[发明专利]用于预测性搜索的人工智能代理器

说明书

示出了用于使用多个数据源(例如，历史用户行为、物品磨损简档、库存数据和社交网络数据)预测感兴趣的物品的人工智能代理器所使用的技术。针对多个数据源的用户模型用于预测用户感兴趣的物品。可以生成以及向电子商务平台提交与已预测的物品有关的搜索请求；以及对已接收的与已预测的第一物品有关的第一搜索请求集合产生响应。在一个方面，可以选择搜索结果中的一个或多个搜索结果以向用户显示。可以接收由用户选择的搜索结果以及提交购买交易。在另一个方面，授权该代理器针对搜索结果中的选定的搜索结果自动执行购买交易。可以将不同的模型类型用于预测不同类型的物品。

技术领域

所公开的技术涉及搜索用户感兴趣的物品。

背景技术

目前，用户通常确定其有想要购买的物品，然后在一个或多个电子商务平台上搜索该物品。当用户在电子商务平台上找到满意的商品时，用户可以针对该物品执行购买交易。

该方法需要用户认清其自身的需要或需求。例如，用户可能受广告、大众文化、其社会团体或生活经验影响。用户可能意识不到其对尚未遇到的物品感兴趣。

此外，为了搜索要购买的物品，用户通常在电子商务平台上形成搜索查询、查看电子商务平台返回的商品、然后选择商品来执行购买交易。该过程可能是耗时的。诸如化妆品或食品杂货之类的一些物品可能不值得投入所需要的时间来针对要购买的物品进行搜索和识别。

出于这些以及其他考虑而提出了本文呈现的公开内容。

发明内容

所公开的技术总体针对人工智能(AI)代理器，其针对单个用户预测该用户特别感兴趣的物品以及基于已预测的需要进行推荐或购买。例如，将来自健身应用的用户数据与用户穿着的跑鞋的磨损数据一起用于预测跑鞋何时磨破以及自动购买或推荐替代品。

所公开的技术的一个方面涉及基于数据源(例如，用户行为数据、社交网络数据、以及物品磨损或消耗数据)的集合预测用户感兴趣的物品。为了预测用户可能感兴趣的物品，可以使用很多数据源，例如历史位置及活动数据、社交网络、搜索历史数据、购买历史、风格图或财务情况。

所公开的技术的另一个方面是，为了预测感兴趣的物品而使用可以针对数据源应用的一个或多个用户模型。通过基于例如用户购买活动或反馈来修改用户模型，可以针对特定的用户定制这些用户模型。例如，可以为用户提供标准模型，该模型可以随着时间利用附加的用户行为数据(例如，用户的选择和反馈)进行优化以更准确地预测用户的兴趣。

所公开的技术的又一个方面是针对不同类型的物品使用不同类型的模型。例如，针对锻炼配置的类型的用户模型可以应用于预测用户对体育用品的兴趣，而针对服装配置的另一种类型的用户模型可以应用于预测用户对服装的兴趣。可以使用的模型的其他类型的示例包括饮食、居家、园艺和旅游。

在所公开的技术的某些简化的示例中，用于自动生成对用户感兴趣的物品的预测的方法、系统或计算机可读介质涉及：获得历史用户行为数据、预测性数据和状态数据；针对所述历史用户行为数据、所述预测性数据和所述状态数据应用第一用户模型以预测用户感兴趣的第一物品。这些示例还包括：生成与已预测的第一物品有关的第一搜索请求集合；向多个电子商务平台中的一个电子商务平台提交所述第一搜索请求集合中的每个搜索请求；以及接收作为对与所述已预测的第一物品有关的所述第一搜索请求集合的响应的第一搜索结果集合；以及选择已接收的针对所述已预测的第一物品的所述第一搜索结果集合中的至少一个搜索结果。

在所公开的技术的其他示例中，所述预测性数据包括与物品相对应的物品磨损简档，并且，针对所述历史用户行为数据、所述预测性数据和所述状态数据应用第一用户模型以预测所述用户感兴趣的第一物品的操作涉及：针对所述历史用户行为数据和所述物品磨损简档应用所述第一用户模型以预测所述用户感兴趣的第一物品。