CN112115704A - 基于电商平台的产品查询方法、装置和计算机设备 - Google Patents

基于电商平台的产品查询方法、装置和计算机设备 Download PDF

Info

Publication number
CN112115704A
CN112115704A CN202010955667.2A CN202010955667A CN112115704A CN 112115704 A CN112115704 A CN 112115704A CN 202010955667 A CN202010955667 A CN 202010955667A CN 112115704 A CN112115704 A CN 112115704A
Authority
CN
China
Prior art keywords
product
data
category
determining
target
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.)
Granted
Application number
CN202010955667.2A
Other languages
English (en)
Other versions
CN112115704B (zh
Inventor
余贤君
杨杰伟
朱水丽
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.)
Shenzhen Fields Data Analyst Co ltd
Original Assignee
Shenzhen Fields Data Analyst 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 Shenzhen Fields Data Analyst Co ltd filed Critical Shenzhen Fields Data Analyst Co ltd
Priority to CN202010955667.2A priority Critical patent/CN112115704B/zh
Publication of CN112115704A publication Critical patent/CN112115704A/zh
Application granted granted Critical
Publication of CN112115704B publication Critical patent/CN112115704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • 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
    • G06F16/9538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/258—Heading extraction; Automatic titling; Numbering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种基于电商平台的产品查询方法、装置和计算机设备。所述方法包括：确定电商平台中产品的一级类目，并采集一级类目下的次级类目对应产品的产品数据。针对每一个次级类目，根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数。当类目竞争系数大于类目竞争系数阈值时，提取次级类目对应产品的产品关键词。在电商平台上查找与产品关键词相匹配的目标产品，并采集目标产品的产品数据。根据目标产品的产品数据，确定目标产品的产品竞争系数。当产品竞争系数大于产品竞争系数阈值时，将目标产品确定为查询到的产品。采用本方法能够提升产品查询准确率。

Description

基于电商平台的产品查询方法、装置和计算机设备
技术领域
本申请涉及电子商务技术领域，特别是涉及一种基于电商平台的产品查询方法、装置和计算机设备。
背景技术
随着计算机技术的发展，出现了电子商务。电子商务，简称电商，是指在互联网、内部网和增值网上以电子交易方式进行交易活动和相关服务活动，是传统商业活动各环节的电子化、网络化。电子商务的实现需要依赖于电子商务平台。电子商务平台是一个为企业或个人提供网上交易洽谈的平台。企业电子商务平台是建立在互联网上进行商务活动的虚拟网络空间和保障商务顺利运营的管理环境。企业、商家可充分利用电子商务平台提供的网络基础设施、支付平台、安全平台、管理平台等共享资源有效地、低成本地开展自己的商业活动。商家在生产产品和进入市场之前，需要对市场进行调研，以判断产品在对应的电子商务平台上是否具有竞争力。
在传统技术中，常常通过直接查看产品销售榜单和新品排行榜来确定产品的是否可以投入市场。然而，传统产品查询方法，对人工依赖严重，产品判断不准确，难以查询出具有较强竞争力的产品，从而导致产品查询准确率低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提升产品查询准确率的基于电商平台的产品查询方法、装置和计算机设备。
一种基于电商平台的产品查询方法，所述方法包括：
确定电商平台中产品的一级类目，并采集所述一级类目下的次级类目对应产品的产品数据；
针对每一个所述次级类目，根据所述次级类目对应产品的产品数据，确定所述次级类目的类目竞争系数；
当所述类目竞争系数大于类目竞争系数阈值时，提取所述次级类目对应产品的产品关键词；
在所述电商平台上查找与所述产品关键词相匹配的目标产品，并采集所述目标产品的产品数据；
根据所述目标产品的产品数据，确定所述目标产品的产品竞争系数；
当所述产品竞争系数大于产品竞争系数阈值时，将所述目标产品确定为查询到的产品。
在其中一个实施例中，所述针对每一个所述次级类目，根据所述次级类目对应产品的产品数据，确定所述次级类目的类目竞争系数，包括：
针对每一个所述次级类目，根据所述次级类目对应产品的产品数据中的产品品牌数据，确定所述次级类目的第一竞争系数；
根据所述次级类目对应产品的产品数据中的产品条目数据，确定所述次级类目的第二竞争系数；
根据所述次级类目对应产品的产品数据中的产品评论数据，确定所述次级类目的第三竞争系数；
根据所述第一竞争系数、所述第二竞争系数和所述第三竞争系数，确定所述次级类目的类目竞争系数。
在其中一个实施例中，所述提取所述次级类目对应产品的产品关键词，包括：
获取所述次级类目对应产品的产品标题数据；
根据所述产品标题数据的数据格式，过滤各所述产品标题数据中的品牌名称数据；
对过滤后的所述产品标题数据进行词频分析处理，得到出现频率最高的目标词，并将所述目标词作为所述次级类目对应产品的产品关键词。
在其中一个实施例中，所述根据所述目标产品的产品数据，确定所述目标产品的产品竞争系数，包括：
根据所述目标产品的产品数据，确定各所述目标产品的综合分数；
根据所述综合分数，对所述目标产品进行降序排序；
确定预设数量的排名在前的所述目标产品中新上产品与品牌产品的比例；
根据所述新上产品与品牌产品的比例确定所述目标产品的产品竞争系数。
在其中一个实施例中，所述将所述目标产品确定为查询到的产品之后，所述方法还包括：
获取所述目标产品对应的产品关键词在所述电商平台上所对应的搜索波动数据；
对所述搜索波动数据进行移动平均处理；
确定经过移动平均处理后的每一年所述搜索波动数据的皮尔逊相关系数；
根据所述皮尔逊相关系数判断所述目标产品是否属于周期性产品。
在其中一个实施例中，所述根据所述皮尔逊相关系数判断所述目标产品是否属于周期性产品，包括：
当所述皮尔逊相关系数的绝对值大于预设阈值时，判定所述目标产品属于候选周期性产品；
获取属于候选周期性产品的目标产品对应的产品关键词在第三方平台上所对应的第三方数据；
确定每一年所述第三方数据的皮尔逊相关系数；
当所述第三方数据的皮尔逊相关系数的绝对值与所述搜索波动数据的皮尔逊相关系数的绝对值的差值小于预设差值时，判定所述目标产品属于周期性产品。
在其中一个实施例中，所述方法还包括：
当所述目标产品属于周期性产品时，根据所述搜索波动数据的生成时间，对每一年所述搜索波动数据进行向量化处理，得到所述目标产品对应的产品关键词的搜索量波动图；
根据所述搜索量波动图，确定所述目标产品的生命周期；
根据所述生命周期，确定所述目标产品进入所述电商平台的推荐时间和退出所述电商平台的推荐时间。
一种基于电商平台的产品查询装置，所述装置包括：
采集模块，用于确定电商平台中产品的一级类目，并采集所述一级类目下的次级类目对应产品的产品数据；
确定模块，用于针对每一个所述次级类目，根据所述次级类目对应产品的产品数据，确定所述次级类目的类目竞争系数；
提取模块，用于当所述类目竞争系数大于类目竞争系数阈值时，提取所述次级类目对应产品的产品关键词；
查找模块，用于在所述电商平台上查找与所述产品关键词相匹配的目标产品，并采集所述目标产品的产品数据；
所述确定模块还用于根据所述目标产品的产品数据，确定所述目标产品的产品竞争系数；当所述产品竞争系数大于产品竞争系数阈值时，将所述目标产品确定为查询到的产品。
一种计算机设备，包括存储器、处理器及存储在存储器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计算机程序时实现以下步骤：
确定电商平台中产品的一级类目，并采集所述一级类目下的次级类目对应产品的产品数据；
针对每一个所述次级类目，根据所述次级类目对应产品的产品数据，确定所述次级类目的类目竞争系数；
当所述类目竞争系数大于类目竞争系数阈值时，提取所述次级类目对应产品的产品关键词；
在所述电商平台上查找与所述产品关键词相匹配的目标产品，并采集所述目标产品的产品数据；
根据所述目标产品的产品数据，确定所述目标产品的产品竞争系数；
当所述产品竞争系数大于产品竞争系数阈值时，将所述目标产品确定为查询到的产品。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
确定电商平台中产品的一级类目，并采集所述一级类目下的次级类目对应产品的产品数据；
针对每一个所述次级类目，根据所述次级类目对应产品的产品数据，确定所述次级类目的类目竞争系数；
当所述类目竞争系数大于类目竞争系数阈值时，提取所述次级类目对应产品的产品关键词；
在所述电商平台上查找与所述产品关键词相匹配的目标产品，并采集所述目标产品的产品数据；
根据所述目标产品的产品数据，确定所述目标产品的产品竞争系数；
当所述产品竞争系数大于产品竞争系数阈值时，将所述目标产品确定为查询到的产品。
上述基于电商平台的产品查询方法、装置和计算机设备，确定电商平台中产品的一级类目，并采集一级类目下的次级类目对应产品的产品数据。针对每一个次级类目，根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数，以便判断每一个次级类目所具备的竞争力。当类目竞争系数大于类目竞争系数阈值时，表明该次级类目所具备的竞争力较强，提取该次级类目对应产品的产品关键词。在电商平台上查找与产品关键词相匹配的目标产品，并采集目标产品的产品数据。根据目标产品的产品数据，确定目标产品的产品竞争系数，以便判断每一种目标产品所具备的竞争力。当产品竞争系数大于产品竞争系数阈值时，表明该种目标产品所具备的竞争力较强，将目标产品确定为查询到的产品。这样，通过采集分析各类目下产品的产品数据，先查询到具备较强竞争力的类目，通过该类目对应的关键词，查询对应的目标产品，进而再根据目标产品的产品数据查询到具备较强竞争力的产品，丰富了查询所依据数据的多样性，减少了对人工的依赖，提升了产品查询准确率。
附图说明
图1为一个实施例中基于电商平台的产品查询方法的应用场景图；
图2为一个实施例中基于电商平台的产品查询方法的流程示意图；
图3为另一个实施例中基于电商平台的产品查询方法的流程示意图；
图4为一个实施例中周期性产品的判断流程示意图；
图5为一个实施例中基于电商平台的产品查询装置的结构框图；
图6为另一个实施例中基于电商平台的产品查询装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于电商平台的产品查询方法，可以应用于如图1所示的应用环境中。该应用环境包括终端102和电商平台104。终端102与电商平台104通过网络进行通信。其中，终端102具体可以包括台式终端或移动终端。移动终端具体可以包括手机、平板电脑和笔记本电脑等中的至少一种。本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本申请方案相关的部分场景，并不构成对本申请方案应用环境的限定。
终端102确定电商平台104中产品的一级类目，并采集一级类目下的次级类目对应产品的产品数据。针对每一个次级类目，终端102根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数。当类目竞争系数大于类目竞争系数阈值时，终端102提取次级类目对应产品的产品关键词。终端102在电商平台104上查找与产品关键词相匹配的目标产品，并采集目标产品的产品数据。终端102根据目标产品的产品数据，确定目标产品的产品竞争系数。当产品竞争系数大于产品竞争系数阈值时，终端102将目标产品确定为查询到的产品。
在一个实施例中，如图2所示，提供了一种基于电商平台的产品查询方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：
S202，确定电商平台中产品的一级类目，并采集一级类目下的次级类目对应产品的产品数据。
其中，一级类目是产品分类中的第一层级的类目。次级类目是产品分类中归属于第一层级下的次层级的类目。比如，服装为一级类目，男装、女装和童装可以称为服装的次级类目。需要说明的是，类目可以分成多个层级，即一级类目，二级类目，三级类目和四级类目等。其中，二级类目，三级类目和四级类目等均属于一级类目下的次级类目。产品数据是电商平台上的在售产品的数据。
具体地，电商平台可对产品进行分类，生成产品的类目。终端可确定电商平台中产品的一级类目，进而确定一级类目下的次级类目。针对一级类目和对应次级类目所确定的类目节点树，构造数据采集链接，直达各类目层级，以采集一级类目下的次级类目对应产品的产品数据。
在一个实施例中，终端可通过网络爬虫工具，比如，scrapy-redis分布式爬虫工具，采集电商平台一级类目下的次级类目对应产品的产品数据。
在一个实施例中，产品数据具体可以包括产品标识数据、产品品牌数据、产品条目数据、产品评论数据、产品标题数据、产品价格数据、产品评分数据、产品详情数据、产品上架时间数据和产品排名数据等中的至少一种。
S204，针对每一个次级类目，根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数。
其中，类目竞争系数是各次级类目在电商平台所具备的竞争程度。
具体地，每一个次级类目下有很多产品，针对每一个次级类目，终端可根据次级类目对应产品的产品数据中的产品品牌数据、产品条目数据和产品评论数据确定次级类目的类目竞争系数。
S206，当类目竞争系数大于类目竞争系数阈值时，提取次级类目对应产品的产品关键词。
其中，产品关键词是从每一个次级类目下产品的标题中提取出来的关键词，用于查询对应的产品。
具体地，终端可将类目竞争系数与预设的类目竞争系数阈值进行比对。当类目竞争系数大于类目竞争系数阈值时，可以理解，对应的次级类目在电商平台的竞争程度较强，终端可提取次级类目对应产品的产品关键词，以便后续在电商平台查找对应的产品。当类目竞争系数小于或等于类目竞争系数阈值时，可以理解，对应的次级类目在电商平台的竞争程度较弱，终端可将对应的次级类目丢弃，不再考虑该次级类目下的产品。
S208，在电商平台上查找与产品关键词相匹配的目标产品，并采集目标产品的产品数据。
其中，目标产品是基于产品关键词在电商平台上查找出来的产品。
具体地，针对每一个次级类目，终端在获取到该次级类目对应的产品关键词之后，可在电商平台上查找与产品关键词相匹配的目标产品。进而，终端可采集目标产品的产品数据。
在一个实施例中，终端可采集基于产品关键词查找出来的所有目标产品的产品数据，也可以采集产品排名靠前的、预设数量的目标产品的产品数据。
在一个实施例中，终端在采集目标产品的产品数据时，还可以对基于产品关键词查询出来的广告数据进行过滤，避免广告对产品查询结果的影响。
S210，根据目标产品的产品数据，确定目标产品的产品竞争系数。
其中，产品竞争系数是各目标产品在电商平台所具备的竞争程度。
具体地，终端可根据目标产品的产品数据，计算目标产品的综合分数。进而，终端可根据各目标产品的综合分数，确定目标产品的产品竞争系数。
S212，当产品竞争系数大于产品竞争系数阈值时，将目标产品确定为查询到的产品。
具体地，终端可将产品竞争系数与预设的产品竞争系数阈值进行比对。当产品竞争系数大于产品竞争系数阈值时，可以理解，该目标产品在电商平台的竞争程度较强，终端可将目标产品确定为查询到的产品。当产品竞争系数小于或等于产品竞争系数阈值时，可以理解，该目标产品在电商平台的竞争程度较弱，终端可将生成警告消息。
在一个实施例中，如图3所示，终端可确定电商平台上产品的一级类目，并根据一级类目下的各次级类目，确定类目节点树。终端可根据类目节点树构造访问链接，以实现各次级类目下产品的产品数据采集。终端可将采集的各次级类目对应的产品数据在对应的数据库进行存储。针对每一个次级类目，终端可对采集到的对应的产品数据进行数据分析并计算。进而，终端可通过对应的模型指标对各次级类目进行竞争程度评定，将竞争程度弱的次级类目剔除，将竞争程度强的次级类目进行选定，并提取所选定的次级类目的产品关键词。终端可根据该次级类目的产品关键词，在电商平台上查询与产品关键词匹配的目标产品。终端可采集目标产品的产品数据，并将产品数据存储至对应的数据库中。进而，终端可对目标产品的产品数据进行数据分析并计算，通过模型指标对目标产品进行竞争程度评定。终端可将竞争程度较强的目标产品作为最终查询到的产品并建议将giant目标产品在该电商平台推广。针对竞争程度较弱的目标产品，终端可提示警告信息。
上述基于电商平台的产品查询方法中，确定电商平台中产品的一级类目，并采集一级类目下的次级类目对应产品的产品数据。针对每一个次级类目，根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数，以便判断每一个次级类目所具备的竞争力。当类目竞争系数大于类目竞争系数阈值时，表明该次级类目所具备的竞争力较强，提取该次级类目对应产品的产品关键词。在电商平台上查找与产品关键词相匹配的目标产品，并采集目标产品的产品数据。根据目标产品的产品数据，确定目标产品的产品竞争系数，以便判断每一种目标产品所具备的竞争力。当产品竞争系数大于产品竞争系数阈值时，表明该种目标产品所具备的竞争力较强，将目标产品确定为查询到的产品。这样，通过采集分析各类目下产品的产品数据，先查询到具备较强竞争力的类目，通过该类目对应的关键词，查询对应的目标产品，进而再根据目标产品的产品数据查询到具备较强竞争力的产品，丰富了查询所依据数据的多样性，减少了对人工的依赖，提升了产品查询准确率。
在一个实施例中，步骤S204，也就是针对每一个次级类目，根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数的步骤，具体包括：针对每一个次级类目，根据次级类目对应产品的产品数据中的产品品牌数据，确定次级类目的第一竞争系数；根据次级类目对应产品的产品数据中的产品条目数据，确定次级类目的第二竞争系数；根据次级类目对应产品的产品数据中的产品评论数据，确定次级类目的第三竞争系数；根据第一竞争系数、第二竞争系数和第三竞争系数，确定次级类目的类目竞争系数。
具体地，针对每一个次级类目，终端可根据次级类目对应产品的产品数据中的产品品牌数据，确定次级类目中新品牌的产品和老品牌的产品的销售量排名数据，根据新品牌的产品和老品牌的产品的排名数据，确定次级类目的第一竞争系数。可以理解，比如，销售量排名前10的品牌中，新品牌的数量越多，就可说明该次级类目具备较好的竞争力，第一竞争系数就越大。终端可根据次级类目对应产品的产品数据中的产品条目数据，确定次级类目中老品牌所占据的产品条目，根据老品牌所占据的产品条目确定次级类目的第二竞争系数。可以理解，比如，销售量排名前10的品牌中，有3个产品都归属于同一个老品牌，就可说明该老品牌垄断程度较大，该次级类目竞争力较弱，第二竞争系数就越小。终端可根据次级类目对应产品的产品数据中的产品评论数据，确定次级类目的第三竞争系数。进而，终端可根据第一竞争系数、第二竞争系数和第三竞争系数，确定次级类目的类目竞争系数。
上述实施例中，通过产品数据中的产品品牌数据、产品条目数据和产品评论数据，分别确定次级类目的第一竞争系数、第二竞争系数和第三竞争系数。进而再根据第一竞争系数、第二竞争系数和第三竞争系数确定次级类目的类目竞争系数。这样，保证了数据多样性，从而进一步提升了产品查询准确性。
在一个实施例中，步骤S206中提取次级类目对应产品的产品关键词的步骤，具体包括：获取次级类目对应产品的产品标题数据；根据产品标题数据的数据格式，过滤各产品标题数据中的品牌名称数据；对过滤后的产品标题数据进行词频分析处理，得到出现频率最高的目标词，并将目标词作为次级类目对应产品的产品关键词。
具体地，终端可获取次级类目对应产品的产品标题数据，产品标题数据中包括品牌名称数据。终端可确定产品标题数据的数据格式，进而根据产品标题数据的数据格式，过滤各产品标题数据中的品牌名称数据，比如，产品标题中的第一个词就代表品牌名称，终端可将产品标题中的第一个词丢弃。终端可对过滤后的产品标题数据进行词频分析处理，对产品标题数据中出现的词进行频率统计，得到出现频率最高的目标词，并将目标词作为次级类目对应产品的产品关键词。
上述实施例中，通过过滤各产品标题数据中的品牌名称数据，可以使提取的产品关键词更加准确，进一步提升产品查询准确性。
在一个实施例中，步骤S210，也就是根据目标产品的产品数据，确定目标产品的产品竞争系数的步骤，具体包括：根据目标产品的产品数据，确定各目标产品的综合分数；根据综合分数，对目标产品进行降序排序；确定预设数量的排名在前的目标产品中新上产品与品牌产品的比例；根据新上产品与品牌产品的比例确定目标产品的产品竞争系数。
具体地，终端可根据目标产品的产品数据，计算各目标产品的综合分数。终端可根据各目标产品的综合分数的高低，对目标产品进行降序排序。终端可确定预设数量的排名在前的目标产品中新上产品与品牌产品的比例，比如，排名前10的目标产品中，新上产品与品牌产品的比例。进而，终端可根据新上产品与品牌产品的比例确定目标产品的产品竞争系数。
在一个实施例中，终端计算各目标产品的综合分数，具体可以是根据目标产品的产品数据中的产品排名数据直接确定得到，也可以是根据目标产品的产品数据中的产品品牌数据、产品条目数据、产品评论数据、产品价格数据、产品评分数据、产品详情数据和产品排名数据等中的至少两种数据组合进行综合计算得到。
上述实施例中，根据目标产品的产品数据，确定各目标产品的综合分数，保证了对目标产品进行评价的数据多样性。根据新上产品与品牌产品的比例确定目标产品的产品竞争系数，使得产品竞争系数更精确，进一步提升产品选择准确度。
在一个实施例中，步骤S212中将目标产品确定为查询到的产品的步骤之后，基于电商平台的产品查询方法还包括：获取目标产品对应的产品关键词在电商平台上所对应的搜索波动数据；对搜索波动数据进行移动平均处理；确定经过移动平均处理后的每一年搜索波动数据的皮尔逊相关系数；根据皮尔逊相关系数判断目标产品是否属于周期性产品。
其中，搜索波动数据是随着时间变化而发生波动的数据。
具体地，终端可获取目标产品对应的产品关键词在电商平台上所对应的搜索波动数据，并对搜索波动数据进行移动平均处理，保留产品关键词的搜索量随着时间的变化趋势。终端可确定经过移动平均处理后的每一年搜索波动数据的皮尔逊相关系数。进而，终端可将皮尔逊相关系数的绝对值与数值1的进行比较，根据皮尔逊相关系数的绝对值与数值1的比较结果，判断目标产品是否属于周期性产品。其中，皮尔逊相关系数的绝对值越接近数值1，说明目标产品的周期性越强，其属于周期性产品的概率就越大。
在一个实施例中，终端可确定搜索波动数据对应的时间序列，进而根据时间序列的信息熵分析判断目标产品是否属于周期性产品。
上述实施例中，通过对搜索波动数据进行移动平均处理，使得数据趋势平滑，保证了不正常数据对判断结果的影响。通过确定经过移动平均处理后的每一年搜索波动数据的皮尔逊相关系数，并根据皮尔逊相关系数判断目标产品是否属于周期性产品，这样，提升了周期性产品的判断准确性。
在一个实施例中，根据皮尔逊相关系数判断目标产品是否属于周期性产品的步骤，具体包括：当皮尔逊相关系数的绝对值大于预设阈值时，判定目标产品属于候选周期性产品；获取属于候选周期性产品的目标产品对应的产品关键词在第三方平台上所对应的第三方数据；确定每一年第三方数据的皮尔逊相关系数；当第三方数据的皮尔逊相关系数的绝对值与搜索波动数据的皮尔逊相关系数的绝对值的差值小于预设差值时，判定目标产品属于周期性产品。
其中，第三方平台是电商平台外的平台，比如，百度平台、阿里平台和谷歌平台等。第三方数据是第三方平台所统计的目标产品对应的产品关键词在第三方平台上搜索的波动数据。
具体地，终端可将皮尔逊相关系数的绝对值与预设阈值进行比对。当皮尔逊相关系数的绝对值大于预设阈值时，终端可判定目标产品属于候选周期性产品。进而，终端可获取属于候选周期性产品的目标产品对应的产品关键词在第三方平台上所对应的第三方数据。终端可对第三方数据进行移动平均处理，保留产品关键词的搜索量随着时间的变化趋势。终端可确定经过移动平均处理后的每一年第三方数据的皮尔逊相关系数。终端可计算第三方数据的皮尔逊相关系数的绝对值与搜索波动数据的皮尔逊相关系数的绝对值之间的差值。当第三方数据的皮尔逊相关系数的绝对值与搜索波动数据的皮尔逊相关系数的绝对值的差值小于预设差值时，判定目标产品属于周期性产品。
在一个实施例中，如图4所示，终端可获取目标产品的产品关键词的搜索波动数据，以及获取第三方平台的第三方数据，比如，百度指数、阿里指数和谷歌指数等。对搜索波动数据进行数据分析计算，再对第三方数据进行分析计算对搜索波动数据的分析结果进行验证，以判定目标产品是否属于周期性产品。
上述实施例中，通过第三方平台上所对应的第三方数据，对目标产品是否属于周期性产品进行进一步的判断，以保证判断的准确率。
在一个实施例中，基于电商平台的产品查询方法还包括：当目标产品属于周期性产品时，根据搜索波动数据的生成时间，对每一年搜索波动数据进行向量化处理，得到目标产品对应的产品关键词的搜索量波动图；根据搜索量波动图，确定目标产品的生命周期；根据生命周期，确定目标产品进入电商平台的推荐时间和退出电商平台的推荐时间。
其中，搜索量波动图是以时间为横轴，以目标产品的产品关键词搜索量为纵轴的数据波动图。
具体地，当目标产品属于周期性产品时，终端可根据搜索波动数据的生成时间，对每一年搜索波动数据进行向量化处理，并以时间为横轴，以目标产品的产品关键词搜索量为纵轴进行绘图，得到目标产品对应的产品关键词的搜索量波动图。终端可根据搜索量波动图，确定目标产品的生命周期。进而，终端可根据生命周期，确定目标产品进入电商平台的推荐时间和退出电商平台的推荐时间。比如，终端可将生命周期的起点确定为目标产品进入电商平台的推荐时间，将生命周期的终端点确定为目标产品退出电商平台的推荐时间。
上述实施例中，通过确定目标产品的生命周期，并根据生命周期，确定目标产品进入电商平台的推荐时间和退出电商平台的推荐时间，以争取产品的净利润最大化。
应该理解的是，虽然图2的各个步骤按照顺序依次显示，但是这些步骤并不是必然按照顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种基于电商平台的产品查询装置500，包括：采集模块501、确定模块502、提取模块503和查找模块504，其中：
采集模块501，用于确定电商平台中产品的一级类目，并采集一级类目下的次级类目对应产品的产品数据。
确定模块502，用于针对每一个次级类目，根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数。
提取模块503，用于当类目竞争系数大于类目竞争系数阈值时，提取次级类目对应产品的产品关键词。
查找模块504，用于在电商平台上查找与产品关键词相匹配的目标产品，并采集目标产品的产品数据。
确定模块502还用于根据目标产品的产品数据，确定目标产品的产品竞争系数；当产品竞争系数大于产品竞争系数阈值时，将目标产品确定为查询到的产品。
在一个实施例中，确定模块502还用于针对每一个次级类目，根据次级类目对应产品的产品数据中的产品品牌数据，确定次级类目的第一竞争系数；根据次级类目对应产品的产品数据中的产品条目数据，确定次级类目的第二竞争系数；根据次级类目对应产品的产品数据中的产品评论数据，确定次级类目的第三竞争系数；根据第一竞争系数、第二竞争系数和第三竞争系数，确定次级类目的类目竞争系数。
在一个实施例中，提取模块503还用于获取次级类目对应产品的产品标题数据；根据产品标题数据的数据格式，过滤各产品标题数据中的品牌名称数据；对过滤后的产品标题数据进行词频分析处理，得到出现频率最高的目标词，并将目标词作为次级类目对应产品的产品关键词。
在一个实施例中，确定模块502还用于根据目标产品的产品数据，确定各目标产品的综合分数；根据综合分数，对目标产品进行降序排序；确定预设数量的排名在前的目标产品中新上产品与品牌产品的比例；根据新上产品与品牌产品的比例确定目标产品的产品竞争系数。
参考图6，在一个实施例中，基于电商平台的产品查询装置500还包括：判断模块505，其中：
判断模块505，用于获取目标产品对应的产品关键词在电商平台上所对应的搜索波动数据；对搜索波动数据进行移动平均处理；确定经过移动平均处理后的每一年搜索波动数据的皮尔逊相关系数；根据皮尔逊相关系数判断目标产品是否属于周期性产品。
在一个实施例中，判断模块505还用于当皮尔逊相关系数的绝对值大于预设阈值时，判定目标产品属于候选周期性产品；获取属于候选周期性产品的目标产品对应的产品关键词在第三方平台上所对应的第三方数据；确定每一年第三方数据的皮尔逊相关系数；当第三方数据的皮尔逊相关系数的绝对值与搜索波动数据的皮尔逊相关系数的绝对值的差值小于预设差值时，判定目标产品属于周期性产品。
在一个实施例中，判断模块505还用于当目标产品属于周期性产品时，根据搜索波动数据的生成时间，对每一年搜索波动数据进行向量化处理，得到目标产品对应的产品关键词的搜索量波动图；根据搜索量波动图，确定目标产品的生命周期；根据生命周期，确定目标产品进入电商平台的推荐时间和退出电商平台的推荐时间。
上述基于电商平台的产品查询装置，确定电商平台中产品的一级类目，并采集一级类目下的次级类目对应产品的产品数据。针对每一个次级类目，根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数，以便判断每一个次级类目所具备的竞争力。当类目竞争系数大于类目竞争系数阈值时，表明该次级类目所具备的竞争力较强，提取该次级类目对应产品的产品关键词。在电商平台上查找与产品关键词相匹配的目标产品，并采集目标产品的产品数据。根据目标产品的产品数据，确定目标产品的产品竞争系数，以便判断每一种目标产品所具备的竞争力。当产品竞争系数大于产品竞争系数阈值时，表明该种目标产品所具备的竞争力较强，将目标产品确定为查询到的产品。这样，通过采集分析各类目下产品的产品数据，先查询到具备较强竞争力的类目，通过该类目对应的关键词，查询对应的目标产品，进而再根据目标产品的产品数据查询到具备较强竞争力的产品，丰富了查询所依据数据的多样性，减少了对人工的依赖，提升了产品查询准确率。
关于基于电商平台的产品查询装置的具体限定可以参见上文中对于基于电商平台的产品查询方法的限定，在此不再赘述。上述基于电商平台的产品查询装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是上述图1中的终端102，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于电商平台的产品查询方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
确定电商平台中产品的一级类目，并采集一级类目下的次级类目对应产品的产品数据；
针对每一个次级类目，根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数；
当类目竞争系数大于类目竞争系数阈值时，提取次级类目对应产品的产品关键词；
在电商平台上查找与产品关键词相匹配的目标产品，并采集目标产品的产品数据；
根据目标产品的产品数据，确定目标产品的产品竞争系数；
当产品竞争系数大于产品竞争系数阈值时，将目标产品确定为查询到的产品。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
针对每一个次级类目，根据次级类目对应产品的产品数据中的产品品牌数据，确定次级类目的第一竞争系数；
根据次级类目对应产品的产品数据中的产品条目数据，确定次级类目的第二竞争系数；
根据次级类目对应产品的产品数据中的产品评论数据，确定次级类目的第三竞争系数；
根据第一竞争系数、第二竞争系数和第三竞争系数，确定次级类目的类目竞争系数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取次级类目对应产品的产品标题数据；
根据产品标题数据的数据格式，过滤各产品标题数据中的品牌名称数据；
对过滤后的产品标题数据进行词频分析处理，得到出现频率最高的目标词，并将目标词作为次级类目对应产品的产品关键词。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据目标产品的产品数据，确定各目标产品的综合分数；
根据综合分数，对目标产品进行降序排序；
确定预设数量的排名在前的目标产品中新上产品与品牌产品的比例；
根据新上产品与品牌产品的比例确定目标产品的产品竞争系数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取目标产品对应的产品关键词在电商平台上所对应的搜索波动数据；
对搜索波动数据进行移动平均处理；
确定经过移动平均处理后的每一年搜索波动数据的皮尔逊相关系数；
根据皮尔逊相关系数判断目标产品是否属于周期性产品。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
当皮尔逊相关系数的绝对值大于预设阈值时，判定目标产品属于候选周期性产品；
获取属于候选周期性产品的目标产品对应的产品关键词在第三方平台上所对应的第三方数据；
确定每一年第三方数据的皮尔逊相关系数；
当第三方数据的皮尔逊相关系数的绝对值与搜索波动数据的皮尔逊相关系数的绝对值的差值小于预设差值时，判定目标产品属于周期性产品。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
当目标产品属于周期性产品时，根据搜索波动数据的生成时间，对每一年搜索波动数据进行向量化处理，得到目标产品对应的产品关键词的搜索量波动图；
根据搜索量波动图，确定目标产品的生命周期；
根据生命周期，确定目标产品进入电商平台的推荐时间和退出电商平台的推荐时间。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
确定电商平台中产品的一级类目，并采集一级类目下的次级类目对应产品的产品数据；
针对每一个次级类目，根据次级类目对应产品的产品数据，确定次级类目的类目竞争系数；
当类目竞争系数大于类目竞争系数阈值时，提取次级类目对应产品的产品关键词；
在电商平台上查找与产品关键词相匹配的目标产品，并采集目标产品的产品数据；
根据目标产品的产品数据，确定目标产品的产品竞争系数；
当产品竞争系数大于产品竞争系数阈值时，将目标产品确定为查询到的产品。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
针对每一个次级类目，根据次级类目对应产品的产品数据中的产品品牌数据，确定次级类目的第一竞争系数；
根据次级类目对应产品的产品数据中的产品条目数据，确定次级类目的第二竞争系数；
根据次级类目对应产品的产品数据中的产品评论数据，确定次级类目的第三竞争系数；
根据第一竞争系数、第二竞争系数和第三竞争系数，确定次级类目的类目竞争系数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取次级类目对应产品的产品标题数据；
根据产品标题数据的数据格式，过滤各产品标题数据中的品牌名称数据；
对过滤后的产品标题数据进行词频分析处理，得到出现频率最高的目标词，并将目标词作为次级类目对应产品的产品关键词。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据目标产品的产品数据，确定各目标产品的综合分数；
根据综合分数，对目标产品进行降序排序；
确定预设数量的排名在前的目标产品中新上产品与品牌产品的比例；
根据新上产品与品牌产品的比例确定目标产品的产品竞争系数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取目标产品对应的产品关键词在电商平台上所对应的搜索波动数据；
对搜索波动数据进行移动平均处理；
确定经过移动平均处理后的每一年搜索波动数据的皮尔逊相关系数；
根据皮尔逊相关系数判断目标产品是否属于周期性产品。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
当皮尔逊相关系数的绝对值大于预设阈值时，判定目标产品属于候选周期性产品；
获取属于候选周期性产品的目标产品对应的产品关键词在第三方平台上所对应的第三方数据；
确定每一年第三方数据的皮尔逊相关系数；
当第三方数据的皮尔逊相关系数的绝对值与搜索波动数据的皮尔逊相关系数的绝对值的差值小于预设差值时，判定目标产品属于周期性产品。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
当目标产品属于周期性产品时，根据搜索波动数据的生成时间，对每一年搜索波动数据进行向量化处理，得到目标产品对应的产品关键词的搜索量波动图；
根据搜索量波动图，确定目标产品的生命周期；
根据生命周期，确定目标产品进入电商平台的推荐时间和退出电商平台的推荐时间。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于电商平台的产品查询方法，其特征在于，所述方法包括：
确定电商平台中产品的一级类目，并采集所述一级类目下的次级类目对应产品的产品数据；
针对每一个所述次级类目，根据所述次级类目对应产品的产品数据，确定所述次级类目的类目竞争系数；
当所述类目竞争系数大于类目竞争系数阈值时，提取所述次级类目对应产品的产品关键词；
在所述电商平台上查找与所述产品关键词相匹配的目标产品，并采集所述目标产品的产品数据；
根据所述目标产品的产品数据，确定所述目标产品的产品竞争系数；
当所述产品竞争系数大于产品竞争系数阈值时，将所述目标产品确定为查询到的产品。
2.根据权利要求1所述的方法，其特征在于，所述针对每一个所述次级类目，根据所述次级类目对应产品的产品数据，确定所述次级类目的类目竞争系数，包括：
针对每一个所述次级类目，根据所述次级类目对应产品的产品数据中的产品品牌数据，确定所述次级类目的第一竞争系数；
根据所述次级类目对应产品的产品数据中的产品条目数据，确定所述次级类目的第二竞争系数；
根据所述次级类目对应产品的产品数据中的产品评论数据，确定所述次级类目的第三竞争系数；
根据所述第一竞争系数、所述第二竞争系数和所述第三竞争系数，确定所述次级类目的类目竞争系数。
3.根据权利要求1所述的方法，其特征在于，所述提取所述次级类目对应产品的产品关键词，包括：
获取所述次级类目对应产品的产品标题数据；
根据所述产品标题数据的数据格式，过滤各所述产品标题数据中的品牌名称数据；
对过滤后的所述产品标题数据进行词频分析处理，得到出现频率最高的目标词，并将所述目标词作为所述次级类目对应产品的产品关键词。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述目标产品的产品数据，确定所述目标产品的产品竞争系数，包括：
根据所述目标产品的产品数据，确定各所述目标产品的综合分数；
根据所述综合分数，对所述目标产品进行降序排序；
确定预设数量的排名在前的所述目标产品中新上产品与品牌产品的比例；
根据所述新上产品与品牌产品的比例确定所述目标产品的产品竞争系数。
5.根据权利要求1所述的方法，其特征在于，所述将所述目标产品确定为查询到的产品之后，所述方法还包括：
获取所述目标产品对应的产品关键词在所述电商平台上所对应的搜索波动数据；
对所述搜索波动数据进行移动平均处理；
确定经过移动平均处理后的每一年所述搜索波动数据的皮尔逊相关系数；
根据所述皮尔逊相关系数判断所述目标产品是否属于周期性产品。
6.根据权利要求5所述的方法，其特征在于，所述根据所述皮尔逊相关系数判断所述目标产品是否属于周期性产品，包括：
当所述皮尔逊相关系数的绝对值大于预设阈值时，判定所述目标产品属于候选周期性产品；
获取属于候选周期性产品的目标产品对应的产品关键词在第三方平台上所对应的第三方数据；
确定每一年所述第三方数据的皮尔逊相关系数；
当所述第三方数据的皮尔逊相关系数的绝对值与所述搜索波动数据的皮尔逊相关系数的绝对值的差值小于预设差值时，判定所述目标产品属于周期性产品。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
当所述目标产品属于周期性产品时，根据所述搜索波动数据的生成时间，对每一年所述搜索波动数据进行向量化处理，得到所述目标产品对应的产品关键词的搜索量波动图；
根据所述搜索量波动图，确定所述目标产品的生命周期；
根据所述生命周期，确定所述目标产品进入所述电商平台的推荐时间和退出所述电商平台的推荐时间。
8.一种基于电商平台的产品查询装置，其特征在于，所述装置包括：
采集模块，用于确定电商平台中产品的一级类目，并采集所述一级类目下的次级类目对应产品的产品数据；
确定模块，用于针对每一个所述次级类目，根据所述次级类目对应产品的产品数据，确定所述次级类目的类目竞争系数；
提取模块，用于当所述类目竞争系数大于类目竞争系数阈值时，提取所述次级类目对应产品的产品关键词；
查找模块，用于在所述电商平台上查找与所述产品关键词相匹配的目标产品，并采集所述目标产品的产品数据；
所述确定模块还用于根据所述目标产品的产品数据，确定所述目标产品的产品竞争系数；当所述产品竞争系数大于产品竞争系数阈值时，将所述目标产品确定为查询到的产品。
9.一种计算机设备，包括存储器、处理器及存储在存储器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计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，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7中任一项所述的方法的步骤。
CN202010955667.2A 2020-09-11 2020-09-11 基于电商平台的产品查询方法、装置和计算机设备 Active CN112115704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010955667.2A CN112115704B (zh) 2020-09-11 2020-09-11 基于电商平台的产品查询方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010955667.2A CN112115704B (zh) 2020-09-11 2020-09-11 基于电商平台的产品查询方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN112115704A true CN112115704A (zh) 2020-12-22
CN112115704B CN112115704B (zh) 2024-06-04

Family

ID=73802950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010955667.2A Active CN112115704B (zh) 2020-09-11 2020-09-11 基于电商平台的产品查询方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN112115704B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914492A (zh) * 2013-01-09 2014-07-09 阿里巴巴集团控股有限公司 查询词融合方法、商品信息发布方法和搜索方法及系统
CN104408648A (zh) * 2014-12-09 2015-03-11 北京博雅立方科技有限公司 一种挑选商品的方法及装置
CN105138690A (zh) * 2015-09-18 2015-12-09 北京博雅立方科技有限公司 确定关键词的方法和装置
CN106022883A (zh) * 2016-05-24 2016-10-12 温州市鹿城区中津先进科技研究院 基于大数据优化处理模型的商品评价方法
CN108009857A (zh) * 2017-12-13 2018-05-08 互动派科技股份有限公司 一种基于大数据的公关营销方法
CN110215703A (zh) * 2019-06-28 2019-09-10 香港乐蜜有限公司 游戏应用的选择方法、装置及系统
CN110580649A (zh) * 2018-06-08 2019-12-17 北京京东尚科信息技术有限公司 一种商品潜力值的确定方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107918818B (zh) * 2016-10-10 2022-01-21 香港纺织及成衣研发中心有限公司 基于大数据技术的供应链管理决策支持系统
CN110766514A (zh) * 2019-09-25 2020-02-07 苏宁云计算有限公司 用于电商平台的最优货源筛选方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914492A (zh) * 2013-01-09 2014-07-09 阿里巴巴集团控股有限公司 查询词融合方法、商品信息发布方法和搜索方法及系统
CN104408648A (zh) * 2014-12-09 2015-03-11 北京博雅立方科技有限公司 一种挑选商品的方法及装置
CN105138690A (zh) * 2015-09-18 2015-12-09 北京博雅立方科技有限公司 确定关键词的方法和装置
CN106022883A (zh) * 2016-05-24 2016-10-12 温州市鹿城区中津先进科技研究院 基于大数据优化处理模型的商品评价方法
CN108009857A (zh) * 2017-12-13 2018-05-08 互动派科技股份有限公司 一种基于大数据的公关营销方法
CN110580649A (zh) * 2018-06-08 2019-12-17 北京京东尚科信息技术有限公司 一种商品潜力值的确定方法和装置
CN110215703A (zh) * 2019-06-28 2019-09-10 香港乐蜜有限公司 游戏应用的选择方法、装置及系统

Also Published As

Publication number Publication date
CN112115704B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
CN109165840B (zh) 风险预测处理方法、装置、计算机设备和介质
CN103377250B (zh) 基于邻域的top‑k推荐方法
Buccafurri et al. Discovering links among social networks
CN107122980B (zh) 识别商品所属类目的方法和装置
US20170221111A1 (en) Method for detecting spam reviews written on websites
TW201812689A (zh) 惡意地址／惡意訂單的識別系統、方法及裝置
CN106022800A (zh) 一种用户特征数据的处理方法和装置
CN105488697A (zh) 一种基于客户行为特征的潜在客户挖掘方法
RU2010125682A (ru) Способы и устройство обеспечения системы прогнозирования групповой торговли
CN103778151A (zh) 一种识别特征群体的方法及装置和搜索方法及装置
Li et al. Collaborative filtering based on user attributes and user ratings for restaurant recommendation
CN111651670A (zh) 基于用户行为图谱的内容检索方法、装置终端和存储介质
CN111506727A (zh) 文本内容类别获取方法、装置、计算机设备和存储介质
CN111488385A (zh) 基于人工智能的数据处理方法、装置和计算机设备
CN115082153A (zh) 一种商家质量评价方法、装置、电子设备及存储介质
CN112685635A (zh) 基于分类标签的项目推荐方法、装置、服务器和存储介质
CN115577172A (zh) 物品推荐方法、装置、设备及介质
KR20140133633A (ko) 검색 키워드 분석을 통한 온라인 쇼핑몰의 상품 노출 시스템 및 그 운영방법
CN105138552A (zh) 一种挖掘在线销售数据的时尚趋势分析系统
CN111752985A (zh) 一种主体画像生成的方法、装置和存储介质
CN112214663A (zh) 获取舆情声量的方法、系统、装置、存储介质及移动终端
CN111859146A (zh) 信息挖掘方法、装置及电子设备
CN112115704B (zh) 基于电商平台的产品查询方法、装置和计算机设备
CN115860865A (zh) 商品组合构造方法及其装置、设备、介质、产品
CN114861079A (zh) 一种融合商品特征的协同过滤推荐方法和系统

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
GR01 Patent grant
GR01 Patent grant