CN111553762A - 提高搜索质量的方法、系统及终端设备 - Google Patents

Abstract

本公开是关于一种提高搜索质量的方法、系统及终端设备。该方法包括：根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性；在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐。本公开提供的方案，能提高关键词的搜索质量。

Description

提高搜索质量的方法、系统及终端设备

技术领域

本公开涉及网络技术领域，尤其涉及一种提高搜索质量的方法、系统及终端设备。

背景技术

互联网搜索引擎是万维网中的特殊站点，专门用来帮助人们查找存储在其他站点上的信息。搜索引擎有能力告诉用户文件或文档存储在何处。在常见的网络搜索中通常使用关键词搜索，如查找网页信息、查找文件或者是商品等。关键词搜索操作简单便捷，但是通常搜索结果会推荐给用户一些其不需要的搜索结构。

例如，基于阿里云开放搜索引擎，阿里云开放搜索引擎添加自定义索引可以搜索相似的关键词。仅使用搜索关键词搜索，对于相似关键词，如“手机”，“手机壳”无法精确搜索，如搜索“手机”，会出现“手机壳”一类用户可能不需要的商品信息，从而大大影响用户体验。此外，在只使用阿里云开放搜索的情况下，数据源仅存储了商品基本信息，无法通过关键词及商品基本信息去判断一个商品的好坏，以至于推荐的商品质量及顺序无法保证。因此，相关的技术通常只考虑到通过关键词搜索获得结果功能，而没有考虑到搜索的结果是否为用户所需结果。

综上可知，相关技术在实际使用上显然存在不便与缺陷，所以有必要加以改进。

发明内容

为克服相关技术中存在的问题，本公开提供一种提高搜索质量的方法、系统及终端设备，能提高关键词的搜索质量。

根据本公开实施例的第一方面，提供了一种提高搜索质量的方法，包括：

根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性；

在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐。

在一种实施方式中，所述根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性包括：

将所述搜索的关键词推荐的多个商品所对应的唯一商品类目作为与所述关键词匹配的商品类目；或者

将所述搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算，获得多个所述商品类目的权重值；对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目；以及

分别对所述根据搜索的关键词推荐的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值。

在一种实施方式中，根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性包括：

将所述搜索的关键词推荐的多个商品所对应的唯一商品类目作为与所述关键词匹配的商品类目；或者

将所述搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算，获得多个所述商品类目的权重值；

对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目；

分别对与所述关键词匹配的商品类目下的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值。

在一种实施方式中，在所述分别对所述根据搜索的关键词推荐的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值之前包括：

对所述搜索的关键词推荐的多个商品所对应的商品类目进行类目属性操作，限制在与所述对应的商品类目下搜索的多个商品的第一范围；

在所述计算商品评分属性中，所述多个商品为所述第一范围内的商品；或者

所述在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐包括：

在与所述关键词匹配的商品类目下，按照每个所述商品的商品评分属性的评分值进行降序排序推荐。

在一种实施方式中，在所述分别对与所述关键词匹配的商品类目下的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值之前包括：

对与所述关键词匹配的商品类目进行类目属性操作，限制在与所述关键词匹配的商品类目下搜索的多个商品的第二范围；

在所述计算商品评分属性中，所述多个商品为所述第二范围内的商品；或者

所述在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐包括：

在与所述关键词匹配的商品类目下，按照每个所述商品的商品评分属性的评分值进行降序排序推荐。

在一种实施方式中，所述将搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算包括：

分别采用所述搜索的关键词推荐的多个商品所对应的多个商品类目的预设参数进行每个所述商品类目权重计算，所述预设参数包括预设曝光次数中的点击率参数、预设点击次数中的收藏率参数以及预设点击次数中的购买率参数；

所述对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目包括：

选取多个所述商品类目的权重值中最大的权重值所对应的商品类目作为与所述关键词匹配的商品类目。

在一种实施方式中，在每个所述商品类目权重计算中，所述预设曝光次数中的点击率参数的权重值小于预设点击次数中的收藏率参数的权重值；所述预设点击次数中的收藏率参数的权重值小于所述预设点击次数中的购买率参数的权重值；

在选取多个所述商品类目的权重值中最大的权重值所对应的商品类目作为与所述关键词匹配的商品类目之前还包括：

将多个所述商品类目的权重值中小于预设的权重值阈值的所述商品类目删除。

在一种实施方式中，所述计算商品评分属性，获得每个所述商品的商品评分属性的评分值包括：

分别采用所述多个商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的任意组合，进行每个所述商品的商品评分属性计算，获得每个所述商品的商品评分属性的评分值；

对每个所述商品的添加对应的所述商品评分属性。

在一种实施方式中，在每个所述商品评分属性计算中，每个所述商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的权重值由大到小的排序为：成交参数、加购参数、收藏参数、浏览停留时长参数和浏览深度参数、曝光参数。

根据本公开实施例的第二方面，提供一种提高搜索质量的系统，包括：

分析模块，用于根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性；

推荐模块，用于在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐。

在一种实施方式中，所述分析模块包括：

第一分析子模块，用于将所述搜索的关键词推荐的多个商品所对应的唯一商品类目作为与所述关键词匹配的商品类目；或者

权重计算子模块，用于将所述搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算，获得多个所述商品类目的权重值；

第二分析子模块，用于对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目；

商品评分属性计算子模块，用于分别对所述根据搜索的关键词推荐的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值；或者

用于分别对与所述关键词匹配的商品类目下的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值。

在一种实施方式中，所述分析模块还包括：

类目属性操作子模块，用于对所述搜索的关键词推荐的多个商品所对应的商品类目进行类目属性操作，限制在与所述对应的商品类目下搜索的多个商品的第一范围；在所述计算商品评分属性中，所述多个商品为所述第一范围内的商品；或者

用于对与所述关键词匹配的商品类目进行类目属性操作，限制在与所述关键词匹配的商品类目下搜索的多个商品的第二范围；在所述计算商品评分属性中，所述多个商品为所述第二范围内的商品；

所述推荐模块包括：

排序子模块，用于在与所述关键词匹配的商品类目下，按照每个所述商品的商品评分属性的评分值，对多个所述商品进行降序排序；

推荐子模块，用于在与所述关键词匹配的商品类目下，对降序排序多个所述商品进行推荐。

在一种实施方式中，所述权重计算子模块具体是分别采用所述搜索的关键词推荐的多个商品所对应的多个商品类目的预设曝光次数中的点击率参数、预设点击次数中的收藏率参数以及预设点击次数中的购买率参数进行每个所述商品类目权重计算；

所述第二分析子模块具体是选取多个所述商品类目的权重值中最大的权重值所对应的商品类目作为与所述关键词匹配的商品类目。

在一种实施方式中，在每个所述商品类目权重计算中，所述预设曝光次数中的点击率参数的权重值小于预设点击次数中的收藏率参数的权重值；所述预设点击次数中的收藏率参数的权重值小于所述预设点击次数中的购买率参数的权重值；

所述分析模块还包括：

删除子模块，用于将多个所述商品类目的权重值中小于预设的权重值阈值的所述商品类目删除。

在一种实施方式中，所述商品评分属性计算子模块包括：

商品评分属性计算单元，用于分别采用所述搜索的关键词推荐的多个商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数进行每个所述商品的商品评分属性计算，获得每个所述商品的商品评分属性的评分值；

添加单元，用于对每个所述商品的添加对应的所述商品评分属性。

在一种实施方式中，在每个所述商品评分属性计算中，每个所述商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的权重值由大到小的排序为：成交参数、加购参数、收藏参数、浏览停留时长参数和浏览深度参数、曝光参数。

根据本公开实施例的第三方面，提供一种终端设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本公开的实施例提供的技术方案可以包括以下有益效果：

根据搜索的关键词推荐的多个商品进行商品行为数据分析，以获得符合用户需求的与所述关键词匹配的商品类目，并对多个所述商品进行商品评分属性的计算和添加；然后在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐，由此根据多个商品的商品评分属性的评分值进行排序，以此排序推荐给用户。由此，结合商品类目及商品评分属性，将符合用户的搜索需求度的商品将优选排在前面推荐给用户，使用户搜索商品可以有更优的搜索结果。

本公开的实施例，还可以：在与所述关键词匹配的商品类目包括多个商品类目时，通过将多个与所述关键词匹配的商品类目进行权重值计算后，选择其中权重值最大的商品类目作为与所述关键词匹配的商品类目，以获得最符合用户需求的与所述关键词匹配的商品类目；并且根据多个所述商品的商品评分属性的评分值进行降序排序，符合用户的搜索需求度的商品将优选排在前面推荐给用户。此外，还可以对与所述关键词匹配的商品类目进行类目属性限制，使进行商品评分属性的计算的商品限制在所述类目属性限制操作后的范围内，能够更精准的为用户提供搜索服务。

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

通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

图1是根据本公开一示例性实施例示出的一种提高搜索质量的方法的流程示意图；

图2是根据本公开一示例性实施例示出的一种提高搜索质量的方法的流程另一示意图；

图3是根据本公开一示例性实施例示出的一种提高搜索质量的系统的结构示意图；

图4是根据本公开一示例性实施例示出的一种提高搜索质量的系统的结构另一示意图；

图5是根据本公开一示例性实施例示出的一种终端设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

本公开提供了一种提高搜索质量的方法，可以使搜索的数据更为精准，使得搜索商品可以有更优的搜索结果，能够更精准的为用户提供搜索服务，特别适用于电商平台的商品搜索推荐。

以下结合附图详细描述本公开实施例的技术方案。

图1是根据本公开一示例性实施例示出的一种提高搜索质量的方法的流程示意图。

参见图1，所述方法包括：

步骤S101中，根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性。

通过用户搜索的关键词，将会得到推荐的与该关键词相关的多个商品，再对这些商品进行商品行为数据的分析，以获得符合用户需求的商品类目及多个商品的商品评分属性。其中，商品评分属性是根据用户对多个商品的一些行为操作的数据进行分析得到，例如用户对商品的浏览、购买成交、加购等行为数据进行分析，由此获得多个商品的商品评分属性，以评价商品符合用户的搜索需求度，使搜索的数据更为精准。

步骤S102中，在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐。

通过搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目后，在该商品类目下的多个商品也将按照所述商品评分属性进行排序，以此排序推荐给用户。优选的，该排序为降序排序，由此符合用户的搜索需求度的商品将优选排在前面推荐给用户，使用户搜索商品可以有更优的搜索结果，能够更精准的为用户提供搜索服务。

在本公开的一个实施例中，所述步骤S101包括：

将所述搜索的关键词推荐的多个商品所对应的唯一商品类目作为与所述关键词匹配的商品类目。一些用户搜索的关键词由于比较精准，因此推荐的多个商品只会对应到唯一商品类目，由此该唯一商品类目作为与所述关键词匹配的商品类目；例如关键词为“茅台酒”，推荐的商品为“茅台迎宾53度白酒”、“茅台迎宾中国红53度白酒”等，这些商品对应的唯一商品类目即为酒类。或者，

将所述搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算，获得多个所述商品类目的权重值。根据用户搜索的关键词推荐的多个商品对应多个商品类目，需要对这多个商品类目进行商品类目权重计算，以确定哪个商品类目最符合用户需求。例如搜索“汽车”这个关键词，将会出现“汽车分类”和“汽车配件分类”的商品类目，那么需要对这多个商品类目分别进行商品类目权重计算，以确定各个商品类目的权重值。

对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目；计算获得各个商品类目的权重值后，在对多个所述商品类目的权重值进行分析，以确定哪个商品类目最符合用户的需求，以此最后确定与所述关键词匹配的商品类目。

分别对所述根据搜索的关键词推荐的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值；在搜索的关键词时，将会推荐多个商品，如上所述可能是属于唯一商品类目或者是多个商品类目下的多个商品，在该步骤中的计算商品评分属性可以是与获得与所述关键词匹配的商品类目同步进行的，因此，在与所述关键词匹配的商品类目未确定的情况下，该计算可能是对多个相关的商品类目下的多个商品分别进行商品评分属性计算，该商品评分属性计算可以理解为也是属于权重计算，将计算获得每个所述商品的商品评分属性的评分值；评分值越高代表其越符合用户需求。

或者是，在本公开的另一实施方式中，分别对与所述关键词匹配的商品类目下的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值；即该步骤是在选取与所述关键词匹配的商品类目之后进行，由于商品类目已经确定，因此只需要对该商品类目下的多个商品计算商品评分属性，由于商品类目只有一个，那么对应的商品在一定程度上会少一些，由此只计算这些商品的商品评分属性，可以减少一定的计算量。

在本公开的一个实施例中，在所述分别对所述根据搜索的关键词推荐的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值之前包括：

对所述搜索的关键词推荐的多个商品所对应的商品类目进行类目属性操作，限制在与所述对应的商品类目下搜索的多个商品的第一范围；在所述计算商品评分属性中，所述多个商品为所述第一范围内的商品；或者

在所述计分别对与所述关键词匹配的商品类目下的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值之前包括：

对与所述关键词匹配的商品类目进行类目属性操作，限制在与所述关键词匹配的商品类目下搜索的多个商品的第二范围；在所述计算商品评分属性中，所述多个商品为所述第二范围内的商品。

由于在本公开的上一实施中，商品评分属性计算可以有两种执行阶段，因此在其之前进行类目属性操作的商品类目也会不同。但是，在所述计算商品评分属性中，多个所述商品均为类目属性操作后的所述范围内的商品，如上述的第一范围或者是第二范围。在执行了类目属性操作后，将对多个所述商品为所述范围内的商品进行商品评分属性计算，由此提升了搜索的质量，一些不符合类目属性的商品最后将不会被推荐。

所述步骤S102包括：

在与所述关键词匹配的商品类目下，按照每个所述商品的商品评分属性的评分值进行降序排序推荐。在与所述关键词匹配的商品类目下的多个商品将按照所述商品评分属性进行降序排序，最符合用户的搜索需求度的商品将优选排在前面推荐给用户，提高了搜索质量。

其中，在本公开的一个实施例中，所述搜索可以为基于阿里云的搜索引擎的搜索；所述商品行为数据分析可以为离线商品行为数据分析。当然还可以基于其他搜索引擎的搜索，例如百度云的搜索引擎等。而商品行为数据分析优选是离线商品行为数据分析，离线商品行为数据为用户操作已完成的数据，由此做分析能较为真实的获得用户的意愿行为参数。

在本公开的一个实施例中，所述将搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算包括：

分别采用所述搜索的关键词推荐的多个商品所对应的多个商品类目的预设参数进行每个所述商品类目权重计算，所述预设参数包括预设曝光次数中的点击率参数、预设点击次数中的收藏率参数以及预设点击次数中的购买率参数；其中所述商品类目权重计算可通过划分多个层次指标进行判断和计算，使用的具体方法可以为常用的权重计算方法，包括层次分析法、模糊法、模糊层次分析法和专家评价法等。而在所述商品类目权重计算重要的几个参数中，预设曝光次数中的点击率参数表示在预设曝光次数中有被点击的频率，越高则表示用户越感兴趣；预设点击次数中的收藏率参数表示在预设点击次数中有被收藏的频率，越高则表示用户越感兴趣；预设点击次数中的购买率参数表示在预设点击次数中有被购买的频率，越高则表示用户越感兴趣。

优选的，在每个所述商品类目权重计算中，所述预设曝光次数中的点击率参数的权重值小于预设点击次数中的收藏率参数的权重值；所述预设点击次数中的收藏率参数的权重值小于所述预设点击次数中的购买率参数的权重值；即几个参数的重要性排序依次为：预设点击次数中的购买率参数、预设点击次数中的收藏率参数、预设曝光次数中的点击率参数。

所述对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目包括：

选取多个所述商品类目的权重值中最大的权重值所对应的商品类目作为与所述关键词匹配的商品类目。在计算出多个所述商品类目的权重值后，具有最大重值的所述商品类目显然更符合用户的需求，因此将其确定为与所述关键词匹配的商品类目。此外，上述这些参数约大说明用户对其越认可，越符合用户的需求，因此这些参数实际上还代表了商品的相关信息，利用这些信息可以去判断一个商品的好坏，以至于推荐的商品质量有序且有保证。

此外，在本公开的一个实施实施例中，在选取多个所述商品类目的权重值中最大的权重值所对应的商品类目作为与所述关键词匹配的商品类目之前还包括：

将多个所述商品类目的权重值中小于预设的权重值阈值的所述商品类目删除。

在该实施例中，还设置了权重值阈值，例如最终的权重值范围在(0～1)，而某个商品类目的权重值小于权重值阈值，如小于0.005，表明该点击搜索属于用户的误点击，因此将其删除不考虑，提升了搜索的质量。

在本公开的一个实施例中，所述计算商品评分属性，获得每个所述商品的商品评分属性的评分值包括：

分别采用所述多个商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的任意组合，进行每个所述商品的商品评分属性计算，获得每个所述商品的商品评分属性的评分值；以及对每个所述商品的添加对应的所述商品评分属性。在商品评分属性计算中也包括了多个参数，如商品的曝光参数表示该商品搜索后被展示频率，浏览停留时长参数表示商品在被浏览时被浏览的时长、浏览深度参数表示商品在被浏览时了解该商品具体信息的程度、收藏参数表示商品在被浏览后被收藏的频率、加购参数表示商品在被浏览后被加购到购物车的频率以及成交参数表示商品在被浏览后被购买的频率；这些参数中的频率统计，也是基于预设次数中发生的相应行为的频率统计。例如商品在预设次数搜索后被展示的频率，商品在预设次数被浏览后被收藏的频率、商品在预设次数被浏览后被加购到购物车的频率以及商品在预设次数被浏览后被购买的频率等。所述商品的商品评分属性计算也可采用权重计算方法。常用的权重计算方法包括：层次分析法、模糊法、模糊层次分析法和专家评价法等。此外，上述这些参数约大说明用户对其越认可，越符合用户的需求，因此这些参数实际上还代表了商品的相关信息，利用这些信息可以去判断一个商品的好坏，以至于推荐的商品质量有序且有保证。在计算每个所述商品的商品评分属性的评分值后，将对应的所述商品评分属性添加到每个所述商品。

优选的，在每个所述商品评分属性计算中，每个所述商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的权重值由大到小的排序为：成交参数、加购参数、收藏参数、浏览停留时长参数和浏览深度参数、曝光参数。

还需说明的是，本公开的方案还可以结合用户实时的行为，例如对商品进行的点击、收藏、加购等行为，对后续下发商品进行实时商品类目筛选与评分重排序等处理，以进一步提高搜索质量。

参见图2，在本公开的一个实施例中，提供了一种提高搜索质量的方法，所述方法包括：

步骤S201中，获取离线商品行为数据。

在该步骤中，获取离线商品行为数据，以为步骤S202和步骤S205进行商品行为数据分析提供数据支持。商品行为数据包括：用户对商品的浏览、购买成交、加购、推荐给好友以及收藏等行为数据。行为数据可以是预设时间内得，特别是在近期时间，如近三个月内的行为数据。

其中，在本实施例中，如图2所示步骤S202～步骤S204为一顺序执行的步骤流程，而步骤S205～步骤S207为另一顺序执行的步骤流程，两个顺序执行的步骤流程可作为两个分支流程同时执行。

步骤S202中，获得搜索的关键词对应的商品类目的权重值。

根据搜索的关键词推荐的多个商品进行离线商品行为数据分析，通过搜索引擎搜索用户欲搜索的关键词，将会得到推荐的与该关键词相关的多个商品，再对这些商品进行商品行为数据的分析，将会获得符合用户需求的商品类目。离线商品行为数据包括已实现的用户对商品的浏览、购买成交，加购等行为数据，分析这些数据，并结合相关参数的权重计算，最后将会获得搜索的关键词对应的多个商品类目的权重值。

当然，可能在关键词比较准确的情况下，只会对应一个商品类目，而在大多数情况下会出现多个商品类目。

步骤S203中，筛选出搜索的关键词的对应的商品类目。

在该步骤中，从多个商品类目中根据权重值筛选出与关键词最为匹配的商品类目。根据用户搜索的关键词推荐的多个商品对应多个商品类目，需要对这多个商品类目进行商品类目权重计算，以确定哪个商品类目最符合用户需求。例如搜索“花”这个关键词，将会出现“鲜花分类”、“干花分类”、“人造花”的商品类目，那么需要对这多个商品类目分别进行商品类目权重计算，以确定各个商品类目的权重值。如上所述的每个所述商品类目权重计算，所述预设参数包括预设曝光次数中的点击率参数、预设点击次数中的收藏率参数以及预设点击次数中的购买率参数；若是用户对一些鲜花商品的点击率和/或收藏率明显比其他两类高，则通过权重值计算，可以说明符合用户期望值的商品类目是“鲜花分类”。

此外在该步骤中，如将搜索的关键词的对应的商品类目有多个时，通过步骤S202的计算，可以将相似的一组关键词划分至不同的商品类目中。例如“手机”关键词划分到手机这个商品类目中，而“手机壳”关键词则划分到手机配件这个商品类目中，每次使用搜索引擎搜索时通过关键词匹配商品类目。

步骤S204中，对搜索的关键词的对应的商品类目进行类目属性限制，进入步骤S208。

对搜索的关键词的对应的商品类目进行类目属性限制，由此可限定在商品类目下搜索的商品范围。

商品类目进行类目属性限制其实质上即是对商品类目下的商品做定义，例如搜索“花”这个关键词，将会出现“鲜花分类”、“干花分类”、“人造花”的商品类目，经过步骤S202的权重值计算后，得到“鲜花分类”为最符合用户期望的商品类目，再进行类目属性限制，再定义“大红色的”，则在“鲜花分类”的商品类目下其他颜色的花都不限制在用户需要的商品范围之外，只有“大红色的”的“花”，才属于符合用户期望的商品。

步骤S205中，获得搜索的关键词对应的多个商品的商品评分属性。

在搜索的关键词时，将会根据关键词推荐多个商品，该多个商品也可能会对应到多个商品类目。在该步骤中的计算商品评分属性可以是与获得与所述关键词匹配的商品类目同步进行的，因此，在与所述关键词匹配的商品类目未确定的情况下，该计算可能是对多个相关的商品类目下的多个商品分别进行商品评分属性计算，该商品评分属性计算可以理解为也是属于权重计算，将计算获得每个所述商品的商品评分属性的评分值；评分值越高代表其越符合用户需求。具体的，分别采用所述多个商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的任意组合，进行每个所述商品的商品评分属性计算，获得每个所述商品的商品评分属性的评分值；并对每个所述商品的添加对应的所述商品评分属性。

步骤S206中，将搜索的关键词对应的多个商品的基本数据和其商品评分属性同步到搜索引擎。

在步骤S201中获得了多个与搜索的关键词对应的多个商品的基本数据，基本数据包括了离线商品行为数据；而分析这些离线商品行为数据可以获得商品评分属性，将这些商品的基本数据和其商品评分属性同步到搜索引擎后，可以为后续的提高关键词搜索质量提供分析计算资源。

步骤S207中，根据所述商品评分属性的分值对多个所述商品进行排序，进入步骤S208。

该步骤S207可以对多个所述商品根据所述商品评分属性的分值进行降序排序；可以是根据在搜索关键词时推荐多个商品的商品评分属性的分值对这些商品进行降序排序。例如搜索“鲜花”这个关键词，将会出现“鲜花分类”的商品类目，而在“鲜花分类”的商品类目下，包括：玫瑰、康乃馨、百合花，而根据商品多个商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的任意组合，进行每个所述商品的商品评分属性计算，玫瑰的评分值为0.5、康乃馨的评分值为0.3、百合花的评分值为0.2，则在该步骤中将按照该上述几个分值，将几个商品按照玫瑰、康乃馨、百合花的排序进行排序。

步骤S208中，搜索结果推荐。

步骤S208将降序排序的多个所述商品推荐给用户，使得搜索商品可以有更优的搜索结果，能够更精准的为用户提供搜索服务。

例如，根据上述步骤S204得到的“鲜花分类”的商品类目下的“大红色的”花，再经过步骤S207得到的商品按照红色的玫瑰、红色的康乃馨、红色的百合花的顺序推荐给用户，由此提供了搜索质量，特别是在电商领域下的根据关键词推荐商品给用户，以符合用户的期望。

与前述应用功能实现方法实施例相对应，本公开还提供了一种提高搜索质量的系统、终端设备及相应的实施例。

图3是根据本公开一示例性实施例示出的提高搜索质量的系统的结构示意图。

该提高搜索质量的系统100，包括：

分析模块10，用于根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性；

推荐模块20，用于在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐。

在该实施例中，分析模块10根据搜索的关键词推荐的多个商品进行商品行为数据分析，以获得符合用户需求的与所述关键词匹配的商品类目，该商品类目可以为多个，当然根据具体的搜索的关键词的情况可能会是一个商品类目。此外，推荐模块20对多个商品进行商品行为数据分析还将获得多个所述商品的商品评分属性。推荐模块20则在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐，以将符合用户需要的商品推荐给用户，使搜索的数据更为精准，使得搜索商品可以有更优的搜索结果，能够更精准的为用户提供搜索服务，特别适用于电商平台的商品搜索推荐。

参见图4，在本公开的一个实施例中，所述分析模块10包括：

第一分析子模块11，用于将所述搜索的关键词推荐的多个商品所对应的唯一商品类目作为与所述关键词匹配的商品类目；在所述搜索的关键词推荐的多个商品所对应的唯一商品类目时，第一分析子模块11将该唯一商品类目作为与所述关键词匹配的商品类目；或者

权重计算子模块12，用于将所述搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算，获得多个所述商品类目的权重值；在所述搜索的关键词推荐的多个商品所对应的多个商品类目时，权重计算子模块12将分别进行多个商品类目权重计算；

第二分析子模块13，用于对权重计算子模块12的多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目；第二分析子模块13对多个所述商品类目的权重值进行分析后，选取与所述关键词匹配的商品类目，此时可以是按照权重值选取多个与所述关键词匹配的商品类目，或者是仅选取权重值最大的对应的商品类目作为与所述关键词匹配的商品类目；

商品评分属性计算子模块14，用于分别对所述根据搜索的关键词推荐的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值；或者

用于分别对与所述关键词匹配的商品类目下的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值。该商品评分属性计算子模块14则是计算每个所述商品的商品评分属性的评分值；所述商品的商品评分属性计算为权重计算。

在不同的商品评分属性计算子模块14计算时段，由于商品类目的不同计算的商品数量会有不同。在本公开的一个实施方式中，商品评分属性计算子模块14计算与第一分析子模块11或者与权重计算子模块12和第二分析子模块13同步进行运算，则商品评分属性计算子模块14计算的是根据搜索的关键词推荐的多个商品的商品评分属性的评分值。而在本公开的另一个实施方式中，商品评分属性计算子模块14则是在第二分析子模块13选取与所述关键词匹配的商品类目后进行的，因此商品评分属性计算子模块14计算的是与所述关键词匹配的商品类目下的多个商品的评分值。

参见图4，在本公开的一个实施例中，所述分析模块10还包括：

类目属性操作子模块15，用于对所述搜索的关键词推荐的多个商品所对应的商品类目进行类目属性操作，限制在与所述对应的商品类目下搜索的多个商品的第一范围；在所述计算商品评分属性中，所述多个商品为所述第一范围内的商品；或者

用于对与所述关键词匹配的商品类目进行类目属性操作，限制在与所述关键词匹配的商品类目下搜索的多个商品的第二范围；在所述计算商品评分属性中，所述多个商品为所述第二范围内的商品；

具体的，类目属性操作子模块15可以在确定与所述关键词匹配的商品类目之后进行类目属性操作，则所述计算商品评分属性中，所述多个商品为对与所述关键词匹配的商品类目进行类目属性操作后，限制在与所述关键词匹配的商品类目下搜索的多个商品的第二范围内商品，或者在搜索的关键词后推荐多个商品所对应的商品类目后即刻进行，则所述计算商品评分属性中，所述多个商品为对所述搜索的关键词推荐的多个商品所对应的商品类目进行类目属性操作，限制在与所述对应的商品类目下搜索的多个商品的第一范围的商品。由此，限制在与相关商品类目下搜索的多个商品的范围以提高了搜索质量。例如，例如搜索“汽车”这个关键词，将会出现“汽车分类”和“汽车配件分类”，执行类目属性操作，如限定为“耗油量低”，将属于“汽车分类”下耗油量低的汽车商品划归于所述范围，所述范围外的，如耗油量高的汽车商品将不会被执行于下一步骤中。而在“汽车配件分类”中，发动机将会归于所述范围，而其他的如汽车坐垫，轮胎等将被划归于所述范围之外。

所述推荐模块20包括：

排序子模块21，用于在与所述关键词匹配的商品类目下，按照每个所述商品的商品评分属性的评分值，对多个所述商品进行降序排序；

推荐子模块22，用于在与所述关键词匹配的商品类目下，对降序排序多个所述商品进行推荐。

优选的，排序子模块21将所述商品的商品评分属性的评分值大的商品排序在前，在对多个所述商品进行降序排序后，推荐子模块22将该多个商品推荐给用户，提升了用户搜索的舒适度。

参见图4，在本公开的一个实施例中，在本公开的一个实施例中，所述权重计算子模块12具体是分别采用所述搜索的关键词推荐的多个商品所对应的多个商品类目的预设曝光次数中的点击率参数、预设点击次数中的收藏率参数以及预设点击次数中的购买率参数进行每个所述商品类目权重计算；优选的，在每个所述商品类目权重计算中，所述预设曝光次数中的点击率参数的权重值小于预设点击次数中的收藏率参数的权重值；所述预设点击次数中的收藏率参数的权重值小于所述预设点击次数中的购买率参数的权重值；

如在通过对用户搜索关键词推荐的商品的离线商品行为数据进行统计分析过程中，权重计算子模块12使用搜索词出现的商品的类目的千次曝光点击率，其权重为0.2；千次点击收藏率，其权重为：0.3；千次点击购买率，其权重为：0.5，由权重计算得出搜索的关键词与商品类目的最终权重值在0～1；该权重值越大则表明搜索词与对应的类目越符合用户期望和需求。

所述第二分析子模块13具体是选取多个所述商品类目的权重值中最大的权重值所对应的商品类目作为与所述关键词匹配的商品类目。

所述分析模块10还包括：

删除子模块16，用于将多个所述商品类目的权重值中小于预设的权重值阈值的所述商品类目删除。小于预设的权重值阈值的所述商品类目应属于用户误点击的搜索，因此将其删除有助于提高搜索的质量。

参见图4，在本公开的一个实施例中，所述商品评分属性计算子模块14包括：

商品评分属性计算单元141，用于分别采用所述搜索的关键词推荐的多个商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的任意组合进行每个所述商品的商品评分属性计算，获得每个所述商品的商品评分属性的评分值；

添加单元142，用于对每个所述商品的添加对应的所述商品评分属性。

优选的，在每个所述商品评分属性计算中，每个所述商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的权重值由大到小的排序为：成交参数、加购参数、收藏参数、浏览停留时长参数和浏览深度参数、曝光参数。

在该实施例中，如在通过对用户搜索关键词推荐的商品的离线商品行为数据进行统计分析过程中，商品评分属性计算单元141通过离线对商品的曝光参数，其权重为：0.1，停留时长参数，其权重为：0.2，浏览深度参数，其权重为：0.2，收藏参数，其权重为：0.4，加购参数，其权重为：0.5，成交参数，其权重为：0.6，对所述商品做一个综合计算，该综合计算也权重计算，最后添加单元142为每个商品添加一个商品评分属性，每次搜索基于评分排序，从而提高搜索质量。

在该实施例中，通过上述的多个商品类目权重计算和商品评分属性计算可以将关键词划分至不同的商品类目中，例如“手机”关键词划分到手机这个商品类目中，而“手机壳”关键词则划分到手机配件这个商品类目中，每次使用搜索引擎搜索时，如通过搜索引擎搜索时通过关键词匹配商品类目，通过类目属性操作子模块15对类目属性限制搜索商品类目下的商品，从而提高搜索效果。

对比于相关技术只依赖于搜索关键词，无法对商品做精准的搜索，容易出现如搜索“手机”出现“手机壳”、“手机配件”等商品问题，本公开提供的技术方案结合搜索关键词对应的商品类目权重计算、商品离线指标计算，可以很好的弥补这一缺陷，使得商品可以有更优的搜索结果，能够更精准的为用户提供搜索服务。搜索的数据更为精准。搜索的数据质量有明显提高。

关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图5是根据本公开一示例性实施例示出的一种终端设备的结构示意图。该终端设备例如可以是移动终端设备或服务器设备等。

本公开提供了一种终端设备1000，包括：

处理器1020；以及

存储器1010，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器1020执行如上述任一实施例中所述的方法。

参见图5，终端设备1000包括存储器1010和处理器1020。

处理器1020可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)，和永久存储系统。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储系统可以是可读写的存储系统。永久存储系统可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储系统采用大容量存储系统(例如磁或光盘、闪存)作为永久存储系统。另外一些实施方式中，永久性存储系统可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。

上文中已经参考附图详细描述了本公开的方案。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和模块并不一定是本公开所必须的。另外，可以理解，本公开实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，本公开实施例装置和系统中的模块可以根据实际需要进行合并、划分和删减。

此外，根据本公开的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本公开的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本公开还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或终端设备、计算设备、服务器等)的处理器执行时，使所述处理器执行根据本公开的上述方法的各个步骤的部分或全部。

本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。

附图中的流程图和框图显示了根据本公开的多个实施例的系统和方法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，所述模块、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，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续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，框图和/或流程图中的每个方框、以及框图和/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。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (13)

1.一种提高搜索质量的方法，其特征在于，包括：

根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性；

在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐。

2.根据权利要求1所述的方法，其特征在于，所述根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性包括：

将所述搜索的关键词推荐的多个商品所对应的唯一商品类目作为与所述关键词匹配的商品类目；或者

将所述搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算，获得多个所述商品类目的权重值；对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目；以及

分别对所述根据搜索的关键词推荐的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值。

3.根据权利要求1所述的方法，其特征在于，所述根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性包括：

将所述搜索的关键词推荐的多个商品所对应的唯一商品类目作为与所述关键词匹配的商品类目；或者

将所述搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算，获得多个所述商品类目的权重值；对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目；

分别对与所述关键词匹配的商品类目下的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值。

4.根据权利要求2所述的方法，其特征在于，在所述分别对所述根据搜索的关键词推荐的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值之前包括：

对所述搜索的关键词推荐的多个商品所对应的商品类目进行类目属性操作，限制在与所述对应的商品类目下搜索的多个商品的第一范围；

在所述计算商品评分属性中，所述多个商品为所述第一范围内的商品；或者

所述在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐包括：

在与所述关键词匹配的商品类目下，按照每个所述商品的商品评分属性的评分值进行降序排序推荐。

5.根据权利要求3所述的方法，其特征在于，在所述分别对与所述关键词匹配的商品类目下的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值之前包括：

对与所述关键词匹配的商品类目进行类目属性操作，限制在与所述关键词匹配的商品类目下搜索的多个商品的第二范围；

在所述计算商品评分属性中，所述多个商品为所述第二范围内的商品；或者

所述在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐包括：

在与所述关键词匹配的商品类目下，按照每个所述商品的商品评分属性的评分值进行降序排序推荐。

6.根据权利要求2或3所述的方法，其特征在于，所述将搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算包括：

分别采用所述搜索的关键词推荐的多个商品所对应的多个商品类目的预设参数进行每个所述商品类目权重计算，所述预设参数包括预设曝光次数中的点击率参数、预设点击次数中的收藏率参数以及预设点击次数中的购买率参数；

所述对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目包括：

选取多个所述商品类目的权重值中最大的权重值所对应的商品类目作为与所述关键词匹配的商品类目。

7.根据权利要求6所述的方法，其特征在于，在每个所述商品类目权重计算中，所述预设曝光次数中的点击率参数的权重值小于预设点击次数中的收藏率参数的权重值；所述预设点击次数中的收藏率参数的权重值小于所述预设点击次数中的购买率参数的权重值；

在选取多个所述商品类目的权重值中最大的权重值所对应的商品类目作为与所述关键词匹配的商品类目之前还包括：

将多个所述商品类目的权重值中小于预设的权重值阈值的所述商品类目删除。

8.根据权利要求2或3所述的方法，其特征在于，所述计算商品评分属性，获得每个所述商品的商品评分属性的评分值包括：

分别采用所述多个商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的任意组合，进行每个所述商品的商品评分属性计算，获得每个所述商品的商品评分属性的评分值；

对每个所述商品的添加对应的所述商品评分属性。

9.根据权利要求8所述的方法，其特征在于，所述在每个所述商品评分属性计算中，每个所述商品的曝光参数、浏览停留时长参数、浏览深度参数、收藏参数、加购参数以及成交参数的权重值由大到小的排序为：成交参数、加购参数、收藏参数、浏览停留时长参数和浏览深度参数、曝光参数。

10.一种提高搜索质量的系统，其特征在于，包括：

分析模块，用于根据搜索的关键词推荐的多个商品进行商品行为数据分析，获得与所述关键词匹配的商品类目和多个所述商品的商品评分属性；

推荐模块，用于在所述商品类目下按照所述商品评分属性将多个所述商品进行排序推荐。

11.根据权利要求10所述的系统，其特征在于，所述分析模块包括：

第一分析子模块，用于将所述搜索的关键词推荐的多个商品所对应的唯一商品类目作为与所述关键词匹配的商品类目；或者

权重计算子模块，用于将所述搜索的关键词推荐的多个商品所对应的多个商品类目分别进行商品类目权重计算，获得多个所述商品类目的权重值；

第二分析子模块，用于对多个所述商品类目的权重值进行分析，选取与所述关键词匹配的商品类目；

商品评分属性计算子模块，用于分别对所述根据搜索的关键词推荐的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值；或者，用于分别对与所述关键词匹配的商品类目下的多个商品，计算商品评分属性，获得每个所述商品的商品评分属性的评分值。

12.根据权利要求11所述的系统，其特征在于：

所述分析模块还包括：

类目属性操作子模块，用于对所述搜索的关键词推荐的多个商品所对应的商品类目进行类目属性操作，限制在与所述对应的商品类目下搜索的多个商品的第一范围；在所述计算商品评分属性中，所述多个商品为所述第一范围内的商品；或者

用于对与所述关键词匹配的商品类目进行类目属性操作，限制在与所述关键词匹配的商品类目下搜索的多个商品的第二范围；在所述计算商品评分属性中，所述多个商品为所述第二范围内的商品；

所述推荐模块还包括：

排序子模块，用于在与所述关键词匹配的商品类目下，按照每个所述商品的商品评分属性的评分值，对多个所述商品进行降序排序；

推荐子模块，用于在与所述关键词匹配的商品类目下，对降序排序多个所述商品进行推荐。

13.一种终端设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-9中任一项所述的方法。

Images