CN107093122B - 对象分类方法及装置 - Google Patents
对象分类方法及装置 Download PDFInfo
- Publication number
- CN107093122B CN107093122B CN201611100503.1A CN201611100503A CN107093122B CN 107093122 B CN107093122 B CN 107093122B CN 201611100503 A CN201611100503 A CN 201611100503A CN 107093122 B CN107093122 B CN 107093122B
- Authority
- CN
- China
- Prior art keywords
- classification
- classified
- candidate
- reference object
- determining
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种对象分类方法及装置,所述方法包括:根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值;根据所述加权值确定包含候选类别的聚类类别中的目标类别;将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。本发明提供的该方法,能够利用自动为商户中的商品确定目标分类,并且根据用于表示候选类别访问热度的加权值在多个候选类别中确定目标类别,按照目标类别对商品分类,更加便于用户根据目标类别选购商品,提高分类准确度。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种对象分类方法及装置。
背景技术
当前的主流电商平台中,线上会展示大量且种类繁多的商品。为了便于商户管理所展示的商品和用户选购所展示的商品,在商品上线之前,商家或网站工作人员会通过人工的方式根据商品的特性、用途等商品信息,逐一为每个展示的商品设置分类,例如:可以将薯片的一级分类设置为零食,二级分类设置为膨化食品等。
然而发明人在实现本发明的过程中发现,通过人工的方式逐一的为商品设置分类,会消耗分类人员大量时间,而且人工分类的效率非常低下。另外,由于不同的人员对于相同商品的商品信息的理解可能会存在差异,一方面,会导致同一商品在不同商家中可能被分到不同类别,另一方面,用户在选购商品时选择的分类可能与网站上所分的类别不相同,给用户选购商品的过程带来不便。
发明内容
为克服相关技术中存在的问题,本发明提供对象分类方法及装置。
根据本发明实施例的第一方面,提供一种对象分类方法,所述方法包括:
根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值;
根据所述加权值确定包含候选类别的聚类类别中的目标类别;
将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。
可选地,所述根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值,包括:
将所述多个待分类对象的对象信息输入预设分类模型,得到多个候选类别及每个所述候选类别的加权值,所述加权值用于表示被分类为所述候选类别的待分类对象的访问热度。
可选地,所述根据所述加权值确定包含候选类别的聚类类别中的目标类别,包括:
将所述多个候选类别聚合为多个聚类类别,每个所述聚类类别中包含至少一个所述候选类别;
根据所述加权值在每个聚类类别内的至少一个候选类别中确定一个目标类别。
可选地,所述将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类,包括:
判断所述待分类对象集合的预设分类方式是否为自定义分类,所述预设分类方式包括自定义分类或者默认分类;
当所述待分类对象集合的预设分类方式为自定义分类时,将多个所述目标类别推送给所述待分类对象集合,以使所述待分类对象集合根据多个所述目标类别确定多个待分类对象的分类;
当所述待分类对象集合的预设分类方式为默认分类时,将所述待分类对象集合中的多个待分类对象按照多个目标类别分类。
可选地,所述根据所述加权值在每个聚类类别内的至少一个候选类别中确定一个目标类别,包括:
将每个所述聚类类别内的至少一个所述候选类别按照所述加权值排序;
确定每个所述聚类类别中所述加权值最大的候选类别为目标类别。
可选地,所述预设分类模型的训练方法包括:
获取多个参考对象集合中的参考对象和对象信息,每个所述参考对象在所述参考对象集合中对应一个参考对象分类;
根据所述参考对象的对象信息,确定加权值最大的所述参考对象分类为候选分类;
利用所述多个参考对象的参考对象信息、所述候选分类和所述候选分类对应的所述加权值训练所述预设分类模型。
可选地,所述根据所述参考对象的对象信息,确定加权值最大的所述参考对象分类,包括:
计算每个所述参考对象在多个所述参考对象集合中的加权分数;
针对每个参考对象分类,计算所述参考对象分类对应的所述参考对象在多个参考对象集合中的平均加权分数;
根据所述平均加权分数确定每个所述参考对象分类对应的加权值,并确定所述加权值最大的参考对象分类。
可选地,所述参考对象的对象信息包括所述参考对象在所述参考对象集合中的对象销量数据、所述参考对象在所述参考对象集合中被搜索次数的对象搜索数据、所述参考对象在所述参考对象集合中对应的参考对象分类的对象分类数据和所述参考对象在所述参考对象集合中对应的参考对象分类被点击次数的对象分类点击数据;
所述计算每个所述参考对象在多个所述参考对象集合中的加权分数,包括:
分别计算所述对象销量数据与第一预设系数的第一乘积、对象搜索数据与第二预设系数的第二乘积、所述对象分类数据与第三预设系数的第三乘积以及所述对象分类点击数据与第四预设系数的第四乘积;
将所述第一乘积、所述第二乘积、所述第三乘积和所述第四乘积的和确定为所述参考对象在所述参考对象集合中的加权分数。
可选地,所述方法还包括:
根据每个所述候选类别的所述加权值确定初始排列顺序;
当接收到用户访问所述待分类对象集合的访问请求时,所述方法还包括:
获取所述访问请求中携带有用户标识及与所述用户标识对应的历史访问记录;
根据所述历史访问记录确定多个目标类别的更新排列顺序;
将对象集合中多个目标类别的排列顺序由所述初始排列顺序调整为更新排列顺序并显示。
根据本发明实施例的第一方面,提供一种对象分类装置,所述装置包括:
第一确定模块,用于根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值;
第二确定模块,用于根据所述加权值确定包含候选类别的聚类类别中的目标类别;
分类模块,用于将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。
可选地,所述第一确定模块,还用于:
将所述多个待分类对象的对象信息输入预设分类模型,得到多个候选类别及每个所述候选类别的加权值,所述加权值用于表示被分类为所述候选类别的待分类对象的访问热度。
可选地,所述第二确定模块,包括:
聚合单元,用于将所述多个候选类别聚合为多个聚类类别,每个所述聚类类别中包含至少一个所述候选类别;
第一确定单元,用于根据所述加权值在每个聚类类别内的至少一个候选类别中确定一个目标类别。
可选地,所述分类模块,包括:
判断单元,用于判断所述待分类对象集合的预设分类方式是否为自定义分类,所述预设分类方式包括自定义分类或者默认分类;
推送单元,用于当所述待分类对象集合的预设分类方式为自定义分类时,将多个所述目标类别推送给所述待分类对象集合,以使所述待分类对象集合根据多个所述目标类别确定多个待分类对象的分类;
分类单元,用于当所述待分类对象集合的预设分类方式为默认分类时,将所述待分类对象集合中的多个待分类对象按照多个目标类别分类。
可选地,所述第一确定单元还用于:
将每个所述聚类类别内的至少一个所述候选类别按照所述加权值排序;
确定每个所述聚类类别中所述加权值最大的候选类别为目标类别。
可选地,所述装置还包括:
第一获取模块,用于获取多个参考对象集合中的参考对象和对象信息,每个所述参考对象在所述参考对象集合中对应一个参考对象分类;
第三确定模块,用于根据所述参考对象的对象信息,确定加权值最大的所述参考对象分类为候选分类;
训练模块,用于利用所述多个参考对象的参考对象信息、所述候选分类和所述候选分类对应的所述加权值训练所述预设分类模型。
可选地,所述第三确定模块,包括:
第一计算单元,用于计算每个所述参考对象在多个所述参考对象集合中的加权分数;
第二计算单元,用于针对每个参考对象分类,计算所述参考对象分类对应的所述参考对象在多个参考对象集合中的平均加权分数;
第二确定单元,用于根据所述平均加权分数确定每个所述参考对象分类对应的加权值,并确定所述加权值最大的参考对象分类。
可选地,所述参考对象的对象信息包括所述参考对象在所述参考对象集合中的对象销量数据、所述参考对象在所述参考对象集合中被搜索次数的对象搜索数据、所述参考对象在所述参考对象集合中对应的参考对象分类的对象分类数据和所述参考对象在所述参考对象集合中对应的参考对象分类被点击次数的对象分类点击数据;
所述第一计算单元,还用于:
分别计算所述对象销量数据与第一预设系数的第一乘积、对象搜索数据与第二预设系数的第二乘积、所述对象分类数据与第三预设系数的第三乘积以及所述对象分类点击数据与第四预设系数的第四乘积;
将所述第一乘积、所述第二乘积、所述第三乘积和所述第四乘积的和确定为所述参考对象在所述参考对象集合中的加权分数。
可选地,所述装置还包括:
第四确定模块,用于根据每个所述候选类别的所述加权值确定初始排列顺序;
当接收到用户访问所述待分类对象集合的访问请求时,所述装置还包括:
第二获取模块,用于获取所述访问请求中携带有用户标识及与所述用户标识对应的历史访问记录;
第五确定模块,用于根据所述历史访问记录确定多个目标类别的更新排列顺序;
调整模块,用于将对象集合中多个目标类别的排列顺序由所述初始排列顺序调整为更新排列顺序并显示。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明通过根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值;根据所述加权值确定包含候选类别的聚类类别中的目标类别;可以将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。
本发明实施例提供的该方法,能够利用自动为商户中的商品确定目标分类,并且根据用于表示候选类别访问热度的加权值在多个候选类别中确定目标类别,按照目标类别对商品分类,更加便于用户根据目标类别选购商品,提高分类准确度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种对象分类方法的一种流程图;
图2是图1中步骤S103的流程图;
图3是根据一示例性实施例示出的一种对象分类方法的另一种流程图;
图4是根据一示例性实施例示出的一种对象分类方法的另一种流程图;
图5是根据一示例性实施例示出的一种对象分类装置的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
由于同一商品在不同商家中可能被分到不同类别,用户在选购商品时选择的分类可能与网站上所分的类别不相同,给用户选购商品的过程带来不便,为此,如图1所示,在本发明的一个实施例中,提供一种对象分类方法,所述方法可以应用于电商平台系统,所述方法包括以下步骤。
在步骤S101中,根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值。
在本发明实施例中,待分类对象集合可以指电商平台中的商户等,待分类对象可以指商户中的商品等,对象信息可以指商品信息,例如:商品在商户中的销量数据、商品在商户中被搜索次数的搜索数据、商品在商户中对应的商品分类的分类数据和商品在该商户中对应的商品分类被点击次数的点击数据等。
在本发明实施例中,所述加权值用于表示被分类为所述候选类别的待分类对象的访问热度。预设分类模型可以为SVM等机器学习模型,预设分类模型可以在输入对象信息后,得到该对象信息对应的候选类别及与每个候选类别对应的加权值,候选类别即在将待分类对象进行分类时的一种候选,最终的分类可以在候选类别中确定一种,例如,薯片对应的候选类别可以为休闲食品,也可以为零食,最终在对薯片进行分类时,可以分类为休闲食品,也可以分类为零食。
在本发明实施例中,可以利用K-means聚类算法、对相似的候选类别进行聚类,根据是否存在相同关键字、关键词和/或者近义词,并且根据用途、商品特性等的候选类别划分为一个聚类类别,例如,候选类别A的名字为休闲零食,候选类别B的名字为零食小站,候选类别C的名字为零食小栈,候选类别D的名字为衣帽服饰,这时,可以将候选类别A、候选类别B和候选类别C划分到一个聚类类别中,D划分到另一个聚类类别中。
在该步骤中,可以先获取待分类对象集合中的多个待分类对象,再获取每个待分类对象的对象信息,然后将所述多个待分类对象的对象信息输入预设分类模型,得到多个候选类别及每个所述候选类别的加权值,所述加权值用于表示被分类为所述候选类别的待分类对象的访问热度,将所述多个候选类别聚合为多个聚类类别,每个所述聚类类别中包含至少一个所述候选类别。
在步骤S102中,根据所述加权值确定包含候选类别的聚类类别中的目标类别。
在该步骤中,首先可以将所述多个候选类别聚合为多个聚类类别,每个所述聚类类别中包含至少一个所述候选类别;然后可以将每个所述聚类类别内的至少一个所述候选类别按照所述加权值排序;然后将每个所述聚类类别中加权值最大的候选类别确定为目标类别。
在步骤S103中,将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。
在该步骤中,可以将待分类对象集合中的多个待分类对象分类到对应的目标类别中,在对多个待分类对象分类时,可以将每个聚类类别中的候选类别对应的待分类对象划分到目标类别中,例如:待分类对象集合中的商品薯片对应的候选类别为休闲零食,确定的目标类别为零食小栈,这时可以将薯片分类到零食小栈中。
本发明通过根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值;根据所述加权值确定包含候选类别的聚类类别中的目标类别;可以将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。
本发明实施例提供的该方法,能够利用自动为商户中的商品确定目标分类,并且根据用于表示候选类别访问热度的加权值在多个候选类别中确定目标类别,按照目标类别对商品分类,更加便于用户根据目标类别选购商品,提高分类准确度。
如图2所示,在本发明的又一实施例中,所述步骤S103包括以下步骤。
在步骤S201中,判断所述待分类对象集合的预设分类方式是否为自定义分类,所述预设分类方式包括自定义分类或者默认分类。
在本发明实施例中,某些商户对商品的预设分类方式可能为默认分类或者自定义分类,在默认分类模式下,电商平台可以自动为该商户的商品进行分类,在自定义分类模式下,电商平台不能够自动为商户中的商品分类,只能够商户自己修改商品的分类。
在该步骤中,可以获取待分类对象集合的预设分类方式,并判断该预设分类方式是否为自定义分类,当然根据实际情况,也可以判断预设分类方式是否为默认分类。
当所述待分类对象集合的预设分类方式为自定义分类时,在步骤S202中,将多个所述目标类别推送给所述待分类对象集合,以使所述待分类对象集合根据多个所述目标类别确定多个待分类对象的分类。
在该步骤中,由于待分类集合的预设分类方式为自定义分类时,电商平台不能够直接修改待分类集合中的待分类对象的分类,因此可以将得到的目标类别推送给待分类集合,以使待分类集合根据实际需要自行修改待分类对象的分类。
当所述待分类对象集合的预设分类方式为默认分类时,在步骤S203中,将所述待分类对象集合中的多个待分类对象按照多个目标类别分类。
在该步骤中,电商平台可以直接将待分类对象集合中的待分类对象按照目标类别分类。
本发明通过判断所述待分类对象集合的预设分类方式是否为自定义分类,所述预设分类方式包括自定义分类或者默认分类,当所述待分类对象集合的预设分类方式为自定义分类时,可以将多个所述目标类别推送给所述待分类对象集合,以使所述待分类对象集合根据多个所述目标类别确定多个待分类对象的分类,当所述待分类对象集合的预设分类方式为默认分类时,可以将所述待分类对象集合中的多个待分类对象按照多个目标类别分类。
本发明实施例提供的该方法,能够根据商户的预设分类方式,通过直接修改待分类对象按照目标类别分类或者向待分类对象集合推送目标类别,以使商户根据推送的目标分类修改待分类对象的分类的方式,为待分类对象集合中待分类对象分类。
如图3所示,在本发明的又一实施例中,所述预设分类模型的训练方法包括以下步骤。
在步骤S301中,获取多个参考对象集合中的参考对象和对象信息,每个所述参考对象在所述参考对象集合中对应一个参考对象分类。
在本发明实施例中,每个所述参考对象在所述参考对象集合中对应一个参考对象分类,参考对象集合可以指电商平台上的多个商户,参考对象可以指每个商户中的商品,参考对象分类可以指商品在商户中被分类的商品类别,例如:衣服、鞋帽和包等。
在该步骤中,可以首先获取多个参考对象集合中的参考对象,然后获取参考对象在至少一个所在参考对象集合中的对象信息。
在步骤S302中,根据所述参考对象的对象信息,确定加权值最大的所述参考对象分类为候选分类。
在该步骤中,可以首先根据所述参考对象的对象信息,计算每个所述参考对象在多个所述参考对象集合中的加权分数。
在本发明实施例中,所述参考对象的对象信息包括所述参考对象在所述参考对象集合中的对象销量数据、所述参考对象在所述参考对象集合中被搜索次数的对象搜索数据、所述参考对象在所述参考对象集合中对应的参考对象分类的对象分类数据和所述参考对象在所述参考对象集合中对应的参考对象分类被点击次数的对象分类点击数据。
在该步骤中,分别计算所述对象销量数据与第一预设系数的第一乘积、对象搜索数据与第二预设系数的第二乘积、所述对象分类数据与第三预设系数的第三乘积以及所述对象分类点击数据与第四预设系数的第四乘积;然后将所述第一乘积、所述第二乘积、所述第三乘积和所述第四乘积的和确定为所述参考对象在所述参考对象集合中的加权分数。
然后针对每个参考对象分类,计算所述参考对象分类对应的所述参考对象在多个参考对象集合中的平均加权分数。
在该步骤中,根据计算得到的加权分数,可以计算每个参考对象在多个参考对象集合中的平均加权分数,然后根据每个参考对象分类中的多个参考对象的平均加权分数构建数组。
最后根据所述平均加权分数确定每个所述参考对象分类对应的加权值,并确定所述加权值最大的对象分类为参考候选分类。
在该步骤中,可以根据每个参考对象分类的数组分别计算每个参考对象分类的加权值。
在步骤S303中,利用所述多个参考对象的参考对象信息、所述候选分类和所述候选分类对应的所述加权值训练所述预设分类模型。
在该步骤中,可以利用参考对象的参考对象信息、候选分类及候选分类的加权值训练预设分类模型,训练后的预设分类模型,可以在输入参考对象的参考对象信息后,得到该参考对象对应的候选分类及该候选分类的加权值,例如:当在预设分类模型中输入商品A的销量数据、商品A在所在商户中被搜索次数的搜索数据、商品A在所在商户中对应的商品分类的分类数据和商品A在所在商户中对应的商品分类被点击次数的点击数据之后,可以得到商品A在所在商户中的候选分类和该候选分类的加权值。
在本发明的又一实施例中,在确定商户中所有商品的类别之后,如图4所示,所述方法还包括以下步骤。
在步骤S401中,根据每个所述候选类别的所述加权值确定初始排列顺序。
当接收到用户访问所述待分类对象集合的访问请求时,在本发明实施例中,可以确定当接收到点击商户在电商平台中对应的显示控件的点击操作时为接收到访问请求,访问请求中应当携带用于表示用户身份的用户标识,用户标识可以指用户ID、电话号码、用户使用的终端的终端ID或者用户名等等。所述方法还包括:
在步骤S402中,获取所述访问请求中携带有用户标识及与所述用户标识对应的历史访问记录。
在该步骤中,可以根据用户标识,获取用户在电商平台中在当前商户或者其他商户中的历史访问记录。
在步骤S403中,根据所述历史访问记录确定多个目标类别的更新排列顺序。
在该步骤中,可以提取历史访问记录中访问的商品的名称、次数、购买商品的名称和次数等等,然后根据历史访问记录确定当前商户中多个目标类别的更新排列顺序。
在步骤S404中,将对象集合中多个目标类别的排列顺序由所述初始排列顺序调整为更新排列顺序并显示。
在该步骤中,在显示商户中的多个目标类别时,按照更新排列顺序显示。
如图5所示,在本发明的又一实施例中,提供一种对象分类装置,所述装置包括:
第一确定模块11,用于根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值;
第二确定模块12,用于根据所述加权值确定包含候选类别的聚类类别中的目标类别;
分类模块13,用于将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。
在本发明的又一实施例中,所述第一确定模块,还用于:
将所述多个待分类对象的对象信息输入预设分类模型,得到多个候选类别及每个所述候选类别的加权值,所述加权值用于表示被分类为所述候选类别的待分类对象的访问热度。
在本发明的又一实施例中,所述第二确定模块,包括:
聚合单元,用于将所述多个候选类别聚合为多个聚类类别,每个所述聚类类别中包含至少一个所述候选类别;
第一确定单元,用于根据所述加权值在每个聚类类别内的至少一个候选类别中确定一个目标类别。
在本发明的又一实施例中,所述分类模块,包括:
判断单元,用于判断所述待分类对象集合的预设分类方式是否为自定义分类,所述预设分类方式包括自定义分类或者默认分类;
推送单元,用于当所述待分类对象集合的预设分类方式为自定义分类时,将多个所述目标类别推送给所述待分类对象集合,以使所述待分类对象集合根据多个所述目标类别确定多个待分类对象的分类;
分类单元,用于当所述待分类对象集合的预设分类方式为默认分类时,将所述待分类对象集合中的多个待分类对象按照多个目标类别分类。
在本发明的又一实施例中,所述第一确定单元还用于:
将每个所述聚类类别内的至少一个所述候选类别按照所述加权值排序;
确定每个所述聚类类别中所述加权值最大的候选类别为目标类别。
在本发明的又一实施例中,所述装置还包括:
第一获取模块,用于获取多个参考对象集合中的参考对象和对象信息,每个所述参考对象在所述参考对象集合中对应一个参考对象分类;
第三确定模块,用于根据所述参考对象的对象信息,确定加权值最大的所述参考对象分类为候选分类;
训练模块,用于利用所述多个参考对象的参考对象信息、所述候选分类和所述候选分类对应的所述加权值训练所述预设分类模型。
在本发明的又一实施例中,所述第三确定模块,包括:
第一计算单元,用于计算每个所述参考对象在多个所述参考对象集合中的加权分数;
第二计算单元,用于针对每个参考对象分类,计算所述参考对象分类对应的所述参考对象在多个参考对象集合中的平均加权分数;
第二确定单元,用于根据所述平均加权分数确定每个所述参考对象分类对应的加权值,并确定所述加权值最大的参考对象分类。
在本发明的又一实施例中,所述参考对象的对象信息包括所述参考对象在所述参考对象集合中的对象销量数据、所述参考对象在所述参考对象集合中被搜索次数的对象搜索数据、所述参考对象在所述参考对象集合中对应的参考对象分类的对象分类数据和所述参考对象在所述参考对象集合中对应的参考对象分类被点击次数的对象分类点击数据;
所述第一计算单元,还用于:
分别计算所述对象销量数据与第一预设系数的第一乘积、对象搜索数据与第二预设系数的第二乘积、所述对象分类数据与第三预设系数的第三乘积以及所述对象分类点击数据与第四预设系数的第四乘积;
将所述第一乘积、所述第二乘积、所述第三乘积和所述第四乘积的和确定为所述参考对象在所述参考对象集合中的加权分数。
在本发明的又一实施例中,所述装置还包括:
第四确定模块,用于根据每个所述候选类别的所述加权值确定初始排列顺序;
当接收到用户访问所述待分类对象集合的访问请求时,所述装置还包括:
第二获取模块,用于获取所述访问请求中携带有用户标识及与所述用户标识对应的历史访问记录;
第五确定模块,用于根据所述历史访问记录确定多个目标类别的更新排列顺序;
调整模块,用于将对象集合中多个目标类别的排列顺序由所述初始排列顺序调整为更新排列顺序并显示。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (20)
1.一种对象分类方法,其特征在于,所述方法应用于电商平台系统,所述方法包括:
根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值;其中,所述待分类对象集合包括电商平台中的商户,所述待分类对象包括所述商户中的商品,所述对象信息包括商品信息;所述商品信息包括商品在商户中的销量数据、商品在所述商户中被搜索次数的搜索数据、商品在所述商户中对应的商品分类数据和商品在所述商户中对应的商品分类被点击次数的点击数据;所述加权值用于表示被分类为所述候选类别的待分类对象的访问热度;
根据所述加权值确定包含候选类别的聚类类别中的目标类别;
将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。
2.根据权利要求1所述的方法,其特征在于,所述根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值,包括:
将所述多个待分类对象的对象信息输入预设分类模型,得到多个候选类别及每个所述候选类别的加权值。
3.根据权利要求1所述的方法,其特征在于,所述根据所述加权值确定包含候选类别的聚类类别中的目标类别,包括:
将所述多个候选类别聚合为多个聚类类别,每个所述聚类类别中包含至少一个所述候选类别;
根据所述加权值在每个聚类类别内的至少一个候选类别中确定一个目标类别。
4.根据权利要求1所述的方法,其特征在于,所述将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类,包括:
判断所述待分类对象集合的预设分类方式是否为自定义分类,所述预设分类方式包括自定义分类或者默认分类;
当所述待分类对象集合的预设分类方式为自定义分类时,将多个所述目标类别推送给所述待分类对象集合,以使所述待分类对象集合根据多个所述目标类别确定多个待分类对象的分类;
当所述待分类对象集合的预设分类方式为默认分类时,将所述待分类对象集合中的多个待分类对象按照多个目标类别分类。
5.根据权利要求3所述的方法,其特征在于,所述根据所述加权值在每个聚类类别内的至少一个候选类别中确定一个目标类别,包括:
将每个所述聚类类别内的至少一个所述候选类别按照所述加权值排序;
确定每个所述聚类类别中所述加权值最大的候选类别为目标类别。
6.根据权利要求2所述的方法,其特征在于,所述预设分类模型的训练方法包括:
获取多个参考对象集合中的参考对象和对象信息,每个所述参考对象在所述参考对象集合中对应一个参考对象分类;
根据所述参考对象的对象信息,确定加权值最大的所述参考对象分类为候选分类;
利用所述多个参考对象的参考对象信息、所述候选分类和所述候选分类对应的所述加权值训练所述预设分类模型。
7.根据权利要求6所述的方法,其特征在于,所述根据所述参考对象的对象信息,确定加权值最大的所述参考对象分类,包括:
计算每个所述参考对象在多个所述参考对象集合中的加权分数;
针对每个参考对象分类,计算所述参考对象分类对应的所述参考对象在多个参考对象集合中的平均加权分数;
根据所述平均加权分数确定每个所述参考对象分类对应的加权值,并确定所述加权值最大的参考对象分类。
8.根据权利要求7所述的方法,其特征在于,所述参考对象的对象信息包括所述参考对象在所述参考对象集合中的对象销量数据、所述参考对象在所述参考对象集合中被搜索次数的对象搜索数据、所述参考对象在所述参考对象集合中对应的参考对象分类的对象分类数据和所述参考对象在所述参考对象集合中对应的参考对象分类被点击次数的对象分类点击数据;
所述计算每个所述参考对象在多个所述参考对象集合中的加权分数,包括:
分别计算所述对象销量数据与第一预设系数的第一乘积、对象搜索数据与第二预设系数的第二乘积、所述对象分类数据与第三预设系数的第三乘积以及所述对象分类点击数据与第四预设系数的第四乘积;
将所述第一乘积、所述第二乘积、所述第三乘积和所述第四乘积的和确定为所述参考对象在所述参考对象集合中的加权分数。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据每个所述候选类别的所述加权值确定初始排列顺序;
当接收到用户访问所述待分类对象集合的访问请求时,所述方法还包括:
获取所述访问请求中携带有用户标识及与所述用户标识对应的历史访问记录;
根据所述历史访问记录确定多个目标类别的更新排列顺序;
将对象集合中多个目标类别的排列顺序由所述初始排列顺序调整为更新排列顺序并显示。
10.一种对象分类装置,其特征在于,所述装置应用于电商平台系统,所述装置包括:
第一确定模块,用于根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值;其中,所述待分类对象集合包括电商平台中的商户,所述待分类对象包括所述商户中的商品,所述对象信息包括商品信息,所述商品信息包括商品在商户中的销量数据、商品在所述商户中被搜索次数的搜索数据、商品在所述商户中对应的商品分类数据和商品在所述商户中对应的商品分类被点击次数的点击数据,所述加权值用于表示被分类为所述候选类别的待分类对象的访问热度;
第二确定模块,用于根据所述加权值确定包含候选类别的聚类类别中的目标类别;
分类模块,用于将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。
11.根据权利要求10所述的装置,其特征在于,所述第一确定模块,还用于:
将所述多个待分类对象的对象信息输入预设分类模型,得到多个候选类别及每个所述候选类别的加权值。
12.根据权利要求10所述的装置,其特征在于,所述第二确定模块,包括:
聚合单元,用于将所述多个候选类别聚合为多个聚类类别,每个所述聚类类别中包含至少一个所述候选类别;
第一确定单元,用于根据所述加权值在每个聚类类别内的至少一个候选类别中确定一个目标类别。
13.根据权利要求10所述的装置,其特征在于,所述分类模块,包括:
判断单元,用于判断所述待分类对象集合的预设分类方式是否为自定义分类,所述预设分类方式包括自定义分类或者默认分类;
推送单元,用于当所述待分类对象集合的预设分类方式为自定义分类时,将多个所述目标类别推送给所述待分类对象集合,以使所述待分类对象集合根据多个所述目标类别确定多个待分类对象的分类;
分类单元,用于当所述待分类对象集合的预设分类方式为默认分类时,将所述待分类对象集合中的多个待分类对象按照多个目标类别分类。
14.根据权利要求13所述的装置,其特征在于,所述第一确定单元还用于:
将每个所述聚类类别内的至少一个所述候选类别按照所述加权值排序;
确定每个所述聚类类别中所述加权值最大的候选类别为目标类别。
15.根据权利要求11所述的装置,其特征在于,所述装置还包括:
第一获取模块,用于获取多个参考对象集合中的参考对象和对象信息,每个所述参考对象在所述参考对象集合中对应一个参考对象分类;
第三确定模块,用于根据所述参考对象的对象信息,确定加权值最大的所述参考对象分类为候选分类;
训练模块,用于利用所述多个参考对象的参考对象信息、所述候选分类和所述候选分类对应的所述加权值训练所述预设分类模型。
16.根据权利要求15所述的装置,其特征在于,所述第三确定模块,包括:
第一计算单元,用于计算每个所述参考对象在多个所述参考对象集合中的加权分数;
第二计算单元,用于针对每个参考对象分类,计算所述参考对象分类对应的所述参考对象在多个参考对象集合中的平均加权分数;
第二确定单元,用于根据所述平均加权分数确定每个所述参考对象分类对应的加权值,并确定所述加权值最大的参考对象分类。
17.根据权利要求16所述的装置,其特征在于,所述参考对象的对象信息包括所述参考对象在所述参考对象集合中的对象销量数据、所述参考对象在所述参考对象集合中被搜索次数的对象搜索数据、所述参考对象在所述参考对象集合中对应的参考对象分类的对象分类数据和所述参考对象在所述参考对象集合中对应的参考对象分类被点击次数的对象分类点击数据;
所述第一计算单元,还用于:
分别计算所述对象销量数据与第一预设系数的第一乘积、对象搜索数据与第二预设系数的第二乘积、所述对象分类数据与第三预设系数的第三乘积以及所述对象分类点击数据与第四预设系数的第四乘积;
将所述第一乘积、所述第二乘积、所述第三乘积和所述第四乘积的和确定为所述参考对象在所述参考对象集合中的加权分数。
18.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第四确定模块,用于根据每个所述候选类别的所述加权值确定初始排列顺序;
当接收到用户访问所述待分类对象集合的访问请求时,所述装置还包括:
第二获取模块,用于获取所述访问请求中携带有用户标识及与所述用户标识对应的历史访问记录;
第五确定模块,用于根据所述历史访问记录确定多个目标类别的更新排列顺序;
调整模块,用于将对象集合中多个目标类别的排列顺序由所述初始排列顺序调整为更新排列顺序并显示。
19.一种电子设备,其特征在于,包括存储器和和处理器;其中,
所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令供所述处理器调用执行;
所述处理器用于:
根据获取的待分类对象集合中多个待分类对象的对象信息,确定多个候选类别及每个所述候选类别的加权值;其中,所述待分类对象集合包括电商平台中的商户,所述待分类对象包括所述商户中的商品,所述对象信息包括商品信息,其中,所述商品信息包括商品在商户中的销量数据、商品在所述商户中被搜索次数的搜索数据、商品在所述商户中对应的商品分类数据和商品在所述商户中对应的商品分类被点击次数的点击数据,所述加权值用于表示被分类为所述候选类别的待分类对象的访问热度;
根据所述加权值确定包含候选类别的聚类类别中的目标类别;
将所述待分类对象集合中的多个待分类对象按照多个所述目标类别分类。
20.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条或多条计算机指令,所述计算机指令被执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611100503.1A CN107093122B (zh) | 2016-12-02 | 2016-12-02 | 对象分类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611100503.1A CN107093122B (zh) | 2016-12-02 | 2016-12-02 | 对象分类方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107093122A CN107093122A (zh) | 2017-08-25 |
CN107093122B true CN107093122B (zh) | 2021-01-19 |
Family
ID=59648752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611100503.1A Active CN107093122B (zh) | 2016-12-02 | 2016-12-02 | 对象分类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107093122B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053251B (zh) * | 2017-12-18 | 2021-03-02 | 北京小度信息科技有限公司 | 信息处理方法、装置、电子设备及计算机可读存储介质 |
CN109063736B (zh) * | 2018-06-29 | 2020-09-25 | 考拉征信服务有限公司 | 数据分类方法、装置、电子设备及计算机可读存储介质 |
CN110826579A (zh) * | 2018-08-07 | 2020-02-21 | 北京京东尚科信息技术有限公司 | 一种商品分类的方法和装置 |
CN111428159A (zh) * | 2020-03-17 | 2020-07-17 | 中国建设银行股份有限公司 | 线上化分类方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7809726B2 (en) * | 2002-03-04 | 2010-10-05 | Nokia Corporation | Mechanism for unsupervised clustering |
CN103559267A (zh) * | 2013-11-04 | 2014-02-05 | 北京中搜网络技术股份有限公司 | 一种基于商品属性归一和聚类识别产品的方法 |
CN104965863A (zh) * | 2015-06-05 | 2015-10-07 | 北京奇虎科技有限公司 | 一种对象聚类方法和装置 |
CN105740404A (zh) * | 2016-01-28 | 2016-07-06 | 上海晶赞科技发展有限公司 | 标签关联方法及装置 |
CN105843844A (zh) * | 2005-04-22 | 2016-08-10 | 谷歌公司 | 相对于分类体系来分类诸如文档和/或聚类的对象以及从这种分类导出的数据结构 |
CN105868332A (zh) * | 2016-03-28 | 2016-08-17 | 百度在线网络技术(北京)有限公司 | 一种热点概念的推荐方法和装置 |
-
2016
- 2016-12-02 CN CN201611100503.1A patent/CN107093122B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7809726B2 (en) * | 2002-03-04 | 2010-10-05 | Nokia Corporation | Mechanism for unsupervised clustering |
CN105843844A (zh) * | 2005-04-22 | 2016-08-10 | 谷歌公司 | 相对于分类体系来分类诸如文档和/或聚类的对象以及从这种分类导出的数据结构 |
CN103559267A (zh) * | 2013-11-04 | 2014-02-05 | 北京中搜网络技术股份有限公司 | 一种基于商品属性归一和聚类识别产品的方法 |
CN104965863A (zh) * | 2015-06-05 | 2015-10-07 | 北京奇虎科技有限公司 | 一种对象聚类方法和装置 |
CN105740404A (zh) * | 2016-01-28 | 2016-07-06 | 上海晶赞科技发展有限公司 | 标签关联方法及装置 |
CN105868332A (zh) * | 2016-03-28 | 2016-08-17 | 百度在线网络技术(北京)有限公司 | 一种热点概念的推荐方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107093122A (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6134444B2 (ja) | 情報を推薦するための方法およびシステム | |
CN110020094B (zh) | 一种搜索结果的展示方法和相关装置 | |
US20180288177A1 (en) | Methods and systems for activity-based recommendations | |
JP5897019B2 (ja) | 候補製品のリンクリストを判定する方法および装置 | |
JP6152173B2 (ja) | 商品検索結果の順位付け | |
US8407104B2 (en) | Catalog based price search | |
US7805431B2 (en) | System and method for generating a display of tags | |
KR20200123015A (ko) | 정보를 추천하는 방법, 장치, 기기 및 저장 매체 | |
TWI512653B (zh) | Information providing method and apparatus, method and apparatus for determining the degree of comprehensive relevance | |
CN107093122B (zh) | 对象分类方法及装置 | |
CN109840796B (zh) | 决策因素分析装置与决策因素分析方法 | |
CN109635198B (zh) | 在商品展示平台上呈现用户搜索结果的方法、装置、介质及电子设备 | |
CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
CN108509466A (zh) | 一种信息推荐方法和装置 | |
CN109064293B (zh) | 商品推荐方法、装置、计算机设备及存储介质 | |
CN105469263A (zh) | 一种商品推荐方法及装置 | |
US20120296900A1 (en) | Adaptively learning a similarity model | |
WO2019218654A1 (zh) | 产品排序 | |
US20120296776A1 (en) | Adaptive interactive search | |
CN106326318B (zh) | 搜索方法及装置 | |
US11501334B2 (en) | Methods and apparatuses for selecting advertisements using semantic matching | |
CN111695023A (zh) | 信息推荐方法、装置、存储介质及设备 | |
US11682060B2 (en) | Methods and apparatuses for providing search results using embedding-based retrieval | |
CN111143678A (zh) | 推荐系统和推荐方法 | |
US11663645B2 (en) | Methods and apparatuses for determining personalized recommendations using customer segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 202, 2 / F, 1-3 / F, No. 11, Shangdi Information Road, Haidian District, Beijing 100084 Applicant after: Beijing Xingxuan Technology Co.,Ltd. Address before: 100085 Beijing, Haidian District on the road to the information on the ground floor of the 1 to the 3 floor of the 2 floor, room 11, 202 Applicant before: Beijing Xiaodu Information Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |