CN117725082A - 产品的处理方法及装置和电子设备 - Google Patents
产品的处理方法及装置和电子设备 Download PDFInfo
- Publication number
- CN117725082A CN117725082A CN202311748049.0A CN202311748049A CN117725082A CN 117725082 A CN117725082 A CN 117725082A CN 202311748049 A CN202311748049 A CN 202311748049A CN 117725082 A CN117725082 A CN 117725082A
- Authority
- CN
- China
- Prior art keywords
- product
- recall
- attribute data
- products
- target
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 123
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 description 22
- 238000003860 storage Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000015556 catabolic process Effects 0.000 description 7
- 238000006731 degradation reaction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005202 decontamination Methods 0.000 description 1
- 230000003588 decontaminative effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种产品的处理方法及装置和电子设备,涉及计算机技术领域。该方法包括:接收目标对象发送的查询请求;基于查询请求,获取目标产品的K个属性数据;依据目标产品的K个属性数据,对产品数据集中的S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据;依据目标产品的K个属性数据和每个召回产品的K个属性数据,确定目标产品与每个召回产品之间的相似度;基于目标产品与每个召回产品之间的相似度,对T个召回产品中的产品进行排序处理,得到N个产品,并向目标对象推荐N个产品。通过本申请,解决了相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种产品的处理方法及装置和电子设备。
背景技术
搜索系统,简单来说就是根据用户的查询行为,为用户匹配出符合其要求信息的服务。Elasticsearch是目前搜索系统中最成功和应用最广泛的技术,在应用实践中取得了快速的发展,它使用文本内分词关键字建立索引,并根据用户输入的信息分词关键字来产生匹配结果。而匹配结果中需要筛选出最符合用户要求的结果,需要对输出结果进行打分过滤并得到最相似的N个结果,且研究ES(Elasticsearch,一种开源的分布式搜索和分析引擎,用于实时搜索、分析和存储大量数据)的打分机制会发现ES的实时评分机制是基于Lucene(Lucene Information Retrieval Library,Lucene信息检索库)来实现的,当输入商品属性越多的时候,其匹配的分值是不太能准确的描述商品之间的相似度,因此搜索的结果也不能准确的达到用户的预期。
针对相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种产品的处理方法及装置和电子设备,以解决相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种产品的处理方法。该方法包括:接收目标对象发送的查询请求,其中,所述查询请求用于请求从产品数据集中查询目标产品,所述产品数据集中至少包括S个产品,S为大于1的正整数;基于所述查询请求,获取所述目标产品的K个属性数据,其中,K为大于1的正整数;依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数;依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度;基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品,并向所述目标对象推荐所述N个产品,其中,所述N个产品中每个产品与所述目标产品之间的相似度大于P个产品中每个产品与所述目标产品之间的相似度,所述P个产品为所述T个召回产品中除所述N个产品之外的产品,N和P均为小于T的正整数。
进一步地,依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度包括:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,计算所述目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度,其中,V为大于K的正整数;确定所述K个属性数据中每个属性数据的权重;基于所述V个属性相似度和所述K个属性数据中每个属性数据的权重,确定所述目标产品与每个召回产品之间的相似度。
进一步地,依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,计算所述目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度包括:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述K个属性数据中的规格属性数据,其中,所述规格属性数据用于表示产品的规格信息;确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度;基于所述K个属性数据和所述规格属性数据,确定Q个属性数据,其中,所述Q个属性数据为所述K个属性数据中除所述规格属性数据之外的属性数据,Q为小于K的正整数;计算所述目标产品的所述Q个属性数据中的每个属性数据和每个召回产品的所述Q个属性数据中的每个属性数据之间的相似度,得到U个属性相似度,其中,U为大于Q的正整数;基于所述U个属性相似度、所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度,得到所述V个属性相似度。
进一步地,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:依据所述目标产品的规格属性数据,确定所述目标产品的规格中的单位信息和数值信息;依据每个召回产品的规格属性数据,确定每个召回产品的规格中的单位信息和数值信息;基于所述目标产品的规格中的单位信息、所述目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
进一步地,基于所述目标产品的规格中的单位信息、所述目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:计算所述目标产品的规格中的单位信息和每个召回产品的规格中的单位信息之间的相似度,得到T个单位相似度;计算所述目标产品的规格中的数值信息和每个召回产品的规格中的数值信息之间的相似度,得到T个数值相似度;依据所述规格属性数据,分别确定规格信息中的单位信息对应的权重和数值信息对应的权重;基于所述T个单位相似度、所述T个数值相似度、所述单位信息对应的权重和所述数值信息对应的权重,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
进一步地,依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品包括:依据所述目标产品的K个属性数据,确定目标召回策略;确定用于进行召回处理的目标语句;基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
进一步地,基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品包括:基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到W个召回产品,其中,W为自然数;判断所述W个召回产品的数量是否大于预设数量;若所述W个召回产品的数量大于所述预设数量,则基于所述W个召回产品确定所述T个召回产品;若所述W个召回产品的数量不大于所述预设数量,则对所述目标召回策略进行修改处理,得到修改后的目标召回策略,其中,所述修改后的目标召回策略为依据Y个属性数据确定的召回策略,Y为小于K的正整数;依据所述目标语句和所述修改后的目标召回策略,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
进一步地,基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品包括:确定预设顺序,其中,所述预设顺序用于对所述T个召回产品中的产品进行排序;结合所述预设顺序,基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到排序结果;依据所述排序结果,从所述T个召回产品中过滤掉所述P个产品,得到所述N个产品。
为了实现上述目的,根据本申请的另一方面,提供了一种产品的处理装置。该装置包括:第一接收单元,用于接收目标对象发送的查询请求,其中,所述查询请求用于请求从产品数据集中查询目标产品,所述产品数据集中至少包括S个产品,S为大于1的正整数;第一获取单元,用于基于所述查询请求,获取所述目标产品的K个属性数据,其中,K为大于1的正整数;第一处理单元,用于依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数;第一确定单元,用于依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度;第二处理单元,用于基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品,并向所述目标对象推荐所述N个产品,其中,所述N个产品中每个产品与所述目标产品之间的相似度大于P个产品中每个产品与所述目标产品之间的相似度,所述P个产品为所述T个召回产品中除所述N个产品之外的产品,N和P均为小于T的正整数。
进一步地,所述第一确定单元包括:第一确定子单元,用于依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,计算所述目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度,其中,V为大于K的正整数;第二确定子单元,用于确定所述K个属性数据中每个属性数据的权重;第三确定子单元,用于基于所述V个属性相似度和所述K个属性数据中每个属性数据的权重,确定所述目标产品与每个召回产品之间的相似度。
进一步地,所述第一确定子单元包括:第一确定模块,用于依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述K个属性数据中的规格属性数据,其中,所述规格属性数据用于表示产品的规格信息;第二确定模块,用于确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度;第三确定模块,用于基于所述K个属性数据和所述规格属性数据,确定Q个属性数据,其中,所述Q个属性数据为所述K个属性数据中除所述规格属性数据之外的属性数据,Q为小于K的正整数;第一计算模块,用于计算所述目标产品的所述Q个属性数据中的每个属性数据和每个召回产品的所述Q个属性数据中的每个属性数据之间的相似度,得到U个属性相似度,其中,U为大于Q的正整数;第四确定模块,用于基于所述U个属性相似度、所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度,得到所述V个属性相似度。
进一步地,所述第二确定模块包括:第一确定子模块,用于依据所述目标产品的规格属性数据,确定所述目标产品的规格中的单位信息和数值信息;第二确定子模块,用于依据每个召回产品的规格属性数据,确定每个召回产品的规格中的单位信息和数值信息;第三确定子模块,用于基于所述目标产品的规格中的单位信息、所述目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
进一步地,所述第三确定子模块包括:计算子模块一,用于计算所述目标产品的规格中的单位信息和每个召回产品的规格中的单位信息之间的相似度,得到T个单位相似度;计算子模块二,用于计算所述目标产品的规格中的数值信息和每个召回产品的规格中的数值信息之间的相似度,得到T个数值相似度;确定子模块一,用于依据所述规格属性数据,分别确定规格信息中的单位信息对应的权重和数值信息对应的权重;确定子模块二,用于基于所述T个单位相似度、所述T个数值相似度、所述单位信息对应的权重和所述数值信息对应的权重,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
进一步地,所述第一处理单元包括:第四确定子单元,用于依据所述目标产品的K个属性数据,确定目标召回策略;第五确定子单元,用于确定用于进行召回处理的目标语句;第一处理子单元,用于基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
进一步地,所述第一处理子单元包括:第一处理模块,用于基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到W个召回产品,其中,W为自然数;第一判断模块,用于判断所述W个召回产品的数量是否大于预设数量;第五确定模块,用于若所述W个召回产品的数量大于所述预设数量,则基于所述W个召回产品确定所述T个召回产品;第二处理模块,用于若所述W个召回产品的数量不大于所述预设数量,则对所述目标召回策略进行修改处理,得到修改后的目标召回策略,其中,所述修改后的目标召回策略为依据Y个属性数据确定的召回策略,Y为小于K的正整数;第三处理模块,用于依据所述目标语句和所述修改后的目标召回策略,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
进一步地,所述第二处理单元包括:第六确定子单元,用于确定预设顺序,其中,所述预设顺序用于对所述T个召回产品中的产品进行排序;第二处理子单元,用于结合所述预设顺序,基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到排序结果;第一过滤子单元,用于依据所述排序结果,从所述T个召回产品中过滤掉所述P个产品,得到所述N个产品。
为了实现上述目的,根据本申请的另一方面,提供了一种计算机可读存储介质,所述存储介质存储程序,其中,所述程序执行上述的任意一项所述的产品的处理方法。
为了实现上述目的,根据本申请的另一方面,提供了一种电子设备,所述电子设备包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的任意一项所述的产品的处理方法。
通过本申请,采用以下步骤:接收目标对象发送的查询请求,其中,查询请求用于请求从产品数据集中查询目标产品,产品数据集中至少包括S个产品,S为大于1的正整数;基于查询请求,获取目标产品的K个属性数据,其中,K为大于1的正整数;依据目标产品的K个属性数据,对产品数据集中的S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数;依据目标产品的K个属性数据和每个召回产品的K个属性数据,确定目标产品与每个召回产品之间的相似度;基于目标产品与每个召回产品之间的相似度,对T个召回产品中的产品进行排序处理,得到N个产品,并向目标对象推荐N个产品,其中,N个产品中每个产品与目标产品之间的相似度大于P个产品中每个产品与目标产品之间的相似度,P个产品为T个召回产品中除N个产品之外的产品,N和P均为小于T的正整数,解决了相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题。通过根据用户发送的查询请求,获取目标产品的多个属性数据,再依据目标产品的多个属性数据,对产品数据集中的多个产品进行召回处理,得到多个召回产品,并获取每个召回产品的多个属性数据,然后根据目标产品的多个属性数据和每个召回产品的多个属性数据,确定目标产品与每个召回产品之间的相似度,再基于目标产品与每个召回产品之间的相似度,对多个召回产品中的产品进行排序处理,得到最相似的多个产品,并向该用户推荐最相似的多个产品,从而避免了相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题,进而达到了提升从产品数据集中搜索匹配用户查询的产品的准确率的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的产品的处理方法的流程图;
图2是根据本申请实施例提供的可选的产品的处理方法的流程图;
图3是本实施例中本实施例与现有技术在不同K值下的评测指标对比的示意图一;
图4是本实施例中本实施例与现有技术在不同K值下的评测指标对比的示意图二;
图5是根据本申请实施例提供的产品的处理装置的示意图;
图6是根据本申请实施例提供的电子设备的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。例如,本系统和相关用户或机构间设置有接口,在获取相关信息之前,需要通过接口向前述的用户或机构发送获取请求,并在接收到前述的用户或机构反馈的同意信息后,获取相关信息。
下面结合优选的实施步骤对本发明进行说明,图1是根据本申请实施例提供的产品的处理方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,接收目标对象发送的查询请求,其中,查询请求用于请求从产品数据集中查询目标产品,产品数据集中至少包括S个产品,S为大于1的正整数。
例如,当用户从商品数据集中查询商品时,可以先通过系统接收用户发送的查询请求。
步骤S102,基于查询请求,获取目标产品的K个属性数据,其中,K为大于1的正整数。
例如,可以根据用户发送的查询请求,获取用户想要查询的产品的多个属性信息。
步骤S103,依据目标产品的K个属性数据,对产品数据集中的S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数。
例如,可以根据获取到的用户想要查询的产品的多个属性信息,从商品数据集中召回多个比较相似的商品,并获取每个召回商品的多个属性信息。
步骤S104,依据目标产品的K个属性数据和每个召回产品的K个属性数据,确定目标产品与每个召回产品之间的相似度。
例如,对用户想要查询的产品的多个属性与召回商品的属性依次计算相似度,得到多个属性相似度。
步骤S105,基于目标产品与每个召回产品之间的相似度,对T个召回产品中的产品进行排序处理,得到N个产品,并向目标对象推荐N个产品,其中,N个产品中每个产品与目标产品之间的相似度大于P个产品中每个产品与目标产品之间的相似度,P个产品为T个召回产品中除N个产品之外的产品,N和P均为小于T的正整数。
例如,可以根据计算得到的多个属性相似度,对召回的多个商品进行排序,并筛选出相似度较高的前几个商品,再将相似度较高的前几个商品推荐给该用户。
通过上述的步骤S101至S105,通过根据用户发送的查询请求,获取目标产品的多个属性数据,再依据目标产品的多个属性数据,对产品数据集中的多个产品进行召回处理,得到多个召回产品,并获取每个召回产品的多个属性数据,然后根据目标产品的多个属性数据和每个召回产品的多个属性数据,确定目标产品与每个召回产品之间的相似度,再基于目标产品与每个召回产品之间的相似度,对多个召回产品中的产品进行排序处理,得到最相似的多个产品,并向该用户推荐最相似的多个产品,从而避免了相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题,进而达到了提升从产品数据集中搜索匹配用户查询的产品的准确率的效果。
可选地,在本申请实施例提供的产品的处理方法中,基于目标召回策略和目标语句,对产品数据集中的S个产品进行召回处理,得到T个召回产品包括:基于目标召回策略和目标语句,对产品数据集中的S个产品进行召回处理,得到W个召回产品,其中,W为自然数;判断W个召回产品的数量是否大于预设数量;若W个召回产品的数量大于预设数量,则基于W个召回产品确定T个召回产品;若W个召回产品的数量不大于预设数量,则对目标召回策略进行修改处理,得到修改后的目标召回策略,其中,修改后的目标召回策略为依据Y个属性数据确定的召回策略,Y为小于K的正整数;依据目标语句和修改后的目标召回策略,对产品数据集中的S个产品进行召回处理,得到T个召回产品。
例如,可以根据召回结果确定是否执行匹配降级策略,直至拿到召回结果。比如,可以根据目标商品的属性确定匹配策略,且当前匹配不到结果,减可以少输入属性进行降级匹配,直至拿到召回结果或者匹配策略耗尽。
综上所述,通过使用降级匹配策略,可以快速准确的匹配到匹配结果。
可选地,在本申请实施例提供的产品的处理方法中,依据目标产品的K个属性数据和每个召回产品的K个属性数据,确定目标产品与每个召回产品之间的相似度包括:依据目标产品的K个属性数据和每个召回产品的K个属性数据,计算目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度,其中,V为大于K的正整数;确定K个属性数据中每个属性数据的权重;基于V个属性相似度和K个属性数据中每个属性数据的权重,确定目标产品与每个召回产品之间的相似度。
例如,在计算用户想要查询的产品与召回商品之间的相似度时,可以先计算要查询的产品的每个属性与召回商品的每个属性之间的相似度,再确定每个属性相似度的权重,然后对多个属性的相似度进行加权计算,最终得到用户想要查询的目标商品与召回商品之间的相似度。
综上所述,通过对多个属性的相似度进行加权计算,可以快速准确的得到目标商品与召回商品之间的相似度。
可选地,在本申请实施例提供的产品的处理方法中,依据目标产品的K个属性数据和每个召回产品的K个属性数据,计算目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度包括:依据目标产品的K个属性数据和每个召回产品的K个属性数据,确定K个属性数据中的规格属性数据,其中,规格属性数据用于表示产品的规格信息;确定目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度;基于K个属性数据和规格属性数据,确定Q个属性数据,其中,Q个属性数据为K个属性数据中除规格属性数据之外的属性数据,Q为小于K的正整数;计算目标产品的Q个属性数据中的每个属性数据和每个召回产品的Q个属性数据中的每个属性数据之间的相似度,得到U个属性相似度,其中,U为大于Q的正整数;基于U个属性相似度、目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度,得到V个属性相似度。
例如,在计算用户想要查询的目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度时,可以先确定每个属性数据的规格属性,然后再计算目标产品的规格属性和每个召回产品的规格属性之间的相似度,再确定非商品规格属性,并计算非商品规格属性中的每个属性数据和每个召回产品的非商品规格属性中的每个属性数据之间的相似度,并根据规格属性之间的相似度和非商品规格属性的相似度,确定用户想要查询的目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度。
通过上述的方案,可以快速准确的计算目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度。
可选地,在本申请实施例提供的产品的处理方法中,确定目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:依据目标产品的规格属性数据,确定目标产品的规格中的单位信息和数值信息;依据每个召回产品的规格属性数据,确定每个召回产品的规格中的单位信息和数值信息;基于目标产品的规格中的单位信息、目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
例如,在计算规格属性数据之间的相似度时,可以先确定目标产品和每个召回产品的规格中的单位信息和数值信息,再根据目标产品和每个召回产品的规格中的单位信息和数值信息,计算目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
通过上述的方案,可以快速准确的获取到商品规格中的单位信息和数值信息。
可选地,在本申请实施例提供的产品的处理方法中,基于目标产品的规格中的单位信息、目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:计算目标产品的规格中的单位信息和每个召回产品的规格中的单位信息之间的相似度,得到T个单位相似度;计算目标产品的规格中的数值信息和每个召回产品的规格中的数值信息之间的相似度,得到T个数值相似度;依据规格属性数据,分别确定规格信息中的单位信息对应的权重和数值信息对应的权重;基于T个单位相似度、T个数值相似度、单位信息对应的权重和数值信息对应的权重,确定目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
例如,可以先计算目标产品的规格中的单位信息和每个召回产品的规格中的单位信息之间的相似度,再计算目标产品的规格中的数值信息和每个召回产品的规格中的数值信息之间的相似度,然后分别确定规格信息中的单位信息对应的权重和数值信息对应的权重,再基于单位相似度、数值相似度、单位信息对应的权重和数值信息对应的权重,确定目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
通过上述的方案,根据单位相似度、数值相似度、单位的权重和数值的权重,可以快速准确的计算得到商品的规格属性数据之间的相似度。
可选地,在本申请实施例提供的产品的处理方法中,依据目标产品的K个属性数据,对产品数据集中的S个产品进行召回处理,得到T个召回产品包括:依据目标产品的K个属性数据,确定目标召回策略;确定用于进行召回处理的目标语句;基于目标召回策略和目标语句,对产品数据集中的S个产品进行召回处理,得到T个召回产品。
例如,上述的目标语句可以为DSL语句(Domain-Specific Language,一种针对特定领域的编程语言),可以先构建匹配DSL语句,然后可以根据召回策略和DSL语句,对商品数据集中的产品进行召回处理。
通过上述的方案,根据召回策略和目标语句,可以方便的对商品数据集中的产品进行召回。
可选地,在本申请实施例提供的产品的处理方法中,基于目标产品与每个召回产品之间的相似度,对T个召回产品中的产品进行排序处理,得到N个产品包括:确定预设顺序,其中,预设顺序用于对T个召回产品中的产品进行排序;结合预设顺序,基于目标产品与每个召回产品之间的相似度,对T个召回产品中的产品进行排序处理,得到排序结果;依据排序结果,从T个召回产品中过滤掉P个产品,得到N个产品。
例如,可以根据用户想要查询的目标商品与召回商品相似度分值进行排序过滤,最终找到最相似的前N个商品。比如,上述的预设顺序可以为相似度由高到低的顺序,然后可以根据这个顺序,从多个召回的商品中将排在后面的与目标商品相似度较低的商品过滤掉,并得到与用户想要查询的目标商品相似度最高的前几个商品。
通过上述的方案,可以快速准确的查找到与用户想要查询的目标商品最相似的前N个商品。
例如,本实施例涉及商品搜索以及推荐技术领域,特别是涉及一种基于商品属性相似度计算的改进型匹配方法。且本实施例所要解决的技术问题是提供一种基于商品属性相似度计算的改进型匹配方法,能够提高商品匹配的召回率和准确率。
例如,本实施例解决其技术问题所采用的技术方案是:一种基于商品属性相似度计算的改进型匹配方法,包括以下步骤:
(1)确定商品数据集,构建可提供匹配的商品索引;
(2)针对目标商品K个属性进行标准化清洗,得到可匹配的输入参数M;
(3)确定输入参数M的匹配策略,并构建匹配DSL语句;
(4)根据召回结果确定是否执行匹配降级策略,直至拿到召回结果;
(5)商品K个属性与召回商品属性依次计算相似度,得到K个属性相似度,其中K个属性的特征相似度运用改进后的方法进行计算;
(6)配置商品K个属性相似度的权重R;
(7)根据K个属性的相似度进行加权计算,最终得到目标商品与召回商品相似度;
(8)根据目标商品与召回商品相似度分值进行排序过滤,最终找到最相似的前N个商品。
而且,步骤(4)中的匹配策略,根据目标商品属性确定匹配策略,当前匹配不到结果,减少输入属性进行降级匹配,直至拿到召回结果或者匹配策略耗尽。本实施例通过引入商品降级匹配策略来做多重匹配,提高了匹配的冗余度,从而有效提高匹配的召回率。
另外,步骤(5)中商品属性相似度计算方式为:
其中,c1,c2是分别表示两个字符串,是当ai≠bj时值为1,否则值为0的示性函数,这样,Sc1,c2(i,j)是非商品规格属性c1的前i个字符和c2的前j个字符之间的编辑距离。Cc1,c2是商品规格的相似度计算方式,识别出属性中的单位和数值分开计算相似度值,其中Ua1,a2为规格单位相似度,规格单位可维护一个近义词集合,在集合内的可视为相同单位,Db1,b2为规格数值相似度,数值可根据单位做相同转换后再比较。
而且,步骤(6)中商品相似度计算方式为:其中,a,b分别表示目标商品与召回商品,S(i)是商品a与商品b第i个属性的相似度,R(i)是商品第i个属性相似度的占比权重。如果商品第i个属性权重越高,说明该属性的相似度对整个商品的相似度影响越大,区分度越大,最终相似度的准确性就越高。本实施例通过引入商品属性相似度分类计算方式以及商品属性权重来修正商品相似度,从公式中可以看出,分类计算方式惩罚了通用相似度计算错误的可能性,从而有效提高搜索的准确率。
而且,利用新的商品相似度计算公式计算商品与商品之间的相似度,并进行归一化处理。且最后根据相似度评分过滤结果推荐给用户最相似的N个物品。
因此,由于采用了上述的技术方案,本实施例与现有技术相比,具有以下的优点和有益效果:本实施例通过引入商品降级匹配策略来做多重匹配,通过属性相似度分类计算方式以及配置商品属性权重来修正商品相似度,从而有效提高搜索匹配的召回率和准确率。
例如,本实施例涉及一种基于商品属性相似度计算的改进型匹配方法,且图2是根据本申请实施例提供的可选的产品的处理方法的流程图,如图2所示,该匹配方法包括以下步骤:确定匹配商品数据集,并构建商品索引;针对输入参数进行清洗,主要包含属性标准化和参数去污去重处理;根据目标商品属性确定匹配策略,构建并执行DSL语句获取召回结果;根据召回结果是否为空确定是否执行降级匹配策略,直至拿到召回结果;确定商品K个属性的权重R,针对目标商品的K个属性,根据商品属性相似度计算公式计算目标商品K个属性与召回商品K个属性的相似程度;最后根据商品K个属性的相似度加权计算公式得到输入商品与召回商品的相似度分值,推荐最相似的前N个商品。本实施例有效提高了商品匹配的召回率和准确率,在商品搜索以及推荐领域有一定应用价值。
而且,商品匹配策略以及商品相似度计算都是商品搜索的核心步骤,采用不同策略以及不同的相似度计算方式,最终的搜索结果均不一致。在实际商品匹配场景中,比如使用商品名+品牌+规格型号进行匹配,如果按照默认三个要素进行匹配,有可能会匹配不到结果,这样召回率会降低。如果能够再次按照商品名+规格型号进行匹配,则有可能能匹配出结果,能够提高召回率;而相似度默认计算方式则有可能导致商品名一致但规格型号很相似(实际不一致)的商品排在前面,而商品名相似(实际一致)但规格型号一致的排在后面,搜索结果就不符合用户预期。如果能够把规格的权重和商品名的权重做一下划分,商品名的相似度与规格相似度分类计算,则能够有效避免该种情况。
例如,图3是本实施例中本实施例与现有技术在不同K值下的评测指标对比的示意图一,图4是本实施例中本实施例与现有技术在不同K值下的评测指标对比的示意图二,如图3和图4所示,与现有技术对比来看,本实施例提出的搜索匹配方法召回率在K>1时,召回率和准确率均要比现有方法的指标要好,因此具有良好的应用价值。
