CN102279851B - 一种智能导航方法、装置和系统 - Google Patents

一种智能导航方法、装置和系统 Download PDF

Info

Publication number
CN102279851B
CN102279851B CN201010199106.0A CN201010199106A CN102279851B CN 102279851 B CN102279851 B CN 102279851B CN 201010199106 A CN201010199106 A CN 201010199106A CN 102279851 B CN102279851 B CN 102279851B
Authority
CN
China
Prior art keywords
information
user
recommendation
classification
collectidn
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.)
Active
Application number
CN201010199106.0A
Other languages
English (en)
Other versions
CN102279851A (zh
Inventor
潘春香
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to CN201010199106.0A priority Critical patent/CN102279851B/zh
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to JP2013514163A priority patent/JP5802745B2/ja
Priority to EP11792797.0A priority patent/EP2580726A4/en
Priority to PCT/US2011/022131 priority patent/WO2011156014A1/en
Priority to US13/256,833 priority patent/US9047341B2/en
Publication of CN102279851A publication Critical patent/CN102279851A/zh
Priority to US14/691,311 priority patent/US9519720B2/en
Priority to US15/377,716 priority patent/US9842170B2/en
Application granted granted Critical
Publication of CN102279851B publication Critical patent/CN102279851B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/1734—Details of monitoring file system events, e.g. by the use of hooks, filter drivers, logs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3325—Reformulation based on results of preceding query
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种智能导航方法、装置和系统，该方法包括以下步骤：服务器获得来自客户端的用户查询信息；服务器根据所述用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，所述导航词典中包含根据用户行为信息得到的编辑推荐信息；服务器将所述推荐结果发送到所述客户端。本申请可以提高智能导航的准确性、相关性、丰富性和智能性，减少了用户的查询时间，降低了服务器的查询负担。

Description

一种智能导航方法、装置和系统
技术领域
本申请涉及网络技术领域，特别是涉及一种智能导航方法、装置和系统。
背景技术
用户在电子商务网站上进行网上购物时，通常从搜索开始购物流程。用户根据购买意向输入相应的关键词进行查询，返回的结果包括推荐类目和商品列表。其中，类目是对商品的分类，包括前台类目和后台类目。其中，前台类目用于UI(User Interface，用户界面)展示，后台类目用于商品管理。目前，主流的类目体系以树状结构表示，每个父类目有多个子类目，但每个子类目只有一个父类目，每个类目表示的范围按照自上而下的顺序越来越小。
在早期的电子商务网站中，推荐类目由用户输入的关键词在每个类目下返回的商品数决定，并以层级显示。然而，随着商品数量的剧增，用户使用指定的关键词查询时，得到的类目数大幅度增加，用户无法判断应该到哪些类目下进行更精细的查找。为了解决上述问题，可以根据历史的类目点击行为对各个类目的相关性进行评分，按照分数的高低动态展现类目，类目的相关性通常自左至右逐渐降低；同时，通过类目折叠的方式隐藏相关性差的类目。但是，上述方法仍然没有抛开从一级类目开始显示的框架，用户需要多次点击才能在更精细的类目进行筛选。例如，当用户使用关键词“T恤”进行查询时，查询结果从一级类目“女装”、“男装”和“其他”开始显示。用户点击一级类目“女装”后，才能在该类目所包含的“短袖T恤”、“情侣T恤”和“全棉T恤”等更精细的类目下进行筛选。
为了缩短用户在购物过程中的搜索时间，大多数电子商务网站采用智能导航技术以方便用户的搜索。智能导航采用自底向上的推荐方式，综合考虑关键词对应的点击、购买和商品数量等因素，通过一定的推荐算法提供与搜索意图最相关的类目或属性。如果某个类目的点击、购买或商品数量达到一定的阈值，则停止向上回溯的过程。然而，上述根据点击、成交和数量等用户行为数据计算得到推荐类目的方式，仍存在以下缺陷：用户行为数据中的噪声干扰和商品类目的错放等因素会影响推荐类目的准确性；关键词相关的用户行为数据量较少时，推荐类目不够丰富；无法给出缺少点击数据的关键词对应的推荐。
为弥补上述缺陷，可以在改进推荐算法的同时，将人工因素加入到智能导航的推荐类目中。现有技术中，主要通过编辑推荐词条的方式，实现人工干预智能导航。网站运营人员将需要编辑的关键词及其推荐类目以事先约定的格式写到文本文件内，将人工部分的数据和算法推荐的数据进行合并，并将合并后的数据保存到智能导航服务器上。
在实现本申请的过程中，发明人发现现有技术至少存在如下问题：
现有技术中，人工干预智能导航缺少人性化的界面，交互性差；网站运营人员依靠经验推荐关键词，缺少数据支撑，容易导致推荐错误；人工干预智能导航无法获得来自用户反馈信息，缺少对人工干预效果的追踪。
发明内容
本申请提供一种智能导航方法、装置和系统，用于提高智能导航的相关性、丰富性和智能性。
本申请提出一种智能导航方法，包括以下步骤：
服务器获得来自客户端的用户查询信息；
服务器根据所述用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，所述导航词典中包含根据用户行为信息得到的编辑推荐信息；
服务器将所述推荐结果发送到所述客户端。
本申请还提出一种智能导航服务器，包括：
获得模块，用于获得来自客户端的用户查询信息；
查询模块，用于根据所述获得模块获得的用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，所述导航词典中包含根据用户行为信息得到的编辑推荐信息；
发送模块，用于将所述查询模块得到的推荐结果发送到所述客户端。
本申请还提出一种智能导航系统，包括：
网页服务器，用于获得来自客户端的用户查询信息，并将所述用户查询信息发送到智能导航服务器，接收所述智能导航服务器返回的推荐结果，将所述推荐结果发送到所述客户端；
智能导航服务器，用于接收来自网页服务器的用户查询信息，根据所述用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，将所述推荐结果发送到所述网页服务器，所述导航词典中包含根据用户行为信息得到的编辑推荐信息。
本申请包括以下优点，在推荐结果中包含根据用户行为信息得到的编辑推荐信息，提高了智能导航的相关性、丰富性和智能性，消除了智能导航推荐算法在数据受噪音干扰、点击数据过少和商品错放类目时带来的负面影响，从而提升用户的购物体验；通过分析用户行为信息和检测商品数量，为推荐结果提供数据基础，并追踪编辑后的导航效果，可以确保推荐结果的准确性、相关性、丰富性和智能性，减少了用户的查询时间，降低了服务器的查询负担。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或现有技术中的技术方案，下面将对本申请或现有技术描述中所需要使用的附图作简单的介绍，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的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一中的智能导航方法流程图；
图2为本申请实施例二中的智能导航系统架构示意图；
图3为本申请实施例二中的智能导航方法流程图；
图4为本申请实施例二中的商品类目树示意图；
图5为本申请实施例二中的类目在客户端UI的显示效果示意图；
图6为本申请实施例二中的父子类目在客户端UI的显示效果示意图；
图7为本申请实施例二中的属性在客户端UI的显示效果示意图；
图8为本申请实施例三中的智能导航服务器结构示意图；
图9为本申请实施例四中的一种智能导航系统结构示意图；
图10为本申请实施例四中的另一种智能导航系统结构示意图。
具体实施方式
下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，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获得的其他实施例，都属于本申请保护的范围。
如图1所示，为本申请实施例一中的智能导航方法流程图，包括以下步骤：
步骤101，服务器获得来自客户端的用户查询信息。
其中，用户查询信息可以包括查询关键词，还可以进一步包括查询类目。
步骤102，服务器根据用户查询信息查询导航词典，得到与该用户查询信息对应的推荐结果。
其中，所述导航词典中包含根据用户行为信息得到的编辑推荐信息。
在根据用户查询信息查询导航词典之前，可以获得用户行为信息，根据该用户行为信息生成并存储用户行为日志。具体地，用户行为信息可以包括用户在搜索框中输入的查询关键词、用户根据查询关键词进行搜索后点击的商品以及该商品所属的类目和属性、用户购买的商品以及该商品所属的类目和属性以及用户在根据查询关键词进行搜索后在推荐类目和全部分类中点击的类目。相应地，用户行为日志可以包括搜索日志、商品点击日志、购买日志和导航区点击日志。
用户在搜索框输入关键词之后点击搜索按钮，日志服务器产生一条搜索记录，该搜索记录的文本方式即为搜索日志，搜索日志用于描述用户搜索关键词时所在的类目。
用户在搜索结果页上点击某个商品，日志服务器产生一条商品点击记录，该商品点击记录的文本方式即为商品点击日志，该商品点击日志用于描述用户搜索关键词之后点击的商品以及商品所属的类目和属性等信息。
用户购买某个商品，日志服务器产生一条购买记录，该购买记录的文本方式即为购买日志，该购买日志用于描述某个用户购买了某个商品。
用户搜索之后，点击某个推荐类目或全部分类中的某个类目，日志服务器产生一条智能导航点击或全部分类点击记录，相应的文本形式即为导航区点击日志。
在生成用户行为日志后，可以根据用户行为日志统计参考数据。其中，参考数据可以包括用户查询记录、商品点击记录、导航区点击记录、购买记录以及商品类目树信息。可以根据用户行为日志定时统计每个关键词对应的搜索类目分布、商品点击类目分布和购买分布，将上述各种分布按类目树的结构逐层展示。
