JP2013522719A - 製品のカテゴリ分類 - Google Patents

Abstract

【解決手段】製品のカテゴリ分類は、取得されたデータから複数の製品のタイトルを抽出し、タイトルをフレーズに分割し、フレーズについての各スコアを決定し、フレーズについての決定された各のスコアに少なくとも部分的に基づくフレーズの少なくとも１つを使用して、複数の製品のうちの第１の製品についての第１のワードシーケンスを構成し、第１のワードシーケンスを複数の製品のうちの第２の製品についての第２のワードシーケンスと比較し、比較に少なくとも部分的に基づいて、複数の製品のうちの第１の製品と第２の製品とを統合して１つの製品カテゴリに入れることを含む。
【選択図】図１

Description

［関連出願の相互参照］
本出願は、あらゆる目的のために、参照によって本明細書に組み込まれる、２０１０年３月９日に出願された発明の名称を「METHOD AND DEVICE FOR CATEGORIZING DATA（製品をカテゴリ分類するための方法及び装置）」とする中国特許出願第２０１０１０１２２１４１．２号に基づく優先権を主張する。該出願は、

本発明は、データ処理の技術に関し、特に、製品データをカテゴリ分類するための方法及びシステムに関する。

電子商取引ウェブサイトでは、一般に、ウェブサイト上の製品を記述する各種のデータがテキストやデータ表などの形で記憶されている。電子ウェブサイトで取り上げられるデータは大量なので、全ての製品に関する記述データは、大規模な情報コンテンツを形成する。したがって、とりわけ類似の製品について、データをどの程度効果的に管理するべきかに関する問題がある。

各種の電子商取引ウェブサイトでは、クラスタリング技術を使用して製品の各種のデータをカテゴリ分類することが一般的である。代表的なクラスタリング技術は、既定の一連のルール及び条件に基づいて、製品に関するデータをカテゴリ別に分類する（例えば、類似の製品は、同じカテゴリに分類される）。

通常使用されるクラスタリング方法の一例は、階層的クラスタリングである。このクラスタリング階層的クラスタリング方法は、ボトムアップポリシーのことを言う。代表的なボトムアップポリシーでは、カテゴリ分類されるべき各オブジェクトが、最初は別々のアトムクラスタと見なされ、これらのアトムクラスタは、次いで、同じカテゴリに属する全てのオブジェクトが同じグループにまとめられるまで又は終了条件が満たされるまで、より高いレベルに新しいクラスタを形成するために統合される。

しかしながら、上記のクラスタリング方法を使用して電子商取引ウェブサイトのデータを分類するためには、広範なデータ処理が必要とされ、これは、システムリソースの非効率を招くと考えられる。

発明の様々な実施形態が、以下の詳細な説明及び添付の図面で開示される。

製品をカテゴリ分類するためのシステムの一実施形態を示した図である。

製品をカテゴリ分類するプロセスの一実施形態を示したフローチャートである。

製品をカテゴリ分類するプロセスの別の一実施形態を示したフローチャートである。

製品データをカテゴリ分類及び使用するためのシステムの一実施形態を示した図である。

本発明は、プロセス、装置、システム、合成物、コンピュータによって読み取り可能なストレージ媒体に実装されたコンピュータプログラム製品、並びに／又は結合先のメモリに記憶された命令及び／若しくは結合先のメモリによって提供される命令を実行するように構成されたプロセッサなどのプロセッサを含む、数々の形態で実装することができる。本明細書では、これらの実装形態、又は本発明がとりえるその他のあらゆる形態を、技術と称することができる。総じて、開示されたプロセスのステップの順序は、本発明の範囲内で可変である。別途明記されない限り、タスクを実施するように構成されるとして説明されるプロセッサ又はメモリなどのコンポーネントは、所定時にタスクを実施するように一時的に構成される汎用コンポーネントとして、又はタスクを実施するように製造された特殊コンポーネントとして実装することができる。本明細書で使用される「プロセッサ」という用語は、コンピュータプログラム命令などのデータを処理するように構成された１つ又は２つ以上のデバイス、回路、及び／又は処理コアを言う。

本発明の原理を例示した添付の図面とともに、以下で、発明の１つ又は２つ以上の実施形態の詳細な説明が提供される。本発明は、このような実施形態との関連のもとで説明されているが、いかなる実施形態にも限定されない。本発明の範囲は、特許請求の範囲によってのみ限定され、本発明は、数々の代替形態、変更形態、及び均等物を内包している。以下の説明では、本発明の完全な理解を可能にするために、数々の具体的詳細が明記されている。これらの詳細は、例示を目的として提供されるものであり、本発明は、これらの詳細の一部又は全部を伴わずとも、特許請求の範囲にしたがって実施することができる。明瞭さを期するため、本発明に関連する技術分野において知られる技術要素は、本発明が不必要に不明瞭にされないように詳細な説明を省略される。

