JP2022186632A - Method and system for generating special sales event based on user intent of search queries - Google Patents
Method and system for generating special sales event based on user intent of search queries Download PDFInfo
- Publication number
- JP2022186632A JP2022186632A JP2022085957A JP2022085957A JP2022186632A JP 2022186632 A JP2022186632 A JP 2022186632A JP 2022085957 A JP2022085957 A JP 2022085957A JP 2022085957 A JP2022085957 A JP 2022085957A JP 2022186632 A JP2022186632 A JP 2022186632A
- Authority
- JP
- Japan
- Prior art keywords
- products
- product
- sale event
- event
- sale
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000010365 information processing Effects 0.000 claims description 67
- 238000000605 extraction Methods 0.000 claims description 51
- 230000015654 memory Effects 0.000 claims description 45
- 238000004891 communication Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000010201 Exanthema Diseases 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000005884 exanthem Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 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]
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本開示は、検索クエリ(query)のユーザ意図に基づいた特売イベント生成方法及びシステムに関し、具体的には、複数の商品クエリと関連付けられたデータに基づいてトレンドを抽出し、トレンドと関連付けられた企画商品を含む特売イベントを生成する方法及びシステムに関する。 TECHNICAL FIELD The present disclosure relates to a method and system for generating special sale events based on user intent of search queries, and in particular, extracting trends based on data associated with multiple product queries, and The present invention relates to a method and system for generating a bargain sale event including planned products.
最近、テレビショッピング、インターネットショッピング及びカタログショッピングなどのように、消費者等のショッピングの便宜のための多様なオンライン商品情報提供方法及び商品販売方法が開発されている。商品販売者、ショッピングモール運営者及びオープンマーケット運営者などは、オンラインショッピングサービスの広報またはマーケティング手段として、商品をより低価格で、或いは、より良い条件で購買可能な特売イベントを企画できる。例えば、商品販売者等は、特定消費者をターゲッティングし、ターゲット消費者等が必要とすると予想される商品を集めて、当該商品を割引の価格で購買できるイベントを提供できる。または、商品販売者等は、特定時期に消費者等が必要とすると予想される商品を集めて、当該時期(または当該時期より早い時期)に消費者等に当該商品等の情報を提供できる。こうした特売イベントにより、特定時期又は特定集団に属する消費者等は、必要な商品を一目で確認して購買できる。また、商品販売者、ショッピングモール運営者及びオープンマーケット運営者などは、特売イベントにより、停滞していた商品販売状態に変化を付けて売上を向上させることができ、潜在顧客等が関連オンラインショッピングサービスを利用するように誘導できる。 2. Description of the Related Art Recently, various online product information providing methods and product sales methods have been developed for the convenience of consumers, such as TV shopping, Internet shopping, and catalog shopping. Merchandise sellers, shopping mall operators, open market operators, and the like can plan bargain sales events in which merchandise can be purchased at lower prices or under better conditions as a means of publicizing or marketing online shopping services. For example, product sellers can target specific consumers, collect products expected to be needed by target consumers, etc., and provide events where the products can be purchased at discounted prices. Alternatively, product sellers, etc. can collect products expected to be needed by consumers, etc. at a specific time and provide information on the products, etc. to consumers, etc. at that time (or at an earlier time). Such a bargain sale event enables consumers, etc., who belong to a specific period or a specific group, to check and purchase necessary products at a glance. In addition, product sellers, shopping mall operators, and open market operators can improve sales by changing the stagnant product sales situation through bargain events, and potential customers can use related online shopping services. can be induced to use
従来の技術によれば、商品販売者、ショッピングモール運営者及びオープンマーケット運営者などが、受動的に消費者等のショッピングトレンドを分析して把握して、当該ショッピングトレンドに対応する特売イベントを生成しなければならない。すなわち、特売イベントを生成しようとする運営者は、ショッピングトレンドを直接的に把握し、当該トレンドに符合する特売イベントの主題や題目を直接的に準備しなければならない。また、特売イベントを生成しようとする運営者は、作成した特売イベントの題目及び/又は特売イベントの主題に符合する商品、すなわち、企画商品として含む商品を直接的に検索又は入力しなければならないという不便さがある。 According to the conventional technology, product sellers, shopping mall operators, open market operators, etc. passively analyze and grasp the shopping trends of consumers, etc., and generate bargain events corresponding to the shopping trends. Must. That is, an operator who intends to create a bargain sale event should directly grasp the shopping trend and directly prepare the subject and subject of the bargain sale event that match the trend. In addition, an operator who wants to create a bargain sale event must directly search for or input products that match the title of the created bargain event and/or the theme of the bargain sale event, that is, products included as planned products. Inconvenient.
本開示は、前記のような問題を解決するための特売イベント生成方法、コンピュータプログラム及び装置(システム)を提供する。 The present disclosure provides a sale event generation method, computer program and apparatus (system) for solving the above problems.
本開示は、方法、装置(システム)またはコンピュータプログラムを含む多様な方式により具現できる。 The present disclosure can be embodied in various forms including methods, apparatus (systems), and computer programs.
本開示の一実施例によれば、少なくとも一つのコンピュータ装置により遂行される検索クエリのユーザ意図に基づいた特売イベント生成方法は、複数の商品クエリと関連付けられたデータを受信するステップ、複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出するステップ、及び抽出されたトレンドと関連付けられた企画商品を含む特売イベントを生成するステップを含む。 According to one embodiment of the present disclosure, a method for generating a sale event based on user intent of a search query performed by at least one computing device comprises: receiving data associated with a plurality of product queries; Based on the data associated with the query, extracting trends associated with at least one of a specific population or a specific time period, and generating a sale event including featured products associated with the extracted trends.
本開示の他の実施例によれば、少なくとも一つのコンピュータ装置により遂行される企画商品抽出モデルを学習する方法は、学習の特売イベントに関するデータを受信するステップ、複数の商品の各々に関する情報を受信するステップ、並びに、学習の特売イベントに関するデータ及び複数の商品の各々に関する情報に基づいて、特売イベントの題目が入力されることで、特売イベントの題目と関連付けられた一つ以上の商品を出力するように、企画商品抽出モデルを学習するステップを含む。 According to another embodiment of the present disclosure, a method of training a proposed product extraction model performed by at least one computing device includes the steps of: receiving data regarding a learning sale event; receiving information regarding each of a plurality of products; and outputting one or more items associated with the sale event subject upon input of the sale event subject based on the learned sale event subject and information regarding each of the plurality of items. As above, it includes a step of learning a planned product extraction model.
本開示のまた他の実施例によれば、前述した方法をコンピュータで実行するためのコンピュータプログラムが提供される。 According to yet another embodiment of the present disclosure, a computer program is provided for executing the above method on a computer.
本開示のまた他の実施例によれば、情報処理システムは、通信モジュール、メモリ及びメモリと連結され、メモリに含まれたコンピュータ読み取り可能な少なくとも一つのプログラムを実行するように構成された少なくとも一つのプロセッサを含み、少なくとも一つのプログラムは、複数の商品クエリと関連付けられたデータを受信し、複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出し、抽出されたトレンドと関連付けられた企画商品を含む特売イベントを生成するための命令語を含む。 According to yet another embodiment of the present disclosure, an information processing system includes a communication module, a memory and at least one computer coupled to the memory and configured to execute at least one computer readable program contained in the memory. at least one program for receiving data associated with a plurality of product queries; trends associated with at least one of a specific population or a specific time period based on the data associated with the plurality of product queries; and generate a special sale event containing the featured product associated with the extracted trend.
本開示のまた他の実施例によれば、情報処理システムは、通信モジュール、メモリ及びメモリと連結され、メモリに含まれたコンピュータ読み取り可能な少なくとも一つのプログラムを実行するように構成された少なくとも一つのプロセッサを含み、少なくとも一つのプログラムは、学習の特売イベントに関するデータを受信し、複数の商品の各々に関する情報を受信し、学習の特売イベントに関するデータ及び複数の商品の各々に関する情報に基づいて、特売イベントの題目が入力されることで、特売イベントの題目と関連付けられた一つ以上の商品を出力するように、企画商品抽出モデルを学習するための命令語を含む。 According to yet another embodiment of the present disclosure, an information processing system includes a communication module, a memory and at least one computer coupled to the memory and configured to execute at least one computer readable program contained in the memory. one processor, the at least one program receives data about the learning sale event, receives information about each of the plurality of products, and based on the data about the learning sale event and the information about each of the plurality of products, It includes an instruction word for learning a plan product extraction model so that when a special sale event topic is input, one or more products associated with the special sale event topic are output.
本開示の多様な実施例において、類似の特徴を持つ消費者等が検索する商品クエリ及び/又は類似の時期に消費者等が検索する商品クエリは、同一のショッピングの目的や意図と関連付けられたものと判断して、同一のショッピングの目的や意図を持つ商品クエリ又はキーワードを複数の群集にクラスタリング(clustering)できる。クラスタリングされた複数の群集からショッピングトレンドを抽出することで、ユーザ(例えば、特売イベントの運営者)が発見しないショッピングトレンドを把握でき、これにより、多様で且つ多数の特売イベントを生成できる。 In various embodiments of the present disclosure, product queries searched by consumers with similar characteristics and/or product queries searched by consumers at similar times are associated with the same shopping purpose or intent. As such, product queries or keywords with the same shopping purpose or intent can be clustered into multiple clusters. By extracting shopping trends from a plurality of clustered crowds, it is possible to grasp shopping trends that users (for example, managers of special sale events) do not discover, thereby generating various and many special sale events.
本開示の多様な実施例において、ショッピングトレンドに関するキーワード(例えば、ショッピングトレンドに対応する商品クエリ、特売イベントの主題、ターゲット消費者、時期などを示すキーワードなど)を入力することで、特売イベントの題目を自動的に生成できる。 In various embodiments of the present disclosure, by entering keywords related to shopping trends (e.g., keywords indicating the product query corresponding to the shopping trend, the theme of the sale event, the target consumer, the time of year, etc.), the subject of the sale event can be automatically generated.
本開示の多様な実施例において、特売イベントに含まれる企画商品を自動的に決定できる。これにより、ユーザ(例えば、特売イベントの運営者)が特売イベントの企画商品として含む商品を検索し、検索に必要な運営リソースを減少させることができる。また、商品の題目、カテゴリ、紹介、レビュー、タグ及びイメージなどの情報から抽出される商品の特性及び特売イベントの題目間の意味類似度を用いて、生成しようとする特売イベントの主題とマッチングされる商品を自動的に抽出できる。これにより、特売イベントに含まれる企画商品の多様性及び適合度を向上させることができる。 In various embodiments of the present disclosure, the featured merchandise included in the sale event can be automatically determined. As a result, a user (for example, an administrator of a bargain sale event) can search for products included as planned products of a bargain sale event, and can reduce operational resources required for the search. In addition, using the semantic similarity between the characteristics of the product extracted from information such as the title, category, introduction, review, tag, and image of the product and the topic of the sale event, it is matched with the theme of the sale event to be generated. products can be automatically extracted. As a result, it is possible to improve the variety and suitability of planned products included in the bargain sale event.
本開示の実施例等は、以下の添付図面に基づいて説明される。ここで、類似の参照番号は類似の要素を示すが、これに限定されるものではない。
以下、本開示の実施のための具体的な内容を添付図面に基づいて詳細に説明する。ただし、以下の説明では、本開示の要旨を不要にぼやかす恐れがある場合、公知の機能や構成に関する具体的な説明は省略する。 Hereinafter, specific contents for carrying out the present disclosure will be described in detail based on the accompanying drawings. However, in the following description, a detailed description of known functions and configurations will be omitted if it may unnecessarily obscure the gist of the present disclosure.
添付図面において、同一又は対応する構成要素には同一の参照符号が付与される。また、以下の実施例の説明において、同一又は対応する構成要素の重複記述は省略され得る。しかしながら、構成要素に関する記述が省略されても、そのような構成要素が、ある実施例に含まれないものと意図してはならない。 In the accompanying drawings, the same or corresponding components are provided with the same reference numerals. Also, in the description of the embodiments below, duplicate descriptions of the same or corresponding components may be omitted. However, the omission of a description of an element should not be construed as omitting such element from being included in an embodiment.
開示の実施例の利点及び特徴、そしてそれらを達成する方法は、添付図面に基づいて後述する実施例を参照すれば明確になる。しかしながら、本開示は、以下で開示される実施例に限定されず、互いに異なる多様な形態で具現され得る。但し、本実施例は、本開示が完全になるようにし、本開示が通常の技術者に発明のカテゴリを正確に認識させるために提供されるだけである。 Advantages and features of the disclosed embodiments, and the manner in which they are achieved, will become apparent with reference to the embodiments described below with reference to the accompanying drawings. The present disclosure may, however, be embodied in various different forms and should not be construed as limited to the embodiments set forth below. However, the examples are provided only so that this disclosure will be complete and will enable those of ordinary skill in the art to accurately recognize the categories of the invention.
本開示で使用される用語について簡略に説明し、開示の実施例について具体的に説明する。本明細書で使用される用語は、本開示での機能を考慮しつつ、可能な限り現在広く使用される一般的な用語を選択したが、これは関連分野に従事する技術者の意図又は判例、新技術の出現などにより変化し得る。また、特定の場合は出願人が任意で選定した用語もあり得るが、これらの意味は当該発明の説明の部分において詳細に記載する。よって、本開示で使用される用語は、単純な用語の名称ではなく、その用語が持つ意味と本開示の全般にわたった内容に基づいて定義されるべきである。 A brief description of terms used in the present disclosure will be provided and a specific description of the disclosed embodiments will be provided. The terms used in this specification have been selected as common terms that are currently widely used as much as possible while considering the function in this disclosure, but this is not the intention or precedent of an engineer engaged in the related field. , may change due to the emergence of new technologies. Also, certain terms may be arbitrarily chosen by the applicant, the meaning of which will be detailed in the description of the invention. Accordingly, terms used in this disclosure should be defined based on their meanings and overall context of this disclosure, rather than simply terminology.
本開示において、文脈上において明確に特定しない限り、単数の表現は複数の表現を含み、複数の表現は単数の表現を含むことができる。本開示において、ある部分がある構成要素を「含む」とすれば、これは特に反対の記載がない限り、他の構成要素を除くものではなく、他の構成要素をさらに含むこともできることを意味する。 In this disclosure, singular expressions may include pluralities and plural expressions may include the singular unless the context clearly dictates otherwise. In this disclosure, when a part "includes" a component, it does not exclude other components, but it can also include other components, unless specifically stated to the contrary. do.
また、明細書で使用される「モジュール」又は「部」という用語は、ソフトウェアやハードウェア構成要素を意味し、「モジュール」又は「部」はある役割を遂行する。しかしながら、「モジュール」又は「部」はソフトウェアやハードウェアに限定される意味ではない。「モジュール」又は「部」は、アドレッシング可能な保存媒体にあるように構成してもよく、一つ又はそれ以上のプロセッサを再生させるように構成してもよい。したがって、一例として、「モジュール」又は「部」は、ソフトウェア構成要素、客体指向ソフトウェア構成要素、クラス構成要素、タスク構成要素のような構成要素、並びに、プロセス、関数、属性、プロシーザー、サブルーチン、プログラムコードのセグメント、ドライバー、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ又は変数のうちで少なくとも一つを含むことができる。構成要素と「モジュール」又は「部」は、内部で提供される機能はさらに小さい数の構成要素及び「モジュール」又は「部」で結合されたり、追加的な構成要素と「モジュール」又は「部」にさらに分離されたりできる。 Also, the term "module" or "unit" as used herein means a software or hardware component that performs a certain role. However, "module" or "unit" is not meant to be limited to software or hardware. A "module" or "unit" may be configured to reside on an addressable storage medium and configured to run on one or more processors. Thus, by way of example, a "module" or "part" may refer to components such as software components, object-oriented software components, class components, task components, as well as processes, functions, attributes, procedures, subroutines, It may include at least one of program code segments, drivers, firmware, microcode, circuits, data, databases, data structures, tables, arrays or variables. Components and "modules" or "sections" may be combined with a smaller number of components and "modules" or "sections" or may be combined with additional components and "modules" or "sections". ” can be further separated into
本開示の一実施例によれば、「モジュール」又は「部」はプロセッサ及びメモリで具現され得る。「プロセッサ」は汎用プロセッサ、中央処理装置(CPU)、マイクロプロセッサ、デジタル信号プロセッサ(DSP)、制御器、マイクロ制御器、状態マシンなどを含むように広く解釈されるべきである。いくつかの環境では、「プロセッサ」は特定用途向け半導体(ASIC)、プログラム可能なロジックデバイス(PLD)、フィールドプログラム可能なゲートアレイ(FPGA)等を示すこともできる。「プロセッサ」は、例えば、DSPとマイクロプロセッサの組合せ、複数のマイクロプロセッサの組合せ、DSPコアと結合した一つ以上のマイクロプロセッサの組合せ、若しくは、任意の他のそのような構成等の組合せのような処理デバイスの組合せを示すこともできる。また、「メモリ」は電子情報を保存可能な任意の電子コンポーネントを含むように広く解釈されるべきである。「メモリ」は、RAM(ランダムアクセスメモリ(Random Access Memory))、ROM(リードオンリメモリ(Read Only Memory))、NVRAM(不揮発性ランダムアクセスメモリ(Non-Volatile Random Access Memory))、PROM(プログラム可能なリードオンリメモリ(Programmable Read-Only Memory))、EPROM(消去可能でプログラム可能なリードオンリメモリ(Erasable Programmable Read-Only Memory))、EEPROM(電気的に消去可能でプログラム可能なリードオンリメモリ(Electrically Erasable Programmable Read-Only Memory))、フラッシュメモリ、磁気又は光学データ保存装置、レジスターなどのようなプロセッサ-読み取り可能な媒体の多様な類型を示すこともできる。プロセッサがメモリから情報を読み取り/読み取ったりメモリに情報を記録できる場合、メモリはプロセッサと電子通信状態にあると言われる。プロセッサに集積されたメモリはプロセッサと電子通信状態にある。 According to one embodiment of the present disclosure, a "module" or "unit" may be embodied with a processor and memory. "Processor" should be interpreted broadly to include general purpose processors, central processing units (CPUs), microprocessors, digital signal processors (DSPs), controllers, microcontrollers, state machines, and the like. In some circumstances, a "processor" can also refer to an application specific semiconductor (ASIC), a programmable logic device (PLD), a field programmable gate array (FPGA), or the like. A "processor" may be, for example, a combination of a DSP and a microprocessor, a combination of multiple microprocessors, a combination of one or more microprocessors combined with a DSP core, or any other such configuration. Any combination of processing devices may also be indicated. Also, "memory" should be interpreted broadly to include any electronic component capable of storing electronic information. "Memory" includes RAM (Random Access Memory), ROM (Read Only Memory), NVRAM (Non-Volatile Random Access Memory), PROM (Programmable Programmable Read-Only Memory), EPROM (Erasable Programmable Read-Only Memory), EEPROM (Electrically Erasable and Programmable Read-Only Memory) Various types of processor-readable media such as Erasable Programmable Read-Only Memory)), flash memory, magnetic or optical data storage devices, registers, etc. can also be indicated. Memory is said to be in electronic communication with a processor when the processor can read information from, or record information in, the memory. Memory integrated with the processor is in electronic communication with the processor.
本開示において、「ショッピングコンテンツ」は、インターネットを介したオンラインショッピングサービスやソーシャルメディアなどにより提供されるショッピング商品に関する放送、特売イベントに関する情報、ショッピング商品情報、ショッピング決済情報、ショッピング販売者や製造者情報などのようなオンラインショッピングと関連付けられた情報またはコンテンツを示すことができる。例えば、ショッピングコンテンツは、オンラインショッピング対象である商品に関する説明、広告及び広報などのためのテキスト、イメージまたは動画を含むコンテンツ、ライブ放送コンテンツ及び録画放送コンテンツなどを含むことができるが、これに限定されるものではない。他の例として、ショッピングコンテンツは、特売イベントの題目、特売イベントと関連付けられたタグ、及び特売イベントの企画商品に関する情報などを含むことができる。 In this disclosure, “shopping content” refers to broadcasts about shopping products provided by online shopping services via the Internet, social media, etc., information on special sale events, shopping product information, shopping payment information, shopping seller and manufacturer information can indicate information or content associated with online shopping such as; For example, shopping content may include, but is not limited to, content including text, images, or videos, live broadcast content, and recorded broadcast content for descriptions, advertisements, and public relations of products for online shopping. not something. As another example, the shopping content may include the title of the sale event, tags associated with the sale event, information regarding the products featured in the sale event, and the like.
本開示において、「特売イベント(special sales events)」は、一般に特定主題(theme)と関連付けられた一つ以上の商品を、特定期間の間に広告、展示及び販売するイベントを示すことができる。例えば、特売イベントは、オンラインショッピングサービスやソーシャルメディアなどにより提供でき、特定時期(例えば、季節、年中特定月、特定日または時間)に特定ユーザ集団を対象として提供できる。他の例において、特売イベントは、夏休み用衣類、乳児用おもちゃ及びキャンプ用品などのように、特定商品主題と関連付けられた一つ以上の商品を広告、展示及び販売するために生成又は提供できる。一実施例において、特売イベントは、特売イベントの主題や販売対象商品などを示す特売イベントの題目、企画商品情報(例えば、商品イメージ、商品価格及び商品説明など)、特売イベントの有効期間及び/又は販売条件などを含むデータに示すことができるが、これに限定されるものではない。 For purposes of this disclosure, "special sales events" may generally refer to events in which one or more products associated with a particular theme are advertised, exhibited, and sold during a specified period of time. For example, a sale event can be provided by an online shopping service, social media, etc., and can be targeted to a specific user population at a specific time (eg, season, month of the year, day or time). In another example, a sale event can be created or provided to advertise, display and sell one or more products associated with a particular product subject matter, such as summer vacation clothing, baby toys and camping equipment. In one embodiment, the bargain event includes a bargain event title indicating the subject of the bargain event, the product to be sold, etc., planned product information (eg, product image, product price, product description, etc.), effective period of the bargain event, and/or The data can include, but is not limited to, sales conditions.
図1は、本開示の一実施例によるユーザ端末110の画面120を介してユーザ100にショッピングコンテンツが提供される例を示す図である。図1に示す画面120は、ユーザ(例えば、消費者)100がユーザ端末(例えば、スマートフォン)110を介してショッピングコンテンツを提供するアプリケーションなどを実行することで、ショッピングコンテンツとして特売イベントに関する情報が提供される例を示す。例えば、図に示すように、ユーザ100には、ユーザ端末110を介してショッピングコンテンツとして特定の特売イベントの題目(「照明でお家づくりってどう?」)、当該特売イベントと関連付けられたハッシュタグ(「#テーブルスタンド」、「#フロアスタンド」、「#家具」、「#照明」)、及び当該特売イベントに含まれた企画商品に関する情報(例えば、商品イメージ、商品名、商品価格など)が提供され得る。
FIG. 1 is a diagram illustrating an example of providing shopping content to a
ユーザ100に特売イベントを提供するために、ユーザ端末110と通信する情報処理システムは、一つ以上の特売イベントを生成してユーザ端末110に転送できる。一実施例において、情報処理システムは、多様な検索クエリ(例えば、商品検索クエリ)に基づいて、一つ以上の特売イベントを自動的に生成できる。このとき、情報処理システムは、自動的に生成した一つ以上の特売イベントに関する情報を特売イベントの運営者に提供し、一つ以上の特売イベントの少なくとも一つに対する運営者の選択に応じて、選択された特売イベントを発行できる。代替的に、情報処理システムは、自動的に生成した一つ以上の特売イベントを直ちに発行できる。他の実施例において、情報処理システムは、特売イベントの主題候補、特売イベントのターゲット消費者候補、特売イベントのトレンドキーワード候補、特売イベントの題目候補及び/又は特売イベントに含まれる企画商品候補を生成して、特売イベントの運営者に提供できる。このとき、特売イベントの主題候補、特売イベントのターゲット消費者候補、特売イベントのトレンドキーワード候補、特売イベントの題目候補及び/又は特売イベントに含まれる企画商品候補の少なくとも一つに対する運営者の選択に応じて、情報処理システムは一つ以上の特売イベントを生成できる。
To provide the
情報処理システムは、特売イベントを生成するために、複数の商品クエリと関連付けられたデータを受信できる。ここで、「商品クエリ」は、特定商品の検索または購買のために、ユーザがユーザ端末により実行されるオンラインショッピングアプリケーションまたはウェブページ、検索アプリケーションまたはウェブページなどを介して入力する検索クエリを示すことができる。また、商品クエリと関連付けられたデータは、当該商品クエリそのもの(例えば、検索クエリ、検索キーワードを示すテキスト、イメージなど)、当該商品クエリが入力された日時、当該商品クエリが入力されたユーザ端末の情報(例えば、ユーザ端末の位置やIP情報など)、当該商品クエリを入力したユーザの情報(例えば、ユーザアカウントまたはプロフィール情報、ユーザの年齢、性別、職業など)を含むことができる。 An information handling system can receive data associated with multiple product queries to generate a sale event. Here, the 'product query' refers to a search query that a user inputs through an online shopping application or web page, a search application or web page, etc. executed by a user terminal in order to search for or purchase a specific product. can be done. In addition, the data associated with the product query includes the product query itself (for example, search query, text indicating search keywords, image, etc.), the date and time when the product query was input, and the user terminal where the product query was input. Information (eg, user terminal location, IP information, etc.), information of the user who entered the product query (eg, user account or profile information, user's age, gender, occupation, etc.) can be included.
情報処理システムは、複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出し、抽出されたトレンドと関連付けられた企画商品を含む特売イベントを生成できる。ここで、特定集団は、一つ以上の基準(例えば、年齢、性別、関心事、職業など)に基づいた複数のユーザの分類により生成された集団を示すことができる。例えば、特定集団は、10代、20代及び30代などのように年齢代別に分類された集団や、会社員、自営業者及び大学生などのように職業別に分類された集団や、男子及び女子のように性別に分類された集団や、既婚者及び未婚者のように結婚の有無により分類された集団などを含むことができる。また、特定期間は、季節、記念日、平日又は週末、公休日、連休期間、特定年度、年中特定月、月中特定週、一日中の特定時点間の区間などを含むことができる。 The information processing system extracts a trend associated with at least one of a specific group or a specific period based on data associated with a plurality of product queries, and generates a bargain sale event including planned products associated with the extracted trend. can be generated. Here, the specific group may refer to a group generated by classifying a plurality of users based on one or more criteria (eg, age, gender, interests, occupation, etc.). For example, the specific group is a group classified by age group such as teens, 20s and 30s, a group classified by occupation such as office worker, self-employed person and university student, and a group of men and women. and a group classified by marital status, such as married and unmarried. Also, the specific period may include seasons, anniversaries, weekdays or weekends, public holidays, consecutive holidays, specific years, specific months of the year, specific weeks of the month, sections between specific points in the day, and the like.
情報処理システムは、受信された複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングし、複数の群集のうちで、一つ以上の群集から特定集団又は特定期間の少なくとも一つと関連付けられた一つ以上のトレンドキーワードを抽出できる。例えば、情報処理システムは、複数の商品クエリと関連付けられたデータを、当該商品クエリのクエリ意図、主題、当該商品クエリを検索したユーザの情報、当該商品クエリが入力された日時などに基づいて、複数の群集にクラスタリングできる。例えば、情報処理システムは、統計的主題埋め込みモデル(statistic theme embedding model)のような統計または確率に基づいたクラスタリングモデルを用いて、複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングできる。 The information processing system clusters the data associated with the plurality of product queries received into a plurality of crowds, and among the plurality of crowds, one or more clusters associated with at least one of a specific group or a specific period of time. One or more trend keywords can be extracted. For example, the information processing system, the data associated with a plurality of product queries, based on the query intent of the product query, the subject, the information of the user who searched for the product query, the date and time when the product query was input, etc. Can be clustered into multiple crowds. For example, an information handling system can cluster data associated with multiple product queries into multiple crowds using a statistical or probability-based clustering model, such as a statistical theme embedding model.
その後、情報処理システムは、一つ以上のトレンドキーワードに基づいて、トレンドの主題を示す特売イベントの題目を決定できる。例えば、情報処理システムは、一つ以上のトレンドキーワードを組合わせて、トレンドの主題を示す文句や文章からなる特売イベントの題目を生成できる。付加的又は代替的に、情報処理システムは、統計に基づいた言語モデルや人工神経網に基づいた言語モデルのような言語モデルを用いて、一つ以上のトレンドキーワードをトレンドの主題を示す特売イベントの題目に変換(または生成)できる。 The information processing system can then determine a sale event title that indicates the trending subject matter based on one or more trending keywords. For example, the information processing system can combine one or more trend keywords to generate a sales event title consisting of phrases or sentences indicative of the subject of the trend. Additionally or alternatively, the information processing system uses a language model, such as a statistically-based language model or an artificial neural network-based language model, to identify one or more trending keywords as a sales event indicative of a trending subject. can be converted (or generated) to
以後、情報処理システムは、複数の商品のうちで、一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を企画商品として決定して、企画商品を含む特売イベントを生成できる。一実施例において、情報処理システムは、特売イベントの題目に基づいて、複数の商品のうちで、一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を企画商品として決定できる。例えば、情報処理システムは、企画商品抽出モデルを用いて、複数の商品のうちで、特売イベントの題目とマッチングされる、一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出して、抽出された一つ以上の商品を企画商品として決定できる。付加的又は代替的に、情報処理システムは、企画商品抽出モデルを用いて、複数の商品のうちで、特売イベントの題目とマッチングされる少なくとも一つの商品を抽出し、抽出された少なくとも一つの商品を含むリストをユーザ端末を介して出力できる。その後、情報処理システムは、出力されたリストのうちで、一つ以上の商品に対するユーザの選択に応じて、一つ以上の商品を企画商品として決定できる。 Thereafter, the information processing system can determine one or more products associated with one or more trend keywords among the plurality of products as plan products, and generate a bargain sale event including the plan products. In one embodiment, the information processing system can determine one or more products associated with one or more trend keywords among a plurality of products as planned products based on the title of the bargain sale event. For example, the information processing system uses the planned product extraction model to extract one or more products associated with one or more trend keywords that match the title of the bargain sale event from among the plurality of products. , one or more extracted commodities can be determined as planned commodities. Additionally or alternatively, the information processing system extracts at least one product that matches the title of the bargain sale event from among the plurality of products using the planned product extraction model, and stores the extracted at least one product. can be output via the user terminal. After that, the information processing system can determine one or more products as planned products according to the user's selection of one or more products from the output list.
一実施例において、企画商品抽出モデルは、複数の商品の各々に関する情報(例えば、商品名、商品説明、カテゴリ、関連商品、タグ、紹介文、レビュー、イメージ、価格、ブランド、製造社など)に基づいて、複数の商品の各々に関する特売イベントの題目とのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を含む商品リストを出力するように学習されたモデルであり得る。付加的又は代替的に、企画商品抽出モデルは、複数の商品の各々に関する埋め込みデータ(embedding data)及び特売イベントの題目に関する埋め込みデータを生成するように学習された埋め込み生成モデルを含むことができる。このとき、企画商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び特売イベントの題目に関する埋め込みデータに基づいて、複数の商品の各々に関する特売イベントの題目とのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を含む商品リストを出力するように学習されたモデルであり得る。 In one embodiment, the planned product extraction model includes information about each of a plurality of products (for example, product name, product description, category, related product, tag, introduction, review, image, price, brand, manufacturer, etc.). Based on this, calculate the matching score with the topic of the special sale event for each of the multiple products, extract a predetermined number of products from the multiple products based on the calculated matching score, and extract the predetermined number of products It can be a model trained to output a product list containing products. Additionally or alternatively, the featured product extraction model may include an embedding generative model trained to generate embedding data for each of the plurality of products and embedding data for the topic of the sale event. At this time, the planned product extraction model calculates a matching score for each of the plurality of products with the topic of the special sale event based on the embedded data regarding each of the plurality of products and the embedded data regarding the topic of the special sale event. It may be a model trained to extract a predetermined number of products among the plurality of products based on the matching score and output a product list containing the extracted predetermined number of products.
前述した実施例等によれば、消費者等が実際に入力した複数の商品クエリに関する情報を反映して、特定集団及び/又は特定時期と関連付けられたトレンドを抽出でき、抽出されたトレンドに符合する特売イベントを生成できる。これにより、特売イベントの運営者が発見しないトレンドを適時に把握して特売イベントを生成でき、特売イベントに新規に把握されたトレンドに符合する多様な企画商品を含むことができる。また、抽出されたトレンドに符合する特売イベントの主題、特売イベントの題目及び/又は企画商品を持つ特売イベントが自動的に生成されることで、運営者の業務負担が低くなり得る。また、現在の商品販売トレンドに符合する特売イベントの主題、特売イベントの題目及び/又は企画商品などが自動的に推薦されることで、運営者が効率よく特売イベントを生成/発行できる。 According to the above-described embodiments and the like, a trend associated with a specific group and/or a specific period can be extracted by reflecting information on a plurality of product queries actually input by consumers, etc., and matching the extracted trend You can generate a special sale event that As a result, a bargain event can be generated by grasping trends that are not discovered by the manager of the bargain sale event in a timely manner, and the bargain event can include various planned products that match the newly grasped trends. In addition, automatically generating a bargain sale event having a bargain sale event theme, bargain sale event title, and/or planned product matching the extracted trend can reduce the operational burden on the operator. In addition, the manager can efficiently generate/publish a bargain sale event by automatically recommending a bargain sale event theme, bargain sale event title, and/or planned products that match the current product sales trend.
図2は、本開示の一実施例による情報処理システム230が複数のユーザ端末210_1、210_2、210_3と通信可能であるように連結された構成を示す概要図である。図に示すように、複数のユーザ端末210_1、210_2、210_3は、ネットワーク220を介して、特売イベント提供サービス及び/又は特売イベント生成サービスを提供する情報処理システム230と連結される。ここで、複数のユーザ端末210_1、210_2、210_3は、特売イベントが提供される消費者及び/又は特売イベント生成サービスが提供される運営者(例えば、特売イベントの企画者や運営者など)の端末を含むことができる。一実施例において、情報処理システム230は、特売イベント提供サービス及び/又は特売イベント生成サービス等と関連付けられたコンピュータ実行可能なプログラム(例えば、ダウンロード可能なアプリケーション)及びデータの保存、提供及び実行が可能な一つ以上のサーバー装置及び/又はデータベース、或いは、クラウドコンピュータサービス基盤の一つ以上の分散コンピュータ装置及び/又は分散データベースを含むことができる。
FIG. 2 is a schematic diagram illustrating a configuration in which an
情報処理システム230により提供される特売イベント提供サービス及び/又は特売イベント生成サービスは、複数のユーザ端末210_1、210_2、210_3の各々に設置された特売イベント生成アプリケーション、ショッピングアプリケーション、検索アプリケーション、モバイルブラウザアプリケーションまたはウェブブラウザなどを介して、ユーザに提供できる。例えば、情報処理システム230は、特売イベント生成アプリケーションなどを介して、ユーザ端末210_1、210_2、210_3から受信される特売イベント生成に関する要請に対応する情報を提供したり、対応する処理を遂行したりできる。
The bargain sale event providing service and/or bargain sale event generation service provided by the
複数のユーザ端末210_1、210_2、210_3は、ネットワーク220を介して、情報処理システム230と通信できる。ネットワーク220は、複数のユーザ端末210_1、210_2、210_3及び情報処理システム230間の通信が可能であるように構成できる。ネットワーク220は、設置環境に応じて、例えば、イーサネット(Ethernet)(登録商標)、PLC(Power Line Communication)、電話線通信装置及びRS-serial通信などのような有線ネットワーク、移動通信網、WLAN(Wireless LAN)、Wi-Fi、Bluetooth(登録商標)及びZigBeeなどのような無線ネットワーク又はその組合せからなることができる。通信方式は制限されず、ネットワーク220を含むことができる通信網(例えば、移動通信網、有線インターネット、無線インターネット、放送網、衛星網等)を活用する通信方式だけでなく、ユーザ端末210_1、210_2、210_3間の近距離無線通信も含まれる。
A plurality of user terminals 210_1, 210_2, 210_3 can communicate with an
図2において、携帯電話端末210_1、タブレット端末210_2及びPC端末210_3がユーザ端末の例として示したが、これに限定されず、ユーザ端末210_1、210_2、210_3は、有線及び/又は無線通信が可能であり、特売イベント生成アプリケーション、ショッピングアプリケーション、検索アプリケーション、モバイルブラウザアプリケーションまたはウェブブラウザなどが設置されて実行できる任意のコンピューティング装置であり得る。例えば、ユーザ端末は、AIスピーカー、スマートフォン、携帯電話、ナビゲーション、コンピュータ、ノートブック、デジタル放送用端末、PDA(Personal Digital Assistants)、PMP(Portable Multimedia Player)、タブレットPC、ゲームコンソール(game console)、ウェアラブルデバイス(wearable device)、IoT(internet of things)デバイス、VR(仮想現実(virtual reality))デバイス及びAR(拡張現実(augmented reality))デバイス、セットトップボックスなどを含むことができる。また、図2では、3つのユーザ端末210_1、210_2、210_3がネットワーク220を介して情報処理システム230と通信するものと示したが、これに限定されず、異なる数のユーザ端末がネットワーク220を介して情報処理システム230と通信するように構成されることもできる。
In FIG. 2, mobile phone terminal 210_1, tablet terminal 210_2, and PC terminal 210_3 are shown as examples of user terminals, but user terminals 210_1, 210_2, and 210_3 are capable of wired and/or wireless communication. Yes, and can be any computing device on which a sale event generation application, shopping application, search application, mobile browser application or web browser, etc. can be installed and executed. For example, user terminals include AI speakers, smart phones, mobile phones, navigation systems, computers, notebooks, digital broadcasting terminals, PDA (Personal Digital Assistants), PMP (Portable Multimedia Player), tablet PCs, game consoles, It can include wearable devices, Internet of things (IoT) devices, VR (virtual reality) devices and AR (augmented reality) devices, set-top boxes, and the like. Also, although FIG. 2 shows three user terminals 210_1, 210_2, and 210_3 communicating with the
一実施例によれば、情報処理システム230は、複数のユーザ端末210_1、210_2、210_3から複数の商品クエリと関連付けられたデータを受信できる。その後、情報処理システム230は、このように受信された複数の商品クエリと関連付けれられたデータに基づいて特売イベントを生成して、複数のユーザ端末210_1、210_2、210_3(例えば、特売イベント運営者及び/又は消費者のユーザ端末)に提供できる。付加的又は代替的に、情報処理システム230は、複数の商品クエリと関連付けられたデータに基づいて、特売イベントの主題候補、特売イベントのターゲット消費者候補、特売イベントのトレンドキーワード候補、特売イベントの題目候補及び/又は特売イベントに含まれる企画商品候補を生成して、複数のユーザ端末210_1、210_2、210_3(例えば、特売イベント運営者のユーザ端末)に提供できる。このとき、情報処理システム230は、特売イベントの主題候補、特売イベントのターゲット消費者候補、特売イベントのトレンドキーワード候補、特売イベントの題目候補及び/又は特売イベントに含まれる企画商品候補の少なくとも一つに対するユーザの選択を複数のユーザ端末210_1、210_2、210_3から受信して、一つ以上の特売イベントを生成できる。
According to one embodiment, the
図3は、本開示の一実施例によるユーザ端末210及び情報処理システム230の内部構成を示すブロック図である。ユーザ端末210は、特売イベント生成アプリケーション、ショッピングアプリケーション、検索アプリケーション、モバイルブラウザアプリケーションまたはウェブブラウザなどが実行可能であり、有/無線通信が可能な任意のコンピューティング装置を示すことができ、例えば、図2の携帯電話端末210_1、タブレット端末210_2及びPC端末210_3などを含むことができる。図に示すように、ユーザ端末210は、メモリ312、プロセッサ314、通信モジュール316及び入出力インタフェース318を含むことができる。これと同様に、情報処理システム230は、メモリ332、プロセッサ334、通信モジュール336及び入出力インタフェース338を含むことができる。図3に示すように、ユーザ端末210及び情報処理システム230は、各々の通信モジュール316、336を用いて、ネットワーク220を介して情報及び/又はデータが通信できるように構成できる。また、入出力装置320は、入出力インタフェース318を介して、ユーザ端末210に情報及び/又はデータを入力したり、ユーザ端末210から生成された情報及び/又はデータを出力したりするように構成できる。
FIG. 3 is a block diagram showing internal configurations of the user terminal 210 and the
メモリ312、332は、非一時的な任意のコンピュータ読取り可能な記録媒体を含むことができる。一実施例によれば、メモリ312、332は、RAM(random access memory)、ROM(read only memory)、ディスクドライブ、SSD(ソリッドステートドライブ(solid state drive))及びフラッシュメモリ(flash memory)などのような永久的な大容量記憶装置(permanent mass storage device)を含むことができる。他の例として、ROM、SSD、フラッシュメモリ及びディスクドライブなどのような永久的な大容量保存装置は、メモリとは区分される別途の永久保存装置としてユーザ端末210又は情報処理システム230に含まれることができる。また、メモリ312、332には、運営体制と少なくとも一つのプログラムコード(例えば、ユーザ端末210に設置されて駆動される特売イベント生成アプリケーションなどのためのコード)が保存され得る。
このようなソフトウェア構成要素は、メモリ312、332とは別途のコンピュータ読取り可能な記録媒体からローディングできる。このような別途のコンピュータ読取り可能な記録媒体は、このようなユーザ端末210及び情報処理システム230に直接連結可能な記録媒体を含むことのできるが、例えば、フロッピー(登録商標)ドライブ、ディスク、テープ、DVD/CD-ROMドライブ及びメモリカードなどのようなコンピュータ読取り可能な記録媒体を含むことができる。他の例として、ソフトウェア構成要素等は、コンピュータ読取り可能な記録媒体でない、通信モジュールを介してメモリ312、332にローディングできる。例えば、少なくとも一つのプログラムは、開発者又はアプリケーションの設置ファイルを配信するファイル配信システムが、ネットワーク220を介して提供するファイルにより設置されるコンピュータプログラムに基づいてメモリ312、332にローディングできる。
Such software components can be loaded from a computer-readable medium separate from the memories 312,332. Such separate computer-readable recording media can include recording media directly connectable to such user terminal 210 and
プロセッサ314、334は、基本的な算術、ロジック及び入出力演算を遂行することで、コンピュータプログラムの命令を処理するように構成できる。命令は、メモリ312、332又は通信モジュール316、336によりプロセッサ314、334に提供され得る。例えば、プロセッサ314、334は、メモリ312、332のような記録装置に保存されたプログラムコードによって受信される命令を実行するように構成できる。
The
通信モジュール316、336は、ネットワーク220を介して、ユーザ端末210と情報処理システム230とが互いに通信するための構成や機能が提供でき、ユーザ端末210及び/又は情報処理システム230が、他のユーザ端末又は他のシステム(例えば、別途のクラウドシステムなど)と通信するための構成や機能が提供できる。一例として、ユーザ端末210のプロセッサ314がメモリ312などのような記録装置に保存されたプログラムコードによって生成した要請やデータ(例えば、特売イベントの生成に関する要請、特売イベントの発行に関する要請、複数の商品クエリと関連付けられたデータなど)は、通信モジュール316の制御により、ネットワーク220を介して情報処理システム230に伝達され得る。反対に、情報処理システム230のプロセッサ334の制御により提供される制御信号や命令が、通信モジュール336及びネットワーク220を経て、ユーザ端末210の通信モジュール316を介してユーザ端末210に受信され得る。例えば、ユーザ端末210は、情報処理システム230から通信モジュール316を介して、特売イベントの主題候補、特売イベントのターゲット消費者候補、特売イベントのトレンドキーワード候補、特売イベントの題目候補及び/又は特売イベントに含まれる企画商品候補などを受信できる。
The
入出力インタフェース318は、入出力装置320とのインタフェースのための手段であり得る。一例として、入力装置はオーディオセンサ及び/又はイメージセンサを含むカメラ、キーボード、マイクロホン、マウスなどのような装置を含み、出力装置はディスプレイ、スピーカー、ハプティックフィードバックデバイス(haptic feedback device)などのような装置を含むことができる。他の例として、入出力インタフェース318は、タッチスクリーンなどのように入力及び出力を遂行するための構成又は機能が一つで統合された装置とのインタフェースのための手段であり得る。例えば、ユーザ端末210のプロセッサ314がメモリ312にローディングされたコンピュータプログラムの命令を処理する際に、情報処理システム230や他のユーザ端末が提供する情報及び/又はデータを用いて構成されるサービス画面などが入出力インタフェース318を介してディスプレイに表示され得る。図3では、入出力装置320がユーザ端末210に含まれないように示したが、これに限定されず、ユーザ端末210と一体に構成することもできる。また、情報処理システム230の入出力インタフェース338は、情報処理システム230と連結するか、又は、情報処理システム230が含むことのできる入力や出力のための装置(図示せず)とのインタフェースのための手段であり得る。図3では、入出力インタフェース318、338をプロセッサ314、334と別途に構成された要素として示したが、これに限定されず、入出力インタフェース318、338がプロセッサ314、334に含まれるように構成することもできる。
Input/
ユーザ端末210及び情報処理システム230は、図3に示す構成要素よりも多くの構成要素を含むことができる。しかしながら、大部分の従来技術の構成要素を明確に示す必要はない。一実施例によれば、ユーザ端末210は、前述した入出力装置320の少なくとも一部を含むように具現できる。また、ユーザ端末210は、トランシーバー(transceiver)、GPS(Global Positioning system)モジュール、カメラ、各種センサ及びデータベースなどのような他の構成要素をさらに含むことができる。例えば、ユーザ端末210がスマートフォンである場合、一般にスマートフォンが持つ構成要素を含むことができ、例えば、加速度センサ、ジャイロセンサ、カメラモジュール、各種物理的なボタン、タッチパネルを用いたボタン、入出力ポート及び振動のための振動器などのような多様な構成要素がユーザ端末210にさらに含まれるように具現できる。一実施例によれば、ユーザ端末210のプロセッサ314は、特売イベント生成サービスを提供するアプリケーションなどが動作するように構成できる。このとき、当該アプリケーション及び/又はプログラムと関連付けられたコードがユーザ端末210のメモリ312にローディングできる。
User terminal 210 and
特売イベント生成サービスを提供するアプリケーションなどのためのプログラムが動作される間に、プロセッサ314は、入出力インタフェース318と連結したタッチスクリーン、キーボード、オーディオセンサ及び/又はイメージセンサを含むカメラ、マイクロホンなどの入力装置を介して入力或いは選択されたテキスト、イメージ、映像、音声及び/又は動作などを受信でき、受信されたテキスト、イメージ、映像、音声及び/又は動作などをメモリ312に保存したり、通信モジュール316及びネットワーク220を介して情報処理システム230に提供したりできる。例えば、プロセッサ314は、特売イベントの主題候補、特売イベントのターゲット消費者候補、特売イベントのトレンドキーワード候補、特売イベントの題目候補及び/又は特売イベントに含まれる企画商品候補などに対するユーザの選択を示す入力を受信して、通信モジュール316及びネットワーク220を介して情報処理システム230に提供できる。他の例として、プロセッサ314は、生成された特売イベントの発行を要請するユーザ入力を受信して、通信モジュール316及びネットワーク220を介して情報処理システム230に提供できる。また他の例として、プロセッサ314は、入力装置320を介して商品クエリを入力するユーザ入力を受信し、商品クエリ及び商品クエリと関連付けられたデータをネットワーク220及び通信モジュール316を介して情報処理システム230に提供できる。
While a program for an application that provides a sale event generation service, etc., is running, the
ユーザ端末210のプロセッサ314は、入力装置320、他のユーザ端末、情報処理システム230及び/又は複数の外部システムから受信された情報及び/又はデータを管理、処理及び/又は保存するように構成できる。プロセッサ314により処理された情報及び/又はデータは、通信モジュール316及びネットワーク220を介して情報処理システム230に提供できる。ユーザ端末210のプロセッサ314は、入出力インタフェース318を介して入出力装置320に情報及び/又はデータを転送して出力できる。例えば、プロセッサ314は、受信した情報及び/又はデータをユーザ端末の画面にディスプレイできる。
情報処理システム230のプロセッサ334は、複数のユーザ端末210及び/又は複数の外部システムから受信された情報及び/又はデータを管理、処理及び/又は保存するように構成できる。プロセッサ334により処理された情報及び/又はデータは、通信モジュール336及びネットワーク220を介してユーザ端末210に提供できる。一実施例において、情報処理システム230のプロセッサ334は、複数のユーザ端末210から受信された複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出し、抽出されたトレンドと関連付けられた企画商品を含む特売イベントを生成できる。
情報処理システム230のプロセッサ334は、ユーザ端末210のディスプレイ出力可能な装置(例:タッチスクリーンやディスプレイなど)、音声出力可能な装置(例:スピーカー)などの出力装置320を介して処理された情報及び/又はデータが出力されるように構成できる。例えば、情報処理システム230のプロセッサ334は、生成(または発行)された特売イベント(または特売イベントに関する情報)を通信モジュール336及びネットワーク220を介してユーザ端末210に提供し、特売イベントをユーザ端末210のディスプレイ出力可能な装置などにより出力するように構成できる。他の例として、情報処理システム230のプロセッサ334は、通信モジュール336及びネットワーク220を介して、ユーザ端末210に特売イベントの主題候補、特売イベントのターゲット消費者候補、特売イベントのトレンドキーワード候補、特売イベントの題目候補及び/又は特売イベントに含まれる企画商品候補などを提供し、ユーザ端末210のディスプレイ出力可能な装置などにより出力するように構成できる。
The
図4は、本開示の一実施例による特売イベント生成方法400を示すフローチャートである。一実施例において、特売イベント生成方法400は、プロセッサ(例えば、情報処理システムの少なくとも一つのプロセッサ)により遂行できる。特売イベント生成方法400は、プロセッサが複数の商品クエリと関連付けられたデータを受信することにより開始することができる(S410)。例えば、プロセッサは、複数のユーザ端末から、複数の商品クエリと関連付けられたデータを受信できる。付加的又は代替的に、プロセッサは、内部及び/又は外部の保存装置(例えば、商品クエリデータベースなど)から、複数の商品クエリと関連付けられたデータを受信できる。ここで、商品クエリと関連付けられたデータは、当該商品クエリそのもの(例えば、検索クエリ、検索キーワードを示すテキスト、イメージなど)、当該商品クエリが入力された日時、当該商品クエリが入力されたユーザ端末の情報(例えば、ユーザ端末の位置やIP情報など)、当該商品クエリを入力したユーザの情報(例えば、ユーザアカウント又はプロフィール情報、ユーザの年齢、性別、職業など)を含むことができる。
FIG. 4 is a flowchart illustrating a sale
プロセッサは、複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出できる(S420)。一実施例において、プロセッサは、複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングし、複数の群集のうちで、一つ以上の群集から特定集団又は特定期間の少なくとも一つと関連付けられた一つ以上のトレンドキーワード(例えば、検索クエリ、トピックス、日付など)を抽出できる。例えば、プロセッサは、統計的主題埋め込みモデルを用いて、複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングできる。 The processor can extract trends associated with at least one of a specific population or a specific time period based on data associated with multiple product queries (S420). In one embodiment, the processor clusters the data associated with the plurality of product queries into a plurality of clusters, and among the plurality of clusters, one or more clusters are associated with at least one of a particular population or a particular time period. One or more trending keywords (eg, search queries, topics, dates, etc.) can be extracted. For example, the processor can use statistical thematic embedding models to cluster data associated with multiple product queries into multiple clusters.
その後、プロセッサは、抽出されたトレンドと関連付けられた企画商品を含む特売イベントを生成できる(S430)。例えば、プロセッサは、複数の商品のうちで一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を企画商品として決定し、企画商品を含む特売イベントを生成できる。一実施例において、プロセッサは、一つ以上のトレンドキーワードに基づいて、トレンドの主題を示す特売イベントの題目を決定し、特売イベントの題目に基づいて、複数の商品のうちで、一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を企画商品として決定できる。このために、プロセッサは、言語モデルを用いて、一つ以上のトレンドキーワードをトレンドの主題を示す特売イベントの題目に変換できる。 The processor can then generate a sale event including the featured product associated with the extracted trend (S430). For example, the processor can determine one or more products associated with one or more trend keywords among the plurality of products as planned products, and generate a bargain sale event including the planned products. In one embodiment, the processor determines a sale event topic indicative of the trending subject based on the one or more trending keywords, and determines one or more of the plurality of products based on the sale event topic. One or more products associated with trend keywords can be determined as planned products. To this end, the processor can use the language model to transform one or more trending keywords into a sale event topic that indicates the trending subject matter.
例えば、プロセッサは、企画商品抽出モデルを用いて、複数の商品のうちで特売イベントの題目とマッチングされる、一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出し、抽出された一つ以上の商品を企画商品として決定できる。付加的又は代替的に、プロセッサは、企画商品抽出モデルを用いて、複数の商品のうちで特売イベントの題目とマッチングされる少なくとも一つの商品を抽出し、抽出された少なくとも一つの商品を含むリストをユーザ端末を介して出力できる。このとき、プロセッサは、出力されたリストのうち、一つ以上の商品に対するユーザの選択に応じて、一つ以上の商品を企画商品として決定できる。 For example, the processor uses the planned product extraction model to extract one or more products associated with one or more trend keywords that are matched with the topic of the special sale event from among the plurality of products, One or more products can be determined as planned products. Additionally or alternatively, the processor extracts at least one product from among the plurality of products that matches the subject of the sale event using the planned product extraction model, and creates a list including the extracted at least one product. can be output via the user terminal. At this time, the processor may determine one or more products as planned products according to the user's selection of one or more products from the output list.
一実施例において、企画商品抽出モデルは、複数の商品の各々に関する情報に基づいて、複数の商品の各々に関する特売イベントの題目とのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、少なくとも一つ以上の商品を抽出して当該商品リストを出力するように学習されたモデルであり得る。さらに、企画商品抽出モデルは、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を含む商品リストを出力するように学習されたモデルであり得る。付加的又は代替的に、企画商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び特売イベントの題目に関する埋め込みデータを生成するように学習された埋め込み生成モデルを含むことができる。このとき、企画商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び特売イベントの題目に関する埋め込みデータに基づいて、複数の商品の各々に関する特売イベントの題目とのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を含む商品リストを出力するように学習されたモデルであり得る。 In one embodiment, the planned product extraction model calculates a matching score for each of the plurality of products with the theme of the special sale event based on information about each of the plurality of products, and based on the calculated matching score, at least It may be a model trained to extract one or more products and output the product list. Further, the planned product extraction model may be a model trained to extract a predetermined number of products from among a plurality of products and output a product list including the extracted predetermined number of products. Additionally or alternatively, the featured product extraction model may include an embedded generative model trained to generate embedded data for each of the plurality of products and embedded data for the topic of the sale event. At this time, the planned product extraction model calculates a matching score for each of the plurality of products with the topic of the special sale event based on the embedded data regarding each of the plurality of products and the embedded data regarding the topic of the special sale event. It may be a model trained to extract a predetermined number of products among the plurality of products based on the matching score and output a product list containing the extracted predetermined number of products.
付加的又は代替的に、企画商品抽出モデルは、学習の特売イベントの題目に関する埋め込みデータと、学習の特売イベントに含まれる商品に関する埋め込みデータとの間のマッチングスコアが、学習の特売イベントの題目に関する埋め込みデータと、学習の特売イベントに含まれない商品に関する埋め込みデータとの間のマッチングスコアよりも大きくなるように強制するトリプレット損失関数(triplet loss function)を用いて学習されたモデルであり得る。ここで、学習の特売イベントは、以前に実際に進行した特売イベント及び/又は企画商品抽出モデルを学習するために人為的に生成された特売イベントを示すことができる。 Additionally or alternatively, the planned product extraction model is such that a matching score between the embedded data regarding the subject of the learning special sale event and the embedded data regarding the products included in the learning sale event is the It can be a model trained with a triplet loss function that constrains the matching score between the embedded data and the embedded data for items not included in the learning sale event to be greater. Here, the learning sale event may indicate a sale event that has actually progressed in the past and/or a sale event that is artificially generated to learn the planned product extraction model.
図5は、本開示の一実施例による複数の商品クエリと関連付けられたデータ510からトレンドキーワード540を抽出する例を示す図である。類似の特徴(例えば、年齢、性別、職業、関心事など)を持つユーザを含むユーザ集団が、類似の時期(例えば、1週間内、1ヶ月内、春のような特定季節、連休又は記念日のような特定期間など)に検索した商品クエリは、当該ユーザ間に共有する同一又は類似のユーザ意図(例えば、ショッピング意図や検索意図)を含むことができる。このように、同一又は類似のユーザ意図によって入力又は検索される商品クエリは、一つ以上の群集にクラスタリングでき、同一又は類似のユーザ意図を含む群集からユーザの商品検索又は商品ショッピングトレンドが抽出される。
FIG. 5 is a diagram illustrating an example of extracting
例えば、プロセッサ(例えば、情報処理システムの少なくとも一つのプロセッサ)は、同一又は類似のユーザ意図(例えば、検索意図やショッピング意図など)を持つ商品クエリを含む一つ以上の群集を生成し、生成された一つ以上の群集から特定集団及び/又は特定時期のトレンドを抽出できる。ここで、特定集団は、一つ以上の群集に含まれた商品クエリを入力又は検索したユーザ集団そのものを示すことができる。付加的又は代替的に、特定集団は、一つ以上の群集に含まれた商品クエリを多数入力又は検索したユーザの性別、年齢、職業群などを示すことができる。また、商品クエリは、ユーザがショッピングのために入力又は検索したクエリのうち、有意味なクエリ(例えば、精製、フィルタリング及び/又は前処理したショッピングクエリ)を含むことができる。 For example, a processor (e.g., at least one processor of an information processing system) generates one or more crowds containing product queries with the same or similar user intent (e.g., search intent, shopping intent, etc.), It is also possible to extract trends for specific populations and/or specific times from one or more crowds. Here, the specific group may indicate a group of users who have input or searched product queries included in one or more groups. Additionally or alternatively, the specific group may indicate the gender, age, occupational group, etc. of users who have entered or searched multiple product queries included in one or more groups. In addition, product queries can include meaningful queries (eg, refined, filtered and/or pre-processed shopping queries) among queries that users have entered or searched for shopping.
一実施例において、プロセッサは、複数の商品クエリと関連付けられたデータ510を複数の群集530にクラスタリングすることで、複数の群集530を生成できる。その後、プロセッサは、複数の群集530のうちで、一つ以上の群集から特定集団又は特定期間の少なくとも一つと関連付けられた一つ以上のトレンドキーワード540を抽出できる。例えば、プロセッサは、複数の群集530のうちで、一つ以上の群集から一つ以上のトレンドキーワード540を抽出し、抽出された一つ以上のトレンドキーワード別特徴(例えば、当該トレンドキーワードを多数検索した集団、性別、年齢、時期など)に基づいて、一つ以上のトレンドキーワード540と関連付けられた特定集団及び/又は特徴期間を決定できる。すなわち、プロセッサは、受信された複数の商品クエリと関連付けられたデータ510に基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出できる。
In one embodiment, the processor can generate multiple clusters 530 by
また、プロセッサは、統計的主題埋め込みモデル520を用いて、複数の商品クエリと関連付けられたデータ510を複数の群集530にクラスタリングし、複数の群集530のうちで、一つ以上の群集から一つ以上のトレンドキーワード540を抽出できる。ここで、統計的主題埋め込みモデル520は、ショッピング意図(または検索意図やクエリ意図)が共通した商品クエリを、一つ以上の群集にクラスタリングするように学習された、統計又は確率に基づいたクラスタリングモデル及び/又は埋め込みモデルであり得る。図に示すように、プロセッサは、複数の商品クエリと関連付けられたデータ510を統計的主題埋め込みモデル520に入力することで、複数の商品クエリと関連付けられたデータ510の各々に対応する複数の埋め込みデータを生成できる。プロセッサは、生成された複数の埋め込みデータを複数の群集530にクラスタリングできる。その後、プロセッサは、複数の群集530のうちで、一つ以上の群集から一つ以上のトレンドキーワード540を抽出できる。
The processor also uses the statistical thematic embedding
一実施例において、プロセッサは、統計的主題埋め込みモデル520を用いて、複数の商品クエリと関連付けられたデータ510に基づいて、各商品クエリを埋め込み空間に埋め込むことができる。その後、プロセッサは、埋め込み空間における各商品クエリ間の距離に基づいて、複数の商品クエリを複数の群集530にクラスタリングできる。例えば、プロセッサは、埋め込み空間において基準商品クエリ(例えば、シード(seed)キーワード)を基準として、距離が近い商品クエリを含む群集を生成することで、複数の商品クエリを複数の群集530にクラスタリングできる。ここで、基準商品クエリは、トレンド性を示す商品クエリ又はキーワードを含むことができる。
In one embodiment, the processor can use the statistical thematic embedding
プロセッサは、複数の商品クエリを複数の群集530にクラスタリングするために、基準商品クエリを決定できる。すなわち、プロセッサは、複数の商品クエリと関連付けられたデータ510に基づいて、トレンド性を示す基準商品クエリ(または中心商品クエリ)を決定できる。一実施例において、プロセッサは、複数の商品クエリと関連付けられたデータ510に基づいて、特定時期(例:夏や冬等)及び/又は特定集団(例:特定の年齢や性別)に関する人気キーワードを抽出し、抽出した人気キーワードを基準商品クエリとして決定できる。例えば、プロセッサは、複数の商品クエリと関連付けられたデータ510に基づいて、時期的な特徴を反映したキーワードを抽出して、基準商品クエリ(例えば、シードキーワードやメーン意図キーワード)として決定できる。ここで、基準商品クエリは、現在又は未来の特定時点や期間に対応する人気キーワードを含むことができ、これにより、プロセッサは、運営者が所望の現在又は未来の特定時点や期間に対応する特売イベントを生成できる。
The processor can determine a reference product query to cluster the product queries into the crowds 530 . That is, the processor can determine a trending reference product query (or focus product query) based on
基準商品クエリを決定するために、プロセッサは、性別/年齢代別の商品クエリ流入量に基づいて、時系列データ(time series data)を構成して分析し、高い季節性(seasonality)、トレンド(trend)、商品クエリ流入量を持つ商品クエリを選定できる。現在の季節性が高い商品クエリ(またはキーワード)の場合、現在と時間的に隣接している過去及び未来にも季節性パターンが類似しているように維持され得る。したがって、プロセッサは、商品クエリ流入量を観測出来ない未来時点(例えば、1週後や2週後)の商品クエリの時系列データの代りに、過去の同一期間(例えば、1年前同じ日付や同じ季節など)に収集された時系列データを分析して、基準商品クエリを決定できる。 In order to determine the reference product query, the processor constructs and analyzes time series data based on the product query inflow volume by gender/age group to identify high seasonality, trend ( trend), you can select product queries with product query traffic. In the case of a current highly seasonal product query (or keyword), the past and future that are temporally adjacent to the present may also maintain similar seasonality patterns. Therefore, the processor replaces the time-series data of product queries in the future (for example, one week later or two weeks later) when the product query inflow volume cannot be observed, instead of the product query time-series data for the same past period (for example, the same date one year ago or Time-series data collected during the same season, etc.) can be analyzed to determine a baseline product query.
一例として、プロセッサは、精製及び/又はフィルタリングにより獲得した有効な商品クエリを統計的主題埋め込みモデル520に入力することで、埋め込み空間上において各商品クエリを埋め込み、基準商品クエリ(またはキーワード)(例えば、「ベビーカバーオール」)を中心として、埋め込み空間上において距離の近い商品クエリ(またはキーワード)(例えば、「マザーズバッグ」、「新生児用チャイルドシート」、「抱っこひも」など)を含む群集を生成できる。その後、プロセッサは、当該群集から一つ以上のトレンドキーワード540を抽出し、当該群集及び/又は一つ以上のトレンドキーワード540と関連付けられた特定集団及び/又は特定時期を決定することで、決定された特定集団及び/又は特定時期と関連付けられたトレンドを抽出できる。
As an example, the processor inputs valid product queries obtained by refinement and/or filtering into the statistical thematic embedding
群集から抽出される一つ以上のトレンドキーワード540は、当該群集に含まれた商品クエリに含まれたキーワード、当該群集が示す主題(theme)、当該群集に含まれた商品クエリ等の共通した特徴、当該群集と関連付けられたユーザ集団、当該群集と関連付けられた時期などを含むことができる。例えば、「ベビーカバーオール」群集から抽出された一つ以上のトレンドキーワード540は、「ベビーカバーオール」群集に含まれた商品クエリ(すなわち、当該群集のクエリセット)である「マザーズバッグ」、「新生児用チャイルドシート」、「抱っこひも」などを含むことができる。付加的又は代替的に、「ベビーカバーオール」群集から抽出された一つ以上のトレンドキーワード540は、「ベビーカバーオール」群集の主題(例えば、「ベビーカバーオール」群集に含まれた商品クエリ等の共通した特徴、カテゴリ、連関性、クエリ意図など)である「新生児出産」、「育児」、「新生児」などを含むことができる。付加的又は代替的に、「ベビーカバーオール」群集から抽出された一つ以上のトレンドキーワード540は、「ベビーカバーオール」群集に含まれた商品クエリが多数入力された時期である「4月」などを含むことができる。付加的又は代替的に、「ベビーカバーオール」群集から抽出された一つ以上のトレンドキーワード540は、「ベビーカバーオール」群集に含まれた商品クエリを多数入力したユーザ等の集団の年齢、性別、結婚の有無に関する属性である「30代」、「女性」、「既婚者」などを含むことができる。このように群集から抽出された一つ以上のトレンドキーワード540に基づいて、当該群集に関するトレンドの題目(または特売イベントの題目)(例えば、「新生児出産テーマ」)を生成できる。
One or
複数の商品クエリと関連付けられたデータ510は、多様な形態のデータであり得る。例えば、複数の商品クエリと関連付けられたデータ510は、テキストデータやベクトルデータなどのような多様な形態のデータを含むことができる。
The
図6は、本開示の一実施例により、トレンドキーワード610に基づいて、トレンドの主題を示す特売イベントの題目630を決定する例を示す図である。プロセッサ(例えば、情報処理システムの少なくとも一つのプロセッサ)は、一つ以上のトレンドキーワード610に基づいて、トレンドの主題を示す特売イベントの題目630を決定できる。例えば、プロセッサは、特売イベントの題目を生成する特売イベント題目生成部(または、特売イベント題目生成器(sales event title generator))620を含むことができる。 FIG. 6 is a diagram illustrating an example of determining a sale event topic 630 that indicates a trending topic based on trending keywords 610, according to one embodiment of the present disclosure. A processor (eg, at least one processor of an information handling system) can determine a sale event topic 630 that indicates a trending topic based on one or more trending keywords 610 . For example, the processor can include a sale event title generator (or sales event title generator) 620 that generates a title for the sale event.
一実施例において、特売イベント題目生成部620は、入力される一つ以上のトレンドキーワード610を単純に組み合わせて、トレンドの主題を示す特売イベントの題目630を生成できる。他の実施例において、特売イベント題目生成部620は、言語モデルを用いて、一つ以上のトレンドキーワード610をトレンドの主題を示す特売イベントの題目に変換できる。このとき、特売イベント題目生成部620は言語モデルを含むことができ、言語モデルは、入力キーワードに基づいて、入力キーワードの意図(例えば、キーワードと関連付けられた主題など)が表示される文章を生成するように学習された人工神経網モデル及び/又は統計モデルであり得る。すなわち、言語モデルは、入力される複数のトレンドキーワード間の関係と意味を認知して、トレンドの主題を示す文章を生成するように学習されたモデルであり得る。
In one embodiment, the sale
図に示すように、特売イベント題目生成部620は、「ラッシュガード」、「水着」、「ビーチウエア」、「6月27日」を含むトレンドキーワード610の入力により、特売イベントの題目「待って!ウォーターパーク」630を生成できる。一実施例において、特売イベント題目生成部620は、一つ以上のトレンドキーワード610の入力により、複数の文章を生成できる。このとき、プロセッサは、特売イベント題目生成部620により生成された複数の文章の少なくとも一つの文章を特売イベントの題目630として決定できる。例えば、プロセッサは、特売イベント題目生成部620により生成された複数の文章を特売イベントの題目候補としてユーザ端末(例えば、特売イベント運営者の端末)を介して出力し、出力された複数の文章の少なくとも一つの文章に対するユーザ(例えば、特売イベント運営者)の選択に応じて、選択された少なくとも一つの文章を特売イベントの題目630として決定できる。代替的に、プロセッサは、ユーザがユーザ端末を介して直接入力した文章を受信して、特売イベントの題目として決定できる。
As shown in the figure, the bargain sale event
図7は、本開示の一実施例による特売イベントの題目710に基づいて、複数の商品のうちで、トレンドと関連付けられた一つ以上の商品730を抽出する例を示す図である。プロセッサ(例えば、情報処理システムの少なくとも一つのプロセッサ)は、複数の商品のうちで、一つ以上のトレンドキーワードと関連付けられた一つ以上の商品730を企画商品として決定して、企画商品を含む特売イベントを生成できる。一実施例において、プロセッサは、企画商品抽出モデルを用いて、複数の商品のうちで、特売イベントの題目とマッチングされる一つ以上の商品730を抽出して、企画商品として決定できる。ここで、企画商品抽出モデルは、入力される特売イベントの題目とマッチングされる一つ以上の商品を出力するように学習されたモデルであり得る。例えば、企画商品抽出モデルは、複数の商品の各々に関する情報(例えば、商品の題目、カテゴリ、タグ、紹介文、レビュー、イメージなど)に基づいて、複数の商品の各々に対して特売イベントの題目とのマッチングスコア(例えば、埋め込み空間における距離)を算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を含む商品リストを出力するように学習されたモデルであり得る。
FIG. 7 is a diagram illustrating an example of extracting one or
他の実施例において、プロセッサは、企画商品抽出モデルを用いて、複数の商品のうちで、特売イベントの題目とマッチングされる少なくとも一つの商品を抽出して、特売イベントの題目とマッチングされる少なくとも一つの商品を含むリストをユーザ端末を介して出力できる。その後、プロセッサは、出力されたリストの一つ以上の商品に対するユーザ(例えば、特売イベントの運営者)の選択に応じて、一つ以上の商品を企画商品として決定できる。すなわち、プロセッサは、ユーザ端末を介してユーザに企画商品候補を提供でき、企画商品候補のうちで、ユーザがユーザ端末を介して選択した一つ以上の商品を企画商品として決定できる。付加的又は代替的に、プロセッサは、ユーザがユーザ端末を介して直接的に選択及び/又は入力した商品を企画商品として決定できる。 In another embodiment, the processor uses the proposed product extraction model to extract at least one product from among the plurality of products that matches the topic of the special sale event, and extracts at least one product that matches the topic of the special sale event. A list containing one product can be output via the user terminal. The processor can then determine one or more products as the featured product in response to a user's (eg, event manager's) selection of one or more products in the output list. That is, the processor can provide planned product candidates to the user via the user terminal, and can determine one or more products selected by the user via the user terminal from among the planned product candidates as planned products. Additionally or alternatively, the processor can determine the product selected and/or input directly by the user via the user terminal as the proposed product.
図に示すように、プロセッサは、特売イベントの題目710を企画商品抽出モデル720に入力することで、複数の商品のうちで、企画商品抽出モデル720から出力される一つ以上の商品730を企画商品として決定し、当該企画商品を含む特売イベントを生成できる。ここで、企画商品抽出モデル720に入力される特売イベントの題目710は、当該特売イベントの題目のテキストそのものだけでなく、当該特売イベントのターゲット消費者(例えば、ターゲット集団)、主題、意図、サブタイトル、ハッシュタグなどに関する情報を含むことができる。例えば、プロセッサが特売イベントの題目710「待って!ウォーターパーク」を企画商品抽出モデル720に入力することで、企画商品抽出モデル720は、複数の商品のうち、当該特売イベントの題目710とマッチングスコアが高い商品(すなわち、特売イベントの題目とマッチングされる商品)である「水着」、「水泳帽」、「アクアシューズ」、「プールバック」、「ウォーターパークシーズン券」などを出力できる。プロセッサは、出力された複数の商品の少なくとも一部を企画商品として決定できる。例えば、プロセッサは、企画商品抽出モデル720から出力された複数の商品を含むリストを企画商品候補としてユーザ端末を介して出力し、出力された複数の商品の少なくとも一部に対するユーザの選択に応じて、選択された商品を企画商品として決定できる。
As shown in the figure, the processor plans one or
図8は、本開示の一実施例による企画商品抽出モデルを学習する例を示す図である。前述した企画商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び特売イベントの題目に関する埋め込みデータを生成するように学習された埋め込み生成モデルを含むことができる。ここで、埋め込み生成モデルは、入力される複数の商品の各々に関する情報に基づいて、複数の商品の各々に関する埋め込みデータを生成できる。例えば、埋め込み生成モデルは、複数の商品の各々の商品名、カテゴリ、販売者、タグ、ブランド、製造社、商品説明、オプション、価格及びイメージなどに基づいて、複数の商品の各々に関する埋め込みデータを生成するように学習されたモデルであり得る。このとき、企画商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び特売イベントの題目に関する埋め込みデータに基づいて、複数の商品の各々に関する特売イベントの題目とのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を含む商品リストを出力するように学習された人工神経網モデル及び/又は統計モデルであり得る。 FIG. 8 is a diagram illustrating an example of learning a planned product extraction model according to one embodiment of the present disclosure. The proposed product extraction model described above may include an embedding generation model trained to generate embedded data for each of a plurality of products and embedded data for a sale event topic. Here, the embedded generative model can generate embedded data for each of the plurality of products based on input information about each of the plurality of products. For example, an embedded generative model generates embedded data for each of multiple products based on each product's product name, category, seller, tags, brand, manufacturer, product description, options, price, image, etc. It can be a model that has been trained to produce. At this time, the planned product extraction model calculates a matching score for each of the plurality of products with the topic of the special sale event based on the embedded data regarding each of the plurality of products and the embedded data regarding the topic of the special sale event. An artificial neural network model and/or statistical model trained to extract a predetermined number of products from a plurality of products based on matching scores and output a product list including the extracted predetermined number of products. obtain.
プロセッサ(例えば、情報処理システムの少なくとも一つのプロセッサ)は、企画商品抽出モデルを生成及び/又は学習するために、学習の特売イベントに関するデータを受信及び/又は複数の商品の各々に関する情報を受信できる。ここで、学習の特売イベントに関するデータは、以前に実際に進行した特売イベントに関するデータ及び/又は企画商品抽出モデルを学習するために人為的に生成した特売イベントに関するデータを含むことができる。また、特売イベントに関するデータは、当該特売イベントの題目、企画商品、ターゲット消費者及び特売イベント時期などを含むことができる。また、学習の特売イベントは、情報処理システムの内部及び/又は外部の保存装置から受信できる。 A processor (e.g., at least one processor of an information processing system) can receive data about a learning sale event and/or receive information about each of a plurality of products to generate and/or learn a proposed product extraction model. . Here, the learned bargain event data may include bargain event data that has actually progressed in the past and/or bargain event data that is artificially generated for learning the planned product extraction model. In addition, the data regarding the bargain event may include the title of the bargain event, planned products, target consumers, bargain event time, and the like. Also, learning sale events can be received from storage devices internal and/or external to the information handling system.
プロセッサは、学習の特売イベントに関するデータ及び複数の商品の各々に関する情報に基づいて、特売イベントの題目が入力されることで、特売イベントの題目と関連付けられた一つ以上の商品を出力するように、企画商品抽出モデルを学習できる。一実施例において、プロセッサは、特売イベントの題目が入力されることで、複数の商品の各々に関する特売イベントの題目とのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数(例えば、10個)の商品(例えば、マッチングスコア順位が1位から10位に該当する商品)を抽出し、抽出された既定数の商品を含む商品リストを出力するように、企画商品抽出モデルを学習できる。 The processor is configured to output one or more items associated with the sale event subject when the sale event subject is input based on the learned sale event data and information regarding each of the plurality of items. , can learn the planning product extraction model. In one embodiment, the processor calculates a matching score for each of the plurality of commodities with the topic of the bargain sale event by inputting the subject of the bargain sale event, and based on the calculated matching score, determines the matching score of the plurality of commodities. To extract a predetermined number (for example, 10) of products (for example, products whose matching score ranking is from 1st to 10th) and output a product list containing the extracted predetermined number of products, You can learn the planning product extraction model.
一実施例において、プロセッサは、埋め込みデータ生成モデル(例えば、BERT(Bidirectional Encoder Representations from Transformers)のような言語モデル)を用いて、学習の特売イベントの題目に関する埋め込みデータ、学習の特売イベントに含まれる商品に関する埋め込みデータ、及び学習の特売イベントに含まれない商品に関する埋め込みデータを生成できる。例えば、プロセッサは、埋め込みデータ生成モデルに対し、学習の特売イベントの題目を入力することで、学習の特売イベントの題目に関する埋め込みデータを生成でき、学習の特売イベントに含まれる商品(例えば、学習の特売イベントに含まれる商品に関する情報)を入力することで、学習の特売イベントに含まれる商品に関する埋め込みデータを生成でき、学習の特売イベントに含まれない商品(例えば、学習の特売イベントに含まれない商品に関する情報)を入力することで、学習の特売イベントに含まれない商品に関する埋め込みデータを生成できる。その後、プロセッサは、学習の特売イベントの題目に関する埋め込みデータと、学習の特売イベントに含まれる商品に関する埋め込みデータとの間のマッチングスコアが、学習の特売イベントの題目に関する埋め込みデータと、学習の特売イベントに含まれない商品に関する埋め込みデータとの間のマッチングスコアよりも大きくなるように強制するトリプレット損失関数を用いて、企画商品抽出モデルを学習できる。ここで、埋め込みデータ間のマッチングスコアは、埋め込み空間上において埋め込みデータ間の距離と反比例することができる。 In one embodiment, the processor uses an embedded data generation model (e.g., a language model such as BERT (Bidirectional Encoder Representations from Transformers)) to generate embedded data about the topic of the learning sale event, included in the learning sale event. You can generate embedded data about products and embedded data about products that are not included in learning sale events. For example, the processor can generate embedded data related to the subject of the learning sale event by inputting the subject of the learning sale event to the embedded data generation model, and the products included in the learning sale event (for example, learning information about the products included in the learning sale event), you can generate embedded data about the products included in the learning sale event, and the products not included in the learning sale event (e.g., the products not included in the learning sale event By entering information about products), you can generate embedded data about products that are not included in learning sale events. The processor then determines that a matching score between the embedded data about the topic of the learning sale event and the embedded data about the products included in the learning sale event is equal to the embedded data about the topic of the learning sale event and the embedded data about the topic of the learning sale event. The proposed product extraction model can be trained using a triplet loss function that forces the matching score to be greater than the matching score between embedded data for products not included in . Here, the matching score between embedded data can be inversely proportional to the distance between embedded data on the embedding space.
さらには、企画商品抽出モデルの性能を向上させるために、学習データとして学習の特売イベントに含まれない商品を抽出するためのサンプリング過程(例えば、ネガティブサンプリング(negative sampling))を遂行できる。一実施例において、プロセッサは、学習の特売イベントには含まれない複数の商品のうちで、学習の特売イベントに含まれる商品に対して一部の類似の特徴を含む商品を学習データ(すなわち、negative data)としてサンプリングできる。例えば、「シェーバー」特売イベントを学習の特売イベントとして企画商品抽出モデルを学習する場合、プロセッサは、「シェーバー」特売イベントに含まれない複数の商品のうちで、シェーバーと同一のカテゴリ(例えば、「デジタルカテゴリ」)に含まれる商品である「ヘアドライヤー」を、企画商品抽出モデルを学習するための「学習の特売イベントに含まれない商品」として抽出できる。このとき、企画商品抽出モデルは、商品等のより細部的な特徴まで考慮して企画商品を抽出するように学習できる。 Furthermore, in order to improve the performance of the proposed product extraction model, a sampling process (e.g., negative sampling) for extracting products that are not included in learning bargain events can be performed as learning data. In one embodiment, the processor selects, among a plurality of products that are not included in the learning sale event, products that include some similar features to products included in the learning sale event as learning data (i.e., learning data). negative data). For example, when learning a plan product extraction model using a “shaver” bargain sale event as a learning bargain sale event, the processor selects a plurality of products that are not included in the “shaver” bargain sale event and selects the same category as the shaver (for example, “ "Digital category") can be extracted as a "product not included in learning bargain sale event" for learning the planned product extraction model. At this time, the planned product extraction model can learn to extract planned products by considering more detailed features of the products.
図に示すように、プロセッサは、学習の特売イベントの題目A(「anchor(アンカー)」という)812、学習の特売イベントに含まれる商品B(すなわち、学習の特売イベントの企画商品)(「positive(ポジティブ)」という)814、及び学習の特売イベントに含まれない商品C(すなわち、学習の特売イベントの企画商品でない任意の商品)(「negative(ネガティブ)」という)816の各々を埋め込み生成モデル810に入力して、学習の特売イベントの題目A、商品B及び商品Cの各々に関する埋め込みデータを生成できる。その後、プロセッサは、埋め込み空間において、学習の特売イベントの題目Aに関する埋め込みデータ822と、商品Bに関する埋め込みデータ824との間の距離が近くなる方向に、学習の特売イベントの題目Aに関する埋め込みデータ822と、商品Cに関する埋め込みデータ826との間の距離が遠くなる方向に、企画商品抽出モデルを学習できる。
As shown in the figure, the processor generates a topic A (referred to as “anchor”) 812 of the learning sale event, a product B included in the learning sale event (that is, a planned product of the learning sale event) (“positive (positive)") 814, and product C not included in the learning special sale event (that is, any product that is not the planned product of the learning special sale event) (called "negative") 816 are embedded in the generative model. Inputs at 810 can generate embedded data for each of Topic A, Item B, and Item C of the learning sale event. After that, the processor moves the embedded
図9は、本開示の一実施例により、ユーザ(例えば、運営者)が特売イベントを生成する例を示す図である。ユーザ端末(例えば、ユーザ端末の少なくとも一つのプロセッサ)は、ユーザ(例えば、運営者)に特売イベントの生成のためのユーザインタフェースを提供できる。一実施例において、ユーザ端末は、特売イベントの主題候補912をディスプレイ上に表示できる。例えば、ユーザ端末は、特売イベントのターゲットとなる特定集団及び/又は特定時期に関する候補をディスプレイ上に表示できる。その後、ユーザ端末は、特売イベントの主題候補912の少なくとも一つを選択するユーザ入力を受信して、これと関連付けられた要請及び/又はデータを情報処理システムに転送できる。
FIG. 9 is a diagram illustrating an example of a user (eg, operator) creating a sale event, according to one embodiment of the present disclosure. A user terminal (eg, at least one processor of the user terminal) can provide a user (eg, an operator) with a user interface for creating a sale event. In one embodiment, the user terminal can display
一実施例において、情報処理システムは、複数の商品クエリをクラスタリングすることにより生成された複数の群集のうちで、ユーザが選択した特売イベントの主題(すなわち、ユーザが選択した特定集団及び/又は特定時期)と関連付けられた一つ以上の群集から、一つ以上のトレンドキーワードを抽出して、トレンドキーワード候補914としてユーザ端末を介して出力できる。ここで、一つ以上の群集は、ユーザの選択した特定集団が多数入力した商品クエリを含む群集及び/又は特定時期に多数入力された商品クエリを含む群集であり得る。ユーザ端末は、トレンドキーワード候補914をディスプレイ上に表示でき、トレンドキーワード候補914の少なくとも一つのトレンドキーワードを選択するユーザ入力を受信して、これと関連付けられた要請及び/又はデータを情報処理システムに転送できる。
In one embodiment, the information processing system selects a user-selected sales event subject (i.e., a user-selected specific group and/or specific One or more trend keywords can be extracted from one or more crowds associated with the time period) and output as
一実施例において、情報処理システムは、ユーザが選択した少なくとも一つのトレンドキーワードに基づいて一つ以上の文章を生成して、特売イベントの題目候補916としてユーザ端末を介して出力できる。例えば、情報処理システムは、ユーザが選択した少なくとも一つのトレンドキーワードだけでなく、ユーザが選択した特売イベントの主題と関連付けられたキーワード、一つ以上の群集と関連付けられたキーワード及び/又はトレンドキーワードと類似のキーワードに基づいて一つ以上の文句や文章を生成して、特売イベントの題目候補916としてユーザ端末を介して出力できる。ユーザ端末は、特売イベントの題目候補916をディスプレイ上に表示でき、特売イベントの題目候補916の少なくとも一つを選択するユーザ入力を受信して、これと関連付けられた要請及び/又はデータを情報処理システムに転送できる。
In one embodiment, the information processing system can generate one or more sentences based on at least one trending keyword selected by the user, and output them as
一実施例において、情報処理システムは、複数の商品のうちで、ユーザが選択した特売イベントの題目とマッチングされる少なくとも一つの商品を抽出し、抽出された少なくとも一つの商品を含むリストを企画商品候補922としてユーザ端末を介して出力できる。これにより、ユーザ端末は、少なくとも一つの商品を含むリスト(すなわち、企画商品候補)をディスプレイ上に表示でき、リスト(すなわち、企画商品候補)の少なくとも一つの商品を企画商品として選択するユーザ入力を受信して、これと関連付けられた要請及び/又はデータを情報処理システムに転送できる。さらに、情報処理システムは、ユーザ端末から特売イベントの生成及び/又は発行に関する要請を受信できる。
In one embodiment, the information processing system extracts at least one product that matches the title of the bargain sale event selected by the user from among the plurality of products, and creates a list including the extracted at least one product. Can be output via the user terminal as
情報処理システムは、前述したように、受信された要請及び/又はデータに基づいて、ユーザが選択した特売イベントの主題、トレンドキーワード、特売イベントの題目及び/又は企画商品を含む特売イベントを生成及び/又は発行できる。付加的又は代替的に、ユーザは、特売イベントの主題、トレンドキーワード、特売イベントの題目及び/又は企画商品を候補群から選択しなくて直接入力できる。すなわち、情報処理システムは、ユーザが入力した特売イベントの主題、トレンドキーワード、特売イベントの題目及び/又は企画商品に基づいて、特売イベントを生成及び/又は発行できる。情報処理システムは、特売イベントを生成及び発行することにより、消費者らに特売イベントを提供できる。 As described above, the information processing system generates and generates a special sale event including the special sale event topic, trend keyword, sale event topic, and/or proposed product selected by the user based on the received request and/or data. / Or can be issued. Additionally or alternatively, the user can directly enter the subject of the sale event, trending keywords, subject of the sale event and/or featured product without selecting from a pool of candidates. That is, the information processing system can generate and/or issue a bargain sale event based on the bargain sale event theme, trend keyword, bargain event title, and/or plan product input by the user. The information handling system can provide a sale event to consumers by generating and publishing the sale event.
第1の動作910に示すように、ユーザ端末は、特売イベントの主題候補912として、期間候補(「今週」、「来週」、「2週後」、「3週後」)及び/又は集団候補(「10代前半」、「10代後半」、「20代前半」「30代」、「40代」、「50代」、「60代」、「男性」、「女性」)をユーザインタフェースを介して出力できる。出力された特売イベントの主題候補912の少なくとも一つ(例えば、「2週後」、「40代」、「女性」)を選択するユーザ入力に応じて、ユーザ端末は選択された期間及び/又は集団と関連付けられた第1の群集から抽出されたトレンドキーワード候補(「お家づくり」、「照明」、「カーテン」、「インテリア」)914及び第2の群集から抽出されたトレンドキーワード候補(「パーカー」、「フード」、「冬服」)914を、ユーザインタフェースを介して出力できる。ここで、第1の群集及び/又は第2の群集は、選択された期間に多数入力された商品クエリと関連付けられた群集及び/又は選択された集団が多数入力した商品クエリと関連付けられた群集であり得る。
As shown in a
ユーザ端末は、出力されたトレンドキーワード候補914の少なくとも一つ(「お家づくり」、「照明」、「インテリア」)を選択するユーザ入力に応じて、選択されたトレンドキーワードに基づいて生成された特売イベントの題目候補(「照明でお家づくりってどう?」、「今年の冬のインテリアアイテム」)916を、ユーザインタフェースを介して出力できる。第1の動作910から出力された特売イベントの題目候補916の少なくとも一つ(「照明でお家づくりってどう?」)を選択するユーザ入力に応じて、ユーザ端末は、第2の動作920に示すように、選択された特売イベントの題目とマッチングされる一つ以上の商品(「Aスタンド(floor lamp)」、「Bスタンド(table lamp)」、「Cスタンド(table lamp)」)を含む企画商品候補922を出力できる。出力された企画商品候補922の少なくとも一つの商品(「Aスタンド(floor lamp)」)を選択するユーザ入力に基づいて、選択された少なくとも一つの商品を含む特売イベントを生成できる。さらには、生成された特売イベントの発行を要請するユーザ入力により、当該特売イベントが発行されることで、消費者らに提供できる。
The user terminal, in response to a user input for selecting at least one of the output trend keyword candidates 914 (“building a house”, “lighting”, “interior”), displays a bargain sale generated based on the selected trend keyword. Event topic candidates (“How about building a house with lighting?”, “Interior items for this winter”) 916 can be output via the user interface. In response to the user input selecting at least one of the sale
図10は、本開示の一実施例によるユーザ(例えば、運営者)に一つ以上の特売イベントの候補1000が提供される例を示す図である。前述した実施例により、情報処理システムは、一つ以上の特売イベントを生成できる。情報処理システムは、ユーザ端末を介してユーザに生成された一つ以上の特売イベントを特売イベントの候補1000として提供できる。ユーザ端末は、特売イベントの候補1000に該当する一つ以上の特売イベントに関する情報をディスプレイ上に表示できる。
FIG. 10 is a diagram illustrating an example in which one or more
図に示すように、ユーザ端末は、特売イベントの候補1000として「冬の健康管理食品」、「冬制服のスタイリング」、「新年のプレゼントを予め準備」、「スキー場へ行こう」を、ユーザインタフェースを介して出力できる。例えば、ユーザ端末は、特売イベントの候補の各々に対するターゲット消費者(例えば、「57~63歳男性」、「18歳女性」、「45~55歳女性」、「20~30代男性」)、時期、イメージ、ハッシュタグ(「#健康」、「#お年寄り」、「#学生」など)、特売イベントの題目などをユーザインタフェースを介して出力できる。さらに、ユーザ端末は、特売イベントの候補1000の少なくとも一つの特売イベントを選択するユーザ入力に応じて、選択された特売イベントの詳細な構成をディスプレイ上に表示できる。
As shown in the figure, the user terminal displays "Winter Health Care Food", "Winter Uniform Styling", "Prepare New Year's Gifts in Advance", and "Let's Go to the Ski Resort" as
ユーザが特売イベントの候補1000の少なくとも一つの特売イベントを選択し、選択された特売イベントの発行要請を遂行することで、当該特売イベントが生成及び発行され、消費者らに提供できる。図10では、ユーザ端末が4つの特売イベントの候補を出力しているが、これに限定されず、異なる数の特売イベントの候補を出力できる。
When the user selects at least one sale event from the
前述した方法は、コンピュータで実行するためのコンピュータプログラムとして提供され得る。媒体は、コンピュータで実行可能なプログラムを継続的に保存したり、実行又はダウンロードのために一時保存したりするものであり得る。また、媒体は、単一又は多数のハードウェアが結合された形態の多様な記録手段又は保存手段であり得るが、あるコンピュータシステムに直接的に接続される媒体に限定されず、ネットワーク上に分散存在するものであり得る。媒体の例としては、ハードディスク、フロッピー(登録商標)ディスクや磁気テープのような磁気媒体、CD-ROMやDVDのような光記録媒体、フロプティカルディスク(floptical disk)のような磁気-光媒体(magneto-optical medium)、ROM、RAM、フラッシュメモリなどを含み、プログラム命令語が保存されるように構成されたものが挙げられる。また、他の媒体の例としては、アプリケーションを流通するアプリストアやその他の多様なソフトウェアを供給乃至流通するサイト、サーバーなどで管理する記録媒体乃至保存媒体も挙げられる。 The method described above may be provided as a computer program for execution on a computer. The media may be of continuous storage or temporary storage for execution or download of the computer-executable program. In addition, the medium may be various recording means or storage means in the form of single or multiple hardware combined, but it is not limited to a medium directly connected to a computer system, distributed on a network. can exist. Examples of media include hard disks, magnetic media such as floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. (magneto-optical medium), ROM, RAM, flash memory, etc., and configured to store program instructions. Examples of other media include recording media and storage media managed by application stores that distribute applications, sites that supply and distribute various software, and servers.
本開示の方法、動作又は技法は多様な手段により具現できる。例えば、このような技法は、ハードウェア、ファームウェア、ソフトウェア、若しくはこれらの組合せで具現できる。本願の開示により説明された多様な例示的な論理ブロック、モジュール、回路及びアルゴリズムステップは、電子ハードウェア、コンピュータソフトウェア、若しくは両方の組合せで具現できることを、通常の技術者であれば理解できるはずである。ハードウェア及びソフトウェアのこのような相互の代替を明確に説明するために、多様な例示的な構成要素、ブロック、モジュール、回路及びステップが、それらの機能的観点から一般的に前述された。そのような機能が、ハードウェアとして具現されるか、若しくは、ソフトウェアとして具現されるかは、特定アプリケーション及び全体システムに付加される設計要求事項によって変化する。通常の技術者は、各々の特定アプリケーションのために多様な方式により説明された機能を具現することもできるが、そのような具現は本開示の範囲から逸脱するものと解釈してはならない。 The methods, acts, or techniques of the disclosure may be embodied by various means. For example, such techniques may be implemented in hardware, firmware, software, or any combination thereof. A person of ordinary skill in the art should understand that the various exemplary logic blocks, modules, circuits and algorithmic steps described in the present disclosure can be embodied in electronic hardware, computer software, or a combination of both. be. To clearly illustrate such mutual alternatives of hardware and software, various illustrative components, blocks, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is implemented as hardware or software will vary depending on the particular application and design requirements imposed on the overall system. Skilled artisans may implement the described functionality in varying ways for each particular application, but such implementations should not be interpreted as departing from the scope of the present disclosure.
ハードウェアの具現において、技法の遂行に利用されるプロセッシングユニットは、一つ以上のASIC、DSP、デジタル信号処理デバイス(digital signal processing devices;DSPD)、プログラム可能な論理デバイス(programmable logic devices;PLD)、フィールドプログラム可能なゲートアレイ(field programmable gate arrays;FPGA)、プロセッサ、制御器、マイクロ制御器、マイクロプロセッサ、電子デバイス、本開示に説明された機能を遂行するように設計された他の電子ユニット、コンピュータ、若しくはこれらの組合せ内で具現されることもできる。 In a hardware implementation, the processing unit used to perform the techniques may be one or more of ASICs, DSPs, digital signal processing devices (DSPDs), programmable logic devices (PLDs). , field programmable gate arrays (FPGAs), processors, controllers, microcontrollers, microprocessors, electronic devices, and other electronic units designed to perform the functions described in this disclosure , a computer, or a combination thereof.
したがって、本開示により説明された多様な例示的な論理ブロック、モジュール及び回路は、汎用プロセッサ、DSP、ASIC、FPGAや他のプログラム可能な論理デバイス、離散ゲートやトランジスタロジック、離散ハードウェアコンポーネント、若しくは、本願に説明された機能を遂行するように設計されたもの等の任意の組合せで具現又は遂行されることもできる。汎用プロセッサはマイクロプロセッサであり得るが、代替的に、プロセッサは、任意の従来のプロセッサ、制御器、マイクロ制御器、若しくは状態マシンであり得る。プロセッサは、また、コンピューティングデバイスの組合せ、例えば、DSPとマイクロプロセッサ、複数のマイクロプロセッサ、DSPコアと関連付けられる一つ以上のマイクロプロセッサ、若しくは任意の他の構成の組合せで具現されることもできる。 Thus, the various exemplary logic blocks, modules and circuits described by this disclosure may be general purpose processors, DSPs, ASICs, FPGAs or other programmable logic devices, discrete gate or transistor logic, discrete hardware components, or , may be embodied or performed in any combination, including those designed to perform the functions described herein. A general-purpose processor may be a microprocessor, but, in the alternative, the processor may be any conventional processor, controller, microcontroller, or state machine. A processor may also be embodied in a combination of computing devices, such as a DSP and a microprocessor, multiple microprocessors, one or more microprocessors associated with a DSP core, or any other combination of configurations. .
ファームウェア及び/又はソフトウェアの具現において、技法は、RAM、ROM、NVRAM、PROM、EPROM、EEPROM、フラッシュメモリ、CD(compact disc)、磁気又は光学データストレージデバイスなどのようなコンピュータ読み取り可能な媒体上に保存された命令で具現できる。命令は、一つ以上のプロセッサによって実行可能であり得、プロセッサ(複数可)が本開示に説明された機能の特定様態を遂行するようにできる。 In a firmware and/or software implementation, the techniques are stored on computer readable media such as RAM, ROM, NVRAM, PROM, EPROM, EEPROM, flash memory, compact discs (CDs), magnetic or optical data storage devices, and the like. It can be embodied by a stored command. The instructions may be executable by one or more processors and may cause the processor(s) to perform certain aspects of the functions described in this disclosure.
前述した実施例が一つ以上の独立型コンピュータシステムで現在開示された主題の様態を活用するものとして記述しているが、本開示はこれに限定されず、ネットワークや分散コンピューティング環境のような任意のコンピューティング環境によって具現できる。さらには、本開示における主題の様態は複数のプロセッシングチップや装置で具現されることもでき、ストレージは複数の装置にわたって類似に影響を受けることもできる。このような装置は、PC、ネットワークサーバー及び携帯用装置を含むこともできる。 Although the foregoing embodiments are described as utilizing aspects of the presently disclosed subject matter in one or more stand-alone computer systems, the disclosure is not so limited, and may be used in networked or distributed computing environments, such as. It can be embodied by any computing environment. Further, aspects of the subject matter of this disclosure may be embodied in multiple processing chips or devices, and storage may be similarly affected across multiple devices. Such devices may also include PCs, network servers and handheld devices.
本明細書では、本開示が一部の実施例によって説明されたが、本開示の発明が属する技術分野における通常の技術者が理解し得る本開示から逸脱しない範囲内で多様な変形や変更が可能である。また、そのような変形や変更は、本明細書に添付された特許請求の範囲内に属するものと理解されるべきである。 In the present specification, the present disclosure has been described with some embodiments, but various modifications and changes can be made without departing from the present disclosure that can be understood by a person of ordinary skill in the technical field to which the disclosed invention belongs. It is possible. Also, such variations and modifications should be understood to fall within the scope of the claims appended hereto.
100 ユーザ
110 ユーザ端末
120 画面
100
Claims (15)
複数の商品クエリと関連付けられたデータを受信するステップ;
前記複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出するステップ;及び、
前記抽出されたトレンドと関連付けられた企画商品を含む特売イベントを生成するステップ;を含む、特売イベント生成方法。 A sale event generation method performed by at least one computing device comprising:
receiving data associated with multiple product queries;
extracting trends associated with at least one of a particular population or a particular time period based on data associated with the plurality of product queries; and
generating a special sale event including the proposed product associated with the extracted trend.
前記複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングするステップ;及び、
前記複数の群集のうちで、一つ以上の群集から前記特定集団又は特定期間の少なくとも一つと関連付けられた一つ以上のトレンドキーワードを抽出するステップ;を含む、請求項1に記載の特売イベント生成方法。 extracting a trend associated with at least one of a specific population or a specific time period based on data associated with the plurality of product queries;
clustering data associated with the plurality of product queries into a plurality of clusters; and
2. The sale event generation of claim 1, comprising extracting one or more trending keywords associated with at least one of the specific group or specific period from one or more crowds among the plurality of crowds. Method.
統計的主題埋め込みモデルを用いて、前記複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングするステップを含む、請求項2に記載の特売イベント生成方法。 clustering the data associated with the plurality of product queries into a plurality of clusters;
3. The method of claim 2, comprising using a statistical thematic embedding model to cluster data associated with the plurality of product queries into a plurality of crowds.
複数の商品のうちで、前記一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を前記企画商品として決定するステップ;及び、
前記企画商品を含む特売イベントを生成するステップ;を含む、請求項2に記載の特売イベント生成方法。 The step of generating a sale event including planned products associated with the extracted trends,
determining one or more products associated with the one or more trend keywords among a plurality of products as the planned products; and
3. The method of generating a sale event according to claim 2, comprising the step of generating a sale event including said planned product.
前記一つ以上のトレンドキーワードに基づいて、前記トレンドの主題を示す特売イベントの題目を決定するステップ;及び、
前記特売イベントの題目に基づいて、前記複数の商品のうちで、一つ以上の商品を前記企画商品として決定するステップ;を含む、請求項4に記載の特売イベント生成方法。 The step of determining one or more products associated with the one or more trend keywords among the plurality of products as the planned products,
determining, based on the one or more trending keywords, a sale event title indicative of the trending subject matter; and
5. The method of generating a bargain sale event according to claim 4, further comprising the step of determining one or more products among said plurality of products as said plan product based on the title of said bargain sale event.
言語モデルを用いて、前記一つ以上のトレンドキーワードを前記トレンドの主題を示す特売イベントの題目に変換するステップを含む、請求項5に記載の特売イベント生成方法。 Based on the one or more trending keywords, determining a sale event title indicative of the trending subject includes:
6. The method of claim 5, comprising using a language model to convert the one or more trending keywords into a sale event topic indicative of the subject matter of the trend.
企画商品抽出モデルを用いて、前記複数の商品のうちで、前記特売イベントの題目とマッチングされる一つ以上の商品を抽出するステップ;及び、
前記抽出された一つ以上の商品を前記企画商品として決定するステップ;を含む、請求項5に記載の特売イベント生成方法。 The step of determining one or more products among the plurality of products as the planned products based on the title of the bargain sale event,
extracting, from among the plurality of products, one or more products that match the title of the bargain sale event using a planned product extraction model; and
6. The bargain sale event generating method according to claim 5, comprising the step of determining said extracted one or more products as said plan product.
企画商品抽出モデルを用いて、前記複数の商品のうちで、前記特売イベントの題目とマッチングされる少なくとも一つの商品を抽出するステップ;
前記特売イベントの題目とマッチングされる少なくとも一つの商品を含むリストを、ユーザ端末を介して出力するステップ;及び、
前記出力されたリストのうちで、前記一つ以上の商品に対するユーザの選択に応じて、前記一つ以上の商品を前記企画商品として決定するステップ;を含む、請求項5に記載の特売イベント生成方法。 The step of determining one or more products among the plurality of products as the planned products based on the title of the bargain sale event,
A step of extracting at least one product that matches the title of the bargain sale event from among the plurality of products using a planned product extraction model;
outputting, via a user terminal, a list including at least one product that matches the topic of the sale event; and
6. The bargain sale event generation according to claim 5, further comprising a step of determining said one or more products as said plan product according to a user's selection of said one or more products from said output list. Method.
学習の特売イベントに関するデータを受信するステップ;
複数の商品の各々に関する情報を受信するステップ;及び、
前記学習の特売イベントに関するデータ及び複数の商品の各々に関する情報に基づいて、特売イベントの題目が入力されることで、前記特売イベントの題目と関連付けられた一つ以上の商品を出力するように、前記企画商品抽出モデルを学習するステップ;を含む、企画商品抽出モデル学習方法。 In a method for learning a proposed product extraction model performed by at least one computer device,
receiving data about a learning sale event;
receiving information about each of the plurality of products; and
Based on the learned sale event data and information on each of a plurality of products, a sale event title is input to output one or more products associated with the sale event title, A plan commodity extraction model learning method, comprising: a step of learning the plan commodity extraction model.
前記特売イベントの題目が入力されることで、前記複数の商品の各々に関する前記特売イベントの題目とのマッチングスコアを算出し、前記算出されたマッチングスコアに基づいて、前記複数の商品のうちで既定数の商品を抽出し、前記抽出された既定数の商品を含む商品リストを出力するように、前記企画商品抽出モデルを学習するステップを含む、請求項10に記載の企画商品抽出モデル学習方法。 The step of learning the planned product extraction model so that when the topic of the special sale event is input, one or more products associated with the topic of the special sale event are output,
When the topic of the sale event is input, a matching score for each of the plurality of products with the topic of the sale event is calculated, and based on the calculated matching score, a predetermined item is selected among the plurality of products. 11. The plan product extraction model learning method according to claim 10, comprising the step of training the plan product extraction model so as to extract a number of products and output a product list containing the extracted predetermined number of products.
前記学習の特売イベントの題目に関する埋め込みデータと、前記学習の特売イベントに含まれる商品に関する埋め込みデータとの間のマッチングスコアが、前記学習の特売イベントの題目に関する埋め込みデータと、前記学習の特売イベントに含まれない商品に関する埋め込みデータとの間のマッチングスコアよりも大きくなるように強制するトリプレット損失関数を用いて、前記企画商品抽出モデルを学習するステップを含む、請求項10に記載の企画商品抽出モデル学習方法。 Based on the learned bargain sale event data and the information about each of the plurality of products, the planning unit outputs one or more products out of the plurality of products by inputting the title of the bargain sale event. The step of learning the product extraction model is
A matching score between the embedded data about the subject of the learning special sale event and the embedded data about the product included in the learning special sale event is a matching score between the embedded data about the topic of the learning special sale event and the learning special sale event. 11. The proposed product extraction model of claim 10, comprising training the proposed product extraction model with a triplet loss function that constrains matching scores to be greater than embedded data for non-included products. learning method.
通信モジュール;
メモリ;及び、
前記メモリと連結され、前記メモリに含まれたコンピュータ読み取り可能な少なくとも一つのプログラムを実行するように構成された少なくとも一つのプロセッサ;を含み、
前記少なくとも一つのプログラムは、
複数の商品クエリと関連付けられたデータを受信し、
前記複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出し、
前記抽出されたトレンドと関連付けられた企画商品を含む特売イベントを生成するための命令語を含む、情報処理システム。 An information processing system,
communication module;
memory; and
at least one processor coupled to said memory and configured to execute at least one computer readable program contained in said memory;
The at least one program comprises:
receive data associated with multiple product queries;
extracting trends associated with at least one of a specific population or a specific period of time based on data associated with the plurality of product queries;
An information processing system, comprising instructions for generating a bargain sale event including planned products associated with the extracted trend.
通信モジュール;
メモリ;及び、
前記メモリと連結され、前記メモリに含まれたコンピュータ読み取り可能な少なくとも一つのプログラムを実行するように構成された少なくとも一つのプロセッサ;を含み、
前記少なくとも一つのプログラムは、
学習の特売イベントに関するデータを受信し、
複数の商品の各々に関する情報を受信し、
前記学習の特売イベントに関するデータ及び複数の商品の各々に関する情報に基づいて、特売イベントの題目が入力されることで、前記特売イベントの題目と関連付けられた一つ以上の商品を出力するように、企画商品抽出モデルを学習するための命令語を含む、情報処理システム。 An information processing system,
communication module;
memory; and
at least one processor coupled to said memory and configured to execute at least one computer readable program contained in said memory;
The at least one program comprises:
Receive data about learning sale events,
receiving information about each of a plurality of products;
Based on the learned sale event data and information on each of a plurality of products, a sale event title is input to output one or more products associated with the sale event title, An information processing system including instructions for learning a planned product extraction model.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210072956A KR102615815B1 (en) | 2021-06-04 | 2021-06-04 | Method and system for providing special sales events based on user's intent of search queries |
KR10-2021-0072956 | 2021-06-04 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022186632A true JP2022186632A (en) | 2022-12-15 |
JP7417877B2 JP7417877B2 (en) | 2024-01-19 |
Family
ID=84439107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022085957A Active JP7417877B2 (en) | 2021-06-04 | 2022-05-26 | Method and system for generating special sale events based on user intent of search queries |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7417877B2 (en) |
KR (1) | KR102615815B1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102538248B1 (en) | 2023-01-16 | 2023-06-01 | 샵온트리주식회사 | Apparatus and method for managing special exhibitions provided through a plurality of open markets |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010055391A (en) * | 2008-08-28 | 2010-03-11 | Fujifilm Corp | Merchandise analyzing device, merchandise offering device, and merchandise analysis method and program |
US20170286978A1 (en) * | 2016-03-30 | 2017-10-05 | Salesforce.Com, Inc. | Identifying trending topics |
JP2018005563A (en) * | 2016-07-01 | 2018-01-11 | 日本電気株式会社 | Processing device, processing method and program |
JP2018139103A (en) * | 2016-12-13 | 2018-09-06 | アクシス アーベー | Method, computer program product, and device for training neural network |
JP2018156429A (en) * | 2017-03-17 | 2018-10-04 | ヤフー株式会社 | Information processing device, information processing method, and program |
KR20200127520A (en) * | 2019-05-02 | 2020-11-11 | 주식회사 옷딜 | System for building the contents automatically for planning sales and method therefor |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10489448B2 (en) * | 2016-06-02 | 2019-11-26 | Baidu Usa Llc | Method and system for dynamically ranking images to be matched with content in response to a search query |
KR101958729B1 (en) * | 2017-04-06 | 2019-03-18 | 네이버 주식회사 | Auto-extraction and structuring for sub-topic of subject inquiry |
KR102294638B1 (en) * | 2019-04-01 | 2021-08-27 | 한양대학교 산학협력단 | Combined learning method and apparatus using deepening neural network based feature enhancement and modified loss function for speaker recognition robust to noisy environments |
-
2021
- 2021-06-04 KR KR1020210072956A patent/KR102615815B1/en active IP Right Grant
-
2022
- 2022-05-26 JP JP2022085957A patent/JP7417877B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010055391A (en) * | 2008-08-28 | 2010-03-11 | Fujifilm Corp | Merchandise analyzing device, merchandise offering device, and merchandise analysis method and program |
US20170286978A1 (en) * | 2016-03-30 | 2017-10-05 | Salesforce.Com, Inc. | Identifying trending topics |
JP2018005563A (en) * | 2016-07-01 | 2018-01-11 | 日本電気株式会社 | Processing device, processing method and program |
JP2018139103A (en) * | 2016-12-13 | 2018-09-06 | アクシス アーベー | Method, computer program product, and device for training neural network |
JP2018156429A (en) * | 2017-03-17 | 2018-10-04 | ヤフー株式会社 | Information processing device, information processing method, and program |
KR20200127520A (en) * | 2019-05-02 | 2020-11-11 | 주식회사 옷딜 | System for building the contents automatically for planning sales and method therefor |
Also Published As
Publication number | Publication date |
---|---|
KR20220164326A (en) | 2022-12-13 |
JP7417877B2 (en) | 2024-01-19 |
KR102615815B1 (en) | 2023-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110754075B (en) | Method and system for providing personalized live information exchange | |
CN110770779B (en) | Method and system for providing personalized live information exchange | |
US20220035858A1 (en) | Generating playlists using calendar, location and event data | |
Vysotsky et al. | Online tourism system for proposals formation to user based on data integration from various sources | |
JP2013512501A (en) | System, apparatus and method for using context information | |
US9767417B1 (en) | Category predictions for user behavior | |
JP6827305B2 (en) | Selection device, selection method and selection program | |
US9767204B1 (en) | Category predictions identifying a search frequency | |
KR101981136B1 (en) | Program, method and system for providing recommendation contents | |
JP2019125359A (en) | Information recommendation method and computer system | |
JP6928044B2 (en) | Providing equipment, providing method and providing program | |
JP7513656B2 (en) | METHOD AND SYSTEM FOR GENERATING PRODUCT GROUPS BASED ON USER INTENT OF SEARCH QUERY | |
JP7417877B2 (en) | Method and system for generating special sale events based on user intent of search queries | |
CN102880716A (en) | Active delivery of related tasks for identified entity | |
US10387934B1 (en) | Method medium and system for category prediction for a changed shopping mission | |
JP6868175B1 (en) | Programs, information processing methods and information processing systems | |
KR102216855B1 (en) | Advertising method for providing an advertisement to selected audiences and the system thereof | |
KR102151598B1 (en) | Method and system for providing relevant keywords based on keyword attribute | |
JP7212103B2 (en) | Information processing device, information processing method and information processing program | |
JP7045515B1 (en) | Information processing equipment, information processing methods and information processing programs | |
Russo Spena et al. | Customer insights and consumer profiling | |
KR102611482B1 (en) | Method and system for providing marketing strategy model based on big data | |
Gultekin et al. | Omni-Channel Strategy in the Framework of the Search Engines | |
KR20240059059A (en) | Method and system for providing location-based customized coupons(some kind of mileage) according to consumer types | |
Xu | Interaction Design of Mobile‐Based Product Display System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220526 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230419 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230523 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230810 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231024 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231122 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20231130 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20231221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231229 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7417877 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |