JP7513656B2 - METHOD AND SYSTEM FOR GENERATING PRODUCT GROUPS BASED ON USER INTENT OF SEARCH QUERY - Google Patents
METHOD AND SYSTEM FOR GENERATING PRODUCT GROUPS BASED ON USER INTENT OF SEARCH QUERY Download PDFInfo
- Publication number
- JP7513656B2 JP7513656B2 JP2022089452A JP2022089452A JP7513656B2 JP 7513656 B2 JP7513656 B2 JP 7513656B2 JP 2022089452 A JP2022089452 A JP 2022089452A JP 2022089452 A JP2022089452 A JP 2022089452A JP 7513656 B2 JP7513656 B2 JP 7513656B2
- Authority
- JP
- Japan
- Prior art keywords
- products
- product
- trend
- keywords
- learning
- 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
- 238000000034 method Methods 0.000 title claims description 47
- 230000010365 information processing Effects 0.000 claims description 90
- 238000000605 extraction Methods 0.000 claims description 55
- 230000015654 memory Effects 0.000 claims description 45
- 238000004891 communication Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 230000001737 promoting effect Effects 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 230000014509 gene expression 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000005516 engineering process Methods 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
- 238000012552 review Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 208000010201 Exanthema Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 201000005884 exanthem Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 238000007670 refining Methods 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
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]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3338—Query expansion
-
- 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
-
- 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]
- G06Q30/0623—Item investigation
-
- 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]
- G06Q30/0639—Item locations
-
- 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]
- G06Q30/0641—Shopping interfaces
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本開示は、検索クエリ（query）のユーザ意図に基づいた商品群生成方法及びシステムに関する。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一つ以上の商品を含む商品群を生成する方法及びシステムに関する。 The present disclosure relates to a method and system for generating a product group based on the user intent of a search query. Specifically, the present disclosure relates to a method and system for extracting trends based on data associated with multiple product queries and generating a product group that includes one or more products associated with the trends.
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、特定消費者を対象として、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。 Recently, various online product information providing methods and product sales methods have been developed to facilitate shopping for consumers, such as TV shopping, Internet shopping, and catalog shopping. Product sellers, shopping mall operators, and open market operators can plan special sale events where products 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 provide an event where specific consumers can purchase products at a discount by collecting products that are expected to be needed by the target consumers. Alternatively, product sellers can collect products that are expected to be needed by consumers at a specific time and provide information on the products to consumers at that time (or earlier). Such special sale events allow consumers at a specific time or belonging to a specific group to check and purchase the products they need at a glance. In addition, product sellers, shopping mall operators, and open market operators can change stagnant product sales and increase sales through special sale events, and can induce potential customers to use related online shopping services.
従来の技術によれば、特売イベントを企画しようとする商品販売者、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商品群を生成しなければならない。すなわち、トレンドに対応する商品群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、当該ショッピングトレンドに符合する商品を直接的に検索しなければならない不便さがある。また、消費者に対しても、複数の商品が単純に商品のカテゴリや商品名称の類似度に分類された商品群を提供できるだけであるので、実際に必要とするか、或いは、購買しようとする商品を一度に提供できない。 According to conventional technology, product sellers, shopping mall operators, and open market operators who plan sale events must passively analyze and understand the shopping trends of consumers and others, and generate product groups that correspond to the shopping trends. In other words, operators who want to generate product groups that correspond to trends have to inconveniently understand shopping trends directly and directly search for products that match the shopping trends. In addition, consumers can only be provided with product groups in which multiple products are simply classified according to the similarity of product categories or product names, and therefore cannot provide all the products that they actually need or want to purchase at once.
本開示は、前記のような問題を解決するための商品群生成方法、コンピュータプログラム、及び装置（システム）を提供する。 This disclosure provides a product group generation method, computer program, and device (system) to solve the problems described above.
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 may be embodied in a variety of ways, including as a method, an apparatus (system), or a computer program.
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商品群生成方法は、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一つ以上の商品を含む商品群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 product group based on a user intent of a search query, which is performed by at least one computer device, includes the steps of receiving data associated with a plurality of product queries, extracting 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 generating a product group including one or more 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商品抽出モデルを学習する方法は、学習の商品群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、学習の商品群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、トレンドキーワードが入力されることで、トレンドキーワードとマッチングされる一つ以上の商品を出力するように、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 for training a product extraction model performed by at least one computer device includes a step of receiving data on a training product group, a step of receiving information on each of a plurality of products, and a step of training the product extraction model based on the data on the training product group and the information on each of the plurality of products, so that when a trend keyword is input, the product extraction model outputs one or more products that match the trend keyword.
本開示の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 another embodiment of the present disclosure, a computer program is provided for executing the above-described method on a computer.
本開示の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、メモリと連結され、メモリに含まれたコンピュータ読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一つ以上の商品を含む商品群を生成するための命令語を含む。 According to another embodiment of the present disclosure, an information processing system includes a communication module, at least one processor coupled to a memory and configured to execute at least one computer-readable program contained in the memory, the at least one program including instructions for receiving data associated with a plurality of product queries, extracting 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 generating a product group including one or more products associated with the extracted trends.
本開示の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、メモリと連結され、メモリに含まれたコンピュータ読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、学習の商品群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、学習の商品群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、トレンドキーワードが入力されることで、トレンドキーワードとマッチングされる一つ以上の商品を出力するように、商品抽出モデルを学習するための命令語を含む。 According to another embodiment of the present disclosure, an information processing system includes a communication module, at least one processor coupled to a memory and configured to execute at least one computer-readable program contained in the memory, the at least one program includes instructions for training a product extraction model to receive data on a group of study products, receive information on each of the plurality of products, and, based on the data on the group of study products and the information on each of the plurality of products, input a trend keyword and output one or more products that match the trend keyword.
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、オンラインショッピングモールや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 can be determined to be associated with the same shopping purpose or intent, and product queries or keywords with the same shopping purpose or intent can be clustered into multiple clusters. By extracting shopping trends from the multiple clustered clusters, shopping trends that are not discovered by users (e.g., operators of online shopping malls or sale events) can be identified.
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、商品クエリを入力した消費者の情報、時期などを示すキーワードなど）を入力することで、トレンドの主題を示す文句や文章を自動的に生成できる。 In various embodiments of the present disclosure, by inputting keywords related to a shopping trend (e.g., keywords indicating a product query corresponding to the shopping trend, information about the consumer who entered the product query, time period, etc.), phrases or sentences indicating the topic of the trend can be automatically generated.
本開示の多様な実施例において、複数の商品を単純に商品間のカテゴリ類似性に基づいてクラスタリングするものでない、最近多数の消費者が共有するショッピング目的又は検索意図を反映して、複数の商品群にクラスタリングできる。これにより、一つの商品群に含まれる商品等の多様性及び適合度を同時に向上させることができる。また、ユーザ（例えば、オンラインショッピングモール又は特売イベントの運営者）には、多数の消費者が共有するショッピング目的又は検索意図による商品に関する情報が共に提供される。 In various embodiments of the present disclosure, multiple products are not simply clustered based on category similarities between the products, but can be clustered into multiple product groups that reflect the shopping purpose or search intent shared by a large number of consumers recently. This can simultaneously improve the diversity and suitability of products included in one product group. In addition, users (e.g., operators of online shopping malls or sale events) are also provided with information about products based on the shopping purpose or search intent shared by a large number of consumers.
本開示の効果は、これに制限されず、言及されない他の効果等は、請求範囲の記載から本開示が属する技術分野における通常の知識を有する者（以下、「当業者」という）に明確に理解されるべきである。 The effects of the present disclosure are not limited to these, and other effects not mentioned should be clearly understood by a person having ordinary skill in the art to which the present disclosure pertains (hereinafter referred to as "a person skilled in the art") from the claims.
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曖昧にする恐れがある場合、公知の機能や構成に関する具体的な説明は省略する。 The specific contents for implementing this disclosure will be described in detail below with reference to the attached drawings. However, in the following description, specific descriptions of well-known functions and configurations will be omitted if they may unnecessarily obscure the gist of this 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について重複する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, identical or corresponding components are given the same reference symbols. In addition, in the following description of the embodiments, duplicated descriptions of identical or corresponding components may be omitted. However, even if a description of a component is omitted, it should not be intended that such a component is not included in a certain 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、本開示が当業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 methods for achieving the same, will become apparent from the following detailed description of the embodiments in conjunction with the accompanying drawings. However, the present disclosure is not limited to the embodiments disclosed below, and may be embodied in various different forms. However, the embodiments are provided solely for the purpose of making the disclosure complete and enabling those skilled in the art to accurately appreciate the scope 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る内容に基づいて定義されるべきである。 The terms used in this disclosure are briefly explained, and the disclosed embodiments are specifically described. The terms used in this specification are currently common terms that are widely used as much as possible, taking into consideration the functions in this disclosure, but these terms may change depending on the intentions of engineers working in related fields, precedents, the emergence of new technologies, etc. In addition, in specific cases, there may be terms selected arbitrarily by the applicant, but the meanings of these terms will be described in detail in the description of the invention. Therefore, the terms used in this disclosure should be defined based on the meanings of the terms and the overall content of this disclosure, rather than simply the names of the terms.
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、他の構成要素を排除するものではなく、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, unless otherwise clearly specified in the context, singular expressions include plural expressions and plural expressions include singular expressions. In this disclosure, if a part "comprises" a certain component, this does not exclude other components and means that it may further include other components, unless otherwise specified to the contrary.
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、プロシージャ、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、または、追加的な構成要素と「モジュール」又は「部」にさらに分離され得る。 The term "module" or "unit" as used in the specification means a software or hardware component, and the "module" or "unit" performs a certain function. However, the term "module" or "unit" is not limited to software or hardware. The "module" or "unit" may be configured to reside on an addressable storage medium and may be configured to execute one or more processors. Thus, by way of example, a "module" or "unit" may include at least one of a software component, an object-oriented software component, a class component, a task component, and a process, a function, an attribute, a procedure, a subroutine, a segment of program code, a driver, firmware, microcode, a circuit, data, a database, a data structure, a table, an array, or a variable. The components and "modules" or "units" may be combined into a smaller number of components and "modules" or "units" within which the functionality provided may be further separated into additional components and "modules" or "units".
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といった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（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＮＶＲＡＭ（Non-Volatile Random Access Memory）、ＰＲＯＭ（Programmable Read-Only Memory）、ＥＰＲＯＭ（Erasable Programmable Read-Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Reda-Only Memory）、フラッシュメモリ、磁気又は光学データストレージ装置、レジスターなどのようなプロセッサで読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取り／読取った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 "part" may be embodied with a processor and a memory. A "processor" should be broadly construed to include a general-purpose processor, a central processing unit (CPU), a microprocessor, a digital signal processor (DSP), a controller, a microcontroller, a state machine, and the like. In some circumstances, a "processor" may also refer to an application specific semiconductor (ASIC), a programmable logic device (PLD), a field programmable gate array (FPGA), and the like. A "processor" may also refer to a combination of processing devices, such as, for example, a combination of a DSP and a microprocessor, a combination of multiple microprocessors, a combination of one or more microprocessors coupled with a DSP core, or any other such configuration. Additionally, a "memory" should be broadly construed to include any electronic component capable of storing electronic information. "Memory" can refer to various types of processor-readable media such as random access memory (RAM), read only memory (ROM), non-volatile random access memory (NVRAM), programmable read-only memory (PROM), erasable programmable read-only memory (EPROM), electrically erasable programmable read-only memory (EEPROM), flash memory, magnetic or optical data storage devices, registers, etc. A memory is said to be in electronic communication with a processor when the processor can read information from the memory and write information to the memory that it reads. Memory that is integrated into a 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、特定時期又は特定集団の多数の消費者が関心を持っている一つ以上の商品又は商品群に関する情報、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" may refer to information or content associated with online shopping, such as broadcasts on shopping products, information on sale events, shopping product information, shopping payment information, shopping seller or manufacturer information, etc., provided by online shopping services via the Internet or social media. For example, shopping content may include, but is not limited to, content including text, images or videos for explanations, advertisements, and promotions of products that are the subject of online shopping, live broadcast content, recorded broadcast content, etc. As another example, shopping content may include information on one or more products or product groups that are of interest to a large number of consumers at a particular time or in a particular group, the title of a sale event, tags associated with the sale event, and information on products planned for the sale event.
