CN102129431B - 应用于网上交易平台的检索方法和系统 - Google Patents
应用于网上交易平台的检索方法和系统 Download PDFInfo
- Publication number
- CN102129431B CN102129431B CN201010003928.7A CN201010003928A CN102129431B CN 102129431 B CN102129431 B CN 102129431B CN 201010003928 A CN201010003928 A CN 201010003928A CN 102129431 B CN102129431 B CN 102129431B
- Authority
- CN
- China
- Prior art keywords
- advertisement source
- keyword
- coupling
- seller
- advertisement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000008878 coupling Effects 0.000 claims description 169
- 238000010168 coupling process Methods 0.000 claims description 169
- 238000005859 coupling reaction Methods 0.000 claims description 169
- 239000000284 extract Substances 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000013507 mapping Methods 0.000 claims description 19
- 230000013011 mating Effects 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000007423 decrease Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 5
- AZFKQCNGMSSWDS-UHFFFAOYSA-N MCPA-thioethyl Chemical compound CCSC(=O)COC1=CC=C(Cl)C=C1C AZFKQCNGMSSWDS-UHFFFAOYSA-N 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
- G06Q30/0256—User search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0244—Optimization
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了应用于网上交易平台的检索方法和系统,所述方法包括:依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;将所述提取到的卖方用户的广告源生成相应的关键词;按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系;根据接收到的买方用户输入的关键词,按照所述匹配关系搜索相应的广告源。本申请可以避免买方用户在输入关键词之后检索不到合适的广告源情况下,重复检索给网上交易平台的服务器带来的检索速度和性能下降的问题。
Description
技术领域
本申请涉及网络数据处理领域,特别涉及应用于网上交易平台的检索方法和系统。
背景技术
网上交易平台是平台服务提供者为开展网上交易提供的计算机信息系统,在网上交易平台上可以实现卖方用户和买方用户的网上交易等。在网上交易平台上,买方用户输入一定的关键词就可以相应的检索到卖方用户的广告源,这种在互联网领域的竞价排名模式下,卖方用户提供的广告源(例如:文本文件,图片等)与对应关键词(即是购买词或单位)的映射关系,称为广告源和关键词之间的匹配。卖方用户可以通过购买关键词来实现给广告源作广告的目的,例如,卖方用户购买了关键词a,则买方用户输入的检索词语在一定规则下映射到关键词a时,就将卖方用户的指定广告源(例如文本、图片等)向买方用户进行展示。而卖方用户通过这种关键词和广告源之间的匹配投放广告并为自己带来的利益,例如:买方用户的点击、咨询或者产生交易等,就称为卖方用户的收益。
现有技术中,应用于网上交易平台的检索方法中,当买方用户输入关键词之后,按照一定的匹配映射关系检索到卖方用户的广告源,现有技术的匹配映射关系按照如下方式生成:在选取广告源和关键词的匹配时,一般考虑优先匹配最新的广告源,以及该广告源与某个关键词匹配是否给该广告源带来的收益最大。例如,卖方用户有“卖各种手机”和“卖国外手机”两个不同的广告源,关键词有“手机”,“摩托罗拉手机”,“诺基亚手机”三个,假设每个广告源只可以关联两个关键词,且有各种关联为卖方用户带来的收益如下:“卖各种手机”匹配“手机”的收益为:10;“卖各种手机”匹配“摩托罗拉手机”的收益为:7;“卖各种手机”匹配“联想手机”的收益为:6;“卖国外手机”匹配“手机”的收益为:9;“卖国外手机”匹配“摩托罗拉手机”的收益为:7;“卖国外手机”匹配“联想手机”的收益为:5。则按照现有方法生成的各个广告源与关键词之间的匹配关系为:广告源“卖各种手机”匹配关键词“手机”和“摩托罗拉手机”,广告源“卖国外手机”匹配关键词“联想手机”,上述匹配关系为卖方用户带来的收益为22。
但是在上述例子中,还存在一种广告源与关键词的匹配方式为:“卖各种手机”关联到“手机”与“联想手机”,“卖国外手机”关联到“摩托罗拉手机”,上述匹配关系为卖方用户带来的收益为23。可以看出在实际应用中,在对卖方用户的广告源匹配到关键词的个数做限制时,如果在提取广告源时仅仅考虑提取时间最新的广告源,或者将广告源与关键词建立匹配关系时,仅仅依据某个匹配关系能够给当前一个或一组相近广告源带来最大收益,这样得到的广告源与关键词之间的匹配关系并不能代表卖方用户所经营的所有领域,使得卖方用户的某些所经营的领域里没有或很少有广告源能够匹配到关键词,那么,当买方用户在输入关键词进行商品检索时,就检索不到相应的符合要求的广告源,如果买方用户重复进行检索,势必会导致网上交易平台服务器搜索性能的下降。进一步的,现有技术中生成广告源与关键词之间匹配关系的方式也不能给卖方用户带来最大收益。
总之,目前需要本领域技术人员迫切解决的一个技术问题就是:如何能够创新的提出一种应用于网上交易平台的检索方法,以解决基于现有技术中广告源与关键词的匹配关系在网上交易平台进行重复检索时,造成的网上交易平台服务器搜索性能的下降的问题。
发明内容
本申请所要解决的技术问题是提供一种检索方法,用以解决基于现有技术中广告源与关键词的匹配关系在网上交易平台进行重复检索时,造成的网上交易平台服务器搜索性能的下降的问题。
本申请还提供了一种检索装置,用以保证上述方法在实际中的实现及应用。
为了解决上述问题,本申请公开了一种应用于网上交易平台的检索方法,该方法包括:
依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;
将所述提取到的卖方用户的广告源生成相应的关键词;
按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;
利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系;
根据接收到的买方用户输入的关键词,按照所述匹配关系搜索相应的广告源。
本申请还提供了一种广告源和关键词之间匹配关系的生成方法,该方法包括:
依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;
将所述提取到的卖方用户的广告源生成相应的关键词;
按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;
利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系。
本申请还提供了一种应用于网上交易平台的检索系统,该系统包括:
匹配关系生成装置,用于依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;将所述提取到的卖方用户的广告源生成相应的关键词;按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系;
搜索单元,用于根据接收到的买方用户输入的关键词,按照所述匹配关系搜索相应的广告源。
本申请还提供了一种广告源和关键词之间匹配关系的生成装置,该装置包括:
提取模块,用于依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;
生成关键词模块,用于将所述提取到的卖方用户的广告源生成相应的关键词;
建立规划模型模块,用于按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;
获取匹配关系模块,用于利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系。
与现有技术相比,本申请包括以下优点:
本申请可以避免买方用户在输入关键词之后检索不到合适的广告源情况下,重复检索给网上交易平台的服务器带来的检索速度和性能下降的问题,本申请实施例尽量保证了在买方用户一次检索情况下,就能够获取到最合适的广告源的情况,因此也提升了买方用户的购物体验,以及卖方用户的销售体验。当然,实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请的广告源与关键词之间匹配关系的生成方法实施例1的流程图;
图2是本申请的应用于网上交易平台的检索方法的流程图;
图3是本申请的广告源与关键词之间匹配关系的生成方法实施例2的流程图;
图4是本申请的广告源与关键词之间匹配关系的生成装置实施例1的结构示意图;
图5是本申请的应用于网上交易平台的检索系统的结构示意图;
图6是本申请的广告源与关键词之间匹配关系的生成装置实施例2的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请可用于众多通用或专用的计算装置环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本申请的主要思想之一可以包括,首先按照卖方用户的广告源在各个类目下的分布比例提取出一定数量的广告源,因为提取是按照广告源的类目分布比例进行的,这样就使得提取出的广告源能够尽量分布该卖方用户所能交易的所有商品区域,其次再根据这些广告源生成对应的关键词,并且采用建立0~1规划模型和基于搜索的求解方式相结合的方法,从而得到需要建立匹配关系的广告源与对应的关键词之间的匹配,采用本申请实施例的方法建立的匹配关系能够代表卖方用户的最大收益,从而在买方用户输入关键词检索所需商品时,能够依据前述建立的匹配关系检索到最相关的卖方用户的广告源。这就避免了买方用户在检索不到合适的广告源情况下,重复检索给网上交易平台的服务器带来的性能下降的问题,本申请实施例尽量保证了在买方用户一次检索情况下,就能够获取到最合适的广告源的情况,因此也提升了买方用户的购物体验,以及卖方用户的销售体验。
参考图1,示出了本申请的广告源和关键词之间匹配关系的生成方法的实施例1的流程图,可以包括以下步骤:
步骤101:依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源。
在本实施例中,对于所有卖方用户的广告源,可以采取一定的规则将所有广告源进行分类,例如:广告源的类目可以按照树状进行生成,当根节点为服装时,其子节点可以包括:男士服装、女士服装和儿童服装,而子节点“男士服装”还可以包括不同季节不同款式的服装等,在实际中根据需要将类目划分到一定的详细程度。其中,对广告源进行分类的方式属于现有技术,本发明在此不做详细的介绍。卖方用户广告源的分类方法可以是各种方法,只要满足实际要求的同一类广告源在同一类目下即可。
在按照类目提取满足预置条件的该卖方用户的广告源,其中,所述预置条件可以是:提取的广告源的个数大于需要建立匹配关系的广告源的个数等,这是为了避免有的广告源匹配不到关键词时的情况出现。其中,需要建立匹配关系的广告源的个数由卖方用户提供,即是卖方用户在建立匹配关系过程之前就确定了最后需要建立匹配的广告源的个数。具体在某一个类目下,在该类目下提取广告源时可以按照时间是否最新以及,某个广告源是否提取过作为参考进行提取。卖方用户的广告源可以为各种形式,例如:文本、图片或者视频等,只要满足可以在互联网上展示即可称为本申请实施例中所述的广告源。
步骤102:根据所述提取到的卖方用户的广告源生成相应的关键词。将步骤101中提取得到的广告源生成对应的关键词,其中,在生成关键词时可以利用提取中心词,或者采用扩展匹配的方法,将广告源生成关键词的方法属于现有技术,本申请在此不做详细介绍。需要说明的是,本步骤中生成的关键词准则为:生成的关键词需要与广告源有一定的相关并能代表买方用户的购买意愿。其中,与广告源有一定的相关表示根据某个广告源生成的关键词应该满足卖方用户的要求,但是同时也不能损害买方用户的体验,既能代表买方用户的购买意愿。例如,当卖方用户的广告源为“销售各种Nokia手机”,则提取出的关键词可以为“手机”,“Nokia手机”,或“各种手机”等,一般情况下关键词可以为广告源对应文本的中心词。
步骤103:按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系。
在本实施例中,所述预置的约束条件一般为:每个广告源映射的关键词的个数,以及需要建立匹配关系的广告源的数目。其中,约束条件的内容一般由卖方用户进行预置,在实际应用中建立匹配关系的时候,因为会对广告源的数目以及每个广告源所映射的关键词个数有一定的限制,所以为了建立满足以上约束条件的规划模型,需要引入一个0-1整数变量用来表示某个或某组广告源与某个关键词是否映射,映射则表示为1,不映射则表示为0,则根据预先确定的约束条件建立目标为该卖方用户收益最大化的0-1整数规划模型。所述卖方用户收益,可以理解为某个广告源与某个关键词建立匹配之后给卖方用户带来的利润,在实际的项目中可以采用为卖方用户带来的点击率来表示收益。关于该整数规划模型的具体建立过程在下一个实施例中将进行详细介绍。
需要说明的是,卖方用户提供的广告源与对应关键词的映射关系,即为本申请实施例中广告源和关键词之间的匹配。
步骤104:利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系。
当步骤103中的规划模型建立之后,可以利用基于搜索的求解方法对该0-1整数规划模型进行求解,求解的结果即是广告源和关键词对应的匹配关系。其中,所述匹配关系中的广告源总数,为卖方用户预先指定的需要建立匹配的广告源个数,卖方用户只需预先指定约束条件,即需要建立匹配的广告源个数,和每个广告源需要匹配的关键词个数即可。
本申请中求解出的匹配关系,可以重复利用,同时一个广告源与关键词的匹配生成后也可以返回给卖方用户,并让卖方用户确定是否满足其要求。广告源和关键词之间的匹配建立以后可以有多种应用,一般应用于当买方用户输入关键词后,网上交易平台服务器可以按照该预先生成的匹配关系查找到某个卖方用户的广告源,并将该广告源的内容返回给买方用户,因此本申请实施例中建立的匹配关系,最能代表卖方用户的销售商品信息,从而可以后续提高卖方用户的销售体验,也能够在买方用户检索到的广告源能够较为贴近其购买意愿。
同时参考图2所示,在匹配关系生成方法实施例1的基础上,在步骤104之后,本申请的应用于网上交易平台的检索方法实施例还需要包括:
步骤201:根据接收到的买方用户输入的关键词,按照所述匹配关系搜索相应的广告源。
即是在本实施例中,当卖方用户的匹配关系生成之后,在网上交易平台服务器端进行保存,当买方用户输入关键词之后,即是自己需要购买的商品或物品的关键词时,可以在服务器端按照步骤104中得到的匹配关系搜索到对应广告源,依据本实施例中的匹配关系检索到的广告源,可以更能真实反映卖用户的产品信息,同时也能使得买方用户更精准的搜索到自己所需的产品,无需重复检索或者更换关键词就能在尽可能少的次数内检索到符合自己购买意愿的广告源;并且,由于本申请实施例中建立的匹配关系中的广告源为分类目进行提取的,则网上交易平台服务器在检索时也只需按照匹配关系中广告源所在类目进行检索,基于上述分析可以看出,本申请实施例可以减少网上交易平台服务器的检索次数,提升了网上交易平台服务器的检索性能。
优选的,本实施例还可以包括:
步骤202:将搜索得到的相应的广告源在网站页面上显示给买方用户。
同时,服务器可以将检索到的广告源在网站页面上显示给买方用户,以使得买方用户可以点击获取到具体产品的信息以及购买方式。
在本实施例中,将卖方用户的广告源进行分类后再采用类目分布比例选取广告源,从而能够保证广告源覆盖卖方用户所卖物品的全部领域,并且本实施例中采用0-1整数规划建立对于卖方用户最优匹配选取的模型,采用基于搜索的贪心算法求解建立的模型,就能够得到对于卖方用户来讲最优,即是能代表卖方用户所经营的所有领域的广告源与关键词之间的匹配,从而能在买方用户输入关键词希望检索到相关的广告源,利用本申请实施例中生成的匹配关系获取到比较能符合要求的卖方用户的广告源,这样就避免了买方用户重复进行检索的操作,从而提升了网上交易平台服务器的搜索速率和性能,同时,也提升了买方用户在查找广告源时的购物体验。
参考图3,示出了广告源和关键词之间匹配关系的生成方法实施例2的流程图,可以包括以下步骤:
步骤301:将当前网上交易平台系统中所有卖方用户的广告源按照预置的分类标准进行分类。
在本实施例中,首先需要对当前网上交易平台系统中所有卖方用户的广告源按照预置的分类标准进行分类,并将分类之后的各类目广告源进行存储,以便于后续按照各个类目从某类广告源中获取到需要提取的广告源。
步骤302:依据给定的卖方用户,获取该卖方用户所有的广告源在各个类目下所占的分布比例。
针对某一个需要生成匹配关系的卖方用户,首先从所有广告源中获取到属于该卖方用户的广告源,并获取到该卖方用户的广告源在各个类目下的分布比例。获取到该分布比例是为了后续按照该比例在各个类目下提取相应比例的广告源。本实施例中,按照卖方用户的广告源在各类目中分布比例来提取广告源的方式,可以使得卖方用户的各个类目都能够提取出相应的广告源,就不会在匹配关系的生成过程中漏掉卖方用户的某个或某些类目,从而保证了依据该提取出的广告源生成匹配关系时,可以使得该匹配最有针对性的代表卖方用户的广告源,那么后续在买方用户输入关键词进行搜索时,网上交易平台服务器搜索到该匹配的几率也就相对较大,因此,基于本申请实施例生成的匹配关系同时还满足卖方用户的最大收益。
步骤303:依据所述分布比例在各个类目下提取预置个数的广告源,所述预置个数大于所述需要建立匹配的广告源的个数。
例如,卖方用户的广告源在A与B类目下的分布比例为1∶2,那么在提取广告源的过程中,也需要分别在A与B类目下提取1∶2的比例的广告源。当然,提取的广告源的总数需要满足一定要求,在本实施例中,则是使得提取的广告源的个数大于需要建立匹配的广告源的个数,一般情况下,可以直接提取需要建立匹配的广告源的个数的2倍。因为在实际应用中,经常会存在多个广告源对应一个关键词的情况,但一般情况下,基于网上交易平台服务器的搜索速度和性能考虑,一个关键词一般只对应一个广告源或一类广告源,这样在后续依据关键词搜索广告源时就不用遍历所有的广告源,每一个关键词都能搜索到不同的广告源,就会加快网上交易平台服务器的搜索速度。例如:广告源“卖各种手机”只与关键词“手机”建立映射,而广告源“卖手机”与关键词“手机”也应建立映射,如果这两个广告源相互独立,那么上面两种匹配关系则不能同时存在,则会导致某一个广告源没有关键词可以形成匹配的情况。
步骤304:建立一个矩阵X,所述矩阵的项Xi,j表示第i个关键词与第j个广告源是否匹配。
当提取出卖方用户需要建立匹配的广告源之后,则需要建立该卖方用户收益最大化的0-1整数规划模型。在实际中需要首先建立一个矩阵X,该矩阵为n行m列的矩阵,采用该矩阵的项Xi,j来表示第i个关键词与第j个广告源是否匹配,即是第i个关键词与第j个广告源是否具有映射关系。其中,i=1,......,n,j=1,......m。
步骤305:将所述矩阵按列转换为向量,并依据该转换后的向量建立0~1整数规划模型。
将矩阵转换为向量时,需要将矩阵的第二列连接到第一列的底部,第三列连接到第二列的底部,依次连接,直至将矩阵的最后一列连接到倒数第二列的底部,则将矩阵转化为了一个总数为n*m的向量。依据该向量建立的规划模型如下所示:
其中,Pij为第i个关键词和第j个广告源匹配带来的收益,Xij表示第i个关键词与第j个广告源是否匹配,匹配就为1,不匹配就为0;Nj表示第j个广告源能够容纳的关键词的个数。n是关键词个数,m是广告源个数。
步骤306:分别获取各个关键词与各个广告源之间的每一个匹配对应的广告源收益、相似度、广告源广度和广告源深度。
在本实施例中,即是获取矩阵X中每一项上第i个关键词和第j个广告源之间的匹配对应的广告源收益、相似度、广告源广度和广告源深度。其中,广告源广度表示一个关键词匹配广告源的个数尽可能多的程度,广告源深度表示一个广告源匹配到关键词的个数尽可能多的程度。在实际应用中,收益、相似度、广告源广度和广告源深度都认为是本申请实施例中已经存在的数值,相似度表示广告源和关键词之间的相似程度,可以利用现有技术计算得到;广告源广度和广告源深度在实际应用中,可采用下述计算公式进行计算:广告源深度=广告源限制的关键词的个数;广告源广度=广告源限制的关键词的个数-目前和广告源建立匹配关系的关键词的个数。同时在实际应用中,针对不同的情况,以上所表述的概念可以有不同的计算结果。
步骤307:在广告源收益最大的多个匹配组合中,分别计算所述多个匹配组合给卖方用户带来的多个卖方收益。
首先按照广告源收益对向量中的所有匹配组合进行排序,获取到排在前列的广告源收益最大的多个匹配组合中,分别计算这些匹配组合给卖方用户带来的多个卖方收益。其中,卖方用户收益的计算方式为:某个广告源与关键词的匹配的最大收益减去此匹配为卖方用户带来的损失。在实际应用中,其中,某个匹配为卖方用户带来的损失定义为:其它广告源里与该匹配中的关键词生成匹配后的最大收益值。
需要说明的是,卖方用户收益的计算可以采用估值函数的方式实现,即是在本步骤通过构造估值函数的方式获取某个匹配的带给卖方用户的收益,例如,将估值函数定义为:某个匹配带给卖方用户的收益=某个广告源与关键词的匹配的最大收益减去此匹配为卖方用户带来的损失。
步骤308:判断卖方收益最大的匹配组合是否为多个,如果是,再依次按照相似度、广告源广度和/或广告源深度的大小对所述多个卖方收益最大的匹配组合进行排序,并从最终排序结果中选取出最靠前的一个匹配组合;如果不是,则直接获取该一个卖方收益最大的匹配组合。
在本步骤中,如果卖方收益最大的匹配组合仅仅为一个,则直接获取到该一个卖方收益最大的匹配组合,并进入下一个步骤;如果卖方收益最大的匹配组合为多个,则需要再按照相似度对该多个卖方收益最大的匹配组合进行排序,并根据排序结果获取出相似度最大的匹配组合,需要说明的是,如果此时相似度最大的匹配组合只有一个,同样只获取这一个卖方收益最大的匹配组合,如果相似度最大的匹配组合有多个,则再按照广告源广度对多个相似度最大的匹配组合进行排序,并获取排序最靠前的一个匹配组合作为本步骤的结果。在本步骤中即是依次按照收益、相似度、广告源广度和/或广告源深度的大小获取最优的一个匹配组合关系。
步骤309:判断当前获取到的匹配组合中的广告源匹配的关键词个数是否达到上限个数,如果是,则将该匹配组合的映射关系删除,并进入下一个步骤;如果否,则保存所述匹配组合,进入下一个步骤。
因为在本实施例中,建立规划模型时即预定了约束条件,即是每个广告源能够匹配的关键词个数,则本步骤则需要对上一个步骤中得到的匹配进行检测,检测该匹配的广告源所匹配的关键词个数是否已经达到上限个数,如果已经超过上限个数,则将匹配组合的映射关系删除,并进入下一个步骤,如果还未超过关键词的上限个数,则将该匹配关系所示意的广告源和关键词之间的映射关系进行保存,也需要将该匹配的映射关系删除,以便于后续在遍历时不再重复搜索到该匹配关系,同时进入下一个步骤。
步骤310:继续在各个关键词与各个广告源之间的其他匹配中获取满足约束条件的匹配组合,直至所述提取出的广告源都已经匹配到所述上限个数的关键词。
在获取某个广告源和某个关键词之间的匹配关系之后,则需要继续在矩阵X中遍历其他各个关键词与各个广告源之间的其他匹配,遍历获取匹配的方式可以同步骤306~309相同,直至步骤302中提取出的广告源都已经匹配到所述上限个数的关键词。例如,每个广告源已经匹配到了最大上限为5个的关键词,则需要停止获取匹配的步骤。
步骤311:按照每个广告源的总体收益值对得到的匹配组合进行排序,并将排序后满足约束条件的匹配组合作为求解结果。
然后对提取出的广告源进行总体收益值的计算,例如,当一个广告源能够匹配两个关键词时,该总体收益值即是该广告源与两个关键词分别匹配时的收益值之和,再按照该总体收益值对得到的匹配组合进行排序,再从排序结果中取出一定个数的匹配组合作为求解结果,该一定个数的大小为需要建立匹配的广告源的个数大小。
当然,在本申请的网上交易平台的检索方法实施例2中,在步骤311之后,还可以包括前述步骤201和步骤202,以根据生成匹配关系方法实施例2中生成的匹配关系,以及买方用户输入的关键词,检索到卖方用户对应的广告源,这种检索方式可以使得展示的广告源能够较好的覆盖卖方用户的销售领域,同时也能够更贴近买方用户的购买意愿,因此,在网上交易平台进行交易的买方用户就无需重复输入关键词进行查询,这就使得网上交易平台服务器能够减少检索次数,从而提高了检索性能和速度。
为使本领域技术人员更好的理解本申请,下面将就实际中的一个例子来对本申请进一步说明,本例子重点介绍建立整数规划模型以及其求解过程,该例子可以包括以下步骤:
步骤A1:依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源。
在本例子中,预置条件为需要建立匹配的广告源的个数为3个,且每个广告源要求的关键词的个数为2个,那么本步骤中需要提取的广告源个数需要大于3个,假设在本例子中为6个。针对卖方用户A,假设其拥有总的广告源个数为100,那么按照类目分布比例提取出的广告源为:1,2,3,4,5,6。
步骤A2:将所述提取到的卖方用户的广告源生成相应的关键词。
在本步骤,针对上一个步骤中提取出的广告源进行关键词的生成过程,对应的关键词分别为:广告源1生成的关键词为:a,b,c,广告源2生成的关键词为:c,d,e,广告源3生成的关键词为:d,e,广告源4生成的关键词为:a,d,广告源5生成的关键词为:a,d,e,广告源6生成的关键词为:a,b,d。
步骤A3:建立一个矩阵X,所述矩阵的项Xi,j表示第i个关键词与第j个广告源是否匹配。
步骤A4:将所述矩阵按列转换为向量,并依据该向量建立如下所示的规划模型:
需要说明的是,该规划模型为本申请中依据转换后的向量建立的,采用现有技术的数据求解方式并不能得到该规划模型的结果,需要结合本申请的各个关键词和广告源之间匹配的具体情况,利用基于搜索的求解方法才能计算出相对优化的结果,下面将着重介绍基于搜索的求解方法的具体计算过程。
步骤A5:分别获取各个关键词与各个广告源之间的每一个匹配对应的广告源收益、相似度、广告源广度和广告源深度。
在本例子中,上述6个广告源和5个关键词之间每一个匹配的收益、相似度、广告源广度和广告源深度分别如表1所示,其中,每一个小方格中连续的四个数字分别表示对应匹配的收益、相似度、广告源广度和广告源深度:
表1
广告源1 | 广告源2 | 广告源3 | 广告源4 | 广告源5 | 广告源6 | |
关键词a | 5、3、2、1 | 0、0、0、0 | 0、0、0、0 | 3、3、5、1 | 5、2、1、4 | 5、2、1、3 |
关键词b | 4、3、3、1 | 0、0、0、0 | 0、0、0、0 | 0、0、0、0 | 0、0、0、0 | 3、2、5、2 |
关键词c | 5、3、2、4 | 4、2、5、1 | 0、0、0、0 | 0、0、0、0 | 0、0、0、0 | 0、0、0、0 |
关键词d | 0、0、0、0 | 5、3、5、3 | 4、3、2、1 | 4、2、1、3 | 4、3、2、3 | 4、2、1、3 |
关键词e | 0、0、0、0 | 5、3、3、1 | 4、3、2、1 | 0、0、0、0 | 4、2、2、1 | 0、0、0、0 |
步骤A6:在广告源收益最大的多个匹配组合中,分别计算所述多个匹配组合给卖方用户带来的多个卖方收益。
按广告源收益的值对上述匹配组合进行排序,得到广告源收益最大的多个匹配组合为:关键词a匹配广告源1:5、3、2、1,关键词a匹配广告源5:5、2、1、4,关键词a匹配广告源6:5、2、1、3,关键词c匹配广告源1:5、3、2、4,关键词d匹配广告源2:5、3、5、3,关键词e匹配广告源2:5、3、3、1。针对这些匹配组合计算每个关键词对于卖方用户的卖方收益,该卖方收益的计算方式为:某个广告源与关键词的匹配的最大收益的值减去此匹配为卖方用户带来的损失的值。则在本步骤中,每一个匹配关系给卖方用户带来的卖方收益的计算过程如下:
关键词a匹配广告源1:5-5=0;
关键词a匹配广告源5:5-5=0;
关键词a匹配广告源6:5-5=0;
关键词c匹配广告源1:5-4=1;
关键词d匹配广告源2:5-4=1;
关键词e匹配广告源2:5-4=1。
步骤A7:再依次按照相似度、广告源广度和/或广告源深度的大小对所述多个卖方收益最大的匹配组合进行排序,并从最终排序结果中选取出最靠前的一个匹配组合。
根据上一个步骤中按照卖方收益的排序,取卖方收益最大的匹配组合,只剩下c:1、d:2、e:2共3种匹配;再分别按照其他三个值进行排序,依次得到:关键词d与广告源2的匹配:1、3、5、3,关键词e与广告源2的匹配1、3、3、1,关键词c与广告源1的匹配:1、3、2、4。
步骤A8:判断当前获取到的匹配组合中的广告源匹配的关键词个数是否达到上限个数,如果是,则将该匹配组合的映射关系删除,并进入下一个步骤;如果否,则保存所述匹配组合,进入下一个步骤。
则从上一个步骤的结果中可以看出,第一次匹配选取是广告源2与关键词d进行匹配,并同时判断广告源2已经匹配的关键词词的个数是否达到2个,如果没有达到可以保存该匹配关系,保存之后将该匹配关系删除,如果该广告源2的匹配个数已经达到2个,则将关键词d与广告源2的所有对应值设为0,即是删除该关键词和广告源之间的匹配关系。
步骤A9:按照每个广告源的总体收益值对得到的匹配组合进行排序,并将排序后满足约束条件的匹配组合作为求解结果。
最后将得到的6个广告源的所有匹配组合进行排序,排序的依据是该6个广告源的总体收益值,即是该6个广告源的各自对应的2个关键词的收益总和;然后取出排序之后的前3个广告源作为求解结果,进一步还可以将该求解结果作为广告源与关键词之间的匹配关系返回给卖方用户。
由于在实际应用考虑到算法性能,可以采用贪心算法对卖方收益最大匹配组合进行选择。在实际应用中所采用的具体算法和实现过程可以根据实际情况有所不同。因为在实际应用中,当买方用户输入关键词之后,依据本例子生成的匹配关系检索到相应的广告源属于现有技术,所以在此不再赘述详细的检索过程。但是,因为本申请的检索广告源的依据为采用本申请特有的匹配关系,所以检索到的广告源也能够使得买方用户在尽量少的次数内就能检索到比较准确的广告源,从而减少在网上交易平台的检索次数,提升了网上交易平台服务器的检索性能。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
参见图4,本申请还提供了一种广告源与关键词之间的匹配关系生成装置实施例1,在本实施例中,该装置可以包括:
提取模块401,用于依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;
生成关键词模块402,用于将所述提取到的卖方用户的广告源生成相应的关键词;
建立规划模型模块403,用于按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;
获取匹配关系模块404,用于利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系。
同时参考图5所示,在本申请的应用于网上交易平台的检索系统实施例中,该系统可以包括:
匹配关系生成装置,用于依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;将所述提取到的卖方用户的广告源生成相应的关键词;按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系;
搜索单元501,用于根据接收到的买方用户用户输入的关键词,按照所述匹配关系搜索相应的广告源。
显示单元502,用于将搜索得到的相应的广告源在网站页面上显示给买方用户。
本实施例所述的装置可以集成到搜索引擎的服务器上,也可以单独作为一个实体与搜索引擎服务器相连,另外,需要说明的是,当本申请所述的方法采用软件实现时,可以作为搜索引擎的服务器新增的一个功能,也可以单独编写相应的程序,本申请不限定所述方法或装置的实现方式。
与上述本申请一种广告源和关键词之间匹配关系的生成方法实施例2所提供的方法相对应,参见图6,本申请还提供了一种广告源和关键词之间匹配关系的生成装置的优选实施例2,在本实施例中,该装置具体可以包括:
分类模块601,用于将当前网上交易平台系统中所有卖方用户的广告源按照预置的分类标准进行分类。
获取比例子模块602,用于获取该卖方用户所有的广告源在各个类目下所占的分布比例。
提取子模块603,用于依据所述分布比例在各个类目下提取预置个数的广告源,所述预置个数大于所述需要建立匹配的广告源的个数。
建立矩阵子模块604,用于建立一个矩阵X,所述矩阵的项Xi,j表示第i个关键词与第j个广告源是否匹配。
转换子模块605,用于将所述矩阵按列转换为向量,并依据该向量建立如下所示的规划模型:
其中,Qi表示第i个位置之前表示的关键词与广告源是否匹配;Pi表示对应矩阵上第i个位置上的关键词和广告源匹配给卖方用户带来的收益。Nj表示第j个广告源可容纳的关键词个数,m表示广告源的个数,n表示关键词的个数。
获取参数子模块606,用于分别获取各个关键词与各个广告源之间的每一个匹配对应的广告源收益、相似度、广告源广度和广告源深度。
计算子模块607,用于在广告源收益最大的多个匹配组合中,分别计算所述多个匹配组合给卖方用户带来的多个卖方收益。
第一获取匹配子模块608,用于判断卖方收益最大的匹配组合是否为多个,如果是,再依次按照相似度、广告源广度和/或广告源深度的大小对所述多个卖方收益最大的匹配组合进行排序,并从最终排序结果中选取出最靠前的一个匹配组合;如果不是,则直接获取该一个卖方收益最大的匹配组合。
判断子模块609,用于判断当前获取到的匹配组合中的广告源匹配的关键词个数是否达到超过上限个数,如果是,则将该匹配组合的映射关系删除,并进入下一个步骤;如果否,则保存所述匹配组合,进入下一个步骤。
第二获取匹配子模块610,用于继续在各个关键词与各个广告源之间的其他匹配中获取满足预置的约束条件的匹配组合,直至所述提取出的广告源都已经匹配到所述上限个数的关键词。
排序子模块611,用于按照每个广告源的总体收益值对得到的匹配组合进行排序,并将排序后满足约束条件的匹配组合作为求解结果。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的一种应用于网上交易平台的检索方法及系统进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种应用于网上交易平台的检索方法,其特征在于,该方法包括:
依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;
将所述提取到的卖方用户的广告源生成相应的关键词;
按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;
利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系;
根据接收到的买方用户输入的关键词,按照所述匹配关系搜索相应的广告源;
其中,所述约束条件包括需要建立匹配的广告源的个数,以及每个广告源要求匹配关键词的上限个数;所述按照预置的约束条件建立表示各个广告源与各个关键词之间的匹配关系的规划模型,具体包括:
建立一个矩阵X,所述矩阵的项Xij表示第i个关键词与第j个广告源是否匹配;
再将所述矩阵按列转换为向量,并依据该向量建立如下所示的规划模型:
其中,Pij为第i个关键词和第j个广告源匹配的收益,Xij用于表示第i个关键词与第j个广告源是否匹配;Nj表示第j个广告源能够容纳的关键词的个数;n为关键词个数,m为广告源个数;
所述利用基于搜索的求解方法对所述规划模型进行求解,具体包括:
分别获取各个关键词与各个广告源之间的每一个匹配对应的广告源收益、相似度、广告源广度和广告源深度;
在广告源收益最大的多个匹配组合中,分别计算所述多个匹配组合给卖方用户带来的多个卖方收益;
判断卖方收益最大的匹配组合是否为多个,如果是,再依次按照相似度、广告源广度和/或广告源深度的大小对所述多个卖方收益最大的匹配组合进行排序,并从最终排序结果中选取出最靠前的一个匹配组合;如果不是,则直接获取该一个卖方收益最大的匹配组合;
判断当前获取到的匹配组合中的广告源匹配的关键词个数是否达到超过上限个数,如果是,则将该匹配组合的映射关系删除,并进入下一个步骤;如果否,则保存所述匹配组合,进入下一个步骤;
继续在各个关键词与各个广告源之间的其他匹配中获取满足约束条件的匹配组合,直至所述提取出的广告源都已经匹配到所述上限个数的关键词;
按照每个广告源的总体收益值对得到的匹配组合进行排序,并将排序后满足约束条件的匹配组合作为求解结果。
2.根据权利要求1所述的方法,其特征在于,还包括:
将搜索得到的相应的广告源在网站页面上显示给买方用户。
3.一种广告源和关键词之间匹配关系的生成方法,其特征在于,该方法包括:
依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;
将所述提取到的卖方用户的广告源生成相应的关键词;
按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;
利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系;
其中,所述约束条件包括需要建立匹配的广告源的个数,以及每个广告源要求匹配关键词的上限个数;所述按照预置的约束条件建立表示各个广告源与各个关键词之间的匹配关系的规划模型,具体包括:
建立一个矩阵X,所述矩阵的项Xij表示第i个关键词与第j个广告源是否匹配;
再将所述矩阵按列转换为向量,并依据该向量建立如下所示的规划模型:
其中,Pij为第i个关键词和第j个广告源匹配的收益,Xij用于表示第i个关键词与第j个广告源是否匹配;Nj表示第j个广告源能够容纳的关键词的个数;n为关键词个数,m为广告源个数;
所述利用基于搜索的求解方法对所述规划模型进行求解,具体包括:
分别获取各个关键词与各个广告源之间的每一个匹配对应的广告源收益、相似度、广告源广度和广告源深度;
在广告源收益最大的多个匹配组合中,分别计算所述多个匹配组合给卖方用户带来的多个卖方收益;
判断卖方收益最大的匹配组合是否为多个,如果是,再依次按照相似度、广告源广度和/或广告源深度的大小对所述多个卖方收益最大的匹配组合进行排序,并从最终排序结果中选取出最靠前的一个匹配组合;如果不是,则直接获取该一个卖方收益最大的匹配组合;
判断当前获取到的匹配组合中的广告源匹配的关键词个数是否达到超过上限个数,如果是,则将该匹配组合的映射关系删除,并进入下一个步骤;如果否,则保存所述匹配组合,进入下一个步骤;
继续在各个关键词与各个广告源之间的其他匹配中获取满足约束条件的匹配组合,直至所述提取出的广告源都已经匹配到所述上限个数的关键词;
按照每个广告源的总体收益值对得到的匹配组合进行排序,并将排序后满足约束条件的匹配组合作为求解结果。
4.根据权利要求3所述的方法,其特征在于,还包括:
将当前网上交易平台系统中所有卖方用户的广告源按照预置的分类标准进行分类。
5.根据权利要求3所述的方法,其特征在于,所述按照类目提取满足预置条件的该卖方用户的广告源,具体包括:
获取该卖方用户所有的广告源在各个类目下所占的分布比例;
依据所述分布比例在各个类目下提取预置个数的广告源,所述预置个数大于所述需要建立匹配的广告源的个数。
6.一种应用于网上交易平台的检索系统,其特征在于,该系统包括:
匹配关系生成装置,用于依据给定的卖方用户,按照类目提取满足预置
条件的该卖方用户的广告源;将所述提取到的卖方用户的广告源生成相应的关键词;按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系,其中,所述约束条件包括需要建立匹配的广告源的个数,以及每个广告源要求匹配关键词的上限个数;所述按照预置的约束条件建立表示各个广告源与各个关键词之间的匹配关系的规划模型,具体包括:
建立一个矩阵X,所述矩阵的项Xij表示第i个关键词与第j个广告源是否匹配;
再将所述矩阵按列转换为向量,并依据该向量建立如下所示的规划模型:
其中,Pij为第i个关键词和第j个广告源匹配的收益,Xij用于表示第i个关键词与第j个广告源是否匹配;Nj表示第j个广告源能够容纳的关键词的个数;n为关键词个数,m为广告源个数;
所述利用基于搜索的求解方法对所述规划模型进行求解,具体包括:
分别获取各个关键词与各个广告源之间的每一个匹配对应的广告源收益、相似度、广告源广度和广告源深度;
在广告源收益最大的多个匹配组合中,分别计算所述多个匹配组合给卖方用户带来的多个卖方收益;
判断卖方收益最大的匹配组合是否为多个,如果是,再依次按照相似度、广告源广度和/或广告源深度的大小对所述多个卖方收益最大的匹配组合进行排序,并从最终排序结果中选取出最靠前的一个匹配组合;如果不是,则直接获取该一个卖方收益最大的匹配组合;
判断当前获取到的匹配组合中的广告源匹配的关键词个数是否达到超过上限个数,如果是,则将该匹配组合的映射关系删除,并进入下一个步骤;如果否,则保存所述匹配组合,进入下一个步骤;
继续在各个关键词与各个广告源之间的其他匹配中获取满足约束条件的匹配组合,直至所述提取出的广告源都已经匹配到所述上限个数的关键词;
按照每个广告源的总体收益值对得到的匹配组合进行排序,并将排序后满足约束条件的匹配组合作为求解结果;
搜索单元,用于根据接收到的买方用户输入的关键词,按照所述匹配关系搜索相应的广告源。
7.根据权利要求6所述的系统,其特征在于,还包括:
显示单元,用于将搜索得到的相应的广告源在网站页面上显示给买方用户。
8.一种广告源和关键词之间匹配关系的生成装置,其特征在于,该装置包括:
提取模块,用于依据给定的卖方用户,按照类目提取满足预置条件的该卖方用户的广告源;
生成关键词模块,用于将所述提取到的卖方用户的广告源生成相应的关键词;
建立规划模型模块,用于按照预置的约束条件建立规划模型,所述规划模型表示所述提取到卖方用户的广告源与所述生成的关键词之间的匹配关系;
获取匹配关系模块,用于利用基于搜索的求解方法对所述规划模型进行求解,以获得需要建立匹配的广告源与关键词之间的匹配关系;
其中,所述建立规划模型模块具体包括:
建立矩阵子模块,用于建立一个矩阵X,所述矩阵的项Xi,j表示第i个关键词与第j个广告源是否匹配;
转换子模块,用于将所述矩阵按列转换为向量,并依据该向量建立如下所示的规划模型:
其中,Pij为第i个关键词和第j个广告源匹配的收益,Xij用于表示第i个关键词与第j个广告源是否匹配;Nj表示第j个广告源能够容纳的关键词的个数;n为关键词个数,m为广告源个数;
所述获取匹配关系模块,具体包括:
获取参数子模块,用于分别获取各个关键词与各个广告源之间的每一个匹配对应的广告源收益、相似度、广告源广度和广告源深度;
计算子模块,用于在广告源收益最大的多个匹配组合中,分别计算所述多个匹配组合给卖方用户带来的多个卖方收益;
第一获取匹配子模块,用于判断卖方收益最大的匹配组合是否为多个,如果是,再依次按照相似度、广告源广度和/或广告源深度的大小对所述多个卖方收益最大的匹配组合进行排序,并从最终排序结果中选取出最靠前的一个匹配组合;如果不是,则直接获取该一个卖方收益最大的匹配组合;
判断子模块,用于判断当前获取到的匹配组合中的广告源匹配的关键词个数是否达到超过上限个数,如果是,则将该匹配组合的映射关系删除,并进入下一个步骤;如果否,则保存所述匹配组合,进入下一个步骤;
第二获取匹配子模块,用于继续在各个关键词与各个广告源之间的其他匹配中获取满足预置的约束条件的匹配组合,直至所述提取出的广告源都已经匹配到所述上限个数的关键词;
排序子模块,用于按照每个广告源的总体收益值对得到的匹配组合进行排序,并将排序后满足约束条件的匹配组合作为求解结果。
9.根据权利要求8所述的装置,其特征在于,还包括:
分类模块,用于将当前网上交易平台系统中所有卖方用户的广告源按照预置的分类标准进行分类。
10.根据权利要求8所述的装置,其特征在于,所述提取模块具体包括:
获取比例子模块,用于获取该卖方用户所有的广告源在各个类目下所占的分布比例;
提取子模块,用于依据所述分布比例在各个类目下提取预置个数的广告源,所述预置个数大于所述需要建立匹配的广告源的个数。
Priority Applications (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010003928.7A CN102129431B (zh) | 2010-01-13 | 2010-01-13 | 应用于网上交易平台的检索方法和系统 |
US12/930,649 US8660901B2 (en) | 2010-01-13 | 2011-01-11 | Matching of advertising sources and keyword sets in online commerce platforms |
PCT/US2011/000055 WO2011087904A1 (en) | 2010-01-13 | 2011-01-12 | Matching of advertising sources and keyword sets in online commerce platforms |
EP11733176.9A EP2524344A4 (en) | 2010-01-13 | 2011-01-12 | ADAPTING ADVERTISING SOURCES AND KEYWORDS IN COMMERCIAL ONLINE PLATFORMS |
JP2012548957A JP5575270B2 (ja) | 2010-01-13 | 2011-01-12 | オンライン商取引プラットフォームにおける広告ソースおよびキーワードセットの適合 |
HK11108611.9A HK1154667A1 (zh) | 2010-01-13 | 2011-08-16 | 應用於網上交易平台的檢索方法和系統 |
US14/149,635 US20140172566A1 (en) | 2010-01-13 | 2014-01-07 | Matching of advertising sources and keyword sets in online commerce platforms |
JP2014135521A JP5859606B2 (ja) | 2010-01-13 | 2014-07-01 | オンライン商取引プラットフォームにおける広告ソースおよびキーワードセットの適合 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010003928.7A CN102129431B (zh) | 2010-01-13 | 2010-01-13 | 应用于网上交易平台的检索方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102129431A CN102129431A (zh) | 2011-07-20 |
CN102129431B true CN102129431B (zh) | 2014-04-02 |
Family
ID=44267517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010003928.7A Expired - Fee Related CN102129431B (zh) | 2010-01-13 | 2010-01-13 | 应用于网上交易平台的检索方法和系统 |
Country Status (6)
Country | Link |
---|---|
US (2) | US8660901B2 (zh) |
EP (1) | EP2524344A4 (zh) |
JP (2) | JP5575270B2 (zh) |
CN (1) | CN102129431B (zh) |
HK (1) | HK1154667A1 (zh) |
WO (1) | WO2011087904A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8533044B2 (en) * | 2010-04-14 | 2013-09-10 | Microsoft Corporation | Considering user-relevant criteria when serving advertisements |
CN103377249B (zh) * | 2012-04-27 | 2017-12-22 | 北京京东尚科信息技术有限公司 | 关键词投放方法及系统 |
WO2013192314A1 (en) * | 2012-06-19 | 2013-12-27 | Visible World, Inc. | Systems, methods and computer-readable media for optimizing transactions in a household addressable media network |
CN103778548B (zh) * | 2012-10-19 | 2018-05-29 | 阿里巴巴集团控股有限公司 | 商品信息与关键词匹配方法、商品信息投放方法及装置 |
US9678993B2 (en) | 2013-03-14 | 2017-06-13 | Shutterstock, Inc. | Context based systems and methods for presenting media file annotation recommendations |
US11205201B1 (en) * | 2014-08-26 | 2021-12-21 | Directv, Llc | Method and system for assembling content streams with advertisements from multiple advertisement vendors |
JP6532313B2 (ja) * | 2015-06-12 | 2019-06-19 | ヤフー株式会社 | 算出装置、算出方法及び算出プログラム |
US10176442B2 (en) | 2015-08-28 | 2019-01-08 | Magna Services, LLC | System and method for matching resource capacity with resource needs |
CN106502995B (zh) * | 2016-11-30 | 2019-10-15 | 福建榕基软件股份有限公司 | 一种层级信息智能识别方法及装置 |
CN109784987B (zh) * | 2018-12-29 | 2024-04-05 | 三六零科技集团有限公司 | 一种图片版权收益方法及装置 |
CN111382923B (zh) * | 2018-12-29 | 2024-04-09 | 三六零科技集团有限公司 | 一种图片版权的线上收益方法及装置 |
CN113127669B (zh) * | 2020-01-15 | 2023-10-10 | 百度在线网络技术(北京)有限公司 | 广告配图方法、装置、设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075980A (zh) * | 2006-07-26 | 2007-11-21 | 腾讯科技(深圳)有限公司 | 对通讯系统中的通讯信息进行过滤的方法和过滤系统 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2271093A1 (en) * | 2000-01-14 | 2011-01-05 | NDS Limited | Advertisements detection in an end-user controlled playback environment |
US20040044571A1 (en) * | 2002-08-27 | 2004-03-04 | Bronnimann Eric Robert | Method and system for providing advertising listing variance in distribution feeds over the internet to maximize revenue to the advertising distributor |
US7349876B1 (en) | 2003-01-10 | 2008-03-25 | Google, Inc. | Determining a minimum price |
JP2004240937A (ja) * | 2003-02-07 | 2004-08-26 | Overture Services Inc | オンライン市場における自動フライト管理 |
US20050033771A1 (en) | 2003-04-30 | 2005-02-10 | Schmitter Thomas A. | Contextual advertising system |
US20050065844A1 (en) * | 2003-09-24 | 2005-03-24 | Yahoo! Inc. | System and method for managing an advertising campaign on a network |
US7716219B2 (en) * | 2004-07-08 | 2010-05-11 | Yahoo ! Inc. | Database search system and method of determining a value of a keyword in a search |
US7734503B2 (en) * | 2004-09-29 | 2010-06-08 | Google, Inc. | Managing on-line advertising using metrics such as return on investment and/or profit |
US20060206479A1 (en) * | 2005-03-10 | 2006-09-14 | Efficient Frontier | Keyword effectiveness prediction method and apparatus |
US8219457B2 (en) | 2005-10-28 | 2012-07-10 | Adobe Systems Incorporated | Custom user definable keyword bidding system and method |
US20070130004A1 (en) * | 2005-12-01 | 2007-06-07 | Microsoft Corporation | AD campaign optimization |
US7788131B2 (en) * | 2005-12-15 | 2010-08-31 | Microsoft Corporation | Advertising keyword cross-selling |
US20070174118A1 (en) * | 2006-01-24 | 2007-07-26 | Elan Dekel | Facilitating client-side management of online advertising information, such as advertising account information |
US20080040221A1 (en) * | 2006-08-08 | 2008-02-14 | Google Inc. | Interest Targeting |
US7831472B2 (en) | 2006-08-22 | 2010-11-09 | Yufik Yan M | Methods and system for search engine revenue maximization in internet advertising |
JP2008059512A (ja) * | 2006-09-04 | 2008-03-13 | Seiko Instruments Inc | Id画像提供装置、店舗端末、接続情報提供装置、id画像提供方法、印刷方法、及び接続情報提供方法 |
US8527352B2 (en) | 2006-10-30 | 2013-09-03 | Adchemy, Inc. | System and method for generating optimized bids for advertisement keywords |
US8712832B2 (en) * | 2006-12-12 | 2014-04-29 | Yahoo! Inc. | Bid optimization in search engine marketing |
US7974989B2 (en) * | 2007-02-20 | 2011-07-05 | Kenshoo Ltd. | Computer implemented system and method for enhancing keyword expansion |
KR100930787B1 (ko) | 2007-04-04 | 2009-12-09 | 엔에이치엔비즈니스플랫폼 주식회사 | 광고 입찰액 자동 조정 방법 및 시스템 |
US20080288328A1 (en) * | 2007-05-17 | 2008-11-20 | Bryan Michael Minor | Content advertising performance optimization system and method |
US8380563B2 (en) | 2007-06-28 | 2013-02-19 | Google Inc. | Using previous user search query to target advertisements |
US8073803B2 (en) * | 2007-07-16 | 2011-12-06 | Yahoo! Inc. | Method for matching electronic advertisements to surrounding context based on their advertisement content |
KR100910521B1 (ko) * | 2007-08-14 | 2009-07-31 | 엔에이치엔비즈니스플랫폼 주식회사 | 광고 키워드 제안 방법 및 그 시스템 |
US7805331B2 (en) * | 2007-11-20 | 2010-09-28 | Yahoo! Inc. | Online advertiser keyword valuation to decide whether to acquire the advertiser |
US20090299998A1 (en) * | 2008-02-15 | 2009-12-03 | Wordstream, Inc. | Keyword discovery tools for populating a private keyword database |
US20090234848A1 (en) | 2008-03-07 | 2009-09-17 | Andy Leff | System and method for ranking search results |
US20090254397A1 (en) * | 2008-04-07 | 2009-10-08 | Yahoo! Inc. | System and method for optimizing online keyword auctions subject to budget and estimated query volume constraints |
US20110035276A1 (en) * | 2009-08-05 | 2011-02-10 | Arpita Ghosh | Automatic Campaign Optimization for Online Advertising Using Return on Investment Metrics |
-
2010
- 2010-01-13 CN CN201010003928.7A patent/CN102129431B/zh not_active Expired - Fee Related
-
2011
- 2011-01-11 US US12/930,649 patent/US8660901B2/en active Active
- 2011-01-12 JP JP2012548957A patent/JP5575270B2/ja not_active Expired - Fee Related
- 2011-01-12 WO PCT/US2011/000055 patent/WO2011087904A1/en active Application Filing
- 2011-01-12 EP EP11733176.9A patent/EP2524344A4/en not_active Ceased
- 2011-08-16 HK HK11108611.9A patent/HK1154667A1/zh unknown
-
2014
- 2014-01-07 US US14/149,635 patent/US20140172566A1/en not_active Abandoned
- 2014-07-01 JP JP2014135521A patent/JP5859606B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101075980A (zh) * | 2006-07-26 | 2007-11-21 | 腾讯科技(深圳)有限公司 | 对通讯系统中的通讯信息进行过滤的方法和过滤系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2014209376A (ja) | 2014-11-06 |
US20110218852A1 (en) | 2011-09-08 |
CN102129431A (zh) | 2011-07-20 |
EP2524344A4 (en) | 2015-01-07 |
HK1154667A1 (zh) | 2012-04-27 |
EP2524344A1 (en) | 2012-11-21 |
JP5575270B2 (ja) | 2014-08-20 |
JP5859606B2 (ja) | 2016-02-10 |
US20140172566A1 (en) | 2014-06-19 |
JP2013517562A (ja) | 2013-05-16 |
WO2011087904A1 (en) | 2011-07-21 |
US8660901B2 (en) | 2014-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102129431B (zh) | 应用于网上交易平台的检索方法和系统 | |
CN102236663B (zh) | 一种基于垂直搜索的查询方法、系统和装置 | |
US20220114199A1 (en) | System and method for information recommendation | |
CN106327227A (zh) | 一种信息推荐系统及信息推荐方法 | |
CN105488697A (zh) | 一种基于客户行为特征的潜在客户挖掘方法 | |
CN104951468A (zh) | 数据搜索处理方法和系统 | |
CN104866474A (zh) | 个性化数据搜索方法及装置 | |
CN104679771A (zh) | 一种个性化数据搜索方法和装置 | |
CN103679462A (zh) | 一种评论数据处理方法和装置、一种搜索方法和系统 | |
CN103377190A (zh) | 一种基于交易平台的供应商信息搜索方法和装置 | |
CN103309886A (zh) | 一种基于交易平台的结构化信息搜索方法和装置 | |
CN103577432A (zh) | 一种商品信息搜索方法和系统 | |
CN106557480A (zh) | 查询改写的实现方法及装置 | |
CN103377443A (zh) | 网络交易平台及其处理方法 | |
CN106326318B (zh) | 搜索方法及装置 | |
CN106296257A (zh) | 一种基于用户行为分析的固定广告位投放方法及系统 | |
CN103246991A (zh) | 一种基于数据挖掘的客户关系管理方法和系统 | |
Stiakakis et al. | Combining the priority rankings of DEA and AHP methodologies: a case study on an ICT industry | |
CN102339433A (zh) | 一种应用于网上交易平台的数据处理方法、装置和服务器 | |
CN112818226A (zh) | 数据处理方法、推荐方法、装置、电子设备及存储介质 | |
CN103729365A (zh) | 一种搜索方法和系统 | |
CN111310032A (zh) | 资源推荐方法、装置、计算机设备及可读存储介质 | |
KR101637986B1 (ko) | 최적 상품 제공 시스템 및 그 방법 | |
CN104504134A (zh) | 推广信息属性数据的获取方法和装置 | |
CN113763089A (zh) | 物品推荐方法及装置、计算机可存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1154667 Country of ref document: HK |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1154667 Country of ref document: HK |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140402 |
|
CF01 | Termination of patent right due to non-payment of annual fee |