CN110310149B - 售卖商品推荐方法、装置及设备 - Google Patents

Abstract

本说明书实施例公开了一种售卖商品推荐方法、装置及设备，其本质是，在获取不同商品的外观数据时，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，可以事先判断商品之间构成外观冲突商品的可能性性。之后，基于所述预测结果，在所述不同商品中确定推荐的售卖商品模板。

Description

售卖商品推荐方法、装置及设备

技术领域

本说明书实施例涉及计算机技术领域，尤其涉及一种售卖商品推荐方法、装置及设备。

背景技术

在零售行业，无人视觉货柜成为继自动售卖机或无人货架之后的一种新零售模式。

无人视觉货柜模式可以通过机器视觉技术自动识别商品外观，由此确认商品信息。这样，在购物过程中，可以根据消费者的拿货情况，使用静态图像识别技术或动态视频识别技术识别消费者所消费的商品，带给消费者在交易过程中的全程无感购买体验。

那么，如何提升商品外观识别精度将是无人视觉货柜模式发展的一大挑战。

发明内容

有鉴于此，本说明书实施例提供了一种用于降低商品外观识别错识率的售卖商品推荐方法、装置及设备。

本说明书实施例采用下述技术方案：

本说明书实施例提供一种售卖商品推荐方法，包括：

获取不同商品的外观数据；

利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板。

本说明书实施例还提供一种售卖商品推荐方法，包括：

接收商品上新请求，所述商品上新请求包括上新商品的外观数据；

利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新；

利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板。

本说明书实施例还提供一种售卖商品推荐装置，包括：

获取模块，获取不同商品的外观数据；

外观冲突预测模块，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

售卖商品模板确定模块，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板。

本说明书实施例还提供一种售卖商品推荐装置，包括：

接收模块，接收商品上新请求，所述商品上新请求包括上新商品的外观数据；

售卖商品模板更新模块，利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新；

外观冲突预测模块，利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

售卖商品模板确定模块，根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板。

本说明书实施例还提供一种电子设备，包括：

至少一个存储器；

至少一个处理器；

其中，所述至少一个存储器中存储有程序，并被配置成由所述至少一个处理器执行以下步骤：

获取不同商品的外观数据；

利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板。

本说明书实施例还提供一种电子设备，包括：

至少一个存储器；

至少一个处理器；

其中，所述至少一个存储器中存储有程序，并被配置成由所述至少一个处理器执行以下步骤：

接收商品上新请求，所述商品上新请求包括上新商品的外观数据；

利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新；

利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

在获取不同商品的外观数据时，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，可以事先判断商品之间构成外观冲突商品的可能性性。之后，基于预测结果，在所述不同商品中确定推荐的售卖商品模板。

本说明书实施例记载的技术方案的实质是，在售卖之前，提前预测在售卖过程中可能存在的外观冲突商品，那么，就有可能在确定推荐的售卖商品模板时事先筛除掉外观冲突商品，降低后续购物过程中的商品错识率，提升商品识别的精度，给消费者带来良好的购物体验。

附图说明

此处所说明的附图用来提供对本说明书实施例的进一步理解，构成本说明书实施例的一部分，本说明书的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本说明书实施例提出的一种售卖商品推荐方法的流程图；

图2为本说明书实施例提出的一种售卖商品推荐方法中确定外观冲突值的原理示意图；

图3为本说明书实施例提出的一种售卖商品推荐方法的流程图；

图4为本说明书实施例提出的一种售卖商品推荐方法的流程图；

图5为本说明书实施例提出的一种售卖商品推荐装置的结构示意图；

图6为本说明书实施例提出的一种售卖商品推荐装置的结构示意图。

具体实施方式

对现有技术进行分析发现，在商品售卖之前，先录入商品外观数据，并据此构建商品识别模型，商品识别模型用于购物过程中识别商品外观进而确认商品信息。一种建模方式是对每一种商品进行单独采集外观数据并建模，从而在购物识别过程中，可以调用多个商品识别模型对所消费商品进行分别识别。另一种建模方式是对所有商品使用单个通用的模型进行统一识别，在这个过程中可以根据上新商品的外观数据对该通用的模型进行更新。

