CN103914492A - 查询词融合方法、商品信息发布方法和搜索方法及系统 - Google Patents

查询词融合方法、商品信息发布方法和搜索方法及系统 Download PDF

Info

Publication number
CN103914492A
CN103914492A CN201310008041.0A CN201310008041A CN103914492A CN 103914492 A CN103914492 A CN 103914492A CN 201310008041 A CN201310008041 A CN 201310008041A CN 103914492 A CN103914492 A CN 103914492A
Authority
CN
China
Prior art keywords
information
word
bidding
merchandise news
search
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.)
Granted
Application number
CN201310008041.0A
Other languages
English (en)
Other versions
CN103914492B (zh
Inventor
孙尧
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
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201310008041.0A priority Critical patent/CN103914492B/zh
Priority to TW102123191A priority patent/TWI640878B/zh
Priority to PCT/US2014/010695 priority patent/WO2014110141A2/en
Priority to JP2015551860A priority patent/JP6301958B2/ja
Priority to US14/150,082 priority patent/US20140195348A1/en
Priority to EP14701862.6A priority patent/EP2943921A2/en
Publication of CN103914492A publication Critical patent/CN103914492A/zh
Priority to US15/891,179 priority patent/US20180165712A1/en
Application granted granted Critical
Publication of CN103914492B publication Critical patent/CN103914492B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation
    • G06Q30/0625—Directed, with specific intent or strategy

Landscapes

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

Abstract

本申请提供了一种查询词融合方法、商品信息发布方法和搜索方法及系统，其中，一种查询词的融合方法包括：获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的推荐关键词。一种查询词融合方法，解决了结构化查询只能维系在关键词部分上的问题，实现了将原始查询词、点击的商品层级类目信息和属性信息整合为推荐关键词的目的。

