CN112667770A - 一种对物品进行分类的方法和装置 - Google Patents

Abstract

本发明公开了一种对物品进行分类的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度；根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，并对所述多个簇分别标记标签；对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。该实施方式能够解决对物品的分类不准确的技术问题。

Description

一种对物品进行分类的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种对物品进行分类的方法和装置。

背景技术

目前，主要采用以下方法对物品进行分类(即功能定位)：

1)基于物品所属类目进行分类

比如“手机”、“瑞表”、“国表”及“汽车附件”等，可以基于管理类目对物品进行分类，以定位物品的功能。

2)基于物品描述中的物品词进行分类

为了让用户更好地了解物品，往往会对物品进行比较详细的描述，比如“卫浴台上盆aP43007面盆台盆陶瓷艺术盆卫生间洗手洗脸盆浴室柜盆aP43007全套含龙头”，应用自然语言处理技术提取其中的核心物品词：[“台上盆”，“浴室柜盆”，“艺术盆”]，用以上物品词对物品进行分类，以定位物品的功能。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1)基于物品所属类目进行分类：

类目覆盖范围过大，导致部分应该推荐展示的物品被误过滤。比如某用户购买一款汽车车垫的商品，所属类别为“汽车附件”，那么再次曝光周期内所有“汽车附件”中的物品(包括“汽车后视镜”、“汽车坐垫清洁剂”等)都进行过滤是不合理的。

类目覆盖范围过小，导致推荐展示部分不应该展示的物品，比如某用户购买了一款“国表”，再次曝光周期内如果再推送展现大量的“瑞表”，不仅浪费了流量，而且会给用户带来不好的用户体验。

2)基于物品描述中的物品词进行分类：

物品词覆盖的范围往往很有限，而归在同一类中的物品存在很多种物品词。比如某用户购买了一款“浴室柜盆”，根据物品词“浴室柜盆”并不能过滤掉“柜盆”、“三孔盆”等具有相同功能的物品。

因此，上述两种分类方法存在过粗或者过细的问题，导致对物品的分类不准确。

发明内容

有鉴于此，本发明实施例提供一种对物品进行分类的方法和装置，以解决对物品的分类不准确的技术问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种对物品进行分类的方法，包括：

根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度；

根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，并对所述多个簇分别标记标签；

对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。

可选地，根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度，包括：

根据用户的搜索点击行为数据，分别确定各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系；

根据各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，分别计算两两物品词之间的相似度。

可选地，根据各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，分别计算两两物品词之间的相似度，包括：

采用以下方法计算两两物品词之间的相似度：

根据第一物品词在各个搜索点击行为数据中出现的次数、第二物品词在各个搜索点击行为数据中出现的次数、第一物品词在所有搜索点击行为数据中出现的次数之和、第二物品词在所有搜索点击行为数据中出现的次数之和、以及各个搜索点击行为数据中出现的物品词的个数，得到第一系数；

将同时出现第一物品词和第二物品词的搜索点击行为数据的个数与至少出现第一物品词和第二物品词中一个的搜索点击行为数据个数相除，得到第二系数；

将所述第一系数与所述第二系数的乘积作为所述第一物品词与所述第二物品词的相似度。

可选地，采用以下公式计算两两物品词之间的相似度：

其中，pw1_freq_i表示物品词pw1在第i个搜索点击行为数据中出现的次数；pw2_freq_i表示物品词pw2在第i个搜索点击行为数据中出现的次数；pw1_freq表示物品词pw1在所有搜索点击行为数据中出现的次数之和；pw2_freq表示物品词pw2在所有搜索点击行为数据中出现的次数之和；click_skus_len_i表示第i个搜索点击行为数据中出现的物品词的个数；intersect_num表示同时出现物品词pw1和物品词pw2的搜索点击行为数据的个数；union_num表示至少出现物品词pw1和物品词pw2其中一个的搜索点击行为数据的个数。

