CN115687756B - 一种搜索推荐方法及装置 - Google Patents
一种搜索推荐方法及装置 Download PDFInfo
- Publication number
- CN115687756B CN115687756B CN202211317444.9A CN202211317444A CN115687756B CN 115687756 B CN115687756 B CN 115687756B CN 202211317444 A CN202211317444 A CN 202211317444A CN 115687756 B CN115687756 B CN 115687756B
- Authority
- CN
- China
- Prior art keywords
- commodity
- search
- recommended
- word list
- list
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000011218 segmentation Effects 0.000 claims description 42
- 238000001914 filtration Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 11
- 230000008030 elimination Effects 0.000 claims description 10
- 238000003379 elimination reaction Methods 0.000 claims description 10
- 230000004931 aggregating effect Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 description 37
- 238000004590 computer program Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请适用于计算机技术领域,提供了一种搜索推荐方法及装置,该搜索推荐方法包括:响应于搜索触发指令,获取当前用户标识;根据当前用户标识,从用户实时商品列表中得到当前商品标识集合;根据当前商品标识集合,商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表;根据所有当前商品标识对应的当前推荐词列表,得到第一推荐词列表;获取当前用户标识对应的历史推荐词列表,根据第一推荐词列表和当前用户标识对应的历史推荐词列表,得到第二推荐词列表;获取热门搜索词列表,保留第二推荐词列表中存在于热门搜索词列表的目标推荐词,显示目标推荐词。上述方法能够有效提高用户的搜索效率,提升用户的购物体验。
Description
技术领域
本申请属于计算机技术领域,尤其涉及一种搜索推荐方法及装置。
背景技术
随着计算机技术的快速发展,越来越多的购物APP上线,用户通过购物APP可以便捷地购买商品,提升用户的购物效率和购物体验。
购物APP一般均具备搜索功能,即,用户可以通过输入搜索词等方式进行商品搜索。现有的购物APP会在用户输入搜索词之前,推荐一些搜索词,从而简化用户输入操作,缩短搜索路径,使用户更迅速地找到需购入的商品。
但是,由于搜索推荐算法的不同会出现如下问题,例如:无法针对不同用户进行个性化的搜索词推荐、推荐的搜索词与用户搜索需求的适配度低以及由商品未上架导致的无匹配的商品搜索结果,这均会降低用户的搜索效率,影响用户的购物体验。
发明内容
本申请实施例提供了一种搜索推荐方法及装置,可以解决上述技术问题。
第一方面,本申请实施例提供了一种搜索推荐方法,包括:响应于搜索触发指令,获取当前用户标识;获取用户实时商品列表,根据所述当前用户标识,从所述用户实时商品列表中得到当前商品标识集合;获取商品推荐词列表,根据所述当前商品标识集合,从所述商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表;其中,所述商品推荐词列表中包括商品标识和所述商品标识对应的推荐词列表;根据所有所述当前商品标识对应的当前推荐词列表,得到第一推荐词列表;获取所述当前用户标识对应的历史推荐词列表,根据所述第一推荐词列表和所述当前用户标识对应的历史推荐词列表,得到所述第二推荐词列表;获取热门搜索词列表,保留所述第二推荐词列表中存在于所述热门搜索词列表的目标推荐词,显示所述目标推荐词。
进一步地,所述从所述用户实时商品列表中得到当前商品标识集合之后,包括:清空所述用户实时商品列表中的与所述当前用户标识相关的若干条数据,重新获取第一埋点数据,根据所述第一埋点数据,更新所述用户实时商品列表;其中,所述第一埋点数据中的每条数据均至少包括行为类型、用户标识、商品标识和行为发生时间,所述用户实时商品列表中存有对应的行为发生时间满足预设时间条件的商品标识。
进一步地,所述根据所有所述当前商品标识对应的当前推荐词列表,得到第一推荐词列表,包括:对所有所述当前商品标识对应的当前推荐词列表中的推荐词进行去重操作,得到各个所述当前商品标识对应的初始推荐词列表;保留各个所述当前商品标识对应的初始推荐词列表中顺序满足预设顺序条件的推荐词,得到所述第一推荐词列表。
进一步地,所述获取商品推荐词列表之前,包括:获取第一埋点数据;其中,所述第一埋点数据中的每条数据均至少包括行为类型、商品标识和类目标识;若所述商品标识未包含在所述商品推荐词列表中,生成所述商品标识对应的推荐词列表,并将所述商品标识对应的推荐词列表添加至所述商品推荐词列表中。
进一步地,所述生成所述商品标识对应的推荐词列表,包括:获取所述商品标识对应的商品名称和所述商品标识对应的类目名称;获取类目搜索词列表,根据所述商品标识对应的类目名称,从所述类目搜索词列表中得到所述类目名称对应的搜索词集合和每个搜索词对应的搜索次数;根据所述商品标识对应的类目名称以及所述类目名称对应的搜索词集合,得到所述商品标识对应的候选推荐词列表;根据所述商品标识对应的商品名称和所述商品标识对应的候选推荐词列表,生成所述商品标识对应的推荐词列表。
进一步地,所述根据所述商品标识对应的商品名称和所述商品标识对应的候选推荐词列表,生成所述商品标识对应的推荐词列表,包括:对所述商品标识对应的商品名称和所述商品标识对应的若干个候选推荐词进行分词,得到第一分词集合和若干个第二分词集合;根据所述第一分词集合分别与若干个所述第二分词集合之间的交集,得到若干个所述第二分词集合对应的目标分词集合;根据若干个所述第二分词集合的文本长度以及若干个所述第二分词集合对应的目标分词集合的文本长度,得到若干个所述候选推荐词的推荐分值;根据所述商品标识对应的若干个候选推荐词、若干个所述候选推荐词的推荐分值以及若干个所述第二分词集合的文本长度对应的分数阈值,生成所述商品标识对应的推荐词列表。
进一步地,所述获取类目搜索词列表之前,包括:获取第二埋点数据;其中,所述第二埋点数据中的每条数据均至少包括搜索标识、搜索词以及商品标识;获取所述商品标识对应的上架状态,过滤所述第二埋点数据中与未上架商品相关的数据;根据过滤后的第二埋点数据,得到所述热门搜索词列表;其中,所述热门搜索词列表中的每条数据至少包括所述搜索词和所述搜索词对应的搜索次数;获取所述商品标识对应的类目名称,根据所述第二埋点数据和所述商品标识对应的类目名称,得到初始类目搜索词列表;其中,所述初始类目搜索词列表中的每条数据均至少包括所述搜索标识、所述搜索词以及所述商品标识对应的类目名称;根据所述初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数;根据所述热门搜索词列表,过滤每个所述类目名称对应的搜索词集合,得到所述类目搜索词列表。
进一步地,所述根据过滤后的第二埋点数据,得到所述热门搜索词列表,包括:根据所述搜索标识和所述搜索词,对所述过滤后的第二埋点数据进行去重,得到去重后的第二埋点数据;根据所述搜索词聚合所述去重后的第二埋点数据,得到所述搜索词对应的搜索词次数;根据所述搜索词和所述搜索词对应的搜索次数,得到所述热门搜索词列表。
进一步地,所述根据所述初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数,包括:根据所述搜索标识、所述搜索词以及所述类目名称,对所述初始类目搜索词列表进行去重,得到去重后的初始类目搜索词列表;根据所述搜索词和所述类目名称,聚合所述去重后的初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数。
第二方面,本申请实施例提供了一种搜索推荐装置,包括:
响应单元,用于响应于搜索触发指令,获取当前用户标识;
第一获取单元,用于获取用户实时商品列表,根据所述当前用户标识,从所述用户实时商品列表中得到当前商品标识集合;
第二获取单元,用于获取商品推荐词列表,根据所述当前商品标识集合,从所述商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表;其中,所述商品推荐词列表中包括商品标识和所述商品标识对应的推荐词列表;
第三获取单元,用于根据所有所述当前商品标识对应的当前推荐词列表,得到第一推荐词列表;
第四获取单元,用于获取所述当前用户标识对应的历史推荐词列表,根据所述第一推荐词列表和所述当前用户标识对应的历史推荐词列表,得到所述第二推荐词列表;
推荐单元,用于获取热门搜索词列表,保留所述第二推荐词列表中存在于所述热门搜索词列表的目标推荐词,显示所述目标推荐词。
进一步地,所述搜索推荐装置,还包括:清空更新单元,用于清空所述用户实时商品列表中的与所述当前用户标识相关的若干条数据,重新获取第一埋点数据,根据所述第一埋点数据,更新所述用户实时商品列表;其中,所述第一埋点数据中的每条数据均至少包括行为类型、用户标识、商品标识和行为发生时间,所述用户实时商品列表中存有对应的行为发生时间满足预设时间条件的商品标识。
进一步地,所述第三获取单元,具体用于:对所有所述当前商品标识对应的当前推荐词列表中的推荐词进行去重操作,得到各个所述当前商品标识对应的初始推荐词列表;保留各个所述当前商品标识对应的初始推荐词列表中顺序满足预设顺序条件的推荐词,得到所述第一推荐词列表。
进一步地,所述搜索推荐装置,还包括:第一获取单元,用于获取第一埋点数据;其中,所述第一埋点数据中的每条数据均至少包括行为类型、商品标识和类目标识;生成添加单元,用于若所述商品标识未包含在所述商品推荐词列表中,生成所述商品标识对应的推荐词列表,并将所述商品标识对应的推荐词列表添加至所述商品推荐词列表中。
进一步地,所述生成添加单元包括:第六获取单元,用于获取所述商品标识对应的商品名称和所述商品标识对应的类目名称;第七获取单元,用于获取类目搜索词列表,根据所述商品标识对应的类目名称,从所述类目搜索词列表中得到所述类目名称对应的搜索词集合和每个搜索词对应的搜索次数;第八获取单元,用于根据所述商品标识对应的类目名称以及所述类目名称对应的搜索词集合,得到所述商品标识对应的候选推荐词列表;生成单元,用于根据所述商品标识对应的商品名称和所述商品标识对应的候选推荐词列表,生成所述商品标识对应的推荐词列表。
进一步地,所述生成单元,具体用于:对所述商品标识对应的商品名称和所述商品标识对应的若干个候选推荐词进行分词,得到第一分词集合和若干个第二分词集合;根据所述第一分词集合分别与若干个所述第二分词集合之间的交集,得到若干个所述第二分词集合对应的目标分词集合;根据若干个所述第二分词集合的文本长度以及若干个所述第二分词集合对应的目标分词集合的文本长度,得到若干个所述候选推荐词的推荐分值;根据所述商品标识对应的若干个候选推荐词、若干个所述候选推荐词的推荐分值以及若干个所述第二分词集合的文本长度对应的分数阈值,生成所述商品标识对应的推荐词列表。
进一步地,所述生成添加单元还包括:第九获取单元,用于获取第二埋点数据;其中,所述第二埋点数据中的每条数据均至少包括搜索标识、搜索词以及商品标识;第一过滤单元,用于获取所述商品标识对应的上架状态,过滤所述第二埋点数据中与未上架商品相关的数据;第一列表建立单元,用于根据过滤后的第二埋点数据,得到所述热门搜索词列表;其中,所述热门搜索词列表中的每条数据至少包括所述搜索词和所述搜索词对应的搜索次数;第二列表建立单元,用于获取所述商品标识对应的类目名称,根据所述第二埋点数据和所述商品标识对应的类目名称,得到初始类目搜索词列表;其中,所述初始类目搜索词列表中的每条数据均至少包括所述搜索标识、所述搜索词以及所述商品标识对应的类目名称;第十获取单元,用于根据所述初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数;第二过滤单元,用于根据所述热门搜索词列表,过滤每个所述类目名称对应的搜索词集合,得到所述类目搜索词列表。
进一步地,所述第一列表建立单元,具体用于:根据所述搜索标识和所述搜索词,对所述过滤后的第二埋点数据进行去重,得到去重后的第二埋点数据;根据所述搜索词聚合所述去重后的第二埋点数据,得到所述搜索词对应的搜索词次数;根据所述搜索词和所述搜索词对应的搜索次数,得到所述热门搜索词列表。
进一步地,所述第十获取单元,具体用于:根据所述搜索标识、所述搜索词以及所述类目名称,对所述初始类目搜索词列表进行去重,得到去重后的初始类目搜索词列表;根据所述搜索词和所述类目名称,聚合所述去重后的初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数。
第三方面,本申请实施例提供了一种搜索推荐设备,包括处理器、存储器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述第一方面的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面的方法。
本申请实施例中,设备在响应于搜索触发指令时会先获取到当前用户标识,根据当前用户标识去查询用户实时商品列表,该用户实时商品列表中保存有与当前用户行为密切相关的当前商品标识,基于此能够得到当前用户标识对应的当前商品标识集合,之后,再基于该当前商品标识集合从商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表,根据所有当前商品标识对应的当前推荐词列表,得到第一推荐词列表,该第一推荐词列表中均是与当前商品标识相关的推荐词,因而也能够更符合用户的搜索需求,再后,获取当前用户标识对应的历史推荐词列表,将其与第一推荐词列表合并,得到第二推荐词列表,从而使得第二推荐词列表中的推荐词能够覆盖到用户过往的搜索倾向,最后,仅保留第二推荐词列表中存在于热门搜索词列表中的目标推荐词,进而避免由于商品未上架导致无匹配的商品搜索结果,上述方法能够有效提高用户的搜索效率,进一步缩短搜索路径,提升用户的购物体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请第一实施例提供的一种搜索推荐方法的示意流程图;
图2是本申请实施例提供的搜索界面的显示示意图;
图3是本申请第一实施例提供的一种搜索推荐方法的另一示意流程图;
图4是本申请第一实施例提供的一种搜索推荐方法中S108的示意流程图;
图5是本申请第一实施例提供的一种搜索推荐方法中S108的另一示意流程图;
图6是本申请第一实施例提供的一种搜索推荐方法中S104的示意流程图;
图7是本申请第二实施例提供的搜索推荐装置的示意图;
图8是本申请第三实施例提供的搜索推荐设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
请参见图1,图1是本申请第一实施例提供的一种搜索推荐方法的示意流程图。本实施例中一种搜索推荐方法的执行主体为具有搜索推荐功能的设备,该搜索推荐设备可以为个人计算机以及服务器等,也可以为处理器、微处理器等。本申请实施例以搜索推荐设备(以下简称为设备)为搜索推荐方法的执行主体进行下述解释说明,不具体对设备进行限定。如图1所示的搜索推荐方法可以包括:
S101:响应于搜索触发指令,获取当前用户标识。
设备响应于搜索触发指令,获取当前用户标识。
请参阅图2,图2是本申请实施例提供的搜索界面的显示示意图。由图2可以看到搜索框21和搜索确认控件22。
在一个可选的实施方式中,用户点击搜索框21,设备则会生成搜索触发指令,设备响应于该搜索触发指令,获取当前用户标识。
用户标识是用户对应的唯一标识,当前用户标识是指当前点击搜索框的用户对应的用户标识。基于该当前用户标识,设备能够确定当前是哪一位用户需要使用搜索功能。
S102:获取用户实时商品列表,根据所述当前用户标识,从所述用户实时商品列表中得到当前商品标识集合。
设备获取用户实时商品列表,根据当前用户标识,从用户实时商品列表中得到当前商品标识集合。
其中,该用户实时商品列表中的每条数据均包括用户标识和商品标识。
商品标识是指商品对应的唯一标识。
设备根据当前用户标识从用户实时商品列表中得到对应的若干个当前商品标识,进而得到当前商品标识集合。
下面先说明如何生成用户实时商品列表。
用户实时商品列表是基于第一埋点数据生成的,该第一埋点数据中每条数据均至少包括行为类型、用户标识、商品标识和行为发生时间,还可以包括商品名称、类目标识等,在此不进行详细限定。
上述类目标识是商品类目对应的唯一标识,商品类目例如鞋、水果等。
行为类型是指用户行为的类型,例如:收藏行为、购买行为、浏览行为、点击行为以及加购行为等。其中,加购行为是指将商品加入购物车的行为。
在本实施例中,设备过滤第一埋点数据,从中提取与预设行为类型关联的数据,得到过滤后的第一埋点数据。
可选的,预设行为包括上述购买行为、浏览行为、点击行为和加购行为。
之后,设备根据每个用户标识对应的过滤后的第一埋点数据,从中保留对应的行为发生时间满足预设时间条件的商品标识。
例如:对于每个用户标识对应的过滤后的第一埋点数据,设备保留对应的行为发生时间靠后的n个商品标识,n为正整数,例如:n为15。
在一个可选的实施方式中,为便于用户实时商品数据的调用和更新,用户实时商品列表存储在redis数据库中,具体地,使用redis的有序集合sortset存储,key为用户标识,value为商品标识,score为行为发生时间。
S102之后,设备清空用户实时商品列表中的与当前用户标识相关的若干条数据,重新获取第一埋点数据,根据第一埋点数据,更新用户实时商品列表。
在一个可选的实施方式中,设备也可以清空用户实时商品列表,重新获取第一埋点数据,根据第一埋点数据,重新生成用户实时商品列表。
S103:获取商品推荐词列表,根据所述当前商品标识集合,从所述商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表;其中,所述商品推荐词列表中包括商品标识和所述商品标识对应的推荐词列表。
设备获取商品推荐词列表,根据当前商品标识集合,从商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表。
其中,商品推荐词列表中包括商品标识和该商品标识对应的推荐词列表。
故,根据当前商品标识集合中的各个当前商品标识,就能够从商品推荐词列表中得到对每个当前商品标识对应的当前推荐词列表。
该商品推荐词列表存储在redis数据库中,具体地,数据类型为hashmap,key为当天日期,filed为商品标识,value为推荐词列表。
下面针对商品推荐词列表再具体展开说明。
请参阅图3,图3是本申请第一实施例提供的一种搜索推荐方法的另一示意流程图,S103之前,该方法包括:
S107:获取第一埋点数据;其中,所述第一埋点数据中的每条数据均至少包括行为类型、商品标识和类目标识。
设备获取第一埋点数据。在本实施例中,第一埋点数据中的每条数据均至少包括行为类型、商品标识和类目标识。
S108:若所述商品标识未包含在所述商品推荐词列表中,生成所述商品标识对应的推荐词列表,并将所述商品标识对应的推荐词列表添加至所述商品推荐词列表中。
设备判断商品标识是否包含在商品推荐词列表中,若是,则表示当天已生成该商品标识对应的推荐词列表,若否,则需生成该商品标识对应的推荐词列表,并将该商品标识对应的推荐词列表添加至商品推荐词列表中。
基于本实施例中的步骤可保证设备能够从商品推荐词列表中,得到当前商品标识对应的当前推荐词列表。
在一个可选的实施方式中,请参阅图4,图4是本申请第一实施例提供的一种搜索推荐方法中S108的示意流程图,S108中生成所述商品标识对应的推荐词列表,包括:
S1081:获取所述商品标识对应的商品名称和所述商品标识对应的类目名称。
为了生成商品标识对应的推荐词列表,设备需要先获取商品标识对应的商品名称和商品标识对应的类目名称。
设备中存储有商品信息列表,商品信息列表中的每条数据均至少包括商品标识、商品名称、类目名称以及上架状态。可选的,上架状态的值为0,表示该商品未上架。
基于上述可以确认的是,设备根据商品标识和商品信息列表,能够获取到商品标识对应的商品名称和商品标识对应的类目名称。
S1082:获取类目搜索词列表,根据所述商品标识对应的类目名称,从所述类目搜索词列表中得到所述类目名称对应的搜索词集合和每个搜索词对应的搜索次数。
设备获取类目搜索词列表,根据商品标识对应的类目名称,从类目搜索词列表中得到类目名称对应的搜索词集合和每个搜索词对应的搜索次数。
关于类目搜索词列表如何生成在后续进行说明。
类目搜索词列中的每条数据均至少包括类目名称、搜索词和每个搜索词对应的搜索次数。
因此,设备根据S1081中获取的商品标识对应的类目名称,查询类目搜索词列表,便能够得到该类目名称对应的搜索词集合和每个搜索词对应的搜索次数。
S1083:根据所述商品标识对应的类目名称以及所述类目名称对应的搜索词集合,得到所述商品标识对应的候选推荐词列表。
设备根据商品标识对应的类目名称以及类目名称对应的搜索词集合,得到商品标识对应的候选推荐词列表。
可以理解的是,此处将类目名称对应的搜索词集合中的搜索词作为了候选推荐词。
S1084:根据所述商品标识对应的商品名称和所述商品标识对应的候选推荐词列表,生成所述商品标识对应的推荐词列表。
设备根据商品标识对应的商品名称和商品标识对应的候选推荐词列表,生成商品标识对应的推荐词列表。
在一个可选的实施方式中,设备对商品标识对应的商品名称和商品标识对应的若干个候选推荐词进行分词,得到第一分词集合和若干个第二分词集合。
可以确认的是,一个商品名称分词后得到一个第一分词集合,一个候选推荐词分词后得到一个第二分词集合。
该分词可以采用现有的自然语言处理中的分词方法实现。
之后,设备根据第一分词集合分别与若干个第二分词集合之间的交集,得到若干个第二分词集合对应的目标分词集合。
本实施例中,第一分词结合表示为sw,第二分词集合表示为kw,sw与kw的交集为目标分词集合,目标分词集合表示为ksw。
针对每个第二分词集合kw,都能够得到一个对应的目标分词集合ksw。
设备根据若干个第二分词集合的文本长度以及若干个第二分词集合对应的目标分词集合的文本长度,得到若干个候选推荐词的推荐分值。
具体地,第二分词集合的文本长度表示为len(kw),目标分词集合的文本长度表示位len(ksw),候选推荐词的推荐分值表示为score。
其中,score=len(ksw)/len(kw)。
在一个可选的实施方式中,设备可以直接根据若干个候选推荐词的推荐分值,对若干个候选推荐词进行排序,根据排序在前m位的候选推荐词,得到商品标识对应的推荐列表。其中,m为正整数,m可以为3。
在另一个可选的实施方式中,设备根据商品标识对应的若干个候选推荐词、若干个候选推荐词的推荐分值以及若干个所述第二分词集合的文本长度对应的分数阈值,生成商品标识对应的推荐词列表。
具体地,设备中设置有不同第二分词集合的文本长度对应的分数阈值,由上述可知,一个候选推荐词分词后得到一个第二分词集合,本实施例中,若对应的候选推荐词的推荐分值超出了第二分词集合的文本长度对应的分数阈值,则设置该候选推荐词的推荐分值为第二分词集合的文本长度对应的分数阈值。
之后,设备再根据若干个候选推荐词的推荐分值,对若干个候选推荐词进行排序,根据排序在前m位的候选推荐词,得到商品标识对应的推荐列表。其中,m为正整数,m可以为3。
在本实施例中,若商品标识对应的候选推荐词列表为空,则将商品标识对应的类目名称作为该商品标识对应的推荐词。
下面说明如何生成类目搜索词列表,在一个可选的实施方式中,请参阅图5,图5是本申请第一实施例提供的一种搜索推荐方法中S108的另一示意流程图,S1082获取类目搜索词列表之前,包括:
S1085:获取第二埋点数据;其中,所述第二埋点数据中的每条数据均至少包括搜索标识、搜索词以及商品标识。
设备获取第二埋点数据。第二埋点数据是指针对搜索点击事件的埋点数据。
第二埋点数据中的每条数据均至少包括搜索标识、搜索词以及商品标识。
搜索标识是指搜索行为对应的唯一标识。
S1086:获取所述商品标识对应的上架状态,过滤所述第二埋点数据中与未上架商品相关的数据。
设备中存储有商品信息列表,商品信息列表中的每条数据均至少包括商品标识、商品名称、类目名称以及上架状态。可选的,上架状态的值为0,标识该商品未上架。
设备根据商品信息列表,可以得到商品标识对应的上架状态,进而过滤掉第二埋点数据中与未上架商品相关的数据。
S1087:根据过滤后的第二埋点数据,得到所述热门搜索词列表;其中,所述热门搜索词列表中的每条数据至少包括所述搜索词和所述搜索词对应的搜索次数。
设备根据过滤后的第二埋点数据,得到热门搜索词列表。
热门搜索词列表中的每条数据至少包括搜索词和搜索词对应的搜索次数。
在一个可选的实施方式中,设备先根据搜索标识和搜索词,对过滤后的第二埋点数据进行去重,得到去重后的第二埋点数据。即,若过滤后的第二埋点数据内至少两条数据中的搜索标识和搜索词均相同,则仅保留其中一条数据即可。
之后,设备根据搜索词聚合去重后的第二埋点数据,得到搜索词对应的搜索词次数。即,对于去重后的第二埋点数据,统计搜索词相同的数据的条数,得到该搜索词对应的搜索次数。
最后,设备根据搜索词和搜索词对应的搜索次数,得到热门搜索词列表。
可以确认的是,热门搜索词列表中不会包括未上架商品对应的搜索词。
S1088:获取所述商品标识对应的类目名称,根据所述第二埋点数据和所述商品标识对应的类目名称,得到初始类目搜索词列表;其中,所述初始类目搜索词列表中的每条数据均至少包括所述搜索标识、所述搜索词以及所述商品标识对应的类目名称。
设备获取商品标识对应的类目名称,根据第二埋点数据和商品标识对应的类目名称,得到初始类目搜索词列表。
如前述,第二埋点数据中的每条数据均至少包括搜索标识、搜索词以及商品标识。
因此,整合第二埋点数据和商品标识对应的类目名称,即可以得到初始类目搜索词列表。
该初始类目搜索词列表中的每条数据均至少包括搜索标识、搜索词以及商品标识对应的类目名称。
S1089:根据所述初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数。
设备根据初始类目搜索词列表,得到每个类目名称对应的搜索词集合和每个搜索词对应的搜索次数。
具体地,设备先根据搜索标识、搜索词以及类目名称,对初始类目搜索词列表进行去重,得到去重后的初始类目搜索词列表。即,初始类目搜索词列表内至少两条数据中的搜索标识、搜索词以及类目名称均相同,则仅保留其中一条数据即可,或者,初始类目搜索词列表内至少两条数据中的搜索标识和搜索词相同且类目名称同义,那么,则仅保留其中一条数据即可。
之后,设备根据搜索词和类目名称,聚合去重后的初始类目搜索词列表,得到每个类目名称对应的搜索词集合和每个搜索词对应的搜索次数。
S1090:根据热门搜索词列表,过滤每个类目名称对应的搜索词集合,得到类目搜索词列表。
设备根据热门搜索词列表,过滤每个类目名称对应的搜索词集合,得到类目搜索词列表。
由于热门搜索词列表中不会包括未上架商品对应的搜索词,那么,设备根据热门搜索词列表,过滤每个类目名称对应的搜索词集合,就能够使得类目搜索词列表中不包含未上架商品对应的搜索词。
还需要说明的是,上述商品推荐词列表是T+1更新的,这是考虑到类目搜索词列表也是T+1更新的,其可能会影响商品标识对应的推荐词,以及未离线全量更新商品推荐词列表,是为了保证当天上架的商品也能够生成对应的推荐词列表。
S104:根据所有所述当前商品标识对应的当前推荐词列表,得到第一推荐词列表。
设备根据所有当前商品标识对应的当前推荐词列表,得到第一推荐词列表。
在一个可选的实施方式中,设备可以将所有当前商品标识对应的当前推荐词列表整合为第一推荐词列表。
在另一个可选的实施方式中,为了防止推荐词重复、防止同一商品对应过多推荐词,请参阅图6,图6是本申请第一实施例提供的一种搜索推荐方法中S104的示意流程图,S104包括:
S1041:对所有所述当前商品标识对应的当前推荐词列表中的推荐词进行去重操作,得到各个所述当前商品标识对应的初始推荐词列表。
设备对所有当前商品标识对应的当前推荐词列表中的推荐词进行去重操作,得到各个当前商品标识对应的初始推荐词列表。
例如:当前商品A对应的当前推荐词列表为<a,b,c>,当前商品B对应的当前推荐词列表为<a,d,e>,当前商品C对应的当前推荐词列表为<h,d,j>,其中,推荐词a和d即为重复的推荐词,对其进行去重操作,得到各个当前商品标识对应的初始推荐词列表,分别为A<a,b,c>,B<d,e>,C<h,j>。
S1042:保留各个所述当前商品标识对应的初始推荐词列表中顺序满足预设顺序条件的推荐词,得到所述第一推荐词列表。
由前述可知,当前商品标识对应的当前推荐词列表中各个推荐词均由有对应的顺序,那么,进行去重操作后该顺序会更新,例如:当前商品B对应的当前推荐词列表为<a,d,e>,去重操作后会去掉推荐词a,那么,当前商品B对应的初始推荐词列表中,推荐词d和c的顺序向前移动一位。
在本实施例中,设备仅保留各个当前商品标识对应的初始推荐词列表中顺序满足预设顺序条件的推荐词,得到第一推荐词列表。
在一个可选的实施方式中,各个当前商品标识对应的初始推荐词列表中仅保留顺序在前两位的推荐词,得到第一推荐词列表。那么,上述例子中得到第一推荐词列表为a-d-h-b-e-j。
S105:获取所述当前用户标识对应的历史推荐词列表,根据所述第一推荐词列表和所述当前用户标识对应的历史推荐词列表,得到所述第二推荐词列表。
设备获取当前用户标识对应的历史推荐词列表,根据第一推荐词列表和当前用户标识对应的历史推荐词列表,得到第二推荐词列表。
具体地,设备将当前用户标识对应的历史推荐词列表拼接在第一推荐词列表之后,得到第二推荐词列表。
还需要说明的是,若步骤S104中得到的第一推荐词列表不为空,且存在当前用户标识对应的历史推荐词列表,则设备可以将根据第二推荐词列表更新当前用户标识对应的历史推荐词列表。
若步骤S104中得到的第一推荐词列表不为空,但不存在当前用户标识对应的历史推荐词列表,则设备可以将根据第二推荐词列表作为当前用户标识对应的历史推荐词列表。
若步骤S104中得到的第一推荐词列表为空,且当前用户标识对应的历史推荐词列表为空,那么,此时第二推荐词列表为空,此种情况使用热门搜索词列表中的搜索词作为目标推荐词进行显示。
S106:获取热门搜索词列表,保留所述第二推荐词列表中存在于所述热门搜索词列表的目标推荐词,显示所述目标推荐词。
设备获取热门搜索词列表,保留第二推荐词列表中存在于热门搜索词列表的目标推荐词,显示目标推荐词。
如前述,热门搜索词列表中不会包括未上架商品对应的搜索词,那么,设备可以通过仅保留第二推荐词列表中存在于热门搜索词列表的目标推荐词,防止搜索目标推荐词后无相应的上架商品。
在一个可选的实施方式中,若目标推荐词的个数少于预设数量阈值,则通过热门搜索词列表中的搜索词进行补足,显示补足后的目标推荐词。
请参阅图2,图2已显示了若干个目标推荐词23,当前用户点击任意一个目标推荐词,设备则会显示出与该目标推荐词相关的商品。
本申请实施例中,设备在响应于搜索触发指令时会先获取到当前用户标识,根据当前用户标识去查询用户实时商品列表,该用户实时商品列表中保存有与当前用户行为密切相关的当前商品标识,基于此能够得到当前用户标识对应的当前商品标识集合,之后,再基于该当前商品标识集合从商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表,根据所有当前商品标识对应的当前推荐词列表,得到第一推荐词列表,该第一推荐词列表中均是与当前商品标识相关的推荐词,因而也能够更符合用户的搜索需求,再后,获取当前用户标识对应的历史推荐词列表,将其与第一推荐词列表合并,得到第二推荐词列表,从而使得第二推荐词列表中的推荐词能够覆盖到用户过往的搜索倾向,最后,仅保留第二推荐词列表中存在于热门搜索词列表中的目标推荐词,进而避免由于商品未上架导致无匹配的商品搜索结果,上述方法能够有效提高用户的搜索效率,进一步缩短搜索路径,提升用户的购物体验。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
请参见图7,图7是本申请第二实施例提供的搜索推荐装置的示意图。包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。参见图7,搜索推荐装置7包括:
响应单元71,用于响应于搜索触发指令,获取当前用户标识;
第一获取单元72,用于获取用户实时商品列表,根据所述当前用户标识,从所述用户实时商品列表中得到当前商品标识集合;
第二获取单元73,用于获取商品推荐词列表,根据所述当前商品标识集合,从所述商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表;其中,所述商品推荐词列表中包括商品标识和所述商品标识对应的推荐词列表;
第三获取单元74,用于根据所有所述当前商品标识对应的当前推荐词列表,得到第一推荐词列表;
第四获取单元75,用于获取所述当前用户标识对应的历史推荐词列表,根据所述第一推荐词列表和所述当前用户标识对应的历史推荐词列表,得到所述第二推荐词列表;
推荐单元76,用于获取热门搜索词列表,保留所述第二推荐词列表中存在于所述热门搜索词列表的目标推荐词,显示所述目标推荐词。
进一步地,所述搜索推荐装置7,还包括:清空更新单元,用于清空所述用户实时商品列表中的与所述当前用户标识相关的若干条数据,重新获取第一埋点数据,根据所述第一埋点数据,更新所述用户实时商品列表;其中,所述第一埋点数据中的每条数据均至少包括行为类型、用户标识、商品标识和行为发生时间,所述用户实时商品列表中存有对应的行为发生时间满足预设时间条件的商品标识。
进一步地,所述第三获取单元74,具体用于:对所有所述当前商品标识对应的当前推荐词列表中的推荐词进行去重操作,得到各个所述当前商品标识对应的初始推荐词列表;保留各个所述当前商品标识对应的初始推荐词列表中顺序满足预设顺序条件的推荐词,得到所述第一推荐词列表。
进一步地,所述搜索推荐装置7,还包括:第一获取单元,用于获取第一埋点数据;其中,所述第一埋点数据中的每条数据均至少包括行为类型、商品标识和类目标识;生成添加单元,用于若所述商品标识未包含在所述商品推荐词列表中,生成所述商品标识对应的推荐词列表,并将所述商品标识对应的推荐词列表添加至所述商品推荐词列表中。
进一步地,所述生成添加单元包括:第六获取单元,用于获取所述商品标识对应的商品名称和所述商品标识对应的类目名称;第七获取单元,用于获取类目搜索词列表,根据所述商品标识对应的类目名称,从所述类目搜索词列表中得到所述类目名称对应的搜索词集合和每个搜索词对应的搜索次数;第八获取单元,用于根据所述商品标识对应的类目名称以及所述类目名称对应的搜索词集合,得到所述商品标识对应的候选推荐词列表;生成单元,用于根据所述商品标识对应的商品名称和所述商品标识对应的候选推荐词列表,生成所述商品标识对应的推荐词列表。
进一步地,所述生成单元,具体用于:对所述商品标识对应的商品名称和所述商品标识对应的若干个候选推荐词进行分词,得到第一分词集合和若干个第二分词集合;根据所述第一分词集合分别与若干个所述第二分词集合之间的交集,得到若干个所述第二分词集合对应的目标分词集合;根据若干个所述第二分词集合的文本长度以及若干个所述第二分词集合对应的目标分词集合的文本长度,得到若干个所述候选推荐词的推荐分值;根据所述商品标识对应的若干个候选推荐词、若干个所述候选推荐词的推荐分值以及若干个所述第二分词集合的文本长度对应的分数阈值,生成所述商品标识对应的推荐词列表。
进一步地,所述生成添加单元还包括:第九获取单元,用于获取第二埋点数据;其中,所述第二埋点数据中的每条数据均至少包括搜索标识、搜索词以及商品标识;第一过滤单元,用于获取所述商品标识对应的上架状态,过滤所述第二埋点数据中与未上架商品相关的数据;第一列表建立单元,用于根据过滤后的第二埋点数据,得到所述热门搜索词列表;其中,所述热门搜索词列表中的每条数据至少包括所述搜索词和所述搜索词对应的搜索次数;第二列表建立单元,用于获取所述商品标识对应的类目名称,根据所述第二埋点数据和所述商品标识对应的类目名称,得到初始类目搜索词列表;其中,所述初始类目搜索词列表中的每条数据均至少包括所述搜索标识、所述搜索词以及所述商品标识对应的类目名称;第十获取单元,用于根据所述初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数;第二过滤单元,用于根据所述热门搜索词列表,过滤每个所述类目名称对应的搜索词集合,得到所述类目搜索词列表。
进一步地,所述第一列表建立单元,具体用于:根据所述搜索标识和所述搜索词,对所述过滤后的第二埋点数据进行去重,得到去重后的第二埋点数据;根据所述搜索词聚合所述去重后的第二埋点数据,得到所述搜索词对应的搜索词次数;根据所述搜索词和所述搜索词对应的搜索次数,得到所述热门搜索词列表。
进一步地,所述第十获取单元,具体用于:根据所述搜索标识、所述搜索词以及所述类目名称,对所述初始类目搜索词列表进行去重,得到去重后的初始类目搜索词列表;根据所述搜索词和所述类目名称,聚合所述去重后的初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数。
请参见图8,图8是本申请第三实施例提供的搜索推荐设备的示意图。如图8所示,该实施例的搜索推荐设备8包括:处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82,例如搜索推荐程序。所述处理器80执行所述计算机程序82时实现上述各个搜索推荐方法实施例中的步骤,例如图1所示的步骤S101至S106。或者,所述处理器80执行所述计算机程序82时实现上述各装置实施例中各模块/单元的功能,例如图7所示获取单元71至播放单元76的功能。
示例性的,所述计算机程序82可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器81中,并由所述处理器80执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在所述搜索推荐设备8中的执行过程。例如,所述计算机程序82可以被分割成响应单元、第一获取单元、第二获取单元、第三获取单元、第四获取单元和推荐单元,各单元具体功能如下:
响应单元,用于响应于搜索触发指令,获取当前用户标识;
第一获取单元,用于获取用户实时商品列表,根据所述当前用户标识,从所述用户实时商品列表中得到当前商品标识集合;
第二获取单元,用于获取商品推荐词列表,根据所述当前商品标识集合,从所述商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表;其中,所述商品推荐词列表中包括商品标识和所述商品标识对应的推荐词列表;
第三获取单元,用于根据所有所述当前商品标识对应的当前推荐词列表,得到第一推荐词列表;
第四获取单元,用于获取所述当前用户标识对应的历史推荐词列表,根据所述第一推荐词列表和所述当前用户标识对应的历史推荐词列表,得到所述第二推荐词列表;
推荐单元,用于获取热门搜索词列表,保留所述第二推荐词列表中存在于所述热门搜索词列表的目标推荐词,显示所述目标推荐词。
所述搜索推荐设备8可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是搜索推荐设备8的示例,并不构成对搜索推荐设备8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述搜索推荐设备8还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述搜索推荐设备8的内部存储单元,例如搜索推荐设备8的硬盘或内存。所述存储器81也可以是所述搜索推荐设备8的外部存储设备,例如所述搜索推荐设备8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述搜索推荐设备8还可以既包括所述搜索推荐设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述搜索推荐设备8所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例还提供了一种网络设备,该网络设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个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任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述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,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述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精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种搜索推荐方法,其特征在于,包括:
获取第二埋点数据;其中,所述第二埋点数据中的每条数据均至少包括搜索标识、搜索词以及商品标识;
获取所述商品标识对应的上架状态,过滤所述第二埋点数据中与未上架商品相关的数据;
根据过滤后的第二埋点数据,得到所述热门搜索词列表;其中,所述热门搜索词列表中的每条数据至少包括所述搜索词和所述搜索词对应的搜索次数;响应于搜索触发指令,获取当前用户标识;
获取用户实时商品列表,根据所述当前用户标识,从所述用户实时商品列表中得到当前商品标识集合;
获取商品推荐词列表,根据所述当前商品标识集合,从所述商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表;其中,所述商品推荐词列表中包括商品标识和所述商品标识对应的推荐词列表;
根据所有所述当前商品标识对应的当前推荐词列表,得到第一推荐词列表;
获取所述当前用户标识对应的历史推荐词列表,根据所述第一推荐词列表和所述当前用户标识对应的历史推荐词列表,得到第二推荐词列表;
获取热门搜索词列表,保留所述第二推荐词列表中存在于所述热门搜索词列表的目标推荐词,显示所述目标推荐词。
2.如权利要求1所述的搜索推荐方法,其特征在于,所述从所述用户实时商品列表中得到当前商品标识集合之后,包括:
清空所述用户实时商品列表中的与所述当前用户标识相关的若干条数据,重新获取第一埋点数据,根据所述第一埋点数据,更新所述用户实时商品列表;其中,所述第一埋点数据中的每条数据均至少包括行为类型、用户标识、商品标识和行为发生时间,所述用户实时商品列表中存有对应的行为发生时间满足预设时间条件的商品标识。
3.如权利要求1所述的搜索推荐方法,其特征在于,所述根据所有所述当前商品标识对应的当前推荐词列表,得到第一推荐词列表,包括:
对所有所述当前商品标识对应的当前推荐词列表中的推荐词进行去重操作,得到各个所述当前商品标识对应的初始推荐词列表;
保留各个所述当前商品标识对应的初始推荐词列表中顺序满足预设顺序条件的推荐词,得到所述第一推荐词列表。
4.如权利要求1至3任意一项所述的搜索推荐方法,其特征在于,所述获取商品推荐词列表之前,包括:
获取第一埋点数据;其中,所述第一埋点数据中的每条数据均至少包括行为类型、商品标识和类目标识;
若所述商品标识未包含在所述商品推荐词列表中,生成所述商品标识对应的推荐词列表,并将所述商品标识对应的推荐词列表添加至所述商品推荐词列表中。
5.如权利要求4所述的搜索推荐方法,其特征在于,所述生成所述商品标识对应的推荐词列表,包括:
获取所述商品标识对应的商品名称和所述商品标识对应的类目名称;
获取类目搜索词列表,根据所述商品标识对应的类目名称,从所述类目搜索词列表中得到所述类目名称对应的搜索词集合和每个搜索词对应的搜索次数;
根据所述商品标识对应的类目名称以及所述类目名称对应的搜索词集合,得到所述商品标识对应的候选推荐词列表;
根据所述商品标识对应的商品名称和所述商品标识对应的候选推荐词列表,生成所述商品标识对应的推荐词列表。
6.如权利要求5所述的搜索推荐方法,其特征在于,所述根据所述商品标识对应的商品名称和所述商品标识对应的候选推荐词列表,生成所述商品标识对应的推荐词列表,包括:
对所述商品标识对应的商品名称和所述商品标识对应的若干个候选推荐词进行分词,得到第一分词集合和若干个第二分词集合;
根据所述第一分词集合分别与若干个所述第二分词集合之间的交集,得到若干个所述第二分词集合对应的目标分词集合;
根据若干个所述第二分词集合的文本长度以及若干个所述第二分词集合对应的目标分词集合的文本长度,得到若干个所述候选推荐词的推荐分值;
根据所述商品标识对应的若干个候选推荐词、若干个所述候选推荐词的推荐分值以及若干个所述第二分词集合的文本长度对应的分数阈值,生成所述商品标识对应的推荐词列表。
7.如权利要求5所述的搜索推荐方法,其特征在于,所述获取类目搜索词列表之前,包括:
获取所述商品标识对应的类目名称,根据所述第二埋点数据和所述商品标识对应的类目名称,得到初始类目搜索词列表;其中,所述初始类目搜索词列表中的每条数据均至少包括所述搜索标识、所述搜索词以及所述商品标识对应的类目名称;
根据所述初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数;
根据所述热门搜索词列表,过滤每个所述类目名称对应的搜索词集合,得到所述类目搜索词列表。
8.如权利要求7所述的搜索推荐方法,其特征在于,所述根据过滤后的第二埋点数据,得到所述热门搜索词列表,包括:
根据所述搜索标识和所述搜索词,对所述过滤后的第二埋点数据进行去重,得到去重后的第二埋点数据;
根据所述搜索词聚合所述去重后的第二埋点数据,得到所述搜索词对应的搜索词次数;
根据所述搜索词和所述搜索词对应的搜索次数,得到所述热门搜索词列表。
9.如权利要求7所述的搜索推荐方法,其特征在于,所述根据所述初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数,包括:
根据所述搜索标识、所述搜索词以及所述类目名称,对所述初始类目搜索词列表进行去重,得到去重后的初始类目搜索词列表;
根据所述搜索词和所述类目名称,聚合所述去重后的初始类目搜索词列表,得到每个所述类目名称对应的搜索词集合和每个所述搜索词对应的搜索次数。
10.一种搜索推荐装置,其特征在于,包括:
响应单元,用于响应于搜索触发指令,获取当前用户标识;
第一获取单元,用于获取用户实时商品列表,根据所述当前用户标识,从所述用户实时商品列表中得到当前商品标识集合;
第二获取单元,用于获取商品推荐词列表,根据所述当前商品标识集合,从所述商品推荐词列表中得到每个当前商品标识对应的当前推荐词列表;其中,所述商品推荐词列表中包括商品标识和所述商品标识对应的推荐词列表;
第三获取单元,用于根据所有所述当前商品标识对应的当前推荐词列表,得到第一推荐词列表;
第四获取单元,用于获取所述当前用户标识对应的历史推荐词列表,根据所述第一推荐词列表和所述当前用户标识对应的历史推荐词列表,得到第二推荐词列表;
推荐单元,用于获取热门搜索词列表,保留所述第二推荐词列表中存在于所述热门搜索词列表的目标推荐词,显示所述目标推荐词;
所述装置还包括:第九获取单元,用于获取第二埋点数据;其中,所述第二埋点数据中的每条数据均至少包括搜索标识、搜索词以及商品标识;第一过滤单元,用于获取所述商品标识对应的上架状态,过滤所述第二埋点数据中与未上架商品相关的数据;第一列表建立单元,用于根据过滤后的第二埋点数据,得到所述热门搜索词列表;其中,所述热门搜索词列表中的每条数据至少包括所述搜索词和所述搜索词对应的搜索次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211317444.9A CN115687756B (zh) | 2022-10-26 | 2022-10-26 | 一种搜索推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211317444.9A CN115687756B (zh) | 2022-10-26 | 2022-10-26 | 一种搜索推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115687756A CN115687756A (zh) | 2023-02-03 |
CN115687756B true CN115687756B (zh) | 2023-07-14 |
Family
ID=85099824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211317444.9A Active CN115687756B (zh) | 2022-10-26 | 2022-10-26 | 一种搜索推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115687756B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273865A (zh) * | 2023-11-14 | 2023-12-22 | 深圳市灵智数字科技有限公司 | 商品推荐方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017012235A1 (zh) * | 2015-07-23 | 2017-01-26 | 百度在线网络技术(北京)有限公司 | 一种搜索推荐方法、装置、设备及计算机存储介质 |
CN109255011A (zh) * | 2018-07-20 | 2019-01-22 | 深圳点猫科技有限公司 | 一种基于人工智能的搜索提示方法及电子设备 |
CN113918801A (zh) * | 2021-10-28 | 2022-01-11 | 北京字跳网络技术有限公司 | 信息推荐方法及设备 |
CN115239413A (zh) * | 2022-06-24 | 2022-10-25 | 西安点聚创网络科技有限责任公司 | 一种商品推荐方法、装置、设备及存储介质 |
-
2022
- 2022-10-26 CN CN202211317444.9A patent/CN115687756B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017012235A1 (zh) * | 2015-07-23 | 2017-01-26 | 百度在线网络技术(北京)有限公司 | 一种搜索推荐方法、装置、设备及计算机存储介质 |
CN109255011A (zh) * | 2018-07-20 | 2019-01-22 | 深圳点猫科技有限公司 | 一种基于人工智能的搜索提示方法及电子设备 |
CN113918801A (zh) * | 2021-10-28 | 2022-01-11 | 北京字跳网络技术有限公司 | 信息推荐方法及设备 |
CN115239413A (zh) * | 2022-06-24 | 2022-10-25 | 西安点聚创网络科技有限责任公司 | 一种商品推荐方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115687756A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325182B (zh) | 基于会话的信息推送方法、装置、计算机设备及存储介质 | |
CN104598439B (zh) | 信息对象的标题修正方法及装置和推送信息对象的方法 | |
US11610215B2 (en) | Interface for interacting with transformed deal data | |
CN108021708B (zh) | 内容推荐方法、装置与计算机可读存储介质 | |
CN104951468A (zh) | 数据搜索处理方法和系统 | |
CN109241451B (zh) | 一种内容组合推荐方法、装置及可读存储介质 | |
CN106445963A (zh) | App平台的广告索引关键词自动生成方法和装置 | |
CN112102031A (zh) | 一种推荐方法、推荐装置及终端设备 | |
CN112232880B (zh) | 结合rpa与ai的商品推荐方法和装置 | |
CN110222249B (zh) | 数据存储方法、装置、计算机设备及存储介质 | |
CN115687756B (zh) | 一种搜索推荐方法及装置 | |
CN111639255A (zh) | 搜索关键词的推荐方法、装置、存储介质及电子设备 | |
CN112329954B (zh) | 物品召回方法、装置、终端设备及存储介质 | |
CN112330398A (zh) | 一种对象处理方法、装置、电子设备及存储介质 | |
CN106934679A (zh) | 信息匹配方法及装置 | |
CN108595580B (zh) | 新闻推荐方法、装置、服务器及存储介质 | |
CN112446717A (zh) | 广告投放方法及装置 | |
CN110362702A (zh) | 图片管理方法及设备 | |
CN110851708B (zh) | 负样本的抽取方法、装置、计算机设备和存储介质 | |
CN115599768B (zh) | 一种联想词库构建方法、联想词推荐方法及设备 | |
CN112163158A (zh) | 一种基于搜索历史、浏览足迹的搜索推荐方法 | |
CN115292478A (zh) | 一种推荐搜索内容的方法、装置、设备和存储介质 | |
CN109783052B (zh) | 数据排序方法、装置、服务器及计算机可读存储介质 | |
CN108255920A (zh) | 机构名称检索式的显示方法、装置、设备及存储介质 | |
CN113065067A (zh) | 一种物品推荐方法、装置、计算机设备及存储介质 |
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 |