Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2022047304 - PRÉDICTION OU SUGGESTION D'APPRENTISSAGE AUTOMATIQUE FONDÉE SUR L'IDENTIFICATION D'OBJETS

Numéro de publication WO/2022/047304
Date de publication 03.03.2022
N° de la demande internationale PCT/US2021/048232
Date du dépôt international 30.08.2021
CIB
G06Q 30/02 2012.1
GPHYSIQUE
06CALCUL; COMPTAGE
QSYSTÈMES OU MÉTHODES DE TRAITEMENT DE DONNÉES, SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION; SYSTÈMES OU MÉTHODES SPÉCIALEMENT ADAPTÉS À DES FINS ADMINISTRATIVES, COMMERCIALES, FINANCIÈRES, DE GESTION, DE SURVEILLANCE OU DE PRÉVISION, NON PRÉVUS AILLEURS
30Commerce, p.ex. achat ou vente, ou commerce électronique
02Marketing, p.ex. études et analyse de marchés, prospection, promotions, publicité, établissement du profil des acheteurs, gestion ou fidélisation de clientèle; Estimation ou détermination des prix
G06N 20/00 2019.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
20Apprentissage automatique
G06T 19/00 2011.1
GPHYSIQUE
06CALCUL; COMPTAGE
TTRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
19Manipulation de modèles ou d'images tridimensionnels pour infographie
CPC
G06F 16/235
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
16Information retrieval; Database structures therefor; File system structures therefor
20of structured data, e.g. relational data
23Updating
235Update request formulation
G06N 20/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
G06N 5/022
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
5Computer systems using knowledge-based models
02Knowledge representation
022Knowledge engineering; Knowledge acquisition
G06Q 30/0206
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
30Commerce, e.g. shopping or e-commerce
02Marketing, e.g. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards; Price estimation or determination
0202Market predictions or demand forecasting
0206Price or cost determination based on market factors
G06Q 30/0283
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
30Commerce, e.g. shopping or e-commerce
02Marketing, e.g. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards; Price estimation or determination
0283Price estimation or determination
Déposants
  • MERCARI, INC. [US]/[US]
Inventeurs
  • LAGERLING, John Alexander
  • OH, Byong Mok
  • KURIBAYASHI, Fritz Mikio
  • YAMAGUCHI, Takuma
  • SHRIVASTAVA, Rishabh Kumar
  • UKAI, Takaya
  • BABU, Viswakumar Sukeesh
Mandataires
  • LEE, Michael Q.
  • BANOWIT, Donald R.
  • BEMBEN, Richard M.
  • BEZOS, Salvador M.
  • BLOCK, Daniel S.
  • BODENSTEIN, Matthew
  • CALVO, Paul A.
  • CAMARCE, Christian A.
  • CIMBALA, Michele A.
  • COLLER III, Richard D.
  • CONKLIN, Kyle
  • COVERT, John M.
  • DESAI, Nirav N.
  • DURKIN, Tracy-Gene G.
  • EISENBERG, Jason D.
  • ELLISON, Eldora L.
  • ESMOND, Robert W.
  • FEATHERSTONE, Donald J.
  • FITZSIMMONS, Jason A.
  • FRUEAUF, Jeremiah B.
  • GAJEWSKI, Daniel
  • GLENN, Dallin G.
  • GOLDSTEIN, Jorge A.
  • HELVEY, Jeffrey T.
  • HICKS, Ross
  • HOLMAN, David H.
  • HOLOUBEK, Michelle K.
  • HOPFINGER, Todd
  • JACKMAN, Peter A.
  • KENTON, JR., Lestin L.
  • KIM, Ji-Eun
  • KIM, Josephine
  • LAROCK, Adam C.
  • LONGSWORTH, Gaby L.
  • MILLONIG, Robert C.
  • MUTSCHELKNAUS, Joseph
  • NANNENGA-COMBS, Bonnie
  • PHERO, Graham C.
  • PICKARD, Byron L.
  • POWERS III, R. Wilson
  • RAY, Michael B.
  • RICHARDSON, Ryan C.
  • RYGIEL, Mark W.
  • ROSE GILLENTINE, Marsha
  • SHEA, JR., Timothy J.
  • SOKOHL, Robert E.
  • SPECHT, Michael D.
  • WRIGHT, Jon E.
  • VIRA, Chandrika
  • STEFFE, Eric K.
  • STERLING, Deborah A.
  • YONAN, Daniel E.
  • STERNE, Robert Greene
  • TUMINARO, Jonathan
  • VARUGHESE, Dennies
Données relatives à la priorité
17/007,43831.08.2020US
Langue de publication Anglais (en)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) MACHINE-LEARNING PREDICTION OR SUGGESTION BASED ON OBJECT IDENTIFICATION
(FR) PRÉDICTION OU SUGGESTION D'APPRENTISSAGE AUTOMATIQUE FONDÉE SUR L'IDENTIFICATION D'OBJETS
Abrégé
(EN) Disclosed herein are system, computer-program product (non-transitory computerreadable medium), and method embodiments for machine-learning prediction or suggestion* based on object identification. A system including at least one processor may be configured to cross-reference an identifier of a selected object with a list of known unique identifiers. The selected object may be selected via received selection. The at least one processor may further retrieve a set of values associated with the identifier of the selected object, upon determining that the list of known unique identifiers includes the identifier of the selected object, and perform machine-learning to derive a predicted-value set based at least in part on the set of values associated with the identifier of the selected object and a category applicable to the selected object. The at least one processor may determine that the predicted-value set satisfies a predetermined confidence condition, and output at least part of the predicted-value set.
(FR) Sont divulgués ici un système, un produit programme d'ordinateur (support non transitoire lisible par ordinateur) et des modes de réalisation de procédé pour une prédiction ou une suggestion d'apprentissage automatique fondée sur une identification d'objet. Un système comprenant au moins un processeur peut être conçu pour mettre en correspondance un identifiant d'un objet sélectionné avec une liste d'identifiants uniques et connus. L'objet sélectionné peut être sélectionné par sélection reçue. Le ou les processeurs peuvent en outre récupérer un ensemble de valeurs associées à l'identifiant de l'objet sélectionné lors de la détermination selon laquelle la liste d'identifiants uniques et connus comprend l'identifiant de l'objet sélectionné, et effectuer un apprentissage automatique pour dériver un ensemble de valeurs prédites sur la base, au moins en partie, de l'ensemble de valeurs associées à l'identifiant de l'objet sélectionné et d'une catégorie applicable à l'objet sélectionné. Le ou les processeurs peuvent déterminer que l'ensemble de valeurs prédites satisfait une condition de confiance prédéterminée, et fournir au moins une partie de l'ensemble de valeurs prédites.
Documents de brevet associés
Dernières données bibliographiques dont dispose le Bureau international