JP7354329B2 - Information processing device, information processing method, and program - Google Patents
Information processing device, information processing method, and program Download PDFInfo
- Publication number
- JP7354329B2 JP7354329B2 JP2022039169A JP2022039169A JP7354329B2 JP 7354329 B2 JP7354329 B2 JP 7354329B2 JP 2022039169 A JP2022039169 A JP 2022039169A JP 2022039169 A JP2022039169 A JP 2022039169A JP 7354329 B2 JP7354329 B2 JP 7354329B2
- Authority
- JP
- Japan
- Prior art keywords
- ranking
- product
- query
- information processing
- ranking target
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 39
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000012545 processing Methods 0.000 claims description 58
- 238000000034 method Methods 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 17
- 239000013598 vector Substances 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000020095 red wine Nutrition 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、情報処理装置、情報処理方法、およびプログラムに関する。 The present invention relates to an information processing device, an information processing method, and a program.
電子商取引などの分野において、入力されたクエリに基づいてランキング対象(例えば商品)のランキング処理を行い、ランキング結果が上位のランキング対象を利用者に提示することが行われている。これに関連し、クエリワード列を受信する工程と、クエリワード列に関連する複数の様々な商品情報エントリを検索する工程と、クエリ列からの第1のコア商品ワードをメモリから抽出する工程と、様々な商品情報エントリからの第2のコア商品ワードをメモリから抽出する工程と、各第2のコア商品ワードに関して、キー商品ワードに関連する候補商品ワードリストに各第2のコア商品ワードが存在するか否かをチェックする工程と、各第2のコア商品ワードが存在する場合に、各第2のコア商品ワードに対応する商品情報エントリの重み付けを小さくする工程と、商品情報エントリの調整された重み付けに従って商品情報エントリをソートする工程と、を備えるオンライン商品検索方法の発明が開示されている(特許文献1参照)。 BACKGROUND ART In fields such as electronic commerce, ranking objects (for example, products) are ranked based on input queries, and ranking objects with higher ranking results are presented to users. In this regard, the steps include receiving a query word string, retrieving a plurality of different product information entries associated with the query word string, and extracting from memory a first core product word from the query word string. , extracting from memory second core product words from the various product information entries; and, for each second core product word, placing each second core product word in a list of candidate product words associated with the key product word. a step of checking whether or not each second core product word exists; a step of reducing the weighting of the product information entry corresponding to each second core product word if each second core product word exists; and adjusting the product information entry. An invention of an online product search method is disclosed, which includes a step of sorting product information entries according to the given weights (see Patent Document 1).
従来の技術では、ページビュー数などのクエリと直接関連しない要素も含めてランキング処理が行われていたため、例えば、人気のあるランキング対象が、クエリとは余り関連性が高くないにも関わらず上位になるケースが多く、提示されるランキング対象が、利用者の意図を十分に反映していないものとなる場合があった。 In conventional technology, ranking processing was performed that included factors not directly related to the query, such as the number of page views. In many cases, the ranking targets presented did not fully reflect the user's intentions.
本発明は、このような事情を考慮してなされたものであり、より検索意図に近いと考えられるランキング対象を選択することができる情報処理装置、情報処理方法、およびプログラムを提供することを目的の一つとする。 The present invention has been made in consideration of such circumstances, and an object of the present invention is to provide an information processing device, an information processing method, and a program that can select ranking targets that are considered to be closer to the search intention. be one of the.
本発明の一態様は、利用者によって入力されたクエリを取得する取得部と、前記クエリに合致するランキング対象の特徴量を学習済みモデルに入力することで、前記ランキング対象のスコアを導出し、スコアに基づいてランキング処理を行うランキング処理部と、を備え、前記学習済みモデルは、前記ランキング対象の特徴量を学習データとし、利用者の行動履歴と前記ランキング対象のカテゴリとに基づくラベルを教師データとした機械学習によって学習されたものである、情報処理装置である。 One aspect of the present invention is to derive a score of the ranking target by inputting an acquisition unit that acquires a query input by a user, and a feature amount of the ranking target that matches the query into a trained model; a ranking processing unit that performs a ranking process based on the score, and the trained model uses the feature quantity of the ranking target as learning data and uses a label based on the user's behavior history and the category of the ranking target as a teacher. This is an information processing device that is trained by machine learning using data.
