使用可伸缩的跨领域协同过滤来获得推荐的系统和方法技术方案

本发明专利技术的方面涉及用于呈现推荐的系统、方法、设备等。在一个实施例中，介绍了一种系统，该系统包括用于获得推荐得分的多个模型。可以使用一个或多个推荐模型来获得推荐得分，并且基于所确定的推荐得分来作出推荐。在另一个实施例中，介绍了一种系统，该系统可以基于响应于使用所获得的推荐得分作出的推荐而接收到的反馈来重新训练推荐模型。

【技术实现步骤摘要】
【国外来华专利技术】使用可伸缩的跨领域协同过滤来获得推荐的系统和方法相关申请的交叉引用本申请是于2018年12月7日提交的美国专利申请序列号16/213346的部分延续案，并且该美国专利申请通过引用被整体并入。
本公开总体上涉及用于生成推荐的通信设备，并且更具体地，涉及使用跨领域协同过滤(cross-domaincollaborativefiltering)来提供特定于用户的推荐的通信设备。
技术介绍
随着科技的发展，产业已经转向使用电子设备和通信来处理交易。交易通常可以从消费者提交资金调度工具以进行支付开始，并且然后继续进行至卖方授权此类交易。在某些情况下，可以在完成此类交易之前，部分基于大众物品或趋势向消费者提供推荐。例如，在结帐时，可以向用户提供向大众事业或慈善机构捐款的推荐。然而，这种类型的推荐通常不适合于用户的兴趣、喜好、购买和/或关联。因此，为了增加用户购买或捐赠的机会，创建为用户定制并且跨领域的推荐的系统将是有益的。附图说明图1示出了用于在用户设备上呈现推荐的系统。图2示出了说明用于作出推荐的信息的特征的示例性图示。图3A-图3C示出了基于不同信息的推荐场景。图4示出了用于作出推荐并呈现推荐的示例性系统。图5示出了用于作出推荐的跨领域协同过滤的实现方式的图示。图6示出了子图节点表示，其中包含用户和用于获得推荐得分的相应点对点(peer-to-peer)关联。图7示出了用于获得推荐得分的物品对物品(item-to-item)协同过滤的表图。图8示出了流程图，该流程图示出了用于使用跨领域协同过滤来确定推荐的操作。图9示出了用于使用跨领域协同过滤来确定推荐的系统的方框图。图10示出了适用于实现图1-图9的通信系统的一个或多个设备的计算机系统的示例性方框图。通过参考下面的详细描述，可以最好地理解本公开的实施例及其优点。应当意识到，类似的附图标记用于识别在一个或多个附图中图示的类似元件，而其中所示是为了说明本公开的实施例而不是为了限制本公开的实施例。具体实施方式在以下描述中，阐述了描述与本公开一致的一些实施例的具体细节。然而，对于本领域技术人员来说显而易见的是，可以在没有一些或所有这些具体细节的情况下实践一些实施例。本文所公开的具体实施例意在是说明性的，而非是进行限制。尽管这里没有具体描述，但本领域技术人员可以认识到在本公开的范围和精神内的其他元素。另外，除非另行特别描述或者在一个或多个特征将使实施例不起作用的情况下，否则可以将结合一个实施例示出和描述的一个或多个特征并入到其他实施例中，以避免不必要的重复。本公开的方面涉及用于呈现推荐的系统、方法、设备等。在一个实施例中，介绍了一种系统，该系统包括用于获得推荐得分的多个模型。可以使用一个或多个模型来获得推荐得分，这些模型可以包括有监督和无监督学习以及用户信息和交易的组合。在另一个实施例中，介绍了该系统可以提供由组合模型(ensemblemodel)生成的总推荐得分和推荐，该组合模型的输入可以包括先前获得的一个或多个推荐得分。常规地，为了增加客户的参与，商家、第三方服务供应商和提供产品或服务的其他实体可以依赖基于知名度的产品或服务的推荐。这种参与很容易实现，并且产品和/或服务很容易被呈现和考虑购买。