CN106021551A - 基于截图信息识别的消费辅助决策方法 - Google Patents

基于截图信息识别的消费辅助决策方法 Download PDF

Info

Publication number
CN106021551A
CN106021551A CN201610367735.7A CN201610367735A CN106021551A CN 106021551 A CN106021551 A CN 106021551A CN 201610367735 A CN201610367735 A CN 201610367735A CN 106021551 A CN106021551 A CN 106021551A
Authority
CN
China
Prior art keywords
commodity
whole network
merchandise news
making method
end article
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.)
Pending
Application number
CN201610367735.7A
Other languages
English (en)
Inventor
吴悦
刘云峰
汶林丁
杨振宇
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.)
Shenzhen Zhuiyi Technology Co Ltd
Original Assignee
Shenzhen Zhuiyi Technology Co 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 Shenzhen Zhuiyi Technology Co Ltd filed Critical Shenzhen Zhuiyi Technology Co Ltd
Priority to CN201610367735.7A priority Critical patent/CN106021551A/zh
Publication of CN106021551A publication Critical patent/CN106021551A/zh
Pending legal-status Critical Current

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
    • G06F16/953—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
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于截图信息识别的消费辅助决策方法，该方法包括：建立全网商品信息库；对目标商品进行截图，得到包含该目标商品的商品信息的图片；对所述图片进行识别，提取出该目标商品的商品信息；根据该目标商品的商品信息，在所述全网商品信息库中进行搜索；所述全网商品信息库返回该目标商品的全网价格展示和全网评价舆情，辅助用户进行消费决策。本发明使用户可以随时随地利用截图对感兴趣的商品进行深度的探索，在充分了解全网对商品的评价和价格信息后，达成商品是否值得购买的决策；使消费者的购买决策闭环化，有利于提升购买效率。

Description

基于截图信息识别的消费辅助决策方法
技术领域
本发明涉及网络消费技术领域，尤其涉及一种基于截图信息识别的消费辅助决策方法。
背景技术
用户在日常生活中，会碰到各种购买的场景，在决定是否购买时，通常会先进行是否购买的决策。现有技术中，主要通过扫描条形码寻找确定的商品，或者通过站内搜索寻找特定名称的商品来进行搜索比对，进而做出购买决定。
然而，对于条形码扫描方式，需要确定知道某商品的条形码，才可以进行扫描查找；对于商品搜索方式，需要知道商品的名称和型号，才可以进行搜索，这对于用户收集的信息要求比较高，在用户自身收集的信息非常有限的情况下，难以通过这两种方式进行判断。
此外，不管是二维码扫描方式还是商品搜索方式，目前大多仅限于在各电商平台的内部进行商品查找，导致商品信息不够全面，甚至有些商品根本搜索不到，而且相关的评价信息比较少，可供参考的信息有限，难以为用户提供全面的消费决策。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于截图信息识别的消费辅助决策方法，利用截图识别商品信息，并根据全网商品信息库的价格展现和评价舆情展现，为用户的消费提供指导，便于消费者快速进行消费决策。
为实现以上目的，本发明采用如下技术方案：
一种基于截图信息识别的消费辅助决策方法，包括以下步骤：
S1、建立全网商品信息库；
S2、对目标商品进行截图，得到包含该目标商品的商品信息的图片；
S3、对所述图片进行识别，提取出该目标商品的商品信息；
S4、根据该目标商品的商品信息，在所述全网商品信息库中进行搜索；
S5、所述全网商品信息库返回该目标商品的全网价格展示和全网评价舆情，辅助用户进行消费决策。
优选地，所述目标商品的商品信息包括该目标商品的图像信息和文字描述信息。
优选地，所述步骤S1包括：
从各个电商平台获取商品信息原始页面，并进行存储，得到商品信息原始页面库；
对所述商品信息原始页面库进行结构化抽取，按照商品的属性进行归类和存储；
对相同的商品进行聚合，形成包括各个商品的全网价格展示和全网评价舆情的全网商品信息库。
优选地，所述商品的属性包括商品的名称、图片、价格、类目、文字介绍、所在电商平台和用户评论。
优选地，从各个电商平台获取商品信息原始页面的步骤通过网络爬虫技术实现。
优选地，所述步骤S3包括：
利用深度学习模型从该目标商品的商品信息中提取出图像信息；
利用光学字符识别方法从该目标商品的商品信息中提取出文字描述信息；
对提取出的图像信息和文字描述信息进行匹配，并根据匹配后的结果在所述全网商品信息库中进行搜索。
优选地，所述消费辅助决策方法还包括建立客户端应用程序的步骤，所述步骤S3、所述步骤S4和所述步骤S5均通过所述客户端应用程序完成。
优选地，在所述步骤S2中，通过电脑或移动智能设备对所述目标商品进行截图，并载入所述客户端应用程序。
优选地，在所述步骤S5中，所述全网价格展示包括该目标商品的全网价格排序，所述全网评价舆情包括对该目标商品的评价的正负面占比分析及主要观点提取。
优选地，在所述步骤S5中，所述全网商品信息库返回的内容还包括该目标商品在各个电商平台的购买链接。
本发明采用以上技术方案，具有以下有益效果：
在便利性上，可以随时随地利用截图对感兴趣的商品进行深度的探索；
在信息全面性上，充分了解全网对商品的评价和价格信息后，消费者可以达成商品是否值得购买的决策；
在整体购买效率上，使消费者的购买决策闭环化，有利于快速决定是否购买某商品。
附图说明
图1为本发明所提供的消费辅助决策方法的流程示意图；
图2为本发明实施例中建立全网商品信息库的流程示意图；
图3为本发明实施例中从截图识别商品信息的流程示意图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
本发明提供了一种基于截图信息识别的消费辅助决策方法，如图1所示，该方法包括以下步骤：
S1、建立全网商品信息库；
S2、对目标商品进行截图，得到包含该目标商品的商品信息的图片；
S3、对所述图片进行识别，提取出该目标商品的商品信息；
S4、根据该目标商品的商品信息，在所述全网商品信息库中进行搜索；
S5、所述全网商品信息库返回该目标商品的全网价格展示和全网评价舆情，辅助用户进行消费决策。
本发明能够汇聚全网热门的商品信息，收集全网用户对商品的评价，采集全网商品的价格信息，用户在网络购物时，只需在商品详情页、购物车页面等环节截图保存包含商品信息的图片，然后再利用本发明建立的全网商品信息库，即可获取商品的全网价格展示和全网评价信息，为用户的消费提供指导，保证用户买到质优、价廉的商品。
因此，本发明具有以下有益效果：
在便利性上，可以随时随地利用截图对感兴趣的商品进行深度的探索；
在信息全面性上，充分了解全网对商品的评价和价格信息后，消费者可以达成商品是否值得购买的决策；
在整体购买效率上，使消费者的购买决策闭环化，有利于快速决定是否购买某商品。
优选地，所述目标商品的商品信息包括该目标商品的图像信息和文字描述信息。例如，截取的图片可以是：电商平台的商品详情页截图、购物车页面截图、关于商品的文字介绍截图、广告宣传栏里的商品图片截图、好友聊天窗口的商品图片或名称截图等。以上截图均可以输入本发明中的全网商品信息库进行搜索查找，从而获取消费指导。
此外，在步骤S5中，所述全网价格展示包括该目标商品的全网价格排序，所述全网评价舆情包括对该目标商品的评价的正负面占比分析及主要观点提取。例如，对于某商品，分析好评占比多少、差评占比多少，以及对评论中的关键字进行提取归类等。
优选地，在步骤S5中，所述全网商品信息库返回的内容还包括该目标商品在各个电商平台的购买链接。当用户对某件商品具有购买兴趣时，能够非常方便地链接至价格合适的电商平台进行购买，提升操作的便利性。
具体地，所述步骤S1包括：
从各个电商平台获取商品信息原始页面，并进行存储，得到商品信息原始页面库；
对所述商品信息原始页面库进行结构化抽取，按照商品的属性进行归类和存储；
对相同的商品进行聚合，形成包括各个商品的全网价格展示和全网评价舆情的全网商品信息库。
其中，所述商品的属性包括商品的名称、图片、价格、类目、文字介绍、所在电商平台和用户评论等。
优选地，从各个电商平台获取商品信息原始页面的步骤通过网络爬虫技术实现。网络爬虫技术是一种按照一定的规则，自动抓取万维网信息的程序或者脚本的技术。通过搜索引擎可以使用网络爬虫抓取Web网页、文档、图片、音频、视频等资源，并通过相应的索引技术组织这些信息，提供给搜索用户进行查询，为信息的汇聚推广提供了有效途径。
具体地，所述步骤S3包括：
利用深度学习模型从该目标商品的商品信息中提取出图像信息；
利用光学字符识别(OCR)方法从该目标商品的商品信息中提取出文字描述信息；
对提取出的图像信息和文字描述信息进行匹配，并根据匹配后的结果在所述全网商品信息库中进行搜索。
优选地，所述消费辅助决策方法还包括建立客户端应用程序的步骤，所述步骤S3、所述步骤S4和所述步骤S5均通过所述客户端应用程序完成。
也就是说，本发明所提供的方法可以通过电脑端应用软件或者移动客户端应用软件APP的方式实现，那么在步骤S2中，通过电脑或移动智能设备对感兴趣的目标商品进行截图，并载入相应的客户端应用程序中，即可进行消费决策指导。
下面通过一个具体的实施例对本发明方法进行详细的阐述。
首先，进行全网商品信息库的建设。如图2所示，利用爬虫技术从电商平台1、电商平台2、…、电商平台N获取商品信息原始页面，并进行存储，得到商品信息原始页面库；对所述商品信息原始页面库进行结构化抽取，按照商品的属性进行归类和存储，商品的属性包括商品的电商平台、名称、图片、价格、类目等；对相同的商品进行聚合，形成包括各个商品的全网价格展示和全网评价舆情的全网商品信息库。
例如在图2中，对于商品1至商品M，所述全网商品信息库均包含它们的文字类特征和图像类特征，所述文字类特征包括商品名、电商平台列表、价格列表等，所述图像类特征包括商品的图片。
用户对商品信息进行截图之后，打开本发明的客户端应用程序，点选图片即可进行商品信息的后台提取。
从截图识别商品信息的过程如图3所示，利用深度学习模型从该目标商品的商品信息中提取出图像信息，利用光学字符识别(OCR)方法从该目标商品的商品信息中提取出文字描述信息，然后对提取出的图像信息和文字描述信息进行匹配，并根据匹配后的结果在所述全网商品信息库中进行搜索。搜索匹配后，即可得到包含有相应图像特征和文字特征的目标商品。
商品识别之后，应用程序可显示对此商品的全网评价的总体分析，包括正负面占比、正负面的主要观点等，用户可以点击各个节点，查阅详细信息；同时，应用程序可显示全网的价格排序信息，并带有各个电商平台的链接，用户可以点击链接后进行商品购买。
综上所述，本发明提供的基于截图信息识别的消费辅助决策方法能够利用截图识别商品信息，并根据全网商品信息库的价格展现和评价舆情展现为用户的消费提供指导，便于消费者快速进行消费决策。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于截图信息识别的消费辅助决策方法，其特征在于，包括以下步骤：
S1、建立全网商品信息库；
S2、对目标商品进行截图，得到包含该目标商品的商品信息的图片；
S3、对所述图片进行识别，提取出该目标商品的商品信息；
S4、根据该目标商品的商品信息，在所述全网商品信息库中进行搜索；
S5、所述全网商品信息库返回该目标商品的全网价格展示和全网评价舆情，辅助用户进行消费决策。
2.根据权利要求1所述的消费辅助决策方法，其特征在于，所述目标商品的商品信息包括该目标商品的图像信息和文字描述信息。
3.根据权利要求1所述的消费辅助决策方法，其特征在于，所述步骤S1包括：
从各个电商平台获取商品信息原始页面，并进行存储，得到商品信息原始页面库；
对所述商品信息原始页面库进行结构化抽取，按照商品的属性进行归类和存储；
对相同的商品进行聚合，形成包括各个商品的全网价格展示和全网评价舆情的全网商品信息库。
4.根据权利要求3所述的消费辅助决策方法，其特征在于，所述商品的属性包括商品的名称、图片、价格、类目、文字介绍、所在电商平台和用户评论。
5.根据权利要求3所述的消费辅助决策方法，其特征在于，从各个电商平台获取商品信息原始页面的步骤通过网络爬虫技术实现。
6.根据权利要求1所述的消费辅助决策方法，其特征在于，所述步骤S3包括：
利用深度学习模型从该目标商品的商品信息中提取出图像信息；
利用光学字符识别方法从该目标商品的商品信息中提取出文字描述信息；
对提取出的图像信息和文字描述信息进行匹配，并根据匹配后的结果在所述全网商品信息库中进行搜索。
7.根据权利要求1至6中任意一项所述的消费辅助决策方法，其特征在于，所述消费辅助决策方法还包括建立客户端应用程序的步骤，所述步骤S3、所述步骤S4和所述步骤S5均通过所述客户端应用程序完成。
8.根据权利要求7所述的消费辅助决策方法，其特征在于，在所述步骤S2中，通过电脑或移动智能设备对所述目标商品进行截图，并载入所述客户端应用程序。
9.根据权利要求1至6中任意一项所述的消费辅助决策方法，其特征在于，在所述步骤S5中，所述全网价格展示包括该目标商品的全网价格排序，所述全网评价舆情包括对该目标商品的评价的正负面占比分析及主要观点提取。
10.根据权利要求1至6中任意一项所述的消费辅助决策方法，其特征在于，在所述步骤S5中，所述全网商品信息库返回的内容还包括该目标商品在各个电商平台的购买链接。
CN201610367735.7A 2016-07-01 2016-07-01 基于截图信息识别的消费辅助决策方法 Pending CN106021551A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610367735.7A CN106021551A (zh) 2016-07-01 2016-07-01 基于截图信息识别的消费辅助决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610367735.7A CN106021551A (zh) 2016-07-01 2016-07-01 基于截图信息识别的消费辅助决策方法

Publications (1)

Publication Number Publication Date
CN106021551A true CN106021551A (zh) 2016-10-12

Family

ID=57092197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610367735.7A Pending CN106021551A (zh) 2016-07-01 2016-07-01 基于截图信息识别的消费辅助决策方法

Country Status (1)

Country Link
CN (1) CN106021551A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107274272A (zh) * 2017-06-20 2017-10-20 广州阿里巴巴文学信息技术有限公司 数据处理方法、装置和电子设备
CN107330391A (zh) * 2017-06-26 2017-11-07 北京小米移动软件有限公司 产品信息提示方法及装置
CN107730343A (zh) * 2017-09-15 2018-02-23 广州唯品会研究院有限公司 一种基于图片属性提取的用户商品信息推送方法及设备
CN107861972A (zh) * 2017-09-15 2018-03-30 广州唯品会研究院有限公司 一种用户录入商品信息后显示商品全结果的方法及设备
CN108492160A (zh) * 2017-05-26 2018-09-04 北京小度信息科技有限公司 信息推荐方法和装置
CN110569385A (zh) * 2019-09-12 2019-12-13 湖北三六五优米网络有限公司 一种基于商品图片相识度技术采集商品价格的方法
CN111080406A (zh) * 2019-12-04 2020-04-28 重庆锐云科技有限公司 一种基于拍照的商品价格智能查询系统及方法
CN117114803A (zh) * 2023-08-17 2023-11-24 湖北光舜科技有限公司 一种通过ai识别获取商品价格信息的比对方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591972A (zh) * 2011-12-31 2012-07-18 北京百度网讯科技有限公司 提供商品搜索结果的方法及设备
CN103020240A (zh) * 2012-12-18 2013-04-03 江苏乐买到网络科技有限公司 一种在线购物平台的商品检索方法
CN103325045A (zh) * 2012-03-19 2013-09-25 上海博路信息技术有限公司 一种商品点评系统
US20160378771A1 (en) * 2013-04-30 2016-12-29 Wal-Mart Stores, Inc. Search relevance

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591972A (zh) * 2011-12-31 2012-07-18 北京百度网讯科技有限公司 提供商品搜索结果的方法及设备
CN103325045A (zh) * 2012-03-19 2013-09-25 上海博路信息技术有限公司 一种商品点评系统
CN103020240A (zh) * 2012-12-18 2013-04-03 江苏乐买到网络科技有限公司 一种在线购物平台的商品检索方法
US20160378771A1 (en) * 2013-04-30 2016-12-29 Wal-Mart Stores, Inc. Search relevance

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108492160A (zh) * 2017-05-26 2018-09-04 北京小度信息科技有限公司 信息推荐方法和装置
CN107274272A (zh) * 2017-06-20 2017-10-20 广州阿里巴巴文学信息技术有限公司 数据处理方法、装置和电子设备
CN107330391A (zh) * 2017-06-26 2017-11-07 北京小米移动软件有限公司 产品信息提示方法及装置
CN107730343A (zh) * 2017-09-15 2018-02-23 广州唯品会研究院有限公司 一种基于图片属性提取的用户商品信息推送方法及设备
CN107861972A (zh) * 2017-09-15 2018-03-30 广州唯品会研究院有限公司 一种用户录入商品信息后显示商品全结果的方法及设备
CN110569385A (zh) * 2019-09-12 2019-12-13 湖北三六五优米网络有限公司 一种基于商品图片相识度技术采集商品价格的方法
CN111080406A (zh) * 2019-12-04 2020-04-28 重庆锐云科技有限公司 一种基于拍照的商品价格智能查询系统及方法
CN117114803A (zh) * 2023-08-17 2023-11-24 湖北光舜科技有限公司 一种通过ai识别获取商品价格信息的比对方法

Similar Documents

Publication Publication Date Title
CN106021551A (zh) 基于截图信息识别的消费辅助决策方法
CN109359244B (zh) 一种个性化信息推荐方法和装置
CN107861972B (zh) 一种用户录入商品信息后显示商品全结果的方法及设备
CN107515873B (zh) 一种垃圾信息识别方法及设备
CN110750656B (zh) 一种基于知识图谱的多媒体检测方法
CN106296312A (zh) 基于社交媒体的在线教育资源推荐系统
CN103412937A (zh) 一种基于手持终端的搜索购物方法
CN102542061B (zh) 一种产品的智能分类方法
CN104834668A (zh) 基于知识库的职位推荐系统
CN109522562B (zh) 一种基于文本图像融合识别的网页知识抽取方法
CN103886074A (zh) 基于社交媒体的商品推荐系统
CN103744981A (zh) 一种基于网站内容用于网站自动分类分析的系统
CN103412938A (zh) 一种基于图片交互式多目标提取的商品比价方法
CN109064265A (zh) 基于网络平台的购车推荐方法及系统
CN104063521A (zh) 搜索业务实现方法和装置
CN103377249A (zh) 关键词投放方法及系统
CN105792010A (zh) 基于图像内容解析及图片索引的电视购物的方法与装置
CN111882403A (zh) 一种基于用户数据的金融服务平台智能推荐方法
CN105095446A (zh) 药品的搜索处理方法、服务器及终端设备
CN112528042A (zh) 一种多模态商品知识图谱构建方法
CN105068986B (zh) 基于双向迭代和自动构建更新语料库的垃圾评论过滤方法
CN114915468B (zh) 基于知识图谱的网络犯罪智能分析检测方法
Flory et al. A new web personalization decision-support artifact for utility-sensitive customer review analysis
CN113360788A (zh) 一种地址推荐方法、装置、设备及存储介质
CN109615437A (zh) 销售获客跟踪管理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20161012

RJ01 Rejection of invention patent application after publication