製品のカテゴリ分類が開示される。一部の実施形態では、製品データが取得され、製品データの中で言及されている製品のタイトルが抽出される。一部の実施形態では、製品データから製品の属性情報も抽出される。抽出された情報は、フレーズに分割される。フレーズの過去発生頻度に少なくとも部分的に基づいて、各フレーズについてのスコアが決定される。製品について、１つ又は２つ以上の一連のフレーズが選択され、ワードシーケンスに構成される。各製品について構成されたワードシーケンスは、その他の製品のワードシーケンスと比較される。類似のワードシーケンスを持つ製品は、統合されて１つのカテゴリ下の製品集合にされる。

一部の実施形態では、類似のワードシーケンスを持つ製品を統合して１つのカテゴリ下の製品集合にすることは、また、そのカテゴリの製品の関連データ（例えば、製品のカテゴリを記述する付随の製品データ）を統合することも含む。

図１は、製品をカテゴリ分類するためのシステムの一実施形態を示した図である。図に示された例では、システム１００は、抽出ユニット１０と、分割ユニット１１と、選択ユニット１２と、統合ユニット１３と、処理ユニット１４とを含む。

システム１００は、パソコン、サーバコンピュータ、スマートフォンなどの手持ち式のすなわち携帯型のデバイス、フラットパネルデバイス、マルチプロセッサシステム、マイクロプロセッサベースのシステム、セットトップボックス、プログラマブル家庭用電子機器、ネットワークＰＣ、ミニコンピュータ、大規模コンピュータ、特殊用途向けデバイス、上記のシステム若しくはデバイスの任意を含む分散コンピューティング環境、又は１つ若しくは２つ以上のプロセッサと、該プロセッサに結合され該プロセッサに命令を提供するように構成されたメモリと、を含むその他のハードウェア／ソフトウェア／ファームウェアの組み合わせなどの、任意の適切なコンピューティングデバイスを使用して実装することができる。

ユニットは、１つ又は２つ以上の汎用プロセッサ上で実行されるソフトウェアコンポーネントとして、プログラマブルロジックデバイス及び／若しくは所定の機能を実施するように設計された特殊用途向け集積回路などのハードウェアとして、又はそれらの組み合わせとして実装することができる。一部の実施形態では、ユニットは、本発明の実施形態で説明された方法をコンピュータデバイス（パソコン、サーバ、ネットワーク機器など）に実行させるための幾つかの命令を含み且つ不揮発性のストレージ媒体（光ディスク、フラッシュストレージデバイス、モバイルハードディスクなど）に記憶させることができるソフトウェア製品の形で具現化することができる。ユニットは、１つのデバイスに実装する又は複数のデバイスに分散させることができる。ユニットの機能は、互いに合体させる又は複数のサブユニットに更に分けることができる。

抽出ユニット１０は、カテゴリ分類されるべき製品に関連するデータを取得するように構成される。抽出ユニット１０は、また、取得されたデータから製品のタイトルを抽出するように構成される。一部の実施形態では、抽出ユニット１０は、取得されたデータから製品の属性情報も抽出するように構成される。

分割ユニット１１は、製品のタイトルの各々を１つ又は２つ以上のフレーズに分割するように構成され、各フレーズは、１つ又は２つ以上のワードを含む。分割ユニットは、更に、フレーズの過去発生頻度を表す各フレーズのスコアを決定するように構成される。

選択ユニット１２は、各製品についての既定の条件を満たすスコアを持つフレーズを選択し、それらのフレーズを統合してその製品のワードシーケンスにするように構成される。

統合ユニット１３は、その製品について構成されたワードシーケンスを互いに比較するように構成される。一部の実施形態では、統合ユニット１３は、どの製品が類似のワードシーケンスを有するかを決定し、類似の対応するワードシーケンスを有する製品を統合して１つの製品カテゴリに入れるように構成される。一部の実施形態では、類似のワードシーケンスを持つ製品について、統合ユニット１３は、また、同じカテゴリの製品の関連データ（例えば、属性情報やその他の記述データ）を統合する（そして例えばその製品カテゴリを記述するデータとする）。

処理ユニット１４は、統合ユニット１３によって決定された製品カテゴリの各々に対応する識別子を設定及び記憶するように構成される。

図２は、製品をカテゴリ分類するプロセスの一実施形態を示したフローチャートである。一部の実施形態では、プロセス２００は、図１の１００などの誘導検索システムにおいて実行される。

ステップ２０２では、カテゴリ分類されるべき製品に関連するデータが取得され、それらの製品のタイトル及びその他の属性情報が抽出される。

一部の実施形態では、電子商取引ウェブサイトにおいて、製品に関連するデータが手動で（例えば、ウェブサイトのオペレータ又は登録ユーザによって）ウェブサイトに入力される。例えば、ユーザは、ユーザが製品に関連するデータを入力することができるフィールドを特徴付けるウェブサイトのウェブページにアクセスすることができる。次いで、そのウェブページのコンテンツは、ユーザに伝送することができる。サーバは、次いで、そのコンテンツからタイトル及びその他の属性情報を抽出する。サーバは、また、抽出されたタイトルをフレーズに分割する。

