CN109635198A - 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 - Google Patents

Abstract

本发明提供了一种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。该方法包括：接收用户输入的搜索关键词；获取商品展示平台上展示的每个商品的标签；针对所述搜索关键词进行第一类目预测；确定第一数量；如果第一数量小于预定数量阈值，针对所述搜索关键词进行第二类目预测；确定第二数量；如果第二数量不低于所述预定数量阈值，将商品向用户呈现。本公开实施例优化了网络资源配置，提高了搜索结果与用户真实意愿的匹配度。

Description

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

技术领域

本发明涉及互联网领域，特别涉及一种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。

背景技术

目前的第三方商品展示平台，如淘宝、京东等，为卖家展示卖家的商品。当展示的商品成交后，从卖家的销售额中提取一定比例的佣金。用户在商品展示平台上可以输入搜索关键词，搜索自己需要的商品。商品展示平台向用户展示作为搜索结果的商品。然而，用户在输入搜索关键词时，可能不太清楚用什么样的关键词表达自己的需要，因此，按照用户输入的搜索关键词返回的搜索结果可能不能满足用户的实际需要。而且，如果用户输入关键词错误，按照用户输入的搜索关键词返回的搜索结果可能很少。在按照用户的搜索关键词没有太多匹配的结果，往往商品展示平台就会为用户展示商品展示平台在一段时期主要推广的商品，但用户对这些商品又不感兴趣。如何在用户输入关键词错误或不够精准时，为用户展示与用户的意愿比较贴近的商品，从而优化网络资源配置，成为一个难题。

发明内容

本申请的一个目的在于，优化网络资源配置，使得向用户展示商品的网页资源能得到更有效的利用，在用户输入关键词不够准确时提高搜索结果与用户真实意愿的匹配度。

根据本申请的一方面，提供了一种在商品展示平台上呈现用户搜索结果的方法，包括：

接收用户输入的搜索关键词；

获取商品展示平台上展示的每个商品的标签；

针对所述搜索关键词进行第一类目预测，从而预测出搜索关键词的匹配的类目；

确定商品展示平台上标签与用户输入的搜索关键词进行第一匹配成功、且与第一类目预测所预测出的类目匹配的商品的数量，作为第一数量；

如果第一数量小于预定数量阈值，针对所述搜索关键词进行第二类目预测，从而预测出与搜索关键词的匹配度低于第一类目预测下预测出的类目的类目；

确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量，其中第二匹配要求的匹配度低于第一匹配要求的匹配度；

如果第二数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

在一个实施例中，在确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量后，所述方法还包括：

如果第二数量低于所述预定数量阈值，获取所述搜索关键词的同义词；

确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第三数量；

如果第三数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

在一个实施例中，在确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品数量，作为第三数量后，所述方法还包括：

如果第三数量低于所述预定数量阈值，按照所述预定数量阈值减去第三数量的差值，从候选待推荐商品集合中选择商品；

将从待推荐商品集合中选择的商品连同商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品一起向用户呈现。

在一个实施例中，针对所述搜索关键词进行第一类目预测包括：将所述搜索关键词输入机器学习模型，由所述机器学习模型输出所述搜索关键词的第一类目，所述机器学习模型通过以下方式训练：

从平台的用户搜索行为日志中，提取出搜索关键词对应的用户点击商品，以及用户点击类目筛选按钮的日志；

针对每一类目，确定用户点击在搜索关键词得到的搜索结果中该类目下的的商品的次数、以及用户点击该类目的类目筛选按钮的次数的和；

将所述和最大的类目作为所述搜索关键词对应的类目；

将所述搜索关键词输入机器学习模型，由机器学习模型从预定类目集中选择一个类目，作为机器学习模型对该搜索关键词的类目的判定结果，如果该判定结果与该搜索关键词对应的类目不一致，则调整所述机器学习模型，使所述机器学习模型的判定结果与该搜索关键词对应的类目一致。

在一个实施例中，所述将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现，包括：

确定将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度；

根据所述商品与搜索关键词匹配度，确定第一分数；

根据将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数；

基于第一分数和第二分数的加权和，确定将商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

在一个实施例中，所述获取所述搜索关键词的同义词包括：

通过查找同义词库，获取所述搜索关键词的同义词。

在一个实施例中，所述将商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品向用户呈现，包括：

确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度；

根据所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词匹配度，确定第一分数；

根据所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数；

基于第一分数和第二分数的加权和，确定所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

根据本申请的一方面，提供了一种在商品展示平台上呈现用户搜索结果的装置，包括：

接收单元，用于接收用户输入的搜索关键词；

第一获取单元，用于获取商品展示平台上展示的每个商品的标签；

第一类目预测单元，用于针对所述搜索关键词进行第一类目预测，从而预测出搜索关键词的匹配的类目；

第一确定单元，用于确定商品展示平台上标签与用户输入的搜索关键词进行第一匹配成功、且与第一类目预测所预测出的类目匹配的商品的数量，作为第一数量；

第二类目预测单元，用于如果第一数量小于预定数量阈值，针对所述搜索关键词进行第二类目预测，从而预测出与搜索关键词的匹配度低于第一类目预测下预测出的类目的类目；

第二确定单元，用于确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量，其中第二匹配要求的匹配度低于第一匹配要求的匹配度；

第一呈现单元，用于如果第二数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

根据本申请的另一方面，提供了一种计算机可读程序介质，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行如前所述的方法。

根据本申请的另一方面，提供了一种电子设备，所述电子设备包括：

处理器；

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如前所述的方法。

本发明的实施例提供的技术方案可以包括以下有益效果：本申请实施例中，针对所述搜索关键词进行第一类目预测，从而预测出搜索关键词的匹配的类目，然后确定商品展示平台上标签与用户输入的搜索关键词进行第一匹配成功、且与第一类目预测所预测出的类目匹配的商品的数量，作为第一数量。如果商品展示平台上标签与用户输入的搜索关键词匹配的商品的数量小于预定数量阈值，此时有可能是用户设置的关键词没有准确地反映用户意愿，或者用户想要的商品本身比较少，此时多提供一些相关的商品供用户选择，即针对所述搜索关键词进行第二类目预测，从而预测出与搜索关键词的匹配度低于第一类目预测下预测出的类目的类目，然后确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量，其中第二匹配要求的匹配度低于第一匹配要求的匹配度。在第二匹配时的匹配度要求是低于第一匹配时的匹配度要求的，而且所用的类目也是与搜索关键词的匹配度降低了的类目，这样，必然能找到更多的搜索结果，有利于在用户提供的搜索词不精确时提供更多可选的搜索结果给用户，使得向用户展示商品的网页资源能得到更有效的利用，优化网络资源配置。

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，并于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在商品展示平台上呈现用户搜索结果的方法的流程图。

图2是根据另一示例性实施例示出的在商品展示平台上呈现用户搜索结果的方法的流程图。

图3是根据一示例性实施例示出的在商品展示平台上呈现用户搜索结果的装置的框图。

图4是根据一示例性实施例示出的一种用于实现上在商品展示平台上呈现用户搜索结果的方法的电子设备示例框图。

图5是根据一示例性实施例示出的一种用于实现上述在商品展示平台上呈现用户搜索结果的方法的计算机可读存储介质。

具体实施方式

这里将详细地对示例性实施例执行说明，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。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。

本公开首先提供了一种商品专场自动排序方法。本发明的实施终端可以是任何具有计算功能或者处理功能的设备，例如可以是台式计算机、笔记本电脑、服务器、工作站、智能手机等，其中可以包括软件、硬件或固件的结合。

图1是根据一示例性实施例示出的在商品展示平台上呈现用户搜索结果的方法的流程图。商品展示平台可以例如淘宝、京东等自营平台，商家在上面直接注册，商品展示平台帮助商家展示其商品，其商品成交后商品展示平台从中抽取一定比例的佣金。商品展示平台也可以是非自营平台，其从淘宝、京东等自营平台爬取一些商品的链接，帮助自营平台展示，用户购买最终在自营平台确立成交，对于非自营平台的展示起到扩大受众群的效果，商家除了给自营平台一定比例的佣金外，也付给该非自营平台一定比例的佣金，作为扩大商品接触面的回报。用户搜索结果是指当用户在商品展示平台的页面上输入搜索关键词后，为用户呈现的搜索结果。

在一个实施例中，如图1所示，所述方法包括：

步骤110、接收用户输入的搜索关键词；

步骤120、获取商品展示平台上展示的每个商品的标签；

步骤130、针对所述搜索关键词进行第一类目预测，从而预测出搜索关键词的匹配的类目；

步骤140、确定商品展示平台上标签与用户输入的搜索关键词进行第一匹配成功、且与第一类目预测所预测出的类目匹配的商品的数量，作为第一数量；

步骤150、如果第一数量小于预定数量阈值，针对所述搜索关键词进行第二类目预测，从而预测出与搜索关键词的匹配度低于第一类目预测下预测出的类目的类目；

步骤160、确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量，其中第二匹配要求的匹配度低于第一匹配要求的匹配度；

步骤170、如果第二数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

下面对这些步骤详细描述。

在步骤110中，接收用户输入的搜索关键词。

搜索关键词是用户在商品展示平台上用于搜索商品的词。例如，用户想要蓝色格衬衫，输入的关键词可能是蓝色、格、衬衫。用户一般是在商品展示平台的页面的特定位置的输入框中输入关键词，该关键词可以是一个，也可能是多个。

在步骤120中，获取商品展示平台上展示的每个商品的标签。

标签是指表征商品展示平台的商品的特点的词。在商品上线，即放在商品展示平台上展示时，为商品贴上标签。在一个实施例中，标签有两种获得方式。第一种获得方式是，从商品入驻商品展示平台时商品的商家填写的商品登记页面中爬取预定属性(例如，爬取商品名称、颜色、规格等)的属性值(例如，衬衫、蓝、M号)作为标签。第二种获得方式是，将商品入驻商品展示平台时商品的商家填写的商品描述分词，从分出的词中确定出分出的词的在该商品描述中的出现次数超出预定阈值的词，作为标签。例如，在商品的描述中，出现6次“便宜”，预定阈值为5，则将“便宜”作为商品的标签。

在步骤130中，针对所述搜索关键词进行第一类目预测，从而预测出搜索关键词的匹配的类目。

由于商品的标签可能有多个，用户输入的搜索关键词也可能有多个，在一个实施例中，标签与用户输入的搜索关键词匹配是指，只要商品的一个标签与搜索关键词中的一个一致，则认为商品的标签与搜索关键词匹配。

按照上述匹配的原则，就可以确定商品展示平台上的所有商品中标签中的一个与用户输入的搜索关键词中的一个一致的商品的数量，作为第一数量。

在一个实施例中，针对所述搜索关键词进行第一类目预测包括：将所述搜索关键词输入机器学习模型，由所述机器学习模型输出所述搜索关键词的第一类目，所述机器学习模型通过以下方式训练：

从平台的用户搜索行为日志中，提取出搜索关键词对应的用户点击商品，以及用户点击类目筛选按钮的日志；

针对每一类目，确定用户点击在搜索关键词得到的搜索结果中该类目下的的商品的次数、以及用户点击该类目的类目筛选按钮的次数的和；

将所述和最大的类目作为所述搜索关键词对应的类目；

将所述搜索关键词输入机器学习模型，由机器学习模型从预定类目集中选择一个类目，作为机器学习模型对该搜索关键词的类目的判定结果，如果该判定结果与该搜索关键词对应的类目不一致，则调整所述机器学习模型，使所述机器学习模型的判定结果与该搜索关键词对应的类目一致。

商品的类目是指商品所属的类，例如一种粉色连衣裙属于服装这个类目。用户输入搜索关键词，这些搜索关键词往往是针对要购买的商品所属的类目的。例如，用户输入“好吃”，往往是针对“食品”这个类目下的商品。进行第一类目预测可以预测该搜索关键词想要搜索的商品是哪个类目的。

用户的搜索行为日志是平台针对用户的每一次搜索行为生成的记录，其详细记录在行为的各种参数、产生的时间、用户网址等，从中可以得到用户搜索时所用的搜索关键词，以及在看到搜索结果(搜索结果包括多个商品)之后点击的商品。根据用户在看到搜索结果后容易点开哪个类目的商品，能够得出用户输入搜索关键词后是想要搜索什么类目的商品。另外，在某些情况下，用户输入搜索关键词后，并不直接显示作为搜索结果的商品，而是显示搜索结果的类目筛选按钮。根据用户看到类目筛选按钮后，会选择哪个类目筛选按钮下的商品，也能够得出用户输入搜索关键词后是想要搜索什么类目的商品。因此，本实施例中首先从平台的用户搜索行为日志中，提取出搜索关键词对应的用户点击商品、以及用户点击类目筛选按钮的日志。然后，针对每一类目，分别确定用户点击在搜索关键词得到的搜索结果中该类目下的的商品的次数、以及用户点击该类目的类目筛选按钮的次数的和。用户点击在搜索关键词得到的搜索结果中该类目下的的商品的次数是指用户看到搜索结果(搜索结果包括多个商品)之后点击的商品中该类目下的商品数目，或者说点击这一类目的商品的数目。例如，历史上，用户输入“好吃”，得到“糖果”、“香蕉”、“苹果”、“箱子”，其中，用户点击“糖果”或“香蕉”或“苹果”有999次，点击“箱子”有一次。这时认为，用户点击在搜索关键词得到的搜索结果中该类目下的的商品的次数。用户点击该类目的类目筛选按钮的次数是指在用户输入搜索关键词后，显示搜索结果的类目筛选按钮的情况下，用户历史上选择该类目的筛选按钮的次数。例如，历史上1000次用户输入“好吃”，显示包括“食品”、“服装”等类目筛选按钮后，有999次用户选择“食品”。这时，用户点击该类目“食品”的类目筛选按钮的次数为999。因此，可以针对每一类目，确定用户点击在搜索关键词得到的搜索结果中该类目下的的商品的次数、以及用户点击该类目的类目筛选按钮的次数的和。该和越大，用户输入搜索关键词，越可能想要查找这个类目下的商品。将所述和最大的类目作为所述搜索关键词对应的类目。

这样，就可以将每个所述搜索关键词作为样本(其类目是已知的)输入机器学习模型，由机器学习模型从预定类目集中选择一个类目，作为机器学习模型对该搜索关键词的类目的判定结果，如果该判定结果与该搜索关键词对应的类目不一致，则调整所述机器学习模型，使所述机器学习模型的判定结果与该搜索关键词对应的类目一致。经过这样的不断训练，只要将搜索关键词输入机器学习模型，就能得到与搜索关键词对应的类目。

在步骤140中，确定商品展示平台上标签与用户输入的搜索关键词进行第一匹配成功、且与第一类目预测所预测出的类目匹配的商品的数量，作为第一数量。

商品展示平台上的商品可能有一个或多个标签，用户输入的搜索关键词可能有一个或多个，标签和搜索关键词的匹配是指根据商品的标签与搜索关键词的重合程度(即匹配度)来确定商品是否是搜索关键词要搜索的商品的判定过程。匹配度是指商品的标签与搜索关键词的重合程度。在一个实施例中，匹配度可以用商品的标签和搜索关键词的交集中元素的数量除以商品的标签和搜索关键词的并集中元素的数量来确定。例如，搜索关键词是“好吃”、“便宜”、“健康”，商品标签是“好吃”、“高档”、“健康”、“便携”，其交集为“好吃”、“健康”，共有2个元素，其并集为“好吃”、“便宜”、“健康”、“高档”、“便携”，共有5个元素，匹配度＝2/5＝0.4。匹配成功是指匹配度高于预定阈值。第一匹配成功是指匹配度高于预设的第一阈值。例如，第一阈值为0.6，此时匹配度0.4被任务没有匹配成功。

商品与第一类目预测所预测出的类目匹配是指，商品的类目与第一类目预测所预测出的类目一致。如上所述，商品是具有类目的，例如“方便面”这个商品的类目是食品。由于在商品展示平台上，商品要么是按照类目展示的，要么其在商品展示平台上注册时要求填写其类目，这样，从商品展示平台的注册信息可以查找该商品所属的类目。另一方面，如在步骤130中，可以预测出搜索关键词匹配的类目。如果步骤130中预测的类目与商品的类目一致，该商品就是商品展示平台上标签与用户输入的搜索关键词进行第一匹配成功、且与第一类目预测所预测出的类目匹配的商品。预测的类目与商品的类目一致是指商品的类目属于预测的类目之一。预测的类目可能有多个，例如，用户输入“好看”，预测出的类目可能有“工艺品”、“衣服”等，只要符合其中一个，就可以认定预测的类目与商品的类目一致。找出商品展示平台上所有这样的商品，其总数就是第一数量。

在步骤150中，如果第一数量小于预定数量阈值，针对所述搜索关键词进行第二类目预测，从而预测出与搜索关键词的匹配度低于第一类目预测下预测出的类目的类目。

如果第一数量小于预定数量阈值，此时有可能是用户设置的关键词没有准确地反映用户意愿，或者用户想要的商品本身比较少，此时应多提供一些相关的商品供用户选择。因此，进行第二类目预测，第二类目预测降低了预测出的类目与搜索关键词的匹配度的要求。这样，预测出的类目更多。再以此更多的类目去查找与商品展示平台上的匹配商品时，就能返回更多匹配商品的结果，提高了在用户输入的搜索关键词不那么准确时的搜索效果。