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又は商品群を、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又は商品群を広告、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、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。 In the present disclosure, a "special sales event" may generally refer to an event in which one or more products or groups of products associated with a particular theme are advertised, displayed, and sold during a particular period of time. For example, a special sales event may be provided by an online shopping service, social media, or the like, and may be provided to a particular user group at a particular time (e.g., a season, a particular month of the year, a particular day, or time). In another example, a special sales event may be generated or provided to advertise, display, and sell one or more products or groups of products associated with a particular product theme, such as summer vacation clothes, baby toys, and camping equipment. In one embodiment, a special sales event may be represented by data including, but not limited to, the theme of the special sales event, a title of the special sales event indicating the products to be sold, planned product information (e.g., product images, product prices, product descriptions, etc.), a validity period and/or sales conditions of the special sales event.
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商品群又は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商品群と関連付けられたトレンドの主題（例えば、特売イベントの題目である「照明でお家づくりってどう？」）、当該トレンドの主題と関連付けられたハッシュタグ（例えば、トレンドキーワードである「＃テーブルスタンド」、「＃フロアスタンド」、「＃家具」、「＃照明」）、及び当該トレンドの主題と関連付けられた商品に関する情報（例えば、特売イベントに含まれた企画商品の商品イメージ、商品名、商品価格など）が提供され得る。 1 is a diagram showing an example of shopping content provided to a user 100 via a screen 120 of a user terminal 110 according to an embodiment of the present disclosure. The screen 120 shown in FIG. 1 shows an example in which a user (e.g., a consumer) 100 executes an application that provides shopping content via a user terminal (e.g., a smartphone) 110, and is provided with information on a product group or a sale event as shopping content. For example, as shown in the figure, a user 100 may be provided with a trending theme associated with a specific product group as shopping content via the user terminal 110 (e.g., the title of a sale event, "How about building a home with lighting?"), a hashtag associated with the trending theme (e.g., trending keywords, "#table lamp", "#floor lamp", "#furniture", "#lighting"), and information on a product associated with the trending theme (e.g., a product image, product name, product price, etc. of a planned product included in a sale event).
このように、ユーザ１００に商品群の情報を提供するために、ユーザ端末１１０と通信する情報処理システムは、現在のトレンド（または、特定時点のトレンド）と関連付けられた一つ以上の商品を含む商品群情報を生成してユーザ端末１１０に転送できる。このために、情報処理システムは、特定トレンドと関連付けられた一つ以上の商品を抽出できる。すなわち、情報処理システムは、特定トレンドと関連付けられた一つ以上の商品を含む商品群を生成できる。例えば、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、一つ以上の商品を含む商品群を自動的に生成できる。 In this way, to provide product group information to the user 100, the information processing system in communication with the user terminal 110 can generate product group information including one or more products associated with a current trend (or a trend at a specific time) and transfer it to the user terminal 110. To this end, the information processing system can extract one or more products associated with a specific trend. That is, the information processing system can generate a product group including one or more products associated with a specific trend. For example, the information processing system can automatically generate a product group including one or more products based on various search queries (e.g., product search queries).
情報処理システムは、一つ以上の商品を含む商品群を生成するために、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。 The information processing system can receive data associated with multiple product queries to generate a product group including one or more products. Here, a "product query" can refer to a search query that a user inputs via 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. In addition, the data associated with a product query can include the product query itself (e.g., a search query, text indicating a search keyword, an image, etc.), the date and time when the product query was input, information about the user terminal on which the product query was input (e.g., the location or IP information of the user terminal, etc.), and information about the user who input the product query (e.g., user account or profile information, the user's age, gender, occupation, etc.).
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一つの以上の商品を含む商品群を生成できる。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 can extract trends associated with at least one of a specific group or a specific period based on data associated with multiple product queries, and generate a product group including one or more products associated with the extracted trends. Here, the specific group can refer to a group generated by classifying multiple users based on one or more criteria (e.g., age, gender, interests, occupation, etc.). For example, the specific group can include a group classified by age, such as teenagers, people in their twenties, and people in their thirties, a group classified by occupation, such as company employees, self-employed people, and university students, a group classified by gender, such as men and women, and a group classified by marital status, such as married and unmarried people. In addition, the specific period can include a season, an anniversary, a weekday or weekend, a public holiday, a consecutive holiday period, a specific year, a specific month of the year, a specific week of the month, a section between specific points in time during a day, etc.
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。付加的又は代替的に、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。ここで、トレンドキーワードは、一つ以上の群集に含まれた商品クエリ、一つ以上の群集と関連付けられた集団、期間などを含むことができる。 The information processing system can cluster data associated with the received multiple product queries into multiple crowds, and extract one or more trend keywords associated with at least one of a specific group or a specific time period from one or more of the multiple crowds. For example, the information processing system can cluster data associated with the multiple product queries into multiple crowds based on the query intent, subject matter, information of the user who searched for the product query, the date and time when the product query was entered, etc. Additionally or alternatively, the information processing system can cluster data associated with the multiple product queries into multiple crowds using a statistical or probability-based clustering model, such as a statistical theme embedding model. Here, the trend keywords can include product queries included in one or more crowds, a group associated with one or more crowds, a time period, etc.
その後、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抽出し、抽出された一つ以上の商品を含む商品群を生成できる。一実施例において、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（例えば、一つ以上の群集に含まれた商品クエリ間の共通特徴など）を決定し、決定されたトレンドの主題に基づいて、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の以上の商品を抽出できる。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み合わせて、トレンドの主題を示す文句や文章を生成できる。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文句や文章に変換（または生成）できる。情報処理システムは、このように生成されたトレンドの主題を示す文句や文章に基づいて、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抽出できる。他の実施例において、情報処理システムは、商品抽出モデルを用いて、複数の商品のうちで、一つ以上のトレンドキーワードとマッチングされる一つ以上の商品を抽出できる。 Then, the information processing system can extract one or more products associated with one or more trend keywords from among the multiple products, and generate a product group including the extracted one or more products. In one embodiment, the information processing system can determine a trend theme (e.g., common features between product queries included in one or more groups) based on one or more trend keywords, and extract one or more products associated with one or more trend keywords from among the multiple products based on the determined trend theme. For example, the information processing system can combine one or more trend keywords to generate a phrase or sentence indicating the trend theme. Additionally or alternatively, the information processing system can convert (or generate) one or more trend keywords into a phrase or sentence indicating the trend theme using a language model, such as a statistically based language model or an artificial neural network based language model. The information processing system can extract one or more products associated with one or more trend keywords from among the multiple products based on the phrase or sentence indicating the trend theme thus generated. In another embodiment, the information processing system can extract one or more products matching one or more trend keywords from among the multiple products using a product extraction model.
一実施例において、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一つ以上のトレンドキーワード（例えば、一つ以上の群集に含まれた商品クエリ、トレンドの主題、トレンドの題目、トレンドの主題を示す文句や文章など）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一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として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、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）及び一つ以上のトレンドキーワード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、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一つ以上のトレンドキーワード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一つ以上のトレンドキーワード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一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力するように学習されたモデルであり得る。 In one embodiment, the product extraction model may be a model trained to calculate a matching score for each of the multiple products with one or more trend keywords (e.g., product queries, trend themes, trend titles, phrases or sentences indicating trend themes, etc. included in one or more clusters) based on information about each of the multiple products (e.g., product name, product description, category, related products, tags, introductions, reviews, images, prices, brands, manufacturers, etc.), extract a predetermined number of products from the multiple products based on the calculated matching score, and output the extracted predetermined number of products as one or more products matched with one or more trend keywords. Additionally or alternatively, the product extraction model may include an embedding generation model trained to generate embedding data for each of the multiple products and embedding data for one or more trend keywords. In this case, the product extraction model may be a model trained to calculate a matching score for each of the multiple products with one or more trend keywords based on embedded data for each of the multiple products and embedded data for one or more trend keywords, extract a predetermined number of products from among the multiple products based on the calculated matching score, and output the extracted predetermined number of products as one or more products that match with one or more trend keywords.
さらに、情報処理システムは、生成された商品群に含まれた商品の少なくとも一つの商品を企画商品として含む特売イベントを生成できる。このとき、情報処理システムは、トレンドの主題を示す文章や文句を特売イベントの題目として決定できる。一実施例において、情報処理システムは、生成された商品群を、ユーザ端末を介して出力し、出力された商品群の少なくとも一つの商品に対するユーザの選択に応じて、少なくとも一つの商品を企画商品として含む、特売イベントを生成できる。他の実施例において、情報処理システムは、生成された商品群の少なくとも一つの商品を企画商品として含む、特売イベントを自動的に生成できる。 Furthermore, the information processing system can generate a sale event that includes at least one of the products included in the generated product group as a planned product. At this time, the information processing system can determine a sentence or phrase that indicates the theme of the trend as the title of the sale event. In one embodiment, the information processing system can output the generated product group via a user terminal, and generate a sale event that includes at least one product as a planned product in response to a user selection of at least one product in the output product group. In another embodiment, the information processing system can automatically generate a sale event that includes at least one product in the generated product group as a planned product.
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商品群及び／又は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商品群及び／又は特売イベントを生成でき、このように生成された商品群及び／又は特売イベントには、新規に把握されたトレンドに符合する多様な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トレンドキーワード、トレンドの主題、商品群、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抽出／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マッチするトレンドキーワード、トレンドの主題、商品群、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-mentioned embodiments, a trend associated with a specific group and/or a specific time period can be extracted by reflecting information on a plurality of product queries actually input by consumers, and a product group and/or a sale event that matches the extracted trend can be generated. As a result, a product group and/or a sale event can be generated by timely grasping a trend that the sale event manager has not discovered, and the product group and/or sale event thus generated can include various products that match the newly grasped trend. In addition, a sale event having a trend keyword, trend theme, product group, sale event theme, sale event title, and/or planned product that matches the extracted trend can be automatically extracted/generated, thereby reducing the workload of the manager. In addition, a trend keyword, trend theme, product group, sale event theme, sale event title, and/or planned product that matches the current product sales trend can be automatically recommended, allowing the manager to efficiently generate/issue a sale event.
