CN108121754A - 一种获取关键词属性组合的方法及装置 - Google Patents

一种获取关键词属性组合的方法及装置 Download PDF

Info

Publication number
CN108121754A
CN108121754A CN201611094895.5A CN201611094895A CN108121754A CN 108121754 A CN108121754 A CN 108121754A CN 201611094895 A CN201611094895 A CN 201611094895A CN 108121754 A CN108121754 A CN 108121754A
Authority
CN
China
Prior art keywords
keyword
attribute
existing
attributes
end data
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
CN201611094895.5A
Other languages
English (en)
Other versions
CN108121754B (zh
Inventor
葛婷
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.)
Beijing Gridsum Technology Co Ltd
Original Assignee
Beijing Gridsum 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 Beijing Gridsum Technology Co Ltd filed Critical Beijing Gridsum Technology Co Ltd
Priority to CN201611094895.5A priority Critical patent/CN108121754B/zh
Publication of CN108121754A publication Critical patent/CN108121754A/zh
Application granted granted Critical
Publication of CN108121754B publication Critical patent/CN108121754B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种获取关键词属性组合的方法，包括：获取目标行业的已有关键词，以及每个已有关键词的表现数据；基于表现数据对每个已有关键词进行评分，生成每个已有关键词的评分结果；基于关键词属性信息对已有关键词进行分词与属性标注，属性信息包括关键词词根以及词根词性、词根所属产品级别、词根特有或通用信息的对应关系；将具有多个相同属性信息的已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算所述属性组合的最终得分；选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合。本发明能够实现提取出优质的关键词。本发明还公开了一种获取关键词属性组合的装置。

