KR102459120B1 - 제품 타이틀을 이용한 지능적 제품 분류를 위한 시스템 및 방법 - Google Patents

Abstract

본 개시의 일부 형태는 제품 타이틀로부터 속성을 추출하기 위한 컴퓨터화된 방법에 관한 것이다. 이 방법은: 적어도 하나의 데이터 구조로부터, 제품 목록과 연관된 적어도 하나의 타이틀 및 제품 속성 간의 관계를 결정하기 위한 적어도 하나의 지식 그래프를 포함하는 과거 데이터를 검색하고; 적어도 하나의 타이틀의 분석에 기초하여, 적어도 하나의 타이틀과 연관된 복수의 속성 및 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고; 적어도 하나의 지식 그래프를 이용하여, 복수의 속성 및 적어도 하나의 패턴에 기초한 제품 목록과 연관된 적어도 하나의 제품 타입을 결정하고; 적어도 하나의 제품 타입 및 복수의 속성을 포함하는 제1 제품 식별자를 생성하는 것을 포함할 수 있다.

Description

제품 타이틀을 이용한 지능적 제품 분류를 위한 시스템 및 방법{SYSTEMS AND METHODS FOR INTELLIGENT PRODUCT CLASSIFICATION USING PRODUCT TITLES}

본 개시는 일반적으로 제품 타이틀을 이용한 지능적 제품 분류를 위한 컴퓨터화된 시스템 및 방법에 관한 것이다. 특히, 본 개시의 실시예는 제품 타이틀에 기초하여 컴퓨터에 의한 제품 이해를 향상시키기 위해서 시스템이 제품 목록으로부터 정확한 정보를 추출할 수 있게 하는 것에 관한 창의적이고 독특한 시스템에 관한 것이다.

종래의 온라인 쇼핑 플랫폼은 고객이 전자상거래 회사, 써드 파티, 또는 다른 온라인 판매자로부터 다양한 아이템을 쇼핑하고 구매할 수 있게 한다. 현재, 고객이 이용할 수 있는 수많은 온라인 쇼핑 플랫폼이 존재하며, 각 플랫폼은 수백만에 이르는 서로 다른 제품의 판매 및/또는 배송을 촉진할 수 있다. 이 서로 다른 제품들의 방대한 양 및 다양성은, 중요한 사업상의 결정을 내리기 위해서 경쟁 제품을 이해할 수 있어야 하는 전자상거래 회사 등에 대한 수많은 기술 및 사업상의 문제를 제시할 수 있다. 인터넷을 통해서 이용 가능한 제품 및 세일 제안의 양이 지속적으로 증가함에 따라, 사람이 온라인 시장에서 경쟁 제품의 작은 부분이라도 포괄적 이해를 만들어내는 것은 사실상 불가능하다.

일부 종래의 컴퓨터 시스템은 범용 제품 코드(Universal Product Codes), 국제 상품 번호(International Article Numbers), 또는 기타 제품 식별자를 비교함으로써 제품 유사도를 결정할 수 있다. 그러나, 이러한 제품 식별자는 전 세계적으로 많은 지역에서 널리 이용되고 있지 않아, 이들 지역에서는 이러한 컴퓨터 시스템을 쓸모없거나 비실용적으로 만든다. 게다가, 제품 식별자는 주어진 제품의 속성에 관한 충분한 정보만 제공할 수 있으므로, 연관된 제품의 보다 포괄적인 이해를 막는다. 이러한 제품 식별자가 없으면, 사람은 다수의 온라인 제품 목록의 정보(예로써, 제품 타이틀)를 비교하여 서로 다른 제품의 유사도를 결정할 수 있다. 그러나, 종래의 컴퓨터 시스템은, 서로 다른 제품 목록 및 타이틀은 컴퓨터 시스템이 두 제품이 서로 다르다는 부정확한 결정을 내리게 할 수 있는 서로 다른 단어, 디스크립터, 및/또는 수량을 포함할 수 있기 때문에, 그 차이가 중요치 않으며 두 제품이 동일하다는 것을 사람이 쉽게 인식할 수 있는 경우에도, 사람과 동일한 유사도 결정을 내리는 능력이 제한적이다.

그러므로, 인터넷을 통해서 판매 가능한 많은 양의 제품 중에서 정확하고 자동적인 식별, 이해, 및 비교를 생성하기 위해서 제품 목록에 포함된 텍스트를 지능적으로 평가하기 위한 개선된 컴퓨터화된 방법 및 시스템이 요구된다.

본 개시의 일 형태는 제품 타이틀로부터 속성을 추출하기 위한 컴퓨터 구현 시스템에 관한 것이다. 이 시스템은: 명령을 저장하는 메모리; 및 동작을 수행하기 위해 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함할 수 있다. 동작은: 적어도 하나의 데이터 구조로부터: 제품 목록과 연관된 적어도 하나의 타이틀, 및 제품 속성 간의 관계를 결정하기 위한 적어도 하나의 지식 그래프를 포함하는 과거 데이터를 검색하고; 적어도 하나의 타이틀의 분석에 기초하여: 적어도 하나의 타이틀과 연관된 복수의 속성, 및 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고; 적어도 하나의 지식 그래프를 이용하여, 복수의 속성 및 적어도 하나의 패턴에 기초한 제품 목록과 연관된 적어도 하나의 제품 타입을 결정하고; 적어도 하나의 제품 타입 및 복수의 속성을 포함하는 제1 제품 식별자를 생성하고; 제1 제품 식별자의 적어도 하나의 제품 타입 및 복수의 속성을, 제2 제품 식별자와 연관된 적어도 하나의 제품 타입 및 복수의 속성과 비교하고; 비교 결과에 기초하여, 제1 제품 식별자 및 제2 제품 식별자 사이의 적어도 하나의 유사도 값을 생성하고; 그리고 적어도 하나의 사용자 디바이스에 명령을 전송하는 것을 포함하며, 여기서 명령은 해당 적어도 하나의 사용자 디바이스가 적어도 하나의 유사도 값을 표시하게 한다.

본 개시의 다른 형태는 제품 타이틀로부터 속성을 추출하기 위한 방법에 관한 것이다. 이 방법은: 적어도 하나의 데이터 구조로부터: 제품 목록과 연관된 적어도 하나의 타이틀, 및 제품 속성 간의 관계를 결정하기 위한 적어도 하나의 지식 그래프를 포함하는 과거 데이터를 검색하고; 적어도 하나의 타이틀의 분석에 기초하여: 적어도 하나의 타이틀과 연관된 복수의 속성, 및 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고; 적어도 하나의 지식 그래프를 이용하여, 복수의 속성 및 적어도 하나의 패턴에 기초한 제품 목록과 연관된 적어도 하나의 제품 타입을 결정하고; 적어도 하나의 제품 타입 및 복수의 속성을 포함하는 제1 제품 식별자를 생성하고; 제1 제품 식별자의 적어도 하나의 제품 타입 및 복수의 속성을, 제2 제품 식별자와 연관된 적어도 하나의 제품 타입 및 복수의 속성과 비교하고; 비교 결과에 기초하여, 제1 제품 식별자 및 제2 제품 식별자 사이의 적어도 하나의 유사도 값을 생성하고; 그리고 적어도 하나의 사용자 디바이스에 명령을 전송하는 것을 포함할 수 있으며, 여기서 명령은 해당 적어도 하나의 사용자 디바이스가 적어도 하나의 유사도 값을 표시하게 한다.

본 개시의 또 다른 형태는 제품 타이틀로부터 수량을 추출하기 위한 컴퓨터 구현 시스템에 관한 것이다. 이 시스템은 명령을 저장하는 메모리; 및 동작을 수행하기 위해 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함할 수 있다. 동작은: 적어도 하나의 데이터 구조로부터: 제1 제품 목록과 연관된 제1 타이틀, 제2 제품 목록과 연관된 제2 타이틀, 및 제품 속성 간의 관계를 결정하기 위한 적어도 하나의 지식 그래프를 포함하는 과거 데이터를 검색하고; 제1 타이틀 및 제2 타이틀의 분석에 기초하여: 제1 타이틀 및 제2 타이틀 각각과 연관된 복수의 속성, 및 제1 타이틀 및 제2 타이틀 각각에 대한 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고; 적어도 하나의 지식 그래프를 이용하여, 제1 타이틀 및 제2 타이틀 각각에 대해서 복수의 속성 및 적어도 하나의 패턴에 기초한 제품 목록과 연관된 적어도 하나의 제품 타입을 결정하고; 제1 타이틀과 연관된 적어도 하나의 제품 타입 및 복수의 속성을 포함하는 제1 제품 식별자를 생성하고; 제2 타이틀과 연관된 적어도 하나의 제품 타입 및 복수의 속성을 포함하는 제2 제품 식별자를 생성하고; 제1 제품 식별자의 적어도 하나의 제품 타입 및 복수의 속성을, 제2 제품 식별자와 연관된 적어도 하나의 제품 타입 및 복수의 속성과 비교하고; 비교 결과에 기초하여, 제1 제품 식별자 및 제2 제품 식별자 사이의 적어도 하나의 유사도 값을 생성하고; 그리고 적어도 하나의 사용자 디바이스에 명령을 전송하는 것을 포함하며, 여기서 명령은 해당 적어도 하나의 사용자 디바이스가 적어도 하나의 유사도 값을 표시하게 한다.

또한 다른 시스템, 방법, 및 컴퓨터 판독 가능 매체가 여기서 논의된다.

도 1a는 개시된 실시예에 따른, 배송, 운송, 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 네트워크의 예시적인 실시예를 나타낸 개략적인 블록도이다.
도 1b는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 검색 요청을 만족시키는 하나 이상의 검색 결과를 포함하는 검색 결과 페이지(SRP; Search Result Page)의 샘플을 나타낸 도면이다.
도 1c는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 제품 및 제품에 대한 정보를 포함하는 싱글 디테일 페이지(SDP; Single Detail Page)의 샘플을 나타낸 도면이다.
도 1d는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라 가상의 쇼핑 장바구니에 아이템을 포함하는 장바구니 페이지의 샘플을 나타낸 도면이다.
도 1e는 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소에 따라, 가상의 쇼핑 장바구니로부터 구매 및 배송에 관한 정보에 따른 아이템을 포함하는 주문 페이지의 샘플을 나타낸 도면이다.
도 2는 개시된 실시예에 따른, 개시된 컴퓨터 시스템을 활용하도록 구성된 예시적인 풀필먼트 센터의 개략적인 도면이다.
도 3은 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소와 함께 제품 및 제품에 대한 정보를 포함하는 제품 목록의 샘플을 나타낸 도면이다.
도 4는 개시된 실시예에 따른, 예시적인 서버 컴퓨터 시스템의 블록도이다.
도 5는 개시된 실시예에 따른, 지능적 제품 목록 분석을 위한 텍스트 매퍼의 예시적인 구조의 도면이다.
도 6은 개시된 실시예에 따른, 개시된 시스템 및 방법에 의해 생성될 수 있는 비교 결과를 보여주는 블록도이다.
도 7은 개시된 실시예에 따른, 제품 타이틀을 이용한 지능적 제품 분류를 위한 지식 그래프의 예시적인 구조의 도면이다.
도 8은 개시된 실시예에 따른, 제품 타이틀을 이용한 지능적 제품 분류를 위한 예시적인 프로세스의 흐름도이다.

이어서 첨부된 도면을 참조하여 자세하게 설명된다. 가능하면, 다음의 설명에서 같거나 유사한 부분에 대해 참조되도록 도면에서 같은 도면 부호가 사용된다. 여기에 몇몇 예시적인 실시예가 설명되지만, 변경, 조정 및 다른 구현도 가능하다. 예를 들면, 도면 내의 구성 및 스텝에 대해 교체, 추가, 또는 변경이 이루어질 수 있고, 여기에 설명된 예시적인 방법은 개시된 방법에 대해 스텝을 교체, 순서 변경, 제거 또는 추가함으로써 변경될 수 있다. 따라서, 다음의 자세한 설명은 개시된 실시예 및 예시로 제한되는 것은 아니다. 대신에 본 발명의 적절한 범위는 청구범위에 의해 규정된다.

본 개시의 실시예는 제품 타이틀을 이용한 지능적 제품 분류를 위해 구성된 컴퓨터화된 시스템 및 방법에 관한 것이다.

도 1a를 참조하면, 배송, 운송 및 물류 운영을 가능하게 하는 통신을 위한 컴퓨터 시스템을 포함하는 예시적인 시스템의 실시예를 나타낸 개략적인 블록도(100)가 도시되어 있다. 도 1a에 나타낸 바와 같이, 시스템(100)은 다양한 시스템을 포함할 수 있으며, 이들 각각은 하나 이상의 네트워크를 통해 서로 연결될 수 있다. 시스템은 (예를 들어, 케이블을 사용한) 직접 연결을 통해 서로 연결될 수 있다. 도시된 시스템은 배송 기관 기술(shipment authority technology, SAT) 시스템(101), 외부 프론트 엔드 시스템(103), 내부 프론트 엔드 시스템(105), 운송 시스템(107), 모바일 디바이스(107A, 107B, 107C), 판매자 포털(109), 배송 및 주문 트래킹(shipment and order tracking, SOT) 시스템(111), 풀필먼트 최적화(fulfillment optimization, FO) 시스템(113), 풀필먼트 메시징 게이트웨이(fulfillment messaging gateway, FMG)(115), 공급 체인 관리(supply chain management, SCM) 시스템(117), 창고 관리 시스템(119), 모바일 디바이스(119A, 119B, 119C)(풀필먼트 센터(fulfillment center, FC)(200) 내부에 있는 것으로 도시됨), 제3자 풀필먼트 시스템(121A, 121B, 121C), 풀필먼트 센터 인증 시스템(fulfillment center authorization system, FC Auth)(123), 및 노동 관리 시스템(labor management system, LMS)(125)을 포함한다.

일부 실시예에서, SAT 시스템(101)은 주문 상태와 배달 상태를 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SAT 시스템(101)은 주문이 약속된 배달 날짜(Promised Delivery Date, PDD)를 지났는지를 결정할 수 있고, 새로운 주문을 개시시키고, 배달되지 않은 주문의 아이템을 다시 배송하며, 배달되지 않은 주문을 취소하고, 주문 고객과 연락을 시작하는 것 등을 포함하는 적합한 조치를 취할 수 있다. SAT 시스템(101)은 또한, (특정 기간 동안 배송된 패키지의 개수와 같은) 출력, 및 (배송시 사용하기 위해 수신된 빈 카드보드 박스의 개수와 같은) 입력을 포함하는 다른 데이터를 감시할 수 있다. SAT 시스템(101)은 또한, 외부 프론트 엔드 시스템(103) 및 FO 시스템(113)과 같은 장치들 간의 (예를 들면, 저장 전달(store-and-forward) 또는 다른 기술을 사용하는) 통신을 가능하게 하는 시스템(100) 내의 상이한 장치들 사이의 게이트웨이로서 동작할 수 있다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 사용자가 시스템(100) 내의 하나 이상의 시스템과 상호 동작할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 시스템의 프레젠테이션을 가능하게 하여 사용자가 아이템에 대한 주문을 할 수 있도록 하는 실시예에서, 외부 프론트 엔드 시스템(103)은 검색 요청을 수신하고, 아이템 페이지를 제시하며, 결제 정보를 요청하는 웹 서버로서 구현될 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 외부 프론트 엔드 시스템(103)은 외부 디바이스(예를 들어, 모바일 디바이스(102A) 또는 컴퓨터(102B))로부터 요청을 수신 및 처리하고, 이들 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 설계된 커스텀 웹 서버 소프트웨어를 실행할 수 있다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 또는 결제 시스템 중 하나 이상을 포함할 수 있다. 일 양상에서, 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 외부 프론트 엔드 시스템(103)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.