本発明の一態様によれば、より検索意図に近いと考えられるランキング対象を選択することができる。 According to one aspect of the present invention, it is possible to select a ranking target that is considered to be closer to the search intention.
以下、図面を参照し、本発明の情報処理装置、情報処理方法、およびプログラムの実施形態について説明する。情報処理装置は、一以上のプロセッサにより実現される。情報処理装置は、利用者によって入力されたクエリに応じて、ランキング対象をランキングする装置である。ランキング対象とは、電子商取引で取引される商品(サービスを含むものとする)、ネットワークを介して提供される記事などであり、客観的指標となるカテゴリがメタ情報として付与されているものであれば、如何なるものであってもよい。以下、電子商取引で取引される商品がランキング対象であるものとして説明する。 DESCRIPTION OF THE PREFERRED EMBODIMENTS Embodiments of an information processing apparatus, an information processing method, and a program according to the present invention will be described below with reference to the drawings. An information processing device is realized by one or more processors. The information processing device is a device that ranks ranking targets according to a query input by a user. Ranking targets include products (including services) traded in electronic commerce, articles provided via networks, etc. If categories that serve as objective indicators are assigned as meta information, It can be anything. The following description will be made assuming that products traded in electronic commerce are subject to ranking.
電子商取引は、ネットワークを介して行われるショッピングやオークション、フリーマーケットなどを含む。以下の説明では、ショッピングを例にとって説明する。ショッピングに適用される情報処理装置は、ショッピングサイトを管理するショッピングサーバなどに包含される装置であってもよい。すなわち、情報処理装置は、仮想的な装置であってもよい。また、情報処理装置は、ショッピングサーバそのものであってもよい。以下では、情報処理装置がショッピングサーバの一部を構成するものとして説明する。ショッピングサーバは、ブラウザからのリクエストに応じてショッピングサイトを提供するものであってもよいし、スマートフォンなどにインストールされたアプリケーションプログラムからのリクエストに応じてショッピングサイトと同様のコンテンツを提供するものであってもよい。以下の説明では、ショッピングサーバは前者であるものとする。 Electronic commerce includes shopping, auctions, flea markets, etc. conducted via networks. In the following explanation, shopping will be taken as an example. The information processing device applied to shopping may be a device included in a shopping server or the like that manages a shopping site. That is, the information processing device may be a virtual device. Further, the information processing device may be the shopping server itself. In the following, the information processing device will be described as forming part of a shopping server. A shopping server may provide a shopping site in response to a request from a browser, or may provide content similar to a shopping site in response to a request from an application program installed on a smartphone or the like. It's okay. In the following explanation, it is assumed that the shopping server is the former one.
[構成]
図1は、実施形態に係る情報処理装置を利用したショッピングサーバ100の構成および使用環境の一例を示す図である。ショッピングサーバ100は、ネットワークNWを介して、端末装置10と通信する。ネットワークNWは、例えば、インターネット、WAN(Wide Area Network)、LAN(Local Area Network)、無線基地局、プロバイダ端末、専用回線などを含む。
[composition]
FIG. 1 is a diagram illustrating an example of the configuration and usage environment of a
端末装置10は、例えば、パーソナルコンピュータやスマートフォンなどの携帯電話、タブレット端末などである。これらにおいて、ブラウザやアプリケーションプログラムなどのUA(User Agent)20が起動する。UA20は、ショッピングサーバ100から提供された販売画面を表示すると共に、端末装置10の利用者によってなされた入力操作に応じたリクエストをショッピングサーバ100に送信する。
The
ショッピングサーバ100は、例えば、サイト提供部102と、ログ収集部104と、ランキング処理部110と、学習処理部130とを備える。ランキング処理部110は、例えば、検索実行部112と、特徴量取得部114と、モデル実行部116とを含む。これらの構成要素は、例えば、CPU(Central Processing Unit)などの一以上のハードウェアプロセッサがプログラム(ソフトウェア)を実行することにより実現される。これらの構成要素のうち一部または全部は、LSI(Large Scale Integration)やASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)、GPU(Graphics Processing Unit)などのハードウェア(回路部;circuitryを含む)によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めHDD(Hard Disk Drive)やフラッシュメモリなどの記憶装置(非一過性の記憶媒体を備える記憶装置)に格納されていてもよいし、DVDやCD-ROMなどの着脱可能な記憶媒体(非一過性の記憶媒体)に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
The
本実施形態において、少なくともクエリ取得部として機能するサイト提供部102とランキング処理部110とを含むものが、情報処理装置の一例である。
In this embodiment, an information processing device that includes at least the
また、ショッピングサーバ100は、HDDやフラッシュメモリ、RAM(Random Access Memory)などの記憶装置に、学習済みモデル118、商品データ150、ログデータ152などのデータを格納している。この記憶装置は、ショッピングサーバ100に付随するものであってもよいし、ショッピングサーバ100がネットワークNWを介してアクセス可能なNAS(Network Attached Storage)であってもよい。
Furthermore, the
サイト提供部102は、ショッピングサイトとしての各種画面を端末装置10に提供する。図2は、検索入力画面IM1の一例を示す図である。検索入力画面IM1には、商品を検索するためのクエリを入力するためのクエリ入力欄A1、および、入力されたクエリで検索を実行させるための検索ボタンB1が設けられている。クエリ入力欄A1にクエリが入力され、検索ボタンB1が操作されると、検索結果表示画面IM2に遷移する。このとき、サイト提供部102は、フォーム入力の形でクエリを取得し(クエリ取得部として機能し)、クエリをランキング処理部110に出力してランキング処理を依頼する。なお、クエリではなくカテゴリが選択された場合も、同様に検索結果表示画面IM2に遷移する。
The
図3は、検索結果表示画面IM2の一例を示す図である。検索結果表示画面IM2には、検索結果表示欄A2が含まれる。検索結果表示欄A2には、ランキング処理部110によって決定されたランキング順に、スクロールすることで視認可能な所定の数(或いは表示可能な限り全て)の商品の画像や説明(例えば、後述するタイトルの一部または全部)が、ポジション順に並べて表示される。以下、この所定の数をkとし、表示される商品を紹介商品と称する。ポジションは、1番上の位置を1、2番目の位置を2、…というように定義される。検索結果表示画面IM2において一つの商品の画像や説明が操作(選択)されると、商品販売画面IM3に遷移する。 FIG. 3 is a diagram showing an example of the search result display screen IM2. The search result display screen IM2 includes a search result display column A2. The search result display field A2 displays images and descriptions of a predetermined number (or as many as possible) of products that can be viewed by scrolling in the ranking order determined by the ranking processing unit 110 (for example, the titles of the titles described below). (part or all) are displayed in order of position. Hereinafter, this predetermined number will be referred to as k, and the displayed products will be referred to as introduced products. The positions are defined as 1 for the top position, 2 for the second position, and so on. When an image or description of one product is operated (selected) on the search result display screen IM2, the screen changes to a product sales screen IM3.
図4は、商品販売画面IM3の一例を示す図である。商品販売画面IM3には、商品画像表示欄A3-1、タイトル欄A3-2、詳細説明欄A3-3などが含まれる。タイトル欄A3-2や詳細説明欄A3-3には、選択された商品(選択商品)の製造元、商品の素材、使用、その他の内容がテキストとして掲載される。タイトル欄A3-2に表示されるテキストを「タイトル」と称し、詳細説明欄A3-3に表示されるテキストを「詳細説明」と称する。商品販売画面IM3に対する操作によって、購入者により商品が購入される。 FIG. 4 is a diagram showing an example of the product sales screen IM3. The product sales screen IM3 includes a product image display field A3-1, a title field A3-2, a detailed explanation field A3-3, and the like. In the title column A3-2 and detailed description column A3-3, the manufacturer of the selected product (selected product), the material of the product, its use, and other details are posted as text. The text displayed in the title column A3-2 is referred to as a "title", and the text displayed in the detailed explanation column A3-3 is referred to as a "detailed explanation". A purchaser purchases a product by operating the product sales screen IM3.
