CN111028067A - 一种电商商品搜索方法和装置以及设备 - Google Patents
一种电商商品搜索方法和装置以及设备 Download PDFInfo
- Publication number
- CN111028067A CN111028067A CN201911384688.7A CN201911384688A CN111028067A CN 111028067 A CN111028067 A CN 111028067A CN 201911384688 A CN201911384688 A CN 201911384688A CN 111028067 A CN111028067 A CN 111028067A
- Authority
- CN
- China
- Prior art keywords
- commodity
- search
- commerce platform
- commerce
- neural network
- 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
Links
Images
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]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3335—Syntactic pre-processing, e.g. stopword elimination, stemming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电商商品搜索方法和装置以及设备。其中,所述方法包括:对获取的输入信息进行关键词抽取,对该抽取的关键词进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据,构建基于该特征数据的神经网络模型,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果,根据该用户在该电商平台上的消费需求,展示该商品搜索结果。通过上述方式,能够实现根据用户在电商平台上的消费需求和当前输入到电商平台的搜索引擎中搜索框里的输入信息来展示商品搜索结果进行销售,进而能够提高在电商平台上的商品的销售量。
Description
技术领域
本发明涉及电商平台技术领域,尤其涉及一种电商商品搜索方法和装置以及设备。
背景技术
现有的电商商品搜索方案,一般是获取用户输入到电商平台的搜索引擎中搜索框里的输入信息,和根据该获取的输入信息进行商品搜索得到商品搜索结果,并展示该商品搜索结果,无法实现根据用户在电商平台上的消费需求和当前输入到电商平台的搜索引擎中搜索框里的输入信息来展示商品搜索结果进行销售。
发明内容
有鉴于此,本发明的目的在于提出一种电商商品搜索方法和装置以及设备,能够实现根据用户在电商平台上的消费需求和当前输入到电商平台的搜索引擎中搜索框里的输入信息来展示商品搜索结果进行销售,进而能够提高在电商平台上的商品的销售量。
根据本发明的一个方面,提供一种电商商品搜索方法,包括:获取用户输入到电商平台的搜索引擎中搜索框里的输入信息;采用自然语言分析方式,对所述获取的输入信息进行关键词抽取;对所述抽取的关键词进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据;构建基于所述形成的特征数据的神经网络模型;根据所述构建的神经网络模型,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果;根据所述用户在所述电商平台上的消费需求,展示所述商品搜索结果。
其中,所述对所述抽取的关键词进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据,包括:从所述抽取的关键词中提取至少一个特征,对所述提取的至少一个特征进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据。
其中,所述根据所述构建的神经网络模型,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果,包括:根据所述构建的神经网络模型定义搜索结果结构和规则,和根据所述定义的搜索结果结构和规则,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果。
其中,在所述根据所述用户在所述电商平台上的消费需求,展示所述商品搜索结果之后,还包括:在所述电商平台上向所述用户推送关联所述展示的商品搜索结果的相同商品属性的商品;其中,所述商品属性包括商品的供应商信息或商品的产品信息。
根据本发明的另一个方面,提供一种电商商品搜索装置,包括:获取模块、抽取模块、形成模块、构建模块、搜索模块和展示模块;所述获取模块,用于获取用户输入到电商平台的搜索引擎中搜索框里的输入信息;所述抽取模块,用于采用自然语言分析方式,对所述获取的输入信息进行关键词抽取;所述形成模块,用于对所述抽取的关键词进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据;所述构建模块,用于构建基于所述形成的特征数据的神经网络模型;所述搜索模块,用于根据所述构建的神经网络模型,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果;所述展示模块,用于根据所述用户在所述电商平台上的消费需求,展示所述商品搜索结果。
其中,所述形成模块,具体用于:从所述抽取的关键词中提取至少一个特征,对所述提取的至少一个特征进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据。
其中,所述搜索模块,具体用于:根据所述构建的神经网络模型定义搜索结果结构和规则,和根据所述定义的搜索结果结构和规则,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果。
其中,所述电商商品搜索装置,还包括:推送模块;所述推送模块,用于在所述电商平台上向所述用户推送关联所述展示的商品搜索结果的相同商品属性的商品;其中,所述商品属性包括商品的供应商信息或商品的产品信息。
根据本发明的又一个方面,提供一种电商商品搜索设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任一项所述的电商商品搜索方法。
根据本发明的再一个方面,提供一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述任一项所述的电商商品搜索方法。
可以发现,以上方案,可以获取用户输入到电商平台的搜索引擎中搜索框里的输入信息,和可以采用自然语言分析方式,对该获取的输入信息进行关键词抽取,和可以对该抽取的关键词进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据,和可以构建基于该形成的特征数据的神经网络模型,和可以根据该构建的神经网络模型,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果,以及可以根据该用户在该电商平台上的消费需求,展示该商品搜索结果,能够实现根据用户在电商平台上的消费需求和当前输入到电商平台的搜索引擎中搜索框里的输入信息来展示商品搜索结果进行销售,进而能够提高在电商平台上的商品的销售量。
进一步的,以上方案,可以从该抽取的关键词中提取至少一个特征,对该提取的至少一个特征进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据,这样的好处是能够降低关键词的计算量,提高基于关键词搜索的搜索效率。
进一步的,以上方案,可以根据该构建的神经网络模型定义搜索结果结构和规则,和根据该定义的搜索结果结构和规则,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果,这样的好处是能够实现根据用户的需求定义不同的搜索结果结构和规则,以使得到的商品搜索结果符合用户的不同需求。
进一步的,以上方案,可以在该电商平台上向该用户推送关联该展示的商品搜索结果的相同商品属性的商品,其中,该商品属性包括商品的供应商信息或商品的产品信息等,能够实现方便用户从该推送的商品选择所需的商品,进而能够提高在电商平台上的商品的销售量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本发明电商商品搜索方法一实施例的流程示意图;
图2是本发明电商商品搜索方法另一实施例的流程示意图;
图3是本发明电商商品搜索装置一实施例的结构示意图;
图4是本发明电商商品搜索装置另一实施例的结构示意图;
图5是本发明电商商品搜索设备一实施例的结构示意图。
具体实施方式
下面结合附图和实施例,对本发明作进一步的详细描述。特别指出的是,以下实施例仅用于说明本发明,但不对本发明的范围进行限定。同样的,以下实施例仅为本发明的部分实施例而非全部实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明提供一种电商商品搜索方法,能够实现根据用户在电商平台上的消费需求和当前输入到电商平台的搜索引擎中搜索框里的输入信息来展示商品搜索结果进行销售,进而能够提高在电商平台上的商品的销售量。
请参见图1,图1是本发明电商商品搜索方法一实施例的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图1所示的流程顺序为限。如图1所示,该方法包括如下步骤:
S101:获取用户输入到电商平台的搜索引擎中搜索框里的输入信息。
在本实施例中,该获取的用户输入到电商平台的搜索引擎中搜索框里的输入信息可以是图形、文字、网址等中的至少一种,本发明不加以限定。
S102:采用自然语言分析方式,对该获取的输入信息进行关键词抽取。
在本实施例中,自然语言通常可以自然地随文化演化的语言。例如,英语、汉语、日语为自然语言的例子,而世界语则为人造语言,即是一种为某些特定目的而创造的语言。
在本实施例中,所有人类使用的语言包括上述自然地随文化演化的语言以及人造语言都可以视为自然语言,以相对于如编程语言等为计算机而设的人造语言,这一种自然语言用法可见于自然语言分析一词中。
在本实施例中,自然语言分析方式可以是运用自然语言的句法和其他知识来确定组成输入句各成分功能,借以建立一种数据结构并用以获取输入句意义的方案。
在本实施例中,在编译理论中,自然语言分析方式的对象可以是计算机程序设计语言的语句;在模式识别中,自然语言分析方式的对象可以是图像描述语言等模式语言的语句,这些都不是自然语言的语句,而是人工语言的语句。在自然语言理解中,自然语言分析方式的对象可以不是人工语言,可以是自然语言的语句。
在本实施例中,该自然语言分析方式的类型,可以包括:
模板匹配型分析程序、简单短语结构语法分析程序、转换语法分析程序、扩展转移网络分析程序,通用语法分析程序、语义型语法分析程序和无语法型分析程序等,本发明不加以限定。
S103:对该抽取的关键词进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据。
其中,该对该抽取的关键词进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据,可以包括:
从该抽取的关键词中提取至少一个特征,对该提取的至少一个特征进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据,这样的好处是能够降低关键词的计算量,提高基于关键词搜索的搜索效率。
在本实施例中,该归一化处理可以是一种简化计算的方式,可以是将有量纲的表达式,经过变换,化为无量纲的表达式,成为标量。
S104:构建基于该形成的特征数据的神经网络模型。
在本实施例中,神经网络模型具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题等。
S105:根据该构建的神经网络模型,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果。
其中,该根据该构建的神经网络模型,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果,可以包括:
根据该构建的神经网络模型定义搜索结果结构和规则,和根据该定义的搜索结果结构和规则,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果,这样的好处是能够实现根据用户的需求定义不同的搜索结果结构和规则,以使得到的商品搜索结果符合用户的不同需求。
在本实施例中,可以定义搜索结果的结构和规则,例如一条神经网络,可以有商品的外观信息、功能信息、体积信息、重量信息、品质信息、形状信息、大小信息、颜色信息、性能信息、技术指标信息和图示信息等元信息,可以根据用户需求定义不同的展示方式展示不同的元素信息,不发明不加以限定。
S106:根据该用户在该电商平台上的消费需求,展示该商品搜索结果。
在本实施例中,可以根据该用户在该电商平台上的行为轨迹,获得该用户在该电商平台上的消费需求,能够实现根据用户在电商平台上的消费需求和当前输入到电商平台的搜索引擎中搜索框里的输入信息来展示商品搜索结果进行销售,进而能够提高在电商平台上的商品的销售量,也可以采用其它的方式,获得该用户在该电商平台上的消费需求,本发明不加以限定。
在本实施例中,该用户在该电商平台的行为轨迹可以包括该用户在该电商平台的消费记录、该用户在该电商平台的浏览记录、该用户在该电商平台的收藏记录、该用户在该电商平台上加入购物车的商品记录等,本发明不加以限定。
其中,在该根据该用户在该电商平台上的消费需求,展示该商品搜索结果之后,还可以包括:
在该电商平台上向该用户推送关联该展示的商品搜索结果的相同商品属性的商品;其中,该商品属性包括商品的供应商信息或商品的产品信息等,能够实现方便用户从该推送的商品选择所需的商品,进而能够提高在电商平台上的商品的销售量。
可以发现,在本实施例中,可以获取用户输入到电商平台的搜索引擎中搜索框里的输入信息,和可以采用自然语言分析方式,对该获取的输入信息进行关键词抽取,和可以对该抽取的关键词进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据,和可以构建基于该形成的特征数据的神经网络模型,和可以根据该构建的神经网络模型,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果,以及可以根据该用户在该电商平台上的消费需求,展示该商品搜索结果,能够实现根据用户在电商平台上的消费需求和当前输入到电商平台的搜索引擎中搜索框里的输入信息来展示商品搜索结果进行销售,进而能够提高在电商平台上的商品的销售量。
进一步的,在本实施例中,可以从该抽取的关键词中提取至少一个特征,对该提取的至少一个特征进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据,这样的好处是能够降低关键词的计算量,提高基于关键词搜索的搜索效率。
进一步的,在本实施例中,可以根据该构建的神经网络模型定义搜索结果结构和规则,和根据该定义的搜索结果结构和规则,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果,这样的好处是能够实现根据用户的需求定义不同的搜索结果结构和规则,以使得到的商品搜索结果符合用户的不同需求。
请参见图2,图2是本发明电商商品搜索方法另一实施例的流程示意图。本实施例中,该方法包括以下步骤:
S201:获取用户输入到电商平台的搜索引擎中搜索框里的输入信息。
可如上S101所述,在此不作赘述。
S202:采用自然语言分析方式,对该获取的输入信息进行关键词抽取。
可如上S102所述,在此不作赘述。
S203:对该抽取的关键词进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据。
可如上S103所述,在此不作赘述。
S204:构建基于该形成的特征数据的神经网络模型。
可如上S104所述,在此不作赘述。
S205:根据该构建的神经网络模型,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果。
可如上S105所述,在此不作赘述。
S206:根据该用户在该电商平台上的消费需求,展示该商品搜索结果。
可如上S106所述,在此不作赘述。
S207:在该电商平台上向该用户推送关联该展示的商品搜索结果的相同商品属性的商品;其中,该商品属性包括商品的供应商信息或商品的产品信息等。
在本实施例中,该商品的产品信息可以包括商品的外观信息、功能信息、体积信息、重量信息、品质信息、形状信息、大小信息、颜色信息、性能信息、技术指标信息和图示信息等,本发明不加以限定。
在本实施例中,该商品的供应商信息可以包括供应商名称信息、供应商主要产品信息、供应商主要品牌信息、供应商资质信息等,本发明不加以限定。
可以发现,在本实施例中,可以在该电商平台上向该用户推送关联该展示的商品搜索结果的相同商品属性的商品,其中,该商品属性包括商品的供应商信息或商品的产品信息等,能够实现方便用户从该推送的商品选择所需的商品,进而能够提高在电商平台上的商品的销售量。
本发明还提供一种电商商品搜索装置,能够实现根据用户在电商平台上的消费需求和当前输入到电商平台的搜索引擎中搜索框里的输入信息来展示商品搜索结果进行销售,进而能够提高在电商平台上的商品的销售量。
请参见图3,图3是本发明电商商品搜索装置一实施例的结构示意图。本实施例中,该电商商品搜索装置30包括获取模块31、抽取模块32、形成模块33、构建模块34、搜索模块35和展示模块36。
该获取模块31,用于获取用户输入到电商平台的搜索引擎中搜索框里的输入信息。
该抽取模块32,用于采用自然语言分析方式,对该获取的输入信息进行关键词抽取。
该形成模块33,用于对该抽取的关键词进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据。
该构建模块34,用于构建基于该形成的特征数据的神经网络模型。
该搜索模块35,用于根据该构建的神经网络模型,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果。
该展示模块36,用于根据该用户在该电商平台上的消费需求,展示该商品搜索结果。
可选地,该形成模块33,可以具体用于:
从该抽取的关键词中提取至少一个特征,对该提取的至少一个特征进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据。
可选地,该搜索模块35,可以具体用于:
根据该构建的神经网络模型定义搜索结果结构和规则,和根据该定义的搜索结果结构和规则,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果。
请参见图4,图4是本发明电商商品搜索装置另一实施例的结构示意图。区别于上一实施例,本实施例所述电商商品搜索装置40还包括推送模块41。
该推送模块41,用于在该电商平台上向该用户推送关联该展示的商品搜索结果的相同商品属性的商品;其中,该商品属性包括商品的供应商信息或商品的产品信息等。
该电商商品搜索装置30/40的各个单元模块可分别执行上述方法实施例中对应步骤,故在此不对各单元模块进行赘述,详细请参见以上对应步骤的说明。
本发明又提供一种电商商品搜索设备,如图5所示,包括:至少一个处理器51;以及,与至少一个处理器51通信连接的存储器52;其中,存储器52存储有可被至少一个处理器51执行的指令,指令被至少一个处理器51执行,以使至少一个处理器51能够执行上述的电商商品搜索方法。
其中,存储器52和处理器51采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器51和存储器52的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器51处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器51。
处理器51负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器52可以被用于存储处理器51在执行操作时所使用的数据。
本发明再提供一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
可以发现,以上方案,可以获取用户输入到电商平台的搜索引擎中搜索框里的输入信息,和可以采用自然语言分析方式,对该获取的输入信息进行关键词抽取,和可以对该抽取的关键词进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据,和可以构建基于该形成的特征数据的神经网络模型,和可以根据该构建的神经网络模型,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果,以及可以根据该用户在该电商平台上的消费需求,展示该商品搜索结果,能够实现根据用户在电商平台上的消费需求和当前输入到电商平台的搜索引擎中搜索框里的输入信息来展示商品搜索结果进行销售,进而能够提高在电商平台上的商品的销售量。
进一步的,以上方案,可以从该抽取的关键词中提取至少一个特征,对该提取的至少一个特征进行归一化处理,以使该抽取的关键词的各个特征对应的数据取值范围一致,形成该抽取的关键词的特征数据,这样的好处是能够降低关键词的计算量,提高基于关键词搜索的搜索效率。
进一步的,以上方案,可以根据该构建的神经网络模型定义搜索结果结构和规则,和根据该定义的搜索结果结构和规则,在该电商平台中搜索匹配该神经网络模型的商品信息得到商品搜索结果,这样的好处是能够实现根据用户的需求定义不同的搜索结果结构和规则,以使得到的商品搜索结果符合用户的不同需求。
进一步的,以上方案,可以在该电商平台上向该用户推送关联该展示的商品搜索结果的相同商品属性的商品,其中,该商品属性包括商品的供应商信息或商品的产品信息等,能够实现方便用户从该推送的商品选择所需的商品,进而能够提高在电商平台上的商品的销售量。
