CN111984837B - 商品数据的处理方法、装置及设备 - Google Patents

商品数据的处理方法、装置及设备 Download PDF

Info

Publication number
CN111984837B
CN111984837B CN201910435675.1A CN201910435675A CN111984837B CN 111984837 B CN111984837 B CN 111984837B CN 201910435675 A CN201910435675 A CN 201910435675A CN 111984837 B CN111984837 B CN 111984837B
Authority
CN
China
Prior art keywords
commodity
user
commodity data
data
feature
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.)
Active
Application number
CN201910435675.1A
Other languages
English (en)
Other versions
CN111984837A (zh
Inventor
梁芳
李煜佳
马麦琪
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.)
Zhejiang Koubei Network Technology Co Ltd
Original Assignee
Zhejiang Koubei Network 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 Zhejiang Koubei Network Technology Co Ltd filed Critical Zhejiang Koubei Network Technology Co Ltd
Priority to CN201910435675.1A priority Critical patent/CN111984837B/zh
Publication of CN111984837A publication Critical patent/CN111984837A/zh
Application granted granted Critical
Publication of CN111984837B publication Critical patent/CN111984837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90324—Query formulation using system suggestions
    • G06F16/90328—Query formulation using system suggestions using search space presentation or visualization, e.g. category or range presentation and selection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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]
    • G06Q30/0631—Item recommendations
    • 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]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种商品数据的处理方法、装置及设备，涉及数据处理技术领域，可以推荐给用户准确的商品数据，使得用户浏览到更多种类的商品数据。其中方法包括：当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据；根据所述第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词；按照反向规则将所述商品特征关键词以交互选项的形式展示给用户，基于用户选择的商品特征关键词，生成与所述用户选择的商品特征关键词相匹配的第二商品数据；将所述第二商品数据从预先配置的商品数据列表中过滤，生成过滤后的商品数据列表，并作为最终商品数据列表进行展示。本申请适用于商品数据的处理。

Description

商品数据的处理方法、装置及设备
技术领域
本申请涉及数据处理技术领域，尤其是涉及到一种商品数据的处理方法、装置及设备。
背景技术
随着互联网技术的飞速发展，越来越多的人选择在网络平台进行消费购物。其中，外卖点餐、团购美食等也是广受用户的青睐。通常情况下，网络平台会搭建专门的美食频道，在美食频道中设置各类美食，如快餐、西餐、甜品等，以供用户选择需要的商品。
在用户进入到美食频道后，为了减少用户的筛选时间，网络平台会对商品数据进行处理，并基于商品数据的特征与用户的贴合程度来想用户推荐合适的商品数据。例如，可以根据用户历史购买商品的数据向用户推荐合适的商品数据，还可以根据用户位置信息向用户推荐合适的商品数据，从而提供给用户更为精准的商品。
在实现本发明的过程中，发明人发现相关技术至少存在以下问题：
上述商品数据的处理方式虽然从一定程度上考虑了用户对商品的喜好，但是，对于喜好模糊或者选择目标不是很明确的用户，他们进入到美食频道后并不是一开始就知道自己想要的商品，即使网络平台向用户推送再多的商品数据，也很难向用户推荐准确的商品数据，也使得用户浏览商品数据的种类受到一定的局限性。
发明内容
有鉴于此，本申请提供了一种商品数据的处理方法、装置及设备，主要目的在于解决目前通过现有方式推荐给用户的商品数据，无法为用户做到准确推荐，使得用户浏览商品数据的种类受限的问题。
根据本申请的一个方面，提供了一种商品数据的处理方法，该方法包括：
当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据；
根据所述第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词；
按照反向规则将所述商品特征关键词以交互选项的形式展示给用户，基于用户选择的商品特征关键词，生成与所述用户选择的商品特征关键词相匹配的第二商品数据；
将所述第二商品数据从预先配置的商品数据列表中过滤，生成过滤后的商品数据列表，并作为最终商品数据列表进行展示。
进一步地，所述第一商品数据的中记录有描述商品属性的各个维度特征，所述根据所述第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词，具体包括：
基于所述第一商品数据，统计所述描述商品属性的各个维度特征，得到所述第一商品数据的商品特征；
对所述第一商品数据的商品特征进行聚类处理，形成商品特征关键词。
进一步地，所述按照反向规则将所述商品特征关键词以交互选项的形式展示给用户，基于用户选择的商品特征关键词，生成与所述用户选择的商品特征关键词相匹配的第二商品数据，具体包括：
根据所述商品特征关键词，生成携带有反向语义的交互选项，并将所述交互选项在用户浏览商品数据列表过程中展示给用户；
基于用户选择的商品特征关键词，将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行匹配；
根据匹配结果查询所述预置商品库中的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
进一步地，所述基于用户选择的商品特征关键词，将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行匹配，具体包括：
将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行相似度匹配；
所述根据匹配结果查询所述预置商品库中的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据，具体包括：
从所述预置商品数据库中查询相似度大于或等于预设阈值的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
进一步地，所述获取用户浏览行为对应的第一商品数据，具体包括：
通过解析用户的行为日志，得到用户在预设时间段内各个时间点的行为操作数据；
基于所述用户在各个时间点的行为操作数据，获取用户浏览行为对应的第一商品数据。
进一步地，在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，所述方法还包括：
收集用户浏览商品数据的操作行为数据；
若查找在预设时间段内所述操作行为数据中不存在意图购买行为操作时，则确定用户在预设时间段内商品数据的浏览行为符合触发指令。
进一步地，在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，所述方法还包括：
基于用户画像中记录的兴趣偏好标签，生成预先配置的商品数据列表，并作为初始商品数据列表进行展示。
根据本申请的另一方面，提供了一种商品数据的处理装置，该装置包括：
获取单元，用于当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据；
聚类单元，用于根据所述第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词；
生成单元，用于按照反向规则将所述商品特征关键词以交互选项的形式展示给用户，基于用户选择的商品特征关键词，生成与所述用户选择的商品特征关键词相匹配的第二商品数据；
过滤单元，用于将所述第二商品数据从预先配置的商品数据列表中过滤，生成过滤后的商品数据列表，并作为最终商品数据列表进行展示。
进一步地，所述第一商品数据的中记录有描述商品属性的各个维度特征，所述聚类单元包括：
统计模块，用于基于所述第一商品数据，统计所述描述商品属性的各个维度特征，得到所述第一商品数据的商品特征；
聚类模块，用于对所述第一商品数据的商品特征进行聚类处理，形成商品特征关键词。
进一步地，所述生成单元包括：
生成模块，用于根据所述商品特征关键词，生成携带有反向语义的交互选项，并将所述交互选项在用户浏览商品数据列表过程中展示给用户；
匹配模块，用于基于用户选择的商品特征关键词，将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行匹配；
查询模块，用于根据匹配结果查询所述预置商品库中的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
进一步地，所述匹配模块，具体用于将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行相似度匹配；
所述查询模块，具体用于从所述预置商品数据库中查询相似度大于或等于预设阈值的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
进一步地，所述获取单元包括：
解析模块，用于通过解析用户的行为日志，得到用户在预设时间段内各个时间点的行为操作数据；
获取模块，用于基于所述用户在各个时间点的行为操作数据，获取用户浏览行为对应的第一商品数据。
进一步地，所述装置还包括：
收集单元，用于在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，收集用户浏览商品数据的操作行为数据；
确定单元，用于若查找在预设时间段内所述操作行为数据中不存在意图购买行为操作时，则确定用户在预设时间段内商品数据的浏览行为符合触发指令。
进一步地，所述装置还包括：
展示单元，用于在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，基于用户画像中记录的兴趣偏好标签，生成预先配置的商品数据列表，并作为初始商品数据列表进行展示。
依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述商品数据的处理方法。
依据本申请再一个方面，提供了一种店铺搜索信息处理的实体设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述商品数据的处理方法。
借由上述技术方案，本申请提供的一种商品数据的处理方法、装置及设备，与目前现有方式中基于商品数据的特征与用户的贴合程度来向用户推荐合适商品数据的方式相比，本申请可通过对符合触发指令时用户浏览行为对应的第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词，该商品特征关键词即用户浏览了商品数据但并不存在购买意图行为所形成的关键字，也就是说明用户对该商品特征关键词并不是那么感兴趣，进一步按照反向规则将商品特征关键词以交互选项的形式展示给用户，并将与用户选择的商品关键词相匹配的第二商品数据从预先配置的商品数据列表中过滤，从而向用户缩小推荐商品数据的范围，对于喜好模糊或者选择目标不是很明确的用户，基于过滤后的商品数据列表，可以推荐给用户更为准确的商品数据，从而满足用户的购物需求。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请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示出了本申请实施例提供的一种商品数据的处理方法的流程示意图；
图2示出了本申请实施例提供的另一种商品数据的处理方法的流程示意图；
图3示出了本申请实施例提供的一种商品数据的处理流程框图；
图4示出了本申请实施例提供的一种商品数据的处理装置的结构示意图；
图5示出了本申请实施例提供的另一种商品数据的处理装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
目前通过现有方式会基于商品数据的特征与用户的贴合程度向用户推荐合适的商品数据，但是对于喜好模糊或者选择目标不是很明确的用户，他们进入到美食频道后并不是一开始就知道自己想要的商品，即使网络平台向用户推送再多的商品数据，也很难向用户推荐准确的商品数据，也使得用户浏览商品数据的种类受到一定的局限性。为了解决该问题，本实施例提供了一种商品数据的处理方法，如图1所示，该方法包括：
101、当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据。
其中，用户在预设时间段内商品数据的浏览行为可以为用户滑动页面中商品数据的行为、用户点击页面上某一商品数据的行为或者用户长按某一商品三个月后的行为等等。
通常情况下，用户在购买商品之前，通常会对商品进行挑选，之后在一定时间内下单，而对于浏览商品数据很长时间的用户，可能对页面中推荐的商品数据并不感兴趣，也可能是对需要商品数据大目标不是很明确。本实施例中商品数据的浏览行为可以具体表示为用户滑动商品数据，用户点击商品数据，用户将商品数据加入购物车等操作行为，通过检测用户在预设时间段内商品数据的浏览行为是否符合触发指令来判断用户是否对页面中推荐的商品数据感兴趣，如果用户在预设时间段内商品数据的浏览行为并不存在对商品数据的深度浏览或者对商品数据的购买意图，则确定用户对页面中推荐的商品数据并不感兴趣，符合触发指令。例如，如果用户针对同一商品数据浏览时间以及浏览次数达到了预定数值，则说明存在用户对商品数据的深度浏览，如果用户对商品数据存在加入购物车或者支付行为，则说明存在用户对商品数据购买意图。
对于本实施例，当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，说明用户对所浏览的商品数据并感兴趣，进一步获取用户浏览行为对应的第一商品数据，从而汇集用户可能不感兴趣的商品数据。
对于本实施例的执行主体可以为用户商品数据处理的装置或设备，可以配置在用户端测，基于用户对浏览不感兴趣的数据来调整展示给用户的商品数据列表。
102、根据所述第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词。
其中，第一商品数据的特征信息可以为表征商品数据特征的关键词，具体可以有商品数据的分类、商品数据的口感等。对于商品数据的分类可以有快餐、面食、火锅、西餐等，例如，A面馆的分类为面食，B牛排店的分类为西餐，对于商品数据的口感，清淡、微辣、酸甜、麻辣等，例如，C麻辣烫的口感为微辣，D四川火锅的口感为麻辣，这里不进行限定。
由于第一商品数据中会包含多个种类的商品，其中可能会存在用户不感兴趣的商品数据，进一步对第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词，该特征词用于描述第一商品数据中的商品，进而提炼出用户可能不感兴趣的商品数据的特征，例如第一商品数据中包含有面馆、火锅店、粥店等商品，经过提炼可以得到描述第一商品数据中商品的商品特征关键词可以为面食、火锅、粥店、清淡等。
103、按照反向规则将所述商品特征关键词以交互选项的形式展示给用户，基于用户选择的商品特征关键词，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
其中，反向规则的应用可以基于反向语义来完成用户可能不感兴趣的商品数据与用户之间的交互，例如，不感兴趣，不想查看或者不想吃等。交互选项可以为在附有删除标识的按钮、列表或标签等，每个商品特征关键词以一个交互选项进行展示。
在本实施例中，具体反向规则可以通过反问的方式来询问用户是否对包含商品特征关键词的商品数据不感兴趣，并且将商品特征关键词的交互选项展示给用户。
在本实施例中，对于用户选择的商品特征关键词，说明用户包含该商品特征关键词的商品数据并不感兴趣，进一步生成与用户选择的商品特征关键词相匹配的第二商品数据。可以理解的是，包含用户选择商品特征关键词的商品数据，第二商品数据可以为用户在先浏览过程中出现的商品数据，还可以为用户在先浏览过程中未出现并且与在先浏览商品数据具有相似特征的商品数据。
104、将所述第二商品数据从预先配置的商品数据列表中过滤，生成过滤后的商品数据列表，并作为最终商品数据列表进行展示。
由于经过用户确认，对于包含用户选择的商品特征关键词的商品数据必然为用户不感兴趣的商品数据，如果预先配置的商品数据列表中继续保持原有商品数据的推荐，不仅用户不会购买，同时也会影响用户购买其他商品数据的心情。
在本发明实施例中，通过将第二商品数据从预先配置的商品数据列表中过滤，生成过滤后的商品数据列表能够缩小推荐商品数据的范围，从而辅助商品数据选择模糊的用户进行决策。
本发明实施例提供的商品数据的处理方法，与目前现有方式中基于商品数据的特征与用户的贴合程度来向用户推荐合适商品数据的方式相比，本申请可通过对符合触发指令时用户浏览行为对应的第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词，该商品特征关键词即用户浏览了商品数据但并不存在购买意图行为所形成的关键字，也就是说明用户对该商品特征关键词并不是那么感兴趣，进一步按照反向规则将商品特征关键词以交互选项的形式展示给用户，并将与用户选择的商品关键词相匹配的第二商品数据从预先配置的商品数据列表中过滤，从而向用户缩小推荐商品数据的范围，对于喜好模糊或者选择目标不是很明确的用户，基于过滤后的商品数据列表，可以推荐给用户更为准确的商品数据，从而满足用户的购物需求。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，本实施例提供了另一种商品数据的处理方法，如图2所示，该方法包括：
201、基于用户画像中记录的兴趣偏好标签，生成预先配置的商品数据列表，并作为初始商品数据列表进行展示。
其中，用户画像即用户信息标签化，通过分析用户社会属性、生活习惯、消费行为等主要信息的数据之后，抽象出描述用户特征标识标签，如年龄、性别、地域、兴趣偏好等。
在用户首次进入页面浏览商品数据列表之前，为了节省用户挑选商品时间，通常会基于用户兴趣偏好将用户感兴趣的商品优先列入商品数据列表中展示给用户，例如，用户历史购买的商品数据有火锅，可以在商品数据列表中优先推荐火锅，当然还可以在基于兴趣偏好所生成的商品数据列表后，考虑用户地理位置、配送价格等因素进一步调整商品数据列表，生成预先配置的商品数据列表，并作为初始商品数据量列表展示给用户。
202、当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据。
其中，预设时间段通常为用户浏览页面但不存在对商品数据的深度浏览以及对商品数据的购买意图，一旦用户在预设时间段内商品数据的浏览行为符合触发指令，也说明用户浏览商品许久后仍没有明确的目标。
在该步骤中，具体可以通过解析用户的行为日志，得到用户在各个时间段的行为操作数据，例如，用户在时间8:10:12浏览商品A，用户在时间8:10:48浏览商品B等，在基于用户在各个时间点的行为操作数据，获取用户浏览行为对应的第一商品数据，例如，商品店铺名称、店铺位置、商品名称、商品类别等。
可以理解的是，当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，需要判断用户是是否对推荐的商品数据不感兴趣，也就是是否符合触发指令具体可以通过收集用户浏览商品数据的操作行为数据；若查找在预设时间段内所述操作行为数据中不存在意图购买行为操作时，则确定用户在预设时间段内商品数据的浏览行为符合触发指令。
203、基于所述第一商品数据，统计所述描述商品属性的各个维度特征，得到所述第一商品数据的商品特征。
由于第一商品数据囊括了用户浏览预设时间段内仍然没有产生购买意图的商品数据，其中可能包含有各个类型的商品数据，并且第一商品数据中记录有描述商品属性的各个维度特征，例如，描述粥品类商品数据的维度特征可以包括粥、早餐、清淡等，描述火锅类商品数据的维度特征可以包括涮锅、川味锅、海鲜锅等。
本实施例通过统计描述商品属性的各个维度特征，汇集第一商品数据中各个类型的商品特征。
204、对所述第一商品数据的商品特征进行聚类处理，形成商品特征关键词。
对于本实施例，对第一商品数据的商品特征进行聚类处理，即将相似商品数据的商品特征聚集到一起，而将不相似商品数据的商品特征区分开，形成各个类型商品数据的商品特征关键词，例如，火锅、烧烤、面食、麻辣等等。
205、根据所述商品特征关键词，生成携带有反向语义的交互选项，并将所述交互选项在用户浏览商品数据列表过程中展示给用户。
具体可以通过反问语义的方式为每个选项标识设置删除标识，来便于用户对不敢兴趣的交互选项进行选择，当然用户也可以不进行选择，如果用户不进行选择，则说明用户对所列出的交互选项并不排斥，进一步重新整理用户可能不感兴趣的商品特征关键词。例如，用户是否对所推荐的下述商品数据不感兴趣，面、饺子、汉堡、米线，并且每个商品数据的尾部设置有删除标识。
需要说明的是，这里的交互选项可以通过弹框的形式展示给用户，还可以在页面顶端展示给用户，通常展示位置为用户很容易查看的位置，以便于用户选择。
206、基于用户选择的商品特征关键词，将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行匹配。
在本实施例中，具体可以通过将用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行相似度匹配，由于预置商品数据库中记录有描述各种商品数据的特征字段，进而找出各种商品数据与用户选择的商品特征关键词之间的相似度。
207、根据匹配结果查询所述预置商品库中的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
在本实施例中，匹配结果即为预置商品数据库中各种商品数据与用户选择的商品特征关键词之间的相似度，具体可以从预置商品数据库中查询相似度大于或等于预设阈值的商品数据，生成与用户选择的商品特征关键词相匹配的第二商品数据。其中，预设阈值可根据实际需求预先设置，进而通过提高预设阈值大小，来提高生成第二商品数据的精度。通过这种方式不仅能够保证商品特征关键词与阈值商品数据库中商品数据之间匹配的精度，而且还能在一定程度上保证找到更为合适的第二商品数据。
208、将所述第二商品数据从预先配置的商品数据列表中过滤，生成过滤后的商品数据列表，并作为最终商品数据列表进行展示。
通过步骤205至207所示的方式可将用户前置浏览但并未产生购买意图的商品数据聚类得到的商品特征形成可操作删除选项提供给用户，并基于用户提供删除的商品特征进行反向商品数据的推荐，即将用户不感兴趣的第二商品数据从商品数据列表中过滤，从而形成最终商品数据列表。
基于上述如图1和图2所示的具体实施方式内容，为了有更好的理解，下面结合当前的现有技术问题，给出如下具体应用场景，但不限于此：
用户在网络平台上浏览商品数据的过程中，目前传统的做法页面中显示的是基于用户画像中兴趣偏好优先推送的用户可能感兴趣的商品数据，然而，多于喜好模糊或者选择目标不是很明确的用户，重复向用户推送相同种类的商品数据可能会引起不适，因此，在用户浏览商品数据的过程中，结合用户前置浏览生成用户可删除商品特征的互动选项，基于用户选择来调整页面上显示的商品数据，可以帮助用户更好的决策。
具体的，如图3所示，用户在浏览页面中商品数据的过程中，在没有遇到感兴趣的商品数据时，会不断滑动商品数据，也就是第1步至第3的步操作，当检测到一段时间内用户持续在滑动商品数据，并且对任何商品不存在深度浏览以及购买意图的时候，可以在页面中弹出反问句的互动选项，询问用户“是不是不想吃这些”，显示“粥”、“快餐”、“面”三个商品特征关键词，并在每个商品特征关键词的尾部附带有删除标识，以便于基于用户选择的商品特征关键词更新页面中的商品数据，在将包含有用户选择的商品特征关键词的商品数据进行过滤后，展示更新页面中的商品数据。
进一步的，作为图1和图2方法的具体实现，本申请实施例提供了一种商品数据的处理装置，如图4所示，该装置包括：获取单元31、聚类单元32、生成单元33、过滤单元34。
获取单元31，可以用于当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据；
聚类单元32，可以用于根据所述第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词；
生成单元33，可以用于按照反向规则将所述商品特征关键词以交互选项的形式展示给用户，基于用户选择的商品特征关键词，生成与所述用户选择的商品特征关键词相匹配的第二商品数据；
过滤单元34，可以用于将所述第二商品数据从预先配置的商品数据列表中过滤，生成过滤后的商品数据列表，并作为最终商品数据列表进行展示。
本发明实施例提供的商品数据的处理装置，与目前现有方式中基于商品数据的特征与用户的贴合程度来向用户推荐合适商品数据的方式相比，本申请可通过对符合触发指令时用户浏览行为对应的第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词，该商品特征关键词即用户浏览了商品数据但并不存在购买意图行为所形成的关键字，也就是说明用户对该商品特征关键词并不是那么感兴趣，进一步按照反向规则将商品特征关键词以交互选项的形式展示给用户，并将与用户选择的商品关键词相匹配的第二商品数据从预先配置的商品数据列表中过滤，从而向用户缩小推荐商品数据的范围，对于喜好模糊或者选择目标不是很明确的用户，基于过滤后的商品数据列表，可以推荐给用户更为准确的商品数据，从而满足用户的购物需求。
在具体的应用场景中，如图5所示，所述第一商品数据的中记录有描述商品属性的各个维度特征，所述聚类单元32包括：
统计模块321，可以用于基于所述第一商品数据，统计所述描述商品属性的各个维度特征，得到所述第一商品数据的商品特征；
聚类模块322，可以用于对所述第一商品数据的商品特征进行聚类处理，形成商品特征关键词。
在具体的应用场景中，如图5所示，所述生成单元33包括：
生成模块331，可以用于根据所述商品特征关键词，生成携带有反向语义的交互选项，并将所述交互选项在用户浏览商品数据列表过程中展示给用户；
匹配模块332，可以用于基于用户选择的商品特征关键词，将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行匹配；
查询模块333，可以用于根据匹配结果查询所述预置商品库中的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
在具体的应用场景中，所述匹配模块332，具体可以用于将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行相似度匹配；
所述查询模块333，具体可以用于从所述预置商品数据库中查询相似度大于或等于预设阈值的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
在具体的应用场景中，如图5所示，所述获取单元31包括：
解析模块311，可以用于通过解析用户的行为日志，得到用户在预设时间段内各个时间点的行为操作数据；
获取模块312，可以用于基于所述用户在各个时间点的行为操作数据，获取用户浏览行为对应的第一商品数据。
在具体的应用场景中，如图5所示，本装置还包括：
收集单元35，可以用于在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，收集用户浏览商品数据的操作行为数据；
确定单元36，可以用于若查找在预设时间段内所述操作行为数据中不存在意图购买行为操作时，则确定用户在预设时间段内商品数据的浏览行为符合触发指令。
在具体的应用场景中，如图5所示，本装置还包括：
展示单元37，可以用于在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，基于用户画像中记录的兴趣偏好标签，生成预先配置的商品数据列表，并作为初始商品数据列表进行展示。
需要说明的是，本实施例提供的一种商品数据的处理装置所涉及各功能单元的其它相应描述，可以参考图1和图2中的对应描述，在此不再赘述。
基于上述如图1和图2所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1和图2所示的商品数据的处理方法。
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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)执行本申请各个实施场景所述的方法。
基于上述如图1和图2所示的方法，以及图4、图5所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种商品数据的处理的实体设备，具体可以为计算机，智能手机，平板电脑，智能手表，服务器，或者网络设备等，该实体设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1和图2所示的商品数据的处理方法。
可选的，该实体设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解，本实施例提供的一种商品数据的处理的实体设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述店铺搜索信息处理的实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
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本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，与目前现有方式相比，向用户缩小推荐商品数据的范围，对于喜好模糊或者选择目标不是很明确的用户，基于过滤后的商品数据列表，可以推荐给用户更为准确的商品数据，从而满足用户的购物需求。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (16)

1.一种商品数据的处理方法，其特征在于，包括：
当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据，如果用户在预设时间段内商品数据的浏览行为并不存在对商品数据的深度浏览或者对商品数据的购买意图，则确定用户对页面中推荐的商品数据不感兴趣，符合触发指令；
根据所述第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词；
按照反向规则将所述商品特征关键词以交互选项的形式展示给用户，基于用户选择的商品特征关键词，生成与所述用户选择的商品特征关键词相匹配的第二商品数据；
将所述第二商品数据从预先配置的商品数据列表中过滤，生成过滤后的商品数据列表，并作为最终商品数据列表进行展示。
2.根据权利要求1所述的方法，其特征在于，所述第一商品数据的中记录有描述商品属性的各个维度特征，所述根据所述第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词，具体包括：
基于所述第一商品数据，统计所述描述商品属性的各个维度特征，得到所述第一商品数据的商品特征；
对所述第一商品数据的商品特征进行聚类处理，形成商品特征关键词。
3.根据权利要求1所述的方法，其特征在于，所述按照反向规则将所述商品特征关键词以交互选项的形式展示给用户，基于用户选择的商品特征关键词，生成与所述用户选择的商品特征关键词相匹配的第二商品数据，具体包括：
根据所述商品特征关键词，生成携带有反向语义的交互选项，并将所述交互选项在用户浏览商品数据列表过程中展示给用户；
基于用户选择的商品特征关键词，将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行匹配；
根据匹配结果查询所述预置商品库中的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
4.根据权利要求3所述的方法，其特征在于，所述基于用户选择的商品特征关键词，将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行匹配，具体包括：
将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行相似度匹配；
所述根据匹配结果查询所述预置商品库中的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据，具体包括：
从所述预置商品数据库中查询相似度大于或等于预设阈值的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
5.根据权利要求1所述的方法，其特征在于，所述获取用户浏览行为对应的第一商品数据，具体包括：
通过解析用户的行为日志，得到用户在预设时间段内各个时间点的行为操作数据；
基于所述用户在各个时间点的行为操作数据，获取用户浏览行为对应的第一商品数据。
6.根据权利要求1所述的方法，其特征在于，在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，所述方法还包括：
收集用户浏览商品数据的操作行为数据；
若查找在预设时间段内所述操作行为数据中不存在意图购买行为操作时，则确定用户在预设时间段内商品数据的浏览行为符合触发指令。
7.根据权利要求1-6中任一项所述的方法，其特征在于，在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，所述方法还包括：
基于用户画像中记录的兴趣偏好标签，生成预先配置的商品数据列表，并作为初始商品数据列表进行展示。
8.一种商品数据的处理装置，其特征在于，包括：
获取单元，用于当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据，如果用户在预设时间段内商品数据的浏览行为并不存在对商品数据的深度浏览或者对商品数据的购买意图，则确定用户对页面中推荐的商品数据不感兴趣，符合触发指令；
聚类单元，用于根据所述第一商品数据的特征信息进行商品特征聚类，形成商品特征关键词；
生成单元，用于按照反向规则将所述商品特征关键词以交互选项的形式展示给用户，基于用户选择的商品特征关键词，生成与所述用户选择的商品特征关键词相匹配的第二商品数据；
过滤单元，用于将所述第二商品数据从预先配置的商品数据列表中过滤，生成过滤后的商品数据列表，并作为最终商品数据列表进行展示。
9.根据权利要求8所述的装置，其特征在于，所述第一商品数据的中记录有描述商品属性的各个维度特征，所述聚类单元包括：
统计模块，用于基于所述第一商品数据，统计所述描述商品属性的各个维度特征，得到所述第一商品数据的商品特征；
聚类模块，用于对所述第一商品数据的商品特征进行聚类处理，形成商品特征关键词。
10.根据权利要求8所述的装置，其特征在于，所述生成单元包括：
生成模块，用于根据所述商品特征关键词，生成携带有反向语义的交互选项，并将所述交互选项在用户浏览商品数据列表过程中展示给用户；
匹配模块，用于基于用户选择的商品特征关键词，将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行匹配；
查询模块，用于根据匹配结果查询所述预置商品库中的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
11.根据权利要求10所述的装置，其特征在于，
所述匹配模块，具体用于将所述用户选择的商品特征关键词与预置商品数据库中描述每个商品数据的特征字段进行相似度匹配；
所述查询模块，具体用于从所述预置商品数据库中查询相似度大于或等于预设阈值的商品数据，生成与所述用户选择的商品特征关键词相匹配的第二商品数据。
12.根据权利要求8所述的装置，其特征在于，所述获取单元包括：
解析模块，用于通过解析用户的行为日志，得到用户在预设时间段内各个时间点的行为操作数据；
获取模块，用于基于所述用户在各个时间点的行为操作数据，获取用户浏览行为对应的第一商品数据。
13.根据权利要求8所述的装置，其特征在于，所述装置还包括：
收集单元，用于在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，收集用户浏览商品数据的操作行为数据；
确定单元，用于若查找在预设时间段内所述操作行为数据中不存在意图购买行为操作时，则确定用户在预设时间段内商品数据的浏览行为符合触发指令。
14.根据权利要求8所述的装置，其特征在于，所述装置还包括：
展示单元，用于在所述当检测到用户在预设时间段内商品数据的浏览行为符合触发指令时，获取用户浏览行为对应的第一商品数据之前，基于用户画像中记录的兴趣偏好标签，生成预先配置的商品数据列表，并作为初始商品数据列表进行展示。
15.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的商品数据的处理方法。
16.一种商品数据的处理设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的商品数据的处理方法。
CN201910435675.1A 2019-05-23 2019-05-23 商品数据的处理方法、装置及设备 Active CN111984837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910435675.1A CN111984837B (zh) 2019-05-23 2019-05-23 商品数据的处理方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910435675.1A CN111984837B (zh) 2019-05-23 2019-05-23 商品数据的处理方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111984837A CN111984837A (zh) 2020-11-24
CN111984837B true CN111984837B (zh) 2021-04-23

Family

ID=73437441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910435675.1A Active CN111984837B (zh) 2019-05-23 2019-05-23 商品数据的处理方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111984837B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11783284B2 (en) * 2019-06-24 2023-10-10 Shopify Inc. Systems and methods for facilitating e-commerce product returns using an online marketplace
US11315069B2 (en) 2019-11-18 2022-04-26 Shopify Inc. Systems and methods for facilitating e-commerce product returns using orders for returned items
CN112581239A (zh) * 2020-12-30 2021-03-30 平潭综合实验区澄心贸易有限公司 一种用于电商平台的商品分类系统及其工作方法
CN112581238A (zh) * 2020-12-30 2021-03-30 平潭综合实验区澄心贸易有限公司 一种电商商品展示系统及其工作方法
CN112883263B (zh) * 2021-02-09 2023-06-20 浙江口碑网络技术有限公司 信息推荐方法、装置及电子设备
CN113077326B (zh) * 2021-06-04 2021-10-08 中建电子商务有限责任公司 一种基于边界兴趣试探的建筑商品推荐方法、装置及设备
CN113450187A (zh) * 2021-06-22 2021-09-28 上海明略人工智能(集团)有限公司 基于场景的商品关联方法、系统、电子设备及存储介质
CN115482065A (zh) * 2022-09-22 2022-12-16 保利和悦生活科技服务有限公司 基于大数据与电子商城平台的购物数据共享方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101957834A (zh) * 2010-08-12 2011-01-26 百度在线网络技术（北京）有限公司 一种基于用户特征进行内容推荐的方法与设备
CN102411754A (zh) * 2011-11-29 2012-04-11 南京大学 一种基于商品属性熵值的个性化推荐方法
CN106327227A (zh) * 2015-06-19 2017-01-11 北京航天在线网络科技有限公司 一种信息推荐系统及信息推荐方法
CN107292642A (zh) * 2016-03-31 2017-10-24 苏宁云商集团股份有限公司 一种基于图像的商品推荐方法及系统
CN107369075A (zh) * 2017-07-26 2017-11-21 万帮充电设备有限公司 商品的展示方法、装置和电子设备
CN108564414A (zh) * 2018-04-23 2018-09-21 帷幄匠心科技（杭州）有限公司 基于线下行为的商品推荐方法和系统
CN109062994A (zh) * 2018-07-04 2018-12-21 平安科技（深圳）有限公司 推荐方法、装置、计算机设备和存储介质
CN109166017A (zh) * 2018-10-12 2019-01-08 平安科技（深圳）有限公司 基于重聚类的推送方法、装置、计算机设备及存储介质
CN109636545A (zh) * 2018-12-26 2019-04-16 广州市耀锋电子网络科技有限公司 一种电商平台商品推荐算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7801774B2 (en) * 2008-11-21 2010-09-21 At&T Intellectual Property I, L.P. System, computer-readable storage medium, device, and method for managing grocery shopping

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101957834A (zh) * 2010-08-12 2011-01-26 百度在线网络技术（北京）有限公司 一种基于用户特征进行内容推荐的方法与设备
CN102411754A (zh) * 2011-11-29 2012-04-11 南京大学 一种基于商品属性熵值的个性化推荐方法
CN106327227A (zh) * 2015-06-19 2017-01-11 北京航天在线网络科技有限公司 一种信息推荐系统及信息推荐方法
CN107292642A (zh) * 2016-03-31 2017-10-24 苏宁云商集团股份有限公司 一种基于图像的商品推荐方法及系统
CN107369075A (zh) * 2017-07-26 2017-11-21 万帮充电设备有限公司 商品的展示方法、装置和电子设备
CN108564414A (zh) * 2018-04-23 2018-09-21 帷幄匠心科技（杭州）有限公司 基于线下行为的商品推荐方法和系统
CN109062994A (zh) * 2018-07-04 2018-12-21 平安科技（深圳）有限公司 推荐方法、装置、计算机设备和存储介质
CN109166017A (zh) * 2018-10-12 2019-01-08 平安科技（深圳）有限公司 基于重聚类的推送方法、装置、计算机设备及存储介质
CN109636545A (zh) * 2018-12-26 2019-04-16 广州市耀锋电子网络科技有限公司 一种电商平台商品推荐算法

Also Published As

Publication number Publication date
CN111984837A (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN111984837B (zh) 商品数据的处理方法、装置及设备
US9607010B1 (en) Techniques for shape-based search of content
WO2019056661A1 (zh) 一种搜索词推送方法、装置及终端
CN108897768B (zh) 一种点餐方法及装置，电子设备
JP5831204B2 (ja) 情報提供システム、情報提供方法及びプログラム
WO2020038351A1 (zh) 信息推送方法
CN107092647B (zh) 一种提供资源组合的方法及装置
CN109214955B (zh) 餐品套餐的生成方法及装置
JP2018538636A (ja) 商品情報を提供する方法、システム及び装置
CN117350825B (zh) 基于大语言模型的导购方法和系统
CN111899047A (zh) 资源推荐方法、装置、计算机设备及计算机可读存储介质
CN109214956B (zh) 餐品推送方法及装置
CN106776697A (zh) 内容推荐方法及装置
CN117788109A (zh) 一种基于大语言模型生成商品标签的方法及电子设备
CN111582979A (zh) 服饰搭配推荐方法和装置及电子设备
JP2020107269A (ja) 情報処理装置、情報処理方法および情報処理プログラム
TW202236181A (zh) 電子設備及其資訊提供方法
CN114730435A (zh) 管理服务器以及商品搜索方法
CN112288516A (zh) 信息推荐方法和装置、存储介质及电子设备
JP2010205072A (ja) ネットショッピング管理装置
CN106469403B (zh) 一种信息展示方法和装置
CN111415328B (zh) 物品分析数据确定方法、装置、电子设备
CN116433312A (zh) 物料推送规则的生成方法和物料推送规则的生成装置
CN113609375A (zh) 内容推荐方法及装置、存储介质及电子装置
CN113158056A (zh) 推荐语的生成方法及装置

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
GR01 Patent grant
GR01 Patent grant