Способ, устройство и система для рекомендации информации о продукте

Способ, устройство и система для рекомендации информации о продукте

Иллюстрации

Показать все

Реферат

ПЕРЕКРЕСТНАЯ ССЫЛКА НА РОДСТВЕННУЮ ЗАЯВКУ

[0001] По настоящей заявке испрашивается приоритет согласно патентной заявке Китая № 201310222166.3, поданной 5 июня 2013 г., озаглавленной "METHOD, APPARATUS AND SYSTEM FOR RECOMMENDING PRODUCT INFORMATION" ("Способ, устройство и система для рекомендации информации о продукте"), полное содержание которой включено в настоящий документ посредством ссылки.

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

[0002] Настоящее раскрытие относится к области техники технологии связи и, в частности, к рекомендации информации.

УРОВЕНЬ ТЕХНИКИ

[0003] С развитием сетевой связи жизни и стили поведения людей также постепенно меняются. Покупки в интернет-магазинах, также называемые онлайн-шопингом, являются большой революцией для стандартных транзакций и постепенно становятся предпочитаемыми людьми ввиду таких их признаков, как низкие издержки транзакций, простота действий и высокая эффективность и т.д. Во время онлайн-шопинга постепенно становится проблемой, относящейся к людям, то, как точно рекомендовать информацию о продукции подходящему пользователю так, чтобы пользователь мог более удобно получать требуемую ему и интересующую его информацию о продукте из переполненной информации, для того, чтобы сэкономить время поиска для пользователя, улучшить впечатления пользователя и улучшить эффективность обработки информации.

[0004] Существующие способы для рекомендации продуктов не могут точно рекомендовать информацию о продукте пользователю с соответствующими требованиями.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

[0005] Варианты осуществления настоящего раскрытия обеспечивают способ, устройство и систему для рекомендации информации о продукте, которые могут рекомендовать информацию о продукте пользователю с соответствующими требованиями.

[0006] Варианты осуществления настоящего раскрытия обеспечивают способ рекомендации информации о продукте, содержащий этапы, на которых:

[0007] получают список продуктов, содержащий информацию о продукте для по меньшей мере одного продукта, причем информация о продукте содержит наименования продуктов и индексы цен и ассоциирована с по меньшей мере одной меткой продукта;

[0008] вычисляют индекс покупательной способности пользователя и получают персонализированные метки пользователя, причем персонализированные метки являются набором меток продуктов, которые нравятся пользователю;

[0009] генерируют список рекомендаций продуктов для пользователя согласно индексу покупательной способности, персонализированным меткам, меткам продуктов и индексам цен, причем информация о продукте в списке рекомендаций продуктов выбирается из списка продуктов; и

[0010] дают рекомендацию пользователю на основе списка рекомендаций продуктов.

[0011] Соответственно, настоящее раскрытие обеспечивает устройство для рекомендации информации о продукте, содержащее:

[0012] блок получения информации о продукте, сконфигурированный для получения списка продуктов, содержащего информацию о продукте для по меньшей мере одного продукта, с сервера, причем информация о продукте содержит наименования продуктов и индексы цен и ассоциирована с по меньшей мере одной меткой продукта;

[0013] блок сбора информации пользователя, сконфигурированный для вычисления индекса покупательной способности пользователя и получения персонализированных меток пользователя, причем персонализированные метки являются набором меток продуктов, которые нравятся пользователю;

[0014] блок генерирования списка рекомендаций продуктов, сконфигурированный для генерирования списка рекомендаций продуктов для пользователя согласно индексу покупательной способности, персонализированным меткам, меткам продуктов и индексам цен, причем информация о продукте в списке рекомендаций продуктов выбирается из списка продуктов; и

[0015] блок рекомендации, сконфигурированный для рекомендации пользователю на основе списка рекомендаций продуктов.

[0016] Соответственно, варианты осуществления настоящего раскрытия дополнительно обеспечивают систему связи, содержащую: сервер; и устройство для рекомендации информации о продукте согласно любому из вариантов осуществления настоящего раскрытия.

[0017] Варианты осуществления настоящего раскрытия могут получать список продуктов, содержащий информацию о продукте для по меньшей мере одного продукта, причем информация о продукте содержит наименования продуктов и индексы цен; устанавливать метки продуктов для информации о продукте в списке продуктов согласно наименованиям продуктов; вычислять индекс покупательной способности пользователя и получать персонализированные метки пользователя; затем генерировать персонализированный список рекомендаций продуктов для пользователя согласно индексу покупательной способности, персонализированным меткам, меткам продуктов и индексам цен; и выносить рекомендацию пользователю на основе списка рекомендаций продуктов. Это решение может не только точно рекомендовать информацию о продукте пользователю с соответствующими требованиями, но также лучше удовлетворять требованиям пользователей, поскольку список рекомендаций продуктов генерируется согласно покупательной способности, а также хобби и интересам пользователя, благодаря чему улучшается качество впечатлений пользователя.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0018] Для лучшего понимания технических решений в вариантах осуществления настоящего раскрытия или родственной области техники сопроводительные чертежи, которые требуются для использования в вариантах осуществления или родственной области техники, будут кратко описаны ниже.

[0019] Фиг.1 изображает блок-схему способа рекомендации информации о продукте согласно одному варианту осуществления настоящего раскрытия;

[0020] Фиг.2 изображает блок-схему способа рекомендации информации о продукте согласно другому варианту осуществления настоящего раскрытия;

[0021] Фиг.3 изображает блок-схему способа рекомендации информации о продукте согласно еще одному варианту осуществления настоящего раскрытия;

[0022] Фиг.4 изображает структурную схему устройства для рекомендации информации о продукте согласно одному варианту осуществления настоящего раскрытия; и

[0023] Фиг.5 изображает структурную схему сервера согласно одному варианту осуществления настоящего раскрытия.

ПОДРОБНОЕ ОПИСАНИЕ ПРЕДПОЧТИТЕЛЬНЫХ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ

[0024] Технические решения в вариантах осуществления настоящего раскрытия будут описаны ниже ясно и полностью в сочетании с сопроводительными чертежами в вариантах осуществления настоящего раскрытия. Очевидно, что варианты осуществления, описанные ниже, являются лишь некоторыми вариантами осуществления настоящего раскрытия, а не всеми вариантами осуществления. Все другие варианты осуществления, полученные специалистами в данной области техники на основе вариантов осуществления настоящего раскрытия без какой-либо творческой работы, принадлежат к объему защиты настоящего раскрытия.

[0025] Варианты осуществления настоящего раскрытия обеспечивают способ, устройство и систему для рекомендации информации о продукте, которые будут, соответственно, подробно описаны ниже.

[0026] Первый вариант осуществления

[0027] Настоящий вариант осуществления будет описан с точки зрения устройства для рекомендации информации о продукте, и устройство для рекомендации информации о продукте может быть интегрировано в сервер.

[0028] Способ рекомендации информации о продукте содержит: получение списка продуктов, содержащего информацию о продукте для по меньшей мере одного продукта, с сервера, причем информация о продукте содержит наименования продуктов и индексы цен и ассоциирована с по меньшей мере одной меткой продукта; вычисление индекса покупательной способности пользователя и получение персонализированных меток пользователя, причем персонализированные метки являются набором меток продуктов, которые нравятся пользователю; генерирование списка рекомендаций продуктов для пользователя согласно индексу покупательной способности, персонализированным меткам, меткам продуктов и индексам цен, причем информация о продукте в списке рекомендаций продуктов выбирается из списка продуктов; и выдачу рекомендации пользователю на основе списка рекомендаций продуктов.

[0029] Как изображено на фиг.1, конкретный процесс может быть следующим.

[0030] На этапе 101 список продуктов, содержащий информацию о продукте для по меньшей мере одного продукта, получается с сервера, причем информация о продукте содержит наименования продуктов, индексы цен и т.д., и информация о продукте ассоциирована с по меньшей мере одной меткой продукта.

[0031] Разумеется, информация о продукте может также содержать другую информацию. Например, информация о продукте может также содержать оценки рекомендаций и т.д.

[0032] Используемый здесь термин "метки продукта" ссылается на атрибут продукта. Значения атрибутов меток продуктов могут быть установлены согласно требованиям в практических применениях. Например, метки продуктов могут содержать "мода", "металлическое ощущение", "здоровье" и/или "кожа" и т.д.

[0033] Должно быть проиллюстрировано, что метки в варианте осуществления настоящего раскрытия не эквивалентны классификации товаров, а являются позиционными атрибутами товаров, например характеристиками привлекательности, такими как мода, популярность, воспоминание, литература и т.д., и описанием, таким как металлическое ощущение, импорт, защита места происхождения и т.д.

[0034] Должно быть проиллюстрировано, что в варианте осуществления настоящего раскрытия индекс цены продукта отражает, сколько продуктов с тем же самым типом, что и у продукта, который был продан, имеют цены ниже, чем у продукта, среди продуктов того же самого типа, которые были проданы. Например, если существует 700 продуктов того же самого типа, что и продукт, который был продан, по ценам ниже, чем у продукта, среди 1000 продуктов того же самого типа, который был продан, индекс цены продукта равен 0,7.

[0035] Поскольку цены большинства продуктов могут быть сконцентрированы внутри меньшего интервала, логическая формула распределения может быть использована для балансирования для того, чтобы сбалансировать распределение данных. То есть после того как список продуктов получается (т.е. этапа 101), способ может дополнительно содержать:

[0036] выполнение балансной обработки индексов цен с использованием логической формулы распределения для получения сбалансированных индексов цен. Например, формула вычисления может быть следующей.

[0037] где цена(i)_расп - сбалансированный индекс цены, u(цена) - среднее значение индексов цен, и σ(цена) - дисперсия индексов цен.

[0038] На этапе 102 вычисляется индекс покупательной способности пользователя и получаются персонализированные метки пользователя.

[0039] причем персонализированные метки являются набором меток продуктов, которые нравятся пользователю. Например, если пользователю нравится продукт с такими метками продуктов, как "мода", "металлическое ощущение" и т.д., персонализированными метками пользователя являются "мода" и "металлическое ощущение". Персонализированные метки могут быть выбраны и установлены самим пользователем; или система может выполнять процесс статистики и анализа согласно историческим записям покупки и просмотра пользователя и затем устанавливать персонализированные метки для пользователя согласно результату анализа, что не будет описываться здесь подробно.

[0040] Покупательная способность, описанная в варианте осуществления настоящего раскрытия, ссылается на позицию цены продукта, который куплен пользователем, в ценах продуктов того же самого типа. Индекс покупательной способности является значением, которое может отражать покупательную способность пользователя. Индекс покупательной способности пользователя может быть измерен индексами цен продуктов, купленных пользователем. Например, индекс покупательной способности пользователя может быть вычислен согласно индексам цен и весам соответственных типов продуктов, которые были куплены пользователем. В частности,

[0041] Индексы цен и веса соответственных типов продуктов, которые были куплены пользователем, получаются. Произведения индексов цен и весов соответственных типов продуктов, которые были куплены пользователем, суммируются для получения первого значения. Первое значение делится на сумму весов соответственных типов продуктов, которые были куплены пользователем, для получения индекса покупательной способности пользователя. Формула является следующей.

[0042] где покупательная_способность - индекс покупательной способности пользователя, вес(i) - вес i-го типа продуктов, и цена(i) - индекс цены i-го типа продуктов.

[0043] Например, принимая пользователя, покупающего продукт "полотенце", в качестве примера, индекс покупательной способности пользователя для этого типа продуктов может быть вычислен следующим образом.

[0044] Интервал цен полотенец является от 5 юаней до 100 юаней, и полотенце куплено пользователем по цене 20 юаней. За прошлый период времени 85% всех полотенец, которые были проданы, продано по ценам ниже, чем цена 20 юаней. В этом случае индекс покупательной способности пользователя для этого типа продуктов равен 0,85.

[0045] Должно быть проиллюстрировано, что, когда пользователь покупает только один тип продукта, вес соответственных типов продуктов, которые были куплены пользователем, равен 1. В этом случае индекс покупательной способности пользователя равен индексу цены продукта, купленного пользователем.

[0046] На этапе 103 список рекомендаций продуктов для пользователя генерируется согласно индексу покупательной способности и персонализированным меткам, полученным на этапе 102, а также меткам продуктов и индексам цен из соответственной информации о продукте в списке продуктов.

[0047] Например, конкретным образом, продукты, которые удовлетворяют потребительскому уровню пользователя, могут сначала отфильтровываться согласно индексу покупательной способности пользователя, и затем список рекомендаций продуктов для пользователя вычисляется и получается согласно персонализированным меткам пользователя. В качестве альтернативы, продукты, которые удовлетворяют предпочтениям пользователя, могут сначала быть вычислены и получены согласно персонализированным меткам пользователя; и затем продукты, которые удовлетворяют потребительскому уровню пользователя, отфильтровываются из продуктов, которые удовлетворяют предпочтениям пользователя, согласно индексу покупательной способности пользователя, с целью получения списка рекомендаций продуктов для пользователя. То есть, например, любой из следующих способов может, в частности, быть использован для генерирования списка рекомендаций продуктов для пользователя.

[0048] Первый способ:

[0049] (1) фильтрация информации о продукте в списке продуктов согласно индексу покупательной способности и индексам цен для получения набора. Для удобности описания набор называется первым набором результатов в варианте осуществления настоящего раскрытия. Например, процесс может, в частности, содержать:

[0050] сравнение индекса покупательной способности с индексами цен из информации о продукте в списке продуктов соответственно; и если абсолютное значение разницы между индексом покупательной способности и индексом цены меньше первого предварительно определенного порога, добавление соответствующей информации о продукте к первому набору результатов.

[0051] Первый предварительно определенный порог может быть установлен согласно требованиям в практических применениях и не будет описываться здесь подробно.

[0052] (2) фильтрация первого набора результатов согласно персонализированным меткам и меткам продуктов для получения набора. Для удобности описания набор называется вторым набором результатов в варианте осуществления настоящего раскрытия. Например, процесс может, в частности, содержать:

[0053] соответственно, вычисление вероятностей предпочтения пользователя для соответственных меток продуктов согласно персонализированным меткам; вычисление вероятностей предпочтения пользователя для соответственной информации о продукте в первом наборе результатов согласно вероятностям предпочтения пользователя для соответственных меток продуктов; вычисление оценок степени предпочтения пользователя для соответственной информации о продукте в первом наборе результатов согласно вероятностям предпочтения и оценкам рекомендаций (которые включаются в информацию о продукте) пользователя для соответственной информации о продукте в первом наборе результатов; и добавление информации о продукте, для которой оценка степени предпочтения пользователя превосходит второй предварительно определенный порог, ко второму набору результатов.

[0054] Второй предварительно определенный порог может быть установлен согласно требованиям в практических применениях и не будет описываться здесь подробно.

[0055] (3) генерирование списка рекомендаций продуктов для пользователя согласно второму набору результатов. Например, процесс может, в частности, содержать:

[0056] ранжирование информации о продукте во втором наборе результатов согласно оценкам степени предпочтения пользователя для генерирования списка рекомендаций продуктов для пользователя.

[0057] Второй способ:

[0058] (1) фильтрация информации о продукте в списке продуктов согласно персонализированным меткам и меткам продуктов для получения набора. Для удобности описания набор называется третьим набором результатов в варианте осуществления настоящего раскрытия. Например, процесс может, в частности, содержать:

[0059] соответственно, вычисление вероятностей предпочтения пользователя для соответственных меток продуктов согласно персонализированным меткам; вычисление вероятностей предпочтения пользователя для соответственной информации о продукте в списке продуктов согласно вероятностям предпочтения пользователя для соответственных меток продуктов; вычисление оценок степени предпочтения пользователя для соответственной информации о продукте в списке продуктов согласно вероятностям предпочтения и оценкам рекомендаций (которые включаются в информацию о продукте) пользователя для соответственной информации о продукте в списке продуктов; и добавление информации о продукте, для которой оценка степени предпочтения пользователя превосходит второй предварительно определенный порог, к третьему набору результатов.

[0060] Второй предварительно определенный порог может быть установлен согласно требованиям в практических применениях и не будет описываться здесь подробно.

[0061] (2) фильтрация третьего набора результатов согласно индексу покупательной способности и индексам цен для получения набора. Для удобности описания набор называется четвертым набором результатов в варианте осуществления настоящего раскрытия. Например, процесс может, в частности, содержать:

[0062] сравнение индекса покупательной способности с индексами цен из информации о продукте в третьем наборе результатов соответственно; и если абсолютное значение разницы между индексом покупательной способности и индексом цены меньше первого предварительно определенного порога, добавление соответствующей информации о продукте в четвертый набор результатов.

[0063] Первый предварительно определенный порог может быть установлен согласно требованиям в практических применениях и не будет описываться здесь подробно.

[0064] (3) генерирование списка рекомендаций продуктов для пользователя согласно четвертому набору результатов. Например, процесс может, в частности, содержать:

[0065] ранжирование информации о продукте в четвертом наборе результатов согласно оценкам степени предпочтения пользователя для генерирования списка рекомендаций продуктов для пользователя.

[0066] Должно быть проиллюстрировано, что, если балансная обработка была выполнена над индексами цен с использованием логической формулы распределения на этапе 101, индексы цен, используемые на этом этапе, могут быть сбалансированными индексами цен, т.е. этап 103 может, в частности, содержать:

[0067] генерирование списка рекомендаций продуктов для пользователя согласно индексу покупательной способности, персонализированным меткам, меткам продуктов и сбалансированным индексам цен.

[0068] На этапе 104 рекомендация выносится пользователю на основе списка рекомендаций продуктов.

[0069] Таким образом, настоящий вариант осуществления может получать список продуктов, содержащий информацию о продукте для по меньшей мере одного продукта, причем информация о продукте содержит наименования продуктов и индексы цен и ассоциирована с по меньшей мере одной меткой продукта; вычислять индекс покупательной способности пользователя и получать персонализированные метки пользователя; генерировать персонализированный список рекомендаций продуктов для пользователя согласно индексу покупательной способности, персонализированным меткам, меткам продуктов и индексам цен; и выносить рекомендацию пользователю на основе списка рекомендаций продуктов. Это решение может не только точно рекомендовать информацию о продукте пользователю с соответствующими требованиями, но также лучше удовлетворять требованиям пользователей, поскольку список рекомендаций продуктов генерируется согласно покупательной способности, а также хобби и интересам пользователя, благодаря чему улучшается качество впечатлений пользователя.

[0070] Второй вариант осуществления

[0071] Способ согласно второму варианту осуществления будет подробно описан ниже в качестве примера.

[0072] Настоящий вариант осуществления будет описан с принятием следующего процесса в качестве примера, т.е. сначала отфильтровывания продуктов, которые удовлетворяют потребительскому уровню пользователя согласно индексу покупательной способности пользователя, и затем вычисления и получения списка рекомендаций продуктов для пользователя согласно персонализированным меткам пользователя.

[0073] Как изображено на фиг.2, конкретный процесс способа рекомендации информации о продукте может быть следующим.

[0074] На этапе 201 устройство рекомендации информации о продукте получает список продуктов с сервера.

[0075] Список продуктов может быть предварительно определен или может автоматически генерироваться системой. Например, список продуктов может, в частности, быть списком рекомендаций популярных продуктов, и список рекомендаций популярных продуктов может генерироваться путем выполнения всеобъемлющего вычисления с использованием параметров, включающих в себя объем продаж продукта, пользовательский оценочный балл и/или прибыль и т.д. Может существовать множество форм компоновки информации о продукте в списке рекомендаций популярных продуктов. Например, информация о продукте может ранжироваться согласно объему продаж продукта, пользовательскому оценочному баллу, оценкам рекомендаций или степеней скидки и т.д. Для удобности описания вариант осуществления настоящего раскрытия будет описан с принятием следующего процесса в качестве примера, т.е. ранжирования информации о продукте в списке продуктов в порядке оценок рекомендаций от высокой к низкой. То есть предпочтительно рекомендуется информация о продукте с высокой оценкой рекомендации. В одном примере, с принятием формата данных (наименование продукта, индекс цены, индекс рекомендации) информации о продукте в списке продуктов в качестве примера, список продуктов может, в частности, быть следующим.

{......, (продукт B, 0,85, 2000), (продукт C, 0,36, 1500), (продукт A, 0,82, 1000), ......}.

[0076] Должно быть проиллюстрировано, что, поскольку цены большинства продуктов могут быть сконцентрированы в малом интервале, логическая формула распределения может быть использована для балансирования для того, чтобы сбалансировать распределение данных. То есть после того как список продуктов получается, этап 202 может дополнительно выполняться.

[0077] На этапе 202 устройство рекомендации информации о продукте выполняет балансную обработку индексов цен из соответственной информации о продукте в списке продуктов с использованием логической формулы распределения для получения сбалансированных индексов цен. Например, конкретная формула вычисления может быть следующей.

[0078]

[0079] где цена(i)_расп - сбалансированный индекс цены, u(цена) - среднее значение индексов цен, и σ(цена) - дисперсия индексов цен.

[0080] На этапе 203 устройство рекомендации информации о продукте выполняет назначение меток продуктов информации о продукте в списке продуктов согласно наименованиям продуктов, т.е. установление меток продуктов. Метки продуктов могут быть установлены для продуктов таким способом, как производимое вручную повышение цены, добыча данных и т.д., который не будет описываться здесь подробно.

[0081] Значения атрибутов меток продуктов могут быть установлены согласно требованиям в практических применениях. Например, метки продуктов могут содержать такие метки, как "мода", "металлическое ощущение", "здоровье" и/или "кожа" и т.д.

[0082] На этапе 204 устройство рекомендации информации о продукте получает индексы цен и веса соответственных типов продуктов, которые были куплены пользователем, суммирует произведения индексов цен и весов соответственных типов продуктов, которые были куплены пользователем, для получения первого значения и делит первое значение на сумму весов соответственных типов продуктов, которые были куплены пользователем, для получения индекса покупательной способности пользователя. Формула является следующей.

[0083]

[0084] где покупательная_способность - индекс покупательной способности пользователя, вес(i) - вес i-го типа продуктов, и цена(i) - индекс цены i-го типа продуктов.

[0085] Например, принимая пользователя, покупающего продукт "полотенце", в качестве примера, индекс покупательной способности пользователя для этого типа продуктов может быть вычислен следующим образом.

[0086] Интервал цен полотенец является от 5 юаней до 100 юаней, и полотенце куплено пользователем по цене 20 юаней. За прошлый период времени 85% всех полотенец, которые были проданы, имеют цену ниже, чем цена 20 юаней. В этом случае индекс покупательной способности пользователя для этого типа продуктов равен 0,85.

[0087] Должно быть проиллюстрировано, что, когда пользователь покупает только один тип продукта, вес соответственных типов продуктов, которые были куплены пользователем, равен 1. В этом случае индекс покупательной способности пользователя равен индексу цены продукта, купленного пользователем.

[0088] На этапе 205 устройство рекомендации информации о продукте получает персонализированные метки пользователя.

[0089] Персонализированные метки являются набором меток продуктов, которые нравятся пользователю. Например, если пользователю нравится продукт с такими метками продуктов, как "мода", "металлическое ощущение" и т.д., персонализированными метками пользователя являются "мода" и "металлическое ощущение". Персонализированные метки могут быть выбраны и установлены самим пользователем; или система может выполнять процесс статистики и анализа согласно историческим записям покупки и просмотра пользователя и затем устанавливать персонализированные метки для пользователя согласно результату анализа. Например, если набором меток продуктов, которые куплены пользователем, является {мода, популярное, металлическое ощущение, ...} и т.д., набор меток может быть использован в качестве персонализированных меток пользователя. Например, в частности,

[0090] Если продукты, которые нравятся пользователю A, показаны в таблице 1, соответствующим набором меток является {здоровье, мода, металлическое ощущение, мелкая буржуазия, мода, мода, металлическое ощущение, мелкая буржуазия, миф, мелкая буржуазия}

[0091]

Таблица 1
Наименование продукта	Метка продукта 1	Метка продукта 2	Метка продукта 3
оливковое масло	здоровье
iPhone	мода	металлическое ощущение	мелкая буржуазия
Кресло	мода
iPad	мода	металлическое ощущение	мелкая буржуазия
Chanel No. 5	сексуальность	мелкая буржуазия

[0092] Этапы 204 и 205 могут выполняться в случайном порядке.

[0093] На этапе 206 устройство рекомендации информации о продукте фильтрует информацию о продукте в списке продуктов согласно индексу покупательной способности и индексам цен для получения первого набора результатов. Например, процесс может, в частности, содержать:

[0094] сравнение индекса покупательной способности с индексами цен из информации о продукте в списке продуктов соответственно; и если абсолютное значение разницы между индексом покупательной способности и индексом цены меньше первого предварительно определенного порога, добавление соответствующей информации о продукте к первому набору результатов. Это может быть выражено в виде формулы следующим образом.

|покупательная_способность-цена(i)|<τ

[0095] где τ - первый предварительно определенный порог и является постоянным порогом. Конкретное значение τ может быть установлено согласно требованиям в практическом применении. Например, диапазон значений τ может быть установлен как (0,1). "покупательная_способность" - индекс покупательной способности, и "цена(i)" - индекс цены i-го типа продуктов. Разумеется, если индексы цен были сбалансированы на этапе 202, сбалансированные индексы цен, т.е. цена(i)_расп, могут быть использованы здесь в качестве индексов цен.

[0096] На этапе 207 устройство рекомендации информации о продукте фильтрует первый набор результатов согласно персонализированным меткам и меткам продуктов для получения второго набора результатов. Например, процесс может, в частности, содержать:

[0097] соответственно, вычисление вероятностей предпочтения пользователя для соответственных меток продуктов согласно персонализированным меткам; вычисление вероятностей предпочтения пользователя для соответственной информации о продукте в первом наборе результатов согласно вероятностям предпочтения пользователя для соответственных меток продуктов; вычисление оценок степени предпочтения пользователя для соответственной информации о продукте в первом наборе результатов согласно вероятностям предпочтения и оценкам рекомендаций (которые включаются в информацию о продукте) пользователя для соответственной информации о продукте в первом наборе результатов; и добавление информации о продукте, для которой оценка степени предпочтения пользователя превосходит второй предварительно определенный порог, ко второму набору результатов.

[0098] (1) Вычисление вероятностей предпочтения пользователя для соответственных меток продуктов;

[0099] причем вероятности предпочтения пользователя для соответственных меток продуктов могут быть вычислены согласно вероятностям того, что пользователю понравились соответственные метки продуктов, и вероятностям того, что пользователю не понравились соответственные метки продуктов в исторической записи рекомендаций. Конкретный процесс может быть следующим.

[00100] Например, предполагая, что продукт рекомендуется пользователю A, вероятность того, что пользователю нравится продукт, и вероятность того, что пользователю не нравится продукт, равны 50% соответственно, если никакие любые другие факторы не учитываются, т.е. P(предпочтение)=P(непредпочтение)=50%.

[00101] Можно узнать из примера на этапе 206, что всего существует пять продуктов, которые нравятся пользователю A, из которых три продукта имеют метку продукта "мода", два продукта имеют метку продукта "металлическое ощущение" и один продукт имеет метку продукта "здоровье". В этом случае

[00102] вероятность того, что продукты, которые нравятся пользователю A, имеют метку продукта "мода", равна P(мода/предпочтение)=3/5=0,6;

[00103] вероятность того, что продукты, которые нравятся пользователю A, имеют метку продукта "металлическое ощущение", равна P(металлическое ощущение/предпочтение)=2/5=0,4; и

[00104] вероятность того, что продукты, которые нравятся пользователю A, имеют метку продукта "здоровье", равна P(здоровье/предпочтение)=1/5=0,2.

[00105] Предположим, что в истории существует десять продуктов, которые рекомендуются пользователю A, но не нравятся пользователю A, из которых два продукта имеют метку продукта "мода", три продукта имеют метку продукта "металлическое ощущение" и три продукта имеют метку продукта "здоровье". В этом случае

[00106] вероятность того, что продукты, которые нравятся пользователю A, имеют метку продукта "мода", равна

P(мода/непредпочтение)=2110=0,2;

[00107] вероятность того, что продукты, которые не нравятся пользователю A, имеют метку продукта "металлическое ощущение" равна P(металлическое ощущение/непредпочтение)=3/10=0,3; и

[00108] вероятность того, что продукты, которые не нравятся пользователю A, имеют метку продукта "здоровье" равна P(здоровье/непредпочтение)=3/10=0,3.

[00109] Может быть известно из формулы Байеса, что:

[00110] вероятность того, что пользователю A нравится продукт, имеющий метку продукта "мода", среди продуктов равна P(предпочтение/мода)=P(мода/предпочтение)/(P(мода/предпочтение)+P(мода/непредпочтение))=0,6/(0,6+0,2)=0,75;

[00111] вероятность того, что пользователю A нравится продукт, имеющий метку продукта "металлическое ощущение", среди продуктов равна P(предпочтение/металлическое ощущение)=P(металлическое ощущение/предпочтение)/(P(металлическое ощущение/предпочтение)+P(металлическое ощущение/непредпочтение))=0,4/(0,4+0,2)=0,67;

[00112] вероятность того, что пользователю A нравится продукт, имеющий метку продукта "здоровье" среди продуктов равна P (предпочтение/здоровье)=P(здоровье/предпочтение)/(P(здоровье/предпочтение)+P(здоровье/непредпочтение))=0,2/(0,2+0,3)=0,4;

[00113] То есть вероятности того, что пользователю нравятся соответственные метки продуктов, являются соответственно следующими: P(предпочтение/мода) равно 0,75, P(предпочтение/металлическое ощущение) равно 0,67, и P(предпочтение/здоровье) равно 0,4.

[00114] (2) Вычисление вероятностей предпочтения и вероятности непредпочтения пользователя для комбинации меток продуктов;

[00115] поскольку вероятности предпочтения пользователя для соответственных меток продуктов являются соответственно следующими: P(предпочтение/мода) равно 0,75, P(предпочтение/металлическое ощущение) равно 0,67, и P(предпочтение/здоровье) равно 0,4, вероятности предпочтения пользователя для продукта, имеющего следующие комбинации меток продуктов среди продуктов, являются соответственно следующими:

[00116] P(предпочтение/мода, металлическое ощущение)=P(предпочтение/мода)*P(предпочтение/металлическое ощущение)*P(предпочтение)=0,75*0,67*0,5=0,25;

[00117] P(предпочтение/здоровье, мода)=P(предпочтение/здоровье)*P(предпочтение/мода)*P(предпочтение)=0,4*0,75*0,5=0,15.

[00118] И наоборот, вероятности непредпочтения пользователя для продуктов, имеющих следующую комбинацию меток продуктов (продукт может имет