TW200900973A - Personalized shopping recommendation based on search units - Google Patents

Description

200900973 九、發明說明： 【先前技術】 網際網路使用者的資料個人化對於網際網路商品 的消費者及生產者而言已是逐漸增加的共同要求。當網 際網路底層的技術逐漸朝向動態設計偏移時’基於使用 者活動的内容之個人化建議已成為特別有需要: 但是雖然有此需求，目前賊議方案尚未符合網頁 發展成長的步調。目前的方案根據使用者行為分類及模 型化來產生關於Μ克的使用者之建議。此技術可降低該 等建議的相關性，因此提供的結果不是全缺有效。特別 是，相對於包含關於使用者行為的較大量的細節之微粒 式輸入組合，使用者行為的分類及模型化提供的是粗粒 狀輸入組合。 " 另一種基於使用者行為來產生建議的另一種令人 不甚滿意的技術是由基於一給定使用者之實際點選的 建議之目前技術所提供。藉由僅基於一給定使用者的實 際點選來產生建議，該使用者的購物意向基本上被忽 略’因此造成對於使用者行為的不準確描述，或是對= 使用者活動的過度一般化觀點。例如，如果—使用者搜 尋該查詢“Christmas presents for a baby girl”(給小女孩 的聖誕禮物）’並點選一汽車或一撥浪鼓的結果鏈結，僅 基於使用者點選的建議將造成那些特定項目之建議。此 方法論將忽略掉一特定種類禮物（聖誕禮物）的查詢，且 將僅傳回特定項目（汽車戒撥浪鼓）的建議。再者，此方 法論會消除該搜尋之“聖誕禮物”態樣，其可用於決定該 使用者未想到的關於給嬰兒的流行聖誕禮物之建議。 目前的建議方案亦在用於產生建議的中繼資料上 200900973 有所要求。此要求造成損失大約80%或有用的使用者回 應資料。藉由利用一嚴謹的中繼資料方案，應用程式會 損失其大量動能，並嚴重地妨礙到智慧型建議。 因此，目前本技藝中有需要提供可以克服這些缺點 的一建議系統。特別地是，有需要利用一給定使用者的 粗略搜尋資料，也就是粗略搜尋查詢，不僅是搜尋的類 別。因此，根據本發明之系統及方法的具體實施例係用 於提供適用於一特定搜尋查詢的建議。 【發明内容】 本發明係關於基於使用者搜尋查詢對於一或多個 使用者產生相關建議的系統及方法。本發明的系統包含 複數個客戶端裝置，及耦合至網路的一或多個網路資 源。 根據一具體實施例，一建議單元耦合至該網路，並 用於基於利用該網路資源產生的聚集活動產生建議模 型。該建議單元可包含一點選單元，用於獲得使用者點 選資料；一查詢單元，用於獲得使用者查詢，及一喜好 引擎，以基於接收的點選資料及使用者查詢來產生一建 議模型，該資料及查詢係對應於使用者與該網路資源之 互動。一建議資料儲存器係提供以儲存該建議單元所產 生的建議模型。 在一具體實施例中，該喜好引擎包含一查詢喜好引 擎，用於產生使用者搜尋查詢與點選資料之間的關連 性。該喜好引擎另包含一單元產生器以用於接收一搜尋 查詢，並經由一擷取演算法由該搜尋查詢擷取單元。該 喜好引擎另包含一單元喜好引擎，其耦合至該單元產生 200900973 器以用於接收該擷取的單元， 間麵性，及一概念性喜好4 選！料之 生态以用於接收該擷取的單元並早2 之間的關i \ 士 △念性單元及點選資料 耦合至該杳、直包含—模型產生器，其 擎，並用於形成至少-建議模^引擎及概心性吾料 於個該網路，並用於產生關 施例’該使用者輪廓單元包含-iii史體1 包含基於—預定日期範_次要組合。 收一搜尋=H元H含—單元產生11以用於接 預先定義的單元演算法由該搜尋查詢擷取 於才曰疋-頻率给每個擷取的單元 ：二 所利用之網路資源的 Α :寸疋张 有可能演算法可句人兮私/、在/、體貝鈀例中，一所 中，-左方最取鱗法。在其它具體實施例 -建C可包含該擷取演算法。 動，其可包含g卩;^合至該網路並用於接收使用者活 活動的建議。用者㈣，並纽關於該使用者 辨識單元以用於^實施例中，—建議伺服器包含一 M ffl ^ ^ '侍—建議模型及使用者輪廓，建議邏 使用者的建議(以及選擇該等建議之 成果建4列表1;3以用於組合所產生的建議成為-查詢的建議生的建議可包含基於粗略使用者 丁於由叙略使用者查詢所產生的單元，來 200900973 自粗略使用者查詢或任何其έ 元。該建議伺服器另可包含二、、且合所產生的概念性單 用編輯規則到該建議伺服器商業規則單元，其用於應 中，該編輯規則可包含對進°'^之作業。在一具體實施例 具體實施例中，該編輯規則可行 評等參數。 匕s 5周整一進來的查洵之 ㈣2於基於使用者搜尋查詢用於產生相關 4至-或夕個使用者之方法。根據本發明—具體實施 歹，之該方法包含基於經由使用網路資源產生的聚集活 動以產生一建議模型。該建議模型可由使用者點選資料 及相對應查詢來形成。一喜好係於一使用者查詢及一相 關點選之間產生。根據多種具體實施例，一喜好係在粗 略查η旬及項目之間，單元及項目之間，以及概念性單元 與=目之間決定。然後，關連於粗略查詢、單元及概念 性單7L之喜好可被組合來形成一建議模型。 使用者輪廓可基於個別使用者與該網路資源的 產生。取得該搜尋歷史的次要組合，且經由一擷 ，算法由該搜尋歷史的次要組合擷取單元。該使用者 擇号f史的次要組合可包含在一預定日期範圍内所選 源人要組合。該預定的單元可對應至特定於該網路資 1、所—字典。在—具體實施例甲，該擷取演算法可包含 有可能的演算法。在 具體實施例中，該擷取演 h包含—左方最長演算法。 、 用者_3:套用到-產生的單元’然後可儲存在-使 附如f「貝料儲存器之内。在產生一單元時’―頻率可 加至访對應於該單元被看到之次數的單元。此頬率可附 Μ相對應單元，並儲存在該使用者輪廓資料儲存器 8 200900973 之内。 接收一使用者查詢，且藉由利用一建議模型及—使 用者輪廓來提供建議。從外部儲存取得一建議模型及使 用者輪廓，且基於該建議模型及該使用者輪廓兩者來產 ^建議。該產生的建議之次要組合可由所產生的建議中 來選擇。該最後建議列表可基於一粗略使用者查詢、根 據一叙略使用者查詢的單元、根據一粗略使用者查詢的 概念性單元或任何其組合來產生。 基於使用者查詢，利用商業規則以套用編輯規則至 產生建議之作業。在一具體實施例中，編輯規則包含對 進來的資料進行過濾。在另一具體實施例中，編輯規則 包含調整每個查詢的評等參數。 【實施方式】 以下說明係參照本發明之伴隨圖式說明可實施本 發明之特定具體實施例。應可暸解到可利用其它具體實 施例且進行結構性的改變，且其皆不背離本發明之範 圍。 第一圖所示為説明基於搜尋查詢用於產生對使用 者之建議的一系統之具體實施例的方塊圖。根據第一圖 的具體實施例，基於搜尋查詢對使用者產生建議的一系 統包含一或多個客戶端裝置1〇la及101b，一離線單元 102、一線上單元1〇3及網路1〇6。 根據第一圖所示之具體實施例，客戶端裝置1〇la 及101b可通訊式地耗合至一網路’其可包括到一或 夕個區域及廣域網路(例如網際網路）之連接。根據本發 明一具體實施例，一客戶端裝置1〇13及1〇lb為一通用 200900973 個人電腦，其包含一處理器111、短暫及永久儲存裝置 115，其用於執行像是網頁瀏覽器114之軟體，周邊裝置 (輸入/輸出，CD-ROM、USB等）112，及網路介面113。 例如，一 3.5 Ghz Pentium 4個人電腦，具有512 MB RAM、40GB硬碟儲存空間，及至一網路之乙太網絡介 面。其它客戶端裝置皆視為在本發明的範圍内，其中包 括（但不限於）掌上型裝置、機上盒、行動手機、PDA等。 離線單元102負責產生關於在所定義的範圍或條件 下的使用者活動之聚集建議及統計。在一具體實施例 中，離線單元102用於產生獨立於目前使用者活動的建 議及統計。特別是，離線單元102可用於使用在由任何 給定使用者所啟始的一目前網頁會期之外。 離線單元102對儲存在該伺服器（未示出）上之使用 者搜尋查詢及相關的點選資料進行作業，該伺服器可包 括聚集搜尋查詢及點選資料。在一具體實施例中，點選 資料對應於使用者在輸入一搜尋查詢之後選擇的一搜 尋結果組合中的該等鏈結。例如，如果一使用者輸入該 搜尋查詢“Canon Camera”，並在收到該等搜尋結果時選 擇該項目“Canon SLR”(其對應於Canon的SLR相機）， 該搜尋查詢〃Canon Camera”即關連於點選資料’’Canon SLR”，並儲存在一使用者輪廓資料儲存器105中。 查詢單元121，喜好引擎122及點選單元123包含 一離線建議系統，其用於形成一給定環境的一建議模 型。例如，如果一建議模型對於一線上購物網站來產 生，該離線建議系統可利用使用者搜尋查詢及關連於該 線上購物網站的點選資料。 當產生對於一特定網站的一建議模型時，查詢單元 10 200900973 121及點選單元I23係用於自所存檔資料之資料庫分別 取回歷史搜尋查詢及相關的點選資料。查詢單元121及 點選單元123係用於基於一使用者或應用所指定的特定 條件來取回資料。例如’如果在冬季月份(如11月到2007 年2月）期間對/線上旅遊網站產生一建議模型，對應於 先前夏季月份（即2006年6到8月）的使用者搜尋查詢及 點遂資料將成為一不正確的建議模型。為了對此點做修 正，一使用者或應用可指定一特定時段來收集使用者搜 尋查詢及點選資料(如11月到2006年2月）。此可保證 利用到相關搜尋資料。在查詢單元121及點選單元123 收集到相關的使用者搜尋查詢之後，該等查詢即傳送至 喜好引擎122。 第二圖所示為根據本發明一具體實施例的—喜好 引擎。該喜好引擎可分解成三個次組件，查詢喜好引擎 202、單元喜好引擎203及概念性喜好引擎204。查詢喜 好弓丨擎202可用於接收一粗略查詢及相關的點選資料， 並形成粗略查詢及相關點選之間的關連性。該查詢喜好 引擎代表使用者搜尋及點選資料之間的一精確關連 性’因為不會損失關連於該搜尋與該點選的結果之細 節。例如，如果一使用者搜尋“Wireless card for PC，，，並 點選項目 “Linksys”，於術語“Wireless card for PC”及 “Linksys”之間即產生一對一的關連性。 概念性喜好引擎204係用於接收該粗略查詢及點選 資料’並在該搜尋查詢與該點選項目之間產生概念性關 連。該概念性喜好引擎延伸由單元產生器201產生的單 元，並基於此延伸形成關連規則。例如，一使用者搜尋 查詢可包含術語“Canon Camera SLR”，其可分解成 200900973 “Canon”、“Camera”及“SLR”單元。概念性喜好引擎204 可基於延伸個別單元來產生關連性，例如將“Canon”單 元延伸成“Canon Digital Camera”。由搜尋查詢產生單元 係在此處完整引述的申請案中有更為詳細的說明。 單元喜好引擎203用於接收粗略查詢及點選資料， 並由該查詢產生相對應的單元，以及產生對於該等單元 的建議。單元產生器201用於自一或多個查詢擷取出資 料的相關邏輯區塊，以將該等查詢表示為經常同時出現 的文字之群組。例如，一使用者可鍵入一查詢“wl w2 w3”，其中wl、w2及w3對應於三個個別文字或搜尋項 目。假設由此查詢出現三個單元“wl w2’’、“w2 w3”及”wl w2w3”。於一字典檢查這三個單元，且出現在字典中的 那些單元即用於形成該查詢的單元化版本。 由使用者查詢產生的單元再次用一字典來檢查。一 字典可包含對應於該網站的一單元列表，該網站可利用 該字典。例如，一線上購物網站可利用一字典，其包含 關於要販售的產品之單元，以及一線上旅遊網站可包含 對應於航空公司、旅館、租賃汽車等之單元。一種由一 給定查詢決定單元之方法係要隔離所有可能的單元，並 利用一給定的字典對它們進行檢查。此演算法的一具體 實施例之虛擬碼實施示於表1: 如表1所示，一單元化演算法接收一使用者搜尋查 詢Q，及一字典D，並輸出一組單元Result_units(行0)。 為了示例性目的，假設Q代表“Wireless cards for a PC” 之查詢，而字典D代表包含文字“Wireless cards”及“PC” 之字典。 12 200900973 0 // Input: User search Query Q; dictionary D. Output, a set of units, Result units 1 Tokenize the search query Q W[ + w2 +... + Wn; 2 Result—units — {}; 3 length —1; 4 While (length < n) 5 enumerate all possible substrings of Q with size -length, denoted as Q’ 6 if (Q' exists in D) 7 Result units {Q5} U Result units; 8 len<—len+ 1; '~ * - —---*-—------ 表1 該搜尋查詢Q可被代符成#個術語iWi到wn(行i)。 Result—units被初始化為一空白組合，而長度被初始化為 1(行2-3)。然後執行一 while迴圈（行4-8)，其可執行& 次。While迴圈的目的係要對於所有在1與#之間的長 度值來列舉所有長度為N的Q之次字串。例如，於第__ 遞迴（長度=1)期間，識別所有長度為1的術語 (“Wireless”、“cards”、“for”，“a”及“PC”)(行 5)。在此列 表中’所有術§吾與包含相關早元的字典D進行比較(行 6)。對於此範例’術語“pc”與字典中的一登錄項匹配， 因此被加入到Result一units(行7)。然後，於第二遞迫期 間（長度=2)，術語“Wireless cards”與一字典登錄項匹 配’則Result_imits組合即被更新以包含“pc”及“Wireless cards”兩者。 13 200900973 表1的示例性演算法偵測存在於字典中〜杳詢内的 單元。但是，當有大量的查詢要被分析時，其需要大量 的時間。另一種偵測一查詢内單元的演算法於=下例示 於表2: 0 // Input: User search Query Q; dictionary D. Output· a set of units, Result units 1 Tokenize the search query Q W! + w2 + ... + Wn* 2 Result units <— {}; 3 Longest allowable k; 4 length— 1; i=0; 5 While (there exists unchecked words in Q) 6 Get the left most k words from the unchecked part of Q (i.e., Qk^-Wi+ wi+i+... wj, where j=i+k-l if(i+k-l)<n; otherwise j=n;

7 Check Qk against D

8 If Qk exists in D 9 Result一units—{Qk} U Result—units 10 i—i+k 11 Otherwise 12 check Qk」，Qk-2, ...，Qi against D; 13 add all the matched Qh ((k-l)>h>l) to Result units; 14 set i correspondingly; 15 if none of Qk，Qk-i Qk-2，.·. Qi matches against D， 16 i i+1；_______________ 表2 對於表2中所例示的演算法，假設一搜尋查詢Q = 14 200900973 CTe" C：rd '〇：^： D ^^^^^Wireless card及PC ，且可允泎隶長的單元值k=2 ^ -查詢Q可代符化為-陣列或類似的文字結構(如 “wireless”、“card”、“for”及 “pp，，v> ^ ι )(仃1)。麸德，變數

ReSult—units’“可允許最長’’及長度即減來初始化（行 2-4)。當在該查詢中存在有未檢查的文字(行〇，最左邊 k個字即由Q之未檢查的部份中選出。對此範例㈣， 第-遞迴取出文字“Wireless”及“剛，，(行6)。然後此片 語與字典D做比較(行7)，其評估為真，也就是“心⑻ card”出現在該字典中（行8)。該單元被加入到該結果列 表，且1之數值（開始文字）即遞增。因為找到一結果， 行11-16即越過’且執行另一次遞逛。 在第二遞迴中（1=1)，從索弓丨i(i；=1)開始選擇下兩個 字（k=2)。因此，文字“card”及“f〇r，，被選出而形成單元 “card for’’。在該字典中檢查此單元，且並未找到匹配 者。然後該演算法進行移除該目前查詢末端的文字 (“card for”），直到查詢的長度為1(行12)。在此範例中， 在“card for”並未產生匹配者之後，檢查片語“ card”。如 果發現該原始單元的次要組合’其即加入到該結果列 表’且更新i的數值(行13-14)。在此例中，皆未發現“card” 及“〇&^允1：”’因此’未加入登錄項到1^1^_111^，且數 值“i”被遞增（行15-16)。該進行之演算法重複開始於對 應於索引“i”之每個文字處。 在一查詢被單元化之後，即利用該點選資料來決定 關連性。例如，查詢“Wireless card for a pc”可被單元化 成單元“wireless card”及“PC”。如果該點選資料代表該使 用者選擇名稱為“Linksys之項目’該等單元“wireiess 15 200900973 及“PC”可以皆關連於項目“Unksys”。模型產生界 挪八魏來自查詢喜好引擎搬、單元喜好引擎2〇3及 吾好引擎2G4的建議。在1體實施例中，該模 里產生$可清除重複的單元項目配野。例如，元項 目配對(“PC”，“Apple，，)可由單元喜好引擎2〇3(“pc”為」 單元)及概念性喜好引擎204(“PC”亦為一概念)來複製。 參照第-圖，由喜好引擎122 模 建議資料儲存器刚中。該建議資料儲存 ΐ I i、s 2坦棺案貧料結構（如分頁或逗點區隔的數 值播案）’關連性資料庫’物件導向資料庫，—複合式物 件，連式資料庫等。此外，建議資料儲存器刚可由線 上單元103存取。 除了此處前述之離線單元102的組件之離線 凡102亦可包含使用者輪廓產生器14〇,豆包含一搜尋 ，史建構單元125、-單元產生器126及一加權單元 27。根據一具體實施例，使用者輪廓產 分析-紋❹者之-搜尋歷史之_記^以形成他 她之劇龙驾彳貝之準確輪靡。基本上，—搜尋引擎（例如

Yahoo!搜尋）保留使用者使用該搜尋引擎進行搜尋之搜 尋歷史。 、 搜尋歷史建構單元丨25收集一給定使用者之搜尋查 詢歷史。搜尋歷史建構單元125可用於基於預定條取 得對應於一特定使用者之一組搜尋查詢。在一具體每 例中’-搜尋歷史建構單& 125可設置成在一指定二二 段内擷取使用者查詢。例如，如果一使用者在過去右= 多搜尋，該時間窗可定義成較短的時間窗，其短於=許 /她的搜尋歷史中進行較少搜尋之使用者的時間^ = ^很據 16 200900973 另一具體實施例，一搜尋歷史建構單元125可設置成經 由基於時間消逝的重新加權來擷取 在搜尋歷_仙5_ =;二搜尋查 詢之歷史帽擇-錢的:欠要組合之後，鱗查詢可由 單元產生器126單元化。單元產生器126可利用一網站 特定字，來經由-單元化演算法單元化該給定使用者 3尋ί詢IS前述之左邊最長演算法或所有可能演 ίί雜單从生器126選擇對應於 ΓΓίί=斤利用广演算法的-演算法。也就是 ηΐίίΐΐί^ ίί; = :=;⑽從-者搜尋查 :框:τ臟定義包含該字典的聚=元的： =:如果使用者搜尋查詢的—時間框架被定義為= ^兀產生ϋ m使用的單元字典包含在 叶段中所搜集的單元之字典。 ）30天 除了單元化搜尋查詢之外，單元 指定頻率給對一查詢產生的—給定單元。於 :::單元產生器m用於儲存在單元化程序 之早兀的一表格。在查詢已經被單元化」產生 表格中的先前產生之單元相比較、 t兀已經存在於該表格中，關連於 ^如果 會遞增。如果該單元不存在於該表格中，該c即 入到该表格，且其頻率被初始化。例如，π P破加 的處理期間考慮-單元表格： ’用者查詢 術語

17 200900973 PC 34 鍵盤 15 監視器 8 繪圖卡 12 表3 如果該單元產生器接收一查詢“Wireless card for PC”，該查詢將分解成單元“Wireless card”及“PC”。然後 該單元產生器將比較該等單元與該表格來決定該單元 頻率。“Wireless card”尚未被輸入到該單元表格，因此將 加入頻率一。“PC”已經輸入到該單元表格，因此其頻率 將會遞增。所得到的單元表格顯示如下： 術語 頻率 PC 35 鍵盤 15 監視器 8 繪圖卡 12 無線卡 1 表4 根據其它具體實施例，該單元表格可藉由術語、頻 率或本技藝中已知的任何其它方法來排序。 單元產生器126產生具有相關頻率之單元的表格， 該表格對應於使用者搜尋查詢歷史之次要組合。然後， 此表格被傳送到加權單元127,其可用於對儲存在該單 元表格内一給定的單元登錄項指定加權。對於一給定單 18 200900973 元之指定加權可被利用來指定單元的可點選性。在一具 體實施例中，決定一個別單元的加權權重之公式如下： _ ct +0.5 log(/ +0.5) 式1 如公式1所例示，/·代表一給定單元/的頻率，overall 整體代表在該字典中一單元/的整體頻率，而q代表一 使用者在該搜尋單元/之相同會期中進行的點選次數。 公式1基於該統計所產生的時間允許一給定單元之加權 數值之動態修正。也就是說，#及/丄〇.5k兩者 fi 1〇献，一+0_5) 皆可動態地改變。特別是，當個別頻率/;·及總體頻率 σ胃^整體隱含地作為時間函數來改變時，,xf}fi+--lς、 - i〇g(/一靡"+0·5) 捕捉到同時在總體及個人層級處單元之分佈中所發生 的改變。此外，追蹤關連於一單元之點選習性cz·， fi 其於包含該對應單元之搜尋期間在一使用者點選額外 的項目時改變。 公式1所例示為基於一使用者活動的窗口之一加權 函數。此外，整個使用者歷史可藉由引入一時間消逝因 子乘以公式1來利用，如公式2所例示： Γο-Tj a = e ΔΓ 公式2 公式2代表用於指數地評等使用者搜尋查詢之時間消逝 函數。Τ〇代表當該模型被訓練時的時間，乃代表包含該 19 200900973 函數如下 單70之搜尋發生的時間，而g定義了和哪將有多大， 也I尤疋^ΔΤ的數值愈大，即愈慢。所得到的加權 1Γ.£^0·5 l〇g(/；+0,5) fi l〇g(/； O,wa//+〇.5) 公式3 A式1及3代表根據本發明之具體實施例的加權函 但是在另-具體實施例中，可實施本技藝專業人士 的其它離散或連續加權函數。 >、 “、、知 J該Ϊ元表被指定對應於儲存在其中之單元的加 = 崎使用者輪卿 料儲存器1〇5可包含早—吏用。使用者輪廓資 ^ p5 ^ 平一桮案-貝料結構(如分頁或逗 ==以庫、物件導向式資料庫、 廓資===存-及使用者輪 使用者產生的使用者輪廓，以基於對該 ϋ p4 1 Μ及在由查詢單元121、直 好引擎122及點選單元123祕机/ J早兀^吾 期間所產生的關連規則來產生 使用者請求來自一服務的Ϊ3;。線上單元可在當-一線上建議祕的㈣。Ν纽動，此服務可致使 當一使用者存取一線上建噃„α _ 的識別被傳送到該單元。—使用= 程式中，以能夠傳送識別識別可儲存在一小 資料檔案中。在-具體實施g到線f單元如之= 置1〇13及101b傳送到包含一T，一小程式由客戶端裝 單元13卜識別單A 131經由^密的使用者1D之識別 由、、罔路106接收來自該使用 20 200900973 者之識別棺案。該識別單元使用儲存在—識別構案内的 一使用者ID，以存取使用者輪廓資料儲存器1〇5。在— 具體實施例中，供應給使用者輪廓儲存器1〇5之使用者 ID用於利用相關的使用者輪廓索引化使用者的—表 格。識別單元131另用於取得於該離線模型程序期間^ 生且來自建議儲存器104之該組關連規則。 ’曰 建議邏輯132搜尋一直接匹配到建議資料儲存哭 1〇4内該粗略查詢。對建議資料儲存器104内準確查ς 的匹配代表一給定建議之相關性程度。例如，如果二二 用者輸入查詢“Canon Camera SLR，，’ 一初始查詢在 儲存器104上完成，以察看是否存在準確查詢D，並勺^ —相關的建議項目。如果對該粗略查詢可找到二^二 ，，即提供該建議給該使用者，且該線上單元略過j 邈輯133。如果粗略查詢並未匹配於建議儲存器⑺4 ; 的一建議，該查詢必須分解成單元以提供一 要，例如較大的解析度。 乂阿J5白的摘 、如果對該粗略查詢未找卿確匹配，該 必須從輪廓資料庫1〇5取出，以基於包含_ 刑守 ，產生建議。該使用者 權之單兀，且该離線關連規則被傳回到建輟… ;定單元及關連規則來應用；二 =、.、口疋使用者及一組與其相關的應用規則。根且 只施例，關連規則被給定成“UNIT A — ITEM ^ 重規則可對於相同聰τ A而存在。因此 :且二 元可構成多重關連。 對於早一早 在該相關的項目關連於該等單元之後，診 配對基於該規則的信心度來排序。例如，如m 200900973 “PC”相關於兩個項目“Apple，，及“Penri Central，，，項目 “Apple”將被移動到該列表的最上方，因為信心間隔對於 項目“Apple”而吕要更大’其在當一使用者搜尋“pc”時比 “Penn Central”更為相關。 當該一或多個項目對一給定單元排序時，個別的單 元係根據它們的加權權重來排序。如前所述，一給定單 兀可於該輪廓處理階段期間被指定一加權權重。此加權 ，重可被用於排序由線上單元103接收的該單元列表， 藉此使得該列表被排序，使得最為相關的術語係位在該 ^表的最上方。例如，如果一使用者在一個月内搜尋術 PC總共1〇〇次’—個月内搜尋術語“wireless，，總共 10次，很清楚地“pc”的加權權重高於“Wireless”，因此 pC相關項目之建議將更為相關。 建議單70 132亦從編譯的項目列表選擇單元及建議 ^目關次要組合。-次要組合用於最小化搜尋異常(如一 :搜尋）及不相關項目的影響。在一具體實施例中，隔離 目m-合的方法係要利用兩個參數來遞 亥列表。第—參數“m，，可指定在該列表之最上方 =σ ’有多少單元可利帛。例如，數值4將指定僅使 中前四個項目。此數值控制要使狀單元的加 肖除搜尋異常，例如一次搜尋。一第二參 佶曰疋有多少關連規則要用於每個單元。因此，數 右异古丄文用早凡的前兩個關連規則，該前兩個具 〜間隔。此數值辅助消除由弱_性所形成之 果，例如在先前範例中取得“Apple”而非“Perm 在另一具體實施例中，—臨界值可取代數值“m”， 22 200900973 其用於決定要使用之單元數目。在此具體實施例中，一 加權權重Ea界值對该羊元列表來定義。例如，臨界值5 消除了那些加權權重低於5之單元，藉此消除較不相關 的術語。 組合邏輯133負責形成由建議邏輯132產生之單元 及建議之間的一聯集。建議邏輯132產生包含多個相關 項目之多重單元，其為組合邏輯133接收及用來產生建 議的聯集化列表。表5例示為用於決定該等等單元以包 含該聯集化列表之方法的一具體實施例： 1 k<—1; i<—1; 2 from recommendation list Li 3 retrieve the current top item ITEMk in the L“ 4 r ITEMk 5 if# of unique items in r < n，，i — i + 1， 6 if i < # of lists goto line 2 7 ifi=# of lists, k k + 1, goto line 2 9 else, goto line 10 10 sort r, remove lower-rank duplicated item 表5 在行1，迴圈變數“k”及“i”被初始化為1。根據變數 “i”來取得一建議列表L(行2)。取得在L中的目前最上 方項目（行3)。此項目包含所有建議之最高信心值。接 著，該項目即儲存在該結果建議列表“r”中（行4)。執行 檢查來決定是否在“r”中獨特項目的數目小於一預定臨 界值η(行5)。重要地是要注意到在建議列表中可存在重 23 200900973 複的建議，因為單元可闕連於 如果通過檢查（獨特項目的/曰關連於Α_。 執行第二檢杳來麥定在、、小於遠臨界值），即 6-7)。執疋/；亥建議列表令之列表的位置（行 多的列表要檢查:=前$迴中是否有更 ，且該程序再次開始於下一列表：如號碼即遞 =後列表，對應於目前啟用之=表： 複二的數目符合一預定條件(行5)時，重 ' 、可由該最後建議列表中移除，n# 建議列表（行10)。 π 灿供所得到的 i為ίΐ:;!實施例中，可指定分數到-給定建議， ί信心度、提升或兩者之組合的函數表 >不’’、、一組合演算法之虛擬碼範例的—具體實施例、： ** ------------ 1. 對於所有建議列表Li，設定分數的臨界值 2. 僅保持那些分數大於臨界值之項目 =:r表中所有項目’並以分數的遞減順序來 4. ^於重複的項目’使用麵⑷，s2·..)做為該項目的分 最高分數的上方η jgjtf目 表6 在行1，指定一臨界分數給一列表。例如， 臨界值為75〇/。信心間隔(行υ。然後，分析每個’建= 24 200900973 表以移除所有低於該定義臨界值之建議(行2)。然後，包 含分數兩於該預定臨界值之所得到的建議列表即由分 數的遞減順序來排序(行3)。所得到的列表可包含具有不 同分數的重複項目，其對應於不同單元的重複項目。具 有敢南分數的建議由該等重複者選出’且移除其餘具有 最低分數的建議(行4)。最後’具有最高分數的上方“n，， 個項目即由該列表選出，其中“η”的數值可為該建議列表 的最大尺寸（行5)。 、 同日守與建議邏輯132及組合邏輯133互動的為商業 規則單元134。商業規則單元134用於應用編輯規則^ 建議邏輯132與組合邏輯133之運作。商業規則單元134 增加在使用者輪廓或關連規則中未發現到的限制。例 如’應用到建議邏輯132之商業規則可過濾掉在一粗略 建議列表中的某些項目。應用到組合邏輯133之商業規 則可調整建議項目之評等以提升某些項目到該列表的 最上方。商業規則單元134的使用可允許該線上模^基 於由伺服器側系統之擁有者設定的規則來提供顧二 的建議。. " ^第三圖所例示為根據本發明一具體實施例基於聚

一特定網站取出使用者查詢及點選資料 應於對一 步驟301 例如一線 上購物零售商。搜尋查詢可對應於由 卿一綠 尋來定位項目，且點選資料可對應於該使2實施的搜 尋結果之後所選擇的項目。 π者在傳回搜 25 200900973 產生一搜尋條件來選擇所取回之整個資料組的次 要组合’如步驟302。此搜尋條件可對應於一日期範圍 來由其選擇資料。例如，在該取出資料的兩個月前的使 用者行為不會對應到目前的使用者行為，例如在假曰購 物季節期間。因此，12月的一範例性搜尋條件可為落在 前一年之11月及12月之間的所有資料。 對於該次要組合中其餘的查詢，由該查詢列表選擇 一給定粗略查詢，如步驟303，且在選出一查詢之後， 在該粗略查詢與該點選資料之間形成一關連，如步驟 304。例如’如果一粗略查詢包含“Wireless card for PC”， 且一使用者選擇一項目“Linksys”，即可給定一關連為 “Wireless card for PC” — “Linksys”。粗略查詢關連為一 準確的使用者點選資料關連，因此產生正確的關連。 在產生一粗略查詢關連之後，對於單元產生載入一 字典’如步驟305。步驟305中載入的字典可包含一單 元的列表，其用於自該粗略查詢中擷取單元。在步驟305 中載入的字典可以特定於利用本方法之應用。也就是 說，一汽車零件零售商的字典不會包含對應於食品服務 產業的單元。 單元由使用該字典及一單元產生方法的粗略查詢 所產生，例如先前在步驟306中所示，且在該等單元對 一粗略查詢產生之後，於項目與產生的單元之間構成關 連’如步驟307。例如’一粗略查詢“wireiesscardf〇rpC” 可分解成“Wireless card”單元及“PC”單元。單元 “Wireless Card”另可關連於無線卡的多種型號，且單元 “PC”另可關連於多種個人電腦。 在單元被關連於項目之後，一粗略查詢可分解成概 26 200900973 念性f元，如步驟308，其根據一具體實施例代表該原 始搜哥查詢的一廣義說明。例如，一粗略查詢

Camera SLR”可分解成一概念性單元“Can〇n Digital

Camera”。此單元可關連於一項目以在一粗略查詢與關 於該查詢的一原始建議之間形成一較高階的摘要，如步 驟309。在此之後，三個關連被組合以形成所得到的建 4，如步驟310，且結束程序。所得到的建議可確保提 供一相關建議，不管用於分類使用者查詢之層級摘要。 第四圖所例示為根據本發明一具體實施例描述產 生離線使用者輪廓的方法之流程圖。如上所述，產生 一離線使用者輪廓即特徵化一個別使用者的行為。此方 法之結果可與由第三圖之方法產生的通用規則結合，以 提供相關建議到一使用者。 一個人的搜尋歷史被取出，如步驟401，且所應用 的搜尋條件係相關於該取出的歷史，如步驟4〇2。一範 歷患i包含表7所示之y下杳输· 時間標籤 査詢 Sat Dec 1〇 13:45:15 2005 pc的無線卡 Sun Dec 11 09:15:55 9.00^ —-— PC的繪圖卡 Fri Jun〇2 18:31:41 2006 —— 妹妹的生日卡片 表7 如表7所示’該搜尋條件可包含用於檢視之日期範 圍’例如在2005年11月到2006年2月的冬季月份期 間一使用者的搜尋查詢。在另一具體實施例中，不需要 應用該搜尋條件。在這些具體實施例中，使用者行為於 搜哥查5旬監視期間由該使用者輸入的搜尋查詢來特徵 化0 27 200900973 在應用任何想要的搜尋條件之後，可 元件，如步驟4〇3。例如，查詢― caniWC可由表7中的查詢當中選出。_該選擇的 =搜尋條件來決定是否該選擇的查詢可 滿足該件，如步驟4Q4。例如’如果該搜尋條件 由^耗圍2005年U月到2〇〇6年2月構成，該 的查询wireless card f〇r pc，，將為—有效選擇，且咳 / 行^"驟405。但是如果該選擇的查詢為 Inrthday card f0r sister”，並具有日期為 2_ 年 6 月 2 日’該選擇的查詢將被忽略，且—後續的查詢將被取 出’如步驟403。如果—搜尋查詢滿足在步驟綱中定 義的搜尋條件，其被加入到所有有效搜尋查詢的一列 表’如步驟405 ’且該使用者搜尋鼓被檢查來決定在 該歷史中是否有任何其餘的查詢，如步驟4〇6。如果仍 有額外的查詢要處理，程序即回到步驟4〇3，並重複哕 方法。 义 在考慮到該使用者歷史中一或多個查詢時，由該有 效查詢的列表中選出一或多個有效查詢’如步驟4〇?。 一給定的選擇查詢即分解成一或多個單元的組合，如步 驟408。查詢的分解可依照該離線建議系統所使用之分 解方法。例如，如果該離線建議系統利用表丨所示的所 有可能演算法，該使用者搜尋查詢可在步驟4〇8中由此 相同的演算法單元化。例如，給定搜尋條件為2〇〇5年 11 月到 2006 年 2 月，“wireiess card f〇r pc”及“pc graphicscard”之查詢由該使用者搜尋歷史中選出。由第 四圖之方法所使用的字典可包含單元“wireless card”、 “graphic card”及“PC，，。給定此字典，該等單元的最後列 28 200900973 表將為 “wireless card”、“PC”、“graphics card，，及“PC”。 包含先前檢查的單元之單元表可被查詢來決定一 單兀是否已被加入到該單元表，如步驟4〇9，例如該單 凡疋否為新單元。在上述範例中，該等單元“wireless 031^’’、“1>(：：”、“以叩[^(^(1’’及“;?(：：，，於步驟4〇9中接收。 搜尋韵二個單元，且在該單元表中未找到，因此一新單 π必須被初始化給一給定單元，如步驟410。在收到該 ί 第四單元時（第二次發生“PC”），其偵測到已經存在術語 “ΡΓ1，，4ί 一“ 备生。因此，該單元未加入到該表格，但既有單 元PC’’之頻率即加1，如步驟411。 叩在有效單元被加入到該單元表之後，對一或多個有 效單元指定加權，如步驟412。根據一具體實施例，該 力 :權函數為每個單元之頻率的函數，目此在每次更新該 使，者輪料來更新。範例性加權函數於公式丨及3中 ^於該等單元被指定適當的加權權重之後，該演算 法被，止’且該使用者輪廓被標示為完成，如步驟。 第五圖所例示為根據本發明一具體實施例描述回 應於一使用者查詢產生建議之方法的流程圖。當一使用 者輸入一搜尋查詢時，接收到一識別檔案，例如小程 式，如步驟501。在收到該識別之後，可決定是否存在 商業規則，如步驟5〇2。商業規則可增加在該使用者輪 廓或關連規則中未發現到的限制，且在當發現時，即應 用到其餘的程序，如步驟5〇3。如果不存在有商業規則 時’該程序即略過步驟5〇3，並進行到步驟5〇4。 ^ 在已經載入該商業規則之後，在步驟503中，並決 =不^供商業規則，如步驟502，使用該粗略查詢來決 疋是否存在有適當的建議 ，如步驟504。例如，如果一 29 200900973 使用者搜尋“Wireless card for PC”，此整個查詢可用於索 引化項目建議之列表。給定先前的查詢，可傳回複數個 項目。例如，名為“LinksysWireless-GWCF54G”及 “Linksys Wireless-G ΜΙΜΟ Notebook Card”之項目可為 對應於該查詢的建議項目。這些建議代表最高階的細 節，即對一查詢的直接匹配。在產生這些建議之後，該 程序即終止，如步驟507。 如果沒有發現到對應於該粗略查詢之建議，先前產 生的使用者輪廓可由一輪廓資料庫中取得，如步驟 508。如先前此處所述，該使用者輪廓可包含對該給定 使用者之一或多個單元化查詢之分析，其可包含個別的 加權權重及頻率。在取得該使用者輪廓之後，如步驟 508 ’該請求的查詢即被單元化，如步驟509。 該單元化的查詢可被利用來搜尋一建議項目之列 表的建議資料儲存器，如步驟510，其根據該使用者的 行為利用使用者輪廓來決定存在於該查詢内的相關單 元。例如，如果一使用者搜尋“Wireless card f0r PC，，，及 產生的單元包含“Wireless card”及“PC”，其加權權重分 別為100及20，該單元“Wireless card”被給定更多的喜 好度’因此該建議的項目將較喜歡單元“Wireless card” 更甚於單元“PC”。 如果未發現到對應於該單元化查詢之匹配，如步驟 511 ’概念性單元即可產生來搜尋該建議列表，如步驟 512。如前所述，概念性單元基於一使用者查詢對應於 一概念性模型。例如，如果一使用者輸入該查詢“Can〇n CameraSLR”，一概念性單元“Canon Digital Camera”可 被產生來用於該建議規則。在產生概念性單元之後，該 30 200900973 等建概念性單元來搜尋，如步驟沿。 德中找出對應於該單元化的杳詢之匹配之 的-最終列元可被組合來形成建議項目 該組合方案為一種』，如步驟別。 單元之列表t選擇至建㈣搜尋的 Β之給定單元⑽可 1=。=^ :別包含多個項目Α],Α2.·.Αη及 預期項目的這些列表中選擇最相_=1 示二:體實施例中，一址合方案可包含表8中所例 1 k'i —1; i^—1; 2.來自建議列表Li 4. 5. 6. r itemk 3*取得列表Li中目前最上方項目（itemk); if# of unique items inr<n, go to line 6; else goto line 8 1 1 < of lists，i —i+i, g0t0 une 2 ifi=# of lists, i=l；k^k+l5g〇t〇line2 低評等的重禎項目

所例示，變數“k，，及“i”於行1中初始化。選 果列表“r”中。如果在該結果絲中 小於、、、。果(“η”)之預先定義的數目，即取得下一列表(行 31 200900973 5)。如果在該、結果列表中的項目數目等於結果的預先定 義數目，程序即進入行8。如果在該結果列表中項目的 數目小於最大值，即執行檢查來看是否該最後列表正在 檢查。如果該列表並非檢查的最後列表，即檢查下一列 表，且該項目（“k”)之位置維持相同（行6)。如果該列表 為要被檢查的最後列表’該第一列表即重新載入，且該 項目位置遞增來檢查每一列表中的下一項目（行7)。在達 到結果的最高數目之後，排序該列表，且刪除具有較低 評等之重複項目。 另外，一分數式結合可實施於該等建議’如表9之 範例性虛擬碼所例示： 1.對於所有粗略建議列表’設定分數的臨界值，僅保 持那些項目之分數大於臨界值 2·混合在所有列表中所有項目，並以分數的遞減順序來 將它們排序 3. 對於重複的項目，使用max(s 1，s2…sn)做為該項目的 分數 4. 挑選在該列表中具有最高分數的上方η個項目 表9 在一分數式結合中，一臨界值可對一給定項目來辨 識。一臨界值可為一預定的加權權重、頻率、信心度、 ，升或任何其它本技藝專業人士熟知的統計參數。^設 ^二臨界值之後，掃描該等建議列表，並移除低於該預 定臨界值之項目（行丨）。在移除低於該臨界值的項目之 後’其餘的項目組合成―單—列表，並以分數的遞減順 32 200900973 序來排序(行2)。對於— 傳回的建議數目）即 f n個項目（“η”係定義成要被 在栽入該組合方中選出並傳回。 單元之該等列表，如；驟'51;其即應用到關連於-給定 表，其基於該項目分數及該1產生-大小為“n”的列 關的單元。在產生n個建:義：加權權重而對應於最相 用者呈序結束，如步驟t該列表即提供給該使 的範圍到面及範例並非係要限制本發明 述或例示的元件;二:藉由交換部份或所有描 發明的某些元件t以使用^匕/；f實施例。再者，當本 件之部份進行朗 些已知組 致不會;卿=== 數個相同:件之的= 實體施二不= ίί：：::；ίίθ：^Η：- ^ j ；史仔本5兄明書之辭彙或措餘矸 =月包含在此處藉由例示所指稱的已知組件的及 ^ 來已知^同等者。當本發明的多種具體實施例 上况明之後，其射瞭解抑們係藉由範例 33 200900973 及藝專f人士應可瞭解到對其所做的 守^ :大及細即的改變皆不背離本發明 義。-須僅根據下列申請專利範圍及其同等者來定 【圖式簡單說明】 本發明係以附屬圖式加以說明，其僅做為範例性而 非限制，其中相同的元件符號代表類似或相對應的部 份，其中： 第一圖係根據本發明一具體實施例說明基於搜尋 查-旬來產生使用者之建議的__ I统的具體實施例之方 塊圖； 第二圖係根據本發明一具體實施例說明用於產生 建議模型的喜好引擎的具體實施例之方塊圖； 第二圖係根據本發明一具體實施例說明基於使用 者活動來產生建議模型之方法的具體實施例之流程圖； 第四圖係根據本發明一具體實施例說明基於使用 者行為來產生一使用者輪廓之方法的具體實施例之流 程圖；及 第五圖係根據本發明一具體實施例說明基於一使 用者查詢來產生建議之方法的具體實施例之流程圖。 34 200900973 【主要元件符號說明】 101a 客戶端裝置 101b 客戶端裝置 102 離線單元 103 線上單元 104 建議資料儲存器 105 使用者輪廓儲存器 106 網路 111 處理器 112 周邊裝置 113 網路介面 114 網頁瀏覽器 115 短暫及永久儲存裝 置 121 查詢單元 122 喜好引擎 123 點選單元 125 搜尋歷史建構單元 126 單元產生器 127 加權單元 131 識別單元 132 建議邏輯 133 組合邏輯 134 商業規則單元 140 使用者輪廓產生器 201 單元產生器 202 查詢喜好引擎 35 200900973 203 單元喜好引擎 204 概念性喜好引擎 205 模型產生器 301〜310 步驟 401〜413 步驟 501〜516 步驟 36

Claims (1)

1. 200900973 十、申請專利範圍： 1. 一種基於使用者搜尋查詢而對一或多個使用者產生相關 建議之系統，包含： 一網路； 連接至該網路之至少一客戶端裝置； 連接至該網路之一網路資源； 一建議單元，用於基於以該網路資源所產生的聚集 活動來產生一建議模型； 一使用者輪廓單元，用於產生關於一個別使用者與 一網路資源的互動之統計；及 一建議伺服器，用於接收使用者活動，並產生關於 該使用者活動的建議。 2. 如申請專利範圍第1項之系統，其中該建議單元更包含 用於捕捉使用者點選資料之一點選單元，及用於捕捉使 用者查詢之一查詢單元，其中該使用者點選資料對應於 該使用者查詢。 3. 如申請專利範圍第2項之系統，其中該建議單元更包含 一喜好引擎，其耦合至該點選單元及該查詢單元，其中 該喜好引擎用於基於一接收點選資料及使用者查詢來產 生一建議模型。 4. 如申請專利範圍第3項之系統，其中該建議單元更包含 一建議資料儲存器，用於儲存由該喜好引擎所產生的一 建議模型。 5. 如申請專利範圍第3項之系統，其中該喜好引擎包含： 一查詢喜好引擎，用於產生使用者搜尋查詢及點選 貧料之間的關連， 一單元產生器，用於接收一搜尋查詢，並經由一擷 37 200900973 取演算法而從該搜尋查詢擷取預先定義單元； 一單元喜好引擎，其耦合至該單元產生器，用於接 收所擷取之單元並產生單元與點選資料之間的關連； 一概念性喜好引擎，其耦合至該單元產生器，用於 接收所操取之單元及產生概念性單元，其中該概念性喜 好引擎更用於產生該概念性單元與點選資料之間的關 連；及 一模型產生器，其耦合至該查詢喜好引擎、該單元 喜好引擎及該概念性喜好引.擎，用於組合由該查詢喜好 引擎、該單元喜好引擎及該概念性喜好引擎所產生的關 連以形成至少一建議模型。 6. 如申請專利範圍第1項之系統，其中該使用者輪廓單元 包含： 一搜尋歷史建構單元，用於取得一使用者搜尋歷史 次要組合： 一單元產生器，其耦合至該搜尋歷史建構單元，用 於接收一搜尋查詢並經由一擷取演算法而從該搜尋查詢 操取單元； 一加權單元，其耦合至該單元產生器，用於對該單 元產生器所擷取的單元指定加權；及 一使用者輪廓資料儲存器，其耦合至該加權單元， 用於儲存所擷取之單元。 7. 如申請專利範圍第6項之系統，其中該使用者搜尋歷史 次要組合係基於一日期範圍。 8. 如申請專利範圍第6項之系統，其中該預先定義單元對 應於該網路資源專用的一字典。 9. 如申請專利範圍第6項之系統，其中該擷取演算法對應 38 200900973 於所有可志演算法（all-possible algorithm)。 10.如申凊專利範圍第6項之系統，其中該擷取演算法對應 ; 左方敢長可能演异法（left-longest possible algorithm)。 1=申請專利範圍第6項之系統，其中該單元產生器更包 S頻率單元，該頻率單元用於對一給定的擷取單元指 疋—頻率。 專利範圍第11項之系統’其中該使用者輪廓用於 儲存該頻率。 13=申請專利範圍第1項之系統，其中該建議伺服器更包 使用;:=?，其用於接收來自存取該網路資源之- 組合邏輯’其耦合至該建議邏輯，用於 礒為一結果建議列表。 、、、且口及等建 14.如申請專利範圍第13項之系統， / -粗略使用者查麵產生。 、°道相表係基於 15·如申請專利範圍第13項之系統 由—粗略❹者查詢職生之單元㈣表係基於 .如申請專利範圍第13項之系統，a :如?以㈣!所產生之_^^^ -商業規則;二 13二之商 早兀用於將編輯規則 39 200900973 應用至該建議伺服器之運作。 ⑽咖第17奴純，射__包含過遽 嫩繼調整 尋編對—物使用者產生相關 —建由—網路資源的使用所產生的聚集活動產生 者輪ϊ於;個別使用者與該網路資源的互動產生一使用 輕者查詢並利用該建議模型及該使用者輪 幻·如申請專利範圍第20項之方法，並 用者點選資料及使用者查詢所形成。中該建係由使 22.如申請專利範圍第21項 相對應查詢之間決定一喜好/ 中於一使用者點選及 存該建ΐίί圍第22項之方法’該方法進-步包括:儲 法’其中該喜好係決定於粗 及項目=間、早70及項目之間，以及概念性單元 合:^項之方法’其中該等喜好係加以組 26包如含申請專利範圍第20項之方法，其中產生-使用者輪廓 取得使用者搜尋歷史的一次要組合； 40 200900973 經由一擷取演曾 元； —亥搜尋歷史擷取預先定義單 的每個單元施加 27如申請專价^!·使用者財卩儲存器中。 卯甲明寻利軏圍第26項之方 T 史的一次要組合包含基於„ ^中取^^者搜尋歷 合》 日期軏圍來選擇一次要組 28.如申請專利範圍第 網路資源專用的—字典。、/ ，八中該等單元對應於該 範圍第26項之方法，其中該擷取演算法包含 一所有可能演算法⑽，ssible alg。础m)。、异法w 3 0 士申請，利範圍第2 6項之方法，其中該擷取演算法包含 方最長演算法(lefM〇ngest p〇ssible alg〇rithm)。 31. 如申請專利範圍第26項之方法，其中產生一使用者輪廓 更包含附加對應於一單元的一頻率。 32. ，申请專利範圍第31項之方法，其中該使用者輪廓儲存 器用於儲存該等頻率。 33. 如申凊專利範圍第2〇項之方法，其中接收一使用者查詢 亚利用該建議模型及該使用者輪廓來提供一建議包含： 由儲存器取得該建議模型及使用者輪廓； 產生—使用者之建議，並選擇該等建議的一次要組 合；及 組合該等建議為一最終建議列表。 34. 如申請專利範圍第33項之方法，其中該最終建議列表係 基於一t袓略使用者查詢而產生。 35. 如申請專利範圍第％項之方法，其中該最終建議列表係 土於由粗略使用者查詢所產生的單元而產生。 41 200900973 36. 如申請專利範圍第33項之方法，其中該最終建議列表係 基於由一粗略使用者查詢所產生的概念性單元而產生。 37. 如申請專利範圍第20項之方法，其包含利用商業規則來 應用編輯規則至基於一使用者查詢產生一建議之運作。 38. 如申請專利範圍第37項之方法，其中編輯規則包含過濾 一進入資料。 39. 如申請專利範圍第37項之方法，其中編輯規則包含調整 一查詢之一評等參數。

   42