Description

一种获取关键词属性组合的方法及装置
技术领域
本发明涉及关键词提取技术领域，尤其涉及一种获取关键词属性组合的方法及装置。
背景技术
随着互联网技术的不断发展，网络已渗透入人们的生活、学习和工作，搜索引擎也逐渐成为人们信息搜索的重要途径。通过互联网的搜索引擎进行信息推广，受到各种商家的重视。在搜索引擎推广中，采用表现良好的关键词成为获得更好推广效果的一个重要因素。而如何选择优质的关键词，具有怎样属性组合模式的关键词才是优质的关键词，这些问题成为筛选优质关键词中的重点问题也是难点问题。
发明内容
鉴于上述问题，本发明提供了一种获取关键词属性组合的方法，能够基于关键词的表现数据提取出优质的关键词属性组合。
本发明提供了一种获取关键词属性组合的方法，包括：
获取目标行业的已有关键词，以及每个所述已有关键词的表现数据，所述表现数据为表征所述已有关键词活跃度的数据；
基于所述表现数据对每个所述已有关键词进行评分，生成每个所述已有关键词的评分结果；
基于关键词属性信息对所述已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
基于所述属性组合中所述每个已有关键词的评分结果，计算所述属性组合的最终得分；
选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合。
优选地，所述获取每个所述已有关键词的表现数据包括：
获取每个所述已有关键词的前端数据和/或后端数据；
相应的，基于所述表现数据对每个所述已有关键词进行评分，生成每个所述已有关键词的评分结果包括：
计算所述每个所述已有关键词的前端数据和/或后端数据的效率百分比，基于所述效率百分比和权重值生成每个所述已有关键词的评分结果。
优选地，所述计算所述每个所述已有关键词的前端数据的效率百分比，基于所述效率百分比和权重值生成每个所述已有关键词的评分结果包括：
提取所述前端数据中的点击量、展现量和账面消费；
基于计算公式关键词评分＝a*CTR+b*CPC计算出评分结果，其中，CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，a为CTR的权重，b为CPC的权重。
优选地，计算所述每个所述已有关键词的前端数据和后端数据的效率百分比，基于所述效率百分比和权重值生成每个所述已有关键词的评分结果包括：
提取所述前端数据和后端数据中的订单量、点击量、展现量、账面消费、成交总额、实际花费；
基于计算公式关键词评分＝a*CTR+b*CPC+c*CVR+d*ROI+e*CPA计算出评分结果，其中， CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，CVR表示转化率，即平均点击一次所获得的订单量，ROI表示投资回报率，CPA指转化成本，a为CTR的权重，b为CPC的权重，c为CVR的权重，d为ROI的权重，e为CPA的权重。
优选地，所述选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合后还包括：
基于所述目标属性组合，对所述目标属性组合中的关键词进行拓词或关键词评估。
一种获取关键词属性组合的系统，包括：
获取模块，用于获取目标行业的已有关键词，以及每个所述已有关键词的表现数据，所述表现数据为表征所述已有关键词活跃度的数据；
评分模块，用于基于所述表现数据对每个所述已有关键词进行评分，生成每个所述已有关键词的评分结果；
分词标注模块，用于基于关键词属性信息对所述已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
聚合模块，用于将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
计算模块，用于基于所述属性组合中所述每个已有关键词的评分结果，计算所述属性组合的最终得分；
选取模块，用于选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合。
优选地，所述获取模块具体用于：
获取每个所述已有关键词的前端数据和/或后端数据；
相应的，所述评分模块具体用于：
计算所述每个所述已有关键词的前端数据和/或后端数据的效率百分比，基于所述效率百分比和权重值生成每个所述已有关键词的评分结果。
优选地，所述评分模块包括：
第一提取单元，用于提取所述前端数据中的点击量、展现量和账面消费；
第一计算单元，用于基于计算公式关键词评分＝a*CTR+b*CPC计算出评分结果，其中，CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，a为CTR的权重，b为CPC的权重。
优选地，所述评分模块包括：
第二提取单元，用于提取所述前端数据和后端数据中的订单量、点击量、展现量、账面消费、成交总额、实际花费；
第二计算单元，用于基于计算公式关键词评分＝a*CTR+b*C计算出评分结果，其中，CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，CVR表示转化率，即平均点击一次所获得的订单量，ROI表示投资回报率，CPA指转化成本，a为CTR的权重，b为CPC的权重，c为CVR的权重，d为ROI的权重，e为CPA的权重。
优选地，所述系统还包括：
处理模块，用于基于所述目标属性组合，对所述目标属性组合中的关键词进行拓词或关键词评估。
借由上述技术方案，本发明提供的一种获取关键词属性组合的方法，在获取优质关键词属性组合时，首先获取目标行业的已有关键词，以及每个已有关键词的表现数据，然后基于表现数据对每个已有关键词进行评分，生成每个已有关键词的评分结果；基于关键词属性信息对已有关键词进行分词以及属性标注，将具有相同属性信息的所述已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，从而能够实现提取出优质的关键词。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明公开的一种获取关键词属性组合的方法实施例1的方法流程图；
图2示出了本发明公开的一种获取关键词属性组合的方法实施例2的方法流程图；
图3示出了本发明公开的一种获取关键词属性组合的方法实施例3的方法流程图；
图4示出了本发明公开的一种获取关键词属性组合的方法实施例4的方法流程图；
图5示出了本发明公开的一种获取关键词属性组合的系统实施例1的结构示意图；
图6示出了本发明公开的一种获取关键词属性组合的系统实施例2的结构示意图；
图7示出了本发明公开的一种获取关键词属性组合的系统实施例3的结构示意图；
图8示出了本发明公开的一种获取关键词属性组合的系统实施例4的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，为本发明公开的一种获取关键词属性组合的方法实施例1的方法流程图，该方法可以包含以下步骤：
S101、获取目标行业的已有关键词，以及每个已有关键词的表现数据，所述表现数据为表征已有关键词活跃度的数据；
当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先获取目标行业已有的关键词，所述的目标行业指需要进行关键词拓展的具体行业，例如汽车行业等。目标行业已有的关键词可以为已经收录在数据库中的关键词，也可以是通过网络爬取电商网站标题、内容等获取到的关键词。
同时获取已有关键词的表现数据，所述的表现数据可以为前端数据、后端数据，或者前端数据和后端数据。其中，前端数据可以包括展现量、点击量、消费量等，展现量是指一个关键词关联一个网页，通过搜索，这个关键词展现的次数称为展现量。消费量是指，当关键词在搜索引擎端受点击之后，需要根据点击的次数来付费，消费量指付费的费用。后端数据可以包括转化率、订单量、订单金额等。订单量是指每个关键词连接一个网页，通过该关键词进入网页后，对网页中商品形成订单，形成订单的数量称为订单量。转化率是指订单量除以点击量。订单量所对应的金额为订单金额。
S102、基于表现数据对每个已有关键词进行评分，生成每个已有关键词的评分结果；
