TW201510901A - 對建議系統的基於強度之建模 - Google Patents

Abstract

示例性設備及方法向使用者提供關於使用者可能想要考慮購買之產品的建議。一種方法產生單個指示，該單個指示涉及使用者與使用者已與其互動之商品之間的關係。單個指示識別使用者是否喜歡商品及使用者喜歡該商品之程度。單個指示獨立於經處理以計算單個指示之使用者訊號。藉由鬆散耦合至使用者及商品之模型的訊號衍生器產生單個指示。該模型可為可被執行矩陣因子分解之矩陣。儘管執行矩陣因子分解，但其係對以下向量執行：該等向量之元素獨立於由訊號衍生器所處理之訊號。由於使用者可在不同時間處具有不同偏好，可操縱使用者喜歡商品的程度。

Description

對建議系統的基於強度之建模

本發明係關於對建議系統的基於強度之建模。

習知建議系統基於使用者興趣、偏好、歷史及其他因素產生關於使用者(例如，購物者)與商品(例如，書籍、視訊、遊戲)之間的匹配的建議。舉例而言，若使用者先前已獲取(例如，購買、租用、借用)商品之集合，則建議系統可基於使用者自身動作識別相似商品及向使用者建議該等商品。習知建議系統亦可決定使用者之間的相似性且基於彼等相似性產生額外建議。舉例而言，若在某一人口統計資料中且具有相似獲取歷史及偏好的使用者已獲取商品之集合，則建議系統可基於其他使用者之動作識別商品及向使用者建議該等商品。

習知建議系統可對使用者訊號建模。使用者訊號可為外顯或隱含。外顯訊號可包括由使用者給予產品之等級。舉例而言，讀者可給予第一位作者的第一本書五星等級及可給予第二位作者的第二本書一星等級。另外，讀者可「喜歡」 社交媒體網站上的第一本書及「不喜歡」社交媒體網站上的第二本書。習知建議系統可對該等外顯訊號建模以決定建議哪些其他書籍及作者及避免哪些書籍及作者。隱含訊號可包括：例如，觀察到的使用者行為、獲取歷史、瀏覽歷史、搜尋模式、播放商品(例如，視訊遊戲)之時間量、檢視商品之次數、觀看視訊之百分比或其他因素。建議系統亦可對該等隱含訊號建模以決定建議何種其他商品。

習知建議系統已藉由對儲存關於可用訊號之資料的單個大矩陣執行矩陣因子分解來對使用者訊號建模。然而，當矩陣具有N個因子之行與列，N為整數時，資料可僅對該等因子中之M個可用，M為小於N的整數。因此，可對可用資料使用矩陣因子分解以識別遺失資料。一旦矩陣因子分解產生了針對遺失訊號的資料，商業邏輯可處理實際訊號及預測訊號以產生建議。習知建議系統可根據自使用者訊號所推斷的因子之向量特徵化商品及使用者。商品與因子之間的高對應性可導致建議。矩陣因子分解模型可將使用者及商品兩者映射至接合因子空間及將使用者-商品互動建模為接合因子空間中的內積。商品可與商品向量關聯，該等商品向量之元件量測商品擁有某些因子的程度。相似地，使用者可與使用者向量關聯，該使用者向量之元件量測使用者對對應因子高的商品之感興趣程度。向量之點積可描述使用者與商品之間的互動及可被商業邏輯用以決定是否產生建議。

遺憾的是，習知建議系統面臨若干挑戰。舉例而言，可難以決定商品因子及使用者因子之映射。即便決定了映 射，每當添加或移除新訊號時，可需要改變映射、模型及商業邏輯以慮及所添加或移除之訊號。另外，隨著訊號數目增加，模型及商業邏輯兩者可變得不可接受地複雜或繁瑣。當商業邏輯變得不可接受地複雜或繁瑣時，可難以(若甚至都不可能)驗證商業邏輯產生的建議有效或有用。商業邏輯可為不可驗證，至少部分原因在於商業邏輯輸入由矩陣因子分解所預測之訊號，而非依賴於實際使用者訊號。

提供此【發明內容】以用簡化形式介紹下文在【實施方式】中進一步描述之概念選擇。本【發明內容】不欲識別所主張標的之關鍵特徵或基本特徵，亦不欲用以限制所主張標的之範疇。

示例性設備及方法使用兩個鬆散耦合組件以產生關於商品(例如，電影、遊戲、書籍、服飾)的建議。資料儲存器可儲存所獲取關於使用者與商品互動之訊號。可自訊號計算使用者是否喜歡商品之指示。指示為訊號獨立且根據特定於使用者或商品的親和性假設來計算該指示。亦計算指示的置信水平。置信水平為訊號獨立且根據特定於使用者或商品的強度假設來計算該置信水平。在基於強度的模型中儲存指示及置信水平。基於強度的模型提供資料(例如，指示符及置信水平之集合)，可自該等資料計算使用者與商品之間的預測關係。可至少部分地基於預測關係產生電子資料，該等電子資料包括涉及要獲取之商品的建議。

在一個實例中，產生關於候選商品向候選使用者的 建議。產生建議包括產生第一電子資料點或多個資料點，該等資料點描述第一使用者與第一商品之間的關係。根據識別第一使用者是否喜歡第一商品的親和性值及與親和性值關聯的置信水平界定該關係。根據關於第一使用者與第一商品之間的互動觀察到的資料計算親和性值及置信水平。產生建議亦包括根據基於強度的模型在儲存使用者與商品之間關係的資料結構(例如，矩陣)中儲存第一電子資料。產生建議亦包括根據儲存於資料結構中的資料產生建議。建議取決於候選使用者對候選商品的預測親和性值。

100‧‧‧裝置

110‧‧‧隱含訊號

115‧‧‧訊號衍生器

120‧‧‧外顯訊號

125‧‧‧訊號限定器

130‧‧‧單個指示

150‧‧‧資料結構

250‧‧‧資料結構

255‧‧‧方塊

260‧‧‧圖形

300‧‧‧方法

310‧‧‧方塊

320‧‧‧方塊

330‧‧‧方塊

360‧‧‧方塊

370‧‧‧方塊

380‧‧‧方塊

400‧‧‧方法

410‧‧‧方塊

420‧‧‧方塊

430‧‧‧方塊

440‧‧‧方塊

445‧‧‧方塊

450‧‧‧方塊

455‧‧‧方塊

460‧‧‧方塊

470‧‧‧方塊

480‧‧‧方塊

500‧‧‧設備

510‧‧‧處理器

520‧‧‧記憶體

530‧‧‧邏輯之集合

532‧‧‧第一邏輯

534‧‧‧第二邏輯

536‧‧‧第三邏輯

540‧‧‧介面

560‧‧‧呈現服務

600‧‧‧設備

610‧‧‧處理器

620‧‧‧記憶體

630‧‧‧邏輯之集合

632‧‧‧第一邏輯

634‧‧‧第二邏輯

636‧‧‧第三邏輯

638‧‧‧第四邏輯

640‧‧‧介面

700‧‧‧雲端操作環境

702‧‧‧伺服器

704‧‧‧服務

706‧‧‧資料儲存器

708‧‧‧資料庫

710‧‧‧電腦

720‧‧‧平板電腦

730‧‧‧膝上型電腦

740‧‧‧個人數位助理

750‧‧‧行動裝置

760‧‧‧建議服務

800‧‧‧行動裝置

802‧‧‧組件

810‧‧‧處理器

812‧‧‧作業系統

814‧‧‧應用程式

820‧‧‧記憶體

822‧‧‧不可移動記憶體

824‧‧‧可移動記憶體

830‧‧‧輸入裝置

832‧‧‧觸控螢幕

834‧‧‧麥克風

836‧‧‧相機

838‧‧‧實體鍵盤

840‧‧‧軌跡球

850‧‧‧輸出裝置

852‧‧‧揚聲器

854‧‧‧顯示器

860‧‧‧無線數據機

862‧‧‧Wi-Fi

864‧‧‧藍芽

880‧‧‧輸入/輸出埠

882‧‧‧電源

884‧‧‧衛星導航系統接收器

890‧‧‧實體連接器

891‧‧‧天線

892‧‧‧NFC邏輯

899‧‧‧建議邏輯

附圖圖示本文所描述之各種示例性設備、方法及其他實施例。應將瞭解，諸圖中圖示之元件邊界(例如，方框、方框群組或其他形狀)表示邊界之一個實例。在一些實例中，可將一個元件設計為多個元件或可將多個元件設計為一個元件。在一些實例中，可將圖示為另一元件之內部組件的元件實施為外部組件且反之亦然。此外，可能並未按比例繪製元件。

第1圖圖示示例性資料結構之創建。

第2圖圖示示例性資料結構之使用。

第3圖圖示與對建議系統基於強度之建模關聯之示例性方法。

第4圖圖示與對建議系統基於強度之建模關聯之示例性方法。

第5圖圖示與對建議系統基於強度之建模關聯之示 例性設備。

第6圖圖示與對建議系統基於強度之建模關聯之示例性設備。

第7圖圖示示例性雲端操作環境。

第8圖係描述示例性行動通訊裝置之系統圖，該行動通訊裝置經配置以參與對建議系統的基於強度之建模。

示例性設備及方法提供具有兩個鬆散耦合部分的建議系統。兩個鬆散耦合部分經由界定清晰之介面通訊，該介面使用一資料結構，該資料結構由一個部分產生及由另一部分使用。第一部分負責訊號衍生，此指示理解使用者與商品之間的關係。根據某些親和性及強度假設處理可用之訊號以決定使用者是否喜歡商品。一旦訊號衍生決定使用者是否喜歡商品，第一部分亦可產生該決定的置信水平。訊號衍生隨後可產生電子資料，該等電子資料提供使用者商品關係之單個指示。單個指示可例如為形式<使用者，商品，喜歡？，強度>之元組，其中強度為喜歡/不喜歡決定中的置信水平。在不同實施例中，可提供不同指示。應注意，該指示獨立於計算指示之訊號，因為該指示不包括計算指示之訊號中的任一者。

可在資料結構中儲存多個指示及隨後可由第二部分使用該資料結構。資料結構可儲存關於使用者、商品、親和性及強度的資訊。因此，資料結構可支持對建議系統之基於強度的模型。第二部分可使用例如矩陣因子分解來計算使用 者與商品之間的預測關係。預測關係可為喜歡/不喜歡關係。隨後可自該預測關係產生建議。經由介面將兩個部分鬆散耦合至資料結構。

與習知系統不同，計算預測關係的模型獨立於模型中已處理之使用者訊號。舉例而言，模型獨立於觀察到的訊號之類型及數目兩者。另外，現可驗證第一部分。舉例而言，可向使用者呈現由訊號衍生所產生的單個指示及自使用者所獲取涉及喜歡/不喜歡決定及喜歡/不喜歡決定中的置信水平之反饋。可隨後基於反饋調整訊號衍生中所曾使用之假設。

示例性設備及方法亦可慮及不同時間或地點處的不同行為或條件。舉例而言，基於近期的模型可增加近期所獲取(例如，購買、借用、租用)之商品的強度，而可減小較遠期所獲取之商品的強度。另外，基於時間的模型可對特定時間窗期間(例如，上午、週末、Super Bowl(美國橄欖球超級杯大賽)期間)消費的商品給予較高強度。更概括而言，可考慮時間及其他參數影響與喜歡/不喜歡關係關聯的強度。

第1圖圖示裝置100，可自該裝置獲取隱含訊號110或外顯訊號120。儘管圖示單個裝置100，但可自多個裝置獲取訊號。裝置100可例如為遊戲機，使用者經由該遊戲機獲取視訊遊戲及玩視訊遊戲。使用者亦可使用裝置100對視訊遊戲評定等級、發佈關於視訊遊戲的部落格或執行其他動作。

外顯訊號120可例如為由使用者所產生的主觀等級。舉例而言，使用者可給予第一個遊戲10分中的1分等級，指示使用者不喜歡第一個遊戲，但可給予第二個遊戲10分中 的9分，指示使用者喜歡第二個遊戲。隱含訊號110可例如為自使用者與遊戲之互動所產生的客觀資料。客觀資料可包括：例如，使用者已玩該遊戲的次數、使用者最後一次玩該遊戲至今的間隔時間、使用者玩該遊戲的頻率、使用者玩其他遊戲的頻率、使用者為該遊戲附加產品支付的金額或其他資料。使用者可決定允許報告何種隱含訊號(若存在)。

可藉由訊號限定器125處理外顯訊號120及可藉由訊號衍生器115處理隱含訊號。儘管圖示兩個單獨設備，但在一個實施例中，可藉由用以理解喜歡/不喜歡關係的一或更多個設備或過程來處理外顯訊號120及隱含訊號110。不同使用者可產生不同資料。因此，在一個實施例中，可對每個使用者定製訊號衍生。不同商品(例如，視訊遊戲、視訊、書籍、服裝)亦可產生不同資料。因此，在一個實施例中，可對每個商品定製訊號衍生。使用者可展現在不同時間、不同位置及不同情況下對不同商品或商品類型的不同趨勢及偏好。因此，在一個實施例中，可對不同情況下的使用者及商品定製訊號衍生。

訊號衍生過程將產生單個指示130。單個指示130使用喜歡/不喜歡指示符及強度或置信度指示符描述使用者：商品關係。強度指示符提供關於與喜歡/不喜歡指示符關聯的確定性或置信度之資訊。

可將單個指示符收集至資料結構150中。在一個實施例中，資料結構150係儲存基於強度的模型之矩陣。矩陣可儲存關於使用者是否喜歡商品、關於使用者是否不喜歡商 品及關於喜歡/不喜歡關係中的置信水平之資訊。矩陣亦可儲存指示，該指示為針對特定商品對特定使用者無資訊可用。在資料結構150中，Y表示使用者喜歡商品，N表示使用者不喜歡商品，及？指示針對彼商品對彼使用者的資訊不可用。示例性設備及方法可設法填充使用者及商品的遺失資訊。舉例而言，基於資料結構150中的其他指示，示例性設備及方法可設法預測使用者U1與商品I3的關係。可自資料結構150中的其他資料預測關係。

第2圖圖示正用於預測使用者與商品之關係的資料結構250。舉例而言，資料結構250不具有關於使用者U1與商品I3之喜歡/不喜歡關係的資訊。示例性設備及方法可在255處執行矩陣因子分解以促進理解使用者與商品之間的關係。矩陣因子分解可識別使用者或商品之間的相似性及隨後基於彼等所識別之相似性預測喜歡/不喜歡關係。圖形260圖示使用者1及商品A、商品B及商品C的向量。關於使用者1與商品A之間的關係之資訊可告知關於使用者1與商品B的決定。

相似性可取決於一天中的時間、位置、可用裝置或其他因素。來自兩個不同人口統計資料的兩個使用者可在某些時間處更加相似及在其他時間處較不相似。舉例而言，居住在公寓中的藍領工人與在辦公室工作的白領工人可來自極為不同的人口統計資料且可已展現出在日常生活之大多數方面極為不同的喜好及憎惡。然而，在一定條件下，兩個使用者可極為相似。舉例而言，若兩個使用者正處於駛向運動賽 事的公共交通工具上，則在行駛持續時間內，使用者可極為相似。因此，當決定相似性時，示例性設備及方法可慮及時間、位置、進行中或待定之事件及其他屬性。

根據記憶體內對資料位元的運算之演算法及符號表示呈現隨後詳細描述之一些部分。熟習此項技術者使用該等演算法描述及表示將其工作實質傳遞至其他者。將演算法視為產生結果的運算序列。運算可包括創建及操縱可採取電子值之形式的物理量。創建或操縱電子值形式的物理量產生具體、有形、有用、真實世界的結果。

已證明，主要出於常用之原因，有時便於將該等訊號稱為位元、值、元素、符號、字元、項、數字、分佈及其他術語。然而，應考慮到，該等及相似術語將與適宜物理量關聯及僅為應用於該等量的便簽。除非另有具體陳述，否則應將瞭解，在整個描述中，包括處理、計算及決定的術語指示電腦系統、邏輯、處理器、晶片上系統(system-on-a-chip；SoC)或相似電子裝置之動作及處理，該電子裝置操縱及轉換表示為物理量(例如，電子值)的資料。

參看流程圖可更好地瞭解示例性方法。為簡單起見，將說明之方法圖示及描述為一系列方塊。然而，該等方法可不受限於方塊之次序，因為在一些實施例中，該等方塊可以與所圖示及描述之次序不同的次序發生。此外，可需要比所有圖示方塊更少的方塊實施示例性方法。可將方塊組合或分離成多個組件。此外，額外或替代方法可使用額外未圖示之方塊。

第3圖圖示與對建議系統基於強度之建模關聯之示例性方法300。方法300可包括：在310處，存取資料儲存器，該資料儲存器儲存所獲取關於使用者與商品之互動之訊號。該等訊號可包括由使用者提供的主觀資訊及所獲取關於使用者與商品之互動的客觀資訊。存取資料儲存器可包括打開檔案、打開表格、讀取檔案、從表格中讀取、經由導管或插座接收資料、經由遠端程序調用接收資訊、接收記憶體之位址或其他動作。主觀資訊可包括關於商品的由使用者所產生的資料。舉例而言，使用者可點擊社交媒體網站上的「喜歡」按鈕，可在部落格上發佈正面評論，或其他動作。客觀資訊可報告使用者與商品之互動。舉例而言，客觀資訊可報告使用者何時購買電子書，使用者何時開始閱讀該電子書，使用者耗費多長時間閱讀該電子書，及使用者何時讀完該電子書。

方法300亦可包括：在320處，自訊號計算使用者是否喜歡商品之指示。指示可例如為二進制是/否值。由於該指示不包括任何外顯訊號或隱含訊號，故該指示為訊號獨立。在一個實施例中，可根據特定於使用者或商品之親和性假設來計算指示。親和性假設可例如為權重及運算(例如，加法、乘法、對數)之集合以應用於可用訊號。不同使用者可具有不同假設。相似地，不同商品可具有不同假設。最初，假設可為關於如何計算指示的合理之估計量。隨時間推移，可基於自使用者接收之反饋改變假設。

方法300亦可包括：在330處，自訊號計算指示的置信水平。與指示類似，置信水平為訊號獨立。可根據特定 於使用者或商品之強度假設來計算置信水平。與親和性假設類似，強度假設可包括權重及運算之集合以應用於可用訊號。

一旦已計算親和性值及置信水平，方法300亦可包括：在360處，在基於強度的模型中儲存指示及置信水平。在基於強度的模型中儲存指示及置信水平促進自觀察到的訊號解耦相似計算及產品預測。因此，當新訊號被添加至所觀察的訊號中時，當從所觀察的訊號中移除現有訊號時，或當計算親和性值或置信水平的假設改變時，可不必更改用於計算預測關係及提供建議的方法及設備。

方法300亦可包括：在370處，計算使用者與第二不同商品之間的預測關係。儘管描述使用者與第二不同商品之間的關係，但方法300可計算不同使用者與不同商品的預測關係。可自儲存於基於強度的模型中的指示符及置信水平之集合計算預測關係。指示符及置信水平可與使用者關聯，在320處對該使用者計算指示及在330處自該使用者計算置信水平。指示符及置信水平亦可與其他使用者及其他商品關聯。當在矩陣中儲存指示符及置信水平時，計算預測關係可包括對基於強度的模型中由資料形成的向量執行矩陣因子分解。由於指示及置信水平獨立於所觀察的訊號，向量之元素亦獨立於所觀察的訊號。

方法300亦可包括：在380處，向使用者選擇性提供電子資料，該電子資料包括涉及第二商品的建議。儘管描述單個建議，但在不同實例中可提供多個建議或建議之列表。提供電子資料可包括：例如，在螢幕上顯示資訊、將資 訊寫入記憶體、將物件傳送至裝置、產生中斷或在電腦中或藉由電腦執行的其他動作。建議至少部分地基於預測關係。

第4圖圖示與對建議系統基於強度之建模關聯之示例性方法400。方法400包括與方法300(第3圖)相關描述之彼等動作相似的若干動作。舉例而言，方法400包括：在410處存取訊號，在420處計算指示，在430處計算置信度，在460處將指示添加至基於強度的模型，在470處計算預測關係，及在480處提供建議。然而，方法400亦包括額外動作。

舉例而言，方法400包括：在440處，決定是否已驗證指示。在一個實例中，可藉由向使用者呈現指示及請求反饋來驗證指示。反饋可為是/否回答、指示之等級或其他反饋。在另一實例中，可基於後續觀察到的動作經由機器學習來驗證指示。若在440處決定為尚未驗證指示，則方法400可在445處基於來自使用者涉及指示的反饋選擇性更新親和性假設或基於來自使用者涉及置信水平的反饋選擇性更新強度假設。更新假設的步驟可包括改變權重、改變操作、識別所觀察的訊號以從計算中減去、識別所觀察的訊號以加到計算中或其他動作。

方法400亦可包括在450處決定是否要調整置信水平。可例如基於將產生建議時存在的環境調整置信水平。若在450處決定為否，則在460處繼續處理。但若在450處決定為是，則在455處繼續處理，在此處可調整置信度。在455處調整置信度可包括基於近期性模型改變置信水平，該近期 性模型慮及使用者與商品互動之近期程度。舉例而言，對於時間越近的互動，可增加置信水平，及對於時間越遠的互動，可減小置信水平。可使用線性函數、指數函數、不規則函數或以其他方式改變置信度。在455處調整置信度亦可包括基於時間模型改變置信水平，該時間模型慮及使用者與商品互動之時間。舉例而言，若在特定時間段(例如，週末)期間獲取了觀察到的訊號，及將產生關於週末的建議，則置信水平可增加。但若在週末期間獲取了觀察到的訊號及將產生週三的建議，則置信水平可減小。在一個實施例中，在455處調整置信度可包括基於環境模型改變置信水平，該環境模型慮及使用者之位置、使用者可用之裝置或使用者參加之活動。使用者可基於自身位置對不同事物感興趣。因此，可基於是否可向已知在家中、在工作中、在旅行中、在外地或在其他位置中的使用者產生建議來改變置信水平。使用者可選擇是否提供此類型個人資訊或使此類型資訊可用。若使用者決定提供此資訊，則可使用資訊調整置信度及隨後廢除該資訊。亦可基於正使用之裝置類型改變置信水平。舉例而言，使用者可基於是否使用遊戲機、電腦、平板電腦、膝上型電腦、智慧型電話或其他類型裝置而具有不同偏好或甚至不同興趣。若使用者決定提供或共享此類型資訊，則可使用資訊調整置信度及隨後廢除該資訊。另外，可基於例如可發生或即將發生的事件調整置信水平。舉例而言，在Super Bowl期間、在交通中時、在玩某一遊戲時、在孩子上學時或在孩子放學時，使用者可具有不同興趣或偏好。再次，使用者可決 定是否自願提供可使用及廢除之此類型資訊。

儘管第3圖及第4圖圖示連續發生之各種動作，但應將瞭解，第3圖及第4圖中所圖示之各種動作可實質上並行發生。經由說明，第一過程可獲取訊號，第二過程可計算親和性值，第三過程可計算置信度值，第四過程可使用矩陣因子分解產生預測關係，及第五過程可產生建議。儘管描述五個過程，但應將瞭解，可使用更多或更少數目之過程及可使用輕量型過程、常規過程、執行緒及其他途徑。

在一個實例中，可將方法實施為電腦可執行指令。因此，在一個實例中，電腦可讀取儲存媒體可儲存電腦可執行指令，若藉由機器(例如，電腦)執行該等指令，則引發該機器執行本文所描述或所主張之方法，該等方法包括方法300或400。儘管將與上述方法關聯的可執行指令描述為儲存於電腦可讀取儲存媒體上，但應將瞭解，與本文所描述或所主張之其他示例性方法關聯的可執行指令亦可儲存於電腦可讀取儲存媒體上。在不同實施例中，可以不同方式觸發本文所描述之示例性方法。在一個實施例中，可藉由使用者手動觸發方法。在另一實例中，可自動觸發方法。

在一個實施例中，電腦可讀取儲存媒體可儲存電腦可執行指令，當藉由電腦執行該等指令時，該等指令控制電腦執行方法。該方法可包括產生涉及使用者與商品之間關係的單個指示。單個指示識別使用者是否喜歡商品及使用者喜歡該商品之程度。單個指示獨立於經處理以計算單個指示之使用者訊號。該方法可包括在資料結構(例如，矩陣)中儲 存單個指示。可自資料結構中的資料產生向量。向量將獨立於計算單個指示所使用之訊號。該方法亦可包括向使用者提供涉及另一商品的建議，在矩陣中儲存該商品之單個指示。建議可基於自儲存於矩陣中的資料產生的向量之矩陣因子分解。

如本文所使用，「電腦可讀取儲存媒體」係指儲存指令或資料之媒體。「電腦可讀取儲存媒體」不指傳播訊號本身。電腦可讀取儲存媒體可採取多種形式，該等形式包括(但不限於)非揮發性媒體及揮發性媒體。非揮發性媒體可包括：例如，光碟、磁碟、磁帶、快閃記憶體、ROM及其他媒體。揮發性媒體可包括：例如，半導體記憶體、動態記憶體(例如，動態隨機存取記憶體(dynamic random access memory；DRAM)、同步動態隨機存取記憶體(synchronous dynamic random access memory；SDRAM)、雙資料速率同步動態隨機存取記憶體(double data rate synchronous dynamic random-access memory；DDR SDRAM)等)及其他媒體。電腦可讀取儲存媒體之常見形式可包括(但不限於)：軟碟(floppy disk)、可撓碟(flexible disk)、硬碟、磁帶、其他磁性儲存媒體、壓縮光碟(compact disk；CD)、其他光學媒體、隨機存取記憶體(random access memory；RAM)、唯讀記憶體(read only memory；ROM)、記憶晶片或記憶卡、記憶棒及其他媒體，電腦、處理器或其他電子裝置可自該等媒體讀取。

第5圖圖示設備500，該設備包括處理器510、記憶體520、邏輯之集合530及連接處理器510、記憶體520及邏 輯之集合530的介面540。處理器510可例如為電腦中的微處理器、特別設計電路、現場可程式化閘陣列(field-programmable gate array；FPGA)、特殊應用積體電路(application specific integrated circuit；ASIC)、行動裝置中的處理器、晶片上系統、雙或四處理器或其他電腦硬體。可配置邏輯之集合530以使用鬆散耦合之途徑產生建議，該建議包括自訊號獨立向量預測使用者：商品關係，該等訊號獨立向量由用衍生自使用者訊號的資料填充之資料結構形成。設備500可例如為電腦、膝上型電腦、平板電腦、個人電子裝置、智慧型電話、晶片上系統(SoC)或可存取及處理資料的其他裝置。

在一個實施例中，設備500可為通用電腦，該通用電腦已經由包括邏輯之集合530被轉型成專用電腦。設備500可經由例如電腦網路與其他設備、過程及服務互動。

邏輯之集合530可包括第一邏輯532，該第一邏輯經配置以產生描述第一使用者與第一商品之間關係的第一電子資料。第一電子資料可包括識別第一使用者的使用者識別符、識別第一商品的商品識別符、識別第一使用者是否喜歡第一商品的親和性值及與親和性值關聯的置信水平。使用者識別符可例如為使用者姓名、使用者編號、與使用者關聯的鏈接或其他資訊。商品識別符可例如為商品名稱、商品編號、與商品關聯的鏈接或其他資訊。在一個實例中，根據觀察到的關於第一使用者與第一商品之間互動的資料，第一邏輯532計算親和性值及置信水平。

觀察到的資料可包括外顯訊號或隱含訊號。外顯訊號可包括：例如，第一使用者對第一商品評定之等級、第一使用者對第一商品之打分或第一使用者對第一商品之評論。隱含訊號可包括：例如，第一使用者已使用第一商品之時間量、第一使用者已使用第一商品之次數、第一使用者是否已使用搜尋引擎搜尋第一商品、第一使用者已使用搜尋引擎搜尋第一商品之次數、第一使用者是否已獲取(例如，購買、借用、租用)第一商品、第一使用者是否已將關於第一商品的資訊發佈至社交媒體網站上或第一使用者是否已建議第一商品。可使用其他隱含或外顯訊號。對計算親和性值或置信水平的假設可對不同訊號指派不同權重，可對不同訊號指派不同運算，及可包括可用訊號之不同子集合。因此，在一個實例中，可配置第一邏輯532以自比所有觀察到的資料更少之資料產生第一電子資料。在不同實例中，可配置第一邏輯532以使用特定於第一使用者的函數、使用特定於第一商品的函數、使用特定於第一使用者及第一商品的函數或其他函數計算親和性值及置信水平。

邏輯之集合530亦可包括第二邏輯534，該第二邏輯經配置以根據基於強度的模型在儲存使用者與商品之間關係的資料結構中儲存第一電子資料。資料結構可例如為矩陣。關係可涉及親和性值及針對親和性值的置信水平。由於自不包括計算親和性值及置信水平的訊號之親和性值及置信水平建立關係，因此該等關係獨立於計算親和性值及置信水平之觀察到的資料。使該等關係獨立於觀察到的訊號促進了 訊號衍生與關係預測解耦，進而促進了將系統之兩個部分與系統之單個部分的本地變化隔絕。

在一個實例中，可配置第二邏輯534以在資料結構中儲存第一電子資料前驗證第一電子資料。驗證第一電子資料可包括自使用者接收關於第一電子資料的反饋。反饋可引發以不同方式計算電子資料。舉例而言，可改變權重，可將訊號加到計算中或從計算中減去，可改變運算(例如，加法、乘法)，或可採取其他動作。因此，在一個實例中，可配置第一邏輯532以基於關於來自第一使用者的親和性值之反饋改變計算親和性值之方式或基於關於來自第一使用者的置信水平之反饋改變計算置信水平之方式。

邏輯之集合530亦可包括第三邏輯536，該第三邏輯經配置以根據儲存於資料結構中的資料來產生建議。在一個實例中，建議取決於候選使用者對候選商品的預測親和性值。可根據儲存於資料結構中的一或更多個關係來計算預測親和性值。因此，對商品的建議可根據使用者與其他商品之間關係，可根據商品與其他使用者之間關係，或可根據其他關係。

在一個實例中，可配置第三邏輯536以自儲存於資料結構中的資料產生複數個向量及藉由對複數個向量中的兩者或更多者執行矩陣因子分解計算預測親和性值。由於自矩陣中的資料產生向量且由於矩陣儲存獨立於所觀察到的訊號之資料，複數個向量之成員具有獨立於觀察到的資料之元素。此在模型或用於計算值的邏輯改變時促進本地化所需之 變化。

在不同實施例中，可在設備500上執行一些處理及可藉由外部服務或設備執行一些處理。因此，在一個實施例中，設備500亦可包括通訊電路，該通訊電路經配置以與外部源通訊。在一個實施例中，第三邏輯536可與呈現服務560互動以使用針對不同裝置的不同呈現促進顯示資料。舉例而言，可呈現描述向使用者建議的商品之資訊。

第6圖圖示設備600，該設備與設備500(第5圖)相似。舉例而言，設備600包括處理器610、記憶體620、對應於邏輯之集合530(第5圖)的邏輯630(例如，632、634、636)之集合及介面640。然而，設備600包括額外第四邏輯638。可配置第四邏輯638以執行額外處理。

舉例而言，可配置第四邏輯638以根據並非用於計算親和性值或置信水平的屬性操縱針對親和性值的置信水平。屬性可例如為第一使用者與第一商品互動之時間。與商品互動可包括購買商品、使用商品、評論商品、對商品評定等級、返回商品、出售商品或其他動作。對不同商品可存在不同互動。舉例而言，使用者可具有與視訊遊戲互動之第一集合、與書籍互動之第二集合及與服飾互動之第三集合。屬性亦可例如為第一使用者與第一商品互動之位置。位置可包括地理位置(例如，美國、加拿大、英國)或邏輯位置(例如，家、工作地點)。屬性亦可例如為第一使用者與第一商品互動時正在進行之活動。活動可例如為玩遊戲、看電影、閱讀書籍、瀏覽網頁、工作或其他活動。屬性亦可包括：例 如，第一使用者與第一商品互動之時間上近期程度。時間上越近的互動計入考慮的因子權重越大，及時間上越遠的互動計入考慮的因子權重越輕。屬性亦可涉及被提供建議的使用者。因此，屬性可包括：例如，候選使用者可與候選商品互動之時間、候選使用者可與候選商品互動之位置或在候選使用者與候選商品互動時可能正在進行之活動。

第7圖圖示示例性雲端操作環境700。雲端操作環境700支持遞送計算、處理、儲存、資料管控、應用程式及其他功能作為抽象服務而非作為獨立產品。可藉由可實施為一或更多個計算裝置上的一或更多個過程之虛擬伺服器提供服務。在一些實施例中，可在不干擾雲端服務的情況下在伺服器之間遷移過程。在雲端中，可經由網路向包括伺服器、客戶端及行動裝置的電腦提供共享資源(例如，計算、儲存)。可使用不同網路(例如，乙太網路、Wi-Fi、802.x、蜂巢式)存取雲端服務。與雲端互動的使用者可不必知道實際提供該服務(例如，計算、儲存)之裝置之細節(例如，位置、名稱、伺服器、資料庫)。使用者可經由例如網路瀏覽器、瘦客戶端、行動應用程式或以其他方式存取雲端服務。

第7圖圖示存在於雲端中的示例性建議服務760。建議服務760可依賴於伺服器702或服務704執行處理及可依賴於資料儲存器706或資料庫708儲存資料。儘管圖示單個伺服器702、單個服務704、單個資料儲存器706及單個資料庫708，但是在雲端中可存在伺服器、服務、資料儲存器及資料庫的多個例子，且因此可由建議服務760使用該等例子。

第7圖圖示存取雲端中的建議服務760之各種裝置。該等裝置包括電腦710、平板電腦720、膝上型電腦730、個人數位助理740及行動裝置(例如，蜂巢式電話、衛星電話、可穿戴計算裝置)750。建議服務760可使用鬆散耦合至關係預測過程的訊號衍生過程為使用者產生涉及潛在獲取(例如，購買、租用、借用)的建議。

可能的是，在不同位置處使用不同裝置的不同使用者可經由不同網路或介面存取建議服務760。在一個實例中，可藉由行動裝置750存取建議服務760。在另一實例中，建議服務760之部分可存在於行動裝置750上。

第8圖係描述示例性行動裝置800之系統圖，該行動裝置包括大致用802圖示的各種可選硬體及軟體組件。行動裝置800中的組件802可與其他組件通訊，但為了便於說明並未圖示所有連接。行動裝置800可為各種計算裝置(例如，蜂巢式電話、智慧型電話、手持電腦、個人數位助理(Personal Digital Assistant；PDA)、可穿戴計算裝置等)及可允許與一或更多個行動通訊網路804(諸如蜂巢或衛星網路)無線雙路通訊。

行動裝置800可包括用於執行任務的控制器或處理器810(例如，訊號處理器、微處理器、ASIC或其他控制及處理邏輯電路系統)，該等任務包括訊號編碼、資料處理、輸入/輸出處理、功率控制或其他功能。作業系統812可控制組件802之分配及使用及支持應用程式814。應用程式814可包括行動計算應用程式(例如，電子郵件應用程式、行事 曆、通訊錄管理器、網路瀏覽器、簡訊應用程式)、視訊遊戲、建議應用程式或其他計算應用程式。

行動裝置800可包括記憶體820。記憶體820可包括不可移動記憶體822或可移動記憶體824。不可移動記憶體822可包括隨機存取記憶體(RAM)、唯讀記憶體(ROM)、快閃記憶體、硬碟或其他記憶體儲存技術。可移動記憶體824可包括快閃記憶體或GSM通訊系統中所熟知的用戶識別模組(Subscriber Identity Module；SIM)卡或其他記憶體儲存技術(諸如「智慧卡」)。記憶體820可用於儲存執行作業系統812及應用程式814的資料或程式碼。示例性資料可包括隱含訊號、外顯訊號、單個指示、向量或建議。記憶體820可用於儲存用戶識別符(諸如國際行動用戶識別(International Mobile Subscriber Identity；IMSI))及設備識別符(諸如國際行動設備識別符(International Mobile Equipment Identifier；IMEI))。可將識別符傳輸至網路伺服器以識別使用者或設備。

行動裝置800可支持一或更多個輸入裝置830，該等輸入裝置包括(但不限於)觸控螢幕832、麥克風834、相機836、實體鍵盤838或軌跡球840。行動裝置800亦可支持輸出裝置850，該等輸出裝置包括(但不限於)揚聲器852及顯示器854。其他可能輸出裝置(未圖示)可包括壓電或其他觸覺輸出裝置。一些裝置可服務一個以上輸入/輸出功能。舉例而言，可將觸控螢幕832及顯示器854組合於單個輸入/輸出裝置中。輸入裝置830可包括自然使用者介面(Natural User Interface；NUI)。NUI係一種介面技術，該技術使得使用 者能夠以「自然」方式與裝置互動，擺脫由輸入裝置(諸如滑鼠、鍵盤、遙控器及其他者)所強加的人為限制。NUI方法之實例包括依賴於以下之彼等：語音辨識、觸控與觸控筆辨識、手勢辨識(螢幕上及鄰近螢幕兩者)、空氣手勢、頭部與眼球追蹤、聲音及語音、視覺、觸控、手勢及機器智慧。NUI之其他實例包括：使用加速計/回轉儀的運動手勢偵測；面部辨識；三維(3D)顯示器；頭部、眼球及注視追蹤；沉浸式強化實境及虛擬實境系統；所有上述者提供更自然之介面，以及使用電場感測電極感測腦部活動之技術(EEG及相關方法)。因此，在一個特定實例中，作業系統812或應用程式814可包括語音辨識軟體作為聲音使用者介面的一部分，該聲音使用者介面允許使用者經由聲音指令操作裝置800。進一步地，裝置800可包括輸入裝置及軟體，該等輸入裝置及軟體允許經由使用者空間手勢的使用者互動(諸如偵測及解讀手勢以提供對遊戲應用程式的輸入)。

可將無線數據機860耦接至天線891。在一些實例中，使用射頻(radio frequency；RF)過濾器且處理器810不需要針對選定頻帶選擇天線配置。無線數據機860可支持處理器810與外部裝置之間的雙路通訊。概略圖示數據機860及數據機可包括用於與行動通訊網路804通訊的蜂巢式數據機及/或其他基於無線電的數據機(例如，藍芽864或Wi-Fi 862)。可配置無線數據機860用於與一或更多個蜂巢式網路(諸如針對資料的全球行動通訊系統(Global system for mobile communications；GSM)網路)通訊及單個蜂巢式網路 內、蜂巢式網路之間或行動裝置與公眾交換電話網路(public switched telephone network；PSTN)之間的聲音通訊。NFC邏輯892促進具有近場通訊(near field communications；NFC)。

行動裝置800可包括至少一個輸入/輸出埠880、電源882、衛星導航系統接收器884(諸如全球定位系統(Global Positioning System；GPS)接收器)或實體連接器890，該等埠可為通用串列匯流排(Universal Serial Bus；USB)埠、IEEE 1394(火線)埠、RS-232埠或其他埠。並非必需或全部包括圖示之組件802，因為可刪除或添加其他組件。

行動裝置800可包括建議邏輯899，該建議邏輯經配置以為行動裝置800提供功能。舉例而言，建議邏輯899可提供客戶端用於與服務(例如，服務760，第7圖)互動。可藉由建議邏輯899執行本文所描述之示例性方法之部分。相似地，建議邏輯899可實施本文所描述之設備之部分。

以下包括本文所使用之選定術語之定義。定義包括組件之各種實例或形式，該等實例或形式屬於術語之範疇內且可用於實施。實例不旨在為限制性。術語之單數及複數形式兩者可處於定義內。

對「一個(one)實施例」、「一(a)實施例」、「一個(one)實例」及「一(a)實例」之引用指示所如此描述之一或多個實施例或一或多個實例可包括特定特徵、結構、特點、特性、元件或限制，但不一定每一實施例或實例包括彼特定特徵、結構、特點、特性、元件或限制。此外，重複使用用語「在一個實施例中」不一定指示相同實施例，但可為相同實 施例。

如本文所使用，「資料儲存器」係指可儲存電子資料的實體性(physical)或邏輯性實體(entity)。資料儲存器可例如為資料庫、表格、檔案、列表、佇列、堆、記憶體、暫存器及其他實體性儲存庫。在不同實例中，資料儲存器可存在於一個邏輯性或實體性實體中或可分佈於兩個或更多個邏輯性或實體性實體之間。在資料儲存器中儲存電子資料引發資料儲存器之實體性轉換。

如本文所使用，「邏輯」包括(但不限於)硬體、韌體、機器上執行的軟體或執行一或多個功能或一或多個動作或自另一邏輯、方法或系統引發功能或動作的各者之組合。邏輯可包括軟體控制微處理器、離散邏輯(例如，ASIC)、類比電路、數位電路、程式化邏輯裝置、含有指令的記憶體裝置及其他實體裝置。邏輯可包括一或更多個閘、閘之組合或其他電路組件。在描述多個邏輯性邏輯的情況下，將多個邏輯性邏輯併入一個實體性邏輯中可為可能的。相似地，在描述單個邏輯性邏輯的情況下，在多個實體性邏輯之間分佈彼單個邏輯性邏輯可為可能的。

在詳細描述或申請專利範圍中使用術語「包括(includes)」或「包括(including)」的程度上，意欲以與術語「包含(comprising)」相似的方式包括，如彼術語在申請專利範圍中用作過渡詞時所解讀。

在詳細描述或申請專利範圍中使用術語「或」(例如，A或B)的程度上，意欲意謂「A或B或兩者」。當申 請人意欲指示「僅A或B，而非兩者」時，則將使用術語「僅A或B，而非兩者」。因此，本文中術語「或」之使用為包括性，而非排他性使用。請參看Bryan A.Garner之A Dictionary of Modern Legal Usage 624(第2版，1995年)。

在本文使用用語「A、B及C中之一者」(例如，經配置以儲存A、B及C中之一者的資料儲存器)的程度上，意欲傳達A、B及C可能性之集合(例如，資料儲存器可儲存僅A、僅B或僅C)。不旨在需要A之一者、B之一者及C之一者。當申請人意欲指示「A之至少一者、B之至少一者及C之至少一者」時，則將使用用語「A之至少一者、B之至少一者及C之至少一者」。

在本文使用用語「A、B及C中之一或更多者」(例如，經配置以儲存A、B及C中之一或更多者的資料儲存器)的程度上，意欲傳遞A、B、C、AB、AC、BC、ABC、AA...A、BB...B、CC...C、AA...ABB...B、AA...ACC...C、BB...BCC...C或AA...ABB...BCC...C可能性之集合(例如，資料儲存器可儲存僅A、僅B、僅C、A與B、A與C、B與C、A與B與C或上述之其他組合，該等組合包括A、B或C之多個實例)。不旨在需要A之一者、B之一者及C之一者。當申請人意欲指示「A之至少一者、B之至少一者及C之至少一者」時，則將使用用語「A之至少一者、B之至少一者及C之至少一者」。

儘管已經以特定於結構特徵及/或方法動作之語言描述標的，但應將理解，在附加申請專利範圍中所界定之標 的不一定受限於上文所描述之特定特徵或動作。確切而言，揭示上文所描述之特定特徵及動作作為實施申請專利範圍之實例形式。

400‧‧‧方法

410‧‧‧方塊

420‧‧‧方塊

430‧‧‧方塊

440‧‧‧方塊

445‧‧‧方塊

450‧‧‧方塊

455‧‧‧方塊

460‧‧‧方塊

470‧‧‧方塊

480‧‧‧方塊

Claims (20)

1. 一種設備，該設備包含：一處理器；一記憶體；邏輯之一集合，經配置以向一候選使用者產生一建議，該建議涉及該候選使用者是否將喜歡一候選商品；以及連接該處理器、該記憶體及邏輯之該集合的一介面；邏輯之該集合包含：一第一邏輯，經配置以產生一第一電子資料，該第一電子資料描述一第一使用者與一第一商品之間的一關係，其中該第一電子資料包括識別該第一使用者的一使用者識別符、識別該第一商品的一商品識別符、識別該第一使用者是否喜歡該第一商品的一親和性值及與該親和性值關聯的一置信水平，以及其中根據關於該第一使用者與該第一商品之間的一互動觀察到的資料，該第一邏輯計算該親和性值及該置信水平；一第二邏輯，經配置以根據一基於強度的模型在儲存使用者與商品之間關係的一資料結構中儲存該第一電子資料，其中該等關係涉及親和性值及針對親和性值的置信水平，及其中該等關係獨立於計算該等親和性值及置信水平之該觀察到的資料；以及一第三邏輯，經配置以根據儲存於該資料結構中的資料產生該建議，其中該建議取決於該候選使用者對該候選 商品的一預測親和性值，及其中根據儲存於該資料結構中的一或更多個關係計算該預測親和性值。
2. 如請求項1所述之設備，其中該觀察到的資料包含外顯訊號，該等外顯訊號包括該第一使用者對該第一商品評定之一等級、該第一使用者對該第一商品之一打分或該第一使用者對該第一商品之一評論。
3. 如請求項1所述之設備，其中該觀察到的資料包含隱含訊號，該等隱含訊號包括該第一使用者已使用該第一商品之一時間量、該第一使用者已使用該第一商品之一次數、該第一使用者是否已使用一搜尋引擎搜尋該第一商品、該第一使用者已使用一搜尋引擎搜尋該第一商品之次數、該第一使用者是否已購買該第一商品、該第一使用者已購買該第一商品之次數、該第一使用者是否已租用該第一商品、該第一使用者已租用該第一商品之次數、該第一使用者是否已借用該第一商品、該第一使用者已借用該第一商品之次數、該第一使用者是否已將關於該第一商品的資訊發佈至一社交媒體網站上、該第一使用者是否已建議該第一商品或該第一使用者已建議該第一商品之對象。
4. 如請求項1所述之設備，該第一邏輯經配置以自比所有該觀察到的資料更少的資料產生該第一電子資料。
5. 如請求項1所述之設備，該第一邏輯經配置以使用特定於該第一使用者的一函數計算該親和性值及該置信水平。
6. 如請求項1所述之設備，該第一邏輯經配置以使用特定於該第一商品的一函數計算該親和性值及該置信水平。
7. 如請求項1所述之設備，該第一邏輯經配置以使用特定於該第一使用者及該第一商品的一函數計算該親和性值及該置信水平。
8. 如請求項1所述之設備，該第二邏輯經配置以在該資料結構中儲存該第一電子資料前由該第一使用者驗證該第一電子資料。
9. 如請求項8所述之設備，該第一邏輯經配置以基於關於來自該第一使用者的該親和性值之反饋改變計算該親和性值之方式或基於關於來自該第一使用者的該置信水平之反饋改變計算該置信水平之方式。
10. 如請求項1所述之設備，該第三邏輯經配置以自儲存於該資料結構中的該資料產生複數個向量及藉由對該複數個向量中的兩者或更多者執行矩陣因子分解計算該預測親和性值，其中該複數個向量之一成員具有獨立於該觀察到的資料之元素。
11. 如請求項1所述之設備，包含一第四邏輯，該第四邏輯經配置以根據並非用於計算該親和性值或置信水平的一屬性來操縱針對一親和性值的該置信水平。
12. 如請求項11所述之設備，該屬性為該第一使用者與該第一商品互動之一時間、該第一使用者與該第一商品互動之一位置、在該第一使用者與該第一商品互動時正在進行之一活動、該第一使用者與該第一商品互動之時間上近期程度、該候選使用者可與該候選商品互動之一時間、該候選使用者可與該候選商品互動之一位置或在該候選使用者與該候選商品互動時可能正在進行之一活動。
13. 一種方法，該方法包含以下步驟：存取一資料儲存器，該資料儲存器儲存所獲取關於一使用者與一商品之互動之訊號；自該等訊號計算該使用者是否喜歡該商品之一指示，其中該指示獨立於該等訊號及其中根據特定於該使用者或商品的一或更多個親和性假設來計算該指示；自該等訊號計算對該指示的一置信水平，其中該置信水平獨立於該等訊號及其中根據特定於該使用者或商品的一或更多個強度假設來計算該置信水平；在一基於強度的模型中儲存該指示及置信水平； 計算該使用者與一第二不同商品之間的一預測關係，其中自儲存於該基於強度的模型中的指示符及置信水平之一集合計算該預測關係，以及至少部分地基於該預測關係向該使用者選擇性提供一電子資料，該電子資料包括涉及該第二商品的一建議。
14. 如請求項13所述之方法，其中該等訊號包括由該使用者提供的主觀資訊及所獲取關於該使用者與該商品之互動的客觀資訊。
15. 如請求項13所述之方法，該方法包含以下步驟：基於自該使用者涉及該指示的反饋選擇性更新該一或更多個親和性假設；以及基於自該使用者涉及該置信水平的反饋選擇性更新該一或更多個強度假設。
16. 如請求項13所述之方法，其中計算該預測關係之步驟包括以下步驟：在該基於強度的模型中對由資料形成的向量執行矩陣因子分解，其中該等向量之元素無關於該等訊號。
17. 如請求項13所述之方法，該方法包含以下步驟：基於一近期性模型改變該置信水平，該近期性模型慮及該使用者已與該商品互動之時間上近期程度。
18. 如請求項13所述之方法，該方法包含以下步驟：基於一時間模型改變該置信水平，該時間模型慮及該使用者與該商品互動之一時間。
19. 如請求項13所述之方法，該方法包含以下步驟：基於一環境模型改變該置信水平，該環境模型慮及該使用者之一位置、該使用者可用的一裝置或該使用者參加的一活動。
20. 一種電腦可讀取儲存媒體，該電腦可讀取儲存媒體儲存電腦可執行指令，當藉由一電腦執行該等指令時，該等指令控制該電腦執行一方法，該方法包含以下步驟：產生一單個指示，該單個指示涉及一使用者與一商品之間的一關係，其中該單個指示識別該使用者是否喜歡該商品及該使用者喜歡該商品之程度，及其中該單個指示獨立於經處理以計算該單個指示之使用者訊號；在一矩陣中儲存該單個指示；以及向該使用者提供涉及另一商品的一建議，針對該商品在該矩陣中儲存一單個指示，其中該建議基於自儲存於該矩陣中的資料產生的向量之矩陣因子分解。