一部の実施形態では、製品データは、製品のカテゴリ分類を実施するために（例えば、電子商取引ウェブサイト用に記憶されているカテゴリ分類をアップデートするために）、定期的に及び／又は自動的に取得される。一部の実施形態では、製品データは、電子商取引ウェブサイトに関連付けられたサーバ（例えば、ウェブサイトのプラットフォームをサポートするとともにウェブサイトのためにコンテンツの少なくとも一部を記憶しているサーバ）によって取得される。例えば、サーバは、このようなデータがウェブサイトにアップロードされた後に、製品データを取得することができる。

各種の実施形態において、製品のタイトルは、その製品を正確に記述するキーワードを含むので、製品のタイトルを抽出することが、望ましいとされる。製品に関連するデータの例としては、タイトル、価格、及びモデル、年、メーカなどに関連するその他の情報が挙げられる。例えば、ヘアドライヤー製品のタイトルは、「ＨａｉｒＳｈｉｎｅブランドによるＭｏｄｅｌ Ｄ３５０６のヘアドライヤー」であるかもしれない。

各種の実施形態において、製品の属性情報は、製品の詳細な記述を含む。例えば、ヘアドライヤーの属性情報は、製品が市場に出された時期、ヘアドライヤーのモデル及びカラー、並びに評価点（評価スコア）を含むことができる。一部の実施形態では、属性及び対応する属性値は、属性及び対応する属性値を表す識別子によって示される。一部の実施形態では、属性及び対応する属性値は、属性識別子：属性値識別子の記号ペアの形で表される。例えば、製品のカラー属性が緑であるならば、それは、属性Ａ：２０００として記すことができる。ここで、Ａは、カラー属性の識別子であり、２０００は、属性値緑の識別子である。一部の実施形態では、製品を統合して（例えば各々が１つのカテゴリに関連付けられた）１つ又は２つ以上のグループにする際に、異なる製品のタイトル及び属性情報の両方の類似度が考慮される。したがって、一部の実施形態では、ステップ２００において、製品のタイトル及び属性情報の両方が抽出される。

ステップ２０４では、製品のタイトルがフレーズに分割される。

一部の実施形態では、抽出された製品のタイトル及び／又は属性情報は、１つ又は２つ以上のフレーズに分割され、各フレーズは、少なくとも１つのワードを含む。一部の実施形態では、タイトルは、１つ又は２つ以上のフレーズの識別可能意味に少なくとも基づいて、１つ又は２つ以上のフレーズに分割される。一部の実施形態では、タイトルの分割は、どの個々のワードをフレーズと見なすことができるか及びどのワードグループをフレーズと見なすことができるかを決定する既定のルール集合に基づいて実施される。例えば、製品のタイトル「ＨａｉｒＳｈｉｎｅブランドによるＭｏｄｅｌ Ｄ３５０６のヘアドライヤー」は、「ＨａｉｒＳｈｉｎｅブランド」、「Ｍｏｄｅｌ Ｄ３５０６」、及び「ヘアドライヤー」に分割される。

一部の実施形態では、タイトル及び／又は属性情報のフレーズへの分割は、特定のフレーズを廃棄することも含む。例えば、分割プロセスの終了時に、ブランド及び製品タイプを示すフレーズ（例えば、「ＨａｉｒＳｈｉｎｅブランド」及び「Ｍｏｄｅｌ Ｄ３５０６」）が維持される。反対に、製品のカテゴリ分類に密接に結び付かない傾向が強いフレーズ（例えば、「認定商品」、「セール」、及び「特価」）は、分割プロセスの終了時に排除される。一部の実施形態では、どのフレーズが廃棄されるかは、データベースに記憶されている過去の基準情報を使用して決定される。

一部の実施形態では、製品のタイトル及び製品情報は、Ｈａｄｏｏｐ分散コンピューティングシステムなどのプラットフォームに実装されたツールを使用してフレーズに分割される。一部の実施形態では、Ｈａｄｏｏｐ分散アーキテクチャにおいて（例えば、５０から３００のマシンで構成されたコンピューティングクラスタにおいて）Ｈａｄｏｏｐプログラムが実行される。

ステップ２０６では、フレーズについてのそれぞれのスコアが決定される。一部の実施形態では、分割によって生成されて廃棄されなかった各フレーズについてのスコアが決定される。一部の実施形態では、フレーズのスコアは、フレーズの過去発生頻度を表す。フレーズの過去発生頻度は、関連付けられた電子商取引ウェブサイトのユーザがそのフレーズを検索した回数、ユーザによって入力されたタイトル情報にそのフレーズが含まれていた回数、及び分布確率のうちの、１つ又は２つ以上を含む。

ステップ２０８では、製品についてワードシーケンスが決定される。一部の実施形態では、製品について分割されたフレーズによって、ワードシーケンスが形成される。一部の実施形態では、ワードシーケンスに含まれるべきフレーズは、それらの決定されたスコアに基づいて、既定の条件にしたがって選択される。例えば、既定の条件は、（１つ又は２つ以上の）最も高いスコアを持つ２つのフレーズを製品のタイトルから、そして（１つ又は２つ以上の）最も高いスコアを持つ５つのワードを属性情報の中から選択することを要求するかもしれない。

ステップ２１０では、製品に対応するワードシーケンスが比較される。ステップ２０６において製品について構成されたワードシーケンスは、互いに比較される。一部の実施形態では、製品のワードシーケンスは、取得された製品データの中のその他の全ての製品のワードシーケンスと比較される。一部の実施形態では、各比較によって、一致率が決定される。一致率は、２つのワードシーケンス（及びそのそれぞれの製品）がどの程度類似しているかを決定する。一部の実施形態では、比較の一致率が特定の閾値を上回るならば、それら２つの製品は、類似であると見なされる。

例えば、２つのワードシーケンスが同一である（例えば、各ワードシーケンスが厳密に同じフレーズを有する）ならば、一致率は、１００％になるだろう。一致率の閾値が９５％であるとすると、ワードシーケンス及びそのそれぞれの２つの製品は、類似であると見なされる。

ステップ２１２では、比較に少なくとも部分的に基づいて、少なくとも２つの製品が統合されて１つの製品カテゴリに入れられる。ステップ２１０の比較に基づいて、類似の製品が統合されて同じカテゴリに分類される。一部の実施形態では、製品カテゴリは、互いに類似するワードシーケンスを有する製品集合である。これらの製品は、製品のワードシーケンスが互いに類似しているゆえに、互いに類似していると見なされる。言い換えると、ワードシーケンスは、対応する製品を的確に表していると見なされる。一部の実施形態では、統合されて１つのカテゴリに入れられた製品集合が、まとめて１つのデータベースに記憶される。

例えば、ステップ２１０の比較に基づいて、１５の製品のワードシーケンスが、類似していると見なされる（例えば、各製品のワードシーケンスが、その他の全ての製品のワードシーケンスと類似していると見なされる）とする。この例では、これら１５の製品は、１つのカテゴリに分類される。

一部の実施形態では、統合されて同じカテゴリに分類された製品について、そのそれぞれの製品データもまた、統合されて（例えば、一体の記述データとされて）その製品カテゴリ用に記憶される。例えば、同じカテゴリの製品についての統合製品データは、そのカテゴリの全ての製品を記述するために使用することができる。統合されて同じカテゴリに入れられた製品、及びそれらの統合製品データは、例えば、同じテキストファイル又はデータ表に記憶することができる。

一部の実施形態では、製品カテゴリの管理において、そのカテゴリについての統合製品データは、その製品カテゴリを特徴付けるために使用される。例えば、統合製品データは、関連付けられたカテゴリの製品を視覚的に提示するために使用することができる。或いは、統合製品データは、関連付けられているカテゴリの製品の記述を変更するために修正することができる。また、統合製品データは、関連付けられている製品カテゴリにおける製品の検索に応えて返信することができる。

一部の実施形態では、特定された製品カテゴリの各々について、固有のカテゴリ識別子が設定される。製品カテゴリは、そのそれぞれの固有のカテゴリ識別子によって探索することができるように、その識別子とともに記憶される。例えば、各固有のカテゴリ識別子は、（例えば、製品のタイトル又はその他の製品識別情報を使用した）対応する製品集合及びそれらの統合製品データとともに記憶することができる。

図３は、製品をカテゴリ分類するプロセスの別の一実施形態を示したフローチャートである。一部の実施形態では、図２のプロセス２００の繰り返しに続いて、ステップ３０２〜３０６が生じる。

プロセス３００は、プロセス２００によるカテゴリ分類の結果の正確さを向上させるために実施することができる。プロセス３００は、依存されたデータが同じ製品に対し（例えばユーザによって入力されたとおり）異なるタイトルを含んでいたゆえに類似の製品ではあるがプロセス２００において異なるカテゴリに分類された製品のカテゴリを合体させるのに役立つことができる。プロセス３００は、カテゴリ分類プロセスの全体的な正確さを向上させるために、任意の回数にわたって実施することができる。