Description

查询词融合方法、商品信息发布方法和搜索方法及系统
技术领域
本申请涉及网络技术领域，特别是涉及一种查询词融合方法、商品信息发布方法和搜索方法及系统。
背景技术
搜索引擎的相关性商品信息是目前效果较好的互联网商品信息形式之一，这类商品信息的特点是普遍实行竞价排名，如果商品信息的推广用户(全文可简称“商品信息用户”)想要在搜索引擎中获得第一位排名或者出现在搜索结果的首页，就需要参与竞价排名，而且出价高的商品信息被显示在比较靠前的位置。
现有技术中的一种基于竞价排名的商品信息发布及搜索方法如下：
商品信息用户购买关键词并以该关键词为竞价单元，将各自发布的商品信息参与竞价；其中，对于同一关键词可对应出价不同的若干个商品信息。搜索用户利用搜索引擎，通过关键词搜索商品信息。搜索引擎从参与竞价的商品信息中，检索得到符合所述关键词的商品信息，并依据商品信息的出价的高低，对检索得到的商品信息进行排序，然后将排序后的商品信息进行展现。
上述方法是以关键词为竞价单元，在应用于搜索引擎的时候，存在以下缺点：
1、从搜索引擎的角度分析：
假设搜索用户在“手机”类目下搜索“苹果”时，卖苹果这种水果的商品信息用户也会加入关键词“苹果”的竞价，故在后续的商品信息展现时，搜索引擎不得不通过相关性的判断，过滤这部分商品信息用户的商品信息，只展现手机类目下卖苹果手机这部分商品信息用户的商品信息；而该过滤过程不仅增加了搜索引擎服务器的运算量，而且牺牲了搜索效率。
2、从商品信息用户的角度分析：
商品信息用户竞争搜索引擎流量展现机会的标的，就是竞价单元。其中，“流量”一词来源于美国，在美国流量用“traffic”来表示。用户发出一个搜索请求，也即发出了一次商品信息请求，一个搜索引擎将所有这些请求合起来，就形成了搜索流量。在网站中，除了搜索流量还有其他类型的流量，比如活动流量等不是通过用户传达搜索意图来显示的流量。
结构化查询包括类目、属性和关键词三个层级的内容，比如第一层级是类目(例如：女装)，第二层级是属性(例如：颜色、材质、品牌)，第三层级是关键词(例如：2011新款)，那么这样一个完整的查询由三个层级的内容来构成。而目前搜索推广的竞价单元通常是关键词，即结构化查询中的关键词部分，而不是完整的结构化，这就导致商品信息用户没有办法针对自己想要的流量进行出价和效果调整。商品信息用户面对的查询都是结构化的，但是却只能购买结构化查询中关键词部分来进行竞价，这样商品信息用户看到的推广质量也维系在结构化查询的关键词部分上。
例如，对于结构化查询“连衣裙(关键词)+白色(属性)”、“连衣裙(关键词)+短袖(属性)”和“连衣裙(关键词)+童装(类目)”，目前商品信息用户只能通过购买“连衣裙”这个关键词来参与竞价，而且上述三种结构化查询的流量在搜索引擎后台都会被合并到“连衣裙”这个关键词上，商品信息用户只能针对“连衣裙”这个关键词进行调价，而无法得知上述三种结构化查询中，具体哪一种推广效果比较好。
又如，以卖苹果手机的商品信息用户为例，只要其对“苹果”这个关键词竞价，将来就必须参与“苹果”、“苹果+手机类目”、“苹果+手机类目+运营商联通绑定预付费电话卡属性”三种搜索用户搜索的竞价排名；但是，在卖苹果手机的商品信息用户的商品信息针对港行手机的情况下，由于港行手机无法提供“运营商联通绑定预付费电话卡”的属性，按照CPC(Cost PerC1ick，点击付费)的原理，如果搜索用户点击了卖苹果手机的商品信息用户的商品信息，这不仅会无端克扣商品信息用户的费用，造成其经济损失，而且会对搜索用户提供错误的搜索结果及造成错误的导向，这不但浪费网络资源，而且影响用户体验。
3、从搜索用户的角度分析：
搜索用户如果想购买苹果手机，则可以通过如下三种结构化查询方式中的任一种来实现：“苹果手机(关键词)”、“手机类目+苹果(关键词)”或者“手机类目+苹果属性”；但是，由于搜索引擎仅仅依据层级内容中的关键词进行商品信息的检索，三种结构化查询方式得到的商品信息检索结果是不同的；因此，对于搜索用户，同样的搜索意图却看到不同的商品信息检索结果，这就影响了搜索用户的使用体验。
总之，目前的商品信息发布及商品信息搜索都是基于关键词进行，对搜索引擎、商品信息用户和搜索用户会带来如上所分析的问题。
发明内容
本申请提供了一种查询词融合方法、商品信息发布方法和搜索方法及系统，其中一种查询词融合方法，解决了结构化查询只能维系在关键词部分上的问题，实现了将原始查询词、点击的商品层级类目信息和属性信息整合为推荐关键词的目的；一种商品信息发布方法，解决了商品信息竞价词不准确的问题；一种商品信息搜索方法，解决了商品信息搜索结果不准确的问题。
为了解决上述问题，本申请公开了一种查询词的融合方法，包括：
获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的推荐关键词。
可选地，所述将所提取的原始查询词、商品层级类目信息和属性信息进行融合，包括：
将所提取的原始查询词、商品层级类目信息和属性信息经过分词、同义词去重、近义词合并、重点内容分析和重排序处理中的至少一个步骤。
可选地，所述同义词去重和近义词合并包括：
针对经过分词处理后得到的各个分词单元，计算任意两个分词单元之间的相似度；
通过将所述相似度与预置的同义词判定阈值和近义词判定阈值进行比较，判定所述任意两个分词单元是否属于同义词或近义词；
将判定为同义词的两个重复的分词单元去除任意一个并保留另一个分词单元；
将判定为近义词的两个分词单元按照预设条件保留其中一个分词单元。
可选地，所述重点内容分析包括：
针对同义词去重和近义词合并后的各个分词单元，获取各个分词单元对应的分析元素，所述分析元素包括各个分词单元所属的查询词部分、层级类目、类目下的属性的层级权重，和/或，各个分词单元的点击率；
依据所述分析元素确定各个分词单元的重要度；
按照重要度的高低从各个分词单元中确定出重点内容。
可选地，所述重排序包括：
按照重要度的高低，将重要度高的分词单元排在重要度低的分词单元之后。
可选地，所述分词和同义词去重之间还包括：
对分词后得到的各个分词单元进行中英文和/或大小写归一化处理。
本申请还公开了一种商品信息发布方法，包括：
获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的竞价词；
接收各个商品信息用户选定的竞价词，以及对应所选竞价词投放的商品信息信息和出价信息；
以竞价词为索引，按照出价信息将对应同一竞价词的各个商品信息用户投放的商品信息信息进行排序；
将排序后的商品信息信息以竞价词为索引发布到商品信息数据库。
可选地，还包括：
以竞价词为索引，统计所述商品信息数据库中的竞价词对应的商品信息推广效果数据，所述商品信息推广效果数据包括以下数据中的一项或多项：商品信息页面的浏览数据、商品信息中推广的商品或服务页面的点击数据和商品信息中推广的商品或服务的成交日志数据；
以竞价词为索引，将所述商品信息推广效果数据进行展现。
本申请还公开了一种商品信息搜索方法，包括：
接收搜索用户的搜索行为信息，所述搜索行为信息中包含所述搜索用户在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分并且能够表达所述搜索用户的原始搜索意图的推荐关键词；
将所述推荐关键词与商品信息数据库中的竞价词进行匹配，并将匹配到的竞价词对应的商品信息信息展示给所述搜索用户。
可选地，所述将所述推荐关键词与商品信息数据库中的竞价词进行匹配，包括：
将所述推荐关键词与商品信息数据库中的竞价词进行精确匹配，当匹配不到竞价词时，进行模糊匹配，所述模糊匹配包括：将所述搜索用户输入的原始查询词与商品信息数据库中的竞价词进行匹配；
所述方法还包括：将所述推荐关键词作为新的竞价词添加到所述商品信息数据库中。
本申请还公开了一种查询词的融合装置，包括：
信息获取模块，用于获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
提取模块，用于从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
融合模块，用于将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的推荐关键词。
本申请还公开了一种商品信息发布系统，包括：
信息获取模块，用于获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
提取模块，用于从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
融合模块，用于将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的竞价词；
综合信息接收模块，用于接收各个商品信息用户选定的竞价词，以及对应所选竞价词投放的商品信息信息和出价信息；
排序模块，用于以竞价词为索引，按照出价信息将对应同一竞价词的各个商品信息用户投放的商品信息信息进行排序；
商品信息发布模块，用于将排序后的商品信息信息以竞价词为索引发布到商品信息数据库。
本申请还公开了一种商品信息搜索系统，包括：
信息获取模块，用于接收搜索用户的搜索行为信息，所述搜索行为信息中包含所述搜索用户在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
提取模块，用于从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
融合模块，用于将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分并且能够表达所述搜索用户的原始搜索意图的推荐关键词；
匹配模块，用于将所述推荐关键词与商品信息数据库中的竞价词进行匹配，并将匹配到的竞价词对应的商品信息信息展示给所述搜索用户。
与现有技术相比，本申请包括以下优点：
本申请实施例可以将搜索行为信息包含的搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息整合为推荐关键词，实现了将查询词、类目和属性融合在一起的目的，从而实现了对结构化的搜索引擎流量的去结构化，得到了更加符合搜索意图的推荐关键词。
而且，本申请实施例可以将所述推荐关键词作为商品信息推广竞价时的竞价词，用所述竞价词实现了流量的分拆和合并，允许商品信息用户对所述竞价词对应的流量进行竞价，有利于商品信息用户进行准确竞价。
并且，本申请实施例可以将所述推荐关键词作为搜索时的查询关键词，有利于搜索引擎准确进行搜索，提高了搜索结果的准确性和用户体验。
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查询词的融合方法的流程图；
图2是本申请实施例所述一种商品信息发布方法的流程图；
图3是本申请实施例所述一种商品信息搜索方法的流程图；
图4是本申请实施例所述一种查询词的融合装置的结构框图；
图5是本申请另一实施例所述一种查询词的融合装置的结构框图；
图6是本申请实施例所述一种商品信息发布系统的结构框图；
图7是本申请另一实施例所述一种商品信息发布系统的结构框图；
图8是本申请实施例所述一种商品信息搜索系统的结构框图。
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，下面综合附图和具体实施方式对本申请作进一步详细的说明。
实施例一：
参照图1，其示出了本申请实施例所述一种查询词的融合方法的流程图，本实施例具体可以包括以下步骤：
步骤100，获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
本实施例中具体可以通过访问搜索日志来获取搜索行为信息，搜索行为信息中包含原始查询词、点击的商品层级类目信息和属性信息。
其中，原始查询词是用户在搜索过程中输入的词，例如，“修身上衣”。
商品层级类目信息包含多层级的类目，例如，一级类目“女装”，二级类目“T恤”，三级类目“长袖T恤”。
属性信息包含属性名称和属性值，其中，属性名称是能够描述类目性质的词，例如，“长袖T恤”类目下的“颜色”就是一种属性，属性值可以是白色、红色、蓝色、黄色等。而且属性名称可以有多个，例如“材质”、“颜色”和“尺寸”等。不同类目下可以有相同的属性名称，但是这些相同的属性名称可以有不同的属性值。
步骤102，从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
例如，从步骤101中获取到的搜索行为信息中将原始查询词“修身上衣”、商品层级类目信息“女装＞T恤＞长袖T恤”和属性信息“白色”提取出来。
步骤104，将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的推荐关键词。该推荐关键词能够更好地表达原始搜索意图。
本实施例中，所述将所提取的原始查询词、商品层级类目信息和属性信息进行融合，可以包括：
将所提取的原始查询词、商品层级类目信息和属性信息经过分词、同义词去重、近义词合并、重点内容分析和重排序处理中的至少一个步骤。
下面分别逐个介绍上述处理步骤：
(1)分词
分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。分词的算法有基于字符串的分词算法、基于理解分词算法和基于统计的分词算法等，本实施例采用现有的任何一种分词算法均可，对此不做限定。例如，“修身上衣”的分词处理结果为分词单元“修身”和分词单元“上衣”。
(2)同义词去重和近义词合并
其中，所述同义词去重和近义词合并可以包括以下子步骤：
子步骤1，针对经过分词处理后得到的各个分词单元，计算任意两个分词单元之间的相似度；
计算相似度的方法有很多，例如，可以计算两个分词单元之间的文本相似度来实现；又如，可以人工标注的中英文，判定中文“苹果”和英文“apple”之间的相似度为高；再如，可以根据用户的输入词和用户的点击行为之间的关系来计算相似度，用户输入的是“胖MM”，点击的是“大码女装”，那么“胖MM”和“大码女装”同样具有较高的相似度。
子步骤2，通过将所述相似度与预置的同义词判定阈值和近义词判定阈值进行比较，判定所述任意两个分词单元是否属于同义词或近义词；
通常同义词判定有一个预置的阈值，例如95％，当相似度高于预置的阈值时，判定为同义词。同样近义词判定也有一个预置的阈值，例如85％，相似度高于近义词的阈值85％，小于同义词的阈值95％的时候，判定为近义词。
子步骤3，将判定为同义词的两个重复的分词单元去除任意一个并保留另一个分词单元；
既然两个分词单元被判定为同义词，就说明这两个分词单元表达同样的意义，那么只需要保留一个即可，可以去除任意一个并保留另一个，本发明对此不作限制。
子步骤4，将判定为近义词的两个分词单元按照预设条件保留其中一个分词单元。
被判定为近义词的两个分词单元处理方式与同义词分词单元类似，最终保留一个分词单元即可。其中，按照预设条件保留可根据实际需要而定，例如“胖MM”和“大码女装”被判定为同义词，由于“大码女装”是类目下的一个属性，而“胖MM”是用户输入的词，所以基于通用性的考虑，保留“大码女装”。
(3)重点内容分析
其中，所述重点内容分析可以包括以下子步骤：
子步骤1，针对同义词去重和近义词合并后的各个分词单元，获取各个分词单元对应的分析元素，所述分析元素包括各个分词单元所属的查询词部分、层级类目、类目下的属性的层级权重，和/或，各个分词单元的点击率等；
子步骤2，依据所述分析元素确定各个分词单元的重要度；
在本实施例中，首先，各个分词单元所属的查询词部分、层级类目和类目下的属性的权重可以影响各个分词单元的重要度。具体地，各个分词单元所属的查询词部分、层级类目、类目下的属性本身就携带了不同的重要级别。在电子商务的环境里，类目决定了商品的分类，所以最重要，可以用三颗星来表示；属性则是经过标准化的，能够描述商品重要特征的东西，次重要，可以用两颗星表示；查询词部分在搜索引擎的环境里很重要，但是在电子商务环境下的重要度没那么高，在电子商务环境下，查询词部分的重要度比类目低，和属性不相上下，也可以用两颗星来表示。
其次，各个分词单元的点击率也在一定程度上影响分词单元的权重，通常情况下，点击率高的分词单元的重要度要高于点击率低的分词单元的重要度。当然，还会存在其他影响分词单元重要度的因素，不应局限于本实施例所述的权重和点击率。
子步骤3，按照重要度的高低从各个分词单元中确定出重点内容。
通常，在一段信息中，将其中重要度高的分词单元确定为该段信息的重点内容。例如，在“白色连衣裙女装均码”这段信息中，重要度最高的是“连衣裙”，则这段信息重点想表达的是“连衣裙”，而“白色”、“女装”、“均码”都是对“连衣裙”的限定。
(4)重排序
其中，所述重排序具体可以包括：
按照重要度的高低，将重要度高的分词单元排在重要度低的分词单元之后。参照上述描述，重要度高的分词单元一般可以决定商品的分类，因此，可将重要度高的分词单元排在后面，而那些重要度低的分词单元通常是对重要度高的分词单元的进一步限定，所以将重要度低的分词单元排在前面。
进一步地，可以综合下面的具体例子理解上述融合处理过程。
本实施例中具体将步骤102中提取到的原始查询词“修身上衣”、商品层级类目信息“女装＞T恤＞长袖T恤”和属性信息“白色”进行融合，具体的融合过程经过以下分词、同义词去重、近义词合并、重点内容分析和重排序处理几个步骤：
1)分词，上述原始查询词“修身上衣”、商品层级类目信息“女装＞T恤＞长袖T恤”和属性信息“白色”被分成{“修身上衣”+“女装T恤长袖T恤”+“白色”}。
2)同义词去重，本实施例中预置的同义词判定阈值假设为95％，上述分词处理后的{“修身上衣”+“女装T恤长袖T恤”+“白色”}中，计算任意两个分词单元之间的相似度，发现“T恤”被重复了两遍，这两个分词单元“T恤”和“T恤”之间的相似度为100％，大于预置的同义词判定阈值，因此将上述两个分词单元“T恤”和“T恤”判定为同义词，去除女装T恤中的分词单元“T恤”，保留长袖T恤中的分词单元“T恤”。也就是说，本实施例中经过同义词去重的结果为{“修身上衣”+“女装长袖T恤”+“白色”}。
3)近义词合并，本实施例中预置的近义词判定阈值假设为80％，计算{“修身上衣”+“女装长袖T恤”+“白色”}中任意两个分词单元之间的相似度，发现分词单元“上衣”和分词单元“T恤”之间的相似度为85％，大于预置的近义词判定阈值，并且小于上述的同义词判定阈值95％，因此将上述两个分词单元“上衣”和“T恤”判定为同义词，去除分词单元“上衣”保留分词单元“T恤”。也就是说，本实施例中经过近义词合并的结果为{“修身”+“女装长袖T恤”+“白色”}。
4)重点内容分析，经过同义词去重和近义词合并后的结果{“修身”+“女装长袖T恤”+“白色”}中，各个分词单元对应的分析元素如下：
分词单元“修身”对应的分析元素为：查询词部分、权重2颗星，点击率50％；
分词单元“女装”对应的分析元素为：一级类目、权重3颗星，点击率60％；
分词单元“长袖”对应的分析元素为：二级类目、权重3颗星，点击率20％；
分词单元“T恤”对应的分析元素为：三级类目、权重3颗星，点击率35％；
分词单元“白色”对应的分析元素为：属性、权重2颗星，点击率40％。
在本实施例中，类目部分的分词单元的重要度高于属性分词单元的重要度，类目部分的分词单元的重要度高于查询词部分的分词单元的重要度，属性分词单元的重要度和查询词部分的分词单元的重要度相当。
在同为类目部分的分词单元“女装”、“长袖”和“T恤”中，“长袖”的点击率明显低于“女装”和“T恤”，因此可以将分词单元“长袖”的重要度下调，低于分词单元“女装”和“T恤”。
依据上述各个分词单元对应的分析元素，确定各个分词单元的重要度如下：
分词单元“修身”的重要度为：2颗星；
分词单元“女装”的重要度为：3颗星；
分词单元“长袖”的重要度为：2颗星；
分词单元“T恤”的重要度为：3颗星；
分词单元“白色”的重要度为：2颗星。
最终确定的重点内容为“女装T恤”。
5)重排序处理，将重要度高的分词单元排在重要度低的分词单元之后，结果如下：
“修身”“长袖”“白色”“女装”“T恤”。
然后依据原始搜索意图进行调整，调整后的结果为“白色修身长袖女T恤”，即将所提取的原始查询词、商品层级类目信息和属性信息进行融合，最终得到的综合了查询词部分、层级类目、类目下的属性三个部分并且能够表达原始搜索意图的推荐关键词为“白色修身长袖女T恤”。
需要说明的是，优选地，上述分词和同义词去重之间还可以包括以下处理：
对分词后得到的各个分词单元进行中英文和/或大小写归一化处理。
上述归一化处理，将各个分词单元的中英文和大小写进行了统一处理，有利于计算各个分词单元之间的文本相似度，有利用进行同义词去重和近义词合并的处理。
综上所述，在本申请实施例中，当搜索行为信息为{白色连衣裙(原始查询词)}时，得到的推荐关键词为“白色连衣裙”；当搜索行为信息为{连衣裙(原始查询词)+白色(属性信息)}时，得到的推荐关键词同样为“白色连衣裙”，实现了对搜索{白色连衣裙(原始查询词)}和搜索{连衣裙(原始查询词)+白色(属性信息)}的流量合并。
本申请实施例可以将搜索行为信息包含的搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息整合为推荐关键词，实现了将查询词、类目和属性融合在一起的目的，从而实现了对结构化的搜索引擎流量的去结构化，得到了更加符合搜索意图的推荐关键词。
在此基础上，所述推荐关键词可以作为如实施例二中所述的商品信息推广竞价时的竞价词，有利于商品信息用户进行准确竞价；所述推荐关键词同样可以作为如实施例三中所述搜索时的查询关键词，有利于搜索引擎准确进行搜索，提高了搜索结果的准确性。
实施例二：
参照图2，其示出了本申请实施例所述一种商品信息发布方法的流程图，本实施例具体可以包括以下步骤：
步骤200，获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
本实施例中具体可以通过访问搜索日志来获取搜索行为信息，搜索行为信息中包含原始查询词、点击的商品层级类目信息和属性信息。
步骤202，从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
步骤204，将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的竞价词，该竞价词能够更好地表达原始搜索意图；
所述将所提取的原始查询词、商品层级类目信息和属性信息进行融合，包括：
将所提取的原始查询词、商品层级类目信息和属性信息依次分词、同义词去重、近义词合并、重点内容分析和重排序处理。
需要说明的是，本实施例中所述竞价词，可以是实施例一种所述的推荐关键词，具体的处理过程可以参见图1所示的实施例一的相关描述，本实施例在此不作赘述。
步骤206，接收各个商品信息用户选定的竞价词，以及对应所选竞价词投放的商品信息信息和出价信息；
在本实施例中，商品信息用户可以选定一个或多个竞价词，并给出对应竞价词的出价信息，当然还有对应竞价词投放的商品信息信息。当商品信息用户购买了竞价词后，搜索用户搜索竞价词，就会出现该商品信息用户对应该竞价词的商品信息信息。
步骤208，以竞价词为索引，按照出价信息将对应同一竞价词的各个商品信息用户投放的商品信息信息进行排序；
具体地，出价信息高的商品信息用户投放的商品信息排在前面，出价信息低的商品信息用户投放的商品信息排在后面。
步骤210，将排序后的商品信息信息以竞价词为索引发布到商品信息数据库。
将上述步骤208中排序后的商品信息发布到商品信息数据库中，方便实施例三中搜索商品信息时直接调用商品信息数据库。
在本申请的一种优选实施例中，商品信息发布方法还可以包括：以竞价词为索引，统计所述商品信息数据库中的竞价词对应的商品信息推广效果数据，所述商品信息推广效果数据包括以下数据中的一项或多项：商品信息页面的浏览数据、商品信息中推广的商品或服务页面的点击数据和商品信息中推广的商品或服务的成交日志数据；以竞价词为索引，将所述商品信息推广效果数据进行展现。
上述商品信息效果数据可以反映商品信息的推广效果，商品信息用户可以根据商品信息效果数据对出价信息和所投放的商品信息进行调整。例如，商品信息用户从所述商品信息推广效果数据中发现“白色连衣裙”对应的商品信息效果很好，那么该商品信息用户可以提高“白色连衣裙”的竞价来提升排名，这样当根据新的用户的搜索信息得到融和词“白色连衣裙”时，该商品信息客户的商品信息排名就会上升。
以竞价词为索引展现商品信息推广效果数据，可以比较清晰地呈现竞价词和商品信息推广效果之间的关系，方便商品信息商了解购买的每个竞价词的商品信息推广效果，继而进行针对每个竞价词的出价信息和所投放的具体商品信息的调整。当商品信息用户根据所述商品信息的推广效果数据，对与所述数据库中商品信息对应的竞价词和/或出价信息进行修改之后，商品信息数据库同样会依据所述修改操作进行更新。
综上所述，上述实施例所述的商品信息发布方法可以将推荐关键词作为商品信息推广竞价时的竞价词，用所述竞价词实现了流量的分拆和合并，允许商品信息用户对所述竞价词对应的流量进行竞价，有利于商品信息用户进行准确竞价。具体分析如下：
首先，本实施例可以实现流量的合并。
例如，用户如果想买苹果手机，可以搜索“苹果手机”，或者在“手机”类目下搜索“苹果”，或者搜索“手机”类目+“苹果”品牌属性这三种方式，因为现有技术中的竞价方式采用的是扁平化的竞价词，所以上述三种输入方式得到的商品信息结果是不同的，而且每种方式参与的竞价者(也就是本实施例中的商品信息用户)也可能不同，现有的这种竞价方式对于竞价深度是一个分化，而且对于商品信息用户来说，同样的查询意图，为了都参与降价展现，购买竞价词也需要买三次。
而本实施例中引入了结构化的竞价词(融合了原始查询词、商品层级类目信息和属性信息)，上述三种输入方式都会生成同一个竞价词“苹果手机”，因此商品信息用户也只需购买“苹果手机”这一个竞价词就可以实现对上述三种输入方式的竞价，即实现了上述三种输入方式对应的流量的合并。
又如，如果商品信息用户购买竞价词“白色连衣裙”，可以实现以下几种流量的竞价：
1)白色连衣裙(词)
2)连衣裙(词)+白色(属性)
3)白色(词)+连衣裙(类目)
4)连衣裙(类目)+白色(属性)
上述四种流量所对应的展现、点击、点击价格和后续成交等，在营销报表中，都可记录到“白色连衣裙”这个竞价词上，这些搜索意图一致的流量是打包竞价的。
上述对同义流量合并在一起，对于商品信息用户来说，进行竞价的成本更加经济；对于竞价市场来说，竞价深度进行合并，更利于拍卖。
其次，本实施例可以实现流量的拆分。
例如，现有技术中的扁平化竞价词，商品信息用户只能购买竞价词“连衣裙”，用户输入“连衣裙(词)+白色(属性)”、“连衣裙(词)+蓝色(属性)”、“连衣裙(词)+短袖(属性)”或“连衣裙(词)+童装(类目)”对应的流量都会记录到竞价词“连衣裙”上，商品信息用户无法准确获得上述不同的连衣裙的推广效果，也无法精确出价购买流量。而本实施例上述四种输入方式对应的推荐关键词是不同的，分别是“白色连衣裙”、“蓝色连衣裙”、“短袖连衣裙”和“儿童连衣裙”，上述四种输入方式对应的流量也会分别对应记录到上述四个竞价词的流量中，因而商品信息用户可以精确出价购买流量，也可以准确了解上述四种不同的连衣裙的推广效果。
实施例三：
参照图3，其示出了本申请实施例所述一种商品信息搜索方法的流程图，本实施例具体可以包括以下步骤：
步骤300，接收搜索用户的搜索行为信息，所述搜索行为信息中包含所述搜索用户在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
步骤302，从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
步骤304，将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分并且能够表达所述搜索用户的原始搜索意图的推荐关键词；
需要说明的是，步骤300至步骤304得到能够表达所述搜索用户的原始搜索意图的推荐关键词的过程，可以参见实施例一中的相关描述，本实施例对此不再赘述。
步骤306，将所述推荐关键词与商品信息数据库中的竞价词进行匹配，并将匹配到的竞价词对应的商品信息信息展示给所述搜索用户。
商品信息数据库中存储有若干竞价词和每个竞价词对应的商品信息信息，在商品信息数据库中匹配到与推荐关键词对应的竞价词，进而匹配到竞价词对应的商品信息信息，然后将这些商品信息信息展示给搜索用户。
因为本实施例中的推荐关键词是将原始查询词、商品层级类目信息和属性信息进行融合之后得到的，因此可以准确表达搜索用户的原始搜索意图，因而匹配到的竞价词对应的商品信息信息同样可以准确表达所述用户的原始搜索意图，提高了搜索结果的准确性。
在本实施例中，所述将所述推荐关键词与商品信息数据库中的竞价词进行匹配，具体可以包括：
将所述推荐关键词与商品信息数据库中的竞价词进行精确匹配，当匹配不到竞价词时，进行模糊匹配，所述模糊匹配包括：将所述搜索用户输入的原始查询词与商品信息数据库中的竞价词进行匹配；
上述精确匹配的意思是，在推荐关键词与商品信息数据库中的竞价词完全相同时，展现该竞价词对应的商品信息信息，这个时候的商品信息是精确匹配的。模糊匹配的意思是，在推荐关键词与商品信息数据库中的竞价词不完全相同，但是比较相关的时候，展现相关竞价词对应的商品信息主的商品信息，这个时候的商品信息是模糊匹配。所述将搜索用户输入的原始查询词与商品信息数据库中的竞价词进行匹配，得到的竞价词就是相关竞价词，展现该竞价词对应的商品信息信息即可。
当采用模糊匹配后，可以将所述推荐关键词作为新的竞价词添加到所述商品信息数据库中。这样商品信息数据库可以不断更新。需要说明的是，目前大部分电子商务和其他分类网站的流量基本上都是结构化的，因此本申请可扩展的空间很大。
综上所述，本申请实施例可以将搜索用户的搜索行为信息转化为推荐关键词，由于所述推荐关键词更加符合用户的搜索意图，而且商品信息数据库中的竞价词也采用了推荐关键词的形式，因此将所述推荐关键词作为搜索时的查询关键词查询商品信息数据库，有利于搜索引擎准确进行搜索，提高了搜索效率以及搜索结果的准确性和用户体验，提高了搜索效率。
例如，采用现有的扁平化的查询词进行竞价，当用户在“手机”类目下搜索“苹果”时，所有卖苹果水果的商品信息用户也会参与竞价，后续在商品信息展现的时候，需要通过相关性的判断，去掉这部分卖水果苹果的商品信息用户，只展现在手机类目下卖苹果水机的商品信息用户，这个过程实质是首先搜索了关键词“苹果”对应的所有商品信息，然后利用类目“手机”进行筛选，得到最终的苹果手机的商品信息，显然是一种很大的效率浪费。
而采用本实施例采用结构化竞价词(即推荐关键词)进行竞价，当用户在“手机”类目下搜索“苹果”时，会生成竞价词“苹果手机”，是直接对“苹果手机”对应的商品信息进行搜索，卖水果苹果的商品信息用户不会参与竞价，也不会出现在搜索的过程中，即搜索引擎免除了上述的相关性筛选这一步骤，因此提高了搜索的效率，避免了不必要的效率浪费。而且“苹果手机”可以准确反映用户的搜索意图，对应的搜索结果也就更加准确。
需要说明的是，对于前述的方法实施例，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查询词的融合装置实施例、商品信息发布系统实施例和商品信息搜索系统实施例，来实现上述方法实施例所述的内容。其中，商品信息发布系统和商品信息搜索系统中都包含了融合装置。
实施例四：
参照图4，其示出了本申请实施例所述一种查询词的融合装置的结构框图，本实施例具体可以包括以下模块：信息获取模块10、提取模块12、融合模块14。其中，
信息获取模块10，用于获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
本实施例中具体可以通过访问搜索日志来获取搜索行为信息，搜索行为信息中包含原始查询词、点击的商品层级类目信息和属性信息。
提取模块12，用于从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
例如，提取模块12从信息获取模块10获取到的搜索行为信息中将原始查询词“修身上衣”、商品层级类目信息“女装＞T恤＞长袖T恤”和属性信息“白色”提取出来。
融合模块14，用于将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的推荐关键词。
在本申请的一种如图5所示的优选实施例中，融合模块14具体可以包括以下子模块：分词子模块141、归一化处理子模块142、同义词去重和近义词合并子模块143，重点内容分析子模块144、重排序子模块145。
归一化处理子模块142，用于对分词后得到的各个分词单元进行中英文和/或大小写归一化处理。
同义词去重和近义词合并子模块143针对经过分词处理后得到的各个分词单元，计算任意两个分词单元之间的相似度；同义词去重和近义词合并模块141通过将所述相似度与预置的同义词判定阈值和近义词判定阈值进行比较，判定所述任意两个分词单元是否属于同义词或近义词；同义词去重和近义词合并模块141将判定为同义词的两个重复的分词单元去除任意一个并保留另一个分词单元；将判定为近义词的两个分词单元按照预设条件保留其中一个分词单元。
重点内容分析子模块144针对同义词去重和近义词合并后的各个分词单元，获取各个分词单元对应的分析元素，所述分析元素包括各个分词单元所属的查询词部分、层级类目、类目下的属性的层级权重，和/或，各个分词单元的点击率；重点内容分析子模块142依据所述分析元素确定各个分词单元的重要度；重点内容分析子模块142按照重要度的高低从各个分词单元中确定出重点内容。
重排序子模块145，用于按照重要度的高低，将重要度高的分词单元排在重要度低的分词单元之后。
本申请实施例所述的查询词的融合装置可以将搜索行为信息包含的搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息整合为推荐关键词，实现了将查询词、类目和属性融合在一起的目的，从而实现了对结构化的搜索引擎流量的去结构化，得到了更加符合搜索意图的推荐关键词。
所述推荐关键词可以作为商品信息推广竞价时的竞价词，有利于商品信息用户进行准确竞价；所述推荐关键词同样可以作为搜索时的查询关键词，有利于搜索引擎准确进行搜索，提高了搜索结果的准确性。
对于上述查询词的融合装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见图1所示方法实施例的部分说明即可。
实施例五：
参照图6，其示出了本申请实施例所述一种商品信息发布系统的结构框图，本实施例具体可以包括以下模块：信息获取模块20、提取模块21、融合模块22、综合信息接收模块23、排序模块24和商品信息发布模块25。其中，
信息获取模块20，用于获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
提取模块21，用于从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
融合模块22，用于将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的竞价词；
综合信息接收模块23，用于接收各个商品信息用户选定的竞价词，以及对应所选竞价词投放的商品信息信息和出价信息；
排序模块24，用于以竞价词为索引，按照出价信息将对应同一竞价词的各个商品信息用户投放的商品信息信息进行排序；
商品信息发布模块25，用于将排序后的商品信息信息以竞价词为索引发布到商品信息数据库。
在本申请的一种如图7所示的优选实施例中，商品信息发布装置系统还包括：
统计模块26，用于以竞价词为索引，统计所述商品信息数据库中的竞价词对应的商品信息推广效果数据，所述商品信息推广效果数据包括以下数据中的一项或多项：商品信息页面的浏览数据、商品信息中推广的商品或服务页面的点击数据和商品信息中推广的商品或服务的成交日志数据；
展现模块27，用于以竞价词为索引，将所述商品信息推广效果数据进行展现。
上述商品信息效果数据可以反映商品信息的推广效果，商品信息用户可以根据商品信息效果数据对出价信息和所投放的商品信息进行调整。以竞价词为索引展现商品信息推广效果数据，可以比较清晰地呈现竞价词和商品信息推广效果之间的关系，方便商品信息商了解购买的每个竞价词的商品信息推广效果，继而进行针对每个竞价词的出价信息和所投放的具体商品信息的调整。当商品信息用户根据所述商品信息的推广效果数据，对与所述数据库中商品信息对应的竞价词和/或出价信息进行修改之后，商品信息数据库同样会依据所述修改操作进行更新。
上述商品信息发布系统可以将所述推荐关键词作为商品信息推广竞价时的竞价词，用所述竞价词实现了流量的分拆和合并，允许商品信息用户对所述竞价词对应的流量进行竞价，有利于商品信息用户进行准确竞价。
对于上述商品信息发布系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见图2所示方法实施例的部分说明即可。
实施例六：
参照图8，其示出了本申请实施例所述一种商品信息搜索系统的结构框图，本实施例具体可以包括以下模块：信息获取模块30、提取模块31、融合模块32、匹配模块33。其中，
信息获取模块30，用于接收搜索用户的搜索行为信息，所述搜索行为信息中包含所述搜索用户在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
提取模块31，用于从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
融合模块32，用于将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分并且能够表达所述搜索用户的原始搜索意图的推荐关键词；
匹配模块33，用于将所述推荐关键词与商品信息数据库中的竞价词进行匹配，并将匹配到的竞价词对应的商品信息信息展示给所述搜索用户。
在本申请的一种优选实施例中，匹配模块33具体可以包括以下子模块：
精确匹配子模块，用于将所述推荐关键词与商品信息数据库中的竞价词进行精确匹配；
模糊匹配子模块，用于当匹配不到竞价词时，进行模糊匹配，所述模糊匹配包括：将所述搜索用户输入的原始查询词与商品信息数据库中的竞价词进行匹配；所述模糊匹配子模块332用于将所述推荐关键词作为新的竞价词添加到所述商品信息数据库中。
上述商品信息搜索系统可以将所述推荐关键词作为搜索时的查询关键词，有利于搜索引擎准确进行搜索，提高了搜索结果的准确性。
对于上述商品信息搜索系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见图3所示方法实施例的部分说明即可。
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。
本领域技术人员易于想到的是：上述各个实施例的任意组合应用都是可行的，故上述各个实施例之间的任意组合都是本申请的实施方案，但是由于篇幅限制，本说明书在此就不一一详述了。
在本申请中，“装置”、“系统”等等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，组件可以、但不限于是运行于处理器的过程、处理器、对象、可执行组件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是组件。一个或多个组件可在执行的过程和/或线程中，并且组件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。组件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一组件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
最后，还需要说明的是，在本文中，术语“包括”、“包含”，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......”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。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或综合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的综合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
以上对本申请所提供的一种查询词融合方法、商品信息发布方法和搜索方法及系统，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 (13)

1.一种查询词的融合方法，其特征在于，包括：
获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的推荐关键词。
2.根据权利要求1所述的方法，其特征在于，所述将所提取的原始查询词、商品层级类目信息和属性信息进行融合，包括：
将所提取的原始查询词、商品层级类目信息和属性信息经过分词、同义词去重、近义词合并、重点内容分析和重排序处理中的至少一个步骤。
3.根据权利要求2所述的方法，其特征在于，所述同义词去重和近义词合并包括：
针对经过分词处理后得到的各个分词单元，计算任意两个分词单元之间的相似度；
通过将所述相似度与预置的同义词判定阈值和近义词判定阈值进行比较，判定所述任意两个分词单元是否属于同义词或近义词；
将判定为同义词的两个重复的分词单元去除任意一个并保留另一个分词单元；
将判定为近义词的两个分词单元按照预设条件保留其中一个分词单元。
4.根据权利要求2所述的方法，其特征在于，所述重点内容分析包括：
针对同义词去重和近义词合并后的各个分词单元，获取各个分词单元对应的分析元素，所述分析元素包括各个分词单元所属的查询词部分、层级类目、类目下的属性的层级权重，和/或，各个分词单元的点击率；
依据所述分析元素确定各个分词单元的重要度；
按照重要度的高低从各个分词单元中确定出重点内容。
5.根据权利要求4所述的方法，其特征在于，所述重排序包括：
按照重要度的高低，将重要度高的分词单元排在重要度低的分词单元之后。
6.根据权利要求2所述的方法，其特征在于，所述分词和同义词去重之间还包括：
对分词后得到的各个分词单元进行中英文和/或大小写归一化处理。
7.一种商品信息发布方法，其特征在于，包括：
获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的竞价词；
接收各个商品信息用户选定的竞价词，以及对应所选竞价词投放的商品信息信息和出价信息；
以竞价词为索引，按照出价信息将对应同一竞价词的各个商品信息用户投放的商品信息信息进行排序；
将排序后的商品信息信息以竞价词为索引发布到商品信息数据库。
8.根据权利要求7所述的方法，其特征在于，还包括：
以竞价词为索引，统计所述商品信息数据库中的竞价词对应的商品信息推广效果数据，所述商品信息推广效果数据包括以下数据中的一项或多项：商品信息页面的浏览数据、商品信息中推广的商品或服务页面的点击数据和商品信息中推广的商品或服务的成交日志数据；
以竞价词为索引，将所述商品信息推广效果数据进行展现。
9.一种商品信息搜索方法，其特征在于，包括：
接收搜索用户的搜索行为信息，所述搜索行为信息中包含所述搜索用户在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分并且能够表达所述搜索用户的原始搜索意图的推荐关键词；
将所述推荐关键词与商品信息数据库中的竞价词进行匹配，并将匹配到的竞价词对应的商品信息信息展示给所述搜索用户。
10.根据权利要求9所述的方法，其特征在于，所述将所述推荐关键词与商品信息数据库中的竞价词进行匹配，包括：
将所述推荐关键词与商品信息数据库中的竞价词进行精确匹配，当匹配不到竞价词时，进行模糊匹配，所述模糊匹配包括：将所述搜索用户输入的原始查询词与商品信息数据库中的竞价词进行匹配；
所述方法还包括：将所述推荐关键词作为新的竞价词添加到所述商品信息数据库中。
11.一种查询词的融合装置，其特征在于，包括：
信息获取模块，用于获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
提取模块，用于从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
融合模块，用于将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的推荐关键词。
12.一种商品信息发布系统，其特征在于，包括：
信息获取模块，用于获取搜索行为信息，所述搜索行为信息中包含在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
提取模块，用于从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
融合模块，用于将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分的竞价词；
综合信息接收模块，用于接收各个商品信息用户选定的竞价词，以及对应所选竞价词投放的商品信息信息和出价信息；
排序模块，用于以竞价词为索引，按照出价信息将对应同一竞价词的各个商品信息用户投放的商品信息信息进行排序；
商品信息发布模块，用于将排序后的商品信息信息以竞价词为索引发布到商品信息数据库。
13.一种商品信息搜索系统，其特征在于，包括：
信息获取模块，用于接收搜索用户的搜索行为信息，所述搜索行为信息中包含所述搜索用户在搜索过程中输入的原始查询词、点击的商品层级类目信息和属性信息；
提取模块，用于从所述搜索行为信息中提取出原始查询词、商品层级类目信息和属性信息；
融合模块，用于将所提取的原始查询词、商品层级类目信息和属性信息进行融合，得到综合了查询词部分、层级类目、类目下的属性三个部分并且能够表达所述搜索用户的原始搜索意图的推荐关键词；
匹配模块，用于将所述推荐关键词与商品信息数据库中的竞价词进行匹配，并将匹配到的竞价词对应的商品信息信息展示给所述搜索用户。
CN201310008041.0A 2013-01-09 2013-01-09 查询词融合方法、商品信息发布方法和搜索方法及系统 Active CN103914492B (zh)

Priority Applications (7)

Application Number Priority Date Filing Date Title
CN201310008041.0A CN103914492B (zh) 2013-01-09 2013-01-09 查询词融合方法、商品信息发布方法和搜索方法及系统
TW102123191A TWI640878B (zh) 2013-01-09 2013-06-28 Query word fusion method, product information publishing method, search method and system
JP2015551860A JP6301958B2 (ja) 2013-01-09 2014-01-08 検索語句を構成し、広告を配信し、製品情報を検索するための方法および装置
US14/150,082 US20140195348A1 (en) 2013-01-09 2014-01-08 Method and apparatus for composing search phrases, distributing ads and searching product information
PCT/US2014/010695 WO2014110141A2 (en) 2013-01-09 2014-01-08 Method and apparatus for composing search phrases, distributing ads and searching product information
EP14701862.6A EP2943921A2 (en) 2013-01-09 2014-01-08 Method and apparatus for composing search phrases, distributing ads and searching product information
US15/891,179 US20180165712A1 (en) 2013-01-09 2018-02-07 Method and apparatus for composing search phrases, distributing ads and searching product information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310008041.0A CN103914492B (zh) 2013-01-09 2013-01-09 查询词融合方法、商品信息发布方法和搜索方法及系统

Publications (2)

Publication Number Publication Date
CN103914492A true CN103914492A (zh) 2014-07-09
CN103914492B CN103914492B (zh) 2018-02-27

Family

ID=50029262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310008041.0A Active CN103914492B (zh) 2013-01-09 2013-01-09 查询词融合方法、商品信息发布方法和搜索方法及系统

Country Status (6)

Country Link
US (2) US20140195348A1 (zh)
EP (1) EP2943921A2 (zh)
JP (1) JP6301958B2 (zh)
CN (1) CN103914492B (zh)
TW (1) TWI640878B (zh)
WO (1) WO2014110141A2 (zh)

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104484431A (zh) * 2014-12-19 2015-04-01 合肥工业大学 一种基于领域本体的多源个性化新闻网页推荐方法
CN104731926A (zh) * 2015-03-27 2015-06-24 百度在线网络技术（北京）有限公司 推荐词的展现方法和装置
CN105069086A (zh) * 2015-07-31 2015-11-18 焦点科技股份有限公司 一种优化电子商务商品搜索的方法及系统
CN105138690A (zh) * 2015-09-18 2015-12-09 北京博雅立方科技有限公司 确定关键词的方法和装置
CN105426535A (zh) * 2015-12-18 2016-03-23 北京奇虎科技有限公司 基于搜索提示的搜索方法及装置
CN105447158A (zh) * 2015-12-02 2016-03-30 北京信息科技大学 一种基于图的专利搜索日志中同义词集自动挖掘方法
CN105653562A (zh) * 2014-12-02 2016-06-08 阿里巴巴集团控股有限公司 一种文本内容与查询请求之间相关性的计算方法及装置
CN105808685A (zh) * 2016-03-02 2016-07-27 腾讯科技（深圳）有限公司 推广信息的推送方法及装置
CN106294456A (zh) * 2015-05-29 2017-01-04 华为技术有限公司 机器学习的方法和设备
CN106446027A (zh) * 2016-08-30 2017-02-22 五八同城信息技术有限公司 信息推荐方法及装置
CN106528631A (zh) * 2016-10-10 2017-03-22 中国银行股份有限公司 一种银行汇入款电文受益方信息的处理方法及装置
CN107291835A (zh) * 2017-05-31 2017-10-24 北京京东尚科信息技术有限公司 一种搜索词的推荐方法和装置
CN107818487A (zh) * 2016-09-12 2018-03-20 阿里巴巴集团控股有限公司 一种产品信息处理方法、装置、设备及客户端
WO2018054328A1 (zh) * 2016-09-22 2018-03-29 腾讯科技（深圳）有限公司 一种用户特征提取方法、装置及存储介质
CN108536664A (zh) * 2017-03-01 2018-09-14 华东师范大学 商品领域的知识融合方法
CN109325182A (zh) * 2018-10-12 2019-02-12 平安科技（深圳）有限公司 基于会话的信息推送方法、装置、计算机设备及存储介质
CN110347920A (zh) * 2019-07-02 2019-10-18 北京纵横无双科技有限公司 一种健康信息的检索匹配方法及装置
CN111400339A (zh) * 2020-03-04 2020-07-10 广州大学 产品数据库标识反向解析的检索方法及系统
CN111651477A (zh) * 2020-05-27 2020-09-11 福建博思软件股份有限公司 基于语义相似度的多源异构商品一致性判别方法和装置
CN111784456A (zh) * 2020-06-30 2020-10-16 广东奥园奥买家电子商务有限公司 一种电商商家的信誉评价方法和装置以及计算机设备
CN112115704A (zh) * 2020-09-11 2020-12-22 深圳市菲尔兹数据分析师事务所有限公司 基于电商平台的产品查询方法、装置和计算机设备
CN112966178A (zh) * 2021-03-05 2021-06-15 北京百度网讯科技有限公司 咨询结果的分发方法、装置、设备以及存储介质
CN112966177A (zh) * 2021-03-05 2021-06-15 北京百度网讯科技有限公司 咨询意图的识别方法、装置、设备以及存储介质
CN113240487A (zh) * 2021-05-11 2021-08-10 北京沃东天骏信息技术有限公司 流量调控方法和装置
CN113297452A (zh) * 2020-05-26 2021-08-24 阿里巴巴集团控股有限公司 多级检索方法、多级检索装置及电子设备
CN113538062A (zh) * 2021-07-28 2021-10-22 福州果集信息科技有限公司 一种反推商品推广笔记所购买竞价词的方法
CN113570428A (zh) * 2021-07-23 2021-10-29 上海普洛斯普新数字科技有限公司 一种用于线上商品一致性筛选的系统
CN114610971A (zh) * 2022-03-11 2022-06-10 北京百度网讯科技有限公司 搜索关键词的生成方法、装置及电子设备
CN112115704B (zh) * 2020-09-11 2024-06-04 深圳市菲尔兹数据分析师事务所有限公司 基于电商平台的产品查询方法、装置和计算机设备

