TWI514173B - 互動式推薦系統與方法 - Google Patents

Description

互動式推薦系統與方法

本案是有關於一種互動式推薦系統與方法。

隨著網路更加發達，人類愈來愈習慣透過網上的資訊檢索系統，來搜尋其所想要的東西、資訊、服務等。

目前現有之資訊檢索系統，如Google，開眼電影網站…等等，根據使用者所輸入的關鍵詞，找出符合條件的項目(如書本、電影、資訊等)，並將搜尋結果呈現在使用者眼前。而網路推薦服務，如博客來網路書店，是在使用者選定商品後，再根據商品特性，推薦使用者購買其他網友推薦商品或同類商品(此稱推薦方式亦可稱為後端推薦)。

然而，由於這類的檢索系統與推薦系統在進行結果呈現時，並未考量到使用者偏好，故而，無法提供個人化的互動機制，也無法限縮查詢範圍。所以，其檢索結果/推薦結果可能數量十分龐大(可能高達數百千筆)。導致使用者於使用這些檢索系統與推薦系統，往往必須花費相當多的時間來逐一確認系統提供 的檢索/推薦結果。這對使用者而言，相當的不便。

本案提出互動式推薦系統與方法，根據使用者偏好動態群組搜尋結果，藉由對話管理技術與使用者互動，縮小檢索範圍。利用推薦技術計算使用者對各項搜尋結果的偏好程度，呈現符合使用者偏好與意圖的推薦項目。

根據本案一實施例，提出一種互動式推薦系統，包括：一使用者介面，用以接收一使用者查詢條件，並輸出一推薦結果；一對話管理模組；一查詢模組，根據該使用者查詢條件，查詢一資料來源並回傳一查詢結果給該對話管理模組；一群組模組，根據一使用者偏好模型對該查詢結果進行群組，並將一群組結果回傳給該對話管理模組；以及一推薦模組，根據該使用者偏好模型對該查詢結果進行推薦以得到該推薦結果，並將該推薦結果回傳給該對話管理模組。該對話管理模組根據一歷史對話管理紀錄、該查詢條件、該查詢結果、該群組結果與該推薦結果來更新一對話管理狀態，並根據更新後的該對話管理狀態來決定該查詢條件、該查詢結果、該群組結果與該推薦結果之流向。

根據本案另一實施例，提出一種互動式推薦方法，包括：接收一使用者查詢條件；根據該使用者查詢條件，查詢一資料來源並回傳一查詢結果；根據一使用者偏好模型對該查詢結果進行群組，並回傳一群組結果；以及根據該使用者偏好模型對該查詢結果進行推薦以得到一推薦結果，並讓一使用者對該推薦 結果進行互動。根據一歷史對話管理紀錄、該查詢條件、該查詢結果、該群組結果與該推薦結果來更新一對話管理狀態，並根據更新後的該對話管理狀態來決定該查詢條件、該查詢結果、該群組結果與該推薦結果之流向。

為了對本案之上述及其他方面有更佳的瞭解，下文特舉實施例，並配合所附圖式，作詳細說明如下：

100‧‧‧互動式推薦系統

110‧‧‧使用者介面

120‧‧‧對話管理模組

130‧‧‧查詢模組

140‧‧‧群組模組

150‧‧‧推薦模組

160‧‧‧使用者偏好模型

121‧‧‧歷史對話管理紀錄

122、122A、122B、122C‧‧‧更新對話管理狀態

111‧‧‧網頁

112‧‧‧網頁伺服器

132‧‧‧電影資料庫

152‧‧‧使用者歷史紀錄

153‧‧‧使用者個人資訊

S1~S12‧‧‧操作

第1圖顯示根據本案一實施例之互動式推薦系統的功能方塊圖。

第2圖顯示根據本案實施例應用於查詢電影的實作功能方塊圖。

第3圖~第5圖顯示根據本案第2圖的電影查詢的操作流程。

本案實施例提出互動式推薦系統與方法，根據使用者提供的資訊，找出符合條件的商品或資訊。更甚者，本案實施例根據使用者偏好，動態地群組符合條件的項目(如商品或資訊等)，從群組分析結果來跟使用者互動，以得到更多查詢條件。如此，本案實施例以期快速找出符合使用者意圖的項目(如商品或資訊)，促進使用者更有意願去點擊互動式推薦服務的推薦結果，以增加使用者方便及提高系統的點擊率。

現請參考第1圖，其顯示根據本案一實施例之互動 式推薦系統的功能方塊圖。如第1圖所示，本案實施例的互動式推薦系統100包括：使用者介面110、對話管理模組120、查詢模組130、群組模組140與推薦模組150。

使用者介面110使得使用者能夠方便、效率地去操作互動式推薦系統100，以達成雙向之互動。在得到使用者所輸入的查詢條件後，互動式推薦系統100能夠自資料來源取得符合使用者意圖的結果。使用者介面110接收使用者所輸入的查詢條件，並輸出系統推薦結果。互動式推薦系統100可從網路或資料庫找尋所要的相關資料，網路與資料庫即為資料來源的例子，但並非用於限定本案。

對話管理模組120接收使用者介面110所傳來的資訊，據以更新該使用者的查詢對話紀錄，將符合使用者意圖的查詢資訊傳送至查詢模組130。此外，對話管理模組120接收查詢模組130的查詢結果，更新該使用者的歷史對話管理紀錄121，確認是否需要對查詢結果進行群組分析或推薦。

如果需要進行群組分析，則對話管理模組120告知群組模組140來進行群組分析；否則，對話管理模組120告知推薦模組150，以進行推薦結果評分。

在群組模組140進行群組分析後，對話管理模組120接收群組模組140的群組分析結果，更新群組分析結果紀錄，並傳送至使用者介面110，與使用者進行互動。

對話管理模組120接收推薦模組150的推薦結果， 更新推薦結果紀錄，並傳送至使用者介面110，以輸出推薦結果。

亦即，對話管理模組120根據所輸入的資訊(此輸入資訊可能是由使用者介面110、或查詢模組130、或群組模組150、或推薦模組140所輸入)與歷史對話管理紀錄121，更新對話管理狀態122，並根據目前對話管理狀態，傳送資訊至其他模組130~150或使用者介面110。

查詢模組130接收對話管理模組120傳來的查詢條件，自資料來源找出符合查詢條件的查詢結果，回覆對話管理模組120。

群組模組140根據使用者偏好模型160對查詢模組130所傳來的查詢結果進行群組，並回傳給對話管理模組120。

推薦模組150接收對話管理模組120所傳入的查詢結果，採用如混合式(Hybrid)推薦方式，來根據使用者歷史紀錄152、使用者個人資訊153與使用者偏好模型160，重新排序推薦結果，將推薦結果回傳至對話管理模組120。

由上述可知，對話管理模組120會根據模組130~150所回傳的結果(查詢結果、推薦結果)及使用者介面110的查詢條件，來更新對話管理狀態122，並決定查詢結果、推薦結果及查詢條件的流向。也就是說，對話管理模組120決定查詢結果、推薦結果及查詢條件要傳至模組130~150及使用者介面110之哪一個。

此外，本案實施例之推薦模組150可採用基於矩陣 分解之推薦技術，或者是協同過濾(collaborative filtering)推薦、或者是基於內容過濾(content-based filtering)推薦或者是混合式(hybrid)推薦。

使用者偏好模型160可為事先收集而設定好。比如，以問卷調查族群的各使用者的個人偏好，以當成此族群的初始個人偏好設定。也就是說，這個族群的所有使用者的初始個人偏好設定是相同的。之後，隨著該使用者的查詢次數足夠，根據該使用者的使用結果，可針對使用者個人的偏好模型進行個人化微調。亦即，經過個人化微調下，同一族群的使用者的個人偏好模型將出現個人化差異，以忠實地反映個人的偏好。比如，以年齡約30歲~40歲間的男性族群而言，其所喜愛的電影類型可能初始設定為動作片。隨著此族群下的某位男性使用者的查詢次數增加(比如，此男性可能較喜愛看劇情片)，則該男性使用者的個人偏好將包括「劇情片」，與此族群的初始偏好較為不同，此即個人化差異。

在底下，為說明本案實施例的互動式推薦系統100的操作，以電影查詢為例做說明，但當知本案並不受限於此。本案其他實施例亦可用於查詢其他資訊/項目，比如，可用於書本查詢(使用者購買書本時的查詢)、餐館查詢等，此皆在本案精神範圍內。

現請參考第2圖，其顯示根據本案實施例應用於查詢電影的實作功能方塊圖。如第2圖所示，以網頁伺服器112來 實作使用者介面110，使用者可以藉由網頁111與互動式推薦系統100互動。於初始狀態，對話管理狀態如參考符號122A所示。

現請參考第3圖~第5圖，其顯示根據本案第2圖的電影查詢的操作流程。請注意為方便顯示，於第3圖~第5圖中，互動式推薦系統100的所有元件並非完全顯示出來。

於操作S1中，使用者於網頁111上輸入想要查詢的條件(電影屬性關鍵詞)，例如演員梁朝偉，此電影屬性關鍵詞將輸入至網頁伺服器112。使用者比如可利用語音或按鍵輸入其所想要查詢的關鍵詞。另外，使用者亦可於其手持式電子裝置(如手機、平板電腦等)上打開網頁111並輸入，此皆在本案精神範圍內。

於操作S2中，對話管理模組120更新對話管理狀態(將對話管理狀態122A更新為對話管理狀態122B)，將查詢條件(關鍵詞：梁朝偉)傳送至查詢模組130。

於操作S3中，查詢模組130查詢電影資料庫132(比如，查詢得知由演員梁朝偉所主演的68部電影資料)，並將查詢結果回覆給對話管理模組120。

於操作S4中，於接收到查詢模組130所回傳的查詢結果(演員梁朝偉所主演的68部電影資料)後，對話管理模組120更新對話管理狀態(將對話管理狀態122B更新為對話管理狀態122C)，並判斷是否需要對查詢結果進行群組分析或是進行推薦。如果需要群組分析，則進行下一個操作S5(進行群組)；如果不需要群組分析，則進行操作S10，以進行結果推薦(亦即，將查 詢結果顯示給使用者)。

如果對話管理模組120採用框式(frame-based)對話管理技術，對話流程將因不同撰寫設計態樣而有所不同。一般可能是根據經驗法則與應用領域，制定固定門檻值，作為決定下一步要進行群組或推薦的依據。比如，如果所找到的推薦結果數量高於門檻的話，則要再進行群組。

另一方面，如果對話管理模組120採用範例式(example-based)對話管理技術，則是從事先蒐集的範例中，找到一個與目前的對話狀態最相似的範例。根據這個範例中紀錄的動作(群組或推薦)，作為決定下一步是進行群組或推薦的依據。

如果對話管理模組120採用統計式(statistical-based)對話管理技術，可利用對應的公式從歷史對話紀錄找出最適合的系統回覆，作為決定下一步是進行群組或推薦的依據。

此外，對話管理模組120亦可採用具可攜性的交談管理器(Dialog management)。或者，對話管理模組120亦可採用知識式(knowledge-based)交談管理技術、以議程為基礎(agenda-based)交談管理技術、有限狀態(finite-state)交談管理技術、資料驅動式(data-driven)交談管理技術、範例式(example-based)交談管理技術、強化學習式(reinforcement learning)交談管理技術、部份顯著馬可夫決定程序式(partially observable Markov Decision Process)交談管理技術、或混合式(hybrid)交談管理技術。

在對話管理模組120判斷需要進行群組分析的情況 下，於操作S5中，在進行群組時，群組模組140根據使用者偏好模型160，以【電影類別】對查詢結果進行群組，並推薦3種使用者偏好群組，分別為動作片，愛情片以及劇情片。

亦即，群組模組140接收對話管理模組120傳來的查詢結果與群組分析需求，群組模組140根據接收的群組分析需求與使用者偏好，動態地對查詢結果進行群組。比如，在本實施例中，群組模組140根據使用者偏好模型160，確定使用者重視的電影屬性為【電影類別】。因此，群組模組140根據電影類別將對話管理模組120傳入的查詢結果(68筆和梁朝偉相關的電影查詢結果)分為數個群組，根據使用者對電影類別的偏好紀錄，推薦3種使用者喜歡的群組，如動作片，愛情片以及劇情片。

於操作S6中，對話管理模組120接收群組模組140的群組分析結果與所推薦的群組後，更新對話管理狀態，並將群組結果與偏好群組傳送至網頁伺服器112。

於操作S7中，網頁伺服器112將群組分析結果與推薦群組呈現於網頁111上，等待使用者更一步輸入查詢條件。亦即，網頁伺服器112透過網頁111呈現所接收到的群組分析結果與推薦群組，如此的話，使用者可以根據群組分析結果提供更進一步的查詢條件。比如，如第4圖所示，群組結果(梁朝偉所主演的動作片、愛情片與劇情片)顯示於網頁111上。故而，呈現於使用者面前的推薦結果，不但分為群組，且顯示出使用者可能愛看的電影類別。對於使用者而言，所要瀏覽的資料數量大為減少， 且使用者可快速、方便地挑選其所想要看的電影類別。

於操作S8中，網頁伺服器112與網頁111接收使用者的輸入資訊(例如【愛情片】)。亦即，於使用者瀏覽呈現於網頁111上的群組分析結果後，根據群組結果，使用者提供更進一步的查詢條件。例如，使用者可於網頁111上的顯示結果上，勾選【愛情片】，代表使用者想要看梁朝偉所主演的愛情片。

於操作S9中，對話管理模組120接收到由使用者所輸入的更進一步查詢條件後，根據歷史對話管理紀錄來更新對話管理狀態，並將符合更進一步查詢條件(梁朝偉&愛情片)的查詢結果傳送至推薦模組150。

操作S9的實施例細節比如為，對話管理模組接收到查詢資訊後，更新使用者的查詢對話紀錄，並將所紀錄的使用者查詢條件(【梁朝偉&愛情片】)交付查詢模組130。查詢模組130接收到查詢資訊後，自電影資料庫132中找到6筆和【梁朝偉&愛情片】相關的電影查詢結果，將查詢結果回覆對話管理模組120。對話管理模組120接收到查詢結果後，更新查詢結果紀錄，判斷是否需要對查詢結果進行群組分析(如上述)或進行推薦。如果需要群組分析，則回到操作S5，根據使用者其他的電影屬性偏好，再次對查詢結果進行群組；如果不需要群組分析，則進行操作S10。

操作S9的實施例又比如為，對話管理模組接收到查詢資訊後，更新使用者的查詢對話紀錄，並從群組結果中取得符 合使用者查詢條件的群組(6筆和【梁朝偉&愛情片】相關的電影查詢結果)，將此符合查詢條件的群組紀錄(6筆和【梁朝偉&愛情片】相關的電影查詢結果)更新為對話管理狀態中的查詢結果紀錄。判斷是否需要對該查詢結果進行群組分析(如上述)。如果需要群組分析，則回到操作S5，根據使用者其他的電影屬性偏好，再次對查詢結果進行群組；如果不需要群組分析，則進行操作S10。

於操作S10中，根據使用者偏好、使用者個人資料與歷史對話管理紀錄，推薦模組150分析使用者對查詢結果(比如，6部和【梁朝偉&愛情片】相關的電影)的偏好評分，並根據偏好評分重新排序推薦結果。

於操作S11中，接收到推薦模組150的推薦結果後，對話管理模組120更新對話管理狀態，並將推薦結果傳送網頁伺服器112。

於操作S12中，網頁伺服器112將電影推薦結果呈現於網頁111上。比如，如第5圖所示，將梁朝偉所主演的愛情片顯示於網頁111上，以方便使用者快速挑選其所想要看的電影。

在本案上述實施例中，「推薦」乃是前端推薦，前端推薦是指，在使用者挑選的過程中，系統會自動過濾、推薦使用者可能想要的資訊、項目。如此一來的話，在使用者挑選過程中，系統將會一直給予協助，幫忙過濾使用者可能想要的項目、資訊。對於使用者的挑選有很大幫助。

後端推薦是指，當使用者選擇其所要的資訊、項目後，系統才根據使用者的挑選來進行推薦。比如，當使用者想要買書時，直到使用者將其所要買的書挑選好之後，系統才據以推薦使用者其他類似類型的書。但對於使用者而言，在挑選其所想要的書的過程中，系統並無給予更進一步的幫助。所以，如果根據使用者一開始所下的條件，系統搜尋到的書很多本的話，則使用者將要花很多時間在過濾、篩選上。對於使用者而言，這樣的挑選過程很麻煩。

此外，於本案實施例中，更可根據使用者所使用的電子裝置的螢幕來調整每一頁面所呈現的推薦數量，以方便使用者。比如，假如使用者是使用平板電腦的話，則根據平板電腦的顯示解析度，每頁可顯示7~8個推薦結果，這樣的大小剛好符合平板電腦的顯示解析度，又方便使用者觀看與點取、輸入等。

綜上所述，雖然本案已以實施例揭露如上，然其並非用以限定本案。本案所屬技術領域中具有通常知識者，在不脫離本案之精神和範圍內，當可作各種之更動與潤飾。因此，本案之保護範圍當視後附之申請專利範圍所界定者為準。

100‧‧‧互動式推薦系統

110‧‧‧使用者介面

120‧‧‧對話管理模組

130‧‧‧查詢模組

140‧‧‧群組模組

150‧‧‧推薦模組

160‧‧‧使用者偏好模型

121‧‧‧歷史對話管理紀錄

122‧‧‧更新對話管理狀態

Claims (18)

1. 一種互動式推薦系統，包括：一使用者介面，用以接收一使用者查詢條件，並輸出一推薦結果；一對話管理模組；一查詢模組，根據該使用者查詢條件，查詢一資料來源並回傳一查詢結果給該對話管理模組；一群組模組，根據一使用者偏好模型對該查詢結果進行群組，並將一群組結果回傳給該對話管理模組；以及一推薦模組，根據該使用者偏好模型對該查詢結果進行推薦以得到該推薦結果，並將該推薦結果回傳給該對話管理模組；其中，該對話管理模組根據一歷史對話管理紀錄、該查詢條件、該查詢結果、該群組結果與該推薦結果來更新一對話管理狀態，並根據更新後的該對話管理狀態來決定該查詢條件、該查詢結果、該群組結果與該推薦結果之個別流向。
2. 如申請專利範圍第1項所述之互動式推薦系統，其中，於接收到由該使用者介面所傳來的該查詢條件，該對話管理模組更新該對話管理狀態，並將該查詢條件傳送至該查詢模組。
3. 如申請專利範圍第2項所述之互動式推薦系統，其中，於接收到該對話管理模組所傳來的該查詢條件，該查詢模組查詢該資料來源並回傳該查詢結果給該對話管理模組。
4. 如申請專利範圍第3項所述之互動式推薦系統，其中， 於接收到該查詢結果後，該對話管理模組更新該對話管理狀態，並判斷是否需要對該查詢結果進行群組或是進行推薦；如果需要群組分析，則該對話管理模組將該查詢結果送至該群組模組，並告知該群組模組以進行群組；以及如果不需要群組分析，則該對話管理模組將該查詢結果送至該推薦模組，並告知該推薦模組以進行推薦。
5. 如申請專利範圍第4項所述之互動式推薦系統，其中，在進行群組時，該群組模組根據該使用者偏好模型，確定一使用者重視屬性；該群組模組根據該使用者重視屬性將該查詢結果進行群組，分為複數個群組；以及根據一使用者偏好紀錄，該群組模組推薦至少一個使用者喜好群組。
6. 如申請專利範圍第5項所述之互動式推薦系統，其中，該對話管理模組接收該群組模組的該群組結果，更新該對話管理狀態，並將該群組結果與該至少一個使用者喜好群組傳送至該使用者介面。
7. 如申請專利範圍第6項所述之互動式推薦系統，其中，該使用者介面將該群組結果呈現，以等待並接收下一查詢條件。
8. 如申請專利範圍第7項所述之互動式推薦系統，其中，該對話管理模組接收到由該使用者介面所傳來的該下一查 詢條件後，根據該歷史對話管理紀錄來更新該對話管理狀態，並將符合該下一查詢條件的一另一查詢結果傳送至該推薦模組。
9. 如申請專利範圍第8項所述之互動式推薦系統，其中，根據該使用者偏好模型、一使用者個人資料與該歷史對話管理紀錄，該推薦模組對該查詢結果進行偏好評分，並據以重新排序該推薦結果。
10. 如申請專利範圍第9項所述之互動式推薦系統，其中，接收到該推薦模組所重新排序的該推薦結果後，該對話管理模組更新該對話管理狀態，並將重新排序的該推薦結果傳送至該使用者介面，以呈現出重新排序的該推薦結果。
11. 一種互動式推薦方法，應用於一互動式推薦系統，包括：該互動式推薦系統接收一使用者查詢條件；該互動式推薦系統根據該使用者查詢條件，查詢一資料來源並回傳一查詢結果；該互動式推薦系統根據一使用者偏好模型對該查詢結果進行群組，並回傳一群組結果；以及該互動式推薦系統根據該使用者偏好模型對該查詢結果進行推薦以得到一推薦結果，並讓一使用者對該推薦結果進行互動；其中，該互動式推薦系統根據一歷史對話管理紀錄、該查詢條件、該查詢結果、該群組結果與該推薦結果來更新一對話管理狀態，並根據更新後的該對話管理狀態來決定該查詢條件、該查 詢結果、該群組結果與該推薦結果之個別流向。
12. 如申請專利範圍第11項所述之互動式推薦方法，其中，該互動式推薦系統於接收到該查詢條件後，更新該對話管理狀態。
13. 如申請專利範圍第12項所述之互動式推薦方法，其中，該互動式推薦系統於接收到該查詢結果後，更新該對話管理狀態；該互動式推薦系統判斷是否需要對該查詢結果進行群組或是進行推薦；如果需要群組分析，則該互動式推薦系統進行群組；以及如果不需要群組分析，則該互動式推薦系統進行推薦。
14. 如申請專利範圍第13項所述之互動式推薦方法，其中，該互動式推薦系統在進行群組時，根據該使用者偏好模型，確定一使用者重視屬性；該互動式推薦系統根據該使用者重視屬性將該查詢結果進行群組，分為複數個群組；以及該互動式推薦系統根據一使用者偏好紀錄，推薦至少一個使用者喜好群組。
15. 如申請專利範圍第14項所述之互動式推薦方法，其中，該互動式推薦系統接收該群組結果，更新該對話管理狀態，並將該群組結果與該至少一個使用者喜好群組顯示給該使用者，以等待並接收下一查詢條件。
16. 如申請專利範圍第15項所述之互動式推薦方法，其中，該互動式推薦系統接收到該下一查詢條件後，根據該歷史對話管理紀錄來更新該對話管理狀態。
17. 如申請專利範圍第16項所述之互動式推薦方法，其中，該互動式推薦系統根據該使用者偏好模型、一使用者個人資料與該歷史對話管理紀錄，對該查詢結果進行偏好評分，並據以重新排序該推薦結果。
18. 如申請專利範圍第17項所述之互動式推薦方法，其中，該互動式推薦系統接收到重新排序的該推薦結果後，更新該對話管理狀態，並呈現出重新排序的該推薦結果，以與該使用者互動。