产品推荐设备、产品推荐方法和记录介质技术

本发明专利技术公开了一种产品推荐设备，该产品推荐设备推荐在许多店铺中将销售得很好的产品而非仅在一些店铺中销售得很好的产品。针对在多个店铺处销售的多个产品中的每个产品，得分计算单元(90)计算随着出货量和正被销售的相关产品所在的店铺的数目二者而增加的得分。产品推荐单元(91)推荐具有比正在做出推荐的店铺处销售的产品更高得分的产品。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种产品推荐设备、一种产品推荐方法以及一种记录介质。
技术介绍
如NPL 1中所公开的，ABC分析是用于推荐在店铺处要被销售的产品的技术中的一 种技术。利用ABC分析，基于销售对店铺处要被销售的产品进行排名，并且基于排名结果来 推荐新产品。 NPL 2公开了用于通过近似代表隐变量模型的混合模型的完整的边际似然函数并 且然后最大化其下界(下限)来确定观测概率的类型的方法。 日本专利第4139410号 日本未审查的专利申请公开第2010-128779号 国际公布W0 2012/128207 〃ABC analysis'，维基百科，因特网〈 URL:http://en.wikipedia.org/wiki/ABC_analysis)> Ryohei Fujimaki、Satoshi Morinaga：Factorized Asymptotic Bayesian Inference for Mixture Modeling。 Proceedings_of_the_fifteenth_international_conference_on_Artificial_I ntelligence_and_Statistics(AISTATS)，2012年3月。
技术实现思路
ABC分析具有如下问题:例如，在推荐指导多个店铺处要被销售的产品的商品的分 类时，推荐仅在多个店铺销售并且仅在一些店铺销售得很好的产品。 本专利技术的主要目的是提供一种解决上文所描述的问题的产品推荐设备、一种产品 推荐方法以及一种记录介质。 第一方面是一种产品推荐设备，该产品推荐设备推荐要在店铺处被交易的产品， 该设备包括： 得分计算装置，该得分计算装置用于针对在多个店铺处正被交易的多个产品中的 每个产品，计算根据出货量和正被交易的相关产品所在的店铺的数目而增加的得分；以及 产品推荐装置，该产品推荐装置用于推荐产品，该产品的得分高于正被做出推荐 的店铺处正被交易的产品的得分。 第二方面是一种产品推荐方法，包括： 使用信息处理装置针对在多个店铺处正被交易的多个产品中的每个产品，计算根 据出货量和正被交易的相关产品所在的店铺的数目而增加的得分;并且由此推荐产品，该 产品的得分高于正被做出推荐的店铺处正被交易的产品的得分。 第三方面是一种记录介质，该记录介质记录用于使得计算机执行以下各项的程 序：针对在多个店铺处正被交易的多个产品中的每个产品，计算根据出货量和正被交 易的相关产品所在的店铺的数目而增加的得分的得分计算功能；以及 推荐产品的产品推荐功能，该产品的得分高于正被做出推荐的店铺处正被交易的 产品的得分。 根据上文所提到的方面，可以推荐在许多店铺中热销的产品，而不是仅在一些店 铺中销售得好的产品。【附图说明】 图1是图示根据本专利技术的至少一个示例性实施例的出货量预测系统的示例 性配置的框图。 图2A是图示根据本专利技术的至少一个示例性实施例的被存储在学习数据库 中的信息的示例的表。图2B是图示根据本专利技术的至少一个示例性实施例的被存储在学习数据库 中的信息的另一示例的表。 图2C是图示根据本专利技术的至少一个示例性实施例的被存储在学习数据库 中的信息的又一示例的表。 图2D是图示根据本专利技术的至少一个示例性实施例的被存储在学习数据库 中的信息的又一示例的表。图2E是图示根据本专利技术的至少一个示例性实施例的被存储在学习数据库 中的信息的又一示例的表。图2F是图示根据本专利技术的至少一个示例性实施例的被存储在学习数据库 中的信息的又一示例的表。图2G是图示根据本专利技术的至少一个示例性实施例的被存储在学习数据库 中的信息的又一示例的表。 图3是图示根据本专利技术的至少一个示例性实施例的分层隐变量模型估计设 备的示例性配置的框图。 图4是图示根据本专利技术的至少一个示例性实施例的分层隐变量变分概率计 算单元的示例性配置的框图。 图5是图示根据本专利技术的至少一个示例性实施例的门函数优化单元的示例 性配置的框图。 图6是图示根据本专利技术的至少一个示例性实施例的分层隐变量模型估计设 备的示例性操作的流程图。 图7是图示根据本专利技术的至少一个示例性实施例的分层隐变量变分概率计 算单元的示例性的流程图。 图8是图示根据本专利技术的至少一个示例性实施例的门函数优化单元的示例 性操作的流程图。 图9是图示根据本专利技术的至少一个示例性实施例的出货量预测设备的示例 性配置的框图。 图10是图示根据本专利技术的至少一个示例性实施例的出货量预测设备的示 例性操作的流程图。 图11是图示根据本专利技术的至少一个示例性实施例的另一分层隐变量模型 估计设备的示例性配置的框图。图12是图示根据本专利技术的至少一个示例性实施例的分层隐结构优化单元 的示例性配置的框图。 图13是图示根据本专利技术的至少一个示例性实施例的分层隐变量模型估计 设备的示例性操作的流程图。 图14是图示根据本专利技术的至少一个示例性实施例的分层隐结构优化单元 的示例性操作的流程图。 图15是图示根据本专利技术的至少一个示例性实施例的另一门函数优化单元 的示例性配置的框图。 图16是图示根据本专利技术的至少一个示例性实施例的门函数优化单元的示 例性操作的流程图。 图17是图示根据本专利技术的至少一个示例性实施例的另一出货量预测设备 的示例性配置的框图。 图18A是图示根据本专利技术的至少一个示例性实施例的出货量预测设备的 示例性操作（1/2)的流程图。 图18B是图示根据本专利技术的至少一个示例性实施例的出货量预测设备的 另一示例性操作(2/2)的流程图。 图19是图示根据本专利技术的至少一个示例性实施例的又一出货量预测设备 的示例性配置的框图。图20是图示根据本专利技术的至少一个示例性实施例的另一出货量预测系统 的示例性配置的框图。 图21是图示根据本专利技术的至少一个示例性实施例的产品推荐设备的示例 性配置的框图。 图22是图示聚类中的产品的销售的示例性趋势的图表。 图23是图示根据本专利技术的至少一个示例性实施例的产品推荐设备的示例 性操作的流程图。图24是图示产品推荐设备的基本配置的框图。图25是图示根据本专利技术的至少一个示例性实施例的计算机的配置的示意 性框图。【具体实施方式】 在本说明书中提到的分层隐变量模型被定义为具有由分层结构(例如，树形结构） 表不的隐变量的概率模型。将表不概率模型的成分分配给分层隐变量模型的最低层处的节 点。将作为用于根据输入信息选择节点的准则的门函数（门函数模型）分派给节点（中间节 点;在下文中将被称为"分支节点"，出于方便的缘故，将树形结构当作示例），而不是最低层 处的节点。 在下文中，将参考当作示例的两层分层隐变量模型来描述出货量预测设备的过程 和其他细节。出于描述方便的缘故，分层结构被假定为树形结构。然而，在通过将以下示例 性实施例当作示例待阐述的本专利技术中，分层结构不总是树形结构。 当分层结构被假定为树形结构时，因为树形结构没有回路，所以从根节点到某个 节点的过程仅是一次。分层隐结构中的从根节点到某个节点的过程(链路)在下文中将被称 为"路径"。通过跟踪针对每个路径的隐变量，确定路径隐变量。例如，最低层路径隐变量被 定义为针对从根节点到最低层处的节点的每个路径所确定的路径隐变量。以下描述假定输入数据序列xn(n=l，.本文档来自技高网...

【技术保护点】
一种产品推荐设备，所述产品推荐设备推荐要在店铺处被交易的产品，所述设备包括：得分计算装置，所述得分计算装置用于针对在多个店铺处正被交易的多个产品中的每个产品，计算根据出货量和正被交易的相关产品所在的店铺的数目而增加的得分；以及产品推荐装置，所述产品推荐装置用于推荐产品，所述产品的所述得分高于正被做出所述推荐的所述店铺处正被交易的产品的所述得分。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：本桥洋介，落合光太郎，后藤范人，
申请(专利权)人：日本电气株式会社，
类型：发明
国别省市：日本;JP