当获取到目标行业的已有关键词以及已有关键词的表现数据后，基于关键词的表现数据对每个已有关键词进行评分，生成每个已有关键词的评分结果。例如，根据关键词的前端数据和/或后端数据对已有的关键词评分，生成评分结果；需要说明的是，在对已有的关键词进行评分时，可以只基于前端数据对已有的关键词评分，也可以只基于后端数据对已有的关键词评分，还可以同时根据前端数据和后端数据对已有的关键词评分。具体采用何种评分方式可以根据用户的实际需求进行灵活的选择。
S103、基于关键词属性信息对已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
然后根据关键词的属性信息对已有关键词进行分词以及属性标注，其中，关键词的属性信息可以以细分属性列表的形式表现，所述细分属性列表中包含的信息可以有关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系。其中，词根所属产品级别可以是词根所属商品的品牌、子品牌等具体产品级别。每一个已有的关键词都可以根据细分属性列表进行分词和属性标注。例如，已有关键词为：尼桑领新版奇骏，进行分词和标注的结果为：尼桑(品牌)领先版(版型.特有)奇骏(车系)，该关键词的属性组合为：品牌+版型.特有+车系。
S104、将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
对已有关键词进行分词和标注后，将具有多个相同属性信息的已有关键词进行聚合，构成属性组合。例如，将具有相同品牌+版型.特有+车系属性的关键词进行聚合。属性组合中包含具有多个相同属性信息的多个关键词。
S105、基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；
S106、选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合。
最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，即优质属性组合。其中，所述的预设得分阈值范围可以根据实际需求进行灵活的设定。
综上所述，在上述实施例中，在获取优质关键词属性组合时，首先获取目标行业的已有关键词，以及每个已有关键词的表现数据，然后基于表现数据对每个已有关键词进行评分，生成每个已有关键词的评分结果；基于关键词属性信息对已有关键词进行分词以及属性标注，将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，从而能够实现提取出优质的关键词属性组合。
如图2所示，为本发明公开的一种获取关键词属性组合的方法实施例2的方法流程图，该方法可以包含以下步骤：
S201、获取目标行业的已有关键词，以及每个所述已有关键词的前端数据和/或后端数据；
当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先获取目标行业的已有关键词，所述的目标行业指需要进行关键词拓展的具体行业，例如汽车行业等。目标行业已有的关键词可以为已经收录在数据库中的关键词，也可以是通过网络爬取电商网站标题、内容等获取到的关键词。
同时获取与已有的关键词相关的前端数据、后端数据，或者前端数据和后端数据。其中，前端数据可以包括展现量、点击量、消费量等，展现量是指一个关键词关联一个网页，通过搜索，这个关键词展现的次数称为展现量。消费量是指，当关键词在搜索引擎端受点击之后，需要根据点击的次数来付费，消费量指付费的费用。后端数据可以包括转化率、订单量、订单金额等。订单量是指每个关键词连接一个网页，通过该关键词进入网页后，对网页中商品形成订单，形成订单的数量称为订单量。转化率是指订单量除以点击量。订单量所对应的金额为订单金额。
S202、计算每个已有关键词的前端数据和/或后端数据的效率百分比，基于效率百分比和权重值生成每个已有关键词的评分结果；
当获取到目标行业已有的关键词以及已有的关键词的前端数据和/或后端数据后，基于前端数据和/或后端数据的效率百分比和权重值对已有的关键词评分，生成评分结果；需要说明的是，在对已有的关键词进行评分时，可以只基于前端数据对已有的关键词评分，也可以只基于后端数据对已有的关键词评分，还可以同时根据前端数据和后端数据对已有的关键词评分。具体采用何种打分方式可以根据用户的实际需求进行灵活的选择。
S203、基于关键词属性信息对已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
然后根据关键词的属性信息对已有关键词进行分词以及属性标注，其中，关键词的属性信息可以以细分属性列表的形式表现，所述细分属性列表中包含的信息可以有关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系。其中，词根所属产品级别可以是词根所属商品的品牌、子品牌等具体产品级别。每一个已有的关键词都可以根据细分属性列表进行分词和属性标注。例如，已有关键词为：尼桑领新版奇骏，进行分词和标注的结果为：尼桑(品牌)领先版(版型.特有)奇骏(车系)，该关键词的属性组合为：品牌+版型.特有+车系。
S204、将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
对已有关键词进行分词和标注后，将具有多个相同属性信息的已有关键词进行聚合，构成属性组合。例如，将具有相同品牌+版型.特有+车系属性的关键词进行聚合。属性组合中包含具有多个相同属性信息的多个关键词。
S205、基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；
S206、选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合；
最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，即优质属性组合。其中，所述的预设得分阈值范围可以根据实际需求进行灵活的设定。
S207、基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估。
综上所述，在上述实施例中，当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先通过获取目标行业已有的关键词以及已有关键词的前端数据和/或后端数据，然后基于前端数据和/或后端数据对已有的关键词进行评分，生成评分结果，其次基于关键词属性信息对已有关键词进行分词以及属性标注，将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，最后基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估，从而能够实现提取出优质的关键词属性组合，以及基于优质的目标属性组合对属性组合中的关键词进行拓词和关键词评估。
如图3所示，为本发明公开的一种获取关键词属性组合的方法实施例3的方法流程图，该方法可以包含以下步骤：
S301、获取目标行业的已有关键词，以及每个已有关键词的前端数据；
当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先获取目标行业已有的关键词，所述的目标行业指需要进行关键词拓展的具体行业，例如汽车行业等。目标行业已有的关键词可以为已经收录在数据库中的关键词，也可以是通过网络爬取电商网站标题、内容等获取到的关键词。
同时获取与已有的关键词相关的前端数据，其中，前端数据可以包括展现量、点击量、消费量等，展现量是指一个关键词关联一个网页，通过搜索，这个关键词展现的次数称为展现量。消费量是指，当关键词在搜索引擎端受点击之后，需要根据点击的次数来付费，消费量指付费的费用。
S302、提取前端数据中的点击量、展现量和账面消费；
提取出已有的关键词的前端数据中点击量、展现量和账面消费。
S303、基于计算公式关键词评分＝a*CTR+b*CPC计算出评分结果，其中，CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，a为CTR的权重，b为CPC的权重；
