CN109902196B - 一种商标类别推荐方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明公开了一种商标类别推荐方法、装置、计算机设备及存储介质，该方法包括：实时构建更新数据；通过更新数据对历史商标数据库中的商标类别进行更新，其中，历史商标数据库中的商标类别为历史推荐商标类别；将经更新得到的商标类别确定为推荐商标类别；本发明的方法、装置、设备及存储介质，商标类别推荐设备通过实时构建更新数据，并且，该商标类别推荐设备依据该更新数据将历史商标数据库中的商标类别进行更新，接着，将经更新得到的商标类别确定为推荐商标类别，依此即可帮助用户确定待注册的商标类别，从而，有助于提高用户的商标注册成功率，而且可以完全避免商标类别的推荐掣肘于知产经纪人业务的专业性。

Description

一种商标类别推荐方法、装置、计算机设备及存储介质

技术领域

本发明涉及商标注册领域，尤其涉及一种商标类别推荐方法、装置、计算机设备及存储介质。

背景技术

众所周知，在进行商标注册前就需要先确定商标分类。而在现有技术中，用户在准备申请商标时，也不知道应该申请哪个分类的商标，所以，都是由专业知产经纪人对商标局商标数据进行粗略分析，从而确定出商标类别。

具体的，确定商标类别的一种方式是：通过专业知产经纪人和客户在线下一对一的交谈，从而确定商标类别。另一种方式是：先通过线上平台式提交订单服务，再由人工介入，沟通交流客户的需求，然后再由知产经纪人根据自身的专业性能完成商标类别推荐。

但是，通过上述现有技术中的两种方式所进行的商标类别推荐均严重依赖于知产经纪人业务的专业性，可能由于知产经纪人的疏忽导致确定商标类别确定的失误。

发明内容

本发明的主要目的在于提出一种商标类别推荐方法、装置、计算机设备及存储介质，其克服了以上技术问题。

根据本发明的第一个方面，提供了一种商标类别推荐方法，所述方法包括：实时构建更新数据；通过所述更新数据对历史商标数据库中的商标类别进行更新，其中，所述历史商标数据库中的商标类别为历史推荐商标类别；将经更新得到的商标类别确定为推荐商标类别。

可选的，所述实时构建更新数据，包括：实时获取自目前时刻起始前的预设时间段内已进行过注册申请的商标；基于第一预设分析模型，对所述商标进行分析，得到所述商标所属的更新商标类别、所述更新商标类别在所述预设时间内的注册频率、与所述更新商标类别相关的更新类似类别、及所述更新类似类别在所述预设时间内的注册频率；按照在所述预设时间内的注册频率的大小，将所述更新商标类别、及所述更新类似类别进行顺序排列，得到更新商标类别队列；从所述更新商标类别队列中注册频率最小的类别起始，依次提取预设数量的类别已形成更新类别,并将所述更新类别中的类别确定为所述更新数据，其中，所述更新类别包括：所述更新商标类别、和/或所述更新类似类别。

可选的，所述将更新商标类别、及所述更新类似类别进行顺序排列，包括：通过预设检索设备对所述商标的申请人所处行业领域进行检索，得到所述申请人行业信息；将所述更新商标类别、及所述更新类似类别分别与对应的所述申请人行业信息建立映射关系；按照在预设时间内的注册频率的大小，将所述申请人行业信息对应的所述更新商标类别、及所述更新类似类别进行顺序排列，得到所述申请人行业信息对应的更新商标类别队列。

可选的，所述历史商标数据库的构建包括：获取历史类别数据，其中，所述历史类别数据包括：历史商标类别、与所述历史商标类别相关的历史相似类别；基于第二预设分析模型，对所述历史类别数据进行分析，得到所述历史商标类别的注册频率、所述历史相似类别的注册频率；将所述历史商标类别、及所述历史类似类别分别与对应的申请人行业信息建立映射关系；按照所述注册频率的大小，将所述申请人行业信息对应的所述历史商标类别、及所述历史类似类别进行顺序排列，得到所述历史商标类别队列；从所述历史商标类别队列中注册频率最小的类别起始，依次提取与所述更新类别数量相同的类别以构成历史类别，并将所述历史类别中的类别确定为所述历史商标数据库中的商标类别，其中，所述历史类别中类别的排列位置与所述更新类别的中类别的排列位置一一对应，且所述历史类别包括：所述历史商标类别、和/或所述历史类似类别。

