CN107230123A - 商品映射方法、装置及设备 - Google Patents

商品映射方法、装置及设备 Download PDF

Info

Publication number
CN107230123A
CN107230123A CN201610180436.2A CN201610180436A CN107230123A CN 107230123 A CN107230123 A CN 107230123A CN 201610180436 A CN201610180436 A CN 201610180436A CN 107230123 A CN107230123 A CN 107230123A
Authority
CN
China
Prior art keywords
commodity
merchandise news
mapping
information
electric business
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
CN201610180436.2A
Other languages
English (en)
Inventor
吴夙慧
陈强
郭立超
李传福
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 CN201610180436.2A priority Critical patent/CN107230123A/zh
Priority to TW106105353A priority patent/TW201734913A/zh
Priority to PCT/CN2017/076708 priority patent/WO2017162074A1/zh
Publication of CN107230123A publication Critical patent/CN107230123A/zh
Pending legal-status Critical Current

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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0621—Item configuration or customization
    • 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
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • 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
    • G06Q30/0643—Graphical representation of items or shoppers

Landscapes

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

Abstract

本申请涉及一种商品映射方法、装置及设备。其中，商品映射方法包括：获取第一电商平台商品的商品信息，记为第一商品信息；根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，所述第二商品信息为第二电商平台商品的商品信息。本发明实施例能够实现不同电商平台之间商品的自动映射，不需要人工干预，大大提高了跨电商平台的商品映射效率。并且，本发明实施例的商品映射方法，由于不再需要投入大量的人力，因此还节省了人工费用，降低了电商平台的运营成本。

Description

商品映射方法、装置及设备
技术领域
本发明涉及电子商务领域，尤其涉及一种商品映射方法、装置及设备。
背景技术
在信息网络已广泛覆盖的当今时代，以信息网络为基础的电子商务得到了迅速发展。电子商务是指在商业贸易活动中，在因特网开放的网络环境下，基于浏览器/服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。
电子商务的实现依赖于电子商务平台，简称电商平台。电商平台是一个为企业或个人提供网上交易洽谈的平台。企业电商平台是建立在因特网上进行商务活动的虚拟网络空间和保障商务顺利运营的管理环境，是协调、整合信息流、货物流、资金流有序、关联、高效流动的重要场所。企业、商家可以充分利用电商平台提供的网络基础设施、支付平台、安全平台、管理平台等共享资源有效地、低成本地开展自己的商业活动。
当前，电商平台正在向国际化、线下化、平台化发展。在此过程中，对于任何一个电商平台来说，一个迫切的需求是把其他电商平台的商品转换为自己电商平台的商品，然后快速发布到自己的电商平台上。由于各电商平台的商品描述格式完全不同，因此需要跨电商平台的商品映射，以便让其他电商平台的商品格式兼容于自己的电商平台。
相关技术中，跨电商平台的商品映射主要通过人工方式来进行。人工进行跨电商平台的商品映射不仅效率低下，而且由于需要投入大量的人工费用，导致电商平台的运营成本升高。
发明内容
本发明的目的在于提供一种商品映射方法、装置及设备，实现跨电商平台商品的自动映射，提高映射效率。
为实现上述目的，本发明提出了一种商品映射方法，包括：
获取第一电商平台商品的商品信息，记为第一商品信息；
根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，所述第二商品信息为第二电商平台商品的商品信息。
进一步地，上述方法还可具有以下特点，还包括：
获取设定数量以上的第二商品信息和用户在所述第二电商平台的搜索记录信息；
利用获取的第二商品信息和搜索记录信息训练得到所述商品映射模型。
进一步地，上述方法还可具有以下特点，所述利用获取的第二商品信息和搜索记录信息训练得到所述商品映射模型，包括：
所述搜索记录信息包括搜索短语和所述搜索短语对应的用户点击商品，将所述用户点击商品的商品类目作为与所述搜索短语关联的商品类目，创建搜索短语与商品类目的关联项，记为第一关联项；
对所述搜索短语进行分解，得到至少一个分词，用每一个分词替换所述搜索短语，得到分词与商品类目关联项，记为第二关联项。
进一步地，上述方法还可具有以下特点，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
根据所述第二关联项，从所述第一商品信息中的商品标题信息预测出所述第二商品信息中的类目信息。
进一步地，上述方法还可具有以下特点，所述根据所述第二关联项，从所述第一商品信息中的商品标题信息预测出所述第二商品信息中的类目信息，包括：
将所述第一商品信息中的商品类目信息和/或商品标题信息分解为至少一个分词，记为匹配分词；
查找包含所述匹配分词的第二关联项；
将查找到的第二关联项中包含的商品类目信息作为所述第二商品信息中的类目信息。
进一步地，上述方法还可具有以下特点，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
将所述第一商品信息中的商品类目信息通过字面匹配直接映射为所述第二商品信息中的类目信息。
进一步地，上述方法还可具有以下特点，所述利用获取的第二商品信息和搜索记录信息训练得到所述商品映射模型，包括：
从所述第二商品信息中提取商品标题信息和商品详情信息；
用所述第二电商平台的结构化属性数据全匹配提取出的所述商品标题信息和商品详情信息，得到无结构文本中所述第二电商平台的属性对标注数据；
利用所述第二电商平台的属性对标注数据训练得到属性对抽取模型，所述属性对抽取模型用于从无结构文本中抽取出属性对信息。
进一步地，上述方法还可具有以下特点，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
根据所述属性对抽取模型，从所述第一商品信息的商品标题信息和商品详情信息中抽取所述第二商品信息的属性对信息。
进一步地，上述方法还可具有以下特点，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
将所述第一商品信息中的属性对信息通过字面匹配直接映射为所述第二商品信息中的属性对信息。
进一步地，上述方法还可具有以下特点，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
根据所述商品映射模型中的第一文本转换模型，将所述第一商品信息中的商品标题信息转换为所述第二商品信息中的标题信息。
进一步地，上述方法还可具有以下特点，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
根据所述商品映射模型中的第二文本转换模型，将所述第一商品信息中的商品详情信息转换为所述第二商品信息中的详情信息。
本发明实施例的商品映射方法，能够实现不同电商平台之间商品的自动映射，提高了跨电商平台的商品映射效率，降低了电商平台的运营成本。
为实现上述目的，本发明还提出了一种商品映射装置，包括：
第一获取模块，用于获取第一电商平台商品的商品信息，记为第一商品信息；
映射模块，用于根据预先训练好的商品映射模型，将所述第一获取模块获取的第一商品信息映射为第二商品信息，所述第二商品信息为第二电商平台商品的商品信息。
进一步地，上述装置还可具有以下特点，还包括：
第二获取模块，用于获取设定数量以上的第二商品信息和用户在所述第二电商平台的搜索记录信息；
训练模块，用于利用所述第二获取模块获取的第二商品信息和搜索记录信息训练得到所述商品映射模型。
进一步地，上述装置还可具有以下特点，所述训练模块包括：
创建单元，所述搜索记录信息包括搜索短语和所述搜索短语对应的用户点击商品，创建单元用于将所述用户点击商品的商品类目作为与所述搜索短语关联的商品类目，创建搜索短语与商品类目的关联项，记为第一关联项；
分解关联单元，用于对所述搜索短语进行分解，得到至少一个分词，用每一个分词替换所述搜索短语，得到分词与商品类目关联项，记为第二关联项。
进一步地，上述装置还可具有以下特点，所述映射模块包括：
第一类目映射单元，用于根据所述分解关联单元得到的第二关联项，从所述第一商品信息中的商品标题信息预测出所述第二商品信息中的类目信息。
进一步地，上述装置还可具有以下特点，所述第一类目映射单元包括：
分词子单元，用于将所述第一商品信息中的商品类目信息和/或商品标题信息分解为至少一个分词，记为匹配分词；
查找子单元，用于查找包含所述匹配分词的第二关联项；
预测子单元，用于将查找到的第二关联项中包含的商品类目信息作为所述第二商品信息中的类目信息。
进一步地，上述装置还可具有以下特点，所述映射模块包括：
第二类目映射单元，用于将所述第一商品信息中的商品类目信息通过字面匹配直接映射为所述第二商品信息中的类目信息。
进一步地，上述装置还可具有以下特点，所述训练模块包括：
提取单元，用于从所述第二商品信息中提取商品标题信息和商品详情信息；
匹配单元，用于用所述第二电商平台的结构化属性数据全匹配提取出的所述商品标题信息和商品详情信息，得到无结构文本中所述第二电商平台的属性对标注数据；
训练单元，用于利用所述第二电商平台的属性对标注数据训练得到属性对抽取模型，所述属性对抽取模型用于从无结构文本中抽取出属性对信息。
进一步地，上述装置还可具有以下特点，所述映射模块包括：
第一属性对映射单元，用于根据所述属性对抽取模型，从所述第一商品信息的商品标题信息和商品详情信息中抽取所述第二商品信息的属性对信息。
进一步地，上述装置还可具有以下特点，所述映射模块包括：
第二属性对映射单元，用于将所述第一商品信息中的属性对信息通过字面匹配直接映射为所述第二商品信息中的属性对信息。
进一步地，上述装置还可具有以下特点，所述映射模块包括：
标题映射单元，用于根据所述商品映射模型中的第一文本转换模型，将所述第一商品信息中的商品标题信息转换为所述第二商品信息中的标题信息。
进一步地，上述装置还可具有以下特点，所述映射模块包括：
详情映射单元，用于根据所述商品映射模型中的第二文本转换模型，将所述第一商品信息中的商品详情信息转换为所述第二商品信息中的详情信息。
本发明实施例的商品映射装置，能够实现不同电商平台之间商品的自动映射，提高了跨电商平台的商品映射效率，降低了电商平台的运营成本。
为实现上述目的，本发明还提出了一种商品映射方法，包括：
获取第一电商平台商品的条码信息；
从第二电商平台查找具有所述条码信息的商品，记为匹配商品；
将所述匹配商品的商品信息作为所述第一电商平台的商品映射到所述第二电商平台的商品信息。
本发明实施例的商品映射方法，能够实现不同电商平台之间商品的自动映射，提高了跨电商平台的商品映射效率，降低了电商平台的运营成本。
为实现上述目的，本发明还提出了一种商品映射装置，包括：
条码获取模块，用于获取第一电商平台商品的条码信息；
条码匹配模块，用于从第二电商平台查找具有所述条码信息的商品，记为匹配商品；
条码映射模块，用于将所述匹配商品的商品信息作为所述第一电商平台的商品映射到所述第二电商平台的商品信息。
本发明实施例的商品映射装置，能够实现不同电商平台之间商品的自动映射，提高了跨电商平台的商品映射效率，降低了电商平台的运营成本。
为实现上述目的，本发明还提出了一种商品映射设备，包括前述任一项所述的商品映射装置。
本发明实施例的商品映射设备，能够实现不同电商平台之间商品的自动映射，提高了跨电商平台的商品映射效率，降低了电商平台的运营成本。
附图说明
图1为本发明实施例一中商品映射方法的流程图。
图2为本发明实施例二中商品映射方法的流程图。
图3为本发明实施例三中商品映射装置的结构框图。
图4为本发明实施例四中商品映射方法的流程图。
图5为本发明实施例五中商品映射装置的结构框图。
图6为本发明实施例六中商品映射设备的结构框图。
图7为本发明实施例七中商品映射设备的结构框图。
图8为本发明实施例中的商品映射示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。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，根据本发明精神所获得的所有实施例，都属于本发明的保护范围。
应当理解，尽管在本发明实施例中可能采用术语第一、第二、第三等来描述XXX，但这些XXX不应限于这些术语。这些术语仅用来将XXX彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一XXX也可以被称为第二XXX，类似地，第二XXX也可以被称为第一XXX。
图1为本发明实施例一中商品映射方法的流程图。如图1所示，本实施例中，商品映射方法可以包括如下步骤：
步骤S101，获取第一电商平台商品的商品信息，记为第一商品信息；
其中，商品信息可以包括商品标题信息、商品类目信息、商品属性对信息、商品详情信息等等。在电商平台的商品展位上，可以获取该展位商品的具体商品信息。虽然各电商平台的商品描述格式完全不同，但是一般都包含商品标题信息、商品类目信息、商品详情信息这些最基本的信息，一些电商平台的商品信息中还包括商品属性对信息。
其中，第一电商平台是要进行商品映射的平台，本文中称为来源电商平台。下面的第二电商平台是商品要映射到的目标平台，本文中称为目标电商平台。
步骤S102，根据预先训练好的商品映射模型，将第一商品信息映射为第二商品信息，其中，第二商品信息为第二电商平台商品的商品信息。
商品映射模型是根据第二电商平台的商品数据训练得到的。依据商品映射模型，可以将来源电商平台的商品信息映射到目标电商平台。
商品映射模型的具体训练方式的示例将在下面的实施例二中进行说明。
其中，商品的映射可以包括类目、属性对、标题、详情等几方面的映射。
对于商品类目的映射，本文中给出两种示例映射方式。商品类目的示例映射方式之一可以是：将第一商品信息中的商品类目信息通过字面匹配直接映射为第二商品信息中的类目信息。其中，字面匹配是指通过字符串字面的编辑距离所进行的匹配。比如，第一商品信息中的商品类目信息为“冬季连衣裙”，第二商品信息中的类目信息为“连衣裙”，则通过字面匹配，将第一商品信息中的“冬季连衣裙”直接映射为第二商品信息中的“连衣裙”。商品类目的示例映射方式之二将在下面的实施例二中进行说明。
对于商品属性对的映射，本文中也给出两种示例映射方式。商品属性对的示例映射方式之一可以是：将第一商品信息中的属性对信息通过字面匹配直接映射为第二商品信息中的属性对信息。例如，第一商品信息中的属性对信息为“粉色”，第二商品信息中的属性对信息为“粉红色”，通过字面匹配，直接将第一商品信息中的“粉色”映射为第二商品信息中的“粉红色”。商品属性对的示例映射方式之二将在下面的实施例二中进行说明。
对于商品标题的映射，映射方式可以是：根据商品映射模型中的第一文本转换模型，将第一商品信息中的商品标题信息转换为第二商品信息中的标题信息。其中，第一文本转换模型可以是机器翻译模型，比如将繁体字的商品标题信息翻译为简体字的商品标题信息。
对于商品详情的映射，映射方式可以是：根据商品映射模型中的第二文本转换模型，将第一商品信息中的商品详情信息转换为第二商品信息中的详情信息。其中，第二文本转换模型可以是机器翻译模型，比如将英文的商品标题信息翻译为简体中文的商品标题信息。其中，第二文本转换模型与前述的第一文本转换模型可以相同。
本发明实施例的商品映射方法，能够实现不同电商平台之间商品的自动映射，不需要人工干预，大大提高了跨电商平台的商品映射效率。并且，本发明实施例的商品映射方法，由于不再需要投入大量的人力，因此还节省了人工费用，降低了电商平台的运营成本。
图2为本发明实施例二中商品映射方法的流程图。如图2所示，本实施例中，商品映射方法可以包括如下步骤：
步骤S201，获取设定数量以上的第二商品信息和用户在第二电商平台的搜索记录信息；
其中，第二商品信息为第二电商平台商品的商品信息。
步骤S202，利用获取的第二商品信息和搜索记录信息训练得到商品映射模型；
在本发明实施例中，利用获取的第二商品信息和搜索记录信息可以训练得到商品类目的映射模型、商品属性对的映射模型等。下面分别举例说明。
(a)利用获取的第二商品信息和搜索记录信息可以训练得到商品类目的映射模型。
在本发明实施例中，利用获取的第二商品信息和搜索记录信息训练得到商品映射模型可以包括：
搜索记录信息可以包括搜索短语和该搜索短语对应的用户点击商品，将用户点击商品的商品类目作为与搜索短语关联的商品类目，创建搜索短语与商品类目的关联项，记为第一关联项；
对搜索短语进行分解，得到至少一个分词，用每一个分词替换搜索短语，得到分词与商品类目关联项，记为第二关联项。
这里，第二关联项即为训练得到的商品类目的映射模型，可以将第二关联项称为类目预测模型。
用户在电商平台输入的搜索短语一般是用户对要找的商品的特征的描述，该搜索短语之后的点击数据一般就是用户要找的商品。因此，用户点击的商品应该是与用户输入的搜索短语有关联的商品。依据用户的搜索短语和该搜索短语对应的用户点击商品训练类目预测模型，可以提高类目预测的准确率。
下面举例说明第二关联项的训练过程和原理。
例如，用户在第二电商平台输入搜索短语“冬季连衣裙”，在搜索后该用户点击了商品a、商品b和商品c，商品a、商品b和商品c的商品类目分别为类目1、类目2、类目3。则可以创建3个第一关联项，即：
冬季连衣裙---类目1；
冬季连衣裙---类目2；
冬季连衣裙---类目3。
然后，将搜索短语“冬季连衣裙”分解为两个分词“冬季”和“连衣裙”，用分词“冬季”替换搜索短语“冬季连衣裙”，得到3个第二关联项，即：
冬季---类目1；
冬季---类目2；
冬季---类目3。
用分词“连衣裙”替换搜索短语“冬季连衣裙”，也得到3个第二关联项，即：
连衣裙---类目1；
连衣裙---类目2；
连衣裙---类目3。
(b)利用获取的第二商品信息和搜索记录信息可以训练得到商品属性对的映射模型。
在本发明实施例中，利用获取的第二商品信息和搜索记录信息训练得到商品映射模型可以包括：
从第二商品信息中提取商品标题信息和商品详情信息；
用第二电商平台的结构化属性数据全匹配提取出的商品标题信息和商品详情信息，得到无结构文本中第二电商平台的属性对标注数据；
利用第二电商平台的属性对标注数据训练得到属性对抽取模型，该属性对抽取模型用于从无结构文本中抽取出属性对信息。
其中，结构化属性数据是指电商平台对商品的描述结构。例如，在淘宝网搜到的一款连衣裙商品中，该商品的“宝贝详情”中有如下内容：货号、风格、组合形式、裙长、袖长、领型、袖型、腰型等。这些内容就是淘宝网这个电商平台的结构化属性数据。
这里，属性对抽取模型即为训练得到的商品属性对的映射模型。
例如，第二商品信息中的商品标题信息为：海青蓝2016春装新款女装复古印花通勤A字裙圆领中袖宽松连衣裙，标注这个标题中的属性对，比如颜色：海清蓝，上市年份：2016，风格：复古，图案：印花，领型：圆领，袖长：中袖。积累大量的这种标注数据，用HMM(隐马尔科夫模型)或者CRF(条件随机场)等模型训练就可以得到属性对抽取模型。
步骤S203，获取第一电商平台商品的商品信息，记为第一商品信息；
步骤S204，根据预先训练好的商品映射模型，将第一商品信息映射为第二商品信息。
此处结合步骤S202所列举的训练示例来说明商品类目的示例映射方式之二和商品属性对的示例映射方式之二。
在本发明实施例中，商品类目的示例映射方式之二可以是：根据前述训练得到的第二关联项，从第一商品信息中的商品标题信息预测出第二商品信息中的类目信息。
在本发明实施例中，根据第二关联项，从第一商品信息中的商品标题信息预测出第二商品信息中的类目信息，可以包括：将第一商品信息中的商品类目信息和/或商品标题信息分解为至少一个分词，记为匹配分词；查找包含该匹配分词的第二关联项；将查找到的第二关联项中包含的商品类目信息作为第二商品信息中的类目信息。
例如，来源商品的商品类目为“长袖连衣裙”，将“长袖连衣裙”分解为两个分词“长袖”和“连衣裙”，“长袖”和“连衣裙”为匹配分词。前述例子中有3个第二关联项(连衣裙---类目1；连衣裙---类目2；连衣裙---类目3)中包含“连衣裙”，因此，预测目标商品的商品类目为类目1、类目2、类目3。即这三个类目都是目标商品的商品类目。
在本发明实施例中，商品属性对的示例映射方式之二可以是：根据前述训练得到的属性对抽取模型，从第一商品信息的商品标题信息和商品详情信息中抽取第二商品信息的属性对信息。
本发明实施例的商品映射方法，能够实现不同电商平台之间商品的自动映射，不需要人工干预，大大提高了跨电商平台的商品映射效率，并且，由于不再需要投入大量的人力，还节省了人工费用，降低了电商平台的运营成本。此外，本发明实施例的商品映射方法，利用目标电商平台的商品数据训练出的模型预测来源商品的相关商品信息，能够提高映射的准确度。
为了实施本发明前述实施例中的商品映射方法，本发明还提出了下面的商品映射装置实施例。
图3为本发明实施例三中商品映射装置的结构框图。如图3所示，本实施例中，商品映射装置300可以包括第一获取模块310和映射模块320。其中，第一获取模块310用于获取第一电商平台商品的商品信息，记为第一商品信息。映射模块320用于根据预先训练好的商品映射模型，将第一获取模块310获取的第一商品信息映射为第二商品信息，其中，第二商品信息为第二电商平台商品的商品信息。
在本发明实施例中，商品映射装置300还可以包括第二获取模块和训练模块。其中，第二获取模块用于获取设定数量以上的第二商品信息和用户在第二电商平台的搜索记录信息；训练模块用于利用所述第二获取模块获取的第二商品信息和搜索记录信息训练得到商品映射模型。
在本发明实施例中，训练模块可以包括创建单元和分解关联单元。搜索记录信息可以包括搜索短语和该搜索短语对应的用户点击商品，创建单元用于将用户点击商品的商品类目作为与搜索短语关联的商品类目，创建搜索短语与商品类目的关联项，记为第一关联项。分解关联单元用于对搜索短语进行分解，得到至少一个分词，用每一个分词替换搜索短语，得到分词与商品类目关联项，记为第二关联项。
在本发明实施例中，在训练模块包括创建单元和分解关联单元的情况下，映射模块320可以包括第一类目映射单元。第一类目映射单元用于根据分解关联单元得到的第二关联项，从第一商品信息中的商品标题信息预测出第二商品信息中的类目信息。
在本发明实施例中，第一类目映射单元可以包括分词子单元、查找子单元和预测子单元。其中，分词子单元用于将第一商品信息中的商品类目信息和/或商品标题信息分解为至少一个分词，记为匹配分词。查找子单元用于查找包含匹配分词的第二关联项。预测子单元用于将查找到的第二关联项中包含的商品类目信息作为第二商品信息中的类目信息。
在本发明实施例中，映射模块320可以包括第二类目映射单元。第二类目映射单元用于将第一商品信息中的商品类目信息通过字面匹配直接映射为第二商品信息中的类目信息。
在本发明实施例中，训练模块可以包括提取单元、匹配单元和训练单元。提取单元用于从第二商品信息中提取商品标题信息和商品详情信息。匹配单元用于用第二电商平台的结构化属性数据全匹配提取出的商品标题信息和商品详情信息，得到无结构文本中所述第二电商平台的属性对标注数据。训练单元用于利用第二电商平台的属性对标注数据训练得到属性对抽取模型，该属性对抽取模型用于从无结构文本中抽取出属性对信息。
在本发明实施例中，在训练模块包括提取单元、匹配单元和训练单元的情况下，映射模块320可以包括第一属性对映射单元。第一属性对映射单元用于根据属性对抽取模型，从第一商品信息的商品标题信息和商品详情信息中抽取第二商品信息的属性对信息。
在本发明实施例中，映射模块320可以包括第二属性对映射单元。第二属性对映射单元用于将第一商品信息中的属性对信息通过字面匹配直接映射为第二商品信息中的属性对信息。
在本发明实施例中，映射模块320可以包括标题映射单元。标题映射单元用于根据商品映射模型中的第一文本转换模型，将第一商品信息中的商品标题信息转换为第二商品信息中的标题信息。
在本发明实施例中，映射模块320可以包括详情映射单元。详情映射单元用于根据商品映射模型中的第二文本转换模型，将第一商品信息中的商品详情信息转换为第二商品信息中的详情信息。
由于本实施例中的商品映射装置能够执行本发明前述实施例中所述的商品映射方法，本实施例未详细描述的部分，可参考对本发明前述商品映射方法实施例的相关说明。
本发明实施例的商品映射装置，能够实现不同电商平台之间商品的自动映射，不需要人工干预，大大提高了跨电商平台的商品映射效率，并且，由于不再需要投入大量的人力，还节省了人工费用，降低了电商平台的运营成本。此外，本发明实施例的商品映射装置，利用目标电商平台的商品数据训练出的模型预测来源商品的相关商品信息， 能够提高映射的准确度。
图4为本发明实施例四中商品映射方法的流程图。如图4所示，本实施例中，商品映射方法可以包括如下步骤：
步骤S401，获取第一电商平台商品的条码信息；
同一种商品具有相同的条码信息，因此，如果两个电商平台的商品的条码信息相同，那么该两个商品就是同一种商品。这样，就可以利用相同条码信息，将一个电商平台上的商品A直接映射为另一个电商平台上与商品A具有相同条码信息的商品B。
步骤S402，从第二电商平台查找具有该条码信息的商品，记为匹配商品；
步骤S403，将该匹配商品的商品信息作为第一电商平台的商品映射到第二电商平台的商品信息。
本发明实施例的商品映射方法，能够利用商品的条码信息，实现不同电商平台之间商品的自动映射，不需要人工干预，大大提高了跨电商平台的商品映射效率，并且，由于不再需要投入大量的人力，还节省了人工费用，降低了电商平台的运营成本。
为了实施本发明图4所示实施例中的商品映射方法，本发明还提出了图5所示的商品映射装置实施例。图5为本发明实施例五中商品映射装置的结构框图。如图5所示，本实施例中，商品映射装置500可以包括条码获取模块510、条码匹配模块520和条码映射模块530。条码获取模块510用于获取第一电商平台商品的条码信息。条码匹配模块520用于从第二电商平台查找具有该条码信息的商品，记为匹配商品。条码映射模块530用于将该匹配商品的商品信息作为第一电商平台的商品映射到第二电商平台的商品信息。
由于本实施例中的商品映射装置能够执行本发明前述图4所示实施例中所述的商品映射方法，本实施例未详细描述的部分，可参考对本发明前述图4所示商品映射方法实施例的相关说明。
本发明实施例的商品映射装置，能够利用商品的条码信息，实现不同电商平台之间商品的自动映射，不需要人工干预，大大提高了跨电商平台的商品映射效率，并且，由于不再需要投入大量的人力，还节省了人工费用，降低了电商平台的运营成本。
图6为本发明实施例六中商品映射设备的结构框图。如图6所示，本实施例中，商品映射设备600可以包括商品映射装置300。其中，商品映射装置300可以是本发明前述图1或图2所示实施例中的任一种商品映射装置。
其中，商品映射设备500可以是服务器、计算机等。
其中，商品映射装置300可以用于获取第一电商平台商品的商品信息，记为第一商品信息；根据预先训练好的商品映射模型，将获取的第一商品信息映射为第二商品信息，其中，第二商品信息为第二电商平台商品的商品信息。
本发明实施例的商品映射设备中包括商品映射装置，能够实现不同电商平台之间商品的自动映射，不需要人工干预，大大提高了跨电商平台的商品映射效率，并且，由于不再需要投入大量的人力，还节省了人工费用，降低了电商平台的运营成本。
图7为本发明实施例七中商品映射设备的结构框图。如图7所示，本实施例中，商品映射设备700可以包括商品映射装置500。其中，商品映射装置500可以是本发明前述图5所示实施例中的任一种商品映射装置。
其中，商品映射设备500可以是服务器、计算机等。
其中，商品映射装置500可以用于获取第一电商平台商品的条码信息；从第二电商平台查找具有该条码信息的商品，记为匹配商品；将该匹配商品的商品信息作为第一电商平台的商品映射到第二电商平台的商品信息。
本发明实施例的商品映射设备中包括商品映射装置，能够利用商品的条码信息，实现不同电商平台之间商品的自动映射，不需要人工干预，大大提高了跨电商平台的商品映射效率，并且，由于不再需要投入大量的人力，还节省了人工费用，降低了电商平台的运营成本。
下面通过一个典型的商品映射示意图来说明商品映射过程。图8为本发明实施例中的商品映射示意图。如图8所示，第一电商平台商品的商品信息(即第一商品信息)经过商品映射模型后，被映射为第二电商平台商品的商品信息(即第二商品信息)。在第一商品信息映射为第二商品信息的过程中，可以采用本发明前述实施例中的任意一种商品映射方法。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (26)

1.一种商品映射方法，其特征在于，包括：
获取第一电商平台商品的商品信息，记为第一商品信息；
根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，所述第二商品信息为第二电商平台商品的商品信息。
2.根据权利要求1所述的商品映射方法，其特征在于，还包括：
获取设定数量以上的第二商品信息和用户在所述第二电商平台的搜索记录信息；
利用获取的第二商品信息和搜索记录信息训练得到所述商品映射模型。
3.根据权利要求2所述的商品映射方法，其特征在于，所述利用获取的第二商品信息和搜索记录信息训练得到所述商品映射模型，包括：
所述搜索记录信息包括搜索短语和所述搜索短语对应的用户点击商品，将所述用户点击商品的商品类目作为与所述搜索短语关联的商品类目，创建搜索短语与商品类目的关联项，记为第一关联项；
对所述搜索短语进行分解，得到至少一个分词，用每一个分词替换所述搜索短语，得到分词与商品类目关联项，记为第二关联项。
4.根据权利要求3所述的商品映射方法，其特征在于，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
根据所述第二关联项，从所述第一商品信息中的商品标题信息预测出所述第二商品信息中的类目信息。
5.根据权利要求4所述的商品映射方法，其特征在于，所述根据所述第二关联项，从所述第一商品信息中的商品标题信息预测出所述第二商品信息中的类目信息，包括：
将所述第一商品信息中的商品类目信息和/或商品标题信息分解为至少一个分词，记为匹配分词；
查找包含所述匹配分词的第二关联项；
将查找到的第二关联项中包含的商品类目信息作为所述第二商品信息中的类目信息。
6.根据权利要求1所述的商品映射方法，其特征在于，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
将所述第一商品信息中的商品类目信息通过字面匹配直接映射为所述第二商品信息中的类目信息。
7.根据权利要求2所述的商品映射方法，其特征在于，所述利用获取的第二商品信息和搜索记录信息训练得到所述商品映射模型，包括：
从所述第二商品信息中提取商品标题信息和商品详情信息；
用所述第二电商平台的结构化属性数据全匹配提取出的所述商品标题信息和商品详情信息，得到无结构文本中所述第二电商平台的属性对标注数据；
利用所述第二电商平台的属性对标注数据训练得到属性对抽取模型，所述属性对抽取模型用于从无结构文本中抽取出属性对信息。
8.根据权利要求7所述的商品映射方法，其特征在于，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
根据所述属性对抽取模型，从所述第一商品信息的商品标题信息和商品详情信息中抽取所述第二商品信息的属性对信息。
9.根据权利要求1所述的商品映射方法，其特征在于，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
将所述第一商品信息中的属性对信息通过字面匹配直接映射为所述第二商品信息中的属性对信息。
10.根据权利要求1所述的商品映射方法，其特征在于，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
根据所述商品映射模型中的第一文本转换模型，将所述第一商品信息中的商品标题信息转换为所述第二商品信息中的标题信息。
11.根据权利要求1所述的商品映射方法，其特征在于，所述根据预先训练好的商品映射模型，将所述第一商品信息映射为第二商品信息，包括：
根据所述商品映射模型中的第二文本转换模型，将所述第一商品信息中的商品详情信息转换为所述第二商品信息中的详情信息。
12.一种商品映射装置，其特征在于，包括：
第一获取模块，用于获取第一电商平台商品的商品信息，记为第一商品信息；
映射模块，用于根据预先训练好的商品映射模型，将所述第一获取模块获取的第一商品信息映射为第二商品信息，所述第二商品信息为第二电商平台商品的商品信息。
13.根据权利要求12所述的商品映射装置，其特征在于，还包括：
第二获取模块，用于获取设定数量以上的第二商品信息和用户在所述第二电商平台的搜索记录信息；
训练模块，用于利用所述第二获取模块获取的第二商品信息和搜索记录信息训练得到所述商品映射模型。
14.根据权利要求13所述的商品映射装置，其特征在于，所述训练模块包括：
创建单元，所述搜索记录信息包括搜索短语和所述搜索短语对应的用户点击商品，创建单元用于将所述用户点击商品的商品类目作为与所述搜索短语关联的商品类目，创建搜索短语与商品类目的关联项，记为第一关联项；
分解关联单元，用于对所述搜索短语进行分解，得到至少一个分词，用每一个分词替换所述搜索短语，得到分词与商品类目关联项，记为第二关联项。
15.根据权利要求14所述的商品映射装置，其特征在于，所述映射模块包括：
第一类目映射单元，用于根据所述分解关联单元得到的第二关联项，从所述第一商品信息中的商品标题信息预测出所述第二商品信息中的类目信息。
16.根据权利要求15所述的商品映射装置，其特征在于，所述第一类目映射单元包括：
分词子单元，用于将所述第一商品信息中的商品类目信息和/或商品标题信息分解为至少一个分词，记为匹配分词；
查找子单元，用于查找包含所述匹配分词的第二关联项；
预测子单元，用于将查找到的第二关联项中包含的商品类目信息作为所述第二商品信息中的类目信息。
17.根据权利要求12所述的商品映射装置，其特征在于，所述映射模块包括：
第二类目映射单元，用于将所述第一商品信息中的商品类目信息通过字面匹配直接映射为所述第二商品信息中的类目信息。
18.根据权利要求13所述的商品映射装置，其特征在于，所述训练模块包括：
提取单元，用于从所述第二商品信息中提取商品标题信息和商品详情信息；
匹配单元，用于用所述第二电商平台的结构化属性数据全匹配提取出的所述商品标题信息和商品详情信息，得到无结构文本中所述第二电商平台的属性对标注数据；
训练单元，用于利用所述第二电商平台的属性对标注数据训练得到属性对抽取模型，所述属性对抽取模型用于从无结构文本中抽取出属性对信息。
19.根据权利要求18所述的商品映射方法，其特征在于，所述映射模块包括：
第一属性对映射单元，用于根据所述属性对抽取模型，从所述第一商品信息的商品标题信息和商品详情信息中抽取所述第二商品信息的属性对信息。
20.根据权利要求12所述的商品映射装置，其特征在于，所述映射模块包括：
第二属性对映射单元，用于将所述第一商品信息中的属性对信息通过字面匹配直接映射为所述第二商品信息中的属性对信息。
21.根据权利要求12所述的商品映射装置，其特征在于，所述映射模块包括：
标题映射单元，用于根据所述商品映射模型中的第一文本转换模型，将所述第一商品信息中的商品标题信息转换为所述第二商品信息中的标题信息。
22.根据权利要求12所述的商品映射装置，其特征在于，所述映射模块包括：
详情映射单元，用于根据所述商品映射模型中的第二文本转换模型，将所述第一商品信息中的商品详情信息转换为所述第二商品信息中的详情信息。
23.一种商品映射方法，其特征在于，包括：
获取第一电商平台商品的条码信息；
从第二电商平台查找具有所述条码信息的商品，记为匹配商品；
将所述匹配商品的商品信息作为所述第一电商平台的商品映射到所述第二电商平台的商品信息。
24.一种商品映射装置，其特征在于，包括：
条码获取模块，用于获取第一电商平台商品的条码信息；
条码匹配模块，用于从第二电商平台查找具有所述条码信息的商品，记为匹配商品；
条码映射模块，用于将所述匹配商品的商品信息作为所述第一电商平台的商品映射到所述第二电商平台的商品信息。
25.一种商品映射设备，其特征在于，包括权利要求12至22任一项所述的商品映射装置。
26.一种商品映射设备，其特征在于，包括权利要求24所述的商品映射装置。
CN201610180436.2A 2016-03-25 2016-03-25 商品映射方法、装置及设备 Pending CN107230123A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201610180436.2A CN107230123A (zh) 2016-03-25 2016-03-25 商品映射方法、装置及设备
TW106105353A TW201734913A (zh) 2016-03-25 2017-02-17 商品映射方法、裝置及設備
PCT/CN2017/076708 WO2017162074A1 (zh) 2016-03-25 2017-03-15 商品映射方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610180436.2A CN107230123A (zh) 2016-03-25 2016-03-25 商品映射方法、装置及设备

Publications (1)

Publication Number Publication Date
CN107230123A true CN107230123A (zh) 2017-10-03

Family

ID=59899246

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610180436.2A Pending CN107230123A (zh) 2016-03-25 2016-03-25 商品映射方法、装置及设备

Country Status (3)

Country Link
CN (1) CN107230123A (zh)
TW (1) TW201734913A (zh)
WO (1) WO2017162074A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665349A (zh) * 2018-05-09 2018-10-16 商派软件有限公司 一种商品全渠道铺货方法及系统
CN109242601A (zh) * 2018-08-08 2019-01-18 阿里巴巴集团控股有限公司 商品信息查询方法和系统
CN109542916A (zh) * 2018-10-15 2019-03-29 平安科技（深圳）有限公司 平台商品入驻方法、装置、计算机设备及存储介质
CN110738553A (zh) * 2019-10-18 2020-01-31 深圳市比量科技传媒有限公司 一种将不同商城的商品链接进行相互映射的方法及系统
CN112990995A (zh) * 2019-12-13 2021-06-18 阿里巴巴集团控股有限公司 商品对象的发布方法、装置及计算机系统

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665358A (zh) * 2018-08-03 2018-10-16 北京引领海逛科技有限公司 产品信息快速匹配多个平台的方法和装置
CN111209725B (zh) * 2018-11-19 2023-04-25 阿里巴巴集团控股有限公司 一种文本信息生成方法、装置以及计算设备
CN111353838A (zh) * 2018-12-21 2020-06-30 北京京东尚科信息技术有限公司 自动化校验商品类目的方法和装置
CN113298609A (zh) * 2021-01-27 2021-08-24 阿里巴巴集团控股有限公司 对象识别码处理方法、对象发布方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1466087A (zh) * 2002-06-28 2004-01-07 明日工作室股份有限公司 具有扫描功能的通讯装置
CN1753020A (zh) * 2005-11-08 2006-03-29 北京基福信源信息技术有限公司 应用于互联网电子交易整合的系统及其方法
CN101206752A (zh) * 2007-12-25 2008-06-25 北京科文书业信息技术有限公司 电子商务网站相关商品推荐系统及其方法
CN103310343A (zh) * 2012-03-15 2013-09-18 阿里巴巴集团控股有限公司 商品信息发布方法和装置
CN103425658A (zh) * 2012-05-15 2013-12-04 阿里巴巴集团控股有限公司 商品信息的存储、搜索方法与移动终端和服务器
CN104657396A (zh) * 2013-11-25 2015-05-27 腾讯科技（深圳）有限公司 数据迁移方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063802B (zh) * 2013-03-19 2017-05-17 阿里巴巴集团控股有限公司 商品信息处理方法、装置及系统
CN104063523B (zh) * 2014-07-21 2017-02-22 焦点科技股份有限公司 一种电子商务搜索评分与排名的方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1466087A (zh) * 2002-06-28 2004-01-07 明日工作室股份有限公司 具有扫描功能的通讯装置
CN1753020A (zh) * 2005-11-08 2006-03-29 北京基福信源信息技术有限公司 应用于互联网电子交易整合的系统及其方法
CN101206752A (zh) * 2007-12-25 2008-06-25 北京科文书业信息技术有限公司 电子商务网站相关商品推荐系统及其方法
CN103310343A (zh) * 2012-03-15 2013-09-18 阿里巴巴集团控股有限公司 商品信息发布方法和装置
CN103425658A (zh) * 2012-05-15 2013-12-04 阿里巴巴集团控股有限公司 商品信息的存储、搜索方法与移动终端和服务器
CN104657396A (zh) * 2013-11-25 2015-05-27 腾讯科技（深圳）有限公司 数据迁移方法及装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108665349A (zh) * 2018-05-09 2018-10-16 商派软件有限公司 一种商品全渠道铺货方法及系统
CN109242601A (zh) * 2018-08-08 2019-01-18 阿里巴巴集团控股有限公司 商品信息查询方法和系统
CN109542916A (zh) * 2018-10-15 2019-03-29 平安科技（深圳）有限公司 平台商品入驻方法、装置、计算机设备及存储介质
CN110738553A (zh) * 2019-10-18 2020-01-31 深圳市比量科技传媒有限公司 一种将不同商城的商品链接进行相互映射的方法及系统
CN112990995A (zh) * 2019-12-13 2021-06-18 阿里巴巴集团控股有限公司 商品对象的发布方法、装置及计算机系统

Also Published As

Publication number Publication date
WO2017162074A1 (zh) 2017-09-28
TW201734913A (zh) 2017-10-01

Similar Documents

Publication Publication Date Title
CN107230123A (zh) 商品映射方法、装置及设备
CN104239331B (zh) 一种用于实现评论搜索引擎排序的方法和装置
CN111159494B (zh) 一种多用户并发处理的数据标注方法
US20080243905A1 (en) Attribute extraction using limited training data
CN110263248A (zh) 一种信息推送方法、装置、存储介质和服务器
CN108959643B (zh) 生成标签的方法、装置、服务器和存储介质
AU2015252513A1 (en) Method and system for filtering goods evaluation information
CN105677857B (zh) 一种关键词与营销落地页的精准匹配方法和装置
CN106227808B (zh) 一种去除邮件干扰信息的方法以及垃圾邮件判定方法
CN103412930A (zh) 一种互联网用户属性识别方法
CN103377249A (zh) 关键词投放方法及系统
CN106709049A (zh) 语音文字关键词识别检索系统
KR20210002410A (ko) 외형인식모델 학습용 데이터셋 구축 방법, 장치 및 프로그램
CN110321549B (zh) 基于序列化学习、关系挖掘、时序分析的新概念挖掘方法
CN107402912A (zh) 解析语义的方法和装置
CN109992766A (zh) 提取目标词的方法和装置
CN108520065B (zh) 命名实体识别语料库的构建方法、系统、设备及存储介质
CN110955690A (zh) 一种基于大数据技术的自助数据标签平台及自助数据标签方法
CN107992500A (zh) 一种信息处理方法及服务器
CN110232131A (zh) 基于创意标签的创意素材搜索方法及装置
CN115795056A (zh) 非结构化信息构建知识图谱的方法、服务器及存储介质
CN105808729B (zh) 基于论文间引用关系的学术大数据分析方法
CN107357810A (zh) 一种用于输出专题落地页的方法及系统
CN109766552A (zh) 一种基于公告信息的指代消解方法及装置
CN103593360A (zh) 基于页面分析的互联网信息发表时间提取方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171003