CN112307758B - 通过词根推荐关键词的方法、装置、电子设备和存储介质 - Google Patents

通过词根推荐关键词的方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112307758B
CN112307758B CN202011231068.2A CN202011231068A CN112307758B CN 112307758 B CN112307758 B CN 112307758B CN 202011231068 A CN202011231068 A CN 202011231068A CN 112307758 B CN112307758 B CN 112307758B
Authority
CN
China
Prior art keywords
root
information
word
replaced
core information
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
CN202011231068.2A
Other languages
English (en)
Other versions
CN112307758A (zh
Inventor
张琛
徐凯波
陈嘉真
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.)
Shanghai Minglue Artificial Intelligence Group Co Ltd
Original Assignee
Shanghai Minglue Artificial Intelligence Group 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 Shanghai Minglue Artificial Intelligence Group Co Ltd filed Critical Shanghai Minglue Artificial Intelligence Group Co Ltd
Priority to CN202011231068.2A priority Critical patent/CN112307758B/zh
Publication of CN112307758A publication Critical patent/CN112307758A/zh
Application granted granted Critical
Publication of CN112307758B publication Critical patent/CN112307758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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
    • 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
    • G06F16/9532—Query formulation
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files
    • 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]
    • 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)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及通过词根推荐关键词的方法、装置、电子设备和存储介质。该方法包括以下步骤：根据往期表现选定历史关键词，并收集相关的产品信息和舆情评论信息；接受并根据历史关键词通过切词算法得到待替换词根，对待替换词根进行分组并输出待替换词根组合；接受并根据产品信息和舆情评论信息得到核心信息词根，对核心信息词根进行分组并输出核心信息词根组合；将待替换词根与核心信息词根相匹配，从核心信息词根所属的分组中选取一核心信息词根与待替换词根进行替换，得到新的关键词。通过把历史关键词拆分成词根再替换为相关舆情信息和产品信息的词根的方式，保证了新的关键词的投放表现，节省了时间和成本。

Description

通过词根推荐关键词的方法、装置、电子设备和存储介质
技术领域
本申请涉及智能推荐技术领域领域，特别是涉及通过词根推荐关键词的方法、装置、电子设备和存储介质。
背景技术
在电商销售场景中，关键词是消费者在购买之前的搜索过程中使用的词，店铺需要在电商平台里购买特定的关键词，才能让自己的产品展现在对应关键词的搜索结果里面。电商平台中不同的关键词购买价格不同，搜索次数多、消费者搜索后购买意愿大(即，表现好的)的关键词是比较贵的，因此，寻找表现好的并且相对冷门的关键词对于降低成本非常重要。
现有技术中，寻找新关键词的方法主要是通过电商提供的关键词列表或是依据人工经验来猜测。对于电商提供的关键词列表是同个品种的商品的历史关键词的汇总，并依据关键词的表现进行排序，根据关键词列表选词对降低成本的效果不大；对于依据人工经验来猜测，每个具体的人员所猜测的关键词都不同，稳定性差，且需要通过一个阶段的实际购买表现来确认效果，时间和成本花销较大。
目前针对相关技术中成本花销大的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种通过词根推荐关键词的方法、装置、电子设备和存储介质，本发明通过将历史关键词分为词根，再替换为品牌、产品信息和相关舆情数据的词根的方式，保证了新生成的关键词的投放表现，同时节省了时间和成本。
第一方面，本申请实施例提供了一种通过词根推荐关键词的方法，包括以下步骤：
获取信息步骤，根据往期表现选定历史关键词，并收集相关的产品信息和舆情评论信息；
获取待替换词根组合步骤，接受并根据所述历史关键词通过切词算法得到待替换词根，对所述待替换词根进行分组并输出待替换词根组合；
获取核心信息词根组合步骤，接受并根据所述产品信息和所述舆情评论信息得到核心信息词根，对所述核心信息词根进行分组并输出核心信息词根组合；
获得新的关键词步骤，将所述待替换词根与所述核心信息词根相匹配，从所述核心信息词根所属的分组中选取一核心信息词根与所述待替换词根进行替换，得到新的关键词。
在其中一些实施例中，所述获取新的关键词步骤具体包括：
获取对应分组步骤，选取一个待替换词根，获取并根据所述待替换词根的分组信息得到与所述待替换词根相匹配的所述核心信息词根,进而得到所述核心信息词根在所述核心信息词根组合中的对应分组；
得到关键词步骤，从所述核心信息词根的对应分组中选取一核心信息词根用于替换所述待替换词根，得到新的关键词。
在其中一些实施例中，所述获取待替换词根组合步骤还包括：
标注词根步骤，标注部分所述核心信息词根；
训练模型步骤，接受并将标注后的所述核心信息词根作为训练数据集，运用分类算法训练分类模型；
分组步骤，将剩余所述核心信息词根输入所述分类模型得到对应的分组类型。
在其中一些实施例中，所述获取核心信息词根组合步骤还包括：
根据所述产品信息和所述舆情评论信息通过去重、改错、分辨异形词和划分词语段操作获得所述核心信息词根。
第二方面，本申请实施例提供了一种通过词根推荐关键词的装置，包括：
获取信息模块，根据往期表现选定历史关键词，并收集相关的产品信息和舆情评论信息；
获取待替换词根组合模块，接受并根据所述历史关键词通过切词算法得到待替换词根，对所述待替换词根进行分组并输出待替换词根组合；
获取核心信息词根组合模块，接受并根据所述产品信息和所述舆情评论信息得到核心信息词根，对所述核心信息词根进行分组并输出核心信息词根组合；
获得新的关键词模块，将所述待替换词根与所述核心信息词根相匹配，从所述核心信息词根所属的分组中选取一核心信息词根与所述待替换词根进行替换，得到新的关键词。
在其中一些实施例中，所述获取新的关键词模块具体包括：
获取对应分组单元，选取一个待替换词根，获取并根据所述待替换词根的分组信息得到与所述待替换词根相匹配的所述核心信息词根,进而得到所述核心信息词根在所述核心信息词根组合中的对应分组；
得到关键词单元，从所述核心信息词根的对应分组中选取一核心信息词根用于替换所述待替换词根，得到新的关键词。
在其中一些实施例中所述获取待替换词根组合模块包括：
标注词根单元，标注部分所述核心信息词根；
训练模型单元，接受并将标注后的所述核心信息词根作为训练数据集，运用分类算法训练分类模型；
分类单元，将剩余所述核心信息词根输入所述分类模型得到对应的分组类型。
在其中一些实施例中，所述获取核心信息词根组合模块根据所述产品信息和所述舆情评论信息通过去重、改错、分辨异形词和划分词语段操作获得所述核心信息词根。
第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述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如上述第一方面所述的通过词根推荐关键词的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的通过词根推荐关键词的方法。
相比于相关技术，本申请实施例提供的一种通过词根推荐关键词的方法、装置、电子设备及存储介质，通过把历史关键词拆分成词根再替换为相关舆情信息和产品信息的词根的方式，解决了现存的推荐关键词的不稳定和成本过高的问题，保证了新的关键词的投放表现，节省了时间和成本。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
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是根据本申请实施例的通过词根推荐关键词的方法的流程图；
图2是根据本申请实施例的获取待替换词根组合步骤的流程图；
图3是根据本申请实施例的获取新的关键词步骤的流程图；
图4是根据本申请实施例的通过词根推荐关键词的装置的结构框图；
图5是根据本申请实施例的获取待替换词根组合模块的结构框图；
图6是根据本申请实施例的获取新的关键词模块的结构框图；
图7为根据本申请实施例的电子设备的硬件结构示意图。
附图说明：
1、获取信息模块；2、获取待替换词根组合模块；
3、获取核心信息词根组合模块；4、获得新的关键词模块；
41、获取对应分组单元；42、得到关键词单元；
21、标注词根单元； 22、训练模型单元；23、分类单元；
81、处理器；82、存储器；83、通信接口；80、总线。
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，对本申请进行描述和说明。应当理解，此处所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。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本实施例提供了一种通过词根推荐关键词的方法。图1是根据本申请实施例的通过词根推荐关键词的方法的流程图，如图1所示，该流程包括如下步骤：
获取信息步骤S1，根据往期表现选定历史关键词，并收集相关的产品信息和舆情评论信息；
获取待替换词根组合步骤S2，接受并根据历史关键词通过切词算法得到待替换词根，对待替换词根进行分组并输出待替换词根组合；
获取核心信息词根组合步骤S3，接受并根据产品信息和舆情评论信息得到核心信息词根，对核心信息词根进行分组并输出核心信息词根组合；
获得新的关键词步骤S4，将待替换词根与核心信息词根相匹配，从核心信息词根所属的分组中选取一核心信息词根与待替换词根进行替换，得到新的关键词。
通过上述步骤，基于历史关键词的分词词根来推荐，并基于产品信息和相关的舆情评论信息来进行词根的替换，所构造的新的关键词中保留有历史关键词的特征以保证所构造的关键词的表现，通过历史关键词与热度关键词之间相似，可以更好的展现用户的需求；进行词根的替换在避免热门关键词高消费的同时，兼顾构建的新的关键词表现，节省时间和成本。
本方法是通过词根的替换完成关键词的自动推荐，不受一线操作人员变动的影响，可以稳定输出。
在实际的应用中，选取表现好的历史关键词作为分词基础，表现好的历史关键词是指电商平台上购买投放后获取了较多的产品展现、点击、购买行为的关键词，依据表现好的关键词得到的词根更能贴近用户，提高关键词的价值。上述收集的相关的产品信息包括名称、参加的活动和展示位等。
上述获取待替换词根步骤中，将历史关键词拆分成词根，首先进行去停用词等操作，然后再运用分词算法进行分词，具体可以用贪心算法进行切词或者用TF-IDF信息相关度最大化切词。
在实际的应用中，可以用核心词根分组中的核心词根替换待替换词根组合中的一个或几个词根，获得推荐的关键词。
图2是根据本申请实施例的获取待替换词根组合步骤的流程图，在其中一些实施例中，如图2所示，获取待替换词根组合步骤S2还包括：
标注词根步骤S21，标注部分核心信息词根；
训练模型步骤S22，接受并将标注后的核心信息词根作为训练数据集，运用分类算法训练分类模型；
分组步骤S23，将剩余核心信息词根输入分类模型得到对应的分组类型。
在实际的应用中，首先确定词根类型，即分组的数量是确定的，包括功效、目标人群等，利用分类算法对核心信息词根进行分组。算法模型的产生过程是：人工标注一部分核心信息词根作为训练数据集(比如干净标注为功效类型词根)，然后用决策树等分类算法训练得到分类模型，最后利用这个分类模型把所有的核心信息词根做分组。
待替换词根组合的获取也可采用上述方式。
图3是根据本申请实施例的获取新的关键词步骤的流程图，在其中一些实施例中，如图3所示，获取新的关键词步骤S4具体包括：
获取对应分组步骤S41，选取一个待替换词根，获取并根据待替换词根的分组信息得到与待替换词根相匹配的核心信息词根,进而得到核心信息词根在核心信息词根组合中的对应分组；
得到关键词步骤S42，从核心信息词根的对应分组中选取一核心信息词根用于替换待替换词根，得到新的关键词。
在实际的应用中，先把现有的关键词拆分为一组词根，然后给其中的每一个词根判断其分组，得到一组有分组信息的词根。替换词根的时候，选择某一个或几个词根，对每一个选中的词根，根据它的分组信息，在这个词根所属的核心信息词根分组中挑选一个其他的词根来替换掉这个词根。比如“婴儿洗衣液”可以替换其中一个词根得到“宝宝洗衣液”。
上述中挑选一个其他的词根来替换掉这个词根依据的是相似度计算，比如可以用基于语义字典的方式。
在其中一些实施例中，获取核心信息词根组合步骤还包括：
根据相关的产品信息和舆情评论信息通过去重、改错、分辨异形词和划分词语段操作获得核心信息词根。
在实际应用中，上述获得核心信息词根分组步骤中，根据给定的产品信息，在同时期的舆情评论信息中获取相关产品的评论信息，通过处理得到核心信息词根，上述处理包括但不限于去重、改错、分辨异形词和划分词语段等操作。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。例如，获取待替换词根步骤和获取核心信息词根分组步骤可以互换，并不影响本发明的实现。
本实施例还提供了一种通过词根推荐关键词的装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本申请实施例的通过词根推荐关键词的装置的结构框图，如图4所示，该装置包括：
获取信息模块1，根据往期表现选定历史关键词，并收集相关的产品信息和舆情评论信息；
获取待替换词根组合模块2，接受并根据历史关键词通过切词算法得到待替换词根，对待替换词根进行分组并输出待替换词根组合；
获取核心信息词根组合模块3，接受并根据相关的产品信息和舆情评论信息得到核心信息词根，对核心信息词根进行分组并输出核心信息词根组合；
获得新的关键词模块4，将待替换词根与核心信息词根相匹配，从核心信息词根所属的分组中选取一核心信息词根与待替换词根进行替换，得到新的关键词。
图5是根据本申请实施例的获取待替换词根组合模块的结构框图，在其中一些实施例中，如图5所示，获取待替换词根组合模块2包括：
标注词根单元21，标注部分核心信息词根；
训练模型单元22，接受并将标注后的核心信息词根作为训练数据集，运用分类算法训练分类模型；
分类单元23，将剩余核心信息词根输入分类模型得到对应的分组类型。
图6是根据本申请实施例的获取新的关键词模块的结构框图，在其中一些实施例中，如图6所示，获取新的关键词模块4具体包括：
获取对应分组单元41，选取一个待替换词根，获取并根据待替换词根的分组信息得到与待替换词根相匹配的核心信息词根,进而得到核心信息词根在核心信息词根组合中的对应分组；
得到关键词单元42，从核心信息词根的对应分组中选取一核心信息词根用于替换待替换词根，得到新的关键词。
在其中一些实施例中，获取核心信息词根组合模块根据相关的产品信息和舆情评论信息通过去重、改错、分辨异形词和划分词语段操作获得核心信息词根。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外，结合图1描述的本申请实施例的通过词根推荐关键词的方法可以由电子设备来实现。图7为根据本申请实施例的电子设备的硬件结构示意图。
电子设备可以包括处理器81以及存储有计算机程序指令的存储器82。
具体地，上述处理器81可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器82可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器82可在数据处理装置的内部或外部。在特定实施例中，存储器82是非易失性(Non-Volatile)存储器。在特定实施例中，存储器82包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。
存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。
处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意一种通过词根推荐关键词的方法。
在其中一些实施例中，电子设备还可包括通信接口83和总线80。其中，如图7所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。
通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线80包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线80可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(FrontSide Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该电子设备可以基于获取到的历史关键词、产品信息和舆情评论信息，执行本申请实施例中的分词、分组以及词根的替换，从而实现结合图1所描述的通过词根推荐关键词的方法。
另外，结合上述实施例中的通过词根推荐关键词的方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种通过词根推荐关键词的方法。
以上所述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 (8)

1.一种通过词根推荐关键词的方法，其特征在于，包括以下步骤：
获取信息步骤，根据往期表现选定表现好的历史关键词，并收集相关的产品信息和舆情评论信息，表现好的历史关键词为电商平台上购买投放后获取了多的产品展现、点击、购买行为的关键词，所述产品信息包括名称、参加的活动及展示位；
获取待替换词根组合步骤，接受并根据所述历史关键词通过切词算法得到待替换词根，对所述待替换词根进行分组并输出待替换词根组合；
获取核心信息词根组合步骤，接受并根据所述产品信息和所述舆情评论信息，在同时期的舆情评论信息中获取相关产品的评论信息处理得到核心信息词根，对所述核心信息词根进行分组并输出核心信息词根组合；
获得新的关键词步骤，将所述待替换词根与所述核心信息词根相匹配，从所述核心信息词根所属的分组中选取一核心信息词根与所述待替换词根进行替换，得到新的关键词，新的关键词用于在电商平台上投放，其中，所述获取新的关键词步骤具体包括：
获取对应分组步骤，选取一个待替换词根，获取并根据所述待替换词根的分组信息得到与所述待替换词根相匹配的所述核心信息词根,进而得到所述核心信息词根在所述核心信息词根组合中的对应分组;
得到关键词步骤，从所述核心信息词根的对应分组中选取一核心信息词根用于替换所述待替换词根，得到新的关键词。
2.根据权利要求1所述的通过词根推荐关键词的方法，其特征在于，所述获取待替换词根组合步骤还包括：
标注词根步骤，标注部分所述核心信息词根；
训练模型步骤，接受并将标注后的所述核心信息词根作为训练数据集，运用分类算法训练分类模型；
分组步骤，将剩余所述核心信息词根输入所述分类模型得到对应的分组类型。
3.根据权利要求1所述的通过词根推荐关键词的方法，其特征在于，所述获取核心信息词根组合步骤还包括：
根据所述产品信息和所述舆情评论信息通过去重、改错、分辨异形词和划分词语段操作获得所述核心信息词根。
4.一种通过词根推荐关键词的装置，其特征在于，包括：
获取信息模块，根据往期表现选定表现好的历史关键词，并收集相关的产品信息和舆情评论信息，表现好的历史关键词为电商平台上购买投放后获取了多的产品展现、点击、购买行为的关键词，所述产品信息包括名称、参加的活动及展示位；
获取待替换词根组合模块，接受并根据所述历史关键词通过切词算法得到待替换词根，对所述待替换词根进行分组并输出待替换词根组合；
获取核心信息词根组合模块，接受并根据所述产品信息和所述舆情评论信息，在同时期的舆情评论信息中获取相关产品的评论信息处理得到核心信息词根，对所述核心信息词根进行分组并输出核心信息词根组合；
获得新的关键词模块，将所述待替换词根与所述核心信息词根相匹配，从所述核心信息词根所属的分组中选取一核心信息词根与所述待替换词根进行替换，得到新的关键词，新的关键词用于在电商平台上投放，其中，所述获取新的关键词模块具体包括：
获取对应分组单元，选取一个待替换词根，获取并根据所述待替换词根的分组信息得到与所述待替换词根相匹配的所述核心信息词根,进而得到所述核心信息词根在所述核心信息词根组合中的对应分组;
得到关键词单元，从所述核心信息词根的对应分组中选取一核心信息词根用于替换所述待替换词根，得到新的关键词。
5.根据权利要求4所述的通过词根推荐关键词的装置，其特征在于，所述获取待替换词根组合模块包括：
标注词根单元，标注部分所述核心信息词根；
训练模型单元，接受并将标注后的所述核心信息词根作为训练数据集，运用分类算法训练分类模型；
分类单元，将剩余所述核心信息词根输入所述分类模型得到对应的分组类型。
6.根据权利要求4所述的通过词根推荐关键词的装置，其特征在于，所述获取核心信息词根组合模块根据所述产品信息和所述舆情评论信息通过去重、改错、分辨异形词和划分词语段操作获得所述核心信息词根。
7.一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述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如权利要求1至3中任一项所述的通过词根推荐关键词的方法。
8.一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，该程序被处理器执行时实现如权利要求1至3中任一项所述的通过词根推荐关键词的方法。
CN202011231068.2A 2020-11-06 2020-11-06 通过词根推荐关键词的方法、装置、电子设备和存储介质 Active CN112307758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011231068.2A CN112307758B (zh) 2020-11-06 2020-11-06 通过词根推荐关键词的方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011231068.2A CN112307758B (zh) 2020-11-06 2020-11-06 通过词根推荐关键词的方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112307758A CN112307758A (zh) 2021-02-02
CN112307758B true CN112307758B (zh) 2024-02-06

Family

ID=74325190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011231068.2A Active CN112307758B (zh) 2020-11-06 2020-11-06 通过词根推荐关键词的方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112307758B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108255881A (zh) * 2016-12-29 2018-07-06 北京国双科技有限公司 一种生成投放关键词的方法及装置
CN108304437A (zh) * 2017-09-25 2018-07-20 腾讯科技（深圳）有限公司 一种自动问答方法、装置及存储介质
CN109766550A (zh) * 2019-01-07 2019-05-17 有米科技股份有限公司 一种文本品牌识别方法、识别装置和存储介质
CN110399436A (zh) * 2018-04-20 2019-11-01 北京搜狗科技发展有限公司 一种基于同义词根进行地图离线搜索的方法及装置
CN110442696A (zh) * 2019-08-05 2019-11-12 北京百度网讯科技有限公司 查询处理方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108255881A (zh) * 2016-12-29 2018-07-06 北京国双科技有限公司 一种生成投放关键词的方法及装置
CN108304437A (zh) * 2017-09-25 2018-07-20 腾讯科技（深圳）有限公司 一种自动问答方法、装置及存储介质
CN110399436A (zh) * 2018-04-20 2019-11-01 北京搜狗科技发展有限公司 一种基于同义词根进行地图离线搜索的方法及装置
CN109766550A (zh) * 2019-01-07 2019-05-17 有米科技股份有限公司 一种文本品牌识别方法、识别装置和存储介质
CN110442696A (zh) * 2019-08-05 2019-11-12 北京百度网讯科技有限公司 查询处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
领域知识的获取;李卫;《中国优秀博士学位论文全文数据库信息科技辑》;第1-101页 *

Also Published As

Publication number Publication date
CN112307758A (zh) 2021-02-02

Similar Documents

Publication Publication Date Title
JP5449628B2 (ja) マルチステージを使用したカテゴリ情報の決定
JP6301958B2 (ja) 検索語句を構成し、広告を配信し、製品情報を検索するための方法および装置
CN108509479B (zh) 实体推荐方法及装置、终端及可读存储介质
CN113326420B (zh) 问题检索方法、装置、电子设备和介质
CN106445963B (zh) App平台的广告索引关键词自动生成方法和装置
CN109829073B (zh) 一种图像搜索的方法及装置
CN108536739B (zh) 元数据敏感信息字段识别方法、装置、设备及存储介质
CN104636429A (zh) 商标类别检索方法和装置
CN108182200B (zh) 基于语义相似度的关键词拓展方法和装置
CN111522886A (zh) 一种信息推荐方法、终端及存储介质
CN113468339A (zh) 基于知识图谱的标签提取方法、系统、电子设备及介质
CN112035449A (zh) 数据处理方法及装置、计算机设备、存储介质
CN109783678B (zh) 一种图像搜索的方法及装置
CN111160699A (zh) 一种专家推荐方法及系统
CN111898378B (zh) 政企客户的行业分类方法和装置、电子设备、存储介质
CN106651408B (zh) 一种数据分析方法及装置
CN112307758B (zh) 通过词根推荐关键词的方法、装置、电子设备和存储介质
CN115495636A (zh) 网页搜索方法、装置及存储介质
CN106844406B (zh) 检索方法和检索装置
CN110287284B (zh) 语义匹配方法、装置及设备
CN105653540B (zh) 文件属性信息的处理方法和装置
CN109101630B (zh) 一种应用程序搜索结果的生成方法、装置及设备
CN112256844A (zh) 文本分类方法及装置
CN113961725A (zh) 一种标签自动标注方法及系统、设备和存储介质
CN110309367B (zh) 信息分类的方法、信息处理的方法和装置

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