可选的，所述通过更新数据对历史商标数据库中的商标类别进行更新，包括：对所述更新类别与所述历史类别进行相似度分析，得到二者的相似度；在相似度大于预设阈值的情况下，通过所述更新类别将所述历史类别进行整体替换；在相似度小于预设阈值的情况下，通过所述更新类别中的类别将所述历史类别中与该类别的排列位置对应且不同的类别进行单独替换。

可选的，所述对更新类别与所述历史类别进行相似度分析，包括：将所述更新类别中的类别是否与所述历史类别中排列位置对应的类别是否相同进行分别比较；对所述历史类别及所述更新类别中排列位置对应的相同类别进行计数，得到相同类别数量；基于所述相同类别数量、所述更新类别中类别的数量及所述历史队列中类别的数量，通过预设相似度算法得到所述相似度。

根据本发明的第二个方面，提供了一种商标类别的推荐装置，所述装置包括：构建模块，用于实时构建更新数据；更新模块，用于通过所述更新数据对历史商标数据库中的商标类别进行更新，其中，所述历史商标数据库中的商标类别为历史推荐商标类别；确定模块，用于将经更新得到的商标类别确定为推荐商标类别。

可选的，所述构建模块包括：获取单元，用于实时获取自目前时刻起始前的预设时间段内已进行过注册申请的商标；第一分析单元，用于基于第一预设分析模型，对所述商标进行分析，得到所述商标所属的更新商标类别、所述更新商标类别在所述预设时间内的注册频率、与所述更新商标类别相关的更新类似类别、及所述更新类似类别在所述预设时间内的注册频率；第一排列单元，用于按照在所述预设时间内的注册频率的大小，将所述更新商标类别、及所述更新类似类别进行顺序排列，得到更新商标类别队列；第一提取单元，用于从所述更新商标类别队列中注册频率最小的类别起始，依次提取预设数量的类别已形成更新类别,并将所述更新类别中的类别确定为所述更新数据，其中，所述更新类别包括：所述更新商标类别、和/或所述更新类似类别。

根据本发明的第三个方面，提供了一种计算机设备，包括处理器和存储器；所述存储器用于存储计算机指令，所述处理器用于运行所述存储器存储的计算机指令，以实现上述的一种商标类别推荐方法。

根据本发明的第四个方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的一种商标类别推荐方法。

本发明有益效果如下：商标类别推荐设备通过实时构建更新数据，并且，该商标类别推荐设备依据该更新数据将历史商标数据库中的商标类别进行更新，其中，所述历史商标数据库中的商标类别为历史推荐商标类别；接着，将经更新得到的商标类别确定为推荐商标类别,其中，该推荐商标类别为到此刻为止注册频率最小的商标类别，依此即可帮助用户确定待注册的商标类别，而用户也可从该推荐商标类别中继续选取注册频率最小的商标类别，从而，有助于提高用户的商标注册成功率。而且，就此使得商标类别的推荐由商标类别推荐设备自动完成，从而可以完全避免商标类别的推荐掣肘于知产经纪人业务的专业性。

附图说明

图1为本发明第一实施例一种商标类别推荐方法的流程框图；

图2为本发明中实时构建更新数据的流程框图；

图3为本发明中构建历史商标数据库的流程框图；

图4为本发明第一实施例中通过更新数据对历史商标数据库的商标类别进行更新的流程框图；

图5为本发明第一实施例中进行相似度分析的流程框图；

图6为本发明第二实施例中一种商标类别的推荐装置的结构示意框图。

本发明目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

在上下文中所称“计算机设备”，也称为“电脑”，是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器与存储器，由处理器执行在存储器中预存的存续指令来执行预定处理过程，或是由AS IC、FPGA、DSP等硬件执行预定处理过程，或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。

所述计算机设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(C l oudComput i ng)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。

需要说明的是，所述用户设备、网络设备和网络等仅为举例，其他现有的或今后可能出现的计算机设备或网络如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。

后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。

这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。

为了便于理解本发明实施例，下面通过几个具体实施例对本发明的实施过程进行详细的阐述。

本发明第一实施例提供一种商标类别推荐方法，其中，该方法应用于商标类别推荐设备，具体的，该方法包括：实时构建更新数据；通过所述更新数据对历史商标数据库中的商标类别进行更新，其中，所述历史商标数据库中的商标类别为历史推荐商标类别；将经更新得到的商标类别确定为推荐商标类别。