可选地，根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，包括：

根据所述各个物品词之间的相似度，构建带权无向图；

采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇。

可选地，采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇，包括：

采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇；

若任意一个簇的大小大于数量阈值，则根据该簇所包含的各个物品之间的相似度，生成带权无向子图，并采用马尔可夫聚类算法对所述带权无向子图进行聚类，再次得到多个簇；

直到所有簇的大小均小于等于数量阈值。

可选地，在采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇之后，还包括：

根据两两簇所包含的物品之间的相似度，计算两两簇之间的相似度；

若两两簇之间的相似度大于相似度阈值，则将这两个簇合并为一个簇。

可选地，根据两两簇所包含的物品之间的相似度，计算两两簇之间的相似度，包括：

以第一簇所包含的物品数量和第二簇所包含的物品数量之和作为分母，以第一簇所包含的物品与第二簇所包含的物品之间的相似度之和作为分子，计算得到的商作为两两簇之间的相似度。

另外，根据本发明实施例的另一个方面，提供了一种对物品进行分类的装置，包括：

计算模块，用于根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度；

聚类模块，用于根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，并对所述多个簇分别标记标签；

映射模块，用于对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。

可选地，所述计算模块还用于：

根据用户的搜索点击行为数据，分别确定各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系；

根据各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，分别计算两两物品词之间的相似度。

可选地，所述计算模块还用于：采用以下方法计算两两物品词之间的相似度：

根据第一物品词在各个搜索点击行为数据中出现的次数、第二物品词在各个搜索点击行为数据中出现的次数、第一物品词在所有搜索点击行为数据中出现的次数之和、第二物品词在所有搜索点击行为数据中出现的次数之和、以及各个搜索点击行为数据中出现的物品词的个数，得到第一系数；

将同时出现第一物品词和第二物品词的搜索点击行为数据的个数与至少出现第一物品词和第二物品词中一个的搜索点击行为数据个数相除，得到第二系数；

将所述第一系数与所述第二系数的乘积作为所述第一物品词与所述第二物品词的相似度。

可选地，所述计算模块还用于：采用以下公式计算两两物品词之间的相似度：

其中，pw1_freq_i表示物品词pw1在第i个搜索点击行为数据中出现的次数；pw2_freq_i表示物品词pw2在第i个搜索点击行为数据中出现的次数；pw1_freq表示物品词pw1在所有搜索点击行为数据中出现的次数之和；pw2_freq表示物品词pw2在所有搜索点击行为数据中出现的次数之和；click_skus_len_i表示第i个搜索点击行为数据中出现的物品词的个数；intersect_num表示同时出现物品词pw1和物品词pw2的搜索点击行为数据的个数；union_num表示至少出现物品词pw1和物品词pw2其中一个的搜索点击行为数据的个数。

可选地，所述聚类模块还用于：

根据所述各个物品词之间的相似度，构建带权无向图；

采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇。

可选地，所述聚类模块还用于：

采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇；

若任意一个簇的大小大于数量阈值，则根据该簇所包含的各个物品之间的相似度，生成带权无向子图，并采用马尔可夫聚类算法对所述带权无向子图进行聚类，再次得到多个簇；

直到所有簇的大小均小于等于数量阈值。

可选地，所述聚类模块还用于：

在采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇之后，根据两两簇所包含的物品之间的相似度，计算两两簇之间的相似度；

若两两簇之间的相似度大于相似度阈值，则将这两个簇合并为一个簇。

可选地，所述聚类模块还用于：

以第一簇所包含的物品数量和第二簇所包含的物品数量之和作为分母，以第一簇所包含的物品与第二簇所包含的物品之间的相似度之和作为分子，计算得到的商作为两两簇之间的相似度。

根据本发明实施例的另一个方面，还提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。

根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。

上述发明中的一个实施例具有如下优点或有益效果：因为根据各个物品词之间的相似度对物品词进行聚类，从而根据目标物品词所属的簇对目标物品进行分类的技术手段，所以克服了现有技术中对物品的分类不准确的技术问题。本发明实施例通过各个物品词之间的相似度对物品词进行聚类，形成介于“类目”和“物品词”之间的簇，然后根据目标物品词所属的簇对目标物品进行映射，从而精确地对物品进行分类，避免分类过粗或者过细。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的对物品进行分类的方法的主要流程的示意图；

图2是根据本发明一个可参考实施例的对物品进行分类的方法的主要流程的示意图；

图3是根据本发明另一个可参考实施例的对物品进行分类的方法的主要流程的示意图；

图4是根据本发明实施例的对物品进行分类的装置的主要模块的示意图；

图5是本发明实施例可以应用于其中的示例性系统架构图；

图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的对物品进行分类的方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述对物品进行分类的方法可以包括：

步骤101，根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度。

在该步骤中，需要统计过去一段时间内用户的搜索点击行为数据，并基于这些搜索点击行为数据计算任意两个物品词之间的相似度。可选地，可以通过自然语言处理技术从物品描述中提取出物品词(即关键词)。

在本发明的实施例中，单次搜索请求对应于一条搜索点击行为数据(即一个样本数据)，举例来说，如果某用户输入的搜索词为“水果”，返回的搜索结果包括“丑橘、砂糖橘、梨、香蕉、苹果、西瓜、提子”等，若用户点击了“丑橘”、“西瓜”、“砂糖橘”、“西瓜”。那么，这一系列操作所产生的数据即为一条搜索点击行为数据，“丑橘”和“西瓜”即为在这条搜索点击行为数据中出现的物品词。也就说是，每一个搜索请求对应的所有点击行为形成一个样本数据。

可选地，根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度，包括：根据用户的搜索点击行为数据，分别确定各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系；根据各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，分别计算两两物品词之间的相似度。本发明实施例基于用户的搜索点击行为数据，分析各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，从而计算两两物品词之间的相似度。

在本发明的实施例中，两两物品词在搜索点击行为数据中出现的共现关系是指两个物品词在某一个搜索点击行为数据中同时出现的关系。可选地，根据各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，分别计算两两物品词之间的相似度，包括：

采用以下方法计算两两物品词之间的相似度：

根据第一物品词在各个搜索点击行为数据中出现的次数、第二物品词在各个搜索点击行为数据中出现的次数、第一物品词在所有搜索点击行为数据中出现的次数之和、第二物品词在所有搜索点击行为数据中出现的次数之和、以及各个搜索点击行为数据中出现的物品词的个数，得到第一系数；

将同时出现第一物品词和第二物品词的搜索点击行为数据的个数与至少出现第一物品词和第二物品词中一个的搜索点击行为数据个数相除，得到第二系数；

将所述第一系数与所述第二系数的乘积作为所述第一物品词与所述第二物品词的相似度。

可选地，可以采用以下公式计算两两物品词之间的相似度：

其中，pw1_freq_i表示物品词pw1在第i个搜索点击行为数据中出现的次数；pw2_freq_i表示物品词pw2在第i个搜索点击行为数据中出现的次数；pw1_freq表示物品词pw1在所有搜索点击行为数据中出现的次数之和；pw2_freq表示物品词pw2在所有搜索点击行为数据中出现的次数之和；click_skus_len_i表示第i个搜索点击行为数据中出现的物品词的个数；intersect_num表示同时出现物品词pw1和物品词pw2的搜索点击行为数据的个数；union_num表示至少出现物品词pw1和物品词pw2其中一个的搜索点击行为数据的个数。

举例来说，如果某用户输入的搜索词为“水果”，返回的搜索结果包括“丑橘、砂糖橘、梨、香蕉、苹果、西瓜、提子”等，若用户点击了“丑橘”、“西瓜”、“砂糖橘”、“西瓜”。假设pw1＝西瓜，那么pw1_freq_i＝2，假设pw2＝丑橘，那么pw1_freq_i＝1。

步骤102，根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，并对所述多个簇分别标记标签。

在该步骤中，基于步骤101得到的两两物品词之间的相似度，对各个物品词进行聚类，从而将描述相同功能的物品词分到同一个簇中。在聚类结束后，可以对各个簇标记标签，也就是对簇进行命名。

比如：某一簇包含的物品词有“香梨、秋月梨、砀山梨、阿根廷帕克梨”，可以将该簇标记为“梨”。又比如，某一个簇包含的物品词有：“苹果，蛇果，红富士，黄元帅”，可以将该簇标记为“苹果”。需要指出的是，对簇标记标签是为了后续便于描述和映射，仅仅是起到命名的作用，本领域技术人员可以根据实际需要标记其他标签，比如“1、2、3、4、5”，“类目一、类目二、类目三”，“水果一、水果二、水果三”等，本发明实施例对此不作限制。

可选地，在步骤102中，根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，包括：根据所述各个物品词之间的相似度，构建带权无向图；采用马尔可夫聚类算法(Markov Chain Cluster Structure，简称MCL)对所述带权无向图进行聚类，得到多个簇。采用马尔可夫聚类算法进行聚类，以准确地对物品词进行分类，从而提高物品分类的准确性。

采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇，包括：采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇；若任意一个簇的大小大于数量阈值，则根据该簇所包含的各个物品之间的相似度，生成带权无向子图，并采用马尔可夫聚类算法对所述带权无向子图进行聚类，再次得到多个簇；直到所有簇的大小均小于等于数量阈值。

可以预先设定簇的最大值M(即数量阈值为M)，针对大于M的簇，构建该簇的带权无向子图，并采用马尔可夫聚类算法对所述带权无向子图进行聚类，再次得到多个簇。也就是说，针对大于M的簇，重复执行构建带权无向图和聚类的步骤，直到所有簇的大小均小于M，避免产生超大聚类结果。因此，通过步骤102得到的簇即为本发明实施例提供的分类方法的粒度，该粒度既不会过粗，也不会过细，能够准确地划分物品词。

有的时候，还需要聚类结果进行修正，因此在采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇之后，还可以包括：根据两两簇所包含的物品之间的相似度，计算两两簇之间的相似度；若两两簇之间的相似度大于相似度阈值，则将这两个簇合并为一个簇。以避免相似度高的物品词被分在两个簇中。同样，如果某一个簇内各个物品词之间的相似度过小，则可以将这个簇进行拆分(即再次执行构建带权无向图和聚类的步骤)，以提高分类的准确性。

需要指出的是，除了通过计算相似度这种方式之外，也可以通过人工校验的方式来判断是否需要进行簇合并或者簇拆分。

步骤103，对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。

需要指出的是，目标物品词可能有多个，而这多个目标物品词可能属于一个簇或者不同的簇，则目标物品会映射到一个簇或者多个簇上。如果从某一个目标物品的物品描述中提取出多个目标物品词，并且这多个目标物品词分别属于不同的簇，则将目标物品映射到多个簇上。

举例来说，从某一个目标物品的物品描述中提取出物品词“香梨、酥梨、梨子”，由于“香梨、酥梨、梨子”均属于簇“梨”，则将该目标物品映射到簇“梨”上，从而实现对目标物品的准确分类。

根据上面所述的各种实施例，可以看出本发明通过根据各个物品词之间的相似度对物品词进行聚类，从而根据目标物品词所属的簇对目标物品进行分类的技术手段，从而解决了现有技术中对物品的分类不准确的技术问题。本发明实施例通过各个物品词之间的相似度对物品词进行聚类，形成介于“类目”和“物品词”之间的簇(即粒度)，然后根据目标物品词所属的簇对目标物品进行映射，从而精确地对物品进行分类，避免分类过粗或者过细。

图2是根据本发明一个可参考实施例的对物品进行分类的方法的主要流程的示意图。

步骤201，按照一定百分比，提取过去一段时间内用户的搜索点击行为数据。

获取过去一段时间内(比如一年、半年、三个月、一个月、一周等)用户的搜索点击行为数据。为了保证数据均匀分布，可以按一定百分比提取搜索点击行为数据，比如按照10％每个月提取依次，按照20％每周提取依次，按照25％每天提取依次等等，本发明实施例对此不作限制。

步骤202，对提取到的搜索点击行为数据进行清洗。

包括但不限于对以下搜索点击行为数据进行过滤：无物品词的搜索点击行为数据、只出现一个物品词的搜索点击行为数据，搜索内容为空的搜索点击行为数据；另外，还要将搜索点击行为数据中出现的粗粒度物品词(比如水果、生鲜、电子物品)过滤掉，避免产生超大聚类结果。

可选地，可以预先基于搜索点击行为数据构建带权无向图，找出一批度比较高的物品词(即节点)，然后进行人工校验，以确保准确性。因此，可以将这些度比较高的物品词作为粗粒度物品词，对搜索点击行为数据进行过滤。在构建带权无向图的过程中，比如“水果”、“生鲜”等粗粒度物品词往往会与苹果、芒果、橘子、香蕉、梨等物品词有较强的相似度，如果将粗粒度物品词参与聚类，会导致苹果、芒果、橘子、香蕉、梨等物品词聚到一个簇中，形成一个超级大的簇，这会严重影响聚类结果的准确性。通过过滤掉粗粒度物品词可以有效避免这种问题，有助于提高聚类精度，从而提高分类的精准性。

步骤203，根据清洗后的搜索点击行为数据，计算所述搜索点击行为数据中两两物品词之间的相似度。

具体地，根据清洗后的搜索点击行为数据，分别确定各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系；根据各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，分别计算两两物品词之间的相似度。

步骤204，根据所述两两物品词之间的相似度，构建带权无向图，并采用马尔可夫聚类算法，对所述带权无向图进行聚类，得到多个簇。

可以预先设定簇的最大值M，针对大于M的簇，构建该簇的带权无向子图，并采用马尔可夫聚类算法对所述带权无向子图进行聚类，再次得到多个簇；直到所有簇的大小均小于M，避免产生超大聚类结果。

步骤205，对所述多个簇分别标记标签。

步骤206，对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。

另外，在本发明一个可参考实施例中对物品进行分类的方法的具体实施内容，在上面所述对物品进行分类的方法中已经详细说明了，故在此重复内容不再说明。

图3是根据本发明另一个可参考实施例的对物品进行分类的方法的主要流程的示意图。

步骤301，根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度。

步骤302，根据所述各个物品词之间的相似度，构建带权无向图，并采用马尔可夫聚类算法，对所述带权无向图进行聚类，得到多个簇。

步骤303，根据两两簇所包含的物品之间的相似度，计算两两簇之间的相似度。

可选地，以第一簇所包含的物品数量和第二簇所包含的物品数量之和作为分母，以第一簇所包含的物品与第二簇所包含的物品之间的相似度之和作为分子，计算得到的商作为两两簇之间的相似度。

例如，可以采用如下公式计算两两簇之间的相似度：

其中，m表示簇rbcid₁的大小；n表示簇rbcid₂的大小；sim(pw_i，pw_j)表示簇rbcid₁中的物品词pw_i与簇rbcid₂中的物品词pw_j之间的相似度。

步骤304，判断两两簇之间的相似度是否大于相似度阈值；若是，则执行步骤305；若否，则执行步骤308。

步骤305，将这两个簇合并为一个簇。

如果两个簇之间的相似度过高，说明相似度高的物品词被分在两个簇中，因此需要将这两个簇合并为一个簇，以避免相似度高的物品词被分在两个簇中。

步骤306，计算各个簇内各个物品词之间的相似度。

步骤307，判断簇内各个物品词之间的相似度是否小于簇内相似度阈值；若是，则执行步骤302；若否，则执行步骤308。

如果某一个簇内各个物品词之间的相似度过小，则可以将这个簇进行拆分(即再次执行步骤302)。

步骤308，对所述多个簇分别标记标签。

步骤309，对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。

需要指出的是，簇合并和簇拆分的步骤可以同时执行，也可以先后执行，而且可以先执行簇合并再执行簇拆分，还可以先执行簇拆分再执行簇合并。上述实施例示例性地示出了先执行簇合并再执行簇拆分的实施例。

另外，在本发明另一个可参考实施例中对物品进行分类的方法的具体实施内容，在上面所述对物品进行分类的方法中已经详细说明了，故在此重复内容不再说明。

图4是根据本发明实施例的对物品进行分类的装置的主要模块的示意图，如图4所示，所述对物品进行分类的装置400包括计算模块401、聚类模块402和映射模块403。其中，计算模块401用于根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度；聚类模块402用于根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，并对所述多个簇分别标记标签；映射模块403用于对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。

可选地，所述计算模块401还用于：

根据用户的搜索点击行为数据，分别确定各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系；

根据各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，分别计算两两物品词之间的相似度。

可选地，所述计算模块401还用于：采用以下方法计算两两物品词之间的相似度：

根据第一物品词在各个搜索点击行为数据中出现的次数、第二物品词在各个搜索点击行为数据中出现的次数、第一物品词在所有搜索点击行为数据中出现的次数之和、第二物品词在所有搜索点击行为数据中出现的次数之和、以及各个搜索点击行为数据中出现的物品词的个数，得到第一系数；

将同时出现第一物品词和第二物品词的搜索点击行为数据的个数与至少出现第一物品词和第二物品词中一个的搜索点击行为数据个数相除，得到第二系数；

将所述第一系数与所述第二系数的乘积作为所述第一物品词与所述第二物品词的相似度。

可选地，所述计算模块401还用于：采用以下公式计算两两物品词之间的相似度：

其中，pw1_freq_i表示物品词pw1在第i个搜索点击行为数据中出现的次数；pw2_freq_i表示物品词pw2在第i个搜索点击行为数据中出现的次数；pw1_freq表示物品词pw1在所有搜索点击行为数据中出现的次数之和；pw2_freq表示物品词pw2在所有搜索点击行为数据中出现的次数之和；click_skus_len_i表示第i个搜索点击行为数据中出现的物品词的个数；intersect_num表示同时出现物品词pw1和物品词pw2的搜索点击行为数据的个数；union_num表示至少出现物品词pw1和物品词pw2其中一个的搜索点击行为数据的个数。

可选地，所述聚类模块402还用于：

根据所述各个物品词之间的相似度，构建带权无向图；

采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇。

可选地，所述聚类模块402还用于：

采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇；

若任意一个簇的大小大于数量阈值，则根据该簇所包含的各个物品之间的相似度，生成带权无向子图，并采用马尔可夫聚类算法对所述带权无向子图进行聚类，再次得到多个簇；

直到所有簇的大小均小于等于数量阈值。

可选地，所述聚类模块402还用于：

在采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇之后，根据两两簇所包含的物品之间的相似度，计算两两簇之间的相似度；

若两两簇之间的相似度大于相似度阈值，则将这两个簇合并为一个簇。

可选地，所述聚类模块402还用于：

以第一簇所包含的物品数量和第二簇所包含的物品数量之和作为分母，以第一簇所包含的物品与第二簇所包含的物品之间的相似度之和作为分子，计算得到的商作为两两簇之间的相似度。

根据上面所述的各种实施例，可以看出本发明通过根据各个物品词之间的相似度对物品词进行聚类，从而根据目标物品词所属的簇对目标物品进行分类的技术手段，从而解决了现有技术中对物品的分类不准确的技术问题。本发明实施例通过各个物品词之间的相似度对物品词进行聚类，形成介于“类目”和“物品词”之间的簇，然后根据目标物品词所属的簇对目标物品进行映射，从而精确地对物品进行分类，避免分类过粗或者过细。

需要说明的是，在本发明所述对物品进行分类的装置的具体实施内容，在上面所述对物品进行分类的方法中已经详细说明了，故在此重复内容不再说明。

图5示出了可以应用本发明实施例的对物品进行分类的方法或对物品进行分类的装置的示例性系统架构500。

如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备501、502、503通过网络504与服务器504交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的对物品进行分类的方法一般由服务器505执行，相应地，所述对物品进行分类的装置一般设置在服务器505中。本发明实施例所提供的对物品进行分类的方法也可以由终端设备501、502、503执行，相应地，所述对物品进行分类的装置可以设置在终端设备501、502、503中。

应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序物品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序物品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括计算模块、聚类模块和映射模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度；根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，并对所述多个簇分别标记标签；对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。

根据本发明实施例的技术方案，因为根据各个物品词之间的相似度对物品词进行聚类，从而根据目标物品词所属的簇对目标物品进行分类的技术手段，所以克服了现有技术中对物品的分类不准确的技术问题。本发明实施例通过各个物品词之间的相似度对物品词进行聚类，形成介于“类目”和“物品词”之间的簇，然后根据目标物品词所属的簇对目标物品进行映射，从而精确地对物品进行分类，避免分类过粗或者过细。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种对物品进行分类的方法，其特征在于，包括：

根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度；

根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，并对所述多个簇分别标记标签；

对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。

2.根据权利要求1所述的方法，其特征在于，根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度，包括：

根据用户的搜索点击行为数据，分别确定各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系；

根据各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，分别计算两两物品词之间的相似度。

3.根据权利要求2所述的方法，其特征在于，根据各个物品词的词频以及两两物品词在搜索点击行为数据中出现的共现关系，分别计算两两物品词之间的相似度，包括：

采用以下方法计算两两物品词之间的相似度：

根据第一物品词在各个搜索点击行为数据中出现的次数、第二物品词在各个搜索点击行为数据中出现的次数、第一物品词在所有搜索点击行为数据中出现的次数之和、第二物品词在所有搜索点击行为数据中出现的次数之和、以及各个搜索点击行为数据中出现的物品词的个数，得到第一系数；

将同时出现第一物品词和第二物品词的搜索点击行为数据的个数与至少出现第一物品词和第二物品词中一个的搜索点击行为数据个数相除，得到第二系数；

将所述第一系数与所述第二系数的乘积作为所述第一物品词与所述第二物品词的相似度。

4.根据权利要求1所述的方法，其特征在于，根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，包括：

根据所述各个物品词之间的相似度，构建带权无向图；

采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇。

5.根据权利要求4所述的方法，其特征在于，采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇，包括：

采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇；

若任意一个簇的大小大于数量阈值，则根据该簇所包含的各个物品之间的相似度，生成带权无向子图，并采用马尔可夫聚类算法对所述带权无向子图进行聚类，再次得到多个簇；

直到所有簇的大小均小于等于数量阈值。

6.根据权利要求4所述的方法，其特征在于，在采用马尔可夫聚类算法对所述带权无向图进行聚类，得到多个簇之后，还包括：

根据两两簇所包含的物品之间的相似度，计算两两簇之间的相似度；

若两两簇之间的相似度大于相似度阈值，则将这两个簇合并为一个簇。

7.根据权利要求6所述的方法，其特征在于，根据两两簇所包含的物品之间的相似度，计算两两簇之间的相似度，包括：

以第一簇所包含的物品数量和第二簇所包含的物品数量之和作为分母，以第一簇所包含的物品与第二簇所包含的物品之间的相似度之和作为分子，计算得到的商作为两两簇之间的相似度。

8.一种对物品进行分类的装置，其特征在于，包括：

计算模块，用于根据用户的搜索点击行为数据，计算所述搜索点击行为数据中各个物品词之间的相似度；

聚类模块，用于根据所述各个物品词之间的相似度，对所述各个物品词进行聚类，得到多个簇，并对所述多个簇分别标记标签；

映射模块，用于对目标物品的物品描述提取目标物品词，根据所述目标物品词所属的簇，将所述目标物品映射到相应的簇上，从而对所述目标物品进行分类。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images