KR20080083638A

KR20080083638A - 온라인 상거래 의도의 결정을 용이하게 하는 시스템, 방법,검색 엔진, 온라인 광고 시스템

Info

Publication number: KR20080083638A
Application number: KR1020087014158A
Authority: KR
Inventors: 리 왕; 잉 리; 자이킹 니에; 지롱 웬; 링지 자오
Original assignee: 마이크로소프트 코포레이션
Priority date: 2005-12-14
Filing date: 2006-11-13
Publication date: 2008-09-18
Also published as: RU2008123604A; EP1960898A1; US7831685B2; CN101331475A; US20070136457A1; CA2629568A1; JP2009520265A; AU2006325324A1; WO2007070203A1

Abstract

네트워크 브라우저 페이지들 및/또는 네트워크 검색 쿼리들로부터 추출된 특징들은 사용자의 브라우징 및/또는 검색 의도의 검출을 용이하게 하는 데 사용된다. 이러한 특징들로부터 구축된 기계 학습 분류자들은 사용자의 온라인 상거래 의도(OCI)를 자동 검출한다. 사용자의 의도는 상거래 또는 비 상거래일 수 있으며, 상거래 의도들은 정보나 트랜잭션에 관한 것이다. 일례로, 사용자의 의도에 따라 순위화된 검색 결과들의 제공을 용이하게 하기 위해 검색 엔진과 함께 OCI 랭킹 메카니즘이 이용된다. 이것은 또한, 구매 광고들과 구매를 행할 준비가 되었을 가능성이 매우 큰 잠재적 고객들을 매칭시키는 수단을 제공한다(트랜잭션 단계). 게다가, 정보 광고들은 잠재적 구매를 조사하고 있는 사용자들에 매칭될 수 있다(정보 단계).

온라인 상거래 의도, 자동 검출, 검색 엔진, OCI 랭킹 메카니즘, 구매 광고

Description

온라인 상거래 의도의 결정을 용이하게 하는 시스템, 방법, 검색 엔진, 온라인 광고 시스템{AUTOMATIC DETECTION OF ONLINE COMMERCIAL INTENTION}

본 발명은 온라인 상거래 의도의 자동 검출에 관한 것이다.

현대 사회는 컴퓨터 및 컴퓨터 기술에 크게 의존하게 되었다. 이것은 특히 회사들이 고객 및 제품 판매를 위해 격심하게 경쟁하는 업계에서 일반적이다. 적시 재고 목록(just-in-time inventory) 및 초점이 잘 맞는 광고 전략을 가진 회사는 일반적으로 제품을 더 싸게 생산하고, 제품을 경쟁자보다 빠르게 고객에게 전달한다. 컴퓨터 기술은 사업, 정보 및 고객을 함께 네트워킹함으로써 이러한 타입의 사업 부문을 가능하게 한다. 처음에 컴퓨터들은 LAN으로만 구성된 네트워크를 통해 다른 컴퓨터들과 통신하였지만, 인터넷의 출현은 컴퓨터를 가진 사실상 모든 사람들이 글로벌 네트워크에 참여하는 것을 가능하게 하였다. 이것은 소규모 사업체들이 네트워크 구조에 투자하여 이를 구축하지 않고도 대규모 사업체들과 경쟁하는 것을 가능하게 한다.

컴퓨팅 및 네트워킹 기술들이 더 강건하고, 안전하고 신뢰성 있게 됨에 따라, 더 많은 고객, 도매상, 소매상, 기업가, 교육 기관 등이 패러다임을 바꾸어, 통상의 실제 상점들을 이용하는 대신에 인터넷을 이용하여 사업을 행하고 있다. 많은 사업체가 현재 웹 사이트들 및 온라인 서비스들을 제공하고 있다. 예를 들어, 오늘날 소비자는 인터넷을 통해 그의 은행 계좌에 액세스하여, 잔액 조회, 자금 이체 및 청구서 지불과 같은 많은 수의 이용 가능 트랜잭션들을 행할 수 있다.

더욱이, 전자 상거래는 거의 모든 상상 가능한 타입의 사업에 퍼져 있다. 사람들은 그들이 좋아하는 상점들이 실제 사업장을 가질 뿐만 아니라, 통상적으로 인터넷의 월드 와이드 웹(WWW)을 통해 "온라인"으로 액세스될 수 있기를 기대하게 되었다. 웹은 고객들이 사업체의 상점 및 제품들의 그래픽 표현을 볼 수 있게 한다. 가정에서의 이용의 용이성 및 편리한 구매 방법들은 통상적으로 판매의 증가로 이어진다. 구매자들은 상점마다 돌아다니는 시간 및 비용의 소비 없이 이들을 비교할 수 있는 자유를 즐긴다.

이것은 온라인 사업체들 간의 격렬한 경쟁을 유발하며, 온라인 광고를 중요하게 한다. 일반적으로, 광고는 정말로 모든 상거래 시장 또는 환경에서 중요한 수입원이다. 가능한 한 많은 고객들에게 도달하기 위하여, 광고는 통상적으로 광고판, 텔레비전, 라디오, 및 신문 및 잡지와 같은 인쇄 매체를 통해 제공된다. 그러나, 인터넷과 관련하여, 광고자들은 크고 다양한 지리적 범위를 통해 많은 수의 잠재적 고객들에게 도달하기 위한 새롭고 아마도 덜 비싼 매체를 발견하였다. 인터넷 상의 광고는 인터넷 콘텐츠를 렌더링할 수 있는 브라우저 및/또는 다른 클라이언트 장치에 의해 렌더링되는 임의의 콘텐츠를 통해 볼 수 있다. 이것은 이메일, 게임 콘솔, TV를 통한 주문형 비디오, 웹 페이지, 및/또는 웹 사이트는 물론, 특정 사이트를 방문할 때의 팝-업 윈도우 등을 포함할 수 있다.

따라서, 인터넷과 같은 글로벌 통신 네트워크는 많은 수의 잠재적 고객들에게 도달하기 위한 상거래 기회를 제공하여 왔다. 지난 수년간, 많은 사용자가 뉴스, 연구 자원 및 다양한 다른 타입의 정보의 신뢰성 있는 소스로서 인터넷으로 선회하였다. 게다가, 온라인 쇼핑, 만찬 예약, 및 콘서트 및/또는 영화 티켓의 구매는 인터넷을 할 셈으로 컴퓨터의 정면에 앉아 있는 동안에 널리 행해지는 단지 소수의 일반적인 활동들이다. 인터넷에 대한 쉬운 액세스의 확산은 또한 웹 사이트에 대한 트래픽을 기하급수적으로 증가시키는 것을 도왔다.

통상적으로, 사업체들은 광고 비용이 그들의 광고에 노출될 트래픽의 타입에 관한 소정 타입의 보증에 의해 정당화되는 것이 보장되기를 바란다. 광고자들이 구매할 준비가 되어 있는 사용자들(즉, 상업적 "트랜잭션 단계"에 있는 사용자들)에게 도달하고 있다고 믿고 있지만, 실제로는 대다수의 사용자가 단지 특정 타입의 제품을 조사하고 있거나(즉, 상거래 "정보 단계"에 있는 사용자들), 더 나쁘게는 이들이 단지 재미로 웹을 브라우징하고 있는 경우(즉, 비 상거래 단계에 있는 사용자들), 사업체들은 그들의 제품 타입의 실제의 잠재적 구매자들에게 아마도 지향된 광고를 위해 고액을 지불한 것이 극히 불만족스러울 것이다. 원하지 않는 광고를 수신하는 사용자들은 또한 이들이 무언가를 구매하려고 보고 있지 않을 때 이들에게 광고 세례를 계속 퍼붓는 사업체에 대해 부정적인 이미지를 형성할 수 있다. 이것을 주목하는 것은 중요한데, 이는 제품과 구매자를 매칭시키는 것은 일반적으로 사업체가 어떠한 방식으로 사업을 유지하는가이기 때문이다. 실질적인 미스매칭이 발생하는 경우, 광고자들은 이동하게 되고, 그들과 함께 그들의 돈도 가져 가 므로, 광고 수입을 잃게 된다.

<발명의 요약>

다음은 본 발명의 실시예들의 몇 가지 양태의 기본적인 이해를 제공하기 위해 본 발명의 간단한 요약을 제공한다. 본 요약은 본 발명의 포괄적인 개요는 아니다. 본 요약은 실시예들의 중요한/임계적인 요소들을 식별하거나 본 발명의 범위를 정하는 것을 의도하지 않는다. 그 유일한 목적은 후술하는 상세한 설명에 대한 서론으로서 본 발명의 몇가지 개념을 간단히 제공하는 것이다.

본 발명은 일반적으로 네트워크 검색 및/또는 브라우징에 관한 것으로서, 구체적으로는 사용자의 네트워크 검색 및/또는 브라우징 의도를 결정하기 위한 시스템 및 방법에 관한 것이다. 네트워크 브라우저 페이지들 및/또는 네트워크 검색 쿼리들로부터 추출된 특징들은 사용자의 브라우징 및/또는 검색 의도의 검출을 용이하게 하는 데 사용된다. 이러한 특징들로부터 구축된 기계 학습 분류자들은 사용자의 온라인 상거래 의도(OCI)를 자동 검출한다. 사용자의 의도는 상거래 또는 비 상거래일 수 있으며, 상거래 의도들은 정보나 트랜잭션에 관한 것이다.

일례로, 사용자의 의도에 따라 순위화된 검색 결과들의 제공을 용이하게 하기 위해 검색 엔진과 함께 OCI 랭킹 메카니즘이 이용된다. 이것은 또한, 구매 광고들과 구매를 행할 준비가 되었을 가능성이 매우 큰 잠재적 고객들을 매칭시키는 수단을 제공한다(트랜잭션 단계). 게다가, 정보 광고들은 잠재적 구매를 조사하고 있는 사용자들에 매칭될 수 있다(정보 단계). 따라서, 향상된 성능 및 수입을 제공하기 위하여 광고 입찰 방법 및 시스템에서 사례들이 이용될 수 있다.

상기 및 관련 목적들을 달성하기 위해, 실시예들의 소정의 예시적인 양태들이 아래의 설명 및 첨부 도면들과 관련하여 여기에 설명된다. 그러나, 이들 양태는 본 발명의 원리들이 이용될 수 있는 다양한 방법 중 단지 몇몇을 나타내며, 본 발명은 그러한 모든 양태 및 그들의 균등물을 포함하는 것을 의도한다. 본 발명의 다른 이점 및 신규한 특징들은 도면들과 관련하여 고려될 때 아래의 상세한 설명으로부터 명확해질 수 있다.

도 1은 일 실시예의 양태에 따른 의도 결정 시스템의 블록도.

도 2는 일 실시예의 양태에 따른 의도 결정 시스템의 다른 블록도.

도 3은 일 실시예의 양태에 따른 의도 결정 시스템의 또 다른 블록도.

도 4는 일 실시예의 양태에 따른 의도 결정 시스템의 또 다른 블록도.

도 5는 일 실시예의 양태에 따른 검색 의도 변화의 일례를 나타내는 도면.

도 6은 일 실시예의 양태에 따른 온라인 상거래 의도(OCI)의 등급을 나타내는 도면.

도 7은 일 실시예의 양태에 따른 웹 페이지 의도 분류자를 구축하는 일례를나타내는 도면.

도 8은 일 실시예의 양태에 따른 웹 페이지 의도 분류자를 이용하여 웹 페이지 의도를 예측하는 일례를 나타내는 도면.

도 9는 일 실시예의 양태에 따른 검색 의도 분류자를 구축하는 일례를 나타내는 도면.

도 10은 일 실시예의 양태에 따른 웹 페이지 의도 분류자 및 검색 의도 분류자로서의 조합 엔진을 이용하여 검색 의도를 예측하는 일례를 나타내는 도면.

도 11은 일 실시예의 양태에 따른 온라인 상거래 의도 시스템 아키텍처의 예시적인 구현을 나타내는 도면.

도 12는 일 실시예의 양태에 따른 OCI 광고 랭킹 시스템의 예시적인 구현을 나타내는 도면.

도 13은 일 실시예의 양태에 따른 온라인 상거래 의도 시스템의 예시적인 사용자 인터페이스를 나타내는 도면.

도 14는 일 실시예의 양태에 따른 네트워크 브라우징 정보 의도 분류자를 구축하는 방법의 흐름도.

도 15는 일 실시예의 양태에 따른 네트워크 브라우징 정보의 의도를 분류하는 방법의 흐름도.

도 16은 일 실시예의 양태에 따른 검색 의도 분류자를 구축하는 방법의 흐름도.

도 17은 일 실시예의 양태에 따른 검색 정보의 의도를 분류하는 방법의 흐름도.

도 18은 일 실시예가 기능할 수 있는 예시적인 운영 환경을 나타내는 도면.

도 19는 일 실시예가 기능할 수 있는 다른 예시적인 운영 환경을 나타내는 도면.

본 발명은 이제 동일 참조 번호들이 시종 동일 요소들을 지칭하는 데 사용되는 도면들을 참조하여 설명된다. 아래의 설명에서는, 설명의 목적으로, 본 발명의 충분한 이해를 제공하기 위해 다양한 특정 상세가 설명된다. 그러나, 본 발명의 실시예들은 이러한 특정 상세들 없이도 실시될 수 있음이 분명할 수 있다. 다른 예에서, 공지된 구조들 및 장치들은 실시예들의 설명을 용이하게 하기 위해 블록도 형태로 도시된다.

본 명세서에서 사용될 때, "컴포넌트"라는 용어는 컴퓨터 관련 엔티티, 즉 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행 중인 소프트웨어를 지칭하는 것을 의도한다. 예를 들어, 컴포넌트는 프로세서 상에서 실행되는 프로세스, 프로세서, 객체, 실행 파일, 실행 스레드, 프로그램 및/또는 컴퓨터일 수 있지만, 이에 한정되지 않는다. 예를 들어, 서버 상에서 실행되는 애플리케이션 및 서버는 컴퓨터 컴포넌트일 수 있다. 하나 이상의 컴포넌트가 프로세스 및/또는 실행 스레드 내에 위치할 수 있으며, 하나의 컴포넌트가 하나의 컴퓨터 상에 국지화되고, 그리고/또는 둘 이상의 컴퓨터 사이에 분산될 수 있다.

온라인 사용자들은 이들이 인터넷으로부터 정보를 찾고 있는지 또는 구매할 브랜드 및 제품/서비스를 결정하고 있는지에 따라 상이한 정보를 필요로 한다. 구매 단계를 위한 올바른 광고의 서비스는 광고 캠페인의 효율을 크게 향상시킬 수 있다. 예를 들어, 사용자가 여전히 정보 단계에 있을 때, 광고자는 사용자가 원하는 제품의 더 많은 선택 및 사용자를 사이트로 돌아오게 하는 동기를 제공하는 데 더 적합할 것이다. 한편, 사용자 이미 트랜잭션 단계에 있을 때, 광고자는 많은 제품의 혼잡한 리스트 대신에 특정 제품에 대한 상세한 가격, 특징 및/또는 할인 정보를 표시하는 것이 최상일 것이다.

여기에 설명되는 시스템들 및 방법들의 사례들은 사용자의 구매 의도의 상이한 등급들을 검출한다. 즉, 사용자가 구매 프로세스에 있는지의 여부, 및 그러한 경우 사용자가 얼마나 열렬히 구매하기를 원하는지를 검출한다. 일례로, 웹 페이지들(즉, 네트워크 브라우징 정보)은 먼저 세 타입의 온라인 상거래 분류들 중 하나로 분류된다. 이어서, 검색 쿼리들이 세 타입의 온라인 상거래 분류들 중 하나로 분류된다. 이어서, 사용자의 검색 쿼리가 주어질 때, 적절한 타입의 광고가 제공될 수 있다. 이와 같이, 적절한 광고들을 전달하는 훨씬 더 효율적인 수단이 제공된다.

도 1에는, 일 실시예의 양태에 따른 의도 결정 시스템(100)의 블록도가 도시되어 있다. 의도 결정 시스템(100)은 네트워크 관련 정보(104)를 수신하고 온라인 상거래 의도(OCI)(106)를 제공하는 의도 결정 컴포넌트(102)를 포함한다. 의도 결정 컴포넌트(102)는 일반적으로 네트워크 관련 훈련 정보의 추출된 특징들 및/또는 콘텐츠를 이용하여 훈련된 기계 학습 알고리즘들을 포함한다. 훈련을 돕기 위해 라벨들도 사용될 수 있다. 이러한 라벨들은 기관 기반(organic-based)(예를 들어, 사용자가 눈으로 OCI 타입을 결정하는 등) 수단에 의해 그리고/또는 기계 기반 수단(예를 들어, 기계 학습 메카니즘 등)에 의해 제공될 수 있다.

훈련이 수행된 경우, 의도 결정 컴포넌트(102)는 온라인 상거래 의도(106)를 결정하는 네트워크 관련 정보(104)의 특징들 및/또는 콘텐츠를 추출한다. 이어서, 이러한 특징들 및/또는 콘텐츠는 예를 들어 비 상거래, 정보, 트랜잭션 등의 OCI 타입을 결정하는 데 사용되며, 이어서 OCI 타입은 온라인 상거래 의도(106)로서 출력된다. 의도 결정 시스템(100)은 OCI 기반 랭킹 시스템, 광고 OCI 랭킹 시스템, 및/또는 다른 의도 기반 시스템 등을 돕기 위해 검색 엔진과 함께 이용될 수 있다. 의도 결정 시스템(100)은 상품 및/또는 서비스의 가능 구매자를 찾고자 하는 시스템들과 함께 사용될 수 있지만, 상거래 의도 없는 사용자들을 찾고자하는 시스템들에서도 사용될 수 있다.

의도 결정 시스템(100)은 거의 실시간으로 의도를 표시할 수 있도록 결함 없이 시스템들 내로 통합될 수 있다. 예를 들어, 검색 웹 페이지는 검색 키워드 입력 포인트의 근처에 사용자 의도 지시자를 포함할 수 있다. 의도 결정을 돕는 데 사용될 수 있는 데이터 소스들은 검색 로그들, 스니피츠, 후원되는 링크들, 클릭 로그들, 및/또는 광고 클릭 로그들 등을 포함할 수 있지만, 이에 한정되지 않는다.

네트워크 관련 정보(104)는 네트워크 브라우징 정보 및/또는 검색 정보 등을 포함할 수 있지만, 이에 한정되지 않는다. 의도 결정 시스템(100)은 인트라넷 등과 같은 로컬 네트워크 및/또는 인터넷 등과 같은 글로벌 네트워크와 함께 사용될 수 있다. 따라서, 네트워크 브라우징 정보는 인터넷 및/또는 인트라넷 웹 페이지, URL(universal resource locator), 및/또는 통계 브라우징 데이터 등을 포함할 수 있지만, 이에 한정되지 않는다. 검색 정보는 검색 키워드 및/또는 문구 및/또는 통계 검색 데이터 등을 포함할 수 있지만, 이에 한정되지 않는다.

도 2를 참조하면, 일 실시예의 양태에 따른 의도 결정 시스템(200)의 다른 블록도가 도시되어 있다. 의도 결정 시스템(200)은 검색 정보(204) 및/또는 네트워크 브라우징 정보(206)를 취득하고 OCI 타입(208)을 제공하는 의도 결정 컴포넌트(202)를 포함한다. 의도 결정 컴포넌트(202)는 수신 컴포넌트(210) 및 기계 학습 분류자 컴포넌트(212)를 포함한다. 수신 컴포넌트(210)는 예를 들어 인트라넷 및/또는 인터넷 소스 등으로부터 검색 정보(204) 및/또는 네트워크 브라우징 정보(206)를 취득한다. 검색 정보(204) 및/또는 네트워크 브라우징 정보(206)는 의도에 관련하여 분류될 정보를 나타낸다. 따라서, 수신 컴포넌트(210)는 취득된 정보(204 및/또는 206)를 기계 학습 분류자 컴포넌트(212)로 중계한다.

기계 학습 분류자 컴포넌트(212)는 의도 모델 및 기계 학습 알고리즘들을 이용하여, 검색 정보(204) 및/또는 네트워크 브라우징 정보(206)의 분류를 돕는다. 하나의 사례는 이러한 목적으로 지원 벡터 기계(SVM)를 이용한다. 의도 모델은 검색 특징들(214) 및/또는 네트워크 브라우징 특징들(216) 등을 이용하여 훈련된다. 후술하는 바와 같이, 특징들(검색 키워드 등을 포함함)은 이러한 구별되는 특징들 등에 기초하여 의도를 결정할 수 있는 모델의 생성을 돕도록 라벨링 및/또는 추출될 수 있다. 따라서, 기계 학습 분류자 컴포넌트(212)는 검색 정보(204) 및/또는 네트워크 브라우징 정보(206)를 처리하여, 온라인 상거래 의도(0CI) 타입(208)(예를 들어, 비 상거래, 정보, 트랜잭션)을 제공한다.

도 3을 참조하면, 일 실시예의 양태에 따른 의도 결정 시스템(300)의 또 다른 블록도가 도시되어 있다. 의도 결정 시스템(300)은 검색 정보(304) 및/또는 네트워크 브라우징 정보(306)를 취득하고 검색 의도(308) 및/또는 페이지 의도(310)를 제공하는 의도 결정 컴포넌트(302)를 포함한다. 의도 결정 컴포넌트(302)는 수신 컴포넌트(312), 검색 의도 분류자 컴포넌트(314), 및 페이지 의도 분류자 컴포넌트(316)를 포함한다. 수신 컴포넌트(312)는 예를 들어 인트라넷 및/또는 인터넷 소스 등으로부터 검색 정보(304) 및/또는 네트워크 브라우징 정보(306)를 취득한다. 검색 정보(304) 및/또는 네트워크 브라우징 정보(306)는 의도와 관련하여 분류될 정보를 나타낸다.

페이지 의도 분류자 컴포넌트(316)는 네트워크 브라우징 정보(306)의 의도를 결정하여 페이지 의도(310)를 제공한다. 이 컴포넌트(316)는 네트워크 브라우징 특징들(320)을 이용하여 훈련된 페이지 의도 모델을 이용한다. 검색 의도 분류자 컴포넌트(314)는 검색 특징들(318)을 이용하여 훈련된 검색 의도 모델(예를 들어, 페이지 의도 모델의 모두 또는 부분들을 포함할 수 있음)을 이용한다. 검색 의도 분류자 컴포넌트(314)는 수신 컴포넌트(312)로부터 검색 정보(304)를 수신하고, 네트워크 브라우징 정보(306)의 분류를 돕기 위해 검색 정보(304) 및 페이지 의도 분류자 컴포넌트(316)에 기초하는 검색 결과들을 적어도 부분적으로 이용함으로써 검색 정보(304)를 처리한다. 검색 결과들은 페이지 의도 분류자 컴포넌트(316)에 의해 처리되며, 이어서 이들의 결정된 의도는 검색 의도(308)를 제공하기 위해 (후술하는) 학습된 조합 계수들을 이용하여 조합된다.

도 4를 참조하면, 일 실시예의 양태에 따른 의도 결정 시스템(400)의 또 다른 블록도가 도시되어 있다. 의도 결정 시스템(400)은 검색 정보(404) 및/또는 네트워크 브라우징 정보(406)를 취득하고 검색 엔진 의도 기반 랭킹(408) 및/또는 의도 기반 네트워크 광고 랭킹(410)을 제공하는 의도 결정 컴포넌트(402)를 포함한다. 의도 결정 시스템(300)과 유사하게, 의도 결정 시스템(400)은 예를 들어 검색 엔진 의도 기반 랭킹(408) 및/또는 의도 기반 네트워크 광고 랭킹(410) 등과 같은 상이한 시스템 타입들을 지원하도록 의도 결정들을 제공하는 데 이용될 수 있다. 의도 결정 컴포넌트(402)는 의도 결정을 돕기 위해 검색 특징들(412) 및/또는 네트워크 브라우징 특징들(414)을 이용하여 훈련된 의도 모델들을 이용할 수 있다. 다라서, 의도 결정 시스템(400)은 의도 기반 검색 엔진들 및/또는 의도 기반 광고 메카니즘 등에 대한 온라인 상거래 의도를 제공할 수 있다.

여기에 설명되는 시스템들 및 방법들의 사례들은 사용자의 온라인 거동(예를 들어, 네트워크 브라우징 및/또는 검색)을 통해 사용자의 구매 의도(즉, 온라인 상거래 의도 또는 OCI)의 등급을 자동으로 검출하는 수단을 제공한다. 온라인 광고의 기본적인 사업 근거는 사용자의 온라인 활동들이 사용자가 구매 프로세스에 있을 수 있음을 지시한다는 점이다. 통상적으로, 구매 활동에는 2개의 주요 단계, 즉 사용자가 브랜드 및/또는 제품/서비스 정보를 검색하고 있는 정보 단계, 및 사용자가 어느 브랜드 및/또는 제품/서비스를 구매할지를 결정하는 트랜잭션 단계가 존재한다. 도 5는 일 실시예의 양태에 따른 검색 의도 변경의 일례(500)를 나타낸다. 이 예(500)는 스포츠카의 구매와 관련된 의도 변경을 나타낸다.

온라인 사용자들은 이러한 2개의 상이한 단계에서 상이한 정보를 필요로 한다. 구매 단계를 위한 올바른 광고의 서비스는 광고 캠페인의 효율을 크게 향상시킬 수 있다. 위의 예(500)에서, 사용자가 여전히 정보 단계(502)에서 "포드 프리스타일(Ford Freestyle)"을 검색하고 있는 경우, 광고자는 사용자에게 포드 프리스타일 차들 중 하나와 가격표만을 제공하는 것이 아니라, 보다 좋은 위치에서 "포드 스타일"에 대한 더 많은 정보 및/또는 선택들 및/또는 사용자가 광고자의 웹 사이트로 돌아오게 하는 동기를 제공할 것이다. 한편, 사용자가 이미 트랜잭션 단계(504)에서 "캠프벨 포드 나일스 MI(Campbell Ford Niles MI)"를 검색하고 있는 경우, 광고자들은 많은 다른 차들의 혼잡한 리스트 대신에 예를 들어 그 차 딜러에 관한 상세 가격, 특징 및/또는 할인 정보를 표시하는 것이 최상일 것이다.

사용자 구매 의도의 상이한 등급들, 즉 사용자가 구매 프로세스에 있는지의 여부, 그리고 그러한 경우에 사용자가 얼마나 열렬히 구매하기를 원하는지는 온라인 상거래 의도로서 정의되며, 도 6의 그래프(600)에 도시된다. 먼저, 온라인 활동들은 2개의 그룹, 즉 상거래(602)(예를 들어, 사용자가 온라인 상점 제품 구매 페이지들 및/또는 제품/가격 비교 사이트 등을 브라우징한다) 및 비 상거래(604)(예를 들어, 사용자가 학원 강의 페이지, 정부 페이지 및/또는 뉴스 페이지 등을 브라우징한다)로 분류된다. 상거래 활동들에 대해, 사용자가 일반적으로 온라인 구매 동안 진행하는 2개의 단계, 즉 정보 단계(사용자가 제품 및/또는 서비스를 조사하고 있을 때) 및 트랜잭션 단계(사용자가 강한 구매 의도를 가질 때, 예를 들어 쇼핑 카트 및/또는 소망 리스트에 품목을 넣을 준비가 된 때)에 기초하여 2개의 하위 등급이 정의된다.

여기에 설명되는 시스템들 및 방법들의 사례들은 네트워크 브라우징 활동들 이면의 온라인 상거래 의도를 자동으로 검출하고 그리고/또는 네트워크 검색 활동들 이면의 온라인 상거래 의도를 자동으로 검출하는 수단을 제공하는 데 이용될 수 있다. 웹 페이지들 및/또는 검색 쿼리들을 올바른 의도들로 자동 분류하기 위해, 기계 학습 분류자들은 웹 페이지들 및/또는 검색 쿼리들로부터 추출된 특징들에 기초하여 구축된다.

OCI 기반 랭킹 메카니즘을 제공하기 위해 하나의 사례가 또한 이용될 수 있다. 통상의 검색 엔진들은 검색 쿼리들로부터의 키워드들과 웹 페이지 콘텐츠로부터의 키워드들 간의 콘텐츠 유사성에 기초하여 정보를 서비스한다. OCI 기반 랭킹은 브라우징된 웹 페이지 및/또는 검색 쿼리들 이면의 의도와 매칭되는 정보를 승진시킨다. 이러한 랭킹 메카니즘은 특히 광고 서비스에 대한 사용자의 만족을 충분히 높일 수 있다. 또 하나의 사례는 광고 입찰 시스템들에 대한 OCI를 제공한다. 예를 들어, 매우 강한 구매 의도 등을 가진 웹 페이지들 상에 광고를 게재하기 위해 보다 높은 가격이 설정될 수 있다. 시스템들 및/또는 방법들이 온라인 사용자가 무언가를 구매하기를 의도하는지 그리고/또는 사용자가 얼마나 열렬히 구매하기를 원하는지를 결정하는 것을 돕기 위해 다른 사례들이 적용될 수 있다.

여기에 설명되는 시스템들 및 방법들의 사례들은 예를 들어 웹 페이지들(예를 들어, 광고 페이지들을 포함함) 및/또는 검색 쿼리들을 세 가지의 온라인 상거래 의도 타입, 즉 비 상거래, 상거래-정보(또는 "정보") 및 상거래-트랜잭션(또는 "트랜잭션")로 분류하는 데 이용될 수 있다. 사례들은 또한, 예를 들어 웹 페이지들을 예를 들어 페이지 의도 분류자를 이용하여 세 가지의 온라인 상거래 의도 타입으로 자동 분류할 수 있다. 게다가, 사례들은 또한 검색 쿼리들을 예를 들어 검색 의도 분류자를 이용하여 세 가지의 온라인 상거래 의도 타입으로 자동 분류할 수 있다. 더욱이, 사례들은 또한 검색 쿼리들로부터 온라인 상거래 의도를 검출하는 성능을 최적화하는 기계 학습 알고리즘을 제공할 수 있다.

도 7에는, 일 실시예의 양태에 따른, 웹 페이지 의도 분류자(708)를 구축하는 일례(700)가 도시되어 있다. 먼저, 의도 라벨들을 가진 훈련 웹 페이지들(702)이 웹 페이지 특징 추출(704)에 사용된다. 추출된 특징들은 웹 페이지 콘텐츠들로부터 상이한 페이지 OCI들을 구별한다. 훈련 웹 페이지들(702)로부터의 의도 라벨들 및 웹 페이지 특징 추출(704)로부터 추출된 특징들을 이용함으로써 모델 훈련(706)이 완수된다. 기계 학습 알고리즘을 적용하여, 추출된 특징들(예를 들어, 키워드 패턴, 위치, 링크, 레이아웃 등)에 기초하여 모델을 훈련시켜, 웹 페이지 의도 분류자(708)를 제공한다.

도 8을 참조하면, 일 실시예의 양태에 따른, 웹 페이지 의도 분류자를 이용하여 웹 페이지 의도를 예측하는 일례(800)가 도시되어 있다. 웹 페이지(802)가 분류를 위해 얻어질 때, 웹 페이지 특징 추출(804)이 발생한다. 추출된 특징들은 적어도 부분적으로는, 훈련 단계에서 사용된 특징들이다. 이어서, 웹 페이지 의도 분류자(806)는 추출된 특징들(예를 들어, 키워드 패턴, 위치, 링크, 레이아웃 등)을 이용하여, 웹 페이지(802)의 온라인 상거래 의도에 기초하여 웹 페이지 의도를 결정한다.

도 9를 참조하면, 일 실시예의 양태에 따른, 검색 의도 분류자(912)를 구축하는 일례(900)가 도시되어 있다. 라벨링된 의도를 가진 쿼리(902)가 검색 엔진(904)에 의해 처리된다. 검색 엔진(904)으로부터 반환된 결과 페이지 및/또는 상위 N개의 검색 결과(N은 1에서 무한대까지의 정수)가 웹 페이지 의도 분류자(906)로 전송된다. 통상적으로, 제1(또는 최고 랭킹) 웹 페이지가 최적화된 접근법에서 사용된다. 검색 결과 페이지는 예를 들어 쿼리 스니피츠, 후원되는 링크들, 및/또는 검색 쿼리에 관련된 다른 정보 등을 포함할 수 있다. 검색 결과 페이지 및/또는 상위 N개의 결과들 각각은 웹 페이지로서 간주된다. 웹 페이지 의도 분류자(906)는 검색 결과 페이지 및/또는 각각의 검색 결과에 대한 OCI를 결정한다. 몇몇 사례에서, 예를 들어 웹 페이지 의도 분류자(906)는 검색 결과 페이지의 특별한 고정 페이지 구조를 처리하도록 특유하게 구축된 페이지 분류자를 포함할 수 있다. 조합 엔진(908)이 검색 엔진(904)으로부터 반환된 검색 결과 페이지 및/또는 상위 N개의 검색 결과에 대한 OCI들을 조합하여, 라벨링된 의도를 가진 쿼리(902)에 대한 검색 의도를 계산하여 검색 의도 분류자(912)를 제공한다. 여기서, 최상의 분류 정확도를 얻기 위해 조합 엔진(908)에서 N 및 가중 계수들이 최적화된다.

일례에서 조합 엔진(908)은 검색 결과들의 선형 조합을 이용한다. 라벨링된 의도를 가진 쿼리(902)는 조합 계수들을 훈련(910)시키는 데 사용될 수 있다. 기계 학습 알고리즘들은 이러한 파라미터들을 조정하는 데 사용될 수 있다. 웹 페이지 의도 분류자(906) 및 조합 엔진(908)은 함께 검색 의도 분류자(912)로서 사용될 수 있다. 다른 파라미터들이 상위 N개의 결과들을 대체 및/또는 증가시키는 데 사용될 수 있고, 여기에 설명되는 시스템들 및 방법들의 범위 내에 있음을 이 분야의 전문가는 이해할 수 있다. 예를 들어, 검색 로그들, 스니피츠, 후원되는 링크들, 클릭 로그들, 및/또는 광고 클릭 로그들 등과 같은 다른 데이터 소스들도 사용될 수 있다.

도 10을 참조하면, 일 실시예의 양태에 따른, 웹 페이지 의도 분류자(1006) 및 조합 엔진(1008)을 검색 의도 분류자(1012)로서 사용하여 검색 의도를 예측하는 일례가 도시되어 있다. 검색 쿼리(1002)가 제공될 때, 검색 쿼리(1002)는 검색 엔진(1004)으로 전송된다. 검색 결과 페이지 및/또는 상위 P개의 검색 결과들이 검색 엔진(1004)에 의해 얻어지는데, P는 1에서 무한대까지의 정수이다(그리고 N과 다를 수 있다). 검색 결과 페이지 및/또는 상위 P개의 결과들은 개별 웹 페이지들로서 간주된다. 이어서, 각각의 웹 페이지는 각각의 검색 결과에 대한 OCI를 결정하는 웹 페이지 의도 분류자(1006)로 전달된다. 몇몇 사례에서, 예를 들어 웹 페이지 의도 분류자(1006)는 검색 결과 페이지의 특별한 고정 페이지 구조를 제공하도록 특유하게 구축된 페이지 분류자를 포함할 수 있다. 이어서, OCI들이 조합 엔진(1008)으로 전달된다. 조합 엔진(1008)은 최적화된 계수들을 OCI들에 적용하고, 조합된 OCI를 이 쿼리에 대한 검색 의도(1010)로서 반환할 수 있다. 다른 파라미터들이 상위 P개의 결과들을 대체 또는 증가시키는 데 사용될 수 있고, 여기에 설명되는 시스템들 및 방법들의 범위 내에 있음을 이 분야의 전문가는 이해할 수 있다. 예를 들어, 검색 로그들, 스니피츠, 후원되는 링크들, 클릭 로그들, 및/또는 광고 클릭 로그들 등과 같은 다른 데이터 소스들도 사용될 수 있다.

도 11을 참조하면, 일 실시예의 양태에 따른 온라인 상거래 의도 시스템 아키텍처(1100)의 예시적인 구현이 도시되어 있다. 아키텍처(1100)는 하나의 시스템에서 훈련 프로세스, 온라인 프로세스, 및 특징 추출 프로세스를 제공한다(여기서, Q는 1에서 무한대까지를 나타낸다). 도 12를 참조하면, 일 실시예의 양태에 따른 OCI 광고 랭킹 시스템(1200)의 예시적인 구현이 도시되어 있다. 여기에 설명되는 시스템들 및 방법들의 사례들은 도 13에 도시된 바와 같은 예시적인 사용자 인터페이스(1300)에 통합될 수도 있다. 검색 엔트리들을 위한 툴바(1302)가 검색 쿼리(1304)를 표시한 후, OCI(1306)를 표시한다. 사용자가 OCI(1306)를 클릭하면, 보조 표시(1308)가 나타나 OCI 타입 비율들을 보여준다.

도시되고 위에 설명된 예시적인 시스템들에 비추어, 실시예들에 따라 구현될 수 있는 방법들은 도 14-17의 흐름도들을 참조하여 보다 잘 이해될 것이다. 설명의 간략화를 위해 방법들은 일련의 블록들로서 도시되고 설명되지만, 소정의 블록들은 일 실시예에 따라 상이한 순서로 그리고/또는 여기에 도시되고 설명되는 것과 다른 블록들과 동시에 발생할 수 있으므로, 실시예들은 블록들의 순서에 의해 제한되지 않는다는 점을 이해하고 알아야 한다. 더욱이, 도시된 블록들 모두가 실시예들에 따른 방법들을 구현하는 데 필요한 것은 아닐 수도 있다.

실시예들은 하나 이상의 컴포넌트에 의해 실행되는 프로그램 모듈들과 같은 컴퓨터 실행 가능 명령들과 일반적으로 관련하여 설명될 수 있다. 일반적으로, 프로그램 모듈들은 특정 태스크들을 수행하거나 특정 추상 데이터 타입들을 구현하는 루틴, 프로그램, 객체, 데이터 구조 등을 포함한다. 통상적으로, 프로그램 모듈들의 기능은 실시예들의 다양한 사례에서 필요에 따라 조합 또는 분산될 수 있다.

도 14에는, 일 실시예의 양태에 따른 네트워크 브라우징 정보 의도 분류자를 구축하는 방법(1400)의 흐름도가 도시되어 있다. 방법(1400)은 모델 훈련을 돕기 위한 네트워크 브라우징 정보를 취득(1404)함으로써 시작된다(1402). 네트워크 브라우징 정보는 인터넷 및/또는 인트라넷 웹 페이지, URL, 및/또는 통계 브라우징 데이터 등을 포함할 수 있지만, 이에 한정되지 않는다. 이어서, 의도 구별 특징들 및/또는 콘텐츠가 네트워크 브라우징 정보로부터 추출된다(1406). 이러한 특징들/콘텐츠는 온라인 상거래 의도(OCI)의 상이한 타입들, 즉 비 상거래, 정보 및 트랜잭션을 구별하는 것을 용이하게 한다. 특징들은 키워드 패턴, 위치, 링크, 및/또는 레이아웃 등을 포함할 수 있지만 이에 한정되지 않는다. 추출된 특징들 및/또는 콘텐츠에 기초하여 의도 모델을 훈련시키기 위해 기계 학습 프로세스가 적용된다(1408). 기계 학습 프로세스는 예를 들어 SVM 기반 학습 등을 포함할 수 있다. 이어서, 의도 모델에 기초하여 네트워크 브라우징 정보 의도 분류자가 구축되고(1410), 흐름이 종료된다(1412). 이 분류자는 예를 들어 웹 페이지 등의 OCI 타입의 결정을 돕는 데 사용될 수 있다.

도 15를 참조하면, 일 실시예의 양태에 따른 네트워크 브라우징 정보의 의도를 분류하는 방법(1500)의 흐름도가 도시되어 있다. 방법(1500)은 분류를 위해 네트워크 브라우징 정보를 취득(1504)함으로써 시작된다(1502). 네트워크 브라우징 정보는 인터넷 및/또는 인트라넷 웹 페이지, URL, 및/또는 통계 브라우징 데이터 등을 포함할 수 있지만, 이에 한정되지 않는다. 예를 들어, 이 정보는 광고 시스템으로부터, 사용자로부터 직접, 그리고/또는 처리할 검색 결과 페이지들을 필요로 하는 검색 엔진 등으로부터 발생할 수 있다. 이어서, 의도 특징들 및/또는 콘텐츠가 네트워크 브라우징 정보로부터 추출된다(1506). 이어서, 네트워크 브라우징 정보 의도 분류자를 이용하여, 네트워크 브라우징 정보의 의도를 결정하고(1508), 흐름이 종료된다(1510). 네트워크 브라우징 정보 의도 분류자는 추출된 의도 특징들 및/또는 콘텐츠를 상이한 OCI 타입들을 구별하는 특징들과 비교하여 의도를 결정한다.

도 16을 참조하면, 일 실시예의 양태에 따른, 검색 의도 분류자를 구축하는 방법(1600)의 흐름도가 도시되어 있다. 방법(1600)은 의도가 라벨링된 쿼리 정보를 취득(1604)함으로써 시작된다(1602). 쿼리 정보는 검색 키워드 및/또는 문구, 및/또는 통계 검색 데이터 등을 포함할 수 있지만, 이에 한정되지 않는다. 이어서, 라벨링된 쿼리 정보를 검색 엔진에 의해 처리하여, 검색 결과 페이지 및/또는 상위 "N"개의 쿼리 결과들을 찾는데(1606), 여기서 "N"은 1에서 무한대까지의 정수이다. 통상적으로, 제1(또는 최고 랭킹) 결과 페이지가 최적화된 접근법에서 사용된다. 검색 결과 페이지는 예를 들어 쿼리 스니피츠, 후원되는 링크들, 및/또는 검색 쿼리와 관련된 다른 정보 등을 포함할 수 있다. 이어서, 검색 결과 페이지 및/또는 각각의 상위 "N"개의 쿼리 결과와 연관된 네트워크 브라우징 정보의 의도가 네트워크 브라우징 정보 의도 분류자를 이용하여 결정된다(1608). 몇몇 사례에서, 예를 들어 네트워크 브라우징 정보 의도 분류자는 검색 결과 페이지의 특별한 고정 페이지 구조를 처리하도록 특유하게 구축된 의도 분류자를 포함할 수 있다. 검색 결과 페이지 및/또는 상위 "N"개의 쿼리 결과들로부터의 의도들을 학습된 조합 계수들을 이용하여 조합하여, 검색 의도 분류자를 구축하고(1610), 흐름은 종료된다(1612). 조합 계수들의 학습을 돕기 위해 기계 학습이 이용될 수 있다. 다른 파라미터들이 검색 결과 페이지 및/또는 상위 "N"개의 결과들을 대체 또는 증가시키는 데 사용될 수 있고, 여기에 설명되는 시스템들 및 방법들의 범위 내에 있다는 것을 이 분야의 전문가는 이해할 수 있다. 예를 들어, 검색 로그들, 스니피츠, 후원되는 링크들, 클릭 로그들, 및/또는 광고 클릭 로그들 등과 같은 다른 데이터 소스들도 사용될 수 있다.

도 17을 참조하면, 일 실시예의 양태에 따른, 검색 정보의 의도를 분류하는 방법(1700)의 흐름도가 도시되어 있다. 방법(1700)은 의도 분류를 위해 쿼리 정보를 취득(1704)함으로써 시작된다(1702). 이어서, 쿼리 정보를 검색 엔진을 이용하여 처리하여, 검색 결과 페이지 및/또는 상위 "P"개의 쿼리 결과들을 찾는데(1706), 여기서 "P"는 1에서 무한대까지의 정수이다(주: 쿼리 의도 모델을 훈련시키는 데 사용되는 결과들의 수는 쿼리의 의도를 분류하는 데 사용되는 결과들의 수와 반드시 같을 필요는 없다). 통상적으로 제1(또는 최고 랭킹) 결과 페이지가 최적화된 접근법에서 사용된다. 검색 결과 페이지는 예를 들어 쿼리 스니피츠, 후원되는 링크들, 및/또는 검색 쿼리와 관련된 다른 정보 등을 포함할 수 있다. 이어서, 검색 결과 페이지 및/또는 각각의 상위 "P"개의 쿼리 결과와 연관된 네트워크 브라우징 정보의 의도가 네트워크 브라우징 정보 의도 분류자를 이용하여 결정된다(1708). 네트워크 브라우징 정보 의도 분류자는 방법(1400)에 따라 구축되고 위의 방법(1500)에 따라 이용될 수 있다. 몇몇 사례에서, 예를 들어 네트워크 브라우징 정보 의도 분류자는 검색 결과 페이지의 특별한 고정 페이지 구조를 처리하도록 특유하게 구축된 의도 분류자를 포함할 수 있다. 검색 결과 페이지 및/또는 상위 "P"개의 쿼리 결과들로부터의 의도들을 학습된 조합 계수들을 이용하여 조합하여 검색 의도를 결정하고(1710), 흐름이 종료된다(1712). 다른 파라미터들이 검색 결과 페이지 및/또는 상위 "P"개의 결과들을 대체 또는 증가시키는 데 사용될 수 있고, 여기에 설명되는 시스템들 및 방법들의 범위 내에 있다는 것을 이 분야의 전문가는 이해할 수 있다. 예를 들어, 검색 로그들, 스니피츠, 후원되는 링크들, 클릭 로그들, 및/또는 광고 클릭 로그들 등과 같은 다른 데이터 소스들도 사용될 수 있다.

실시예들의 다양한 양태들을 구현하기 위한 추가 배경을 제공하기 위하여, 도 18 및 아래의 설명은 실시예들의 다양한 양태가 수행될 수 있는 적절한 컴퓨팅 환경(1800)의 간단하고 일반적인 설명을 제공하는 것을 의도한다. 실시예들은 로컬 컴퓨터 및/또는 원격 컴퓨터 상에서 실행되는 컴퓨터 프로그램의 컴퓨터 실행 가능 명령들과 일반적으로 관련하여 전술하였지만, 이 분야의 전문가들은 실시예들이 다른 프로그램 모듈들과 조합하여 수행될 수도 있음을 인식할 것이다. 일반적으로, 프로그램 모듈은 특정 태스크를 수행하고 그리고/또는 특정 추상 데이터 타입을 구현하는 루틴, 프로그램, 컴포넌트, 데이터 구조 등을 포함한다. 더욱이, 이 분야의 전문가들은 본 발명의 방법들이 각기 하나 이상의 관련 장치들과 유효하게 통신할 수 있는 개인용 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서 기반 및/또는 프로그램 가능 가전 장치 등은 물론 단일 프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니 컴퓨터, 메인프레임 컴퓨터를 포함하는 다른 컴퓨터 시스템 구성을 이용하여 실시될 수 있음을 이해할 것이다. 도시된 실시예들의 양태들은 통신 네트워크를 통해 링크된 원격 처리 장치들에 의해 소정의 태스크들이 수행되는 분산형 컴퓨팅 환경에서도 실시될 수 있다. 그러나, 실시예들의 양태들의 모두가 아닌 경우의 일부는 독립식 컴퓨터 상에서 실시될 수 있다. 분산형 컴퓨팅 환경에서, 프로그램 모듈들은 로컬 및/또는 원격 메모리 저장 장치들에 위치할 수 있다.

도 18을 참조하면, 실시예들 다양한 양태를 수행하기 위한 예시적인 시스템 환경(1800)은 처리 유닛(1804), 시스템 메모리(1806), 및 시스템 메모리를 포함하는 다양한 시스템 컴포넌트를 처리(1804)에 결합하는 시스템 버스(1808)를 포함하는 통상의 컴퓨터(1802)를 포함한다. 처리 유닛(1804)은 임의의 상용 또는 독점 프로세서일 수 있다. 또한, 처리 유닛은 병렬로 접속될 수 있는 것과 같은 둘 이상의 프로세서로 구성된 멀티 프로세서로서 구현될 수 있다.

시스템 버스(1808)는 예를 들어 메모리 버스 또는 메모리 제어기, 주변 버스, 및 PCI, VESA, 마이크로채널 ISA, 및 EISA와 같은 다양한 통상의 버스 아키텍처 중 임의 아키텍처를 이용하는 로컬 버스를 포함하는 여러 타입의 버스 구조 중 임의의 구조일 수 있다. 시스템 메모리(1806)는 판독 전용 메모리(ROM; 1810) 및 랜덤 액세스 메모리(RAM; 1812)를 포함한다. 시동시 등에 컴퓨터(1802) 내의 구성요소들 간의 정보 전송을 돕는 기본 루틴을 포함하는 기본 입출력 시스템(BIOS; 1814)은 ROM(1810)에 저장된다.

컴퓨터(1802)는 또한 예를 들어 하드 디스크 드라이브(1816), 예를 들어 이동식 디스크(1820)에 대한 판독 및 기록을 위한 자기 디스크 드라이브(1818), 및 예를 들어 CD-ROM 디스크(1824) 또는 다른 광학 매체에 대한 판독 및 기록을 위한 광 디스크 드라이브(1822)를 포함할 수 있다. 하드 디스크 드라이브(1816), 자기 디스크 드라이브(1818), 및 광 디스크 드라이브(1822)는 각각 하드 디스크 드라이브 인터페이스(1826), 자기 디스크 드라이브 인터페이스(1828) 및 광 드라이브 인터페이스(1830)에 의해 시스템 버스(1808)에 접속된다. 드라이브들(1816-1822) 및 이들의 관련 컴퓨터 판독 가능 매체들은 컴퓨터(1802)를 위한 데이터, 데이터 구조, 컴퓨터 실행 가능 명령 등의 비휘발성 저장을 제공한다. 위의 컴퓨터 판독 가능 매체들에 대한 설명은 하드 디스크, 이동식 자기 디스크 및 CD를 참조하지만, 자기 카세트, 플래시 메모리, 디지털 비디오 디스크, 베르누이 카트리지 등과 같이 컴퓨터에 의해 판독될 수 있는 다른 타입의 매체들도 예시적인 운영 환경(1800)에서 사용될 수 있으며, 또한 그러한 임의의 매체들은 실시예들의 방법들을 수행하기 위한 컴퓨터 실행 가능 명령들을 포함할 수 있다는 것을 이 분야의 전문가들은 알아야 한다.

운영 체제(1832), 하나 이상의 애플리케이션 프로그램(1834), 다른 프로그램 모듈(1836) 및 프로그램 데이터(1838)를 포함하는 다수의 프로그램 모듈이 드라이브들(1816-1822) 및 RAM(1812)에 저장될 수 있다. 운영 체제(1832)는 임의의 적절한 운영 체제 또는 운영 체제들의 조합일 수 있다. 예를 들어, 애플리케이션 프로그램(1834) 및 프로그램 모듈(1836)은 일 실시예의 양태에 따른 의도 결정 스킴을 포함할 수 있다.

사용자는 키보드(1840) 및 포인팅 장치(예를 들어, 마우스(1842))와 같은 하나 이상의 사용자 입력 장치를 통해 컴퓨터(1802)에 커맨드 및 정보를 입력할 수 있다. 다른 입력 장치(도시되지 않음)는 마이크로폰, 조이스틱, 게임 패드, 위성안테나, 무선 리모컨, 스캐너 등을 포함할 수 있다. 이들 및 다른 입력 장치들은 종종 시스템 버스(1808)에 결합되는 직렬 포트 인터페이스(1844)를 통해 처리 유닛(1804)에 접속되지만, 병렬 포트, 게임 포트 또는 USB와 같은 다른 인터페이스에 의해 접속될 수 있다. 모니터(1846) 또는 다른 타입의 표시 장치도 비디오 어댑터(1848)와 같은 인터페이스를 통해 시스템 버스(1808)에 접속된다. 모니터(1846)에 더하여, 컴퓨터(1802)는 스피커, 프린터 등과 같은 다른 주변 출력 장치(도시되지 않음)를 포함할 수 있다.

컴퓨터(1802)는 하나 이상의 원격 컴퓨터(1860)에 대한 논리적 접속들을 이용하여 네트워킹 환경에서 동작할 수 있다. 원격 컴퓨터(1860)는 워크스테이션, 서버 컴퓨터, 라우터, 피어 장치 또는 다른 공동 네트워크 노드일 수 있으며, 도 18에는 간략화를 위해 메모리 저장 장치(1862)만이 도시되어 있지만, 통상적으로는 컴퓨터(1802)에 관해 설명된 요소들의 대부분 또는 모두를 포함한다. 도 18에 도시된 논리 접속은 LAN(1864) 및 WAN(1866)을 포함할 수 있다. 이러한 네트워킹 환경은 사무실, 기업 광역 컴퓨터 네트워크, 인트라넷 및 인터넷에서 일반적이다.

예를 들어, LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1802)는 네트워크 인터페이스 또는 어댑터(1868)를 통해 로컬 네트워크(1864)에 접속된다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1802)는 통상적으로 모뎀(예를 들어, 전화, DSL, 케이블 등)(1870)을 포함하거나, LAN 상의 통신 서버에 접속되거나, 인터넷과 같은 WAN(1866)을 통해 통신을 설정하기 위한 다른 수단을 구비한다. 컴퓨터(1802)에 관해 내장형 또는 외장형일 수 있는 모뎀(1870)은 직렬 포트 인터페이스(1844)를 통해 시스템 버스(1808)에 접속된다. 네트워킹 환경에서, 프로그램 모듈들(애플리케이션 프로그램(1834)을 포함함) 및/또는 프로그램 데이터(1838)는 원격 메모리 저장 장치(1862)에 저장될 수 있다. 도시된 네트워크 접속들은 예시적이며, 컴퓨터들(1802, 1860) 간의 통신 링크를 설정하는 다른 수단(예를 들어, 유선 또는 무선)이 일 실시예의 양태를 수행할 때 사용될 수 있다는 것을 이해할 것이다.

컴퓨터 프로그래밍 분야의 전문가들의 실무에 따라, 실시예들은 달리 지시되지 않는 한은 컴퓨터(1802) 또는 원격 컴퓨터(1860)와 같은 컴퓨터에 의해 수행되는 거동들 및 동작들의 심벌 표현들과 관련하여 설명되었다. 이러한 거동들 및 동작들은 때때로 컴퓨터에 의해 실행되는 것으로 참조된다. 거동들 및 심벌로 표현된 동작들은 전기 신호의 결과적인 변환 또는 감소, 및 메모리 시스템(시스템 메모리(1806), 하드 드라이브(1816), 플로피 디스크(1820), CD-ROM(1824) 및 원격 메모리(1862)를 포함함) 내의 메모리 위치들에서의 데이터 비트들의 유지를 유발하여, 컴퓨터 시스템의 동작을 재구성하거나 변경하는 것은 물론, 신호들에 대한 다른 처리를 행하는 데이터 비트들을 나타내는 전기 신호들의 처리 유닛(1804)에 의한 조작을 포함한다는 것을 이해할 것이다. 이러한 데이터 비트들이 유지되는 메모리 위치들은 데이터 비트들에 대응하는 특정 물리, 전기, 자기 또는 광학 특성들을 갖는 물리적 위치들이다.

도 19는 실시예들이 상호작용할 수 있는 샘플 컴퓨팅 환경(1900)의 다른 블록도이다. 시스템(1900)은 하나 이상의 클라이언트(1902)를 포함하는 시스템을 더 도시한다. 클라이언트(1902)는 하드웨어 및/또는 소프트웨어(예를 들어, 스레드, 프로세스, 컴퓨팅 장치)일 수 있다. 시스템(1900)은 또한 하나 이상의 서버(1904)를 포함한다. 서버(1904)는 또한 하드웨어 및/또는 소프트웨어(예를 들어, 스레드, 프로세스, 컴퓨팅 장치)일 수 있다. 클라이언트(1902)와 서버(1904) 간의 하나의 가능한 통신은 두 개 이상의 컴퓨터 프로세스 사이에 전송되는 데이터 패킷의 형태일 수 있다. 시스템(1900)은 클라이언트(1902)와 서버(1904) 간의 통신을 용이하게 하는 데 사용될 수 있는 통신 프레임워크(1908)를 포함한다. 클라이언트(1902)는 클라이언트(1902)에 국한된 정보를 저장하는 데 사용될 수 있는 하나 이상의 클라이언트 데이터 저장소(1910)에 접속된다. 마찬가지로, 서버(1904)는 서버(1904)에 국한된 정보를 저장하는 데 사용될 수 있는 하나 이상의 서버 데이터 저장소(1940)에 접속된다.

실시예들의 시스템들 및/또는 방법들은 의도 결정을 돕는 컴퓨터 컴포넌트들 및 비 컴퓨터 관련 컴포넌트들에서 똑같이 이용될 수 있음을 이해해야 한다. 또한, 실시예들의 시스템들 및/또는 방법들은 컴퓨터, 서버 및/또는 핸드헬드 전자 장치 등을 포함하지만 이에 한정되지 않는 전자 관련 기술들의 거대한 어레이에서 이용 가능하다는 것을 이 분야의 전문가들은 인식할 것이다.

전술한 사항은 실시예들을 포함한다. 물론, 실시예들을 설명하는 목적을 위해 컴포넌트들 또는 방법들의 모든 상상 가능한 조합을 설명하는 것은 불가능하지만, 이 분야의 전문가는 실시예들의 많은 추가적인 조합 및 교환이 가능하다는 것을 인식할 수 있다. 따라서, 본 발명은 첨부된 청구범위의 사상 및 범위 내에 있는 그러한 모든 변경, 수정 및 변형을 포함하는 것으로 의도한다. 더욱이, "포함한다", "구비한다"라는 용어가 상세한 설명 또는 청구범위에서 사용될 경우, 이러한 용어는 "포함하는"이라는 용어가 청구범위에서 전이구로 사용될 때 해석되는 바와 같이 "포함하는"이라는 용어와 유사한 방식으로 포괄적임을 의도한다.

Claims

의도 결정을 용이하게 하는 시스템으로서,

적어도 부분적으로 검색 정보 및/또는 네트워크 브라우징 정보를 포함하는 네트워크 관련 정보를 수신하는 컴포넌트; 및

상기 네트워크 관련 정보의 의도를 결정하고, 상기 검색 정보 및/또는 네트워크 브라우징 정보에 대한 온라인 상거래 의도 타입을 제공하는 분류자 컴포넌트

를 포함하는 시스템.
제1항에 있어서, 상기 분류자 컴포넌트는 상기 네트워크 브라우징 정보의 추출된 특징들 및/또는 콘텐츠로부터 훈련된 의도 모델을 이용하는 시스템.
제1항에 있어서, 상기 분류자 컴포넌트는 검색 결과 페이지 및/또는 상위 N개(N은 1에서 무한대까지의 정수)의 검색 결과들의 리스트로부터 훈련된 의도 모델 및 조합 계수들을 이용하는 시스템.
제1항에 있어서, 상기 온라인 상거래 의도 타입은 비 상거래 의도, 정보 의도 또는 트랜잭션 의도를 포함하는 시스템.
제1항에 있어서, 상기 분류자 컴포넌트는 적어도 하나의 검색 쿼리의 분류를 돕기 위해 네트워크 브라우저 정보 분류자를 이용하는 시스템.
제1항에 있어서, 상기 분류자 컴포넌트는 의도 결정을 돕기 위해 기계 학습을 이용하는 시스템.
제1항에 있어서, 상기 네트워크 브라우징 정보는 적어도 하나의 웹 페이지 및/또는 적어도 하나의 검색 결과 페이지를 포함하는 시스템.
제1항의 시스템을 이용하여, 검색 의도에 기초하여 검색 결과들의 순위화를 돕는 검색 엔진.
제1항의 시스템을 이용하여, 온라인 광고들의 가격 결정 및/또는 광고들과 네트워크 관련 정보를 연관시키는 것을 돕는 온라인 광고 시스템.
의도 결정을 용이하게 하는 방법으로서,

모델 훈련을 돕기 위해 네트워크로부터 브라우징 훈련 정보를 취득하는 단계;

상기 네트워크 브라우징 훈련 정보로부터 의도 구별 특징들 및/또는 콘텐츠를 추출하는 단계;

상기 추출된 특징들 및/또는 콘텐츠에 기초하여 의도 모델을 훈련시키기 위 해 기계 학습 프로세스를 적용하는 단계; 및

상기 의도 모델에 기초하여 네트워크 브라우징 정보 의도 분류자를 구축하는 단계

를 포함하는 방법.
제10항에 있어서, 적어도 부분적으로, 검색 결과 페이지의 구조 특성의 처리를 돕는 의도 분류자를 포함하도록 상기 네트워크 브라우징 정보 의도 분류자를 구축하는 단계를 더 포함하는 방법.
제10항에 있어서,

의도 분류를 위해 네트워크로부터 브라우징 정보를 취득하는 단계;

상기 네트워크 브라우징 정보로부터 적어도 하나의 의도 특징을 추출하는 단계; 및

상기 네트워크 브라우징 정보 의도 분류자를 이용하여 상기 네트워크 브라우징 정보의 의도를 결정하는 단계

를 더 포함하는 방법.
제12항에 있어서, 웹 페이지들을 온라인 상거래 의도(OCI) 타입으로 자동 분류하는 단계를 더 포함하는 방법.
제10항에 있어서,

검색 의도 모델 훈련을 돕기 위해 의도가 라벨링된 쿼리 정보를 취득하는 단계;

검색 엔진을 이용하여 상기 의도가 라벨링된 쿼리 정보를 처리하여, 검색 결과 페이지 및/또는 상위 N개(N은 1에서 무한대까지의 정수)의 쿼리 결과들의 리스트를 결정하는 단계;

상기 네트워크 브라우징 정보 의도 분류자를 이용하여 상기 검색 결과 페이지 및/또는 각각의 상위 N개의 쿼리 결과와 연관된 브라우징 정보의 의도를 결정하는 단계; 및

적어도 부분적으로 조합 계수들을 이용하여 상기 검색 결과 페이지 및/또는 상위 N개의 쿼리 결과들로부터의 의도들을 조합하여 검색 의도 분류자를 구축하는 단계

를 더 포함하는 방법.
제14항에 있어서,

의도 분류를 위하여 쿼리 정보를 취득하는 단계;

검색 엔진을 이용하여 상기 쿼리 정보를 처리하여, 검색 결과 페이지 및/또는 상위 P개(P는 1에서 무한대까지의 정수)의 쿼리 결과 리스트를 결정하는 단계;

상기 네트워크 브라우징 정보 의도 분류자를 이용하여 상기 검색 결과 페이지 및/또는 각각의 상위 P개의 쿼리 결과와 연관된 네트워크 브라우징 정보의 의도 를 결정하는 단계; 및

적어도 부분적으로 상기 조합 계수들을 이용하여 상기 검색 결과 페이지 및/또는 상위 P개의 쿼리 결과들로부터의 의도들을 조합함으로써 검색 의도를 결정하는 단계

를 포함하는 방법.
제15항에 있어서, 기계 학습 알고리즘을 이용하여 검색 쿼리들의 의도 검출의 성능 최적화를 돕는 단계를 더 포함하는 방법.
제15항에 있어서, 상기 쿼리 정보를 온라인 상거래 의도(OCI) 타입으로 자동 분류하는 단계를 더 포함하는 방법.
적어도 부분적으로 제15항의 방법을 이용하는 광고 판매 방법.
의도의 결정을 용이하게 하는 시스템으로서,

적어도 부분적으로 검색 정보 및/또는 네트워크 브라우징 정보를 포함하는 네트워크 관련 정보를 수신하는 수단;

상기 네트워크 관련 정보의 의도를 결정하는 수단; 및

상기 검색 정보 및/또는 네트워크 브라우징 정보에 대한 온라인 상거래 의도 타입을 제공하는 수단

을 포함하는 시스템.
제1항의 시스템을 이용하는 장치로서,

컴퓨터, 서버 및 핸드헬드 전자 장치로 구성되는 그룹으로부터 선택되는 적어도 하나를 포함하는 장치.