CN117151083B - 一种商品标题优化中重复率的计算方法 - Google Patents

一种商品标题优化中重复率的计算方法 Download PDF

Info

Publication number
CN117151083B
CN117151083B CN202311420103.9A CN202311420103A CN117151083B CN 117151083 B CN117151083 B CN 117151083B CN 202311420103 A CN202311420103 A CN 202311420103A CN 117151083 B CN117151083 B CN 117151083B
Authority
CN
China
Prior art keywords
repetition rate
score
related keywords
repetition
keyword
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311420103.9A
Other languages
English (en)
Other versions
CN117151083A (zh
Inventor
杨德江
樊旭鹏
邢光浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongjiao Changxiang Technology Co ltd
Original Assignee
Chinese Education Changxiang Beijing Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chinese Education Changxiang Beijing Technology Co ltd filed Critical Chinese Education Changxiang Beijing Technology Co ltd
Priority to CN202311420103.9A priority Critical patent/CN117151083B/zh
Publication of CN117151083A publication Critical patent/CN117151083A/zh
Application granted granted Critical
Publication of CN117151083B publication Critical patent/CN117151083B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Accounting & Taxation (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Computational Linguistics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出了一种商品标题优化中重复率的计算方法，包括如下步骤：S1：获取商品的标题的不同的相关关键词；S2：将重复的相关关键词进行筛选统计，将筛选出的具有重复次数的相关关键词分开统计；S3：建立重复率计算函数，将具有重复次数的相关关键词导入计算，获得具有重复次数的相关关键词的重复率得分；S4：根据重复率计算函数的计算结果，对各重复的相关关键词衰减得分，再进行相关关键词得分的累计求代数和。通过剔除了商品标题中因重复对其内容导致的相关关键词重复率过高，改善了抬高了商品标题不同的相关关键词的总得分的影响，恢复了商品标题对消费者的正确引导作用。

