc. | Layout-agnostic complex document processing system |
US10824794B2 (en) * | 2019-04-08 | 2020-11-03 | Paypal, Inc. | Process for creating a fixed length representation of a variable length input |
US11328313B2 (en) * | 2019-05-08 | 2022-05-10 | Retailmenot, Inc. | Predictive bounding of combinatorial optimizations that are based on data sets acquired post-prediction through high-latency, heterogenous interfaces |
US11140451B2 (en) * | 2019-08-07 | 2021-10-05 | Hulu, LLC | Representation of content based on content-level features |
US11144979B1 (en) * | 2020-04-01 | 2021-10-12 | Paypal, Inc. | Method, medium, and system for automatic data extraction from web pages and analysis thereof |
US11323570B1 (en) * | 2021-07-29 | 2022-05-03 | Intuit Inc. | Multi-channel hybrid models for efficient routing |
-
2021
- 2021-09-29 US US17/489,678 patent/US20230095226A1/en active Pending
-
2022
- 2022-08-12 TW TW111130405A patent/TW202318312A/zh unknown
- 2022-08-25 JP JP2022134172A patent/JP7460709B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019532434A (ja) | 2016-10-13 | 2019-11-07 | イーベイツ インコーポレイテッドEbates Inc. | ユーザに価格変更を通知するウェブブラウザ内のウィッシュリストユーザインタフェース |
US20200210511A1 (en) | 2019-01-02 | 2020-07-02 | Scraping Hub, LTD. | System and method for a web scraping tool and classification engine |
JP2021018601A (ja) | 2019-07-19 | 2021-02-15 | ヤフー株式会社 | 提供装置、提供方法及び提供プログラム |
Also Published As
Publication number | Publication date |
---|---|
TW202318312A (zh) | 2023-05-01 |
JP2023055629A (ja) | 2023-04-18 |
US20230095226A1 (en) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10909585B2 (en) | Method and system for programmatic analysis of consumer reviews | |
CN111626832B (zh) | 产品推荐方法、装置及计算机设备 | |
CN112200601B (zh) | 物品推荐方法、装置及可读存储介质 | |
US20210256541A1 (en) | Method and system for programmatic analysis of consumer sentiment with regard to attribute descriptors | |
US11392631B2 (en) | System and method for programmatic generation of attribute descriptors | |
KR102016065B1 (ko) | 머신러닝 딥러닝 방식의 판매자 구매자 요구사항 분석, 협상 결과보고 시스템 | |
US11367117B1 (en) | Artificial intelligence system for generating network-accessible recommendations with explanatory metadata | |
US20190080352A1 (en) | Segment Extension Based on Lookalike Selection | |
US11741956B2 (en) | Methods and apparatus for intent recognition | |
CN108572984A (zh) | 一种实时用户兴趣识别方法及装置 | |
US11461824B2 (en) | Systems and methods of product recommendation and integrated language modelling | |
KR102422408B1 (ko) | 협업 필터링 신경망을 이용하여 상품을 추천하는 방법 및 장치 | |
CN116739695A (zh) | 基于大数据的电子商务管理系统及其方法 | |
CN113781149A (zh) | 信息推荐方法、装置、计算机可读存储介质及电子设备 | |
US11544333B2 (en) | Analytics system onboarding of web content | |
CN117455621A (zh) | 个性化推荐方法、装置、存储介质及计算机设备 | |
JP7460709B2 (ja) | 機械学習によりウェブページ上の注文関連データを特定するためのシステム、方法及びコンピュータプログラム | |
CN116777528A (zh) | 一种商品信息推荐方法、装置、计算机设备和存储介质 | |
Muniasamy et al. | Analyzing online reviews of customers using machine learning techniques | |
CN111026973A (zh) | 一种商品兴趣度预测方法、装置及电子设备 | |
TW202333098A (zh) | 用於在行動應用程式中自動填入票券代碼之系統、方法及電腦程式 | |
CN114579854A (zh) | 商品推荐方法、模型训练方法、装置及电子设备 | |
US11797961B2 (en) | Vectorization of transactions | |
JP7351887B2 (ja) | 情報処理装置、情報処理システム、および情報処理方法 | |
KR102588300B1 (ko) | 쇼핑몰 제품 노출 정보 제공 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230130 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231212 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240214 |
|
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: 20240227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240321 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7460709 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |