[发明专利]产品推荐和集成语言建模的系统和方法

说明书

提供了系统和方法，用于追踪来自电子产品目录的一个或多个用户的动作，向与产品项信息无关的被追踪动作中的每个分配第一标志，向具有目录信息或产品标识的一个或多个被追踪动作分配第二标志，基于电子产品目录的页面的至少一个类别向一个或者多个被追踪动作分配第三标志，以及向一个或多个被追踪动作的至少一个搜索查询和/或搜索优化分配第四标志。服务器可以针对一个或多个用户中的每个在一个或多个向量中生成标志序列，可以将一个或多个用户的概况信息编码为向量矩阵，并且可以针对一个或多个用户由电子目录确定至少一个产品推荐。

背景技术

部署于在线零售商网站上的典型产品推荐通过基于评级历史针对用户-商品配对的评级进行预测而工作，评级历史包括由用户给出的评级或对商品给出的评级。

附图说明

附图被纳入本说明书并构成本说明书的一部分，附图被用于提供对所公开的主题的进一步理解。附图还示出了所公开的主题的实施方式，并且与具体实施方式一起对所公开的主题的实施方式的原理进行了解释。对于基本理解所公开的主题和可用于实践的各种方式而言，不应试图超出必要而更详细地显示结构细节。

图1-2示出了根据所公开的主题的实施方式，针对用户从电子目录确定产品推荐的示例性方法。

图3A-3E示出了根据所公开的主题的实施方式，用户与产品目录交互、生成标志(token)以及提供产品推荐的示例。

图4示出了根据所公开的主题的实施方式的计算机系统。

图5示出了根据所公开的主题的实施方式的网络配置。

具体实施方式

参考附图对所公开的各个方面或特征进行描述，其中相同的附图标记在全文用于指代相同的要素。在本说明书中，为了提供对所公开的透彻理解，对许多细节进行了阐述。然而，应当理解，公开文本的某些方面可以在没有这些具体细节的情况下或者利用其他方法、组件、材料等来实践。在其他情况下，以框图形式示出了公知的结构和设备，以便于对公开文本进行描述。

所公开的主题的实施方式提供了对在线商业零售商的电子产品目录的产品进行推荐的系统和方法。可以对用户与电子产品目录的交互进行追踪。被追踪的活动可以被标志化，使得可以针对每个用户而具有标志序列，这些标志序列是利用在线电子产品目录根据用户的活动转换而来的。这些可以被称为目录标志的标志可以包括活动标志、产品标志和类别标志，并且可以被编码为向量。为了使推荐个性化，可以将用户概况信息(profileinformation)编码为向量矩阵。用户概况信息向量和向量化的标志可用于进行推荐。语言模型可以基于标志，其中一些标志比其他标志更频繁地彼此关联(即，标志的共现(co-occurrence))。模型可以用于预测接下来用于推荐的顶级产品项。

相比之下，传统的推荐系统使用协同过滤(CF)，例如奇异值分解(SVD)。这样的系统基于评级历史(由用户给出，并且对商品给出)而预测用户-商品配对的评级。大多数CF算法基于用户-商品评级矩阵，其中每行表示用户，每列表示商品。矩阵的条目是用户所给出的对商品的评级。SVD是常用于减少数据集的特征数量的矩阵分解技术。

一些传统的推荐系统使用语境强盗(context bandit)算法。例如，这样的系统确定哪些用户是相似的，并且基于相似用户的选择和/或购买而为特定用户提供推荐。这样的系统通常还针对与已被查看或购买过的商品类似的商品提供推荐。

其他传统系统使用语言处理，例如BERT(基于转换器的双向编码器表征)，其是基于神经网络用于自然语言处理(NLP)预训练的技术。BERT通常用于确定搜索中字的上下文以及将搜索查询与相关结果进行匹配。

对于可以包括电子产品目录的商业网站，购物者和/或用户通常可以浏览一些产品项并与电子目录进行交互。对电子产品目录中购物者最可能购买的一种或多种产品进行推荐是可取的。