CN103136683A - 计算产品参考价格的方法、装置及产品搜索方法、系统 - Google Patents

Abstract

本申请提供了一种计算产品参考价格的方法、装置及产品搜索方法、系统，以解决现有技术简单基于产品销售价格统计得出的产品价格不准确，并且影响搜索准确率的问题。本申请将海量的商品信息作为数据源，按照商品价格对数据源中的数据进行聚合归类计算，得到具有不同价格区间的商品分组，然后根据预先设定的筛选条件，从商品分组中选出一组，并从这组商品中再选出一个商品，将该商品的价格作为该商品所属产品的参考价格。本申请计算过程更加客观，所以得到的产品参考价格更加准确，更加符合实际的价格，具有较高的参考价值，可提高搜索准确率。

Description

计算产品参考价格的方法、装置及产品搜索方法、系统

技术领域

本申请涉及数据处理技术，特别是涉及一种计算产品参考价格的方法和计算产品参考价格的装置，以及，一种产品搜索方法和产品搜索系统。

背景技术

目前，用户在购买一个产品，如某型号的数码相机、手机、笔记本电脑以及其他各类产品之前，可通过上网查询该产品的参考价格，事先获得产品的价格定位。此外，在用户上网选购一款产品的时候，当面对数以万计、参差不齐的商品时，如何选择到一款性价比满意的商品，是一件很困难的事情，而产品的参考价格还可以帮助用户选到令人满意的产品。所以，提供给用户一个具有参考意义的价格是非常重要的事情。

现有技术中，计算产品参考价格的方法是：统计某个时间段内该产品的销售价格区间，再以这个销售价格区间定义该产品价格的参考价。例如，一款手机在最近一周的销售价格区间是[1972元，2248元]，将这个区间中的最低价和最高价相加再平均，即可得到这款手机在近期的参考价格，经过计算参考价为2110元。

但是对于同一款产品，其价格会因为各种原因而千差万别，从而导致产品的价格区间跨度很大，并导致依据此价格区间计算出来的产品参考价格并不准确，不能给用户提供真正的需求价值。

因此，这种简单地基于产品销售价格统计出来的产品价格数据，由于存在大量差异化的商品信息，干扰了计算结果的准确度，数据参考价值不高。用户在购买产品的时候，仍然需要从海量的商品中去挑选，比较商品的价格等信息，增加了决策时间和购买成本。

发明内容

本申请的目的在于，提供一种计算产品参考价格的方法及装置，以解决现有技术简单基于产品销售价格统计得出的产品价格不准确的问题。

相应的，本申请还提供了一种产品搜索方法及系统，可以在用户搜索产品时，将基于上述方法计算得到的产品参考价格及其对应的商品信息一起推荐给用户。

为了解决上述问题，本申请公开了一种计算产品参考价格的方法，包括：根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；按照预先设定的筛选条件从商品分组中选择一组商品信息；根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

优选地，所述商品信息还包含商品销量数据；将所述多个商品信息按照商品价格进行聚合归类计算之前，还包括：按照商品销量将所述多个商品信息进行排序；将所述多个商品信息按照商品价格进行聚合归类计算为：选择排序靠前的n个商品信息按照商品价格进行聚合归类计算，n为自然数。

优选地，所述方法还包括：搜索外部网站中相同产品的参考价格；如果搜索到，则将外部网站的参考价格与上述的参考价格进行比较，并选择最低价格作为最终验证后的产品参考价格。

优选地，所述预先设定的筛选条件包括：商品分组的价格偏差是否在合理的范围内，和/或，商品分组中的商品数量；其中，所述合理的范围是根据实际销售价格统计分析得出；所述按照预先设定的筛选条件从商品分组中选择一组商品信息包括：从商品分组中选择商品分组的价格偏差在合理的范围内，和/或，商品分组中的商品数量最多的一组商品信息。

优选地，所述方法还包括：对每个产品的参考价格计算可信度分值。

优选地，所述计算可信度分值包括：对每个产品的参考价格初始化可信度分值；根据预设的评分项进行可信度分值的计算，当满足任一评分项时，加上该评分项对应的分值，所述评分项包含：根据产品信息是否能够获取到属于该产品的多个商品信息，和/或，所选商品分组的价格偏差是否在合理的范围内，其中，所述合理的范围是根据实际销售价格统计分析得出，和/或，所选商品分组的商品数占所有商品总数的比值，和/或，是否能够搜索到外部网站中相同产品的参考价格，和/或，是否满足基于商品所属类目的特点设定的评分条件。

优选地，根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，包括：根据商品所属类目的特点，从所选的一组商品信息中筛选出满足下述任意一个或几个组合条件的一个商品信息，所述条件包含：销量最多，和/或，卖家信用度最高，和/或，售后服务最好。

优选地，根据产品信息获取属于该产品的多个商品信息，包含：根据产品信息中的产品标识查询与该产品标识对应的多个商品标识；获取所述多个商品标识对应的多个商品信息。

本申请还提供了一种计算产品参考价格的装置，包括：商品搜索单元，用于根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；分组计算单元，用于将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；分组筛选单元，用于按照预先设定的筛选条件从商品分组中选择一组商品信息；参考价格确定单元，用于根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

优选地，所述装置还包括：外部搜索单元，用于搜索外部网站中相同产品的参考价格，如果搜索到，则将外部网站的参考价格与上述的参考价格进行比较，并选择最低价格作为最终验证后的产品参考价格。

本申请还提供了一种产品搜索方法，包括：接收产品搜索的关键词，将相匹配的产品参考价格及其对应的商品信息输出，其中所述产品参考价格通过以下方法计算得到：根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；按照预先设定的筛选条件从商品分组中选择一组商品信息；根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

本申请还提供了一种产品搜索系统，包括：搜索单元，用于接收产品搜索的关键词，将相匹配的产品参考价格及其对应的商品信息输出；计算产品参考价格的装置，具体包括：商品搜索单元，用于根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；分组计算单元，用于将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；分组筛选单元，用于按照预先设定的筛选条件从商品分组中选择一组商品信息；参考价格确定单元，用于根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

与现有技术相比，本申请包括以下优点：

首先，本申请将海量的商品信息作为数据源，按照商品价格对数据源中的数据进行聚合归类计算，得到具有不同价格区间的商品分组，然后根据预先设定的筛选条件，从商品分组中选出一组，并从这组商品中再选出一个商品，将该商品的价格作为该商品所属产品的参考价格。这种基于海量数据源、通过聚合归类计算、并通过层层过滤的方式筛选出来的产品参考价格，由于其计算过程更加客观，所以得到的产品参考价格更加准确，更加符合实际的价格，具有较高的参考价值。这样，用户在购买商品的时候，就可以将极具参考价值的产品价格和对应的商品直接推荐给用户，提高了搜索准确率，降低了用户挑选商品的难度，用户无需一次次地点击查询，从而减轻了服务器的访问负担，也促进了购买。

其次，为了进一步提高产品参考价格的准确度，进而提高产品参考价格的可参考性，本申请还利用多维度的商品价格对计算得出的参考价格进行修正，如利用外部网站中相同产品的参考价格验证计算得出的参考价格，如果还存在更便宜的商品，则选择该商品的价格作为最终的产品价格数据。

再次，为了进一步提高产品参考价格的可参考性，本申请还引入价格可信度，对每个计算出的产品参考价格按照预设的评分项进行打分，当产品的价格可信度达到一定等级时，该产品的参考价格具有非常高的参考价值。

当然，实施本申请的任一产品不一定需要同时达到以上所述的所有优点。

附图说明

图1是本申请实施例所述一种计算产品参考价格的方法流程图；

图2是本申请实施例中某产品参考价格计算的示例图；

图3是本申请另一实施例所述验证产品参考价格的流程图；

图4是本申请实施例所述一种计算产品参考价格的装置结构图；

图5是本申请实施例所述一种产品搜索方法的流程图；

图6是本申请实施例所述一种产品搜索系统的结构图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

本申请提出一种计算产品参考价格的方法，该方法将海量的商品信息作为数据源，按照商品价格对数据源中的数据进行聚合归类计算，得到具有不同价格区间的商品分组，然后根据预先设定的筛选条件，从商品分组中选出一组，并从这组商品中再选出一个商品，将该商品的价格作为该商品所属产品的参考价格。

下面通过实施例对本申请所述方法的实现流程进行详细说明。

参照图1，其为本申请实施例所述一种计算产品参考价格的方法流程图。

步骤101，根据产品信息，获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；

产品和商品是一对多的关系，同一个产品通过不同的卖家或不同的价格出售，构成不同的商品。

在网上交易系统中，同一款产品会以多个商品的形式销售，系统会记录产品ID与多个商品ID的对应关系，本实施例正是利用这种对应关系来获取一个产品的海量商品数据。

具体的，所述根据产品信息获取属于该产品的多个商品信息可以包含以下子步骤：

子步骤1，根据产品信息中的产品标识(如产品ID)查询与该产品标识对应的多个商品标识(如商品ID)；

其中，所述产品信息中可以包含产品标识、产品名称和产品型号等信息；

子步骤2，获取所述多个商品标识对应的多个商品信息。

其中，商品信息中可以包含商品标识、商品名称和商品价格数据等信息。

通过以上子步骤的处理，可以根据产品信息挖掘出海量的商品信息作为价格计算的数据源，然后按照步骤102对其中价格参差不齐的商品数据进行聚合归类计算。

步骤102，将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；

聚合归类可简称为聚类，聚类分析是一种通过聚类算法将数据按照相似度进行分类的分析方法。聚类分析是数据挖掘中的一个很活跃的研究领域，并提出了许多聚类算法，这些算法可以被分为划分方法、层次方法、基于密度方法、基于网格方法和基于模型方法等。

本实施例中，按照商品价格进行聚合归类计算是指将海量的商品信息按照价格的相似度划分为具有不同价格区间的商品分组，具体可以采用现有技术中的任意一种聚类算法，本实施例不进行具体限定。

此外，由于海量的商品信息中价格参差不齐，会影响最终计算结果的准确性，因此在步骤102之前还可以增加如下的可选步骤：

按照商品销量将所述多个商品信息进行排序。

上述商品信息中还可以包含商品销量数据，对海量的商品信息按照商品销量进行排序后，步骤102就可以选择排序靠前的n(n为自然数)个商品信息来按照商品价格进行聚合归类计算，即筛选出销量较高的商品信息，再进行聚类，从而剔除了海量数据中的杂质，保证了后续计算的准确度。当然，这个步骤是可选步骤，不是必须步骤。

步骤103，按照预先设定的筛选条件从商品分组中选择一组商品信息；

筛选的总的原则是要筛选出最具代表性的一组商品信息，在本实施例中，所述预先设定的筛选条件可以包括：

商品分组的价格偏差是否在合理的范围内，所述合理的范围是根据实际销售价格统计分析得出；

和/或，

商品分组中的商品数量。

其中，商品分组的价格偏差如：假设通过聚类计算得到某个商品分组的价格区间为[700元，1100元]，而该产品在最近一段时间的均价是1000元，计算700/1000＝0.7，1100/1000＝1.1，那么价格偏差为0.7～1.1。

产品价格偏差的合理范围通常根据实际销售价格的历史数据统计分析得出，例如上例中该产品价格偏差的合理范围经统计分析得出为0.5～1.1，0.7～1.1的价格偏差正好落入0.5～1.1的合理围之内。

当然，对于不同的产品，其对应的价格偏差的合理范围也会不同。

基于上述筛选条件，相应的，所述按照预先设定的筛选条件从商品分组中选择一组商品信息具体可以包括：

从商品分组中选择商品分组的价格偏差在合理的范围内，和/或，商品分组中的商品数量最多的一组商品信息。

上述“和/或”是指可以用任意一个条件进行筛选，也可以同时用两个条件筛选。例如，从多个商品分组中选择价格偏差在合理范围内的一个分组，或者选择分组中商品数量最多的一个分组，或者选择价格偏差在合理范围内并且分组中商品数量最多的一个分组。

当然，实际应用中还可以设定其他的筛选条件，本实施例在此仅举例说明。

步骤104，根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

筛选的总的原则也是要筛选出最具代表性的一个商品信息。对于不同的产品，其商品所属的类目也不相同。类目是对商品的分类，目前主流的类目体系以树状结构表示，每个父类目下包含多个子类目，但每个子类目只有一个父类目，所属树状结构中自上而下的类目表示的范围越来越小。