S304、基于关键词属性信息对已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
然后根据关键词的属性信息对已有关键词进行分词以及属性标注，其中，关键词的属性信息可以以细分属性列表的形式表现，所述细分属性列表中包含的信息可以有关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系。其中，词根所属产品级别可以是词根所属商品的品牌、子品牌等具体产品级别。每一个已有的关键词都可以根据细分属性列表进行分词和属性标注。例如，已有关键词为：尼桑领新版奇骏，进行分词和标注的结果为：尼桑(品牌)领先版(版型.特有)奇骏(车系)，该关键词的属性组合为：品牌+版型.特有+车系。
S305、将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
对已有关键词进行分词和标注后，将具有多个相同属性信息的已有关键词进行聚合，构成属性组合。例如，将具有相同品牌+版型.特有+车系属性的关键词进行聚合。属性组合中包含具有多个相同属性信息的多个关键词。
S306、基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；
基于计算公式属性组合得分＝f1*关键词1的得分+f2*关键词2的得分+...+fn*关键词n的得分，计算出属性组合的最终得分；
S307、选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合；
最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，即优质属性组合。其中，所述的预设得分阈值范围可以根据实际需求进行灵活的设定。
S308、基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估。
综上所述，在上述实施例中，在上述实施例中，当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先通过获取目标行业已有的关键词以及已有关键词的前端数据，然后基于前端数据对已有的关键词进行评分，生成评分结果，其次基于关键词属性信息对已有关键词进行分词以及属性标注，将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，最后基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估，从而能够实现提取出优质的关键词属性组合，以及基于优质的目标属性组合对属性组合中的关键词进行拓词和关键词评估。
如图4所示，为本发明公开的一种获取关键词属性组合的方法实施例4的方法流程图，该方法可以包含以下步骤：
S401、获取目标行业的已有关键词，以及每个已有关键词的前端数据和后端数据；
当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先获取目标行业已有的关键词，所述的目标行业指需要进行关键词拓展的具体行业，例如汽车行业等。目标行业已有的关键词可以为已经收录在数据库中的关键词，也可以是通过网络爬取电商网站标题、内容等获取到的关键词。
同时获取与已有的关键词相关的前端数据和后端数据，其中，前端数据可以包括展现量、点击量、消费量等，展现量是指一个关键词关联一个网页，通过搜索，这个关键词展现的次数称为展现量。消费量是指，当关键词在搜索引擎端受点击之后，需要根据点击的次数来付费，消费量指付费的费用。后端数据可以包括转化率、订单量、订单金额等。订单量是指每个关键词连接一个网页，通过该关键词进入网页后，对网页中商品形成订单，形成订单的数量称为订单量。转化率是指订单量除以点击量。订单量所对应的金额为订单金额
S402、提取前端数据和后端数据中的订单量、点击量、展现量、账面消费、成交总额、实际花费；
S403、基于计算公式关键词评分＝a*CTR+b*CPC+c*CVR+d*ROI+e*CPA计算出评分结果，其中， CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，CVR表示转化率，即平均点击一次所获得的订单量，ROI表示投资回报率，CPA指转化成本，a为CTR的权重，b为CPC的权重，c为CVR的权重，d为ROI的权重，e为CPA的权重；
S404、基于关键词属性信息对已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
然后根据关键词的属性信息对已有关键词进行分词以及属性标注，其中，关键词的属性信息可以以细分属性列表的形式表现，所述细分属性列表中包含的信息可以有关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系。其中，词根所属产品级别可以是词根所属商品的品牌、子品牌等具体产品级别。每一个已有的关键词都可以根据细分属性列表进行分词和属性标注。例如，已有关键词为：尼桑领新版奇骏，进行分词和标注的结果为：尼桑(品牌)领先版(版型.特有)奇骏(车系)，该关键词的属性组合为：品牌+版型.特有+车系。
S405、将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
对已有关键词进行分词和标注后，将具有多个相同属性信息的已有关键词进行聚合，构成属性组合。例如，将具有相同品牌+版型.特有+车系属性的关键词进行聚合。属性组合中包含具有多个相同属性信息的多个关键词。
S406、基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；
基于计算公式属性组合得分＝f1*关键词1的得分+f2*关键词2的得分+...+fn*关键词n的得分，计算出属性组合的最终得分；
S407、选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合；
最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，即优质属性组合。其中，所述的预设得分阈值范围可以根据实际需求进行灵活的设定。
S408、基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估。
综上所述，在上述实施例中，在上述实施例中，当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先通过获取目标行业已有的关键词以及已有关键词的前端数据和后端数据，然后基于前端数据和后端数据对已有的关键词进行评分，生成评分结果，其次基于关键词属性信息对已有关键词进行分词以及属性标注，将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，最后基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估，从而能够实现提取出优质的关键词属性组合，以及基于优质的目标属性组合对属性组合中的关键词进行拓词和关键词评估。
如图5所示，为本发明公开的一种获取关键词属性组合的装置实施例1的结构示意图，该装置包括：
获取模块501，用于获取目标行业的已有关键词，以及每个已有关键词的表现数据，所述表现数据为表征已有关键词活跃度的数据；
当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先获取目标行业已有的关键词，所述的目标行业指需要进行关键词拓展的具体行业，例如汽车行业等。目标行业已有的关键词可以为已经收录在数据库中的关键词，也可以是通过网络爬取电商网站标题、内容等获取到的关键词。
同时获取已有关键词的表现数据，所述的表现数据可以为前端数据、后端数据，或者前端数据和后端数据。其中，前端数据可以包括展现量、点击量、消费量等，展现量是指一个关键词关联一个网页，通过搜索，这个关键词展现的次数称为展现量。消费量是指，当关键词在搜索引擎端受点击之后，需要根据点击的次数来付费，消费量指付费的费用。后端数据可以包括转化率、订单量、订单金额等。订单量是指每个关键词连接一个网页，通过该关键词进入网页后，对网页中商品形成订单，形成订单的数量称为订单量。转化率是指订单量除以点击量。订单量所对应的金额为订单金额。
评分模块502，用于基于表现数据对每个已有关键词进行评分，生成每个已有关键词的评分结果；
当获取到目标行业的已有关键词以及已有关键词的表现数据后，基于关键词的表现数据对每个已有关键词进行评分，生成每个已有关键词的评分结果。例如，根据关键词的前端数据和/或后端数据对已有的关键词评分，生成评分结果；需要说明的是，在对已有的关键词进行评分时，可以只基于前端数据对已有的关键词评分，也可以只基于后端数据对已有的关键词评分，还可以同时根据前端数据和后端数据对已有的关键词评分。具体采用何种评分方式可以根据用户的实际需求进行灵活的选择。
分词标注模块503，用于基于关键词属性信息对已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
然后根据关键词的属性信息对已有关键词进行分词以及属性标注，其中，关键词的属性信息可以以细分属性列表的形式表现，所述细分属性列表中包含的信息可以有关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系。其中，词根所属产品级别可以是词根所属商品的品牌、子品牌等具体产品级别。每一个已有的关键词都可以根据细分属性列表进行分词和属性标注。例如，已有关键词为：尼桑领新版奇骏，进行分词和标注的结果为：尼桑(品牌)领先版(版型.特有)奇骏(车系)，该关键词的属性组合为：品牌+版型.特有+车系。
聚合模块504，用于将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
对已有关键词进行分词和标注后，将具有多个相同属性信息的已有关键词进行聚合，构成属性组合。例如，将具有相同品牌+版型.特有+车系属性的关键词进行聚合。属性组合中包含具有多个相同属性信息的多个关键词。
计算模块505，用于基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；
选取模块506，用于选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合。
最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，即优质属性组合。其中，所述的预设得分阈值范围可以根据实际需求进行灵活的设定。
所述获取关键词属性组合的装置包括处理器和存储器，上述获取模块、评分模块、分词标注模块、聚合模块、计算模块和选取模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现提取出优质的关键词。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
综上所述，在上述实施例中，在获取优质关键词属性组合时，首先获取目标行业的已有关键词，以及每个已有关键词的表现数据，然后基于表现数据对每个已有关键词进行评分，生成每个已有关键词的评分结果；基于关键词属性信息对已有关键词进行分词以及属性标注，将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，从而能够实现提取出优质的关键词属性组合。
如图6所示，为本发明公开的一种获取关键词属性组合的装置实施例2的结构示意图，该装置包括：
获取模块601，用于获取目标行业的已有关键词，以及每个所述已有关键词的前端数据和/或后端数据；
当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先获取目标行业的已有关键词，所述的目标行业指需要进行关键词拓展的具体行业，例如汽车行业等。目标行业已有的关键词可以为已经收录在数据库中的关键词，也可以是通过网络爬取电商网站标题、内容等获取到的关键词。
同时获取与已有的关键词相关的前端数据、后端数据，或者前端数据和后端数据。其中，前端数据可以包括展现量、点击量、消费量等，展现量是指一个关键词关联一个网页，通过搜索，这个关键词展现的次数称为展现量。消费量是指，当关键词在搜索引擎端受点击之后，需要根据点击的次数来付费，消费量指付费的费用。后端数据可以包括转化率、订单量、订单金额等。订单量是指每个关键词连接一个网页，通过该关键词进入网页后，对网页中商品形成订单，形成订单的数量称为订单量。转化率是指订单量除以点击量。订单量所对应的金额为订单金额。
评分模块602，用于计算每个已有关键词的前端数据和/或后端数据的效率百分比，基于效率百分比和权重值生成每个已有关键词的评分结果；
当获取到目标行业已有的关键词以及已有的关键词的前端数据和/或后端数据后，基于前端数据和/或后端数据的效率百分比和权重值对已有的关键词评分，生成评分结果；需要说明的是，在对已有的关键词进行评分时，可以只基于前端数据对已有的关键词评分，也可以只基于后端数据对已有的关键词评分，还可以同时根据前端数据和后端数据对已有的关键词评分。具体采用何种打分方式可以根据用户的实际需求进行灵活的选择。
分词标注模块603，用于基于关键词属性信息对已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
然后根据关键词的属性信息对已有关键词进行分词以及属性标注，其中，关键词的属性信息可以以细分属性列表的形式表现，所述细分属性列表中包含的信息可以有关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系。其中，词根所属产品级别可以是词根所属商品的品牌、子品牌等具体产品级别。每一个已有的关键词都可以根据细分属性列表进行分词和属性标注。例如，已有关键词为：尼桑领新版奇骏，进行分词和标注的结果为：尼桑(品牌)领先版(版型.特有)奇骏(车系)，该关键词的属性组合为：品牌+版型.特有+车系。
聚合模块604，用于将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
对已有关键词进行分词和标注后，将具有多个相同属性信息的已有关键词进行聚合，构成属性组合。例如，将具有相同品牌+版型.特有+车系属性的关键词进行聚合。属性组合中包含具有多个相同属性信息的多个关键词。
计算模块605，用于基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；
选取模块606，用于选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合；
最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，即优质属性组合。其中，所述的预设得分阈值范围可以根据实际需求进行灵活的设定。
处理模块607，用于基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估。
所述获取关键词属性组合的装置包括处理器和存储器，上述获取模块、评分模块、分词标注模块、聚合模块、计算模块、选取模块和处理模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现提取出优质的关键词。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
综上所述，在上述实施例中，当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先通过获取目标行业已有的关键词以及已有关键词的前端数据和/或后端数据，然后基于前端数据和/或后端数据对已有的关键词进行评分，生成评分结果，其次基于关键词属性信息对已有关键词进行分词以及属性标注，将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，最后基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估，从而能够实现提取出优质的关键词属性组合，以及基于优质的目标属性组合对属性组合中的关键词进行拓词和关键词评估。
如图7所示，为本发明公开的一种获取关键词属性组合的装置实施例3的结构示意图，该装置包括：
获取模块701，用于获取目标行业的已有关键词，以及每个已有关键词的前端数据；
当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先获取目标行业已有的关键词，所述的目标行业指需要进行关键词拓展的具体行业，例如汽车行业等。目标行业已有的关键词可以为已经收录在数据库中的关键词，也可以是通过网络爬取电商网站标题、内容等获取到的关键词。
同时获取与已有的关键词相关的前端数据，其中，前端数据可以包括展现量、点击量、消费量等，展现量是指一个关键词关联一个网页，通过搜索，这个关键词展现的次数称为展现量。消费量是指，当关键词在搜索引擎端受点击之后，需要根据点击的次数来付费，消费量指付费的费用。
第一提取单元702，用于提取前端数据中的点击量、展现量和账面消费；
提取出已有的关键词的前端数据中点击量、展现量和账面消费。
第一计算单元703，用于基于计算公式关键词评分＝a*CTR+b*CPC计算出评分结果，其中，CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，a为CTR的权重，b为CPC的权重；
分词标注模块704，用于基于关键词属性信息对已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
然后根据关键词的属性信息对已有关键词进行分词以及属性标注，其中，关键词的属性信息可以以细分属性列表的形式表现，所述细分属性列表中包含的信息可以有关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系。其中，词根所属产品级别可以是词根所属商品的品牌、子品牌等具体产品级别。每一个已有的关键词都可以根据细分属性列表进行分词和属性标注。例如，已有关键词为：尼桑领新版奇骏，进行分词和标注的结果为：尼桑(品牌)领先版(版型.特有)奇骏(车系)，该关键词的属性组合为：品牌+版型.特有+车系。
聚合模块705，用于将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
对已有关键词进行分词和标注后，将具有多个相同属性信息的已有关键词进行聚合，构成属性组合。例如，将具有相同品牌+版型.特有+车系属性的关键词进行聚合。属性组合中包含具有多个相同属性信息的多个关键词。
计算模块706，用于基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；
基于计算公式属性组合得分＝f1*关键词1的得分+f2*关键词2的得分+...+fn*关键词n的得分，计算出属性组合的最终得分；
选取模块707，用于选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合；
最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，即优质属性组合。其中，所述的预设得分阈值范围可以根据实际需求进行灵活的设定。
处理模块708，用于基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估。
所述获取关键词属性组合的装置包括处理器和存储器，上述获取模块、第一提取单元、第一计算单元、分词标注模块、聚合模块、计算模块、选取模块和处理模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现提取出优质的关键词。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
综上所述，在上述实施例中，在上述实施例中，当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先通过获取目标行业已有的关键词以及已有关键词的前端数据，然后基于前端数据对已有的关键词进行评分，生成评分结果，其次基于关键词属性信息对已有关键词进行分词以及属性标注，将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，最后基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估，从而能够实现提取出优质的关键词属性组合，以及基于优质的目标属性组合对属性组合中的关键词进行拓词和关键词评估。
如图8所示，为本发明公开的一种获取关键词属性组合的装置实施例4的结构示意图，该装置包括：
获取模块801，用于获取目标行业的已有关键词，以及每个已有关键词的前端数据和后端数据；
当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先获取目标行业已有的关键词，所述的目标行业指需要进行关键词拓展的具体行业，例如汽车行业等。目标行业已有的关键词可以为已经收录在数据库中的关键词，也可以是通过网络爬取电商网站标题、内容等获取到的关键词。
同时获取与已有的关键词相关的前端数据和后端数据，其中，前端数据可以包括展现量、点击量、消费量等，展现量是指一个关键词关联一个网页，通过搜索，这个关键词展现的次数称为展现量。消费量是指，当关键词在搜索引擎端受点击之后，需要根据点击的次数来付费，消费量指付费的费用。后端数据可以包括转化率、订单量、订单金额等。订单量是指每个关键词连接一个网页，通过该关键词进入网页后，对网页中商品形成订单，形成订单的数量称为订单量。转化率是指订单量除以点击量。订单量所对应的金额为订单金额
第二提取单元802，用于提取前端数据和后端数据中的订单量、点击量、展现量、账面消费、成交总额、实际花费；
第二计算单元803，用于基于计算公式关键词评分＝a*CTR+b*CP计算出评分结果，其中，CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，CVR表示转化率，即平均点击一次所获得的订单量，ROI表示投资回报率，CPA指转化成本，a为CTR的权重，b为CPC的权重，c为CVR的权重，d为ROI的权重，e为CPA的权重；
分词标注模块804，用于基于关键词属性信息对已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
然后根据关键词的属性信息对已有关键词进行分词以及属性标注，其中，关键词的属性信息可以以细分属性列表的形式表现，所述细分属性列表中包含的信息可以有关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系。其中，词根所属产品级别可以是词根所属商品的品牌、子品牌等具体产品级别。每一个已有的关键词都可以根据细分属性列表进行分词和属性标注。例如，已有关键词为：尼桑领新版奇骏，进行分词和标注的结果为：尼桑(品牌)领先版(版型.特有)奇骏(车系)，该关键词的属性组合为：品牌+版型.特有+车系。
聚合模块805，用于将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
对已有关键词进行分词和标注后，将具有多个相同属性信息的已有关键词进行聚合，构成属性组合。例如，将具有相同品牌+版型.特有+车系属性的关键词进行聚合。属性组合中包含具有多个相同属性信息的多个关键词。
计算模块806，用于基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；
基于计算公式属性组合得分＝f1*关键词1的得分+f2*关键词2的得分+...+fn*关键词n的得分，计算出属性组合的最终得分；
选取模块807，用于选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合；
最后选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，即优质属性组合。其中，所述的预设得分阈值范围可以根据实际需求进行灵活的设定。
处理模块808，用于基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估。
所述获取关键词属性组合的装置包括处理器和存储器，上述获取模块、第二提取单元、第二计算单元、分词标注模块、聚合模块、计算模块、选取模块和处理模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现提取出优质的关键词。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
综上所述，在上述实施例中，在上述实施例中，当需要从已有关键词中选取比较优质的属性组合来指导新关键词的拓词工作时，首先通过获取目标行业已有的关键词以及已有关键词的前端数据和后端数据，然后基于前端数据和后端数据对已有的关键词进行评分，生成评分结果，其次基于关键词属性信息对已有关键词进行分词以及属性标注，将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；基于属性组合中每个已有关键词的评分结果，计算属性组合的最终得分；选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合，最后基于目标属性组合，对目标属性组合中的关键词进行拓词或关键词评估，从而能够实现提取出优质的关键词属性组合，以及基于优质的目标属性组合对属性组合中的关键词进行拓词和关键词评估。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：
获取目标行业的已有关键词，以及每个所述已有关键词的表现数据，所述表现数据为表征所述已有关键词活跃度的数据；
基于所述表现数据对每个所述已有关键词进行评分，生成每个所述已有关键词的评分结果；
基于关键词属性信息对所述已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
基于所述属性组合中所述每个已有关键词的评分结果，计算所述属性组合的最终得分；
选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合。
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、或结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/或方框的结合。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。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种获取关键词属性组合的方法，其特征在于，包括：
获取目标行业的已有关键词，以及每个所述已有关键词的表现数据，所述表现数据为表征所述已有关键词活跃度的数据；
基于所述表现数据对每个所述已有关键词进行评分，生成每个所述已有关键词的评分结果；
基于关键词属性信息对所述已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
基于所述属性组合中所述每个已有关键词的评分结果，计算所述属性组合的最终得分；
选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合。
2.根据权利要求1所述的方法，其特征在于，所述获取每个所述已有关键词的表现数据包括：
获取每个所述已有关键词的前端数据和/或后端数据；
相应的，基于所述表现数据对每个所述已有关键词进行评分，生成每个所述已有关键词的评分结果包括：
计算所述每个所述已有关键词的前端数据和/或后端数据的效率百分比，基于所述效率百分比和权重值生成每个所述已有关键词的评分结果。
3.根据权利要求2所述的方法，其特征在于，所述计算所述每个所述已有关键词的前端数据的效率百分比，基于所述效率百分比和权重值生成每个所述已有关键词的评分结果包括：
提取所述前端数据中的点击量、展现量和账面消费；
基于计算公式关键词评分＝a*CTR+b*CPC计算出评分结果，其中，CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，a为CTR的权重，b为CPC的权重。
4.根据权利要求2所述的方法，其特征在于，计算所述每个所述已有关键词的前端数据和后端数据的效率百分比，基于所述效率百分比和权重值生成每个所述已有关键词的评分结果包括：
提取所述前端数据和后端数据中的订单量、点击量、展现量、账面消费、成交总额、实际花费；
基于计算公式关键词评分＝a*CTR+b*CPC+c*CVR+d*ROI+e*CPA计算出评分结果，其中， CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，CVR表示转化率，即平均点击一次所获得的订单量，ROI表示投资回报率，CPA指转化成本，a为CTR的权重，b为CPC的权重，c为CVR的权重，d为ROI的权重，e为CPA的权重。
5.根据权利要求1-4中任意一项所述的方法，其特征在于，所述选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合后还包括：
基于所述目标属性组合，对所述目标属性组合中的关键词进行拓词或关键词评估。
6.一种获取关键词属性组合的装置，其特征在于，包括：
获取模块，用于获取目标行业的已有关键词，以及每个所述已有关键词的表现数据，所述表现数据为表征所述已有关键词活跃度的数据；
评分模块，用于基于所述表现数据对每个所述已有关键词进行评分，生成每个所述已有关键词的评分结果；
分词标注模块，用于基于关键词属性信息对所述已有关键词进行分词以及属性标注，所述属性信息包括关键词词根与词根词性、词根所属产品级别、词根特有或通用信息的对应关系；
聚合模块，用于将具有多个相同属性信息的所述已有关键词进行聚合，构成属性组合；
计算模块，用于基于所述属性组合中所述每个已有关键词的评分结果，计算所述属性组合的最终得分；
选取模块，用于选取最终得分满足预设得分阈值范围的属性组合作为目标属性组合。
7.根据权利要求6所述的系统，其特征在于，所述获取模块具体用于：
获取每个所述已有关键词的前端数据和/或后端数据；
相应的，所述评分模块具体用于：
计算所述每个所述已有关键词的前端数据和/或后端数据的效率百分比，基于所述效率百分比和权重值生成每个所述已有关键词的评分结果。
8.根据权利要求7所述的系统，其特征在于，所述评分模块包括：
第一提取单元，用于提取所述前端数据中的点击量、展现量和账面消费；
第一计算单元，用于基于计算公式关键词评分＝a*CTR+b*CPC计算出评分结果，其中，CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，a为CTR的权重，b为CPC的权重。
9.根据权利要求7所述的系统，其特征在于，所述评分模块包括：
第二提取单元，用于提取所述前端数据和后端数据中的订单量、点击量、展现量、账面消费、成交总额、实际花费；
第二计算单元，用于基于计算公式关键词评分＝a*CTR+b*C计算出评分结果，其中，CTR表示点击率，即平均展现一次所获得的点击次数，CPC表示平均点击一下该关键词对应的账面消费费用，CVR表示转化率，即平均点击一次所获得的订单量，ROI表示投资回报率，CPA指转化成本，a为CTR的权重，b为CPC的权重，c为CVR的权重，d为ROI的权重，e为CPA的权重。
10.根据权利要求6-9中任意一项所述的系统，其特征在于，还包括：
处理模块，用于基于所述目标属性组合，对所述目标属性组合中的关键词进行拓词或关键词评估。
CN201611094895.5A 2016-11-30 2016-11-30 一种获取关键词属性组合的方法及装置 Active CN108121754B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611094895.5A CN108121754B (zh) 2016-11-30 2016-11-30 一种获取关键词属性组合的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611094895.5A CN108121754B (zh) 2016-11-30 2016-11-30 一种获取关键词属性组合的方法及装置

Publications (2)

Publication Number Publication Date
CN108121754A true CN108121754A (zh) 2018-06-05
CN108121754B CN108121754B (zh) 2020-11-24

Family

ID=62226334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611094895.5A Active CN108121754B (zh) 2016-11-30 2016-11-30 一种获取关键词属性组合的方法及装置

Country Status (1)

Country Link
CN (1) CN108121754B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111475536A (zh) * 2019-01-23 2020-07-31 百度在线网络技术（北京）有限公司 基于搜索引擎的数据分析方法和装置
CN111581495A (zh) * 2020-04-08 2020-08-25 西窗科技(苏州)有限公司 一种基于搜索引擎广告数据的关键词生成推荐方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008121733A1 (en) * 2007-03-30 2008-10-09 Yahoo! Inc. Point of presence distribution mechanism for digital content objects
CN101604312A (zh) * 2007-12-07 2009-12-16 宗刚 信息的检索管理交流的方法和系统
CN104252456A (zh) * 2013-06-25 2014-12-31 阿里巴巴集团控股有限公司 一种权重估计方法、装置及系统
CN104408173A (zh) * 2014-12-11 2015-03-11 焦点科技股份有限公司 一种基于b2b平台的核心关键词自动提取方法
CN104881504A (zh) * 2015-06-23 2015-09-02 郑州悉知信息技术有限公司 一种信息搜索方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008121733A1 (en) * 2007-03-30 2008-10-09 Yahoo! Inc. Point of presence distribution mechanism for digital content objects
CN101604312A (zh) * 2007-12-07 2009-12-16 宗刚 信息的检索管理交流的方法和系统
CN104252456A (zh) * 2013-06-25 2014-12-31 阿里巴巴集团控股有限公司 一种权重估计方法、装置及系统
CN104408173A (zh) * 2014-12-11 2015-03-11 焦点科技股份有限公司 一种基于b2b平台的核心关键词自动提取方法
CN104881504A (zh) * 2015-06-23 2015-09-02 郑州悉知信息技术有限公司 一种信息搜索方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111475536A (zh) * 2019-01-23 2020-07-31 百度在线网络技术（北京）有限公司 基于搜索引擎的数据分析方法和装置
CN111475536B (zh) * 2019-01-23 2023-10-17 百度在线网络技术（北京）有限公司 基于搜索引擎的数据分析方法和装置
CN111581495A (zh) * 2020-04-08 2020-08-25 西窗科技(苏州)有限公司 一种基于搜索引擎广告数据的关键词生成推荐方法及装置
CN111581495B (zh) * 2020-04-08 2023-09-15 西窗科技(苏州)有限公司 一种基于搜索引擎广告数据的关键词生成推荐方法及装置

Also Published As

Publication number Publication date
CN108121754B (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN102841946A (zh) 商品数据检索排序及商品推荐方法和系统
CN108038216A (zh) 信息处理方法、装置及服务器集群
CN107292463A (zh) 一种对应用程序进行项目评估的方法及系统
CN105894183A (zh) 项目评价方法及装置
CN107679856A (zh) 基于交易的业务控制方法和装置
JPWO2018142753A1 (ja) ディープラーニングを用いる情報処理装置、情報処理方法及び情報処理プログラム
CN108446291A (zh) 用户信用的实时评分方法及评分系统
CN108777701A (zh) 一种确定信息受众的方法及装置
Haden Chomphosy et al. Ecosystem services benefits from the restoration of non-producing US oil and gas lands
CN104281585A (zh) 一种对象排序方法和装置
CN103778122A (zh) 搜索方法和系统
CN107767152A (zh) 产品购买倾向分析方法及服务器
CN104915440A (zh) 一种商品排重方法和系统
CN108121754A (zh) 一种获取关键词属性组合的方法及装置
Claster et al. Unsupervised artificial neural nets for modeling movie sentiment
CN108241675A (zh) 数据处理方法及装置
CN105138572A (zh) 获取用户标签的关联度权值的方法和装置
CN108255880A (zh) 数据处理方法及装置
CN110427492A (zh) 生成关键词库的方法、装置和电子设备
CN107665208A (zh) 用户偏好度量方法及装置
CN106649374A (zh) 导航标签排序的方法及装置
US11397779B2 (en) Method and device for pushing information based on search content
CN104731819A (zh) 广告关键词提取方法和装置
Schaak The impact of free trade agreements on international agricultural trade: A gravity application on the dairy product trade and the ASEAN-China-FTA
CN108268522A (zh) 网站栏目内容的展现方法及装置

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: 100080 No. 401, 4th Floor, Haitai Building, 229 North Fourth Ring Road, Haidian District, Beijing

Applicant after: Beijing Guoshuang Technology Co.,Ltd.

Address before: 100086 Cuigong Hotel, 76 Zhichun Road, Shuangyushu District, Haidian District, Beijing

Applicant before: Beijing Guoshuang Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant