• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    本發明揭示一種自動化判斷消費者偏好程度之方法，包含以下步驟：(a) 存取一商品資料庫，其中該資料庫包含N種商品，每一商品定義有複數種商品屬性，且對於每一商品屬性係各自預先給定有一屬性值；(b) 提供一使用者介面，從該N種商品中至少提示兩種商品供使用者比較並選擇其一；(c) 因應使用者之選擇，將使用者所選擇之商品標記為高偏好商品且其餘未選擇之商品標記為低偏好商品，並從低偏好商品中自動選擇其一與高偏好商品作為一第一比較對；(d) 在該第一比較對中，選擇一或多個商品屬性；以及(e) 針對一給定商品，該給定商品對於在步驟(d)所選擇之該一或多個商品屬性預先給定有屬性值，根據該給定商品之該一或多個商品屬性之屬性值以及該第一比較對之該一或多個商品屬性之屬性值，決定該給定商品之相對偏好值。
    公开号:TW201324408A
    申请号:TW100146482
    申请日:2011-12-15
    公开日:2013-06-16
    发明作者:Mark Ren-Hao Hsiao
    申请人:Ibm；
    IPC主号:G06Q30-00
    专利说明:
    自動化判斷消費者偏好程度的方法與電腦裝置
    本發明係關於一種自動化判斷消費者偏好程度之方法，以及用以進行此方法之電腦裝置。
    傳統上判斷消費者偏好的方法可透過問卷調查(questionnaire)，而要求消費者對給定的問題予以回答，或是對給定的項目予以評等(ranking)。但當消費者偏好所牽涉的因素眾多時，問卷設計會變得困難，且問卷中所提供的問題或評等項目的數目也必須大量增加，造成消費者必須花費更多的時間來完成冗長的問卷。可想見地，這並非是個受歡迎且實際的作法。
    對此，美國專利公開號US Pub. 2002/0087388、2008/0205692、2009/0254541、以及美國專利7,596,505與8,015,142都提供一些習知的自動化判斷或推測消費者偏好的方法。
    本發明的特點之一在於由電腦系統首先提供消費者(即使用者)多個商品做為選項，並指導使用者從「給定選項」中挑選出相對上最喜愛的商品，進而自動地判斷或推測出使用者對給定商品的偏好程度。一般來說，使用者很難對於其偏好給予具體的描述，例如使用者無法用三言兩語來描述其飲食偏好為何，或是很難明確指出最愛的餐點為何；同樣地，要求使用者對特定餐點根據其偏好給予精確評等亦非易事，例如一位喜愛漢堡的使用者還是會面臨到究竟要給予「起士漢堡(Cheese Burger)」七顆星、八顆星、或是甚至九顆星的難題。而透過本發明，使用者不需費力思索如何描述其偏好或是給予評等，相反地，每次僅需要從「給定選項」中「選擇其一」的動作(例如透過點擊(click)選項之圖示)而不需要其他繁複的輸入。由此可知，本發明的另一特點為係在於大幅簡化使用者提供回饋(feedback)給電腦系統的過程，進而提昇使用者提供回饋的意願與次數，而增加電腦系統判斷或推測出使用者的偏好的準確度。
    另外，本文中之「商品」多以餐點為例進行說明，但熟此技藝者應知本發明並不限於此，特別地，本文中之「商品」並不一定要求具有實質形體，亦可包含音樂、電影、軟體、旅遊、或其他服務等不具有實質形體，但可提供給消費者作為購買選擇之項目。
    根據本發明一實施例，提出一種自動化判斷消費者偏好程度之方法，包含以下步驟：
    (a)　存取一商品資料庫，其中該資料庫包含N種商品，每一商品定義有複數種商品屬性，且對於每一商品屬性係各自預先給定有一屬性值；
    (b)　提供一使用者介面，從該N種商品中至少提示兩種商品供使用者比較並選擇其一；
    (c)　因應使用者之選擇，將使用者所選擇之商品標記為高偏好商品且其餘未選擇之商品標記為低偏好商品，並從低偏好商品中自動選擇其一與高偏好商品作為一第一比較對；
    (d)　在該第一比較對中，選擇一或多個商品屬性；以及
    (e)　針對一給定商品，該給定商品對於在步驟(d)所選擇之該一或多個商品屬性預先給定有屬性值，根據該給定商品之該一或多個商品屬性之屬性值以及該第一比較對之該一或多個商品屬性之屬性值，決定該給定商品之相對偏好值，並提供該相對偏好值給一應用程式以產生一處理結果予使用者。
    根據本發明另一實施例，提出一種電腦裝置，其包含一記憶體與一處理器，該記憶體儲存電腦可執行指令，而處理器係存取該記憶體，以執行該組電腦可執行指令，以進行如上述之方法。
    本說明書中所提及的特色、優點、或類似表達方式並不表示，可以本發明實現的所有特色及優點應在本發明之任何單一的具體實施例內。而是應明白，有關特色及優點的表達方式是指結合具體實施例所述的特定特色、優點、或特性係包含在本發明的至少一具體實施例內。因此，本說明書中對於特色及優點、及類似表達方式的論述與相同具體實施例有關，但亦非必要。
    參考以下說明及隨附申請專利範圍或利用如下文所提之本發明的實施方式，即可更加明瞭本發明的這些特色及優點。