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、商品群生成／提供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、商品群生成／提供サービスが提供されるユーザ（例えば、オンラインショッピングモール又は特売イベントの企画者や運営者、消費者など）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、商品群生成／提供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。 2 is a schematic diagram showing a configuration in which an information processing system 230 according to an embodiment of the present disclosure is connected to a plurality of user terminals 210_1, 210_2, and 210_3 so as to be able to communicate with them. As shown in the figure, the plurality of user terminals 210_1, 210_2, and 210_3 are connected to the information processing system 230 that provides a product group generation/provision service via a network 220. Here, the plurality of user terminals 210_1, 210_2, and 210_3 may include terminals of users (e.g., planners or managers of online shopping malls or sale events, consumers, etc.) to whom the product group generation/provision service is provided. In one embodiment, the information processing system 230 may include one or more server devices and/or databases capable of storing, providing, and executing computer-executable programs (e.g., downloadable applications) and data associated with the product group generation/provision service, or one or more distributed computer devices and/or distributed databases based on a cloud computer service.
情報処理システム２３０により提供される商品群生成／提供サービスは、複数のユーザ端末２１０＿１、２１０＿２、２１０＿３の各々に設置された商品群生成／提供アプリケーション、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、商品群生成／提供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から受信される商品群生成／提供に関する要請に対応する情報を提供し、または、対応する処理を遂行し得る。 The product group generation/provision service provided by the information processing system 230 can be provided to users via a product group generation/provision application, a sale event generation application, a shopping application, a search application, a mobile browser application, a web browser, or the like installed in each of the multiple user terminals 210_1, 210_2, 210_3. For example, the information processing system 230 can provide information corresponding to a request for product group generation/provision received from the user terminals 210_1, 210_2, 210_3 via a product group generation/provision application, or perform a corresponding process.
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と情報処理システム２３０との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（登録商標）、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, and 210_3 can communicate with the information processing system 230 via the network 220. The network 220 can be configured to enable communication between the plurality of user terminals 210_1, 210_2, and 210_3 and the information processing system 230. Depending on the installation environment, the network 220 can be, for example, a wired network such as Ethernet (registered trademark), PLC (Power Line Communication), telephone line communication device, and RS-serial communication, a mobile communication network, a wireless network such as WLAN (Wireless LAN), Wi-Fi (registered trademark), Bluetooth (registered trademark), and ZigBee, or a combination thereof. The communication method is not limited, and includes not only communication methods that utilize a communication network that can include network 220 (e.g., a mobile communication network, wired Internet, wireless Internet, broadcasting network, satellite network, etc.), but also short-range wireless communication between user terminals 210_1, 210_2, and 210_3.
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されるが、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、商品群生成／提供アプリケーション、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（virtual reality）デバイス及びＡＲ（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と通信するようにも構成され得る。 2, a mobile phone terminal 210_1, a tablet terminal 210_2, and a PC terminal 210_3 are shown as examples of user terminals, but are not limited thereto. The user terminals 210_1, 210_2, and 210_3 may be any computing device capable of wired and/or wireless communication and capable of installing and executing a product group generation/provision application, a sale event generation application, a shopping application, a search application, a mobile browser application, or a web browser. For example, the user terminal may include an AI speaker, a smartphone, a mobile phone, a navigation system, a computer, a notebook, a digital broadcasting terminal, a PDA (Personal Digital Assistants), a PMP (Portable Multimedia Player), a tablet PC, a game console, a wearable device, an IoT (internet of things) device, a VR (virtual reality) device, an AR (augmented reality) device, a set-top box, etc. Also, in FIG. 2, three user terminals 210_1, 210_2, and 210_3 are shown communicating with the information processing system 230 via the network 220, but this is not limited thereto, and a different number of user terminals may be configured to communicate with the information processing system 230 via the network 220.
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（例えば、消費者のユーザ端末）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。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られたデータに基づいて商品群を生成し、生成された商品群に関する情報（例えば、商品群に含まれた少なくとも一部の商品に関する情報、商品群のトレンドキーワード、商品群のトレンドの主題など）を複数のユーザ端末２１０＿１、２１０＿２、２１０＿３（例えば、オンラインショッピングモール、特売イベントの運営者及び／又は消費者のユーザ端末）に提供できる。 According to one embodiment, the information processing system 230 can receive data associated with multiple product queries from multiple user terminals 210_1, 210_2, 210_3 (e.g., consumer user terminals). The information processing system 230 can then generate a product group based on the data associated with the multiple product queries thus received, and provide information about the generated product group (e.g., information about at least some of the products included in the product group, trending keywords for the product group, trending themes for the product group, etc.) to the multiple user terminals 210_1, 210_2, 210_3 (e.g., online shopping malls, sale event operators, and/or consumer user terminals).
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、商品群生成／提供アプリケーション、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、または、ユーザ端末２１０から生成された情報及び／又はデータを出力するように構成できる。 3 is a block diagram showing the internal configuration of a user terminal 210 and an information processing system 230 according to an embodiment of the present disclosure. The user terminal 210 may represent any computing device capable of executing a product group generation/provision application, a sale event generation application, a shopping application, a search application, a mobile browser application, a web browser, etc., and capable of wired/wireless communication, and may include, for example, the mobile phone terminal 210_1, the tablet terminal 210_2, and the PC terminal 210_3 of FIG. 2. As shown in the figure, the user terminal 210 may include a memory 312, a processor 314, a communication module 316, and an input/output interface 318. Similarly, the information processing system 230 may include a memory 332, a processor 334, a communication module 336, and an input/output interface 338. As shown in FIG. 3, the user terminal 210 and the information processing system 230 may be configured to communicate information and/or data via the network 220 using their respective communication modules 316, 336. Furthermore, the input/output device 320 can be configured to input information and/or data to the user terminal 210 via the input/output interface 318, or to output information and/or data generated from the user terminal 210.
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（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ストレージ装置（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ストレージ装置は、メモリとは区分される別途の永久ストレージ装置としてユーザ端末２１０又は情報処理システム２３０に含まれ得る。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商品群生成／提供アプリケーションなどのためのコード）が保存され得る。 The memories 312 and 332 may include any non-transitory computer-readable recording medium. According to an embodiment, the memories 312 and 332 may include a permanent mass storage device such as a random access memory (RAM), a read only memory (ROM), a disk drive, a solid state drive (SSD), and a flash memory. As another example, a permanent mass storage device such as a ROM, an SSD, a flash memory, and a disk drive may be included in the user terminal 210 or the information processing system 230 as a separate permanent storage device separate from the memory. In addition, the memories 312 and 332 may store an operating system and at least one program code (e.g., code for a product group generation/provision application installed and operated in the user terminal 210).
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ができ、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はなく、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。 These software components can be loaded from a computer-readable recording medium separate from the memories 312 and 332. Such separate computer-readable recording media can include recording media directly connectable to the user terminal 210 and the information processing system 230, such as computer-readable recording media such as a floppy drive, a disk, a tape, a DVD/CD-ROM drive, and a memory card. As another example, the software components can be loaded into the memories 312 and 332 via a communication module rather than a computer-readable recording medium. For example, at least one program can be loaded into the memories 312 and 332 based on a computer program installed by a file provided via the network 220 by a developer or a file distribution system that distributes application installation files.
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 processors 314, 334 may be configured to process computer program instructions by performing basic arithmetic, logic, and input/output operations. The instructions may be provided to the processors 314, 334 by the memory 312, 332 or the communication modules 316, 336. For example, the processors 314, 334 may be configured to execute instructions received by program code stored in a storage device such as the memory 312, 332.
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、商品群生成／提供に関する要請、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、トレンドキーワード、トレンドの主題、商品群に含まれた少なくとも一つの商品に関する情報、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 communication modules 316, 336 may provide configurations and functions for the user terminal 210 and the information processing system 230 to communicate with each other via the network 220, and may provide configurations and functions for the user terminal 210 and/or the information processing system 230 to communicate with other user terminals or other systems (e.g., a separate cloud system, etc.). As an example, requests and data (e.g., requests for product group generation/provision, requests for sale event generation, requests for sale event publication, data associated with multiple product queries, etc.) generated by the processor 314 of the user terminal 210 via a program code stored in a recording device such as the memory 312 may be transmitted to the information processing system 230 via the network 220 under the control of the communication module 316. Conversely, control signals and commands provided by the processor 334 of the information processing system 230 may be received by the user terminal 210 via the communication module 316 of the user terminal 210 through the communication module 336 and the network 220. For example, the user terminal 210 can receive trend keywords, trend themes, information on at least one product included in a product group, potential themes for a sale event, potential target consumers for the sale event, potential trend keywords for the sale event, potential titles for the sale event, and/or potential promotional products included in the sale event from the information processing system 230 via the communication module 316.
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されるが、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。 The input/output interface 318 may be a means for interfacing with the input/output device 320. As an example, the input device may include a device such as a camera including an audio sensor and/or an image sensor, a keyboard, a microphone, a mouse, etc., and the output device may include a device such as a display, a speaker, a haptic feedback device, etc. As another example, the input/output interface 318 may be a means for interfacing with a device in which a configuration or function for performing input and output is integrated into one, such as a touch screen. For example, when the processor 314 of the user terminal 210 processes the instructions of a computer program loaded into the memory 312, a service screen configured using information and/or data provided by the information processing system 230 or another user terminal may be displayed on the display via the input/output interface 318. In FIG. 3, the input/output device 320 is shown not to be included in the user terminal 210, but is not limited thereto and may be configured integrally with the user terminal 210. In addition, the input/output interface 338 of the information processing system 230 may be a means for connecting to the information processing system 230 or for interfacing with a device (not shown) for input or output that may be included in the information processing system 230. In FIG. 3, the input/output interfaces 318, 338 are shown as elements configured separately from the processors 314, 334, but are not limited thereto, and the input/output interfaces 318, 338 may be configured to be included in the processors 314, 334.
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、大部分の従来技術的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、商品群生成／提供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。 The user terminal 210 and the information processing system 230 may include more components than those shown in FIG. 3. However, it is not necessary to explicitly show most of the conventional components. According to an embodiment, the user terminal 210 may be embodied to include at least a portion of the input/output device 320 described above. The user terminal 210 may further include other components such as a transceiver, a global positioning system (GPS) module, a camera, various sensors, and a database. For example, if the user terminal 210 is a smartphone, it may include components that are generally included in a smartphone, and may further include various components such as an acceleration sensor, a gyro sensor, a camera module, various physical buttons, a button using a touch panel, an input/output port, and a vibrator for vibration. According to an embodiment, the processor 314 of the user terminal 210 may be configured to operate an application that provides a product group generation/provision service. At this time, code associated with the application and/or program may be loaded into the memory 312 of the user terminal 210.
商品群生成／提供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、または、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に提供し得る。例えば、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。他の例として、プロセッサ３１４は、トレンドキーワード又はトレンドの主題候補、商品群の少なくとも一つの商品、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。 During operation of a program for an application providing a product group generation/provision service, the processor 314 can receive text, images, videos, voice, and/or actions, etc., input or selected through an input device such as a touch screen, keyboard, camera including an audio sensor and/or image sensor, microphone, etc., connected to the input/output interface 318, and store the received text, images, videos, voice, and/or actions, etc., in the memory 312 or provide them to the information processing system 230 via the communication module 316 and the network 220. For example, the processor 314 can receive a user input for inputting a product query via the input device 320, and provide the product query and data associated with the product query to the information processing system 230 via the network 220 and the communication module 316. As another example, the processor 314 can receive input indicating a user's selection of a trend keyword or trend topic candidate, at least one product in a product group, a topic candidate for a sale event, a target consumer candidate for the sale event, a trend keyword candidate for the sale event, a title candidate for the sale event, and/or a product candidate included in the sale event, and provide the input to the information processing system 230 via the communication module 316 and the network 220.