在后一种情况下，随着商品数量的增加，外观相似商品出现的机率增加，那么如何应对外观相似商品的识别精度要求，降低购物过程中商品外观错误识别的几率，成为这种零售模式面临的一大挑战。通常来说，可以通过采集市场上所有商品的外观数据进行精准建模，可以想象这种方式所需要的商品外观数据量及开销。

本说明书实施例另辟蹊径，提出一种售卖商品推荐方法、装置及设备，在获取不同商品的外观数据时，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，可以事先判断商品之间构成外观冲突商品的可能性。之后，基于预测结果，在所述不同商品中确定推荐的售卖商品模板。

本说明书实施例记载的技术方案的实质是，在售卖之前，提前预测在售卖过程中可能存在的外观冲突商品，那么，就有可能在确定推荐的售卖商品模板时事先筛除掉外观冲突商品，降低后续购物过程中的商品错识率，提升商品识别的精度，给消费者带来良好的购物体验。

为使本申请的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书实施例提出的一种售卖商品推荐方法的流程示意图。

步骤101:获取不同商品的外观数据。

在本说明书实施例中，商品外观数据是商品信息的一部分，商品信息还可以包括商品名称、类别、产地、价格等一种或多种，在此不做具体限定。商品外观数据与具体商品之间具有对应关系。这样，在获取不同商品的外观数据时，不仅仅得到商品的外观数据，还对应到其他上述商品信息。另外，商品外观数据可以包括商品包装形状、商品外观尺寸、商品外观色彩等一种或多种，在此不做具体限定。其中，商品的外观数据可以是对具体的商品外观图片进行抽象得到。

在本说明书实施例中，可以是在接收到商品上新请求时，获取不同商品的外观数据。在具体应用中，运营方可以根据需要上新的一类或多类商品向系统提交商品上新请求，系统可以根据商品上新请求提取商品信息，进行商品信息录入。

这样，获取不同商品的外观数据，可以包括：

在接收到商品上新请求时，采集所述商品上新请求中上新商品的外观数据。此时，上新商品的外观数据可以作为步骤101中的不同商品的外观数据，进而实现对上新商品的外观识别支持。

在另一种应用示例中，将所述上新商品的外观数据和已存商品外观数据进行合并，得到所述不同商品的外观数据。

其中，已存商品外观数据可以是已在售卖商品的外观数据。这对应到，当需要进行商品上新时，上新商品与在售商品之间可能存在外观冲突，为避免这种情形，获取的不同商品的外观数据可以包括上新商品及已存商品的外观数据。

在一种应用示例中，本说明书实施例记载的售卖商品推荐方法还可以包括：

在接收到所述商品上新请求时，根据上新商品的外观数据对已存售卖商品模板进行更新。

对运营方来说，已存售卖商品模板记载了已获外观识别支持的商品信息，根据上新商品的外观数据对已存售卖商品模板进行更新，可以实现在已存售卖商品模板中增添上新商品信息，从而增加对所有上新商品的识别支持。

本说明书实施例记载的售卖商品推荐方法还可以包括：

利用所述上新商品的外观数据训练商品外观识别模型，所述商品外观识别模型通过识别商品图像确定商品信息。训练商品外观识别模型，可以更新商品外观识别模型的参数，可以增加对所有上新商品的识别支持，提升商品外观识别模型对市场上所有商品的外观识别精度。

在购物时，商品外观识别模型可以对采集到的商品图像进行处理，输出对应到售卖商品模板上的商品信息。

步骤103:利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果。

本说明书实施例记载的预测结果大致预测外观相似的商品之间是否构成外观冲突商品，所谓外观冲突商品是指对商品进行外观识别时发生错误识别的概率高于预期，错误识别是指对具体商品进行外观识别得出的商品信息为其他外观冲突商品的商品信息。因此，对外观冲突商品的预测结果实质是预测未来售卖时报出现商品外观冲突的概率。

