CN116821160A - 基于用户行为轨迹信息的关联更新方法、装置、设备和介质 - Google Patents

Abstract

本公开的实施例公开了基于用户行为轨迹信息的关联更新方法、装置、设备和介质。该方法的一具体实施方式包括：获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集；对用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集；根据物品信息集，生成目标物品信息集，其中，物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息；基于目标物品信息集和用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库；利用目标物品信息集对初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。该实施方式可以根据搜索关键词所搜索提供丰富的物品信息搜索结果，满足页面展示需求。

Description

基于用户行为轨迹信息的关联更新方法、装置、设备和介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及基于用户行为轨迹信息的关联更新方法、装置、设备和介质。

背景技术

搜索关键词，是在执行搜索操作时所使用的关键词。目前，在使用搜索关键词进行物品信息搜索时，通常采用的方式为：将物品标题中包括搜索关键词的物品信息作为搜索结果进行展示，或根据搜索关键词采用模糊搜索的方式进行物品信息的搜索。

然而，当采用上述方式对日志文件进行操作时，经常会存在如下技术问题：

第一，将物品标题中包括搜索关键词的物品信息作为搜索结果进行展示时，完全包含搜索关键词的物品标题较少，导致根据搜索关键词所搜索的物品信息较少，难以满足页面展示需求。

第二，根据搜索关键词采用模糊搜索的方式进行物品信息的搜索时，导致搜索结果较多、搜索过程占用过多极端资源、搜索时间较长。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了基于用户行为轨迹信息的关联更新方法、装置、设备和介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种基于用户行为轨迹信息的关联更新方法，该方法包括：获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集，其中，上述用户行为轨迹数据集中的每个用户行为轨迹数据包括搜索日志组，上述用户行为轨迹数据集中搜索日志组中的搜索日志包括：搜索关键词，搜索点击物品信息数，搜索结果物品数和搜索关注物品数；对上述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集；根据物品信息集，生成目标物品信息集，其中，上述物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息；基于上述目标物品信息集和上述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库；利用上述目标物品信息集对上述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。

第二方面，本公开的一些实施例提供了一种基于用户行为轨迹信息的关联更新装置，装置包括：获取单元，被配置成获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集，其中，上述用户行为轨迹数据集中的每个用户行为轨迹数据包括搜索日志组，上述用户行为轨迹数据集中搜索日志组中的搜索日志包括：搜索关键词，搜索点击物品信息数，搜索结果物品数和搜索关注物品数；分析处理单元，被配置成对上述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集；第一生成单元，被配置成根据物品信息集，生成目标物品信息集，其中，上述物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息；第二生成单元，被配置成基于上述目标物品信息集和上述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库；剔除单元，被配置成利用上述目标物品信息集对上述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于用户行为轨迹信息的关联更新方法可以根据搜索关键词所搜索提供丰富的物品信息搜索结果，满足页面展示需求。首先，获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集，其中，上述用户行为轨迹数据集中的每个用户行为轨迹数据包括搜索日志组，上述用户行为轨迹数据集中搜索日志组中的搜索日志包括：搜索关键词，搜索点击物品信息数，搜索结果物品数和搜索关注物品数。然后，对上述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集。接着，根据物品信息集，生成目标物品信息集，其中，上述物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息。再接着，基于上述目标物品信息集和上述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库。由此，可以根据用户行为轨迹分析数据集和目标物品信息集，进一步丰富关键词语料库。最后，利用上述目标物品信息集对上述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。由此，可以根据搜索关键词所搜索提供丰富的物品信息搜索结果，满足页面展示需求。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的基于用户行为轨迹信息的关联更新方法的一些实施例的流程图；

图2是本公开的基于用户行为轨迹信息的关联更新装置的一些实施例的结构示意图；

图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

本公开中所涉及的用户信息(例如用户行为轨迹数据)的收集、存储、使用等操作，在执行相应操作之前，相关组织或个人尽到包括开展个人信息安全影响评估、向个人信息主体履行告知义务、事先征得个人信息主体的授权同意等义务，以及符合相关法律法规的规定。

下面将参考附图并结合实施例来详细说明本公开。

参考图1，示出了根据本公开的基于用户行为轨迹信息的关联更新方法的一些实施例的流程100。该基于用户行为轨迹信息的关联更新方法，包括以下步骤：

步骤101，获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集。

在一些实施例中，基于用户行为轨迹信息的关联更新方法的执行主体可以通过有线连接方式或者无线连接方式获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集。

其中，上述用户行为轨迹数据集中的每个用户行为轨迹数据可有包括搜索日志组。上述用户行为轨迹数据集中搜索日志组中的搜索日志可以包括：搜索关键词，搜索点击物品信息数，搜索结果物品数和搜索关注物品数。搜索关键词可以是在物品信息搜索页面搜索物品信息时，所输入的搜索词。搜索结果物品数可以是针对搜索关键词执行搜索操作后搜索页面中展示的物品信息和待展示的物品信息的总数。搜索点击物品信息数可以是执行完毕搜索操作后，所点击的物品信息的总数。搜索关注物品数可以是执行完毕搜索操作后，所收藏或感兴趣的物品信息数。

在一些实施例的一些可选的实现方式中，上述执行主体在获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集之前，还可以执行以下步骤：

第一步，获取用户信息表。其中，上述用户信息表中的用户信息可以包括：用户标识，注册时间和物品转移量。上述用户信息表中的物品转移量可以是上述预设时间段内上述用户标识所表征的物品转移场所的物品转移总量。

实践中，可以根据实际应用需要设置上述预设时间段的时长和终止时间点，此处不做限定。

作为示例，上述预设时间段可以是18个月。

第二步，从上述用户信息表中选择满足第一筛选条件的用户信息作为第一用户信息，得到第一用户信息集。其中，上述第一筛选条件可以是用户信息中的物品转移量大于预设物品转移量。

实践中，可以根据实际应用需要设置上述预设物品转移量的数值，此处不做限定。

第三步，从上述用户信息表中选择满足第二筛选条件的用户信息作为目标用户信息，得到目标用户信息集。其中，上述第二筛选条件可以是第一用户信息中的注册时间晚于预设注册时间。

实践中，可以根据实际应用需要设置上述预设注册时间的时间点，此处不做限定。

步骤102，对用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集。

在一些实施例中，上述用户行为轨迹数据集中搜索日志组中的搜索日志还包括点击物品信息序列。上述用户行为轨迹数据集中的点击物品信息序列中的点击物品信息包括物品标识和点击时间。

上述执行主体可以对上述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集，可以包括以下步骤：

第一步，对于上述用户行为轨迹数据集中的每个用户行为轨迹数据，执行以下分析处理步骤：

第一分析处理步骤，将上述用户行为轨迹数据中搜索点击物品信息数与搜索结果物品数的比值确定为搜索结果点击率。

第二分析处理步骤，将上述用户行为轨迹数据中搜索关注物品数与搜索结果物品数的比值确定为搜索结果关注率。

第三分析处理步骤，将上述用户行为轨迹数据中的搜索关键词和点击物品信息序列，以及上述搜索结果点击率和上述搜索结果关注率进行组合，得到用户行为轨迹分析数据。

步骤103，根据物品信息集，生成目标物品信息集。

在一些实施例中，上述物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息。

上述执行主体根据物品信息集，生成目标物品信息集，可以包括以下步骤：

第一步，确定上述物品信息集中物品信息的数量是否大于预设数量。实践中，可以根据实际应用需要设置上述预设数量的数值，此处不做限定。

作为示例，上述预设数量的数值可以是1000。

第二步，响应于确定上述物品信息集中物品信息的数量小于等于上述预设数量，将上述物品信息集中的各个物品信息确定为目标物品信息，得到目标物品信息集。

第三步，响应于确定上述物品信息集中物品信息的数量大于上述预设数量，根据物品信息中的物品转移量对上述物品信息集中的物品信息进行排序，得到物品信息序列。其中，上述物品信息序列中的各个物品信息可以根据物品转移量由大到小的顺序排序。

第四步，将上述物品信息序列中排序在上述预设数量之前的物品信息确定为目标物品信息，得到目标物品信息集。

步骤104，基于目标物品信息集和用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库。

在一些实施例中，上述用户行为轨迹数据集中搜索日志组中的搜索日志还包括点击物品信息序列。上述用户行为轨迹数据集中的点击物品信息序列中的点击物品信息包括物品标识和点击时间。

上述执行主体基于上述目标物品信息集和上述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库，可以包括以下步骤：

第一步，将上述用户行为轨迹分析数据集中搜索结果点击率小于预设点击率且搜索结果关注率小于预设关注率的用户行为轨迹分析数据确定为待剔除用户行为轨迹分析数据。

第二步，将各个待剔除用户行为轨迹分析数据从上述用户行为轨迹分析数据集中剔除，得到目标用户行为轨迹分析数据集。

第三步，基于上述目标物品信息集和上述目标用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库。

第四步，对于上述目标用户行为轨迹分析数据集中的每个目标用户行为轨迹分析数据，执行以下语料扩充步骤：

第一语料扩充步骤，从上述目标物品信息集中选择物品标识与上述目标用户行为轨迹分析数据的点击物品信息序列中任一点击物品信息中的物品标识相同的目标物品信息作为语料扩充物品信息，得到语料扩充物品信息集。

第二语料扩充步骤，根据上述语料扩充物品信息集中各个语料扩充物品信息中的物品标识从物品信息存储表中查找对应的物品标题，得到物品标题集。其中，上述物品信息存储表中的物品信息包括物品标识和物品标题。

第三语料扩充步骤，利用语义分割模型对上述物品标题集中的各个物品标题集进行分割，得到标题关键词序列。其中，上述语义分割模型可以包括但不限于以下至少一项：FCN(Fully Convolutional Networks，全卷积网络)模型、U-Net模型和SegNet模型。

第五步，将上述标题关键词序列作为初始搜索关键词扩充语料加入上述初始搜索关键词扩充语料库。

上述基于上述目标物品信息集和上述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库的步骤作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“根据搜索关键词采用模糊搜索的方式进行物品信息的搜索时，导致搜索结果较多、搜索过程占用过多极端资源、搜索时间较长”。导致上述技术问题的因素往往如下：根据搜索关键词采用模糊搜索的方式进行物品信息的搜索时，搜索结果较多且不准确。如果解决了上述因素，就能达到高效提供丰富、精准物品信息搜索结果的效果。为了达到这一效果，本公开首先，将上述用户行为轨迹分析数据集中搜索结果点击率小于预设点击率且搜索结果关注率小于预设关注率的用户行为轨迹分析数据确定为待剔除用户行为轨迹分析数据。由此，利用预设点击率和预设关注率筛选出无效的用户行为轨迹分析数据。然后，将各个待剔除用户行为轨迹分析数据从上述用户行为轨迹分析数据集中剔除，得到目标用户行为轨迹分析数据集。由此，得到有效的目标用户行为轨迹分析数据集。接着，基于上述目标物品信息集和上述目标用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库。再接着，对于上述目标用户行为轨迹分析数据集中的每个目标用户行为轨迹分析数据，执行以下语料扩充步骤：第一语料扩充步骤，从上述目标物品信息集中选择物品标识与上述目标用户行为轨迹分析数据的点击物品信息序列中任一点击物品信息中的物品标识相同的目标物品信息作为语料扩充物品信息，得到语料扩充物品信息集。第二语料扩充步骤，根据上述语料扩充物品信息集中各个语料扩充物品信息中的物品标识从物品信息存储表中查找对应的物品标题，得到物品标题集。其中，上述物品信息存储表中的物品信息包括物品标识和物品标题。第三语料扩充步骤，利用语义分割模型对上述物品标题集中的各个物品标题集进行分割，得到标题关键词序列。其中，上述语义分割模型可以包括但不限于以下至少一项：FCN(Fully Convolutional Networks，全卷及网络)模型、U-Net模型和SegNet模型。由此，可以生成初步的搜索关键词扩充语料库，便于为后续提供丰富、精准的搜索结果提供依据。

步骤105，利用目标物品信息集对初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。

在一些实施例中，上述执行主体利用上述目标物品信息集对上述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库，可以包括以下步骤：

第一步，对于上述初始搜索关键词扩充语料库中的每条初始搜索关键词扩充语料，执行以下剔除处理步骤：

第一剔除处理步骤，利用哈希算法对上述初始搜索关键词扩充语料中的每个标题关键词进行映射，得到映射字符串序列。其中，上述映射字符串序列中的映射字符串是二进制字符串。上述哈希算法可以是MD5(Message-digest Algorithm5，信息摘要算法5)。

第二剔除处理步骤，对于上述映射字符串序列中的任意两个映射字符串，执行以下对比步骤：

第一对比步骤，逐次对上述任意两个映射字符串中同一数位上的数字进行对比。

第二对比步骤，将上述任意两个映射字符串中同一数位上的数字不同的位数的数量确定为距离值。

第三对比步骤，响应于确定上述距离值小于预设距离值，从上述任意两个映射字符串中随机选择一个作为剔除映射字符串。实践中，可以根据实际需要设置上述预设距离值，此处不做限定。

作为示例，上述预设距离值可以是3。

第四对比步骤，将上述剔除映射字符串从上述映射字符串序列中剔除。

第二步，将经过剔除处理的初始搜索关键词扩充语料库确定为目标搜索关键词扩充语料库。

上述利用上述目标物品信息集对上述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库的步骤作为本公开的实施例的一个发明点，进一步解决了背景技术提及的技术问题二“根据搜索关键词采用模糊搜索的方式进行物品信息的搜索时，导致搜索结果较多、搜索过程占用过多极端资源、搜索时间较长”。导致上述技术问题的因素往往如下：根据搜索关键词采用模糊搜索的方式进行物品信息的搜索时，搜索结果较多且不准确。如果解决了上述因素，就能达到高效提供丰富、精准物品信息搜索结果的效果。为了达到这一效果，本公开，首先，对于上述初始搜索关键词扩充语料库中的每条初始搜索关键词扩充语料，执行以下剔除处理步骤：第一剔除处理步骤，利用哈希函数对上述初始搜索关键词扩充语料中的每个标题关键词进行映射，得到映射字符串序列。其中，上述映射字符串序列中的映射字符串是二进制字符串。第二剔除处理步骤，对于上述映射字符串序列中的任意两个映射字符串，执行以下对比步骤：第一对比步骤，逐次对上述任意两个映射字符串中同一数位上的数字进行对比。第二对比步骤，将上述任意两个映射字符串中同一数位上的数字不同的位数的数量确定为距离值。第三对比步骤，响应于确定上述距离值小于预设距离值，从上述任意两个映射字符串中随机选择一个作为剔除映射字符串。第四对比步骤，将上述剔除映射字符串从上述映射字符串序列中剔除。由此，通过字符串之间的对比确定它们之间的相似性，从而将过于相似的关键词进行剔除，以确保搜索结果的精准性和可控性。然后，第二步，将经过剔除处理的初始搜索关键词扩充语料库确定为目标搜索关键词扩充语料库。由此，一方面可以利用生成的目标搜索关键词扩充语料库进行围绕搜索关键词展开扩充搜索，另一方面可以较为精准的提供物品信息搜索结果。

在一些实施例的一些可选的实现方式中，上述执行主体还可以利用上述目标搜索关键词扩充语料库，对上述目标物品信息集中各个目标物品信息的搜索关键词进行关联更新处理。其中，上述关联更新可以是将上述目标搜索关键词扩充语料中的目标搜索关键词扩充语料和目标物品信息集中对应的搜索关键词进行成对存储。

本公开的上述各个实施例具有如下有益效果：本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于用户行为轨迹信息的关联更新方法可以根据搜索关键词所搜索提供丰富的物品信息搜索结果，满足页面展示需求。首先，获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集，其中，上述用户行为轨迹数据集中的每个用户行为轨迹数据包括搜索日志组，上述用户行为轨迹数据集中搜索日志组中的搜索日志包括：搜索关键词，搜索点击物品信息数，搜索结果物品数和搜索关注物品数。然后，对上述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集。接着，根据物品信息集，生成目标物品信息集，其中，上述物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息。再接着，基于上述目标物品信息集和上述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库。由此，可以根据用户行为轨迹分析数据集和目标物品信息集，进一步丰富关键词语料库。最后，利用上述目标物品信息集对上述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。由此，可以根据搜索关键词所搜索提供丰富的物品信息搜索结果，满足页面展示需求。

进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种基于用户行为轨迹信息的关联更新装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图2所示，一些实施例的基于用户行为轨迹信息的关联更新装置200包括：获取单元201、分析处理单元202、第一生成单元203、第二生成单元204和剔除单元205。其中，获取单元201，被配置成获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集，其中，上述用户行为轨迹数据集中的每个用户行为轨迹数据包括搜索日志组，上述用户行为轨迹数据集中搜索日志组中的搜索日志包括：搜索关键词，搜索点击物品信息数，搜索结果物品数和搜索关注物品数；分析处理单元202，被配置成对上述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集；第一生成单元203，被配置成根据物品信息集，生成目标物品信息集，其中，上述物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息；第二生成单元204，被配置成基于上述目标物品信息集和上述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库；剔除单元205，被配置成利用上述目标物品信息集对上述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。

可以理解的是，基于用户行为轨迹信息的关联更新装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于基于用户行为轨迹信息的关联更新装置200及其中包含的单元，在此不再赘述。

下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，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，本公开的一些实施例包括一种计算机程序产品，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。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载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。在本公开的一些实施例中，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。而在本公开的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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该电子设备执行时，使得该电子设备：获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集，其中，上述用户行为轨迹数据集中的每个用户行为轨迹数据包括搜索日志组，上述用户行为轨迹数据集中搜索日志组中的搜索日志包括：搜索关键词，搜索点击物品信息数，搜索结果物品数和搜索关注物品数；对上述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集；根据物品信息集，生成目标物品信息集，其中，上述物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息；基于上述目标物品信息集和上述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库；利用上述目标物品信息集对上述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、分析处理单元、第一生成单元、第二生成单元和剔除单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取预设时间段内目标用户群中每个目标用户的行为轨迹数据的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

Claims (9)

1.一种基于用户行为轨迹信息的关联更新方法，包括：

获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集，其中，所述用户行为轨迹数据集中的每个用户行为轨迹数据包括搜索日志组，所述用户行为轨迹数据集中搜索日志组中的搜索日志包括：搜索关键词，搜索点击物品信息数，搜索结果物品数和搜索关注物品数；

对所述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集；

根据物品信息集，生成目标物品信息集，其中，所述物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息；

基于所述目标物品信息集和所述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库；

利用所述目标物品信息集对所述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。

2.根据权利要求1所述的方法，其中，所述方法还包括：

利用所述目标搜索关键词扩充语料库，对所述目标物品信息集中各个目标物品信息的搜索关键词进行关联更新处理。

3.根据权利要求1所述的方法，其中，在所述获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集之前，所述方法还包括：

获取用户信息表，其中，所述用户信息表中的用户信息包括：用户标识，注册时间和物品转移量，所述用户信息表中的物品转移量是所述预设时间段内所述用户标识所表征的物品转移场所的物品转移总量；

从所述用户信息表中选择满足第一筛选条件的用户信息作为第一用户信息，得到第一用户信息集，其中，所述第一筛选条件是用户信息中的物品转移量大于预设物品转移量；

从所述用户信息表中选择满足第二筛选条件的用户信息作为目标用户信息，得到目标用户信息集，其中，所述第二筛选条件是第一用户信息中的注册时间晚于预设注册时间。

4.根据权利要求3所述的方法，其中，所述用户行为轨迹数据集中搜索日志组中的搜索日志还包括点击物品信息序列，所述用户行为轨迹数据集中的点击物品信息序列中的点击物品信息包括物品标识和点击时间；以及

所述对所述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集，包括：

对于所述用户行为轨迹数据集中的每个用户行为轨迹数据，执行以下分析处理步骤：

将所述用户行为轨迹数据中搜索点击物品信息数与搜索结果物品数的比值确定为搜索结果点击率；

将所述用户行为轨迹数据中搜索关注物品数与搜索结果物品数的比值确定为搜索结果关注率；

将所述用户行为轨迹数据中的搜索关键词和点击物品信息序列，以及所述搜索结果点击率和所述搜索结果关注率进行组合，得到用户行为轨迹分析数据。

5.根据权利要求1所述的方法，其中，所述根据物品信息集，生成目标物品信息集，包括：

确定所述物品信息集中物品信息的数量是否大于预设数量；

响应于确定所述物品信息集中物品信息的数量小于等于所述预设数量，将所述物品信息集中的各个物品信息确定为目标物品信息，得到目标物品信息集。

6.根据权利要求5所述的方法，其中，所述根据物品信息集，生成目标物品信息集，还包括：

响应于确定所述物品信息集中物品信息的数量大于所述预设数量，根据物品信息中的物品转移量对所述物品信息集中的物品信息进行排序，得到物品信息序列，其中，所述物品信息序列中的各个物品信息根据物品转移量由大到小的顺序排序；

将所述物品信息序列中排序在所述预设数量之前的物品信息确定为目标物品信息，得到目标物品信息集。

7.一种基于用户行为轨迹信息的关联更新装置，包括：

获取单元，被配置成获取预设时间段内目标用户群中每个目标用户的行为轨迹数据，得到用户行为轨迹数据集，其中，所述用户行为轨迹数据集中的每个用户行为轨迹数据包括搜索日志组，所述用户行为轨迹数据集中搜索日志组中的搜索日志包括：搜索关键词，搜索点击物品信息数，搜索结果物品数和搜索关注物品数；

分析处理单元，被配置成对所述用户行为轨迹数据集进行分析处理，得到用户行为轨迹分析数据集；

第一生成单元，被配置成根据物品信息集，生成目标物品信息集，其中，所述物品信息集中的各个物品信息是目标平台上用于向用户展示的物品信息；

第二生成单元，被配置成基于所述目标物品信息集和所述用户行为轨迹分析数据集，生成初始搜索关键词扩充语料库；

剔除单元，被配置成利用所述目标物品信息集对所述初始搜索关键词扩充语料库进行剔除处理，得到目标搜索关键词扩充语料库。

8.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

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1-6中任一所述的方法。

9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。