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。 The processor 314 of the user terminal 210 can be configured to manage, process, and/or store information and/or data received from the input device 320, other user terminals, the information processing system 230, and/or multiple external systems. The information and/or data processed by the processor 314 can be provided to the information processing system 230 via the communication module 316 and the network 220. The processor 314 of the user terminal 210 can transfer and output information and/or data to the input/output device 320 via the input/output interface 318. For example, the processor 314 can display the received information and/or data on the screen of the user terminal.
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一つ以上の商品を含む商品群を生成できる。他の実施例において、情報処理システム２３０のプロセッサ３３４は、ユーザ端末２１０から受信される、商品群の少なくとも一つの商品に対するユーザの選択に応じて、少なくとも一つの商品を企画商品として含む特売イベントを生成できる。 The processor 334 of the information processing system 230 can be configured to manage, process, and/or store information and/or data received from the multiple user terminals 210 and/or multiple external systems. The information and/or data processed by the processor 334 can be provided to the user terminal 210 via the communication module 336 and the network 220. In one embodiment, the processor 334 of the information processing system 230 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 received from the multiple user terminals 210, and generate a product group including one or more products associated with the extracted trends. In another embodiment, the processor 334 of the information processing system 230 can generate a sale event including at least one product as a promotional product in response to a user selection for at least one product of the product group received from the user terminal 210.
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／又はデータを出力す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、生成された商品群（例えば、商品群に関する情報、商品群に含まれた商品に関する情報など）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、商品群をユーザ端末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。 The processor 334 of the information processing system 230 can be configured to output the processed information and/or data via an output device 320, such as a device capable of display output (e.g., a touch screen or display) or a device capable of audio output (e.g., a speaker) of the user terminal 210. For example, the processor 334 of the information processing system 230 can be configured to provide the generated product group (e.g., information about the product group, information about the products included in the product group, etc.) to the user terminal 210 via the communication module 336 and the network 220, and output the product group via a device capable of display output of the user terminal 210, etc.
図４は、本開示の一実施例による商品群生成方法４００を示すフローチャートである。一実施例において、商品群生成方法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。商品群生成方法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／又は外部のストレージ装置（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 product group generation method 400 according to an embodiment of the present disclosure. In one embodiment, the product group generation method 400 can be performed by a processor (e.g., at least one processor of an information processing system). The product group generation method 400 can be initiated by the processor receiving data associated with a plurality of product queries (S410). For example, the processor can receive data associated with a plurality of product queries from a plurality of user terminals. Additionally or alternatively, the processor can receive data associated with a plurality of product queries from an internal and/or external storage device (e.g., a product query database, etc.). Here, the data associated with the product query can include the product query itself (e.g., a search query, text indicating a search keyword, an image, etc.), the date and time when the product query was input, information of the user terminal on which the product query was input (e.g., the location or IP information of the user terminal, etc.), and information of the user who input the product query (e.g., user account or profile information, the user's age, gender, occupation, etc.).
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 may extract trends associated with at least one of a particular population or a particular time period based on the data associated with the multiple product queries (S420). In one embodiment, the processor may cluster the data associated with the multiple product queries into multiple clusters and extract one or more trending keywords (e.g., search queries, topics, dates, etc.) associated with at least one of the particular populations or the particular time period from one or more of the clusters among the multiple clusters. For example, the processor may cluster the data associated with the multiple product queries into multiple clusters using a statistical thematic embedding model.
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一つ以上の商品を含む商品群を生成できる（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（例えば、一つ以上の群集に含まれた検索クエリなど）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含む商品群を生成できる。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（例えば、一つ以上の群集に含まれた検索クエリ間の共通主題など）を決定し、トレンドの主題に基づいて、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抽出できる。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文句や文章に変換できる。このように変換されたトレンドの主題を示す文句や文章は、特売イベントの題目として使用するための文句や文章を含むことができる。付加的又は代替的に、プロセッサは、商品抽出モデルを用いて、複数の商品のうちで、一つ以上のトレンドキーワード（または、トレンドの主題、トレンドの主題を示す文句や文章など）とマッチングされる一つ以上の商品を抽出できる。 Then, the processor can generate a product group including one or more products associated with the extracted trend (S430). For example, the processor can extract one or more products associated with one or more trend keywords (e.g., search queries included in one or more clusters, etc.) from among the multiple products, and generate a product group including the extracted one or more products. In one embodiment, the processor can determine a trend theme (e.g., a common theme between search queries included in one or more clusters, etc.) based on the one or more trend keywords, and extract one or more products associated with the one or more trend keywords from among the multiple products based on the trend theme. To this end, the processor can convert one or more trend keywords into a phrase or sentence indicating the trend theme using a language model. The phrase or sentence indicating the trend theme thus converted can include a phrase or sentence for use as a title for a sale event. Additionally or alternatively, the processor can extract one or more products that match one or more trend keywords (or trend themes, phrases or sentences indicating the trend theme, etc.) from among the multiple products using a product extraction model.
一実施例において、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一つ以上のトレンドキーワード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、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一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として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、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一つ以上のトレンドキーワード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、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一つ以上のトレンドキーワード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一つ以上のトレンドキーワード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一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力するように学習されたモデルであり得る。 In one embodiment, the product extraction model may be a model trained to calculate a matching score with one or more trend keywords for each of the multiple products based on information about each of the multiple products, extract at least one or more products based on the calculated matching score, and output the product list. Furthermore, the product extraction model may be a model trained to extract a predetermined number of products from the multiple products and output the extracted predetermined number of products as one or more products matched with one or more trend keywords. Additionally or alternatively, the product extraction model may include an embedding generation model trained to generate embedded data for each of the multiple products and embedded data for one or more trend keywords. In this case, the product extraction model may be a model trained to calculate a matching score with one or more trend keywords for each of the multiple products based on the embedded data for each of the multiple products and the embedded data for one or more trend keywords, extract a predetermined number of products from the multiple products based on the calculated matching score, and output the extracted predetermined number of products as one or more products matched with one or more trend keywords.
付加的又は代替的に、商品抽出モデルは、学習の商品群と関連付けられた学習のトレンドキーワード（例えば、学習の商品群のトレンドの主題、学習の商品群のトレンドの主題を示す文句や文章など）に関する埋め込みデータと、学習の商品群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、学習のトレンドキーワードに関する埋め込みデータと、学習の商品群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、学習の商品群は、以前に実際に生成した商品群及び／又は商品抽出モデルを学習するために人為的に生成された商品群を示すことができる。 Additionally or alternatively, the product extraction model may be a model trained using a triplet loss function that forces the matching score between embedded data related to a learning trend keyword (e.g., a trending topic of the learning product group, a phrase or sentence indicating a trending topic of the learning product group, etc.) associated with the learning product group and embedded data related to products included in the learning product group to be greater than the matching score between embedded data related to the learning trend keyword and embedded data related to products not included in the learning product group. Here, the learning product group may refer to a product group that has actually been previously generated and/or a product group that has been artificially generated for training the product extraction model.
一実施例において、プロセッサは、生成された商品群を、ユーザ端末を介して出力し、出力された商品群の少なくとも一つの商品に対するユーザの選択に応じて、少なくとも一つの商品を企画商品として含む特売イベントを生成できる。 In one embodiment, the processor outputs the generated product group via a user terminal, and generates a sale event including at least one product as a promotional product in response to a user selection of at least one product in the output product group.
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、当該ユーザ間で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 illustrates an example of extracting trend keywords 540 from data 510 associated with multiple product queries according to one embodiment of the present disclosure. Product queries searched by a user group including users with similar characteristics (e.g., age, gender, occupation, interests, etc.) at a similar time (e.g., within a week, within a month, a specific season such as spring, a specific period such as a holiday or anniversary, etc.) may include the same or similar user intent (e.g., shopping intent or search intent) shared among the users. In this way, product queries entered or searched with the same or similar user intent can be clustered into one or more clusters, and user product search or product shopping trends are extracted from the clusters including the same or similar user intent.
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) can generate one or more crowds including product queries having the same or similar user intent (e.g., search intent, shopping intent, etc.) and extract a specific population and/or a trend for a specific time period from the generated one or more crowds. Here, the specific population can indicate the user group itself who input or searched for the product queries included in the one or more crowds. Additionally or alternatively, the specific population can indicate the gender, age, occupation group, etc. of users who input or searched for a large number of product queries included in the one or more crowds. In addition, the product queries can include meaningful queries (e.g., refined, filtered, and/or preprocessed shopping queries) among queries input or searched by users 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 the multiple clusters 530 by clustering the data 510 associated with the multiple product queries into multiple clusters 530. The processor can then extract one or more trend keywords 540 associated with at least one of a specific group or a specific time period from one or more of the multiple clusters 530. For example, the processor can extract one or more trend keywords 540 from one or more of the multiple clusters 530, and determine a specific group and/or a characteristic time period associated with the one or more trend keywords 540 based on the extracted one or more trend keyword-specific characteristics (e.g., a group that searches the trend keyword a lot, gender, age, time, etc.). That is, the processor can extract a trend associated with at least one of a specific group or a specific time period based on the data 510 associated with the multiple product queries received.
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 may also use the statistical thematic embedding model 520 to cluster the data 510 associated with the multiple product queries into multiple crowds 530 and extract one or more trending keywords 540 from one or more of the crowds 530. Here, the statistical thematic embedding model 520 may be a statistical or probability-based clustering model and/or embedding model trained to cluster product queries with a common shopping intent (or search intent or query intent) into one or more crowds. As shown in the figure, the processor may input the data 510 associated with the multiple product queries into the statistical thematic embedding model 520 to generate multiple embedding data corresponding to each of the data 510 associated with the multiple product queries. The processor may cluster the generated multiple embedding data into multiple crowds 530. The processor may then extract one or more trending keywords 540 from one or more of the crowds 530.
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 embed each product query into an embedding space based on the data 510 associated with the multiple product queries using a statistical subject embedding model 520. The processor can then cluster the multiple product queries into multiple clusters 530 based on the distance between each product query in the embedding space. For example, the processor can cluster the multiple product queries into multiple clusters 530 by generating clusters including product queries that are close to a reference product query (e.g., a seed keyword) in the embedding space. Here, the reference product query can include a trending product query or keyword.
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、夏や冬など）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発見して、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 multiple product queries into multiple clusters 530. That is, the processor can determine a reference product query (or a central product query) that indicates trending based on the data 510 associated with the multiple product queries. In one embodiment, the processor can extract popular keywords related to a specific time (e.g., summer, winter, etc.) and/or a specific group (e.g., a specific age or gender) based on the data 510 associated with the multiple product queries, and determine the extracted popular keywords as the reference product query. For example, the processor can find keywords that reflect seasonal characteristics based on the data 510 associated with the multiple product queries, and determine them as the reference product query (e.g., seed keywords or main intent keywords). Here, the reference product query can include popular keywords corresponding to a specific time or period in the present or future, and the processor can generate a sale event corresponding to a specific time or period in the present or future desired by the operator.
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週間後や２週間後）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年前の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。 To determine the reference product query, the processor can generate and analyze time series data based on the product query inflow by gender/age, and select product queries with high seasonality, trends, and product query inflow. For product queries (or keywords) with high current seasonality, the seasonality pattern can be maintained similarly in the past and future that are adjacent in time to the present. Therefore, instead of time series data of product queries for a future time point (e.g., one week or two weeks from now) where the product query inflow cannot be observed, the processor can analyze time series data collected for the same period in the past (e.g., the same date or the same season one year ago) to determine the reference 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 can embed each product query in the embedding space by inputting the valid product queries obtained by refining and/or filtering into the statistical subject embedding model 520, and generate a cluster including product queries (or keywords) (e.g., "mother's bag," "newborn car seat," "baby carrier," etc.) that are close to the reference product query (or keyword) (e.g., "baby coveralls") in the embedding space. The processor can then extract one or more trend keywords 540 from the cluster, and determine a specific population and/or a specific time period associated with the cluster and/or the one or more trend keywords 540, thereby extracting trends associated with the determined specific population and/or specific time period.
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るキーワード、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 more trending keywords 540 extracted from a crowd may include keywords included in the product queries included in the crowd, the theme of the crowd, common features of the product queries included in the crowd, a user group associated with the crowd, a time period associated with the crowd, etc. For example, one or more trending keywords 540 extracted from the "baby coverall" crowd may include "mother's bag", "newborn car seat", "baby carrier", etc., which are product queries included in the "baby coverall" crowd (i.e., the query set of the crowd). Additionally or alternatively, one or more trending keywords 540 extracted from the "baby coverall" crowd may include "newborn birth", "childcare", "newborn", etc., which are themes of the "baby coverall" crowd (e.g., common features, categories, associations, query intents, etc., of the product queries included in the "baby coverall" crowd). Additionally or alternatively, the one or more trend keywords 540 extracted from the "baby coveralls" crowd may include "April", which is a time when many product queries included in the "baby coveralls" crowd were entered. Additionally or alternatively, the one or more trend keywords 540 extracted from the "baby coveralls" crowd may include "30s", "female", "married", etc., which are attributes related to age, sex, and marital status of a group of users who entered many product queries included in the "baby coveralls" crowd. Based on the one or more trend keywords 540 extracted from the crowd in this way, a trend title (or a special sale event title) (e.g., "newborn birth theme") for the crowd may be generated.
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 data 510 associated with the multiple product queries may be in a variety of forms. For example, the data 510 associated with the multiple product queries may include a variety of forms of data, such as text data, vector data, etc.
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、トレンドの主題を決定できる。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６１０を単純に組み合わせて、トレンドの主題を示す文句や文章を生成できる。他の実施例において、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６１０をトレンドの主題を示す文句や文章に変換できる。ここで、トレンドの主題を示す文句や文章は、特売イベントの題目として使用され得る。例えば、特売イベントを生成する際に、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。このために、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 illustrates an example of determining a sales event title 630 indicative of a trending topic based on trending keywords 610 according to an embodiment of the present disclosure. A processor (e.g., at least one processor of an information processing system) can determine a trending topic based on one or more trending keywords 610. In one embodiment, the processor can simply combine one or more trending keywords 610 to generate a phrase or sentence indicative of the trending topic. In another embodiment, the processor can convert one or more trending keywords 610 into a phrase or sentence indicative of the trending topic using a language model. Here, the phrase or sentence indicative of the trending topic can be used as a sales event title. For example, when generating a sales event, the processor can determine a sales event title 630 indicative of a trending topic based on one or more trending keywords 610. To this end, the processor can include a sales event title generator 620 for generating a sales event title.
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）が表示される文句や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句や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 event title generator 620 can generate a sale event title 630 indicating the trending theme by simply combining one or more input trend keywords 610. In another embodiment, the sale event title generator 620 can convert one or more trend keywords 610 into a sale event title indicating the trending theme using a language model. In this case, the sale event title generator 620 can include a language model, and the language model can be an artificial neural network model and/or a statistical model trained to generate phrases or sentences that indicate the intent of the input keyword (e.g., a theme associated with the keyword) based on the input keyword. In other words, the language model can be a model trained to recognize the relationship and meaning between multiple input trend keywords and generate phrases or sentences that indicate the trending theme.
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、複数の文句や文章を生成できる。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句や文章の少なくとも一つ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句や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句や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句や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句や文章を受信して、特売イベントの題目として決定できる。 As shown in the figure, the sale event title generation unit 620 can generate the title of the sale event "Wait! Water Park" 630 by inputting trend keywords 610 including "rash guard", "swimsuit", "beachwear", and "June 27". In one embodiment, the sale event title generation unit 620 can generate a plurality of phrases or sentences by inputting one or more trend keywords 610. At this time, the processor can determine at least one of the plurality of phrases or sentences generated by the sale event title generation unit 620 as the sale event title 630. For example, the processor can output the plurality of phrases or sentences generated by the sale event title generation unit 620 as sale event title candidates via a user terminal (e.g., a terminal of a sale event organizer), and determine the selected at least one phrase or sentence as the sale event title 630 according to a user's (e.g., a sale event organizer's) selection of at least one of the output plurality of sentences. Alternatively, the processor can receive a phrase or text entered directly by the user via a user terminal and determine it as the subject of the sale event.
図７は、本開示の一実施例によるトレンドキーワード７１０及び／又はトレンドの主題７２０に基づいて、複数の商品のうちで、トレンドキーワード７１０及び／又はトレンドの主題７２０とマッチングされる一つ以上の商品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７１０及び／又はトレンドの主題７２０と関連付けられた一つ以上の商品７４０を抽出できる。一実施例において、プロセッサは、商品抽出モデル７３０を用いて、複数の商品のうちで、一つ以上のトレンドキーワード７１０とマッチングされる一つ以上の商品７４０を抽出できる。付加的又は代替的に、プロセッサは、トレンドの主題７２０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７１０と関連付けられた一つ以上の商品７４０を抽出できる。 7 is a diagram illustrating an example of extracting one or more products that match trend keywords 710 and/or trending themes 720 from among a plurality of products based on trend keywords 710 and/or trending themes 720 according to an embodiment of the present disclosure. A processor (e.g., at least one processor of an information processing system) can extract one or more products 740 associated with one or more trend keywords 710 and/or trending themes 720 from among the plurality of products. In one embodiment, the processor can use a product extraction model 730 to extract one or more products 740 that match one or more trend keywords 710 from among the plurality of products. Additionally or alternatively, the processor can extract one or more products 740 associated with one or more trend keywords 710 from among the plurality of products based on trending themes 720.
ここで、商品抽出モデル７３０は、入力されるトレンドキーワード７１０及び／又はトレンドの主題７２０とマッチングされる一つ以上の商品７４０を出力するように学習されたモデルであり得る。例えば、商品抽出モデル７３０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する一つ以上のトレンドキーワード７１０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一つ以上のトレンドキーワード７１０とマッチングされる一つ以上の商品７４０として出力するように学習されたモデルであり得る。 Here, the product extraction model 730 may be a model trained to output one or more products 740 that match the input trend keywords 710 and/or trend themes 720. For example, the product extraction model 730 may be a model trained to calculate a matching score (e.g., distance in an embedding space) between each of the multiple products and one or more trend keywords 710 based on information about each of the multiple products (e.g., product title, category, tag, introduction, review, image, etc.), extract a predetermined number of products from the multiple products based on the calculated matching score, and output the extracted predetermined number of products as one or more products 740 that match one or more trend keywords 710.
図に示すように、プロセッサは、トレンドキーワード７１０及び／又はトレンドの主題７２０を商品抽出モデル７３０に入力することで、複数の商品のうちで、商品抽出モデル７３０から出力される一つ以上の商品７４０を含む商品群を生成できる。ここで、商品抽出モデル７３０に入力されるトレンドキーワード７１０及び／又はトレンドの主題７２０は、トレンドキーワードの組合せ、トレンドキーワードを含む文章や文句、トレンドの主題を示す文章や文句（例えば、トレンドの題目）、特売イベントの題目などを含むことができる。さらに、商品抽出モデル７３０に入力されるトレンドキーワード７１０及び／又はトレンドの主題７２０は、当該トレンドと関連付けられた消費者集団、時期、商品クエリなどに関する情報を含むことができる。 As shown in the figure, the processor can input trend keywords 710 and/or trend themes 720 to a product extraction model 730 to generate a product group including one or more products 740 output from the product extraction model 730 among a plurality of products. Here, the trend keywords 710 and/or trend themes 720 input to the product extraction model 730 can include combinations of trend keywords, sentences or phrases including trend keywords, sentences or phrases indicating a trend theme (e.g., a trend title), a title of a sale event, and the like. Furthermore, the trend keywords 710 and/or trend themes 720 input to the product extraction model 730 can include information regarding a consumer group, a time period, a product query, and the like associated with the trend.
例えば、プロセッサがトレンドの題目７２０に該当する特売イベントの題目「待って！ウォーターパーク」を商品抽出モデル７３０に入力することで、商品抽出モデル７３０は、複数の商品のうち、当該特売イベントの題目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、このように出力された複数の商品の少なくとも一部を含む商品群を生成できる。一実施例において、プロセッサは、生成された商品群を、ユーザ端末を介して出力し、出力された商品群の少なくとも一つの商品に対するユーザの選択に応じて、少なくとも一つの商品を企画商品として含む特売イベントを生成できる。他の実施例において、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自動的に決定し、企画商品を含む特売イベントを生成できる。 For example, the processor inputs the title of a sale event that corresponds to the trend title 720, "Wait! Water Park," into the product extraction model 730, and the product extraction model 730 can output, from among a plurality of products, products that have a high matching score with the title of the sale event (i.e., products that match the title of the sale event), such as "swimsuit," "swimming cap," "aqua shoes," "pool bag," and "water park season ticket." The processor can generate a product group that includes at least a portion of the plurality of products thus output. In one embodiment, the processor can output the generated product group via a user terminal, and generate a sale event that includes at least one product as a promotional product in response to a user's selection of at least one product in the output product group. In another embodiment, the processor can automatically determine at least a portion of the plurality of products output as promotional products, and generate a sale event that includes the promotional product.
図８は、本開示の一実施例による商品抽出モデルを学習する例を示す図である。前述した商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワード（または、トレンドの主題）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、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一つ以上のトレンドキーワード（または、トレンドの主題）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一つ以上のトレンドキーワード（または、トレンドの主題）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一つ以上のトレンドキーワード（または、トレンドの主題）とマッチングされる一つ以上の商品として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 showing an example of training a product extraction model according to an embodiment of the present disclosure. The above-mentioned product extraction model may include an embedding generative model trained to generate embedding data for each of a plurality of products and embedding data for one or more trend keywords (or trend themes). Here, the embedding generative model may generate embedding data for each of a plurality of products based on information about each of the plurality of products input. For example, the embedding generative model may be a model trained to generate embedding data for each of a plurality of products based on the product name, category, seller, tag, brand, manufacturer, product description, options, price, and image of each of the plurality of products. In this case, the product extraction model may be an artificial neural network model and/or a statistical model trained to calculate a matching score with one or more trend keywords (or trend themes) for each of the plurality of products based on the embedding data for each of the plurality of products and the embedding data for one or more trend keywords (or trend themes), extract a predetermined number of products from the plurality of products based on the calculated matching score, and output the extracted predetermined number of products as one or more products matched with one or more trend keywords (or trend themes).
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、商品抽出モデルを生成及び／又は学習するために、学習の商品群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、学習の商品群に関するデータは、以前に実際に生成した商品群（例えば、実際に実行された特売イベントの企画商品等）に関するデータ及び／又は商品抽出モデルを学習するために人為的に生成した商品群に関するデータを含むことができる。また、商品群に関するデータは、当該商品群のトレンドキーワード、トレンドの主題、当該商品群に含まれる商品に関する情報、当該商品群のトレンドと関連付けられた消費者集団、及び当該商品群のトレンドと関連付けられた時期などを含むことができる。また、学習の商品群に関するデータは、情報処理システムの内部及び／又は外部のストレージ装置から受信できる。 The processor (e.g., at least one processor of an information processing system) can receive data on a learning product group and/or information on each of a plurality of products in order to generate and/or learn a product extraction model. Here, the data on the learning product group can include data on a product group that was actually generated in the past (e.g., products planned for a sale event that was actually held, etc.) and/or data on a product group that was artificially generated in order to learn a product extraction model. In addition, the data on the product group can include trend keywords for the product group, the theme of the trend, information on the products included in the product group, consumer groups associated with the trend of the product group, and time periods associated with the trend of the product group. In addition, the data on the learning product group can be received from a storage device inside and/or outside the information processing system.
プロセッサは、学習の商品群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、トレンドキーワード（または、トレンドの主題）が入力されることで、トレンドキーワード（または、トレンドの主題）とマッチングされる一つ以上の商品を出力するように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、トレンドキーワードが入力されることで、複数の商品の各々に関するトレンドキーワード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、トレンドキーワードとマッチングされる一つ以上の商品として出力するように、商品抽出モデルを学習できる。 The processor can train the product extraction model based on the data on the learning product group and information on each of the multiple products, so that when a trend keyword (or trend theme) is input, the processor can train the product extraction model to output one or more products that match the trend keyword (or trend theme). In one embodiment, when a trend keyword is input, the processor can calculate a matching score with the trend keyword for each of the multiple products, extract a predetermined number (e.g., 10) of products (e.g., products ranked 1st to 10th in terms of matching score) from the multiple products based on the calculated matching score, and output the extracted predetermined number of products as one or more products that match the trend keyword.
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、学習の商品群と関連付けられた学習のトレンドキーワード（または、学習のトレンドの主題）に関する埋め込みデータ、学習の商品群に含まれる商品に関する埋め込みデータ、及び学習の商品群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、学習の商品群の学習のトレンドキーワード（または、学習のトレンドの主題）を入力することで、学習のトレンドキーワード（または、学習のトレンドの主題）に関する埋め込みデータを生成でき、学習の商品群に含まれる商品（例えば、学習の商品群に含まれる商品に関する情報）を入力することで、学習の商品群に含まれる商品に関する埋め込みデータを生成でき、学習の商品群に含まれない商品（例えば、学習の商品群に含まれない商品に関する情報）を入力することで、学習の商品群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、学習のトレンドキーワード（または、学習のトレンドの主題）に関する埋め込みデータと、学習の商品群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、学習のトレンドキーワード（または、学習のトレンドの主題）に関する埋め込みデータと、学習の商品群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、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 can use an embedded data generation model (e.g., a language model such as BERT (Bidirectional Encoder Representations from Transformers)) to generate embedded data related to learning trend keywords (or learning trend themes) associated with the learning product group, embedded data related to products included in the learning product group, and embedded data related to products not included in the learning product group. For example, the processor can generate embedded data related to the learning trend keywords (or learning trend themes) by inputting learning trend keywords (or learning trend themes) of the learning product group into the embedded data generation model, can generate embedded data related to products included in the learning product group by inputting products included in the learning product group (e.g., information about products included in the learning product group), and can generate embedded data related to products not included in the learning product group by inputting products not included in the learning product group (e.g., information about products not included in the learning product group). The processor can then train the product extraction model using a triplet loss function that enforces a matching score between embedding data related to a trend keyword (or a trend topic) and embedding data related to a product included in the learning product group to be greater than a matching score between embedding data related to a trend keyword (or a trend topic) and embedding data related to a product not included in the learning product group, where the matching score between embedding data can be inversely proportional to the distance between the embedding data in the embedding space.
さらに、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商品群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、negative sampling）を遂行できる。一実施例において、プロセッサは、学習の商品群には含まれない複数の商品のうちで、学習の商品群に含まれた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」商品群を学習の商品群として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」商品群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、商品抽出モデルを学習するための「学習の商品群に含まれない商品」として抽出できる。このとき、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商品群に含まれる商品を抽出するように学習できる。 Furthermore, in order to improve the performance of the product extraction model, a sampling process (e.g., negative sampling) can be performed to extract products that are not included in the learning product group as learning data. In one embodiment, the processor can sample products that include some similar features to the products included in the learning product group as learning data (i.e., negative data) from among multiple products that are not included in the learning product group. For example, when training a product extraction model using the "shaver" product group as the learning product group, the processor can extract a "hair dryer," which is a product that is in the same category as the shaver (e.g., the "digital category") from among multiple products that are not included in the "shaver" product group, as a "product not included in the learning product group" for training the product extraction model. In this case, the product extraction model can be trained to extract products included in the product group while taking into account even more detailed features of the products, etc.
図に示すように、プロセッサは、学習のトレンドキーワードＡ（「ａｎｃｈｏｒ」という）８１２、学習の商品群に含まれる商品Ｂ（すなわち、学習の商品群の商品）（「ｐｏｓｉｔｉｖｅ」という）８１４、及び学習の商品群に含まれない商品Ｃ（すなわち、学習の商品群の商品でない任意の商品）（「ｎｅｇａｔｉｖｅ」という）８１６の各々を埋め込み生成モデル８１０に入力して、学習のトレンドキーワード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、学習のトレンドキーワード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、学習のトレンドキーワード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、商品抽出モデルを学習できる。 As shown in the figure, the processor can input learning trend keyword A (referred to as "anchor") 812, product B (i.e., a product in the learning product group) (referred to as "positive") 814, and product C (i.e., any product not in the learning product group) (referred to as "negative") 816 that is not included in the learning product group into an embedding generation model 810 to generate embedding data for each of the learning trend keyword A, product B, and product C. The processor can then train the product extraction model in the embedding space in a direction that shortens the distance between the embedding data 822 for the learning trend keyword A and the embedding data 824 for product B, and in a direction that lengthens the distance between the embedding data 822 for the learning trend keyword A and the embedding data 826 for product C.
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。本開示の一部の実施例により生成された商品群に基づいて、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。例えば、情報処理システムは、生成された商品群に含まれた少なくとも一部の商品を企画商品とする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、本開示の一部の実施例により抽出／生成される、トレンドキーワードを、特売イベントのトレンドキーワード候補９１４として、トレンドの主題を、特売イベントの主題候補（または、特売イベントのターゲット消費者候補）９１２及び／又は特売イベントの題目候補９１６として、商品群を企画商品候補９２２として、特売イベントの運営者に提供できる。このとき、情報処理システムは、特売イベントの主題候補９１２（または、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９１４、特売イベントの題目候補９１６及び／又は特売イベントに含まれる企画商品候補９２２の少なくとも一つに対する運営者の選択に応じて、一つ以上の特売イベントを生成できる。 Figure 9 is a diagram showing an example of a user (e.g., an operator) generating a sale event according to one embodiment of the present disclosure. Based on a product group generated according to some embodiments of the present disclosure, the information processing system can generate one or more sale events. For example, the information processing system can generate a sale event in which at least some of the products included in the generated product group are planned products. In one embodiment, the information processing system can provide the operator of the sale event with trend keywords extracted/generated according to some embodiments of the present disclosure as trend keyword candidates 914 for the sale event, trend themes as sale event theme candidates (or sale event target consumer candidates) 912 and/or sale event title candidates 916, and product groups as planned product candidates 922. At this time, the information processing system can generate one or more sale events in response to the operator's selection of at least one of the sale event subject candidates 912 (or sale event target consumer candidates), sale event trend keyword candidates 914, sale event title candidates 916, and/or sale event product candidates 922 included in the sale event.
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。 The user terminal (e.g., at least one processor of the user terminal) can provide a user (e.g., an operator) with a user interface for creating a sale event. In one embodiment, the user terminal can display on a display candidate subjects 912 for the sale event. For example, the user terminal can display on a display candidate subjects related to a particular target population and/or particular time period for the sale event. The user terminal can then receive a user input selecting at least one of the candidate subjects 912 for the sale event and transmit the associated request and/or data to the information processing system.
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 can extract one or more trend keywords from one or more clusters associated with the theme of the sale event selected by the user (i.e., a specific group and/or a specific time period selected by the user) among multiple clusters generated by clustering multiple product queries, and output the trend keywords as trend keyword candidates 914 via the user terminal. Here, the one or more clusters may be a cluster including product queries entered in large numbers by a specific group selected by the user and/or a cluster including product queries entered in large numbers during a specific time period. The user terminal can display the trend keyword candidates 914 on a display, receive a user input to select at least one trend keyword from the trend keyword candidates 914, and transfer a request and/or data associated therewith to the information processing system.
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 trend keyword selected by the user, and output the one or more sentences as sale event title candidates 916 via the user terminal. For example, the information processing system can generate one or more phrases or sentences based on at least one trend keyword selected by the user, as well as keywords associated with the subject of the sale event selected by the user, keywords associated with one or more crowds, and/or keywords similar to the trend keyword, and output the one or more phrases or sentences as sale event title candidates 916 via the user terminal. The user terminal can display the sale event title candidates 916 on a display, receive user input selecting at least one of the sale event title candidates 916, and transfer requests and/or data associated therewith to the information processing system.
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 can extract at least one product from among a plurality of products that matches the title of the sale event selected by the user, and output a list including the extracted at least one product as a promotional product candidate 922 via the user terminal. This allows the user terminal to display a list including at least one product (i.e., promotional product candidates) on a display, receive user input selecting at least one product in the list (i.e., promotional product candidates) as a promotional product, and transfer requests and/or data associated therewith to the information processing system. Furthermore, the information processing system can receive requests regarding the generation and/or publication of a sale event from the user terminal.
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いで直接入力できる。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 can generate and/or publish a sale event including the sale event theme, trend keywords, sale event title, and/or promotional products selected by the user based on the received request and/or data. Additionally or alternatively, the user can directly input the sale event theme, trend keywords, sale event title, and/or promotional products without selecting from a list of candidates. That is, the information processing system can generate and/or publish a sale event based on the sale event theme, trend keywords, sale event title, and/or promotional products input by the user. The information processing system can provide the 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 the first operation 910, the user terminal can output, via a user interface, time period candidates ("this week", "next week", "two weeks later", "three weeks later") and/or group candidates ("early teens", "late teens", "early twenties", "thirties", "forties", "fifties", "sixties", "male", "female"). In response to a user input selecting at least one of the outputted subject candidates 912 of the sale event (e.g., "two weeks later", "forties", "female"), the user terminal can output, via a user interface, trend keyword candidates ("homemaking", "lighting", "curtains", "interior") 914 extracted from a first crowd associated with the selected time period and/or group and trend keyword candidates ("parka", "hood", "winter clothes") 914 extracted from a second crowd. Here, the first crowd and/or the second crowd may be a crowd associated with a large number of product queries input during the selected time period and/or a crowd associated with a large number of product queries input by the selected group.
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、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。 In response to a user input selecting at least one of the output trend keyword candidates 914 ("Homemaking", "Lighting", "Interior"), the user terminal can output, via a user interface, a sale event title candidate ("How about making a home with lighting?", "This winter's interior items") 916 generated based on the selected trend keyword. In response to a user input selecting at least one of the sale event title candidates 916 output from the first operation 910 ("How about making a home with lighting?"), the user terminal can output a planned product candidate 922 including one or more products ("A stand (floor lamp)", "B stand (table lamp)", "C stand (table lamp)") matching the selected sale event title, as shown in the second operation 920. Based on a user input selecting at least one product ("A stand (floor lamp)") of the output planned product candidates 922, a sale event including at least one selected product can be generated. Furthermore, a sale event can be provided to consumers by being issued by a user input requesting the issuance of the generated sale event.
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。本開示の一部の実施例により生成された商品群に基づいて、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。すなわち、前述した実施例により、情報処理システムは、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特売イベントを生成できる。例えば、情報処理システムは、生成された商品群の少なくとも一部の商品を企画商品とする一つ以上の特売イベントを生成できる。このとき、情報処理システムは、トレンドの主題を示す文句や文章を特売イベントの題目として決定できる。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。 Figure 10 is a diagram showing an example in which one or more sale event candidates 1000 are provided to a user (e.g., an operator) according to one embodiment of the present disclosure. Based on a group of products generated according to some embodiments of the present disclosure, the information processing system can generate one or more sale events. That is, according to the above-mentioned embodiment, the information processing system can extract trends and generate sale events associated with the extracted trends. For example, the information processing system can generate one or more sale events in which at least some of the products in the generated group of products are planned products. At this time, the information processing system can determine a phrase or sentence indicating the theme of the trend as the title of the sale event. The information processing system can provide the user with the generated one or more sale events as sale event candidates 1000 via a user terminal. The user terminal can display information on one or more sale events corresponding to the sale event candidates 1000 on a display.
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 can output, via a user interface, sale event candidates 1000 such as "winter health care foods," "winter uniform styling," "preparing New Year's presents in advance," and "go to the ski resort." For example, the user terminal can output, via a user interface, target consumers (e.g., "men aged 57-63," "women aged 18," "women aged 45-55," "men in their 20s and 30s"), time period, image, hashtags (e.g., "#health," "#elderly," "#students," etc.), and sale event titles for each of the sale event candidates. Furthermore, the user terminal can display on the display a detailed configuration of the selected sale event in response to a user input to select at least one sale event from the sale event candidates 1000.
一実施例において、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。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。 In one embodiment, the information processing system can provide information about one or more automatically generated sale events to a sale event manager and publish the selected sale event in response to the manager's selection of at least one of the one or more sale events. Alternatively, the information processing system can immediately publish the one or more automatically generated sale events. A user can select at least one sale event from the sale event candidates 1000 and perform a request to publish the selected sale event, whereby the sale event is generated, published, and provided to consumers. In FIG. 10, the user terminal outputs four sale event candidates, but this is not limited thereto and a different number of sale event candidates can be output.
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、または、実行又はダウンロードのために一時保存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して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 above-mentioned method may be provided as a computer program to be executed by a computer. The medium may be a medium that continuously stores a computer-executable program or a medium that temporarily stores the program for execution or download. The medium may be a variety of recording or storage means in the form of a single or multiple hardware components combined, and may not be limited to a medium directly connected to a computer system, but may be distributed over a network. Examples of the medium include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical recording media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, ROMs, RAMs, and flash memories, and may be configured to store program instructions. Other examples of the medium include recording or storage media managed by app stores that distribute applications, and other sites and servers that supply or distribute various software.
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的ブロック、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、当業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。当業者は、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, operations, or techniques of the present disclosure may be embodied in a variety of ways. For example, such techniques may be embodied in hardware, firmware, software, or a combination thereof. Those skilled in the art will appreciate that the various exemplary logical blocks, modules, circuits, and algorithmic steps described in the present disclosure may be embodied in electronic hardware, computer software, or a combination of both. To clearly illustrate such alternatives between hardware and software, the various exemplary components, blocks, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is embodied as hardware or software will vary depending on the particular application and design requirements imposed on the overall system. Those skilled in the art may also embody the described functionality in a variety of ways for each particular application, but such embodying 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、これらの組合せにおいても具現され得る。 In a hardware implementation, the processing units utilized to perform the techniques may be embodied as one or more ASICs, DSPs, digital signal processing devices (DSPDs), programmable logic devices (PLDs), field programmable gate arrays (FPGAs), processors, controllers, microcontrollers, microprocessors, electronic devices, other electronic units designed to perform the functions described in this disclosure, computers, or any 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的ブロック、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 logical blocks, modules, and circuits described in this disclosure may be embodied or performed by any combination of general purpose processors, DSPs, ASICs, FPGAs or other programmable logic devices, discrete gate or transistor logic, discrete hardware components, or any combination designed to perform the functions described herein. A general purpose processor may be a microprocessor, but alternatively, the processor may be any conventional processor, controller, microcontroller, or state machine. A processor may also be embodied by 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 configuration.
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（random access memory）、ＲＯＭ（read-only memory）、ＮＶＲＡＭ（non-volatile random access memory）、ＰＲＯＭ（programmable read-only memory）、ＥＰＲＯＭ（erasable programmable read-only memory）、ＥＥＰＲＯＭ（electrically erasable PROM）、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、プロセッサ等が、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 may be embodied with instructions stored on a computer-readable medium, such as random access memory (RAM), read-only memory (ROM), non-volatile random access memory (NVRAM), programmable read-only memory (PROM), erasable programmable read-only memory (EPROM), electrically erasable PROM (EEPROM), flash memory, compact disc (CD), magnetic or optical data storage devices, and the like. The instructions may be executable by one or more processors, causing the processors to perform certain aspects of the functions described in this disclosure.
前述した実施例は、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されているが、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、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 above embodiments have been described as utilizing aspects of the presently disclosed subject matter on one or more stand-alone computer systems, the present disclosure is not limited thereto and may be embodied in any computing environment, such as a network or distributed computing environment. Furthermore, aspects of the subject matter in the present disclosure may be embodied on multiple processing chips or devices, and storage may be affected similarly across multiple devices. Such devices may 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てきたが、本開示の発明が属する技術分野における当業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 this specification, the present disclosure has been described by way of some examples, but various modifications and changes are possible without departing from the scope of the present disclosure that would be understood by a person skilled in the art to which the present disclosure pertains. Furthermore, such modifications and changes should be understood to fall within the scope of the claims attached to this specification.
１００ ユーザ
１１０ ユーザ端末
１２０ 画面
100 User 110 User terminal 120 Screen
Claims (14)
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と、
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と、
前記抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成するステップと、を含み、
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前記ステップは、
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と、
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と、を含み、
前記抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成する前記ステップは、
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抽出するステップ、を含み、
前記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抽出する前記ステップは、
商品抽出モデルを用いて、前記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マッチングされる一つ以上の商品を抽出するステップ、を含み、
前記商品抽出モデルは、埋め込み生成モデルを含み、
前記埋め込み生成モデルは、学習の商品群と関連付けられた学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群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、前記学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群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学習されたものであり、
前記一つ以上の商品を抽出する前記ステップは、
前記埋め込み生成モデルを使用して生成した前記複数の商品の各々に関する埋め込みデータ及び前記一つ以上のトレンドキーワード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前記一つ以上のトレンドキーワード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前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、
方法。 1. A method for generating a product family based on a user intent of a search query, the method being performed by at least one computing device, comprising:
receiving data associated with a plurality of 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;
generating a product family including one or more products associated with the extracted trends;
The step of 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 includes:
clustering data associated with the plurality of product queries into a plurality of clusters;
extracting one or more trending keywords associated with at least one of the specific population or specific time period from one or more of the multiple constellations;
The step of generating a product group including one or more products associated with the extracted trend comprises:
extracting one or more products associated with the one or more trend keywords from among the plurality of products;
The step of extracting one or more products associated with the one or more trend keywords from among the plurality of products includes:
Extracting one or more products that match the one or more trend keywords from among the plurality of products using a product extraction model;
The product extraction model includes an embedding generative model;
The embedding generative model is trained using a triplet loss function that enforces a matching score between embedding data related to a learning trend keyword associated with a learning product group and embedding data related to a product included in the learning product group to be greater than a matching score between embedding data related to the learning trend keyword and embedding data related to a product not included in the learning product group;
The step of extracting one or more products includes:
Calculating a matching score between each of the plurality of products and the one or more trend keywords based on the embedded data for each of the plurality of products generated using the embedded generative model and the embedded data for the one or more trend keywords;
Extracting a predetermined number of products from the plurality of products based on the calculated matching score;
outputting the extracted predetermined number of products as one or more products matching the one or more trend keywords;
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１に記載の方法。 The step of clustering data associated with the plurality of product queries into a plurality of clouds comprises:
clustering data associated with the plurality of product queries into a plurality of clusters using a statistical subject embedding model;
The method of claim 1 .
前記抽出された一つ以上の商品を含む商品群を生成するステップ、を含む、
請求項１に記載の方法。 The step of generating a product group including one or more products associated with the extracted trend further comprises:
generating a product group including the extracted one or more products;
The method of claim 1 .
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決定するステップ、を含む、
請求項３に記載の方法。 The step of extracting one or more products associated with the one or more trend keywords from among the plurality of products includes:
determining a topic of the trend based on the one or more trending keywords;
The method according to claim 3 .
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文句や文章に変換するステップ、を含む、
請求項４に記載の方法。 The step of determining a trending topic based on the one or more trending keywords comprises:
using a language model to convert the one or more trending keywords into phrases or sentences that are indicative of the topic of the trend;
The method according to claim 4 .
前記複数の商品の各々に関する情報に基づいて、前記複数の商品の各々に関する前記一つ以上のトレンドキーワード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前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、ように学習される、
請求項１に記載の方法。 The product extraction model is
calculating a matching score for each of the plurality of products with the one or more trend keywords based on information about each of the plurality of products;
Extracting a predetermined number of products from the plurality of products based on the calculated matching score;
and outputting the extracted predetermined number of products as one or more products that match the one or more trending keywords.
The method of claim 1.
前記生成された商品群を、ユーザ端末を介して出力するステップと、
前記出力された商品群の少なくとも一つの商品に対するユーザの選択に応じて、前記少なくとも一つの商品を企画商品として含む特売イベントを生成するステップ、含む、
請求項３に記載の方法。 The method further comprises:
outputting the generated product group via a user terminal;
generating a sale event including at least one product as a promotional product in response to a user's selection of at least one product from the output product group;
The method according to claim 3 .
学習の商品群に関するデータを受信するステップと、
複数の商品の各々に関する情報を受信するステップと、
前記学習の商品群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、トレンドキーワードが入力されることで、前記トレンドキーワードとマッチングされる一つ以上の商品を出力するように、商品抽出モデルを学習するステップであり、
学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群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、前記学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群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、前記商品抽出モデルを学習すること、を含む、
ステップと、を含み、
前記商品抽出モデルは、前記複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワード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データ生成モデルを含み、
前記商品抽出モデルは、
前記複数の商品の各々に関する埋め込みデータ及び前記一つ以上のトレンドキーワード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前記一つ以上のトレンドキーワード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前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、ように学習される、
方法。 1. A method for training a product extraction model performed by at least one computing device, comprising:
receiving data relating to a learning product line;
receiving information regarding each of a plurality of products;
A step of training a product extraction model based on the training product group data and information on each of a plurality of products, so as to output one or more products that match the trend keyword when a trend keyword is input;
training the product extraction model using a triplet loss function that enforces a matching score between embedded data related to a trend keyword of learning and embedded data related to a product included in the learning product group to be greater than a matching score between embedded data related to the trend keyword of learning and embedded data related to a product not included in the learning product group;
and
The product extraction model includes an embedded data generation model trained to generate embedded data related to each of the plurality of products and embedded data related to one or more trend keywords;
The product extraction model is
Calculating a matching score between each of the plurality of products and the one or more trend keywords based on the embedded data for each of the plurality of products and the embedded data for the one or more trend keywords;
Extracting a predetermined number of products from the plurality of products based on the calculated matching score;
and outputting the extracted predetermined number of products as one or more products that match the one or more trending keywords.
Method.
前記トレンドキーワード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トレンドキーワード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前記トレンドキーワードとマッチングされる一つ以上の商品として出力するように、前記商品抽出モデルを学習すること、を含む、
請求項８に記載の方法。 The step of training a product extraction model so as to output one or more products that match a trend keyword when a trend keyword is input based on the data on the training product group and information on each of a plurality of products,
and learning the product extraction model so that, when the trend keyword is input, a matching score for each of the plurality of products with the trend keyword is calculated, a predetermined number of products are extracted from the plurality of products based on the calculated matching score, and the extracted predetermined number of products are output as one or more products that are matched with the trend keyword.
The method according to claim 8 .
前記埋め込みデータ生成モデルを用いて、前記学習の商品群と関連付けられた学習のトレンドキーワードに関する埋め込みデータ、前記学習の商品群に含まれる商品に関する埋め込みデータ、及び前記学習の商品群に含まれない商品に関する埋め込みデータを生成するステップ、を含む、
請求項８に記載の方法。 The method further comprises:
using the embedded data generation model to generate embedded data related to trend keywords of learning associated with the learning product group, embedded data related to products included in the learning product group, and embedded data related to products not included in the learning product group;
The method according to claim 8 .
前記命令がコンピュータのプロセッサによって実行されると、
請求項１乃至１０の何れか一項に記載の方法を前記コンピュータ装置に実施させる、
コンピュータプログラム。 A computer program comprising a plurality of instructions,
The instructions, when executed by a computer processor,
Causing the computer device to carry out the method according to any one of claims 1 to 10 ,
Computer program.
通信モジュールと、
メモリと、
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と、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一つ以上の商品を含む商品群を生成する、
ための命令語を含み、
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ことは、
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こと、および、
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こと、を含み、
前記抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成することは、
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抽出すること、を含み、
前記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抽出することは、
商品抽出モデルを用いて、前記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マッチングされる一つ以上の商品を抽出すること、を含み、
前記商品抽出モデルは、埋め込み生成モデルを含み、
前記埋め込み生成モデルは、学習の商品群と関連付けられた学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群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、前記学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群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学習されたものであり、
前記一つ以上の商品を抽出することは、前記複数の商品の各々に関する埋め込みデータ及び前記一つ以上のトレンドキーワード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前記一つ以上のトレンドキーワード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前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、
システム。 An information processing system,
A communication module;
Memory,
at least one processor coupled to the memory and configured to execute at least one computer readable program contained in the memory;
The at least one program comprises:
receiving data associated with a plurality of 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;
generating a product family including one or more products associated with the extracted trends;
Contains the command for
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
extracting one or more trending keywords associated with at least one of the specific population or specific time period from one or more of the plurality of constellations;
generating a product group including one or more products associated with the extracted trend,
extracting one or more products associated with the one or more trend keywords from among the plurality of products;
Extracting one or more products associated with the one or more trend keywords from among the plurality of products includes:
extracting one or more products that match the one or more trend keywords from among the plurality of products using a product extraction model;
The product extraction model includes an embedding generative model;
The embedding generative model is trained using a triplet loss function that enforces a matching score between embedding data related to a learning trend keyword associated with a learning product group and embedding data related to a product included in the learning product group to be greater than a matching score between embedding data related to the learning trend keyword and embedding data related to a product not included in the learning product group;
The extracting of the one or more products includes calculating a matching score between each of the plurality of products and the one or more trend keywords based on embedded data about each of the plurality of products and embedded data about the one or more trend keywords;
Extracting a predetermined number of products from the plurality of products based on the calculated matching score;
outputting the extracted predetermined number of products as one or more products matching the one or more trend keywords;
system.
通信モジュールと、
メモリと、
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と、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、
前記学習の商品群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、トレンドキーワードが入力されることで、前記トレンドキーワードとマッチングされる一つ以上の商品を出力するように、商品抽出モデルを学習する、
ための命令語を含み、
学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群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、前記学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群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、前記商品抽出モデルを学習し、
前記商品抽出モデルは、前記複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワード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データ生成モデルを含み、
前記商品抽出モデルは、
前記複数の商品の各々に関する埋め込みデータ及び前記一つ以上のトレンドキーワード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前記一つ以上のトレンドキーワード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前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、ように学習される、
システム。 An information processing system,
A communication module;
Memory,
at least one processor coupled to the memory and configured to execute at least one computer readable program contained in the memory;
The at least one program comprises:
Receive data about educational sales events;
receiving information regarding each of a plurality of products;
training a product extraction model based on the data on the learning product group and information on each of a plurality of products, so that when a trend keyword is input, one or more products that match the trend keyword are output;
Contains the command for
training the product extraction model using a triplet loss function that forces a matching score between embedded data related to a trend keyword of learning and embedded data related to a product included in the learning product group to be greater than a matching score between embedded data related to the trend keyword of learning and embedded data related to a product not included in the learning product group ;
The product extraction model includes an embedded data generation model trained to generate embedded data related to each of the plurality of products and embedded data related to one or more trend keywords;
The product extraction model is
Calculating a matching score between each of the plurality of products and the one or more trend keywords based on the embedded data for each of the plurality of products and the embedded data for the one or more trend keywords;
Extracting a predetermined number of products from the plurality of products based on the calculated matching score;
and outputting the extracted predetermined number of products as one or more products that match the one or more trending keywords.
system.
前記トレンドキーワード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トレンドキーワード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前記トレンドキーワードとマッチングされる一つ以上の商品として出力するように、前記商品抽出モデルを学習する、
ための命令語をさらに含む、
請求項１３に記載のシステム。 The at least one program comprises:
By inputting the trend keyword, a matching score between the trend keyword and each of the plurality of products is calculated;
Extracting a predetermined number of products from the plurality of products based on the calculated matching score;
training the product extraction model to output the extracted predetermined number of products as one or more products matching the trend keyword;
Further comprising an instruction for
The system of claim 13 .
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2021-0074800 | 2021-06-09 | ||
| KR1020210074800A KR102648300B1 (en) | 2021-06-09 | 2021-06-09 | Method and system for generating product groups based on user's intent of search queries |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022188759A JP2022188759A (en) | 2022-12-21 |
| JP7513656B2 true JP7513656B2 (en) | 2024-07-09 |
Family
ID=84532392
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022089452A Active JP7513656B2 (en) | 2021-06-09 | 2022-06-01 | METHOD AND SYSTEM FOR GENERATING PRODUCT GROUPS BASED ON USER INTENT OF SEARCH QUERY |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7513656B2 (en) |
| KR (1) | KR102648300B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102609682B1 (en) * | 2023-01-10 | 2023-12-05 | 트리톤 주식회사 | Method for generating product planning based on trend prediction and Apparatus thereof |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007043322A1 (en) | 2005-09-30 | 2007-04-19 | Nec Corporation | Trend evaluation device, its 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 |
| JP2021511611A (en) | 2018-01-25 | 2021-05-06 | オカド・イノベーション・リミテッド | Recommended equipment and methods |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102147649B1 (en) * | 2018-06-18 | 2020-08-26 | 주식회사 레이니가든 | Method and apparatus for providing product information |
| KR102050855B1 (en) * | 2019-03-25 | 2020-01-08 | 강태기 | Apparatus and method for forecasting demand |
| KR102309373B1 (en) * | 2019-05-02 | 2021-10-07 | 주식회사 아이클레이브 | System for building the contents automatically for planning sales and method therefor |
-
2021
- 2021-06-09 KR KR1020210074800A patent/KR102648300B1/en active IP Right Grant
-
2022
- 2022-06-01 JP JP2022089452A patent/JP7513656B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007043322A1 (en) | 2005-09-30 | 2007-04-19 | Nec Corporation | Trend evaluation device, its 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 |
| JP2021511611A (en) | 2018-01-25 | 2021-05-06 | オカド・イノベーション・リミテッド | Recommended equipment and methods |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220166025A (en) | 2022-12-16 |
| JP2022188759A (en) | 2022-12-21 |
| KR102648300B1 (en) | 2024-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110754075B (en) | Method and system for providing personalized live information exchange | |
| CN111767466B (en) | Recommendation information recommendation method and device based on artificial intelligence and electronic equipment | |
| CN110770779A (en) | Method and system for providing personalized live information exchange | |
| US11308540B2 (en) | Real time recommendation engine | |
| US10824806B2 (en) | Counterintuitive recommendations based upon temporary conditions | |
| JP2013512501A (en) | System, apparatus and method for using context information | |
| JP6827305B2 (en) | Selection device, selection method and selection program | |
| KR101981136B1 (en) | Program, method and system for providing recommendation contents | |
| JP2019160320A (en) | Location based information search method and system | |
| JP7513656B2 (en) | METHOD AND SYSTEM FOR GENERATING PRODUCT GROUPS BASED ON USER INTENT OF SEARCH QUERY | |
| US20080040324A1 (en) | Search result-based advertisements | |
| JP6928044B2 (en) | Providing equipment, providing method and providing program | |
| JP7417877B2 (en) | Method and system for generating special sale events based on user intent of search queries | |
| US10387934B1 (en) | Method medium and system for category prediction for a changed shopping mission | |
| JP6868175B1 (en) | Programs, information processing methods and information processing systems | |
| JP2021179980A (en) | Method for extracting category of item for shopping search | |
| KR102151598B1 (en) | Method and system for providing relevant keywords based on keyword attribute | |
| KR102078619B1 (en) | Method and system for searching information based on location | |
| JP7212103B2 (en) | Information processing device, information processing method and information processing program | |
| Ashuri | Shadowy knowledge infrastructures | |
| US11100535B2 (en) | Group recommendations based on external factors | |
| Russo Spena et al. | Customer insights and consumer profiling | |
| JP7159373B2 (en) | Information processing device, information processing method and information processing program | |
| KR102611482B1 (en) | Method and system for providing marketing strategy model based on big data | |
| JP7145247B2 (en) | Information processing device, information processing method and information processing program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220601 |
|
| 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: 20230821 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231031 |
|
| 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: 20231222 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240131 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240329 |
|
| 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: 20240604 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240627 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7513656 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |