WIPO logo
Mobile | Deutsch | English | Español | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Recherche dans les collections de brevets nationales et internationales
World Intellectual Property Organization
Recherche
 
Options de navigation
 
Traduction
 
Options
 
Quoi de neuf
 
Connexion
 
Aide
 
Traduction automatique
1. (WO2015143096) PRÉDICTION D'ACHATS LORS DE PARCOURS À L’AIDE DE MODÈLES DE MARKOV CACHÉS
Dernières données bibliographiques dont dispose le Bureau international   

N° de publication :    WO/2015/143096    N° de la demande internationale :    PCT/US2015/021348
Date de publication : 24.09.2015 Date de dépôt international : 18.03.2015
CIB :
G06Q 30/02 (2012.01)
Déposants : STAPLES, INC. [US/US]; 500 Staples Drive Framingham, MA 01702 (US)
Inventeurs : MEHANIAN, Courosh; (US).
DANGALTCHEV, Tchavdar; (US).
KUMARA, Karthik; (US).
PAN, Jing; (US).
WEE, Timothy; (US)
Mandataire : BOHN, Michel, E.; (US)
Données relatives à la priorité :
14/580,220 23.12.2014 US
61/954,931 18.03.2014 US
Titre (EN) CLICKSTREAM PURCHASE PREDICTION USING HIDDEN MARKOV MODELS
(FR) PRÉDICTION D'ACHATS LORS DE PARCOURS À L’AIDE DE MODÈLES DE MARKOV CACHÉS
Abrégé : front page image
(EN)Technology for predicting online user shopping behavior, such as whether a user will purchase a product, is described. An example method includes receiving current session data describing a current session for a current user, extracting a current clickstream from the current session data classifying the current clickstream as a purchase clickstream or a non-purchase clickstream by processing the current clickstream using one or more sets of Hidden Markov Model parameters produced by one or more Hidden Markov Models, and computing, using the one or more computing devices, a purchase probability that the current user will purchase a product during the current session based on the classifying.
(FR)La présente invention concerne une technologie permettant de prédire le comportement d'achat d'un utilisateur en ligne, par exemple si un utilisateur va acheter un produit. Un procédé donné à titre d'exemple consiste à : recevoir des données de session courante décrivant une session courante pour un utilisateur courant ; extraire un parcours courant à partir de données de la session courante, classifier le parcours courant en tant que parcours d'achat ou parcours non d'achat à l'aide d'un ou de plusieurs ensembles de paramètres de modèles de Markov cachés ; et calculer, à l'aide d'un ou de plusieurs dispositifs informatiques, une probabilité d'achat que l'utilisateur courant va acheter un produit pendant la session courante sur la base de la classification.
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KN, KP, KR, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW.
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG).
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)