例如，参见图1，其示出了用于向用户呈现推荐的基本系统和方法。如图所示，推荐可以源自于网络102。网络102可以包括任何两台计算机、服务器或其他系统/设备，它们可以链接在一起以共享资源和交换电子信息。因特网、云、一组服务器、数据中心、社交媒体都可以被认为是网络102的部分。该网络可以被访问并且用于确定要推荐的最受欢迎的物品、产品、服务或实体。例如，社交媒体可能勉强维持，并且所获得的数据分析得出新的智能小工具已经发布，并且正在成为趋势。因此，这样的智能小工具可以在设备106上呈现给用户。作为另一个示例，最近可能发生了自然灾害，并且由于媒体报道，可以将提供救援工作的大众实体呈现给用户以供捐赠。更进一步地，为了寻找慈善机构进行捐款，可以基于认知和知名度来呈现YMCA、联合之路、红十字会等。然而，这些示例并没有忽略客户的行为和/或产品、服务、实体等，它们可能更小或需求较低。因此，具有在作出推荐之前能够考虑用户的各个方面的系统是有益的。例如，考虑对慈善事业的推荐。使用图1所示的简化方法和系统100，较小的慈善机构将被忽略，并且客户的行为将被省略。替代地，通过将购买行为、用户简档、捐赠历史、交易历史等与捐赠相关联，推荐可以更加个性化并且与用户相关。注意，在整个本申请中，推荐和分析通常将集中于慈善机构，然而，本申请不限于基于慈善事业的推荐，并且如上所述，本文呈现的方法和系统可用于为其他产品、服务、实体等提供推荐。转到图2，提供了例示如何定制推荐的维恩图。具体而言，图2示出了一个示例性图示，其展示了用于作出推荐的信息的特征。如所指出的，在作出推荐之前考虑用户的各个方面是有益的。在一个实施例中，图2示出了在作出推荐之前可以考虑的初始方面。出于示例性目的并继续慈善事业用例，考虑了维恩图200。在示例性维恩图200中，考虑了作出推荐的第一方面，并且第一方面可以包括用户是否是或曾经是捐赠者。例如，在维恩图200的左侧圆圈202上，可以考虑慈善事业的先前捐赠者，并且限定表征信息。并且替代地，在维恩图200的右侧圆圈204上，可以将没有捐赠历史的用户与表征信息一起分类。另外，在一些实例中，表征信息可以在先前捐赠者202和非捐赠者204之间被使用和共享206以向慈善事业作出推荐。作为可用于作出推荐的表征信息的示例，表征信息可以包括捐赠历史，该捐赠历史可以针对进行过先前捐赠的用户被使用和考虑。作为另一示例，能够针对没有捐赠历史的用户使用和考虑的表征信息可以包括用户简档信息，与用户可能进行过交易的联系人、商家、实体等，以及购买历史和与进行过购买的地点相关联的慈善机构。又作为另一示例，能够用于作出推荐的其他一般表征信息可以包括慈善事业知名度、趋势和其他关系信息。注意，尽管维恩图200用于图示能够用于基于捐赠者/非捐赠者状态而作出推荐的表征信息，但是该表征信息不受限制并且用于示例性目的。还可以使用其他表征信息，并且维恩图中的位置可能不同。为了示出如何使用表征信息来提出推荐，呈现了图3A-图3C。具体而言，图3A-图3C示出了基于不同表征信息的推荐场景和用例。转到图3A，呈现了第一推荐用例，该用例可以使用先前的捐赠表征信息来作出慈善事业推荐。图3A中考虑的用例可以使用协同过滤类型方法和用例，其中可以基于用户302c和/或其他用户302a、b所作出的捐赠向用户302c呈现推荐。为了示出这种方法，考虑了用户302a。该用户302a具有捐赠历史，并且如图所示，用户302a具有向慈善事业304-310捐赠的捐赠历史。转到用户302b，该用户302b也具有捐赠历史，但是在本示例中，捐赠集中在单个慈善事业308上。现在使用类似的方法，用户302c可以被表征为捐赠历史支本文档来自技高网...

【技术保护点】
1.一种系统，包括：/n非暂时性存储器，存储指令；以及/n硬件处理器，被配置为执行指令，以使所述系统执行以下操作：/n响应于所接收到的关于用户正在结账的通知，从客户参与平台检索用户表征信息；/n使用所检索到的用户表征信息，来确定用于进行推荐的推荐模型；/n使用所确定的推荐模型进行计算，以获得至少一个推荐得分；/n分析所计算出的至少一个推荐得分，以确定将多个推荐中的哪一个推荐呈现给所述用户；以及/n通过通信网络发送所述多个推荐中所确定的一个推荐。/n

【技术特征摘要】
【国外来华专利技术】20181211 US 16/215,8081.一种系统，包括：
非暂时性存储器，存储指令；以及
硬件处理器，被配置为执行指令，以使所述系统执行以下操作：
响应于所接收到的关于用户正在结账的通知，从客户参与平台检索用户表征信息；
使用所检索到的用户表征信息，来确定用于进行推荐的推荐模型；
使用所确定的推荐模型进行计算，以获得至少一个推荐得分；
分析所计算出的至少一个推荐得分，以确定将多个推荐中的哪一个推荐呈现给所述用户；以及
通过通信网络发送所述多个推荐中所确定的一个推荐。


2.根据权利要求1所述的系统，其中，执行指令进一步使所述系统执行以下操作：
响应于所发送的推荐，基于通过通信网络从所述用户设备接收到的反馈来重新训练所述推荐模型。


3.根据权利要求1所述的系统，其中，所述至少一个推荐得分是使用至少包括组合模型的一个或多个推荐模型来计算的。


4.根据权利要求1所述的系统，其中，所述推荐得分是使用随机行走模型和聚类模型中的一者获得的。


5.根据权利要求2所述的系统，其中，所述随机行走模型使用来自所述用户表征信息的用户简档信息和点对点交易的组合来确定所述推荐得分。


6.根据权利要求4所述的系统，其中，所述聚类模型使用来自所检索到的用户表征信息的简档信息来确定所述推荐得分。


7.根据权利要求1所述的系统，其中，所述推荐得分是使用跨领域过滤模型获得的。


8.根据权利要求2所述的系统，其中，所述组合模型包括决策树模型，并且使用一个或多个推荐得分来获得总推荐得分。


9.一种方法，包括：
响应于所接收到的关于用户正在结账的通知，从客户参与平台检索用户表征信息；
使用所检索到的用户表征信息，来确定用于进行推荐的推荐模型；
使用所确定的推荐模型进行计算，以获得至少一个推荐得分；
分析所计算出的至少一个推荐得分，以确定将多个推荐中的哪一个推荐呈现给所述用户；以及
通过通信网络发送所述多个推荐中所确定的一个推荐。


10.根据权利要求9所述的方法，还包括：
响应于所发送的推荐，基于通过通信网络从所述用户设备接收到的反馈来重新训练所述推荐模型。


11.根据权利要求9所述的方法，其中，所述至少一个推荐得分是使用至少包括组合模型的一个或多个推荐模型来计算的。


12.根据权利要求9所述的方法，其中，所述推荐得分是使用随机行走模型和聚类模型中的一者获得的。


13.根据权利要求10所述的方法，其中，所述随机行走模型使用来自所述用户表征信息的用户简档信息和点对点交易的组合来确定所述推荐得分。


14.根据权利要求12所述的方法，其中，所述聚类模型使用来自所检索到的用户表征信息的简档信息来确定所述推荐得分。


15.根据权利要求9所述的方法，其中，所述推荐得分是使用跨领域过滤模型获得的。


16.根据权利要求12所述的方法，其中，所述组合模型包括决策树模型，并且使用一个或多个推荐得分来获得总推荐得分。


17.一种非暂时性机器可读介质，其上存储有指令，所述指令能够执行以使得执行以下操作，包括：
响应于所接收到的关于用户正在结账的通知，从客户参与平台检索用户表征信息；
使用所检索到的用户表征信息，来确定用于进行推荐的推荐模型；
使用所确定的推荐模型进行计算，以获得至少一个推荐得分；
分析所计算出的至少一个推荐得分，以确定将多个推荐中的哪一个推荐呈现给所述用户；以及
通过通信网络发送所述多个推荐中所确定的一个推荐。


18.根据权利要求17所述的非暂时性机器可读介质，其中，所述操作还包括：
响应于所发送的推荐，基于通过通信网络从所述用户设备接收到的反馈来重新训练所述推荐模型。


19.根据权利要求17所述的非暂时性机器可读介质，其中，所述至少一个推荐得分是使用至少包括组合模型的一个或多个推荐模型来计算的。


20.根据权利要求17所述的非暂时性机器可读介质，其中，所述推荐得分是使用随机行走模型和聚类模型中的一者获得的。


21.一种系统，包括：
非暂时性存储器，存储指令；以及
处理器，被配置为执行指令，以使所述系统执行以下操作：
响应于确定用户信息和跨领域信息可用于处理，检索与用户相关联的一组数据；
使用所检索到的用户信息的第一部分来确定第一推荐得分；
使用所检索到的用户信息的第二...

【专利技术属性】
技术研发人员：迪内什·库马尔，潘媛媛，普拉尚·高拉夫，弗朗西斯科·库尔尼亚迪，克里希纳库马尔·哥文达拉加鲁，金伯利·基德尼，孙涛，辛悦，凯文·沃德，
申请(专利权)人：贝宝公司，
类型：发明
国别省市：美国;US