CN112418969A - 商品匹配方法、装置、计算机设备 - Google Patents
商品匹配方法、装置、计算机设备 Download PDFInfo
- Publication number
- CN112418969A CN112418969A CN202010398883.1A CN202010398883A CN112418969A CN 112418969 A CN112418969 A CN 112418969A CN 202010398883 A CN202010398883 A CN 202010398883A CN 112418969 A CN112418969 A CN 112418969A
- Authority
- CN
- China
- Prior art keywords
- commodity
- matched
- name
- target
- commodities
- 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
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]
- G06Q30/0631—Item recommendations
-
- 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
- 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
- G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种商品匹配方法、装置、计算机设备及可读存储介质,属于数据处理技术领域。该方法包括:获取多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类;对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品;获取当前待匹配商品,并计算当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值;根据当前待匹配商品的属性信息与各个其它待匹配商品的属性信息、第一相似度值计算当前待匹配商品与各个其它待匹配商品的第二相似度值;选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品。本申请可以提高商品匹配准确度。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种商品匹配方法、装置、计算机设备。
背景技术
随着互联网技术的发展,越来越多的用户选择在网上浏览、挑选或者购买自己需要的商品。然而,随着商品数目和种类的增多,用户往往需要花费大量的时间才能找到自己需要的商品。为了解决这个问题,各个电商平台都不同程度地采用各种形式的推荐技术向用户进行商品匹配。然而,现有的推荐技术在应用于某些特定的购物场景时,比如应用于二次元商品(动画、游戏等作品中的角色所衍生出的一类商品)的推荐时,由于该购物场景与常用的购物场景,其两者的匹配因子差距较大,若直接采用现有的匹配方案,将使得商品的匹配准确率较低。
发明内容
有鉴于此,现提供一种商品匹配方法、装置、计算机设备及计算机可读存储介质,以解决现有匹配方案的匹配准确率较低的问题。
本申请提供了一种商品匹配方法,包括:
获取一个或多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类;
对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品;
获取当前待匹配商品,并计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值,其中,所述其它待匹配商品为所述待匹配商品中与所述当前待匹配商品同属一个类目的商品;
根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值,其中,所述属性信息包括商品价格、上架时间、出荷时间、补款时间中的至少一种;
选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品,其中,N为大于或者等于1的整数。
可选地,所述商品匹配方法还包括:
根据所述目标匹配商品的属性信息,提供所述当前待匹配商品的属性设置信息。
可选地,所述对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品包括:
对经过分类处理后的各个目标商品进行品牌校验、IP校验或角色校验处理中的至少任一项校验处理,并将通过至少一种校验处理的目标商品作为待匹配商品。
可选地,所述对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品包括:
从一种或多种候选校验处理中选择任一项,以作为第一校验处理,并将其他候选校验处理作为第二校验处理;
对经分类处理后的各个目标商品进行所述第一校验处理,并获取第一校验结果;
根据所述第一校验结果,确定与所述目标商品相对应的第二校验处理的校验标准;
根据所述第二校验处理的校验标准,对所述目标商品进行第二校验处理;
将通过所述第二校验处理的目标商品作为待匹配商品。
可选地,所述品牌校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的品牌库中的品牌名称相匹配的品牌名称;
所述IP校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的IP库中的IP名称相匹配的IP名称;
所述角色校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的角色库中的角色名称相匹配的角色名称。
可选地,所述商品匹配方法还包括:
对各个目标商品的商品名称进行过滤处理,以将所述商品名称中的预设字符过滤掉;及/或
对各个目标商品的商品名称进行同义词转换处理,以将所述商品名称转换为对应的通用商品名称。
可选地,所述商品名称由品牌名称、IP名称、角色名称及通用名称组成,所述计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值包括:
按照预设顺序对各个其它待匹配商品的商品名称中的品牌名称、IP名称、角色名称及通用名称进行排序;
采用莱文斯坦算法计算所述当前待匹配商品的商品名称与经过排序后的各个其它待匹配商品的商品名称的第一相似度值。
可选地,所述根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值包括:
根据所述当前待匹配商品的属性信息与各个其它待匹配商品的属性信息确定不同的属性信息对应的加权值;
将所有确定的加权值的和值作为最终的加权值,并根据所述最终的加权值与所述第一相似度值计算得到所述当前待匹配商品与各个其它待匹配商品的第二相似度值。
本申请还提供了一种商品匹配装置,包括:
分类模块,用于获取一个或多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类;
校验模块,用于对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品;
获取模块,用于获取当前待匹配商品,并计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值,其中,所述其它待匹配商品为所述待匹配商品中与所述当前待匹配商品同属一个类目的商品;
计算模块,用于根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值,其中,所述属性信息包括商品价格、上架时间、出荷时间、补款时间中的至少一种;
选取模块,用于选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品,其中,N为大于或者等于1的整数。
本申请还提供了一种计算机设备,所述计算机设备,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上述方法的步骤。
本申请还提供了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上述方法的步骤。
上述技术方案的有益效果:
本申请实施例中,通过获取一个或多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类;对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品;获取当前待匹配商品,并计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值,其中,所述其它待匹配商品为所述待匹配商品中与所述当前待匹配商品同属一个类目的商品;根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值,其中,所述属性信息包括商品价格、上架时间、出荷时间、补款时间中的至少一种;选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品,其中,N为大于或者等于1的整数。采用本申请实施例的商品匹配方法,通过首先计算当前待匹配商品的商品名称与其它待匹配商品的商品名称的第一相似度值,并结合商品的属性信息来得到当前待匹配商品与其它待匹配商品的第二相似度值,从而使得得到的第二相似度值更加能够表征出当前待匹配商品与其它待匹配商品的相似性,进而提高匹配的准确率。
附图说明
图1为本申请所述商品匹配的系统框架图的一种实施例的框架图;
图2为本申请所述的商品匹配方法的一种实施例的流程图;
图3为本申请一实施方式中计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值的步骤细化流程图;
图4为本申请一实施方式中对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品的步骤细化流程图;
图5为本申请一实施方式中根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值的步骤细化流程图;
图6为本申请所述的商品匹配装置的一种实施例的模块图;
图7为本申请实施例提供的执行商品匹配方法的计算机设备的硬件结构示意图。
具体实施方式
以下结合附图与具体实施例进一步阐述本申请的优点。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
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它含义。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。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本申请的描述中,需要理解的是,步骤前的数字标号并不标识执行步骤的前后顺序,仅用于方便描述本申请及区别每一步骤,因此不能理解为对本申请的限制。
图1示意性示出了根据本申请实施例的商品匹配方法的应用环境示意图。在示例性的实施例中,该应用环境的系统可包括用户终端10、后台服务器20。其中,用户终端10与后台服务器20形成无线或有线连接,且用户终端10具有相应的应用客户端或网页客户端。其中,用户终端10可以为PC、手机、iPAD,平板电脑、笔记本电脑、个人数字助理等。后台服务器20可以为机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者一个或多个服务器所组成的服务器集群)等。
参阅图2,其为本申请一实施例的商品匹配方法的流程示意图。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。下面以服务器为执行主体进行示例性描述,从图中可以看出,本实施例中所提供的商品匹配方法包括:
步骤S20、获取一个或多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类。
具体地,所述目标商品为电商网站平台中上架售卖的商品,该电商网站平台优选为售卖二次元商品的平台,比如为哔哩哔哩的会员购平台,该二次元商品指的是由动画、游戏等作品中的角色所衍生出的一类商品。
在本实施例中,目标商品的商品名称通常由品牌名称、IP(intellectualproperty,知识产权)名称、角色名称、类目信息等部分组成,其中,IP名称指的是该商品的版权名称,类目信息为用于区分商品所属类别的信息。
在一示例性的实施例中,某目标商品的商品名称为:“TAITO Re:从零开始的异世界生活雷姆中国风女仆Ver.景品手办”,在该商品名称中,“TAITO”为品牌名称,“从零开始的异世界生活”为IP名称,“雷姆”为角色名称,“景品”为类目信息。
在本实施例中,由于目标商品的商品名称在命名时通常会在其名称中体现其所属类目,因此,在获取到目标商品的商品名称时,即可以根据商品名称中的类目信息来确定该目标商品所属的类别,在本实施例中,该目标商品的类别一般可以分为手办、景品、其它三大类。
由于同类型的商品之间才具有对比性,不同类别的商品之间不具有对比性,因此,本实施例中,通过在对商品进行匹配前,先对获取到的所有目标商品进行分类,从而可以使得后续在进行商品匹配时更加方便。
步骤S21,对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品。
具体地,为了减少数据处理量,提高商品匹配的效率,在进行商品匹配之前,可以先对经过分类后的各个目标商品做校验处理,只有通过校验处理的目标商品才能作为待匹配商品,并用于参加后续的商品匹配流程,未通过校验处理的目标商品将被直接过滤掉,这样可以减少后续商品匹配流程所需要处理的数据量。
进一步地,在一实施方式中,所述对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品包括:
对经过分类处理后的各个目标商品进行品牌校验、IP校验或角色校验处理中的至少任一项校验处理,并将通过至少一种校验处理的目标商品作为待匹配商品。
具体地,在本实施方式中,对目标商品进行校验处理时,可以同时对目标商品做品牌校验、IP校验以及角色校验处理,并在该目标商品通过品牌校验、IP校验以及角色校验处理后,将该目标商品作为待匹配商品,在对该目标商品做完品牌校验、IP校验以及角色校验处理后,若其中有至少一项校验处理未通过,则都会将该目标商品过滤掉。
在另一实施方式中,在对目标商品进行校验处理时,也可以先对目标商品做品牌校验处理,在通过品牌校验处理后,继续做IP校验处理,在通过IP校验处理后,继续做角色校验处理。其中,在校验过程中,若没有通过品牌校验处理,则直接将该目标商品过滤掉,不用继续做IP校验处理以及角色校验处理;在校验过程中,若通过了品牌校验处理,没有通过IP校验处理,则也直接将该目标商品过滤掉,不用继续做角色校验处理。
本申请实施例中,通过将全部通过品牌校验、IP校验以及角色校验处理操作的目标商品才作为待匹配商品,将为通过上述校验处理操作的目标商品过滤掉,从而可以提高商品匹配时的准确率。
进一步地,在本实施方式中,在对目标商品进行校验处理时,也可以对经过分类处理后的各个目标商品进行品牌校验、IP校验、角色校验处理,并将通过两种校验处理的目标商品作为待匹配商品。
进一步地,在本实施例中,为了避免一些比较特殊的目标商品被过滤掉,在对目标商品进行校验处理时,也可以对经过分类处理后的各个目标商品进行品牌校验、IP校验、角色校验处理,并将通过品牌校验、IP校验以及角色校验处理中的一种校验处理操作的目标商品作为待匹配商品。
本实施例通过将通过至少一种校验处理的目标商品作为待匹配商品,可以避免一些目标商品被误过滤掉。
进一步地,在一实施方式中,参照图3,所述对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品包括:
步骤S30,从一种或多种候选校验处理中选择任一项,以作为第一校验处理,并将其他候选校验处理作为第二校验处理。
具体地,所述候选校验处理可以为品牌校验、IP校验、角色校验处理等。所述候选校验处理可以根据目标商品名称进行确定,当目标商品名称中包含有品牌名称、IP名称、角色名称时,则可以将品牌校验、IP校验、角色校验处理都作为候选校验处理;当目标商品名称中包含有IP名称、角色名称,但不包含品牌名称时,则可以只将IP校验、角色校验处理作为候选校验处理;当目标商品名称中包含有品牌名称、角色名称,但不包含IP名称时,则可以只将品牌校验、角色校验处理作为候选校验处理。
本实施例中,在进行校验前,可以先从候选校验处理中选择一种校验处理作为第一校验处理,比如,候选校验处理中包含有品牌校验、IP校验、角色校验处理,则可以选择品牌检验处理作为第一校验处理,将IP校验、角色校验处理作为第二校验处理。
步骤S31,对经分类处理后的各个目标商品进行所述第一校验处理,并获取第一校验结果。
具体地,在确定第一校验处理之后,即可以对目标商品进行第一校验处理操作,得到第一校验结果,在本实施例中,该第一校验结果可以为校验通过或校验不通过。
步骤S32,根据所述第一校验结果,确定与所述目标商品相对应的第二校验处理的校验标准。
具体地,不同的第一校验结果,对应不同的校验标准。在示例性的实施方式中,当第一校验结果为校验不通过时,该校验标准可以为其它候选校验处理需要都通过时,该第二校验处理的结果才会为校验通过;当第一校验结果为校验通过时,该校验标准可以为其它候选校验处理只需要通过至少一项时,该第二校验处理的结果就会为校验通过。
或者,当所述第一校验结果为未获取任何待匹配商品的品牌名称或角色名称时,则可以调整所述第二校验处理的校验标准,例如,将需要满足N个条件的第二校验处理的校验标准调整为仅需要满足M(M<N)个条件的校验标准。
步骤S33,根据所述第二校验处理的校验标准,对所述目标商品进行第二校验处理;
步骤S34,将通过所述第二校验处理的目标商品作为待匹配商品。
具体地,在得到校验标准之后,即可以使用该校验标准判断该目标商品是否通过该第二校验处理,在该目标商品不符合该校验标准时,则判定该目标商品没有通过该第二校验处理,并将该目标商品过滤掉。在该目标商品符合该校验标准时,则判定该目标商品通过该第二校验处理,并将该目标商品作为待匹配商品。
本实施例采用上述方式对目标商品进行校验,可以避免一些目标商品被误过滤掉。
需要说明的是,上述实施例中所述的将商品过滤掉指的是将该目标商品不作为后续参加商品匹配流程的待匹配商品。
进一步地,在一实施方式中,所述品牌校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的品牌库中的品牌名称相匹配的品牌名称。
具体地,预先建立一个品牌库,该品牌库中包含有若干个常见品牌的名称。在对品牌进行校验时,可以将该目标商品的商品名称与品牌库中的所有品牌名称进行一一匹配,若发现该商品名称中存在与该品牌库中的某一个品牌名称相同的品牌名称,则可以判定该目标商品的商品名称中包含有与预设的品牌库中的品牌名称相匹配的品牌名称;若未发现该商品名称中存在与该品牌库中的某一个品牌名称相同的品牌名称,则可以判定该目标商品的商品名称中不包含有与预设的品牌库中的品牌名称相匹配的品牌名称。
所述IP校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的IP库中的IP名称相匹配的IP名称。
具体地,预先建立一个IP库,该IP库中包含有若干个常见IP的名称。在对IP进行校验时,可以将该目标商品的商品名称与IP库中的所有IP名称进行一一匹配,若发现该商品名称中存在与该IP库中的某一个IP名称相同的IP名称,则可以判定该目标商品的商品名称中包含有与预设的IP库中的IP名称相匹配的IP名称;若未发现该商品名称中存在与该IP库中的某一个IP名称相同的IP名称,则可以判定该目标商品的商品名称中不包含有与预设的IP库中的IP名称相匹配的IP名称。
所述角色校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的角色库中的角色名称相匹配的角色名称。
具体地,预先建立一个角色库,该角色库中包含有若干个常见角色的名称。在对角色进行校验时,可以将该目标商品的商品名称与角色库中的所有角色名称进行一一匹配,若发现该商品名称中存在与该角色库中的某一个角色名称相同的角色名称,则可以判定该目标商品的商品名称中包含有与预设的角色库中的角色名称相匹配的角色名称;若未发现该商品名称中存在与该角色库中的某一个角色名称相同的角色名称,则可以判定该目标商品的商品名称中不包含有与预设的角色库中的角色名称相匹配的角色名称。
本实施例中,通过预先建立品牌库、IP库以及角色库,从而可以方便地通过该建立的品牌库、IP库以及角色库来实现对目标商品的校验。
步骤S22,获取当前待匹配商品,并计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值,其中,所述其它待匹配商品为所述待匹配商品中与所述当前待匹配商品同属一个类目的商品。
具体地,所述当前待匹配商品为用户需要进行商品匹配的商品,比如,用户需要上架一个xx品牌下xxIP下角色1的手办,则可以将该待上架的商品作为当前待匹配商品。在本实施例中,在获取到当前待匹配的商品时,可以采用计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的余弦相似度、矩阵相似度、字符串编辑距离等方式来得到该第一相似度值。
在一示例性的实施例中,假设当前待匹配商品a的所属的类目为景品手办,与所述当前待匹配商品同属一个类目的待匹配商品有商品A、商品B、商品C、商品D,则在计算第一相似度值时,需要分别计算商品a与商品A的第一相似度值P1、商品a与商品B的第一相似度值P2、商品a与商品C的第一相似度值P3、商品a与商品D的第一相似度值P4。
进一步地,在一实施方式中,所述商品匹配方法还包括:
对各个目标商品的商品名称进行过滤处理,以将所述商品名称中的预设字符过滤掉;及/或
对各个目标商品的商品名称进行同义词转换处理,以将所述商品名称转换为对应的通用商品名称。
具体地,由于同一商品在电商网站平台的不同店铺下的命名规则都是各有特色的,有的店铺会在商品名称前加上店铺名,有的卖家喜欢加上各种特殊符号(如★、)来修饰商品名称。因此,为了使得计算得到的第一相似度值更加准确,本实施例中,在计算第一相似度值之前,可以采用过滤器对目标商品的商品名称进行过滤处理,以将所述商品名称中的预设字符过滤掉,其中,该预设字符包括店铺名、无意义字符,该无意义字符指的是逗号、顿号、各种特殊符号(如★)等。
由于可能存在有多种同义词来表示同一个品牌或IP,比如,品牌名称“GSC”,有的命名为GOOD SMIEL COMPANY,有的命名为GOODSMILE,因此,为了使得计算得到的第一相似度值更加准确,本实施例中,在计算第一相似度值之前,还可以通过预设的同义词库将目标商品的商品名称进行同义词转换处理,以将所述商品名称转换为对应的通用商品名称,也就是说,在发现该商品名称中包含有同义词库中的词语时,则会将该名称中的相应词语转换为同义词库中的通用词语,比如,商品名称中包括词语“GSC”,而同义词库中GOOD SMIELCOMPANY、GOODSMILE、GSC对应的通用词语都为“GOODSMILE”,则在发现商品名称中包括词语“GSC”时,则会将该商品名称中的词语“GSC”转换为通用词语“GOODSMILE”,在完成该商品名称中的所有词语的同义转换后,得到的商品名称即为所述通用商品名称。
本申请实施例中,通过在计算第一相似度值之前,先通过同义词库、过滤器对商品名称进行处理,从而可以增加计算得到的第一相似度值准确度。
进一步地,在一实施方式中,参照图4,所述计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值包括:
步骤S40,按照预设顺序对各个其它待匹配商品的商品名称中的品牌名称、IP名称、角色名称及通用名称进行排序。
具体地,在本实施例中,商品名称由品牌名称、IP名称、角色名称及通用名称组成,其中,该商品名称中除去品牌名称、IP名称、角色名称的部分,剩下的部分定义为商品的通用名称。
莱文斯坦算法计算相似度值时,该莱文斯坦算法并不会考虑同一字符串的不同顺序会影响算法计算结果,而不同商家对商品进行命名时,商品中的品牌名称、IP名称、角色名称及通用名称不会按照统一的顺序进行排列,因此,为了使得计算得到的第一相似度值更加准确,在计算第一相似度值之前,需要对待匹配商品的商品名称中的品牌名称、IP名称、角色名称及通用名称按照预设顺序进行排序,比如,按照品牌名称、IP名称、角色名称及通用名称的方式进行排序,以得到经过排序后的商品名称。
步骤S41,采用莱文斯坦算法计算所述当前待匹配商品的商品名称与经过排序后的各个其它待匹配商品的商品名称的第一相似度值。
莱文斯坦算法(Levenshtein算法)是一种通过计算莱文斯坦距离得到两个字符串之间的相似度的算法。其中,莱文斯坦距离又称Levenshtein距离,是编辑距离的一种,指两个字串之间,由一个转成另一个所需的最少编辑操作次数。允许的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。
通过依次计算当前待匹配商品的商品名称与经过排序后的各个其它待匹配商品的商品名称的Levenshtein距离,来得到各个第一相似度值。
本申请实施例中,通过在计算第一相似度值时,先对商品名称按照预设顺序进行排序,然后,通过莱文斯坦算法来计算第一相似度值,从而可以使得计算得到的第一相似度值更加准确,更能够真实地反映出当前待匹配商品与其它待匹配商品的相似度。
步骤S23,根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值,其中,所述属性信息包括商品价格、上架时间、出荷时间、补款时间中的至少一种。
具体地,在二次元商品购物场景中,商品的属性信息,比如商品价格(包括定金价格、预售价格、全款价格)、上架时间、出荷时间(即收到供货商供货的时间)、补款时间等是影响商品匹配结果的匹配因子,因此,为了得到更加准确的相似度值,可以结合商品的属性信息与该计算得到的第一相似度值来计算得到最终的相似度值,即计算得到该当前待匹配商品与各个其它待匹配商品的第二相似度值。
在一实施方式中,参照图5,所述根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值包括:
步骤S50,根据所述当前待匹配商品的属性信息与各个其它待匹配商品的属性信息确定不同的属性信息对应的加权值。
具体地,由于二次元商品,如手办、景品类商品在售卖时间点上也具有其独特的特点,例如,该类商品通常分为先行预定、预售、补款、现货等阶段,供货商给各卖家供货时间相差不多,因此,同一商品的上架时间、出荷时间以及开补款时间也应是接近的,且同一商品各店铺售卖价格也应相接近,所以在基于莱文斯坦算法得到商品匹配的第一相似度值后,可以再结合各时间节点、价格设置不同梯度,每一梯度进行不同加权。在一具体场景中,在对比匹配商品之间的出荷时间时,可以设置不同的加权梯度,如出荷时间差5天以内相似度值加0.5、5-10天相似度值加0.3、10-20天相似度值加0.1、20-30天相似度值不加,30天以上相似度值减0.1等,也就是说,在本实施例中,不同出荷时间差值对应有不同的加权值。在本实施方式中,对比匹配商品之间的商品价格时,也可以设置不同的价格梯度,设置方式与上述对出荷时间的设置类似,在本实施例中,不再赘述。
步骤S51,将所有确定的加权值的和值作为最终的加权值,并根据所述最终的加权值与所述第一相似度值计算得到所述当前待匹配商品与各个其它待匹配商品的第二相似度值。
具体地,假设获取到出荷时间对应的加权值为0.1,上架时间对应的加权值为0.2,预售价格对应的加权值为-0.15,则该最终的加权值为0.1+0.2-0.15=0.15。
在一实施例中,在得到最终的加权值之后,可以将该最终的加权值与该第一相似度值进行相乘,得到该第一相似度值对应的修正值,然后将该修正值与该第一相似度值进行相加,得到最终的相似度值,即得到该第二相似度值,也就是说,在本实施例中,该第二相似度值的计算公式为:第二相似度值=第一相似度值*(1+最终的加权值)。
在另一实施例中,在得到最终的加权值之后,也可以直接将该最终的加权值与第一相似度值进行相乘,将得到的乘积作为第二相似度值。
本申请实施例中,通过将确定的加权值的和值作为最终的加权值,然后根据该最终的加权值与第一相似度值计算第二相似度值,可以使得计算得到的第二相似度值更加准确。
步骤S24,选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品,其中,N为大于或者等于1的整数。
具体地,在计算得到所述当前待匹配商品与各个其它待匹配商品的第二相似度值时,按照各个第二相似度值的大小从大到小的顺序进行排列,从中找到各个第二相似度值中排在前N对应的其它待匹配商品,然后将找到的其它待匹配商品作为目标匹配商品。其中,所述N的值可以根据实际应用场景进行设定,比如该N值设定为N=9,在本申请其它实施方式中,该N的值也可以为其它值,比如N=5,在本实施例中不作限定。
本申请实施例中,通过获取一个或多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类;对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品;获取当前待匹配商品,并计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值,其中,所述其它待匹配商品为所述待匹配商品中与所述当前待匹配商品同属一个类目的商品;根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值,其中,所述属性信息包括商品价格、上架时间、出荷时间、补款时间中的至少一种;选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品,其中,N为大于或者等于1的整数。采用本申请实施例的商品匹配方法,通过首先计算当前待匹配商品的商品名称与其它待匹配商品的商品名称的第一相似度值,并结合商品的属性信息来得到当前待匹配商品与其它待匹配商品的第二相似度值,从而使得得到的第二相似度值更加能够表征出当前待匹配商品与其它待匹配商品的相似性,进而提高匹配的准确率。
进一步地,在一实施方式中,所述商品匹配方法还包括:
根据所述目标匹配商品的属性信息,提供所述当前待匹配商品的属性设置信息。
具体地,在的得到目标匹配商品之后,可以将得到的各个目标匹配商品的属性信息推送给运营人员,以便运营人员可以根据该信息来对比自营商品与其它渠道商品间的价格以及各售卖阶段时间点,从而可以为商品类目挂靠、商品定价、商品上架时间商品开补款时间提供参考。比如运营人员要上架一个xx品牌下xxIP下角色1的手办,则在通过商品匹配找到另一个商品也是xx品牌下xxIP下角色2,两个商品属于同一品牌同一IP,只是角色不同,这样我们也可以将角色2的属性信息如预售价格、定金价格、全款价格、开补款时间、预售转现货时间以及出荷时间等推送给运营人员,以方便运营人员参考相关信息来确定该上架的产品的属性信息。
在本实施例中,在得到目标匹配商品的属性信息之后,也可以直接对得到的各个目标匹配商品的属性信息进行分析,以得到所述当前待匹配商品的属性设置信息,其中,所述属性设置信息用于设置所述当前待匹配商品的属性信息。比如,获取到5个目标匹配商品的预售价格,则可以对该5个预售价格进行分析,比如,对5个目标匹配商品的预售价格求平均值,然后将得到的平均值作为该当前待匹配商品的预设价格的设置值,即作为所述当前待匹配商品的属性设置信息。
在得到该当前待匹配上的属性设置信息之后,即可以将该属性设置信息推送给运营人员,运营人员即可以直接根据该属性设置信息设置所述当前待匹配商品的属性信息。
在本申请实施例中,当采用本申请实施例中的商品匹配方法,运营人员也可以匹配到的目标商品的属性信息来分析各售卖阶段的起止时间点,当出现自营商品上架时间、开补款时间、预售转现货时间以及出荷时间等晚于其它渠道商品时能够及时分析原因,若自营商品未及时上架还能够提供上架提醒信息,保证会员购商品的及时有效性。
参阅图6所示,是本申请商品匹配装置500一实施例的程序模块图。
本实施例中,所述商品匹配装置500包括一系列的存储于存储器上的计算机程序指令,当该计算机程序指令被处理器执行时,可以实现本申请各实施例的商品匹配功能。在一些实施例中,基于该计算机程序指令各部分所实现的特定的操作,商品匹配装置500可以被划分为一个或多个模块。例如,在图6中,所述商品匹配装置500可以被分割成分类模块501、校验模块502、获取模块503、计算模块504及选取模块505。其中:
分类模块501,用于获取一个或多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类。
具体地,所述目标商品为电商网站平台中上架售卖的商品,该电商网站平台优选为售卖二次元商品的平台,比如为哔哩哔哩的会员购平台,该二次元商品指的是由动画、游戏等作品中的角色所衍生出的一类商品。
在本实施例中,目标商品的商品名称通常由品牌名称、IP(intellectualproperty,知识产权)名称、角色名称、类目信息等部分组成,其中,IP名称指的是该商品的版权名称,类目信息为用于区分商品所属类别的信息。
在一示例性的实施例中,某目标商品的商品名称为:“TAITO Re:从零开始的异世界生活雷姆中国风女仆Ver.景品手办”,在该商品名称中,“TAITO”为品牌名称,“从零开始的异世界生活”为IP名称,“雷姆”为角色名称,“景品”为类目信息。
在本实施例中,由于目标商品的商品名称在命名时通常会在其名称中体现其所属类目,因此,在获取到目标商品的商品名称时,即可以根据商品名称中的类目信息来确定该目标商品所属的类别,在本实施例中,该目标商品的类别一般可以分为手办、景品、其它三大类。
由于同类型的商品之间才具有对比性,不同类别的商品之间不具有对比性,因此,本实施例中,通过在对商品进行匹配前,先对获取到的所有目标商品进行分类,从而可以使得后续在进行商品匹配时更加方便。
校验模块502,用于对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品。
具体地,为了减少数据处理量,提高商品匹配的效率,在进行商品匹配之前,可以先对经过分类后的各个目标商品做校验处理,只有通过校验处理的目标商品才能作为待匹配商品,并用于参加后续的商品匹配流程,未通过校验处理的目标商品将被直接过滤掉,这样可以减少后续商品匹配流程所需要处理的数据量。
进一步地,在一实施方式中,校验模块502,还用于对经过分类处理后的各个目标商品进行品牌校验、IP校验或角色校验处理中的至少任一项校验处理,并将通过至少一种校验处理的目标商品作为待匹配商品。
具体地,在本实施方式中,对目标商品进行校验处理时,可以同时对目标商品做品牌校验、IP校验以及角色校验处理,并在该目标商品通过品牌校验、IP校验以及角色校验处理后,将该目标商品作为待匹配商品,在对该目标商品做完品牌校验、IP校验以及角色校验处理后,若其中有至少一项校验处理未通过,则都会将该目标商品过滤掉。
在另一实施方式中,在对目标商品进行校验处理时,也可以先对目标商品做品牌校验处理,在通过品牌校验处理后,继续做IP校验处理,在通过IP校验处理后,继续做角色校验处理。其中,在校验过程中,若没有通过品牌校验处理,则直接将该目标商品过滤掉,不用继续做IP校验处理以及角色校验处理;在校验过程中,若通过了品牌校验处理,没有通过IP校验处理,则也直接将该目标商品过滤掉,不用继续做角色校验处理。
本申请实施例中,通过将全部通过品牌校验、IP校验以及角色校验处理操作的目标商品才作为待匹配商品,将为通过上述校验处理操作的目标商品过滤掉,从而可以提高商品匹配时的准确率。
进一步地,在本实施方式中,在对目标商品进行校验处理时,也可以对经过分类处理后的各个目标商品进行品牌校验、IP校验、角色校验处理,并将通过两种校验处理的目标商品作为待匹配商品。
进一步地,在本实施例中,为了避免一些比较特殊的目标商品被过滤掉,在对目标商品进行校验处理时,也可以对经过分类处理后的各个目标商品进行品牌校验、IP校验、角色校验处理,并将通过品牌校验、IP校验以及角色校验处理中的一种校验处理操作的目标商品作为待匹配商品。
本实施例通过将通过至少一种校验处理的目标商品作为待匹配商品,可以避免一些目标商品被误过滤掉。
进一步地,在一实施方式中,校验模块502,还用于从一种或多种候选校验处理中选择任一项,以作为第一校验处理,并将其他候选校验处理作为第二校验处理。
具体地,所述候选校验处理可以为品牌校验、IP校验、角色校验处理等。所述候选校验处理可以根据目标商品名称进行确定,当目标商品名称中包含有品牌名称、IP名称、角色名称时,则可以将品牌校验、IP校验、角色校验处理都作为候选校验处理;当目标商品名称中包含有IP名称、角色名称,但不包含品牌名称时,则可以只将IP校验、角色校验处理作为候选校验处理;当目标商品名称中包含有品牌名称、角色名称,但不包含IP名称时,则可以只将品牌校验、角色校验处理作为候选校验处理。
本实施例中,在进行校验前,可以先从候选校验处理中选择一种校验处理作为第一校验处理,比如,候选校验处理中包含有品牌校验、IP校验、角色校验处理,则可以选择品牌检验处理作为第一校验处理,将IP校验、角色校验处理作为第二校验处理。
校验模块502,还用于对经分类处理后的各个目标商品进行所述第一校验处理,并获取第一校验结果。
具体地,在确定第一校验处理之后,即可以对目标商品进行第一校验处理操作,得到第一校验结果,在本实施例中,该第一校验结果可以为校验通过或校验不通过。
校验模块502,还用于根据所述第一校验结果,确定与所述目标商品相对应的第二校验处理的校验标准。
具体地,不同的第一校验结果,对应不同的校验标准。在示例性的实施方式中,当第一校验结果为校验不通过时,该校验标准可以为其它候选校验处理需要都通过时,该第二校验处理的结果才会为校验通过;当第一校验结果为校验通过时,该校验标准可以为其它候选校验处理只需要通过至少一项时,该第二校验处理的结果就会为校验通过。
或者,当所述第一校验结果为未获取任何待匹配商品的品牌名称或角色名称时,则可以调整所述第二校验处理的校验标准,例如,将需要满足N个条件的第二校验处理的校验标准调整为仅需要满足M(M<N)个条件的校验标准。
校验模块502,还用于根据所述第二校验处理的校验标准,对所述目标商品进行第二校验处理;以及用于将通过所述第二校验处理的目标商品作为待匹配商品。
具体地,在得到校验标准之后,即可以使用该校验标准判断该目标商品是否通过该第二校验处理,在该目标商品不符合该校验标准时,则判定该目标商品没有通过该第二校验处理,并将该目标商品过滤掉。在该目标商品符合该校验标准时,则判定该目标商品通过该第二校验处理,并将该目标商品作为待匹配商品。
本实施例采用上述方式对目标商品进行校验,可以避免一些目标商品被误过滤掉。
需要说明的是,上述实施例中所述的将商品过滤掉指的是将该目标商品不作为后续参加商品匹配流程的待匹配商品。
进一步地,在一实施方式中,所述品牌校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的品牌库中的品牌名称相匹配的品牌名称。
具体地,预先建立一个品牌库,该品牌库中包含有若干个常见品牌的名称。在对品牌进行校验时,可以将该目标商品的商品名称与品牌库中的所有品牌名称进行一一匹配,若发现该商品名称中存在与该品牌库中的某一个品牌名称相同的品牌名称,则可以判定该目标商品的商品名称中包含有与预设的品牌库中的品牌名称相匹配的品牌名称;若未发现该商品名称中存在与该品牌库中的某一个品牌名称相同的品牌名称,则可以判定该目标商品的商品名称中不包含有与预设的品牌库中的品牌名称相匹配的品牌名称。
所述IP校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的IP库中的IP名称相匹配的IP名称。
具体地,预先建立一个IP库,该IP库中包含有若干个常见IP的名称。在对IP进行校验时,可以将该目标商品的商品名称与IP库中的所有IP名称进行一一匹配,若发现该商品名称中存在与该IP库中的某一个IP名称相同的IP名称,则可以判定该目标商品的商品名称中包含有与预设的IP库中的IP名称相匹配的IP名称;若未发现该商品名称中存在与该IP库中的某一个IP名称相同的IP名称,则可以判定该目标商品的商品名称中不包含有与预设的IP库中的IP名称相匹配的IP名称。
所述角色校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的角色库中的角色名称相匹配的角色名称。
具体地,预先建立一个角色库,该角色库中包含有若干个常见角色的名称。在对角色进行校验时,可以将该目标商品的商品名称与角色库中的所有角色名称进行一一匹配,若发现该商品名称中存在与该角色库中的某一个角色名称相同的角色名称,则可以判定该目标商品的商品名称中包含有与预设的角色库中的角色名称相匹配的角色名称;若未发现该商品名称中存在与该角色库中的某一个角色名称相同的角色名称,则可以判定该目标商品的商品名称中不包含有与预设的角色库中的角色名称相匹配的角色名称。
本实施例中,通过预先建立品牌库、IP库以及角色库,从而可以方便地通过该建立的品牌库、IP库以及角色库来实现对目标商品的校验
获取模块503,用于获取当前待匹配商品,并计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值,其中,所述其它待匹配商品为所述待匹配商品中与所述当前待匹配商品同属一个类目的商品。
具体地,所述当前待匹配商品为用户需要进行商品匹配的商品,比如,用户需要上架一个xx品牌下xxIP下角色1的手办,则可以将该待上架的商品作为当前待匹配商品。在本实施例中,在获取到当前待匹配的商品时,可以采用计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的余弦相似度、矩阵相似度、字符串编辑距离等方式来得到该第一相似度值。
在一示例性的实施例中,假设当前待匹配商品a的所属的类目为景品手办,与所述当前待匹配商品同属一个类目的待匹配商品有商品A、商品B、商品C、商品D,则在计算第一相似度值时,需要分别计算商品a与商品A的第一相似度值P1、商品a与商品B的第一相似度值P2、商品a与商品C的第一相似度值P3、商品a与商品D的第一相似度值P4。
进一步地,在一实施方式中,所述商品匹配装置还包括:过滤模块以及转换模块。
所述过滤模块,用于对各个目标商品的商品名称进行过滤处理,以将所述商品名称中的预设字符过滤掉;
所述转换模块,用于对各个目标商品的商品名称进行同义词转换处理,以将所述商品名称转换为对应的通用商品名称。
具体地,由于同一商品在电商网站平台的不同店铺下的命名规则都是各有特色的,有的店铺会在商品名称前加上店铺名,有的卖家喜欢加上各种特殊符号(如★、)来修饰商品名称。因此,为了使得计算得到的第一相似度值更加准确,本实施例中,在计算第一相似度值之前,可以采用过滤器对目标商品的商品名称进行过滤处理,以将所述商品名称中的预设字符过滤掉,其中,该预设字符包括店铺名、无意义字符,该无意义字符指的是逗号、顿号、各种特殊符号(如★)等。
由于可能存在有多种同义词来表示同一个品牌或IP,比如,品牌名称“GSC”,有的命名为GOOD SMIEL COMPANY,有的命名为GOODSMILE,因此,为了使得计算得到的第一相似度值更加准确,本实施例中,在计算第一相似度值之前,还可以通过预设的同义词库将目标商品的商品名称进行同义词转换处理,以将所述商品名称转换为对应的通用商品名称,也就是说,在发现该商品名称中包含有同义词库中的词语时,则会将该名称中的相应词语转换为同义词库中的通用词语,比如,商品名称中包括词语“GSC”,而同义词库中GOOD SMIELCOMPANY、GOODSMILE、GSC对应的通用词语都为“GOODSMILE”,则在发现商品名称中包括词语“GSC”时,则会将该商品名称中的词语“GSC”转换为通用词语“GOODSMILE”,在完成该商品名称中的所有词语的同义转换后,得到的商品名称即为所述通用商品名称。
本申请实施例中,通过在计算第一相似度值之前,先通过同义词库、过滤器对商品名称进行处理,从而可以增加计算得到的第一相似度值准确度。
进一步地,在一实施方式中,获取模块503,还用于按照预设顺序对各个其它待匹配商品的商品名称中的品牌名称、IP名称、角色名称及通用名称进行排序。
具体地,在本实施例中,商品名称由品牌名称、IP名称、角色名称及通用名称组成,其中,该商品名称中除去品牌名称、IP名称、角色名称的部分,剩下的部分定义为商品的通用名称。
由于采用莱文斯坦算法计算相似度值时,该莱文斯坦算法并不会考虑同一字符串的不同顺序会影响算法计算结果,因此,为了使得计算得到的第一相似度值更加准确,在计算第一相似度值之前,需要对待匹配商品的商品名称中的品牌名称、IP名称、角色名称及通用名称按照预设顺序进行排序,比如,按照品牌名称、IP名称、角色名称及通用名称的方式进行排序,以得到经过排序后的商品名称。
获取模块503,还用于采用莱文斯坦算法计算所述当前待匹配商品的商品名称与经过排序后的各个其它待匹配商品的商品名称的第一相似度值。
莱文斯坦算法(Levenshtein算法)是一种通过计算莱文斯坦距离得到两个字符串之间的相似度的算法。其中,莱文斯坦距离又称Levenshtein距离,是编辑距离的一种,指两个字串之间,由一个转成另一个所需的最少编辑操作次数。允许的编辑操作包括将一个字符替换成另一个字符,插入一个字符,删除一个字符。
通过依次计算当前待匹配商品的商品名称与经过排序后的各个其它待匹配商品的商品名称的Levenshtein距离,来得到各个第一相似度值。
本申请实施例中,通过在计算第一相似度值时,先对商品名称按照预设顺序进行排序,然后,通过莱文斯坦算法来计算第一相似度值,从而可以使得计算得到的第一相似度值更加准确,更能够真实地反映出当前待匹配商品与其它待匹配商品的相似度。
计算模块504,用于根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值,其中,所述属性信息包括商品价格、上架时间、出荷时间、补款时间中的至少一种。
具体地,在二次元商品购物场景中,商品的属性信息,比如商品价格(包括定金价格、预售价格、全款价格)、上架时间、出荷时间(即收到供货商供货的时间)、补款时间等是影响商品匹配结果的匹配因子,因此,为了得到更加准确的相似度值,可以结合商品的属性信息与该计算得到的第一相似度值来计算得到最终的相似度值,即计算得到该当前待匹配商品与各个其它待匹配商品的第二相似度值。
在一实施方式中,计算模块504,还用于根据所述当前待匹配商品的属性信息与各个其它待匹配商品的属性信息确定不同的属性信息对应的加权值。
具体地,由于二次元商品,如手办、景品类商品在售卖时间点上也具有其独特的特点,例如,该类商品通常分为先行预定、预售、补款、现货等阶段,供货商给各卖家供货时间相差不多,因此,同一商品的上架时间、出荷时间以及开补款时间也应是接近的,且同一商品各店铺售卖价格也应相接近,所以在基于莱文斯坦算法得到商品匹配的第一相似度值后,可以再结合各时间节点、价格设置不同梯度,每一梯度进行不同加权。在一具体场景中,在对比匹配商品之间的出荷时间时,可以设置不同的加权梯度,如出荷时间差5天以内相似度值加0.5、5-10天相似度值加0.3、10-20天相似度值加0.1、20-30天相似度值不加,30天以上相似度值减0.1等,也就是说,在本实施例中,不同出荷时间差值对应有不同的加权值。在本实施方式中,对比匹配商品之间的商品价格时,也可以设置不同的价格梯度,设置方式与上述对出荷时间的设置类似,在本实施例中,不再赘述。
计算模块504,还用于将所有确定的加权值的和值作为最终的加权值,并根据所述最终的加权值与所述第一相似度值计算得到所述当前待匹配商品与各个其它待匹配商品的第二相似度值。
具体地,假设获取到出荷时间对应的加权值为0.1,上架时间对应的加权值为0.2,预售价格对应的加权值为-0.15,则该最终的加权值为0.1+0.2-0.15=0.15。
在一实施例中,在得到最终的加权值之后,可以将该最终的加权值与该第一相似度值进行相乘,得到该第一相似度值对应的修正值,然后将该修正值与该第一相似度值进行相加,得到最终的相似度值,即得到该第二相似度值,也就是说,在本实施例中,该第二相似度值的计算公式为:第二相似度值=第一相似度值*(1+最终的加权值)。
在另一实施例中,在得到最终的加权值之后,也可以直接将该最终的加权值与第一相似度值进行相乘,将得到的乘积作为第二相似度值。
本申请实施例中,通过将确定的加权值的和值作为最终的加权值,然后根据该最终的加权值与第一相似度值计算第二相似度值,可以使得计算得到的第二相似度值更加准确
选取模块505,用于选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品,其中,N为大于或者等于1的整数。
具体地,在计算得到所述当前待匹配商品与各个其它待匹配商品的第二相似度值时,按照各个第二相似度值的大小从大到小的顺序进行排列,从中找到各个第二相似度值中排在前N对应的其它待匹配商品,然后将找到的其它待匹配商品作为目标匹配商品。其中,所述N的值可以根据实际应用场景进行设定,比如该N值设定为N=9,在本申请其它实施方式中,该N的值也可以为其它值,比如N=5,在本实施例中不作限定。
本申请实施例中,通过获取一个或多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类;对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品;获取当前待匹配商品,并计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值,其中,所述其它待匹配商品为所述待匹配商品中与所述当前待匹配商品同属一个类目的商品;根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值,其中,所述属性信息包括商品价格、上架时间、出荷时间、补款时间中的至少一种;选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品,其中,N为大于或者等于1的整数。采用本申请实施例的商品匹配方法,通过首先计算当前待匹配商品的商品名称与其它待匹配商品的商品名称的第一相似度值,并结合商品的属性信息来得到当前待匹配商品与其它待匹配商品的第二相似度值,从而使得得到的第二相似度值更加能够表征出当前待匹配商品与其它待匹配商品的相似性,进而提高匹配的准确率。
进一步地,在一实施方式中,在的得到目标匹配商品之后,可以将得到的各个目标匹配商品的属性信息推送给运营人员,以便运营人员可以根据该信息来对比自营商品与其它渠道商品间的价格以及各售卖阶段时间点,从而可以为商品类目挂靠、商品定价、商品上架时间商品开补款时间提供参考。比如运营人员要上架一个xx品牌下xxIP下角色1的手办,则在通过商品匹配找到另一个商品也是xx品牌下xxIP下角色2,两个商品属于同一品牌同一IP,只是角色不同,这样我们也可以将角色2的属性信息如预售价格、定金价格、全款价格、开补款时间、预售转现货时间以及出荷时间等推送给运营人员,以方便运营人员参考相关信息来确定该上架的产品的属性信息。
在本实施例中,在得到目标匹配商品的属性信息之后,也可以直接对得到的各个目标匹配商品的属性信息进行分析,以得到所述当前待匹配商品的属性设置信息,其中,所述属性设置信息用于设置所述当前待匹配商品的属性信息。比如,获取到5个目标匹配商品的预售价格,则可以对该5个预售价格进行分析,比如,对5个目标匹配商品的预售价格求平均值,然后将得到的平均值作为该当前待匹配商品的预设价格的设置值,即作为所述当前待匹配商品的属性设置信息。
在得到该当前待匹配上的属性设置信息之后,即可以将该属性设置信息推送给运营人员,运营人员即可以直接根据该属性设置信息设置所述当前待匹配商品的属性信息。
在本申请实施例中,当采用本申请实施例中的商品匹配方法,运营人员也可以匹配到的目标商品的属性信息来分析各售卖阶段的起止时间点,当出现自营商品上架时间、开补款时间、预售转现货时间以及出荷时间等晚于其它渠道商品时能够及时分析原因,若自营商品未及时上架还能够提供上架提醒信息,保证会员购商品的及时有效性。
图7示意性示出了根据本申请实施例的适于实现商品匹配方法的计算机设备2的硬件架构示意图。本实施例中,计算机设备2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。例如,可以是平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者一个或多个服务器所组成的服务器集群)等。如图7所示,计算机设备2至少包括但不限于:可通过系统总线相互通信链接存储器601、处理器602、网络接口603。其中:
存储器601至少包括一种类型的计算机可读存储介质,可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器601可以是计算机设备2的内部存储模块,例如该计算机设备2的硬盘或内存。在另一些实施例中,存储器601也可以是计算机设备2的外部存储设备,例如该计算机设备2上配备的插接式硬盘,智能存储卡(SmartMedia Card,简称为SMC),安全数字(Secure Digital,简称为SD)卡,闪存卡(Flash Card)等。当然,存储器601还可以既包括计算机设备2的内部存储模块也包括其外部存储设备。本实施例中,存储器601通常用于存储安装于计算机设备2的操作系统和各类应用软件,例如商品匹配方法的程序代码等。此外,存储器601还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器602在一些实施例中可以是中央处理器(Central Processing Unit,简称为CPU)、控制器、微控制器、微处理器、或其它数据处理芯片。该处理器602通常用于控制计算机设备2的总体操作,例如执行与计算机设备2进行数据交互或者通信相关的控制和处理等。本实施例中,处理器602用于运行存储器601中存储的程序代码或者处理数据。
网络接口603可包括无线网络接口或有线网络接口,该网络接口603通常用于在计算机设备2与其它计算机设备之间建立通信链接。例如,网络接口603用于通过网络将计算机设备2与外部终端相连,在计算机设备2与外部终端之间的建立数据传输通道和通信链接等。网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(GlobalSystem of Mobile communication,简称为GSM)、宽带码分多址(Wideband Code DivisionMultiple Access,简称为WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是,图7仅示出了具有部件601~603的计算机设备,但是应理解的是,并不要求实施所有示出的部件,可以替代的实施更多或者更少的部件。
在本实施例中,存储于存储器601中的商品匹配方法还可以被分割为一个或者一个或多个程序模块,并由一个或多个处理器(本实施例为处理器602)所执行,以完成本申请。
本申请实施例提供了一种非易失性计算机可读存储介质,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实施例中的商品匹配方法的步骤。
本实施例中,计算机可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,计算机可读存储介质可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,计算机可读存储介质也可以是计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,简称为SMC),安全数字(Secure Digital,简称为SD)卡,闪存卡(Flash Card)等。当然,计算机可读存储介质还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,计算机可读存储介质通常用于存储安装于计算机设备的操作系统和各类应用软件,例如实施例中的商品匹配方法的程序代码等。此外,计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的各类数据。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到至少两个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。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,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (11)
1.一种商品匹配方法,其特征在于,包括:
获取一个或多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类;
对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品;
获取当前待匹配商品,并计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值,其中,所述其它待匹配商品为所述待匹配商品中与所述当前待匹配商品同属一个类目的商品;
根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值;
选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品,其中,N为大于或者等于1的整数。
2.根据权利要求1所述的商品匹配方法,其特征在于,所述商品匹配方法还包括:
根据所述目标匹配商品的属性信息,提供所述当前待匹配商品的属性设置信息。
3.根据权利要求1所述的商品匹配方法,其特征在于,所述对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品包括:
对经过分类处理后的各个目标商品进行品牌校验、IP校验或角色校验处理中的至少任一项校验处理,并将通过至少一种校验处理的目标商品作为待匹配商品。
4.根据权利要求1所述的商品匹配方法,其特征在于,所述对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品包括:
从一种或多种候选校验处理中选择任一项,以作为第一校验处理,并将其他候选校验处理作为第二校验处理;
对经分类处理后的各个目标商品进行所述第一校验处理,并获取第一校验结果;
根据所述第一校验结果,确定与所述目标商品相对应的第二校验处理的校验标准;
根据所述第二校验处理的校验标准,对所述目标商品进行第二校验处理;
将通过所述第二校验处理的目标商品作为待匹配商品。
5.根据权利要求3所述的商品匹配方法,其特征在于,所述品牌校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的品牌库中的品牌名称相匹配的品牌名称;
所述IP校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的IP库中的IP名称相匹配的IP名称;
所述角色校验处理包括:判断所述目标商品的商品名称中是否包含有与预设的角色库中的角色名称相匹配的角色名称。
6.根据权利要求1所述的商品匹配方法,其特征在于,所述商品匹配方法还包括:
对各个目标商品的商品名称进行过滤处理,以将所述商品名称中的预设字符过滤掉;及/或
对各个目标商品的商品名称进行同义词转换处理,以将所述商品名称转换为对应的通用商品名称。
7.根据权利要求6所述的商品匹配方法,其特征在于,所述商品名称由品牌名称、IP名称、角色名称及通用名称组成,所述计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值包括:
按照预设顺序对各个其它待匹配商品的商品名称中的品牌名称、IP名称、角色名称及通用名称进行排序;
采用莱文斯坦算法计算所述当前待匹配商品的商品名称与经过排序后的各个其它待匹配商品的商品名称的第一相似度值。
8.根据权利要求1所述的商品匹配方法,其特征在于,所述属性信息包括商品价格、上架时间、出荷时间、补款时间中的至少一种,所述根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值包括:
根据所述当前待匹配商品的属性信息与各个其它待匹配商品的属性信息确定不同的属性信息对应的加权值;
将所有确定的加权值的和值作为最终的加权值,并根据所述最终的加权值与所述第一相似度值计算得到所述当前待匹配商品与各个其它待匹配商品的第二相似度值。
9.一种商品匹配装置,其特征在于,包括:
分类模块,用于获取一个或多个目标商品的商品名称,并根据各个目标商品的商品名称中的类目信息对各个目标商品进行分类;
校验模块,用于对经过分类处理后的各个目标商品进行校验处理,并将通过校验处理的目标商品作为待匹配商品;
获取模块,用于获取当前待匹配商品,并计算所述当前待匹配商品的商品名称与各个其它待匹配商品的商品名称的第一相似度值,其中,所述其它待匹配商品为所述待匹配商品中与所述当前待匹配商品同属一个类目的商品;
计算模块,用于根据所述当前待匹配商品的属性信息、各个其它待匹配商品的属性信息、所述第一相似度值计算所述当前待匹配商品与各个其它待匹配商品的第二相似度值,其中,所述属性信息包括商品价格、上架时间、出荷时间、补款时间中的至少一种;
选取模块,用于选取第二相似度值排在前N位所对应的其它待匹配商品作为目标匹配商品,其中,N为大于或者等于1的整数。
10.一种计算机设备,所述计算机设备,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权利要求1至8任一项所述的商品匹配方法的步骤。
11.一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8任一项所述的商品匹配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398883.1A CN112418969B (zh) | 2020-05-12 | 2020-05-12 | 商品匹配方法、装置、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398883.1A CN112418969B (zh) | 2020-05-12 | 2020-05-12 | 商品匹配方法、装置、计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112418969A true CN112418969A (zh) | 2021-02-26 |
CN112418969B CN112418969B (zh) | 2023-07-04 |
Family
ID=74844061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010398883.1A Active CN112418969B (zh) | 2020-05-12 | 2020-05-12 | 商品匹配方法、装置、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112418969B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113947456A (zh) * | 2021-10-19 | 2022-01-18 | 广州华多网络科技有限公司 | 线上商铺匹配方法及其装置、设备、介质、产品 |
CN115545808A (zh) * | 2022-12-02 | 2022-12-30 | 广州数说故事信息科技有限公司 | 电商商品的数据对齐方法、装置和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599160A (zh) * | 2015-02-06 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 商品推荐方法和装置 |
CN106815347A (zh) * | 2017-01-13 | 2017-06-09 | 沈阳工学院 | 基于商品相似度的改进slope one协同过滤推荐算法 |
CN110570287A (zh) * | 2019-09-27 | 2019-12-13 | 网易(杭州)网络有限公司 | 虚拟商品的推荐方法、装置、系统及服务器 |
-
2020
- 2020-05-12 CN CN202010398883.1A patent/CN112418969B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599160A (zh) * | 2015-02-06 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 商品推荐方法和装置 |
CN106815347A (zh) * | 2017-01-13 | 2017-06-09 | 沈阳工学院 | 基于商品相似度的改进slope one协同过滤推荐算法 |
CN110570287A (zh) * | 2019-09-27 | 2019-12-13 | 网易(杭州)网络有限公司 | 虚拟商品的推荐方法、装置、系统及服务器 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113947456A (zh) * | 2021-10-19 | 2022-01-18 | 广州华多网络科技有限公司 | 线上商铺匹配方法及其装置、设备、介质、产品 |
CN115545808A (zh) * | 2022-12-02 | 2022-12-30 | 广州数说故事信息科技有限公司 | 电商商品的数据对齐方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112418969B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9846885B1 (en) | Method and system for comparing commercial entities based on purchase patterns | |
US20140244416A1 (en) | Method and system to facilitate the addition of items to an electronic item catalog | |
US9043232B1 (en) | Associating item images with item catalog data | |
CN112214508B (zh) | 数据处理方法及装置 | |
CN112418969B (zh) | 商品匹配方法、装置、计算机设备 | |
CN112241495A (zh) | 页面更新方法 | |
CN110929764A (zh) | 图片审核方法和装置,电子设备及存储介质 | |
CN112199451A (zh) | 商品识别方法、装置、计算机设备及存储介质 | |
CN113590679A (zh) | 基于互联网金融的聚类分析方法以及大数据分析服务器 | |
WO2016086803A1 (zh) | 获取商品到货时间的方法和装置 | |
WO2013122205A1 (ja) | 辞書生成装置、辞書生成方法、辞書生成プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 | |
CN111680213B (zh) | 信息推荐方法、数据处理方法及装置 | |
CN113674040A (zh) | 车辆的报价方法、计算机设备和计算机可读存储介质 | |
KR101637986B1 (ko) | 최적 상품 제공 시스템 및 그 방법 | |
CN108734366B (zh) | 用户识别方法及其系统、非易失性存储介质和计算机系统 | |
CN107977876B (zh) | 用于处理订单信息的方法及装置 | |
JP6489340B1 (ja) | 比較対象企業選定システム | |
US20120109783A1 (en) | Product information search | |
CN109978675B (zh) | 一种税务监控方法和装置 | |
CN114219589B (zh) | 虚拟实体对象的生成和页面显示方法、装置和电子设备 | |
KR102484378B1 (ko) | 신뢰도 기반의 기계 견적 의뢰 처리 시스템 및 그 방법 | |
KR20210041393A (ko) | 소비자 데이터 기반의 쇼핑 인터페이스 제공 방법 및 그 장치 | |
CN111639274A (zh) | 线上商品智能排序方法、装置、计算机设备和存储介质 | |
US20220261666A1 (en) | Leveraging big data, statistical computation and artificial intelligence to determine a likelihood of object renunciation prior to a resource event | |
US20140214695A1 (en) | System and method to valuate intangible asset |
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 |