TW202341041A - 電腦實施的系統以及電腦實施的方法 - Google Patents
電腦實施的系統以及電腦實施的方法 Download PDFInfo
- Publication number
- TW202341041A TW202341041A TW112104493A TW112104493A TW202341041A TW 202341041 A TW202341041 A TW 202341041A TW 112104493 A TW112104493 A TW 112104493A TW 112104493 A TW112104493 A TW 112104493A TW 202341041 A TW202341041 A TW 202341041A
- Authority
- TW
- Taiwan
- Prior art keywords
- product
- query
- user
- data
- products
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000010801 machine learning Methods 0.000 claims abstract description 45
- 230000015654 memory Effects 0.000 claims description 7
- 238000012384 transportation and delivery Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 22
- 238000013459 approach Methods 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000013068 supply chain management Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007418 data mining Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004806 packaging method and process Methods 0.000 description 5
- 229920001690 polydopamine Polymers 0.000 description 5
- 239000000606 toothpaste Substances 0.000 description 5
- 229940034610 toothpaste Drugs 0.000 description 5
- 238000013475 authorization Methods 0.000 description 4
- 230000009193 crawling Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 201000007197 atypical autism Diseases 0.000 description 2
- 208000029560 autism spectrum disease Diseases 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 238000001407 pulse-discharge detection Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90324—Query formulation using system suggestions
- G06F16/90328—Query formulation using system suggestions using search space presentation or visualization, e.g. category or range presentation and selection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
- G06Q30/0256—User search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
Abstract
所揭露實施例提供基於使用者查詢來辨別目標產品及產生替代產品推薦之系統以及方法。電腦實施系統可經組態以執行操作,操作包括使用機器學習來確定與使用者的產品型號檢索查詢相關聯的多個屬性及至少一個圖案。操作可更包括基於實驗資料集來確定使用者所關注的至少一個查詢產品及至少一個產品類別。操作可更包括基於所關注的查詢產品來確定目標產品。操作可更包括基於實驗資料來確定與查詢產品相關聯的多個關鍵特徵,以及確定至少一個頂級替代產品。操作可更包括傳輸目標產品及頂級替代產品以供在外部裝置上向使用者顯示。
Description
本揭露內容大體上是關於基於使用者查詢及關鍵屬性來辨別頂級替代產品之電腦化系統以及方法。特定言之,本揭露內容的實施例是關於發明性及非習知系統,所述發明性及非習知系統用於:分析使用者的預期檢索查詢以確定正由使用者檢索的至少一個產品;基於使用者查詢來辨別任何匹配產品;以及使用基於確定性規則的方法、基於推測性關鍵屬性的方法或所述兩種方法的任何組合基於使用者查詢來辨別至少一個頂級替代產品。
當前電子商務系統中的產品查詢常常不具有分析超出簡單字串檢索的產品型號的穩固能力。舉例而言,若使用者希望僅基於特定產品的產品型號(例如「RF85A92W1APPW」)來在電子商務網站上檢索所述特定產品,則依賴於字串匹配的系統必須在其資料庫或記憶體中具有彼特定型號以便處理使用者請求且返回任何相關產品檢索結果。然而,若彼精確型號歸因於數個因素而不存在於系統的資料庫或記憶體中(例如若型號對於另一供應商為專屬的或獨有的),則系統將無法理解或分析查詢,且隨後將不辨別產品結果或向使用者呈現產品結果。此穩固性的缺少對希望基於產品型號來準確地查明其所關注特定產品的使用者造成了阻礙,因為實際上,使用者將被迫猜測待輸入至系統中的替代檢索條目或準則以便定位產品。最終,此限制可阻撓使用者體驗且導致客戶及銷售流失。
先前技術中的產品及替代物辨別由僅僅基於使用者的原始文字輸入的匹配來產生產品檢索結果清單組成。若使用者輸入僅由系統資料庫中未含有的不可辨別的產品型號組成,則此簡化的字串匹配方法常常未能辨別使用者的所關注的特定產品。由於此等系統未能辨識正由使用者查詢的所關注的原始產品,因此其進一步不能基於初始產品來產生任何替代產品推薦。此防止將由使用者搜尋的特定產品或任何相關替代產品呈現給使用者,且為使用者購買體驗帶來不必要的負擔。
因此,需要藉由使用機器學習技術以自產品查詢提取相關屬性來基於正由使用者查詢的特定產品的產品型號而穩固地辨別所述特定產品的改良方法及系統。同時,若基於所關注的產品不存在精確匹配,則方法或系統將自動地辨別與使用者的所關注的產品相關聯的可能產品類別,且藉由利用背景實驗資料辨別產品類別內的關鍵特徵來產生相關替代產品檢索結果。
本揭露內容的一個態樣是關於一種基於使用者查詢來辨別目標產品及產生替代產品推薦的系統。電腦實施系統可包含儲存指令的一或多個記憶體。電腦實施系統亦可包含經組態以執行指令以執行操作的一或多個處理器。操作可包括自一或多個資料結構擷取使用者產品檢索查詢、資料集以及實驗資料集。操作可更包括使用至少一個機器學習演算法來確定與產品檢索查詢相關聯的多個屬性及與多個屬性相關聯的至少一個圖案。操作可更包括基於多個屬性及至少一個圖案以及資料集來確定使用者所關注的至少一個查詢產品及與產品檢索查詢相關聯的至少一個產品類別。操作可更包括基於所關注的查詢產品來確定目標產品。操作可更包括基於實驗資料來確定與查詢產品相關聯的多個關鍵特徵,以及確定至少一個頂級替代產品。操作可更包括傳輸目標產品及頂級替代產品以供在外部裝置上向使用者顯示。
本揭露內容的又一態樣是關於一種基於使用者查詢來辨別目標產品及產生替代產品推薦的方法。電腦實施方法可包括自一或多個資料結構擷取使用者產品檢索查詢、資料集以及實驗資料集。方法可更包括使用至少一個機器學習演算法來確定與產品檢索查詢相關聯的多個屬性及與多個屬性相關聯的至少一個圖案。方法可更包括基於多個屬性及至少一個圖案以及資料集來確定使用者所關注的至少一個查詢產品及與產品檢索查詢相關聯的至少一個產品類別。方法可更包括基於所關注的查詢產品來確定目標產品。方法可更包括基於實驗資料來確定與查詢產品相關聯的多個關鍵特徵,以及確定至少一個頂級替代產品。