在一种应用示例中，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，可以包括：

对所述不同商品的测试图进行识别，得到各商品的识别结果；

根据各商品的识别结果和对应的商品的真实数量确定商品之间的错识率；

判断所述商品之间的错识率是否高于预期值，得到所述预测结果。

本示例通过测试对每件商品的错识率来确定商品之间发生外观冲突的概率，错识率可以直接作为外观冲突的概率。其中，测试图可以从数据库中获取。

具体地，参考图2所示，图2为本说明书实施例提出的一种售卖商品推荐方法的原理示意图。对商品上新请求中包含基于商品混淆矩阵的n件商品[G1，G 2，……Gn]，图2中示出n为5，在其他应用示例中可以不限于5。通过图片识别模型对测试图进行识别，从图2可以看出，测试图中包含80个G1，其中10个被错识为G2；测试图中包含87个G2，其中5个被错识为G1；对G3、G4和G5均出现一定数量的错识。

从中可以看到，G1被错识为G2的概率为0.125，G2被错识为G1的概率为5/87，其他商品不在一一列举。

预先设置错识率的预期值(或称阈值)为0.1，G1被错识为G2的错识率为0.125，G1被错识为G2的概率超过预期，则认为G1与G2彼此之间构成外观冲突商品，

在另一种应用示例中，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，包括：

对所述不同商品的外观数据进行处理，得到商品之间的外观相似度；

判断所述商品之间的外观相似度是否高于预期值，得到预测结果。

在这种情况下，可以直接计算商品之间的外观相似度，使用外观相似度判断外观冲突商品。

在本说明书实施例中，在利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测之前，还可以包括：

利用外观分类规则对所述不同商品进行分组；

这样，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，包括：

对每组商品的外观数据进行处理，得到所述预测结果。

本说明书实施例记载的外观分类规则可以根据商品外观的显著特征对商品进行预先分组。商品外观的显著特征可以是包装类型，如瓶装或袋装，还可以是包装形状如方形或圆形，在此不做具体限定。

在一种应用示例中，利用外观分类规则对所述不同商品进行分组，可以包括：

根据商品包装类型对所述不同商品进行分组，将具有相同包装类型的商品分为同一组。

步骤105:根据所述预测结果，在不同商品中确定推荐的售卖商品模板。

这样，售卖商品模板可以记载市场上大部分或全部商品，具有充分的覆盖率。售卖商品模板可以提供给商家用户，由商家用户根据售卖商品模板进行配货和售卖。推荐的售卖商品模板可以以列表形式展示推荐的商品信息。

在本说明书实施例中，预测结果可以是如下其中一种：

商品中存在至少一组外观冲突商品；

商品中不存在外观冲突商品。这样，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，可以包括：

若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则可以从外观冲突商品中筛除至少一个，根据剩余商品得到售卖商品模板，使得售卖商品模板中的各商品之间不构成外观冲突商品；

若根据所述预测结果确定在所述不同商品中不包含外观冲突商品，则可以根据该不同商品直接确定售卖商品模板。

具体地，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，可以包括：

若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则基于商品筛除规则对所述外观冲突商品中的至少一个进行筛除；

根据筛除后的商品确定所述推荐的售卖商品模板。

在一种应用示例中，基于商品筛除规则对所述外观冲突商品中的至少一个进行筛除，可以包括：

获取所述外观冲突商品的供应链信息和库存信息中的一种或两种；

利用所述供应链信息和库存信息中的一种或两种对所述外观冲突商品中的至少一个进行筛除。

在这种应用示例中，售卖商品推荐系统可以从数据库或从后台获取商品的供应链信息和库存信息。其中，供应链信息可以反映商品供应来源，商品供应来源可以反映商品供应区域的覆盖面、商品供应成本等等，因此可以基于这些因素确定外观冲突商品中需要筛除的商品及保留的商品。具体地，筛除供应成本相对较高的商品，或筛除供应区域相对比较单一化的商品。

另外，库存信息反映商品销售情况。具体地，可以从外观冲突商品中筛除库存相对较多的商品。

在本说明书另一示例中，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，可以包括：

若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则根据用户对所述外观冲突商品中的至少一个的筛除结果确定所述推荐的售卖商品模板。

在具体应用中，用户可以根据需要对冲突商品进行筛除，筛除反馈中可以包括保留的商品信息，也可以包括筛除掉的商品信息。

这样，推荐的售卖商品模板可以反映用户需求。

在本说明书实施例中，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，包括：

利用分柜售卖规则确定对所述外观冲突商品进行分柜的售卖商品模板。

此时，外观冲突商品可以同时保留，并在不同货柜中售卖，避免同柜售卖而产生错识后果。

本说明书实施例记载的技术方案的实质是，在售卖之前，提前预测在售卖过程中可能存在的外观冲突商品，那么，就有可能在确定推荐的售卖商品模板时事先筛除掉外观冲突商品，降低后续购物过程中的商品错识率，提升商品识别的精度，给消费者带来良好的购物体验。

图3为本说明书实施例提出的一种售卖商品推荐方法的流程图。

步骤302：接收商品上新请求，所述商品上新请求包括上新商品的外观数据。具体地，可包括：

从商品上新请求中获取上新商品信息，并录入系统；

从上新商品信息中采集上新商品的外观数据。

步骤304：利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新。具体可以包括：

利用采集到的上新商品的外观数据更新商品识别模型，同时更新已存第一级售卖商品模板，增加对所有上新商品的识别支持。

步骤306：利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果。

步骤308：根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板。

本说明书实施例提供了一种二级售卖商品模板管理方案，第一级售卖商品模板作为单个大模板，完成对所有商品的识别支持，通过第二级售卖商品模板筛除掉外观冲突商品，从而为商家提供在不同货柜中售卖商品的小模板，商家在实际售卖时可以根据小模板确认可铺设的商品进行运营。

图4为本说明书实施例提供的一种售卖商品推荐方法的流程图。

步骤401和步骤403可分别参考上文步骤302、304，在此不再详述；

步骤405：利用更新的所述第一级售卖商品模板中部分商品的外观数据对所述部分商品进行外观冲突商品预测，得到预测结果。

步骤407：若根据所述预测结果确定在所述部分商品中包含外观冲突商品，则通过筛除所述外观冲突商品中的至少一个来更新第一级售卖商品模板，返回所述利用更新的所述第一级售卖商品模板中部分商品的外观数据对所述部分商品进行外观冲突商品预测，直至得到所述第二级售卖商品模板。

步骤409：若根据所述预测结果确定在所述部分商品中不包含外观冲突商品，则根据第一级售卖商品模板确定第二级售卖商品模板，第二级售卖商品模板中不包括外观冲突商品且满足运营要需求。

图5为本说明书实施例提出的一种售卖商品推荐装置的结构示意图。

本说明书实施例记载的售卖商品推荐装置可以包括：

获取模块501，获取不同商品的外观数据；

外观冲突预测模块502，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

售卖商品模板确定模块503，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板。

可选地，获取不同商品的外观数据，包括：

在接收到商品上新请求时，采集所述商品上新请求中上新商品的外观数据。

可选地，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，包括：

对所述不同商品的测试图进行识别，得到各商品的识别结果；

根据各商品的识别结果和对应的商品的真实数量确定商品之间的错识率；

判断所述商品之间的错识率是否高于预期值，得到所述预测结果。

可选地，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，包括：

若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则基于商品筛除规则对所述外观冲突商品中的至少一个进行筛除；

根据筛除后的商品确定所述推荐的售卖商品模板。

可选地，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，包括：

若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则根据用户对所述外观冲突商品中的至少一个的筛除结果确定所述推荐的售卖商品模板。

利用本说明书实施例记载的售卖商品推荐装置，在售卖之前，提前预测在售卖过程中可能存在的外观冲突商品，那么，就有可能在确定推荐的售卖商品模板时事先筛除掉外观冲突商品，降低后续购物过程中的商品错识率，提升商品识别的精度，给消费者带来良好的购物体验。

基于同一个发明构思，本说明书实施例还提供了一种电子设备，包括：

至少一个存储器；

至少一个处理器；

其中，所述至少一个存储器中存储有程序，并被配置成由所述至少一个处理器执行以下步骤：

获取不同商品的外观数据；

利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板。

需要说明的是，该电子设备具备上述操作设备所具备的功能，这里不再一一赘述。

基于同一发明构思，本说明书实施例中还提供了一种计算机可读存储介质，包括与电子设备结合使用的程序，所述程序可被处理器执行以完成以下步骤：

获取不同商品的外观数据；

利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板。

图6为本说明书实施例提出的一种售卖商品推荐装置的结构示意图。

本说明书实施例记载的售卖商品推荐装置可以包括：

接收模块601，接收商品上新请求，所述商品上新请求包括上新商品的外观数据；

售卖商品模板更新模块602，利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新；

外观冲突预测模块603，利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

售卖商品模板确定模块604，根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板。

基于同一个发明构思，本说明书实施例还提供了一种电子设备，包括：

至少一个存储器；

至少一个处理器；

其中，所述至少一个存储器中存储有程序，并被配置成由所述至少一个处理器执行以下步骤：

接收商品上新请求，所述商品上新请求包括上新商品的外观数据；

利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新；

利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板。

需要说明的是，该电子设备具备上述操作设备所具备的功能，这里不再一一赘述。

基于同一发明构思，本说明书实施例中还提供了一种计算机可读存储介质，包括与电子设备结合使用的程序，所述程序可被处理器执行以完成以下步骤：

接收商品上新请求，所述商品上新请求包括上新商品的外观数据；

利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新；

利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。

内存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)。内存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。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述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 (22)

1.一种售卖商品推荐方法，包括：

获取不同商品的外观数据；

利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，具体包括：若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则从所述外观冲突商品中筛除至少一个，根据剩余商品得到所述推荐的售卖商品模板。

2.如权利要求1所述方法，获取不同商品的外观数据，包括：

在接收到商品上新请求时，采集所述商品上新请求中上新商品的外观数据。

3.如权利要求2所述的售卖商品推荐方法，获取不同商品的外观数据，还包括：

将所述上新商品的外观数据和已存商品外观数据进行合并，得到所述不同商品的外观数据。

4.如权利要求3所述方法，在利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测之前，还包括：

根据所述上新商品的外观数据对已存售卖商品模板进行更新。

5.如权利要求2所述方法，还包括：

利用所述上新商品的外观数据训练商品外观识别模型，所述商品外观识别模型通过识别商品图像确定商品信息。

6.如权利要求1所述方法，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，包括：

对所述不同商品的测试图进行识别，得到各商品的识别结果；

根据各商品的识别结果和对应的商品的真实数量确定商品之间的错识率；

判断所述商品之间的错识率是否高于预期值，得到所述预测结果。

7.如权利要求1所述方法，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，包括：

对所述不同商品的外观数据进行处理，得到商品之间的外观相似度；

判断所述商品之间的外观相似度是否高于预期值，得到所述预测结果。

8.如权利要求1所述方法，在利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测之前，还包括：

利用外观分类规则对所述不同商品进行分组；

利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，包括：

对每组商品的外观数据进行处理，得到所述预测结果。

9.如权利要求1所述方法，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，包括：

若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则基于商品筛除规则对所述外观冲突商品中的至少一个进行筛除；

根据筛除后的商品确定所述推荐的售卖商品模板。

10.如权利要求9所述方法，基于商品筛除规则对所述外观冲突商品中的至少一个进行筛除，包括：

获取所述外观冲突商品的供应链信息和库存信息中的一种或两种；

利用所述供应链信息和库存信息中的一种或两种对所述外观冲突商品中的至少一个进行筛除。

11.如权利要求1所述方法，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，包括：

若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则根据用户对所述外观冲突商品中的至少一个的筛除结果确定所述推荐的售卖商品模板。