도 1b, 1c, 1d 및 1e에 의해 나타낸 단계들의 예시적인 세트는 외부 프론트 엔드 시스템(103)의 일부 동작을 설명하는 것에 도움이 될 것이다. 외부 프론트 엔드 시스템(103)은 프레젠테이션 및/또는 디스플레이를 위해 시스템(100) 내의 시스템 또는 디바이스로부터 정보를 수신할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 검색 결과 페이지(Search Result Page, SRP)(예를 들면, 도 1b), 싱글 디테일 페이지(Single Detail Page, SDP)(예를 들면, 도 1c), 장바구니 페이지(Cart page)(예를 들면, 도 1d), 또는 주문 페이지(예를 들면, 도 1e)를 포함하는 하나 이상의 웹페이지를 호스팅하거나 제공할 수 있다. (예를 들면, 모바일 디바이스(102A) 또는 컴퓨터(102B)를 사용하는) 사용자 디바이스는 외부 프론트 엔드 시스템(103)으로 이동하고 검색 박스에 정보를 입력함으로써 검색을 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 시스템(100) 내의 하나 이상의 시스템으로부터 정보를 요청할 수 있다. 예를 들면, 외부 프론트 엔드 시스템(103)은 FO 시스템(113)으로부터 검색 요청을 만족하는 정보를 요청할 수 있다. 외부 프론트 엔드 시스템(103)은 또한, (FO 시스템(113)으로부터) 검색 결과에 포함된 각 제품에 대한 약속된 배달 날짜(Promised Delivery Date) 또는 "PDD"를 요청하고 수신할 수 있다. 일부 실시예에서, PDD는 제품이 들어있는 패키지가 특정 기간 이내, 예를 들면, 하루의 끝(PM 11:59)까지 주문되면 언제 사용자가 원하는 장소에 도착할 것인지에 대한 추정 또는 제품이 사용자가 원하는 장소에 배달될 약속된 날짜를 나타낼 수 있다(PDD는 FO 시스템(113)과 관련하여 이하에서 더 논의된다).

외부 프론트 엔드 시스템(103)은 정보에 기초하여 SRP(예를 들면, 도 1b)를 준비할 수 있다. SRP는 검색 요청을 만족하는 정보를 포함할 수 있다. 예를 들면, 이는 검색 요청을 만족하는 제품의 사진을 포함할 수 있다. SRP는 또한, 각 제품에 대한 각각의 가격, 또는 각 제품, PDD, 무게, 크기, 오퍼(offer), 할인 등에 대한 개선된 배달 옵션에 관한 정보를 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SRP를 요청 사용자 디바이스로 전송할 수 있다.

사용자 디바이스는 SRP에 나타낸 제품을 선택하기 위해, 예를 들면, 사용자 인터페이스를 클릭 또는 탭핑하거나, 다른 입력 디바이스를 사용하여 SRP로부터 제품을 선택할 수 있다. 사용자 디바이스는 선택된 제품에 관한 정보에 대한 요청을 만들어 내고 이를 외부 프론트 엔드 시스템(103)으로 전송할 수 있다. 이에 응답하여, 외부 프론트 엔드 시스템(103)은 선택된 제품에 관한 정보를 요청할 수 있다. 예를 들면, 정보는 각각의 SRP 상에 제품에 대해 제시된 것 이상의 추가 정보를 포함할 수 있다. 이는, 예를 들면, 유통 기한, 원산지, 무게, 크기, 패키지 내의 아이템 개수, 취급 지침, 또는 제품에 대한 다른 정보를 포함할 수 있다. 정보는 또한, (예를 들면, 이 제품 및 적어도 하나의 다른 제품을 구입한 고객의 빅 데이터 및/또는 기계 학습 분석에 기초한) 유사한 제품에 대한 추천, 자주 묻는 질문에 대한 답변, 고객의 후기, 제조 업체 정보, 사진 등을 포함할 수 있다.

외부 프론트 엔드 시스템(103)은 수신된 제품 정보에 기초하여 SDP(Single Detail Page)(예를 들면, 도 1c)를 준비할 수 있다. SDP는 또한, "지금 구매(Buy Now)" 버튼, "장바구니에 추가(Add to Cart)" 버튼, 수량 필드, 아이템 사진 등과 같은 다른 상호 동작 요소를 포함할 수 있다. SDP는 제품을 오퍼하는 판매자의 리스트를 포함할 수 있다. 이 리스트는 최저가로 제품을 판매하는 것으로 오퍼하는 판매자가 리스트의 최상단에 위치하도록, 각 판매자가 오퍼한 가격에 기초하여 순서가 정해질 수 있다. 이 리스트는 또한 최고 순위 판매자가 리스트의 최상단에 위치하도록, 판매자 순위에 기초하여 순서가 정해질 수 있다. 판매자 순위는, 예를 들어, 약속된 PPD를 지켰는지에 대한 판매자의 과거 추적 기록을 포함하는, 복수의 인자에 기초하여 만들어질 수 있다. 외부 프론트 엔드 시스템(103)은 (예를 들면, 네트워크를 통해) SDP를 요청 사용자 디바이스로 전달할 수 있다.

요청 사용자 디바이스는 제품 정보를 나열하는 SDP를 수신할 수 있다. SDP를 수신하면, 사용자 디바이스는 SDP와 상호 동작할 수 있다. 예를 들면, 요청 사용자 디바이스의 사용자는 SDP의 "장바구니에 담기(Place in Cart)" 버튼을 클릭하거나, 이와 상호 동작할 수 있다. 이렇게 하면 사용자와 연계된 쇼핑 장바구니에 제품이 추가된다. 사용자 디바이스는 제품을 쇼핑 장바구니에 추가하기 위해 외부 프론트 엔드 시스템(103)으로 이러한 요청을 전송할 수 있다.

외부 프론트 엔드 시스템(103)은 장바구니 페이지(예를 들면, 도 1d)를 생성할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 가상의 "쇼핑 장바구니(shopping cart)"에 추가한 제품을 나열한다. 사용자 디바이스는 SRP, SDP, 또는 다른 페이지의 아이콘을 클릭하거나, 상호 동작함으로써 장바구니 페이지를 요청할 수 있다. 일부 실시예에서, 장바구니 페이지는 사용자가 장바구니에 추가한 모든 제품 뿐 아니라 각 제품의 수량, 각 제품의 품목당 가격, 관련 수량에 기초한 각 제품의 가격, PDD에 관한 정보, 배달 방법, 배송 비용, 쇼핑 장바구니의 제품을 수정(예를 들면, 수량의 삭제 또는 수정)하기 위한 사용자 인터페이스 요소, 다른 제품의 주문 또는 제품의 정기적인 배달 설정에 대한 옵션, 할부(interest payment) 설정에 대한 옵션, 구매를 진행하기 위한 사용자 인터페이스 요소 등과 같은 장바구니의 제품에 관한 정보를 나열할 수 있다. 사용자 디바이스의 사용자는 쇼핑 장바구니에 있는 제품의 구매를 시작하기 위해 사용자 인터페이스 요소(예를 들면, "지금 구매(Buy Now)"라고 적혀있는 버튼)를 클릭하거나, 이와 상호 동작할 수 있다. 그렇게 하면, 사용자 디바이스는 구매를 시작하기 위해 이러한 요청을 외부 프론트 엔드 시스템(103)으로 전송할 수 있다.

외부 프론트 엔드 시스템(103)은 구매를 시작하는 요청을 수신하는 것에 응답하여 주문 페이지(예를 들면, 도 1e)를 생성할 수 있다. 일부 실시예에서, 주문 페이지는 쇼핑 장바구니로부터의 아이템을 재나열하고, 결제 및 배송 정보의 입력을 요청한다. 예를 들면, 주문 페이지는 쇼핑 장바구니의 아이템 구매자에 관한 정보(예를 들면, 이름, 주소, 이메일 주소, 전화번호), 수령인에 관한 정보(예를 들면, 이름, 주소, 전화번호, 배달 정보), 배송 정보(예를 들면, 배달 및/또는 픽업 속도/방법), 결제 정보(예를 들면, 신용 카드, 은행 송금, 수표, 저장된 크레딧), 현금 영수증을 요청하는 사용자 인터페이스 요소(예를 들면, 세금 목적) 등을 요청하는 섹션을 포함할 수 있다. 외부 프론트 엔드 시스템(103)은 사용자 디바이스에 주문 페이지를 전송할 수 있다.

사용자 디바이스는 주문 페이지에 정보를 입력하고 외부 프론트 엔드 시스템(103)으로 정보를 전송하는 사용자 인터페이스 요소를 클릭하거나, 상호 동작할 수 있다. 그로부터, 외부 프론트 엔드 시스템(103)은 정보를 시스템(100) 내의 다른 시스템으로 전송하여 쇼핑 장바구니의 제품으로 새로운 주문을 생성하고 처리할 수 있도록 한다.

일부 실시예에서, 외부 프론트 엔드 시스템(103)은 판매자가 주문과 관련된 정보를 전송 및 수신할 수 있도록 추가로 구성될 수 있다.

일부 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자(예를 들면, 시스템(100)을 소유, 운영 또는 임대하는 조직의 직원)가 시스템(100) 내의 하나 이상의 시스템과 상호작용할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 시스템(100)이 사용자가 아이템에 대한 주문을 할 수 있게 하는 시스템의 프레젠테이션을 가능하게 하는 실시예에서, 내부 프론트 엔드 시스템(105)은 내부 사용자가 주문에 대한 진단 및 통계 정보를 볼 수 있게 하고, 아이템 정보를 수정하며, 또는 주문에 대한 통계를 검토할 수 있게 하는 웹 서버로서 구현될 수 있다. 예를 들면, 내부 프론트 엔드 시스템(105)은 Apache HTTP 서버, Microsoft Internet Information Services(IIS), NGINX 등과 같은 소프트웨어를 실행하는 컴퓨터 또는 컴퓨터들로서 구현될 수 있다. 다른 실시예에서, 내부 프론트 엔드 시스템(105)은 (도시되지 않은 다른 디바이스뿐 아니라) 시스템(100) 내에 나타낸 시스템 또는 디바이스로부터 요청을 수신 및 처리하고, 그러한 요청에 기초하여 데이터베이스 및 다른 데이터 저장 장치로부터 정보를 획득하며, 획득한 정보에 기초하여 수신된 요청에 대한 응답을 제공하도록 (설계된 커스텀 웹 서버 소프트웨어를 실행)할 수 있다.

일부 실시예에서, 내부 프론트 엔드 시스템(105)은 웹 캐싱 시스템, 데이터베이스, 검색 시스템, 결제 시스템, 분석 시스템, 주문 모니터링 시스템 등 중 하나 이상을 포함할 수 있다. 일 양상에서, 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상을 포함할 수 있는 반면, 다른 양상에서는 내부 프론트 엔드 시스템(105)은 이들 시스템 중 하나 이상에 연결된 인터페이스(예를 들면, 서버 대 서버, 데이터베이스 대 데이터베이스, 또는 다른 네트워크 연결)를 포함할 수 있다.

일부 실시예에서, 운송 시스템(107)은 시스템(100) 내의 시스템 또는 디바이스와 모바일 디바이스(107A-107C) 간의 통신을 가능하게 하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 운송 시스템(107)은 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 예를 들면, 일부 실시예에서, 모바일 디바이스(107A-107C)는 배달원에 의해 동작되는 디바이스를 포함할 수 있다. 정규직, 임시적 또는 교대 근무일 수 있는 배달원은 사용자에 의해 주문된 제품들이 들어 있는 패키지의 배달을 위해 모바일 디바이스(107A-107C)를 이용할 수 있다. 예를 들면, 패키지를 배달하기 위해, 배달원은 배달할 패키지와 배달할 위치를 나타내는 모바일 디바이스 상의 알림을 수신할 수 있다. 배달 장소에 도착하면, 배달원은 (예를 들면, 트럭의 뒤나 패키지의 크레이트에) 패키지를 둘 수 있고, 모바일 디바이스를 사용하여 패키지 상의 식별자와 관련된 데이터(예를 들면, 바코드, 이미지, 텍스트 문자열, RFID 태그 등)를 스캔하거나, 캡처하며, (예를 들면, 현관문에 놓거나, 경비원에게 맡기거나, 수령인에게 전달하는 것 등에 의해) 패키지를 배달할 수 있다. 일부 실시예에서, 배달원은 모바일 디바이스를 사용하여 패키지의 사진(들)을 찍거나 및/또는 서명을 받을 수 있다. 모바일 디바이스는, 예를 들면, 시간, 날짜, GPS 위치, 사진(들), 배달원에 관련된 식별자, 모바일 디바이스에 관련된 식별자 등을 포함하는 배달에 관한 정보를 포함하는 정보를 운송 시스템(107)에 전송할 수 있다. 운송 시스템(107)은 시스템(100) 내의 다른 시스템에 의한 접근을 위해 데이터베이스(미도시)에 이러한 정보를 저장할 수 있다. 일부 실시예에서, 운송 시스템(107)은 다른 시스템에 특정 패키지의 위치를 나타내는 트래킹 데이터를 준비 및 전송하기 위해 이러한 정보를 사용할 수 있다.

일부 실시예에서, 특정 사용자는, 한 종류의 모바일 디바이스를 사용할 수 있는 반면(예를 들면, 정규 직원은 바코드 스캐너, 스타일러스 및 다른 장치와 같은 커스텀 하드웨어를 갖는 전문 PDA를 사용할 수 있음), 다른 사용자는 다른 종류의 모바일 디바이스를 사용할 수 있다(예를 들면, 임시 또는 교대 근무 직원이 기성 휴대 전화 및/또는 스마트폰을 사용할 수 있음).

일부 실시예에서, 운송 시스템(107)은 사용자를 각각의 디바이스와 연관시킬 수 있다. 예를 들면, 운송 시스템(107)은 사용자(예를 들면, 사용자 식별자, 직원 식별자, 또는 전화번호에 의해 표현됨)와 모바일 디바이스(예를 들면, International Mobile Equipment Identity(IMEI), International Mobile Subscription Identifier(IMSI), 전화번호, Universal Unique Identifier(UUID), 또는 Globally Unique Identifier(GUID)에 의해 표현됨) 간의 연관성(association)을 저장할 수 있다. 운송 시스템(107)은, 다른 것들 중에 작업자의 위치, 작업자의 효율성, 또는 작업자의 속도를 결정하기 위해 데이터베이스에 저장된 데이터를 분석하기 위해 배달시 수신되는 데이터와 관련하여 이러한 연관성을 사용할 수 있다.

일부 실시예에서, 판매자 포털(109)은 판매자 또는 다른 외부 엔터티(entity)가 시스템(100) 내의 하나 이상의 시스템과 전자 통신할 수 있게 하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 판매자는 판매자 포털(109)을 사용하여 시스템(100)을 통해 판매하고자 하는 제품에 대하여, 제품 정보, 주문 정보, 연락처 정보 등을 업로드하거나 제공하는 컴퓨터 시스템(미도시)을 이용할 수 있다.