就此，商标类别推荐设备通过实时构建更新数据，并且，该商标类别推荐设备依据该更新数据将历史商标数据库中的商标类别进行更新，其中，所述历史商标数据库中的商标类别为历史推荐商标类别；接着，将经更新得到的商标类别确定为推荐商标类别,其中，该推荐商标类别为到此刻为止注册频率最小的商标类别，依此即可帮助用户确定待注册的商标类别，而用户也可从该推荐商标类别中继续选取注册频率最小的商标类别，从而，有助于提高用户的商标注册成功率。而且，就此使得商标类别的推荐由商标类别推荐设备自动完成，从而可以完全避免商标类别的推荐掣肘于知产经纪人业务的专业性。

图1为本发明第一实施例一种商标类别推荐方法的流程框图。根据图1所示，本发明第一实施例提供了一种商标类别推荐方法，其中，该方法应用于商标类别推荐设备，具体的，该方法包括：

S11:实时构建更新数据；

S12:通过所述更新数据对历史商标数据库中的商标类别进行更新；

其中，所述历史商标数据库中的商标类别为历史推荐商标类别；

在本实施例中，该商标类别推荐设备实时的构建更新数据；接着，该商标类别推荐设备基于该更新数据对历史商标数据库中的商标类别进行更新，其中，该更新方式包括但不限于以下一种或多种：替换、删除、增添、或修改。

其中，该历史商标数据库可为各家企业自己构建的数据库(如：尼斯分类表)，当然，也可为商标审查机构所使用的审查数据库，在本实施例中，并不对该历史商标数据库进行限定，只需其满足本实施例的要求即可。

其中，该商标类别包括但不限于：商标分类表中的45个大类别中的任意类别、任意所述大类别所属的任意商标小项、任意所述商标小项所属的细致分类。

S13:将经更新得到的商标类别确定为推荐商标类别。

该商标类别推荐设备通过将将经更新得到的商标类别确定为推荐商标类别推荐给用户，即可实现向用户推荐合适的商标类别。

就此，商标类别推荐设备通过实时构建更新数据，并且，该商标类别推荐设备依据该更新数据将历史商标数据库中的商标类别进行更新，其中，所述历史商标数据库中的商标类别为历史推荐商标类别；接着，将经更新得到的商标类别确定为推荐商标类别,其中，该推荐商标类别为到此刻为止注册频率最小的商标类别，依此即可帮助用户确定待注册的商标类别，而用户也可从该推荐商标类别中继续选取注册频率最小的商标类别，从而，有助于提高用户的商标注册成功率。而且，就此使得商标类别的推荐由商标类别推荐设备自动完成，从而可以完全避免商标类别的推荐掣肘于知产经纪人业务的专业性。

图2为本发明中实时构建更新数据的流程框图。根据图2所示，在另一实施例中，针对该S11，实时构建更新数据的一种实现方式包括：

S111:实时获取自目前时刻起始前的预设时间段内已进行过注册申请的商标；

该商标类别推荐设备实时获取自目前时刻起始前的预设时间段内已进行过注册申请的商标，该已进行过注册申请的商标为商标局最新出公告、注册失败、成功发证的商标。

S112:基于第一预设分析模型，对所述商标进行分析，得到所述商标所属的更新商标类别、所述更新商标类别在所述预设时间内的注册频率、与所述更新商标类别相关的更新类似类别、及所述更新类似类别在所述预设时间内的注册频率；

该商标类别推荐设备通过该第一预设分析模型，对该商标进行分析，即可得到所述商标所属的更新商标类别、所述更新商标类别在所述预设时间内的注册频率、与所述更新商标类别相关的更新类似类别、及所述更新类似类别在所述预设时间内的注册频率；

针对商标类别的注册频率，其为：基于商标局的统计数据，得到的在一定时间内注册申请于该商标类别的商标的个数与在该一定时间内所有注册申请过的商标的个数的比例数值。

而且，该第一预设分析模型包括但不限于：通过海杜普hadoop构建的分析模型。

在本申请中，商标类别的名称有重合、或字义相近，均可判定为类似类别。本申请中所涉及的更新类似类别、历史类似类别均可参考该类似类别的判定标准。

S113:按照在所述预设时间内的注册频率的大小，将所述更新商标类别、及所述更新类似类别进行顺序排列，得到更新商标类别队列；

如：按照在所述预设时间内的注册频率从大至小，将所述更新商标类别、及所述更新类似类别进行顺序排列，从而得到更新商标类别队列；

当然，在本实施例中，并不对排列方式进行限定，只需将所述更新商标类别、及所述更新类似类别按照各自的注册频率的大小依次排列即可。

S114:从所述更新商标类别队列中注册频率最小的类别起始，依次提取预设数量的类别已形成更新类别,并将所述更新类别中的类别确定为所述更新数据，其中，所述更新类别包括：所述更新商标类别、和/或所述更新类似类别。