12.如权利要求1所述方法，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，包括：

利用分柜售卖规则确定对所述外观冲突商品进行分柜的售卖商品模板。

13.一种售卖商品推荐方法，包括：

接收商品上新请求，所述商品上新请求包括上新商品的外观数据；

利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新；

利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板，具体包括：若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则通过筛除所述外观冲突商品中的至少一个来更新第一级售卖商品模板，返回所述利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述售卖商品进行外观冲突商品预测，直至得到所述第二级售卖商品模板。

14.如权利要求13所述方法，利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，包括：

利用更新的所述第一级售卖商品模板中部分商品的外观数据对所述部分商品进行外观冲突商品预测；

根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板，包括：

若根据所述预测结果确定在所述部分商品中包含外观冲突商品，则通过筛除所述外观冲突商品中的至少一个来更新第一级售卖商品模板，返回所述利用更新的所述第一级售卖商品模板中部分商品的外观数据对所述部分商品进行外观冲突商品预测，直至得到所述第二级售卖商品模板。

15.一种售卖商品推荐装置，包括：

获取模块，获取不同商品的外观数据；

外观冲突预测模块，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

售卖商品模板确定模块，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，具体包括：若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则从所述外观冲突商品中筛除至少一个，根据剩余商品得到所述推荐的售卖商品模板。

16.如权利要求15所述装置，获取不同商品的外观数据，包括：

在接收到商品上新请求时，采集所述商品上新请求中上新商品的外观数据。

17.如权利要求15所述装置，利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，包括：

对所述不同商品的测试图进行识别，得到各商品的识别结果；

根据各商品的识别结果和对应的商品的真实数量确定商品之间的错识率；

判断所述商品之间的错识率是否高于预期值，得到所述预测结果。

18.如权利要求15所述装置，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，包括：

若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则基于商品筛除规则对所述外观冲突商品中的至少一个进行筛除；

根据筛除后的商品确定所述推荐的售卖商品模板。

19.如权利要求15所述装置，根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，包括：

若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则根据用户对所述外观冲突商品中的至少一个的筛除结果确定所述推荐的售卖商品模板。

20.一种售卖商品推荐装置，包括：

接收模块，接收商品上新请求，所述商品上新请求包括上新商品的外观数据；

售卖商品模板更新模块，利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新；

外观冲突预测模块，利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

售卖商品模板确定模块，根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板，具体包括：若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则通过筛除所述外观冲突商品中的至少一个来更新第一级售卖商品模板，返回所述利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述售卖商品进行外观冲突商品预测，直至得到所述第二级售卖商品模板。

21.一种电子设备，包括：

至少一个存储器；

至少一个处理器；

其中，所述至少一个存储器中存储有程序，并被配置成由所述至少一个处理器执行以下步骤：

获取不同商品的外观数据；

利用所述不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在所述不同商品中确定推荐的售卖商品模板，具体包括：若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则从所述外观冲突商品中筛除至少一个，根据剩余商品得到所述推荐的售卖商品模板。

22.一种电子设备，包括：

至少一个存储器；

至少一个处理器；

其中，所述至少一个存储器中存储有程序，并被配置成由所述至少一个处理器执行以下步骤：

接收商品上新请求，所述商品上新请求包括上新商品的外观数据；

利用所述上新商品的外观数据对已存的第一级售卖商品模板进行更新；

利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述不同商品进行外观冲突商品预测，得到预测结果；

根据所述预测结果，在更新的所述第一级售卖商品模板中的不同商品中确定推荐的第二级售卖商品模板，具体包括：若根据所述预测结果确定在所述不同商品中包含外观冲突商品，则通过筛除所述外观冲突商品中的至少一个来更新第一级售卖商品模板，返回所述利用更新的所述第一级售卖商品模板中不同商品的外观数据对所述售卖商品进行外观冲突商品预测，直至得到所述第二级售卖商品模板。

Images