具体地，可以对搜索日志中的关键词进行归一化处理(包括大小写转化、全半角转化、标点转化和繁简体转化等)，统计每个关键词在不同类目下的搜索PV(Page View，页面浏览量)和搜索UV(User View，用户浏览量)；对商品点击日志中的关键词进行归一化处理，统计每个关键词在不同类目下的点击PV和点击UV；对购买日志进行统计，计算每个关键词在不同类目下成交UV、成交笔数和成交金额。随后，可以以“关键词+搜索类目”为键(key)相交上述处理搜索日志、商品点击日志和购买日志得到的数据，得到“关键词+搜索类目+搜索PV+搜索UV+点击PV+点击UV+成交UV+成交笔数+成交金额”格式或者类似格式的参考数据，如表1所示。
表1参考数据格式表
关键词 搜索类目 搜索PV 搜索UV 点击PV 点击UV 成交UV 成交笔数 成交金额
在获得参考数据之后，可以按照参考数据进行编辑，得到与用户行为信息对应的编辑推荐信息。
其中，当用户行为信息对应的用户行为日志为搜索日志时，参考数据可以包括关键词、搜索类目和搜索数据，该搜索数据可以是搜索PV和/或搜索UV，当参考数据中搜索数据大于预设的搜索阈值时，可以根据参考数据生成包含索引关键词、索引类目和推荐内容的编辑推荐信息，其中，该索引关键词为参考数据中的关键词，索引类目为参考数据中的搜索类目，推荐内容为参考数据中数值最大(搜索PV和/或搜索UV的数值最大)的搜索数据对应的类目和/或属性。搜索阈值可以是系统设定的数值，也可以根据实际状况进行修改。
当用户行为信息对应的用户行为日志为点击日志时，参考数据可以包括关键词、搜索类目和点击数据，该点击数据可以为点击PV和/或点击UV，当参考数据中的点击数据的值大于预设的点击阈值时，可以根据所述参考数据生成包含索引关键词、索引类目和推荐内容的编辑推荐信息，该索引关键词为参考数据中的关键词，索引类目为参考数据中的搜索类目，推荐内容为参考数据中数值最大的点击数据对应的类目和/或属性。点击阈值可以为系统设定的数值，也可以根据实际状况进行修改。
当用户行为信息对应的用户行为日志为购买日志时，参考数据可以包括关键词、搜索类目和购买数据，该购买数据可以为成交UV、成交笔数和/或成交金额，当参考数据中的购买数据的值大于预设的购买阈值时，可以根据参考数据生成包含索引关键词、索引类目和推荐内容的编辑推荐信息，该索引关键词为参考数据中的关键词，索引类目为参考数据中的搜索类目，推荐内容为参考数据中数值最大的购买数据对应的类目和/或属性。购买阈值可以为系统设定的数值，也可以根据实际状况进行修改。
在获得编辑推荐信息后，可以将编辑推荐信息编译成导航词典。此还可以将获得的编辑推荐信息和使用现有的智能导航算法计算得到的算法推荐信息进行合并，并将合并后的数据编译成导航词典。如果编辑推荐信息和算法推荐信息相同，则只保留编辑推荐信息或算法推荐信息；否则，同时保留编辑推荐信息和算法推荐信息。
此外，在获得编辑推荐信息后，还可以获得与编辑推荐信息对应的用户反馈信息，根据该用户反馈信息判断编辑推荐信息是否有效，如果编辑推荐信息有效，则继续保留该编辑推荐信息；否则，修改该编辑推荐信息。由于编辑推荐信息是作为点击量最大的类目和/或属性编译到导航词典中的，如果编辑推荐信息的点击量无法满足上述要求，则需要进行适应性的修改。具体地，用户反馈信息可以包括编辑推荐信息对应的点击量和全部分类中的各个类目的点击量，当编辑推荐信息对应的点击量小于全部分类中的某个类目的点击量，即编辑推荐信息中的类目不是点击量最大的类目时，判断该编辑推荐信息无效。
根据用户查询信息查询导航词典时，如果用户查询信息包括查询关键词，则编辑推荐信息可以包括索引关键词和索引关键词对应的推荐内容，其中，推荐内容可以包括推荐类目和/或推荐属性。下表2为一编辑推荐信息的实例。
表2
索引关键词 推荐内容
T恤 女长T恤；女短T恤；男长T恤；男短T恤；儿童T恤；运动T恤；情侣T恤
...... ......
在查询导航词典的过程中，可以利用查询关键词与导航词典中的索引关键词进行匹配，得到匹配的索引关键词对应的推荐编辑推荐信息，并将该编辑推荐信息作为推荐结果。由于编辑推荐信息是根据通过统计大量的用户行为信息得到的，其具有较高的相关性和准确性，因此，通过查询导航词典获得推荐结果的方式，可以有效提高推荐结果的相关性和准确性，减少用户查询次数，降低服务器负担。
如果用户查询信息包括查询关键词和查询类目，则编辑推荐信息可以包括索引关键词、索引类目和与索引关键词、索引类目对应的推荐内容，其中，推荐内容可以包括推荐类目和/或推荐属性。包含索引关键词、索引类目和推荐内容的编辑推荐信息，如表3所示。
表3
索引关键词 索引类目 推荐内容
T恤 根类目 女长T恤；女短T恤；男长T恤；男短T恤；儿童T恤；运动T恤；情侣T恤
...... ......
在查询导航词典的过程中，可以利用查询关键词匹配导航词典中的索引关键词，并根据查询类目匹配导航词典中的索引类目，得到索引关键词与查询关键词匹配且索引类目与查询类目匹配的编辑推荐信息，将该编辑推荐信息中的推荐内容作为推荐结果。由于在编辑推荐信息中增加了索引类目，可以保证用户在不同的查询类目下得到不同的推荐结果，提高了推荐结果的相关性和丰富性。此外，编辑推荐信息还可以包括推荐类型。推荐类型用于确定推荐内容的格式，例如，可以用一推荐类型字段表示，例如当推荐类型字段的值为1时，表示返回类目和属性；当推荐类型字段的值为2时只返回类目，当推荐类型字段的值为3时表示只返回属性。本领域技术人员还可以根据编辑推荐信息的内容，设定其它的推荐类型。
步骤103，服务器将推荐结果发送到客户端。
具体地，当编辑推荐信息包括索引关键词、推荐类型和推荐内容时，将推荐结果发送到客户端之后，还可以按照推荐结果中的推荐类型确定的格式，将推荐结果中的推荐内容显示在用户界面。
本申请包括以下优点，在推荐结果中包含根据用户行为信息得到的编辑推荐信息，提高了智能导航的相关性、丰富性和智能性，消除了智能导航推荐算法在数据受噪音干扰、点击数据过少和商品错放类目时带来的负面影响，从而提升用户的购物体验；通过分析用户行为信息和检测商品数量，为推荐结果提供数据基础，并追踪编辑后的导航效果，可以确保推荐结果的准确性、相关性、丰富性和智能性，减少了用户的查询时间，降低了服务器的查询负担。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。
本申请实施例中的智能导航方法可应用于如图2所示的系统架构中，该系统架构包括客户端、网页服务器、日志服务器、存储计算系统、后台数据库、编辑设备和智能导航服务器，其中，客户端用于向网页服务器发送用户查询信息，获得网页服务器返回的推荐信息；网页服务器用于向智能导航服务器请求推荐信息，并将该推荐信息返回给客户端；日志服务器用于从网页服务器获得用户行为信息，生成用户行为日志，该用户行为日志包括用户查询、点击商品事件的记录；存储计算系统可以为分布式文件存储和计算系统，用于存储用户行为日志、使用智能导航算法计算算法推荐信息，统计编辑设备需要的参考数据；后台数据库用于存储算法推荐信息和参考数据；编辑设备用于编辑得到编辑推荐信息，并展示编辑推荐信息和参考数据，提供修改编辑推荐信息的接口。
以下结合上述应用场景对上述智能导航方法进行具体、详细的描述。
如图3所示，为本申请实施例二中的智能导航方法流程图，包括以下步骤：
步骤301，日志服务器从网页服务器获得用户行为信息，根据用户行为信息生成用户行为日志，并将用户行为日志保存到存储计算系统中。
具体地，日志服务器根据用户的不同行为生成不同格式的记录，并将该记录以文本方式保存到存储计算系统中，该文本形式的记录即为用户行为日志，该存储计算系统可以为分布式存储计算系统。
其中，用户行为日志可以包括搜索日志、商品点击日志、购买日志和导航区点击日志。搜索日志可以包括搜索时间、用户搜索时输入的关键词和用户搜索所在的类目；商品点击日志可以包括点击时间、用户搜索时输入的关键词、用户搜索后点击的商品以及该商品所属的类目和属性；购买日志可以包括购买时间、用户搜索时输入的关键词、用户搜索后购买的商品以及该商品所属的类目和属性；导航区点击日志可以包括导航区点击时间、用户搜索时输入的关键词以及用户搜索后在推荐类目中点击的类目。
步骤302，存储计算系统使用智能导航算法计算关键词对应的算法推荐信息，根据用户行为日志统计参考数据，并将算法推荐信息和参考数据导入后台数据库。
具体地，日志服务器可以每隔一段时间将用户行为日志导入到存储计算系统之后，存储计算系统可以定时计算每个关键词对应的算法推荐信息，将关键词作为预设的算法的输入量，并使用该算法进行运算，从而得到对应的算法推荐信息。其中，算法推荐信息可以包括算法推荐类目和/或算法推荐属性。
另外，存储计算系统统计得到的参考数据可以包括用户查询记录、商品点击记录、导航区点击记录、购买记录以及商品类目树信息。存储计算系统可以根据用户行为日志定时统计每个关键词对应的搜索类目分布、商品点击类目分布和购买分布，将上述各种分布按类目树的结构逐层展示。具体地，存储计算系统可以对搜索日志中的关键词进行归一化处理(包括大小写转化、全半角转化、标点转化和繁简体转化等)，统计每个关键词在不同类目下的搜索PV(Page View，页面浏览量)和搜索UV(User View，用户浏览量)；对商品点击日志中的关键词进行归一化处理，统计每个关键词在不同类目下的点击PV和点击UV；对购买日志进行统计，计算每个关键词在不同类目下成交UV、成交笔数和成交金额。随后，存储计算系统可以以“关键词+搜索类目”为key相交上述处理搜索日志、商品点击日志和购买日志得到的数据，得到“关键词+搜索类目+搜索PV+搜索UV+点击PV+点击UV+成交UV+成交笔数+成交金额”格式或者类似格式的参考数据。
由于搜索类目之间存在结构关系，同一个关键词对应的搜索类目可以包含在树节点或者类似于树节点的结构中。例如，当关键词为T恤时，对应的搜索类目可以包含在如图4所示的商品类目树的树节点中。
存储计算系统还可以定时计算并展示“关键词+搜索类目”对应的用户反馈信息，该用户反馈信息可以包括推荐类目的点击分布和全部分类的类目点击分布。具体地，存储计算系统可以根据导航区的点击日志统计“关键词+搜索类目”对应的推荐类目的点击，计算全部分类的类目点击，并联结两部分数据形成如表4所示的用户反馈信息。
表4用户反馈信息格式表
此外，存储计算系统还可以定期向后台数据库中导入高PV关键词，并在后台数据库中维护高PV关键词的状态，包括高PV关键词是否编辑和是否具有时效性等。
步骤303，编辑设备根据后台数据库中的参考数据进行编辑，得到与关键词对应的编辑推荐信息。
其中，编辑设备的编辑环境中显示导入关键词标签和管理关键词标签，导入关键词标签用于将文本文件中的关键词列表导入到编辑页面；管理关键词标签用于在管理页面显示关键词汇总，并具有过滤功能(例如，只显示某一状态的关键词)。选择某一关键词进入编辑页面之后，可以显示智能导航算法提供的算法推荐信息以及关键词对应的搜索类目分布和点击类目分布等。
编辑页面可以提供编辑和查看效果功能，其中，编辑功能可以包括修改算法推荐信息的名称，得到编辑推荐信息；以及添加与关键词对应的推荐类目和推荐属性，作为编辑推荐信息。例如，当算法推荐信息为“T恤+情侣装”，关键词为“T恤”时，可以将该算法推荐信息修改为“T恤+情侣T恤”，也可以添加与关键词“T恤”对应的推荐类目“运动T恤”等。查看效果功能可以包括通过编辑页面实时预览编辑推荐信息在线上的展示情况，便于对不同的编辑推荐信息进行对比。例如，当编辑推荐信息为“T恤+情侣T恤”和“T恤+运动T恤”，可以预览上述两条编辑推荐信息在线上的展示情况，以对比上述两条编辑推荐信息，从而确定是否保留上述两条编辑推荐信息。
编辑设备还提供搜索类目分布和点击类目分布以及各类目下的成交情况，为确定推荐类目以及是否需要顺着类目路径向下编辑提供数据依据。编辑页面可以浮动展示每个搜索类目下的商品数量，确保不将用户引导到商品数极少的类目。编辑设备还可以根据参考数据查看预设周期内关键词在导航区和全部分类区的点击分布，获得编辑后的用户反馈，为确定编辑规则提供依据。
步骤304，存储计算系统对算法推荐信息和编辑推荐信息进行合并，将合并后的数据编译成导航词典，并将导航词典存储到智能导航服务器中。
其中，编辑推荐信息可以按照“索引关键词+索引类目+推荐类型+推荐内容”的格式编译到导航字典中，该编辑推荐信息的格式如表5所示。
表5
索引关键词 索引类目 推荐类型 推荐内容
T恤 根类目 1 女长T恤；女短T恤；男长T恤；男短T恤；儿童T恤；运动T恤；情侣T恤
...... ...... ...... ......
具体地，推荐内容用于确定显示在UI上的推荐类目和/或推荐属性，推荐类型用于确定推荐内容的格式。其中，推荐类型可以包括“类目+属性”、“类目”和“属性”等，不同的推荐类型可以分别对应不同的标识符，例如编号1、2和3等来表示不同的推荐类型。基于上述数据结构，可以对导航词典建立键-值(Key-Value)查询机制，其中，“Key”为“索引关键词+索引类目”，“Value”为“推荐类型+推荐内容”或者“推荐类目”。
其中，索引关键词可以为时效关键词，时效关键词对应的推荐内容具有时效性，可以与季节、日期等时间属性相关。例如，时效关键词可以为“T恤”，则该关键词对应的推荐内容“短袖T恤”在夏季的点击量较大，在冬季时的点击量较小，因而具有时效性。当时效关键词对应的推荐内容的点击量低于预设的阈值或者推荐内容不是点击量最大的类目或属性时，则判断该推荐内容失效。编辑设备可以定期提醒复查时效关键词对应的推荐内容，以确定该推荐内容是否失效，并在推荐内容失效时，定期提醒重新编辑该推荐内容。
另外，当推荐内容无法满足用户需求，即推荐内容的点击量低于预设的阈值或者推荐内容不是点击量最大的类目或属性时，编辑设备也可以提醒重新编辑该推荐内容。具体地，在如表2所示的用户反馈信息中，如果全部分类中的某个类目的点击超过了推荐类目的点击，可以提醒运营人员核查该类目的点击是否为作弊数据。如果该类目的点击不是作弊数据，则判断现有的推荐类目已经不能满足需求，需要对推荐类目作适当的修改。例如，将对应同一索引关键词的点击量最大的类目替换现有的推荐类目，或者从导航词典中删除推荐类目对应的编辑推荐信息。
步骤305，客户端向网页服务器发送用户查询信息。
其中，用户查询信息可以包括查询关键词和查询类目，查询类目可以默认为根类目，也可以根据用户的选择确定为如图4所示的商品类目树中的某个树节点。
步骤306，网页服务器根据用户查询信息向智能导航服务器请求推荐内容。
步骤307，智能导航服务器根据用户查询信息查询导航词典，如果在导航词典中查询到与用户查询信息对应的推荐结果，则执行步骤308；否则，执行步骤309。
步骤308，智能导航服务器通过网页服务器将查询到的推荐结果发送到客户端。
具体地，如果智能导航服务器以查询关键词和查询类目为“Key”，在导航词典中查询到对应的“Value”，智能导航服务器可以将“Value”中的推荐内容作为推荐结果返回给网页服务器，网页服务器将推荐结果发送到客户端，并由客户端将该推荐结果显示给用户。
例如，当用户通过客户端在根类目下输入关键词“手机”，并进行类目搜索，智能导航服务器通过网页服务器返回的推荐结果在客户端UI的显示效果，如图5所示。其中，推荐结果为“手机(439376)”、“国货精品手机(222178)”和“3C数码配件市场(1221425)”，该推荐结果为推荐类目。
另外，客户端显示的推荐结果也可以为父子类目的形式，如图6所示，当用户通过客户端在根类目下输入关键词“t恤”，并进行类目搜索，推荐结果按照“女装”、“男装”和“其它”三个父类目分开展示，上述每个父类目包括多个子类目。
此外，客户端显示的推荐结果还可以为推荐属性，如图7所示，当用户通过客户端在根类目下输入关键词“手机”，并进行类目搜索，推荐结果为按照“品牌”、“外观样式”、“手机价格区间”、“是否智能手机”和“网络类型”显示的属性。
步骤309，智能导航服务器按照商品数量向网页服务器返回推荐结果。
具体地，如果智能导航服务器以查询关键词和查询类目为“Key”，在导航词典中没有查询到对应的“Value”，智能导航服务器可以根据在线商品的标题中的关键字以及商品数量返回推荐结果。
例如，当用户通过客户端在根类目下输入查询关键词“盘子”，并进行类目搜索，智能导航服务器在导航词典中没有查询到对应的推荐内容，则根据在线商品的标题中的关键词展示出商品数量最多的前10个类目，并在每个类目后显示对应的商品数量。
本申请包括以下优点，在推荐结果中包含根据用户行为信息得到的编辑推荐信息，提高了智能导航的相关性、丰富性和智能性，消除了智能导航推荐算法在数据受噪音干扰、点击数据过少和商品错放类目时带来的负面影响，从而提升用户的购物体验；通过分析用户行为信息和检测商品数量，为推荐结果提供数据基础，并追踪编辑后的导航效果，可以确保推荐结果的准确性、相关性、丰富性和智能性，减少了用户的查询时间，降低了服务器的查询负担。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。
本申请上述实施例提供了智能导航方法和应用场景，相应地，本申请还通过以下实施例提供了应用上述方法的设备和系统。
如图8所示，为本申请实施例三中的智能导航服务器结构示意图，包括：
获得模块810，用于获得来自客户端的用户查询信息。
查询模块820，用于根据获得模块810获得的用户查询信息查询导航词典，得到与用户查询信息对应的推荐结果，该导航词典中包含根据用户行为信息得到的编辑推荐信息。
其中，用户查询信息可以包括查询关键词，编辑推荐信息可以包括索引关键词和推荐内容，上述查询模块820，用于根据查询关键词查询导航词典中的编辑推荐信息，得到与关键词和搜索类目对应的推荐内容，将该推荐内容作为推荐结果。
用户查询信息还可以包括查询关键词和查询类目，编辑推荐信息包括索引关键词、索引类目和推荐内容，上述查询模块820，用于根据查询关键词和查询类目查询导航词典中的编辑推荐信息，得到与查询关键词和查询类目对应的推荐内容，将推荐内容作为推荐结果。
用户查询信息还可以包括查询关键词，编辑推荐信息包括索引关键词、推荐类型和推荐内容，上述查询模块820，用于根据查询关键词查询导航词典中的编辑推荐信息，得到与查询关键词对应的推荐类型和推荐内容，将推荐类型和推荐内容作为推荐结果。
发送模块830，用于将查询模块820得到的推荐结果发送到客户端。
本申请包括以下优点，在推荐结果中包含根据用户行为信息得到的编辑推荐信息，提高了智能导航的相关性、丰富性和智能性，消除了智能导航推荐算法在数据受噪音干扰、点击数据过少和商品错放类目时带来的负面影响，从而提升用户的购物体验；通过分析用户行为信息和检测商品数量，为推荐结果提供数据基础，并追踪编辑后的导航效果，可以确保推荐结果的准确性、相关性、丰富性和智能性，减少了用户的查询时间，降低了服务器的查询负担。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。
如图9所示，本申请实施例四还提供了一种智能导航系统，包括：
网页服务器，用于获得来自客户端的用户查询信息，并将该用户查询信息发送到智能导航服务器，接收智能导航服务器返回的推荐结果，将该推荐结果发送到客户端。
智能导航服务器，用于接收来自网页服务器的用户查询信息，根据该用户查询信息查询导航词典，得到与用户查询信息对应的推荐结果，将该推荐结果发送到网页服务器，该导航词典中包含根据用户行为信息得到的编辑推荐信息。
其中，用户查询信息可以包括查询关键词，编辑推荐信息包括索引关键词和推荐内容，上述智能导航服务器，具体用于根据查询关键词查询导航词典中的编辑推荐信息，得到与查询关键词对应的推荐内容，将推荐内容作为推荐结果。
用户查询信息还可以包括查询关键词和查询类目，编辑推荐信息包括索引关键词、索引类目和推荐内容，上述智能导航服务器，具体用于根据查询关键词和查询类目查询导航词典中的编辑推荐信息，得到与查询关键词和查询类目对应的推荐内容，将推荐内容作为推荐结果。
当用户查询信息包括查询关键词时，编辑推荐信息还可以包括索引关键词、推荐类型和推荐内容，上述智能导航服务器，具体用于根据查询关键词查询导航词典中的编辑推荐信息，得到与查询关键词对应的推荐类型和推荐内容，将推荐类型和推荐内容作为推荐结果。
进一步地，如图10所示，上述的系统，还可以包括：
客户端，用于接收来自网页服务器的推荐结果，按照该推荐结果中的推荐类型确定的格式，将推荐结果中的推荐内容显示在用户界面。
日志服务器，用于从网页服务器获得用户行为信息，根据该用户行为信息生成用户行为日志，并将该用户行为日志发送到存储计算平台。
存储计算平台，用于存储用户行为日志，根据该用户行为日志统计参考数据，并使用智能导航算法计算得到算法推荐信息，将参考数据和算法推荐信息导入后台数据库，将后台数据库中的编辑推荐信息和算法推荐信息进行合并，并将合并后的数据编译成导航词典，将导航词典导入智能导航服务器。
其中，用户行为日志可以为搜索日志，参考数据包括关键词、搜索类目和搜索数据，存储计算平台，具体用于在参考数据中的搜索数据大于预设的搜索阈值时，根据参考数据生成包含索引关键词、索引类目和推荐内容的编辑推荐信息，索引关键词为参考数据中的关键词，索引类目为参考数据中的搜索类目，推荐内容为参考数据中数值最大的搜索数据对应的类目和/或属性。
用户行为日志还可以为点击日志，参考数据包括关键词、搜索类目和点击数据，存储计算平台，具体用于在参考数据中的点击数据大于预设的点击阈值时，根据参考数据生成包含索引关键词、索引类目和推荐内容的编辑推荐信息，索引关键词为参考数据中的关键词，索引类目为所述参考数据中的搜索类目，推荐内容为参考数据中数值最大的点击数据对应的类目和/或属性。
用户行为日志还可以为购买日志，参考数据包括关键词、搜索类目和购买数据，存储计算平台，具体用于在参考数据中的购买数据大于预设的购买阈值时，根据参考数据生成包含索引关键词、索引类目和推荐内容的编辑推荐信息，索引关键词为参考数据中的关键词，索引类目为参考数据中的搜索类目，推荐内容为参考数据中数值最大的购买数据对应的类目和/或属性。
编辑设备，用于按照后台数据库中的参考数据进行编辑，得到与用户行为信息对应的编辑推荐信息；并将编辑推荐信息导入后台数据库。
上述编辑设备，还用于获得与编辑推荐信息对应的用户反馈信息，根据用户反馈信息判断编辑推荐信息是否有效，如果编辑推荐信息有效，则继续保留编辑推荐信息；否则，修改编辑推荐信息。
其中，用户反馈信息包括编辑推荐信息对应的点击量和全部分类中的各个类目的点击量，编辑设备，具体用于在编辑推荐信息对应的点击量小于全部分类中的某个类目的点击量时，判断编辑推荐信息无效。
本申请包括以下优点，在推荐结果中包含根据用户行为信息得到的编辑推荐信息，提高了智能导航的相关性、丰富性和智能性，消除了智能导航推荐算法在数据受噪音干扰、点击数据过少和商品错放类目时带来的负面影响，从而提升用户的购物体验；通过分析用户行为信息和检测商品数量，为推荐结果提供数据基础，并追踪编辑后的导航效果，可以确保推荐结果的准确性、相关性、丰富性和智能性，减少了用户的查询时间，降低了服务器的查询负担。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。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台终端设备(可以是手机，个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本申请的保护范围。
本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以集成于一体，也可以分离部署；可以合并为一个模块，也可以进一步拆分成多个子模块。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
以上公开的仅为本申请的几个具体实施例，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (13)

1.一种智能导航方法，应用于网络购物的应用场景中，其特征在于，包括以下步骤：
服务器获得来自客户端的用户查询信息；
服务器根据所述用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，所述导航词典中包含根据用户行为信息得到的编辑推荐信息；
服务器将所述推荐结果发送到所述客户端；
其中，所述根据用户查询信息查询导航词典之前，还包括：
获得用户行为信息，根据所述用户行为信息生成并存储用户行为日志；
根据所述用户行为日志统计参考数据，按照所述参考数据进行编辑，得到与所述用户行为信息对应的编辑推荐信息；
将所述编辑推荐信息编译成所述导航词典。
2.如权利要求1所述的方法，其特征在于，所述用户查询信息包括查询关键词，所述编辑推荐信息包括索引关键词和推荐内容，
所述根据用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，包括：
根据所述查询关键词查询所述导航词典中的编辑推荐信息，得到与所述查询关键词对应的推荐内容，将所述推荐内容作为推荐结果。
3.如权利要求1所述的方法，其特征在于，所述用户查询信息包括查询关键词和查询类目，所述编辑推荐信息包括索引关键词、索引类目和推荐内容，
所述根据用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，包括：
根据所述查询关键词和查询类目查询所述导航词典中的编辑推荐信息，得到与所述查询关键词和查询类目对应的推荐内容，将所述推荐内容作为推荐结果。
4.如权利要求1所述的方法，其特征在于，所述用户查询信息包括查询关键词，所述编辑推荐信息包括索引关键词、推荐类型和推荐内容，
所述根据用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，包括：
根据所述查询关键词查询所述导航词典中的编辑推荐信息，得到与所述查询关键词对应的推荐类型和推荐内容，将所述推荐类型和推荐内容作为推荐结果。
5.如权利要求4所述的方法，其特征在于，所述将推荐结果发送到所述客户端之后，还包括：
按照所述推荐结果中的推荐类型确定的格式，将所述推荐结果中的推荐内容显示在用户界面。
6.如权利要求1所述的方法，其特征在于，所述用户行为日志为搜索日志，所述参考数据包括关键词、搜索类目和搜索数据，
所述按照参考数据进行编辑，得到与所述用户行为信息对应的编辑推荐信息，包括：
当所述参考数据中的搜索数据大于预设的搜索阈值时，根据所述参考数据生成包含索引关键词、索引类目和推荐内容的编辑推荐信息，所述索引关键词为所述参考数据中的关键词，所述索引类目为所述参考数据中的搜索类目，所述推荐内容为所述参考数据中数值最大的搜索数据对应的类目和/或属性。
7.如权利要求1所述的方法，其特征在于，所述用户行为日志为点击日志，所述参考数据包括关键词、搜索类目和点击数据，
所述按照参考数据进行编辑，得到与所述用户行为信息对应的编辑推荐信息，包括：
当所述参考数据中的点击数据大于预设的点击阈值时，根据所述参考数据生成包含索引关键词、索引类目和推荐内容的编辑推荐信息，所述索引关键词为所述参考数据中的关键词，所述索引类目为所述参考数据中的搜索类目，所述推荐内容为所述参考数据中数值最大的点击数据对应的类目和/或属性。
8.如权利要求1所述的方法，其特征在于，所述用户行为日志为购买日志，所述参考数据包括关键词、搜索类目和购买数据，
所述按照参考数据进行编辑，得到与所述用户行为信息对应的编辑推荐信息，包括：
当所述参考数据中的购买数据大于预设的购买阈值时，根据所述参考数据生成包含索引关键词、索引类目和推荐内容的编辑推荐信息，所述索引关键词为所述参考数据中的关键词，所述索引类目为所述参考数据中的搜索类目，所述推荐内容为所述参考数据中数值最大的购买数据对应的类目和/或属性。
9.如权利要求1所述的方法，其特征在于，所述按照参考数据进行编辑，得到与所述用户行为信息对应的编辑推荐信息之后，还包括：
获得与所述编辑推荐信息对应的用户反馈信息，根据所述用户反馈信息判断所述编辑推荐信息是否有效，如果所述编辑推荐信息有效，则继续保留所述编辑推荐信息；否则，修改所述编辑推荐信息。
10.如权利要求9所述的方法，其特征在于，所述用户反馈信息包括所述编辑推荐信息对应的点击量和全部分类中的各个类目的点击量，当所述编辑推荐信息对应的点击量小于所述全部分类中的某个类目的点击量时，判断所述编辑推荐信息无效。
11.一种智能导航服务器，应用于网络购物的应用场景中，其特征在于，包括：
获得模块，用于获得来自客户端的用户查询信息；
查询模块，用于根据所述获得模块获得的用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，所述导航词典中包含根据用户行为信息得到的编辑推荐信息；
发送模块，用于将所述查询模块得到的推荐结果发送到所述客户端；
其中，所述根据用户查询信息查询导航词典之前，还包括：
获得用户行为信息，根据所述用户行为信息生成并存储用户行为日志；
根据所述用户行为日志统计参考数据，按照所述参考数据进行编辑，得到与所述用户行为信息对应的编辑推荐信息；
将所述编辑推荐信息编译成所述导航词典。
12.一种智能导航系统，应用于网络购物的应用场景中，其特征在于，包括：
网页服务器，用于获得来自客户端的用户查询信息，并将所述用户查询信息发送到智能导航服务器，接收所述智能导航服务器返回的推荐结果，将所述推荐结果发送到所述客户端；
智能导航服务器，用于接收来自网页服务器的用户查询信息，根据所述用户查询信息查询导航词典，得到与所述用户查询信息对应的推荐结果，将所述推荐结果发送到所述网页服务器，所述导航词典中包含根据用户行为信息得到的编辑推荐信息；
存储计算平台，用于存储所述用户行为日志，根据所述用户行为日志统计参考数据，并使用智能导航算法计算得到算法推荐信息，将所述参考数据和所述算法推荐信息导入后台数据库，将所述后台数据库中的编辑推荐信息和算法推荐信息进行合并，并将合并后的数据编译成所述导航词典，将所述导航词典导入所述智能导航服务器。
13.如权利要求12所述的系统，其特征在于，还包括：
日志服务器，用于从所述网页服务器获得用户行为信息，根据所述用户行为信息生成用户行为日志，并将所述用户行为日志发送到存储计算平台；
编辑设备，用于按照所述后台数据库中的参考数据进行编辑，得到与所述用户行为信息对应的编辑推荐信息；并将所述编辑推荐信息导入所述后台数据库。
CN201010199106.0A 2010-06-12 2010-06-12 一种智能导航方法、装置和系统 Active CN102279851B (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201010199106.0A CN102279851B (zh) 2010-06-12 2010-06-12 一种智能导航方法、装置和系统
EP11792797.0A EP2580726A4 (en) 2010-06-12 2011-01-21 METHOD, DEVICE AND SYSTEM FOR INTELLIGENT NAVIGATION
PCT/US2011/022131 WO2011156014A1 (en) 2010-06-12 2011-01-21 Method, apparatus and system of intelligent navigation
US13/256,833 US9047341B2 (en) 2010-06-12 2011-01-21 Method, apparatus and system of intelligent navigation
JP2013514163A JP5802745B2 (ja) 2010-06-12 2011-01-21 インテリジェントナビゲーションの方法、装置、およびシステム
US14/691,311 US9519720B2 (en) 2010-06-12 2015-04-20 Method, apparatus and system of intelligent navigation
US15/377,716 US9842170B2 (en) 2010-06-12 2016-12-13 Method, apparatus and system of intelligent navigation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010199106.0A CN102279851B (zh) 2010-06-12 2010-06-12 一种智能导航方法、装置和系统

Publications (2)

Publication Number Publication Date
CN102279851A CN102279851A (zh) 2011-12-14
CN102279851B true CN102279851B (zh) 2017-05-03

Family

ID=45098364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010199106.0A Active CN102279851B (zh) 2010-06-12 2010-06-12 一种智能导航方法、装置和系统

Country Status (5)

Country Link
US (3) US9047341B2 (zh)
EP (1) EP2580726A4 (zh)
JP (1) JP5802745B2 (zh)
CN (1) CN102279851B (zh)
WO (1) WO2011156014A1 (zh)

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050131837A1 (en) 2003-12-15 2005-06-16 Sanctis Jeanne D. Method, system and program product for communicating e-commerce content over-the-air to mobile devices
US8370269B2 (en) 2004-06-02 2013-02-05 Overstock.Com, Inc. System and methods for electronic commerce using personal and business networks
US8583480B2 (en) 2007-12-21 2013-11-12 Overstock.Com, Inc. System, program product, and methods for social network advertising and incentives for same
US9747622B1 (en) 2009-03-24 2017-08-29 Overstock.Com, Inc. Point-and-shoot product lister
CN102279856B (zh) 2010-06-09 2013-10-02 阿里巴巴集团控股有限公司 一种网站导航实现方法及系统
US8838583B1 (en) * 2011-10-05 2014-09-16 Amazon Technologies, Inc Diversity within search results
US8706729B2 (en) 2011-10-12 2014-04-22 California Institute Of Technology Systems and methods for distributed data annotation
CN103218719B (zh) * 2012-01-19 2016-12-07 阿里巴巴集团控股有限公司 一种电子商务网站导航方法及系统
CN102629257B (zh) * 2012-02-29 2014-02-19 南京大学 一种基于关键字的电子商务网站商品推荐方法
CN103425671B (zh) * 2012-05-17 2018-03-02 腾讯科技（深圳）有限公司 统计微博推荐效果的方法及装置
US9355167B2 (en) * 2012-05-18 2016-05-31 California Institute Of Technology Systems and methods for the distributed categorization of source data
US9355359B2 (en) 2012-06-22 2016-05-31 California Institute Of Technology Systems and methods for labeling source data using confidence labels
CN103577473B (zh) * 2012-08-03 2018-10-12 北京京东尚科信息技术有限公司 分类消岐方法、分类消岐装置及其系统
CN103729351B (zh) * 2012-10-10 2017-10-03 阿里巴巴集团控股有限公司 查询词推荐方法及装置
US10546262B2 (en) 2012-10-19 2020-01-28 Overstock.Com, Inc. Supply chain management system
US9087097B1 (en) * 2012-12-11 2015-07-21 Amazon Technologies, Inc. Ranked navigation element
CN104050187B (zh) * 2013-03-14 2017-09-08 阿里巴巴集团控股有限公司 搜索结果展示方法及系统
US11676192B1 (en) 2013-03-15 2023-06-13 Overstock.Com, Inc. Localized sort of ranked product recommendations based on predicted user intent
US11023947B1 (en) * 2013-03-15 2021-06-01 Overstock.Com, Inc. Generating product recommendations using a blend of collaborative and content-based data
US10810654B1 (en) 2013-05-06 2020-10-20 Overstock.Com, Inc. System and method of mapping product attributes between different schemas
US9483788B2 (en) 2013-06-25 2016-11-01 Overstock.Com, Inc. System and method for graphically building weighted search queries
US9245026B1 (en) * 2013-06-26 2016-01-26 Amazon Technologies, Inc. Increasing the relevancy of search results across categories
CN104376013A (zh) * 2013-08-12 2015-02-25 北京千橡网景科技发展有限公司 用于检索与用户相关联的数据的方法和设备
US10929890B2 (en) 2013-08-15 2021-02-23 Overstock.Com, Inc. System and method of personalizing online marketing campaigns
US10872350B1 (en) 2013-12-06 2020-12-22 Overstock.Com, Inc. System and method for optimizing online marketing based upon relative advertisement placement
US9767417B1 (en) * 2014-06-12 2017-09-19 Amazon Technologies, Inc. Category predictions for user behavior
US10474670B1 (en) * 2014-06-12 2019-11-12 Amazon Technologies, Inc. Category predictions with browse node probabilities
US10387934B1 (en) * 2014-06-12 2019-08-20 Amazon Technologies, Inc. Method medium and system for category prediction for a changed shopping mission
US9767204B1 (en) * 2014-06-12 2017-09-19 Amazon Technologies, Inc. Category predictions identifying a search frequency
US9514185B2 (en) * 2014-08-07 2016-12-06 International Business Machines Corporation Answering time-sensitive questions
JP5997738B2 (ja) * 2014-09-11 2016-09-28 ヤフー株式会社 情報提供システム、情報提供サーバ、情報提供方法及びプログラム
CN104391944A (zh) * 2014-11-25 2015-03-04 中国民生银行股份有限公司 产品方案推送方法及装置
CN105183828A (zh) * 2015-08-28 2015-12-23 中国电信股份有限公司湖北号百信息服务分公司 一种商品链接导航系统及其导航方法
CN106649330A (zh) * 2015-10-30 2017-05-10 阿里巴巴集团控股有限公司 基于属性的搜索导航方法及系统
CN106960248B (zh) 2016-01-08 2021-02-23 阿里巴巴集团控股有限公司 一种基于数据驱动预测用户问题的方法及装置
CN105786965A (zh) * 2016-01-27 2016-07-20 久远谦长（北京）技术服务有限公司 一种基于url的用户行为分析方法和装置
US10534845B2 (en) 2016-05-11 2020-01-14 Overstock.Com, Inc. System and method for optimizing electronic document layouts
CN106682686A (zh) * 2016-12-09 2017-05-17 北京拓明科技有限公司 一种基于手机上网行为的用户性别预测方法
JP6601820B2 (ja) * 2017-02-08 2019-11-06 Ｚホールディングス株式会社 提供装置、提供方法、及び提供プログラム
US11449788B2 (en) 2017-03-17 2022-09-20 California Institute Of Technology Systems and methods for online annotation of source data using skill estimation
CN110912960B (zh) * 2018-09-18 2023-04-28 斑马智行网络(香港)有限公司 一种数据处理方法、装置和机器可读介质
US11514493B1 (en) 2019-03-25 2022-11-29 Overstock.Com, Inc. System and method for conversational commerce online
CN111753181A (zh) * 2019-03-28 2020-10-09 北京京东尚科信息技术有限公司 基于图像的搜索方法、装置、服务器、客户端及介质
US11205179B1 (en) 2019-04-26 2021-12-21 Overstock.Com, Inc. System, method, and program product for recognizing and rejecting fraudulent purchase attempts in e-commerce
CN110389989B (zh) * 2019-07-15 2023-08-01 创新先进技术有限公司 一种数据处理方法、装置及设备
US11734368B1 (en) 2019-09-26 2023-08-22 Overstock.Com, Inc. System and method for creating a consistent personalized web experience across multiple platforms and channels
CN110807055A (zh) * 2019-10-14 2020-02-18 支付宝(杭州)信息技术有限公司 用于对数据库执行查询的方法和系统
CN111159559A (zh) * 2019-12-31 2020-05-15 青梧桐有限责任公司 根据用户需求和用户行为构建推荐引擎的方法
CN111488439B (zh) * 2020-03-18 2023-04-18 杭州迪普科技股份有限公司 保存和分析日志数据的系统和方法
CN112417248B (zh) * 2020-11-24 2024-08-13 百度在线网络技术（北京）有限公司 寻址关键词的推荐方法、装置、模型、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105795A (zh) * 2006-10-27 2008-01-16 北京搜神网络技术有限责任公司 基于网络行为的个性化推荐方法和系统
CN101334792A (zh) * 2008-07-10 2008-12-31 中国科学院计算技术研究所 一种个性化服务推荐系统和方法
CN101446959A (zh) * 2008-12-30 2009-06-03 深圳市迅雷网络技术有限公司 一种基于互联网的新闻推荐方法和系统

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7236969B1 (en) * 1999-07-08 2007-06-26 Nortel Networks Limited Associative search engine
US6493702B1 (en) * 1999-05-05 2002-12-10 Xerox Corporation System and method for searching and recommending documents in a collection using share bookmarks
US7937725B1 (en) * 2000-07-27 2011-05-03 Koninklijke Philips Electronics N.V. Three-way media recommendation method and system
US7080071B2 (en) * 2000-08-04 2006-07-18 Ask Jeeves, Inc. Automated decision advisor
US7827055B1 (en) * 2001-06-07 2010-11-02 Amazon.Com, Inc. Identifying and providing targeted content to users having common interests
US7917379B1 (en) * 2001-09-25 2011-03-29 I2 Technologies Us, Inc. Large-scale supply chain planning system and method
US7716199B2 (en) * 2005-08-10 2010-05-11 Google Inc. Aggregating context data for programmable search engines
US7668885B2 (en) * 2002-09-25 2010-02-23 MindAgent, LLC System for timely delivery of personalized aggregations of, including currently-generated, knowledge
US7606772B2 (en) 2003-11-28 2009-10-20 Manyworlds, Inc. Adaptive social computing methods
US7526458B2 (en) 2003-11-28 2009-04-28 Manyworlds, Inc. Adaptive recommendations systems
JP4497309B2 (ja) * 2004-06-24 2010-07-07 日本電気株式会社 情報提供装置、情報提供方法および情報提供用プログラム
US7620628B2 (en) 2004-12-06 2009-11-17 Yahoo! Inc. Search processing with automatic categorization of queries
US7590562B2 (en) * 2005-06-29 2009-09-15 Google Inc. Product recommendations based on collaborative filtering of user data
WO2007024736A2 (en) 2005-08-19 2007-03-01 Biap Systems, Inc. System and method for recommending items of interest to a user
US20070192318A1 (en) * 2005-09-14 2007-08-16 Jorey Ramer Creation of a mobile search suggestion dictionary
US20070255755A1 (en) 2006-05-01 2007-11-01 Yahoo! Inc. Video search engine using joint categorization of video clips and queries based on multiple modalities
US7685192B1 (en) * 2006-06-30 2010-03-23 Amazon Technologies, Inc. Method and system for displaying interest space user communities
US8010410B2 (en) 2006-12-29 2011-08-30 Ebay Inc. Method and system for listing categorization
JP2008205820A (ja) * 2007-02-20 2008-09-04 Canon Inc コンテンツ表示装置、コンテンツ表示方法、プログラム及び記憶媒体
KR100898459B1 (ko) * 2007-08-10 2009-05-21 엔에이치엔(주) 질의 분류 방법 및 그 시스템
US8108255B1 (en) * 2007-09-27 2012-01-31 Amazon Technologies, Inc. Methods and systems for obtaining reviews for items lacking reviews
KR101049889B1 (ko) * 2007-10-22 2011-07-19 주식회사 이베이지마켓 검색을 통한 행태분석에 기반한 키워드 그룹에 대하여광고를 수주하고 타겟 광고하는 웹 사이트 운영 방법 및온라인 시스템
US9195752B2 (en) 2007-12-20 2015-11-24 Yahoo! Inc. Recommendation system using social behavior analysis and vocabulary taxonomies
KR101552147B1 (ko) 2008-04-24 2015-09-11 삼성전자주식회사 방송 컨텐츠를 추천하는 방법과 그 장치
JP2011524576A (ja) 2008-06-14 2011-09-01 ビオ ネットワークス インコーポレイテッド 使用パターンを用いた検索方法及びシステム
JP5227113B2 (ja) * 2008-08-28 2013-07-03 京セラ株式会社 通信端末
KR101040119B1 (ko) * 2008-10-14 2011-06-09 한국전자통신연구원 콘텐츠 검색 장치 및 방법
JP5462510B2 (ja) * 2009-03-24 2014-04-02 株式会社野村総合研究所 商品検索サーバ、商品検索方法、プログラム、および記録媒体
US9443209B2 (en) 2009-04-30 2016-09-13 Paypal, Inc. Recommendations based on branding
US8429035B1 (en) * 2009-08-26 2013-04-23 Jda Software Group, Inc. System and method of solving large scale supply chain planning problems with integer constraints

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101105795A (zh) * 2006-10-27 2008-01-16 北京搜神网络技术有限责任公司 基于网络行为的个性化推荐方法和系统
CN101334792A (zh) * 2008-07-10 2008-12-31 中国科学院计算技术研究所 一种个性化服务推荐系统和方法
CN101446959A (zh) * 2008-12-30 2009-06-03 深圳市迅雷网络技术有限公司 一种基于互联网的新闻推荐方法和系统

Also Published As

Publication number Publication date
WO2011156014A1 (en) 2011-12-15
US20150227635A1 (en) 2015-08-13
EP2580726A1 (en) 2013-04-17
JP2013531847A (ja) 2013-08-08
US20170091339A1 (en) 2017-03-30
US9519720B2 (en) 2016-12-13
US20130080422A1 (en) 2013-03-28
US9047341B2 (en) 2015-06-02
EP2580726A4 (en) 2014-04-02
CN102279851A (zh) 2011-12-14
US9842170B2 (en) 2017-12-12
JP5802745B2 (ja) 2015-11-04

Similar Documents

Publication Publication Date Title
CN102279851B (zh) 一种智能导航方法、装置和系统
CN103729359B (zh) 一种推荐搜索词的方法及系统
CN103218719B (zh) 一种电子商务网站导航方法及系统
Liu et al. Analyzing changes in hotel customers’ expectations by trip mode
CN102831234B (zh) 基于新闻内容和主题特征的个性化新闻推荐装置和方法
CN104866474B (zh) 个性化数据搜索方法及装置
CN105447186B (zh) 一种基于大数据平台的用户行为分析系统
CN109189904A (zh) 个性化搜索方法及系统
CN104035927A (zh) 一种基于用户行为的搜索方法及系统
CN104679771A (zh) 一种个性化数据搜索方法和装置
CN106339502A (zh) 一种基于用户行为数据分片聚类的建模推荐方法
CN108256119A (zh) 一种资源推荐模型的构建方法及基于该模型的资源推荐方法
CN106327227A (zh) 一种信息推荐系统及信息推荐方法
CN104077407B (zh) 一种智能数据搜索系统及方法
CN104834686A (zh) 一种基于混合语义矩阵的视频推荐方法
CN104951468A (zh) 数据搜索处理方法和系统
CN103823824A (zh) 一种借助互联网自动构建文本分类语料库的方法及系统
CN104899229A (zh) 基于群体智能的行为聚类系统
CN103377249A (zh) 关键词投放方法及系统
CN105931082B (zh) 一种商品类目关键词提取方法和装置
CN102930041A (zh) 一种基于用户行为信息的检索结果实时更新方法及其系统
CN106547864A (zh) 一种基于查询扩展的个性化信息检索方法
CN102663022A (zh) 一种基于url的分类识别方法
CN106484698A (zh) 一种搜索关键词的推送方法和装置
CN110175192A (zh) 一种基于主题序列模式的旅游产品推荐方法

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: 1163847

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1163847

Country of ref document: HK