    本說明書中「一實施例」或類似表達方式的引用是指結合該具體實施例所述的特定特色、結構、或特性係包括在本發明的至少一具體實施例中。因此，在本說明書中，「在一具體實施例中」及類似表達方式之用語的出現未必指相同的具體實施例。
    熟此技藝者當知，本發明可實施為電腦裝置、方法或作為電腦程式產品之電腦可讀媒體。因此，本發明可以實施為各種形式，例如完全的硬體實施例、完全的軟體實施例(包含韌體、常駐軟體、微程式碼等)，或者亦可實施為軟體與硬體的實施形式，在以下會被稱為「電路」、「模組」或「系統」。此外，本發明亦可以任何有形的媒體形式實施為電腦程式產品，其具有電腦可使用程式碼儲存於其上。
    一個或更多個電腦可使用或可讀取媒體的組合都可以利用。舉例來說，電腦可使用或可讀取媒體可以是(但並不限於)電子的、磁的、光學的、電磁的、紅外線的或半導體的系統、裝置、設備或傳播媒體。更具體的電腦可讀取媒體實施例可以包括下列所示(非限定的例示)：由一個或多個連接線所組成的電氣連接、可攜式的電腦磁片、硬碟機、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可抹除程式化唯讀記憶體(EPROM或快閃記憶體)、光纖、可攜式光碟片(CD-ROM)、光學儲存裝置、傳輸媒體(例如網際網路(Internet)或內部網路(intranet)之基礎連接)、或磁儲存裝置。需注意的是，電腦可使用或可讀取媒體更可以為紙張或任何可用於將程式列印於其上而使得該程式可以再度被電子化之適當媒體，例如藉由光學掃描該紙張或其他媒體，然後再編譯、解譯或其他合適的必要處理方式，然後可再度被儲存於電腦記憶體中。在本文中，電腦可使用或可讀取媒體可以是任何用於保持、儲存、傳送、傳播或傳輸程式碼的媒體，以供與其相連接的指令執行系統、裝置或設備來處理。電腦可使用媒體可包括其中儲存有電腦可使用程式碼的傳播資料訊號，不論是以基頻(baseband)或是部分載波的型態。電腦可使用程式碼之傳輸可以使用任何適體的媒體，包括(但並不限於)無線、有線、光纖纜線、射頻(RF)等。
    用於執行本發明操作的電腦程式碼可以使用一種或多種程式語言的組合來撰寫，包括物件導向程式語言(例如Java、Smalltalk、C++或其他類似者)以及傳統程序程式語言(例如C程式語言或其他類似的程式語言)。
    於以下本發明的相關敘述會參照依據本發明具體實施例之系統、裝置、方法及電腦程式產品之流程圖及/或方塊圖來進行說明。當可理解每一個流程圖及/或方塊圖中的每一個方塊，以及流程圖及/或方塊圖中方塊的任何組合，可以使用電腦程式指令來實施。這些電腦程式指令可供通用型電腦或特殊電腦的處理器或其他可程式化資料處理裝置所組成的機器來執行，而指令經由電腦或其他可程式化資料處理裝置處理以便實施流程圖及/或方塊圖中所說明之功能或操作。
    這些電腦程式指令亦可被儲存在電腦可讀取媒體上，以便指示電腦或其他可程式化資料處理裝置來進行特定的功能，而這些儲存在電腦可讀取媒體上的指令構成一製成品，其內包括之指令可實施流程圖及/或方塊圖中所說明之功能或操作。
    電腦程式指令亦可被載入到電腦上或其他可程式化資料處理裝置，以便於電腦或其他可程式化裝置上進行一系統操作步驟，而於該電腦或其他可程式化裝置上執行該指令時產生電腦實施程序以達成流程圖及/或方塊圖中所說明之功能或操作。
    其次，請參照圖1至圖2，在圖式中顯示依據本發明各種實施例的裝置、方法及電腦程式產品可實施的架構、功能及操作之流程圖及方塊圖。因此，流程圖或方塊圖中的每個方塊可表示一模組、區段、或部分的程式碼，其包含一個或多個可執行指令，以實施指定的邏輯功能。另當注意者，某些其他的實施例中，方塊所述的功能可以不依圖中所示之順序進行。舉例來說，兩個圖示相連接的方塊事實上亦可以皆執行，或依所牽涉到的功能在某些情況下亦可以依圖示相反的順序執行。此外亦需注意者，每個方塊圖及/或流程圖的方塊，以及方塊圖及/或流程圖中方塊之組合，可藉由基於特殊目的硬體的系統來實施，或者藉由特殊目的硬體與電腦指令的組合，來執行特定的功能或操作。 <電腦裝置>
    圖1顯示一實施例中電腦裝置10的方塊圖。行動裝置10具有顯示螢幕102、處理器104、記憶體106、通訊模組108、與資料輸入模組110。電腦裝置10可利用一般的筆記型電腦或類似的可攜式資訊裝置來實施。較佳地，行動裝置10係為一行動電話，基本構成係可參考Apple TM 公司的產品iPhone TM 。
    舉例來說，處理器104可為ARM TM 公司所生產用在行動裝置上的中央處理器；記憶體106可為快閃記憶體，用以儲存應用程式AP之電腦可執行指令，並供處理器104存取並加以執行。應用程式AP的基本實施態樣亦可參考現有iPhone TM 上所執行的應用程式，而關於應用程式AP所提供的功能，將在以下圖2進行說明。通訊模組108可提供UMTS、GSM、或Wi-Fi等網路連線能力，進而與一或多台伺服器20連結。資料輸入模組110可與顯示螢幕102整合為觸控螢幕，用以供使用者建立資料或是輸入指令。在此範例中，記憶體106本身可設置有商品資料庫DB，但商品資料庫DB亦可設置在伺服器20，而電腦裝置10的處理器10係透過通訊模組108存取伺服器20的商品資料庫DB。
    在其他未圖示的範例中，電腦裝置10亦可實施為具有強大處理能力與儲存能力之高階工作站、大型主機等，例如IBM公司的System X、Blade Center或eServer伺服器，並可提供一網頁介面，供使用者利用一般通用的電腦裝置或可攜式裝置透過網路存取電腦裝置10。
    在本文中「網路」亦可實施為任何型式之連線，包括固定連接之區域網路(LAN)或廣域網路(WAN)連線，或利用網際網路服務提供者來暫時撥接至網際網路，亦不限於有線無線等各種連接方式。此外，然而應了解，雖未繪示但其他硬體及軟體組件(例如額外電腦系統、路由器、防火牆等)可包含於網路之中。 <實施例流程>
    圖2係本發明一實施例之流程圖，配合圖1所示之電腦裝置10，說明應用程式AP自動化判斷消費者偏好程度之方法之實施例。
    ●　步驟200：在電腦裝置10的記憶體106中或是伺服器20上預先建立餐點資料庫DB。為了說明之目的，餐點資料庫DB係僅包含以下6種餐點(dishes)，如以下表1所示，但本發明並不欲侷限於此。
    <表1>
    此外，資料庫DB中每一餐點D1-D6皆預先給定有多種餐點屬性。舉例來說，屬性可如以下表2所示，並可視實際情況並增加或縮減。
    <表2>
    而對應上述之各屬性，表1所列之每一餐點D1-D6皆預先給定有屬性值，在此範例中，屬性值係為1或是0，其中1以代表該餐點滿足該屬性之描述，反之則以0代表。以下表3將配合表2所示之屬性，例示表1中6種餐點之各屬性值。
    <表3>
    經由表3所列示的各屬性值，較佳地可將每一餐點D1-D6對應屬性A1-A8之各個屬性值，以8維向量的形式表達如下，並藉此可進行自動化的運算處理。
    VD1=[1,0,0,0,0,0,0,0]
    VD2=[0,1,0,0,0,0,0,1]
    VD3=[0,0,1,0,0,0,1,0]
    VD4=[0,0,0,1,0,0,0,1]
    VD5=[0,0,0,0,1,0,0,0]
    VD6=[0,0,0,0,1,1,0,0]
    另外需說明的是，上述表2所示之餐點屬性僅為範例，更多餐點屬性的範例可參考美國專利公開號2009/0254541或是同屬申請人之台灣專利申請號99146949，名為「自動化的飲食規劃方法與行動裝置(AUTOMATIC DIET PLANNING METHOD AND MOBILE DEVICE FOR PERFORMING THE SAME)」，其中各餐點屬性可與營養相關或無關。特別地，各餐點屬性之屬性值不限制為如上述所述之二元制(binary，即僅可為0或是1)，亦可設定為0與1間之任意數值。
    ●　步驟202：電腦裝置10提供使用者介面(可為網頁介面或是專屬應用程式介面)，從資料庫DB之餐點D1-D6中至少提示兩種餐點供使用者根據其偏好加以比較並選擇其一。需說明的是，在此步驟中，電腦裝置10每次可提示兩種或是更多餐點供使用者選擇其一，本發明並不欲對餐點數目加以限制，但實際應用時，應考慮到過多餐點數目有可能會讓使用者感覺到難以進行決定。
    在此實施例中，在初次使用時，電腦裝置10可先隨機或是透過任何習知的方法，從餐點D1-D6中選擇三種餐點，例如餐點D1(海鮮義大利麵)、D3(維也納豬排)、D6(巧克力蛋糕)而同時提示給使用者供其比較並選擇其一。舉例來說，電腦系統10可在網頁介面或是專屬應用程式介面上顯示出餐點D1(海鮮義大利麵)、D3(維也納豬排)、D6(巧克力蛋糕)的圖片，而使用者僅需要點擊其中一個圖片即可完成對於餐點的選擇。
    ●　步驟204：在此範例中，使用者係選擇餐點D3(維也納豬排)，而因應此選擇，電腦系統10係將餐點D3(維也納豬排)標記為高偏好餐點，而將餐點D1(海鮮義大利麵)以及餐點D6(巧克力蛋糕)標記為低偏好餐點。此外，並將高偏好餐點D3與低偏好餐點D1作為一比較對，而將高偏好餐點D3與低偏好餐點D6作為另一比較對。換句話說，在此步驟204中，電腦系統10係將高偏好餐點D3與每一低偏好餐點作為一比較對。
    ●　步驟206：在此步驟中係決定出各餐點屬性對應使用者偏好所顯示的「特性」。首先以高偏好餐點D3與低偏好餐點D1所組成之比較對(表4)為例加以說明。
    <表4>
    在表4所示之比較對中，對於屬性A3(含有豬肉)與A7(烹調方式為油炸)，由於高偏好餐點D3所具有屬性值1高於低偏好餐點D1所具有屬性值0，標記屬性A3與A7之「特性」為「正向屬性」。對此可解讀為使用者之偏好與屬性A3與A7之屬性值係正相關，也就是使用者偏好「含有豬肉」以及「烹調方式為油炸」的餐點。
    而對於屬性A1(含有牛肉)，由於高偏好餐點D3所具有屬性值0低於低偏好餐點D1所具有屬性值1，標記屬性A1「特性」為「負向屬性」，此可解讀為使用者之偏好與屬性A1之屬性值係負相關，也就是使用者不偏好「含有牛肉」的餐點。
    對於其他屬性A2、A4、A5、A6、A8，由於高偏好餐點D3所具有屬性值與低偏好餐點D1所具有屬性值相等，則暫時不予考慮，或是標記其「特性」為「中性屬性」。
    對此，可將透過表4所示之比較對所決定出屬性A1-A8之「特性」為分別以值1、-1、0表示「正向屬性」、「負向屬性」、「中性屬性」，並同樣地以以8維向量的形式表達如下，藉此可進行自動化的運算處理。
    VC1=[-1,0,1,0,0,0,1,0]
    接著在以高偏好餐點D3與低偏好餐點D6所組成之比較對(表5)為例加以說明。
    <表5>
    而根據上述之方法，可將透過表5所示之比較對所決定出屬性A1-A8之「特性」為分別以值1、-1、0表示「正向屬性」、「負向屬性」、「中性屬性」，並同樣地以8維向量的形式表達如下，而藉此可進行自動化的運算處理。
    VC2=[0,0,1,0,-1,-1,1,0]
    另外需說明的是，在上述實施例中，雖然屬性A1-A8之「特性」為分別以值1、-1、0表示「正向屬性」、「負向屬性」、「中性屬性」，但在其他實施例中，不同屬性之「特性」可依照實際狀況而給予不同的權重。例如屬性A1-A4之「特性」為分別以值1、-1、0表示「正向屬性」、「負向屬性」、「中性屬性」；但屬性A5-A6之「特性」可為分別以值0.5、-0.5、0表示「正向屬性」、「負向屬性」、「中性屬性」；屬性A7-A8之「特性」則分別以值2、-2、0表示「正向屬性」、「負向屬性」、「中性屬性」。此外，「正向屬性」與「負向屬性」其絕對值並不需要相等，且「中性屬性」並不一定要設定為0，但較佳應在「正向屬性」與「負向屬性」值之間。舉例來說，屬性之「特性」甚至分別以值3、1、2來表示「正向屬性」、「負向屬性」、「中性屬性」。
    ●　步驟208：在此步驟中，針對資料庫DB中的餐點D1-D6，可利用步驟200中所述每一餐點D1-D6的屬性值(即向量VD1-VD6)以及步驟206中所述經由各比較對所決定出屬性A1-A8之「特性」(即向量VC1及VC2)，決定每一餐點D1-D6之相對偏好值。進一步細節將說明如後，但須先說明的是，此步驟208亦可針對餐點D1-D6以外的餐點進行，只要此餐點與餐點D1-D6具有相對應之屬性，且能夠以8維向量的形式表達其屬性值即可。
    以下將說明決定餐點之相對偏好值之方式。在此實施例中，每一餐點之相對偏好值係為該餐點以8維向量的形式所表達的屬性值(即向量VD1-VD6)與透過比較對所決定出之屬性之「特性」(即向量VC1及VC2)進行「內積」後的結果。
    在一例中，僅考慮D1與D3之比較對(表4)所得出之屬性之「特性」VC1([-1,0,1,0,0,0,1,0])，因此可將向量VD1-VD6分別與向量VC1進行「內積」，所得即可作為餐點D1-D6各自之相對偏好值R1-R6，如表6所示。
    <表6>
    在獲得餐點D1-D6各自之相對偏好值R1-R6後，電腦系統10可將相對偏好值R1-R6提供給一應用程式(例如餐點推薦程式)，藉此可將餐點D1-D6依照相對偏好值R1-R6之高低進行排序(步驟210)，並據此推測使用者對餐點D1-D6之偏好程度，推薦偏好程度較高之餐點(或是包含多個餐點組合而成之套餐)給使用者。需說明的是，本實施例中執行之步驟200至210之應用程式AP(如圖1所示)亦可整合於此餐點推薦程式中，或者可實施為額外的應用程式，本發明並不欲加以限制。
    值得注意的是，相較於習知收集使用者回饋的方式，在本實施例之整個過程中僅在步驟202中需要使用者的一次點擊(one click)，因此，熟此技藝者應可輕易理解本發明實施例相較於習知技術之優點。
    在另一例中，僅考慮D6與D3之比較對(表5)所得出之屬性之「特性」VC2([0,0,1,0,-1,-1,1,0])，因此可將向量VD1-VD6分別與向量VC2進行「內積」，所得即可作為餐點D1-D6各自之相對偏好值R1-R6，如表7所示。
    <表7>
    在獲得餐點D1-D6各自之相對偏好值R1-R6後，如先前所述，電腦系統10可根據相對偏好值R1-R6之高低進行排序，並據此推測使用者對餐點D1-D6之偏好程度。
    但可想見地，基於不同比較對所得之結果可能不一致，且僅透過單一比較對所得之結果可能因為樣本數量不足而有所偏頗。因此，為了導入更多的樣本而獲得更精準的判斷，在步驟206中例如可先將向量VC1與VC2相加，再將向量VD1-VD6分別與向量VC1與VC2之和([-1,0,2,0,-1,-1,2,0])進行內積以作為相對偏好值。
    基於相似的目的，在另一實施例中，可先計算向量VC1與VC2之交集向量([0,0,1,0,0,0,1,0])，再分別與向量VD1-VD6進行內積以作為相對偏好值，換言之，在步驟206中僅針對在不同比較對中皆一致得出之「正向屬性」或「負向屬性」加以考量，而納入步驟208中的處理。舉例來說，對於屬性A3與A7，無論是由表4或是表5所示之比較對，其所決定出其屬性「特性」皆一致為「正向屬性」，因此才歸結出屬性A3與A7之「特性」為「正向屬性」；反之，以屬性A1為例，由表4與表5所示之比較對所決定出其屬性「特性」分別為「負向屬性」以及「中性屬性」，兩者並不一致，而在不一致的情況下，較佳地係標記屬性A1之「特性」為「中性屬性」，也就是降低其對於步驟208中相對偏好值的計算結果之影響。
    另外需說明的是，為了增加樣本數目而獲得更精準的判斷，可採取至少以下三種作法。
    ●　第一種作法係在步驟202時提示更多餐點供使用者加以比較並選擇其一，因此可在步驟204中產生更多的比較對，也就是在步驟206中獲得更多組的屬性之「特性」向量(即類似於向量VC1及VC2)，進而可透過將這些「特性」向量相加或是取其交集，以計算出各餐點之相對偏好值。此種作法之優點在於可增加樣本數，但不需要額外增加使用者回饋的次數。但如前述，在實際應用時，應考慮到過多餐點(選項)數目有可能會讓使用者感覺到難以抉擇。
    ●　相較於上述第一種作法係增加每次提示給使用者之餐點數目，第二種作法係增加使用者選擇(點擊)的次數，也就是步驟202至206可重複多次以產生更多的比較對以及更多組的屬性之「特性」向量，而同樣地可透過將這些「特性」向量相加或是取其交集，以計算出各餐點之相對偏好值。較佳地，每一次(回)步驟202中電腦系統10所提示供使用者選擇的餐點至少包含一個以上前次步驟202中未提示之餐點，避免給予使用者完全重複的選項。另外需說明的是，上述兩種作法可以並存，特別是在第二種作法中，每次步驟202提示給使用者之餐點數目並不需要相同。
    ●　第三種作法可視為基於第二種作法而加以變化。在此作法中，步驟202至206同樣地可重複多次以產生更多的比較對以及更多組的屬性之「特性」向量，不同之處在於在進行下一次的步驟202之前，必須先進行一次步驟208以獲得因應前次步驟202使用者之選擇所產生的各餐點D1-D6相對偏好值以進行餐點D1-D6之排序(步驟210)，並進一步可根據排序的高低剃除排序最低的餐點(例如餐點D1)。之後當要進行下一次的步驟202，電腦系統10將僅會從餐點D2-D6(即剃除先前被排序為最低之餐點D1)中提示兩種以上的餐點供使用者選擇。
    另外需說明的是，上述範例之步驟206與208中係透過比較對決定出各餐點屬性之「特性」(即「正向屬性」、「負向屬性」、「中性屬性」)進而決定出決定每一餐點D1-D6之相對偏好值，但此並非本發明之唯一作法。以表4之比較對為例，本發明亦可將餐點D1與D3對應屬性A1-A8之各個屬性值，分別以8維空間中之點來表示如下：
    PD1=(1,0,0,0,0,0,0,0)
    PD3=(0,0,1,0,0,0,1,0)
    進一步地，基於此兩點PD1=(1,0,0,0,0,0,0,0)以及PD3=(0,0,1,0,0,0,1,0)(或是其他更多表示餐點的點)，可透過例如求取回歸線(regression line)或是其他數值統計的方式，在此8維空間中決定出一條參考線，進而根據給定餐點對應屬性A1-A8之各個屬性值(一樣可表示為8維空間中之點)在此參考線上之投影以決定出給定餐點之相對偏好值。
    在不脫離本發明精神或必要特性的情況下，可以其他特定形式來體現本發明。應將所述具體實施例各方面僅視為解說性而非限制性。因此，本發明的範疇如隨附申請專利範圍所示而非如前述說明所示。所有落在申請專利範圍之等效意義及範圍內的變更應視為落在申請專利範圍的範疇內。
    10．．．行動裝置
    20．．．伺服器
    102．．．顯示螢幕
    104．．．處理器
    106．．．記憶體
    108．．．通訊模組
    110．．．資料輸入模組
    AP．．．應用程式
    為了立即瞭解本發明的優點，請參考如附圖所示的特定具體實施例，詳細說明上文簡短敘述的本發明。在瞭解這些圖示僅描繪本發明的典型具體實施例並因此不將其視為限制本發明範疇的情況下，參考附圖以額外的明確性及細節來說明本發明，圖式中：
    圖1一種依據本發明具體實施例的電腦裝置；
    圖2為本發明具體實施例之流程圖。
    权利要求:
    Claims (13)
    [1] 一種自動化判斷消費者偏好程度之方法，包含：(a)　存取一商品資料庫，其中該資料庫包含N種商品，每一商品定義有複數種商品屬性，且對於每一商品屬性係各自預先給定有一屬性值，其中N係為大於1之正整數；(b)　提供一使用者介面，從該N種商品中至少提示兩種商品供使用者比較並選擇其一；(c)　因應使用者之選擇，將使用者所選擇之商品標記為高偏好(high preference)商品且其餘未選擇之商品標記為低偏好(low preference)商品，並從低偏好商品中自動選擇其一與高偏好商品作為一第一比較對(comparing pair)；(d)　在該第一比較對中，選擇一或多個商品屬性；以及(e)　針對一給定商品，該給定商品對於在步驟(d)所選擇之該一或多個商品屬性預先給定有屬性值，根據該給定商品之該一或多個商品屬性之屬性值以及該第一比較對之該一或多個商品屬性之屬性值，決定該給定商品之一相對偏好值，並提供該相對偏好值給一應用程式以產生一處理結果予使用者。
    [2] 如請求項1之方法，其中步驟(d)包含：在該第一比較對中，對於任一或多個商品屬性，若高偏好商品所具有屬性值高於低偏好商品所具有屬性值，則標記該商品屬性為「正向屬性」；反之，若高偏好商品所具有屬性值低於低偏好商品所具有屬性值，則標記該商品屬性為「負向屬性」；其中步驟(e)更包含：針對該給定商品，該給定商品對於在步驟(d)所考慮之該一或多個商品屬性預先給定有屬性值，根據該給定商品之預先給定之該一或多個商品屬性之屬性值以及步驟(d)中所決定出該一或多個商品屬性之正向屬性或負向屬性，決定該給定商品之一相對偏好值，並提供該相對偏好值給一應用程式以產生一處理結果予使用者。
    [3] 如請求項2之方法，其中N係大於2，且步驟(b)係至少提示三種商品供使用者比較並選擇其一：其中步驟(c)更包含自動選擇另一低偏好商品與高偏好商品作為一第二比較對；其中步驟(d)更包含：在該第二比較對中，對於任一或多個商品屬性，若高偏好商品所具有屬性值高於低偏好商品所具有屬性值，則標記該商品屬性為正向屬性(value-upward attribute)；反之，若高偏好商品所具有屬性值低於低偏好商品所具有屬性值，則標記該商品屬性為負向屬性(value-downward attribute)。
    [4] 如請求項3之方法，其中步驟(e)更包含：該給定商品對於在步驟(d)中該第一比較對與該第二比較對皆考慮之該一或多個商品屬性預先給定有屬性值，並根據該給定商品之預先給定之該一或多個商品屬性之屬性值以及步驟(d)中透過該第一比較對與該第二比較對所一致決定出該一或多個商品屬性之正向屬性或負向屬性，決定該給定商品之該相對偏好值。
    [5] 如請求項2之方法，其中在步驟(e)之前，重複步驟(b)至(d)一次以上，且其中每次步驟(b)所提示之商品包含至少一先前步驟(b)中未提示之商品；其中步驟(e)更包含：該給定商品對於在歷次步驟(d)所考慮之該一或多個商品屬性預先給定有屬性值，並根據該給定商品之預先給定之該一或多個商品屬性之屬性值以及歷次步驟(d)中所決定該一或多個商品屬性之正向屬性或負向屬性，決定該給定商品之該相對偏好值。
    [6] 如請求項5之方法，其中步驟(e)更包含：該給定商品對於在歷次步驟(d)皆考慮之該一或多個商品屬性預先給定有屬性值，並根據該給定商品之預先給定之該一或多個商品屬性之屬性值以及歷次步驟(d)所一致決定該一或多個商品屬性之正向屬性或負向屬性，決定該給定商品之該相對偏好值。
    [7] 如請求項2之方法，其中步驟(e)更包含：根據該資料庫之每一該N種商品對於在步驟(d)所考慮之該一或多個商品屬性之屬性值以及步驟(d)中所決定該一或多個商品屬性之正向屬性或負向屬性，決定該資料庫之每一該N種商品之相對偏好值。
    [8] 如請求項7之方法，更包含：(f)　根據該資料庫之每一該N種商品之相對偏好值，對該N種商品中進行排序。
    [9] 如請求項7之方法，更包含：(g)　根據該資料庫之每一該N種商品之相對偏好值，從該N種商品中自動選取P種商品；(i)　提供該使用者介面，從該P種商品中至少提示兩種商品供使用者比較並選擇其一，並再次執行步驟(c)至(e)。
    [10] 如請求項1之方法，其中該N種商品係為N種餐點，而該複數種商品屬性係為複數種餐點屬性，且可與營養相關或無關。
    [11] 一種電腦裝置，包含：一記憶體，包含一組電腦可執行指令；一處理器，存取該記憶體，以執行該組電腦可執行指令，以進行如請求項1至10項之方法。
    [12] 如請求項11之電腦裝置，其中該記憶體更儲存有該商品資料庫。
    [13] 如請求項11之電腦裝置，更包含：一通訊模組，與一伺服器連結，該伺服器係儲存有該商品資料庫；其中該處理器執行該執行該執行該組電腦可執行指令，透過該通訊模組，連結該伺服器以存取該商品資料庫。
    类似技术:
    公开号 | 公开日 | 专利标题
    TWI493484B|2015-07-21|自動化判斷消費者偏好程度的方法與電腦裝置
    US10402917B2|2019-09-03|Color-related social networking recommendations using affiliated colors
    US11216861B2|2022-01-04|Color based social networking recommendations
    US20210319346A1|2021-10-14|Personal Taste Assessment Method and System
    AU2015301483B2|2020-12-10|System and computer method for visually guiding a user to a current interest
    US10789634B2|2020-09-29|Personalized recommendation method and system, and computer-readable record medium
    US20140214590A1|2014-07-31|Techniques for determining substitutes for products indicated in an electronic shopping list
    US10803769B2|2020-10-13|System and method for generating a recipe player
    KR20190057408A|2019-05-28|최적화된 항목 속성 비교
    CN105574045B|2019-12-10|一种视频推荐方法和服务器
    US20160125325A1|2016-05-05|Search recommendation method and apparatus
    US10162868B1|2018-12-25|Data mining system for assessing pairwise item similarity
    US20180144394A1|2018-05-24|Purchase option enablement for online tutorials
    US20130211951A1|2013-08-15|Self learning gift recommendation engine
    US20190340659A1|2019-11-07|Machine learning enabled evaluation systems and methods
    JP2013218555A|2013-10-24|情報提供装置、情報提供方法および情報提供プログラム
    US20210383451A1|2021-12-09|Iterative, multi-user selection and weighting recommendation engine
    JP2021530827A|2021-11-11|品物関連性の決定
    US20210065276A1|2021-03-04|Information processing apparatus and non-transitory computer readable medium
    AU2015218497B2|2016-09-29|Personal taste assessment method and system
    US10248984B2|2019-04-02|Buyer guidance based on social media contacts
    AU2019275576A1|2020-01-16|Personal taste assessment method and system
    同族专利:
    公开号 | 公开日
    JP2013125543A|2013-06-24|
    US20130159057A1|2013-06-20|
    TWI493484B|2015-07-21|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    TWI514300B|2014-03-28|2015-12-21|||US6012051A|1997-02-06|2000-01-04|America Online, Inc.|Consumer profiling system with analytic decision processor|
    US20060020614A1|1997-08-08|2006-01-26|Kolawa Adam K|Method and apparatus for automated selection, organization, and recommendation of items based on user preference topography|
    AU2438602A|2000-10-18|2002-04-29|Johnson & Johnson Consumer|Intelligent performance-based product recommendation system|
    US7698161B2|2001-01-04|2010-04-13|True Choice Solutions, Inc.|System to quantify consumer preferences|
    US7958006B2|2001-04-27|2011-06-07|True Choice Solutions, Inc.|System to provide consumer preference information|
    EP2062172A4|2006-08-21|2012-01-04|Choice Engine Pty Ltd|SELECT ENGINE|
    US20090182810A1|2008-01-16|2009-07-16|Yahoo! Inc.|System and Method for Real-Time Media Object-Specific Communications|
    US20100003647A1|2008-07-04|2010-01-07|Wendell Brown|System and Method for Automated Meal Recommendations|
    US8645223B2|2010-07-15|2014-02-04|Myworld, Inc.|Commerce system and method of controlling the commerce system using an optimized shopping list|US8126881B1|2007-12-12|2012-02-28|Vast.com, Inc.|Predictive conversion systems and methods|
    US9104718B1|2013-03-07|2015-08-11|Vast.com, Inc.|Systems, methods, and devices for measuring similarity of and generating recommendations for unique items|
    US9465873B1|2013-03-07|2016-10-11|Vast.com, Inc.|Systems, methods, and devices for identifying and presenting identifications of significant attributes of unique items|
    US10007946B1|2013-03-07|2018-06-26|Vast.com, Inc.|Systems, methods, and devices for measuring similarity of and generating recommendations for unique items|
    US9830635B1|2013-03-13|2017-11-28|Vast.com, Inc.|Systems, methods, and devices for determining and displaying market relative position of unique items|
    CN104239020A|2013-06-21|2014-12-24|Sap欧洲公司|决策做出标准驱动的推荐|
    US10127596B1|2013-12-10|2018-11-13|Vast.com, Inc.|Systems, methods, and devices for generating recommendations of unique items|
    US10268704B1|2017-10-12|2019-04-23|Vast.com, Inc.|Partitioned distributed database systems, devices, and methods|
    法律状态:
    2017-04-21| MM4A| Annulment or lapse of patent due to non-payment of fees|
    优先权:
    申请号 | 申请日 | 专利标题
    TW100146482A|TWI493484B|2011-12-15|2011-12-15|自動化判斷消費者偏好程度的方法與電腦裝置|TW100146482A| TWI493484B|2011-12-15|2011-12-15|自動化判斷消費者偏好程度的方法與電腦裝置|
    JP2012251070A| JP2013125543A|2011-12-15|2012-11-15|コンシューマ・プリファレンス・レベルを自動的に決定するための方法、コンピュータ・デバイスおよびプログラム|
    US13/707,660| US20130159057A1|2011-12-15|2012-12-07|Automatic method for determining consumer preference level and computer device for performing the same|
    [返回顶部]