在本发明所提供的几个实施方式中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本发明各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的部分实施例,并非因此限制本发明的保护范围,凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种电商商品搜索方法,其特征在于,包括:
获取用户输入到电商平台的搜索引擎中搜索框里的输入信息;
采用自然语言分析方式,对所述获取的输入信息进行关键词抽取;
对所述抽取的关键词进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据;
构建基于所述形成的特征数据的神经网络模型;
根据所述构建的神经网络模型,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果;
根据所述用户在所述电商平台上的消费需求,展示所述商品搜索结果。
2.如权利要求1所述的电商商品搜索方法,其特征在于,所述对所述抽取的关键词进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据,包括:
从所述抽取的关键词中提取至少一个特征,对所述提取的至少一个特征进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据。
3.如权利要求1所述的电商商品搜索方法,其特征在于,所述根据所述构建的神经网络模型,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果,包括:
根据所述构建的神经网络模型定义搜索结果结构和规则,和根据所述定义的搜索结果结构和规则,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果。
4.如权利要求1所述的电商商品搜索方法,其特征在于,在所述根据所述用户在所述电商平台上的消费需求,展示所述商品搜索结果之后,还包括:
在所述电商平台上向所述用户推送关联所述展示的商品搜索结果的相同商品属性的商品;其中,所述商品属性包括商品的供应商信息或商品的产品信息。
5.一种电商商品搜索装置,其特征在于,包括:
获取模块、抽取模块、形成模块、构建模块、搜索模块和展示模块;
所述获取模块,用于获取用户输入到电商平台的搜索引擎中搜索框里的输入信息;
所述抽取模块,用于采用自然语言分析方式,对所述获取的输入信息进行关键词抽取;
所述形成模块,用于对所述抽取的关键词进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据;
所述构建模块,用于构建基于所述形成的特征数据的神经网络模型;
所述搜索模块,用于根据所述构建的神经网络模型,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果;
所述展示模块,用于根据所述用户在所述电商平台上的消费需求,展示所述商品搜索结果。
6.如权利要求5所述的电商商品搜索装置,其特征在于,所述形成模块,具体用于:
从所述抽取的关键词中提取至少一个特征,对所述提取的至少一个特征进行归一化处理,以使所述抽取的关键词的各个特征对应的数据取值范围一致,形成所述抽取的关键词的特征数据。
7.如权利要求5所述的电商商品搜索装置,其特征在于,所述搜索模块,具体用于:
根据所述构建的神经网络模型定义搜索结果结构和规则,和根据所述定义的搜索结果结构和规则,在所述电商平台中搜索匹配所述神经网络模型的商品信息得到商品搜索结果。
8.如权利要求5所述的电商商品搜索装置,其特征在于,所述电商商品搜索装置,还包括:
推送模块;
所述推送模块,用于在所述电商平台上向所述用户推送关联所述展示的商品搜索结果的相同商品属性的商品;其中,所述商品属性包括商品的供应商信息或商品的产品信息。
9.一种电商商品搜索设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至4中任一项所述的电商商品搜索方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的电商商品搜索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911384688.7A CN111028067A (zh) | 2019-12-28 | 2019-12-28 | 一种电商商品搜索方法和装置以及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911384688.7A CN111028067A (zh) | 2019-12-28 | 2019-12-28 | 一种电商商品搜索方法和装置以及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111028067A true CN111028067A (zh) | 2020-04-17 |
Family
ID=70197227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911384688.7A Pending CN111028067A (zh) | 2019-12-28 | 2019-12-28 | 一种电商商品搜索方法和装置以及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111028067A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507239A (zh) * | 2020-12-28 | 2021-03-16 | 山东茶急送茶业有限公司 | 一种基于茶叶属性的茶叶商品搜索算法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077286A (zh) * | 2013-03-26 | 2014-10-01 | 北京京东尚科信息技术有限公司 | 商品信息的搜索方法及系统 |
CN110059253A (zh) * | 2019-04-23 | 2019-07-26 | 重庆慧安链科技有限公司 | 一种基于自然语言分析的排序方法和系统以及设备 |
-
2019
- 2019-12-28 CN CN201911384688.7A patent/CN111028067A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077286A (zh) * | 2013-03-26 | 2014-10-01 | 北京京东尚科信息技术有限公司 | 商品信息的搜索方法及系统 |
CN110059253A (zh) * | 2019-04-23 | 2019-07-26 | 重庆慧安链科技有限公司 | 一种基于自然语言分析的排序方法和系统以及设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507239A (zh) * | 2020-12-28 | 2021-03-16 | 山东茶急送茶业有限公司 | 一种基于茶叶属性的茶叶商品搜索算法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Riaz et al. | Opinion mining on large scale data using sentiment analysis and k-means clustering | |
Bauer et al. | Quantitive evaluation of Web site content and structure | |
CN109446341A (zh) | 知识图谱的构建方法及装置 | |
Khusro et al. | On methods and tools of table detection, extraction and annotation in PDF documents | |
Pivk et al. | Transforming arbitrary tables into logical form with TARTAR | |
JP5721818B2 (ja) | 検索におけるモデル情報群の使用 | |
CN106156023B (zh) | 语义匹配的方法、装置和系统 | |
US10134076B2 (en) | Method and system for attribute extraction from product titles using sequence labeling algorithms | |
JP2010079657A (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN111062788A (zh) | 一种基于搜索的电商平台商品推荐方法和装置以及设备 | |
CN110909536A (zh) | 用于自动生成产品的文章的系统和方法 | |
CN107798622A (zh) | 一种识别用户意图的方法和装置 | |
CN114495143B (zh) | 一种文本对象识别方法、装置、电子设备及存储介质 | |
CN103425740A (zh) | 一种面向物联网的基于语义聚类的物资信息检索方法 | |
CN112395418A (zh) | 网页中的目标对象提取方法、装置、电子设备 | |
Bhatia et al. | Machine Learning with R Cookbook: Analyze data and build predictive models | |
Bu et al. | An FAR-SW based approach for webpage information extraction | |
CN110472155A (zh) | 基于知识图谱的协同推荐方法、装置、设备和存储介质 | |
Beheshti-Kashi et al. | Trendfashion-a framework for the identification of fashion trends | |
CN111028067A (zh) | 一种电商商品搜索方法和装置以及设备 | |
CN112883242A (zh) | 树形机器学习模型可视化方法、装置、电子设备及存储介质 | |
Jou | Schema extraction for deep web query interfaces using heuristics rules | |
US20160239474A1 (en) | Information management device and information management method | |
Hlava | The Taxobook: Applications, implementation, and integration in search: Part 3 of a 3-part series | |
CN114255067A (zh) | 数据定价方法和装置、电子设备、存储介质 |
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 |