如上所述，类目是通过将搜索关键词输入机器学习模型，由机器学习模型输出的。在训练机器学习模型时，将所述搜索关键词输入机器学习模型，由机器学习模型从预定类目集中选择一个类目，作为机器学习模型对该搜索关键词的类目的判定结果。机器学习模型从预定类目集中选择一个类目，实际上通过确定预定类目集中每个类目是与搜索关键词对应的类目的概率，然后选择概率最高的类目来实现的。该概率就是该类目与搜索关键词的匹配度。如果该判定结果与该搜索关键词对应的类目不一致，则调整所述机器学习模型，使所述机器学习模型的判定结果与该搜索关键词对应的类目一致，实际上也是调整机器学习模型的系数，使得机器学习模型输出的已知该搜索关键词应对应的类目在预定类目集的所有类目中的概率最大。经过这样不断调整后，训练出该机器学习模型。将搜索关键词输入该机器学习模型后，机器学习模型仍然会针对预定类目集的所有类目，都确定出该类目是与搜索关键词应对应的类目的概率，概率最大的类目就确定成与搜索关键词匹配的类目。相应的概率就是匹配度。

第二类目预测相比于第一类目预测的区别就是，要求的匹配度会降低。例如，在第一类目预测下，要求类目与搜索关键词的匹配度可能为90％。在第二类目预测下，要求类目与搜索关键词的匹配度可能为80％。这样，只有类目与搜索关键词的匹配度大于80％，都是第二类目预测所预测出的类目。这样，增加了预测出的类目的数量，从而增加了最后匹配出来的搜索结果数。

进行第二类目的预测的过程与第一类目的预测的过程类似，也可以通过机器学习模型方法，只不过机器学习模型判定是与搜索关键词匹配的类目时的匹配度要求或概率要求变低。预测的具体过程不再赘述。

在步骤160中，确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量，其中第二匹配要求的匹配度低于第一匹配要求的匹配度。

商品展示平台上的商品可能有一个或多个标签，用户输入的搜索关键词可能有一个或多个，标签和搜索关键词的匹配是指根据商品的标签与搜索关键词的重合程度(即匹配度)来确定商品是否是搜索关键词要搜索的商品的判定过程。匹配度是指商品的标签与搜索关键词的重合程度。在一个实施例中，匹配度可以用商品的标签和搜索关键词的交集中元素的数量除以商品的标签和搜索关键词的并集中元素的数量来确定。例如，搜索关键词是“好吃”、“便宜”、“健康”，商品标签是“好吃”、“高档”、“健康”、“便携”，其交集为“好吃”、“健康”，共有2个元素，其并集为“好吃”、“便宜”、“健康”、“高档”、“便携”，共有5个元素，匹配度＝2/5＝0.4。匹配成功是指匹配度高于预定匹配度阈值。第二匹配成功是指匹配度高于预设的第二匹配度阈值，该第二匹配度阈值低于第一匹配度。例如，第一匹配度阈值为0.6，第二匹配度阈值为0.3，此时匹配度0.4虽然在第一匹配中低于0.6，没有匹配成功；在第二匹配中高于0.3，匹配是成功的。通过这种方式，扩大搜索出的匹配结果数量，在用户输入的搜索关键词不精确的情况下提高搜索结果与用户需求匹配的程度。

商品与第二类目预测所预测出的类目匹配是指，商品的类目与第而类目预测所预测出的类目一致。预测的类目与商品的类目一致是指商品的类目属于预测的类目之一。预测的类目可能有多个，例如，用户输入“好看”，预测出的类目可能有“工艺品”、“衣服”等，只要符合其中一个，就可以认定预测的类目与商品的类目一致。找出商品展示平台上所有与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品，其总数就是第二数量。

在步骤170中，如果第二数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

在一个实施例中，步骤170包括：

确定将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度；

根据所述商品与搜索关键词匹配度，确定第一分数；

根据将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数；

基于第一分数和第二分数的加权和，确定将商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

如上所述，将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度是指该商品的标签与搜索关键词的重合程度，即商品的标签和搜索关键词的交集中元素的数量除以商品的标签和搜索关键词的并集中元素的数量。

然后，根据所述标签与搜索关键词匹配度，确定第一分数，可以采用查找匹配度与第一分数对应关系表的方式。下面是该表的一个例子：

根据将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数。在一个实施例中，可以通过如下公式确定第二分数：

S＝a1p1+a2p2,

其中，S是第二分数，p1是商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品在当前时间前预定时间段(例如，1个月)之内在商品展示平台上的成交数量(多少件),p2是指商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的单价。成交量越大，希望其排序越靠前，因为其销得快，有利于商品展示平台提取佣金。单价越高，希望其排序越靠前，因为单价越高，商品展示平台提取的佣金越多。a1和a2分别是为p1和p2分配的系数。然后，基于第一分数和第二分数的加权和，确定将商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

