CN111275511A - 识别竞争商品的方法、装置、电子设备及介质 - Google Patents

识别竞争商品的方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN111275511A
CN111275511A CN201811479662.6A CN201811479662A CN111275511A CN 111275511 A CN111275511 A CN 111275511A CN 201811479662 A CN201811479662 A CN 201811479662A CN 111275511 A CN111275511 A CN 111275511A
Authority
CN
China
Prior art keywords
commodities
data
similarity
determining
commodity
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
Application number
CN201811479662.6A
Other languages
English (en)
Inventor
徐亚琼
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 Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information 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 Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201811479662.6A priority Critical patent/CN111275511A/zh
Publication of CN111275511A publication Critical patent/CN111275511A/zh
Pending legal-status Critical Current

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
    • G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q30/0627—Directed, with specific intent or strategy using item specifications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开提供了一种识别竞争商品的方法，包括：获取多个商品的数据，所述多个商品属于同一品类的多个商品；根据所述多个商品的数据，确定所述多个商品的数据之间的相似度；根据所述多个商品的数据之间的相似度，从所述多个商品中确定出具有竞争的商品。本公开还提供了一种识别竞争商品的装置、电子设备及介质。

Description

识别竞争商品的方法、装置、电子设备及介质
技术领域
本公开涉及互联网的技术领域，尤其涉及一种识别竞争商品的方法、装置、电子设备及介质。
背景技术
随着互联网技术的快速发展，用户可以在网上采购各种商品，例如，手机、电脑、手表、衣服等等。当然用户还可以在网上下载各种商品，例如，各种应用程序。因此，在用户采购或下载的过程中，出现了同一品类下的竞争商品。目前识别竞争商品的方法主要有两种：1、根据行业经验人的经验来判断哪些商品具有竞争关系；2、利用网络爬虫技术，通过关键词从互联网中抓取商品的相关信息来判断哪些商品具有竞争关系。
但是，在实现本发明的发明构思的过程中，发明人发现现有技术至少存在以下问题：基于已有的行业经验来识别竞争商品的方法主观性比较强，难以量化，无法大规模扩展，最主要无法全面的获取所有竞争商品；利用网络爬虫技术获取的竞争商品信息，可能会由于关键词的不确定性及过量数据，导致获取的商品信息很难准确识别出具有竞争的商品。
发明内容
有鉴于此，本公开提供一种识别竞争商品的方法、装置、电子设备及介质，进而至少部分地解决了由于相关技术的限制和缺陷而导致的一个或者多个问题。
本公开的第一个方面提供了一种识别竞争商品的方法，包括：获取多个商品的数据，所述多个商品属于同一品类的多个商品；根据所述多个商品的数据，确定所述多个商品的数据之间的相似度；根据所述多个商品的数据之间的相似度，从所述多个商品中确定出具有竞争的商品。
根据本公开的实施例，所述多个商品的数据包括以下任意一种或多种：多个商品被浏览的日志数据、多个商品的订单数据、多个商品的属性数据。
根据本公开的实施例，当所述多个商品的数据为多个商品被浏览的日志数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：根据所述日志数据中记录的时间信息，确定所述多个商品之间跳转的次数；根据所述多个商品之间跳转的次数，确定所述多个商品被浏览的日志数据之间的消费相似度。
根据本公开的实施例，当所述多个商品的数据为多个商品的订单数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：根据所述订单数据，对所述多个商品在一段时间内的成交总额进行排序，得到每个商品的成交总额的排名；根据每个商品的成交总额的排名，确定所述多个商品的订单数据之间的销售规模相似度。
根据本公开的实施例，当所述多个商品的数据为多个商品的属性数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：根据所述属性数据，计算所述多个商品的属性个数；根据所述多个商品的属性个数，确定所述多个商品的属性数据之间的属性相似度。
本公开的第二个方面提供了一种识别竞争商品的装置，包括：获取模块，用于获取多个商品的数据，所述多个商品属于同一品类的多个商品；第一确定模块，用于根据所述多个商品的数据，确定所述多个商品的数据之间的相似度；第二确定模块，用于根据所述多个商品的数据之间的相似度，从所述多个商品中确定出具有竞争的商品。
根据本公开的实施例，所述多个商品的数据包括以下任意一种或多种：多个商品被浏览的日志数据、多个商品的订单数据、多个商品的属性数据。
根据本公开的实施例，当所述多个商品的数据为多个商品被浏览的日志数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：根据所述日志数据中记录的时间信息，确定所述多个商品之间跳转的次数；根据所述多个商品之间跳转的次数，确定所述多个商品被浏览的日志数据之间的消费相似度。
根据本公开的实施例，当所述多个商品的数据为多个商品的订单数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：根据所述订单数据，对所述多个商品在一段时间内的成交总额进行排序，得到每个商品的成交总额的排名；根据每个商品的成交总额的排名，确定所述多个商品的订单数据之间的销售规模相似度。
根据本公开的实施例，当所述多个商品的数据为多个商品的属性数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：根据所述属性数据，计算所述多个商品的属性个数；根据所述多个商品的属性个数，确定所述多个商品的属性数据之间的属性相似度。
本公开的第三个方面提供了一种电子设备，包括：一个或多个处理器，以及存储装置。所述存储装置用于存储一个或多个程序。其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述的识别竞争商品的方法。
本公开的第四个方面提供了一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行如上所述的识别竞争商品的方法。
本公开的第五个方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现识别竞争商品的方法。
本公开提供的身份识别方法的有益效果如下：
通过本公开实施例提供的技术方案可以根据同一品类下的多个商品的数据之间的相似度，从多个商品中确定出具有竞争的商品，以此方式得出具有竞争的商品准确度更高。
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和解释性的，并不能限制本公开。
附图说明
图1示意性示出了根据本公开实施例的识别竞争商品的方法的流程图；
图2示意性示出了根据本公开另一个实施例的识别竞争商品的方法的流程图；
图3示意性示出了根据本公开另一个实施例的识别竞争商品的方法的流程图；
图4示意性示出了根据本公开另一个实施例的识别竞争商品的方法的流程图；
图5示意性示出了根据本公开个实施例的识别竞争商品的装置的方框图；
图6示意性示出了根据本公开实施例的电子设备的计算机系统的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解，实质上任意表示两个或更多可选项目的转折连词和/或短语，无论是在说明书、权利要求书还是附图中，都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如，短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。
本公开的实施例提供了一种识别竞争商品的方法，包括：获取多个商品的数据，所述多个商品属于同一品类的多个商品；根据所述多个商品的数据，确定所述多个商品的数据之间的相似度；根据所述多个商品的数据之间的相似度，从所述多个商品中确定出具有竞争的商品。
通过本公开提供的识别竞争商品的方法可以根据同一品类下的多个商品的数据之间的相似度，从多个商品中确定出具有竞争的商品，以此方式得出具有竞争的商品准确度更高。
图1示意性示出了根据本公开实施例的识别竞争商品的方法的流程图。
如图1所示，识别竞争商品的方法包括步骤S101～步骤S103。
在步骤S101中，获取多个商品的数据，所述多个商品属于同一品类的多个商品。
在步骤S102中，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度。
在步骤S103中，根据所述多个商品的数据之间的相似度，从所述多个商品中确定出具有竞争的商品。
该方法可以根据同一品类下的多个商品的数据之间的相似度，从多个商品中确定出具有竞争的商品，以此方式得出具有竞争的商品准确度更高。
在本公开的一些实施例中，上述多个商品的数据包括以下任意一种或多种：多个商品被浏览的日志数据、多个商品的订单数据、多个商品的属性数据。例如，多个商品被浏览的日志数据、多个商品的订单数据、多个商品的属性数据可以是通用平台(例如，各种购物平台)中的数据，也可以是应用平台(例如，app store)的数据。
在本公开的一些实施例中，上述多个商品的数据之间的相似度可以包括以下任意一个或多个：消费相似度、销售规模相似度、属性相似度。其中，消费相似度、销售规模相似度和属性相似度的计算过程可以参考下面图2～图4描述的实施例。
在本公开的一些实施例中，上述同一品类可以是同一三级品类。例如，三级品类可以是手机、电脑、手表、衣服、具有播放音乐功能的应用程序、具有播放视频功能的应用程序等等，但不限于此。
在本公开的一些实施例中，当三级品类为手机时，多个商品可以是同一个品牌下的手机，也可以是不同品牌下的手机。例如，同一个品牌下的多个手机可以是小米6、小米7、小米8等等小米系列的手机。例如，不同品牌下的多个手机可以是小米8、iphoneX、华为P20等等。
在本公开的一些实施例中，当三级品类为具有播放音乐功能的应用程序时，多个商品可以是同一家公司推出的具有播放音乐功能的应用程序，也可以是不同公司推出的具有播放音乐功能的应用程序。例如，同一家公司推出的具有播放音乐功能的应用程序可以是版本号为8.0的QQ音乐播放器，也可以是版本号为8.2的QQ音乐播放器，还可以是版本号为8.7的QQ音乐播放器。例如，不同公司推出的具有播放音乐功能的应用程序可以是QQ音乐播放器、酷狗音乐播放器、网易音乐播放器、天天动听音乐播放器等等。
在本公开的一些实施例中，通过上述方法可以从上述不同品牌下的多个商品中确定出竞争商品。当然通过上述方法也可以从上述同一个品牌下的多个商品中可以确定出竞争商品。
图2示意性示出了根据本公开另一个实施例的识别竞争商品的方法的流程图。
如图2所示，当所述多个商品的数据为多个商品被浏览的日志数据时，上述步骤S102具体可以包括步骤S201和步骤S202。
在步骤S201中，根据所述日志数据中记录的时间信息，确定所述多个商品之间跳转的次数。
在步骤S202中，根据所述多个商品之间跳转的次数，确定所述多个商品被浏览的日志数据之间的消费相似度。
通过该方法可以精确的确定出同一品类的多个商品的消费相似度，然后根据多个商品的消费相似度，从多个商品中确定出具有竞争的商品。例如，根据日志数据中记录的时间信息，确定多个商品之间跳转的次数，然后根据多个商品之间跳转的次数，确定多个商品被浏览的日志数据之间的消费相似度，从而实现了可以根据所述多个商品被浏览的日志数据之间的消费相似度，从多个商品中确定出具有竞争的商品。
在本公开的一些实施例中，上述商品被浏览的日志数据可以是用户在浏览器端对商品进行浏览器时生成的日志数据。该日志数据可以保存在服务器端，也可以保存在浏览器端。例如，商品被浏览的日志数据如果保存在服务器端，则可以直接从服务器端中获取商品被浏览的日志数据。商品被浏览的日志数据如果保存在浏览器端，则可以从已被授权的浏览器端中获取商品被浏览的日志数据。
在本公开的一些实施例中，上述日志数据中记录的时间信息可以指用户在浏览时从商品A跳转到商品B的时间。其中，商品A、商品B、以及其他商品可以是属于同一品类的商品。另外，商品A的品牌、商品B、以及其他商品的品牌可以是相同品牌，也可以是不同品牌。
在本公开的一些实施例中，根据用户在浏览时从商品A跳转到商品B的时间，可以确定商品A跳转到商品B的次数。例如，用户在浏览时从商品A跳转到商品B的时刻有32个，则可以记录商品A跳转到商品B的次数为32。此时如果用户在浏览时从商品A跳转到其他商品的时刻有100个，可以记录商品A跳转到其他商品的次数为100。在这种情况下，可以根据商品A跳转到商品B的次数和商品A跳转到其他商品的次数，确定商品A和商品B之间的消费相似度。例如，商品A和商品B之间的消费相似度等于商品A跳转到商品B的次数和商品A跳转到其他商品的次数的比，即32/100等于0.32。
需要说明的是，通过上述方法计算得出的消费相似度越大，则表明商品A和商品B的竞争力越强。例如，可以设定一阈值，通过比较商品A和商品B之间的消费相似度和该阈值的大小来确定商品A和商品B是否为竞争商品。例如，阈值为0.5，当商品A和商品B之间的消费相似度大于等于0.5时，商品A和商品B为竞争商品。反之，当商品A和商品B之间的消费相似度小于0.5时，商品A和商品B不是竞争商品。
在本公开的一些实施例中，在同一品类目范围内通过上述方法可以定位出消费者选择概率最接近的相似品牌名单。
图3示意性示出了根据本公开另一个实施例的识别竞争商品的方法的流程图。
如图3所示，当所述多个商品的数据为多个商品的订单数据时，上述步骤S102具体可以包括步骤S301和步骤S302。
在步骤S301中，根据所述订单数据，对所述多个商品在一段时间内的成交总额进行排序，得到每个商品的成交总额的排名。
在步骤S302中，根据每个商品的成交总额的排名，确定所述多个商品的订单数据之间的销售规模相似度。
通过该方法可以精确的确定出同一品类的多个商品的销售规模相似度，然后根据多个商品的销售规模相似度，从多个商品中确定出具有竞争的商品。例如，根据订单数据，对多个商品在一段时间内的成交总额进行排序，得到每个商品的成交总额的排名，根据每个商品的成交总额的排名，确定多个商品的订单数据之间的销售规模相似度，从而实现了可以根据多个商品的订单数据之间的销售规模相似度，从多个商品中确定出具有竞争的商品。
在本公开的一些实施例中，上述多个商品的订单数据可以是多个商品在一段时间内的销售情况。例如，京东商城在一个月内销售商品A、商品B、商品C、商品D的情况。具体图如表1所示：
表1
商品 三月份的成交总额
商品A 10W
商品B 9.5W
商品C 6W
商品D 2W
在本公开的一些实施例中，商品A、商品B、商品C、商品D、以及其他商品可以是属于同一品类的商品。另外，商品B、商品C、商品D、以及其他商品的品牌可以是相同品牌，也可以是不同品牌。
在本公开的一些实施例中，可以根据订单数据对多个商品在一段时间内的成交总额进行排序，得到每个商品的成交总额的排名。例如，根据上述表1中数据可以确定商品A、商品B、商品C、商品D在三月份的成交总额的排名，具体如表2所示：
表2
商品 三月份的成交总额 成交总额的排名
商品A 10W 1
商品B 9.5W 2
商品C 6W 3
商品D 2W 4
在本公开的一些实施例中，根据表2数据可以确定出商品A、商品B、商品C、商品D两两之间的销售规模相似度。例如，商品A和商品B之间的销售规模相似度为(2-1)/4＝0.25；商品A和商品C之间的销售规模相似度为(3-1)/4＝0.5；商品A和商品D之间的销售规模相似度为(4-1)/4＝0.75等等。
需要说明的是，通过上述方法计算得出的销售规模相似度越小，则表明商品A、商品B、商品C、商品D两两之间的竞争力越强。例如，可以设定一阈值，通过比较商品A和商品B之间的销售规模相似度和该阈值的大小来确定商品A和商品B是否为竞争商品。例如，阈值为0.2，当商品A和商品B之间的消费相似度小于等于0.2时，商品A和商品B为竞争商品。反之，当商品A和商品B之间的销售规模相似度大于0.2时，商品A和商品B不是竞争商品。
在本公开的一些实施例中，当商品为应用程序时，表2的数据可以如表3所示：
表3
商品 三月份的下载量 下载量的排名
商品A 10W 1
商品B 9.5W 2
商品C 6W 3
商品D 2W 4
根据上述表3数据确定商品A、商品B、商品C、商品D两两之间的销售规模相似度与上述根据表2数据确定商品A、商品B、商品C、商品D两两之间的销售规模相似度的方法大致相同，在此不再赘述。
在本公开的一些实施例中，在同一品类目范围内通过上述方法可以确定出所有品牌在一个周期(例如，年，季度或者月)内的成交总额，根据成交总额的排名，可以定位出目标品牌排名前后10个品牌，可以将该10个品牌作为竞争品牌。
图4示意性示出了根据本公开另一个实施例的识别竞争商品的方法的流程图。
如图4所示，当所述多个商品的数据为多个商品的属性数据时，上述步骤S102具体可以包括步骤S401和步骤S402。
在步骤S401中，根据所述属性数据，计算所述多个商品的属性个数。
在步骤S402中，根据所述多个商品的属性个数，确定所述多个商品的属性数据之间的属性相似度。
通过该方法可以精确的确定出同一品类的多个商品的属性相似度，然后根据多个商品的属性相似度，从多个商品中确定出具有竞争的商品。例如，根据属性数据，计算多个商品的属性个数，然后根据多个商品的属性个数，确定多个商品的属性数据之间的属性相似度，从而实现了可以根据多个商品的属性数据之间的属性相似度，从多个商品中确定出具有竞争的商品。
在本公开的一些实施例中，上述多个商品的属性数据可以是多个商品具有的功能或者特性，具体如表4所示：
表4
Figure BDA0001893056710000101
在本公开的一些实施例中，商品A、商品B、商品C、商品D、以及其他商品可以是属于同一品类的商品。另外，商品B、商品C、商品D、以及其他商品的品牌可以是相同品牌，也可以是不同品牌。
在本公开的一些实施例中，可以根据属性数据，计算多个商品的属性个数。例如，根据上述表4中数据可以确定商品A、商品B、商品C、商品D的属性个数，具体如表5所示：
表5
商品 属性个数
商品A 5
商品B 5
商品C 3
商品D 2
在本公开的一些实施例中，根据表5和表4中的数据可以确定出商品B、商品C、商品D分别与商品A的相同或相似属性个数。例如，商品B与商品A的相同或相似属性个数为3，具体的相同特征为指纹解锁、支持4G、2000像素；商品C与商品A的相同或相似属性个数为2，具体的相同特征为指纹解锁、支持4G；商品D与商品A的相同或相似属性个数为1，具体的相同特征为支持4G。在这这种情况下，可以根据商品B、商品C、商品D分别与商品A的相同或相似属性个数来确定商品A与商品B、商品C、商品D两两之间的属性相似度。例如，商品A和商品B之间的属性相似度为3/5＝0.6；商品A和商品C之间的属性相似度为2/5＝0.4；商品A和商品D之间的属性相似度为1/5＝0.2等等。
需要说明的是，通过上述方法计算得出的属性相似度越大，则表明商品A与商品B、商品C、商品D两两之间的竞争力越强。例如，可以设定一阈值，通过比较商品A和商品B之间的属性相似度越和该阈值的大小来确定商品A和商品B是否为竞争商品。例如，阈值为0.5，当商品A和商品B之间的属性相似度越大于等于0.5时，商品A和商品B为竞争商品。反之，当商品A和商品B之间的属性相似度越小于0.5时，商品A和商品B不是竞争商品。
在本公开的一些实施例中，在同一品类目范围内通过上述方法可以确定出品牌共同属性个数与目标品牌总的属性个数的比值，这样可以定位出和目标品牌最为接近和相似的品牌名单。
在本公开的一些实施例中，通过上述图2～图4描述的方法可以得到商品A与商品B之间的消费相似度、销售规模相似度、属性相似度，然后可以商品A与商品B之间的消费相似度、销售规模相似度、属性相似度的降序排名求平均值的方法来计算出商品A与商品B之间综合相似度。
在本公开的一些实施例中，根据多个商品之间的综合相似度可以精确的定位出目标品牌当前最主要的竞争品牌。
图5示意性示出了根据本公开个实施例的识别竞争商品的装置的方框图
如图5所示，识别竞争商品的装置500包括获取模块510、第一确定模块520和第二确定模块530。
获取模块510，用于获取多个商品的数据，所述多个商品属于同一品类的多个商品。
第一确定模块520，用于根据所述多个商品的数据，确定所述多个商品的数据之间的相似度。
第二确定模块530，用于根据所述多个商品的数据之间的相似度，从所述多个商品中确定出具有竞争的商品。
该识别竞争商品的装置500可以根据同一品类下的多个商品的数据之间的相似度，从多个商品中确定出具有竞争的商品，以此方式得出具有竞争的商品准确度更高。
根据本公开的实施例，该识别竞争商品的装置500用于实现图1～4实施例描述的识别竞争商品的方法。
可以理解的是，获取模块510、第一确定模块520和第二确定模块530可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，获取模块510、第一确定模块520和第二确定模块530中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，获取模块510、第一确定模块520和第二确定模块530中的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。
图6示意性示出了根据本公开实施例的电子设备的计算机系统的方框图。图6示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，根据本公开实施例的电子设备的计算机系统600包括处理器601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行参考图1～图4描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中，存储有系统600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行以上参考图1～图4描述的识别竞争商品的方法的各种步骤。需要注意，该程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在该一个或多个存储器中的程序来执行以上参考图1～图4描述的识别竞争商品的方法的各种步骤。
根据本公开的实施例，系统600还可以包括输入/输出(I/O)接口607，输入/输出(I/O)接口607也连接至总线604。系统600还可以包括连接至I/O接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
根据本公开的实施例，上文参考流程图描述的方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。而在本公开中，计算机可读的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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机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、电线、光缆、RF等等，或者上述的任意合适的组合。根据本公开的实施例，计算机可读介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行根据本公开实施例的识别竞争商品的方法。该方法包括：获取多个商品的数据，所述多个商品属于同一品类的多个商品；根据所述多个商品的数据，确定所述多个商品的数据之间的相似度；根据所述多个商品的数据之间的相似度，从所述多个商品中确定出具有竞争的商品。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (12)

1.一种识别竞争商品的方法，包括：
获取多个商品的数据，所述多个商品属于同一品类的多个商品；
根据所述多个商品的数据，确定所述多个商品的数据之间的相似度；
根据所述多个商品的数据之间的相似度，从所述多个商品中确定出具有竞争的商品。
2.根据权利要求1所述的方法，其中，所述多个商品的数据包括以下任意一种或多种：多个商品被浏览的日志数据、多个商品的订单数据、多个商品的属性数据。
3.根据权利要求2所述的方法，其中，当所述多个商品的数据为多个商品被浏览的日志数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：
根据所述日志数据中记录的时间信息，确定所述多个商品之间跳转的次数；
根据所述多个商品之间跳转的次数，确定所述多个商品被浏览的日志数据之间的消费相似度。
根据所述校验结果，确定所述点击行为是否属于作弊行为。
4.根据权利要求2所述的方法，其中，当所述多个商品的数据为多个商品的订单数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：
根据所述订单数据，对所述多个商品在一段时间内的成交总额进行排序，得到每个商品的成交总额的排名；
根据每个商品的成交总额的排名，确定所述多个商品的订单数据之间的销售规模相似度。
5.根据权利要求2所述的方法，其中，当所述多个商品的数据为多个商品的属性数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：
根据所述属性数据，计算所述多个商品的属性个数；
根据所述多个商品的属性个数，确定所述多个商品的属性数据之间的属性相似度。
6.一种识别竞争商品的装置，包括：
获取模块，用于获取多个商品的数据，所述多个商品属于同一品类的多个商品；
第一确定模块，用于根据所述多个商品的数据，确定所述多个商品的数据之间的相似度；
第二确定模块，用于根据所述多个商品的数据之间的相似度，从所述多个商品中确定出具有竞争的商品。
7.根据权利要求6所述的装置，其中，所述多个商品的数据包括以下任意一种或多种：多个商品被浏览的日志数据、多个商品的订单数据、多个商品的属性数据。
8.根据权利要求7所述的装置，其中，当所述多个商品的数据为多个商品被浏览的日志数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：
根据所述日志数据中记录的时间信息，确定所述多个商品之间跳转的次数；
根据所述多个商品之间跳转的次数，确定所述多个商品被浏览的日志数据之间的消费相似度。
根据所述校验结果，确定所述点击行为是否属于作弊行为。
9.根据权利要求7所述的装置，其中，当所述多个商品的数据为多个商品的订单数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：
根据所述订单数据，对所述多个商品在一段时间内的成交总额进行排序，得到每个商品的成交总额的排名；
根据每个商品的成交总额的排名，确定所述多个商品的订单数据之间的销售规模相似度。
10.根据权利要求7所述的装置，其中，当所述多个商品的数据为多个商品的属性数据时，根据所述多个商品的数据，确定所述多个商品的数据之间的相似度包括：
根据所述属性数据，计算所述多个商品的属性个数；
根据所述多个商品的属性个数，确定所述多个商品的属性数据之间的属性相似度。
11.一种电子设备，包括：
一个或多个处理器；以及
存储装置，用于存储一个或多个程序；
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～5任意一项所述的方法。
12.一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～5任意一项所述的方法。
CN201811479662.6A 2018-12-05 2018-12-05 识别竞争商品的方法、装置、电子设备及介质 Pending CN111275511A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811479662.6A CN111275511A (zh) 2018-12-05 2018-12-05 识别竞争商品的方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811479662.6A CN111275511A (zh) 2018-12-05 2018-12-05 识别竞争商品的方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN111275511A true CN111275511A (zh) 2020-06-12

Family

ID=71003142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811479662.6A Pending CN111275511A (zh) 2018-12-05 2018-12-05 识别竞争商品的方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN111275511A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150058087A1 (en) * 2013-08-20 2015-02-26 International Business Machines Corporation Method of identifying similar stores
CN107038190A (zh) * 2016-10-28 2017-08-11 厦门大学 一种应用于淘宝网的智能促销方案建模方法
CN107301592A (zh) * 2017-07-19 2017-10-27 北京京东尚科信息技术有限公司 用于商品替代品发掘的方法及装置
CN108665329A (zh) * 2017-03-29 2018-10-16 北京京东尚科信息技术有限公司 一种基于用户浏览行为的商品推荐方法
CN108776911A (zh) * 2018-07-02 2018-11-09 浪潮软件股份有限公司 一种基于机器学习的商品竞争关系分析方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150058087A1 (en) * 2013-08-20 2015-02-26 International Business Machines Corporation Method of identifying similar stores
CN107038190A (zh) * 2016-10-28 2017-08-11 厦门大学 一种应用于淘宝网的智能促销方案建模方法
CN108665329A (zh) * 2017-03-29 2018-10-16 北京京东尚科信息技术有限公司 一种基于用户浏览行为的商品推荐方法
CN107301592A (zh) * 2017-07-19 2017-10-27 北京京东尚科信息技术有限公司 用于商品替代品发掘的方法及装置
CN108776911A (zh) * 2018-07-02 2018-11-09 浪潮软件股份有限公司 一种基于机器学习的商品竞争关系分析方法

Similar Documents

Publication Publication Date Title
CN107330445B (zh) 用户属性的预测方法和装置
CN110008973B (zh) 一种模型训练方法、基于模型确定目标用户的方法及装置
CN107463675B (zh) 数据处理方法及其系统
CN110866771A (zh) 信息处理方法、系统、介质和计算机系统
CN113592535B (zh) 一种广告推荐方法、装置、电子设备和存储介质
CN107679916A (zh) 用于获取用户兴趣度的方法及装置
CN109711917A (zh) 信息推送方法和装置
CN109978650B (zh) 构建决策树的方法及系统
CN110609783B (zh) 用于识别异常行为用户的方法和装置
CN108932658B (zh) 数据处理方法、装置和计算机可读存储介质
US20150379558A1 (en) Detecting unintentional user input to mobile advertisements
US20170068991A1 (en) Method and system for providing targeted promotion based on user pattern information in a mobile game
CN109474884B (zh) 数据处理方法及其系统
JP2020177262A (ja) 情報処理装置、システム、情報処理方法、およびプログラム
CN110634007A (zh) 数据处理方法、装置、系统、计算机可读介质
CN110827104A (zh) 向用户推荐商品的方法和装置
CN107357847B (zh) 数据处理方法及其装置
CN111275511A (zh) 识别竞争商品的方法、装置、电子设备及介质
CN110689032A (zh) 数据处理方法及系统、计算机系统和计算机可读存储介质
CN114693358A (zh) 数据处理方法、装置、电子设备及存储介质
CN110084541B (zh) 用于预测供应商送货时长的方法和装置
CN113256343A (zh) 数据处理方法、装置、设备及计算机程序产品
CN111753181A (zh) 基于图像的搜索方法、装置、服务器、客户端及介质
CN110555105A (zh) 对象处理方法及系统、计算机系统及计算机可读存储介质
CN107870679B (zh) 多音字处理方法及系统

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