特許 7513656 検索クエリのユーザ意図に基づいた商品群生成方法及びシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-07-01

(45)【発行日】2024-07-09

(54)【発明の名称】検索クエリのユーザ意図に基づいた商品群生成方法及びシステム

(51)【国際特許分類】

   G06Q 30/0202 20230101AFI20240702BHJP

   G06F 16/9035 20190101ALI20240702BHJP

【ＦＩ】

G06Q30/0202

G06F16/9035

【請求項の数】 14

(21)【出願番号】P 2022089452

(22)【出願日】2022-06-01

(65)【公開番号】P2022188759

(43)【公開日】2022-12-21

【審査請求日】2022-06-01

(31)【優先権主張番号】10-2021-0074800

(32)【優先日】2021-06-09

(33)【優先権主張国・地域又は機関】KR

(73)【特許権者】

【識別番号】505205812

【氏名又は名称】ネイバー コーポレーション

【氏名又は名称原語表記】ＮＡＶＥＲ Ｃｏｒｐｏｒａｔｉｏｎ

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(74)【代理人】

【識別番号】100135079

【弁理士】

【氏名又は名称】宮崎 修

(73)【特許権者】

【識別番号】500257300

【氏名又は名称】ＬＩＮＥヤフー株式会社

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】ホ ジエ

(72)【発明者】

【氏名】イ ドンジュン

(72)【発明者】

【氏名】キム ヒオン

(72)【発明者】

【氏名】イ ジュホ

(72)【発明者】

【氏名】キム ヒョナ

(72)【発明者】

【氏名】ソ ドンピル

(72)【発明者】

【氏名】イ ヒョンドン

(72)【発明者】

【氏名】ジョン ジス

【審査官】上田 威

(56)【参考文献】

【文献】米国特許出願公開第２０１７／０２８６９７８（ＵＳ，Ａ１）

【文献】韓国公開特許第１０－２０２０－０１２７５２０（ＫＲ，Ａ）

【文献】特開２０１８－１５６４２９（ＪＰ，Ａ）

【文献】特表２０２１－５１１６１１（ＪＰ，Ａ）

【文献】特開２０１８－１３９１０３（ＪＰ，Ａ）

【文献】特開２０１８－００５５６３（ＪＰ，Ａ）

【文献】国際公開第２００７／０４３３２２（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００ － ９９／００

Ｇ０６Ｆ １６／９０３５

(57)【特許請求の範囲】

【請求項1】

少なくとも一つのコンピュータ装置により遂行される検索クエリのユーザ意図に基づいた商品群生成方法であって、
複数の商品クエリと関連付けられたデータを受信するステップと、
前記複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出するステップと、
前記抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成するステップと、を含み、
前記複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出する前記ステップは、
前記複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングするステップと、
前記複数の群集のうちで、一つ以上の群集から前記特定集団又は特定期間の少なくとも一つと関連付けられた一つ以上のトレンドキーワードを抽出するステップと、を含み、
前記抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成する前記ステップは、
複数の商品のうちで、前記一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出するステップ、を含み、
前記複数の商品のうちで、前記一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出する前記ステップは、
商品抽出モデルを用いて、前記複数の商品のうちで、前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品を抽出するステップ、を含み、
前記商品抽出モデルは、埋め込み生成モデルを含み、
前記埋め込み生成モデルは、学習の商品群と関連付けられた学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群に含まれる商品に関する埋め込みデータとの間のマッチングスコアが、前記学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群に含まれない商品に関する埋め込みデータとの間のマッチングスコアよりも大きくなるように強制する、トリプレット損失関数を用いて学習されたものであり、
前記一つ以上の商品を抽出する前記ステップは、
前記埋め込み生成モデルを使用して生成した前記複数の商品の各々に関する埋め込みデータ及び前記一つ以上のトレンドキーワードに関する埋め込みデータに基づいて、複数の商品の各々に関する前記一つ以上のトレンドキーワードとのマッチングスコアを算出し、
前記算出されたマッチングスコアに基づいて、前記複数の商品のうちで既定数の商品を抽出し、
前記抽出された既定数の商品を前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、
方法。

【請求項2】

前記複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングする前記ステップは、
統計的主題埋め込みモデルを用いて、前記複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングするステップ、を含む、
請求項１に記載の方法。

【請求項3】

前記抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成する前記ステップは、さらに、
前記抽出された一つ以上の商品を含む商品群を生成するステップ、を含む、
請求項１に記載の方法。

【請求項4】

前記複数の商品のうちで、前記一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出する前記ステップは、
前記一つ以上のトレンドキーワードに基づいて、前記トレンドの主題を決定するステップ、を含む、
請求項３に記載の方法。

【請求項5】

前記一つ以上のトレンドキーワードに基づいて、前記トレンドの主題を決定する前記ステップは、
言語モデルを用いて、前記一つ以上のトレンドキーワードを前記トレンドの主題を示す文句や文章に変換するステップ、を含む、
請求項４に記載の方法。

【請求項6】

前記商品抽出モデルは、
前記複数の商品の各々に関する情報に基づいて、前記複数の商品の各々に関する前記一つ以上のトレンドキーワードとのマッチングスコアを算出し、
前記算出されたマッチングスコアに基づいて、前記複数の商品のうちで既定数の商品を抽出し、
前記抽出された既定数の商品を前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、ように学習される、
請求項１に記載の方法。

【請求項7】

前記方法は、さらに、
前記生成された商品群を、ユーザ端末を介して出力するステップと、
前記出力された商品群の少なくとも一つの商品に対するユーザの選択に応じて、前記少なくとも一つの商品を企画商品として含む特売イベントを生成するステップ、含む、
請求項３に記載の方法。

【請求項8】

少なくとも一つのコンピュータ装置により遂行される商品抽出モデルを学習する方法であって、
学習の商品群に関するデータを受信するステップと、
複数の商品の各々に関する情報を受信するステップと、
前記学習の商品群に関するデータ及び複数の商品の各々に関する情報に基づいて、トレンドキーワードが入力されることで、前記トレンドキーワードとマッチングされる一つ以上の商品を出力するように、商品抽出モデルを学習するステップであり、
学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群に含まれる商品に関する埋め込みデータとの間のマッチングスコアが、前記学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群に含まれない商品に関する埋め込みデータとの間のマッチングスコアよりも大きくなるように強制するトリプレット損失関数を用いて、前記商品抽出モデルを学習すること、を含む、
ステップと、を含み、
前記商品抽出モデルは、前記複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワードに関する埋め込みデータを生成するように学習された埋め込みデータ生成モデルを含み、
前記商品抽出モデルは、
前記複数の商品の各々に関する埋め込みデータ及び前記一つ以上のトレンドキーワードに関する埋め込みデータに基づいて、複数の商品の各々に関する前記一つ以上のトレンドキーワードとのマッチングスコアを算出し、
前記算出されたマッチングスコアに基づいて、前記複数の商品のうちで既定数の商品を抽出し、
前記抽出された既定数の商品を前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、ように学習される、
方法。

【請求項9】

前記学習の商品群に関するデータ及び複数の商品の各々に関する情報に基づいて、トレンドキーワードが入力されることで、前記トレンドキーワードとマッチングされる一つ以上の商品を出力するように、商品抽出モデルを学習する前記ステップは、
前記トレンドキーワードが入力されることで、前記複数の商品の各々に関する前記トレンドキーワードとのマッチングスコアを算出し、前記算出されたマッチングスコアに基づいて、前記複数の商品のうちで既定数の商品を抽出し、前記抽出された既定数の商品を前記トレンドキーワードとマッチングされる一つ以上の商品として出力するように、前記商品抽出モデルを学習すること、を含む、
請求項８に記載の方法。

【請求項10】

前記方法は、さらに、
前記埋め込みデータ生成モデルを用いて、前記学習の商品群と関連付けられた学習のトレンドキーワードに関する埋め込みデータ、前記学習の商品群に含まれる商品に関する埋め込みデータ、及び前記学習の商品群に含まれない商品に関する埋め込みデータを生成するステップ、を含む、
請求項８に記載の方法。

【請求項11】

複数の命令を含むコンピュータプログラムであって、
前記命令がコンピュータのプロセッサによって実行されると、
請求項１乃至１０の何れか一項に記載の方法を前記コンピュータ装置に実施させる、
コンピュータプログラム。

【請求項12】

情報処理システムであって、
通信モジュールと、
メモリと、
前記メモリと連結され、前記メモリに含まれたコンピュータ読取り可能な少なくとも一つのプログラムを実行するように構成された少なくとも一つのプロセッサと、を含み、
前記少なくとも一つのプログラムは、
複数の商品クエリと関連付けられたデータを受信し、
前記複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出し、
前記抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成する、
ための命令語を含み、
前記複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出することは、
前記複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングすること、および、
前記複数の群集のうちで、一つ以上の群集から前記特定集団又は特定期間の少なくとも一つと関連付けられた一つ以上のトレンドキーワードを抽出すること、を含み、
前記抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成することは、
複数の商品のうちで、前記一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出すること、を含み、
前記複数の商品のうちで、前記一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出することは、
商品抽出モデルを用いて、前記複数の商品のうちで、前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品を抽出すること、を含み、
前記商品抽出モデルは、埋め込み生成モデルを含み、
前記埋め込み生成モデルは、学習の商品群と関連付けられた学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群に含まれる商品に関する埋め込みデータとの間のマッチングスコアが、前記学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群に含まれない商品に関する埋め込みデータとの間のマッチングスコアよりも大きくなるように強制する、トリプレット損失関数を用いて学習されたものであり、
前記一つ以上の商品を抽出することは、前記複数の商品の各々に関する埋め込みデータ及び前記一つ以上のトレンドキーワードに関する埋め込みデータに基づいて、複数の商品の各々に関する前記一つ以上のトレンドキーワードとのマッチングスコアを算出し、
前記算出されたマッチングスコアに基づいて、前記複数の商品のうちで既定数の商品を抽出し、
前記抽出された既定数の商品を前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、
システム。

【請求項13】

情報処理システムであって、
通信モジュールと、
メモリと、
前記メモリと連結され、前記メモリに含まれたコンピュータ読取り可能な少なくとも一つのプログラムを実行するように構成された少なくとも一つのプロセッサと、を含み、
前記少なくとも一つのプログラムは、
学習の特売イベントに関するデータを受信し、
複数の商品の各々に関する情報を受信し、
前記学習の商品群に関するデータ及び複数の商品の各々に関する情報に基づいて、トレンドキーワードが入力されることで、前記トレンドキーワードとマッチングされる一つ以上の商品を出力するように、商品抽出モデルを学習する、
ための命令語を含み、
学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群に含まれる商品に関する埋め込みデータとの間のマッチングスコアが、前記学習のトレンドキーワードに関する埋め込みデータと、前記学習の商品群に含まれない商品に関する埋め込みデータとの間のマッチングスコアよりも大きくなるように強制するトリプレット損失関数を用いて、前記商品抽出モデルを学習し、
前記商品抽出モデルは、前記複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワードに関する埋め込みデータを生成するように学習された埋め込みデータ生成モデルを含み、
前記商品抽出モデルは、
前記複数の商品の各々に関する埋め込みデータ及び前記一つ以上のトレンドキーワードに関する埋め込みデータに基づいて、複数の商品の各々に関する前記一つ以上のトレンドキーワードとのマッチングスコアを算出し、
前記算出されたマッチングスコアに基づいて、前記複数の商品のうちで既定数の商品を抽出し、
前記抽出された既定数の商品を前記一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力する、ように学習される、
システム。

【請求項14】

前記少なくとも一つのプログラムは、
前記トレンドキーワードが入力されることで、前記複数の商品の各々に関する前記トレンドキーワードとのマッチングスコアを算出し、
前記算出されたマッチングスコアに基づいて、前記複数の商品のうちで既定数の商品を抽出し、
前記抽出された既定数の商品を前記トレンドキーワードとマッチングされる一つ以上の商品として出力するように、前記商品抽出モデルを学習する、
ための命令語をさらに含む、
請求項１３に記載のシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、検索クエリ（query）のユーザ意図に基づいた商品群生成方法及びシステムに関する。具体的には、複数の商品クエリと関連付けられたデータに基づいてトレンドを抽出し、トレンドと関連付けられた一つ以上の商品を含む商品群を生成する方法及びシステムに関する。

【背景技術】

【0002】

最近、テレビショッピング、インターネットショッピング、及びカタログショッピングなどのように、消費者等のショッピングの便宜のための多様なオンライン商品情報提供方法及び商品販売方法が開発されている。商品販売者、ショッピングモール運営者、及びオープンマーケット運営者などは、オンラインショッピングサービスの広報またはマーケティング手段として、商品をより低価で、或いは、より良い条件で購買可能な特売イベントを企画できる。例えば、商品販売者等は、特定消費者を対象として、ターゲット消費者等が必要とすると予想される商品を集めて、当該商品を割引の価格で購買できるイベントを提供できる。または、商品販売者等は、特定時期に消費者等が必要とすると予想される商品を集めて、当該時期（または当該時期より早い時期）に消費者等に当該商品等の情報を提供できる。こうした特売イベントにより、特定時期又は特定集団に属する消費者等は、必要な商品を一目で確認して購買できる。また、商品販売者、ショッピングモール運営者及びオープンマーケット運営者などは、特売イベントにより、停滞していた商品販売状態に変化を付けて売上を向上させることができ、潜在顧客等が関連オンラインショッピングサービスを利用するように誘導できる。

【0003】

従来の技術によれば、特売イベントを企画しようとする商品販売者、ショッピングモール運営者及び、オープンマーケット運営者などが、受動的に消費者等のショッピングトレンドを分析して把握して、当該ショッピングトレンドに対応する商品群を生成しなければならない。すなわち、トレンドに対応する商品群を生成しようとする運営者は、ショッピングトレンドを直接的に把握し、当該ショッピングトレンドに符合する商品を直接的に検索しなければならない不便さがある。また、消費者に対しても、複数の商品が単純に商品のカテゴリや商品名称の類似度に分類された商品群を提供できるだけであるので、実際に必要とするか、或いは、購買しようとする商品を一度に提供できない。

【先行技術文献】

【特許文献】

【0004】

【文献】韓国登録特許公報第１０－１７６５０８８号

【発明の概要】

【発明が解決しようとする課題】

【0005】

本開示は、前記のような問題を解決するための商品群生成方法、コンピュータプログラム、及び装置（システム）を提供する。

【課題を解決するための手段】

【0006】

本開示は、方法、装置（システム）、またはコンピュータプログラムを含む多様な方式により具現できる。

【0007】

本開示の一実施例によれば、少なくとも一つのコンピュータ装置により遂行される検索クエリのユーザ意図に基づいた商品群生成方法は、複数の商品クエリと関連付けられたデータを受信するステップ、複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出するステップ、及び、抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成するステップ、を含む。

【0008】

本開示の他の実施例によれば、少なくとも一つのコンピュータ装置により遂行される商品抽出モデルを学習する方法は、学習の商品群に関するデータを受信するステップ、複数の商品の各々に関する情報を受信するステップ、並びに、学習の商品群に関するデータ及び複数の商品の各々に関する情報に基づいて、トレンドキーワードが入力されることで、トレンドキーワードとマッチングされる一つ以上の商品を出力するように、商品抽出モデルを学習するステップ、を含む。

【0009】

本開示の他の実施例によれば、前述した方法をコンピュータで実行するためのコンピュータプログラムが提供される。

【0010】

本開示の他の実施例によれば、情報処理システムは、通信モジュール、メモリと連結され、メモリに含まれたコンピュータ読取り可能な少なくとも一つのプログラムを実行するように構成された少なくとも一つのプロセッサを含み、少なくとも一つのプログラムは、複数の商品クエリと関連付けられたデータを受信し、複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出し、抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成するための命令語を含む。

【0011】

本開示の他の実施例によれば、情報処理システムは、通信モジュール、メモリと連結され、メモリに含まれたコンピュータ読取り可能な少なくとも一つのプログラムを実行するように構成された少なくとも一つのプロセッサを含み、少なくとも一つのプログラムは、学習の商品群に関するデータを受信し、複数の商品の各々に関する情報を受信し、学習の商品群に関するデータ及び複数の商品の各々に関する情報に基づいて、トレンドキーワードが入力されることで、トレンドキーワードとマッチングされる一つ以上の商品を出力するように、商品抽出モデルを学習するための命令語を含む。

【発明の効果】

【0012】

本開示の多様な実施例において、類似の特徴を持つ消費者等が検索する商品クエリ及び／又は類似の時期に消費者等が検索する商品クエリは、同一のショッピングの目的や意図と関連付けられたものと判断して、同一のショッピングの目的や意図を持つ商品クエリ又はキーワードを複数の群集にクラスタリング（clustering）できる。クラスタリングされた複数の群集からショッピングトレンドを抽出することで、ユーザ（例えば、オンラインショッピングモールや特売イベントの運営者）が発見しないショッピングトレンドを把握できる。

【0013】

本開示の多様な実施例において、ショッピングトレンドに関するキーワード（例えば、ショッピングトレンドに対応する商品クエリ、商品クエリを入力した消費者の情報、時期などを示すキーワードなど）を入力することで、トレンドの主題を示す文句や文章を自動的に生成できる。

【0014】

本開示の多様な実施例において、複数の商品を単純に商品間のカテゴリ類似性に基づいてクラスタリングするものでない、最近多数の消費者が共有するショッピング目的又は検索意図を反映して、複数の商品群にクラスタリングできる。これにより、一つの商品群に含まれる商品等の多様性及び適合度を同時に向上させることができる。また、ユーザ（例えば、オンラインショッピングモール又は特売イベントの運営者）には、多数の消費者が共有するショッピング目的又は検索意図による商品に関する情報が共に提供される。

【0015】

本開示の効果は、これに制限されず、言及されない他の効果等は、請求範囲の記載から本開示が属する技術分野における通常の知識を有する者（以下、「当業者」という）に明確に理解されるべきである。

【図面の簡単な説明】

【0016】

本開示の実施例等は、以下の添付図面に基づいて説明される。ここで、類似の参照番号は類似の要素を示すが、これに限定されるものではない。

【図1】本開示の一実施例によるユーザ端末の画面を介してユーザにショッピングコンテンツが提供される例を示す図である。

【図2】本開示の一実施例による情報処理システムが複数のユーザ端末と通信可能であるように連結された構成を示す概要図である。

【図3】本開示の一実施例によるユーザ端末及び情報処理システムの内部構成を示すブロック図である。

【図4】本開示の一実施例による商品群生成方法を示すフローチャートである。

【図5】本開示の一実施例による複数の商品クエリと関連付けられたデータからトレンドキーワードを抽出する例を示す図である。

【図6】本開示の一実施例により、トレンドキーワードに基づいて、トレンドの主題を示す特売イベントの題目を決定する例を示す図である。

【図7】本開示の一実施例によるトレンドキーワード及び／又はトレンドの主題に基づいて、複数の商品のうちで、トレンドキーワード及び／又はトレンドの主題とマッチングされる一つ以上の商品を抽出する例を示す図である。

【図8】本開示の一実施例による商品抽出モデルを学習する例を示す図である。

【図9】本開示の一実施例により、ユーザ（例えば、運営者）が特売イベントを生成する例を示す図である。

【図10】本開示の一実施例によるユーザ（例えば、運営者）に一つ以上の特売イベントの候補が提供される例を示す図である。

【発明を実施するための形態】

【0017】

以下、本開示の実施のための具体的な内容を添付図面に基づいて詳細に説明する。ただし、以下の説明では、本開示の要旨を不要に曖昧にする恐れがある場合、公知の機能や構成に関する具体的な説明は省略する。

【0018】

添付図面において、同一又は対応する構成要素には同一の参照符号が付与される。また、以下の実施例の説明において、同一又は対応する構成要素について重複する記述は省略され得る。しかしながら、構成要素に関する記述が省略されても、そのような構成要素が、ある実施例に含まれないものと意図してはならない。

【0019】

開示の実施例の利点及び特徴、そして、それらを達成する方法は、添付図面に基づいて、後述する実施例を参照すれば明確になる。しかしながら、本開示は、以下で開示される実施例に限定されず、互いに異なる多様な形態で具現され得る。但し、本実施例は、本開示が完全になるようにし、本開示が当業者に発明のカテゴリを正確に認識させるために提供されるだけである。

【0020】

本開示で使用される用語について簡略に説明し、開示の実施例について具体的に説明する。本明細書で使用される用語は、本開示での機能を考慮しつつ、可能な限り現在広く使用される一般的な用語を選択したが、これは、関連分野に従事する技術者の意図、又は判例、新技術の出現などにより変化し得る。また、特定の場合は、出願人が任意で選定した用語もあり得るが、これらの意味は当該発明の説明の部分において詳細に記載する。よって、本開示で使用される用語は、単純な用語の名称ではなく、その用語が持つ意味と本開示の全般にわたる内容に基づいて定義されるべきである。

【0021】

本開示において、文脈上において明確に特定しない限り、単数の表現は複数の表現を含み、複数の表現は単数の表現を含むことができる。本開示において、ある部分がある構成要素を「含む」とすれば、これは、特に反対の記載がない限り、他の構成要素を排除するものではなく、他の構成要素をさらに含むこともできることを意味する。

【0022】

また、明細書で使用される「モジュール」又は「部」という用語は、ソフトウェアやハードウェア構成要素を意味し、「モジュール」又は「部」はある役割を遂行する。しかしながら、「モジュール」又は「部」はソフトウェアやハードウェアに限定される意味ではない。「モジュール」又は「部」は、アドレッシング可能な保存媒体にあるように構成してもよく、一つ又はそれ以上のプロセッサを再生させるように構成してもよい。したがって、一例として、「モジュール」又は「部」は、ソフトウェア構成要素、客体指向ソフトウェア構成要素、クラス構成要素、タスク構成要素のような構成要素、並びに、プロセス、関数、属性、プロシージャ、サブルーチン、プログラムコードのセグメント、ドライバー、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、又は変数のうちで少なくとも一つを含むことができる。構成要素と「モジュール」又は「部」は、内部で提供される機能はさらに小さい数の構成要素及び「モジュール」又は「部」で結合され、または、追加的な構成要素と「モジュール」又は「部」にさらに分離され得る。