预先设置第一分数和第二分数的权重。例如，第一分数的权重为0.6，第二分数的权重为0.4。如果第一分数为3，第二分数为4的话，加权和＝3×0.6+4×0.4＝1.8+1.6＝3.4。

确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的每一个商品的加权和后，就可以按照加权和从高到低的顺序向用户呈现这些商品。

如图2所示，在步骤160之后，在一个实施例中，所述方法还包括：

步骤171、如果第二数量低于所述预定数量阈值，获取所述搜索关键词的同义词；

步骤181、确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第三数量；

步骤191、如果第三数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

在步骤171中，如果第二数量的和仍然低于所述预定数量阈值，向用户返回的搜索结果较少，此时仍然不能使向用户展示商品的网页资源能得到更有效的利用，此时有可能是用户用的搜索关键词并未完全表达出用户真实意愿所致。此时，可以获取所述搜索关键词的同义词。具体的方法可以是通过查找同义词库来进行。同义词库事先收录了具有同一含义的词的集合。每一种含义对应一个集合。根据该搜索关键词，查找该搜索关键词在同义词库中所在的集合，将该集合中的其它词就可以作为该搜索关键词的同义词。

在步骤181中，确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第三数量；

第二匹配成功的含义是，将搜索关键词以及所述搜索关键词的同义词作为一个集合，商品的标签作为另一个集合，确定两个集合交集中元素的数量与两个集合的并集中元素的数量的比，当该比超过预定比例阈值时，认为第二匹配成功。例如，搜索关键词是“好吃”、“便宜”、“健康”，“好吃”的同义词是“味美”，“便宜”的同义词是“低价”，这样，搜索关键词与其同义词组成的集合为“好吃”、“便宜”、“健康”、“味美”、“低价”共5个元素。商品的标签的集合有“高档”、“便携”、“特产”、“味美”、“健康”5个元素，两个集合的交集为“味美”、“健康”2个元素，并集为“好吃”、“便宜”、“健康”、“味美”、“低价”、“高档”、“便携”、“特产”8个元素。假设预定比例阈值为30％，2/8＝25％小于30％，则第二匹配不成功。

商品与第二类目预测所预测出的类目匹配是指，商品的类目与第二类目所预测出的类目中的一个一致。例如，用户输入关键词“好看”，预测出的类目有工艺品、音像制品、服装、鲜花等，商品的类目只要属于其中任意一个，则认为匹配。然后，确定商品展示平台上所有商品中与所述搜索关键词或搜索关键词的同义词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品的数量，作为第三数量。

在步骤191中，如果第三数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

在一个实施例中，该步骤包括：

确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度；

根据所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词匹配度，确定第一分数；

根据所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数；

基于第一分数和第二分数的加权和，确定所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

如上所述，将商品展示平台上与所述搜索关键词或搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度是指该商品的标签与搜索关键词或其同义词的重合程度，即商品的标签组成一个集合，搜索关键词及其同义词组成另一个集合，两个集合的交集中元素的数量除以两个集合的并集中元素的数量。

然后，根据所述标签与搜索关键词匹配度，确定第一分数。其可以采用查找匹配度与第一分数对应关系表的方式，如上所述。

根据将商品展示平台上与所述搜索关键词或其同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数。在一个实施例中，可以通过如下公式确定第二分数：

S＝a1p1+a2p2,

其中，S是第二分数，p1是商品展示平台上与所述搜索关键词或其同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品在当前时间前预定时间段(例如，1个月)之内在商品展示平台上的成交数量(多少件),p2是指商品展示平台上与所述搜索关键词或其同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的单价。

成交量越大，希望其排序越靠前，因为其销得快，有利于商品展示平台提取佣金。单价越高，希望其排序越靠前，因为单价越高，商品展示平台提取的佣金越多。a1和a2分别是为p1和p2分配的系数。

然后，基于第一分数和第二分数的加权和，确定所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

预先设置第一分数和第二分数的权重。例如，第一分数的权重为0.6，第二分数的权重为0.4。如果第一分数为3，第二分数为4的话，加权和＝3×0.6+4×0.4＝1.8+1.6＝3.4。

确定所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的每一个商品的加权和后，就可以按照加权和从高到低的顺序向用户呈现这些商品。

如图2所示，步骤181之后，在一个实施例中，所述方法还包括：

步骤192、如果第三数量低于所述预定数量阈值，按照所述预定数量阈值减去第三数量的差值，从候选待推荐商品集合中选择商品；

步骤193、将从待推荐商品集合中选择的商品连同商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品一起向用户呈现。