本揭露內容的又一態樣是關於一種基於使用者查詢來辨別目標產品及產生替代產品推薦的系統。電腦實施系統可包含儲存指令的一或多個記憶體。電腦實施系統亦可包含經組態以執行指令以執行操作的一或多個處理器。操作可包括自一或多個資料結構擷取:使用者產品檢索查詢,至少包括文數字產品型號、文字字串或其任何組合;資料集,至少包括在預定義時間範圍內收集的產品型號的目錄;以及實驗資料集,至少包括來自所有客戶或所有客戶的子集的彙總的客戶資料。操作可更包括使用至少一個機器學習演算法來確定:與產品檢索查詢相關聯的多個屬性,至少包括產品型號、產品名稱或產品描述;以及與多個屬性相關聯的至少一個圖案。操作可更包括基於多個屬性及至少一個圖案以及資料集來確定使用者所關注的至少一個查詢產品及與產品檢索查詢相關聯的至少一個產品類別。操作可更包括基於所關注的查詢產品來確定目標產品。操作可更包括基於實驗資料及來自至少一個外部資料源的所挖掘資料來確定與查詢產品相關聯的多個關鍵特徵,以及確定至少一個頂級替代產品。操作可更包括傳輸目標產品及頂級替代產品以供在外部裝置上向使用者顯示。
本文中亦論述其他系統、方法以及電腦可讀媒體。
以下詳細描述參考隨附圖式。只要可能,即在圖式及以下描述中使用相同附圖標號來指代相同或類似部分。儘管本文中描述若干示出性實施例,但修改、調適以及其他實施方案是可能的。舉例而言,可對圖式中所示出的組件及步驟進行替代、添加或修改,且可藉由取代、重新排序、移除步驟或將步驟添加至所揭露方法來修改本文中所描述的示出性方法。因此,以下詳細描述不限於所揭露實施例及實例。實情為,本發明的正確範圍由隨附申請專利範圍界定。
本揭露內容的實施例是關於經組態以用於基於過去購買來選擇產品且向使用者呈現產品的系統及方法。
參考圖1A,繪示示出包括用於實現運送、運輸以及物流操作的通信的電腦化系統的系統的例示性實施例的示意性方塊圖100。如圖1A中所示出,系統100可包含各種系統,所述系統中的每一者可經由一或多個網路彼此連接。所述系統亦可經由直接連接(例如,使用電纜)彼此連接。所描繪系統包含運送授權技術(shipment authority technology;SAT)系統101、外部前端系統103、內部前端系統105、運輸系統107、行動裝置107A、行動裝置107B以及行動裝置107C、賣方入口網站109、運送及訂單追蹤(shipment and order tracking;SOT)系統111、履行最佳化(fulfillment optimization;FO)系統113、履行通信報閘道(fulfillment messaging gateway;FMG)115、供應鏈管理(supply chain management;SCM)系統117、倉庫管理系統119、行動裝置119A、行動裝置119B以及行動裝置119C(描繪為位於履行中心(fulfillment center;FC)200內部)、第3方履行系統121A、第3方履行系統121B以及第3方履行系統121C、履行中心授權系統(fulfillment center authorization;FC Auth)123以及勞動管理系統(labor management system;LMS)125。
在一些實施例中,SAT系統101可實施為監視訂單狀態及遞送狀態的電腦系統。舉例而言,SAT系統101可確定訂單是否超過其承諾遞送日期(PDD)且可採取適當的動作,包含發起新訂單、對未遞送訂單中的物件進行重新運送、取消未遞送訂單、發起與訂購客戶的連絡,或類似者。SAT系統101亦可監視其他資料,包含輸出(諸如在特定時間段期間運送的包裹的數目)及輸入(諸如接收到的用於運送的空紙板盒的數目)。SAT系統101亦可充當系統100中的不同裝置之間的閘道,從而(例如,使用儲存及轉發或其他技術)實現諸如外部前端系統103及FO系統113的裝置之間的通信。
在一些實施例中,外部前端系統103可實施為使得外部使用者能夠與系統100中的一或多個系統交互的電腦系統。舉例而言,在系統100使得系統的呈現能夠允許使用者針對物件下訂單的實施例中,外部前端系統103可實施為接收檢索請求、呈現物件頁以及索求支付資訊的網頁伺服器。舉例而言,外部前端系統103可實施為電腦或電腦運行軟體,諸如阿帕奇(Apache)HTTP伺服器、微軟網際網路資訊服務(Internet Information Service;IIS)、NGINX,或類似者。在其他實施例中,外部前端系統103可運行經設計以接收及處理來自外部裝置(例如,行動裝置102A或電腦102B)的請求、基於彼等請求自資料庫及其他資料儲存庫獲取資訊,以及基於所獲取的資訊將回應提供至接收到的請求的定製網頁伺服器軟體。
在一些實施例中,外部前端系統103可包含網頁快取系統、資料庫、檢索系統或支付系統中的一或多者。在一個態樣中,外部前端系統103可包括此等系統中的一或多者,而在另一態樣中,外部前端系統103可包括連接至此等系統中的一或多者的介面(例如,伺服器至伺服器、資料庫至資料庫,或其他網路連接)。
藉由圖1B、圖1C、圖1D以及圖1E所示出的例示性步驟集合將有助於描述外部前端系統103的一些操作。外部前端系統103可自系統100中的系統或裝置接收資訊以供呈現及/或顯示。舉例而言,外部前端系統103可代管或提供一或多個網頁,包含檢索結果頁(SRP)(例如,圖1B)、單一詳情頁(Single Detail Page;SDP)(例如,圖1C)、購物車頁(例如,圖1D),或訂單頁(例如,圖1E)。(例如,使用行動裝置102A或電腦102B的)使用者裝置可導航至外部前端系統103且藉由將資訊輸入至檢索盒中來請求檢索。外部前端系統103可向系統100中的一或多個系統請求資訊。舉例而言,外部前端系統103可向FO系統113請求滿足檢索請求的資訊。外部前端系統103亦可(自FO系統113)請求及接收包含於檢索結果中的每一產品的承諾遞送日期或「PDD」。在一些實施例中,PDD可表示在特定時間段內(例如,在一天結束(下午11:59)前)訂購的情況下對含有產品的包裹將何時抵達使用者的所要位置或承諾將產品遞送至使用者的所要位置處的日期的估計。(PDD在下文相對於FO系統113進一步論述。)
外部前端系統103可基於資訊來準備SRP(例如,圖1B)。SRP可包含滿足檢索請求的資訊。舉例而言,此可包含滿足檢索請求的產品的圖像。SRP亦可包含每一產品的各別價格,或與每一產品的增強遞送選項、PDD、重量、大小、報價、折扣或類似者相關的資訊。外部前端系統103可(例如,經由網路)將SRP發送至請求使用者裝置。
使用者裝置可接著例如藉由點選或輕觸使用者介面或使用另一輸入裝置自SRP選擇產品,以選擇表示於SRP上的產品。使用者裝置可制訂對關於所選產品的資訊的請求且將其發送至外部前端系統103。作為回應,外部前端系統103可請求與所選產品相關的資訊。舉例而言,資訊可包含除針對各別SRP上的產品呈現的資訊以外的額外資訊。此可包含例如保存期限、原產國、重量、大小、包裹中的物件的數目、處置說明,或關於產品的其他資訊。資訊亦可包含類似產品的推薦(基於例如巨量資料及/或對購買此產品及至少一個其他產品的客戶的機器學習分析)、頻繁詢問的問題的答案、來自客戶的評論、製造商資訊、圖像,或類似者。
外部前端系統103可基於接收到的產品資訊來準備SDP(單一詳情頁)(例如,圖1C)。SDP亦可包含其他交互式元素,諸如「現在購買」按鈕、「添加至購物車」按鈕、數量欄、物件的圖像,或類似者。SDP可更包含提供產品的賣方的清單。可基於每一賣方提供的價格來對清單進行排序,使得可在頂部處列出提供以最低價格出售產品的賣方。亦可基於賣方排名來對清單進行排序,使得可在頂部處列出排名最高的賣方。可基於多個因素來制訂賣方排名,所述因素包含例如賣方的符合承諾PDD的過去的追蹤記錄。外部前端系統103可(例如,經由網路)將SDP遞送至請求使用者裝置。
請求使用者裝置可接收列出產品資訊的SDP。在接收到SDP後,使用者裝置可接著與SDP交互。舉例而言,請求使用者裝置的使用者可點選或以其他方式與SDP上的「放在購物車中」按鈕交互。此將產品添加至與使用者相關聯的購物車。使用者裝置可將把產品添加至購物車的此請求傳輸至外部前端系統103。
外部前端系統103可產生購物車頁(例如,圖1D)。在一些實施例中,購物車頁列出使用者已添加至虛擬「購物車」的產品。使用者裝置可藉由在SRP、SDP或其他頁上的圖標上點選或以其他方式與所述圖標交互來請求購物車頁。在一些實施例中,購物車頁可列出使用者已添加至購物車的所有產品,以及關於購物車中的產品的資訊(諸如每一產品的數量、每一產品每物件的價格、每一產品基於相關聯數量的價格)、關於PDD的資訊、遞送方法、運送成本、用於修改購物車中的產品(例如,刪除或修改數量)的使用者介面元素、用於訂購其他產品或設置產品的定期遞送的選項、用於設置利息支付的選項、用於前進至購買的使用者介面元素,或類似者。使用者裝置處的使用者可在使用者介面元素(例如,寫著「現在購買」的按鈕)上點選或以其他方式與所述使用者介面元素交互,以發起對購物車中的產品的購買。在如此做後,使用者裝置可將發起購買的此請求傳輸至外部前端系統103。
外部前端系統103可回應於接收到發起購買的請求而產生訂單頁(例如,圖1E)。在一些實施例中,訂單頁重新列出來自購物車的物件且請求支付及運送資訊的輸入。舉例而言,訂單頁可包含請求關於購物車中的物件的購買者的資訊(例如,姓名、地址、電子郵件地址、電話號碼)、關於接收者的資訊(例如,姓名、地址、電話號碼、遞送資訊)、運送資訊(例如,遞送及/或揀貨的速度/方法)、支付資訊(例如,信用卡、銀行轉賬、支票、儲存的積分)的部分、請求現金收據(例如,出於稅務目的)的使用者介面元素,或類似者。外部前端系統103可將訂單頁發送至使用者裝置。
使用者裝置可輸入關於訂單頁的資訊,且點選或以其他方式與將資訊發送至外部前端系統103的使用者介面元素交互。自此處,外部前端系統103可將資訊發送至系統100中的不同系統,以使得能夠創建及處理具有購物車中的產品的新訂單。
在一些實施例中,外部前端系統103可進一步經組態以使得賣方能夠傳輸及接收與訂單相關的資訊。
在一些實施例中,內部前端系統105可實施為使得內部使用者(例如,擁有、操作或租用系統100的組織的雇員)能夠與系統100中的一或多個系統交互的電腦系統。舉例而言,在系統100使得系統的呈現能夠允許使用者針對物件下訂單的實施例中,內部前端系統105可實施為使得內部使用者能夠查看關於訂單的診斷及統計資訊、修改物件資訊或審查與訂單相關的統計的網頁伺服器。舉例而言,內部前端系統105可實施為電腦或電腦運行軟體,諸如阿帕奇HTTP伺服器、微軟網際網路資訊服務(IIS)、NGINX,或類似者。在其他實施例中,內部前端系統105可運行經設計以接收及處理來自系統100中所描繪的系統或裝置(以及未描繪的其他裝置)的請求、基於彼等請求自資料庫及其他資料儲存庫獲取資訊,以及基於所獲取的資訊來將回應提供至接收到的請求的定製網頁伺服器軟體。
在一些實施例中,內部前端系統105可包含網頁快取系統、資料庫、檢索系統、支付系統、分析系統、訂單監視系統或類似者中的一或多者。在一個態樣中,內部前端系統105可包括此等系統中的一或多者,而在另一態樣中,內部前端系統105可包括連接至此等系統中的一或多者的介面(例如,伺服器至伺服器、資料庫至資料庫,或其他網路連接)。
在一些實施例中,運輸系統107可實施為實現系統100中的系統或裝置與行動裝置107A至行動裝置107C之間的通信的電腦系統。在一些實施例中,運輸系統107可自一或多個行動裝置107A至行動裝置107C(例如,行動電話、智慧型電話、PDA,或類似者)接收資訊。舉例而言,在一些實施例中,行動裝置107A至行動裝置107C可包括由遞送工作者操作的裝置。遞送工作者(其可為永久雇員、暫時雇員或輪班雇員)可利用行動裝置107A至行動裝置107C來實現對含有由使用者訂購的產品的包裹的遞送。舉例而言,為遞送包裹,遞送工作者可在行動裝置上接收指示遞送哪一包裹及將所述包裹遞送到何處的通知。在抵達遞送位置後,遞送工作者可(例如,在卡車的後部中或在包裹的條板箱中)定位包裹、使用行動裝置掃描或以其他方式擷取與包裹上的識別符(例如,條碼、影像、文字字串、RFID標籤,或類似者)相關聯的資料,且遞送包裹(例如,藉由將其留在前門處、將其留給警衛、將其交給接收者,或類似者)。在一些實施例中,遞送工作者可使用行動裝置擷取包裹的相片及/或可獲得簽名。行動裝置可將資訊發送至運輸系統107,所述資訊包含關於遞送的資訊,包含例如時間、日期、GPS位置、相片、與遞送工作者相關聯的識別符、與行動裝置相關聯的識別符,或類似者。運輸系統107可在資料庫(未描繪)中儲存此資訊以用於由系統100中的其他系統存取。在一些實施例中,運輸系統107可使用此資訊來準備追蹤資料且將所述追蹤資料發送至其他系統,從而指示特定包裹的位置。
在一些實施例中,某些使用者可使用一個種類的行動裝置(例如,永久工作者可使用具有定製硬體(諸如條碼掃描器、尖筆以及其他裝置)的專用PDA),而其他使用者可使用其他類型的行動裝置(例如,暫時工作者或輪班工作者可利用現成的行動電話及/或智慧型電話)。
在一些實施例中,運輸系統107可使使用者與每一裝置相關聯。舉例而言,運輸系統107可儲存使用者(由例如使用者識別符、雇員識別符或電話號碼表示)與行動裝置(由例如國際行動設備身分(International Mobile Equipment Identity;IMEI)、國際行動訂用識別符(International Mobile Subscription Identifier;IMSI)、電話號碼、通用唯一識別符(Universal Unique Identifier;UUID)或全球唯一識別符(Globally Unique Identifier;GUID)表示)之間的關聯。運輸系統107可結合在遞送時接收到的資料使用此關聯來分析儲存於資料庫中的資料,以便尤其確定工作者的位置、工作者的效率,或工作者的速度。
在一些實施例中,賣方入口網站109可實施為使得賣方或其他外部實體能夠與系統100中的一或多個系統電子地通信的電腦系統。舉例而言,賣方可利用電腦系統(未描繪)來上載或提供賣方希望經由使用賣方入口網站109的系統100來出售的產品的產品資訊、訂單資訊、連絡資訊或類似者。
在一些實施例中,運送及訂單追蹤系統111可實施為接收、儲存以及轉送關於含有由客戶(例如,由使用裝置102A至裝置102B的使用者)訂購的產品的包裹的位置的資訊的電腦系統。在一些實施例中,運送及訂單追蹤系統111可請求或儲存來自由遞送含有由客戶訂購的產品的包裹的運送公司操作的網頁伺服器(未描繪)的資訊。
在一些實施例中,運送及訂單追蹤系統111可請求及儲存來自在系統100中描繪的系統的資訊。舉例而言,運送及訂單追蹤系統111可請求來自運輸系統107的資訊。如上文所論述,運輸系統107可自與使用者(例如,遞送工作者)或車輛(例如,遞送卡車)中的一或多者相關聯的一或多個行動裝置107A至行動裝置107C(例如,行動電話、智慧型電話、PDA或類似者)接收資訊。在一些實施例中,運送及訂單追蹤系統111亦可向倉庫管理系統(warehouse management system;WMS)119請求資訊以確定個別產品在履行中心(例如,履行中心200)內部的位置。運送及訂單追蹤系統111可向運輸系統107或WMS 119中的一或多者請求資料,在請求後處理所述資料,且將所述資料呈現給裝置(例如,使用者裝置102A及使用者裝置102B)。
在一些實施例中,履行最佳化(FO)系統113可實施為儲存來自其他系統(例如,外部前端系統103及/或運送及訂單追蹤系統111)的客戶訂單的資訊的電腦系統。FO系統113亦可儲存描述特定物件保存或儲存於何處的資訊。舉例而言,某些物件可能僅儲存於一個履行中心中,而某些其他物件可能儲存於多個履行中心中。在再其他實施例中,某些履行中心可經設計以僅儲存特定物件集合(例如,新鮮生產或冷凍的產品)。FO系統113儲存此資訊以及相關聯資訊(例如,數量、大小、接收日期、過期日期等)。
FO系統113亦可計算每一產品的對應PDD(承諾遞送日期)。在一些實施例中,PDD可以基於一或多個因素。舉例而言,FO系統113可基於下述者來計算產品的PDD:對產品的過去需求(例如,在一段時間期間訂購了多少次所述產品)、對產品的預期需求(例如,預報在即將到來的一段時間期間多少客戶將訂購所述產品)、指示在一段時間期間訂購了多少產品的全網路過去需求、指示預期在即將到來的一段時間期間將訂購多少產品的全網路預期需求、儲存於每一履行中心200中的產品的一或多個計數、哪一履行中心儲存每一產品、產品的預期或當前訂單,或類似者。
在一些實施例中,FO系統113可定期(例如,每小時)確定每一產品的PDD且將其儲存於資料庫中以供取回或發送至其他系統(例如,外部前端系統103、SAT系統101、運送及訂單追蹤系統111)。在其他實施例中,FO系統113可自一或多個系統(例如,外部前端系統103、SAT系統101、運送及訂單追蹤系統111)接收電子請求且按需求計算PDD。
在一些實施例中,履行通信報閘道(FMG)115可實施為自系統100中的一或多個系統(諸如FO系統113)接收呈一種格式或協定的請求或回應、將其轉換為另一格式或協定且將其以轉換後的格式或協定轉發至其他系統(諸如WMS 119或第3方履行系統121A、第3方履行系統121B或第3方履行系統121C)且反之亦然的電腦系統。
在一些實施例中,供應鏈管理(SCM)系統117可實施為執行預報功能的電腦系統。舉例而言,SCM系統117可基於例如基於下述者來預報對特定產品的需求水平:對產品的過去需求、對產品的預期需求、全網路過去需求、全網路預期需求、儲存於每一履行中心200中的產品的計數、每一產品的預期或當前訂單,或類似者。回應於此預報水平及所有履行中心中的每一產品的量,SCM系統117可產生一或多個購買訂單以購買及儲備足夠數量,以滿足對特定產品的預報需求。
在一些實施例中,倉庫管理系統(WMS)119可實施為監視工作流程的電腦系統。舉例而言,WMS 119可自個別裝置(例如,裝置107A至裝置107C或裝置119A至裝置119C)接收指示離散事件的事件資料。舉例而言,WMS 119可接收指示使用此等裝置中的一者掃描包裹的事件資料。如下文相對於履行中心200及圖2所論述,在履行過程期間,可藉由特定階段處的機器(例如,自動式或手持式條碼掃描器、RFID讀取器、高速攝影機、諸如平板電腦119A、行動裝置/PDA 119B、電腦119C的裝置或類似者)掃描或讀取包裹識別符(例如,條碼或RFID標籤資料)。WMS 119可將指示掃描或包裹識別符的讀取的每一事件以及包裹識別符、時間、日期、位置、使用者識別符或其他資訊儲存於對應資料庫(未描繪)中,且可將此資訊提供至其他系統(例如,運送及訂單追蹤系統111)。
在一些實施例中,WMS 119可儲存使一或多個裝置(例如,裝置107A至裝置107C或裝置119A至裝置119C)與一或多個使用者(所述一或多個使用者與系統100相關聯)相關聯的資訊。舉例而言,在一些情形下,使用者(諸如兼職雇員或全職雇員)可與行動裝置相關聯,此是由於使用者擁有行動裝置(例如,行動裝置為智慧型電話)。在其他情形下,使用者可與行動裝置相關聯,此是由於使用者暫時保管行動裝置(例如,使用者在一天開始時拿到行動裝置,將在一天期間使用所述行動裝置,且將在一天結束時退還所述行動裝置)。
在一些實施例中,WMS 119可維護與系統100相關聯的每一使用者的工作日志。舉例而言,WMS 119可儲存與每一雇員相關聯的資訊,包含任何指定的過程(例如,自卡車卸載、自揀貨區揀取物件、合流牆(rebin wall)工作、包裝物件)、使用者識別符、位置(例如,履行中心200中的樓層或區)、藉由雇員經由系統移動的單位數目(例如,所揀取物件的數目、所包裝物件的數目)、與裝置(例如,裝置119A至裝置119C)相關聯的識別符,或類似者。在一些實施例中,WMS 119可自計時系統接收登記及登出資訊,所述計時系統諸如在裝置119A至裝置119C上操作的計時系統。
在一些實施例中,第3方履行(3rd party fulfillment;3PL)系統121A至第3方履行系統121C表示與物流及產品的第三方提供商相關聯的電腦系統。舉例而言,儘管一些產品儲存於履行中心200中(如下文相對於圖2所論述),但其他產品可儲存於場外、可按需求生產,或可以其他方式不可供用於儲存於履行中心200中。3PL系統121A至3PL系統121C可經組態以(例如,經由FMG 115)自FO系統113接收訂單,且可直接為客戶提供產品及/或服務(例如,遞送或安裝)。在一些實施例中,3PL系統121A至3PL系統121C中的一或多者可為系統100的部分,而在其他實施例中,3PL系統121A至3PL系統121C中的一或多者可在系統100外部(例如,由第三方提供商擁有或操作)。
在一些實施例中,履行中心Auth系統(FC Auth)123可實施為具有各種功能的電腦系統。舉例而言,在一些實施例中,FC Auth 123可充當系統100中的一或多個其他系統的單一簽入(single-sign on;SSO)服務。舉例而言,FC Auth 123可使得使用者能夠經由內部前端系統105登入、確定使用者具有存取運送及訂單追蹤系統111處的資源的類似特權,且使得使用者能夠在不需要第二登入過程的情況下取得彼等特權。在其他實施例中,FC Auth 123可使得使用者(例如,雇員)能夠使自身與特定任務相關聯。舉例而言,一些雇員可能不具有電子裝置(諸如裝置119A至裝置119C),且實際上可能在一天的過程期間在履行中心200內自任務至任務以及自區至區移動。FC Auth 123可經組態以使得彼等雇員能夠在一天的不同時間指示其正執行何任務以及其位於何區。
在一些實施例中,勞動管理系統(LMS)125可實施為儲存雇員(包含全職雇員及兼職雇員)的出勤及超時資訊的電腦系統。舉例而言,LMS 125可自FC Auth 123、WMS 119、裝置119A至裝置119C、運輸系統107及/或裝置107A至裝置107C接收資訊。
圖1A中所描繪的特定組態僅為實例。舉例而言,儘管圖1A描繪連接至FO系統113的FC Auth系統123,但並非所有實施例均要求此特定組態。實際上,在一些實施例中,系統100中的系統可經由一或多個公用或私用網路彼此連接,所述網路包含網際網路、企業內部網路、廣域網路(Wide-Area Network;WAN)、都會區域網路(Metropolitan-Area Network;MAN)、順應IEEE 802.11a/b/g/n標準的無線網路、租用線,或類似者。在一些實施例中,系統100中的系統中的一或多者可實施為在資料中心、伺服器群或類似者處實施的一或多個虛擬伺服器。
圖2描繪履行中心200。履行中心200為儲存用於在訂購時運送至客戶的物件的實體位置的實例。可將履行中心(FC)200劃分成多個區,所述區中的每一者描繪於圖2中。在一些實施例中,可認為此等「區」為接收物件、儲存物件、取回物件以及運送物件的過程的不同階段之間的虛擬劃分。因此,儘管在圖2中描繪「區」,但其他區劃分為可能的,且在一些實施例中可省略、複製或修改圖2中的區。
入站區203表示FC 200的自希望使用來自圖1A的系統100出售產品的賣方接收到物件的區域。舉例而言,賣方可使用卡車201來遞送物件202A及物件202B。物件202A可表示足夠大以佔據其自身運送托板的單一物件,而物件202B可表示在同一托板上堆疊在一起以節省空間的物件集合。
工作者將在入站區203中接收物件,且可使用電腦系統(未描繪)來視情況檢查物件的損壞及正確性。舉例而言,工作者可使用電腦系統來比較物件202A及物件202B的數量與物件的所訂購數量。若數量不匹配,則工作者可拒絕物件202A或物件202B中的一或多者。若數量的確匹配,則工作者可(使用例如台車、手推平車、叉車或手動地)將彼等物件移動至緩衝區205。緩衝區205可為當前(例如由於揀貨區中存在足夠高數量的物件以滿足預報需求而)無需處於揀貨區中的所述物件的暫時儲存區域。在一些實施例中,叉車206操作以圍繞緩衝區205及在入站區203與卸貨區207之間移動物件。若(例如,由於預報需求而)需要揀貨區中的物件202A或物件202B,則叉車可將物件202A或物件202B移動至卸貨區207。
卸貨區207可為FC 200的在將物件移動至揀貨區209之前儲存所述物件的區域。指派給揀貨任務的工作者(「揀貨員」)可靠近揀貨區中的物件202A及物件202B,使用行動裝置(例如,裝置119B)來掃描揀貨區的條碼,且掃描與物件202A及物件202B相關聯的條碼。揀貨員可接著(例如,藉由將物件置放於推車上或攜帶所述物件)將所述物件取至揀貨區209。
揀貨區209可為FC 200的將物件208儲存於儲存單元210上的區域。在一些實施例中,儲存單元210可包括實體擱架、書架、盒、手提包、冰箱、冷凍機、冷儲存區或類似者中的一或多者。在一些實施例中,揀貨區209可組織成多個樓層。在一些實施例中,工作者或機器可以多種方式將物件移動至揀貨區209中,包含例如叉車、電梯、傳送帶、推車、手推平車、台車、自動化機器人或裝置,或手動地移動。舉例而言,揀貨員可在卸貨區207中將物件202A及物件202B置放於手推平車或推車上,且將物件202A及物件202B步移至揀貨區209。
揀貨員可接收將物件置放(或「堆裝」)於揀貨區209中的特定點(諸如儲存單元210上的特定空間)的指令。舉例而言,揀貨員可使用行動裝置(例如,裝置119B)來掃描物件202A。裝置可例如使用指示走道、貨架以及位置的系統來指示揀貨員應將物件202A堆裝於何處。裝置可接著提示揀貨員在將物件202A堆裝於所述位置之前掃描所述位置處的條碼。裝置可(例如,經由無線網路)將資料發送至諸如圖1A中的WMS 119的電腦系統,從而指示已由使用裝置119B的使用者將物件202A堆裝於所述位置處。
一旦使用者下訂單,揀貨員即可在裝置119B上接收自儲存單元210取回一或多個物件208的指令。揀貨員可取回物件208、掃描物件208上的條碼,且將所述物件208置放於運輸機構214上。儘管將運輸機構214表示為滑動件,但在一些實施例中,運輸機構可實施為傳送帶、電梯、推車、叉車、手推平車、台車或類似者中的一或多者。物件208可接著抵達包裝區211。
包裝區211可為FC 200的自揀貨區209接收到物件且將所述物件包裝至盒或包中以用於最終運送至客戶的區域。在包裝區211中,指派給接收物件的工作者(「合流工作者」)將自揀貨區209接收物件208且確定所述物件208對應於哪一訂單。舉例而言,合流工作者可使用諸如電腦119C的裝置來掃描物件208上的條碼。電腦119C可在視覺上指示物件208與哪一訂單相關聯。此可包含例如對應於訂單的牆216上的空間或「單元格」。一旦訂單完成(例如,由於單元格含有所述訂單的所有物件),合流工作者即可指示包裝工作者(或「包裝員」)訂單完成。包裝員可自單元格取回物件且將所述物件置放於盒或包中以用於運送。包裝員可接著例如經由叉車、推車、台車、手推平車、傳送帶、手動地或以其他方式將盒或包發送至樞紐區(hub zone)213。
樞紐區213可為FC 200的自包裝區211接收所有盒或包(「包裹」)的區域。樞紐區213中的工作者及/或機器可取回包裹218且確定每一包裹預期去至遞送區域的哪一部分,且將包裹投送至適當的營地區(camp zone)215。舉例而言,若遞送區域具有兩個更小子區域,則包裹將去至兩個營地區215中的一者。在一些實施例中,工作者或機器可(例如,使用裝置119A至裝置119C中的一者)掃描包裹以確定其最終目的地。將包裹投送至營地區215可包括例如(例如,基於郵遞碼)確定包裹去往的地理區域的一部分,以及確定與地理區域的所述部分相關聯的營地區215。
在一些實施例中,營地區215可包括一或多個建築物、一或多個實體空間或一或多個區域,其中自樞紐區213接收包裹以用於分選至路線及/或子路線中。在一些實施例中,營地區215與FC 200實體地分開,而在其他實施例中,營地區215可形成FC 200的一部分。
營地區215中的工作者及/或機器可例如基於下述者來確定包裹220應與哪一路線及/或子路線相關聯:目的地與現有路線及/或子路線的比較、對每一路線及/或子路線的工作負荷的計算、時刻、運送方法、運送包裹220的成本、與包裹220中的物件相關聯的PDD,或類似者。在一些實施例中,工作者或機器可(例如,使用裝置119A至裝置119C中的一者)掃描包裹以確定其最終目的地。一旦將包裹220指派給特定路線及/或子路線,工作者及/或機器即可移動待運送的包裹220。在例示性圖2中,營地區215包含卡車222、汽車226以及遞送工作者224A及遞送工作者224B。在一些實施例中,卡車222可由遞送工作者224A駕駛,其中遞送工作者224A為遞送FC 200的包裹的全職雇員,且卡車222由擁有、租用或操作FC 200的同一公司擁有、租用或操作。在一些實施例中,汽車226可由遞送工作者224B駕駛,其中遞送工作者224B為在視需要基礎上(例如,季節性地)遞送的「靈活」或臨時工作者。汽車226可由遞送工作者224B擁有、租用或操作。
圖3示出與所揭露實施例一致的辨別與使用者的查詢產品匹配的目標產品及使用例如確定性方案、推測性方案或組合方案來產生頂級替代產品檢索結果的主要過程300的概述。
過程300在步驟301處開始,此時使用者將產品型號輸入至與前端裝置(例如,行動裝置102A或電腦102B)相關聯的外部前端系統103中以便檢索所關注的產品。一或多個處理器(例如,圖4中的處理器404)自與前端裝置(例如行動裝置102A或電腦102B)相關聯的外部前端系統103擷取與產品檢索相關聯的使用者查詢。在一些實施例中,使用者查詢可來自使用者將資訊輸入至表格(例如圖1B中)中的網頁,或上載客戶資料以儲存至資料庫的上載。
在一些實施例中,使用者查詢資料可包含但不限於與使用者意圖購買的產品有關的資料。使用者查詢資料格式可為但不限於字元字串、二進位字串、數值資料、使用者定義的SQL伺服器資料類型、其他資料或其任何組合。舉例而言,使用者查詢可僅由產品編號(例如「MX-1000」)、型號與文字字串的混合(例如「索尼(Sony)MX-1000」)或不含有產品型號而是提及特定產品的僅文字字串(例如「蘋果(Apple)iPhone 13 Pro Max」)組成。在一些實施例中,圖3的步驟可由外部前端系統103操作,而在其他實施例中,圖3中的步驟可由網路100中的一或多個其他裝置操作。
過程300接著前進至步驟302。在步驟302中,一或多個處理器(例如處理器404)擷取與儲存於一或多個資料庫(例如圖4中的資料結構/資料庫407)中的至少一個資料結構相關聯的至少一個產品索引資料集。產品索引資料集可包含但不限於特定地理區(例如韓國(Korea))內的產品類別的所有產品型號。在一些實施例中,產品索引資料集包括自電子商務公司內的內部資料源收集的產品資料。產品索引資料集亦可包括但不限於處理器使用資料爬行(data crawling)及資料挖掘(data mining)自外部資料源(例如競爭者產品網站)提取的產品資訊。在一些實施例中,基於預定義時間週期性來定期更新產品索引資料集。產品索引資料集可儲存於包含但不限於表、陣列、連結清單的線性資料結構或資料庫(例如圖4中的407)或包含但不限於圖形資料結構或樹資料結構的非線性資料結構中。資料庫的類型可包括但不限於MySQL資料庫或NoSQL資料庫,諸如Cassandra。
亦在步驟302中,一或多個處理器(例如處理器404)自至少一個資料結構擷取至少一個實驗資料集。在一些實施例中,實驗資料集的來源可由(但不限於)與歷史產品購買相關聯的所有使用者或所有使用者的子集的彙總的資料組成。在一些實施例中,實驗資料可包含與由所有使用者或所有使用者的子集輸入的產品查詢相關聯的產品購買資料。舉例而言,實驗資料可含有所購買的產品X的資料(例如「三星(Samsung)MX-1900 16吋超便攜膝上型電腦」)及由所有使用者輸入以找到彼特定產品的相關聯查詢集(例如使用者A輸入「三星1900膝上型電腦」作為購買產品X的產品查詢;使用者B輸入「三星16吋膝上型電腦」以購買產品X等)。在一些實施例中,實驗資料可包含但不限於產品類別的階層式結構化集合,其範圍為廣泛類別(例如「家用(Household)」或「牙用(Dental)」)至更細化的類別(例如「牙膏(Toothpaste)」、「增白牙膏(Whitening Toothpaste)」)。在一些實施例中,實驗資料可包含但不限於至少部分地基於自外部資料源(例如競爭者產品網站或公開可用的競爭者產品目錄)挖掘的資料的產品的主清單目錄。
過程300接著前進至步驟303。在步驟303中,一或多個處理器(例如處理器404)可使用自然語言處理技術來執行使用者查詢的標準化或正規化。自然語言處理技術可包括但不限於文字符記化(text tokenization)、字幹搜尋(stemming)以及詞形還原(lemmatization)。舉例而言,處理器可將由產品型號「#RF-A-9285K1 AP!#」的非標準化條目組成的使用者查詢正規化為標準化形式「RFA9285K1AP」。在另一實例中,處理器可將由「牙-膏(tooth-paste)」或「牙 膏(tooth paste)」組成的使用者查詢正規化為標準化形式「牙膏(toothpaste)」,以便促進資料庫檢索。
在步驟303中,一或多個處理器分析正規化使用者查詢,且可基於分析來確定使用者查詢的類型。在一些實施例中,處理器可將使用者查詢內的檢索類型辨別為對單個產品的檢索(亦即「魚叉式釣魚查詢(spearfishing query)」)。在一些實施例中,處理器可將檢索辨別為對多個產品的檢索。在一些實施例中,處理器可基於正規化使用者查詢、實驗資料內的與使用者查詢相關聯的客戶購買資料以及數值臨限值來確定「魚叉式釣魚」查詢。舉例而言,若使用者查詢由「三星16吋OLED膝上型電腦」或「MX-1000a」組成,且處理器使用實驗資料內的客戶購買資料來確定某一百分比的使用者(亦即超出特定數值臨限值,諸如所有使用者的90%)基於此特定使用者查詢而購買單一產品,則處理器可確定使用者查詢的類型為「魚叉式釣魚」查詢。在一些實施例中,處理器可將使用者查詢類型儲存或更新為資料結構/資料庫內的「魚叉式釣魚」類型。
在步驟303中,一或多個處理器分析正規化使用者查詢,且使用至少一個機器學習模型來提取與使用者查詢相關聯的至少一個屬性集及一個圖案。機器學習模型是基於至少一個機器學習演算法及實驗資料。機器學習演算法可包含例如維特比(Viterbi)演算法、素樸貝氏(Naïve Bayes)演算法、神經網路等及/或聯合降維技術(例如,叢集典型相關分析、部分最小平方、雙線性模型、交叉模態因子分析),其經組態以觀測使用者查詢輸入資料與相關聯於基於實驗資料的產品的屬性及圖案之間的關係,藉由實驗資料集內的產品資料及產品類別資料驗證觀測結果,且根據觀測結果及藉由實驗資料進行的驗證產生與所關注產品相關聯的屬性集及至少一個圖案。可例如使用監督式學習方法(例如,梯度下降或隨機梯度下降最佳化方法)來訓練至少一個機器學習演算法。在一些實施例中,一或多個機器學習演算法可經組態以基於分類之間的關聯而產生可使用定製知識來驗證的產品查詢屬性的初始集合。在一些實施例中,處理器更新實驗資料集及產品索引資料集內的相關條目,所述產品索引資料集與所關注的產品相關聯,具有藉由機器學習確定的屬性集及至少一個圖案。
在步驟303中,與查詢產品相關聯的屬性集可包含但不限於使用者意圖經由檢索查詢輸入(例如「RFA9285K1AP」)檢索的產品的產品型號。屬性集亦可包含但不限於產品的描述(例如「雜訊消除頭戴式耳機」)或數量(例如「4條裝乙太網路纜線」),或產品品牌名稱(例如「蘋果(Apple)」、「索尼(Sony)」)或其任何組合。基於屬性集的至少一個圖案可為基於產品屬性集的與使用者的所關注產品相關聯的圖案(例如「索尼雜訊消除頭戴式耳機MX-1000a」)。
過程300接著前進至步驟304。在步驟304中,一或多個處理器可基於使用者意圖使用至少一個機器學習模型及實驗資料來檢索的查詢產品的屬性及至少一個圖案而確定至少一個查詢產品集或產品類別。機器學習模型是基於至少一個機器學習演算法。機器學習演算法可包含例如維特比演算法、素樸貝氏演算法、神經網路等及/或聯合降維技術(例如,叢集典型相關分析、部分最小平方、雙線性模型、交叉模態因子分析),其經組態以觀測與查詢產品相關聯的屬性及圖案與基於實驗資料的階層式產品類別之間的關係,且根據觀測結果產生與預期購買產品相關聯的產品類別集。可例如使用監督式學習方法(例如,梯度下降或隨機梯度下降最佳化方法)來訓練至少一個機器學習演算法。在一些實施例中,一或多個機器學習演算法可經組態以基於分類之間的關聯而產生可使用定製知識來驗證的產品類別的初始集合。舉例而言,若確定查詢產品為「索尼無線頭戴式耳機MX-1000」,則查詢產品類別集可包含但限於「電子裝置→音訊→無線頭戴式耳機」。在一些實施例中,一或多個處理器可基於魚叉式釣魚查詢來確定單個查詢產品。
過程300接著前進至步驟305。在步驟305中,一或多個處理器可藉由在與查詢產品相關聯的產品編號屬性與產品索引資料集(圖4的408)內的產品編號的資料條目之間執行迭代字串匹配來確定直接匹配於查詢產品的至少一個目標產品。在一些實施例中,處理器可基於經由外部資料挖掘而獲得的產品的主清單目錄來執行此直接匹配(圖4 409)。在一些實施例中,處理器可基於魚叉式釣魚查詢來確定匹配於單個查詢產品的至少一個目標產品。
若在如305中所描述的迭代匹配過程之後未辨別到目標產品,則過程300接著前進至步驟306。在步驟306中,一或多個處理器確定與使用者查詢相關聯的至少一個頂級替代產品。
在確定性方案307中,處理器可基於產品類別及/或一組預定義規則集來確定頂級替代產品。舉例而言,處理器可確定查詢產品(例如「MX-1000a」)在某一產品類別(「膝上型電腦」)內,且將預定義規則集應用於彼特定產品類別以辨別頂級替代產品。在一些實施例中,處理器可確定與查詢產品的產品型號相關聯的模型參考群組且應用預定義規則集。舉例而言,處理器可針對產品型號「MX-1000a」確定相關聯模型參考群組為「MX」。在一些實施例中,處理器可基於匹配於與預定義規則集相關聯的查詢產品的產品類別的產品集來確定至少一個頂級替代產品。在一些實施例中,處理器可基於匹配於與查詢產品相關聯的模型參考群組的產品集來確定至少一個頂級替代產品。在一些實施例中,處理器可確定使用確定性方案307產生的頂級替代產品的數目不足,且將預定義規則集應用於產品屬性集(例如產品年份、螢幕大小等)以確定額外頂級替代產品。
替代地,使用參考方案307,處理器可基於實驗資料集來確定與查詢產品類別相關聯的多個關鍵特徵。舉例而言,處理器可確定與查詢電腦產品「MX-1000a」相關聯的關鍵特徵集可包括「RAM」、「螢幕大小」、「處理器速度」、「重量」等。在一些實施例中,關鍵特徵的數目可基於產品類別、靜態值、靜態最小值或其他屬性。
在一些實施例中,處理器可基於實驗資料內的產品的主清單目錄內的匹配產品來確定與查詢產品類別相關聯的關鍵特徵集。在一些實施例中,處理器可基於經由資料爬行或資料挖掘自外部資料源(例如競爭者的網站)獲得的資料來確定與查詢產品類別相關聯的關鍵特徵集。處理器可使用機器學習演算法基於與候選頂級替代產品相關聯的關鍵特徵集與與查詢產品類別相關聯的關鍵特徵集之間的相似性度量而使用迭代匹配過程來確定至少一個頂級替代產品。在一些實施例中,候選頂級替代產品集可包括與查詢產品相同的產品類別內的產品。機器學習演算法可包含例如維特比演算法、素樸貝氏演算法、神經網路等及/或聯合降維技術(例如,叢集典型相關分析、部分最小平方、雙線性模型、交叉模態因子分析),其經組態以基於實驗資料409來觀測與查詢產品類別相關聯的關鍵特徵集與資料庫407內的頂級替代產品的可能候選者之間的關係,且根據觀測結果而確定至少一個頂級替代產品結果。可例如使用監督式學習方法(例如,梯度下降或隨機梯度下降最佳化方法)來訓練至少一個機器學習演算法。在一些實施例中,一或多個機器學習演算法可經組態以基於分類之間的關聯而產生可使用定製知識來驗證的頂級替代產品的初始集合。在一些實施例中,處理器可使用確定性方案與參考方案的組合來確定至少一個頂級替代產品。在一些實施例中,處理器亦可基於第二產品的關鍵特徵集及產品類別來確定頂級替代產品,所述第二產品緊接在進行對查詢產品的檢索之前具有最高的客戶的子集的檢索頻率。
過程300接著將頂級替代產品結果傳輸至外部前端系統103。外部前端系統103可接收資訊以向使用者呈現及/或顯示頂級替代產品結果。系統103可將頂級替代產品呈現及/或顯示至如圖1B中的網頁或外部裝置(例如行動裝置102A或電腦102B)的顯示螢幕上,以供使用者閱讀以便完成購買交易。藉由在未基於由使用者檢索的產品型號來辨別產品的情形下向使用者呈現頂級替代產品結果,此系統或方法最佳化使用者的購買體驗。
圖4為基於產品型號來辨別與使用者的查詢產品匹配的目標產品及產生頂級替代產品檢索結果的例示性基於機器學習的系統的圖解圖示。使用者401經由使用諸如行動電話或電腦(例如圖1a中的行動裝置102A或電腦102B)的裝置將檢索查詢(例如「RFA9285K1AP」或「三星16吋膝上型電腦」)輸入至外部前端系統103中來發起產品檢索過程。可駐存於系統100中的一或多個處理器(處理器404)經由資料I/O(「輸入/輸出」)模組405b自前端系統103擷取使用者的產品查詢。一或多個處理器404可自資料庫407擷取經由資料I/O模組406傳輸至處理器的產品索引資料集408以及實驗資料集409。
基於使用者查詢(例如「RFA9285K1AP」),一或多個處理器藉由經由查詢分析模組405c應用自然語言處理來執行使用者查詢的標準化或正規化。查詢分析模組405c輸出正規化使用者查詢(例如由產品型號「#RF-A-9285K1 AP!#」的非標準化條目組成的查詢可正規化為「RFA9285K1AP」)。
處理器404分析正規化使用者查詢且確定至少一個查詢類型,所述至少一個查詢類型可由藉由對單個產品的檢索組成的「魚叉式釣魚」查詢類型或藉由對多個產品的檢索組成的查詢類型來組成。在一些實施例中,處理器404可基於正規化使用者查詢、儲存於資料庫407中的實驗資料集409內的與使用者查詢相關聯的客戶購買資料以及數值臨限值來確定「魚叉式釣魚」檢索類型。舉例而言,若使用者查詢由「三星16吋OLED膝上型電腦」或「MX-2300A」組成,則處理器可使用實驗資料集409內的客戶購買資料來確定某一百分比的使用者(亦即超出特定數值臨限值,諸如所有使用者的90%)基於此特定使用者查詢而購買單一產品。處理器接著可確定使用者查詢的類型為「魚叉式釣魚」查詢。
處理器404可藉由將正規化使用者查詢輸入至機器學習模組405a中來分析正規化使用者查詢且提取與使用者查詢相關聯的至少一個屬性集及一個圖案,所述機器學習模組405a可經組態以使用至少一個機器學習演算法來觀測資料庫407中的實驗資料集409內的使用者查詢與產品條目之間的關係。在一些實施例中,機器學習模組經組態以輸出與使用者查詢相關聯的至少一個屬性集及至少一個圖案。在一些實施例中,處理器404利用藉由機器學習確定的屬性集及至少一個圖案來更新實驗資料集409內的相關條目及資料庫407內的產品索引資料集。
處理器404可藉由使用機器學習模組405a來確定至少一個查詢產品集或產品類別,其中屬性、查詢產品的至少一個圖案以及實驗資料集409用作至模組405a中的輸入。機器學習模組405a可經組態以使用至少一個機器學習演算法來基於實驗資料集409觀測與查詢產品及階層式產品類別相關聯的屬性與圖案之間的關係,且根據觀測結果而產生與預期購買產品相關聯的產品類別集。在一些實施例中,機器學習模組405a經組態以輸出至少一個查詢產品或與使用者查詢相關聯的產品類別。在一些實施例中,處理器404利用如藉由機器學習確定的與查詢產品相關聯的查詢產品類別來更新實驗資料集409內的相關條目及資料庫407內的產品索引資料集。
處理器404可藉由在與查詢產品相關聯的產品編號屬性與產品索引資料集(408)內的產品編號的資料條目之間執行迭代字串匹配來確定直接匹配於查詢產品的至少一個目標產品。在一些實施例中,產品索引資料集可由包含但不限於表、陣列、連結清單的線性資料結構或包含但不限於圖形資料結構或樹資料結構的非線性資料結構組成。在一些實施例中,資料庫407可由(但不限於)MySQL資料庫或諸如Cassandra的NoSQL資料庫組成。
一或多個處理器可基於產品類別及藉由資料庫407儲存的預定義規則集而基於確定性方案來確定頂級替代產品。在一些實施例中,預定義規則集可儲存於包含但不限於表、陣列、連結清單的線性資料結構或包含但不限於圖形資料結構或樹資料結構的非線性資料結構中。在一些實施例中,處理器404自資料庫407擷取預定義規則集且將規則集應用於彼特定產品類別以辨別頂級替代產品。在一些實施例中,處理器404可藉由將預定義規則集應用於查詢產品類別來確定與產品型號相關聯的模型群組。在一些實施例中,處理器404可基於相同模型群組內的所有產品集及預定義規則集來確定至少一個頂級替代產品。處理器404可經由資料I/O模組405b將與產品型號相關聯的模型群組傳輸至資料庫407以供儲存在產品索引資料集408內。
替代地,一或多個處理器404亦可藉由以下來基於參考方案而確定頂級替代產品結果:使用機器學習模組405基於實驗資料集409來確定與產品類別相關聯的關鍵屬性集;以及基於關鍵屬性及產品類別來確定頂級替代產品。在一些實施例中,實驗資料集409可由(但不限於)在預定義時間範圍內跨所有使用者或所有使用者的子集彙總的歷史客戶購買資料集409a組成。在一些實施例中,實驗資料集409可由(但不限於)基於資料爬行或資料挖掘的來自外部資料源(例如競爭者的產品網站)的產品的主清單目錄409b組成。
在至少一些實施例中,處理器404可基於實驗資料409內的產品的主清單目錄內的匹配產品來確定與查詢產品類別相關聯的關鍵特徵集。在一些實施例中,處理器可基於經由資料爬行或資料挖掘自外部資料源(例如競爭者的網站)獲得的資料來確定與查詢產品類別相關聯的關鍵特徵集。處理器404可使用機器學習演算法基於與候選頂級替代產品相關聯的關鍵特徵集與與查詢產品類別相關聯的關鍵特徵集之間的相似性度量而使用迭代匹配過程來確定至少一個頂級替代產品。在一些實施例中,候選頂級替代產品集可包括與儲存於資料庫407中的產品索引資料集408中的查詢產品相同的產品類別內的產品集,或儲存於資料庫407中的實驗資料集409中的產品的主清單目錄內的產品集。
處理器404可藉由經由資料I/O模組405b將產品檢索結果傳輸至外部前端系統103(例如圖1a中的行動裝置102A或電腦102B)來向使用者呈現目標產品或頂級替代產品結果。
儘管已參考本揭露內容的特定實施例繪示及描述本揭露內容,但應理解,可在不修改的情況下在其他環境中實踐本揭露內容。已出於示出的目的呈現前述描述。前述描述並不詳盡且不限於所揭露的精確形式或實施例。修改及調適對所屬技術領域中具有通常知識者將自本說明書的考量及所揭露實施例的實踐顯而易見。另外,儘管將所揭露實施例的態樣描述為儲存於記憶體中,但所屬技術領域中具有通常知識者應瞭解,此等態樣亦可儲存於其他類型的電腦可讀媒體上,諸如次級儲存裝置,例如硬碟或CD ROM,或其他形式的RAM或ROM、USB媒體、DVD、藍光,或其他光碟機媒體。
基於書面描述及所揭露方法的電腦程式在有經驗開發者的技能內。各種程式或程式模組可使用所屬技術領域中具有通常知識者已知的技術中的任一者來創建或可結合現有軟體來設計。舉例而言,程式區段或程式模組可以或藉助於.Net框架(.Net Framework)、.Net緊密框架(.Net Compact Framework)(及相關語言,諸如視覺培基(Visual Basic)、C等)、爪哇(Java)、C++、目標-C(Objective-C)、HTML、HTML/AJAX組合、XML或包含爪哇小程式的HTML來設計。
此外,儘管本文中已描述示出性實施例,但所屬技術領域中具有通常知識者將基於本揭露內容瞭解具有等效元件、修改、省略、(例如,各種實施例中的態樣的)組合、調適及/或更改的任何及所有實施例的範圍。申請專利範圍中的限制應基於申請專利範圍中所採用的語言來廣泛地解釋,且不限於本說明書中所描述或在本申請案的審查期間的實例。實例應視為非排他性的。另外,所揭露方法的步驟可以包含藉由對步驟重新排序及/或插入或刪除步驟的任何方式修改。因此,希望僅將本說明書及實例視為示出性的,其中藉由以下申請專利範圍及其等效物的完整範圍指示真實範圍及精神。
100:系統
101:運送授權技術系統
102A:行動裝置
102B:電腦
103:外部前端系統
105:內部前端系統
107:運輸系統
107A、107B、107C:行動裝置
109:賣方入口網站
111:運送及訂單追蹤系統
113:履行最佳化系統
115:履行通信報閘道
117:供應鏈管理系統
119:倉庫管理系統
119A:行動裝置/平板電腦
119B:行動裝置/PDA
119C:行動裝置/電腦
121A、121B、121C:第3方履行系統
123:履行中心授權系統
125:勞動管理系統
200:履行中心
201、222:卡車
202A、202B、208:物件
203:入站區
205:緩衝區
206:叉車
207:卸貨區
209:揀貨區
210:儲存單元
211:包裝區
213:樞紐區
214:運輸機構
215:營地區
216:牆
218、220:包裹
224A、224B:遞送工作者
226:汽車
300:過程
301、302、303、304、305、306:步驟
307:確定性方案
308:參考方案
400:基於機器學習的系統
401:使用者
404:處理器
405a:機器學習模組
405b:資料I/O模組
405c:查詢分析模組
407:資料結構/資料庫
408:產品索引資料集
409:實驗資料集
409a:歷史客戶購買資料
409b:產品的主清單目錄
圖1A為與所揭露實施例一致的示出包括用於實現運送、運輸以及物流操作的通信的電腦化系統的網路的例示性實施例的示意性方塊圖。
圖1B描繪與所揭露實施例一致的包含滿足檢索請求的一或多個檢索結果以及交互式使用者介面元素的樣本檢索結果頁(Search Result Page;SRP)。
圖1C描繪與所揭露實施例一致的包含產品及關於所述產品的資訊以及交互式使用者介面元素的樣本單一詳情頁(Single Detail Page;SDP)。
圖1D描繪與所揭露實施例一致的包含虛擬購物車中的物件以及交互式使用者介面元素的樣本購物車頁。
圖1E描繪與所揭露實施例一致的包含來自虛擬購物車的物件以及關於購買及運送的資訊以及交互式使用者介面元素的樣本訂單頁。
圖2為與所揭露實施例一致的經組態以利用所揭露電腦化系統的例示性履行中心的圖解圖示。
圖3為與所揭露實施例一致的示出辨別與使用者的查詢產品匹配的目標產品及產生頂級替代產品檢索結果的例示性過程的流程圖。
圖4為基於產品型號來辨別與使用者的查詢產品匹配的目標產品及產生頂級替代產品檢索結果的例示性系統的圖解圖示。
102A:行動裝置
102B:電腦
103:外部前端系統
400:基於機器學習的系統
401:使用者
404:處理器
405a:機器學習模組
405b:資料I/O模組
405c:查詢分析模組
407:資料結構/資料庫
408:產品索引資料集
409:實驗資料集
409a:歷史客戶購買資料
409b:產品的主清單目錄
Claims (20)
- 一種基於使用者查詢來辨別目標產品及產生替代產品推薦的電腦實施的系統,所述系統包括: 記憶體,儲存指令;以及 至少一個處理器,經組態以執行所述指令以執行操作,所述操作包括: 自一或多個資料結構擷取: 由所述使用者進行的產品檢索查詢, 至少一個資料集,以及 實驗資料集; 使用至少一個機器學習演算法來確定: 檢索類型, 與所述產品檢索查詢相關聯的多個屬性,以及 與所述多個屬性相關聯的至少一個圖案; 基於所述多個屬性、所述至少一個圖案、所述檢索類型以及所述資料集來確定至少一個查詢產品及與所述產品檢索查詢相關聯的至少一個查詢產品類別; 基於所述查詢產品來確定目標產品; 基於所述實驗資料來確定與所述查詢產品類別相關聯的多個關鍵特徵; 使用至少一個機器學習演算法基於所述多個關鍵特徵或所述查詢產品類別來確定至少一個頂級替代產品; 傳輸所述目標產品及所述頂級替代產品以供向所述使用者顯示。
- 如請求項1所述的系統,其中所述至少一個資料集包括在預定義時間範圍內收集的產品型號的目錄。
- 如請求項1所述的系統,其中所述使用者產品檢索查詢至少包括文數字產品型號、文字字串或其組合。
- 如請求項1所述的系統,其中所述實驗資料至少包括來自所有客戶或所有客戶的子集的彙總的購買資料。
- 如請求項1所述的系統,其中所述資料結構包括線性資料結構或非線性資料結構。
- 如請求項1所述的系統,其中與所述產品查詢相關聯的所述多個屬性包括產品型號、產品名稱或產品描述。
- 如請求項1所述的系統,其中對與所述查詢產品相關聯的所述關鍵特徵的確定進一步基於來自至少一個外部資料源的所挖掘資料。
- 如請求項1所述的系統,其中對所述頂級替代產品的確定是基於所述查詢產品類別及相關聯預定規則集。
- 如請求項1所述的系統,其中對所述頂級替代產品的確定是基於關於與所述產品相關聯的所述多個關鍵特徵的推測。
- 如請求項1所述的系統,其中對所述頂級替代產品的確定是基於第二產品的關鍵特徵及產品類別,所述第二產品緊接在所述查詢產品的所述檢索之前具有最高的客戶檢索頻率。
- 一種基於使用者查詢來辨別目標產品及產生替代產品推薦的電腦實施的方法,所述方法包括: 自一或多個資料結構擷取: 由所述使用者進行的產品檢索查詢, 至少一個資料集,以及 實驗資料集; 使用至少一個機器學習演算法來確定: 檢索類型, 與所述產品檢索查詢相關聯的多個屬性,以及 與所述多個屬性相關聯的至少一個圖案; 基於所述多個屬性、所述至少一個圖案、所述檢索類型以及所述資料集來確定至少一個查詢產品及與所述產品檢索查詢相關聯的至少一個查詢產品類別; 基於所述查詢產品來確定目標產品; 基於所述實驗資料來確定與所述查詢產品類別相關聯的多個關鍵特徵; 使用至少一個機器學習演算法基於所述多個關鍵特徵或所述查詢產品類別來確定至少一個頂級替代產品; 傳輸所述目標產品及所述頂級替代產品以供向所述使用者顯示。
- 如請求項10所述的方法,其中所述至少一個資料集包括在預定義時間範圍內收集的產品型號的目錄。
- 如請求項10所述的方法,其中所述實驗資料至少包括來自所有客戶或所有客戶的子集的彙總的購買資料。
- 如請求項10所述的方法,其中所述資料結構包括線性資料結構或非線性資料結構。
- 如請求項10所述的方法,其中與所述產品查詢相關聯的所述多個屬性包括產品型號、產品名稱或產品描述。
- 如請求項10所述的系統,其中對與所述查詢產品相關聯的所述關鍵特徵的確定進一步基於來自至少一個外部資料源的所挖掘資料。
- 如請求項10所述的方法,其中對所述頂級替代產品的確定是基於所述查詢產品類別。
- 如請求項10所述的方法,其中對所述頂級替代產品的確定是基於與所述產品相關聯的所述多個關鍵特徵。
- 如請求項10所述的方法,其中對所述頂級替代產品的確定是基於第二產品的關鍵特徵及產品類別,所述第二產品緊接在所述查詢產品的所述檢索之前具有最高的客戶檢索頻率。
- 一種基於使用者查詢來辨別目標產品及產生替代產品推薦的電腦實施的系統,所述系統包括: 記憶體,儲存指令;以及 至少一個處理器,經組態以執行所述指令以執行操作,所述操作包括: 自一或多個資料結構擷取: 由所述使用者進行的產品檢索查詢,至少包括文數字產品型號、文字字串或其任何組合, 至少一個資料集,至少包括在預定義時間範圍內收集的產品型號的目錄,以及 實驗資料集,至少包括來自所有客戶或所有客戶的子集的彙總的客戶資料; 使用至少一個機器學習演算法來確定: 檢索類型, 與所述產品查詢相關聯的多個屬性,至少包括產品型號、產品名稱或產品描述,以及 與所述多個屬性相關聯的至少一個圖案; 基於所述多個屬性、所述至少一個圖案、所述檢索類型以及所述資料集來確定至少一個查詢產品及與所述產品檢索查詢相關聯的至少一個查詢產品類別; 基於所述查詢產品來確定目標產品; 基於所述實驗資料及來自至少一個外部資料源的所挖掘資料來確定與所述查詢產品類別相關聯的多個關鍵特徵; 使用至少一個機器學習演算法基於將預定規則集應用於所述查詢產品類別或基於與所述產品相關聯的所述多個關鍵特徵的推測來確定至少一個頂級替代產品; 傳輸所述目標產品及所述頂級替代產品以供在外部裝置上向所述使用者顯示。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/704,943 | 2022-03-25 | ||
US17/704,943 US20230306490A1 (en) | 2022-03-25 | 2022-03-25 | Systems and methods for identifying top alternative products based on deterministic or inferential approach |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202341041A true TW202341041A (zh) | 2023-10-16 |
Family
ID=88096055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112104493A TW202341041A (zh) | 2022-03-25 | 2023-02-09 | 電腦實施的系統以及電腦實施的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230306490A1 (zh) |
KR (1) | KR20230139285A (zh) |
TW (1) | TW202341041A (zh) |
WO (1) | WO2023180799A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230099927A1 (en) * | 2021-09-30 | 2023-03-30 | Kyndryl, Inc. | Analyzing products and determining alternatives using artificial intelligence |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8275673B1 (en) * | 2002-04-17 | 2012-09-25 | Ebay Inc. | Method and system to recommend further items to a user of a network-based transaction facility upon unsuccessful transacting with respect to an item |
US7840448B2 (en) * | 2003-05-07 | 2010-11-23 | Cbs Interactive Inc. | System and method for automatically generating a narrative product summary |
US8190609B1 (en) * | 2011-08-18 | 2012-05-29 | Google Inc. | Identifying alternative products |
US9959563B1 (en) * | 2013-12-19 | 2018-05-01 | Amazon Technologies, Inc. | Recommendation generation for infrequently accessed items |
US10325304B2 (en) * | 2014-05-23 | 2019-06-18 | Ebay Inc. | Personalizing alternative recommendations using search context |
-
2022
- 2022-03-25 US US17/704,943 patent/US20230306490A1/en active Pending
- 2022-06-13 WO PCT/IB2022/055469 patent/WO2023180799A1/en unknown
- 2022-09-28 KR KR1020220123448A patent/KR20230139285A/ko unknown
-
2023
- 2023-02-09 TW TW112104493A patent/TW202341041A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
US20230306490A1 (en) | 2023-09-28 |
WO2023180799A1 (en) | 2023-09-28 |
KR20230139285A (ko) | 2023-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220188660A1 (en) | Systems and methods for processing data for storing in a feature store and for use in machine learning | |
TWI801861B (zh) | 根據產品特性決定產品價格的倉儲管理電腦實行系統以及方法 | |
TWI813926B (zh) | 用於網頁顯示修正的電腦化系統及方法 | |
US20220215452A1 (en) | Systems and method for generating machine searchable keywords | |
KR20240007737A (ko) | 제품 추천을 생성하기 위해 인공 지능을 사용하는 컴퓨터 시스템 및 방법 | |
TW202221529A (zh) | 用於產生搜尋的關鍵詞的方法以及系統 | |
TW202341041A (zh) | 電腦實施的系統以及電腦實施的方法 | |
KR102447333B1 (ko) | 실시간 제품 등록을 전자적으로 결정하기 위한 컴퓨터-구현된 시스템 및 방법 | |
US11263206B1 (en) | Systems and methods for multi-nodal stream processing framework for partitioned database | |
TWI755221B (zh) | 用於追蹤線上社群的電腦實行系統以及方法 | |
TW202230158A (zh) | 自產品名稱萃取屬性之系統以及方法 | |
US20230316369A1 (en) | Systems and methods for selecting and presenting products based on past purchases | |
TWI831003B (zh) | 資料庫協調之系統以及方法 | |
KR102459120B1 (ko) | 제품 타이틀을 이용한 지능적 제품 분류를 위한 시스템 및 방법 | |
TWI817110B (zh) | 產生內文相關檢索結果之電腦系統以及方法 | |
TWI834101B (zh) | 用於低潛時聚合資料供應的電腦實施的系統與用於區域需求估計的電腦實施的系統以及方法 | |
TWI760043B (zh) | 詐欺偵測與使用者帳號去除重複之電腦化系統以及方法 | |
TW202403636A (zh) | 電腦可讀媒體以及用於將動態產生的產品推薦提供至聯盟網站的電腦實行系統與方法 | |
KR20220115854A (ko) | 제품 타이틀로부터 수량의 지능적 추출을 위한 시스템 및 방법 | |
KR20230161318A (ko) | 제품 검색에서 필터를 최적화하기 위한 방법 및 시스템 | |
KR20220122715A (ko) | 스크랩을 예측 및 관리하기 위한 컴퓨터화된 시스템 및 방법 | |
TW202244910A (zh) | 用於流線型產品檢索的電腦實行系統以及方法 | |
TW202209221A (zh) | 電腦實行系統以及方法 |