CN111429183A - 一种商品分析方法及装置 - Google Patents

Abstract

本发明公开了一种商品分析方法及装置，应用于商品分析平台，属于通信技术领域。该商品分析方法包括：接收用户的商品需求；基于商品需求，获取商品的商品属性及对应的商品属性值；设置商品属性的权重值；其中，权重值为反映商品属性重要程度的数值；根据商品属性及对应的权重值构建商品分析模型；将商品属性值输入商品分析模型，获取商品分析结果；将商品分析结果发送至用户，以供用户根据商品分析结果选购商品，从而可以比较全面地对电商APP中的商品进行分析，为消费者选购商品提供依据。

Description

一种商品分析方法及装置

技术领域

本发明涉及通信技术领域，具体涉及一种商品分析方法及装置。

背景技术

随着互联网技术和终端技术的发展，人们的购物模式发生了相应的变化，从传统的线下单一购物模式发展成为线上线下相结合的综合购物模式。而且，鉴于线上购物方式可以让消费者足不出户就能了解商品的信息详情，较线下购物方式而言更加方便快捷，因此线上购物获得了消费者的青睐。但是，供消费者线上购物所使用的各种电商APP品牌繁杂且数量较多，这些电商APP推销商品的营销方式不同，商品的优惠方案也不同。消费者使用电商APP购物时，一般只通过平时常用的几个电商APP进行商品性能、商品价格等信息的对比，而无法全面地对电商APP中相同商品或相似商品进行全面对比，导致消费者购买的可能并不是最符合其需求的商品。

因此，如何较全面地对电商APP中的商品进行分析，为消费者选购商品提供依据，成为本领域亟待解决的问题。

发明内容

为此，本发明提供一种商品分析方法及装置，以解决电商APP品牌繁杂且数量较多，消费者使用电商APP购物时无法全面地对电商APP中相同商品或相似商品进行全面对比，从而可能导致消费者购买的并不是最符合其需求的商品的问题。

为了实现上述目的，本发明第一方面提供一种商品分析方法，应用于商品分析平台，包括：

接收用户的商品需求；

基于所述商品需求，获取商品的商品属性及对应的商品属性值；

设置所述商品属性的权重值；其中，所述权重值为反映所述商品属性重要程度的数值；

根据所述商品属性及对应的所述权重值构建商品分析模型；

将所述商品属性值输入所述商品分析模型，获取商品分析结果；

将所述商品分析结果发送至所述用户，以供所述用户根据所述商品分析结果选购商品。

进一步地，所述基于所述商品需求，获取商品的商品属性及对应的商品属性值，包括：

基于所述商品需求，从第三方服务器获取满足所述商品需求的商品所对应的所述商品属性和所述商品属性值；其中，所述第三方服务器存储有所述商品对应的所述商品属性和所述商品属性值。

进一步地，所述设置所述商品属性的权重值，包括：

根据所述用户的喜好和所述商品的特征确定所述商品属性的重要程度；

根据所述商品属性的重要程度设置对应的所述权重值。

进一步地，所述基于所述商品需求，获取商品的商品属性及对应的商品属性值之后，所述设置所述商品属性的权重值之前，还包括：

对所述商品属性值进行预处理。

进一步地，所述对所述商品属性值进行预处理，包括：

剔除所述商品属性值中的无效数据和超出预设误差允许范围的数据；

对剩余的所述商品属性值进行归一化处理。

进一步地，所述将所述商品属性值输入所述商品分析模型，获取商品分析结果之后，还包括：

基于所述商品分析结果对所述商品进行排序，获得商品推荐队列；

将所述商品推荐队列发送至所述用户，以使所述用户基于所述商品推荐队列选购商品。

进一步地，所述根据所述商品属性及对应的权重值构建商品分析模型之后，还包括：

将所述商品分析模型发送至管理云平台，以使所述管理云平台对所述商品分析模型进行管理。

为了实现上述目的，本发明第二方面提供一种商品分析装置，应用于商品分析平台，包括：

接收模块，用于接收用户的商品需求；

第一获取模块，用于基于所述商品需求，获取商品的商品属性及对应的商品属性值；

设置模块，用于设置所述商品属性的权重值；其中，所述权重值为反映所述商品属性重要程度的数值；

构建模块，用于根据所述商品属性及对应的所述权重值构建商品分析模型；

第二获取模块，用于将所述商品属性值输入所述商品分析模型，获取商品分析结果；

发送模块，用于将所述商品分析结果发送至所述用户，以供所述用户根据所述商品分析结果选购商品。

进一步地，所述第一获取模块，用于基于所述商品需求，从第三方服务器获取满足所述商品需求的商品所对应的所述商品属性和所述商品属性值；其中，所述第三方服务器存储有所述商品对应的所述商品属性和所述商品属性值。

进一步地，所述商品分析装置，还包括：

预处理模块，用于对所述商品属性值进行预处理。

本发明具有如下优点：

本发明提供的商品分析方法，接收用户的商品需求；基于商品需求，获取商品的商品属性及对应的商品属性值；设置商品属性的权重值；其中，权重值为反映商品属性重要程度的数值；根据商品属性及对应的权重值构建商品分析模型；将商品属性值输入商品分析模型，获取商品分析结果；将商品分析结果发送至用户，以供用户根据商品分析结果选购商品，从而可以比较全面地对电商APP中的商品进行分析，为消费者选购商品提供依据。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。

图1为本发明第一实施例提供的一种商品分析方法的流程图；

图2为本发明第二实施例提供的一种商品分析方法的流程图；

图3为本发明第三实施例提供的一种商品分析方法的流程图；

图4为本发明第四实施例提供的一种商品分析装置的原理框图；

图5为本发明第五实施例提供的一种商品分析装置的原理框图。

具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

本发明实施例提供的商品分析方法及装置，考虑到消费者通过电商APP等方式进行线上购物时，一般只通过平时常用的几个电商APP进行商品性能、商品价格等信息的对比，而无法全面地对电商APP中相同商品或相似商品进行全面对比，导致消费者购买的可能并不是最符合其需求的商品，提供一种商品分析方法，可以比较全面地对电商APP中的商品进行分析，为消费者选购商品提供依据。

图1是本发明第一实施例提供的一种商品分析方法的流程图，应用于商品分析平台。如图1所示，该商品分析方法可包括如下步骤：

步骤S101，接收用户的商品需求。

其中，商品需求为用户对待购买商品的若干要求，这些要求可以是用户对商品外形、商品尺寸或者商品性能等方面的限制。而且，由于人们的生活条件、收入水平、文化程度、性别年龄、职业等不同，用户的商品需求具有较强的个性化特征。如，用户的商品需求为红色的智能手机；又如，用户的商品需求为65英寸的数码电视机；再如，用户的商品需求为具有防抖功能的数码照相机。接收用户商品需求的为商品分析平台。商品分析平台为一个信息化系统，具有分析商品属性及属性值，并为用户提供商品分析结果的功能。商品分析平台本质为由若干硬件装置和软件系统共同构成的一个信息化平台，商品分析平台可以有多种形式，包括电脑终端的应用软件和手机终端的APP(Application，应用程序)等形式。可以理解的是，商品分析平台还具有接收信息、发送信息等信息化平台的基本和常规性的功能。

在一个实施方式中，假设商品分析平台为一个APP。用户根据自己的购买需求，生成相应的商品需求，并通过手机终端把商品需求发送至商品分析平台APP。商品分析平台APP接收到用户发送的商品需求。

步骤S102，基于商品需求，获取商品的商品属性及对应的商品属性值。

其中，商品属性为可以反映商品特征的性质，包括颜色、尺寸、型号、性能等；商品属性值为商品属性对应的具体取值。商品属性的选择与商品的本质有关。如，商品需求为具有保湿功能的粉底液，则商品属性可以设置为粉底色号、粉底保湿度、粉底质地和粉底持妆度等；又如，商品需求为护眼台灯，则商品属性可以设置为灯具频率、灯具色调、灯具亮度和充电模式等。

需要说明的是，商品属性可以由用户来指定，也可以由商品分析平台进行设置。

获取的商品属性及商品属性值对应的商品为满足用户商品需求的商品。可以理解的是，为给用户提供更加全面的选择范围，提升用户使用体验，除获取全部满足商品需求的商品的商品属性及商品属性值之外，还可以为用户提供满足部分商品需求的商品的商品属性及商品属性值。

在一个实施方式中，假设商品分析平台接收的商品需求为65英寸的A品牌电视机。基于商品需求，商品分析平台从第三方服务器中查找所有的65英寸的A品牌电视机，并获取这些电视机的商品属性和对应的商品属性值。其中，第三方服务器存储有这些商品对应的商品属性和商品属性值；如，各电商平台的服务器。预设的商品属性包括但不限于：品牌、屏幕尺寸、分辨率、价格、响应速度、音视频解码格式、机身材料、净重、用户口碑和端口配置。同时，为扩大用户的可选择范围，从第三方服务器查找满足部分该商品需求的电视机。如，查找A品牌的60英寸的电视机、A品牌70英寸的电视机以及其它品牌且销量靠前的65英寸电视机，并获取这些电视机的商品属性和对应的商品属性值。

步骤S103，设置商品属性的权重值。

其中，权重值为反映商品属性重要程度的数值。权重值越大，说明对应的商品属性越重要，该商品属性对应的商品属性值对用户选购商品的影响程度越高；相应的，权重值越小，说明对应的商品属性越不重要，该商品属性对应的商品属性值对用户选购商品的影响程度越小。

在一个实施方式中，设置商品属性的权重值，包括：

首先，根据用户的喜好和商品的特征确定商品属性的重要程度。

如，假设商品需求为65英寸的A品牌电视机，设置的商品属性包括品牌、屏幕尺寸、分辨率、价格、响应速度、音视频解码格式、机身材料、净重、用户口碑和端口配置。根据商品需求可知，用户特定指定电视机的品牌为A品牌，说明A品牌为用户所喜好的品牌，因此，将品牌对应的重要程度设置为第一重要程度。同时，价格为影响用户购买能力的主要限制因素，因此，将价格对应的重要程度设置为第二重要程度。另外，由于电视机的分辨率会直接影响用户的使用体验，因此，将分辨率对应的重要程度设置为第三重要程度。同理，根据用户的喜好和商品的特征可以设置屏幕尺寸、响应速度、音视频解码格式、机身材料、净重、用户口碑和端口配置对应的重要程度。假设最终获得的商品属性的重要程度从大到小的排序为：品牌、价格、分辨率、屏幕尺寸、音视频解码格式、响应速度、端口配置、用户口碑、机身材料和净重。

其次，根据商品属性的重要程度设置对应的权重值。

具体地，将重要程度较高的商品属性的权重值对应设置为较高的数值。需要说明的是，所有的权重值之和应为1。

根据商品属性的重要程度排序，对商品属性分别设置对应的权重值，假设品牌对应的权重值为α1，价格对应的权重值为α2、分辨率对应的权重值为α3、屏幕尺寸对应的权重值为α4、音视频解码格式对应的权重值为α5、响应速度对应的权重值为α6、端口配置对应的权重值为α7、用户口碑对应的权重值为α8、机身材料对应的权重值为α9，净重对应的权重值为α10。其中，α1＞α2＞α3＞α4＞α5＞α6＞α7＞α8＞α9＞α10，且α1+α2+α3+α4+α5+α6+α7+α8+α9+α10＝1。

步骤S104，根据商品属性及对应的权重值构建商品分析模型。

其中，商品分析模型为加权平均模型。具体地，商品分析模型的权重值为预先设置的数值，加权项为商品的商品属性，加权项的数值为商品属性对应的商品属性值。在一些实施方式中，还可在商品分析模型中设置偏移量，以在一定程度上矫正获得的商品分析结果。

需要说明的是，在完成商品分析模型的构建之后，可以将商品分析模型发送至管理云平台，通过管理云平台对商品分析模型进行管理。

在一个实施方式中，确定商品属性并获取对应的商品属性值后，根据用户的喜好和商品的特征确定商品属性的重要程度，进而根据重要程度确定商品属性的权重值，再将权重值与商品属性对应，获得加权平均模型，该加权平均模型即为商品分析模型。

如，商品属性包括品牌、价格、分辨率、屏幕尺寸、音视频解码格式、响应速度、端口配置、用户口碑、机身材料和净重，分别用X1、X2、X3、X4、X5、X6、X7、X8、X9和X10表示，对应的权重分别是α1、α2、α3、α4、α5、α6、α7、α8、α9、和α10。且α1＞α2＞α3＞α4＞α5＞α6＞α7＞α8＞α9＞α10，α1+α2+α3+α4+α5+α6+α7+α8+α9+α10＝1。基于以上信息，可获得商品分析模型为：

F＝α1*X1+α2*X2+α3*X3+α4*X4+α5*X5

+α6*X6+α7*X7+α8*X8+α9*X9+α10*X10

其中，F为商品分析模型。

步骤S105，将商品属性值输入商品分析模型，获取商品分析结果。

其中，商品属性值对应若干个商品，因此，商品属性值为一个数组，且数组成员数量与商品数量一致，每一项数组成员为一个具体的数值。相应的，商品分析结果也是一个数组成员数量与商品数量相同的数组，商品分析结果数组中每个数组成员同样是一个具体的数值，该数值可以看作是商品分析模型对商品的评价分值。一般情况下，评价分值越高，说明该商品的性能和商品需求的满足程度越高。

在一个实施方式中，通过商品属性和对应的权重值构建商品分析模型后，将商品属性对应的多组商品属性值输入商品分析模型，经过商品分析模型进行加权平均计算，可以获得多组数值，该数值即为商品分析结果。

如，用户的商品需求为65英寸的A品牌电视机。构建的商品分析模型为：

F＝α1*X1+α2*X2+α3*X3+α4*X4+α5*X5+α6*X6+α7*X7+α8*X8+α9*X9+α10*X10

其中，F为商品分析模型，X1、X2、X3、X4、X5、X6、X7、X8、X9和X10分别表示品牌、价格、分辨率、屏幕尺寸、音视频解码格式、响应速度、端口配置、用户口碑、机身材料和净重，α1、α2、α3、α4、α5、α6、α7、α8、α9、和α10分别代表上述商品属性对应的权重值。

假设，采集的商品数量为n个，获取的商品的品牌、价格、分辨率、屏幕尺寸、音视频解码格式、响应速度、端口配置、用户口碑、机身材料和净重对应的商品属性值分别是

和

其中，

和

分别为对应的数组，每个数组中均包括n个数值。如，

同理，可以明确其它数组的数值组成。

将上述商品属性值输入商品，获得商品分析结果：

其中，

为商品分析结果，且

同样为数组。

F(1)、F(2)、F(3)和F(n)为数组成员，且均为数值，n为

数组成员的数量。

步骤S106，将商品分析结果发送至用户，以供用户根据商品分析结果选购商品。

商品分析结果为商品分析平台根据用户的商品需求对获取的商品进行综合分析的结果。商品分析结果为一组数值，分别对应相应的商品，用户根据商品分析结果可以选购满足其需求的商品。

在一个实施方式中，根据用户需求获取的商品数量为6个，分别为第一商品、第二商品、第三商品、第四商品、第五商品和第六商品。获取上述6个商品对应的商品属性值，将商品属性值输入商品分析模型，获得的商品分析结果为一个包含6个数值的数组

具体地，

其中，

为商品分析结果，F(1)、F(2)、F(3)、F(4)、F(5)和F(6)为

的数组成员，分别对应第一商品、第二商品、第三商品、第四商品、第五商品和第六商品的分析结果，且F(5)＞F(2)＞F(3)＞F(1)＞F(4)＞F(6)。

商品分析平台将

发送至用户，用户收到

后，根据

可以选购商品。一般情况下，用户选购商品分析结果中数值最高对应的商品的可能性最大。在本例中，由于F(5)＞F(2)＞F(3)＞F(1)＞F(4)＞F(6)，因此，用户选购第五商品的可能性最大。

图2是本发明第二实施例提供的一种商品分析方法的流程图，应用于商品分析平台，与本发明第一实施例基本相同，区别之处在于：对获取的商品属性值进行预处理，基于预处理后的商品属性值构建商品分析模型。如图2所示，该商品分析方法可包括如下步骤：

步骤S201，接收用户的商品需求。

本实施例中的步骤S201与本发明第一实施例中步骤S101的内容相同，在此不再赘述。

步骤S202，基于商品需求，获取商品的商品属性及对应的商品属性值。

本实施例中的步骤S202与本发明第一实施例中步骤S102的内容相同，在此不再赘述。

步骤S203，对商品属性值进行预处理。

商品属性值的准确性会直接影响商品分析结果的准确性。但是，商品分析平台从第三方服务器中获取的商品属性值中，很有可能包括无法使用的数据，如无效数据、超出误差允许范围和错误数据等。对获取的商品属性值进行预处理，可以剔除这些无法使用的数据，从而提升商品分析结果的准确性。

在一个实施方式中，对商品属性值进行预处理，包括：

首先，剔除商品属性值中的无效数据和超出预设误差允许范围的数据。

根据常识或者预设的误差允许范围，可以将商品属性值中的无效数据和超出误差允许范围的数据剔除掉。

其次，对剩余的商品属性值进行归一化处理。

由于商品分析模型为加权平均模型，商品属性值在输入商品分析模型前，需要进行归一化处理，成为无量纲的具有统一数值维度的标量。对数据进行归一化处理为常用的数据处理方法，在此不再赘述。

步骤S204，设置商品属性的权重值。

本实施例中的步骤S204与本发明第一实施例中步骤S103的内容相同，在此不再赘述。

步骤S205，根据商品属性及对应的权重值构建商品分析模型。

本实施例中的步骤S205与本发明第一实施例中步骤S104的内容相同，在此不再赘述。

步骤S206，将商品属性值输入商品分析模型，获取商品分析结果。

本实施例中的步骤S206与本发明第一实施例中步骤S105的内容相同，在此不再赘述。

步骤S207，将商品分析结果发送至用户，以供用户根据商品分析结果选购商品。

本实施例中的步骤S207与本发明第一实施例中步骤S106的内容相同，在此不再赘述。

图3是本发明第三实施例提供的一种商品分析方法的流程图，应用于商品分析平台，与本发明第一实施例基本相同，区别之处在于：获得商品分析结果后，根据商品分析结果为用户提供商品的推荐排序。如图3所示，该商品分析方法可包括如下步骤：

步骤S301，接收用户的商品需求。

本实施例中的步骤S301与本发明第一实施例中步骤S101的内容相同，在此不再赘述。

步骤S302，基于商品需求，获取商品的商品属性及对应的商品属性值。

本实施例中的步骤S302与本发明第一实施例中步骤S102的内容相同，在此不再赘述。

步骤S303，设置商品属性的权重值。

本实施例中的步骤S303与本发明第一实施例中步骤S103的内容相同，在此不再赘述。

步骤S304，根据商品属性及对应的权重值构建商品分析模型。

本实施例中的步骤S304与本发明第一实施例中步骤S104的内容相同，在此不再赘述。

步骤S305，将商品属性值输入商品分析模型，获取商品分析结果。

本实施例中的步骤S305与本发明第一实施例中步骤S105的内容相同，在此不再赘述。

步骤S306，将商品分析结果发送至用户，以供用户根据商品分析结果选购商品。

本实施例中的步骤S306与本发明第一实施例中步骤S106的内容相同，在此不再赘述。

步骤S307，基于商品分析结果对商品进行排序，获得商品推荐队列。

其中，商品分析结果为一组数值，该组数值可以看作是商品分析模型对商品进行分析后给出的评价分值。

在一个实施方式中，按照商品分析结果中的数值的大小顺序对商品进行排序，将商品分析结果中数值最大的商品排列在商品推荐队列的第一位，以此类推，从而获得商品推荐队列。

如，商品分析结果为

其中，F(1)、F(2)、F(3)、F(4)、F(5)和F(6)为

的数组成员，分别对应第一商品、第二商品、第三商品、第四商品、第五商品和第六商品的分析结果，且F(5)＞F(2)＞F(3)＞F(1)＞F(4)＞F(6)。因此，获得商品推荐序列为：第五商品、第二商品、第三商品、第一商品和第六商品。

步骤S308，将商品推荐队列发送至用户，以使用户基于商品推荐队列选购商品。

商品分析平台将商品推荐队列发送至用户，用户收到商品推荐队列后，可以根据商品推荐队列选购商品。商品推荐队列中，排序靠前的商品为经过分析最匹配用户需求，且商品性能较高的商品。一般情况下，用户选购位于商品推荐队列中排序靠前商品的可能性较大。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

图4是本发明第四实施例提供的一种商品分析装置的原理框图，应用于商品分析平台。如图4所示，该商品分析装置包括：接收模块401、第一获取模块402、设置模块403、构建模块404、第二获取模块405和发送模块406。

接收模块401，用于接收用户的商品需求。

其中，商品需求为用户对待购买商品的若干要求，这些要求可以是用户对商品外形、商品尺寸或者商品性能等方面的限制。而且，由于人们的生活条件、收入水平、文化程度、性别年龄、职业等不同，用户的商品需求具有较强的个性化特征。如，用户的商品需求为红色的智能手机；又如，用户的商品需求为65英寸的数码电视机；再如，用户的商品需求为具有防抖功能的数码照相机。接收用户商品需求的为商品分析平台。商品分析平台为一个信息化系统，具有分析商品属性及属性值，并为用户提供商品分析结果的功能。商品分析平台本质为由若干硬件装置和软件系统共同构成的一个信息化平台，商品分析平台可以有多种形式，包括电脑终端的应用软件和手机终端的APP等形式。可以理解的是，商品分析平台还具有接收信息、发送信息等信息化平台的基本和常规性的功能。

在一个实施方式中，假设商品分析平台为一个APP。用户根据自己的购买需求，生成相应的商品需求，并通过手机终端把商品需求发送至商品分析平台APP。商品分析平台APP的接收模块401接收到用户发送的商品需求。

第一获取模块402，用于基于商品需求，获取商品的商品属性及对应的商品属性值。

其中，商品属性为可以反映商品特征的性质，包括颜色、尺寸、型号、性能等；商品属性值为商品属性对应的具体取值。商品属性的选择与商品的本质有关。如，商品需求为具有保湿功能的粉底液，则商品属性可以设置为粉底色号、粉底保湿度、粉底质地和粉底持妆度等；又如，商品需求为护眼台灯，则商品属性可以设置为灯具频率、灯具色调、灯具亮度和充电模式等。

需要说明的是，商品属性可以由用户来指定，也可以由商品分析平台进行设置。

第一获取模块402获取的商品属性及商品属性值对应的商品为满足用户商品需求的商品。可以理解的是，为给用户提供更加全面的选择范围，提升用户使用体验，第一获取模块402除获取全部满足商品需求的商品的商品属性及商品属性值之外，还可以为用户提供满足部分商品需求的商品的商品属性及商品属性值。

在一个实施方式中，假设商品分析平台接收的商品需求为65英寸的A品牌电视机。基于商品需求，商品分析平台从第三方服务器中查找所有的65英寸的A品牌电视机，并通过第一获取模块402获取这些电视机的商品属性和对应的商品属性值。其中，第三方服务器存储有这些商品对应的商品属性和商品属性值；如，各电商平台的服务器。预设的商品属性包括但不限于：品牌、屏幕尺寸、分辨率、价格、响应速度、音视频解码格式、机身材料、净重、用户口碑和端口配置。同时，为扩大用户的可选择范围，从第三方服务器查找满足部分该商品需求的电视机。如，查找A品牌的60英寸的电视机、A品牌70英寸的电视机以及其它品牌且销量靠前的65英寸电视机，并通过第一获取模块402获取这些电视机的商品属性和对应的商品属性值。

设置模块403，用于设置商品属性的权重值。

其中，权重值为反映商品属性重要程度的数值。权重值越大，说明对应的商品属性越重要，该商品属性对应的商品属性值对用户选购商品的影响程度越高；相应的，权重值越小，说明对应的商品属性越不重要，该商品属性对应的商品属性值对用户选购商品的影响程度越小。

在一个实施方式中，设置模块403设置商品属性的权重值，包括：

首先，根据用户的喜好和商品的特征确定商品属性的重要程度。

其次，根据商品属性的重要程度设置对应的权重值。

具体地，将重要程度较高的商品属性的权重值对应设置为较高的数值。需要说明的是，所有的权重值之和应为1。

构建模块404，用于根据商品属性及对应的权重值构建商品分析模型。

其中，商品分析模型为加权平均模型。具体地，商品分析模型的权重值为预先设置的数值，加权项为商品的商品属性，加权项的数值为商品属性对应的商品属性值。在一些实施方式中，还可在商品分析模型中设置偏移量，以在一定程度上矫正获得的商品分析结果。

需要说明的是，在完成商品分析模型的构建之后，可以将商品分析模型发送至管理云平台，通过管理云平台对商品分析模型进行管理。

在一个实施方式中，确定商品属性并获取对应的商品属性值后，根据用户的喜好和商品的特征确定商品属性的重要程度，进而根据重要程度确定商品属性的权重值，再将权重值与商品属性对应，通过构建模块404获得加权平均模型，该加权平均模型即为商品分析模型。

第二获取模块405，用于将商品属性值输入商品分析模型，获取商品分析结果。

其中，商品属性值对应若干个商品，因此，商品属性值为一个数组，且数组成员数量与商品数量一致，每一项数组成员为一个具体的数值。相应的，商品分析结果也是一个数组成员数量与商品数量相同的数组，商品分析结果数组中每个数组成员同样是一个具体的数值，该数值可以看作是商品分析模型对商品的评价分值。一般情况下，评价分值越高，说明该商品的性能和商品需求的满足程度越高。

在一个实施方式中，通过商品属性和对应的权重值构建商品分析模型后，通过第二获取模块405将商品属性对应的多组商品属性值输入商品分析模型，经过商品分析模型进行加权平均计算，可以获得多组数值，该数值即为商品分析结果。

发送模块406，用于将商品分析结果发送至用户，以供用户根据商品分析结果选购商品。

商品分析结果为商品分析平台根据用户的商品需求对获取的商品进行综合分析的结果。商品分析结果为一组数值，分别对应相应的商品，用户根据商品分析结果可以选购满足其需求的商品。

在一个实施方式中，根据用户需求获取的商品数量为6个，分别为第一商品、第二商品、第三商品、第四商品、第五商品和第六商品。获取上述6个商品对应的商品属性值，将商品属性值输入商品分析模型，获得的商品分析结果为一个包含6个数值的数组

具体地，

其中，

为商品分析结果，F(1)、F(2)、F(3)、F(4)、F(5)和F(6)为

的数组成员，分别对应第一商品、第二商品、第三商品、第四商品、第五商品和第六商品的分析结果，且F(5)＞F(2)＞F(3)＞F(1)＞F(4)＞F(6)。

商品分析平台通过发送模块406将

发送至用户，用户收到

后，根据

可以选购商品。一般情况下，用户选购商品分析结果中数值最高对应的商品的可能性最大。在本例中，由于F(5)＞F(2)＞F(3)＞F(1)＞F(4)＞F(6)，因此，用户选购第五商品的可能性最大。

图5是本发明第五实施例提供的一种商品分析装置的原理框图，应用于商品分析平台，与本发明第四实施例基本相同，区别之处在于：新增了预处理模块，使用预处理模块对获取的商品属性值进行预处理。如图5所示，该商品分析装置包括：接收模块501、第一获取模502、预处理模块503、设置模块504、构建模块505、第二获取模块506和发送模块507。

接收模块501，用于接收用户的商品需求。

本实施例中的接收模块501与本发明第四实施例中接收模块401的内容相同，在此不再赘述。

第一获取模块502，用于基于商品需求，获取商品的商品属性及对应的商品属性值。

本实施例中的第一获取模块502与本发明第四实施例中第一获取模块402的内容相同，在此不再赘述。

预处理模块503，用于对商品属性值进行预处理。

商品属性值的准确性会直接影响商品分析结果的准确性。但是，商品分析平台从第三方服务器中获取的商品属性值中，很有可能包括无法使用的数据，如无效数据、超出误差允许范围和错误数据等。通过预处理模块503对获取的商品属性值进行预处理，可以剔除这些无法使用的数据，从而提升商品分析结果的准确性。

在一个实施方式中，预处理模块503对商品属性值进行预处理，包括：

首先，剔除商品属性值中的无效数据和超出预设误差允许范围的数据。

根据常识或者预设的误差允许范围，可以将商品属性值中的无效数据和超出误差允许范围的数据剔除掉。

其次，对剩余的商品属性值进行归一化处理。

由于商品分析模型为加权平均模型，商品属性值在输入商品分析模型前，需要进行归一化处理，成为无量纲的具有统一数值维度的标量。对数据进行归一化处理为常用的数据处理方法，在此不再赘述。

设置模块504，用于设置商品属性的权重值。

本实施例中的设置模块504与本发明第四实施例中设置模块403的内容相同，在此不再赘述。

构建模块505，用于根据商品属性及对应的权重值构建商品分析模型。

本实施例中的构建模块505与本发明第四实施例中构建模块404的内容相同，在此不再赘述。

第二获取模块506，用于将商品属性值输入商品分析模型，获取商品分析结果。

本实施例中的第二获取模块506与本发明第四实施例中第二获取模块405的内容相同，在此不再赘述。

发送模块507，用于将商品分析结果发送至用户，以供用户根据商品分析结果选购商品。

本实施例中的发送模块507与本发明第四实施例中发送模块405的内容相同，在此不再赘述。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种商品分析方法，应用于商品分析平台，其特征在于，包括：

接收用户的商品需求；

基于所述商品需求，获取商品的商品属性及对应的商品属性值；

设置所述商品属性的权重值；其中，所述权重值为反映所述商品属性重要程度的数值；

根据所述商品属性及对应的所述权重值构建商品分析模型；

将所述商品属性值输入所述商品分析模型，获取商品分析结果；

将所述商品分析结果发送至所述用户，以供所述用户根据所述商品分析结果选购商品。

2.根据权利要求1所述的商品分析方法，其特征在于，所述基于所述商品需求，获取商品的商品属性及对应的商品属性值，包括：

基于所述商品需求，从第三方服务器获取满足所述商品需求的商品所对应的所述商品属性和所述商品属性值；其中，所述第三方服务器存储有所述商品对应的所述商品属性和所述商品属性值。

3.根据权利要求1所述的商品分析方法，其特征在于，所述设置所述商品属性的权重值，包括：

根据所述用户的喜好和所述商品的特征确定所述商品属性的重要程度；

根据所述商品属性的重要程度设置对应的所述权重值。

4.根据权利要求1所述的商品分析方法，其特征在于，所述基于所述商品需求，获取商品的商品属性及对应的商品属性值之后，所述设置所述商品属性的权重值之前，还包括：

对所述商品属性值进行预处理。

5.根据权利要求4所述的商品分析方法，其特征在于，所述对所述商品属性值进行预处理，包括：

剔除所述商品属性值中的无效数据和超出预设误差允许范围的数据；

对剩余的所述商品属性值进行归一化处理。

6.根据权利要求1所述的商品分析方法，其特征在于，所述将所述商品属性值输入所述商品分析模型，获取商品分析结果之后，还包括：

基于所述商品分析结果对所述商品进行排序，获得商品推荐队列；

将所述商品推荐队列发送至所述用户，以使所述用户基于所述商品推荐队列选购商品。

7.根据权利要求1所述的商品分析方法，其特征在于，所述根据所述商品属性及对应的权重值构建商品分析模型之后，还包括：

将所述商品分析模型发送至管理云平台，以使所述管理云平台对所述商品分析模型进行管理。

8.一种商品分析装置，应用于商品分析平台，其特征在于，包括：

接收模块，用于接收用户的商品需求；

第一获取模块，用于基于所述商品需求，获取商品的商品属性及对应的商品属性值；

设置模块，用于设置所述商品属性的权重值；其中，所述权重值为反映所述商品属性重要程度的数值；

构建模块，用于根据所述商品属性及对应的所述权重值构建商品分析模型；

第二获取模块，用于将所述商品属性值输入所述商品分析模型，获取商品分析结果；

发送模块，用于将所述商品分析结果发送至所述用户，以供所述用户根据所述商品分析结果选购商品。

9.根据权利要求8所述的商品分析装置，其特征在于，所述第一获取模块，用于基于所述商品需求，从第三方服务器获取满足所述商品需求的商品所对应的所述商品属性和所述商品属性值；其中，所述第三方服务器存储有所述商品对应的所述商品属性和所述商品属性值。

10.根据权利要求8所述的商品分析装置，其特征在于，所述商品分析装置，还包括：

预处理模块，用于对所述商品属性值进行预处理。

Images