일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객(예를 들면, 디바이스(102A-102B)를 사용하는 사용자)에 의해 주문된 제품들이 들어 있는 패키지의 위치에 관한 정보를 수신, 저장 및 포워딩하는 컴퓨터 시스템으로서 구현될 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 고객에 의해 주문된 제품들이 들어 있는 패키지를 배달하는 배송 회사에 의해 운영되는 웹 서버(미도시)로부터 정보를 요청하거나 저장할 수 있다.

일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 시스템(100)에 나타낸 시스템들로부터 정보를 요청하고 저장할 수 있다. 예를 들면, 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107)으로부터 정보를 요청할 수 있다. 전술한 바와 같이, 운송 시스템(107)은 사용자(예를 들면, 배달원) 또는 차량(예를 들면, 배달 트럭) 중 하나 이상과 연관된 하나 이상의 모바일 디바이스(107A-107C)(예를 들면, 휴대 전화, 스마트폰, PDA 등)로부터 정보를 수신할 수 있다. 일부 실시예에서, 배송 및 주문 트래킹 시스템(111)은 또한, 풀필먼트 센터(예를 들면, 풀필먼트 센터(200)) 내부의 개별 제품의 위치를 결정하기 위해 창고 관리 시스템(WMS)(119)으로부터 정보를 요청할 수 있다. 배송 및 주문 트래킹 시스템(111)은 운송 시스템(107) 또는 WMS(119) 중 하나 이상으로부터 데이터를 요청하고, 이를 처리하며, 요청시 디바이스(예를 들면, 사용자 디바이스(102A, 102B))로 제공할 수 있다.

일부 실시예에서, 풀필먼트 최적화(FO) 시스템(113)은 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103) 및/또는 배송 및 주문 트래킹 시스템(111))으로부터의 고객 주문에 대한 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. FO 시스템(113)은 또한, 특정 아이템이 유지 또는 저장되는 곳을 나타내는 정보를 저장할 수 있다. 예를 들면, 소정 아이템은 하나의 풀필먼트 센터에만 저장될 수 있는 반면, 소정 다른 아이템은 다수의 풀필먼트 센터에 저장될 수 있다. 또 다른 실시예에서, 특정 풀필먼트 센터는 아이템의 특정 세트(예를 들면, 신선한 농산물 또는 냉동 제품)만을 저장하도록 구성될 수 있다. FO 시스템(113)은 이러한 정보뿐 아니라 관련 정보(예를 들면, 수량, 크기, 수령 날짜, 유통 기한 등)를 저장한다.

FO 시스템(113)은 또한, 각 제품에 대해 대응하는 PDD(약속된 배달 날짜)를 계산할 수 있다. 일부 실시예에서, PDD는 하나 이상의 요소에 기초할 수 있다. 예를 들면, FO 시스템(113)은 제품에 대한 과거 수요(예를 들면, 그 제품이 일정 기간 동안 얼마나 주문되었는지), 제품에 대한 예측된 수요(예를 들면, 얼마나 많은 고객이 다가오는 기간 동안 제품을 주문할 것으로 예상되는지), 일정 기간 동안 얼마나 많은 제품이 주문되었는지를 나타내는 네트워크 전반의 과거 수요, 다가오는 기간 동안 얼마나 많은 제품이 주문될 것으로 예상되는지를 나타내는 네트워크 전반의 예측된 수요, 각각의 제품을 저장하는 각 풀필먼트 센터(200)에 저장된 제품의 하나 이상의 개수, 그 제품에 대한 예상 또는 현재 주문 등에 기초하여 제품에 대한 PDD를 계산할 수 있다.

일부 실시예에서, FO 시스템(113)은 주기적으로(예를 들면, 시간별로) 각 제품에 대한 PDD를 결정하고, 검색하거나 다른 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로 전송하기 위해 이를 데이터베이스에 저장할 수 있다. 다른 실시예에서, FO 시스템(113)은 하나 이상의 시스템(예를 들면, 외부 프론트 엔드 시스템(103), SAT 시스템(101), 배송 및 주문 트래킹 시스템(111))으로부터 전자 요청을 수신하고 요구에 따라 PDD를 계산할 수 있다.

일부 실시예에서, 풀필먼트 메시징 게이트웨이(FMG)(115)는 FO 시스템(113)과 같은 시스템(100) 내의 하나 이상의 시스템으로부터 하나의 포맷 또는 프로토콜로 요청 또는 응답을 수신하고, 그것을 다른 포맷 또는 프로토콜로 변환하여, 변환된 포맷 또는 프로토콜로 된 요청 또는 응답을 WMS(119) 또는 제3자 풀필먼트 시스템(121A, 121B, 또는 121C)과 같은 다른 시스템에 포워딩하며, 반대의 경우도 가능한 컴퓨터 시스템으로서 구현될 수 있다.

일부 실시예에서, 공급 체인 관리(SCM) 시스템(117)은 예측 기능을 수행하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, SCM 시스템(117)은, 예를 들어 제품에 대한 과거 수요, 제품에 대한 예측된 수요, 네트워크 전반의 과거 수요, 네트워크 전반의 예측된 수요, 각각의 풀필먼트 센터(200)에 저장된 제품 개수, 각 제품에 대한 예상 또는 현재 주문 등에 기초하여, 특정 제품에 대한 수요의 수준을 예측할 수 있다. 이러한 예측된 수준과 모든 풀필먼트 센터를 통한 각 제품의 수량에 응답하여, SCM 시스템(117)은 특정 제품에 대한 예측된 수요를 만족시키기에 충분한 양을 구매 및 비축하기 위한 하나 이상의 구매 주문을 생성할 수 있다.

일부 실시예에서, 창고 관리 시스템(WMS)(119)은 작업 흐름을 모니터링하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, WMS(119)는 개개의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))로부터 개별 이벤트를 나타내는 이벤트 데이터를 수신할 수 있다. 예를 들면, WMS(119)는 패키지를 스캔하기 위해 이들 디바이스 중 하나를 사용한 것을 나타내는 이벤트 데이터를 수신할 수 있다. 풀필먼트 센터(200) 및 도 2에 관하여 이하에서 논의되는 바와 같이, 풀필먼트 프로세스 동안, 패키지 식별자(예를 들면, 바코드 또는 RFID 태그 데이터)는 특정 스테이지의 기계(예를 들면, 자동 또는 핸드헬드 바코드 스캐너, RFID 판독기, 고속 카메라, 태블릿(119A), 모바일 디바이스/PDA(119B), 컴퓨터(119C)와 같은 디바이스 등)에 의해 스캔되거나 판독될 수 있다. WMS(119)는 패키지 식별자, 시간, 날짜, 위치, 사용자 식별자, 또는 다른 정보와 함께 대응하는 데이터베이스(미도시)에 패키지 식별자의 스캔 또는 판독을 나타내는 각 이벤트를 저장할 수 있고, 이러한 정보를 다른 시스템(예를 들면, 배송 및 주문 트래킹 시스템(111))에 제공할 수 있다.

일부 실시예에서, WMS(119)는 하나 이상의 디바이스(예를 들면, 디바이스(107A-107C 또는 119A-119C))와 시스템(100)과 연관된 하나 이상의 사용자를 연관시키는 정보를 저장할 수 있다. 예를 들면, 일부 상황에서, (파트 타임 또는 풀 타임 직원과 같은) 사용자는 모바일 디바이스(예를 들면, 모바일 디바이스는 스마트폰임)를 소유한다는 점에서, 모바일 디바이스와 연관될 수 있다. 다른 상황에서, 사용자는 임시로 모바일 디바이스를 보관한다는 점에서(예를 들면, 하루의 시작에서부터 모바일 디바이스를 대여받은 사용자가, 하루 동안 그것을 사용하고, 하루가 끝날 때 그것을 반납할 것임), 모바일 디바이스와 연관될 수 있다.

일부 실시예에서, WMS(119)는 시스템(100)과 연관된 각각의 사용자에 대한 작업 로그를 유지할 수 있다. 예를 들면, WMS(119)는 임의의 할당된 프로세스(예를 들면, 트럭에서 내리기, 픽업 구역에서 아이템을 픽업하기, 리비닝 월(rebin wall) 작업, 아이템 패킹하기), 사용자 식별자, 위치(예를 들면, 풀필먼트 센터(200)의 바닥 또는 구역), 직원에 의해 시스템을 통해 이동된 유닛의 수(예를 들면, 픽업된 아이템의 수, 패킹된 아이템의 수), 디바이스(예를 들면, 디바이스(119A-119C))와 관련된 식별자 등을 포함하는, 각 직원과 관련된 정보를 저장할 수 있다. 일부 실시예에서, WMS(119)는 디바이스(119A-119C)에서 작동되는 계시(timekeeping) 시스템과 같은 계시 시스템으로부터 체크-인 및 체크-아웃 정보를 수신할 수 있다.

일부 실시예에서, 제3자 풀필먼트 (3PL) 시스템(121A-121C)은 물류 및 제품의 제3자 제공자와 관련된 컴퓨터 시스템을 나타낸다. 예를 들면, (도 2와 관련하여 이하에서 후술하는 바와 같이) 일부 제품이 풀필먼트 센터(200)에 저장되는 반면, 다른 제품은 오프-사이트(off-site)에 저장될 수 있거나, 수요에 따라 생산될 수 있으며, 달리 풀필먼트 센터(200)에 저장될 수 없다. 3PL 시스템(121A-121C)은 FO 시스템(113)으로부터 (예를 들면, FMG(115)를 통해) 주문을 수신하도록 구성될 수 있으며, 고객에게 직접 제품 및/또는 서비스(예를 들면, 배달 또는 설치)를 제공할 수 있다. 일부 구현예에서, 하나 이상의 3PL 시스템(121A-121C)은 시스템(100)의 일부일 수 있지만, 다른 구현예에서는, 하나 이상의 3PL 시스템(121A-121C)이 시스템(100)의 외부에 있을 수 있다(예를 들어, 제3자 제공자에 의해 소유 또는 운영됨)일 수 있다.

일부 실시예에서, 풀필먼트 센터 인증 시스템(FC Auth)(123)은 다양한 기능을 갖는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, 일부 실시예에서, FC Auth(123)는 시스템(100) 내의 하나 이상의 다른 시스템에 대한 단일-사인 온(single-sign on, SSO) 서비스로서 작동할 수 있다. 예를 들면, FC Auth(123)는 내부 프론트 엔드 시스템(105)을 통해 사용자가 로그인하게 하고, 사용자가 배송 및 주문 트래킹 시스템(111)에서 리소스에 액세스하기 위해 유사한 권한을 갖고 있다고 결정하며, 두 번째 로그인 프로세스 요구 없이 사용자가 그러한 권한에 액세스할 수 있게 한다. 다른 실시예에서, FC Auth(123)는 사용자(예를 들면, 직원)가 자신을 특정 작업과 연관시킬 수 있게 한다. 예를 들면, 일부 직원은 (디바이스(119A-119C)와 같은) 전자 디바이스를 갖지 않을 수 있으며, 대신 하루 동안 풀필먼트 센터(200) 내에서 작업들 사이 및 구역들 사이에서 이동할 수 있다. FC Auth(123)는 이러한 직원들이 상이한 시간 대에 수행 중인 작업과 속해 있는 구역을 표시할 수 있도록 구성될 수 있다.

일부 실시예에서, 노동 관리 시스템(LMS)(125)은 직원(풀-타임 및 파트-타임 직원을 포함함)에 대한 출근 및 초과 근무 정보를 저장하는 컴퓨터 시스템으로서 구현될 수 있다. 예를 들면, LMS(125)는 FC Auth(123), WMS(119), 디바이스(119A-119C), 운송 시스템(107), 및/또는 디바이스(107A-107C)로부터 정보를 수신할 수 있다.

도 1a에 나타낸 특정 구성은 단지 예시일 뿐이다. 예를 들면, 도 1a는 FO 시스템(113)에 연결된 FC Auth 시스템(123)을 나타낸 반면, 모든 실시예가 이러한 특정 구성을 필요로 하는 것은 아니다. 실제로, 일부 실시예에서, 시스템(100) 내의 시스템은 인터넷, 인트라넷, WAN(Wide-Area Network), MAN(Metropolitan-Area Network), IEEE 802.11a/b/g/n 표준을 따르는 무선 네트워크, 임대 회선 등을 포함하는 하나 이상의 공공 또는 사설 네트워크를 통해 서로 연결될 수 있다. 일부 실시예에서, 시스템(100) 내의 시스템 중 하나 이상은 데이터 센터, 서버 팜 등에서 구현되는 하나 이상의 가상 서버로서 구현될 수 있다.

도 2는 풀필먼트 센터(200)를 나타낸다. 풀필먼트 센터(200)는 주문시 고객에게 배송하기 위한 아이템을 저장하는 물리적 장소의 예시이다. 풀필먼트 센터(FC)(200)는 다수의 구역으로 분할될 수 있으며, 각각이 도 2에 도시된다. 일부 실시예에서, 이러한 "구역(zones)"은 아이템을 수령하고, 아이템을 저장하고, 아이템을 검색하고, 아이템을 배송하는 과정의 상이한 단계 사이의 가상 구분으로 생각될 수 있다. 따라서, "구역"이 도 2에 나타나 있으나, 일부 실시예에서, 구역의 다른 구분도 가능하고, 도 2의 구역은 생략, 복제, 또는 수정될 수 있다.

인바운드 구역(203)은 도 1a의 시스템(100)을 사용하여 제품을 판매하고자 하는 판매자로부터 아이템이 수신되는 FC(200)의 영역을 나타낸다. 예를 들면, 판매자는 트럭(201)을 사용하여 아이템(202A, 202B)을 배달할 수 있다. 아이템(202A)은 자신의 배송 팔레트(pallet)를 점유하기에 충분히 큰 단일 아이템을 나타낼 수 있으며, 아이템(202B)은 공간을 절약하기 위해 동일한 팔레트 상에 함께 적층되는 아이템의 세트를 나타낼 수 있다.

작업자는 인바운드 구역(203)의 아이템을 수령하고, 선택적으로 컴퓨터 시스템(미도시)을 사용하여 아이템이 손상되었는지 및 정확한지를 체크할 수 있다. 예를 들면, 작업자는 아이템(202A, 202B)의 수량을 아이템의 주문 수량과 비교하기 위해 컴퓨터 시스템을 사용할 수 있다. 수량이 일치하지 않는다면, 해당 작업자는 아이템(202A, 202B) 중 하나 이상을 거부할 수 있다. 수량이 일치한다면, 작업자는 그 아이템들을 (예를 들면, 짐수레(dolly), 핸드트럭(handtruck), 포크리프트(forklift), 또는 수작업으로) 버퍼 구역(205)으로 운반할 수 있다. 버퍼 구역(205)은, 예를 들면, 예측된 수요를 충족시키기 위해 픽업 구역에 그 아이템이 충분한 수량만큼 있기 때문에, 픽업 구역에서 현재 필요하지 않은 아이템에 대한 임시 저장 영역일 수 있다. 일부 실시예에서, 포크리프트(206)는 버퍼 구역(205) 주위와 인바운드 구역(203) 및 드롭 구역(207) 사이에서 아이템을 운반하도록 작동한다. (예를 들면, 예측된 수요로 인해) 픽업 구역에 아이템(202A, 202B)이 필요하면, 포크리프트는 아이템(202A, 202B)을 드롭 구역(207)으로 운반할 수 있다.

드롭 구역(207)은 픽업 구역(209)으로 운반되기 전에 아이템을 저장하는 FC(200)의 영역일 수 있다. 픽업 동작에 할당된 작업자("피커(picker)")는 픽업 구역의 아이템(202A, 202B)에 접근하고, 픽업 구역에 대한 바코드를 스캔하며, 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A, 202B)과 관련된 바코드를 스캔할 수 있다. 그 다음 피커는 (예를 들면, 카트에 놓거나 운반함으로써) 픽업 구역(209)에 아이템을 가져갈 수 있다.

픽업 구역(209)은 아이템(208)이 저장 유닛(210)에 저장되는 FC(200)의 영역일 수 있다. 일부 실시예에서, 저장 유닛(210)은 물리적 선반, 책꽂이, 박스, 토트(tote), 냉장고, 냉동고, 저온 저장고 등 중 하나 이상을 포함할 수 있다. 일부 실시예에서, 픽업 구역(209)은 다수의 플로어로 편성될 수 있다. 일부 실시예에서, 작업자 또는 기계는, 예를 들면, 포크리프트, 엘리베이터, 컨베이어 벨트, 카트, 핸드트럭, 짐수레, 자동화된 로봇 또는 디바이스, 또는 수작업을 포함하는 다양한 방식으로 아이템을 픽업 구역(209)으로 운반할 수 있다. 예를 들면, 피커는 아이템(202A, 202B)을 드롭 구역(207)의 핸드트럭 또는 카트에 놓을 수 있으며, 아이템(202A, 202B)을 픽업 구역(209)으로 가져갈 수 있다.

피커는 저장 유닛(210) 상의 특정 공간과 같은 픽업 구역(209)의 특정 스팟에 아이템을 배치(또는 "적재(stow)")하라는 명령을 수신할 수 있다. 예를 들면, 피커는 모바일 디바이스(예를 들면, 디바이스(119B))를 사용하여 아이템(202A)을 스캔할 수 있다. 디바이스는, 예를 들면, 통로, 선반 및 위치를 나타내는 시스템을 사용하여, 아이템(202A)을 적재해야 하는 위치를 나타낼 수 있다. 그 다음 디바이스는 그 위치에 아이템(202A)을 적재하기 전에 피커가 그 위치에서 바코드를 스캔하도록 할 수 있다. 디바이스는 도 1a의 WMS(119)와 같은 컴퓨터 시스템에 아이템(202A)이 디바이스(119B)를 사용하는 사용자에 의해 그 위치에 적재되었음을 나타내는 데이터를 (예를 들면, 무선 네트워크를 통해) 전송할 수 있다.

일단 사용자가 주문을 하면, 피커는 저장 유닛(210)으로부터 하나 이상의 아이템(208)을 검색하기 위해 디바이스(119B)에 명령을 수신할 수 있다. 피커는 아이템(208)을 검색하고, 아이템(208) 상의 바코드를 스캔하며, 운송 기구(214) 상에 놓을 수 있다. 일부 실시예에서, 운송 기구(214)가 슬라이드로서 표현되지만, 운송 기구는 컨베이어 벨트, 엘리베이터, 카트, 포크리프트, 핸드트럭, 짐수레, 카트 등 중 하나 이상으로서 구현될 수 있다. 그 다음 아이템(208)은 패킹 구역(211)에 도착할 수 있다.

패킹 구역(211)은 아이템이 픽업 구역(209)으로부터 수령되고 고객에게 최종 배송하기 위해 박스 또는 가방에 패킹되는 FC(200)의 영역일 수 있다. 패킹 구역(211)에서, 아이템을 수령하도록 할당된 작업자("리비닝 작업자(rebin worker)")는 픽업 구역(209)으로부터 아이템(208)을 수령하고, 그것이 어느 주문에 대응하는지를 결정할 것이다. 예를 들면, 리비닝 작업자는 아이템(208) 상의 바코드를 스캔하기 위해 컴퓨터(119C)와 같은 디바이스를 사용할 수 있다. 컴퓨터(119C)는 아이템(208)이 어느 주문과 관련이 있는지를 시각적으로 나타낼 수 있다. 이는, 예를 들면, 주문에 대응하는 월(216) 상의 공간 또는 "셀(cell)"을 포함할 수 있다. (예를 들면, 셀에 주문의 모든 아이템이 포함되어 있기 때문에) 일단 주문이 완료되면, 리비닝 작업자는 패킹 작업자(또는 "패커(packer)")에게 주문이 완료된 것을 알릴 수 있다. 패커는 셀로부터 아이템을 검색하고, 배송을 위해 이들을 박스 또는 가방에 놓을 수 있다. 그 다음 패커는, 예를 들면, 포크리프트, 카트, 짐수레, 핸드트럭, 컨베이어 벨트, 수작업 또는 다른 방법을 통해, 박스 또는 가방을 허브 구역(213)으로 보낼 수 있다.

허브 구역(213)은 패킹 구역(211)으로부터 모든 박스 또는 가방("패키지(packages)")을 수신하는 FC(200)의 영역일 수 있다. 허브 구역(213)의 작업자 및/또는 기계는 패키지(218)를 검색하고, 각 패키지가 배달 영역의 어느 부분으로 배달되도록 되어 있는지를 결정하며, 패키지를 적합한 캠프 구역(215)으로 보낼 수 있다. 예를 들면, 배달 영역이 2개의 작은 하위 영역을 갖는다면, 패키지는 2개의 캠프 구역(215) 중 하나로 보내질 것이다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 패키지를 캠프 구역(215)으로 보내는 것은, 예를 들면, (우편 번호에 기초하여) 패키지가 향하는 지리적 영역의 부분을 결정하고, 지리적 영역의 부분과 관련된 캠프 구역(215)을 결정하는 것을 포함할 수 있다.

일부 실시예에서, 캠프 구역(215)은 루트 및/또는 서브-루트로 분류하기 위해 허브 구역(213)으로부터 패키지가 수령되는 하나 이상의 빌딩, 하나 이상의 물리적 공간, 또는 하나 이상의 영역을 포함할 수 있다. 일부 실시예에서, 캠프 구역(215)은 FC(200)로부터 물리적으로 분리되어 있는 반면, 다른 실시예에서는 캠프 구역(215)은 FC(200)의 일부를 형성할 수 있다.

캠프 구역(215)의 작업자 및/또는 기계는, 예를 들면, 목적지와 기존 루트 및/또는 서브-루트의 비교, 각각의 루트 및/또는 서브-루트에 대한 작업량의 계산, 하루 중 시간, 배송 방법, 패키지(220)를 배송하기 위한 비용, 패키지(220)의 아이템과 관련된 PDD 등에 기초하여 패키지(220)가 어느 루트 및/또는 서브-루트와 연관되어야 하는지를 결정할 수 있다. 일부 실시예에서, 작업자 또는 기계는 최종 목적지를 결정하기 위해 (예를 들면, 디바이스(119A-119C) 중 하나를 사용하여) 패키지를 스캔할 수 있다. 일단 패키지(220)가 특정 루트 및/또는 서브-루트에 할당되면, 작업자 및/또는 기계는 배송될 패키지(220)를 운반할 수 있다. 예시적인 도 2에서, 캠프 구역(215)은 트럭(222), 자동차(226), 배달원(224A, 224B)을 포함한다. 일부 실시예에서, 배달원(224A)이 트럭(222)을 운전할 수 있는데, 이 때 배달원(224A)은 FC(200)에 대한 패키지를 배달하는 풀-타임 직원이며, 트럭은 FC(200)를 소유, 임대 또는 운영하는 동일한 회사에 의해 소유, 임대, 또는 운행된다. 일부 실시예에서, 배달원(224B)이 자동차(226)를 운전할 수 있는데, 이 때 배달원(224B)은 필요에 따라(예를 들면, 계절에 따라) 배달하는 "플렉스(flex)" 또는 비상시적인 작업자이다. 자동차(226)는 배달원(224B)에 의해 소유, 임대 또는 운행될 수 있다.

도 3은 개시된 실시예에 따른, 상호 동작 사용자 인터페이스 요소와 함께 제품 및 제품에 대한 정보를 포함하는 제품 목록의 샘플을 나타낸 도면이다. 제품 목록은, 예를 들면, 외부 프론트 엔드 시스템(103)에 의해 호스팅되는 웹사이트에 생성되고 유지될 수 있다. 일부 실시예에서, 제품 목록은, 하나 이상의 사설 또는 공용 네트워크(예로써, 인터넷, 인트라넷, WAN, MAN 등)를 통해서 접속 가능한 웹사이트, 제3자 판매자, 데이터베이스, 또는 기타 소스와 같이, 시스템(100)의 외부에 있는 시스템 또는 데이터 구조에 의해 리스트되거나 저장될 수 있다. 제품 목록은, 제품 목록의 하나 이상의 제품과 연관된 타이틀(310), 가격(320), 사진(330), 선택 가능한 옵션(340 및 350), 수량(360), 모델 번호(340), 또는 기타 정보와 같이, 하나 이상의 제품과 연관된 여러 요소를 포함할 수 있다. 제품 목록은 복수의 여러 선택 가능한 옵션(예로써, 모델, 컬러, 스타일, 수량 등)을 포함하는 하나 이상의 필드(예로써, 선택 가능한 옵션(340 및 350))를 포함할 수 있으며, 각 제품 목록은 개시된 실시예에 따른 하나의 제품 또는 복수의 제품을 포함할 수 있다. 도 3에서, 제품 목록의 샘플은 웹 페이지로 예시되어 있지만, 용어 "제품 목록"은 시스템(100) 또는 다른 외부 시스템과 연관된 데이터베이스에서의 엔트리와 같이, 하나 이상의 관련 제품과 연관된 데이터 또는 정보의 임의의 컬렉션을 나타낼 수 있음을 이해해야 한다.

도 4는 본 개시의 일부 실시예에 따른, 예시적인 서버 컴퓨터 시스템(400)(이하 "서버(400)"라고 칭함)의 블록도이다. 서버(400)는 본 개시의 일부 실시예에 따른 하나 이상의 프로세스를 수행하기 위해 메모리에 저장된 소프트웨어 명령을 실행하도록 구성된 하나 이상의 컴퓨팅 디바이스일 수 있다. 예를 들어, 서버(400)는 데이터 및 소프트웨어 명령을 저장하기 위한 하나 이상의 메모리 디바이스, 및 데이터를 분석하고 서버 기반 기능 및 동작(예로써, 백엔드 프로세스)을 수행하도록 소프트웨어 명령을 실행하기 위한 하나 이상의 하드웨어 프로세서를 포함할 수 있다. 서버 기반 기능 및 동작은, 예를 들면, 복수의 제품의 정확하고 자동적인 식별(identifications), 이해(understandings), 및 비교(comparisons)를 생성하기 위해 제품 목록에 포함된 텍스트를 지능적으로 평가하는 것을 포함할 수 있다.

도 4에서, 서버(400)는 하드웨어 프로세서(410), 입력/출력(I/O) 디바이스(420), 및 메모리(430)를 포함한다. 서버(400)는 임의의 수의 이러한 컴포넌트를 포함할 수 있으며, 추가로 임의의 수의 다른 컴포넌트를 포함할 수 있다는 점에 유의해야 한다. 서버(400)는 독립형일 수 있으며, 또는 보다 큰 시스템(예로써, 시스템(100))의 일부인 서브시스템(예로써, 외부 프론트 엔드 시스템(103), 내부 프론트 엔드 시스템(105) 등)의 일부일 수 있다. 예를 들어, 서버(400)는 서로 멀리 떨어져 있고 네트워크를 통해 통신하는 분산 서버를 나타낼 수 있다.

프로세서(410)는, 예를 들어, 마이크로프로세서와 같은, 하나 이상의 알려진 프로세싱 디바이스를 포함할 수 있다. 일부 실시예에서, 프로세서(410)는 임의의 타입의 싱글 혹은 멀티 코어 프로세서, 모바일 디바이스 마이크로컨트롤러, 중앙 처리 장치, 또는 논리 연산을 수행하는 임의의 회로를 포함할 수 있다. 동작시, 프로세서(410)는 본 명세서에 설명되는 기술에 따라서 컴퓨터 명령(예로써, 프로그램 코드)을 실행하고, 기능을 수행할 수 있다. 컴퓨터 명령은 본 명세서에 설명되는 특정 프로세스를 수행할 수 있는, 루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조, 절차, 모듈, 및 기능을 포함할 수 있다. 일부 실시예에서, 이런 명령은 메모리(430), 프로세서(410) 등에 저장될 수 있다.

I/O 디바이스(420)는 서버(400)가 데이터를 수신 및/또는 전송 가능하도록 구성된 하나 이상의 디바이스일 수 있다. I/O 디바이스(420)는, 키보드, 마우스, 터치스크린, 디스플레이, 또는 데이터를 입출력하기 위한 임의의 디바이스와 연관된 것과 같이, 하나 이상의 고객 I/O 디바이스 및/또는 컴포넌트를 포함할 수 있다. 또한 I/O 디바이스(420)는 서버(400)가 서버(400)의 서로 다른 컴포넌트들과 같이, 서로 다른 머신 및 디바이스와 통신 가능하게 하는 하나 이상의 디지털 및/또는 아날로그 통신 디바이스를 포함할 수 있다. 또한 I/O 디바이스(420)는 입력 정보를 수신하고 그리고/또는 출력 정보를 표시하거나 제공하도록 구성된 인터페이스 하드웨어를 포함할 수 있다. 예를 들어, I/O 디바이스(420)는 고객 인터페이스를 표시하도록 구성된 모니터를 포함할 수 있다.

메모리(430)는 개시된 실시예와 관련된 기능을 수행하기 위해 프로세서(410)에 의해 사용되는 명령을 저장하도록 구성된 하나 이상의 저장 디바이스를 포함할 수 있다. 예를 들어, 메모리(430)는 프로그램 및/또는 데이터와 연관된 하나 이상의 소프트웨어 명령으로 구성될 수 있다.

메모리(430)는 서버(400)의 기능을 수행하는 단일 프로그램, 또는 다수의 프로그램을 포함할 수 있다. 추가적으로, 프로세서(410)는 서버(400)로부터 원격에 위치한 하나 이상의 프로그램을 실행할 수 있다. 또한 메모리(430)는 임의의 타입의 정보를 반영할 수 있는 데이터를 개시된 실시예에 따른 동작을 수행하기 위해 시스템이 이용할 수 있는 임의의 포맷으로 저장할 수 있다. 메모리(430)는 휘발성 또는 비휘발성(예로써, ROM, RAM, PROM, EPROM, EEPROM, 플래시 메모리 등), 자기, 반도체, 테이프, 광학, 이동식, 비이동식, 또는 또다른 타입의 저장 디바이스이거나 유형의(즉, 비일시적) 컴퓨터 판독 가능 매체일 수 있다.

본 개시의 일부 실시예에 따르면, 서버(400)는 태깅 모듈(414), 분석 모듈(416), 및 비교기 모듈(418)을 포함할 수 있는 텍스트 매퍼(412)를 포함할 수 있다. 텍스트 매퍼(412)는 태깅 모듈(414), 분석 모듈(416), 및 비교기 모듈(418)을 이용하여 하나 이상의 제품 목록의 텍스트 기반 분석(예로써, 수량 분석, 제품 비교, 제품 타입 매핑 등)을 자율적이고 자동적으로 구현하도록 구성될 수 있다. 텍스트 매퍼(412)는 소프트웨어(예로써, 메모리(430)에 저장된 프로그램 코드), 하드웨어(예로써, 프로세서(410) 내에 통합된 혹은 그것과 통신하는 특수 칩), 또는 이것들의 조합으로 구현될 수 있다. 태깅 모듈(414), 분석 모듈(416), 및 비교기 모듈(418)은 도 5를 참조하여 아래에 보다 자세하게 논의될 것이다.

또한 서버(400)는 하나 이상의 데이터베이스(440)에 통신 가능하게 연결될 수 있다. 예를 들어, 서버(400)는 데이터베이스(440)에 통신 가능하게 연결될 수 있다. 데이터베이스(440)는 컴퓨터 시스템(예로써, 데이터베이스 서버 컴퓨터) 내에 구현된 데이터베이스일 수 있다. 데이터베이스(440)는 정보(예로써, 텍스트 매퍼(412)에 의해 출력된 데이터)를 저장하고, 서버(400)를 통해서 접속 및/또는 관리되는 하나 이상의 메모리 디바이스를 포함할 수 있다. 일례로써, 데이터베이스(440)는 오라클(등록상표) 데이터베이스, 사이베이스(등록상표) 데이터베이스, 또는 다른 관계형 데이터베이스나 하둡(Hadoop) 시퀀스 파일, HBase, 혹은 카산드라(Cassandra)와 같은, 비관계형 데이터베이스를 포함할 수 있다. 그러나, 개시된 실시예의 시스템 및 방법은 별개의 데이터베이스로 한정되는 것은 아니다. 일 형태로서, 서버(400)는 데이터베이스(440)를 포함할 수 있다. 또는, 데이터베이스(440)는 서버(400)로부터 원격으로 위치될 수 있다. 데이터베이스(440)는 데이터베이스(440)의 메모리 디바이스에 저장된 데이터에 대한 요청을 수신 및 처리하며, 데이터베이스(440)로부터 데이터를 제공하도록 구성된 컴퓨팅 컴포넌트(예로써, 데이터베이스 관리 시스템, 데이터베이스 서버 등)를 포함할 수 있다.

서버(400)는 또한 적어도 하나의 사용자 인터페이스(450)에 통신 가능하게 연결될 수 있다. 사용자 인터페이스(450)는 그래픽 인터페이스(예로써, 디스플레이 패널), 오디오 인터페이스(예로써, 스피커), 또는 햅틱 인터페이스(예로써, 진동 모터)를 포함할 수 있다. 예를 들어, 디스플레이 패널은 LCD(liquid crystal display), LED(light-emitting diode), 플라즈마 디스플레이, 프로젝션, 또는 임의의 타입의 디스플레이를 포함할 수 있다. 오디오 인터페이스는 마이크로폰, 스피커, 및/또는 오디오 입력/출력(예로써, 헤드폰 잭)을 포함할 수 있다. 일부 실시예에서, 사용자 인터페이스(450)는 서버(400)에 포함될 수 있다. 일부 실시예에서, 사용자 인터페이스(450)는 별개의 컴퓨터 시스템에 포함될 수 있다. 사용자 인터페이스(450)는 서버(400)로부터 전송된 데이터를 표시하도록 구성될 수 있다.

도 4에 도시되고 설명된 서버(400)와 관련하여, 본 명세서에 설명되는 시스템 및 방법은 텍스트 매핑의 기술적 문제에 대한 기술적 해결방안을 제공할 수 있다. 본 개시의 형태는 인터넷을 통해서 판매 가능한 많은 양의 제품 사이에서 정확하고 자동적인 식별, 이해, 및 비교를 생성하기 위해서 제품 목록에 포함된 텍스트를 지능적으로 평가하는 것과 관련될 수 있다. 설명의 편의를 위해, 시스템에 대한 형태가 방법, 장치, 및 비일시적 컴퓨터 판독 가능 매체에 동일하게 적용된다는 이해와 함께 시스템이 아래에 설명된다. 예를 들어, 이러한 시스템의 일부 형태는 시스템(예로써, 서버(400) 및 데이터베이스(440)), 장치(예로써, 서버(400)), 방법, 또는 비일시적 컴퓨터 판독 가능 매체(예로써, 서버(400)의 메모리(430) 또는 또다른 저장 디바이스)에 저장된 프로그램 코드나 컴퓨터 명령으로 구현될 수 있다. 가장 넓은 의미에서, 시스템은 임의의 특정한 물리적 또는 전자적 수단으로 한정되는 것이 아니라, 많은 다양한 수단을 이용하여 달성될 수 있다.

본 개시의 일부 실시예에 따르면, 제품 타이틀로부터 수량의 지능적 추출을 위한 시스템은 명령을 저장하도록 구성된 비일시적 컴퓨터 판독 가능 매체 및 동작을 수행하기 위해 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함할 수 있다. 본 명세서에서 사용되는 컴퓨터 애플리케이션은, 기능(예로써, 텍스트 매핑)을 구현하기 위해 논리적인 방법으로 결합된 컴퓨터 프로그램 또는 모듈의 세트를 나타낼 수 있다. 일부 실시예에서, 컴퓨터 애플리케이션은 시스템의 서버 컴퓨터에서 생성, 유지, 업데이트, 또는 실행될 수 있다. 일부 경우에, 기능은 다수의 서로 다른 동작 시퀀스에 의해 구현될 수 있기 때문에, 컴퓨터 애플리케이션은 다수의 서로 다른 프로그램에 의해 구현될 수 있다.

일례로써, 도 4를 참조하여, 시스템은 서버(400) 및 데이터베이스(440)를 포함할 수 있다. 적어도 하나의 프로세서는 서버(400)의 프로세서(410)일 수 있다. 비일시적 컴퓨터 판독 가능 매체는 서버(400)의 메모리(430)일 수 있다. 비일시적 컴퓨터 판독 가능 매체에 저장된 명령은 서버(400)의 텍스트 매퍼(412)를 구현하기 위해 이용될 수 있다.

도 5는 본 개시의 일부 실시예에 따른, 지능적 제품 목록 분석을 위한 텍스트 매퍼(412)의 예시적인 구조의 도면이다. 텍스트 매퍼(412)는 텍스트의 자연 언어 처리("NLP")에 관한 다양한 동작을 수행하도록 구성될 수 있다. 일례로써, 텍스트 매퍼(412)는 데이터베이스(440)로부터 하나 이상의 제품 목록(예로써, 도 3)을 수신 및/또는 검색하고, 하나 이상의 제품 목록에 대해 하나 이상의 분석을 수행하며, 그리고 분석 결과(예로써, 결정된 제품 타입 또는 비교 점수)를 출력하도록 구성될 수 있다.

일부 실시예에서, 텍스트 매퍼(412)는 태깅 모듈(414)을 포함할 수 있다. 태깅 모듈(414)은 하나 이상의 제품 목록(510)을 수신하도록 구성될 수 있다. "태깅" 프로세스는, 제품 목록에서, 제품에 관한 속성, 수량, 또는 기타 디스크립터일 수 있는 모든 후보 단어(즉, "태그")를 식별, 추출, 및/또는 평가하는 것을 나타낼 수 있다. 예를 들어, 태깅 모듈(414)은 제품 목록으로부터 제품에 관한 속성, 수량, 또는 다른 제품 관련 정보를 식별, 추출, 및/또는 평가하도록 제품 목록(510)을 처리할 수 있다. 일부 실시예에서, 텍스트 매퍼(412)는 프리프로세서(들)(522), 태그 파인더(들)(524), 리졸버(resolver)(들)(526), 및 포스트프로세서(들)(528)를 포함할 수 있으며, 이들 각각은 하나 이상의 제품 목록을 태깅하는 것에 관한 하나 이상의 프로세스를 실행하도록 구성될 수 있다.

일부 실시예에서, 프리프로세서(들)(522)는 토큰화(tokenization), 정규화(normalization), 및 노이즈 제거와 같은 다양한 텍스트 전처리 기능을 수행하도록 구성될 수 있다. 이런 기능은 HTML 태그 제거, 가외의 여백 제거, 특수 문자 제거, 숫자 제거, 스톱 워드 제거, 악센트 문자의 ASCII 문자로의 변환, 단축어(contractions) 확대, 문자의 소문자로의 변환, 숫자 단어의 숫자 형태(numeric form)로의 변환, 표제어 추출(lemmatization) 등을 포함할 수 있지만, 이것들로 한정되는 것은 아니다. 예를 들어, 프리프로세서(들)(522)는 제품 목록 디스크립션에 포함된 정보를 식별 가능한 개별 특징, 문자, 또는 속성으로 필터링, 변환, 또는 전처리하도록 구성될 수 있다. 일부 실시예에서, 프리프로세서(들)(522)는 제품 목록(510)의 정보를 필터링하고 특수 문자(예로써, 해시태그, 구두점, 숫자 등) 및 옵션 번호를 식별하도록 구성될 수 있으며, 이것들을 제거 및/또는 일반 문자로 변환할 수 있다. 일례로써, 제품 목록(510)에 포함된 제품 타이틀은 텍스트 "/◇001#X7#color:red/"를 포함할 수 있으며, 이 텍스트를 "01; X7; red"와 같은 표준 형태로 변환할 수 있다.

일부 실시예에서, 태그 파인더(들)(524)는, 제품 목록에서, 전처리된 텍스트의 후보 단어(즉, "태그")를 식별, 추출, 및/또는 평가하도록 구성될 수 있다. 예를 들어, 제품 목록(510)이 제품에 대한 모델 번호를 포함하는 경우, 태그 파인더(들)(524)는 특정 텍스트를 찾아 그것을 모델 번호로 태그 지정할 수 있다. 태그 파인더(들)(524)는 정규 표현을 인식함으로써 태그를 추출하는 패턴 기반 태그 파인더를 포함할 수 있다. 일부 실시예에서, 태그 파인더(들)(524)는 딕셔너리(530)를 참조하고 태그와 함께 이전에 등록되어 있는 전처리된 텍스트의 단어들로부터 태그를 추출할 수 있다. 딕셔너리(530)는 데이터베이스(예로써, 데이터베이스(440))와 같은 메모리에 저장될 수 있으며, 시스템(100)과 연관된 하나 이상의 시스템, 서브시스템, 또는 컴포넌트(예로써, 서버(400))에 의해 접속 및/또는 수정될 수 있다. 일부 실시예에서, 태그 파인더(들)(524)는 구문 단어로부터(예로써, 숫자, 문자, 및/또는 심볼의 조합으로부터) 추출될 수 없는 태그를 추출하도록 구성될 수 있는 태그 파인더를 포함할 수 있다. 일부 실시예에서, 태그 파인더는 다양한 형태의 형태소(morphological) 분석을 수행하도록 구성될 수 있는, 태그 파인더(들)(524)과 연관된 프로그램 혹은 모듈을 나타낼 수 있다. 예를 들어, 태그 파인더는 적어도 하나의 데이터 구조(예로써, 딕셔너리(530))에 접속하고 태그 형태로 제품 타이틀의 형태소 분석 결과를 추출하도록 구성될 수 있다. 일부 실시예에서, 태그 파인더는 또한 언어적으로 의미 있는 태그를 결정하고, (예로써, 태그로서 합성어를 추출함으로써) 단어의 과도한 분할을 방지하도록 구성될 수 있다.

일부 실시예에서, 태그 파인더(들)(524)는 단일 단어로부터 하나 이상의 태그를 추출하도록 구성될 수 있다. 예를 들어, 제품 목록(510) 관련 제품 타이틀이 컬러 대신에 브랜드를 나타내는 단어 "레드(red)"를 포함할 수 있다. 태그 파인더(들)(524)는 이 용어로부터, 컬러와 연관되는 것 및 브랜드와 연관되는 것의 두개의 태그를 추출할 수 있다. 또 다른 예로서, 제품 타이틀은 단어 "매직팬츠(magicpants)"를 포함할 수 있다. 태그 파인더(들)(524)는 이 용어로부터, "매직팬츠/제품"(즉, 하기스의 서브브랜드)와 연관되는 것 및 "매직/제품" 및 "팬츠/브랜드"와 연관되는 것인 두개의 태그를 추출할 수 있다. 일부 실시예에서, 태그 파인더(들)(524)는 예를 들어, 제품 목록(510)이 동음이의어, 오자, 또는 약어를 포함하는 경우 추출된 태그의 원 텍스트를 대표 단어로 변환할 수 있다.

일부 실시예에서, 리졸버(들)(526)는 태그 파인더(들)(524)에 의해 추출된 모든 태그로부터 속성의 가장 적절한 조합을 결정하도록 구성될 수 있다. 리졸버(들)(526)는 태그 파인더(들)(524)와 직렬로 또는 서로 협력하여 동작할 수 있다. 예를 들어, 태그 파인더(들)(524)는 제품 목록(510)에 포함된 하나 이상의 단어 또는 문자와 연관시키도록 가장 적절한 태그를 결정하기 위해서 리졸버(들)(526)에 의해 결정된 속성의 가장 적절한 조합을 이용할 수 있다. 리졸버(들)(526)는 속성의 최적 조합을 결정하기 위해서 하나 이상의 지식 베이스(예로써, 딕셔너리(530), 지식 그래프, 확률 테이블(probabilistic table) 등) 및/또는 하나 이상의 알고리즘(예로써, 비터비(Viterbi) 알고리즘, 나이브 베이즈(Naive Bayes) 알고리즘 등)을 참조할 수 있다.

일부 실시예에서, 포스트프로세서(들)(528)는 옵션 필드와 같이 제품 목록에 포함된 정보에 기초하여 추출된 속성에 대한 후처리 동작을 수행하도록 구성될 수 있다. 이런 동작은 제품 목록으로부터 개별적으로 하나 이상의 판매 대상을 결정 및 추출하는 것을 포함할 수 있지만, 이것으로 한정되는 것은 아니다. 예를 들어, 도 3에서, 제품 목록의 타이틀(310)은 여러 모델(즉, X9/X8/X7/X5/X4)을 언급하고, 이들 각각은 개별 속성으로 태그 지정될 수 있다. 그러나, 이 제품 목록의 실제 판매 대상은 "모델 선택" 필드(340) 및 "컬러 선택" 필드(350)에서 고객의 선택에 따른 이들 모델 중 하나에만 대응할 것이다. 제품 목록의 타이틀 및 옵션 필드 양쪽에 리스트되어 있는 이들 모델에 기초하여, 포스트프로세서(들)(528)는 타이틀이 다수의 제품을 나타내는 것임을 결정하고 각 개별 제품을 식별할 수 있다. 예를 들어, 포스트프로세서(들)(528)는 제품 목록(510)에서 옵션 필드를 검출하고, 각 옵션 필드 내의 각각의 옵션을 추출할 수 있다. 일부 실시예에서, 포스트프로세서(들)(528)는 옵션이 타이틀 내의 텍스트에 대응하는지 결정하기 위해 하나 이상의 매칭 방법(예로써, 문자열 매칭 알고리즘, 나이브(naive) 문자열 검색, 유한 상태 자동화(finite-state-automation) 기반 검색, 스터브(stub), 인덱스 방법 등)을 이용할 수 있다.

일부 실시예에서, 텍스트 매퍼(412)는 분석 모듈(416)을 포함할 수 있다. 분석 모듈(416)은 시스템이 제품을 종합적으로 이해하는데 필요한 제품 속성 이외의 제품 목록의 정보 분석을 수행하도록 구성될 수 있다. 예를 들어, 일부 실시예에서, 분석 모듈(416)은 수량 분석기(들)(542)를 포함할 수 있다. 수량 분석기(들)(542)는 제품 목록에 포함된 수량 정보를 분석하도록 구성될 수 있다. 일례로써, 수량 분석기(들)(542)는 판매 대상이 다수의 유닛을 포함하는지를 결정하기 위한 값(value)과 연관되는 하나 이상의 추출된 태그를 평가할 수 있다. 수량 분석기(들)(542)는 예를 들어, 제품의 카테고리, 수량 태그의 패턴, 및/또는 수량 태그와 비수량 태그 간의 관계를 이용함으로써(예로써, 확률 테이블을 이용함으로써), 제품의 수량을 해석할 수 있다.

일부 실시예에서, 텍스트 매퍼(412)는 비교기 모듈(418)을 포함할 수 있다. 비교기 모듈(418)은 태깅 모듈(414) 및 분석 모듈(416)에 의해 처리된 정보를 이용하여 하나 이상의 제품 목록에 포함된 두개 이상의 제품 간의 유사도를 결정하도록 구성될 수 있다. 일부 실시예에서, 비교기 모듈(418)은 점수 비교기(들)(552) 및 명목(nominal) 비교기(들)(554)를 포함할 수 있다. 점수 비교기(들)(552)는 제품 간의 수치적 유사도 점수(예로써, 텍스트 유사도, 브랜드 유사도, 모델 번호 유사도, 속성 유사도, 키워드 유사도 등)를 생성할 수 있으며, 반면에 명목 비교기(들)(554)는 각 제품의 명목적 특징에 기초한 결과를 생성할 수 있다. 점수 비교기(들)(552) 및 명목 비교기(들)(554)는 유사도를 결정하기 위한 하나 이상의 방법 또는 알고리즘(예로써, 문자열 유사도 알고리즘, 편집 거리(edit distance) 기반 알고리즘, 토큰 기반 알고리즘, 시퀀스 기반 알고리즘 등)을 이용할 수 있다. 점수 비교기(들)(552) 및 명목 비교기(들)(554)에 의해 생성된 결과는 비교기 모듈(418)에 의해 출력되는 출력(560)에 포함될 수 있다. 일부 실시예에서, 출력(560)은, 텍스트 매퍼(412)가 전송할 수 있는, 적어도 하나의 컴퓨터화된 시스템이 결과에 관한 하나 이상의 동작을 실행하게 하는 명령을 포함할 수 있다. 예를 들어, 명령은 적어도 하나의 사용자 디바이스가 (예로써, 사용자 인터페이스(450)를 통해서) 결과를 표시하게 하거나, 또는 결과가 적어도 하나의 데이터 구조(예로써, 데이터베이스(440))에 등록 및/또는 삽입되게 할 수 있다.

도 6은 본 개시에 따른, 개시된 시스템 및 방법에 의해 생성될 수 있는 비교 결과(600)를 보여주는 블록도이다. 결과(600)는, 예를 들어, 텍스트 매퍼(412)의 비교기 모듈(418)에 의해 생성될 수 있으며, 출력(560)의 일부로서 포함될 수 있다. 도 4에서 각 비교(예로써, 브랜드 비교(611), 모델번호 비교(612), 키워드 비교(613), 사이즈 비교(614), 컬러 비교(615), 및 무게 비교(616))는 비교된 제품의 특정 속성과 연관된다. 그러나, 결과(600)는 임의의 수의 속성 및/또는 제품에 관한 임의의 수 또는 타입의 비교를 포함할 수 있음을 이해해야 한다. 각 비교는 제1 제품과 연관된 추출된 속성(즉, 브랜드(621), 모델번호(622), 키워드(623), 사이즈(624), 및 컬러(625))과 제2 제품과 연관된 대응하는 추출된 속성(즉, 브랜드(631), 모델번호(632), 키워드(633), 컬러(635), 및 무게(636)) 간의 비교를 포함한다.

일부 실시예에서, 결과(600)는 퍼센티지 또는 다른 점수 기반 결과일 수 있는 두 제품 간의 수치적 결과의 세트(즉, 브랜드 유사도(641), 모델번호 유사도(642), 키워드 유사도(643), 및 속성 유사도(644))를 포함할 수 있다. 일부 실시예에서, 수치적 결과는 단일의 텍스트 유사도(660)로 결합될 수 있다. 결과(600)는 또한 명목 결과의 세트를 포함할 수 있다. 일례로써, 명목 브랜드 결과(601)는 브랜드(621)와 브랜드(631) 간의 "매칭"(즉, 그것들이 같은 브랜드임)을 나타낼 수 있고, 명목 모델번호 결과(602)는 "부분 매칭"을 나타낼 수 있으며, 명목 결과(604)는 제2 제품에 대해 사이즈 속성이 나타나지 않았음을 나타낼 수 있고, 명목 결과(605)는 컬러(625 및 635)가 매칭되지 않음을 나타낼 수 있으며, 그리고 명목 결과(606)는 제1 제품에 대해 무게 속성이 나타나지 않았음을 나타낼 수 있다. 일부 실시예에서, 결과(600)는 유사도를 결정하기 위한 하나 이상의 방법 또는 알고리즘(예로써 문자열 유사도 알고리즘, 편집 거리 기반 알고리즘, 토큰 기반 알고리즘, 시퀀스 기반 알고리즘 등)을 이용하여 생성될 수 있다.

일부 실시예에서, 결과(600)는 두개 이상의 제품에 대한 유닛당 가격을 비교하는 것에 기초하여 하나 이상의 수치적 결과를 포함할 수 있다. 유닛당 가격은, 예를 들어, 텍스트 매퍼(412)의 하나 이상의 컴포넌트(예로써, 분석 모듈(416))에 의해 결정될 수 있다. 일부 실시예에서, 유닛당 가격은 텍스트 매퍼(412)의 하나 이상의 컴포넌트(예로써, 수량 분석기(들)(542))에 의해 결정될 수 있는 제품의 수량에 기초할 수 있다. 일례로써, 두개의 개별 제품 목록은 유사한 제품 타입(예로써, 기저귀)을 포함할 수 있지만, 특정 제품이 서로 다른 수량을 가질 수 있다. 제1 제품 목록은 총 $24의 비용인 "신생아 기저기(20개들이 12팩)"에 대한 것이고, 제2 제품 목록은 총 $18 달러의 비용인 "신생아 기저귀(20개들이 6팩)"에 대한 것일 수 있다. 일부 실시예에서, 텍스트 매퍼(412)는, 각 제품 목록에 포함된 실제 가격(즉, $24 및 $18)을 비교하는 것 대신에, 제1 제품 목록의 결정된 유닛당 가격(즉, 기저귀당 $0.10)을 제2 제품 목록의 결정된 유닛당 가격(즉, 기저귀당 $0.15)과 비교하도록 구성될 수 있다.

도 7은 개시된 실시예에 따른, 제품 타이틀을 이용한 지능적 제품 분류를 위한 지식 그래프(700)의 예시적인 구조의 도면이다. 지식 그래프(700)는, 하나 이상의 제품의 태깅 또는 분류 관련 로직, 하나 이상의 프로세스, 동작, 및/또는, 규칙 세트를 알리고 그리고/또는 실행하기 위해서, 예를 들면, 텍스트 매퍼(412)의 하나 이상의 컴포넌트(예로써, 도 5에서의 태깅 모듈(414)의 리졸버(들)(526))에 의해 이용될 수 있다. 일부 실시예에서, 지식 그래프(700)는 하나 이상의 메모리 디바이스, 데이터베이스, 또는 기타 적합한 데이터 구조(예로써, 도 4의 서버(400) 내 메모리(430) 및/또는 데이터베이스(440))에 저장될 수 있다. 제품 분류는, 예를 들어, 제품의 타이틀 및/또는 제품 목록에 기초하여 임의의 수의 제품 브랜드, 카테고리, 서브 카테고리, 제품 타입, 서브 제품 타입, 속성, 또는 임의의 타입의 분류를 결정하는 것을 나타낼 수 있다.

일부 실시예에서, 지식 그래프(700)는 다양한 분류(예로써, 브랜드(710), 카테고리(720), 카테고리들(720(n)), 서브 카테고리(730), 제품 타입(740), 서브 제품 타입(750), 서브 제품 타입들(750(n)) 등) 및 각 분류 간의 관계(예로써, 계층적 관계)에 관한 정보를 포함할 수 있다. 예를 들어, 지식 그래프(700)는 제품 타입(740)과 관련된 정보(예로써, 브랜드 정보(746) 및 속성 정보(748))를 포함할 수 있지만, 또한 제품 타입(740)이 여러 서브 분류(예로써, 서브 제품 타입(750) 및 서브 제품 타입들(750(n)))를 가지며, 제품 타입(740) 자체가 브랜드(710)의 분류인, 카테고리(720)의 분류인 서브 카테고리(730)의 분류인 것을 나타내는 정보를 포함할 수 있다. 일례로써, 브랜드(710)는 아동 제품을 생산하는 것과 연관될 수 있으며, 카테고리(720)는 브랜드(710)에 의해 생산된 "유아 제품"일 수 있고, 반면에 카테고리들(720(n))은 "토들러 제품" 또는 "10대 초반 제품"일 수 있다. 서브 카테고리(730)는 "유아 제품" 카테고리 내의 "케어 제품"일 수 있고, 제품 타입(740)은 "기저귀"일 수 있다. 서브 제품 타입(750)은 "일회용 기저귀"와 같은 기저귀 타입일 수 있으며, 반면에 서브 제품 타입들(750(n))은 "천 기저귀" 또는 "수영 기저귀"에 대한 것일 수 있다.

지식 그래프(700) 내의 각 분류(예로써 브랜드(710), 카테고리(720), 카테고리들(720(n)), 서브 카테고리(730), 제품 타입(740), 서브 제품 타입(750), 서브 제품 타입들(750(n)) 등)는 분류와 관련된 추가 정보(예로써, 브랜드 정보(746) 및/또는 속성 정보(748))를 포함할 수 있다. 일부 실시예에서, 브랜드 정보(746)는, 해당 브랜드와 연관되는 다수의 문자 또는 단어를 포함하는, 브랜드(710)와 관련된 적어도 하나의 딕셔너리(예로써, 도 5에서의 딕셔너리(530))를 포함할 수 있다. 일례로써, 브랜드 정보(746)는 특정 제품 타입, 서브 제품 타입, 또는 기저귀용 "하기스" 또는 "팸퍼스"와 같은 해당 브랜드 내의 임의의 다른 분류(예로써, 제품 타입(740))를 설명하기 위해 브랜드(예로써, 브랜드(710))에 의해 이용되는 문자 또는 단어를 포함할 수 있다. 속성 정보(748)는 분류(예로써, 제품 타입(740))와 연관된 적어도 하나의 속성 리스트를 포함할 수 있다. 예를 들어, 제품 타입(740)이 "기저귀"인 경우, 속성 정보(748)는 성별, 사이즈, 체중, 및/또는 연령과 같은 속성을 포함할 수 있다. 일부 실시예에서, 속성 정보(748)는 또한 속성 간의 관계에 관한 정보(예로써, 계층적 관계 및/또는 직접적인 관계)를 포함할 수 있다. 일례로써, 속성 정보(748)는 특정 사이즈는 남성 의류에서만 이용할 수 있다거나 또는 더 큰 저장 용량은 보다 큰 스크린을 가지는 랩톱에서만 이용할 수 있는 것과 같이, 제품의 하나의 속성이 또 다른 속성과 조합해서만 이용할 수 있음을 나타내는 정보를 포함할 수 있다.

따라서 지식 그래프(700)는 컴퓨터 시스템(예로써, 도 4에서의 서버(400))이 제품 목록의 타이틀에 포함된, 특정 속성 및/또는 태그, 또는 그 패턴에 기초하여 제품의 분류를 결정하게 할 수 있다. 예를 들어, 컴퓨터 시스템은 지식 그래프(700)를 이용하여, 제품 또는 제품 목록의 타이틀 내에 특정 제품 타입 대신에 "하기스"가 존재하는 경우라도, 제품이 제품 타입(740)(예로써, "기저귀")과 연관되는 것임을 결정할 수 있다. 추가로, 지식 그래프(700)는 제품 목록에 대한 타이틀이 제품 타입, 제품 타입과 연관된 브랜드 특정 문자나 단어, 및/또는 속성을 포함하지 않는 경우, 타이틀이 중복된 제품 타입, 제품 타입과 연관된 브랜드 특정 문자나 단어, 및/또는 속성을 포함하는 경우, 및 제품 목록이 다른 태그, 속성, 또는 분류에 대한 동의어인 태그 또는 속성을 포함하는 경우, 컴퓨터 시스템이 제품 타입 및 속성을 결정하게 할 수 있다.

일례로써, 제품 목록은 타이틀 내에 카테고리(720)를 포함하지 않을 수 있다. 그러나, 컴퓨터 시스템은 그 목록이 "하기스"를 포함하는 경우 카테고리가 "유아 제품"이고, 제품 타입이 "기저귀"인 것을 결정할 수 있다. 다른 예로서, 타이틀은 랩톱의 사이즈를 포함하지 않을 수 있지만, 그 타이틀이 "2 TB"를 포함하는 경우, 2 TB 저장 용량이 15.6 인치 랩톱에만 이용 가능한 것임을 나타내는 속성 정보(748)에 기초하여 스크린의 사이즈는 15.6 인치인 것임을 결정할 수 있다. 또 다른 예로서, 타이틀은 컬러 레드 대신에 실제로는 브랜드(710) 내의 서브 브랜드 또는 분류를 나타낼 수 있는 단어 "레드"를 포함할 수 있다. 컴퓨터 시스템은, 지식 그래프(700)를 이용하여, 타이틀 내에 포함되어 있는 브랜드(710) 및 "레드"는 브랜드(710) 내의 분류인 것임을 나타내는 브랜드 정보(746)에 기초하여, "레드"는 분류인 것임을 정확하게 결정할 수 있다.

일부 실시예에서, 지식 그래프(700)는, 사용자 제공 정보 또는 인공 지능(예로써, 맞춤형 지식(custom knowledge)(742) 및/또는 인공 지능(744))에 의해, 적어도 부분적으로 통지 및/또는 생성될 수 있다. 맞춤형 지식(742)은 적어도 하나의 메모리 및/또는 데이터 구조(예로써, 도 4에서의 메모리(430) 및/또는 데이터베이스(440))에 이전에 저장되었거나 또는 (예로써, 도 4의 사용자 인터페이스(450)를 통해서) 사용자로부터 입력되었던 정보를 포함할 수 있다. 일례로써, 사용자는 "부츠"에 대한 새로운 서브 제품 타입(750)을 추가/삭제하거나, 속성 정보(748)에서 너비 측정값을 추가/삭제하거나, 또는 신발의 새로운 브랜드나 서브 브랜드를 브랜드 정보(746)에 추가하거나 함으로써, "신발"에 대한 제품 타입(740)과 연관된 지식 그래프(700)의 일부를 수정할 수 있다. 인공 지능(744)은, 예를 들어, 제품의 분류 및 속성 간의 관계를 관찰하고 관찰 결과에 따라서 지식 그래프(700)를 수정하도록 구성된 적어도 하나의 기계 학습 알고리즘(예로써, 비터비 알고리즘, 나이브 베이즈 알고리즘, 뉴럴 네트워크 등)을 포함할 수 있다. 적어도 하나의 기계 학습 알고리즘은, 예를 들어, 지도 학습 방법(예로써, 경사 하강(gradient descent) 또는 확률적 경사 하강(stochastic gradient descent) 최적화 방법)을 이용하여 트레이닝될 수 있다. 일부 실시예에서, 하나 이상의 기계 학습 알고리즘은, 분류 간의 연관성에 기초하여, 맞춤형 지식을 이용하여 검증될 수 있는 초기 지식 그래프를 생성하도록 구성될 수 있다.

이러한 지식 그래프(700)의 구조는 단지 예시일뿐이며, 지식 그래프는 개시된 실시예에 따라, 브랜드, 카테고리, 서브 카테고리, 제품 타입, 서브 제품 타입, 및 이것들 간의 임의의 관계 중 임의의 적합한 조합을 포함할 수 있는 것임을 이해해야 한다.

도 8은 개시된 실시예에 따른, 제품 타이틀을 이용한 지능적 제품 분류를 위한 예시적인 프로세스의 흐름도이다. 일부 실시예에서, 프로세스(800)는 시스템(100)과 연관된 하나 이상의 프로세서(예로써, 도 4에서의 서버(400)의 프로세서(410))에 의해 실행될 수 있으며, 그리고/또는 시스템(100)의 하나 이상의 컴포넌트 또는 서브컴포넌트(예로써, 외부 프론트 엔드 시스템(103), 내부 프론트 엔드 시스템, 서버(400), 텍스트 매퍼(412) 등)에 의해 부분적으로 또는 전체적으로 실행될 수 있다. 설명의 편의를 위해, 프로세스(800)는 텍스트 매퍼(412) 및 그 서브컴포넌트(예로써, 태깅 모듈(414), 리졸버(들)(526) 등)에 의해 실행되는 것으로 설명되지만, 프로세서(800)는 본 개시의 임의의 적합한 컴포넌트 또는 서브컴포넌트에 의해 실행될 수 있는 것임을 이해해야 한다.

일부 실시예에서, 프로세스(800)는 스텝 810에서 시작할 수 있다. 스텝 810에서, 텍스트 매퍼(412)는 (예로써, 데이터베이스(440)에 저장된) 적어도 하나의 데이터 구조로부터, (예로써, 도 3에서의) 제품 목록과 연관된 적어도 하나의 타이틀 및 제품 분류 및 속성 간의 관계를 결정하기 위한 적어도 하나의 지식 그래프(예로써, 도 7의 지식 그래프(700))를 포함하는 과거 데이터를 검색할 수 있다. 일례로써, 텍스트 매퍼(412)는 도 3에 예시된 제품 목록과 연관된 타이틀 "브랜드X, 스마트폰X 모델 X9/X8/X7/X5/X4용 휴대폰 케이스"를 검색할 수 있다. 일부 실시예에서, 과거 데이터는 하나 이상의 메모리 및/또는 데이터 구조(예로써, 도 4에서의 메모리(430) 및/또는 데이터베이스(440))에 저장된 적어도 하나의 레코드를 포함할 수 있다. 과거 데이터는, 예를 들어, 복수의 제품 타입 및 각 제품 타입과 연관된 속성 분류 계층(예로써, 도 7의 지식 그래프(700)에 도시된 분류 계층)을 포함할 수 있다. 일부 실시예에서, 텍스트 매퍼(412)는 검색된 제품 타이틀 및/또는 제품 목록뿐만 아니라, 그로부터 생성될 수 있는 임의의 연관 정보(예로써, 도 5의 태깅 모듈(414)에 의해 생성된 태그)를 적어도 하나의 데이터 구조(예로써, 데이터베이스(440))에 저장하도록 구성될 수 있다.

일부 실시예에서, 제품 목록과 연관된 적어도 하나의 타이틀은 시스템(100)과 연관될 수 있거나 시스템(100) 외부에 있을 수 있는, 하나 이상의 시스템 또는 데이터 구조로부터 검색될 수 있다. 예를 들어, 텍스트 매퍼(412)는 하나 이상의 사설 또는 공용 네트워크(예로써, 인터넷, 인트라넷, WAN, MAN 등)를 통해서 접속 가능한 웹사이트, 제3자 판매자, 데이터베이스, 또는 기타 소스로부터 적어도 하나의 타이틀 및/또는 제품 목록을 검색할 수 있다. 제품 목록은 하나 이상의 제품과 연관된 여러 요소(예로써, 도 3에서의 타이틀(310), 가격(320), 사진(330), 선택 가능한 옵션(340 및 350), 수량(360), 모델 번호(340))를 포함할 수 있다. 제품 목록은 복수의 여러 선택 가능한 옵션(예로써, 모델, 컬러, 스타일, 수량 등)을 포함하는 하나 이상의 필드를 포함할 수 있으므로, 각 제품 목록은 개시된 실시예에 따라, 하나의 제품 또는 복수의 제품을 포함할 수 있다. 도 3에서, 제품 목록의 샘플은 웹 페이지로 예시되어 있지만, 용어 "제품 목록"은 시스템(100) 또는 다른 외부 시스템과 연관된 데이터베이스에서의 엔트리와 같이, 하나 이상의 관련 제품과 연관된 데이터 또는 정보의 임의의 컬렉션을 나타낼 수 있음을 이해해야 한다.

일부 실시예에서, 적어도 하나의 지식 그래프는 인공 지능(예로써, 도 7에서의 인공 지능(744))을 이용하여 적어도 부분적으로 생성될 수 있다. 인공 지능은, 예를 들어, 제품의 분류 및 속성 간의 관계를 관찰하고 관찰 결과에 따라서 지식 그래프를 수정하도록 구성된 적어도 하나의 기계 학습 알고리즘(예로써, 비터비 알고리즘, 나이브 베이즈 알고리즘, 뉴럴 네트워크 등) 및/또는 조인트(joint) 차원 감소 기술(예로써, 클러스터(cluster) 정준 상관 분석, 부분 최소 제곱법(partial least squares), 바이리니어(bilinear) 모델, 크로스 모달(cross-modal) 인자 분석)을 포함할 수 있다. 예를 들어, 텍스트 매퍼(412)는 지식 그래프(700)에 의해 반영되지 않은 정보(예로써, 새로운 속성 및/또는 분류)를 포함할 수 있는 하나 이상의 제품 타이틀 및/또는 제품 목록을 검색하고, 그러한 정보를 포함하도록 지식 그래프를 업데이트(예로써, 속성 정보(748) 업데이트, 하나 이상의 서브 제품 타입들(750(n)) 추가/삭제 등)할 수 있다. 적어도 하나의 기계 학습 알고리즘은, 예를 들어, 과거 데이터를 이용하여 지도 학습 방법(예로써, 경사 하강 또는 확률적 경사 하강 최적화 방법)을 이용하여 트레이닝될 수 있다.

스텝 820에서, 텍스트 매퍼(412)는 적어도 하나의 지식 그래프 및 적어도 하나의 타이틀의 분석에 기초하여 적어도 하나의 타이틀과 연관된 복수의 속성 및 그 복수의 속성과 연관된 적어도 하나의 패턴을 결정할 수 있다. 적어도 하나의 속성은 제품 목록과 연관된 브랜드, 서브 브랜드, 및 스펙(specification)(예로써, 사이즈, 무게, 성별, 소재, 성능 기능(performance capability) 등) 중 적어도 하나와 같이, 제품 특정 정보와 연관될 수 있다. 일부 실시예에서, 각 속성 간의 적어도 하나의 패턴은, 예를 들어, 제품과 관련된 제품 타입 또는 속성을 결정하는데 이용될 수 있는, 제품과 연관된 분류 계층을 결정하기 위해 지식 그래프(700)를 참조함으로써 결정될 수 있다. 일부 실시예에서, 패턴은 제품 목록 내의 속성 또는 태그의 정리된 조합, 예를 들면, 텍스트 매퍼(412)의 태깅 모듈(414)에서 리졸버(들)(526)에 의해 생성된 속성 및/또는 태그의 적합한 조합에 기초하여 결정될 수 있다.

일부 실시예에서, 스텝 830에서, 텍스트 매퍼(412)는 적어도 하나의 지식 그래프를 이용하여 복수의 속성 및 적어도 하나의 패턴에 기초한 제품 목록과 연관된 적어도 하나의 제품 타입을 결정할 수 있다. 예를 들어, "브랜드 랩톱X 2 TB"에 대한 제품 목록의 경우, 텍스트 매퍼(412)는 지식 그래프(700)를 참조하여 그 제품 목록이 "랩톱" 제품 타입과 연관되는 것임을 결정할 수 있다. 이 결정은 목록이 특정 제품 타입(740)에 관한 지식 그래프(700)에서의 특정 속성 계층과 연관되는 특정 속성(즉, "브랜드X", "랩톱X", "2 TB")을 포함한다는 결정에 기초한 것일 수 있다. 일부 실시예에서, 텍스트 매퍼(412)는 지식 그래프(700)를 이용하여, 브랜드 정보(746) 및 속성 정보(748)와 같이, 제품에 관한 추가 정보를 결정할 수 있다. 일부 실시예에서, 텍스트 매퍼(412)는 제품 타이틀에서 및/또는 지식 그래프(700)를 이용하여 적어도 하나의 누락된 속성을 결정하도록 구성될 수 있다. 예를 들어, 타이틀 "브랜드X 랩톱X 2 TB"는 리스트된 랩톱의 사이즈를 포함하지 않을 수 있다. 그러나, 텍스트 매퍼(412)는 그 타이틀이 "2 TB"를 포함하는 경우, 2 TB 저장 용량이 15.6 인치 랩톱에만 이용 가능한 것임을 나타내는 속성 정보(748)에 기초하여 스크린의 사이즈는 15.6 인치인 것임을 결정할 수 있다.

일부 실시예에서, 텍스트 매퍼(412)는 적어도 하나의 패턴에 기초하여 복수의 속성에서 적어도 하나의 속성의 속성 타입을 결정하도록 구성될 수 있다. 예를 들어, 랩톱에 대한 목록의 타이틀이 "브랜드X 레드 랩톱X 2 TB"일 수 있다. 그러나, 타이틀에서 용어 "레드"는 실제 컬러 레드가 아니라 브랜드X의 서브 브랜드(예로써, 도 7에서의 브랜드(710)의 카테고리(720))와 연관될 수 있다. 이러한 용어 "레드" 및 "브랜드X" 간의 관계에 관한 정보는 브랜드 정보(746)에 저장될 수 있다. 따라서, 텍스트 매퍼(412)는 브랜드 정보(746)에 저장된 이 정보를 이용하여 "레드"는 랩톱의 컬러가 아니라 "브랜드X"의 서브 브랜드인 것임을 결정할 수 있다. 또한 이러한 결정은, 예를 들면, 레드는 "랩톱X"에 대해 이용 가능한 컬러가 아님을 나타내는 속성 정보(748)에 기초하여 이루어질 수 있다.

일부 실시예에서, 텍스트 매퍼(412)는, 예를 들면, 조인트 차원 감소 기술(예로써, 클러스터 정준 상관 분석, 부분 최소 제곱법, 바이리니어 모델, 크로스 모달 인자 분석)을 이용하여 제품에 관한 추가 정보를 결정하기 위해 인공 지능을 활용하도록 구성될 수 있다. 일례로써, 스텝 830에서, 텍스트 매퍼(412)는 제품 타이틀 및/또는 제품 목록에 대한 클러스터 정준 상관 분석을 수행하고, 적어도 태그된 속성(예로써, 도 5에서의 태깅 모듈(414)에 의해 생성된 태그) 및 제품 목록 및/또는 지식 그래프(700)의 분석에 기초하여 제품 타이틀 및/또는 제품 목록이 중요 속성이 누락되어 있는 것임을 결정할 수 있다. 텍스트 매퍼(412)는 제품 목록 및 연관 태그를 제품 목록 및 연관 태그의 기존 클러스터에 추가하고, 정확히 같은 경로를 가지는 클러스터 간의 매핑을 수행하고, 그리고/또는 누락된 경로를 가지는 클러스터 간의 잠재적 매핑을 결정할 수 있다. 일부 실시예에서, 텍스트 매퍼(412)는 이러한 분석으로부터의 매핑 결과를 적용하여 제품 타이틀 및/또는 제품 목록에서 누락된 속성 및/또는 분류를 결정할 수 있다.

스텝 840에서, 텍스트 매퍼(412)는 적어도 하나의 제품 타입, 복수의 속성, 및/또는 제품의 분류에 관한 기타 정보를 포함하는 적어도 하나의 제품 식별자를 생성할 수 있다. 일부 실시예에서, 텍스트 매퍼(412)는 생성된 제품 식별자에 스텝 830에서 결정된 적어도 하나의 누락된 속성을 포함하도록 구성될 수 있다. 예를 들어, "브랜드 랩톱X 2 TB"의 목록에 대한 제품 식별자를 생성할 때, 텍스트 매퍼(412)는 생성된 제품 식별자에 속성으로서 "15.6 인치"를 포함할 수 있다.

일부 실시예에서, 적어도 하나의 생성된 제품 식별자는 또한 텍스트 매퍼(412)(예로써, 도 4에서의 태깅 모듈(414))에 의해 생성된 하나 이상의 태그를 포함할 수 있다. "태깅" 프로세스는, 제품 목록에서, 제품 목록에 포함된 정보에 기초하여 제품에 관한 속성, 수량, 분류, 또는 기타 디스크립터가 될 수 있는, 모든 후보 단어(즉, "태그")를 식별, 추출, 및/또는 평가하는 것을 나타낼 수 있다. 예를 들어, 도 4에서, 태깅 모듈(414)은 제품 목록으로부터 속성, 수량, 분류, 또는 기타 제품 관련 정보를 식별, 추출, 및/또는 평가하도록 제품 목록(510)을 처리할 수 있다. 일부 실시예에서, 태깅 모듈(414)은 오타 또는 약어를 식별하도록 구성될 수 있으며, 식별된 오타 또는 약어에 기초하여 대표 태그를 생성할 수 있다. 일례로써, 태깅 모듈(414)은 "Cocaa-Cola"에 대한 목록에 오타가 포함되어 있다고 결정하고, "Coca-Cola"에 대한 대표 브랜드 태그를 생성할 수 있다.

스텝 840에서 적어도 하나의 제품 식별자가 생성되었으면, 프로세스(800)는 스텝 850으로 진행한다. 스텝 850에서, 텍스트 매퍼(412)는 제품 식별자에 포함된 적어도 하나의 제품 타입, 복수의 속성, 및/또는 기타 분류 정보를, 하나 이상의 제2 제품 식별자에 포함된 적어도 하나의 제품 타입, 복수의 속성, 및/또는 기타 분류 정보와 비교할 수 있다. 일부 실시예에서, 두개 이상의 제품 식별자 간의 비교는 텍스트 매퍼(412)의 비교기 모듈(418)에 의해 실행될 수 있다. 예를 들어, 점수 비교기(들)(552)는 수치적 유사도 비교(예로써, 포인트 값 또는 퍼센티지) 및/또는 명목(nominal) 유사도 비교(예로써, "매칭", "비매칭", "속성=존재하지 않음" 등)를 실행할 수 있다.

스텝 860에서, 텍스트 매퍼(412)는 스텝 850에서 완료된 비교 결과에 기초하여 두개 이상의 제품 식별자 간의 적어도 하나의 유사도 결과를 생성할 수 있다. 일부 실시예에서, 스텝 850 및 860은 비교기 모듈(418)에 의해 실행될 수 있으며, 적어도 하나의 유사도 값은 도 6에 도시된 바와 같이 하나 이상의 결과(600)를 포함할 수 있다. 일례로써, 적어도 하나의 유사도 값은 스텝 850에서 실행된 수치적 유사도 비교 결과에 기초하여 두 제품 간의 수치적 유사도 값의 세트(즉, 브랜드 유사도(641), 모델번호 유사도(642), 키워드 유사도(643), 및 속성 유사도(644))를 포함할 수 있다. 또한 텍스트 매퍼(412)는 스텝 850에서 실행된 명목 유사도 비교 결과에 기초하여 명목 또는 카테고리적 유사도 값의 세트를 생성할 수 있다. 일례로써, 명목 브랜드 결과는 제품 식별자의 하나 이상의 속성 및/또는 태그 간의 "매칭"(즉, 동일한 브랜드이거나, 또는 동일하거나 유사한 가격을 가짐)을 나타내거나, 또는 제품 식별자의 두 제품 타입 또는 분류 간의 "매칭"(예로써, 두 제품 식별자는 "기저귀" 제품 타입에 대한 것이거나, 또는 "유아 제품" 카테고리에 해당됨)을 나타낼 수 있다.

스텝 860에서 두개 이상의 제품 식별자 간의 적어도 하나의 유사도 결과가 생성되면, 프로세스(800)는 스텝 870에서 완료될 수 있다. 스텝 870에서, 텍스트 매퍼(412)는 하나 이상의 디바이스 또는 시스템에 적어도 하나의 유사도 값을 공개할 수 있다. 예를 들어, 일부 실시예에서, 프로세스(800)에 의해 생성된 유사도 값(예로써, 스텝 860에서 생성된 수치적 및/또는 명목 결과)은 적어도 하나의 데이터 구조(예로써, 데이터베이스(440))에 등록 및/또는 삽입될 수 있으며, 그리고/또는 하나 이상의 웹페이지에 공개될 수 있다. 일부 실시예에서, 적어도 하나의 유사도 값을 공개하는 것은 사용자 디바이스가 적어도 하나의 유사도 값을 (예로써, 사용자 인터페이스(450)를 통해서) 표시하게 하는 명령을 적어도 하나의 사용자 디바이스에 전송하는 것을 포함할 수 있다. 일부 실시예에서, 텍스트 매퍼(412)는 제품 목록이 시스템(100)과 연관된 데이터 구조(예로써, 데이터베이스(440))에 유지되어 있는 경우 스텝 870에서 생성된 적어도 하나의 유사도 값에 기초하여 제품 목록과 연관된 적어도 하나의 데이터베이스(예로써, 데이터베이스(440))에서 하나 이상의 파라미터(예로써, 리스트에 있는 가격 및/또는 수량)를 수정하도록 구성될 수 있다.

본 개시는 그 특정 실시예를 참조하여 도시되고 설명되었지만, 본 개시는 다른 환경에서, 변경없이, 실시될 수 있음을 이해할 것이다. 전술한 설명은 예시의 목적으로 제시되었다. 그것은 개시된 정확한 형태나 실시예에 대해 총망라된 것이 아니며 이것으로 한정되는 것은 아니다. 개시된 실시예의 설명 및 실시를 고려하는 것으로부터 변경 및 조정이 통상의 기술자에게 명백할 것이다. 추가적으로, 비록 개시된 실시예의 형태가 메모리에 저장되는 것으로서 설명되었지만, 통상의 기술자는 이들 형태가 2차 저장 디바이스, 예를 들면, 하드디스크나 CD ROM, 또는 다른 형태의 RAM이나 ROM, USB 매체, DVD, 블루레이, 또는 다른 광 드라이브 매체와 같이, 다른 형태의 컴퓨터 판독 가능한 매체에 저장될 수도 있는 것을 이해할 것이다.

상술한 설명 및 개시된 방법에 기초한 컴퓨터 프로그램은 숙련된 개발자의 기술 내에 있다. 여러 프로그램 혹은 프로그램 모듈은 통상의 기술자에게 알려진 어느 기술을 이용하여 생성되거나, 또는 기존의 소프트웨어와 연결하여 설계될 수 있다. 예를 들면, 프로그램 섹션 혹은 프로그램 모듈은 닷넷 프레임워크, 닷넷 컴팩트 프레임워크(및 비주얼 베이식, C 등과 같은, 관련 언어), 자바, C++, 오브젝티브 C, HTML, HTML/AJAX 조합, XML, 또는 자바 애플릿이 포함된 HTML 내에서 혹은 그것들에 의해서 설계될 수 있다.

게다가, 여기에서는 예시적인 실시예가 설명되었지만, 본 개시에 기초하여 통상의 기술자가 이해할 수 있는 바와 같이, 일부 또는 모든 실시예의 범위는 동등한 요소, 변경, 생략, 조합(예로써, 여러 실시예에 걸치는 형태의 조합), 조정 및/또는 수정을 가질 수 있다. 청구범위 내의 제한 사항은 그 청구범위 내에 적용된 언어에 기초하여 폭넓게 이해되도록 하는 것이며, 응용의 수행 동안 혹은 본 명세서 내에 설명된 예시로 한정되는 것은 아니다. 그 예시는 비배타적으로 해석되도록 하기 위한 것이다. 추가로, 개시된 방법의 스텝은 어떤 다른 방법으로 변경되거나, 스텝을 재배열 및/또는 스텝을 삽입하거나 삭제하는 것을 포함할 수 있다. 그러므로, 설명 및 예시는 오직 예시적으로 고려되는 것이며, 진정한 범위 및 기술 사상은 다음의 청구범위 및 그 동등한 전체 범위에 의해 나타내지는 것으로 의도된다.

Claims (20)

1. 제품 타이틀로부터 속성을 추출하기 위한 컴퓨터 구현 시스템으로서,
   명령을 저장하는 메모리; 및
   동작을 수행하기 위해 상기 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
   상기 동작은:
   적어도 하나의 데이터 구조로부터:
   제품 목록과 연관된 적어도 하나의 타이틀, 및
   제품 속성 간의 관계를 결정하기 위한 적어도 하나의 지식 그래프를 포함하는 과거 데이터를 검색하고;
   상기 적어도 하나의 타이틀의 분석에 기초하여:
   상기 적어도 하나의 타이틀과 연관된 복수의 속성, 및
   상기 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고;
   상기 적어도 하나의 지식 그래프를 이용하여, 상기 복수의 속성 및 상기 적어도 하나의 패턴에 기초한 상기 제품 목록과 연관된 적어도 하나의 제품 타입을 결정하고;
   상기 적어도 하나의 제품 타입 및 상기 복수의 속성을 포함하는 제1 제품 식별자를 생성하고;
   상기 제1 제품 식별자의 상기 적어도 하나의 제품 타입 및 상기 복수의 속성을, 제2 제품 식별자와 연관된 적어도 하나의 제품 타입 및 복수의 속성과 비교하고;
   상기 비교 결과에 기초하여, 상기 제1 제품 식별자 및 상기 제2 제품 식별자 사이의 적어도 하나의 유사도 값을 생성하고; 그리고
   적어도 하나의 사용자 디바이스에 명령을 전송하는 것을 포함하며, 상기 명령은 상기 적어도 하나의 사용자 디바이스가 상기 적어도 하나의 유사도 값을 표시하게 하는 컴퓨터 구현 시스템.
2. 청구항 1에 있어서,
   상기 적어도 하나의 지식 그래프는 상기 복수의 속성에서 적어도 하나의 속성 계층을 포함하는 컴퓨터 구현 시스템.
3. 청구항 2에 있어서,
   상기 과거 데이터는 복수의 제품 타입을 포함하는 레코드를 더 포함하며, 상기 복수의 제품 타입의 각 제품 타입은 적어도 하나의 속성 분류 계층과 연관되는 컴퓨터 구현 시스템.
4. 청구항 1에 있어서,
   상기 적어도 하나의 지식 그래프는 상기 제품 타이틀에서 적어도 하나의 누락된 속성을 결정하도록 더 구성되는 컴퓨터 구현 시스템.
5. 청구항 4에 있어서,
   생성된 상기 제1 제품 식별자는 상기 적어도 하나의 누락된 속성을 더 포함하는 컴퓨터 구현 시스템.
6. 청구항 4에 있어서,
   상기 동작은 상기 적어도 하나의 누락된 속성에 기초하여 상기 적어도 하나의 지식 그래프를 수정하는 것을 더 포함하는 컴퓨터 구현 시스템.
7. 청구항 1에 있어서,
   상기 복수의 속성에서 적어도 하나의 속성은 상기 제품 목록과 연관된 브랜드, 서브브랜드, 및 스펙 중 적어도 하나를 포함하는 속성 타입과 연관되는 컴퓨터 구현 시스템.
8. 청구항 1에 있어서,
   상기 적어도 하나의 지식 그래프는 상기 적어도 하나의 패턴에 기초하여 상기 복수의 속성에서 적어도 하나의 속성의 속성 타입을 결정하도록 구성되는 컴퓨터 구현 시스템.
9. 청구항 1에 있어서,
   상기 적어도 하나의 지식 그래프는 상기 적어도 하나의 프로세서에 의해 실행되는 적어도 하나의 기계 학습 알고리즘을 이용하여 적어도 부분적으로 생성되는 컴퓨터 구현 시스템.
10. 청구항 9에 있어서,
    상기 적어도 하나의 프로세서는 상기 과거 데이터를 이용하여 상기 적어도 하나의 기계 학습 알고리즘에 정보를 제공하도록 구성되는 컴퓨터 구현 시스템.
11. 제품 타이틀로부터 속성을 추출하기 위한 컴퓨터 구현 방법으로서,
    적어도 하나의 데이터 구조로부터:
    제품 목록과 연관된 적어도 하나의 타이틀, 및
    제품 속성 간의 관계를 결정하기 위한 적어도 하나의 지식 그래프를 포함하는 과거 데이터를 검색하고;
    상기 적어도 하나의 타이틀의 분석에 기초하여:
    상기 적어도 하나의 타이틀과 연관된 복수의 속성, 및
    상기 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고;
    상기 적어도 하나의 지식 그래프를 이용하여, 상기 복수의 속성 및 상기 적어도 하나의 패턴에 기초한 상기 제품 목록과 연관된 적어도 하나의 제품 타입을 결정하고;
    상기 적어도 하나의 제품 타입 및 상기 복수의 속성을 포함하는 제1 제품 식별자를 생성하고;
    상기 제1 제품 식별자의 상기 적어도 하나의 제품 타입 및 상기 복수의 속성을, 제2 제품 식별자와 연관된 적어도 하나의 제품 타입 및 복수의 속성과 비교하고;
    상기 비교 결과에 기초하여, 상기 제1 제품 식별자 및 상기 제2 제품 식별자 사이의 적어도 하나의 유사도 값을 생성하고; 그리고
    적어도 하나의 사용자 디바이스에 명령을 전송하는 것을 포함하며, 상기 명령은 상기 적어도 하나의 사용자 디바이스가 상기 적어도 하나의 유사도 값을 표시하게 하는 컴퓨터 구현 방법.
12. 청구항 11에 있어서,
    상기 적어도 하나의 지식 그래프는 상기 복수의 속성에서 적어도 하나의 속성 계층을 포함하는 컴퓨터 구현 방법.
13. 청구항 11에 있어서,
    상기 적어도 하나의 지식 그래프는 상기 제품 타이틀에서 적어도 하나의 누락된 속성을 결정하도록 더 구성되는 컴퓨터 구현 방법.
14. 청구항 13에 있어서,
    생성된 상기 제1 제품 식별자는 상기 적어도 하나의 누락된 속성을 더 포함하는 컴퓨터 구현 방법.
15. 청구항 13에 있어서,
    상기 적어도 하나의 누락된 속성에 기초하여 상기 적어도 하나의 지식 그래프를 수정하는 것을 더 포함하는 컴퓨터 구현 방법.
16. 청구항 11에 있어서,
    상기 복수의 속성에서 적어도 하나의 속성은 상기 제품 목록과 연관된 브랜드, 서브브랜드, 및 스펙 중 적어도 하나를 포함하는 속성 타입과 연관되는 컴퓨터 구현 방법.
17. 청구항 11에 있어서,
    상기 적어도 하나의 지식 그래프는 상기 적어도 하나의 패턴에 기초하여 상기 복수의 속성에서 적어도 하나의 속성의 속성 타입을 결정하도록 구성되는 컴퓨터 구현 방법.
18. 청구항 11에 있어서,
    상기 적어도 하나의 지식 그래프는 상기 적어도 하나의 프로세서에 의해 실행되는 적어도 하나의 기계 학습 알고리즘을 이용하여 적어도 부분적으로 생성되는 컴퓨터 구현 방법.
19. 청구항 18에 있어서,
    상기 적어도 하나의 프로세서는 상기 과거 데이터를 이용하여 상기 적어도 하나의 기계 학습 알고리즘에 정보를 제공하도록 구성되는 컴퓨터 구현 방법.
20. 제품 타이틀로부터 속성을 추출하기 위한 컴퓨터 구현 시스템으로서,
    명령을 저장하는 메모리; 및
    동작을 수행하기 위해 상기 명령을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,
    상기 동작은:
    적어도 하나의 데이터 구조로부터:
    제1 제품 목록과 연관된 제1 타이틀,
    제2 제품 목록과 연관된 제2 타이틀, 및
    제품 속성 간의 관계를 결정하기 위한 적어도 하나의 지식 그래프를 포함하는 과거 데이터를 검색하고;
    상기 제1 타이틀 및 상기 제2 타이틀의 분석에 기초하여:
    상기 제1 타이틀 및 상기 제2 타이틀 각각과 연관된 복수의 속성, 및
    상기 제1 타이틀 및 상기 제2 타이틀 각각에 대한 상기 복수의 속성과 연관된 적어도 하나의 패턴을 결정하고;
    상기 적어도 하나의 지식 그래프를 이용하여, 상기 제1 타이틀 및 상기 제2 타이틀 각각에 대해서 상기 복수의 속성 및 상기 적어도 하나의 패턴에 기초한 상기 제품 목록과 연관된 적어도 하나의 제품 타입을 결정하고;
    상기 제1 타이틀과 연관된 상기 적어도 하나의 제품 타입 및 상기 복수의 속성을 포함하는 제1 제품 식별자를 생성하고;
    상기 제2 타이틀과 연관된 상기 적어도 하나의 제품 타입 및 상기 복수의 속성을 포함하는 제2 제품 식별자를 생성하고;
    상기 제1 제품 식별자의 상기 적어도 하나의 제품 타입 및 상기 복수의 속성을, 상기 제2 제품 식별자와 연관된 적어도 하나의 제품 타입 및 복수의 속성과 비교하고;
    상기 비교 결과에 기초하여, 상기 제1 제품 식별자 및 상기 제2 제품 식별자 사이의 적어도 하나의 유사도 값을 생성하고; 그리고
    적어도 하나의 사용자 디바이스에 명령을 전송하는 것을 포함하며, 상기 명령은 상기 적어도 하나의 사용자 디바이스가 상기 적어도 하나의 유사도 값을 표시하게 하는 컴퓨터 구현 시스템.

Images