ステップ３０２〜３０６の以下の実施形態では、プロセス２００の繰り返し後に少なくとも２つの製品カテゴリが作成されたことを前提とする。

ステップ３０２では、製品カテゴリについてのワード組み合わせが決定される。

製品カテゴリについてのワード組み合わせは、その製品カテゴリを表す一連のフレーズと、また、その一連のフレーズについて決定されたそれぞれのスコアとを言う。ワード組み合わせは、製品カテゴリについて様々なやり方で選択することができる。一例において、あるカテゴリの全ての製品が、同じワードシーケンスに対応しているならば、そのワードシーケンスが、そのカテゴリについてのワード組み合わせとして使用される。例えば、いずれもがフレーズ「ＨａｉｒＳｈｉｎｅブランド」、「赤」、及び「ＤＦ０７５３」を含むワードシーケンスに対応している製品は、同じカテゴリにカテゴリ分類され、したがって、「ＨａｉｒＳｈｉｎｅブランド、赤、及びＤＦ０７５３」を、その製品カテゴリについてのワード組み合わせとして捉えることができる。

別の例では、あるカテゴリの全ての製品が、同じワードシーケンスに対応しているのではないが、いずれもが、幾つかの同じフレーズを含むワードシーケンスに対応している。このような状況では、カテゴリの全ての製品に共通する一連のフレーズを、その製品カテゴリについてのワード組み合わせとして捉えることができる。

ステップ３０４では、２つの製品カテゴリ間における類似度が決定される。

一部の実施形態では、２つのカテゴリ間における類似度が、それら２つの製品カテゴリのワード組み合わせを使用して決定される。例えば、類似度は、以下の式によって決定することができる。

上記の式において、ＴＤ１及びＴＤ２は、２つの製品カテゴリのそれぞれのワード組み合わせを表している。例えば、
ＴＤ１＝（フレーズ１１、スコア１１）、（フレーズ１２、スコア１２）、（フレーズ１３、スコア１３）
ＴＤ２＝（フレーズ２１、スコア２１）、（フレーズ２２、スコア２２）、（フレーズ２３、スコア２３）
ここで、「フレーズＸＸ」は、フレーズを表しており、「スコアＹＹ」は、対応するスコアを表している。

更に、特性２及び特性２は、２つの製品カテゴリに対応する主要属性のそれぞれの値を表している。本明細書で言う主要属性とは、特定の製品の重要な属性を言う。例えば、携帯電話の主要属性が、そのブランド及びモデルを含む一方で、そのカラー及び重量は、一般的（例えば非主要）属性である。一部の実施形態では、特定の製品についての主要属性が記憶され、特性１及び特性２としてどの値を使用するかを決定するために、プロセス３００においてアクセスされる。一部の実施形態では、類似度は、コサイン計算の法則をもとにして算出される。算出される類似度が大きいほど、２つの製品は類似している。

更に、λ１及びλ２は、タイトル及び属性に重みを割り当てるために選択された係数である。（例えば、ＴＤ１及びＴＤ２が、タイトル情報から分割されたフレーズを使用して形成されたもので、性質１及び性質２が、属性の値であるゆえに、）λ１及びλ２は、類似度の計算にとってタイトル又は属性のいずれがより重要であるかをそれぞれ示す２つの係数を表している。例えば、λ１＝２で且つλ２＝１であるときは、これは、タイトルの重要性が属性の重要性の２倍であることを示している。

更に、ａ及びｂは、既定のパラメータを表しており、ｎ１及びｎ２は、比較されている２つの製品カテゴリにそれぞれ含まれる製品の数を表している。パラメータａ及びｂは、類似度の値を制御し、したがって、２つの製品カテゴリが統合されるか否かに影響を及ぼす。例えば、２つの製品カテゴリがともに、それぞれ多数の製品を含むときは、類似度の値は、ａ及びｂの値を変更し、

から計算される類似度の値をより小さくして調整を行うことができる。これは、２つの製品カテゴリが統合される確率を低くする。

例えば、ａ＝５０で、ｂ＝２０で、ｎ１＝１００で、且つｎ２＝１０であるならば、

である。

ステップ３０６では、決定された２つの製品カテゴリ間における類似度を、既定の閾値と比較することによって、２つの製品カテゴリが合体されるべきか否かが決定される。決定された類似度が、既定の閾値を超える場合は、ステップ３０８において、２つの製品カテゴリは、合体されて１つのカテゴリにされる。決定された類似度が、既定の閾値を超えない場合は、２つの製品カテゴリは、合体されない。

一部の実施形態では、既定の閾値は、２つのカテゴリが合体されて１つのカテゴリにされるのに十分に類似しているか否かを決定するために使用される。既定の閾値は、ステップ３０４における決定のために、記憶及びアクセスすることができる。

上記の例に戻り、決定された２つの製品カテゴリ間における類似度が、おおよそ７％であるとする。この例において、２つのカテゴリを合体させるための既定の閾値が、９７％であるとすると、決定された類似度は、閾値を遥かに下回るので、２つのカテゴリは、合体されない。

一部の実施形態では、２つのカテゴリを合体させることは、新しいカテゴリ識別子を作成し、その識別子を両カテゴリの全ての製品（例えば、それらの製品についての識別情報）及び両カテゴリの関連製品データとともに記憶させることを含む。一部の実施形態では、２つのカテゴリを合体させることは、両カテゴリの全ての製品及び両カテゴリの関連製品データを２つのカテゴリのカテゴリ識別子の１つとともに記憶させることを含む。

図４は、製品データをカテゴリ分類及び使用するためのシステムの一実施形態を示した図である。システム４００は、ユーザ４０２と、ネットワーク４０４と、サーバ４０６とを含む。ネットワーク４０４は、各種の高速データネットワーク及び／又は電気通信ネットワークを含む。サーバ４０６は、ネットワーク４０４を通じてユーザ４０２と通信するように構成される。

一部の実施形態では、プロセス２００は、システム４００を使用して実施される。一部の実施形態では、プロセス３００もまた、システム４００を使用して実施される。一部の実施形態では、システム１００のユニット（抽出ユニット１０、分割ユニット１１、選択ユニット１２、統合ユニット１３、及び処理ユニット１４）は、サーバ４０６の構成要素である。

一部の実施形態では、サーバ４０６は、電子商取引ウェブサイトのためのプラットフォームをサポートするように構成される。例えば、サーバ４０６は、ウェブサイトのための情報を記憶し、また、ウェブサイトのウェブページを提供する。一部の実施形態では、サーバ４０６は、ウェブサイトに情報（例えば製品データ）をアップロードするユーザ（例えばユーザ４０２）からデータを取得するように構成される。

サーバ４０６は、製品データを取得された製品のタイトルを抽出するように構成される。一部の実施形態では、サーバ４０６は、取得されたデータから製品の属性情報を抽出するようにも構成される。サーバ４０６は、例えば、ウェブサイトにアップロードされたデータのタイトル及び属性フィールドのそれぞれから、タイトル及び／又は属性情報を抽出することができる。サーバ４０６は、抽出された情報（例えば、タイトル及び／又は属性情報）をフレーズに分割するように構成される。例えば、製品のタイトルは、一連の英数字ワードを１つ又は２つ以上のフレーズに分けるルール集合に基づいて分割することができる。サーバ４０６は、フレーズについてのスコアを決定するように構成される。一部の実施形態では、フレーズについてのスコアは、（例えば、ウェブサイトに記憶された製品データ内における）そのフレーズの発生の過去頻度に基づく。サーバ４０６は、取得されたデータの製品についてのワードシーケンスを構成するように構成される。例えば、ワードシーケンスは、各製品について構成される。一部の実施形態では、製品についてのワードシーケンスは、その製品のフレーズのうちの１つの選択されたフレーズに基づいて決定される。フレーズは、既定の条件に基づいて選択することができる（例えば、スコアの最も高い３つのフレーズが選択される）。サーバ４０６は、製品についてのワードシーケンスをその他の製品のワードシーケンスと比較するように構成される。一部の実施形態では、製品についてのワードシーケンスは、取得されたデータの中のその他の全ての製品のワードシーケンスと比較される。一部の実施形態では、２つのワードシーケンスの比較は、それらのワードシーケンス（及びそれらに対応する製品）が類似しているか否かを結果としてもたらす。サーバ４０６は、比較の結果に少なくとも部分的に基づいて、少なくとも２つの製品を統合して同じカテゴリに入れるように構成される。一部の実施形態では、比較において類似であると見なされたワードシーケンスを有する製品は、統合されて同じカテゴリに入れられる。例えば、統合されて同じカテゴリに入れられた製品は、同じカテゴリ識別子のもとに記憶される。一部の実施形態では、同じカテゴリの製品の製品データ（例えばタイトル及び属性情報）もやはり、同じカテゴリ識別子のもとに記憶される。

一部の実施形態では、サーバ４０６は、製品カテゴリを合体させるように構成される。一部の実施形態では、サーバ４０６は、製品カテゴリについてのワード組み合わせを決定するように構成される。例えば、既存の各製品カテゴリについて、ワード組み合わせが決定される。ワード組み合わせは、そのカテゴリの製品に関連付けられたワードシーケンスから選択することができる。サーバ４０６は、２つの製品カテゴリ間における類似度を決定するように構成される。一部の実施形態では、類似度は、２つのカテゴリのワード組み合わせを使用して決定される。サーバ４０６は、カテゴリを合体させるか否かを決定するために、決定された２つのカテゴリ間における類似度を既定の閾値と比較するように構成される。決定された類似度が、既定の閾値を上回るならば、２つのカテゴリは、合体されて１つのカテゴリにされる（そして、例えば、両カテゴリからの製品が、同じカテゴリ識別子とともに記憶される）。そうでなく、決定された類似度が、既定の閾値を下回るならば、２つの製品カテゴリは、合体されない。