基于上述筛选原则，根据商品所属类目的特点，可以设定不同的条件，从所选的一组商品信息中筛选出满足下述任意一个或几个组合条件的一个商品信息，所述条件包含：

销量最多，和/或

卖家信用度最高，和/或

售后服务最好。

例如，在手机类目中，会将分组中销量最多的商品作为具有可参考意义的商品。再例如，在化妆品类目中，会将分组中卖家信用度最高的商品作为具有可参考意义的商品。再例如，在家电类目中，会将分组中售后服务最好的商品作为具有可参考意义的商品。当然，也可以在某一类目中，将销量最多、卖家信用度最高并且售后服务最好的商品作为具有可参考意义的商品。同时，还可以将具有可参考意义的商品推荐给用户。

这种根据每个类目的特点，利用多维度筛选出来的商品价格，比现有技术仅仅根据某段时间内的产品销售价格计算得出的参考价格更具参考价值。

下面通过图2的例子进一步解释上述流程。

图2示出了某产品参考价格的计算过程，具体如下：

1)根据产品信息获取到对应的海量商品信息；

2)根据商品销量选择排序靠前的10个宝贝，如图2左侧所示的宝贝1至宝贝10；

3)对这10个宝贝按照价格进行聚类计算，得到图2右侧所示的三个分组；

其中，第一分组包含宝贝2、宝贝3和宝贝4，其价格区间在[400，699]；

第二分组包含宝贝5，其价格区间在[1100以上]；

第三分组包含宝贝1、宝贝6至宝贝10，其价格区间在[700，1100]。

4)从这三个分组中选出价格偏差在合理范围之内并且宝贝数量最多的第三分组；

5)根据销量、卖家信用度等合理维度，从第三分组中选出一个最具参考价值的宝贝，假设宝贝7的销量最多并且卖家信用度最高，则将宝贝7的价格作为该产品的参考价格，同时在用户搜索时还可以将宝贝7推荐给用户。

综上所述，这种基于海量数据源、通过聚合归类计算、并通过层层过滤以及多维度的方式筛选出来的产品参考价格，由于其计算过程更加客观，所以得到的产品参考价格更加准确，更加符合实际的价格，具有较高的参考价值。这样，用户在购买商品的时候，就可以将极具参考价值的产品价格和对应的商品直接推荐给用户，这提高了搜索准确率，降低了用户挑选商品的难度，用户无需一次次地点击查询，从而减轻了服务器的访问负担，也促进了购买。

通过上述实施例可以看出，海量数据已经基本能计算出一个合理的参考价格数据，但是为了进一步提高准确度，提升产品价格的可参考性，本申请另一实施例还可以利用众多外部网站(如B2C专业网站)的产品数据再次验证该参考价格。如果还存在更便宜的商品，则选择该商品的价格作为最终的产品参考价格数据，如果找不到更便宜的商品，则使用上面过程中计算得出的参考价格数据作为最终的产品参考价格。其流程如图3所示。

参照图3，其为本申请另一实施例所述验证产品参考价格的流程图。

步骤301，获取计算所得的产品参考价格数据；

即获取按照图1所示流程通过聚类计算、分组、筛选得到的参考价格数据。

步骤302，搜索外部网站中相同产品的参考价格；

可以搜索多个不同的外部网站，有些外部网站会给出产品的参考价格，如近期的均价，但是有些外部网站没有明确的产品参考价。

步骤303，如果搜索到，则将外部网站的参考价格与上述的参考价格进行比较，并选择最低价格作为最终验证后的产品参考价格。

即将外部网站的参考价格与按照图1流程计算所得的参考价格相比较，如果外部网站还存在更低的参考价格，则修正原来计算得到的参考价格；如果原来计算得到的参考价格已经是最低价，则无需修正。

步骤304，如果未搜索到，则将上述计算得到的参考价格作为最终的产品参考价格。

通过这种多维度价格的验证和修正，可以得到一个更加合理、更加具有参考价值的产品参考价格数据。

但是，从上面的价格修订过程中可以看出，可能某些计算过程中得不到商品数据，例如可能查找不到外部商家的商品，那么修正出来的产品参考价格仅从一个网站所得，可信度就会受到一定影响。所以本申请另一实施例还引入了价格可信度，根据每一步计算的过程打分，当产品的价格可信度达到一定等级的时候，该产品的价格具有非常高的可参考性。

具体的，参考图1和图3的流程，可以对每个产品的参考价格计算可信度分值。首先，对每个产品的参考价格初始化可信度分值；然后，根据预设的评分项进行可信度分值的计算，当满足任一评分项时，加上该评分项对应的分值。

举例来说，假设某产品参考价格的可信度分为5个等级，由数字1-5表示，等级由低到高，1代表可信度低，5代表可信度高。价格可信度从0开始计算，参考下表：

表1

基于表1，如果在图1的步骤101中能够根据产品信息获取属于该产品的多个商品信息，则分值加1；

如果在图1的步骤103中所选择商品分组的价格偏差在合理的范围内，则分值加1；

将同组商品数n/总商品数s的比值也加入分值中；

如果在图3的步骤302中搜索到外部网站相同产品的参考价格，则分值加1；

基于商品所属类目的特点，也可以按照不同维度将分值加1，例如手机类目中，如果销量最多就将分值加1；如化妆品类目中，如果卖家信用度最高，也可以将分值加1；如家电类目中，如果售后服务最好，分值也可加1。

当然，表1仅是举例说明，不同评分项对应的分值也可以设为不同，而且具体的评分项也可以自由设定。

根据可信度评分项得到最终的可信度分值后，可以与产品参考价格及对应的商品一起展示给用户，帮助用户挑选商品。

需要说明的是，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，所涉及的动作并不一定是本申请所必需的。

基于上述方法实施例的说明，本申请还提供了相应的计算产品参考价格装置实施例，来实现上述方法实施例所述的内容。

图4为本申请实施例所述一种计算产品参考价格的装置结构图。

所述计算产品参考价格的装置可以包括以下单元：

商品搜索单元10，用于根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；

分组计算单元20，用于将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；

分组筛选单元30，用于按照预先设定的筛选条件从商品分组中选择一组商品信息；

参考价格确定单元40，用于根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

具体的，所述商品搜索单元10可以根据产品信息中的产品标识查询与该产品标识对应的多个商品标识，然后获取所述多个商品标识对应的多个商品信息。

具体的，所述预先设定的筛选条件可以包括：商品分组的价格偏差是否在合理的范围内，和/或，商品分组中的商品数量；其中，所述合理的范围是根据实际销售价格统计分析得出；

相应的，所述分组筛选单元30可以从商品分组中选择商品分组的价格偏差在合理的范围内，和/或，商品分组中的商品数量最多的一组商品信息。

具体的，所述参考价格确定单元40可以根据商品所属类目的特点，从所选的一组商品信息中筛选出满足下述任意一个或几个组合条件的一个商品信息，所述条件包含：

销量最多，和/或

卖家信用度最高，和/或

售后服务最好。

优选的，在另一实施例中，所述商品信息还包含商品销量数据，所述计算产品参考价格的装置还可以包括下述单元：

预处理单元，用于在分组计算单元20将所述多个商品信息按照商品价格进行聚合归类计算之前，先按照商品销量将所述多个商品信息进行排序；

相应的，分组计算单元20可以选择排序靠前的n个商品信息按照商品价格进行聚合归类计算，n为自然数。

优选的，在另一实施例中，为了进一步提高产品参考价格的准确度，进而提高产品参考价格的可参考性，所述计算产品参考价格的装置还可以包括下述单元：

外部搜索单元，用于搜索外部网站中相同产品的参考价格，如果搜索到，则将外部网站的参考价格与上述的参考价格进行比较，并选择最低价格作为最终验证后的产品参考价格。

优选的，在另一实施例中，为了进一步提高产品参考价格的可参考性，所述计算产品参考价格的装置还可以包括下述单元：

可信度计算单元，用于对每个产品的参考价格计算可信度分值，具体计算步骤如下：

对每个产品的参考价格初始化可信度分值；

根据预设的评分项进行可信度分值的计算，当满足任一评分项时，加上该评分项对应的分值，所述评分项包含：

根据产品信息是否能够获取到属于该产品的多个商品信息，和/或

所选商品分组的价格偏差是否在合理的范围内，其中，所述合理的范围是根据实际销售价格统计分析得出，和/或

所选商品分组的商品数占所有商品总数的比值，和/或

是否能够搜索到外部网站中相同产品的参考价格，和/或

是否满足基于商品所属类目的特点设定的评分条件。

对于上述计算产品参考价格的装置实施例而言，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。

综上所述，基于以上各实施例所述的产品参考价格计算方法和计算装置，在能够通过更加客观的手段获得更加准确的产品参考价格的基础上，可以将上述计算方法和计算装置应用到搜索领域。下面通过图5和图6的例子进行说明。

参照图5，其为本申请实施例所述一种产品搜索方法的流程图。

所述产品搜索方法结合了上述计算产品参考价格的处理流程，具体可包括以下步骤：

步骤501，根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；

步骤502，将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；

可选地，所述商品信息还可包含商品销量数据，在步骤502之前，还可以按照商品销量将所述多个商品信息进行排序，以便步骤502先选择排序靠前的n个商品信息，然后再按照商品价格进行聚合归类计算，n为自然数。这样可以剔除海量数据中的杂质，保证后续计算的准确度。

步骤503，按照预先设定的筛选条件从商品分组中选择一组商品信息；

步骤504，根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格；

可选地，为了进一步提高计算准确度，提升产品价格的可参考性，还可以搜索外部网站中相同产品的参考价格，如果搜索到，则将外部网站的参考价格与上述计算所得的参考价格进行比较，并选择最低价格作为最终验证后的产品参考价格。

可选地，为了使用户有更直观的感受，还可以对每个产品的参考价格计算可信度分值，并展示给用户，供用户参考。具体的，可以根据每一步计算的过程打分，当产品的价格可信度达到一定等级的时候，该产品的价格具有非常高的可参考性。

步骤505，接收产品搜索的关键词，将相匹配的产品参考价格及其对应的商品信息输出。

在上述流程中，经过步骤501至504，通过海量商品数据源、聚合归类计算、并通过层层过滤以及多维度的方式，针对每一款产品，都可以计算得出更符合实际产品价格、具有较高参考价值的产品参考价格，以及具有该参考价格的具体商品信息。搜索系统可以记录产品关键词、产品参考价格、对应的商品信息的一一映射关系，在用户搜索的时候，如果输入产品名称或其他与产品描述相关的关键词，均可搜索出该产品的参考价格以及标价为该参考价格的详细商品信息，如商品名称、商品详情描述、卖家信息等等信息。

参照图6，其为本申请实施例所述一种产品搜索系统的结构图。

所述产品搜索系统可包含上述计算产品参考价格的装置，具体的，所述搜索系统可以包括以下单元：

商品搜索单元10，用于根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；

分组计算单元20，用于将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；

分组筛选单元30，用于按照预先设定的筛选条件从商品分组中选择一组商品信息；

参考价格确定单元40，用于根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格；

搜索单元50，用于接收产品搜索的关键词，将相匹配的产品参考价格及其对应的商品信息输出。

其中，计算产品参考价格的装置可包括商品搜索单元10、分组计算单元20、分组筛选单元30和参考价格确定单元40。

对于上述搜索系统实施例，详细说明可参照图5所示方法实施例的内容，在此不再详述。

上述搜索系统可以帮助用户在购买商品的时候，将极具参考价值的产品价格和对应的商品直接推荐给用户，这提高了搜索准确率，降低了用户挑选商品的难度，用户无需一次次地点击查询，从而减轻了服务器的访问负担，也促进了购买。

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。

上文中的“和/或”表示本文既包含了“和”的关系，也包含了“或”的关系，其中：如果方案A与方案B是“和”的关系，则表示某实施例中可以同时包括方案A和方案B；如果方案A与方案B是“或”的关系，则表示某实施例中可以单独包括方案A，或者单独包括方案B。

以上对本申请所提供的一种计算产品参考价格的方法及装置，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 (12)

1.一种计算产品参考价格的方法，其特征在于，包括：

根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；

将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；

按照预先设定的筛选条件从商品分组中选择一组商品信息；

根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

2.根据权利要求1所述的方法，其特征在于，

所述商品信息还包含商品销量数据；

将所述多个商品信息按照商品价格进行聚合归类计算之前，还包括：按照商品销量将所述多个商品信息进行排序；

将所述多个商品信息按照商品价格进行聚合归类计算为：选择排序靠前的n个商品信息按照商品价格进行聚合归类计算，n为自然数。

3.根据权利要求1所述的方法，其特征在于，还包括：

搜索外部网站中相同产品的参考价格；

如果搜索到，则将外部网站的参考价格与上述的参考价格进行比较，并选择最低价格作为最终验证后的产品参考价格。

4.根据权利要求1所述的方法，其特征在于，

所述预先设定的筛选条件包括：商品分组的价格偏差是否在合理的范围内，和/或，商品分组中的商品数量；其中，所述合理的范围是根据实际销售价格统计分析得出；

所述按照预先设定的筛选条件从商品分组中选择一组商品信息包括：从商品分组中选择商品分组的价格偏差在合理的范围内，和/或，商品分组中的商品数量最多的一组商品信息。

5.根据权利要求1至4任一所述的方法，其特征在于，还包括：

对每个产品的参考价格计算可信度分值。

6.根据权利要求5所述的方法，其特征在于，所述计算可信度分值包括：

对每个产品的参考价格初始化可信度分值；

根据预设的评分项进行可信度分值的计算，当满足任一评分项时，加上该评分项对应的分值，所述评分项包含：

根据产品信息是否能够获取到属于该产品的多个商品信息，和/或

所选商品分组的价格偏差是否在合理的范围内，其中，所述合理的范围是根据实际销售价格统计分析得出，和/或

所选商品分组的商品数占所有商品总数的比值，和/或

是否能够搜索到外部网站中相同产品的参考价格，和/或

是否满足基于商品所属类目的特点设定的评分条件。

7.根据权利要求1所述的方法，其特征在于，根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，包括：

根据商品所属类目的特点，从所选的一组商品信息中筛选出满足下述任意一个或几个组合条件的一个商品信息，所述条件包含：

销量最多，和/或

卖家信用度最高，和/或

售后服务最好。

8.根据权利要求1所述的方法，其特征在于，根据产品信息获取属于该产品的多个商品信息，包含：

根据产品信息中的产品标识查询与该产品标识对应的多个商品标识；

获取所述多个商品标识对应的多个商品信息。

9.一种计算产品参考价格的装置，其特征在于，包括：

商品搜索单元，用于根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；

分组计算单元，用于将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；

分组筛选单元，用于按照预先设定的筛选条件从商品分组中选择一组商品信息；

参考价格确定单元，用于根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

10.根据权利要求9所述的装置，其特征在于，还包括：

外部搜索单元，用于搜索外部网站中相同产品的参考价格，如果搜索到，则将外部网站的参考价格与上述的参考价格进行比较，并选择最低价格作为最终验证后的产品参考价格。

11.一种产品搜索方法，其特征在于，包括：

接收产品搜索的关键词，将相匹配的产品参考价格及其对应的商品信息输出，其中所述产品参考价格通过以下方法计算得到：

根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；

将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；

按照预先设定的筛选条件从商品分组中选择一组商品信息；

根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

12.一种产品搜索系统，其特征在于，包括：

搜索单元，用于接收产品搜索的关键词，将相匹配的产品参考价格及其对应的商品信息输出；

计算产品参考价格的装置，具体包括：

商品搜索单元，用于根据产品信息获取属于该产品的多个商品信息，所述商品信息包含商品价格数据；

分组计算单元，用于将所述多个商品信息按照商品价格进行聚合归类计算，得到商品分组，每组对应一种价格区间；

分组筛选单元，用于按照预先设定的筛选条件从商品分组中选择一组商品信息；

参考价格确定单元，用于根据商品所属类目的特点，从所选的一组商品信息中筛选出一个商品信息，并将该商品的价格确定为该商品所属产品的参考价格。

Images