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9582537B1 (en) 2014-08-21 2017-02-28 Google Inc. Structured search query generation and use in a computer network environment
JP6365195B2 (ja) * 2014-10-03 2018-08-01 富士通株式会社 命令履歴分析プログラム、命令履歴分析装置、および、命令履歴分析方法
US9690851B2 (en) * 2014-11-20 2017-06-27 Oracle International Corporation Automatic generation of contextual search string synonyms
WO2017028304A1 (en) * 2015-08-20 2017-02-23 Google Inc. Device-based filtering of content items associated with mobile applications
CN105069168A (zh) * 2015-08-28 2015-11-18 百度在线网络技术（北京）有限公司 搜索词推荐方法和装置
US10580064B2 (en) 2015-12-31 2020-03-03 Ebay Inc. User interface for identifying top attributes
EP3465537A2 (en) * 2016-05-25 2019-04-10 Metail Limited Method and system for predicting garment attributes using deep learning
US10943286B1 (en) * 2017-06-06 2021-03-09 Amazon Technologies, Inc. Determining product attribute sequences using quantitative values
CN107463600B (zh) * 2017-06-12 2020-12-29 百度在线网络技术（北京）有限公司 广告投放关键词推荐方法及装置、广告投放方法及装置
CN109213921A (zh) * 2017-06-29 2019-01-15 广州涌智信息科技有限公司 一种商品信息的搜索方法及装置
CN109919651A (zh) * 2019-01-17 2019-06-21 阿里巴巴集团控股有限公司 对象的推送方法及装置
JP7227606B2 (ja) * 2019-04-08 2023-02-22 株式会社Shirofune 情報処理装置、情報処理方法、情報処理プログラム
JP7211901B2 (ja) * 2019-06-07 2023-01-24 株式会社日立製作所 情報処理装置および情報処理方法
US11354721B2 (en) * 2019-10-16 2022-06-07 Coupang Corp. Computerized systems and methods for providing product recommendations
BR112022023901A2 (pt) * 2020-05-28 2022-12-27 Jfe Steel Corp Sistema de busca de informações
US11210596B1 (en) 2020-11-06 2021-12-28 issuerPixel Inc. a Nevada C. Corp Self-building hierarchically indexed multimedia database
CN114723073B (zh) * 2022-06-07 2023-09-05 阿里健康科技(杭州)有限公司 语言模型预训练、产品搜索方法、装置以及计算机设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5590325A (en) * 1991-06-11 1996-12-31 Logical Information Machines, Inc. System for forming queries to a commodities trading database using analog indicators
US20060282328A1 (en) * 2005-06-13 2006-12-14 Gather Inc. Computer method and apparatus for targeting advertising
CN101145153A (zh) * 2006-09-13 2008-03-19 阿里巴巴公司 一种搜索信息的方法及系统
CN101436186A (zh) * 2007-11-12 2009-05-20 北京搜狗科技发展有限公司 一种提供相关搜索的方法及系统
TW201124860A (en) * 2010-01-07 2011-07-16 Alibaba Group Holding Ltd Method and apparatus for identifying synonym, and searching method and apparatus utilizing the same.
CN102486781A (zh) * 2010-12-03 2012-06-06 阿里巴巴集团控股有限公司 一种搜索排序方法和装置
CN102609433A (zh) * 2011-12-16 2012-07-25 北京大学 基于用户日志进行查询推荐的方法及系统
US20120259882A1 (en) * 2011-04-06 2012-10-11 Google Inc. Mining for Product Classification Structures for Intenet-Based Product Searching
US20120323953A1 (en) * 2005-07-22 2012-12-20 Ortega Ruben E Predictive selection of item attributes likely to be useful in refining a search

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0973455A (ja) * 1995-09-01 1997-03-18 Toshiba Corp 文書検索装置及び文書検索方法
JP2003016085A (ja) * 2001-06-29 2003-01-17 Nippon Telegraph & Telephone West Corp コンテンツ検索システム、コンテンツ検索方法、コンテンツ検索プログラムおよび記録媒体
US20050222987A1 (en) * 2004-04-02 2005-10-06 Vadon Eric R Automated detection of associations between search criteria and item categories based on collective analysis of user activity data
US20060282430A1 (en) * 2005-06-10 2006-12-14 Diamond David L Fuzzy matching of text at an expected location
US8255383B2 (en) * 2006-07-14 2012-08-28 Chacha Search, Inc Method and system for qualifying keywords in query strings
US7983963B2 (en) * 2007-12-28 2011-07-19 Overstock.Com, Inc. System, program product, and method of electronic communication network guided navigation
US20090248627A1 (en) * 2008-03-27 2009-10-01 Yahoo! Inc. System and method for query substitution for sponsored search
US20090254512A1 (en) * 2008-04-03 2009-10-08 Yahoo! Inc. Ad matching by augmenting a search query with knowledge obtained through search engine results
US8606627B2 (en) * 2008-06-12 2013-12-10 Microsoft Corporation Sponsored search data structure
US20100076979A1 (en) * 2008-09-05 2010-03-25 Xuejun Wang Performing search query dimensional analysis on heterogeneous structured data based on relative density
JP5494493B2 (ja) * 2008-11-28 2014-05-14 日本電気株式会社 情報検索装置、情報検索方法、及びプログラム
US8676827B2 (en) * 2009-02-04 2014-03-18 Yahoo! Inc. Rare query expansion by web feature matching
CN101515360A (zh) * 2009-04-13 2009-08-26 阿里巴巴集团控股有限公司 向用户推荐网络目标信息的方法和服务器
JP5493515B2 (ja) * 2009-07-03 2014-05-14 富士通株式会社 携帯端末装置、情報検索方法および情報検索プログラム
TWI446191B (zh) * 2009-07-06 2014-07-21 Alibaba Group Holding Ltd Word matching and information query method and device
TW201118603A (en) * 2009-11-30 2011-06-01 Yu-Chieh Wu A computer system of template-based term entity-relation mining algorithm
US20110238486A1 (en) * 2010-03-29 2011-09-29 Weiguo Liu Optimizing Sponsored Search Ad Placement for Online Advertising
US8650186B2 (en) * 2010-07-30 2014-02-11 Accenture Global Services Limited Systems and methods for analyzing requirements
CN102542474B (zh) * 2010-12-07 2015-10-21 阿里巴巴集团控股有限公司 查询结果排序方法及装置
CN103314371B (zh) * 2010-12-31 2017-12-15 肖岩 一种检索的方法和系统
CN102799591B (zh) * 2011-05-26 2015-03-04 阿里巴巴集团控股有限公司 一种提供推荐词的方法及装置
US20140058833A1 (en) * 2012-08-22 2014-02-27 Myworld, Inc. Commerce System and Method of Controlling the Commerce System Using Bidding and Value Based Messaging

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5590325A (en) * 1991-06-11 1996-12-31 Logical Information Machines, Inc. System for forming queries to a commodities trading database using analog indicators
US20060282328A1 (en) * 2005-06-13 2006-12-14 Gather Inc. Computer method and apparatus for targeting advertising
US20120323953A1 (en) * 2005-07-22 2012-12-20 Ortega Ruben E Predictive selection of item attributes likely to be useful in refining a search
CN101145153A (zh) * 2006-09-13 2008-03-19 阿里巴巴公司 一种搜索信息的方法及系统
CN101436186A (zh) * 2007-11-12 2009-05-20 北京搜狗科技发展有限公司 一种提供相关搜索的方法及系统
TW201124860A (en) * 2010-01-07 2011-07-16 Alibaba Group Holding Ltd Method and apparatus for identifying synonym, and searching method and apparatus utilizing the same.
CN102486781A (zh) * 2010-12-03 2012-06-06 阿里巴巴集团控股有限公司 一种搜索排序方法和装置
US20120259882A1 (en) * 2011-04-06 2012-10-11 Google Inc. Mining for Product Classification Structures for Intenet-Based Product Searching
CN102609433A (zh) * 2011-12-16 2012-07-25 北京大学 基于用户日志进行查询推荐的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李燕: "淘宝直通车的推广技巧", 《科技资讯 》 *
青山绿水: "关于淘宝搜索规则及设置宝贝类目属性的重要性", 《HTTP://BLOG.SINA.COM.CN/S/BLOG_471302B50100XNMA.HTML》 *

Cited By (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105653562A (zh) * 2014-12-02 2016-06-08 阿里巴巴集团控股有限公司 一种文本内容与查询请求之间相关性的计算方法及装置
CN105653562B (zh) * 2014-12-02 2019-03-15 阿里巴巴集团控股有限公司 一种文本内容与查询请求之间相关性的计算方法及装置
CN104484431B (zh) * 2014-12-19 2017-07-21 合肥工业大学 一种基于领域本体的多源个性化新闻网页推荐方法
CN104484431A (zh) * 2014-12-19 2015-04-01 合肥工业大学 一种基于领域本体的多源个性化新闻网页推荐方法
CN104731926A (zh) * 2015-03-27 2015-06-24 百度在线网络技术（北京）有限公司 推荐词的展现方法和装置
CN104731926B (zh) * 2015-03-27 2018-03-09 百度在线网络技术（北京）有限公司 推荐词的展现方法和装置
CN106294456A (zh) * 2015-05-29 2017-01-04 华为技术有限公司 机器学习的方法和设备
CN105069086A (zh) * 2015-07-31 2015-11-18 焦点科技股份有限公司 一种优化电子商务商品搜索的方法及系统
CN105138690A (zh) * 2015-09-18 2015-12-09 北京博雅立方科技有限公司 确定关键词的方法和装置
CN105138690B (zh) * 2015-09-18 2018-11-06 北京博雅立方科技有限公司 确定关键词的方法和装置
CN105447158A (zh) * 2015-12-02 2016-03-30 北京信息科技大学 一种基于图的专利搜索日志中同义词集自动挖掘方法
CN105426535A (zh) * 2015-12-18 2016-03-23 北京奇虎科技有限公司 基于搜索提示的搜索方法及装置
US11507975B2 (en) 2016-03-02 2022-11-22 Tencent Technology (Shenzhen) Company Limited Information processing method and apparatus
CN105808685A (zh) * 2016-03-02 2016-07-27 腾讯科技（深圳）有限公司 推广信息的推送方法及装置
CN106446027A (zh) * 2016-08-30 2017-02-22 五八同城信息技术有限公司 信息推荐方法及装置
CN107818487A (zh) * 2016-09-12 2018-03-20 阿里巴巴集团控股有限公司 一种产品信息处理方法、装置、设备及客户端
WO2018054328A1 (zh) * 2016-09-22 2018-03-29 腾讯科技（深圳）有限公司 一种用户特征提取方法、装置及存储介质
CN107862532A (zh) * 2016-09-22 2018-03-30 腾讯科技（深圳）有限公司 一种用户特征提取方法及相关装置
CN106528631A (zh) * 2016-10-10 2017-03-22 中国银行股份有限公司 一种银行汇入款电文受益方信息的处理方法及装置
CN108536664A (zh) * 2017-03-01 2018-09-14 华东师范大学 商品领域的知识融合方法
CN107291835B (zh) * 2017-05-31 2020-12-22 北京京东尚科信息技术有限公司 一种搜索词的推荐方法和装置
CN107291835A (zh) * 2017-05-31 2017-10-24 北京京东尚科信息技术有限公司 一种搜索词的推荐方法和装置
CN109325182B (zh) * 2018-10-12 2024-05-14 平安科技（深圳）有限公司 基于会话的信息推送方法、装置、计算机设备及存储介质
CN109325182A (zh) * 2018-10-12 2019-02-12 平安科技（深圳）有限公司 基于会话的信息推送方法、装置、计算机设备及存储介质
CN110347920A (zh) * 2019-07-02 2019-10-18 北京纵横无双科技有限公司 一种健康信息的检索匹配方法及装置
CN111400339A (zh) * 2020-03-04 2020-07-10 广州大学 产品数据库标识反向解析的检索方法及系统
CN113297452A (zh) * 2020-05-26 2021-08-24 阿里巴巴集团控股有限公司 多级检索方法、多级检索装置及电子设备
CN111651477A (zh) * 2020-05-27 2020-09-11 福建博思软件股份有限公司 基于语义相似度的多源异构商品一致性判别方法和装置
CN111651477B (zh) * 2020-05-27 2022-05-17 福建博思软件股份有限公司 基于语义相似度的多源异构商品一致性判别方法和装置
CN111784456A (zh) * 2020-06-30 2020-10-16 广东奥园奥买家电子商务有限公司 一种电商商家的信誉评价方法和装置以及计算机设备
CN112115704B (zh) * 2020-09-11 2024-06-04 深圳市菲尔兹数据分析师事务所有限公司 基于电商平台的产品查询方法、装置和计算机设备
CN112115704A (zh) * 2020-09-11 2020-12-22 深圳市菲尔兹数据分析师事务所有限公司 基于电商平台的产品查询方法、装置和计算机设备
CN112966177A (zh) * 2021-03-05 2021-06-15 北京百度网讯科技有限公司 咨询意图的识别方法、装置、设备以及存储介质
CN112966178A (zh) * 2021-03-05 2021-06-15 北京百度网讯科技有限公司 咨询结果的分发方法、装置、设备以及存储介质
CN112966178B (zh) * 2021-03-05 2024-01-23 北京百度网讯科技有限公司 咨询结果的分发方法、装置、设备以及存储介质
CN112966177B (zh) * 2021-03-05 2022-07-26 北京百度网讯科技有限公司 咨询意图的识别方法、装置、设备以及存储介质
CN113240487A (zh) * 2021-05-11 2021-08-10 北京沃东天骏信息技术有限公司 流量调控方法和装置
CN113570428B (zh) * 2021-07-23 2024-02-02 上海普洛斯普新数字科技有限公司 一种用于线上商品一致性筛选的系统
CN113570428A (zh) * 2021-07-23 2021-10-29 上海普洛斯普新数字科技有限公司 一种用于线上商品一致性筛选的系统
CN113538062B (zh) * 2021-07-28 2024-05-07 福州果集信息科技有限公司 一种反推商品推广笔记所购买竞价词的方法
CN113538062A (zh) * 2021-07-28 2021-10-22 福州果集信息科技有限公司 一种反推商品推广笔记所购买竞价词的方法
CN114610971A (zh) * 2022-03-11 2022-06-10 北京百度网讯科技有限公司 搜索关键词的生成方法、装置及电子设备

Also Published As

Publication number Publication date
TW201428513A (zh) 2014-07-16
EP2943921A2 (en) 2015-11-18
JP6301958B2 (ja) 2018-03-28
JP2016505993A (ja) 2016-02-25
TWI640878B (zh) 2018-11-11
US20180165712A1 (en) 2018-06-14
WO2014110141A2 (en) 2014-07-17
WO2014110141A3 (en) 2014-10-23
CN103914492B (zh) 2018-02-27
US20140195348A1 (en) 2014-07-10

Similar Documents

Publication Publication Date Title
CN103914492A (zh) 查询词融合方法、商品信息发布方法和搜索方法及系统
Guo et al. Application of an improved Apriori algorithm in a mobile e-commerce recommendation system
CN102236663B (zh) 一种基于垂直搜索的查询方法、系统和装置
KR101419504B1 (ko) 사용자 성향 분석을 통한 맞춤형 쇼핑 정보 제공 시스템 및 방법
TWI512653B (zh) Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance
CN102253936B (zh) 记录用户访问商品信息的方法及搜索方法和服务器
CN106327227A (zh) 一种信息推荐系统及信息推荐方法
JP5859606B2 (ja) 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
US9727906B1 (en) Generating item clusters based on aggregated search history data
CN105718184A (zh) 一种数据处理方法和装置
CN103034680B (zh) 针对终端设备的数据交互方法及装置
US20230214895A1 (en) Methods and systems for product discovery in user generated content
CN106062743A (zh) 用于关键字建议的系统和方法
CN104462336A (zh) 信息推送方法和装置
CN106326318B (zh) 搜索方法及装置
CN103970850A (zh) 网站信息推荐方法和系统
US20210117478A1 (en) Method, apparatus, and computer-readable medium for generating categorical and criterion-based search results from a search query
CN111639255B (zh) 搜索关键词的推荐方法、装置、存储介质及电子设备
CN103020128B (zh) 与终端设备交互数据的方法与装置
CN108614832A (zh) 一种用户个性化商品搜索实现方法及装置
CN102314654A (zh) 一种信息推送方法及信息推送服务器
Dias et al. Automating the extraction of static content and dynamic behaviour from e-commerce websites
KR20220019737A (ko) 패션 상품 추천 방법, 장치 및 컴퓨터 프로그램
CN105868299A (zh) 一种数据搜索方法和装置
KR102113318B1 (ko) 쇼핑 정보를 제공하는 방법, 장치 및 컴퓨터 프로그램

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: 1197475

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: 1197475

Country of ref document: HK