CN111986007A - 一种商品聚合并计算相似度的方法 - Google Patents
一种商品聚合并计算相似度的方法 Download PDFInfo
- Publication number
- CN111986007A CN111986007A CN202011152451.9A CN202011152451A CN111986007A CN 111986007 A CN111986007 A CN 111986007A CN 202011152451 A CN202011152451 A CN 202011152451A CN 111986007 A CN111986007 A CN 111986007A
- Authority
- CN
- China
- Prior art keywords
- commodity
- word
- text
- information
- title
- 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
- G06F16/3335—Syntactic pre-processing, e.g. stopword elimination, stemming
-
- 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
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种商品聚合并计算相似度的方法,包括:离线收集多商城商品spu或者sku的商品标题信息;对所述商品标题信息进行规范化整理,离线得到所有数据中每个词语的词向量模型;离线构建数据集中每个商品标题的文本向量,并将文本向量存储;存储商品的具体所属多级分类信息、所属品牌、所属商城的信息;在线得到商品标题信息,构建商品标题文本向量;将库内的商品及文本向量根据条件进行筛选,与在线得到的商品文本向量计算相似度;本专利通过构建文本向量方式来达到比较不同商品文本信息的目的,根据文本向量之间的相似度,在多商城多平台上锁定一批相似的商品,从而为用户实现了多维度的商品比较与聚类,节省了时间成本与人力成本。
Description
技术领域
本发明涉及机器学习领域,特别涉及一种商品聚合并计算相似度的方法。
背景技术
近年来随着电子商务的发展,各大电商平台发展如火如荼,不同的spu与sku在不同的电商平台上都会进行不同的文字包装来进行个性化销售,由于商品数量级巨大,导致我们在拿到这些各大平台的商品信息后,很难进行一些商品的比对与聚合工作,比如不同平台同一spu下的sku聚合展示,又或者是想找到相似商品来进行价格、销售属性的多维度比对,同一spu在不同平台的差异化展示等等,面对海量的商品信息,会显得无所适从。尤其是面对多商城同一商品的时候,由于不同商城都有自己的文字包装规则,会使得工作的难度进一步提升。
公开号为CN110363251A的专利,提供的一种SKU图像分类方法,利用SPU匹配方法聚合同款SPU的SPU图像;其中,任一款SPU包括至少两种SKU;将各个SKU图像中SKU所在区域作为mask;其中,各个SKU图像均包含于同一款SPU对应的SPU图像;根据各个mask确定对应的颜色信息,并计算各个SKU图像之间的颜色距离;若颜色距离小于预设阈值,则确定对应的两个SKU图像为同种SKU图像。
公开号为CN109754295A的专利,公开了一种用于输出信息的方法和装置,包括:接收待筛选的物品的属性信息,其中,属性信息包括类别;确定与类别匹配的至少一个候选物品;获取至少一个候选物品中每个候选物品的属性信息,并组成候选属性信息集合;确定候选属性信息集合中每个候选属性信息与物品的属性信息之间的相似度,得到相似度集合;若相似度集合中的每个相似度小于预定相似度阈值,则将物品的属性信息添加到候选属性信息集合中,并输出添加后的候选属性信息集合。
公开号为CN103257977B的专利,公开了一种获取标识号码的方法及装置,包括,获取字符表中的M各字符,并采用哈希算法对由M个字符构成的一个或多个字符组进行计算,以生成一个或多个字符哈希值,读取一个或多个数据,并采用相同的哈希算法对每个数据进行计算,以生成一个或多个数据哈希值,在每个数据哈希值分别匹配到一个字符哈希值之后,根据匹配得到的字符哈希值来获取每个数据的标识号码。
目前想实现这些目标,需要很大程度上依赖于人力成本的投入,依靠人在商品信息中提取出所描述的商品是什么。如果是在同一商城下,可以根据商品url链接中的独有id来判断是否属于同一spu,对于多商城来源的商品,没有很好的方法来实现。
因此,本专利使用自然语言技术对同一商城或不同商城的商品信息进行分析,找到易于聚合的方法,并能进一步给出商品之间的相似度作为参考。
发明内容
本发明实施例提供了一种商品聚合并计算相似度的方法。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
根据本发明实施例,提供了一种商品聚合并计算相似度的方法,包括:
S1:离线收集多商城商品spu或者sku的商品标题信息;
S2:对所述商品标题信息进行规范化整理,利用自然语言处理中的word2vec技术离线得到所有数据中每个词语的词向量模型;
S3:利用得到的词向量模型,离线构建数据集中每个商品标题的文本向量,并将文本向量存储;
S4:存储商品的具体所属多级分类信息、所属品牌、所属商城的信息;
S5:在线得到商品标题信息,利用所述词向量模型在线构建商品标题文本向量;
S6:将库内的商品及文本向量根据条件进行筛选,与在线得到的商品文本向量计算相似度。
优选的,所述筛选条件为分类信息、所属品牌、所属商城的信息。
优选的,所述规范化整理为,利用自然语言处理的分词技术,将标题的文本信息进行分词,得到一个词语一个词语的形式,然后进行停止词过滤,去除一些停止词,所述停止词即我们事先整理好的一些无特殊语意的词语和各种标点符号。
优选的,所述离线构建的方式为,将标题中所有词对应的词向量进行累加,得到最终的文本向量。
优选的,所述在线得到商品标题信息,先利用自然语言处理的分词技术,将标题的文本信息进行分词,得到一个词语一个词语的形式,接下来进行停止词过滤,去除一些停止词,将一个商品文本标题转化为词语列表的形式。
优选的,所述在线构建的方式为,利用所述离线训练好的词向量模型,对列表里的词语查找对应的词向量并进行累加,得到最终的商品文本向量。
优选的,所述计算相似度,计算两个商品的相似度,采用的方法是计算两个商品标题的文本向量的皮尔逊相关系数,值介于-1到1之间,计算结果越接近1表示两个变量之间的相关性越大,也即表示两个商品标题之间在语意上越相似;根据筛选条件对筛选出的商品依次求取皮尔逊相关系数,并对结果进行由大到小的排序,即可得到商品相似度由大到小的结果。
本发明实施例提供的技术方案可以包括以下有益效果:
本专利利用自然语言处理技术对收集过来的各大电商平台以及多商城的商品信息进行文本挖掘,通过构建文本向量的方式来达到比较不同商品文本信息的目的,根据文本向量之间的相似度,我们很快就能为某个商品在多商城多平台上锁定一批相似的商品,从而为用户实现了基于分类、品牌、商城等多维度的商品比较与聚类,大大节省了时间成本与人力成本。
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,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种商品聚合并计算相似度的方法的流程示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本文中,各实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。本文中,诸如第一和第二等之类的关系术语仅仅用于将一个实体或者操作与另一个实体或操作区分开来,而不要求或者暗示这些实体或操作之间存在任何实际的关系或者顺序。而且,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。本文中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的结构、产品等而言,由于其与实施例公开的部分相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
下面结合附图及实施例对本发明做进一步描述:
如图1所示的一种商品聚合并计算相似度的方法,包括,两部分,一部分是离线进行商品标题数据的规范化处理,并送入word2vec网络模型中进行训练,得到词向量模型,保存下来,并计算出所有库内商品标题的文本向量。另一部分是实时构建商品的标题文本向量,与库内商品进行聚类与相似度计算,得到相似的商品及其相似度。具体实现步骤如下,
S1:离线收集多商城商品spu或者sku的商品标题信息;
S2:对所述商品标题信息进行规范化整理,利用自然语言处理中的word2vec技术离线得到所有数据中每个词语的词向量模型;
S3:利用得到的词向量模型,离线构建数据集中每个商品标题的文本向量,并将文本向量存储;
S4:存储商品的具体所属多级分类信息、所属品牌、所属商城的信息;
S5:在线得到商品标题信息,利用所述词向量模型在线构建商品标题文本向量;
S6:将库内的商品及文本向量根据条件进行筛选,与在线得到的商品文本向量计算相似度。
根据上述方案,进一步,所述筛选条件为分类信息、所属品牌、所属商城的信息,也可以根据不同的业务需求,比如想查看某个分类下的不同商品,这个条件就是具体的某一个商品分类;想查看某个品牌下的不同商品,这个条件就是具体的某个品牌。
根据上述方案,进一步,所述规范化整理为,利用自然语言处理的分词技术,将标题的文本信息进行分词,得到一个词语一个词语的形式,然后进行停止词过滤,去除一些停止词,所述停止词即我们事先整理好的一些无特殊语意的词语和各种标点符号,如:“然而,即使,在于”等等,最终一条商品的标题文本处理成以下列表格式:[“小皮”,“littlefreddie”, “香蕉”, “草莓”, “苹果泥”, “100g”, “1”, “袋”,“欧洲”, “原装”,“进口”, “婴儿”, “果泥”, “宝宝”, “辅食”, “泥”]。
根据上述方案,进一步,所述离线构建的方式为,将标题中所有词对应的词向量进行累加,得到最终的文本向量。
根据上述方案,进一步,所述在线得到商品标题信息,先利用自然语言处理的分词技术,将标题的文本信息进行分词,得到一个词语一个词语的形式,接下来进行停止词过滤,去除一些停止词,将一个商品文本标题转化为词语列表的形式。
根据上述方案,进一步,所述计算相似度,计算两个商品的相似度,采用的方法是计算两个商品标题的文本向量的皮尔逊相关系数,值介于-1到1之间,计算结果越接近1表示两个变量之间的相关性越大,也即表示两个商品标题之间在语意上越相似;根据筛选条件对筛选出的商品依次求取皮尔逊相关系数,并对结果进行由大到小的排序,即可得到商品相似度由大到小的结果。
根据上述方案,进一步,所述在线构建的方式为,利用所述离线训练好的词向量模型,对列表里的词语查找对应的词向量并进行累加,得到最终的商品文本向量;接下来我们可以定义一些筛选过滤的条件,比如想得到相同分类下的相似商品并计算相似度,比如想得到相同品牌的相似商品并得到相似度,又比如可以直接去找其他不同商城下的相似商品。找到的相似商品可以进行展示,以便于直观的对比其不同属性、规格,看到相似的商品在不同商城下的差异化描述。以下为具体实施例:
有个商品标题:“迪奥(dior)口红礼盒(烈艳蓝金唇膏哑光#999 3.5g正红色+香氛小样1ml*3随机+随机礼盒样式”,我们想找到同一个品牌(迪奥)下的相似商品,进行比较,实时接口返回的结果如下:
[(29432533, '迪奥(Dior)口红礼盒套装(烈艳蓝金唇膏哑光#999 3.5g正红色+香氛小样1ml*3随机+随机礼盒样式)', 0.994669549502293),
(25916084, '迪奥(Dior)口红礼盒(烈艳蓝金滋润999 3.5g 红色+中样3ml+小样1m+随机礼盒一个)', 0.9692212415739727),
(26949142, 'Dior 迪奥 口红999唇膏保湿烈艳蓝金 888#哑光红色 赠挚爱礼盒礼品袋 膏状 3.5g', 0.9397007675441328),
(26948984, 'Dior 迪奥 口红哑光套装礼盒唇膏烈艳蓝金 999#正红色 膏状 3.5g',0.930845013878874),
(26949148, 'Dior 迪奥 口红999唇膏保湿烈艳蓝金 028#珊瑚粉红 赠挚爱礼盒礼品袋 膏状 3.5g', 0.9284437022211833),
(26949465, 'Dior 迪奥 口红礼盒套装(烈艳蓝金唇膏)999正红色 膏体 3.5g',0.927769607910644),
(26949199, 'Dior 迪奥 口红烈焰蓝金唇膏限量版口红套装5支装星空套装礼盒生日礼物赠专柜礼盒礼袋 999+888 3.5g', 0.9272171163627743),
(29217509, '迪奥(Dior)口红礼盒套装(烈艳蓝金哑光系列888+3*香氛小样1ml随机+随机礼盒套装)(雾面 哑光中国红)', 0.923726638474574),
(26949198, 'Dior 迪奥 口红唇膏哑光滋润显色持久情人节 生日礼物 烈焰蓝金【经典限量版】五件套装精美礼盒 魅惑001 膏状 3.5g', 0.9230751559347949),
(26948808, 'Dior 迪奥 口红限量版星空套装生日礼物唇膏520#999#666#正红滋润哑光 星空套装5支装 3.5g', 0.9200227640124539)]。
列表中的每个结果是一个商品信息,包含商品ID,商品名称,与所给商品的相似度,根据这个结果,我们可以很方便的进行多商城所涉及的不同相似商品之间的对比。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的流程及结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (7)
1.一种商品聚合并计算相似度的方法,其特征在于,包括,
S1:离线收集多商城商品spu或者sku的商品标题信息;
S2:对所述商品标题信息进行规范化整理,利用自然语言处理中的word2vec技术离线得到所有数据中每个词语的词向量模型;
S3:利用得到的词向量模型,离线构建数据集中每个商品标题的文本向量,并将文本向量存储;
S4:存储商品的具体所属多级分类信息、所属品牌、所属商城的信息;
S5:在线得到商品标题信息,利用所述词向量模型在线构建商品标题文本向量;
S6:将库内的商品及文本向量根据条件进行筛选,与在线得到的商品文本向量计算相似度。
2.根据权利要求1所述的商品聚合并计算相似度的方法,其特征在于,所述将库内的商品及文本向量根据条件进行筛选中的所述条件为分类信息、所属品牌、所属商城的信息。
3.根据权利要求1所述的商品聚合并计算相似度的方法,其特征在于,所述规范化整理为,利用自然语言处理的分词技术,将标题的文本信息进行分词,得到一个词语一个词语的形式,然后进行停止词过滤,去除一些停止词,所述停止词即我们事先整理好的一些无特殊语意的词语和各种标点符号。
4.根据权利要求1所述的商品聚合并计算相似度的方法,其特征在于,所述离线构建的方式为,将标题中所有词对应的词向量进行累加,得到最终的文本向量。
5.根据权利要求1所述的商品聚合并计算相似度的方法,其特征在于,所述在线得到商品标题信息,先利用自然语言处理的分词技术,将标题的文本信息进行分词,得到一个词语一个词语的形式,接下来进行停止词过滤,去除一些停止词,将一个商品文本标题转化为词语列表的形式。
6.根据权利要求5所述的商品聚合并计算相似度的方法,其特征在于,所述在线构建的方式为,利用所述词向量模型,对列表里的词语查找对应的词向量并进行累加,得到最终的商品文本向量。
7.根据权利要求1所述的商品聚合并计算相似度的方法,其特征在于,所述计算相似度,计算两个商品的相似度,采用的方法是计算两个商品标题的文本向量的皮尔逊相关系数,值介于-1到1之间,计算结果越接近1表示两个变量之间的相关性越大,也即表示两个商品标题之间在语意上越相似;根据筛选条件对筛选出的商品依次求取皮尔逊相关系数,并对结果进行由大到小的排序,即可得到商品相似度由大到小的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011152451.9A CN111986007A (zh) | 2020-10-26 | 2020-10-26 | 一种商品聚合并计算相似度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011152451.9A CN111986007A (zh) | 2020-10-26 | 2020-10-26 | 一种商品聚合并计算相似度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111986007A true CN111986007A (zh) | 2020-11-24 |
Family
ID=73450646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011152451.9A Pending CN111986007A (zh) | 2020-10-26 | 2020-10-26 | 一种商品聚合并计算相似度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986007A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570427A (zh) * | 2021-07-22 | 2021-10-29 | 上海普洛斯普新数字科技有限公司 | 一种提取识别线上或系统商品特征信息的系统 |
CN113643100A (zh) * | 2021-08-30 | 2021-11-12 | 北京值得买科技股份有限公司 | 一种商品相似度判定模块贡献量化方法及系统 |
CN113742487A (zh) * | 2021-11-01 | 2021-12-03 | 北京值得买科技股份有限公司 | 一种商品自动化匹配方法 |
CN114510559A (zh) * | 2022-01-27 | 2022-05-17 | 福建博思软件股份有限公司 | 一种基于深度学习语义蕴含的商品检索方法及存储介质 |
CN115631495A (zh) * | 2022-10-31 | 2023-01-20 | 福州果集信息科技有限公司 | 一种基于页面分析的spu获取方法及存储介质 |
WO2023202170A1 (zh) * | 2022-04-21 | 2023-10-26 | 北京沃东天骏信息技术有限公司 | 产品词的消歧方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600357A (zh) * | 2016-10-28 | 2017-04-26 | 浙江大学 | 基于电子商务商品标题的商品搭配方法 |
CN108334495A (zh) * | 2018-01-30 | 2018-07-27 | 国家计算机网络与信息安全管理中心 | 短文本相似度计算方法及系统 |
CN110377843A (zh) * | 2019-07-17 | 2019-10-25 | 网易(杭州)网络有限公司 | 直播间处理方法及装置、电子设备、存储介质 |
CN111382563A (zh) * | 2020-03-20 | 2020-07-07 | 腾讯科技(深圳)有限公司 | 文本相关性的确定方法及装置 |
-
2020
- 2020-10-26 CN CN202011152451.9A patent/CN111986007A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600357A (zh) * | 2016-10-28 | 2017-04-26 | 浙江大学 | 基于电子商务商品标题的商品搭配方法 |
CN108334495A (zh) * | 2018-01-30 | 2018-07-27 | 国家计算机网络与信息安全管理中心 | 短文本相似度计算方法及系统 |
CN110377843A (zh) * | 2019-07-17 | 2019-10-25 | 网易(杭州)网络有限公司 | 直播间处理方法及装置、电子设备、存储介质 |
CN111382563A (zh) * | 2020-03-20 | 2020-07-07 | 腾讯科技(深圳)有限公司 | 文本相关性的确定方法及装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570427A (zh) * | 2021-07-22 | 2021-10-29 | 上海普洛斯普新数字科技有限公司 | 一种提取识别线上或系统商品特征信息的系统 |
CN113643100A (zh) * | 2021-08-30 | 2021-11-12 | 北京值得买科技股份有限公司 | 一种商品相似度判定模块贡献量化方法及系统 |
CN113742487A (zh) * | 2021-11-01 | 2021-12-03 | 北京值得买科技股份有限公司 | 一种商品自动化匹配方法 |
CN113742487B (zh) * | 2021-11-01 | 2022-03-29 | 北京值得买科技股份有限公司 | 一种商品自动化匹配方法 |
CN114510559A (zh) * | 2022-01-27 | 2022-05-17 | 福建博思软件股份有限公司 | 一种基于深度学习语义蕴含的商品检索方法及存储介质 |
CN114510559B (zh) * | 2022-01-27 | 2023-08-29 | 福建博思软件股份有限公司 | 一种基于深度学习语义蕴含的商品检索方法及存储介质 |
WO2023202170A1 (zh) * | 2022-04-21 | 2023-10-26 | 北京沃东天骏信息技术有限公司 | 产品词的消歧方法和装置 |
CN115631495A (zh) * | 2022-10-31 | 2023-01-20 | 福州果集信息科技有限公司 | 一种基于页面分析的spu获取方法及存储介质 |
CN115631495B (zh) * | 2022-10-31 | 2023-08-22 | 福州果集信息科技有限公司 | 一种基于页面分析的spu获取方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111986007A (zh) | 一种商品聚合并计算相似度的方法 | |
CN107861972B (zh) | 一种用户录入商品信息后显示商品全结果的方法及设备 | |
CN102609523B (zh) | 基于物品分类和用户分类的协同过滤推荐方法 | |
CN105550369B (zh) | 一种搜索目标商品集的方法及装置 | |
CN111507796A (zh) | 一种基于知识图谱的网上商城商品推荐方法 | |
Ghani et al. | Text mining for product attribute extraction | |
CN103246980B (zh) | 信息输出方法及服务器 | |
CN109597990B (zh) | 一种社会热点与商品品类的匹配方法 | |
CN103718212A (zh) | 颜色确定装置、颜色确定系统、颜色确定方法、信息记录介质和程序 | |
CN107256513A (zh) | 一种对象的搭配推荐方法及装置 | |
US11037071B1 (en) | Cross-category item associations using machine learning | |
CN111667337A (zh) | 一种商品评价的排序方法和系统 | |
CN111428007B (zh) | 基于跨平台的同步推送反馈方法 | |
CN111507812B (zh) | 一种基于属性和标题的商品搭配推荐方法及装置 | |
CN109727078A (zh) | 一种基于商品类别树的销量预测修正方法 | |
CN103020153B (zh) | 一种基于视频的广告识别方法 | |
Saputra et al. | Market basket analysis using FP-growth algorithm to design marketing strategy by determining consumer purchasing patterns | |
CN115641179A (zh) | 信息推送方法、装置及电子设备 | |
CN110968670B (zh) | 一种流行商品的属性获取方法、装置、设备及存储介质 | |
CN111782816B (zh) | 生成知识图谱的方法及装置、搜索方法、引擎及系统 | |
CN110851694A (zh) | 基于用户记忆网络和树形结构的深度模型的个性化推荐系统 | |
CN110020918B (zh) | 一种推荐信息生成方法和系统 | |
CN113744019A (zh) | 一种商品推荐方法、装置、设备及存储介质 | |
CN112100385A (zh) | 单标签文本分类方法、计算设备和计算机可读存储介质 | |
Kumar et al. | Cuisine prediction based on ingredients using tree boosting algorithms |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201124 |