综上,本申请实施例提供的产品的处理方法,通过接收目标对象发送的查询请求,其中,查询请求用于请求从产品数据集中查询目标产品,产品数据集中至少包括S个产品,S为大于1的正整数;基于查询请求,获取目标产品的K个属性数据,其中,K为大于1的正整数;依据目标产品的K个属性数据,对产品数据集中的S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数;依据目标产品的K个属性数据和每个召回产品的K个属性数据,确定目标产品与每个召回产品之间的相似度;基于目标产品与每个召回产品之间的相似度,对T个召回产品中的产品进行排序处理,得到N个产品,并向目标对象推荐N个产品,其中,N个产品中每个产品与目标产品之间的相似度大于P个产品中每个产品与目标产品之间的相似度,P个产品为T个召回产品中除N个产品之外的产品,N和P均为小于T的正整数,解决了相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题。通过根据用户发送的查询请求,获取目标产品的多个属性数据,再依据目标产品的多个属性数据,对产品数据集中的多个产品进行召回处理,得到多个召回产品,并获取每个召回产品的多个属性数据,然后根据目标产品的多个属性数据和每个召回产品的多个属性数据,确定目标产品与每个召回产品之间的相似度,再基于目标产品与每个召回产品之间的相似度,对多个召回产品中的产品进行排序处理,得到最相似的多个产品,并向该用户推荐最相似的多个产品,从而避免了相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题,进而达到了提升从产品数据集中搜索匹配用户查询的产品的准确率的效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种产品的处理装置,需要说明的是,本申请实施例的产品的处理装置可以用于执行本申请实施例所提供的用于产品的处理方法。以下对本申请实施例提供的产品的处理装置进行介绍。
图5是根据本申请实施例提供的产品的处理装置的示意图。如图5所示,该装置包括:第一接收单元501、第一获取单元502、第一处理单元503、第一确定单元504和第二处理单元505。
具体地,第一接收单元501,用于接收目标对象发送的查询请求,其中,查询请求用于请求从产品数据集中查询目标产品,产品数据集中至少包括S个产品,S为大于1的正整数;
第一获取单元502,用于基于查询请求,获取目标产品的K个属性数据,其中,K为大于1的正整数;
第一处理单元503,用于依据目标产品的K个属性数据,对产品数据集中的S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数;
第一确定单元504,用于依据目标产品的K个属性数据和每个召回产品的K个属性数据,确定目标产品与每个召回产品之间的相似度;
第二处理单元505,用于基于目标产品与每个召回产品之间的相似度,对T个召回产品中的产品进行排序处理,得到N个产品,并向目标对象推荐N个产品,其中,N个产品中每个产品与目标产品之间的相似度大于P个产品中每个产品与目标产品之间的相似度,P个产品为T个召回产品中除N个产品之外的产品,N和P均为小于T的正整数。
综上,本申请实施例提供的产品的处理装置,通过第一接收单元501接收目标对象发送的查询请求,其中,查询请求用于请求从产品数据集中查询目标产品,产品数据集中至少包括S个产品,S为大于1的正整数;第一获取单元502基于查询请求,获取目标产品的K个属性数据,其中,K为大于1的正整数;第一处理单元503依据目标产品的K个属性数据,对产品数据集中的S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数;第一确定单元504依据目标产品的K个属性数据和每个召回产品的K个属性数据,确定目标产品与每个召回产品之间的相似度;第二处理单元505基于目标产品与每个召回产品之间的相似度,对T个召回产品中的产品进行排序处理,得到N个产品,并向目标对象推荐N个产品,其中,N个产品中每个产品与目标产品之间的相似度大于P个产品中每个产品与目标产品之间的相似度,P个产品为T个召回产品中除N个产品之外的产品,N和P均为小于T的正整数,解决了相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题。通过根据用户发送的查询请求,获取目标产品的多个属性数据,再依据目标产品的多个属性数据,对产品数据集中的多个产品进行召回处理,得到多个召回产品,并获取每个召回产品的多个属性数据,然后根据目标产品的多个属性数据和每个召回产品的多个属性数据,确定目标产品与每个召回产品之间的相似度,再基于目标产品与每个召回产品之间的相似度,对多个召回产品中的产品进行排序处理,得到最相似的多个产品,并向该用户推荐最相似的多个产品,从而避免了相关技术中从产品数据集中搜索匹配用户查询的产品的准确率较低的问题,进而达到了提升从产品数据集中搜索匹配用户查询的产品的准确率的效果。
可选地,在本申请实施例提供的产品的处理装置中,第一确定单元包括:第一确定子单元,用于依据目标产品的K个属性数据和每个召回产品的K个属性数据,计算目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度,其中,V为大于K的正整数;第二确定子单元,用于确定K个属性数据中每个属性数据的权重;第三确定子单元,用于基于V个属性相似度和K个属性数据中每个属性数据的权重,确定目标产品与每个召回产品之间的相似度。
可选地,在本申请实施例提供的产品的处理装置中,第一确定子单元包括:第一确定模块,用于依据目标产品的K个属性数据和每个召回产品的K个属性数据,确定K个属性数据中的规格属性数据,其中,规格属性数据用于表示产品的规格信息;第二确定模块,用于确定目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度;第三确定模块,用于基于K个属性数据和规格属性数据,确定Q个属性数据,其中,Q个属性数据为K个属性数据中除规格属性数据之外的属性数据,Q为小于K的正整数;第一计算模块,用于计算目标产品的Q个属性数据中的每个属性数据和每个召回产品的Q个属性数据中的每个属性数据之间的相似度,得到U个属性相似度,其中,U为大于Q的正整数;第四确定模块,用于基于U个属性相似度、目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度,得到V个属性相似度。
可选地,在本申请实施例提供的产品的处理装置中,第二确定模块包括:第一确定子模块,用于依据目标产品的规格属性数据,确定目标产品的规格中的单位信息和数值信息;第二确定子模块,用于依据每个召回产品的规格属性数据,确定每个召回产品的规格中的单位信息和数值信息;第三确定子模块,用于基于目标产品的规格中的单位信息、目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
可选地,在本申请实施例提供的产品的处理装置中,第三确定子模块包括:计算子模块一,用于计算目标产品的规格中的单位信息和每个召回产品的规格中的单位信息之间的相似度,得到T个单位相似度;计算子模块二,用于计算目标产品的规格中的数值信息和每个召回产品的规格中的数值信息之间的相似度,得到T个数值相似度;确定子模块一,用于依据规格属性数据,分别确定规格信息中的单位信息对应的权重和数值信息对应的权重;确定子模块二,用于基于T个单位相似度、T个数值相似度、单位信息对应的权重和数值信息对应的权重,确定目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
可选地,在本申请实施例提供的产品的处理装置中,第一处理单元包括:第四确定子单元,用于依据目标产品的K个属性数据,确定目标召回策略;第五确定子单元,用于确定用于进行召回处理的目标语句;第一处理子单元,用于基于目标召回策略和目标语句,对产品数据集中的S个产品进行召回处理,得到T个召回产品。
可选地,在本申请实施例提供的产品的处理装置中,第一处理子单元包括:第一处理模块,用于基于目标召回策略和目标语句,对产品数据集中的S个产品进行召回处理,得到W个召回产品,其中,W为自然数;第一判断模块,用于判断W个召回产品的数量是否大于预设数量;第五确定模块,用于若W个召回产品的数量大于预设数量,则基于W个召回产品确定T个召回产品;第二处理模块,用于若W个召回产品的数量不大于预设数量,则对目标召回策略进行修改处理,得到修改后的目标召回策略,其中,修改后的目标召回策略为依据Y个属性数据确定的召回策略,Y为小于K的正整数;第三处理模块,用于依据目标语句和修改后的目标召回策略,对产品数据集中的S个产品进行召回处理,得到T个召回产品。
可选地,在本申请实施例提供的产品的处理装置中,第二处理单元包括:第六确定子单元,用于确定预设顺序,其中,预设顺序用于对T个召回产品中的产品进行排序;第二处理子单元,用于结合预设顺序,基于目标产品与每个召回产品之间的相似度,对T个召回产品中的产品进行排序处理,得到排序结果;第一过滤子单元,用于依据排序结果,从T个召回产品中过滤掉P个产品,得到N个产品。
产品的处理装置包括处理器和存储器,上述的第一接收单元501、第一获取单元502、第一处理单元503、第一确定单元504和第二处理单元505等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提升从产品数据集中搜索匹配用户查询的产品的准确率。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现所述产品的处理方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述产品的处理方法。
如图6所示,本发明实施例提供了一种电子设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:接收目标对象发送的查询请求,其中,所述查询请求用于请求从产品数据集中查询目标产品,所述产品数据集中至少包括S个产品,S为大于1的正整数;基于所述查询请求,获取所述目标产品的K个属性数据,其中,K为大于1的正整数;依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数;依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度;基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品,并向所述目标对象推荐所述N个产品,其中,所述N个产品中每个产品与所述目标产品之间的相似度大于P个产品中每个产品与所述目标产品之间的相似度,所述P个产品为所述T个召回产品中除所述N个产品之外的产品,N和P均为小于T的正整数。
处理器执行程序时还实现以下步骤:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度包括:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,计算所述目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度,其中,V为大于K的正整数;确定所述K个属性数据中每个属性数据的权重;基于所述V个属性相似度和所述K个属性数据中每个属性数据的权重,确定所述目标产品与每个召回产品之间的相似度。
处理器执行程序时还实现以下步骤:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,计算所述目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度包括:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述K个属性数据中的规格属性数据,其中,所述规格属性数据用于表示产品的规格信息;确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度;基于所述K个属性数据和所述规格属性数据,确定Q个属性数据,其中,所述Q个属性数据为所述K个属性数据中除所述规格属性数据之外的属性数据,Q为小于K的正整数;计算所述目标产品的所述Q个属性数据中的每个属性数据和每个召回产品的所述Q个属性数据中的每个属性数据之间的相似度,得到U个属性相似度,其中,U为大于Q的正整数;基于所述U个属性相似度、所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度,得到所述V个属性相似度。
处理器执行程序时还实现以下步骤:确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:依据所述目标产品的规格属性数据,确定所述目标产品的规格中的单位信息和数值信息;依据每个召回产品的规格属性数据,确定每个召回产品的规格中的单位信息和数值信息;基于所述目标产品的规格中的单位信息、所述目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
处理器执行程序时还实现以下步骤:基于所述目标产品的规格中的单位信息、所述目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:计算所述目标产品的规格中的单位信息和每个召回产品的规格中的单位信息之间的相似度,得到T个单位相似度;计算所述目标产品的规格中的数值信息和每个召回产品的规格中的数值信息之间的相似度,得到T个数值相似度;依据所述规格属性数据,分别确定规格信息中的单位信息对应的权重和数值信息对应的权重;基于所述T个单位相似度、所述T个数值相似度、所述单位信息对应的权重和所述数值信息对应的权重,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
处理器执行程序时还实现以下步骤:依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品包括:依据所述目标产品的K个属性数据,确定目标召回策略;确定用于进行召回处理的目标语句;基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
处理器执行程序时还实现以下步骤:基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品包括:基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到W个召回产品,其中,W为自然数;判断所述W个召回产品的数量是否大于预设数量;若所述W个召回产品的数量大于所述预设数量,则基于所述W个召回产品确定所述T个召回产品;若所述W个召回产品的数量不大于所述预设数量,则对所述目标召回策略进行修改处理,得到修改后的目标召回策略,其中,所述修改后的目标召回策略为依据Y个属性数据确定的召回策略,Y为小于K的正整数;依据所述目标语句和所述修改后的目标召回策略,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
处理器执行程序时还实现以下步骤:基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品包括:确定预设顺序,其中,所述预设顺序用于对所述T个召回产品中的产品进行排序;结合所述预设顺序,基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到排序结果;依据所述排序结果,从所述T个召回产品中过滤掉所述P个产品,得到所述N个产品。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:接收目标对象发送的查询请求,其中,所述查询请求用于请求从产品数据集中查询目标产品,所述产品数据集中至少包括S个产品,S为大于1的正整数;基于所述查询请求,获取所述目标产品的K个属性数据,其中,K为大于1的正整数;依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数;依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度;基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品,并向所述目标对象推荐所述N个产品,其中,所述N个产品中每个产品与所述目标产品之间的相似度大于P个产品中每个产品与所述目标产品之间的相似度,所述P个产品为所述T个召回产品中除所述N个产品之外的产品,N和P均为小于T的正整数。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度包括:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,计算所述目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度,其中,V为大于K的正整数;确定所述K个属性数据中每个属性数据的权重;基于所述V个属性相似度和所述K个属性数据中每个属性数据的权重,确定所述目标产品与每个召回产品之间的相似度。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,计算所述目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度包括:依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述K个属性数据中的规格属性数据,其中,所述规格属性数据用于表示产品的规格信息;确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度;基于所述K个属性数据和所述规格属性数据,确定Q个属性数据,其中,所述Q个属性数据为所述K个属性数据中除所述规格属性数据之外的属性数据,Q为小于K的正整数;计算所述目标产品的所述Q个属性数据中的每个属性数据和每个召回产品的所述Q个属性数据中的每个属性数据之间的相似度,得到U个属性相似度,其中,U为大于Q的正整数;基于所述U个属性相似度、所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度,得到所述V个属性相似度。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:依据所述目标产品的规格属性数据,确定所述目标产品的规格中的单位信息和数值信息;依据每个召回产品的规格属性数据,确定每个召回产品的规格中的单位信息和数值信息;基于所述目标产品的规格中的单位信息、所述目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:基于所述目标产品的规格中的单位信息、所述目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:计算所述目标产品的规格中的单位信息和每个召回产品的规格中的单位信息之间的相似度,得到T个单位相似度;计算所述目标产品的规格中的数值信息和每个召回产品的规格中的数值信息之间的相似度,得到T个数值相似度;依据所述规格属性数据,分别确定规格信息中的单位信息对应的权重和数值信息对应的权重;基于所述T个单位相似度、所述T个数值相似度、所述单位信息对应的权重和所述数值信息对应的权重,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品包括:依据所述目标产品的K个属性数据,确定目标召回策略;确定用于进行召回处理的目标语句;基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品包括:基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到W个召回产品,其中,W为自然数;判断所述W个召回产品的数量是否大于预设数量;若所述W个召回产品的数量大于所述预设数量,则基于所述W个召回产品确定所述T个召回产品;若所述W个召回产品的数量不大于所述预设数量,则对所述目标召回策略进行修改处理,得到修改后的目标召回策略,其中,所述修改后的目标召回策略为依据Y个属性数据确定的召回策略,Y为小于K的正整数;依据所述目标语句和所述修改后的目标召回策略,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品包括:确定预设顺序,其中,所述预设顺序用于对所述T个召回产品中的产品进行排序;结合所述预设顺序,基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到排序结果;依据所述排序结果,从所述T个召回产品中过滤掉所述P个产品,得到所述N个产品。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种产品的处理方法,其特征在于,包括:
接收目标对象发送的查询请求,其中,所述查询请求用于请求从产品数据集中查询目标产品,所述产品数据集中至少包括S个产品,S为大于1的正整数;
基于所述查询请求,获取所述目标产品的K个属性数据,其中,K为大于1的正整数;
依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,
T为大于1且小于S的正整数;
依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度;
基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品,并向所述目标对象推荐所述N个产品,其中,所述N个产品中每个产品与所述目标产品之间的相似度大于P个产品中每个产品与所述目标产品之间的相似度,所述P个产品为所述T个召回产品中除所述N个产品之外的产品,N和P均为小于T的正整数。
2.根据权利要求1所述的方法,其特征在于,依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度包括:
依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,计算所述目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度,其中,V为大于K的正整数;
确定所述K个属性数据中每个属性数据的权重;
基于所述V个属性相似度和所述K个属性数据中每个属性数据的权重,确定所述目标产品与每个召回产品之间的相似度。
3.根据权利要求2所述的方法,其特征在于,依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,计算所述目标产品的每个属性数据和每个召回产品的每个属性数据之间的相似度,得到V个属性相似度包括:
依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述K个属性数据中的规格属性数据,其中,所述规格属性数据用于表示产品的规格信息;
确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度;
基于所述K个属性数据和所述规格属性数据,确定Q个属性数据,其中,所述Q个属性数据为所述K个属性数据中除所述规格属性数据之外的属性数据,Q为小于K的正整数;
计算所述目标产品的所述Q个属性数据中的每个属性数据和每个召回产品的所述Q个属性数据中的每个属性数据之间的相似度,得到U个属性相似度,其中,
U为大于Q的正整数;
基于所述U个属性相似度、所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度,得到所述V个属性相似度。
4.根据权利要求3所述的方法,其特征在于,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:
依据所述目标产品的规格属性数据,确定所述目标产品的规格中的单位信息和数值信息;
依据每个召回产品的规格属性数据,确定每个召回产品的规格中的单位信息和数值信息;
基于所述目标产品的规格中的单位信息、所述目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
5.根据权利要求4所述的方法,其特征在于,基于所述目标产品的规格中的单位信息、所述目标产品的规格中的数值信息、每个召回产品的规格中的单位信息和每个召回产品的规格中的数值信息,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度包括:
计算所述目标产品的规格中的单位信息和每个召回产品的规格中的单位信息之间的相似度,得到T个单位相似度;
计算所述目标产品的规格中的数值信息和每个召回产品的规格中的数值信息之间的相似度,得到T个数值相似度;
依据所述规格属性数据,分别确定规格信息中的单位信息对应的权重和数值信息对应的权重;
基于所述T个单位相似度、所述T个数值相似度、所述单位信息对应的权重和所述数值信息对应的权重,确定所述目标产品的规格属性数据和每个召回产品的规格属性数据之间的相似度。
6.根据权利要求1所述的方法,其特征在于,依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品包括:
依据所述目标产品的K个属性数据,确定目标召回策略;
确定用于进行召回处理的目标语句;
基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
7.根据权利要求6所述的方法,其特征在于,基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品包括:
基于所述目标召回策略和所述目标语句,对所述产品数据集中的所述S个产品进行召回处理,得到W个召回产品,其中,W为自然数;
判断所述W个召回产品的数量是否大于预设数量;
若所述W个召回产品的数量大于所述预设数量,则基于所述W个召回产品确定所述T个召回产品;
若所述W个召回产品的数量不大于所述预设数量,则对所述目标召回策略进行修改处理,得到修改后的目标召回策略,其中,所述修改后的目标召回策略为依据Y个属性数据确定的召回策略,Y为小于K的正整数;
依据所述目标语句和所述修改后的目标召回策略,对所述产品数据集中的所述S个产品进行召回处理,得到所述T个召回产品。
8.根据权利要求1所述的方法,其特征在于,基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品包括:
确定预设顺序,其中,所述预设顺序用于对所述T个召回产品中的产品进行排序;
结合所述预设顺序,基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到排序结果;
依据所述排序结果,从所述T个召回产品中过滤掉所述P个产品,得到所述N个产品。
9.一种产品的处理装置,其特征在于,包括:
第一接收单元,用于接收目标对象发送的查询请求,其中,所述查询请求用于请求从产品数据集中查询目标产品,所述产品数据集中至少包括S个产品,S为大于1的正整数;
第一获取单元,用于基于所述查询请求,获取所述目标产品的K个属性数据,其中,K为大于1的正整数;
第一处理单元,用于依据所述目标产品的K个属性数据,对所述产品数据集中的所述S个产品进行召回处理,得到T个召回产品,并获取每个召回产品的K个属性数据,其中,T为大于1且小于S的正整数;
第一确定单元,用于依据所述目标产品的K个属性数据和每个召回产品的K个属性数据,确定所述目标产品与每个召回产品之间的相似度;
第二处理单元,用于基于所述目标产品与每个召回产品之间的相似度,对所述T个召回产品中的产品进行排序处理,得到N个产品,并向所述目标对象推荐所述N个产品,其中,所述N个产品中每个产品与所述目标产品之间的相似度大于P个产品中每个产品与所述目标产品之间的相似度,所述P个产品为所述T个召回产品中除所述N个产品之外的产品,N和P均为小于T的正整数。
10.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至8中任意一项所述的产品的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311748049.0A CN117725082A (zh) | 2023-12-18 | 2023-12-18 | 产品的处理方法及装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311748049.0A CN117725082A (zh) | 2023-12-18 | 2023-12-18 | 产品的处理方法及装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117725082A true CN117725082A (zh) | 2024-03-19 |
Family
ID=90210257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311748049.0A Pending CN117725082A (zh) | 2023-12-18 | 2023-12-18 | 产品的处理方法及装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117725082A (zh) |
-
2023
- 2023-12-18 CN CN202311748049.0A patent/CN117725082A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108804641B (zh) | 一种文本相似度的计算方法、装置、设备和存储介质 | |
US11222027B2 (en) | System and methods for context aware searching | |
CN105989040B (zh) | 智能问答的方法、装置及系统 | |
US9665622B2 (en) | Publishing product information | |
US8290927B2 (en) | Method and apparatus for rating user generated content in search results | |
US20170329804A1 (en) | Method And Apparatus Of Generating Image Characteristic Representation Of Query, And Image Search Method And Apparatus | |
CN111382255B (zh) | 用于问答处理的方法、装置、设备和介质 | |
JP5864614B2 (ja) | 分類された誤配置の識別 | |
US20190294703A1 (en) | Search results through image attractiveness | |
US20100191758A1 (en) | System and method for improved search relevance using proximity boosting | |
WO2014015174A2 (en) | Method and system of ranking search results, and method and system of optimizing search result ranking | |
WO2013078307A1 (en) | Image searching | |
CN109299245B (zh) | 知识点召回的方法和装置 | |
JP2012533818A (ja) | 単語の重みに基づいた検索結果の順位付け | |
KR102371437B1 (ko) | 엔티티를 추천하는 방법과 장치, 전자기기 및 컴퓨터 판독가능 매체 | |
CN112329460B (zh) | 文本的主题聚类方法、装置、设备及存储介质 | |
CN110019669B (zh) | 一种文本检索方法及装置 | |
US11734322B2 (en) | Enhanced intent matching using keyword-based word mover's distance | |
CN110019785B (zh) | 一种文本分类方法及装置 | |
CN110955766A (zh) | 一种自动扩充智能客服标准问题对的方法和系统 | |
CN115858731A (zh) | 一种法规库法规匹配方法、装置及系统 | |
CN109635004B (zh) | 一种数据库的对象描述提供方法、装置及设备 | |
CN109344232A (zh) | 一种舆情信息检索方法及终端设备 | |
CN117033744A (zh) | 数据查询方法、装置、存储介质以及电子设备 | |
US20160292282A1 (en) | Detecting and responding to single entity intent queries |
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 |