Description

一种商品标题优化中重复率的计算方法
技术领域
本发明涉及信息处理技术领域，尤其涉及一种商品标题优化中重复率的计算方法。
背景技术
随着电商平台的不断发展，商家在不断进行标题优化的过程中，掌握了一定的标题优化技巧，通过部分商品特征关键词，使买家能够在短时间内找到自己需要的商品或者服务，另外精准化的标题引导，能够提高标题的默认排名的权重，进一步增加商品的曝光率或者点击量。这引发了商家对常用关键词以及高分关键词的重复滥用和堆砌行为，从而提高曝光量。
为了防止商家出现滥用关键词、恶意竞争提高搜索排名，保障买家对商品信息的准确性，以及标题真实准确、有吸引力，同时避免任何违规操作，以维护商品信息的质量和用户体验，本公司在先申请的专利文献CN115169337A公开了一种商品标题优化中关键词得分的计算方法，其中通过排名与关键词覆盖率函数、排名与点击量函数和增量与基数函数，通过函数对商品标题内容中不同关键字形成的组合内容，量化考核商品标题中关键词得分以及不同组合的商品标题总体得分，来寻找较合适的标题，但是没有涉及到如何防止在优化过程中出现大量重复使用关键词堆砌，或是关键词的分布模式过于集中，所出现的分数预估不准确，虚假曝光量等问题。因此，如何更有效的避免关键词堆砌对标题所带来的不准准确性，成为急需解决的问题。
发明内容
有鉴于此，本发明提出了一种提出改善商品标题中恶意冗余、堆砌关键词，导致标题内容滥用、臃肿，优化商品信息描述内容中的失真或者混乱现象，提高标题预估分数准确性的、商品标题优化中重复率的计算方法。
本发明的技术方案是这样实现的：本发明提供了一种商品标题优化中重复率的计算方法，包括如下步骤：
S1：获取商品的标题的相关关键词；
S2：将具有重复次数的相关关键词分开统计；
S3：建立重复率计算函数，将具有重复次数的相关关键词导入计算，获得具有重复次数的相关关键词的重复率得分；
S4：根据重复率计算函数的计算结果，对各重复的相关关键词衰减得分，再进行相关关键词得分的累计求代数和。
在以上技术方案的基础上，优选的，步骤S2中所述的将具有重复次数的相关关键词分开统计，是将商品的标题中的所有的标点符号都替换为空格，得到商品的标题的输入字符串；将顺序临近的字符进行两两组合，得到组合后的各相关关键词；对组合后的各相关关键词的重复次数分别进行计数，每发现重复的相关关键词则计数加1，直到完成字符串的内容搜索。
优选的，步骤S3中所述建立重复率计算函数，将具有重复次数的相关关键词导入计算，获得具有重复次数的相关关键词的重复率得分，是定义自变量x为不同相关关键词的重复次数，因变量y为重复率得分；min为定义域的最小值，max为定义域的最大值；m为确定重复率计算函数趋势的横坐标，m的取值范围为（min，max）；n为确定重复率计算函数趋势的纵坐标，n的取值范围为（0，100），且min不等于max；重复率计算函数中，重复次数越多的相关关键词，其重复率得分越低，即重复率得分与重复次数成反比关系；令（min，100）、（m，n）和（max，0）为重复率计算函数上的三个不同点，令重复率计算函数的表达式为：
；其中，/>、/>和/>为常数项。
优选的，所述重复率计算函数中，常数项的表达式分别为：
。
在以上技术方案的基础上，优选的，步骤S4中所述根据重复率计算函数的计算结果，对各重复的相关关键词衰减得分，是根据重复率计算函数获取重复率得分后，根据相关关键词重复出现的次数引入缩放因子，对重复率得分进行缩放调整。
优选的，所述缩放因子的表达式为；p为缩放因子；n为相关关键词出现的次数，n为非负整数；D为给定非零常数。
优选的，步骤S4中所述进行相关关键词得分的累计求代数和，是对同一相关关键词分别求取排名与关键词覆盖率函数对应的得分y 1、排名与点击量函数对应的得分y 2和增量与基数函数对应的得分y 3，结合缩放因子p调整后的重复率得分y，通过代数运算求取相关关键词的整体得分（y 1+y 2+y 3）-py；对全部相关关键词进行代数运算的累加，得到修正后的商品的标题的不同的相关关键词的总得分。
本发明提供的一种商品标题优化中重复率的计算方法，相对于现有技术，具有以下有益效果：
（1）本申请根据标题描述中的多个相关关键词的重复度或者相似度，分别进行统计和计算，对其进行重复率衰减，保证标题优化的准确性和质量，有利于降低标题的冗余和臃肿程度，剔除筛选出的不相关的无意义的重复内容，使商品标题的整体得分更加真实可靠；
（2）通过引入关键词重复率得分和缩放因子，在参与相关关键词的整体得分计算时对重复次数更多的相关关键词具有更大的扣分，更符合实际的筛选评分需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种商品标题优化中重复率的计算方法的流程图；
图2为本发明一种商品标题优化中重复率的计算方法的一种重复率计算函数的变化趋势图；
图3为本发明一种商品标题优化中重复率的计算方法的另一种重复率计算函数的变化趋势图；
图4为本发明一种商品标题优化中重复率的计算方法的又一种重复率计算函数的变化趋势图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1所示，本发明提供了一种商品标题优化中重复率的计算方法，包括如下步骤：
S1：获取商品的标题的相关关键词。
商品标题通常是由文字、数字、英文字符和标点符号组成，通常认为单纯的数字意义不明，因此数字需要与其后方相邻的数字、英文字符和/或文字进行组合形成整体才有具体的含义；后续分词时也以数字为起始部分。文字部分则没有限制，可以将至少2个以上的连续文字进行组合，得到待确认的相关关键词。商品标题通过拆词成为不同的元素，再按相邻顺序组合形成多个相关关键词。
S2：将具有重复次数的相关关键词分开统计。
具体的，是将商品的标题中的所有的标点符号都替换为空格，得到商品的标题的输入字符串；将顺序临近的字符进行两两组合，得到组合后的各相关关键词；对组合后的各相关关键词的重复次数分别进行计数，如果发现重复一次的相关关键词则计数加1，直到完成字符串的内容搜索。
举例说明：“某牌手机型号”通过拆词后，两两组合，可以得到“某牌”、“牌手”、“手机”、“机型”或者“型号”等两个字的组合。如果发现重复的组合的相关关键词的内容，则对该相关关键词进行标记，重复次数+1。重复次数的多少，会影响后续步骤的重复率得分。
S3：建立重复率计算函数，将具有重复次数的相关关键词导入计算，获得具有重复次数的相关关键词的重复率得分。
具体的，是定义自变量x为不同相关关键词的重复次数，因变量y为重复率得分；min为定义域的最小值，max为定义域的最大值；m为确定重复率计算函数趋势的横坐标，m的取值范围为（min，max）；n为确定重复率计算函数趋势的纵坐标，n的取值范围为（0，100），且min不等于max；重复率计算函数中，重复次数越多的相关关键词，其重复率得分越低，即重复率得分与重复次数成反比关系；令（min，100）、（m，n）和（max，0）为重复率计算函数上的三个不同点，令重复率计算函数的表达式为：；其中，/>、/>和/>为常数项。
因为端点值（min，100）和（max，0）是确定的；只剩下中间非端点部位的趋势，因此引入了固定点（m，n）来确定重复率计算函数的变化趋势。当时，重复率计算函数的变化趋势是直线，重复率得分与重复次数成对应的线性的比例关系，属于一种特殊情况，在此不再赘述。
当时，将（min，100）、（m，n）和（max，0）代入表达式/>中，得到：/>
由公式1和公式2可得，，化简得到：/>，公式4；将公式4代入公式2得到：/>，公式5；将公式4和公式5代入公式3，得到：，对表达式进行化简得到：/>，公式6。将公式6进一步代入公式4和公式5中，得到如下内容：
。根据重复率计算函数的表达式和上述常数项的表达式进行计算，求取各相关关键词的重复率得分。
如图2所示，图示展示了一种min=0，max=100，且固定点（m，n）=（30，20）时的重复率计算函数的变化趋势图。如图3所示，图示展示了一种min=0，max=100，且固定点（m，n）=（40，80）时的重复率计算函数的变化趋势图。如图4所示，图示展示了一种min=0，max=10，且固定点（m，n）=（3，20）时的重复率计算函数的变化趋势图。可见在不同的端点值与固定点取值时，重复率计算函数的变化趋势的收敛速度不同。
S4：根据重复率计算函数的计算结果，对各重复的相关关键词衰减得分，再进行相关关键词得分的累计求代数和。
具体的，首先，根据重复率计算函数获取重复率得分后，根据相关关键词重复出现的次数引入缩放因子，对重复率得分进行缩放调整。缩放因子的表达式为；p为缩放因子；n为相关关键词出现的次数，n为非负整数；D为给定非零常数。引入缩放因子是为了在后续计算时，如果一个或者多个相关关键词重复次数过多导致的重复率得分较低，在代数运算时对相关关键词的整体得分影响不明显，因此引入缩放因子进行比例放大，适当放大重复次数较多的相关关键词的整体分数，提高其对整体得分的影响。重复次数较低的相关关键词，仍保持对整体得分较小的影响。即缩放因子是一个与相关关键词重复出现次数n成正比的函数。分段函数的上部分，表示如果相关关键词仅出现一次，则不对相关关键词的整体得分进行扣减。相关关键词重复出现的次数越多，则在相关关键词的整体得分中减扣的项的数值越大。
进一步的，步骤S4中所述进行相关关键词得分的累计求代数和，是对同一相关关键词分别求取排名与关键词覆盖率函数对应的得分y 1、排名与点击量函数对应的得分y 2和增量与基数函数对应的得分y 3，结合缩放因子p调整后的重复率得分y，通过代数运算求取相关关键词的整体得分（y 1+y 2+y 3）-py；对全部相关关键词进行代数运算的累加，得到商品的标题的不同的相关关键词的总得分。
参照已公开的专利申请文献《一种商品标题优化中关键词得分的计算方法》，排名与关键词覆盖率函数具有开口向下的抛物线性质，当具有相同的搜索排名时，具有更高的关键词覆盖率的相关关键词的得分更高；经过指定的排名零点后，即便搜索排名继续增加，对应的排名与关键词覆盖率函数的取值一律取零。令具有最大覆盖率且搜索排名第一的相关关键词最高得分为100分，构造排名与关键词覆盖率函数的表达式为：，其中M为最大覆盖率，/>；覆盖率取值/>；/>为指定零点排名，/>；搜索排名/>；约束条件为：排名与关键词覆盖率函数对应的得分y 1不超过100，且满足/>，即/>在/>的值域是始终成立。当不同的相关关键词具有相同的搜索排名，且搜索排名不超过指定排名零点/>时，排名与关键词覆盖率函数的得分y 1与最大覆盖率M成正比；当不同的相关关键词具有相同的最大覆盖率M，且搜索排名不超过指定排名零点/>时，排名与关键词覆盖率函数的得分y 1与相关关键词的搜索排名成反比。排名零点/>是为了约束排名的数量，防止排名无限增长，超过指定排名零点后的排名与关键词覆盖率函数的得分y 1一律置为0，表示其之后的排名得分很低，强制置0。
排名与点击量函数对应的得分y 2是依靠搜索排名与点击量计算的到的。其经验公式为，其中/>为点击量，点击量的取值范围为/>；/>为搜索排名，取值范围为/>，注意这里的搜索排名/>与排名与关键词覆盖率函数中的搜索排名/>的含义不同。当相关关键词的搜索排名/>为第一时，排名与点击量函数对应的得分y 2是100分，此时可以不用考虑点击量的大小。当不同的相关关键词具有相同的搜索排名/>时，点击量越少的相关关键词的排名与点击量函数对应的得分y 2越高。当不同的相关关键词具有相同的点击量时，排名更靠前的相关关键词具有更高的点击量函数对应的得分y 2。
增量与基数函数的得分的经验公式为：
其中，为增量，/>为基数；根据增量/>和基数/>的取值，根据不同的分段函数求取增量与基数函数的得分/>即可。
依照上述排名与关键词覆盖率函数对应的得分y 1、排名与点击量函数对应的得分y 2和增量与基数函数对应的得分y 3进行累加，可以得到任一个相关关键词的得分的累计值。但是这个累计值是没有排除因重复的相关关键词带来的得分膨胀的后果，导致这个求和结果不够准确。故还需要对上述累计值进行重复率得分y的比例调减，故针对每一个相关关键词，在求取排名与关键词覆盖率函数对应的得分y 1、排名与点击量函数对应的得分y 2和增量与基数函数对应的得分y 3后，通过重复率计算函数与缩放因子对得分进行调整（y 1+y 2+y 3）-py，依此类推，对商品标题中的所有相关关键词进行上述得分调整，累加求和后即可得到修正后的各个相关关键词组合下的商品标题的总得分。
下面通过实例的方式对本申请的效果说明如下。
1）获取某品牌产品关于商品的描述信息：
标题名称：A品牌手机；
简介：品牌：A；产品名称-手机；名称：5G数字移动电话；机身颜色：白色/灰色/蓝色；运行内存： 8G/12G；存储容量：128GB/256GB/512GB；网络模式：双卡双待；CPU型号：骁龙888；屏幕：电容屏、直板、全面屏/挖孔屏；屏幕尺寸：6.37英寸/6.53英寸；摄像头：前一后三。
2）采用本公司在先申请的发明《CN115169337A》中的方案，从商品描述信息中提取全部相关关键词，通过拆词得到标题关键词如品牌A、手机、拍照、颜色、屏幕以及相应的参数，将全部相关关键词组成相关关键词词库。
3）构建排名与关键词覆盖率函数、排名与点击量函数和增量与基数函数，构建过程参照发明《CN115169337A》的推导过程。如令相关关键词为：A品牌手机；其覆盖率为0.2，排名为1，商品发布前或者商品发布后一段时期获取的网络总的点击量为50000，增量2000，基数为10。通过计算得到排名与关键词覆盖率函数的得分100；排名与点击量函数的得分为100；根据增量与基数函数计算的相关关键词得分为48.91分。则通过累加，对相关关键词为A品牌手机的各项得分进行累加，即该相关关键词的总得分248.91分。
4）同样利用商品描述信息中提取全部相关关键词，基于相关关键词为：A品牌手机，发现有数个近义相关关键词，形成重复表述，如A品牌手机、产品名称中的手机以及名称中的移动电话/数字移动电话等，手机/电话多次出现且含义相同；因此需要对该相关关键词进行重复率计算函数的计算，如求得重复率计算函数的计算结果为y=8.5，根据相关关键词重复出现的次数计算缩放因子p=4.4；则经过本申请修正过的相关关键词A品牌手机的最终得分（y 1+y 2+y 3）-py=211.51。重复上述过程，将各相关关键词的总得分分别进行修正后再进行累加，得到对重复率进行修正后的各个相关关键词组合下的商品标题的总得分。
可见经过本申请的方案进行修正后，提出了重复出现的相同或者相近的相关关键词对相关关键词的总得分进行修正，降低无意义的重复和堆砌对商品标题的整体得分的不利影响，使商品标题的整体得分更加真实和准确。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种商品标题优化中重复率的计算方法，其特征在于，包括如下步骤：
S1：获取商品的标题的相关关键词；
S2：将具有重复次数的相关关键词分开统计；
S3：建立重复率计算函数，将具有重复次数的相关关键词导入计算，获得具有重复次数的相关关键词的重复率得分；
S4：根据重复率计算函数的计算结果，对各重复的相关关键词衰减得分，再进行相关关键词得分的累计求代数和；
所述根据重复率计算函数的计算结果，对各重复的相关关键词衰减得分，是根据重复率计算函数获取重复率得分后，根据相关关键词重复出现的次数引入缩放因子，对重复率得分进行缩放调整；
所述缩放因子的表达式为p为缩放因子；n为相关关键词出现的次数，n为非负整数；D为给定非零常数；
所述进行相关关键词得分的累计求代数和，是对同一相关关键词分别求取排名与关键词覆盖率函数对应的得分y1、排名与点击量函数对应的得分y2和增量与基数函数对应的得分y3，结合缩放因子p调整后的重复率得分y，通过代数运算求取相关关键词的整体得分(y1+y2+y3)-py；对全部相关关键词进行代数运算的累加，得到修正后的商品的标题的不同的相关关键词的总得分；
步骤S2中所述的将具有重复次数的相关关键词分开统计，是将商品的标题中的所有的标点符号都替换为空格，得到商品的标题的输入字符串；将顺序临近的字符进行两两组合，得到组合后的各相关关键词；对组合后的各相关关键词的重复次数分别进行计数，每发现重复一次的相关关键词则计数加1，直到完成字符串的内容搜索；
步骤S3中所述建立重复率计算函数，将具有重复次数的相关关键词导入计算，获得具有重复次数的相关关键词的重复率得分，是定义自变量x为不同相关关键词的重复次数，因变量y为重复率得分；min为定义域的最小值，max为定义域的最大值；m为确定重复率计算函数趋势的横坐标，m的取值范围为(min，max)；n为确定重复率计算函数趋势的纵坐标，n的取值范围为(0，100)，且min不等于max；重复率计算函数中，重复次数越多的相关关键词，其重复率得分越低，即重复率得分与重复次数成反比关系；令(min，100)、(m，n)和(max，0)为重复率计算函数上的三个不同点，令重复率计算函数的表达式为：
其中，a、b和c为常数项；
所述重复率计算函数中，常数项的表达式分别为：
CN202311420103.9A 2023-10-30 2023-10-30 一种商品标题优化中重复率的计算方法 Active CN117151083B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311420103.9A CN117151083B (zh) 2023-10-30 2023-10-30 一种商品标题优化中重复率的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311420103.9A CN117151083B (zh) 2023-10-30 2023-10-30 一种商品标题优化中重复率的计算方法

Publications (2)

Publication Number Publication Date
CN117151083A CN117151083A (zh) 2023-12-01
CN117151083B true CN117151083B (zh) 2024-04-19

Family

ID=88906509

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311420103.9A Active CN117151083B (zh) 2023-10-30 2023-10-30 一种商品标题优化中重复率的计算方法

Country Status (1)

Country Link
CN (1) CN117151083B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009134656A (ja) * 2007-12-01 2009-06-18 Fujifilm Corp 商品提示システム及び商品検索サーバ
CN103885937A (zh) * 2014-04-14 2014-06-25 焦点科技股份有限公司 基于核心词相似度判断企业中文名称重复的方法
CN107590127A (zh) * 2017-09-21 2018-01-16 北京师范大学 一种题库知识点自动标注方法及系统
CN108804541A (zh) * 2018-05-08 2018-11-13 苏州闻道网络科技股份有限公司 电商标题优化系统及优化方法
CN110874530A (zh) * 2019-10-30 2020-03-10 深圳价值在线信息科技股份有限公司 关键词提取方法、装置、终端设备及存储介质
CN114818674A (zh) * 2022-05-09 2022-07-29 广州欢聚时代信息科技有限公司 商品标题关键词提取方法及其装置、设备、介质、产品

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009134656A (ja) * 2007-12-01 2009-06-18 Fujifilm Corp 商品提示システム及び商品検索サーバ
CN103885937A (zh) * 2014-04-14 2014-06-25 焦点科技股份有限公司 基于核心词相似度判断企业中文名称重复的方法
CN107590127A (zh) * 2017-09-21 2018-01-16 北京师范大学 一种题库知识点自动标注方法及系统
CN108804541A (zh) * 2018-05-08 2018-11-13 苏州闻道网络科技股份有限公司 电商标题优化系统及优化方法
CN110874530A (zh) * 2019-10-30 2020-03-10 深圳价值在线信息科技股份有限公司 关键词提取方法、装置、终端设备及存储介质
CN114818674A (zh) * 2022-05-09 2022-07-29 广州欢聚时代信息科技有限公司 商品标题关键词提取方法及其装置、设备、介质、产品

Also Published As

Publication number Publication date
CN117151083A (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN109999504B (zh) 一种游戏道具推荐方法、装置、服务器及存储介质
WO2019214236A1 (zh) 原创内容摘要确定和原创内容推荐
WO2016045465A1 (zh) 一种基于输入的信息展示方法和输入法系统
CN109408665A (zh) 一种信息推荐方法及装置、存储介质
KR20170080645A (ko) 코멘트 항목의 품질 정보를 확정하는 방법 및 장치
CN107943910B (zh) 一种基于组合算法的个性化图书推荐方法
CN109756632B (zh) 一种基于多维时间序列的诈骗电话分析方法
CN110489574B (zh) 一种多媒体信息推荐方法、装置和相关设备
CN108763214A (zh) 一种针对商品评论的情感词典自动构建方法
CN108509499A (zh) 一种搜索方法及装置，电子设备
CN107273391A (zh) 文书推荐方法和装置
CN109271517A (zh) Ig tf-idf文本特征向量生成及文本分类方法
CN107885717A (zh) 一种关键词提取方法及装置
CN114022202B (zh) 基于深度学习的用户流失预测方法及系统
CN117151083B (zh) 一种商品标题优化中重复率的计算方法
CN103294741A (zh) 类似文件检索辅助装置以及类似文件检索辅助方法
CN116028727B (zh) 一种基于图像数据处理的视频推荐方法
CN109783175B (zh) 应用程序图标管理方法、装置、可读存储介质及终端设备
CN116843392A (zh) 推荐方法、装置、设备及存储介质
CN115587828A (zh) 一种基于Shap值的电信欺诈场景的可解释方法
CN110162545A (zh) 基于大数据的信息推送方法、设备、存储介质及装置
CN110619547A (zh) 确定网红商户的方法、装置、电子设备及存储介质
CN112559694B (zh) 新词发现的方法、装置、计算机存储介质和电子设备
CN114862518A (zh) 一种智能服装推荐模型建立方法和智能服装推荐方法
CN111191707B (zh) 融合时间衰减因子的lfm训练样本构建方法

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Unit 202, 3rd Floor, Building 9, West District, No. 9 Linglong Road, Haidian District, Beijing, 100000 RMB

Patentee after: Zhongjiao Changxiang Technology Co.,Ltd.

Country or region after: China

Address before: No. 55, Building 119, No. 12 Zhongguancun South Street, Haidian District, Beijing, 100080

Patentee before: Chinese Education Changxiang (Beijing) Technology Co.,Ltd.

Country or region before: China