即：从该更新商标类别队列中提取预设数量的类别，当然，所提取的类别均为该更新商标类别队列中注册频率最小的，并通过该提取的类别构成更新类别。而且，该更新类别包括：所述更新商标类别、和/或所述更新类似类别。在提取出类别后，将更新类别中的类别确定为更新数据，并就此构建更新数据对应的尼斯数据表。

如：该更新商标类别队列中包括：更新商标类别1、更新类似类别1、更新商标类别2、更新类似类别2、更新商标类别3、更新类似类别3、更新商标类别4、更新类似类别4、更新商标类别5、更新类似类别5、更新商标类别6、及更新类似类别6；而且，更新商标类别1的注册频率>更新类似类别1的注册频率>更新商标类别2的注册频率>更新类似类别2的注册频率>更新商标类别3的注册频率>更新类似类别3的注册频率>更新商标类别4的注册频率>更新类似类别4的注册频率>更新商标类别5的注册频率>更新类似类别5的注册频率>更新商标类别6的注册频率>及更新类似类别6。从该更新商标类别队列中注册频率最小的类别起始，依次提取10项的类别，即：该更新类别包括：更新商标类别1、更新类似类别1、更新商标类别2、更新类似类别2、更新商标类别3、更新类似类别3、更新商标类别4、更新类似类别4、更新商标类别5、及更新类似类别5。

值得注意的是，在通过此次更新后的历史商标数据库中的商标类别完成确定推荐商标类别后，此次更新后的历史商标数据库中的商标类别即为下次确定推荐商标类别时待更新的历史商标数据库中的商标类别。

当然，在本实施例中，在依次提取预设数量的类别已形成更新类别之后，该商标类别推荐设备还可通过预设通讯设备(该预设通讯设备包括但不限于：消息队列MQ)接收操作指令并响应该操作指令对该提取的类别的注册频率进行统计。而且，在得到该提取的类别的注册频率之后，该商标类别推荐设备还可将该注册频率上报至相关负责人或处理设备进行备份或者其他处理。

在另一实施例中，上述步骤S113的一种实现方式包括：通过预设检索设备对所述商标的申请人所处行业领域进行检索，得到所述申请人行业信息；将所述更新商标类别、及所述更新类似类别分别与对应的所述申请人行业信息建立映射关系；按照在预设时间内的注册频率的大小，将所述申请人行业信息对应的所述更新商标类别、及所述更新类似类别进行顺序排列，得到所述申请人行业信息对应的更新商标类别队列。然后，再执行上述步骤S114以分别从申请人行业信息对应的更新商标类别队列中选取更新类别，从而得到申请人行业信息对应的尼斯分类表，以便构建的更新数据可以更加适配申请人行业信息。当然，在本实施例中并不对该预设检索设备进行限定，只需其满足本实施例的要求即可，如：该预设检索设备包括但不限于：全文搜索引擎Lucene。

图3为本发明中构建历史商标数据库的流程框图。根据图3所示，在另一实施例中，针对该历史商标数据库的构建包括：

S31:获取历史类别数据，其中，所述历史类别数据包括：历史商标类别、与所述历史商标类别相关的历史相似类别；

具体的，在构建历史商标数据库的初始阶段，该商标类别推荐设备首先需要获取历史类别数据。在本实施例中，并不对该历史类别数据的来源进行限定，其可来自：各家企业自己构建的数据库(如：尼斯分类表)，当然，也可为商标审查机构所使用的审查数据库。

S32:基于第二预设分析模型，对所述历史类别数据进行分析，得到所述历史商标类别的注册频率、所述历史相似类别的注册频率；

在获取历史类别数据后，该商标类别推荐设备再通过第二预设分析模型对所述历史类别数据进行分析，得到所述历史商标类别的注册频率、所述历史相似类别的注册频率；当然，在本实施例中并不对该第二预设分析模型进行限定，只需其满足本实施例的要求即可，如：该第二预设分析模型包括但不限于：通过海杜普hadoop构建的分析模型。

S33:将所述历史商标类别、及所述历史类似类别分别与对应的申请人行业信息建立映射关系；

S34:按照所述注册频率的大小，将所述申请人行业信息对应的所述历史商标类别、及所述历史类似类别进行顺序排列，得到所述历史商标类别队列；

S35:从所述历史商标类别队列中注册频率最小的类别起始，依次提取与所述更新类别数量相同的类别以构成历史类别，并将所述历史类别中的类别确定为所述历史商标数据库中的商标类别，其中，所述历史类别中类别的排列位置与所述更新类别的中类别的排列位置一一对应，且所述历史类别包括：所述历史商标类别、和/或所述历史类似类别。

就此，可以在每个申请人行业信息下属多个对应的历史类别，以便构建的历史商标数据库中的商标类别可以更加适配申请人行业信息。

图4为本发明第一实施例中通过更新数据对历史商标数据库的商标类别进行更新的流程框图。根据图4所示，在另一实施例中，上述步骤S12的一种实现方式包括:

S121:对所述更新类别与所述历史类别进行相似度分析，得到二者的相似度；

在通过所述更新数据对历史商标数据库中的商标类别进行更新的过程中，需要将所述更新类别与所述历史类别进行相似度分析，就此得到二者的相似度。在本实施例中，并不对该相似度分析的具体算法进行限定，只需其满足本实施例的具体要求即可。

S122:判断该相似度是否大于预设阈值，若是，执行步骤S123；否则，执行步骤S124；

该相似度用于表征更新类别与历史类别之间的差别。

当然，在本实施例中，在本实施例中并不对该预设阈值的大小进行限定，只需其满足本实施例的要求即可。

S123:通过所述更新类别将所述历史类别进行整体替换；

具体的，在相似度大于预设阈值的情况下，则表征为更新类别与历史类别差别太大，为了保证更新速率，则通过所述更新类别将所述历史类别进行整体替换。

S124:通过所述更新类别中的类别将所述历史类别中与该类别的排列位置对应且不同的类别进行单独替换；

具体的，在相似度小于预设阈值的情况下，则表征为更新类别与历史类别差别不大，为了保证更新速率，则通过所述更新类别中的类别将所述历史类别中与该类别的排列位置对应且不同的类别进行单独替换。

就此，可以根据更新类别与历史类别的差别大小，灵活的更换更新方式以保证更新速率。

图5为本发明第一实施例中进行相似度分析的流程框图。具体的，根据图5所示，在另一实施例中，针对该S121，该相似度分析的一种实现方式包括：

S1211:判断所述更新类别中的类别是否与所述历史类别中排列位置对应的类别相同；

由于更新类别中的类别的排列位置与历史类别中的类别的排列位置一一对应，所以，可以将所述更新类别中的类别是否与所述历史类别中排列位置对应的类别相同进行分别比较。若是，执行步骤S1214,否则，执行步骤S1212。

S1212:对所述历史类别及所述更新类别中排列位置对应的相同类别进行计数，得到相同类别数量；

如：统计出更新类别中有N个类别与历史类别中排列位置对应的类别相同，则统计的数值为N，N为正整数。

在本实施例中，并不对该技术方式进行限定，只需其满足本实施例的要求即可。

S1213:基于所述相同类别数量、所述更新类别中类别的数量及所述历史队列中类别的数量，通过预设相似度算法得到所述相似度。

在本实施例中，并不对对该预设相似度算法进行限定，只需其满足本实施例的要求即可，如：若统计处更新类别中类别的数量为M，该M≥N，则该相似度＝N/M。

S1214:不做处理。

图6为本发明第二实施例中一种商标类别的推荐装置的结构示意框图。根据图6所示，根据图6所示，本发明第二实施例提供了一种商标类别的推荐装置，该装置包括：构建模块101，用于实时构建更新数据；更新模块102，用于通过所述更新数据对历史商标数据库中的商标类别进行更新，其中，所述历史商标数据库中的商标类别为历史推荐商标类别；确定模块103，用于将经更新得到的商标类别确定为推荐商标类别。

可选的，所述构建模块101包括：获取单元，用于实时获取自目前时刻起始前的预设时间段内已进行过注册申请的商标；第一分析单元，用于基于第一预设分析模型，对所述商标进行分析，得到所述商标所属的更新商标类别、所述更新商标类别在所述预设时间内的注册频率、与所述更新商标类别相关的更新类似类别、及所述更新类似类别在所述预设时间内的注册频率；第一排列单元，用于按照在所述预设时间内的注册频率的大小，将所述更新商标类别、及所述更新类似类别进行顺序排列，得到更新商标类别队列；第一提取单元，用于从所述更新商标类别队列中注册频率最小的类别起始，依次提取预设数量的类别已形成更新类别,并将所述更新类别中的类别确定为所述更新数据，其中，所述更新类别包括：所述更新商标类别、和/或所述更新类似类别。

可选的，所述第一排列单元具体用于：通过预设检索设备对所述商标的申请人所处行业领域进行检索，得到所述申请人行业信息；将所述更新商标类别、及所述更新类似类别分别与对应的所述申请人行业信息建立映射关系；按照在预设时间内的注册频率的大小，将所述申请人行业信息对应的所述更新商标类别、及所述更新类似类别进行顺序排列，得到所述申请人行业信息对应的更新商标类别队列。

可选的，该装置还包括：历史商标数据库构建模块，该历史商标数据库构建模块具体用于：获取历史类别数据，其中，所述历史类别数据包括：历史商标类别、与所述历史商标类别相关的历史相似类别；基于第二预设分析模型，对所述历史类别数据进行分析，得到所述历史商标类别的注册频率、所述历史相似类别的注册频率；将所述历史商标类别、及所述历史类似类别分别与对应的申请人行业信息建立映射关系；按照所述注册频率的大小，将所述申请人行业信息对应的所述历史商标类别、及所述历史类似类别进行顺序排列，得到所述历史商标类别队列；从所述历史商标类别队列中注册频率最小的类别起始，依次提取与所述更新类别数量相同的类别以构成历史类别，并将所述历史类别中的类别确定为所述历史商标数据库中的商标类别，其中，所述历史类别中类别的排列位置与所述更新类别的中类别的排列位置一一对应，且所述历史类别包括：所述历史商标类别、和/或所述历史类似类别。

可选的，该更新模块102包括：相似度分析单元，用于对所述更新类别与所述历史类别进行相似度分析，得到二者的相似度；整体替换单元，用于在相似度大于预设阈值的情况下，通过所述更新类别将所述历史类别进行整体替换；；单独替换单元，用于在相似度小于预设阈值的情况下，通过所述更新类别中的类别将所述历史类别中与该类别的排列位置对应且不同的类别进行单独替换。

可选的，所述相似度分析单元具体用于：将所述更新类别中的类别是否与所述历史类别中排列位置对应的类别是否相同进行分别比较；对所述历史类别及所述更新类别中排列位置对应的相同类别进行计数，得到相同类别数量；基于所述相同类别数量、所述更新类别中类别的数量及所述历史队列中类别的数量，通过预设相似度算法得到所述相似度。

本发明第三实施例提供了一种计算机设备，包括处理器和存储器；所述存储器用于存储计算机指令，所述处理器用于运行所述存储器存储的计算机指令，以实现上述的一种商标类别推荐方法。

本发明第三实施例中的一种计算机设备所涉及的名词及实现原理具体可以参照本发明实施例中的第一实施例的一种商标类别推荐方法，在此不再赘述。

本发明第四实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个模块，所述一个或者多个模块可被一个或者多个处理器执行，以实现上述的一种商标类别推荐方法。

本发明第四实施例中的一种计算机可读存储介质所涉及的名词及实现原理具体可以参照本发明实施例中的第一实施例的一种商标类别推荐方法，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种商标类别推荐方法，其特征在于，所述方法包括：

实时构建更新数据；

通过所述更新数据对历史商标数据库中的商标类别进行更新，其中，所述历史商标数据库中的商标类别为历史推荐商标类别；

将经更新得到的商标类别确定为推荐商标类别；

其中，所述实时构建更新数据，包括：

实时获取自目前时刻起始前的预设时间段内已进行过注册申请的商标；

基于第一预设分析模型，对所述商标进行分析，得到所述商标所属的更新商标类别、所述更新商标类别在所述预设时间内的注册频率、与所述更新商标类别相关的更新类似类别、及所述更新类似类别在所述预设时间内的注册频率；

按照在所述预设时间内的注册频率的大小，将所述更新商标类别、及所述更新类似类别进行顺序排列，得到更新商标类别队列；

从所述更新商标类别队列中注册频率最小的类别起始，依次提取预设数量的类别已形成更新类别,并将所述更新类别中的类别确定为所述更新数据，其中，所述更新类别包括：所述更新商标类别、和/或所述更新类似类别；

其中，所述历史商标数据库的构建包括：

获取历史类别数据，其中，所述历史类别数据包括：历史商标类别、与所述历史商标类别相关的历史相似类别；

基于第二预设分析模型，对所述历史类别数据进行分析，得到所述历史商标类别的注册频率、所述历史相似类别的注册频率；

将所述历史商标类别、及所述历史相似类别分别与对应的申请人行业信息建立映射关系；

按照所述注册频率的大小，将所述申请人行业信息对应的所述历史商标类别、及所述历史相似类别进行顺序排列，得到所述历史商标类别队列；

从所述历史商标类别队列中注册频率最小的类别起始，依次提取与所述更新类别数量相同的类别以构成历史类别，并将所述历史类别中的类别确定为所述历史商标数据库中的商标类别，其中，所述历史类别中类别的排列位置与所述更新类别的中类别的排列位置一一对应，且所述历史类别包括：所述历史商标类别、和/或所述历史相似类别。

2.根据权利要求1所述的方法，其特征在于，将所述更新商标类别、及所述更新类似类别进行顺序排列，包括：

通过预设检索设备对所述商标的申请人所处行业领域进行检索，得到所述申请人行业信息；

将所述更新商标类别、及所述更新类似类别分别与对应的所述申请人行业信息建立映射关系；

按照在预设时间内的注册频率的大小，将所述申请人行业信息对应的所述更新商标类别、及所述更新类似类别进行顺序排列，得到所述申请人行业信息对应的更新商标类别队列。

3.根据权利要求2所述的方法，其特征在于，通过所述更新数据对历史商标数据库中的商标类别进行更新，包括：

对所述更新类别与所述历史类别进行相似度分析，得到二者的相似度；

在相似度大于预设阈值的情况下，通过所述更新类别将所述历史类别进行整体替换；

在相似度小于预设阈值的情况下，通过所述更新类别中的类别将所述历史类别中与该类别的排列位置对应且不同的类别进行单独替换。

4.根据权利要求2所述的方法，其特征在于，对所述更新类别与所述历史类别进行相似度分析，包括：

将所述更新类别中的类别是否与所述历史类别中排列位置对应的类别是否相同进行分别比较；

对所述历史类别及所述更新类别中排列位置对应的相同类别进行计数，得到相同类别数量；

基于所述相同类别数量、所述更新类别中类别的数量及历史队列中类别的数量，通过预设相似度算法得到所述相似度。

5.一种商标类别的推荐装置，以实现权利要求1至4中任一项所述的一种商标类别推荐方法，其特征在于，所述装置包括：

构建模块，用于实时构建更新数据；

更新模块，用于通过所述更新数据对历史商标数据库中的商标类别进行更新，其中，所述历史商标数据库中的商标类别为历史推荐商标类别；

确定模块，用于将经更新得到的商标类别确定为推荐商标类别。

6.根据权利要求5所述的装置，其特征在于，所述构建模块包括：

获取单元，用于实时获取自目前时刻起始前的预设时间段内已进行过注册申请的商标；

第一分析单元，用于基于第一预设分析模型，对所述商标进行分析，得到所述商标所属的更新商标类别、所述更新商标类别在所述预设时间内的注册频率、与所述更新商标类别相关的更新类似类别、及所述更新类似类别在所述预设时间内的注册频率；

第一排列单元，用于按照在所述预设时间内的注册频率的大小，将所述更新商标类别、及所述更新类似类别进行顺序排列，得到更新商标类别队列；

第一提取单元，用于从所述更新商标类别队列中注册频率最小的类别起始，依次提取预设数量的类别已形成更新类别,并将所述更新类别中的类别确定为所述更新数据，其中，所述更新类别包括：所述更新商标类别、和/或所述更新类似类别。

7.一种计算机设备，其特征在于，包括处理器和存储器；

所述存储器用于存储计算机指令，所述处理器用于运行所述存储器存储的计算机指令，以实现权利要求1至4中任一项所述的一种商标类别推荐方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至4中任一项所述的一种商标类别推荐方法。

Images