【0023】

本開示の一実施例によれば、「モジュール」又は「部」は、プロセッサ及びメモリで具現され得る。「プロセッサ」は、汎用プロセッサ、中央処理装置（ＣＰＵ）、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、制御器、マイクロ制御器、状態マシンなどを含むように広く解釈されるべきである。いくつかの環境では、「プロセッサ」は、特定用途向け半導体（ＡＳＩＣ）、プログラム可能なロジックデバイス（ＰＬＤ）、フィールドプログラム可能なゲートアレイ（ＦＰＧＡ）等を示すこともできる。「プロセッサ」は、例えば、ＤＳＰとマイクロプロセッサの組合せ、複数のマイクロプロセッサの組合せ、ＤＳＰコアと結合した一つ以上のマイクロプロセッサの組合せ、若しくは、任意の他のそのような構成等の組合せといった処理デバイスの組合せを示すこともできる。また、「メモリ」は、電子情報を保存可能な任意の電子コンポーネントを含むように、広く解釈されるべきである。「メモリ」は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ＮＶＲＡＭ（Non-Volatile Random Access Memory）、ＰＲＯＭ（Programmable Read-Only Memory）、ＥＰＲＯＭ（Erasable Programmable Read-Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Reda-Only Memory）、フラッシュメモリ、磁気又は光学データストレージ装置、レジスターなどのようなプロセッサで読取り可能な媒体の多様な類型を示すこともできる。プロセッサがメモリから情報を読取り／読取ったメモリに情報を記録できる場合、メモリは、プロセッサと電子通信状態にあると言われる。プロセッサに集積されたメモリは、プロセッサと電子通信状態にある。

【0024】

本開示において、「ショッピングコンテンツ」は、インターネットを介したオンラインショッピングサービスやソーシャルメディアなどにより提供される、ショッピング商品に関する放送、特売イベントに関する情報、ショッピング商品情報、ショッピング決済情報、ショッピング販売者や製造者情報などのようなオンラインショッピングと関連付けられた情報またはコンテンツを示すことができる。例えば、ショッピングコンテンツは、オンラインショッピング対象である商品に関する説明、広告、及び広報などのためのテキスト、イメージまたは動画を含むコンテンツ、ライブ放送コンテンツ及び録画放送コンテンツなどを含むことができるが、これに限定されるものではない。他の例として、ショッピングコンテンツは、特定時期又は特定集団の多数の消費者が関心を持っている一つ以上の商品又は商品群に関する情報、特売イベントの題目、特売イベントと関連付けられたタグ、及び特売イベントの企画商品に関する情報などを含むことができる。

【0025】

本開示において、「特売イベント（special sales events）」は、一般に、特定主題（theme）と関連付けられた一つ以上の商品又は商品群を、特定期間の間に、広告、展示、及び販売するイベントを示すことができる。例えば、特売イベントは、オンラインショッピングサービスやソーシャルメディアなどにより提供でき、特定時期（例えば、季節、年中特定月、特定日または時間）に特定ユーザ集団を対象として提供できる。他の例において、特売イベントは、夏休み用衣類、乳児用おもちゃ、及びキャンプ用品などのように特定商品主題と関連付けられた一つ以上の商品又は商品群を広告、展示、及び販売するために生成又は提供できる。一実施例において、特売イベントは、特売イベントの主題、販売対象商品などを示す特売イベントの題目、企画商品情報（例えば、商品イメージ、商品価格及び商品説明など)、特売イベントの有効期間及び／又は販売条件などを含むデータに示すことができるが、これに限定されるものではない。

【0026】

図１は、本開示の一実施例によるユーザ端末１１０の画面１２０を介して、ユーザ１００にショッピングコンテンツが提供される例を示す図である。図１に示す画面１２０は、ユーザ（例えば、消費者）１００がユーザ端末（例えば、スマートフォン）１１０を介してショッピングコンテンツを提供するアプリケーションなどを実行することで、ショッピングコンテンツとして商品群又は特売イベントに関する情報が提供される例を示す。例えば、図に示すように、ユーザ１００には、ユーザ端末１１０を介して、ショッピングコンテンツとして特定の商品群と関連付けられたトレンドの主題（例えば、特売イベントの題目である「照明でお家づくりってどう？」）、当該トレンドの主題と関連付けられたハッシュタグ（例えば、トレンドキーワードである「＃テーブルスタンド」、「＃フロアスタンド」、「＃家具」、「＃照明」）、及び当該トレンドの主題と関連付けられた商品に関する情報（例えば、特売イベントに含まれた企画商品の商品イメージ、商品名、商品価格など）が提供され得る。

【0027】

このように、ユーザ１００に商品群の情報を提供するために、ユーザ端末１１０と通信する情報処理システムは、現在のトレンド（または、特定時点のトレンド）と関連付けられた一つ以上の商品を含む商品群情報を生成してユーザ端末１１０に転送できる。このために、情報処理システムは、特定トレンドと関連付けられた一つ以上の商品を抽出できる。すなわち、情報処理システムは、特定トレンドと関連付けられた一つ以上の商品を含む商品群を生成できる。例えば、情報処理システムは、多様な検索クエリ（例えば、商品検索クエリ）に基づいて、一つ以上の商品を含む商品群を自動的に生成できる。

【0028】

情報処理システムは、一つ以上の商品を含む商品群を生成するために、複数の商品クエリと関連付けられたデータを受信できる。ここで、「商品クエリ」は、特定商品の検索または購買のために、ユーザがユーザ端末により実行されるオンラインショッピングアプリケーションまたはウェブページ、検索アプリケーションまたはウェブページなどを介して入力する検索クエリを示すことができる。また、商品クエリと関連付けられたデータは、当該商品クエリそのもの（例えば、検索クエリ、検索キーワードを示すテキスト、イメージなど)、当該商品クエリが入力された日時、当該商品クエリが入力されたユーザ端末の情報（例えば、ユーザ端末の位置やＩＰ情報など）、当該商品クエリを入力したユーザの情報（例えば、ユーザアカウントまたはプロフィール情報、ユーザの年齢、性別、職業など）を含むことができる。

【0029】

情報処理システムは、複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出し、抽出されたトレンドと関連付けられた一つの以上の商品を含む商品群を生成できる。ここで、特定集団は、一つ以上の基準（例えば、年齢、性別、関心事、職業など）に基づいた複数のユーザの分類により生成された集団を示すことができる。例えば、特定集団は、１０代、２０代、及び３０代などのように年齢別に分類された集団や、会社員、自営業者、及び大学生などのように職業別に分類された集団や、男子及び女子のように性別に分類された集団や、既婚者及び未婚者のように結婚の有無により分類された集団などを含むことができる。また、特定期間は、季節、記念日、平日又は週末、公休日、連休期間、特定年度、年中特定月、月中特定週、一日中の特定時点間の区間などを含むことができる。

【0030】

情報処理システムは、受信された複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングし、複数の群集のうちで、一つ以上の群集から特定集団又は特定期間の少なくとも一つと関連付けられた一つ以上のトレンドキーワードを抽出できる。例えば、情報処理システムは、複数の商品クエリと関連付けられたデータを、当該商品クエリのクエリ意図、主題、当該商品クエリを検索したユーザの情報、当該商品クエリが入力された日時などに基づいて、複数の群集にクラスタリングできる。付加的又は代替的に、情報処理システムは、統計的主題埋め込みモデル（statistic theme embedding model）のような統計または確率に基づいたクラスタリングモデルを用いて、複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングできる。ここで、トレンドキーワードは、一つ以上の群集に含まれた商品クエリ、一つ以上の群集と関連付けられた集団、期間などを含むことができる。

【0031】

その後、情報処理システムは、複数の商品のうちで、一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出し、抽出された一つ以上の商品を含む商品群を生成できる。一実施例において、情報処理システムは、一つ以上のトレンドキーワードに基づいて、トレンドの主題（例えば、一つ以上の群集に含まれた商品クエリ間の共通特徴など）を決定し、決定されたトレンドの主題に基づいて、複数の商品のうちで、一つ以上のトレンドキーワードと関連付けられた一つの以上の商品を抽出できる。例えば、情報処理システムは、一つ以上のトレンドキーワードを組み合わせて、トレンドの主題を示す文句や文章を生成できる。付加的又は代替的に、情報処理システムは、統計に基づいた言語モデルや人工神経網に基づいた言語モデルのような言語モデルを用いて、一つ以上のトレンドキーワードをトレンドの主題を示す文句や文章に変換（または生成）できる。情報処理システムは、このように生成されたトレンドの主題を示す文句や文章に基づいて、複数の商品のうちで、一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出できる。他の実施例において、情報処理システムは、商品抽出モデルを用いて、複数の商品のうちで、一つ以上のトレンドキーワードとマッチングされる一つ以上の商品を抽出できる。

【0032】

一実施例において、商品抽出モデルは、複数の商品の各々に関する情報（例えば、商品名、商品説明、カテゴリ、関連商品、タグ、紹介文、レビュー、イメージ、価格、ブランド、製造社など）に基づいて、複数の商品の各々に関する一つ以上のトレンドキーワード（例えば、一つ以上の群集に含まれた商品クエリ、トレンドの主題、トレンドの題目、トレンドの主題を示す文句や文章など）とのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力するように学習されたモデルであり得る。付加的又は代替的に、商品抽出モデルは、複数の商品の各々に関する埋め込みデータ（embedding data）及び一つ以上のトレンドキーワードに関する埋め込みデータを生成するように学習された埋め込み生成モデルを含むことができる。このとき、商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワードに関する埋め込みデータに基づいて、複数の商品の各々に関する一つ以上のトレンドキーワードとのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力するように学習されたモデルであり得る。

【0033】

さらに、情報処理システムは、生成された商品群に含まれた商品の少なくとも一つの商品を企画商品として含む特売イベントを生成できる。このとき、情報処理システムは、トレンドの主題を示す文章や文句を特売イベントの題目として決定できる。一実施例において、情報処理システムは、生成された商品群を、ユーザ端末を介して出力し、出力された商品群の少なくとも一つの商品に対するユーザの選択に応じて、少なくとも一つの商品を企画商品として含む、特売イベントを生成できる。他の実施例において、情報処理システムは、生成された商品群の少なくとも一つの商品を企画商品として含む、特売イベントを自動的に生成できる。

【0034】

前述した実施例等によれば、消費者等が実際に入力した複数の商品クエリに関する情報を反映して、特定集団及び／又は特定時期と関連付けられたトレンドを抽出でき、抽出されたトレンドに符合する商品群及び／又は特売イベントを生成できる。これにより、特売イベントの運営者が発見しないトレンドを適時に把握して商品群及び／又は特売イベントを生成でき、このように生成された商品群及び／又は特売イベントには、新規に把握されたトレンドに符合する多様な商品を含むことができる。また、抽出されたトレンドに符合するトレンドキーワード、トレンドの主題、商品群、特売イベントの主題、特売イベントの題目及び／又は企画商品を持つ特売イベントが自動的に抽出／生成されることで、運営者の業務負担が低くなり得る。また、現在の商品販売トレンドにマッチするトレンドキーワード、トレンドの主題、商品群、特売イベントの主題、特売イベントの題目及び／又は企画商品などが自動的に推薦されることで、運営者が効率よく特売イベントを生成／発行できる。

【0035】

図２は、本開示の一実施例による情報処理システム２３０が複数のユーザ端末２１０＿１、２１０＿２、２１０＿３と通信可能であるように連結された構成を示す概要図である。図に示すように、複数のユーザ端末２１０＿１、２１０＿２、２１０＿３は、ネットワーク２２０を介して、商品群生成／提供サービスを提供する情報処理システム２３０と連結される。ここで、複数のユーザ端末２１０＿１、２１０＿２、２１０＿３は、商品群生成／提供サービスが提供されるユーザ（例えば、オンラインショッピングモール又は特売イベントの企画者や運営者、消費者など）の端末を含むことができる。一実施例において、情報処理システム２３０は、商品群生成／提供サービス等と関連付けられたコンピュータ実行可能なプログラム（例えば、ダウンロード可能なアプリケーション）及びデータの保存、提供、及び実行が可能な一つ以上のサーバー装置及び／又はデータベース、或いは、クラウドコンピュータサービス基盤の一つ以上の分散コンピュータ装置及び／又は分散データベースを含むことができる。

【0036】

情報処理システム２３０により提供される商品群生成／提供サービスは、複数のユーザ端末２１０＿１、２１０＿２、２１０＿３の各々に設置された商品群生成／提供アプリケーション、特売イベント生成アプリケーション、ショッピングアプリケーション、検索アプリケーション、モバイルブラウザアプリケーション、またはウェブブラウザなどを介して、ユーザに提供できる。例えば、情報処理システム２３０は、商品群生成／提供アプリケーションなどを介して、ユーザ端末２１０＿１、２１０＿２、２１０＿３から受信される商品群生成／提供に関する要請に対応する情報を提供し、または、対応する処理を遂行し得る。

【0037】

複数のユーザ端末２１０＿１、２１０＿２、２１０＿３は、ネットワーク２２０を介して、情報処理システム２３０と通信できる。ネットワーク２２０は、複数のユーザ端末２１０＿１、２１０＿２、２１０＿３と情報処理システム２３０との間の通信が可能であるように構成できる。ネットワーク２２０は、設置環境に応じて、例えば、イーサネット（Ethernet）（登録商標）、ＰＬＣ（Power Line Communication）、電話線通信装置、及びＲＳ－ｓｅｒｉａｌ通信などのような有線ネットワーク、移動通信網、ＷＬＡＮ（Wireless LAN）、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、及びＺｉｇＢｅｅなどのような無線ネットワーク又はその組合せからなることができる。通信方式は、制限されず、ネットワーク２２０を含むことができる通信網（例えば、移動通信網、有線インターネット、無線インターネット、放送網、衛星網等）を活用する通信方式だけでなく、ユーザ端末２１０＿１、２１０＿２、２１０＿３間の近距離無線通信も含まれる。

【0038】

図２において、携帯電話端末２１０＿１、タブレット端末２１０＿２、及びＰＣ端末２１０＿３がユーザ端末の例として示されるが、これに限定されず、ユーザ端末２１０＿１、２１０＿２、２１０＿３は、有線及び／又は無線通信が可能であり、商品群生成／提供アプリケーション、特売イベント生成アプリケーション、ショッピングアプリケーション、検索アプリケーション、モバイルブラウザアプリケーション、またはウェブブラウザなどが設置されて実行できる、任意のコンピューティング装置であり得る。例えば、ユーザ端末は、ＡＩスピーカー、スマートフォン、携帯電話、ナビゲーション、コンピュータ、ノートブック、デジタル放送用端末、ＰＤＡ（Personal Digital Assistants）、ＰＭＰ（Portable Multimedia Player）、タブレットＰＣ、ゲームコンソール（game console）、ウェアラブルデバイス（wearable device）、ＩｏＴ（internet of things）デバイス、ＶＲ（virtual reality）デバイス及びＡＲ（augmented reality）デバイス、セットトップボックスなどを含むことができる。また、図２では、３つのユーザ端末２１０＿１、２１０＿２、２１０＿３が、ネットワーク２２０を介して情報処理システム２３０と通信するものと示したが、これに限定されず、異なる数のユーザ端末がネットワーク２２０を介して情報処理システム２３０と通信するようにも構成され得る。

【0039】

一実施例によれば、情報処理システム２３０は、複数のユーザ端末２１０＿１、２１０＿２、２１０＿３（例えば、消費者のユーザ端末）から複数の商品クエリと関連付けられたデータを受信できる。その後、情報処理システム２３０は、このように受信された複数の商品クエリと関連付けられたデータに基づいて商品群を生成し、生成された商品群に関する情報（例えば、商品群に含まれた少なくとも一部の商品に関する情報、商品群のトレンドキーワード、商品群のトレンドの主題など）を複数のユーザ端末２１０＿１、２１０＿２、２１０＿３（例えば、オンラインショッピングモール、特売イベントの運営者及び／又は消費者のユーザ端末）に提供できる。

【0040】

図３は、本開示の一実施例によるユーザ端末２１０及び情報処理システム２３０の内部構成を示すブロック図である。ユーザ端末２１０は、商品群生成／提供アプリケーション、特売イベント生成アプリケーション、ショッピングアプリケーション、検索アプリケーション、モバイルブラウザアプリケーションまたはウェブブラウザなどが実行可能であり、有／無線通信が可能な任意のコンピューティング装置を示すことができ、例えば、図２の携帯電話端末２１０＿１、タブレット端末２１０＿２、及びＰＣ端末２１０＿３などを含むことができる。図に示すように、ユーザ端末２１０は、メモリ３１２、プロセッサ３１４、通信モジュール３１６、及び入出力インタフェース３１８を含むことができる。これと同様に、情報処理システム２３０は、メモリ３３２、プロセッサ３３４、通信モジュール３３６、及び入出力インタフェース３３８を含むことができる。図３に示すように、ユーザ端末２１０及び情報処理システム２３０は、各々の通信モジュール３１６、３３６を用いて、ネットワーク２２０を介して情報及び／又はデータが通信できるように構成できる。また、入出力装置３２０は、入出力インタフェース３１８を介して、ユーザ端末２１０に情報及び／又はデータを入力し、または、ユーザ端末２１０から生成された情報及び／又はデータを出力するように構成できる。

【0041】

メモリ３１２、３３２は、非一時的な任意のコンピュータ読取り可能な記録媒体を含むことができる。一実施例によれば、メモリ３１２、３３２は、ＲＡＭ（random access memory）、ＲＯＭ（read only memory）、ディスクドライブ、ＳＳＤ（solid state drive）、及びフラッシュメモリ（flash memory）などのような永久的な大容量ストレージ装置（permanent mass storage device）を含むことができる。他の例として、ＲＯＭ、ＳＳＤ、フラッシュメモリ及びディスクドライブなどのような永久的な大容量ストレージ装置は、メモリとは区分される別途の永久ストレージ装置としてユーザ端末２１０又は情報処理システム２３０に含まれ得る。また、メモリ３１２、３３２には、運営体制と少なくとも一つのプログラムコード（例えば、ユーザ端末２１０に設置されて駆動される商品群生成／提供アプリケーションなどのためのコード）が保存され得る。

【0042】

このようなソフトウェア構成要素は、メモリ３１２、３３２とは別途のコンピュータ読取り可能な記録媒体からローディングできる。このような別途のコンピュータ読取り可能な記録媒体は、このようなユーザ端末２１０及び情報処理システム２３０に直接連結可能な記録媒体を含むことができ、例えば、フロッピー（登録商標）ドライブ、ディスク、テープ、ＤＶＤ／ＣＤ－ＲＯＭドライブ、及びメモリカードなどのようなコンピュータ読取り可能な記録媒体を含むことができる。他の例として、ソフトウェア構成要素等は、コンピュータ読取り可能な記録媒体ではなく、通信モジュールを介して、メモリ３１２、３３２にローディングできる。例えば、少なくとも一つのプログラムは、開発者又はアプリケーションの設置ファイルを配信するファイル配信システムが、ネットワーク２２０を介して提供するファイルにより設置されるコンピュータプログラムに基づいて、メモリ３１２、３３２にローディングできる。

【0043】

プロセッサ３１４、３３４は、基本的な算術、ロジック、及び入出力演算を遂行することで、コンピュータプログラムの命令を処理するように構成できる。命令は、メモリ３１２、３３２、又は通信モジュール３１６、３３６により、プロセッサ３１４、３３４に提供され得る。例えば、プロセッサ３１４、３３４は、メモリ３１２、３３２のような記録装置に保存されたプログラムコードによって受信される命令を実行するように構成できる。

【0044】

通信モジュール３１６、３３６は、ネットワーク２２０を介して、ユーザ端末２１０と情報処理システム２３０とが互いに通信するための構成や機能が提供でき、ユーザ端末２１０及び／又は情報処理システム２３０が、他のユーザ端末又は他のシステム（例えば、別途のクラウドシステムなど）と通信するための構成や機能が提供できる。一例として、ユーザ端末２１０のプロセッサ３１４がメモリ３１２などのような記録装置に保存されたプログラムコードによって生成した要請やデータ（例えば、商品群生成／提供に関する要請、特売イベントの生成に関する要請、特売イベントの発行に関する要請、複数の商品クエリと関連付けられたデータなど）は、通信モジュール３１６の制御により、ネットワーク２２０を介して情報処理システム２３０に伝達され得る。反対に、情報処理システム２３０のプロセッサ３３４の制御により提供される制御信号や命令が、通信モジュール３３６及びネットワーク２２０を経て、ユーザ端末２１０の通信モジュール３１６を介してユーザ端末２１０に受信され得る。例えば、ユーザ端末２１０は、情報処理システム２３０から通信モジュール３１６を介して、トレンドキーワード、トレンドの主題、商品群に含まれた少なくとも一つの商品に関する情報、特売イベントの主題候補、特売イベントのターゲット消費者候補、特売イベントのトレンドキーワード候補、特売イベントの題目候補及び／又は特売イベントに含まれる企画商品候補などを受信できる。

【0045】

入出力インタフェース３１８は、入出力装置３２０とのインタフェースのための手段であり得る。一例として、入力装置は、オーディオセンサ及び／又はイメージセンサを含むカメラ、キーボード、マイクロホン、マウスなどのような装置を含み、出力装置は、ディスプレイ、スピーカー、ハプティックフィードバックデバイス（haptic feedback device）などのような装置を含むことができる。他の例として、入出力インタフェース３１８は、タッチスクリーンなどのように入力及び出力を遂行するための構成又は機能が一つで統合された装置とのインタフェースのための手段であり得る。例えば、ユーザ端末２１０のプロセッサ３１４がメモリ３１２にローディングされたコンピュータプログラムの命令を処理する際に、情報処理システム２３０や他のユーザ端末が提供する情報及び／又はデータを用いて構成されるサービス画面などが入出力インタフェース３１８を介してディスプレイに表示され得る。図３では、入出力装置３２０がユーザ端末２１０に含まれないように示されるが、これに限定されず、ユーザ端末２１０と一体に構成することもできる。また、情報処理システム２３０の入出力インタフェース３３８は、情報処理システム２３０と連結するか、又は、情報処理システム２３０が含むことのできる入力や出力のための装置（図示せず）とのインタフェースのための手段であり得る。図３では、入出力インタフェース３１８、３３８をプロセッサ３１４、３３４と別途に構成された要素として示したが、これに限定されず、入出力インタフェース３１８、３３８がプロセッサ３１４、３３４に含まれるように構成することもできる。

【0046】

ユーザ端末２１０及び情報処理システム２３０は、図３に示す構成要素よりも多くの構成要素を含むことができる。しかしながら、大部分の従来技術的構成要素を明確に示す必要はない。一実施例によれば、ユーザ端末２１０は、前述した入出力装置３２０の少なくとも一部を含むように具現できる。また、ユーザ端末２１０は、トランシーバー（transceiver）、ＧＰＳ（Global Positioning System）モジュール、カメラ、各種センサ及びデータベースなどのような他の構成要素をさらに含むことができる。例えば、ユーザ端末２１０がスマートフォンである場合、一般に、スマートフォンが持つ構成要素を含むことができ、例えば、加速度センサ、ジャイロセンサ、カメラモジュール、各種物理的なボタン、タッチパネルを用いたボタン、入出力ポート、及び振動のための振動器などのような多様な構成要素が、ユーザ端末２１０にさらに含まれるように具現できる。一実施例によれば、ユーザ端末２１０のプロセッサ３１４は、商品群生成／提供サービスを提供するアプリケーションなどが動作するように構成できる。このとき、当該アプリケーション及び／又はプログラムと関連付けられたコードがユーザ端末２１０のメモリ３１２にローディングできる。

【0047】

商品群生成／提供サービスを提供するアプリケーションなどのためのプログラムが動作される間に、プロセッサ３１４は、入出力インタフェース３１８と連結したタッチスクリーン、キーボード、オーディオセンサ及び／又はイメージセンサを含むカメラ、マイクロホンなどの入力装置を介して入力或いは選択されたテキスト、イメージ、映像、音声、及び／又は動作などを受信でき、受信されたテキスト、イメージ、映像、音声、及び／又は動作などをメモリ３１２に保存し、または、通信モジュール３１６及びネットワーク２２０を介して、情報処理システム２３０に提供し得る。例えば、プロセッサ３１４は、入力装置３２０を介して、商品クエリを入力するユーザ入力を受信し、商品クエリ及び商品クエリと関連付けられたデータを、ネットワーク２２０及び通信モジュール３１６を介して、情報処理システム２３０に提供できる。他の例として、プロセッサ３１４は、トレンドキーワード又はトレンドの主題候補、商品群の少なくとも一つの商品、特売イベントの主題候補、特売イベントのターゲット消費者候補、特売イベントのトレンドキーワード候補、特売イベントの題目候補、及び／又は特売イベントに含まれる企画商品候補などに対するユーザの選択を示す入力を受信して、通信モジュール３１６及びネットワーク２２０を介して、情報処理システム２３０に提供できる。

【0048】

ユーザ端末２１０のプロセッサ３１４は、入力装置３２０、他のユーザ端末、情報処理システム２３０、及び／又は複数の外部システムから受信された情報及び／又はデータを管理、処理、及び／又は保存するように構成できる。プロセッサ３１４により処理された情報及び／又はデータは、通信モジュール３１６及びネットワーク２２０を介して、情報処理システム２３０に提供できる。ユーザ端末２１０のプロセッサ３１４は、入出力インタフェース３１８を介して、入出力装置３２０に情報及び／又はデータを転送して出力できる。例えば、プロセッサ３１４は、受信した情報及び／又はデータをユーザ端末の画面にディスプレイできる。

【0049】

情報処理システム２３０のプロセッサ３３４は、複数のユーザ端末２１０及び／又は複数の外部システムから受信された情報及び／又はデータを、管理、処理、及び／又は保存するように構成できる。プロセッサ３３４により処理された情報及び／又はデータは、通信モジュール３３６及びネットワーク２２０を介して、ユーザ端末２１０に提供できる。一実施例において、情報処理システム２３０のプロセッサ３３４は、複数のユーザ端末２１０から受信された複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出し、抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成できる。他の実施例において、情報処理システム２３０のプロセッサ３３４は、ユーザ端末２１０から受信される、商品群の少なくとも一つの商品に対するユーザの選択に応じて、少なくとも一つの商品を企画商品として含む特売イベントを生成できる。

【0050】

情報処理システム２３０のプロセッサ３３４は、ユーザ端末２１０のディスプレイ出力可能な装置（例、タッチスクリーンやディスプレイなど）、音声出力可能な装置（例、スピーカー）などの出力装置３２０を介して処理された情報及び／又はデータを出力するように構成できる。例えば、情報処理システム２３０のプロセッサ３３４は、生成された商品群（例えば、商品群に関する情報、商品群に含まれた商品に関する情報など）を、通信モジュール３３６及びネットワーク２２０を介して、ユーザ端末２１０に提供し、商品群をユーザ端末２１０のディスプレイ出力可能な装置などにより出力するように構成できる。

【0051】

図４は、本開示の一実施例による商品群生成方法４００を示すフローチャートである。一実施例において、商品群生成方法４００は、プロセッサ（例えば、情報処理システムの少なくとも一つのプロセッサ）により遂行できる。商品群生成方法４００は、プロセッサが複数の商品クエリと関連付けられたデータを受信することにより開始することができる（Ｓ４１０）。例えば、プロセッサは、複数のユーザ端末から、複数の商品クエリと関連付けられたデータを受信できる。付加的又は代替的に、プロセッサは、内部及び／又は外部のストレージ装置（例えば、商品クエリデータベースなど)から、複数の商品クエリと関連付けられたデータを受信できる。ここで、商品クエリと関連付けられたデータは、当該商品クエリそのもの（例えば、検索クエリ、検索キーワードを示すテキスト、イメージなど)、当該商品クエリが入力された日時、当該商品クエリが入力されたユーザ端末の情報（例えば、ユーザ端末の位置やＩＰ情報など)、当該商品クエリを入力したユーザの情報（例えば、ユーザアカウント又はプロフィール情報、ユーザの年齢、性別、職業など）を含むことができる。

【0052】

プロセッサは、複数の商品クエリと関連付けられたデータに基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出できる（Ｓ４２０）。一実施例において、プロセッサは、複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングし、複数の群集のうちで、一つ以上の群集から特定集団又は特定期間の少なくとも一つと関連付けられた一つ以上のトレンドキーワード（例えば、検索クエリ、トピックス、日付など）を抽出できる。例えば、プロセッサは、統計的主題埋め込みモデルを用いて、複数の商品クエリと関連付けられたデータを複数の群集にクラスタリングできる。

【0053】

その後、プロセッサは、抽出されたトレンドと関連付けられた一つ以上の商品を含む商品群を生成できる（Ｓ４３０）。例えば、プロセッサは、複数の商品のうちで一つ以上のトレンドキーワード（例えば、一つ以上の群集に含まれた検索クエリなど）と関連付けられた一つ以上の商品を抽出し、抽出された一つ以上の商品を含む商品群を生成できる。一実施例において、プロセッサは、一つ以上のトレンドキーワードに基づいて、トレンドの主題（例えば、一つ以上の群集に含まれた検索クエリ間の共通主題など）を決定し、トレンドの主題に基づいて、複数の商品のうちで、一つ以上のトレンドキーワードと関連付けられた一つ以上の商品を抽出できる。このために、プロセッサは、言語モデルを用いて、一つ以上のトレンドキーワードをトレンドの主題を示す文句や文章に変換できる。このように変換されたトレンドの主題を示す文句や文章は、特売イベントの題目として使用するための文句や文章を含むことができる。付加的又は代替的に、プロセッサは、商品抽出モデルを用いて、複数の商品のうちで、一つ以上のトレンドキーワード（または、トレンドの主題、トレンドの主題を示す文句や文章など）とマッチングされる一つ以上の商品を抽出できる。

【0054】

一実施例において、商品抽出モデルは、複数の商品の各々に関する情報に基づいて、複数の商品の各々に関する一つ以上のトレンドキーワードとのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、少なくとも一つ以上の商品を抽出して当該商品リストを出力するように学習されたモデルであり得る。さらに、商品抽出モデルは、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力するように学習されたモデルであり得る。付加的又は代替的に、商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワードに関する埋め込みデータを生成するように学習された埋め込み生成モデルを含むことができる。このとき、商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワードに関する埋め込みデータに基づいて、複数の商品の各々に関する一つ以上のトレンドキーワードとのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を一つ以上のトレンドキーワードとマッチングされる一つ以上の商品として出力するように学習されたモデルであり得る。

【0055】

付加的又は代替的に、商品抽出モデルは、学習の商品群と関連付けられた学習のトレンドキーワード（例えば、学習の商品群のトレンドの主題、学習の商品群のトレンドの主題を示す文句や文章など）に関する埋め込みデータと、学習の商品群に含まれる商品に関する埋め込みデータとの間のマッチングスコアが、学習のトレンドキーワードに関する埋め込みデータと、学習の商品群に含まれない商品に関する埋め込みデータとの間のマッチングスコアよりも大きくなるように強制するトリプレット損失関数（triplet loss function）を用いて学習されたモデルであり得る。ここで、学習の商品群は、以前に実際に生成した商品群及び／又は商品抽出モデルを学習するために人為的に生成された商品群を示すことができる。

【0056】

一実施例において、プロセッサは、生成された商品群を、ユーザ端末を介して出力し、出力された商品群の少なくとも一つの商品に対するユーザの選択に応じて、少なくとも一つの商品を企画商品として含む特売イベントを生成できる。

【0057】

図５は、本開示の一実施例による複数の商品クエリと関連付けられたデータ５１０からトレンドキーワード５４０を抽出する例を示す図である。類似の特徴（例えば、年齢、性別、職業、関心事など）を持つユーザを含むユーザ集団が、類似の時期（例えば、１週間内、１ヶ月内、春のような特定季節、連休又は記念日のような特定期間など）に検索した商品クエリは、当該ユーザ間で共有する同一又は類似のユーザ意図（例えば、ショッピング意図や検索意図）を含むことができる。このように、同一又は類似のユーザ意図によって入力又は検索される商品クエリは、一つ以上の群集にクラスタリングでき、同一又は類似のユーザ意図を含む群集からユーザの商品検索又は商品ショッピングトレンドが抽出される。

【0058】

例えば、プロセッサ（例えば、情報処理システムの少なくとも一つのプロセッサ）は、同一又は類似のユーザ意図（例えば、検索意図やショッピング意図など）を持つ商品クエリを含む一つ以上の群集を生成し、生成された一つ以上の群集から特定集団及び／又は特定時期のトレンドを抽出できる。ここで、特定集団は、一つ以上の群集に含まれた商品クエリを入力又は検索したユーザ集団そのものを示すことができる。付加的又は代替的に、特定集団は、一つ以上の群集に含まれた商品クエリを多数入力又は検索したユーザの性別、年齢、職業群などを示すことができる。また、商品クエリは、ユーザがショッピングのために入力又は検索したクエリのうち、有意味なクエリ（例えば、精製、フィルタリング、及び／又は前処理したショッピングクエリ）を含むことができる。

【0059】

一実施例において、プロセッサは、複数の商品クエリと関連付けられたデータ５１０を複数の群集５３０にクラスタリングすることで、複数の群集５３０を生成できる。その後、プロセッサは、複数の群集５３０のうちで、一つ以上の群集から特定集団又は特定期間の少なくとも一つと関連付けられた一つ以上のトレンドキーワード５４０を抽出できる。例えば、プロセッサは、複数の群集５３０のうちで、一つ以上の群集から一つ以上のトレンドキーワード５４０を抽出し、抽出された一つ以上のトレンドキーワード別特徴（例えば、当該トレンドキーワードを多数検索した集団、性別、年齢、時期など）に基づいて、一つ以上のトレンドキーワード５４０と関連付けられた特定集団及び／又は特徴期間を決定できる。すなわち、プロセッサは、受信された複数の商品クエリと関連付けられたデータ５１０に基づいて、特定集団又は特定期間の少なくとも一つと関連付けられたトレンドを抽出できる。

【0060】

また、プロセッサは、統計的主題埋め込みモデル５２０を用いて、複数の商品クエリと関連付けられたデータ５１０を複数の群集５３０にクラスタリングし、複数の群集５３０のうちで、一つ以上の群集から一つ以上のトレンドキーワード５４０を抽出できる。ここで、統計的主題埋め込みモデル５２０は、ショッピング意図（または、検索意図やクエリ意図）が共通した商品クエリを、一つ以上の群集にクラスタリングするように学習された、統計又は確率に基づいたクラスタリングモデル及び／又は埋め込みモデルであり得る。図に示すように、プロセッサは、複数の商品クエリと関連付けられたデータ５１０を統計的主題埋め込みモデル５２０に入力することで、複数の商品クエリと関連付けられたデータ５１０の各々に対応する複数の埋め込みデータを生成できる。プロセッサは、生成された複数の埋め込みデータを複数の群集５３０にクラスタリングできる。その後、プロセッサは、複数の群集５３０のうちで、一つ以上の群集から一つ以上のトレンドキーワード５４０を抽出できる。

【0061】

一実施例において、プロセッサは、統計的主題埋め込みモデル５２０を用いて、複数の商品クエリと関連付けられたデータ５１０に基づいて、各商品クエリを埋め込み空間に埋め込むことができる。その後、プロセッサは、埋め込み空間における各商品クエリ間の距離に基づいて、複数の商品クエリを複数の群集５３０にクラスタリングできる。例えば、プロセッサは、埋め込み空間において基準商品クエリ（例えば、シード（seed）キーワード）を基準として、距離が近い商品クエリを含む群集を生成することで、複数の商品クエリを複数の群集５３０にクラスタリングできる。ここで、基準商品クエリは、トレンド性を示す商品クエリ又はキーワードを含むことができる。

【0062】

プロセッサは、複数の商品クエリを複数の群集５３０にクラスタリングするために、基準商品クエリを決定できる。すなわち、プロセッサは、複数の商品クエリと関連付けられたデータ５１０に基づいて、トレンド性を示す基準商品クエリ（または中心商品クエリ）を決定できる。一実施例において、プロセッサは、複数の商品クエリと関連付けられたデータ５１０に基づいて、特定時期（例、夏や冬など）及び／又は特定集団（例、特定の年齢や性別）に関する人気キーワードを抽出し、抽出した人気キーワードを基準商品クエリとして決定できる。例えば、プロセッサは、複数の商品クエリと関連付けられたデータ５１０に基づいて、時期的な特徴を反映したキーワードを発見して、基準商品クエリ（例えば、シードキーワードやメーン意図キーワード）として決定できる。ここで、基準商品クエリは、現在又は未来の特定時点や期間に対応する人気キーワードを含むことができ、これにより、プロセッサは、運営者が所望の現在又は未来の特定時点や期間に対応する特売イベントを生成できる。

【0063】

基準商品クエリを決定するために、プロセッサは、性別／年齢別の商品クエリ流入量に基づいて、時系列データ（time series data）を構成して、分析し、高い季節性（seasonality）、トレンド（trend）、商品クエリ流入量を持つ商品クエリを選定できる。現在の季節性が高い商品クエリ（またはキーワード）の場合、現在と時間的に隣接している過去及び未来にも季節性パターンが類似しているように維持され得る。したがって、プロセッサは、商品クエリ流入量を観測出来ない未来時点（例えば、１週間後や２週間後）の商品クエリの時系列データの代りに、過去の同一期間（例えば、１年前の同じ日付や同じ季節など）に収集された時系列データを分析して、基準商品クエリを決定できる。

【0064】

一例として、プロセッサは、精製及び／又はフィルタリングにより獲得した有効な商品クエリを統計的主題埋め込みモデル５２０に入力することで、埋め込み空間上において各商品クエリを埋め込み、基準商品クエリ（またはキーワード）（例えば、「ベビーカバーオール」）を中心として、埋め込み空間上において距離の近い商品クエリ（またはキーワード）（例えば、「マザーズバッグ」、「新生児用チャイルドシート」、「抱っこひも」など）を含む群集を生成できる。その後、プロセッサは、当該群集から一つ以上のトレンドキーワード５４０を抽出し、当該群集及び／又は一つ以上のトレンドキーワード５４０と関連付けられた特定集団及び／又は特定時期を決定することで、決定された特定集団及び／又は特定時期と関連付けられたトレンドを抽出できる。

【0065】

群集から抽出される一つ以上のトレンドキーワード５４０は、当該群集に含まれた商品クエリに含まれるキーワード、当該群集が示す主題（theme）、当該群集に含まれた商品クエリ等の共通した特徴、当該群集と関連付けられたユーザ集団、当該群集と関連付けられた時期などを含むことができる。例えば、「ベビーカバーオール」群集から抽出された一つ以上のトレンドキーワード５４０は、「ベビーカバーオール」群集に含まれた商品クエリ（すなわち、当該群集のクエリセット）である「マザーズバッグ」、「新生児用チャイルドシート」、「抱っこひも」などを含むことができる。付加的又は代替的に、「ベビーカバーオール」群集から抽出された一つ以上のトレンドキーワード５４０は、「ベビーカバーオール」群集の主題（例えば、「ベビーカバーオール」群集に含まれた商品クエリ等の共通した特徴、カテゴリ、連関性、クエリ意図など）である「新生児出産」、「育児」、「新生児」などを含むことができる。付加的又は代替的に、「ベビーカバーオール」群集から抽出された一つ以上のトレンドキーワード５４０は、「ベビーカバーオール」群集に含まれた商品クエリが多数入力された時期である「４月」などを含むことができる。付加的又は代替的に、「ベビーカバーオール」群集から抽出された一つ以上のトレンドキーワード５４０は、「ベビーカバーオール」群集に含まれた商品クエリを多数入力したユーザ等の集団の年齢、性別、結婚の有無に関する属性である「３０代」、「女性」、「既婚者」などを含むことができる。このように群集から抽出された一つ以上のトレンドキーワード５４０に基づいて、当該群集に関するトレンドの題目（または特売イベントの題目）（例えば、「新生児出産テーマ」）を生成できる。

【0066】

複数の商品クエリと関連付けられたデータ５１０は、多様な形態のデータであり得る。例えば、複数の商品クエリと関連付けられたデータ５１０は、テキストデータやベクトルデータなどのような多様な形態のデータを含むことができる。

【0067】

図６は、本開示の一実施例により、トレンドキーワード６１０に基づいて、トレンドの主題を示す特売イベントの題目６３０を決定する例を示す図である。プロセッサ（例えば、情報処理システムの少なくとも一つのプロセッサ）は、一つ以上のトレンドキーワード６１０に基づいて、トレンドの主題を決定できる。一実施例において、プロセッサは、一つ以上のトレンドキーワード６１０を単純に組み合わせて、トレンドの主題を示す文句や文章を生成できる。他の実施例において、プロセッサは、言語モデルを用いて、一つ以上のトレンドキーワード６１０をトレンドの主題を示す文句や文章に変換できる。ここで、トレンドの主題を示す文句や文章は、特売イベントの題目として使用され得る。例えば、特売イベントを生成する際に、プロセッサは、一つ以上のトレンドキーワード６１０に基づいて、トレンドの主題を示す特売イベントの題目６３０を決定できる。このために、プロセッサは、特売イベントの題目を生成する特売イベント題目生成部（または、特売イベント題目生成器（sales event title generator））６２０を含むことができる。

【0068】

一実施例において、特売イベント題目生成部６２０は、入力される一つ以上のトレンドキーワード６１０を単純に組み合わせて、トレンドの主題を示す特売イベントの題目６３０を生成できる。他の実施例において、特売イベント題目生成部６２０は、言語モデルを用いて、一つ以上のトレンドキーワード６１０をトレンドの主題を示す特売イベントの題目に変換できる。このとき、特売イベント題目生成部６２０は、言語モデルを含むことができ、言語モデルは、入力キーワードに基づいて、入力キーワードの意図（例えば、キーワードと関連付けられた主題など）が表示される文句や文章を生成するように学習された人工神経網モデル及び／又は統計モデルであり得る。すなわち、言語モデルは、入力される複数のトレンドキーワード間の関係と意味を認知して、トレンドの主題を示す文句や文章を生成するように学習されたモデルであり得る。

【0069】

図に示すように、特売イベント題目生成部６２０は、「ラッシュガード」、「水着」、「ビーチウエア」、「６月２７日」を含むトレンドキーワード６１０の入力により、特売イベントの題目「待って！ウォーターパーク」６３０を生成できる。一実施例において、特売イベント題目生成部６２０は、一つ以上のトレンドキーワード６１０の入力により、複数の文句や文章を生成できる。このとき、プロセッサは、特売イベント題目生成部６２０により生成された複数の文句や文章の少なくとも一つを特売イベントの題目６３０として決定できる。例えば、プロセッサは、特売イベント題目生成部６２０により生成された複数の文句や文章を特売イベントの題目候補としてユーザ端末（例えば、特売イベント運営者の端末）を介して出力し、出力された複数の文章の少なくとも一つの文句や文章に対するユーザ（例えば、特売イベント運営者）の選択に応じて、選択された少なくとも一つの文句や文章を特売イベントの題目６３０として決定できる。代替的に、プロセッサは、ユーザがユーザ端末を介して直接入力した文句や文章を受信して、特売イベントの題目として決定できる。

【0070】

図７は、本開示の一実施例によるトレンドキーワード７１０及び／又はトレンドの主題７２０に基づいて、複数の商品のうちで、トレンドキーワード７１０及び／又はトレンドの主題７２０とマッチングされる一つ以上の商品を抽出する例を示す図である。プロセッサ（例えば、情報処理システムの少なくとも一つのプロセッサ）は、複数の商品のうちで、一つ以上のトレンドキーワード７１０及び／又はトレンドの主題７２０と関連付けられた一つ以上の商品７４０を抽出できる。一実施例において、プロセッサは、商品抽出モデル７３０を用いて、複数の商品のうちで、一つ以上のトレンドキーワード７１０とマッチングされる一つ以上の商品７４０を抽出できる。付加的又は代替的に、プロセッサは、トレンドの主題７２０に基づいて、複数の商品のうちで、一つ以上のトレンドキーワード７１０と関連付けられた一つ以上の商品７４０を抽出できる。

【0071】

ここで、商品抽出モデル７３０は、入力されるトレンドキーワード７１０及び／又はトレンドの主題７２０とマッチングされる一つ以上の商品７４０を出力するように学習されたモデルであり得る。例えば、商品抽出モデル７３０は、複数の商品の各々に関する情報（例えば、商品の題目、カテゴリ、タグ、紹介文、レビュー、イメージなど）に基づいて、複数の商品の各々に対する一つ以上のトレンドキーワード７１０とのマッチングスコア（例えば、埋め込み空間における距離）を算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を一つ以上のトレンドキーワード７１０とマッチングされる一つ以上の商品７４０として出力するように学習されたモデルであり得る。

【0072】

図に示すように、プロセッサは、トレンドキーワード７１０及び／又はトレンドの主題７２０を商品抽出モデル７３０に入力することで、複数の商品のうちで、商品抽出モデル７３０から出力される一つ以上の商品７４０を含む商品群を生成できる。ここで、商品抽出モデル７３０に入力されるトレンドキーワード７１０及び／又はトレンドの主題７２０は、トレンドキーワードの組合せ、トレンドキーワードを含む文章や文句、トレンドの主題を示す文章や文句（例えば、トレンドの題目）、特売イベントの題目などを含むことができる。さらに、商品抽出モデル７３０に入力されるトレンドキーワード７１０及び／又はトレンドの主題７２０は、当該トレンドと関連付けられた消費者集団、時期、商品クエリなどに関する情報を含むことができる。

【0073】

例えば、プロセッサがトレンドの題目７２０に該当する特売イベントの題目「待って！ウォーターパーク」を商品抽出モデル７３０に入力することで、商品抽出モデル７３０は、複数の商品のうち、当該特売イベントの題目とマッチングスコアが高い商品（すなわち、特売イベントの題目とマッチングされる商品）である「水着」、「水泳帽」、「アクアシューズ」、「プールバック」、「ウォーターパークシーズン券」などを出力できる。プロセッサは、このように出力された複数の商品の少なくとも一部を含む商品群を生成できる。一実施例において、プロセッサは、生成された商品群を、ユーザ端末を介して出力し、出力された商品群の少なくとも一つの商品に対するユーザの選択に応じて、少なくとも一つの商品を企画商品として含む特売イベントを生成できる。他の実施例において、プロセッサは、出力された複数の商品の少なくとも一部を企画商品として自動的に決定し、企画商品を含む特売イベントを生成できる。

【0074】

図８は、本開示の一実施例による商品抽出モデルを学習する例を示す図である。前述した商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワード（または、トレンドの主題）に関する埋め込みデータを生成するように学習された埋め込み生成モデルを含むことができる。ここで、埋め込み生成モデルは、入力される複数の商品の各々に関する情報に基づいて、複数の商品の各々に関する埋め込みデータを生成できる。例えば、埋め込み生成モデルは、複数の商品の各々の商品名、カテゴリ、販売者、タグ、ブランド、製造社、商品説明、オプション、価格、及びイメージなどに基づいて、複数の商品の各々に関する埋め込みデータを生成するように学習されたモデルであり得る。このとき、商品抽出モデルは、複数の商品の各々に関する埋め込みデータ及び一つ以上のトレンドキーワード（または、トレンドの主題）に関する埋め込みデータに基づいて、複数の商品の各々に関する一つ以上のトレンドキーワード（または、トレンドの主題）とのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数の商品を抽出し、抽出された既定数の商品を一つ以上のトレンドキーワード（または、トレンドの主題）とマッチングされる一つ以上の商品として出力するように学習された人工神経網モデル及び／又は統計モデルであり得る。

【0075】

プロセッサ（例えば、情報処理システムの少なくとも一つのプロセッサ）は、商品抽出モデルを生成及び／又は学習するために、学習の商品群に関するデータを受信及び／又は複数の商品の各々に関する情報を受信できる。ここで、学習の商品群に関するデータは、以前に実際に生成した商品群（例えば、実際に実行された特売イベントの企画商品等）に関するデータ及び／又は商品抽出モデルを学習するために人為的に生成した商品群に関するデータを含むことができる。また、商品群に関するデータは、当該商品群のトレンドキーワード、トレンドの主題、当該商品群に含まれる商品に関する情報、当該商品群のトレンドと関連付けられた消費者集団、及び当該商品群のトレンドと関連付けられた時期などを含むことができる。また、学習の商品群に関するデータは、情報処理システムの内部及び／又は外部のストレージ装置から受信できる。

【0076】

プロセッサは、学習の商品群に関するデータ及び複数の商品の各々に関する情報に基づいて、トレンドキーワード（または、トレンドの主題）が入力されることで、トレンドキーワード（または、トレンドの主題）とマッチングされる一つ以上の商品を出力するように商品抽出モデルを学習できる。一実施例において、プロセッサは、トレンドキーワードが入力されることで、複数の商品の各々に関するトレンドキーワードとのマッチングスコアを算出し、算出されたマッチングスコアに基づいて、複数の商品のうちで既定数（例えば、１０個）の商品（例えば、マッチングスコア順位が１位から１０位に該当する商品）を抽出し、抽出された既定数の商品を、トレンドキーワードとマッチングされる一つ以上の商品として出力するように、商品抽出モデルを学習できる。

【0077】

一実施例において、プロセッサは、埋め込みデータ生成モデル（例えば、ＢＥＲＴ（Bidirectional Encoder Representations from Transformers）のような言語モデル）を用いて、学習の商品群と関連付けられた学習のトレンドキーワード（または、学習のトレンドの主題）に関する埋め込みデータ、学習の商品群に含まれる商品に関する埋め込みデータ、及び学習の商品群に含まれない商品に関する埋め込みデータを生成できる。例えば、プロセッサは、埋め込みデータ生成モデルに対し、学習の商品群の学習のトレンドキーワード（または、学習のトレンドの主題）を入力することで、学習のトレンドキーワード（または、学習のトレンドの主題）に関する埋め込みデータを生成でき、学習の商品群に含まれる商品（例えば、学習の商品群に含まれる商品に関する情報）を入力することで、学習の商品群に含まれる商品に関する埋め込みデータを生成でき、学習の商品群に含まれない商品（例えば、学習の商品群に含まれない商品に関する情報）を入力することで、学習の商品群に含まれない商品に関する埋め込みデータを生成できる。その後、プロセッサは、学習のトレンドキーワード（または、学習のトレンドの主題）に関する埋め込みデータと、学習の商品群に含まれる商品に関する埋め込みデータとの間のマッチングスコアが、学習のトレンドキーワード（または、学習のトレンドの主題）に関する埋め込みデータと、学習の商品群に含まれない商品に関する埋め込みデータとの間のマッチングスコアよりも大きくなるように強制するトリプレット損失関数を用いて、商品抽出モデルを学習できる。ここで、埋め込みデータ間のマッチングスコアは、埋め込み空間上において埋め込みデータ間の距離と反比例することができる。

【0078】

さらに、商品抽出モデルの性能を向上させるために、学習データとして学習の商品群に含まれない商品を抽出するためのサンプリング過程（例えば、negative sampling）を遂行できる。一実施例において、プロセッサは、学習の商品群には含まれない複数の商品のうちで、学習の商品群に含まれた商品に対して一部の類似の特徴を含む商品を学習データ（すなわち、negative data）としてサンプリングできる。例えば、「シェーバー」商品群を学習の商品群として商品抽出モデルを学習する場合、プロセッサは、「シェーバー」商品群に含まれない複数の商品のうちで、シェーバーと同一のカテゴリ（例えば、「デジタルカテゴリ」）に含まれる商品である「ヘアドライヤー」を、商品抽出モデルを学習するための「学習の商品群に含まれない商品」として抽出できる。このとき、商品抽出モデルは、商品等のより細部的な特徴まで考慮して商品群に含まれる商品を抽出するように学習できる。

【0079】

図に示すように、プロセッサは、学習のトレンドキーワードＡ（「ａｎｃｈｏｒ」という）８１２、学習の商品群に含まれる商品Ｂ（すなわち、学習の商品群の商品）（「ｐｏｓｉｔｉｖｅ」という）８１４、及び学習の商品群に含まれない商品Ｃ（すなわち、学習の商品群の商品でない任意の商品）（「ｎｅｇａｔｉｖｅ」という）８１６の各々を埋め込み生成モデル８１０に入力して、学習のトレンドキーワードＡ、商品Ｂ、及び商品Ｃの各々に関する埋め込みデータを生成できる。その後、プロセッサは、埋め込み空間において、学習のトレンドキーワードＡに関する埋め込みデータ８２２と、商品Ｂに関する埋め込みデータ８２４との間の距離が近くなる方向に、学習のトレンドキーワードＡに関する埋め込みデータ８２２と、商品Ｃに関する埋め込みデータ８２６との間の距離が遠くなる方向に、商品抽出モデルを学習できる。

【0080】

図９は、本開示の一実施例により、ユーザ（例えば、運営者）が特売イベントを生成する例を示す図である。本開示の一部の実施例により生成された商品群に基づいて、情報処理システムは、一つ以上の特売イベントを生成できる。例えば、情報処理システムは、生成された商品群に含まれた少なくとも一部の商品を企画商品とする特売イベントを生成できる。一実施例において、情報処理システムは、本開示の一部の実施例により抽出／生成される、トレンドキーワードを、特売イベントのトレンドキーワード候補９１４として、トレンドの主題を、特売イベントの主題候補（または、特売イベントのターゲット消費者候補）９１２及び／又は特売イベントの題目候補９１６として、商品群を企画商品候補９２２として、特売イベントの運営者に提供できる。このとき、情報処理システムは、特売イベントの主題候補９１２（または、特売イベントのターゲット消費者候補）、特売イベントのトレンドキーワード候補９１４、特売イベントの題目候補９１６及び／又は特売イベントに含まれる企画商品候補９２２の少なくとも一つに対する運営者の選択に応じて、一つ以上の特売イベントを生成できる。

【0081】

ユーザ端末（例えば、ユーザ端末の少なくとも一つのプロセッサ）は、ユーザ（例えば、運営者）に特売イベントの生成のためのユーザインタフェースを提供できる。一実施例において、ユーザ端末は、特売イベントの主題候補９１２をディスプレイ上に表示できる。例えば、ユーザ端末は、特売イベントのターゲットとなる特定集団及び／又は特定時期に関する候補をディスプレイ上に表示できる。その後、ユーザ端末は、特売イベントの主題候補９１２の少なくとも一つを選択するユーザ入力を受信して、これと関連付けられた要請及び／又はデータを情報処理システムに転送できる。

【0082】

一実施例において、情報処理システムは、複数の商品クエリをクラスタリングすることにより生成された複数の群集のうちで、ユーザが選択した特売イベントの主題（すなわち、ユーザが選択した特定集団及び／又は特定時期）と関連付けられた一つ以上の群集から、一つ以上のトレンドキーワードを抽出して、トレンドキーワード候補９１４としてユーザ端末を介して出力できる。ここで、一つ以上の群集は、ユーザの選択した特定集団が多数入力した商品クエリを含む群集及び／又は特定時期に多数入力された商品クエリを含む群集であり得る。ユーザ端末は、トレンドキーワード候補９１４をディスプレイ上に表示でき、トレンドキーワード候補９１４の少なくとも一つのトレンドキーワードを選択するユーザ入力を受信して、これと関連付けられた要請及び／又はデータを情報処理システムに転送できる。

【0083】

一実施例において、情報処理システムは、ユーザが選択した少なくとも一つのトレンドキーワードに基づいて一つ以上の文章を生成して、特売イベントの題目候補９１６としてユーザ端末を介して出力できる。例えば、情報処理システムは、ユーザが選択した少なくとも一つのトレンドキーワードだけでなく、ユーザが選択した特売イベントの主題と関連付けられたキーワード、一つ以上の群集と関連付けられたキーワード、及び／又はトレンドキーワードと類似のキーワードに基づいて、一つ以上の文句や文章を生成して、特売イベントの題目候補９１６としてユーザ端末を介して出力できる。ユーザ端末は、特売イベントの題目候補９１６をディスプレイ上に表示でき、特売イベントの題目候補９１６の少なくとも一つを選択するユーザ入力を受信して、これと関連付けられた要請及び／又はデータを情報処理システムに転送できる。

【0084】

一実施例において、情報処理システムは、複数の商品のうちで、ユーザが選択した特売イベントの題目とマッチングされる少なくとも一つの商品を抽出し、抽出された少なくとも一つの商品を含むリストを、企画商品候補９２２としてユーザ端末を介して出力できる。これにより、ユーザ端末は、少なくとも一つの商品を含むリスト（すなわち、企画商品候補）をディスプレイ上に表示でき、リスト（すなわち、企画商品候補）の少なくとも一つの商品を企画商品として選択するユーザ入力を受信して、これと関連付けられた要請及び／又はデータを情報処理システムに転送できる。さらに、情報処理システムは、ユーザ端末から特売イベントの生成及び／又は発行に関する要請を受信できる。

【0085】

情報処理システムは、前述したように、受信された要請及び／又はデータに基づいて、ユーザが選択した特売イベントの主題、トレンドキーワード、特売イベントの題目、及び／又は企画商品を含む特売イベントを生成及び／又は発行できる。付加的又は代替的に、ユーザは、特売イベントの主題、トレンドキーワード、特売イベントの題目、及び／又は企画商品を候補群から選択しないで直接入力できる。すなわち、情報処理システムは、ユーザが入力した特売イベントの主題、トレンドキーワード、特売イベントの題目、及び／又は企画商品に基づいて、特売イベントを生成及び／又は発行できる。情報処理システムは、特売イベントを生成及び発行することにより、消費者らに特売イベントを提供できる。

【0086】

第１の動作９１０に示すように、ユーザ端末は、特売イベントの主題候補９１２として、期間候補（「今週」、「来週」、「２週後」、「３週後」）及び／又は集団候補（「１０代前半」、「１０代後半」、「２０代前半」「３０代」、「４０代」、「５０代」、「６０代」、「男性」、「女性」）を、ユーザインタフェースを介して出力できる。出力された特売イベントの主題候補９１２の少なくとも一つ（例えば、「２週後」、「４０代」、「女性」）を選択するユーザ入力に応じて、ユーザ端末は、選択された期間及び／又は集団と関連付けられた第１の群集から抽出されたトレンドキーワード候補（「お家づくり」、「照明」、「カーテン」、「インテリア」）９１４及び第２の群集から抽出されたトレンドキーワード候補（「パーカー」、「フード」、「冬服」）９１４を、ユーザインタフェースを介して出力できる。ここで、第１の群集及び／又は第２の群集は、選択された期間に多数入力された商品クエリと関連付けられた群集及び／又は選択された集団が多数入力した商品クエリと関連付けられた群集であり得る。

【0087】

ユーザ端末は、出力されたトレンドキーワード候補９１４の少なくとも一つ（「お家づくり」、「照明」、「インテリア」）を選択するユーザ入力に応じて、選択されたトレンドキーワードに基づいて生成された特売イベントの題目候補（「照明でお家づくりってどう？」、「今年の冬のインテリアアイテム」）９１６を、ユーザインタフェースを介して出力できる。第１の動作９１０から出力された特売イベントの題目候補９１６の少なくとも一つ（「照明でお家づくりってどう？」）を選択するユーザ入力に応じて、ユーザ端末は、第２の動作９２０に示すように、選択された特売イベントの題目とマッチングされる一つ以上の商品（「Ａスタンド（floor lamp）」、「Ｂスタンド（table lamp）」、「Ｃスタンド（table lamp）」）を含む企画商品候補９２２を出力できる。出力された企画商品候補９２２の少なくとも一つの商品（「Ａスタンド（floor lamp）」）を選択するユーザ入力に基づいて、選択された少なくとも一つの商品を含む特売イベントを生成できる。さらに、生成された特売イベントの発行を要請するユーザ入力により、当該特売イベントが発行されることで、消費者らに提供できる。

【0088】

図１０は、本開示の一実施例によるユーザ（例えば、運営者）に一つ以上の特売イベントの候補１０００が提供される例を示す図である。本開示の一部の実施例により生成された商品群に基づいて、情報処理システムは、一つ以上の特売イベントを生成できる。すなわち、前述した実施例により、情報処理システムは、トレンドを抽出し、抽出されたトレンドと関連付けられた特売イベントを生成できる。例えば、情報処理システムは、生成された商品群の少なくとも一部の商品を企画商品とする一つ以上の特売イベントを生成できる。このとき、情報処理システムは、トレンドの主題を示す文句や文章を特売イベントの題目として決定できる。情報処理システムは、ユーザ端末を介して、ユーザに生成された一つ以上の特売イベントを特売イベントの候補１０００として提供できる。ユーザ端末は、特売イベントの候補１０００に該当する一つ以上の特売イベントに関する情報をディスプレイ上に表示できる。

【0089】

図に示すように、ユーザ端末は、特売イベントの候補１０００として「冬の健康管理食品」、「冬制服のスタイリング」、「新年のプレゼントを予め準備」、「スキー場へ行こう」を、ユーザインタフェースを介して出力できる。例えば、ユーザ端末は、特売イベントの候補の各々に対するターゲット消費者（例えば、「５７～６３歳男性」、「１８歳女性」、「４５～５５歳女性」、「２０～３０代男性」）、時期、イメージ、ハッシュタグ（「＃健康」、「＃お年寄り」、「＃学生」など）、特売イベントの題目などを、ユーザインタフェースを介して出力できる。さらに、ユーザ端末は、特売イベントの候補１０００の少なくとも一つの特売イベントを、選択するユーザ入力に応じて、選択された特売イベントの詳細な構成をディスプレイ上に表示できる。

【0090】

一実施例において、情報処理システムは、自動的に生成した一つ以上の特売イベントに関する情報を特売イベントの運営者に提供し、一つ以上の特売イベントの少なくとも一つに対する運営者の選択に応じて、選択された特売イベントを発行できる。代替的に、情報処理システムは、自動的に生成した一つ以上の特売イベントを直ちに発行できる。ユーザが、特売イベントの候補１０００の少なくとも一つの特売イベントを選択し、選択された特売イベントの発行要請を遂行することで、当該特売イベントが生成及び発行され、消費者らに提供できる。図１０では、ユーザ端末が４つの特売イベントの候補を出力しているが、これに限定されず、異なる数の特売イベントの候補を出力できる。

【0091】

前述した方法は、コンピュータで実行するためのコンピュータプログラムとして提供され得る。媒体は、コンピュータで実行可能なプログラムを継続的に保存し、または、実行又はダウンロードのために一時保存するものであり得る。また、媒体は、単一又は多数のハードウェアが結合された形態の多様な記録手段又は保存手段であり得るが、あるコンピュータシステムに直接的に接続される媒体に限定されず、ネットワーク上に分散して存在するものであり得る。媒体の例としては、ハードディスク、フロッピー（登録商標）ディスクや磁気テープのような磁気媒体、ＣＤ－ＲＯＭやＤＶＤのような光記録媒体、フロプティカルディスク（floptical disk）のような磁気－光媒体（magneto-optical medium）、ＲＯＭ、ＲＡＭ、フラッシュメモリなどを含み、プログラム命令語が保存されるように構成されたものが挙げられる。また、他の媒体の例としては、アプリケーションを流通するアプリストアやその他の多様なソフトウェアを供給乃至流通するサイト、サーバーなどで管理する記録媒体乃至保存媒体も挙げられる。

【0092】

本開示の方法、動作、又は技法は、多様な手段により具現できる。例えば、このような技法は、ハードウェア、ファームウェア、ソフトウェア、若しくは、これらの組合せで具現できる。本願の開示により説明された多様な例示的な論理的ブロック、モジュール、回路、及びアルゴリズムステップは、電子ハードウェア、コンピュータソフトウェア、若しくは、両方の組合せで具現できることを、当業者であれば理解できるはずである。ハードウェア及びソフトウェアのこのような相互の代替を明確に説明するために、多様な例示的な構成要素、ブロック、モジュール、回路、及びステップが、それらの機能的観点から一般的に前述された。そのような機能が、ハードウェアとして具現されるか、若しくは、ソフトウェアとして具現されるかは、特定アプリケーション及び全体システムに付加される設計要求事項によって変化する。当業者は、各々の特定アプリケーションのために多様な方式により説明された機能を具現することもできるが、そのような具現は、本開示の範囲から逸脱するものと解釈してはならない。

【0093】

ハードウェアの具現において、技法の遂行に利用されるプロセッシングユニットは、一つ以上のＡＳＩＣ、ＤＳＰ、デジタル信号処理デバイス（digital signal processing devices、DSPD）、プログラム可能な論理デバイス（programmable logic devices、PLD）、フィールドプログラム可能なゲートアレイ（field programmable gate arrays、FPGA）、プロセッサ、制御器、マイクロ制御器、マイクロプロセッサ、電子デバイス、本開示に説明された機能を遂行するように設計された他の電子ユニット、コンピュータ、若しくは、これらの組合せにおいても具現され得る。

【0094】

したがって、本開示により説明された多様な例示的な論理的ブロック、モジュール、及び回路は、汎用プロセッサ、ＤＳＰ、ＡＳＩＣ、ＦＰＧＡや他のプログラム可能な論理デバイス、離散ゲートやトランジスタロジック、離散ハードウェアコンポーネント、若しくは、本願に説明された機能を遂行するように設計されたもの等の任意の組合せで、具現又は遂行されることもできる。汎用プロセッサは、マイクロプロセッサであり得るが、代替的に、プロセッサは、任意の従来のプロセッサ、制御器、マイクロ制御器、若しくは、状態マシンであり得る。プロセッサは、また、コンピューティングデバイスの組合せ、例えば、ＤＳＰとマイクロプロセッサ、複数のマイクロプロセッサ、ＤＳＰコアと関連付けられる一つ以上のマイクロプロセッサ、若しくは、任意の他の構成の組合せで具現されることもできる。

【0095】

ファームウェア及び／又はソフトウェアの具現において、技法は、ＲＡＭ（random access memory）、ＲＯＭ（read-only memory）、ＮＶＲＡＭ（non-volatile random access memory）、ＰＲＯＭ（programmable read-only memory）、ＥＰＲＯＭ（erasable programmable read-only memory）、ＥＥＰＲＯＭ（electrically erasable PROM）、フラッシュメモリ、ＣＤ（compact disc）、磁気又は光学データストレージデバイスなどのようなコンピュータ読取り可能な媒体上に保存された命令で具現できる。命令は、一つ以上のプロセッサによって実行可能であり、プロセッサ等が、本開示に説明された機能の特定様態を遂行するようにできる。

【0096】

前述した実施例は、一つ以上の独立型コンピュータシステムで現在開示された主題の様態を活用するものとして記述されているが、本開示は、これに限定されず、ネットワークや分散コンピューティング環境のような任意のコンピューティング環境によって具現できる。さらに、本開示における主題の様態は、複数のプロセッシングチップや装置で具現されることもでき、ストレージは、複数の装置にわたって類似に影響を受けることもできる。このような装置は、ＰＣ、ネットワークサーバー、及び携帯用装置を含むこともできる。

【0097】

本明細書では、本開示が一部の実施例によって説明されてきたが、本開示の発明が属する技術分野における当業者が理解し得る本開示から逸脱しない範囲内で、多様な変形や変更が可能である。また、そのような変形や変更は、本明細書に添付された特許請求の範囲内に属するものと理解されるべきである。

【符号の説明】

【0098】

１００ ユーザ
１１０ ユーザ端末
１２０ 画面

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】