[發明專利]產品推薦和集成語言建模的系統和方法

在審

• 申請號: 202180035055.4
• 申請日: 2021-05-14
• 公開（公告）號: CN115605896A
• 公開（公告）日: 2023-01-13
• 發明（設計）人: J·張;N·J·戴爾特托三世
• 申請（專利權）人: 易享信息技術有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 北京市聯德律師事務所 11361
• 代理人: 黃大正;張來光

提供了系統和方法，用于追蹤來自電子產品目錄的一個或多個用戶的動作，向與產品項信息無關的被追蹤動作中的每個分配第一標志，向具有目錄信息或產品標識的一個或多個被追蹤動作分配第二標志，基于電子產品目錄的頁面的至少一個類別向一個或者多個被追蹤動作分配第三標志，以及向一個或多個被追蹤動作的至少一個搜索查詢和/或搜索優化分配第四標志。服務器可以針對一個或多個用戶中的每個在一個或多個向量中生成標志序列，可以將一個或多個用戶的概況信息編碼為向量矩陣，并且可以針對一個或多個用戶由電子目錄確定至少一個產品推薦。

背景技術

部署于在線零售商網站上的典型產品推薦通過基于評級歷史針對用戶-商品配對的評級進行預測而工作，評級歷史包括由用戶給出的評級或對商品給出的評級。

附圖說明

附圖被納入本說明書并構成本說明書的一部分，附圖被用于提供對所公開的主題的進一步理解。附圖還示出了所公開的主題的實施方式，并且與具體實施方式一起對所公開的主題的實施方式的原理進行了解釋。對于基本理解所公開的主題和可用于實踐的各種方式而言，不應試圖超出必要而更詳細地顯示結構細節。

圖1-2示出了根據所公開的主題的實施方式，針對用戶從電子目錄確定產品推薦的示例性方法。

圖3A-3E示出了根據所公開的主題的實施方式，用戶與產品目錄交互、生成標志(token)以及提供產品推薦的示例。

圖4示出了根據所公開的主題的實施方式的計算機系統。

圖5示出了根據所公開的主題的實施方式的網絡配置。

具體實施方式

參考附圖對所公開的各個方面或特征進行描述，其中相同的附圖標記在全文用于指代相同的要素。在本說明書中，為了提供對所公開的透徹理解，對許多細節進行了闡述。然而，應當理解，公開文本的某些方面可以在沒有這些具體細節的情況下或者利用其他方法、組件、材料等來實踐。在其他情況下，以框圖形式示出了公知的結構和設備，以便于對公開文本進行描述。

所公開的主題的實施方式提供了對在線商業零售商的電子產品目錄的產品進行推薦的系統和方法。可以對用戶與電子產品目錄的交互進行追蹤。被追蹤的活動可以被標志化，使得可以針對每個用戶而具有標志序列，這些標志序列是利用在線電子產品目錄根據用戶的活動轉換而來的。這些可以被稱為目錄標志的標志可以包括活動標志、產品標志和類別標志，并且可以被編碼為向量。為了使推薦個性化，可以將用戶概況信息(profileinformation)編碼為向量矩陣。用戶概況信息向量和向量化的標志可用于進行推薦。語言模型可以基于標志，其中一些標志比其他標志更頻繁地彼此關聯(即，標志的共現(co-occurrence))。模型可以用于預測接下來用于推薦的頂級產品項。

相比之下，傳統的推薦系統使用協同過濾(CF)，例如奇異值分解(SVD)。這樣的系統基于評級歷史(由用戶給出，并且對商品給出)而預測用戶-商品配對的評級。大多數CF算法基于用戶-商品評級矩陣，其中每行表示用戶，每列表示商品。矩陣的條目是用戶所給出的對商品的評級。SVD是常用于減少數據集的特征數量的矩陣分解技術。

一些傳統的推薦系統使用語境強盜(context bandit)算法。例如，這樣的系統確定哪些用戶是相似的，并且基于相似用戶的選擇和/或購買而為特定用戶提供推薦。這樣的系統通常還針對與已被查看或購買過的商品類似的商品提供推薦。

其他傳統系統使用語言處理，例如BERT(基于轉換器的雙向編碼器表征)，其是基于神經網絡用于自然語言處理(NLP)預訓練的技術。BERT通常用于確定搜索中字的上下文以及將搜索查詢與相關結果進行匹配。

對于可以包括電子產品目錄的商業網站，購物者和/或用戶通常可以瀏覽一些產品項并與電子目錄進行交互。對電子產品目錄中購物者最可能購買的一種或多種產品進行推薦是可取的。