另一产品的产品，该 另一产品的出货量由出货量获取单元903获取并且等于或者小于预先确定的阈值。更特别 地，产品推荐单元905推荐应当利用具有高于产品的得分的另一产品来替换具有小出货量 的前者产品。在该示例性实施例中，产品推荐单元905推荐例如其由出货量获取单元903、占 所有产品的底部20%的获取的出货量的产品的替换。
[0279]推荐结果输出设备906输出表示从产品推荐单元905输出的信息的推荐结果911。
[0280] 图23是图示根据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。
[0281] 模型获取单元901首先从模型数据库500获取针对所有现有店铺的成分（步骤 S401)。分类单元902基于表示由模型获取单元901获取的成分的系数，将现有店铺分类为多 个聚类(步骤S402)。例如，分类单元902基于成分系数来计算现有店铺中间的类似度。
[0282]出货量获取单元903从学习数据库300获取包括目标店铺的聚类中的现有店铺处 正被交易的产品的出货量(步骤S403)。得分计算单元904计算针对其出货量已经由出货量 获取单元903获取的每个产品的得分。产品推荐单元905基于由出货量获取单元903获取的 出货量来指定具有小于预先确定的阈值的出货量的产品（占所有产品的底部20%的产品） (步骤 S44〇5)。
[0283]产品推荐单元905将例如具有高于与另一产品相同类别的另一产品的得分的得分 的产品确定为推荐的产品，以替换具有占底部20%的出货量的目标产品。推荐结果输出设 备906输出由产品推荐单元905获得的推荐结果911(步骤S407)。目标店铺的监督员或者另 一类型的人员根据推荐结果911来确定在该目标店铺处要被交易的产品。对于基于推荐结 果911所确定的待交易的产品而言，出货量的预测设备810(出货量预测设备810)执行用于 预测出货量的过程和用于确定订货量的过程，如第一示例性实施例至第五示例性实施例所 不。
[0284] 如上文所描述的，根据该示例性实施例，产品推荐设备900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交易得很好的产品。
[0285] 该示例性实施例假定产品推荐设备900推荐产品来替换在现有店铺处交易的另一 产品，但是本发明不限于此。例如，在其他示例性实施例中，产品推荐设备900可以推荐附加 地待引入到现有店铺中的产品。例如，在其他示例性实施例中，产品推荐设备900可以推荐 在新的店铺处要被交易的产品。
[0286]此外，该示例性实施例假定分类单元902基于被存储在模型数据库500中的成分来 执行分类为聚类，但是本发明不限于此。例如，在其他示例性实施例中，分类单元902可以基 于店铺属性来执行聚类。例如，在其他示例性实施例中，分类单元902可以基于针对每个产 品类别的PI值来执行聚类。
[0287]此外，该示例性实施例假定得分计算单元904基于出货量和正被交易的相关产品 所在的店铺的数目来计算得分，但是本发明不限于此。例如，在其他示例性实施例中，得分 计算单元904可以存储由多个先前的推荐操作获得的、针对每个产品的得分，并且基于所存 储的得分的变化来更新当前得分。换句话说，得分计算单元904可以计算例如将当前得分与 过去得分之间的差乘以预先确定的系数所获得的校正值添加到基于出货量和正被交易的 相关产品所在的店铺的数目所计算的当前得分的结果作为得分。得分可以被计算为，例如： [0288]得分=当前得分+ ai X (当前得分一第一先前的得分)+a2 X (当前得分一第二先前 的得分)++anX (当前得分一第η先前的得分）...（等式B)，
[0289]其中，系数ai至an是提前确定的值。
[0290] ?基本配置》
[0291] 下文将描述产品推荐设备的基本配置。图24是图示产品推荐设备的基本配置的框 图。
[0292]产品推荐设备包括得分计算单元90和产品推荐单元91。
[0293]得分计算单元90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的店铺的数目而增加(单调增加）的得分。得分计算单元90的 示例可以包括得分计算单元904。
[0294]产品推荐单元91推荐具有高于在店铺处正被交易的产品的得分的得分的产品。产 品推荐单元91的示例可以包括产品推荐单元905。
[0295] 利用这样的配置，产品推荐设备可以推荐在许多店铺中热销的产品，而不是仅在 一些店铺中销售得很好的产品。
[0296] 图25是图示根据至少一个示例性实施例的计算机的配置的框图。
[0297] 计算机1000包括CPU 1001、主存储设备1002、辅助存储设备1003和接口 1004。
[0298] 在计算机1000中实现上文所提到的分层隐变量模型估计设备和出货量预测设备 中的每个分层隐变量模型估计设备和每个出货量预测设备。装备有分层隐变量模型估计设 备的计算机1000可以与装备有订货量预测设备的计算机1000不同。上文所提到的处理单元 中的每个处理单元的操作以程序的形式(分层隐变量模型估计程序或者出货量预测程序） 被存储在辅助存储设备1003中。CPU 1001从辅助存储设备1003读取程序并且将其散布到主 存储设备1002中，以执行根据该程序的上文所提到的过程。
[0299]在至少一个示例性实施例中，辅助存储设备1003示例为非暂态有形介质。非暂态 有形介质的其他示例可以包括经由接口 1004连接的磁盘、磁光盘、CD (压缩光盘)-ROM(只读 存储器）、DVD(数字多用光盘)-ROM和半导体存储器。当程序经由通信线被分布到计算机 1000时，计算机1000可以响应于分布而将该程序散布到主存储设备1002中并且执行上文所 提到的过程。
[0300] 程序可以实现上文所提到的功能中的一些功能。此外，程序可以充当结合已经被 存储在辅助存储设备1003中的其他程序（即所谓的差异文件(差分程序））实现上文所提到 的功能的程序。
[0301] 上文已经通过将上文所描述的示例性实施例当作示例性示例来描述本发明。然 而，本发明不限于上文所描述的示例性实施例。换句话说，在不脱离本发明的范围的情况 下，本发明可以采取将由本领域技术人员所理解的各种模式。
[0302] 本申请要求基于在2013年9月20日提交的日本专利申请第2013-195966号的优先 权，其公开内容容通过引用整体并入本文。
[0303][参考标记列表]
[0304] 10:出货量预测系统
[0305] 20:出货量预测系统
[0306] 100:分层隐变量模型估计设备
[0307] 101 :数据输入设备
[0308] 102:分层隐结构设定单元
[0309] 103:初始化单元
[0310] 104:分层隐变量变分概率计算单元
[0311] 105:成分优化单元
[0312] 106:门函数优化单元
[0313] 107:最优性确定单元
[0314] 108:最优模型选择单元
[0315] 109:模型估计结果输出设备
[0316] 111:输入数据
[0317] 112:模型估计结果
[0318] 104-1:最低层路径隐变量变分概率计算单元 [0319] 104-2:分层设定单元
[0320] 104-3:更高层路径隐变量变分概率计算单元
[0321] 104-4:分层计算结束确定单元
[0322] 104-5:估计的模型
[0323] 104-6:分层隐变量变分概率
[0324] 106-1:分支节点信息获取单元
[0325] 106-2:分支节点选择单元
[0326] 106-3:分支参数优化单元
[0327] 106-4:总分支节点优化结束确定单元
[0328] 106-6:门函数模型
[0329] 113:门函数优化单元
[0330] 113-1:有效分支节点选择单元
[0331] 113-2:分支参数优化并行处理单元
[0332] 200:分层隐变量模型估计设备
[0333] 201:分层隐结构优化单元
[0334] 201-1:路径隐变量求和操作单元
[0335] 201-2:路径移除确定单元
[0336] 201-3:路径移除执行单元
[0337] 300:学习数据库
[0338] 100:分层隐变量模型估计设备
[0339] 500:模型数据库
[0340] 700:出货量预测设备
[0341 ] 701 :数据输入设备
[0342] 702:模型获取单元
[0343] 703:成分确定单元
[0344] 704:出货量预测单元
[0345] 705:预测结果输出设备
[0346] 711:输入数据
[0347] 712:预测结果
[0348] 800:出货量预测设备
[0349] 820:出货量预测设备
[0350] 802:模型获取单元
[0351 ] 803:成分确定单元
[0352] 804:出货量预测单元
[0353] 805:预测结果输出设备
[0354] 806:分类单元
[0355] 826:分类单元
[0356] 812:订货量
[0357] 810:出货量预测设备
[0358] 807:聚类估计单元
[0359] 827:聚类估计单元
[0360] 808:安全量计算单元
[0361 ] 809:订货量确定单元
[0362] 900:产品推荐设备
[0363] 901:模型获取单元
[0364] 902:分类单元
[0365] 903:出货量获取单元
[0366] 904:得分计算单元
[0367] 905:产品推荐单元
[0368] 906:推荐结果输出设备
[0369] 911:推荐结果
[0370] 90:得分计算单元
[0371] 91:产品推荐单元
[0372] 1000:计算机
[0373] 1001：CPU
[0374] 1002:主存储设备
[0375] 1003:辅助存储设备
[0376] 1004:接口
【主权项】
1. 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。2. 根据权利要求1所述的产品推荐设备，还包括： 分类装置，所述分类装置用于将所述多个店铺分类为多个聚类，其中所述得分计算装 置针对属于聚类的店铺处正被交易的多个产品中的每个产品，计算关于所述出货量和正被 交易的所述相关产品所在的店铺的所述数目的所述得分，所述聚类与正被做出所述推荐的 所述店铺属于的聚类相同。3. 根据权利要求2所述的产品推荐设备，其中所述分类装置基于用于预测所述产品的 所述出货量的概率模型来将所述多个店铺分类为多个聚类。4. 根据权利要求1至3中的任一项所述的产品推荐设备，其中所述产品推荐装置推荐： 具有小于正被做出所述推荐的所述店铺处正被交易的所述产品的预先确定的阈值的出货 量的产品应当被另一产品替换，所述另一产品的所述得分高于具有较小的所述出货量的所 述产品的所述得分。5. 根据权利要求1至4中的任一项所述的产品推荐设备，其中所述得分计算装置通过将 校正值添加到基于所述出货量和正被交易的所述相关产品所在的店铺的所述数目而被计 算出的主得分来计算所述得分，所述校正值通过将所述主得分与过去得分之间的差乘以预 先确定的系数而被获得。6. -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，所述产 品的所述得分高于正被做出所述推荐的店铺处正被交易的产品的所述得分。7. -种记录介质，所述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，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。
【专利摘要】本发明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。
【IPC分类】G06Q30/06, G06Q30/02
【公开号】CN105580044
【申请号】CN201480051774
【发明人】本桥洋介, 落合光太郎, 后藤范人
【申请人】日本电气株式会社
【公开日】2016年5月11日
【申请日】2014年8月21日
【公告号】US20160210681, WO2015040789A1