サーバ４０６は、製品カテゴリ情報を記憶及び維持するように構成される。このような情報は、類似の製品からなる各カテゴリを電子商取引ウェブサイトにおいて表すために使用することができる。例えば、製品カテゴリのタイトル及び属性情報を含む視覚的な表現、すなわち表を、ユーザによるそのカテゴリの製品の検索に応えて表示することができる。例えば、電子商取引ウェブサイトにおいて、ユーザが検索ボックスに「携帯電話」を入れたとする。ウェブサイトをサポートしているサーバは、そのウェブサイトにおいて販売されている製品のなかで「携帯電話」に関連するものを含む検索結果の集合を返信するだろう。返信された検索結果は、「携帯電話」に関連する製品カテゴリに関して記憶されている情報を、（例えば、製品の価格、モデル、費用、メーカなどの形で）検索結果に表示することができる。

ユーザ４０２は、ユーザがそれを通じて電子商取引ウェブサイトにアクセスするデバイスである。ユーザ４０２は、図４では、ノート型パソコンとして示されているが、ユーザ４０２としては、なかでも特に、任意のコンピュータ、携帯機器、又はタブレットが挙げられる。一部の実施形態では、ユーザ４０２は、ユーザが電子商取引ウェブサイトに製品データをアップロードすることを可能にするように構成される。一部の実施形態では、ユーザ４０２は、検索結果を受信するように構成される。一部の実施形態では、ユーザ４０２は、検索結果を表示するように構成される。

当業者ならば、本発明の趣旨及び範囲から逸脱することなく本発明の実施形態に対して各種の変更及び代替をなしえることがわかる。したがって、本発明の実施形態に対するこれらの変更及び代替が、本発明の特許請求の範囲及びそれらの均等物の範囲内に入るならば、本発明は、これらの変更及び代替の全てを含むようにも意図されている。

以上の実施形態は、理解を明瞭にする目的で幾らか詳細に説明されてきたが、本発明は、提供された詳細に限定されない。本発明の実現には、多くの代替的手法がある。開示された実施形態は、例示のためであって、限定的なものではない。

Claims (21)