以下、各部の機能について説明する。ログ収集部104は、利用者ごとのショッピングサイトの利用履歴を収集し、ログデータ152に登録する。図5は、ログデータ152の内容の一例を示すイメージ図である。図示するように、ログデータ152は、利用者の識別情報であるユーザIDに対して、利用者が閲覧した各種画面と、入力されたクエリ、表示されている紹介商品、購入された商品などの情報が対応付けられたものである。なお、ログデータ152は、ユーザIDごとに整理されたものでなくてもよい。また、実際には、紹介商品や商品の情報は、以下に説明する商品IDで表されてよい。
The functions of each part will be explained below. The
[ランキング処理]
図6は、ランキング処理部110による処理の流れの一例を示す図である。まず、ランキング処理部110の検索実行部112は、サイト提供部102から渡されたクエリを用いて、商品データ150を検索する。図7は、商品データ150の内容の一例を示す図である。商品データ150は、例えば、商品の識別情報である商品IDに対して、カテゴリの識別情報であるカテゴリID、商品画像、タイトル、詳細説明、価格、その他のデータが対応付けられたものである。これらのうち、商品IDは、不図示の出品受付部により付番された情報であり、その他の情報は、販売者により入力されたものである。カテゴリは、例えば階層的に設定されており、図示の例では、例えば「3」が「飲食品」、「35」が「お酒」、「356」が「赤ワイン」を示している。後述する学習処理部130は、学習処理において、例えばカテゴリ(カテゴリID)の任意の階層に着目して処理を行う。一例として、学習処理部130は、最下層の情報(図5では「356」)に着目して処理を行う。
[Ranking process]
FIG. 6 is a diagram showing an example of the flow of processing by the
例えば、検索実行部112は、タイトルまたは詳細説明の中にクエリが含まれる商品データ150のレコードを抽出し、その商品IDを取得する。これによって検索実行部112は、クエリに合致する商品を取得する。なお、検索実行部112は、任意の手法でクエリに合致する商品の商品IDを取得してよい。図6の例では、n個の商品IDが取得されたものとする。nは固定値でなくてもよく、抽出条件に該当する分の商品IDが取得されてよい。
For example, the
特徴量取得部114は、検索実行部112により取得された各商品について(各商品IDについて)、モデル実行部116が入力データとして使用する特徴量を取得する。特徴量は、例えば、PV(Page View)数、クエリとのマッチ度合い、クリック数(選択回数)、価格、レビューの数などを含む。特徴量取得部114は、例えば、ログデータ152に対して必要な処理を行って、これらのデータを生成する。
The feature
特徴量取得部114は、例えば、その商品が、ログデータ152における検索結果表示画面に含められた表示された回数をPV数としてカウントする。また、特徴量取得部114は、クエリにおける単語列と、タイトルまたは詳細説明の中における単語列との一致数など、文字ベースの一致度合いに基づいて、クエリとのマッチ度合いを導出する。その他の事項についても、特徴量取得部114は、ログデータ152や商品データ150を参照し、必要に応じて処理を行って特徴量を取得する。そして、特徴量取得部114は、例えば、各種の特徴量を数値化して結合し、その商品に対応する一つの商品ベクトルを生成する。
The feature
モデル実行部116は、特徴量取得部114により生成された商品ベクトルのそれぞれを学習済みモデル118に、例えば順次入力することで、ランキング処理に用いられるスコアを導出する。そして、ランキング処理部110は、例えばスコアの高い順にk個の商品IDを選択し、サイト提供部102に出力する。サイト提供部102は、ランキング処理部110から取得したk個の商品IDを用いて商品データ150を検索し、抽出された商品の情報を検索結果表示画面に含めて利用者の端末装置10に表示させる。係る処理によって、より検索意図に近いと考えられるランキング対象を選択し、利用者に情報提供することができる。
The
[学習処理]
以下、上記のような効果をもたらす学習済みモデル118の生成処理について説明する。学習処理部130は、ランキング対象である商品の特徴量を学習データ、ラベルを教師データとした複数のデータセットを用いて機械学習を行い、学習済みモデル118を生成する。特徴量は、モデル実行部116が入力データとして使用するものと同様であり、学習データは前述した商品ベクトルであってよい。従って、学習処理部130は、特徴量取得部114から処理結果を取得して処理を行ってよい。なお、本実施形態において学習処理部130は、ショッピングサーバ100並びに情報処理装置に含まれるものとしているが、別体の情報処理装置(学習装置)として構成されてもよい。
[Learning process]
Hereinafter, a process for generating the trained
図8は、学習処理部130による処理の内容の一例を示す図である。図示するように、学習処理部130は、商品ベクトルを機械学習モデルに入力することで出力されるスコアが、ラベルが大きいほど高くなるように、機械学習モデルのパラメータを調整する。機械学習モデルは、例えば、ニューラルネットワークを元に構成されるモデルであるが、これに限らず任意のモデルを使用することができる。
FIG. 8 is a diagram illustrating an example of the content of processing by the
図9は、学習処理部130によるラベルの決定手法について説明するための図である。例えば、図9の上図で示すように、ある検索結果表示画面で表示された紹介商品が(1)~(4)であり、利用者によって商品(2)が選択されて商品販売画面に遷移したが、購入はされなかった。商品(1)は、商品(2)と同じカテゴリIDが付与された商品であったものとする。この場合、学習処理部130は、例えば、商品(2)にラベル値2を付与し、商品(1)にもラベル値1を付与する。また、図9の下図で示すように、別の検索結果表示画面で表示された紹介商品が同様に(1)~(4)であり、商品(3)が選択され、購入された。商品(4)は、商品(3)と同じカテゴリIDが付与された商品であったものとする。この場合、学習処理部130は、例えば、商品(3)にラベル値4を付与し、商品(1)にもラベル値1を付与する。なお、後者の場合、商品(1)に1よりも大きく4よりも小さい任意のラベル値を付与するようにしてもよい。なお、この1、2、4といった数値はあくまで一例であり、図9の上図の例において商品(2)に付与されるラベル値が商品(1)に付与されるラベル値以上であり、商品(1)に付与されるラベル値が商品(3)(4)に付与されるラベル値以上である関係が成立すればよく、図9の下図の例において商品(3)に付与されるラベル値が商品(4)に付与されるラベル値よりも大きく、商品(4)に付与されるラベル値が商品(1)(2)に付与されるラベル値よりも大きい関係が成立すれば、任意の数値を使用してよい。また、上記では階層的なカテゴリのうち最下層の情報に着目して「同じカテゴリが付与された」ことを判断するものとしたが、最下層では一致しないがより上層でカテゴリが一致する場合に、最下層のカテゴリが一致する場合よりも小さいラベル値(例えば0.5など)を付与してもよい。
FIG. 9 is a diagram for explaining a label determination method by the
このように、学習処理部130は、利用者により選択または購入された(所定の行動がなされた)商品について、高い評価を示すラベル値を付与すると共に、選択または購入された商品と同じカテゴリの商品についても、次に高い評価を示すラベル値を付与する。次に高い評価を示すラベル値とは、選択または購入された商品よりも低く、且つ、選択または購入されないと共に選択または購入された商品とカテゴリが異なる商品よりも高いラベル値である。従って、ラベル値は、選択または購入された商品、および、選択または購入された商品と同じカテゴリが付与された商品を、選択または購入されておらず且つ選択または購入された商品と同じカテゴリが付与されていないランキング対象よりも高く評価したものとなる。
In this way, the
学習処理部130は、複数の検索結果表示画面に関する選択または購入の結果に対して同様に処理を行い、それぞれの商品にラベル値を付与し、教師データとなるラベルとする。
The
学習処理部130は、上記のように各商品のラベルを求めると、機械学習モデルの出力するスコアが、ラベルが大きいほど高くなるように、機械学習モデルのパラメータを調整する。例えば、商品(m)の商品ベクトルをVm、ラベルをLmと表現し、機械学習モデルを関数f(Vm)と表現した場合において、ラベルの大小関係がL2>L1>L3>L4であったとすると、学習処理部130は、f(V2)>f(V1)>f(V3)>f(V4)となる方向に機械学習モデルのパラメータを調整する。予め用意されたデータセットの全てについて処理が行われて調整が完了した時点の機械学習モデルが、学習済みモデル118として用いられる。
After determining the label of each product as described above, the
以上説明したように学習済みモデル118を生成することで、より検索意図に近いと考えられる商品を選択することができる。従来の手法では、選択または購入された商品のみを評価する形でラベルを設定していた。この場合、どうしても人気商品や売れ筋の商品に対して高いラベルが設定されることになるし、低価格の商品の方が選択・購入回数が多くなるのは当然であるため高価格の商品のラベルが低くなる傾向が生じていた。このため、利用者が、あまり有名でない商品を意図してクエリを入力した場合、或いは高価格な商品を意図してクエリを入力した場合、検索意図と異なる商品が列挙されてしまう場合があった。
By generating the trained
これに対し、実施形態の手法では、選択または購入された商品と同じカテゴリの商品についても、ある程度の評価を与えるようにラベルを設定するため、より検索意図に近いと考えられる商品を選択することができる。選択または購入された商品は、検索意図に沿っている蓋然性が高いものであり、それと同じカテゴリが付与されているということは、同様に検索意図に沿っている蓋然性を有すると考えられるからである。 In contrast, in the method of the embodiment, the label is set to give a certain degree of evaluation even for products in the same category as the selected or purchased product, so it is possible to select a product that is considered to be closer to the search intent. I can do it. The product selected or purchased has a high probability of meeting the search intent, and the fact that it is assigned the same category means that it is also likely to match the search intent. .
