產(chǎn)品推薦設(shè)備、產(chǎn)品推薦方法和記錄介質(zhì)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種產(chǎn)品推薦設(shè)備、一種產(chǎn)品推薦方法以及一種記錄介質(zhì)。
【背景技術(shù)】
[0002] 如NPL 1中所公開的，ABC分析是用于推薦在店鋪處要被銷售的產(chǎn)品的技術(shù)中的一 種技術(shù)。利用ABC分析，基于銷售對店鋪處要被銷售的產(chǎn)品進行排名，并且基于排名結(jié)果來 推薦新產(chǎn)品。
[0003] NPL 2公開了用于通過近似代表隱變量模型的混合模型的完整的邊際似然函數(shù)并 且然后最大化其下界(下限)來確定觀測概率的類型的方法。
[0004] [引文列表]
[0005] [專利文獻]
[0006] [PTL 1]日本專利第4139410號
[0007] [PTL 2]日本未審查的專利申請公開第2010-128779號 [0008] [PTL 3]國際公布W0 2012/128207 [0009][非專利文獻]
[0010] [NPL 1]〃ABC analysis'[在線]，維基百科，[在2013年9月19日搜索的]因特網(wǎng)〈 URL:http://en.wikipedia.org/wiki/ABC_analysis)>
[0011] [NPL 2]Ryohei Fujimaki、Satoshi Morinaga：Factorized Asymptotic Bayesian Inference for Mixture Modeling。
[0012] Proceedings_of_the_fifteenth_international_conference_on_Artificial_I ntelligence_and_Statistics(AISTATS)，2012年3月。

【發(fā)明內(nèi)容】

[0013][技術(shù)問題]
[0014] ABC分析具有如下問題:例如，在推薦指導(dǎo)多個店鋪處要被銷售的產(chǎn)品的商品的分 類時，推薦僅在多個店鋪銷售并且僅在一些店鋪銷售得很好的產(chǎn)品。
[0015] 本發(fā)明的主要目的是提供一種解決上文所描述的問題的產(chǎn)品推薦設(shè)備、一種產(chǎn)品 推薦方法以及一種記錄介質(zhì)。
[0016] [問題方案]
[0017] 第一方面是一種產(chǎn)品推薦設(shè)備，該產(chǎn)品推薦設(shè)備推薦要在店鋪處被交易的產(chǎn)品， 該設(shè)備包括：
[0018] 得分計算裝置，該得分計算裝置用于針對在多個店鋪處正被交易的多個產(chǎn)品中的 每個產(chǎn)品，計算根據(jù)出貨量和正被交易的相關(guān)產(chǎn)品所在的店鋪的數(shù)目而增加的得分；以及
[0019] 產(chǎn)品推薦裝置，該產(chǎn)品推薦裝置用于推薦產(chǎn)品，該產(chǎn)品的得分高于正被做出推薦 的店鋪處正被交易的產(chǎn)品的得分。
[0020] 第二方面是一種產(chǎn)品推薦方法，包括：
[0021] 使用信息處理裝置針對在多個店鋪處正被交易的多個產(chǎn)品中的每個產(chǎn)品，計算根 據(jù)出貨量和正被交易的相關(guān)產(chǎn)品所在的店鋪的數(shù)目而增加的得分;并且由此推薦產(chǎn)品，該 產(chǎn)品的得分高于正被做出推薦的店鋪處正被交易的產(chǎn)品的得分。
[0022] 第三方面是一種記錄介質(zhì)，該記錄介質(zhì)記錄用于使得計算機執(zhí)行以下各項的程 序：
[0023]針對在多個店鋪處正被交易的多個產(chǎn)品中的每個產(chǎn)品，計算根據(jù)出貨量和正被交 易的相關(guān)產(chǎn)品所在的店鋪的數(shù)目而增加的得分的得分計算功能；以及 [0024]推薦產(chǎn)品的產(chǎn)品推薦功能，該產(chǎn)品的得分高于正被做出推薦的店鋪處正被交易的 產(chǎn)品的得分。
[0025][發(fā)明的有利影響]
[0026] 根據(jù)上文所提到的方面，可以推薦在許多店鋪中熱銷的產(chǎn)品，而不是僅在一些店 鋪中銷售得好的產(chǎn)品。
【附圖說明】
[0027] [圖1]圖1是圖示根據(jù)本發(fā)明的至少一個示例性實施例的出貨量預(yù)測系統(tǒng)的示例 性配置的框圖。
[0028] [圖2A]圖2A是圖示根據(jù)本發(fā)明的至少一個示例性實施例的被存儲在學(xué)習(xí)數(shù)據(jù)庫 中的信息的示例的表。
[0029][圖2B]圖2B是圖示根據(jù)本發(fā)明的至少一個示例性實施例的被存儲在學(xué)習(xí)數(shù)據(jù)庫 中的信息的另一示例的表。
[0030] [圖2C]圖2C是圖示根據(jù)本發(fā)明的至少一個示例性實施例的被存儲在學(xué)習(xí)數(shù)據(jù)庫 中的信息的又一示例的表。
[0031] [圖2D]圖2D是圖示根據(jù)本發(fā)明的至少一個示例性實施例的被存儲在學(xué)習(xí)數(shù)據(jù)庫 中的信息的又一示例的表。
[0032][圖2E]圖2E是圖示根據(jù)本發(fā)明的至少一個示例性實施例的被存儲在學(xué)習(xí)數(shù)據(jù)庫 中的信息的又一示例的表。
[0033][圖2F]圖2F是圖示根據(jù)本發(fā)明的至少一個示例性實施例的被存儲在學(xué)習(xí)數(shù)據(jù)庫 中的信息的又一示例的表。
[0034][圖2G]圖2G是圖示根據(jù)本發(fā)明的至少一個示例性實施例的被存儲在學(xué)習(xí)數(shù)據(jù)庫 中的信息的又一示例的表。
[0035] [圖3]圖3是圖示根據(jù)本發(fā)明的至少一個示例性實施例的分層隱變量模型估計設(shè) 備的示例性配置的框圖。
[0036] [圖4]圖4是圖示根據(jù)本發(fā)明的至少一個示例性實施例的分層隱變量變分概率計 算單元的示例性配置的框圖。
[0037] [圖5]圖5是圖示根據(jù)本發(fā)明的至少一個示例性實施例的門函數(shù)優(yōu)化單元的示例 性配置的框圖。
[0038] [圖6]圖6是圖示根據(jù)本發(fā)明的至少一個示例性實施例的分層隱變量模型估計設(shè) 備的示例性操作的流程圖。
[0039] [圖7]圖7是圖示根據(jù)本發(fā)明的至少一個示例性實施例的分層隱變量變分概率計 算單元的示例性的流程圖。
[0040] [圖8]圖8是圖示根據(jù)本發(fā)明的至少一個示例性實施例的門函數(shù)優(yōu)化單元的示例 性操作的流程圖。
[0041] [圖9]圖9是圖示根據(jù)本發(fā)明的至少一個示例性實施例的出貨量預(yù)測設(shè)備的示例 性配置的框圖。
[0042] [圖10]圖10是圖示根據(jù)本發(fā)明的至少一個示例性實施例的出貨量預(yù)測設(shè)備的示 例性操作的流程圖。
[0043] [圖11]圖11是圖示根據(jù)本發(fā)明的至少一個示例性實施例的另一分層隱變量模型 估計設(shè)備的示例性配置的框圖。
[0044][圖12]圖12是圖示根據(jù)本發(fā)明的至少一個示例性實施例的分層隱結(jié)構(gòu)優(yōu)化單元 的示例性配置的框圖。
[0045] [圖13]圖13是圖示根據(jù)本發(fā)明的至少一個示例性實施例的分層隱變量模型估計 設(shè)備的示例性操作的流程圖。
[0046] [圖14]圖14是圖示根據(jù)本發(fā)明的至少一個示例性實施例的分層隱結(jié)構(gòu)優(yōu)化單元 的示例性操作的流程圖。
[0047] [圖15]圖15是圖示根據(jù)本發(fā)明的至少一個示例性實施例的另一門函數(shù)優(yōu)化單元 的示例性配置的框圖。
[0048] [圖16]圖16是圖示根據(jù)本發(fā)明的至少一個示例性實施例的門函數(shù)優(yōu)化單元的示 例性操作的流程圖。
[0049] [圖17]圖17是圖示根據(jù)本發(fā)明的至少一個示例性實施例的另一出貨量預(yù)測設(shè)備 的示例性配置的框圖。
[0050] [圖18A]圖18A是圖示根據(jù)本發(fā)明的至少一個示例性實施例的出貨量預(yù)測設(shè)備的 示例性操作（1/2)的流程圖。
[0051] [圖18B]圖18B是圖示根據(jù)本發(fā)明的至少一個示例性實施例的出貨量預(yù)測設(shè)備的 另一示例性操作(2/2)的流程圖。
[0052] [圖19]圖19是圖示根據(jù)本發(fā)明的至少一個示例性實施例的又一出貨量預(yù)測設(shè)備 的示例性配置的框圖。
[0053][圖20]圖20是圖示根據(jù)本發(fā)明的至少一個示例性實施例的另一出貨量預(yù)測系統(tǒng) 的示例性配置的框圖。
[0054] [圖21]圖21是圖示根據(jù)本發(fā)明的至少一個示例性實施例的產(chǎn)品推薦設(shè)備的示例 性配置的框圖。
[0055] [圖22]圖22是圖示聚類中的產(chǎn)品的銷售的示例性趨勢的圖表。
[0056] [圖23]圖23是圖示根據(jù)本發(fā)明的至少一個示例性實施例的產(chǎn)品推薦設(shè)備的示例 性操作的流程圖。
[0057][圖24]圖24是圖示產(chǎn)品推薦設(shè)備的基本配置的框圖。
[0058][圖25]圖25是圖示根據(jù)本發(fā)明的至少一個示例性實施例的計算機的配置的示意 性框圖。
【具體實施方式】
[0059] 在本說明書中提到的分層隱變量模型被定義為具有由分層結(jié)構(gòu)(例如，樹形結(jié)構(gòu)） 表不的隱變量的概率模型。將表不概率模型的成分分配給分層隱變量模型的最低層處的節(jié) 點。將作為用于根據(jù)輸入信息選擇節(jié)點的準(zhǔn)則的門函數(shù)（門函數(shù)模型）分派給節(jié)點（中間節(jié) 點;在下文中將被稱為"分支節(jié)點"，出于方便的緣故，將樹形結(jié)構(gòu)當(dāng)作示例），而不是最低層 處的節(jié)點。
[0060] 在下文中，將參考當(dāng)作示例的兩層分層隱變量模型來描述出貨量預(yù)測設(shè)備的過程 和其他細節(jié)。出于描述方便的緣故，分層結(jié)構(gòu)被假定為樹形結(jié)構(gòu)。然而，在通過將以下示例 性實施例當(dāng)作示例待闡述的本發(fā)明中，分層結(jié)構(gòu)不總是樹形結(jié)構(gòu)。
[0061] 當(dāng)分層結(jié)構(gòu)被假定為樹形結(jié)構(gòu)時，因為樹形結(jié)構(gòu)沒有回路，所以從根節(jié)點到某個 節(jié)點的過程僅是一次。分層隱結(jié)構(gòu)中的從根節(jié)點到某個節(jié)點的過程(鏈路)在下文中將被稱 為"路徑"。通過跟蹤針對每個路徑的隱變量，確定路徑隱變量。例如，最低層路徑隱變量被 定義為針對從根節(jié)點到最低層處的節(jié)點的每個路徑所確定的路徑隱變量。
[0062]以下描述假定輸入數(shù)據(jù)序列xn(n=l，. . .，N)。假定每個#被定義為Μ維多變量數(shù)據(jù) 序列(χη=χΛ ...，χΜη)。數(shù)據(jù)序列χη有時還用作觀測變量。如下定義了觀測變量#的第一層 分支隱變量Zi n、最低層分支隱變量Zj|in和最低層路徑隱變量Zijn。
[0063] Zin=l表示當(dāng)基于根節(jié)點的xn輸入來選擇節(jié)點時，到第一層處的第i個節(jié)點的分支 發(fā)生。z in = 0表示當(dāng)基于根節(jié)點的xn輸入來選擇節(jié)點時，沒有到第一層處的第i個節(jié)點的分 支發(fā)生表示當(dāng)基于第一層處的第i個節(jié)點的#輸入來選擇節(jié)點時，到第二層處的第 j個節(jié)點的分支發(fā)生。Zj | in = 0表示當(dāng)基于第一層處的第i個節(jié)點的xn輸入來選擇節(jié)點時，沒 有到第二層處的第j個節(jié)點的分支發(fā)生。
[0064] Zijn=l表示當(dāng)基于根節(jié)點的xn輸入來選擇節(jié)點時，通過穿過第一層處的第i個節(jié) 點和第二層處的第j個節(jié)點所跟蹤的成分的分支發(fā)生。 Zl/ = 〇表示當(dāng)基于根節(jié)點的xn輸入 來選擇節(jié)點時，沒有通過穿過第一層處的第i個節(jié)點和第二層處的第j個節(jié)點所跟蹤的成分 的分支發(fā)生。
[0065] 由于滿足 2iZin=l、Zj|in=l和ζυη = Ζ?η-Ζ?η，我們具有Zin= 和最低 層路徑隱變量Zf的表示值z的組合被稱為"完全變量"。與此相反，x被稱為不完全變量。
[0066] 等式1表示針對完全變量的深度2的分層隱變量模型聯(lián)合分布。
[0068] 換句話說，等式1中的P (X，y) = P (X，Zlst，Z2nd)表示針對完全變量的深度2的分層隱 變量模型聯(lián)合分布。在等式1中，Zlst n是Zin的表不值，并且Z2ndn是Zj|in的表不值。針對第一層 分支隱變量Zj|i n的變分分布被表不為q(Zin)，并且針對最低層隱變量Zijn的變分分布被表不 為 q(Zijn)〇
[0069] 在等式1中，Ki是第一層中的節(jié)點的數(shù)目，并且K2是從第一層處的每個節(jié)點分支的 節(jié)點的數(shù)目。在這種情況下，最低層處的成分表達為Κι · Κ2。令θ = (β，βι,......,&1, Φι,...... ΦΜ.Κ2)為模型參數(shù)，其中，β是根節(jié)點的分支參數(shù)，&是第一層處的第k個節(jié)點的分支參數(shù)， 并且Φ k是第k個成分的觀測參數(shù)。
[0070] 令Si，……，SK1.1(2為Φ k的觀測概率的類型。在例如多變量數(shù)據(jù)生成概率的情況下， 針對31至31( 1 .K2的候選的示例可以包括{正態(tài)分布，對數(shù)正態(tài)分布，指數(shù)分布}。備選地，當(dāng)例 如輸出多項式曲線時，針對Si至Ski .K2的候選的示例可以包括{:零次曲線，線性曲線，二次曲 線，三次曲線}。
[0071] 深度2的分層隱變量模型在下文中將被當(dāng)作特定示例。然而，根據(jù)至少一個示例性 實施例的分層隱變量模型不限于深度2的分層隱變量模型并且可以被定義為深度1或者3或 者更多的分層隱變量模型。在這種情況下，以及深度2的分層隱變量模型，僅需要導(dǎo)出等式1 和(稍后將被描述的)等式2至4,從而實現(xiàn)具有類似配置的估計設(shè)備。
[0072] 在下文中將描述具有X作為目標(biāo)變量的分布。然而，與回歸或者確定中相同，適于 觀測分布用作條件模型P(Y IX) (Y是目標(biāo)概率變量)的情況。
[0073] 在本發(fā)明的示例性實施例的描述之前，下文將描述根據(jù)任何這些實施例的估計設(shè) 備與NPL 2中所描述的混合隱變量模型的估計方法之間的基本差異。
[0074] NPL 2中所公開的方法假定具有隱變量作為用于每個成分的指示器的一般混合模 型。然后，導(dǎo)出優(yōu)化準(zhǔn)則，如NPL 2的等式10中所呈現(xiàn)的。然而，考慮到被表達為NPL 2中的等 式6的Fisher信息矩陣，NPL 2中所描述的方法假設(shè)用作針對每個成分的指示器的隱變量的 概率分布僅取決于混合模型中的混合比例。因此，由于不能根據(jù)輸入切換成分，因而該優(yōu)化 準(zhǔn)則是不適當(dāng)?shù)摹?br>[0075] 為了解決該問題，設(shè)定分層隱變量和執(zhí)行根據(jù)適當(dāng)?shù)膬?yōu)化準(zhǔn)則所涉及的計算是必 要的，如將在以下示例性實施例中所示的。以下示例性實施例假定用于根據(jù)輸入選擇相應(yīng) 的分支節(jié)點處的分支的多層單個模型用作這樣的適當(dāng)?shù)膬?yōu)化準(zhǔn)則。
[0076] 下文將參考附圖描述示例性實施例。
[0077] 〈〈第一示例性實施例》
[0078] 圖1是圖示根據(jù)至少一個示例性實施例的出貨量預(yù)測系統(tǒng)的示例性配置的框圖。 根據(jù)該示例性實施例的出貨量預(yù)測系統(tǒng)10包括分層隱變量模型的估計設(shè)備1〇〇(分層隱變 量模型估計設(shè)備1〇〇