1. 製品をカテゴリ分類するための方法であって、
   取得されたデータから複数の製品のタイトルを抽出することと、
   前記タイトルをフレーズに分割することと、
   前記フレーズについての各スコアを決定することと、
   前記フレーズについての前記決定された各スコアに少なくとも部分的に基づいて選択された前記フレーズの少なくとも１つを使用して、前記複数の製品のうちの第１の製品に対応する第１のワードシーケンスを構成することと、
   前記第１のワードシーケンスを前記複数の製品のうちの第２の製品に対応する第２のワードシーケンスと比較することと、
   前記比較に少なくとも部分的に基づいて、前記複数の製品のうちの前記第１の製品と前記第２の製品とを統合して１つの製品カテゴリに入れることと、
   を備える方法。
2. 請求項１に記載の方法であって、更に、
   第１の製品カテゴリと第２の製品カテゴリとの間における類似度を決定することと、
   前記決定された類似度が合体閾値に少なくとも見合う場合に、前記第１の製品カテゴリを前記第２の製品カテゴリと合体させることと、
   を備える方法。
3. 請求項１に記載の方法であって、
   前記フレーズについての各スコアを決定することは、フレーズの過去発生頻度に少なくとも部分的に基づく、方法。
4. 請求項１に記載の方法であって、更に、
   前記取得されたデータから前記複数の製品についての属性情報を抽出し、前記属性情報をフレーズに分割することを備える方法。
5. 請求項１に記載の方法であって、
   前記第１のワードシーケンスを前記複数の製品のうちの第２の製品についての第２のワードシーケンスと比較することは、前記第１のワードシーケンスが前記第２のワードシーケンスに類似しているか否かを決定することを含む、方法。
6. 請求項５に記載の方法であって、
   前記第１のワードシーケンスが前記第２のワードシーケンスに類似しているか否かを決定することは、一致率に少なくとも部分的に基づく、方法。
7. 請求項１に記載の方法であって、
   前記複数の製品のうちの前記第１の製品と前記第２の製品とを統合して１つの製品カテゴリに入れることは、前記複数の製品のうちの前記第１の製品及び前記第２の製品に関連付けられたデータを統合することを含む、方法。
8. 請求項１に記載の方法であって、
   前記複数の製品のうちの前記第１の製品と前記第２の製品とを統合して１つの製品カテゴリに入れることは、前記複数の製品のうちの前記第１の製品及び前記第２の製品の両方を１つのカテゴリ識別子とともに記憶させることを含む、方法。
9. 請求項２に記載の方法であって、
   類似度を決定することは、前記第１の製品カテゴリに対応する決定されたスコア及び前記第２の製品カテゴリに対応する決定されたスコアに基づいて値を計算することを含む、方法。
10. 請求項２に記載の方法であって、
    前記第１の製品カテゴリを前記第２の製品カテゴリと合体させることは、前記第１の製品カテゴリ及び前記第２の製品カテゴリを同じカテゴリ識別子とともに記憶させることを含む、方法。
11. 製品をカテゴリ分類するためのシステムであって、
    １つ又は２つ以上のプロセッサと、
    前記１つ又は２つ以上のプロセッサに接続され、前記１つ又は２つ以上のプロセッサに命令を提供するように構成されているメモリと、
    を備え、
    前記１つ又は２つ以上のプロセッサは、
    取得されたデータから複数の製品のタイトルを抽出し、
    前記タイトルをフレーズに分割し、
    前記フレーズについての各スコアを決定し、
    前記フレーズについての前記決定された各スコアに少なくとも部分的に基づいて選択された前記フレーズの少なくとも１つを使用して、前記複数の製品のうちの第１の製品に対応する第１のワードシーケンスを構成し、
    前記第１のワードシーケンスを前記複数の製品のうちの第２の製品に対応する第２のワードシーケンスと比較し、
    前記比較に少なくとも部分的に基づいて、前記複数の製品のうちの前記第１の製品と前記第２の製品とを統合して１つの製品カテゴリに入れるように、
    構成されている、システム。
12. 請求項１１に記載のシステムであって、
    前記１つ又は２つ以上のプロセッサは、更に、
    第１の製品カテゴリと第２の製品カテゴリとの間における類似度を決定し、
    前記決定された類似度が合体閾値を越えるか否かに基づいて、前記第１の製品カテゴリを前記第２の製品カテゴリと合体させるように、
    構成されている、システム。
13. 請求項１１に記載のシステムであって、
    前記１つ又は２つ以上のプロセッサは、フレーズの過去発生頻度に少なくとも部分的に基づいて、前記フレーズについての各スコアを決定するように構成されている、システム。
14. 請求項１１に記載のシステムであって、
    前記１つ又は２つ以上のプロセッサは、更に、取得されたデータから前記複数の製品についての属性情報を抽出し、前記属性情報をフレーズに分割するように構成されている、システム。
15. 請求項１１に記載のシステムであって、
    前記１つ又は２つ以上のプロセッサは、前記第１のワードシーケンスが前記第２のワードシーケンスに類似しているか否かを決定することを含み、前記第１のワードシーケンスを前記複数の製品のうちの第２の製品についての第２のワードシーケンスと比較する、ように構成されている、システム。
16. 請求項１５に記載のシステムであって、
    前記１つ又は２つ以上のプロセッサは、一致率に少なくとも部分的に基づいて、前記第１のワードシーケンスが前記第２のワードシーケンスに類似しているか否かを決定するように構成されている、システム。
17. 請求項１１に記載のシステムであって、
    前記１つ又は２つ以上のプロセッサは、前記複数の製品のうちの前記第１の製品及び前記第２の製品に関連付けられたデータを統合することを含み、前記複数の製品のうちの前記第１の製品と前記第２の製品とを統合して１つの製品カテゴリに入れるように構成されている、システム。
18. 請求項１１に記載のシステムであって、
    前記１つ又は２つ以上のプロセッサは、前記複数の製品のうちの前記第１の製品及び前記第２の製品の両方を同じカテゴリ識別子とともに記憶させることを含み、前記複数の製品のうちの前記第１の製品と前記第２の製品とを統合して１つの製品カテゴリに入れるように構成されている、システム。
19. 請求項１１に記載のシステムであって、
    前記１つ又は２つ以上のプロセッサは、前記第１の製品カテゴリに対応する決定されたスコア及び前記第２の製品カテゴリに対応する決定されたスコアに基づいて値を計算することを含み、類似度を決定するように構成されている、システム。
20. 請求項１２に記載のシステムであって、
    前記１つ又は２つ以上のプロセッサは、前記第１の製品カテゴリ及び前記第２の製品カテゴリを１つのカテゴリ識別子とともに記憶させることを含み、前記第１の製品カテゴリを前記第２の製品カテゴリと合体させるように構成されている、システム。
21. 製品をカテゴリ分類するためのコンピュータプログラム製品であって、コンピュータによって読み取り可能なストレージ媒体に実装され、
    取得されたデータから複数の製品のタイトルを抽出するためのコンピュータ命令と、
    前記タイトルをフレーズに分割するためのコンピュータ命令と、
    前記フレーズについての各スコアを決定するためのコンピュータ命令と、
    前記フレーズについての前記決定された各スコアに少なくとも部分的に基づいて選択された前記フレーズの少なくとも１つを使用して、前記複数の製品のうちの第１の製品に対応する第１のワードシーケンスを構成するためのコンピュータ命令と、
    前記第１のワードシーケンスを前記複数の製品のうちの第２の製品に対応する第２のワードシーケンスと比較するためのコンピュータ命令と、
    前記比較に少なくとも部分的に基づいて、前記複数の製品のうちの前記第１の製品と前記第２の製品とを統合して１つの製品カテゴリに入れるためのコンピュータ命令と、
    を備えるコンピュータプログラム製品。

Images