以上説明した実施形態によれば、クエリに合致する商品の特徴量(商品ベクトル)を、特徴量(商品ベクトル)を入力するとスコアを出力する学習済みモデル118に入力することで商品ごとのスコアを取得し、スコアに基づいてランキング処理を行い、ランキング結果が上位となったランキング対象を選択するランキング処理部110を備え、学習済みモデル118は、選択または購入された商品だけでなく、選択または購入された商品と同じカテゴリが付与された商品についても評価を高くするラベルを用いて生成されたものであるため、より検索意図に近いと考えられる商品を選択することができる。
According to the embodiment described above, the score for each product is calculated by inputting the feature amount (product vector) of a product that matches a query to the trained
<他の実施形態>
情報処理装置は、ショッピングサーバとは別体のプロセッサにより構成されてもよい。図10は、他の実施形態に係る情報処理装置の実装例を示す図である。図示するように、学習処理部130を備える情報処理装置(学習装置)Aと、ランキング処理部110を備える情報処理装置(ランキング処理装置)Bとが、それぞれショッピングサーバCと別体に構成され、これらがネットワークNWを介して互いに通信するように構成されてもよい。この例において、情報処理装置Aと情報処理装置Bは統合されて一つの装置であってもよい。図10において図1と同じ符号を付している構成要素は、図1に即して説明したものと同様の機能を有するものとする。
<Other embodiments>
The information processing device may be configured by a processor separate from the shopping server. FIG. 10 is a diagram illustrating an example of implementation of an information processing device according to another embodiment. As shown in the figure, an information processing device (learning device) A including a
図10の実装例において、情報処理装置Aの学習処理部130は、所望のタイミングで商品データ150およびログデータ152をショッピングサーバCから取得して、上記説明したものと同様の処理を行う。そして、生成した学習済みモデルを情報処理装置Bに提供する。
In the implementation example of FIG. 10, the
情報処理装置Bは、クエリ取得部106を備える。クエリ取得部105は、ショッピングサーバCからランキング依頼と共にクエリを取得し、クエリをランキング処理部110に渡す。ランキング処理部110は、予めショッピングサーバCから一日に一回程度の頻度で取得している商品データ150およびログデータ152と、情報処理装置Aから取得した学習済みモデル118を用いて、上記説明したものと同様の処理を行う。係る構成によっても、上記実施形態と同様に、より検索意図に近いと考えられる商品を選択することができる。
Information processing device B includes a
以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。 Although the mode for implementing the present invention has been described above using embodiments, the present invention is not limited to these embodiments in any way, and various modifications and substitutions can be made without departing from the gist of the present invention. can be added.
100 ショッピングサーバ(情報処理装置)
102 サイト提供部
104 ログ収集部
106 クエリ取得部
110 ランキング処理部
112 検索実行部
114 特徴量取得部
116 モデル実行部
118 学習済みモデル
130 学習処理部
150 商品データ
152 ログデータ
A、B 情報処理装置
C ショッピングサーバ
100 Shopping server (information processing device)
102
Claims (5)
前記クエリに合致するランキング対象の特徴量を学習済みモデルに入力することで、前記ランキング対象のスコアを導出し、スコアに基づいてランキング処理を行うランキング処理部と、を備え、
前記学習済みモデルは、前記ランキング対象の特徴量を学習データとし、利用者の行動履歴と前記ランキング対象のカテゴリとに基づくラベルを教師データとした機械学習によって学習されたものであり、
前記ランキング対象のカテゴリは、予め全ての前記ランキング対象に対してクエリとは無関係に割り振られている情報である、
情報処理装置。 an acquisition unit that acquires a query input by a user;
a ranking processing unit that derives a score of the ranking target by inputting a feature quantity of the ranking target that matches the query into a trained model, and performs a ranking process based on the score,
The trained model is learned by machine learning using the feature quantity of the ranking target as learning data and a label based on the user's behavior history and the ranking target category as training data,
The ranking target category is information that has been assigned in advance to all the ranking targets regardless of the query;
Information processing device.
請求項1記載の情報処理装置。 The label indicates that the same category is assigned to the ranking target that has been assigned the same category as the presented ranking target when the user performs a predetermined action in response to the ranking target being presented. It is rated higher than the ranking target that is not ranked.
The information processing device according to claim 1.
請求項1または2記載の情報処理装置。 further comprising a learning processing unit that generates the learned model by machine learning based on the learning data and teacher data;
The information processing device according to claim 1 or 2.
利用者によって入力されたクエリを取得し、
前記クエリに合致するランキング対象の特徴量を学習済みモデルに入力することで、前記ランキング対象のスコアを導出し、スコアに基づいてランキング処理を行う情報処理方法であって、
前記学習済みモデルは、前記ランキング対象の特徴量を学習データとし、利用者の行動履歴と前記ランキング対象のカテゴリとに基づくラベルを教師データとした機械学習によって学習されたものであり、
前記ランキング対象のカテゴリは、予め全ての前記ランキング対象に対してクエリとは無関係に割り振られている情報である、
情報処理方法。 The computer is
Get the query entered by the user,
An information processing method that derives a score of the ranking target by inputting a feature quantity of the ranking target that matches the query into a trained model, and performs a ranking process based on the score,
The trained model is learned by machine learning using the feature quantity of the ranking target as learning data and a label based on the user's behavior history and the ranking target category as training data,
The ranking target category is information that has been assigned in advance to all the ranking targets regardless of the query;
Information processing method.
利用者によって入力されたクエリを取得させ、
前記クエリに合致するランキング対象の特徴量を学習済みモデルに入力することで、前記ランキング対象のスコアを導出し、スコアに基づいてランキング処理を行わせるプログラムであって、
前記学習済みモデルは、前記ランキング対象の特徴量を学習データとし、利用者の行動履歴と前記ランキング対象のカテゴリとに基づくラベルを教師データとした機械学習によって学習されたものであり、
前記ランキング対象のカテゴリは、予め全ての前記ランキング対象に対してクエリとは無関係に割り振られている情報である、
プログラム。 to the computer,
Get the query entered by the user,
A program that derives a score of the ranking target by inputting a feature quantity of the ranking target that matches the query into a trained model, and performs a ranking process based on the score, the program comprising:
The trained model is learned by machine learning using the feature quantity of the ranking target as learning data and a label based on the user's behavior history and the ranking target category as training data,
The ranking target category is information that has been assigned in advance to all the ranking targets regardless of the query;
program.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022039169A JP7354329B2 (en) | 2019-04-17 | 2022-03-14 | Information processing device, information processing method, and program |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019078541A JP7042770B2 (en) | 2019-04-17 | 2019-04-17 | Information processing equipment, information processing methods, and programs |
JP2022039169A JP7354329B2 (en) | 2019-04-17 | 2022-03-14 | Information processing device, information processing method, and program |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019078541A Division JP7042770B2 (en) | 2019-04-17 | 2019-04-17 | Information processing equipment, information processing methods, and programs |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022066610A JP2022066610A (en) | 2022-04-28 |
JP7354329B2 true JP7354329B2 (en) | 2023-10-02 |
Family
ID=72935550
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019078541A Active JP7042770B2 (en) | 2019-04-17 | 2019-04-17 | Information processing equipment, information processing methods, and programs |
JP2022039169A Active JP7354329B2 (en) | 2019-04-17 | 2022-03-14 | Information processing device, information processing method, and program |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019078541A Active JP7042770B2 (en) | 2019-04-17 | 2019-04-17 | Information processing equipment, information processing methods, and programs |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7042770B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7167370B1 (en) | 2022-02-03 | 2022-11-08 | ヤフー株式会社 | Information processing device, information processing method, and information processing program |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012203821A (en) | 2011-03-28 | 2012-10-22 | Yahoo Japan Corp | Search ranking generation device and method |
JP2014507712A (en) | 2011-01-14 | 2014-03-27 | アリババ・グループ・ホールディング・リミテッド | Ranking query results based on individual needs |
JP2014174753A (en) | 2013-03-08 | 2014-09-22 | Yahoo Japan Corp | Information processing unit, information processing method, and information processing program |
JP2016511906A (en) | 2013-03-28 | 2016-04-21 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | Ranking product search results |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011154467A (en) | 2010-01-26 | 2011-08-11 | Ntt Docomo Inc | Retrieval result ranking method and system |
JP2014215826A (en) | 2013-04-25 | 2014-11-17 | 株式会社デンソー | Search system |
US10628431B2 (en) | 2017-04-06 | 2020-04-21 | Salesforce.Com, Inc. | Predicting a type of a record searched for by a user |
-
2019
- 2019-04-17 JP JP2019078541A patent/JP7042770B2/en active Active
-
2022
- 2022-03-14 JP JP2022039169A patent/JP7354329B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014507712A (en) | 2011-01-14 | 2014-03-27 | アリババ・グループ・ホールディング・リミテッド | Ranking query results based on individual needs |
JP2012203821A (en) | 2011-03-28 | 2012-10-22 | Yahoo Japan Corp | Search ranking generation device and method |
JP2014174753A (en) | 2013-03-08 | 2014-09-22 | Yahoo Japan Corp | Information processing unit, information processing method, and information processing program |
JP2016511906A (en) | 2013-03-28 | 2016-04-21 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | Ranking product search results |
Also Published As
Publication number | Publication date |
---|---|
JP2020177401A (en) | 2020-10-29 |
JP2022066610A (en) | 2022-04-28 |
JP7042770B2 (en) | 2022-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11907240B2 (en) | Method and system for presenting a search result in a search result card | |
KR101511050B1 (en) | Method, apparatus, system and computer program for offering and displaying a product information | |
US9262784B2 (en) | Method, medium, and system for comparison shopping | |
US10360605B2 (en) | Server apparatus, information providing method, information providing program, recording medium recording the information providing program, and information providing system | |
US20180189405A1 (en) | Method and device for displaying recommended contents | |
US20090254544A1 (en) | Ranking items | |
US20110106594A1 (en) | Expandable product feature and relation comparison system | |
US11580585B1 (en) | User-preferred item attributes | |
CN103744866A (en) | Searching method and device | |
US9330071B1 (en) | Tag merging | |
US10896458B2 (en) | Method, system, and computer-readable medium for product and vendor selection | |
US11682060B2 (en) | Methods and apparatuses for providing search results using embedding-based retrieval | |
CN112488781A (en) | Search recommendation method and device, electronic equipment and readable storage medium | |
JP5663705B1 (en) | Display control device, display control device control method, program, and information storage medium | |
CN114820123A (en) | Group purchase commodity recommendation method, device, equipment and storage medium | |
CN109446402B (en) | Searching method and device | |
JP7354329B2 (en) | Information processing device, information processing method, and program | |
JP6945518B2 (en) | Information processing equipment, information processing methods and information processing programs | |
US10417687B1 (en) | Generating modified query to identify similar items in a data store | |
TWI507902B (en) | A retrieval system, a retrieval condition setting device, a control method of a search condition setting device, a computer program product, and an information memory medium | |
WO2018149244A1 (en) | Method and device for recommending applications associated with target application on basis of target application | |
JP7082075B2 (en) | Information processing equipment, information processing methods, and programs | |
CN112364265B (en) | Search result display method, electronic device, and computer storage medium | |
JP2013191204A (en) | Category determination device, retrieval device, category determination method, category determination program, and computer readable recording medium storing the program | |
JP7140561B2 (en) | Information processing device, information processing method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220418 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230322 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230522 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230628 |
|
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: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7354329 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |