MX2014003124A - Recomendaciones basadas en las similitudes explicitas de usuarios. - Google Patents

Recomendaciones basadas en las similitudes explicitas de usuarios.

Info

Publication number
MX2014003124A
MX2014003124A MX2014003124A MX2014003124A MX2014003124A MX 2014003124 A MX2014003124 A MX 2014003124A MX 2014003124 A MX2014003124 A MX 2014003124A MX 2014003124 A MX2014003124 A MX 2014003124A MX 2014003124 A MX2014003124 A MX 2014003124A
Authority
MX
Mexico
Prior art keywords
user
similarity
interaction information
level
users
Prior art date
Application number
MX2014003124A
Other languages
English (en)
Inventor
Ofer Egozi
Amit Moran
Oren Shamir
Original Assignee
Sears Brands Llc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sears Brands Llc filed Critical Sears Brands Llc
Publication of MX2014003124A publication Critical patent/MX2014003124A/es

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Un sistema y método para proporcionar recomendaciones a individuos sobre una red social, en la cual las recomendaciones incluyen información que indica la similitud de los individuos entre si, para ayudar a los individuos a juzgar el grado al cual las opiniones de otras personas aplican a ellos mismos.

Description

RECOMENDACIONES BASADAS EN LAS SIMILITUDES EXPLICITAS DE USUARIOS CAMPO DE LA INVENCION Algunas modalidades de la invención se refieren a sistemas y métodos que proporcionan recomendaciones. De manera más especifica, algunas modalidades de la presente invención se refieren a sistemas y métodos para proporcionar recomendaciones a individuos en una red social, en la cual las recomendaciones incluyen información que indica la similitud de los individuos entre si, para ayudar a los individuos a juzgar el grado al cual las opiniones de otras personas aplican a ellos mismos.
ANTECEDENTES DE LA INVENCION Hoy en día las recomendaciones automatizadas frecuentemente están basadas en un análisis de patrones implícitos de comportamiento de usuario y se reflejan a los usuarios en una manera oscura, tal como, por ejemplo, recomendaciones en una forma tal como "personas quienes vieron esto también vieron, " que actualmente se presentan a los espectadores en muchos sitios de comercio electrónico. Este tipo de información es de uso limitado para un espectador, ya que reduce la probabilidad de que el espectador verdaderamente se relacione con la recomendación, debido a que no sabe quiénes son los otros "espectadores", y no sabe por qué lo que otros vieron es relevante para su propio caso especifico. En otro ejemplo, al espectador presente se le pueden presentar calificaciones promedio que otros espectadores le dieron a un cierto producto. En esta situación, el espectador presente no sabe si la calificación de los otros espectadores realmente es relevante para ellos, ya que el interés o necesidades de los otros espectadores pueden ser bastante diferentes de los intereses o necesidades del espectador presente.
Limitaciones y desventajas adicionales de enfoques convencionales y tradicionales se volverán aparentes para un experto en la técnica, a través de la comparación de dichos sistemas con algunos aspectos de la presente invención tal como se establece en el resto de la presente solicitud con referencia a los dibujos.
BREVE DESCRIPCION DE LA INVENCION Un sistema y/o método que se proporciona como parte de una recomendación a un consumidor, una medición calculada de similitud entre consumidores sobre los cuales está basada la recomendación, y el consumidor que observa la recomendación, sustancialmente tal como se muestra en y/o se describe en conexión con al menos una de las figuras, tal como se establece de manera más completa en las reivindicaciones.
Estas y otras ventajas, aspectos y características novedosas de la presente invención, así como detalles de una modalidad ilustrada de la misma, se entenderán de manera más completa a partir de la siguiente descripción y los dibujos.
BREVE DESCRIPCION DE LAS FIGURAS La figura 1 es un diagrama en bloques de una red de computadora ejemplar en la cual se pueden practicar los conceptos inventivos aquí analizados, de acuerdo con una modalidad representativa de la presente invención.
La figura 2 es una ilustración de una página de perfil ejemplar para un usuario "Tom Smith" tal como es vista por un espectador, de acuerdo con una modalidad representativa de la presente invención.
La figura 3 es una ilustración de una ventana de información de similitud ejemplar que representa la similitud de dos usuarios, por ejemplo, de un sitio Web de comercio electrónico, de acuerdo con una modalidad representativa de la presente invención.
La figura 4 es una ilustración de una pantalla de información de similitud ejemplar que muestra información de similitud detallada para el espectador de la pantalla de información de similitud y un usuario identificado, con respecto a un número de temas o categorías, de acuerdo con una modalidad representativa de la presente invención.
La figura 5 es una ilustración de una ventana desplegable ejemplar utilizada para desplegar información que explica a un usuario la manera en que se determina la similitud del usuario y otro individuo, de acuerdo con una modalidad representativa de la presente invención.
La figura 6 es una ilustración de un menú de descubrimiento de "personas" ejemplar, de acuerdo con una modalidad representativa de la presente invención.
La figura 7 es un gráfico de flujo para un método ejemplar que consiste en producir una recomendación para un primer usuario utilizando información de interacción para cada uno del primer usuario y un segundo usuario de una pluralidad de usuarios de una red de computadora, de acuerdo con una modalidad representativa de la presente invención.
DESCRIPCION DETALLADA DE LA INVENCION Algunas modalidades de la invención se refieren a sistemas y métodos que proporcionan recomendaciones. De manera más específica, algunas modalidades de la presente invención se refieren a sistemas y métodos para proporcionar recomendaciones a individuos en una red social, en la cual las recomendaciones incluyen información que indica la similitud de los individuos entre si, para ayudar a los individuos a juzgar el grado al cual las opiniones de los otros aplican a ellos mismos. La presente invención mejora el grado al cual un usuario puede hacer uso de la recomendación de otros permitiéndoles basarse en un cálculo de similitud entre usuarios y utilizar dicho cálculo para presentar una o más indicaciones de similitud entre los usuarios en los cuales se basa la recomendación, y el usuario quien está viendo la recomendación.
La siguiente descripción de sistemas y métodos ejemplares no pretende limitar el alcance de la descripción a la forma o formas precisas aqui detalladas. Más bien, la siguiente descripción pretende ser ilustrativa de manera que otros puedan seguir sus enseñanzas.
De acuerdo con una modalidad representativa de la presente invención, un sistema permite el uso de hardware de comodidad, software fuera de estante, aplicaciones independientes OS, dispositivos independientes del factor forma (PC, tabletas, teléfonos inteligentes, etcétera) , infraestructura basada en nube e independiente de los medios (voz, texto, video) correr todas las funcionalidades del presente sistema. En el contexto de un establecimiento de servicio, tal como, por ejemplo, una tienda al menudeo que específicamente es muy útil ya que un cliente puede utilizar tecnologías familiares y recibir soporte relacionado y personalizado, asistencia, demostraciones de productos, recomendaciones, sugerencias, etcétera, que pueden ser manejados por un asociado de ventas o agente de servicio del cliente quien tiene la mayor experiencia e información relevante y quien está ubicado cerca del cliente (por ejemplo, en un piso de ventas, en una ubicación del negocio cerca de la ubicación del cliente, y/o que puede ser manejado por la red social del consumidor) .
En el siguiente análisis, el término "cliente" puede ser utilizado para hacer referencia a un comprador potencial o existente de productos y/o servicios de un negocio. Los términos "agente de servicio de cliente" y "asociado de ventas" pueden ser utilizados aquí de manera intercambiable para hacer referencia a un empleado que proporciona asistencia relacionada con productos y/o ventas a clientes de un negocio. El asociado de ventas o agente de servicio del cliente puede ser, a manera de ejemplo y no limitación, un experto, proveedor de preguntas y respuestas, asociado de mercancía, etcétera. El término "canal" en el presente contexto se puede referir a diversos medios de comunicación tal como, por ejemplo, comunicación en línea (por ejemplo, basada en Internet), comunicación móvil (por ejemplo, comunicación inalámbrica tal como celular o Wi-Fi), y en tienda .
El término "comprador personal" se puede utilizar aqui para hacer referencia a un individuo que proporciona información del producto, recomendaciones y/o asistencia de compra a miembros de su propia red social u otros bajo la guia y/o con la ayuda de los operadores de un negocio al menudeo comercial. En el siguiente análisis, la expresión "seguir'V'para seguir", por ejemplo, se puede utilizar para hacer referencia al acto de un usuario que solicita recibir actualizaciones referentes a las acciones de otro usuario, o que se le envíen mensajes enviados o información publicada por otro usuario, por mencionar solo unos pocos ejemplos. El término "etiqueta" puede ser utilizado aquí para hacer referencia a una secuencia de texto o etiqueta que puede estar asociada con un producto para asociar o identificar el producto, por ejemplo, con un tema, actividad, marca, tienda, figura pública, estilo o categoría de interés particular.
Los términos "carrito" o "carrito de compra" pueden ser utilizados aquí para hacer referencia a un conjunto de artículos que han sido seleccionados para compra por un usuario de un sitio Web de comercio electrónico. El término "catálogo" puede ser utilizado aquí para hacer referencia, por ejemplo, a un conjunto de artículos seleccionados por un usuario como productos favoritos; productos que están siendo considerados para compra posterior, y conjuntos de productos seleccionados por el usuario para ser compartidos con amigos, familiares o miembros de una red social del usuario.
Tal como aquí se utiliza, los términos "ejemplar" o "ejemplo" significan que sirve como un ejemplo, caso o ilustración no limitativa. Tal como aquí se utiliza, el término "por ejemplo" introduce una lista de uno o más ejemplos, casos o ilustraciones no limitativas.
Se debiera observar que aunque el siguiente análisis se refiere al uso de la similitud explícita de usuarios en un ambiente de comercio electrónico social, esto no necesariamente representa una limitación específica de la presente invención, a menos que explícitamente se mencione en las reivindicaciones, ya que el concepto de similitud, y recomendaciones basadas en similitud del usuario explícita pueden aplicar a cualquier red social o relación entre personas en un sitio Web.
Los métodos y sistemas aquí divulgados, por ejemplo, pueden ser parte de un sistema de experiencia de compra general creado para mejorar el evento de compra del consumidor. En un ejemplo, el sistema divulgado puede estar integrado con un sistema de recompensas de cliente, una red social del cliente (por ejemplo, el cliente puede publicar su actividad de compra realizada a través del sistema en su red social) , un sistema experto del cliente, aplicaciones digitales/móviles, historial de compras, lista de deseos, registro, ubicación, selecciones de mercancía, o similar. Sin embargo, un experto en la técnica apreciará que el sistema divulgado puede estar completa y/o parcialmente integrado con cualquier sistema de compra conveniente según se desee, incluyendo aquellos no mencionados y/o que se diseñen más adelante .
Con respecto al siguiente análisis de las modalidades representativas de la presente invención, el concepto de similitud de usuario puede ser representado como un valor, nivel o puntaje que describe qué tan similar es un usuario de otro, en una manera cuantificable. Un antecedente más general referente a la similitud y la manera en que ésta puede ser utilizada se divulga a través de los siguientes ejemplos, los cuales están destinados a ser ilustrativos y no limitativos.
De acuerdo con una modalidad representativa de la presente invención, la similitud se puede considerar como una propiedad ponderada, no dirigida y simétrica de un par de usuarios. Es decir, si un usuario A es similar a un usuario B, entonces el usuario B también es similar al usuario A, al mismo grado, medida o intensidad. Además, la similitud se puede calcular ya sea de manera general, o por tema (por ejemplo, únicamente con referencia a un aspecto o característica específica (por ejemplo, una etiqueta) de cualquier tipo) . Por ejemplo, un usuario A puede ser similar en general a un usuario B, pero cuando se considera un aspecto o categoría específica C, el usuario A puede ser muy diferente (y no similar) del usuario B.
El siguiente análisis describe algunos ejemplos de tipos de información sobre los cuales se puede basar un nivel de similitud de usuario, y la manera en que se puede calcular un nivel de similitud, y despliega algunos usos ejemplares para dicho nivel de similitud tal como, por ejemplo y sin limitación, en una página de perfil en línea de un usuario, y en lo que aquí se refiere como un menú de descubrimiento de "personas". Se debiera observar que los ejemplos divulgados son para los propósitos de ilustración y explicación, y no necesariamente son limitaciones específicas de la presente invención, a menos que explícitamente se mencione en las reivindicaciones. Se espera que al momento de leer y apreciar las enseñanzas de la presente divulgación, esos usos futuros del uso de similitud se expandirán más allá de los ejemplos aquí establecidos.
Con referencia a las figuras, y en particular con la red de computadora de la figura 1 en la cual se puede practicar una modalidad representativa de la presente invención, lo siguiente divulga varios sistemas y métodos ejemplares para proporcionar recomendaciones con base en la similitud de usuario explícita. Para este fin, un dispositivo de procesamiento 20", ilustrado en la forma ejemplar de un dispositivo de comunicación móvil, un dispositivo de procesamiento 20' 1, ilustrado en la forma ejemplar de un sistema de computadora, y un dispositivo de procesamiento 20 ilustrado en forma esquemática, son proporcionados con instrucciones ejecutables para, por ejemplo, proporcionar un medio para que un cliente, por ejemplo, un usuario, consumidor, etcétera, tenga acceso a un servidor de sistema huésped 68, y entre otras cosas, se pueda conectar a un sitio de red social huésped, un perfil de usuario y/o un asociado de ventas. Generalmente, las instrucciones ejecutables por computadora residen en módulos de programa que pueden incluir rutinas, programas, objetos, componentes, estructuras de datos, etcétera que ejecutan tareas particulares o implementan tipos de datos abstractos particulares. Por consiguiente, aquellos expertos en la técnica apreciarán que los dispositivos de procesamiento 20, 20', 20" ilustrados en la figura 1 se pueden incorporar en cualquier dispositivo que tenga la capacidad para ejecutar instrucciones tales como, a manera de ejemplo, una computadora personal, computadora principal, asistente digital personal ("PDA") , teléfono celular, tableta, lector electrónico, o similar. Además, aunque se describen e ilustran en el contexto de un solo dispositivo de procesamiento 20, 20', 20", aquellos expertos en la técnica también apreciarán que las diversas tareas que se describen en lo sucesivo se pueden practicar en un ambiente distribuido que tiene múltiples dispositivos de procesamiento vinculados a través de una red de área amplia o local, con lo cual las instrucciones ejecutables pueden estar asociadas con y/o ejecutadas por uno o más de los múltiples dispositivos de procesamiento.
Para ejecutar las diversas tareas de acuerdo con las instrucciones ejecutables, el dispositivo de procesamiento ejemplar 20 incluye una unidad de procesamiento 22 y una memoria de sistema 24 que puede estar vinculada a través de un enlace 26. Sin limitación, el enlace 26 puede ser un enlace de memoria, un enlace periférico y/o un enlace local utilizando cualquiera de una variedad de arquitecturas de enlace. Según se necesite para cualquier propósito particular, la memoria de sistema 24 puede incluir memoria de solo lectura (ROM) 28 y/o memoria de acceso aleatorio (RAM) 30. Dispositivos de memoria adicionales también se pueden volver accesibles al dispositivo de procesamiento 20 por medio de, por ejemplo, una interfaz de unidad de disco duro 32, una interfaz de unidad de disco magnético 34, y/o una interfaz de unidad de disco óptico 36. Tal como se entenderá, estos dispositivos, los cuales estarían vinculados al enlace de sistema 26, respectivamente permiten la lectura desde y la escritura en un disco duro 38, la lectura desde o escritura en un disco magnético removióle 40, y la lectura desde o escritura en un disco óptico removióle 42, tal como CD/DVD ROM u otro medio óptico. Las interfaces de accionamiento y sus medios legibles por computadora asociados permiten el almacenamiento no volátil de instrucciones legibles por computadora, estructuras de datos, módulos de programa y otros datos para el dispositivo de procesamiento 20. Aquellos expertos en la técnica además apreciarán que otros tipos de medios legibles por computadora no transitorios que pueden almacenar datos y/o instrucciones pueden ser utilizados para este mismo propósito. Ejemplos de dichos dispositivos de medios incluyen, pero no se limitan a, casetes magnéticos, tarjetas de memoria flash, discos de video digital, cartuchos de Bernoulli, memoria de acceso aleatorio, nano-unidades , unidades de memoria, y otras memorias de lectura/escritura y/o de solo lectura.
Se puede almacenar un número de módulos de programa en uno o más de los dispositivos de memoria/medios. Por ejemplo, un sistema básico de entrada/salida (BIOS) 44, que contiene las rutinas básicas que ayudan a transferir información entre elementos dentro del dispositivo de procesamiento 20, tal como durante el arranque, puede ser almacenado en ROM 28. De manera similar, la RAM 30, disco duro 38 y/o dispositivos de memoria periférica pueden ser utilizados para almacenar instrucciones ejecutables por computadora que comprenden un sistema operativo 46, uno o más programas de aplicaciones 48 (tal como un navegador Web) , otros módulos de programa 50 y/o datos de programa 52. Incluso aún, las instrucciones ejecutables por computadora pueden ser descargadas en uno o más de los dispositivos de cómputo según se requiera, por ejemplo a través de una conexión de red.
Para permitir a un usuario ingresar comandos e información en el dispositivo de procesamiento 20, se proporcionan dispositivos de entrada tal como un teclado 54 y/o un dispositivo de señalamiento 56. Aunque no se ilustra, otros dispositivos de entrada pueden incluir un micrófono, una palanca, una almohadilla de juego, un escáner, una cámara, una almohadilla táctil, pantalla táctil, etcétera. Estos y otros dispositivos de entrada típicamente estarían conectados a la unidad de procesamiento 22 por medio de una interfaz 58 la cual, a su vez, estaría acoplada al enlace 26. Dispositivos de entrada pueden ser conectados al procesador 22 utilizando interfaces tales como, por ejemplo, un puerto paralelo, un puerto de juegos, FireWire, o un enlace serial universal (USB) . Para ver información del dispositivo de procesamiento 20, un monitor 60 u otro tipo de dispositivo de despliegue también puede ser conectado al enlace 26 a través de una interfaz, tal como un adaptador de video 62. Además del monitor 60, el dispositivo de procesamiento 20 también puede incluir otros dispositivos de salida periféricos, que no se muestran, tal como, por ejemplo, altavoces, cámaras, impresoras u otro dispositivo conveniente.
Tal como se observó, el dispositivo de procesamiento 20 también puede utilizar conexiones lógicas a uno o más dispositivos de procesamiento remotos, tal como el servidor de sistema huésped 68 que tiene un depósito de datos asociados 68A. En este aspecto, aunque el servidor del sistema huésped 68 ha sido ilustrado en la forma ejemplar de una computadora, se apreciará que el servidor de sistema huésped 68, al igual que el dispositivo de procesamiento 20, puede ser cualquier tipo de dispositivo que tenga capacidades de procesamiento. Una vez más, se apreciará que el servidor de sistema huésped 68 no necesita ser implementado como un dispositivo único sino que puede ser implementado en una manera en que las tareas ejecutadas por el servidor de sistema huésped 68 sean distribuidas entre una pluralidad de dispositivos de procesamiento/bases de datos ubicadas en diferentes ubicaciones geográficas y enlazadas a través de una red de comunicación. De manera adicional, el servidor de sistema huésped 68 puede tener conexiones lógicas a otros sistemas de terceros a través de una red 12, tal como, por ejemplo, la Internet, LAN, MAN, WAN, red celular, red de nube, red empresarial, red privada virtual, red cableada y/o inalámbrica, u otra red conveniente, y a través de dichas conexiones, estará asociada con depósitos de datos que están asociados con dichos sistemas de terceros. Dichos sistemas de terceros pueden incluir, sin limitación, sistemas de instituciones bancarias, de crédito u otras instituciones financieras, sistemas de proveedores terceros de bienes y/o servicios, sistemas de compañías de envío/entrega, etcétera.
Para ejecutar tareas según se requiera, el servidor de sistema huésped 68 puede incluir muchos o todos los elementos antes descritos con relación al dispositivo de procesamiento 20. Además, el servidor de sistema huésped 68 generalmente incluiría instrucciones ejecutables para, entre otras cosas, ejecutar cualquiera del cálculo u operaciones aquí descritas, coordinar una red social, almacenar una lista de compras, recibir una ubicación de un cliente a través de un dispositivo móvil, recibir una solicitud de una conexión del centro de llamadas de servicio desde un cliente o un asociado de ventas, enrutar la solicitud a través de un centro de video llamadas móvil distribuido, proporcionar una infraestructura de llamadas de servicio para proporcionar al solicitante una experiencia de servicio de cliente distribuida .
Las comunicaciones entre el dispositivo de procesamiento 20 y el servidor del sistema huésped 68 pueden ser intercambiadas a través de un dispositivo de procesamiento adicional, tal como un enrutador de red (que no se muestra) , que es responsable del enrutamiento de la red. Las comunicaciones con el enrutador de red pueden ser ejecutadas a través de un componente de interfaz de red 73. Por lo tanto, dentro de dicho ambiente de conexión en red, por ejemplo, la Internet, la Web Mundial, LAN, nube u otro tipo similar de red cableada o inalámbrica, se apreciará que los módulos de programa mostrados con relación al dispositivo de procesamiento 20, o partes del mismo, pueden ser almacenados en dispositivos de almacenamiento de memoria no transitoria del servidor de sistema huésped 68.
La figura 2 es una ilustración de una página de perfil ejemplar 200 para un usuario "Tom Smith" tal como es vista por un espectador, de acuerdo con una modalidad representativa de la presenta invención. Un usuario que observa una página Web en busca de un producto o servicio en un sitio Web de comercio electrónico, por ejemplo, puede llegar a la página de perfil de un usuario tal como aquella que se ilustra en la figura 2, por ejemplo, seleccionando/haciendo clic en uno de un grupo de imágenes o identificadores que representan individuos, los cuales pueden ser identificados como similares al espectador. Esto permite al espectador aprender más acerca del usuario seleccionado, quien pudiera haber sido elegido para identificación en la página Web del servicio o producto, debido a que, por ejemplo, ese usuario comentó, recomendó, compró o expresó un interés en un producto o servicio enlistado.
La página de perfil ejemplar 200 de la figura 2 comprende una sección de información personal 205 que incluye un campo de nombre (que muestra el nombre del usuario "Tom Smith") , un vinculo de "ya no seguir" que permite al espectador de la página de perfil 200 detener la acción de "seguir" al usuario "Tom", un campo de género (mostrando a "Tom" como "masculino") , y un campo de "fecha de nacimiento" (mostrando el mes y día del nacimiento de "Tom") . La página de perfil 200 también incluye un campo de "amigos en común" que muestra el número de amigos compartidos por "Tom" y el espectador (en este caso, "Tom" y el espectador resulta que tienen 41 amigos en común) , un campo "siguiendo a Tom" que muestra el número de individuos que están "siguiendo" al usuario "Tom", y un campo "seguido por Tom" que muestra el número de personas que están siendo seguidas por el usuario "Tom". Además, la página de perfil 200 incluye un campo de "Catálogos" mostrando el número de catálogos creados por "Tom", una indicación de que el usuario "Tom" está "siguiendo" al espectador de la página de perfil 200, y un vinculo de "Bloquear a Tom" que permite al espectador bloquear al usuario "Tom" para que ya no "siga" al espectador de la página de perfil 200.
La página de perfil ejemplar 200 de la figura 2 también incluye un conjunto de pestañas ("Acerca de Tom", "Actividad Reciente", "Catálogos", y "Más") que permite al espectador desplegar información adicional referente al usuario "Tom". Tal como se muestra en el ejemplo de la figura 2, la pestaña "Acerca de Tom" 220 ha sido seleccionada y está activa, ocasionando que información personal adicional acerca del usuario "Tom" sea desplegada, incluyendo información acerca de la "actividad y comunidad de Tom".
Además de las características antes descritas, la información de la pestaña "Acerca de Tom" 220 incluye una región de "Tu y Tom" 230, la cual indica las similitudes entre el usuario "Tom" y el espectador de la página de perfil 200. Por ejemplo, la ilustración de la figura 2 incluye una sección de "preferencias de compras mutuas" 240 que muestra una lista de temas o categorías 242 que indican que el espectador y "Tom" tienen preferencias muy similares en el área de "Dieta y Nutrición", preferencias altamente similares en el área "Artículos para bebé y Viajes", y una similitud media de preferencias en el área de "Ropa de Hombre". El espectador de la página de perfil 200 puede seleccionar/hacer clic en un vinculo de "¿Cómo se calcula esto?" 244, para solicitar información adicional que explique la manera en que realmente se determina la similitud en las preferencias del usuario "Tom" y el espectador de la página de perfil 200. La selección/clic en el vinculo 244 puede provocar el despliegue de una ventana que explica la determinación de la similitud, tal como el ejemplo mostrado en la figura 5, el cual se analizará con mayor detalle a continuación. Dicha información puede permitir al espectador tener cierta perspectiva de los factores y parámetros utilizados y el razonamiento aplicado para determinar la similitud de "Tom" y el espectador para una variedad de diferentes temas o categorías. La sección de "Preferencias de Compras Mutuas" 240 también incluye un vínculo "17 más" 246 que indica que 17 temas adicionales, categorías o áreas de similitud en las preferencias entre "Tom" y el espectador están disponibles para visualización.
Se debiera observar que en algunas modalidades representativas de la presente invención, una indicación de similitud de los usuarios A y B puede no ser presentada al usuario A, en caso que el usuario B esté etiquetado como "privado". También se debiera observar que en algunas modalidades representativas de la presente invención, una indicación de similitud de usuarios A y B puede no ser presentada al usuario A, en caso que el usuario B esté etiquetado como "amigos únicamente", y el usuario A no "sigue" al usuario B. La etiqueta/estatus de "amigos únicamente" puede ser una configuración por omisión en algunas modalidades representativas de la presente invención.
Además, se debiera observar que las características de la página de perfil ejemplar de la figura 2 son para propósitos ilustrativos solamente, y no necesariamente representan limitaciones especificas de la presente invención, a menos que de manera explícita se mencione en las reivindicaciones, ya que se pueden emplear muchas formas diferentes para transmitir la similitud en las preferencias de usuarios sin apartarse del espíritu y alcance de la presente invención. Por ejemplo, una modalidad representativa de la presente invención puede proporcionar una indicación de la similitud general como, por ejemplo, un valor numérico (por ejemplo, X de entre Y) , un descriptor textual (por ejemplo, "Altamente Similar", "Muy Similar",... "Baja similitud") , un gráfico (por ejemplo, una barra cuya longitud indique un grado de similitud, un "medidor de similitud", un color, una sombra de gris, el tamaño de un gráfico, etc.) o cualquier otro indicador conveniente utilizable como una representación de un grado de similitud del propietario de la página de perfil 200 y un espectador, asi como indicaciones individuales de similitud como un número de sub-calificaciones de tema.
La figura 3 es una ilustración de una ventana de información de similitud ejemplar 300 que representa la similitud de dos usuarios, por ejemplo, de un sitio Web de comercio electrónico, de acuerdo con una modalidad representativa de la presente invención. La información de similitud ejemplar 300 de la figura 3 incluye un primer gráfico 312, una indicación de la similitud general 314, y un segundo gráfico 316. En el ejemplo de la figura 3, uno del primer gráfico 312 y el segundo gráfico 316 por ejemplo, puede representar a un primer usuario de un sistema de comercio electrónico social. El primer usuario puede estar viendo la ventana de información de similitud 300 como parte de buscar una recomendación para un producto o servicio de interés. El otro del primer gráfico 312 y el segundo gráfico 316 puede representar a un segundo usuario que previamente ha comentado sobre o entregado una recomendación respecto a un producto/servicio de interés para el primer usuario. El segundo usuario puede ser identificado por un campo de nombre 330. Cada uno del primer gráfico 312 y el segundo gráfico 316 pueden ser, por ejemplo, una fotografía o un gráfico que represente al usuario respectivo.
En una modalidad representativa de la presente invención, una indicación de la similitud general puede ser representada, por ejemplo, como un valor numérico (por ejemplo, X de entre Y) , un descriptor textual (por ejemplo, "Altamente similar", "Muy Similar",... "Baja similitud"), un gráfico (por ejemplo una barra cuya longitud indica un grado de similitud, un "medidor de similitud", un color, una sombra de gris, el tamaño de un gráfico, etc.) o cualquier otra indicación conveniente como una representación de un grado de similitud del usuario espectador que busca una recomendación relevante, y el usuario que previamente comento sobre o recomendó el producto o servicio de interés al usuario espectador.
Además de la indicación de la similitud general 314, una modalidad representativa de la presente invención puede incluir sub-calificaciones de tema 342A, 342B, 342C, las cuales proporcionan indicaciones respecto a la manera en que el usuario espectador y el usuario que entrego un comentario o recomendación son similares con respecto a uno o más temas (por ejemplo "Artesanías", "Césped y Jardín" y "Artículos para Bebé y Viajes") o categorías de productos. El grado o intensidad de similitud en cada tema o categoría puede ser indicado por un valor numérico, tal como texto descriptivo (por ejemplo, "Muy Alto", "Alto", "Medio", etc.), o como cualquier representación gráfica conveniente.
Además de lo anterior, la información de similitud 300 de la figura 3 también puede incluir un vinculo seleccionable/elegible 344 para permitir al espectador aprender respecto a la manera en que se determina la similitud del usuario que observa la ventana de información de similitud 300 y el usuario (por ejemplo "Tom") . Al seleccionar/hacer clic en el vinculo 344 se puede tener como resultado el despliegue de una ventana que explica lo que esta involucrado en la determinación de la similitud, tal como el ejemplo mostrado en la figura 5, que se analiza con mayor detalle a continuación. El usuario también puede seleccionar/hacer clic en un vinculo 346 para ver información de similitud de otros usuarios que han comentado sobre o entregado recomendaciones para el producto o servicio de interés al usuario espectador. A continuación se proporciona información detallada respecto a cómo se puede calcular la similitud. En una modalidad representativa de la presente invención, si no hay información suficiente disponible para presentar una indicación de similitud, la representación numérica, textual o gráfica del grado o intensidad de similitud antes descrita puede ser reemplazada por texto ó gráficos que indiquen, por ejemplo, "datos insuficientes".
La figura 4 es una ilustración de una pantalla de información de similitud ejemplar 400 que muestra información de similitud detallada para el espectador de la pantalla de información de similitud 400 y un usuario identificado, con respecto a un número de temas o categorías, de acuerdo con una modalidad representativa de la presente invención. La pantalla 400 incluye un campo de nombre 430 que identifica al otro usuario con quien se ha determinado la similitud del espectador de la pantalla 400, un listado 410 de temas, categorías o áreas de similitud para el espectador y un usuario identificado como "Moran" e imágenes que representan ejemplos de productos de los temas, categorías o áreas en las cuales el espectador y usuario "Moran" muestran interés. Tal como se muestra a través de las primeras tres líneas 442A en el ejemplo de la figura 4, el espectador y usuario "Moran" muestran una "Similitud muy alta" en su interés en "Ropa para mujeres", "Necesidades del bebé" y "Artículos electrónicos personales". Las siguientes tres líneas 442B de la figura 4 identifican "Atuendos deportivos para mujeres", "Accesorio para recámara", y "Fragancias" como temas en los cuales el espectador y el usuario "Moran" muestran "Alta similitud" de interés. Las siguientes dos líneas 442C de la figura 4 muestran que el espectador de la figura 4 y el usuario "Moran" tienen "Mediana similitud" en sus intereses en "Aparatos pequeños para cocina" y "Libros" mientras que las últimas dos lineas 442D de la figura 4 identifican sus intereses en "Ropa para hombres" y "Accesorios para autos", como mostrando "Baja similitud".
Se debiera observar que el número de temas, categorías o áreas, y el número de grados, niveles o intensidades de interés que se muestran en la figura 4 no necesariamente representan limitaciones específicas de la presente invención, a menos que explícitamente lo mencionen las reivindicaciones, y pueden ser diferentes de aquellas mostradas en la figura 4, sin apartarse del espíritu y alcance de la presente invención. Por ejemplo, en algunas modalidades representativas de la presente invención, los N temas superiores de mutuo interés de dos individuos (donde N = un entero mayor que o igual a uno) que tienen un nivel de similitud determinado por encima de un cierto umbral, pueden ser desplegados, mientras que otros con un nivel de similitud determinado inferior pueden quedar ocultos a la vista. Esos temas o categorías desplegadas se pueden acompañar por una representación del grado o intensidad de similitud tal como se describió antes. En casos donde existen más de N intereses mutuos con un nivel de similitud por encima del umbral, se puede desplegar un vínculo que permite a un usuario espectador tener acceso/desplegar una lista completa de temas de interés, categorías o áreas.
La figura 5 es una ilustración de un ventana desplegable ejemplar 550 utilizada para desplegar información que explica a un usuario la manera en que se determina la similitud del usuario y otro individuo, de acuerdo con una modalidad representativa de la presente invención. Tal como se muestra en la ilustración de la figura 5, se puede tener acceso a la ventana desplegable 550, por ejemplo, a través de un vinculo 544 mientras se observa una ventana de información de preferencias de compras mutuas 500 que identifica aquellos temas, categorías o áreas en las cuales son similares las preferencias de compra del espectador y otro usuario (en este ejemplo, un usuario llamado "Eui") , y una indicación del grado o intensidad de similitud de sus preferencias de compras. La ventana desplegable 550 puede proporcionar una explicación general respecto a que la similitud en las preferencias se calcula comparando las actividades del sitio Web del usuario tal como las vistas de la página del producto, compras, respuesta a encuestas en línea, y otros comportamientos del usuario. En algunas modalidades representativas, la ventana desplegable 550 puede explicar a un usuario que otros usuarios podrían ver si tienen preferencias similares a las del usuario, pero puede no permitir que se vea exactamente qué productos han comprado otras personas, o en cuáles estuvieron interesados.
De acuerdo con una modalidad representativa de la presente invención, un vinculo tal como el vinculo 544 de la figura 5 puede aparecer, por ejemplo, en cualquier página Web, ventana desplegable, u otro elemento de interfaz de usuario gráfica (GUI) a través de la cual al usuario se le está proporcionando información referente a la similitud de sus intereses y los intereses de otros usuarios, por ejemplo, de un sistema de comercio electrónico social tal como aquél soportado por los elementos de la red de computadora ilustrada en la figura 1. Por ejemplo, el vinculo 544 puede corresponder al vinculo 244 en la página de perfil 200 de la figura 2, o el vinculo 344 en la ventana de información de similitud 300 de la figura 3. Se debiera observar que la figura 5 es para propósito ilustrativo solamente, y no necesariamente representa limitaciones especificas de la presente invención, a menos que explícitamente lo mencionen las reivindicaciones.
La figura 6 es una ilustración de un menú de descubrimiento de "personas" ejemplar 600, de acuerdo con una modalidad representativa de la presente invención. En una modalidad representativa de la presente invención, un menú de descubrimiento de "personas" como aquél de la figura 6 puede incluir, por ejemplo, una pestaña (por ejemplo, pestaña de "las personas te quieren" 603) o ventana que puede ser energizada por el nivel de similitud del usuario tal como aquellas aquí descritas. El menú de descubrimiento de ""personas" ejemplar 600 de la figura 6 incluye entradas 605A, 605B, 605C identificando un número de individuos que comparten intereses comunes con el usuario que ve el menú de descubrimiento de "personas" 600. Tal como se muestra en la figura 6, cada una de las entradas individuales 605A, 605B, 605C comprende una imagen del individuo (en caso de estar disponible), el nombre del individuo, un pasaje de texto breve referente al individuo, un botón de "seguir" para solicitar que el espectador se mantenga actualizado respecto a las acciones, mensajería, etcétera del individuo identificado, y una indicación de la cantidad de individuos que en el presente están "siguiendo" al individuo identificado. En una modalidad representativa de la presente invención, la información personal desplegada en las entradas 605A, 605B, 605C puede ser la misma que aquella desplegada en una página de perfil correspondiente para el individuo identificado tal como, por ejemplo, la información personal mostrada en la página de perfil 200 que se ilustra en la figura 2.
Además de la información personal en la parte izquierda de cada una de las entradas individuales 605A, 605B, 605C, las entradas 605A, 605B, 605C también incluyen en el extremo derecho, un ejemplo de un enfoque para desplegar un nivel de similitud 614A que representa la similitud general del individuo identificado por la porción izquierda de las entradas individuales 605A, 605B, 605C de la figura 6, representadas por un primer gráfico 612A, y el espectador del menú de descubrimiento de "personas" 600, representado por un segundo gráfico 616A. Aunque se muestra como un valor numérico en el ejemplo de la figura 6, el grado o intensidad de similitud del individuo identificado por las entradas 605A, 605B, 605C con el espectador del menú de descubrimiento de "personas" 600 mostrado como nivel de similitud 614A puede entonces ser expresado como una frase textual, un color, una sombra de gris, un gráfico, o cualquier otro medio conveniente. El menú de descubrimiento de "personas" 600 también puede incluir un vinculo "Ver porqué" o "¿Cómo se calcula esto?" (que no se muestra) , similar a aquellos analizados antes con respecto a las figuras 2 y 3, las cuales, por ejemplo, pueden abrir el mismo tipo de ventana antes descrito con respecto a la figura 5. En una modalidad representativa de la presente invención, los individuos representados en un menú tal como, por ejemplo, el menú de descubrimiento de "personas" 600 pueden ser determinados e identificados por un primer elemento de la red de computadora de la figura 1, mientras que la información digital que representa el menú de descubrimiento de "personas" 600 transmitida a un espectador de la figura 6 puede ser generada por un segundo elemento diferente de la red de computadora de la figura 1, donde el primer elemento proporciona una lista ordenada de identificadores de usuario al segundo elemento para uso en la generación de la información correspondiente para cada identificador de usuario en el menú de descubrimiento de "personas" 600.
En algunas modalidades representativas de la presente invención, los individuos representados en un menú tal como el menú de descubrimiento de "personas" 600 pueden no ser usuarios a los que el espectador actualmente esté "siguiendo", y pueden no ser usuarios que tengan una configuración de estatus/bandera asociada que represente un estatus "privado", o un usuario que tiene un estatus de "amigos solamente" que el espectador no "sigue". De acuerdo con una modalidad representativa de la presente invención, aquellos individuos seleccionados para inclusión pueden tener, como mínimo, un nivel de similitud general alto con el espectador. Los individuos enlistados en el menú de descubrimiento de "personas" 600 pueden ser aquellos usuarios con la similitud más elevada con el espectador, en el orden de grado o fuerza de similitud con el espectador. En algunas modalidades representativas de la presente invención, información referente a la similitud de interés en un tema también puede estar disponible al espectador de un menú tal como el menú de descubrimiento de "personas" 600. A continuación se proporcionan detalles adicionales referentes a la manera en que los individuos pueden ser identificados para inclusión para un listado tal como el menú de descubrimiento de "personas" 600. Se debiera observar que, aunque es preferible que la búsqueda de individuos similares al espectador de la figura 6 sea exhaustiva, no se requiere una búsqueda exhaustiva, y se pueden obtener resultados satisfactorios apegándose a los criterios antes descritos.
El siguiente análisis proporciona detalles adicionales respecto a cómo se calcula la similitud de acuerdo con una modalidad representativa de la presente invención, incluyendo los tipos de datos utilizados, la manera en que los datos pueden ser limpiados y normalizados, y la manera en que un nivel o calificación de similitud calculada puede ser trasladado o mapeado a una representación textual ó gráfica correspondiente .
Una modalidad representativa de la presente invención puede calcular un nivel de similitud o calificación de similitud en la siguiente forma. Asumir que tenemos un conjunto de n usuarios, {¾}?=??· Cada uno de los n usuarios puede ser caracterizado por un conjunto de m atributos { Aj } j=lf..Jtt construidos con información referente a cada interacción del usuario con una aplicación en una red de computadora tal como, por ejemplo, una aplicación de comercio electrónico social de manera que puede ser utilizada en la red de computadora ilustrada en la figura 1 y que se describió antes. Por ejemplo la red de computadora de la figura 1 se puede acomodar para operar como un sistema de comercio electrónico social que permite a los usuarios involucrarse en interacciones sociales asi como, y como parte de, la compra de productos y/o servicios.
En una modalidad representativa de la presente invención, la fuerza de las relaciones entre usuarios y atributos se pueden expresar utilizando los pesos Wj. Por lo tanto, cada usuario í puede ser identificado por el conjunto de todos los pesos de atributos que él/ella posee actualmente. Este conjunto de todos los pesos de atributos para un usuario i puede ser representado por un vector en un espacio de parámetro m-dimensional como: UV±={ Wíf j } j=i_m. A fin de calcular qué tan similares son dos usuarios entre si, podemos calcular la similitud entre sus vectores respectivos. Aunque existen varios métodos que pueden ser utilizados, para los propósitos de este análisis se empleará un método que utiliza lo que se puede referir aquí como "similitud del coseno". Sin embargo, se debiera observar que el uso de este método particular para calcular la similitud entre dichos vectores no necesariamente representa una limitación de la presente invención, a menos que explícitamente lo mencione en las reivindicaciones, ya que también se pueden utilizar otros métodos convenientes para calcular la similitud entre dichos vectores .
La similitud del coseno tal como aquí se utiliza representa la distancia angular entre dos vectores. La similitud del coseno se puede calcular tomando el punto-producto entre dos vectores divididos por sus normas, conforme a lo representado por la expresión matemática que se muestra a continuación: donde la norma puede ser calculada como: El valor de similitud resultante, Sim3/b, se puede esperar que esté en el rango [-1,1] .
Debido a que la frecuencia de los atributos (por ejemplo, intereses del usuario) puede no necesariamente estar distribuida de manera uniforme, se puede observar una polarización hacia los valores que ocurren con más frecuencia. Para corregir dicha polarización, una modalidad representativa de la presente invención puede utilizar un nivel referido aqui como la frecuencia de usuario inversa (IUF) . IUF tal como aqui se utiliza es lo inverso a la frecuencia (es decir, el número de distintos usuarios asociados con un atributo) del atributo, tal como se muestra a continuación: Número de usuarios IUFj = \og Número de usuarios con atributo j El vector de atributos para un usuario i entonces se puede corregir para que sea: En una modalidad representativa de la presente invención, se puede calcular un nivel de similitud general entre usuarios agregando varios niveles de similitud tal como, por ejemplo, similitud por intereses del usuario, similitud por preferencias de producto, y similitud por uso de respuestas de los usuarios a encuestas en linea, por mencionar únicamente tres posibles niveles de similitud que se pueden utilizar.
Una modalidad representativa de la presente invención puede utilizar el interés calculado del usuario para generar vectores de atributos para un usuario. El peso para cada elemento de vector puede ser la calificación asociada con el usuario para una etiqueta de interés especifica, corregida por la IUF (Frecuencia de Usuario Inversa) para la etiqueta. Para generar un conjunto significativo de etiquetas, una modalidad representativa de la presente invención puede ejecutar un procesamiento previo sobre la información de etiqueta tal como, por ejemplo, uno o más de retirar etiquetas que tienen menos de un cierto número de usuarios asociado con las etiquetas (por ejemplo, al menos 2), y retirar etiquetas con más de un cierto número de usuarios asociados con las etiquetas (por ejemplo, máximo ~ 10% de los usuarios) , y remover atributos que no sean relevantes para determinar la similitud del usuario. Una modalidad representativa de la presente invención también puede seleccionar para cada usuario, el maxEtiquetasNúmero superior de las etiquetas con un | pésol mayor que un minlnterésPeso en lo que se puede denominar "etiquetas relevantes", para limitar la cantidad de datos almacenados mientras que se toma en cuenta el hecho de que intereses muy pequeños contribuyen muy poco a la similitud calculada. Además, una IUF para cada etiqueta puede ser calculada sobre todas las etiquetas, de acuerdo con la fórmula antes proporcionada. En una modalidad representativa de la presente invención, las calificaciones del conjunto de etiquetas para las etiquetas relevantes pueden ser utilizadas para calcular lo que se puede referir aquí como un valor de "similitud de interés" entre dos usuarios utilizando, por ejemplo, el calculo de similitud de coseno, antes analizado.
Para que el cálculo de la similitud de interés del usuario sea significativo, una modalidad representativa de la presente invención puede calcular la similitud de interés del usuario únicamente para usuarios con al menos r intereses relevantes, donde r puede ser un múltiplo de 10 etiquetas, como se muestra a continuación: Asumir que InterésCalifícaciónj,a sea el peso de interés j para el usuario a: Simint erés (a, b) = CosenoSimilitud(UVa¡n,crés , uv "'eré ) Uyhua* = {interésCaliflcación, 'IUF,} /=1 m Una modalidad representativa de la presente invención puede emplear un cálculo de agregado de interés que puede tomar en cuenta la diferencia entre interacciones de usuario explícitas e implícitas. Para el propósito del presente análisis, "interacciones implícitas" pueden ser definidas como aquellas acciones del usuario que no generan Contenido Generado por el Usuario (UGC) que "un amigo" puede ver en este perfil de usuario. Las acciones de usuario consideradas aquí como "interacciones implícitas" pueden incluir, por ejemplo un "vista de página" o "vista rápida", un voto en una encuesta en línea, la adición de un producto a un "carrito de compras", una compra de uno o más artículos, y la adición de un artículo a un "catálogo" por mencionar únicamente unos pocos ejemplos. Las interacciones implícitas con mayor probabilidad pueden ser consideradas de cierta forma privadas por los usuarios, incluso para aquellos considerados como amigos .
Algunas modalidades representativas de la presente invención pueden proporcionar mayor peso a lo que se puede referir aquí como "interacciones explícitas" tal como, por ejemplo, cuando un usuario selecciona un interés y hace clic en/selecciona un botón para seguir ese interés, efectivamente diciendo "estoy interesado en esto". En contraste, la situación donde un usuario visita una página por un interés particular múltiples veces pero no indica de manera explícita su interés se refiere aquí como un interés "implícito". Algunos aspectos de las modalidades representativas de la presente invención tal como, por ejemplo, aquellas descritas antes con referencia a la figura 5 que proporcionan una explicación general de la manera en que se puede calcular un nivel de similitud, puede ayudar a realizar la relación de un nivel de similitud de un par de usuarios con las actividades de aquellos dos usuarios más intuitivos para los usuarios.
Una modalidad representativa de la presente invención puede utilizar la similitud por preferencia de producto para generar una vista más granular en la similitud entre dos usuarios. La similitud por preferencia de producto de acuerdo con una modalidad representativa de la presente invención se puede basar en el mapeo de los productos con los cuales ha interactuado cada usuario, con las facetas relevantes para el producto. El termino "facetas" se puede utilizar aquí para hacer referencia a detalles del producto que pueden ser detalles que dependan de la categoría del producto tal como "marca", "precio", "color", "tamaño", "capacidad", "velocidad para refrescar", "voltaje" y "tela", por mencionar solamente unos cuantos. Al utilizar dicho mapeo, se puede construir un vector de preferencia de producto para cada usuario. Cada elemento del vector de preferencia de producto puede representar una faceta relevante para el producto. La calificación del elemento se puede calcular sumando la calificación de interacción del usuario con la calificación de faceta del producto para todos los productos unidos a esa faceta del producto. Un vector de atributos para la preferencia del producto se puede definir en la siguiente manera : Asumir que Fk es una faceta de producto especifica.
Asumir que { Pi , a } es el conjunto de productos que comparten Fk y son los intereses del usuario a.
Se define la calificación de faceta del producto para la faceta J y al usuario a como: P roducto _ Faceta _ Cal ificaciónk a = P¡ a jjyproducos = {producto _Faceta _calificaciónk a}k=l m Asumir que Pj/k es la calificación de la faceta k del producto j. Asumir que Wirj es la calificación de interacción del usuario i con el producto j (tomando en cuenta la Frecuencia de Usuarios Inversa para ese producto) . Una calificación de faceta de producto entonces se puede calcular como : P roducto _ Faceta _ Cal ificaciónk a = ^ Wi °P/ k Productos j e faceta k Para generar un conjunto significativo de facetas, una modalidad representativa de la presente invención puede ejecutar un procesamiento previo, por ejemplo, calculando la similitud únicamente para usuarios con al menos un número mínUsuarioNu DeProducto de los productos relacionados. Dicho procesamiento previo puede utilizar solamente las facetas con más del número minFacetaNumDeProductos de los productos relacionados, y puede utilizar solamente las facetas con menos del número maxFacetaNumDeProductos de los productos relacionados. Además, el procesamiento previo, para cada usuario, puede seleccionar el maxFacetasNúmero superior con I pésol mayor que minFacetaPeso.
Además, una Frecuencia de Usuario Inversa para el producto se puede calcular sobre los productos utilizando la fórmula para IUF, antes analizada.
En una modalidad representativa de la presente invención, una similitud de preferencia de producto entre dos usuarios se puede calcular aplicando la similitud del coseno a los vectores de facetas de los usuarios, tal como se muestra a continuación Simproductos(a,b) = CoSenoSimilitud{UV^cto UVbPrnd^) Tal como se menciono antes, una modalidad representativa de la presente invención también puede incluir un cálculo de similitud por encuestas en linea. Por ejemplo, una modalidad representativa de la presente invención puede calcular la similitud entre el primer usuario, u, y un segundo usuario, v, para una etiqueta especifica, t, con base en sus respuestas a consultas como: Sim(u,v,t) = ? ? ¾¾(1 - «PÍ) peConsultas aeRespuestas Peso de etiqueta t en respuesta de u; avl = Peso de etiqueta t en respuesta de v Número de usuarios que votaron a en p Número de usuarios que votaron en p Número de usuarios que votaron una respuesta con etiqueta t Número de usuarios que votaron en p Una modalidad representativa de la presente invención, por ejemplo, puede calcular la similitud entre el primer usuario, u, y un segundo usuario, v, para todas las etiquetas basadas en sus respuestas a consultas como: Tal como se observo previamente, en una modalidad representativa de la presente invención, las calificaciones o niveles de similitud se pueden calcular como valores numéricos en el rango entre 0 (es decir, no similar) y 1 (es decir, completamente similar) . El rango de valores de calificación de similitud calculados como se mostró antes, el cual yace en el intervalo -1 a +1 se puede subdividir, categorizar, agrupar o mapear, por ejemplo, en un conjunto de frases textuales, teniendo una escala de baja granularidad, la cual puede ser desplegada a un usuario a través de una interfaz de usuario tal como el listado de temas o categorías 242 que se muestra en la figura 2, la ventana de información de similitud 300 de la figura 3, o el listado de temas, categorías o áreas de similitud 410 que se ilustra en la figura 4. Dichas frases textuales utilizadas para transmitir el grado o fuerza de similitud entre usuarios pueden incluir, por ejemplo, "muy alto" para representar la similitud del usuario que muestra un grado de traslape muy alto (por ejemplo, ambos usuarios tienen este interés específico con un alto peso), "alto", "medio", "bajo", y "muy bajo" significa un grado muy bajo de similitud, pero no necesariamente diferente. Por ejemplo, "muy bajo" puede representar que ambos usuarios tienen este interés específico, pero que un usuario lo tiene a un grado o intensidad muy alta, mientras que el otro usuario lo tiene a un grado o intensidad muy baja .
En una modalidad representativa de la presente invención, los valores de similitud numéricos pueden ser mapeados a la escala muestra antes descrita en una manera que los distribuye entre estos valores. La diferencia (por ejemplo, cuando un usuario esta muy interesado en X y el otro ha indicado que no esta muy interesado utilizando la característica "ocultar") se puede considerar como no teniendo una similitud en lo absoluto. De acuerdo con una modalidad representativa de la presente invención, las divisiones o limites reales que subdividen el rango de valores de una calificación o nivel de similitud en categorías o grupos se pueden determinar de manera empírica, y se pueden ajustar de acuerdo con una distribución final de valores de calificación de similitud.
Una modalidad representativa de la presente invención puede calcular la similitud general utilizando la siguiente formula : i_ sim{a,b) = Simin¡erés{a,b)a * Simproductos ( ,b)a Una modalidad representativa de la presente invención puede determinar los N intereses mutuos superiores clasificando los valores en el producto de calificación de intereses mutuos y filtrándolos por un umbral mínimo: {Inter ésCalificaciónj a° Inter ésCalificaciónj b 0IUFj}para todos los pares j ionde este valor > lh {InterésCalificaciónj a °InterésCalificaciónj b }para lodos los pares , donde esle valor > th En algunas modalidades representativas de la presente invención, se puede recopilar una lista de usuarios similares a partir de una lista predefinida de usuarios que no están marcados o etiquetados como "privado". Los usuarios en la lista predefinida de usuarios también pueden ser aquellos usuarios que están "interesados lo suficiente". Con esto se quiere decir que dichos usuarios presentan un nivel significativo de interacción con el sistema de interés tal como, por ejemplo, un sistema o plataforma de comercio electrónico social tal como puede ser soportado por la red de computadora de la figura 1, antes descrita.
En algunas modalidades representativas de la presente invención, una métrica que se puede utilizar para determinar cuan interesado está un usuario puede ser la norma del vector de intereses de usuario, jjt/ fl/'tfere's| . Un valor de umbral puede ser definido para esta cantidad, y únicamente usuarios con normas superiores que el valor de umbral pueden ser seleccionados como "interesados lo suficiente". Este valor de umbral puede ser actualizado periódicamente, debido a que el "interés" total en un sistema tal como aquel aquí descrito se puede esperar que sea una función monótona en aumento.
Una modalidad representativa de la presente invención puede calcular, para un usuario determinado, una calificación o nivel de similitud entre el usuario determinado y cada uno de los usuarios en una "lista de usuarios interesados" que puede ser hecha de los usuarios que han sido designados como "interesados lo suficiente" como se describió antes. Los resultados de esos cálculos pueden ser clasificados por la calificación o nivel de similitud, y los N usuarios superiores que soportan intereses mutuos pueden ser devueltos .
La figura 7 es un gráfico de flujo para un método ejemplar que consiste en producir una recomendación para un primer usuario que utiliza la información de interacción para cada uno del primer usuario y un segundo usuario de una pluralidad de usuarios de una red de computadora, de acuerdo con una modalidad representativa de la presente invención. En una modalidad representativa de la presente invención, la información de interacción para el primer usuario y el segundo usuario se puede derivar a partir de las interacciones del primer usuario y el segundo usuario con la red de computadora. El método de la figura 7 puede ser ejecutado, por ejemplo, por uno o más procesadores en una red de computadora tal como la red de computadora ilustrada y descrita antes con respecto a la figura 1.
El método de la figura 7 comienza en el bloque 710, en el cual el método caracteriza al primer usuario y el segundo usuario con respecto a cada uno de una pluralidad de atributos, con base en la información de interacción para el primer usuario y el segundo usuario. El método entonces, en el bloque 720, puede expresar una fuerza de una relación entre el primer usuario y cada uno de la pluralidad de atributos como una pluralidad de pesos para el primer usuario. A continuación, en el bloque 730, el método puede expresar una fuerza de una relación entre el segundo usuario y cada uno de la pluralidad de atributos como una pluralidad de pesos para el segundo usuario. El método entonces, en el bloque 740, puede calcular un nivel de similitud del primer usuario y el segundo usuario, utilizando la pluralidad de pesos para el primer usuario y la pluralidad de pesos para el segundo usuario. Finalmente, el método de la figura 7 puede presentar al primer usuario una indicación explícita que representa el nivel de similitud.
En una modalidad representativa de la presente invención, las recomendaciones están basadas en la similitud de los individuos. Es decir, utilizando a un grupo de personas que resultan ser similares a cierto nivel para derivar otras recomendaciones tales como, por ejemplo, recomendar un producto a un individuo con base en el conocimiento de los productos que son populares entre las personas similares a ese individuo. Además, una modalidad representativa .de la presente invención hace explícita la similitud de los individuos mostrando a un individuo el porqué él/ella es similar a otro individuo. De esta manera, una modalidad representativa de la presente invención puede informar de manera explícita a un individuo respecto de los productos que han sido vistos, por ejemplo, por alguien con gustos similares al individuo.
Aspectos de la presente invención pueden ser vistos en un método para producir una recomendación para un primer usuario utilizando información de interacción para cada uno del primer usuario y un segundo usuario de la pluralidad de usuarios de una red de computadora. En dicho método, la información de interacción para el primer usuario y el segundo usuario se puede derivar de las interacciones del primer usuario y el segundo usuario con la red de computadora. El método puede comprender, por ejemplo, caracterizar al primer usuario y al segundo usuario con respecto a cada uno de una pluralidad de atributos, con base en la información de interacción para el primer usuario y el segundo usuario. El método también puede comprender, expresar una intensidad de una relación entre el primer usuario y cada uno de la pluralidad de atributos como una pluralidad de pesos para el primer usuario, y expresar una fuerza de una relación entre el segundo usuario y cada uno de la pluralidad de atributos como una pluralidad de pesos para el segundo usuario. El método además puede comprender, calcular un nivel de similitud del primer usuario y el segundo usuario, utilizando la pluralidad de pesos para el primer usuario y la pluralidad de pesos para el segundo usuario, y presentar al primer usuario una indicación explícita gue represente el nivel de similitud.
En varias modalidades representativas, la red de computadora puede comprender un sistema de comercio electrónico, la información de interacción se puede derivar de actividades de red social del primer usuario y el segundo usuario sobre la red de computadora, y la información de interacción se puede derivar de las interacciones implícitas. En una modalidad representativa de la presente invención, las interacciones implícitas pueden comprender uno o más de: una vista de página, una vista rápida, un voto en una encuesta en línea, la adición de un artículo a un carrito de compras en línea, una compra de uno o más artículos, y/o una adición de un artículo a un catálogo privado. El cálculo del nivel de similitud del primer usuario y el segundo usuario puede comprender, calcular un nivel de similitud agregado con base en los intereses del usuario y las preferencias del producto, y calcular el nivel de similitud del primer usuario y el segundo usuario puede comprender la corrección de la pluralidad de pesos para cada uno del primer usuario y el segundo usuario con base en el número de distintos usuarios asociados con cada atributo.
Aspectos adicionales pueden ser vistos en un medio legible por computadora no transitorio gue tiene almacenadas en el mismo una pluralidad de secciones de código, cada sección de código comprende una pluralidad de instrucciones ejecutables por un procesador para ocasionar que el procesador ejecute un método para producir una recomendación para un primer usuario utilizando la información de interacción para cada uno del primer usuario y un segundo usuario de una pluralidad de usuarios de una red de computadora, la información de interacción para el primer usuario y el segundo usuario derivada de las interacciones del primer usuario y el segundo usuario con la red de computadora, donde el método ejecutado es como se describió antes .
Aspectos adicionales de la presente invención se pueden encontrar en un sistema para producir una recomendación para un primer usuario utilizando información de interacción para cada uno del primer usuario y un segundo usuario de una pluralidad de usuarios de una red de computadora, la información de interacción para el primer usuario y el segundo usuario derivada de las interacciones del primer usuario y el segundo usuario con la red de computadora, donde el sistema ejecuta el método antes descrito.
Aunque dispositivos, métodos y sistemas de acuerdo con la presente invención pudieron haberse descrito en relación con una modalidad preferida, no se pretende quedar limitado a la forma especifica aquí establecida, sino que por el contrario, se pretende cubrir dicha alternativa, modificaciones y equivalentes, tal como se pudieran incluir de manera razonable dentro del alcance de la invención conforme a lo definido por esta divulgación y los diagramas anexos .
Por consiguiente, la presente invención se puede ejecutar en hardware, software o una combinación de hardware y software. La presente invención se puede ejecutar en una forma centralizada en al menos un sistema de computadora o en una forma distribuida donde diferentes elementos están esparcidos a través de varios sistemas de computadora interconectados . Es conveniente cualquier tipo de sistema de computadora u otro aparato adaptado para llevar a cabo los métodos aquí descritos. Una combinación típica de hardware y software puede ser un sistema de computadora de propósito general con un programa de computadora, que, cuando es cargado y ejecutado, controla el sistema de computadora de manera que éste lleva a cabo los métodos aquí descritos.
La presente invención también se puede incorporar en un producto de programa de computadora, el cual comprende todas las características que permiten la implementación de los métodos aquí descritos, y que cuando son cargados en un sistema de computadora puede llevar a cabo estos métodos. El programa de computadora en el presente contexto significa cualquier expresión, en cualquier lenguaje, código o anotación, de un conjunto de instrucciones destinadas para ocasionar que un sistema que tiene una capacidad de procesamiento de información ejecute una función particular ya sea directamente o después de cualquiera o ambos de los siguientes: a) conversión a otro lenguaje, código o anotación; b) reproducción en una forma de material diferente .
Aunque la presente invención se ha descrito con referencia a ciertas modalidades, aquellos expertos en la técnica entenderán que se pueden realizar diversos cambios y que se pueden sustituir equivalentes sin apartarse del alcance de la presente invención. Además, se pueden realizar muchas modificaciones para adaptar una situación o material particular a las enseñanzas de la presente invención sin apartarse de su alcance. Por lo tanto, se pretende que la presente invención no quede limitada a la modalidad particular divulgada, sino que la presente invención incluirá todas las modalidades que caen dentro del alcance de las reivindicaciones anexas.

Claims (21)

NOVEDAD DE LA INVENCION Habiendo descrito la presente invención, se considera como una novedad y, por lo tanto, se reclama como propiedad lo contenido en las siguientes: REIVINDICACIONES
1.- Un método para producir una recomendación para un primer usuario utilizando información de interacción para cada uno del primer usuario y un segundo usuario de una pluralidad de usuarios de una red de computadora, la información de interacción para el primer usuario y el segundo usuario derivada de las interacciones del primer usuario y el segundo usuario con la red de computadora, el método comprende: caracterizar al primer usuario y al segundo usuario con respecto a cada uno de una pluralidad de atributos, con base en la información de interacción para el primer usuario y el segundo usuario; calcular un nivel de similitud del primer usuario y el segundo usuario, utilizando la caracterización del primer usuario y la caracterización del segundo usuario con respecto a la pluralidad de atributos; y presentar al primer usuario una recomendación de un producto o un servicio, con base en el nivel de similitud y la información de interacción para el primer usuario y el segundo usuario.
2. - El método de conformidad con la reivindicación 1, caracterizado porque la red de computadora comprende un sistema de comercio electrónico.
3. - El método de conformidad con la reivindicación 1, caracterizado porque la información de interacción se deriva de las actividades de red social del primer usuario y el segundo usuario sobre la red de computadora.
4.- El método de conformidad con la reivindicación 1, caracterizado porque la información de interacción es derivada de interacciones implícitas.
5.- El método de conformidad con la reivindicación 4, caracterizado porque las interacciones implícitas comprenden uno o más de: una vista de página, una vista rápida, un voto en una encuesta en línea, una adición de un artículo a un carrito de compras en línea, una compra de uno o más artículos y/o una adición de un artículo a un catálogo privado .
6.- El método de conformidad con la reivindicación 1, caracterizado porque el cálculo del nivel de similitud del primer usuario y el segundo usuario comprende calcular un nivel de similitud agregado con base en los intereses del usuario y las preferencias del producto.
7. - El método de conformidad con la reivindicación 1, caracterizado porque el cálculo del nivel de similitud del primer usuario y el segundo usuario comprende corregir la pluralidad de pesos para cada uno del primer usuario y el segundo usuario con base en el número de distintos usuarios asociados con cada atributo.
8. - Un medio legible por computadora no transitorio que tiene almacenadas en el mismo una pluralidad de secciones de código, cada sección de código comprende una pluralidad de instrucciones ejecutables por un procesador para ocasionar que el procesador ejecute un método para producir una recomendación para un primer usuario utilizando la información de interacción para cada uno del primer usuario y un segundo usuario de una pluralidad de usuarios de una red de computadora, la información de interacción para el primer usuario y el segundo usuario derivada de las interacciones del primer usuario y el segundo usuario con la red de computadora, el método comprende: caracterizar al primer usuario y el segundo usuario con respecto a cada uno de una pluralidad de atributos, con base en la información de interacción para el primer usuario y el segundo usuario; calcular un nivel de similitud del primer usuario y el segundo usuario, utilizando la caracterización del primer usuario y la caracterización del segundo usuario con respecto a la pluralidad de atributos; y presentar al primer usuario una recomendación de un producto o un servicio, con base en el nivel de similitud y la información de interacción para el primer usuario y el segundo usuario.
9. - El medio legible por computadora no transitorio de conformidad con la reivindicación 8, caracterizado porque la red de computadora comprende un sistema de comercio electrónico.
10. - El medio legible por computadora no transitorio de conformidad con la reivindicación 8, caracterizado porque la información de interacción se deriva de actividades de red social del primer usuario y el segundo usuario sobre la red de computadora.
11. - El medio legible por computadora no transitorio de conformidad con la reivindicación 8, caracterizado porque la información de interacción se deriva de interacciones implícitas .
12.- El medio legible por computadora no transitorio de conformidad con la reivindicación 11, caracterizado porque las interacciones implícitas comprenden uno o más de: una vista de página, una vista rápida, un voto en una encuesta en línea, una adición de un artículo a un carrito de compras en linea, una compra de uno o más articulos y/o una adición de un articulo a un catálogo privado.
13. - El medio legible por computadora no transitorio de conformidad con la reivindicación 8, caracterizado porque el cálculo del nivel de similitud del primer usuario y el segundo usuario comprende calcular un nivel de similitud agregado con base en los intereses del usuario y las preferencias del producto.
14. - El medio legible por computadora no transitorio de conformidad con la reivindicación 8, caracterizado porque el cálculo del nivel de similitud del primer usuario y el segundo usuario comprende corregir la pluralidad de pesos para cada uno del primer usuario y el segundo usuario son base en el número de distintos usuarios asociados con cada atributo .
15. - Un sistema para producir una recomendación para un primer usuario utilizando información de interacción para cada uno del primer usuario y un segundo usuario de una pluralidad de usuarios de una red de computadora, la información de interacción para el primer usuario y el segundo usuario derivada de interacciones del primer usuario y el segundo usuario con la red de computadora, el sistema comprende : al menos un procesador para acoplar de manera comunicativa al primer usuario y el segundo usuario, al menos un procesador que opera para, al menos: caracterizar al primer usuario y el segundo usuario con respecto a cada uno de una pluralidad de atributos, con base en la información de interacción para el primer usuario y el segundo usuario; calcular un nivel de similitud del primer usuario y el segundo usuario, utilizando la caracterización del primer usuario y la caracterización del segundo usuario con respecto a la pluralidad de atributos; y presentar al primer usuario una recomendación de un producto o un servicio, con base en el nivel de similitud y la información de interacción para el primer usuario y el segundo usuario.
16. - El sistema de conformidad con la reivindicación 15, caracterizado porque la red de computadora comprende un sistema de comercio electrónico.
17. - El sistema de conformidad con la reivindicación 15, caracterizado porque la información de interacción se deriva de las actividades de conexión en red social del primer usuario y segundo usuario sobre la red de computadora.
18. - El sistema de conformidad con la reivindicación 15, caracterizado porque la información de interacción se deriva de interacciones implícitas.
19. - El sistema de conformidad con la reivindicación 18, caracterizado porque las interacciones implícitas comprenden uno o más de: una vista de página, una vista rápida, un voto en una encuesta en línea, una adición de un artículo a un carrito de compras en línea, una compra de uno o más artículos y/o una adición de un artículo a un catálogo privado .
20. - El sistema de conformidad con la reivindicación 15, caracterizado porque el cálculo del nivel de similitud del primer usuario y el segundo usuario comprende calcular un nivel de similitud agregado basado en los intereses del usuario y las preferencias de producto.
21. - El sistema de conformidad con la reivindicación 15, caracterizado porque el cálculo del nivel de similitud del primer usuario y el segundo usuario comprende corregir la pluralidad de pesos para cada uno del primer usuario y el segundo usuario con base en el número de distintos usuarios asociados con cada atributo.
MX2014003124A 2013-03-15 2014-03-14 Recomendaciones basadas en las similitudes explicitas de usuarios. MX2014003124A (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US201361802338P 2013-03-15 2013-03-15

Publications (1)

Publication Number Publication Date
MX2014003124A true MX2014003124A (es) 2014-09-18

Family

ID=50478161

Family Applications (1)

Application Number Title Priority Date Filing Date
MX2014003124A MX2014003124A (es) 2013-03-15 2014-03-14 Recomendaciones basadas en las similitudes explicitas de usuarios.

Country Status (4)

Country Link
US (4) US9972042B2 (es)
EP (1) EP2779058A1 (es)
CA (1) CA2846025C (es)
MX (1) MX2014003124A (es)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9972042B2 (en) * 2013-03-15 2018-05-15 Sears Brands, L.L.C. Recommendations based upon explicit user similarity
US20150019588A1 (en) * 2013-07-11 2015-01-15 Drexel University Identifying Implicit Relationships Between Social Media Users To Support Social Commerce
US10601749B1 (en) * 2014-07-11 2020-03-24 Twitter, Inc. Trends in a messaging platform
US10592539B1 (en) 2014-07-11 2020-03-17 Twitter, Inc. Trends in a messaging platform
US20160162840A1 (en) * 2014-10-07 2016-06-09 Rick Roberts Talent acquisition and management system and method
US20180039944A1 (en) * 2016-01-05 2018-02-08 Linkedin Corporation Job referral system
WO2017181017A1 (en) 2016-04-15 2017-10-19 Wal-Mart Stores, Inc. Partiality vector refinement systems and methods through sample probing
WO2017181052A1 (en) 2016-04-15 2017-10-19 Wal-Mart Stores, Inc. Systems and methods for providing content-based product recommendations
US10592959B2 (en) 2016-04-15 2020-03-17 Walmart Apollo, Llc Systems and methods for facilitating shopping in a physical retail facility
US10373464B2 (en) 2016-07-07 2019-08-06 Walmart Apollo, Llc Apparatus and method for updating partiality vectors based on monitoring of person and his or her home
CN108171612A (zh) * 2016-12-06 2018-06-15 北京国双科技有限公司 一种关联方法和装置
US10007936B1 (en) * 2016-12-27 2018-06-26 Valutrend Corporation Product review platform based on social connections
US10410261B2 (en) * 2017-05-25 2019-09-10 Walmart Apollo, Llc Systems and methods for determining facet rankings for a website
CN109727092A (zh) * 2018-12-15 2019-05-07 深圳壹账通智能科技有限公司 基于ai的产品推荐方法、装置、计算机设备及存储介质
CN111782831B (zh) * 2020-07-02 2024-08-09 北京字节跳动网络技术有限公司 媒体文件的展示方法、装置、介质及电子设备
CN112256977B (zh) * 2020-12-22 2021-04-02 上海众旦信息科技有限公司 组件化商品推荐方法、计算设备和计算机存储介质
CN113806545B (zh) * 2021-09-24 2022-06-17 重庆理工大学 基于标签描述生成的评论文本情感分类方法
CN116738066B (zh) * 2023-08-15 2023-10-31 湖南师范大学 乡村旅游服务推荐方法、装置、电子设备及存储介质

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7734680B1 (en) * 1999-09-30 2010-06-08 Koninklijke Philips Electronics N.V. Method and apparatus for realizing personalized information from multiple information sources
US6947922B1 (en) * 2000-06-16 2005-09-20 Xerox Corporation Recommender system and method for generating implicit ratings based on user interactions with handheld devices
JP4725038B2 (ja) * 2004-06-03 2011-07-13 ソニー株式会社 コンテンツ共有システム及びコンテンツ重要度判定方法
JP4543930B2 (ja) * 2005-01-07 2010-09-15 ソニー株式会社 情報処理装置および方法、並びにプログラム
US8060463B1 (en) * 2005-03-30 2011-11-15 Amazon Technologies, Inc. Mining of user event data to identify users with common interests
US9256602B2 (en) * 2006-09-13 2016-02-09 Cellco Partnership System and method for distributing and providing recommendations related to playable content to a user based on information extracted from one or more playback devices of the user
US8250012B1 (en) * 2007-03-30 2012-08-21 Amazon Technologies, Inc. Evaluating recommendations by determining user actions, and performance values pertaining to lists of recommendations
US8494978B2 (en) * 2007-11-02 2013-07-23 Ebay Inc. Inferring user preferences from an internet based social interactive construct
KR101411319B1 (ko) * 2007-12-06 2014-06-27 삼성전자주식회사 사용자 선호도 예측 방법 및 장치
US8073794B2 (en) * 2007-12-20 2011-12-06 Yahoo! Inc. Social behavior analysis and inferring social networks for a recommendation system
US20090197681A1 (en) * 2008-01-31 2009-08-06 Microsoft Corporation System and method for targeted recommendations using social gaming networks
US8484297B2 (en) * 2008-07-31 2013-07-09 Palo Alto Research Center Incorporated Method for collaboratively tagging and highlighting electronic documents
KR101010997B1 (ko) * 2009-03-24 2011-01-26 한국과학기술원 다종 웹 서버 간 유사 사용자 추출 시스템 및 그 방법
US8489515B2 (en) 2009-05-08 2013-07-16 Comcast Interactive Media, LLC. Social network based recommendation method and system
US20100332324A1 (en) * 2009-06-25 2010-12-30 Microsoft Corporation Portal services based on interactions with points of interest discovered via directional device information
US8661050B2 (en) * 2009-07-10 2014-02-25 Microsoft Corporation Hybrid recommendation system
US20110125783A1 (en) * 2009-11-19 2011-05-26 Whale Peter Apparatus and method of adaptive questioning and recommending
US20110145719A1 (en) * 2009-12-14 2011-06-16 International Business Machines Corporation People recommendation indicator method and apparatus in a social networking site
US20110177480A1 (en) * 2010-01-15 2011-07-21 Satish Menon Dynamically recommending learning content
WO2011097415A2 (en) * 2010-02-03 2011-08-11 Glomantra Inc. Method and system for providing actionable relevant recommendations
US20110238608A1 (en) * 2010-03-25 2011-09-29 Nokia Corporation Method and apparatus for providing personalized information resource recommendation based on group behaviors
US8577896B2 (en) * 2010-06-08 2013-11-05 Netflix, Inc Interest based row selection
US20120078725A1 (en) * 2010-09-27 2012-03-29 Infosys Technologies Limited Method and system for contextual advertisement recommendation across multiple devices of content delivery
US8903834B2 (en) * 2010-10-14 2014-12-02 Netflix, Inc. Recommending groups of items based on item ranks
EP2463818A1 (en) * 2010-12-07 2012-06-13 Digital Foodie Oy A method for creating computer generated shopping list
US20120239494A1 (en) 2011-03-14 2012-09-20 Bo Hu Pricing deals for a user based on social information
US20140222622A1 (en) * 2011-05-27 2014-08-07 Nokia Corporation Method and Apparatus for Collaborative Filtering for Real-Time Recommendation
US20120323659A1 (en) 2011-06-15 2012-12-20 Kiran Kumar Konduru Methods and system for automating online social network engagements for e-commerce applications
WO2013010024A1 (en) * 2011-07-12 2013-01-17 Thomas Pinckney Recommendations in a computing advice facility
CA2842265C (en) * 2011-07-20 2019-05-07 Ebay Inc. Real-time location-aware recommendations
US8463295B1 (en) * 2011-12-07 2013-06-11 Ebay Inc. Systems and methods for generating location-based group recommendations
JP5740318B2 (ja) * 2012-01-30 2015-06-24 楽天株式会社 画像処理システム、画像処理方法、及びプログラム
US9230212B2 (en) * 2012-02-02 2016-01-05 Peel Technologies, Inc. Content based recommendation system
US20130232200A1 (en) * 2012-03-05 2013-09-05 Myspace Llc User and content recommendation and discovery application
WO2014138415A1 (en) * 2013-03-06 2014-09-12 Northwestern University Linguistic expression of preferences in social media for prediction and recommendation
US9972042B2 (en) * 2013-03-15 2018-05-15 Sears Brands, L.L.C. Recommendations based upon explicit user similarity
US10698965B2 (en) * 2017-06-09 2020-06-30 Sap Se Database query based recommendation engine

Also Published As

Publication number Publication date
US20240062271A1 (en) 2024-02-22
EP2779058A1 (en) 2014-09-17
US10769702B2 (en) 2020-09-08
CA2846025A1 (en) 2014-09-15
US20210082027A1 (en) 2021-03-18
US11836780B2 (en) 2023-12-05
US9972042B2 (en) 2018-05-15
US20180357703A1 (en) 2018-12-13
CA2846025C (en) 2020-03-31
US20140279202A1 (en) 2014-09-18

Similar Documents

Publication Publication Date Title
US11836780B2 (en) Recommendations based upon explicit user similarity
Behera et al. Personalized digital marketing recommender engine
Kim et al. Determinants of the intention to use Buy-Online, Pickup In-Store (BOPS): The moderating effects of situational factors and product type
De Bellis et al. Personalizing the customization experience: A matching theory of mass customization interfaces and cultural information processing
Kim et al. Consumer adoption of smart in-store technology: assessing the predictive value of attitude versus beliefs in the technology acceptance model
US20140129328A1 (en) Providing augmented purchase schemes
Pawłowski et al. B2B customers buying behavior
US8868596B2 (en) Set based item recommendation system
US20130204701A1 (en) Apparatus, system and methods for marketing targeted products to users of social media
Gu et al. Differential impact of web and mobile interactivity on e-retailers' performance
US20200202395A1 (en) Method and system for determining level of influence in a social e-commerce environment
US20140164123A1 (en) User Interface for Accessing Information About a Retail Store
US20170308847A1 (en) Customer-inclusive systems and methods for updating retail product assortments
Chen et al. The effects of portal website attitude and e-services on branding of e-stores
Lakho et al. The Role Of Online Customer Testimonials In Brand Trust: Utilization Of The Expectancy-Disconfirmation Model
Chauhan et al. The Influence Of Brand Trust In Mediating Consumer Online Behavior Against Buying Interest In Online Stores (Case Study Of Hypermart Online Shop In Indonesia)
Tjhin et al. The role of electronic word-of-mouth on customer confusion in increasing purchase intention
Setiarini et al. Relationship of Marketing Mix, Brand Equity to Purchase Decision and Loyalty with Digital Wallet as Moderating during the Covid 19 Pandemic Period
JP7241842B1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
JP2018180674A (ja) 営業支援システム
KR102014773B1 (ko) 소셜 커머스와 소셜 네트워크를 통한 선물 추천 방법
MACHALICKÝ THE IMPACT OF COVID-19 ON THE DEVELOPMENT AND APPLICATION OF NEW TECHNOLOGIES IN ASSISTED RETAIL IN THE CZECH REPUBLIC.
Najmudin et al. Antecedents of Online Purchase Decisions: An Evidence from Indonesia
McDonald Consumers' M-Shopping Behavioral Similarities and Differences Across Lifestyle Groups
Turow The Digital Transformation of Physical Retailing: Sellers, Customers, and the Ubiquitous Internet

Legal Events

Date Code Title Description
FA Abandonment or withdrawal