在步骤192中，如果第三数量低于所述预定数量阈值，说明搜索得到的商品还不够多，所述预定数量阈值减去第三数量的差值就是其与预定数量阈值相差的数量，可以按照该数量，从候选待推荐商品集合中选择商品。候选待推荐商品集合是商品展示平台与商家合作、拟向用户进行推广的商品构成的集合。从候选待推荐商品集合中选择商品可以采用从该集合中随机选择该差值个数目的方式。然后，可以将从待推荐商品集合中选择的商品连同商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品一起向用户呈现。

如图3所示，根据本公开的一个实施例，还提供了一种在商品展示平台上呈现用户搜索结果的装置，包括：

接收单元310，用于接收用户输入的搜索关键词；

第一获取单元320，用于获取商品展示平台上展示的每个商品的标签；

第一类目预测单元330，用于针对所述搜索关键词进行第一类目预测，从而预测出搜索关键词的匹配的类目；

第一确定单元340，用于确定商品展示平台上标签与用户输入的搜索关键词进行第一匹配成功、且与第一类目预测所预测出的类目匹配的商品的数量，作为第一数量；

第二类目预测单元350，用于如果第一数量小于预定数量阈值，针对所述搜索关键词进行第二类目预测，从而预测出与搜索关键词的匹配度低于第一类目预测下预测出的类目的类目；

第二确定单元360，用于确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量，其中第二匹配要求的匹配度低于第一匹配要求的匹配度；

第一呈现单元370，用于如果第二数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

在一个实施例中，所述装置还包括：

第二获取单元(未示)，用于如果第二数量低于所述预定数量阈值，获取所述搜索关键词的同义词；

第三确定单元(未示)，用于确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第三数量；

第二呈现单元(未示)，用于如果第三数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

在一个实施例中，所述装置还包括：

选择单元(未示)，用于如果第三数量低于所述预定数量阈值，按照所述预定数量阈值减去第三数量的差值，从候选待推荐商品集合中选择商品；

第三呈现单元(未示)，用于将从待推荐商品集合中选择的商品连同商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品一起向用户呈现。

在一个实施例中，针对所述搜索关键词进行第一类目预测包括：将所述搜索关键词输入机器学习模型，由所述机器学习模型输出所述搜索关键词的第一类目，所述机器学习模型通过以下方式训练：

从平台的用户搜索行为日志中，提取出搜索关键词对应的用户点击商品，以及用户点击类目筛选按钮的日志；

针对每一类目，确定用户点击在搜索关键词得到的搜索结果中该类目下的的商品的次数、以及用户点击该类目的类目筛选按钮的次数的和；

将所述和最大的类目作为所述搜索关键词对应的类目；

将所述搜索关键词输入机器学习模型，由机器学习模型从预定类目集中选择一个类目，作为机器学习模型对该搜索关键词的类目的判定结果，如果该判定结果与该搜索关键词对应的类目不一致，则调整所述机器学习模型，使所述机器学习模型的判定结果与该搜索关键词对应的类目一致。

在一个实施例中，第一呈现单元370进一步用于：

确定将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度；

根据所述商品与搜索关键词匹配度，确定第一分数；

根据将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数；

基于第一分数和第二分数的加权和，确定将商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

在一个实施例中，所述获取所述搜索关键词的同义词包括：

通过查找同义词库，获取所述搜索关键词的同义词。

在一个实施例中，第二呈现单元进一步用于：

确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度；

根据所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词匹配度，确定第一分数；

根据所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数；

基于第一分数和第二分数的加权和，确定所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

根据本公开的第三方面，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图4来描述根据本发明的这种实施方式的电子设备1500。图4显示的电子设备1500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备1500以通用计算设备的形式表现。电子设备1500的组件可以包括但不限于：上述至少一个处理单元1510、上述至少一个存储单元1520、连接不同系统组件(包括存储单1520和处理单元1510)的总线1530。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1510执行，使得所述处理单元1510执行本说明书上述“实施例方法”部分中描述的根据本发明各种示例性实施方式的步骤。

存储单元1520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)1521和/或高速缓存存储单元1522，还可以进一步包括只读存储单元(ROM)1523。

存储单元1520还可以包括具有一组(至少一个)程序模块1525的程序/实用工具1524，这样的程序模块1525包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1500也可以与一个或多个外部设备1700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1500交互的设备通信，和/或与使得该电子设备1500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1550进行。并且，电子设备1500还可以通过网络适配器1560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1560通过总线1530与电子设备1500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

根据本公开的第四方面，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图5所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品1600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

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执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种在商品展示平台上呈现用户搜索结果的方法，其特征在于，包括：

接收用户输入的搜索关键词；

获取商品展示平台上展示的每个商品的标签；

针对所述搜索关键词进行第一类目预测，从而预测出搜索关键词的匹配的类目；

确定商品展示平台上标签与用户输入的搜索关键词进行第一匹配成功、且与第一类目预测所预测出的类目匹配的商品的数量，作为第一数量；

如果第一数量小于预定数量阈值，针对所述搜索关键词进行第二类目预测，从而预测出与搜索关键词的匹配度低于第一类目预测下预测出的类目的类目；

确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量，其中第二匹配要求的匹配度低于第一匹配要求的匹配度；

如果第二数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

2.根据权利要求1所述的方法，其特征在于，在确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量后，所述方法还包括：

如果第二数量低于所述预定数量阈值，获取所述搜索关键词的同义词；

确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第三数量；

如果第三数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

3.根据权利要求2所述的方法，其特征在于，在确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品数量，作为第三数量后，所述方法还包括：

如果第三数量低于所述预定数量阈值，按照所述预定数量阈值减去第三数量的差值，从候选待推荐商品集合中选择商品；

将从待推荐商品集合中选择的商品连同商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品一起向用户呈现。

4.根据权利要求1所述的方法，其特征在于，针对所述搜索关键词进行第一类目预测包括：将所述搜索关键词输入机器学习模型，由所述机器学习模型输出所述搜索关键词的第一类目，所述机器学习模型通过以下方式训练：

从平台的用户搜索行为日志中，提取出搜索关键词对应的用户点击商品，以及用户点击类目筛选按钮的日志；

针对每一类目，确定用户点击在搜索关键词得到的搜索结果中该类目下的的商品的次数、以及用户点击该类目的类目筛选按钮的次数的和；

将所述和最大的类目作为所述搜索关键词对应的类目；

将所述搜索关键词输入机器学习模型，由机器学习模型从预定类目集中选择一个类目，作为机器学习模型对该搜索关键词的类目的判定结果，如果该判定结果与该搜索关键词对应的类目不一致，则调整所述机器学习模型，使所述机器学习模型的判定结果与该搜索关键词对应的类目一致。

5.根据权利要求1所述的方法，其特征在于，所述将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现，包括：

确定将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度；

根据所述商品与搜索关键词匹配度，确定第一分数；

根据将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数；

基于第一分数和第二分数的加权和，确定将商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

6.根据权利要求2所述的方法，其特征在于，所述获取所述搜索关键词的同义词包括：

通过查找同义词库，获取所述搜索关键词的同义词。

7.根据权利要求2所述的方法，其特征在于，所述将商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品向用户呈现，包括：

确定商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词的匹配度；

根据所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品与搜索关键词匹配度，确定第一分数；

根据所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品的当前时间前预定时间段之内在商品展示平台上的成交量、以及商品价格，确定第二分数；

基于第一分数和第二分数的加权和，确定所述商品展示平台上与所述搜索关键词或搜索关键词的同义词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现的排序。

8.一种在商品展示平台上呈现用户搜索结果的装置，其特征在于，包括：

接收单元，用于接收用户输入的搜索关键词；

第一获取单元，用于获取商品展示平台上展示的每个商品的标签；

第一类目预测单元，用于针对所述搜索关键词进行第一类目预测，从而预测出搜索关键词的匹配的类目；

第一确定单元，用于确定商品展示平台上标签与用户输入的搜索关键词进行第一匹配成功、且与第一类目预测所预测出的类目匹配的商品的数量，作为第一数量；

第二类目预测单元，用于如果第一数量小于预定数量阈值，针对所述搜索关键词进行第二类目预测，从而预测出与搜索关键词的匹配度低于第一类目预测下预测出的类目的类目；

第二确定单元，用于确定商品展示平台上与所述搜索关键词进行第二匹配成功，且与第二类目预测所预测出的类目匹配的商品数量，作为第二数量，其中第二匹配要求的匹配度低于第一匹配要求的匹配度；

第一呈现单元，用于如果第二数量不低于所述预定数量阈值，将商品展示平台上与所述搜索关键词进行第二匹配成功、且与第二类目预测所预测出的类目匹配的商品向用户呈现。

9.一种计算机可读程序介质，其特征在于，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行根据权利要求1至7任一项所述的方法。

10.一种电子设备，其特征在于，所述电子设备包括：

处理器；

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如权利要求1至7任一项所述的方法。