WO2016141821A1 - 一种产品信息处理的方法及服务器 - Google Patents

一种产品信息处理的方法及服务器 Download PDF

Info

Publication number
WO2016141821A1
WO2016141821A1 PCT/CN2016/075379 CN2016075379W WO2016141821A1 WO 2016141821 A1 WO2016141821 A1 WO 2016141821A1 CN 2016075379 W CN2016075379 W CN 2016075379W WO 2016141821 A1 WO2016141821 A1 WO 2016141821A1
Authority
WO
WIPO (PCT)
Prior art keywords
attribute information
product
key attribute
information
key
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.)
Ceased
Application number
PCT/CN2016/075379
Other languages
English (en)
French (fr)
Inventor
富国萍
王瑶
郑伟
王全剑
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Publication of WO2016141821A1 publication Critical patent/WO2016141821A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor

Definitions

  • the present application relates to the field of Internet technologies, and in particular, to a method and a server for processing product information.
  • the user In the screening of product information, the user often enters the product keyword of interest in the search engine of the website providing the search service, and the website can display the information related to the product for the user to browse.
  • the attribute information of the product is often listed below the product entry, and the attribute information may be, for example, the origin, the material, the color, the lowest transaction price, and the like of the product.
  • the website can first set fixed product attribute information in advance, and the fixed product attribute information can be, for example, origin, color, and lowest transaction price. Regardless of the product keyword entered by the user, the website can provide the user with these fixed attribute information of the searched product. For example, if the fixed attribute information preset by the website is the origin, the color, and the lowest transaction price, when the user inputs “iPhone6” in the search engine of the website, the website will display the product information related to “iPhone6” to the user, and Below the entry for these products, the origin, color and lowest transaction price of the product are listed below. When a user enters another product keyword in the search engine of the website, the website also displays information related to the product, and lists the default, color, and lowest transaction price under the product terms. Product attribute information.
  • the attribute information that users pay attention to is often different. For example, for “wine”, the user is more concerned with the origin of the product. However, for the "U disk”, the user is not very concerned about the origin of the product, and often pays attention to the capacity of the product. If fixed attribute information is set for all products, the website tends to display some attribute information that the user does not pay attention to, and the attribute information that the user really cares about is not directly displayed.
  • the purpose of the embodiment of the present application is to provide a method and a server for processing product information, which can provide attribute information that the user pays attention to.
  • a method of product information processing comprising:
  • the product information including product identification and attribute information
  • the product information obtaining unit is configured to obtain product information, where the product information includes product identification and attribute information;
  • the key attribute information extracting unit is configured to extract key attribute information in the attribute information according to a preset rule
  • the product identifier obtaining unit is configured to acquire a user search instruction and extract a product identifier in the search instruction
  • the key attribute information querying unit is configured to query, according to the association relationship between the established product identifier and the key attribute information, key attribute information associated with the extracted product identifier;
  • the sending unit is configured to send key attribute information of the query to the client.
  • a method and a server for processing product information provided by an embodiment of the present application by analyzing product attribute information, extracting key attribute information of the product for different products, and searching with the user according to the user's search instruction.
  • the key attribute information of the product related to the instruction is sent to the client for browsing, and the attribute information that the user really cares about can be provided.
  • FIG. 1 is a flowchart of a method for processing product information according to an embodiment of the present application
  • FIG. 2 is a schematic diagram showing the basic principle of performing two-dimensional classification by the support vector machine algorithm by taking linear classification as an example in an example of the present application;
  • FIG. 3 is a schematic diagram showing a basic principle of performing three-dimensional classification by a support vector machine algorithm by using linear classification as an example in an example of the present application;
  • FIG. 4 is a functional block diagram of a server for processing product information according to an embodiment of the present disclosure
  • FIG. 5 is a schematic diagram of a server function module for processing product information according to another embodiment of the present application.
  • the embodiment of the present application provides a method and a server for processing product information.
  • the technical solutions in the embodiments of the present application are clearly and completely described in the following with reference to the accompanying drawings in the embodiments of the present application. It is obvious that the described embodiments are only a part of the embodiments of the present application. Rather than all embodiments. All other embodiments obtained by a person of ordinary skill in the art based on the embodiments of the present application without departing from the inventive scope should fall within the scope of the present application.
  • a method and server for processing product information provided by the present application relates to a server and a client.
  • the client can receive the user's search command and send the search command to the server.
  • the server can perform a series of processing on the instruction, and finally return the product information that the user is interested in to the client.
  • the specific process is as follows:
  • FIG. 1 is a flowchart of a method for processing product information according to an embodiment of the present application. As shown in FIG. 1, the method includes:
  • the product information may be the owner of the product or the administrator of the website server pre-registered in the server when the product is released.
  • the product information may include at least one attribute information such as a price, a place of origin, a color, a production material, a capacity, and the like of the product.
  • the owner of the product or the manager of the website can assign a unique number to each product when releasing each product. The number can be used to query the information of the corresponding product.
  • each product can also correspond to a product category to which it belongs, and the product category can be divided into multiples according to the scope of coverage. For example, a particular model of mouse can have a unique number for a particular model of mouse.
  • the obtained key attribute information may be used as a reference sample, and a second threshold is set by calculating a similarity between each attribute information of the product and the acquired key attribute information, and The attribute information whose similarity is greater than or equal to the second threshold is determined as key attribute information of the product.
  • the correlation between the attribute information of the product and the reference sample of the key attribute information may be calculated, and then the second threshold may be set, and the attribute information whose correlation is greater than or equal to the second threshold is determined as the key attribute information of the product. .
  • Another embodiment of the present application can also be implemented by a support vector machine (SVM, Support Vector) in a machine learning method.
  • SVM Support Vector
  • Machine to extract key attribute information in product information.
  • SVM Support Vector
  • the following describes a second implementation manner of extracting key attribute information in product information by using a machine learning method in the embodiment of the present application:
  • the user group can be used as a feature vector group to score part of attribute information in a certain type of product, and a training sample set is established. Then, the training sample set is machine-learned, and the classification condition for dividing the feature vector group in the training sample set is calculated.
  • the categorization condition can distinguish the feature vector group corresponding to the attribute information that the user focuses on in the training sample set and the feature vector group corresponding to the attribute information that the user does not pay attention to.
  • the attribute information in the product can be classified by using the classification condition, and finally the key attribute information of the user attention in the product information of the product can be obtained.
  • an implementation method of calculating a categorization condition of a feature vector group in the training sample is introduced by taking a support vector machine as an example.
  • Support vector machines were first proposed by Cortes and Vapnik in 1995. They show many unique advantages in solving small sample, nonlinear and high-dimensional pattern recognition, and can be applied to other machine learning problems such as function fitting. Overall, support vector machines can solve the problem of classification and classification criteria for complex transactions.
  • the categorization condition (vv' line in the figure, also known as hyperplane) can be represented by a linear function, for example as:
  • w and b are parameters obtained by the support vector machine for calculating the eigenvalue vector set (called “training” in the support vector machine), and x represents the eigenvalue vector.
  • the input feature value vectors are, for example, two-dimensional vectors, that is, corresponding to each point on the coordinates in FIG.
  • the support vector machine algorithm which continuously searches for the straight line within the range of the input feature value vector, obtains such a straight line by trying to calculate the distance between each searched line and each feature value vector (the point in the figure):
  • the straight line is the largest and equal distance from the nearest feature value vector on both sides.
  • the calculated straight line vv' is a hyperplane. It can be seen from the right graph in Fig. 2 that in the two-dimensional case, the hyperplane vv' is a straight line, and the straight line is the largest and equal distance from the nearest eigenvalue vector on both sides, and the distance is L.
  • FIG. 3 is a schematic diagram showing the basic principle of performing three-dimensional classification by the support vector machine algorithm by taking linear classification as an example in an example of the present application.
  • the points in the left graph represent the input training samples
  • the points represented by the forks in the right graph represent the calculated C1 training samples
  • the points represented by the circles represent the calculated C2 training samples.
  • the classified training samples C1 and C2 can be obtained, and the classification conditions of the C1 and C2 classes can be obtained.
  • the input feature value vectors are, for example, three-dimensional vectors, that is, corresponding to each point on the coordinates in FIG. 3, and each point is determined by three coordinates of X, Y, and Z.
  • the support vector machine algorithm can continuously search for the plane within the range of the input feature value vector, and try to calculate the distance between each searched plane and each feature value vector to obtain a plane: the plane is away from both sides
  • the distance of the nearest feature value vector is the largest and equal.
  • the calculated plane vv' is a hyperplane.
  • the plane is the largest and equal distance from the nearest feature value vector on both sides.
  • two training sample types for these eigenvalue vectors can be calculated, as well as the categorization conditions of the two training sample types.
  • N users in the user group may be selected, and the scores of the attribute information of the N users in the product are used as feature value vectors.
  • the N users score the attribute information of the capacity information of the MP3 in order of 4.0, 5.1, 4.8, ..., 5.1.
  • the ratings of the N users can be arranged in order to form a feature value vector (4.0, 5.1, 4.8, ..., 5.1).
  • the N users can score the attribute information of the origin, color, and production materials in the product information of the MP3 as other feature value vectors, and use the plurality of feature value vectors as the training sample set.
  • the embodiment of the present application can use the support vector machine to perform the above calculation process on the difference, so that a Classification conditions.
  • the categorization condition may distinguish the feature vector group corresponding to the attribute information that the user focuses on in the training sample set and the feature vector group corresponding to the attribute information that the user does not pay attention to.
  • the attribute information of the product can be divided into attribute information that the user pays attention to and the user does not pay attention to.
  • the embodiment of the present application can extract the attribute information that the user pays attention to as the key attribute information of the product.
  • S300 Extract a product identifier in the product information and establish an association relationship between the product identifier and the key attribute information.
  • the server in the embodiment of the present application may establish an association relationship between the product and the key attribute information.
  • the embodiment of the present application may extract a product identifier in the product information, and establish an association relationship between the identifier and the key attribute information.
  • the product identification may include a product number and a product category. Among them, the product number corresponds to the product one by one, and the corresponding product can be queried by the product number; the product category can be divided into multiple according to the scope of the coverage, for example, for a certain type of mouse of a certain brand, the mouse Computer accessories and electronic products can be used as their product categories, and the scope of these three product categories increases step by step.
  • an association relationship between the product identifier and the key attribute information may be established.
  • the product identifier can be used to query key attribute information associated with the product identification.
  • the product number may be, for example, 201502031331
  • the product category may be, for example, an MP3 player, a portable player, an electronic product
  • the key attribute information may be, for example, capacity, size, weight, colour.
  • the embodiment of the present application may establish an association relationship between the product identifier of the MP3 and its key attribute information according to the order of the MP3 product identifier, for example, the electronic product-portable player-MP3-201502031331- Capacity, size, weight, color.
  • the key attribute information associated with the product identification can be queried.
  • the product identifier can be used as a key, and the key attribute information of the product is stored as a value.
  • the key attribute information associated with the identifier can be queried by the identifier of the product, so that the association relationship between the product identifier and the key attribute information can be established.
  • S500 query, according to the association relationship between the established product identifier and the key attribute information, key attribute information associated with the extracted product identifier;
  • S600 Send the key attribute information of the query to the client.
  • the embodiment of the present application may query the key attribute information corresponding to the extracted product identifier according to the association relationship between the established product identifier and the key attribute information, and send the key attribute information to the client.
  • Send key attribute information of the query the server may preset a webpage template, where the webpage template may be a page frame, and key attribute information of the products in the page are not filled.
  • the key attribute information corresponding to the product identifier can be queried through the corresponding relationship between the product identifier and the key attribute information.
  • a series of product identifications of the mouse can be queried according to the association relationship between the product identifier and the key attribute information.
  • Key attribute information of the products such as wired mice and wireless mice of different brands and models.
  • Each product has a range of key attribute information such as interface, weight, color, and materials.
  • the server After the server queries the key attribute information associated with the extracted product identifier, the key attribute information can be filled into the above webpage template, so that the final search page can be formed.
  • the server can send the search page to the client for browsing.
  • the server queries the key attribute information according to the product identifier in the user search instruction, sometimes the key attribute information in different product categories is queried. For example, if the search instruction provided by the user is “Apple”, then the product identifier extracted by the server from the user's search instruction may be “Apple”.
  • the server queries the key attribute information associated with "Apple”, it can query the key attribute information of the fruit industry and the electronic goods industry. Among them, the "apple" of the fruit industry belongs to the fruit category, while the "apple” mobile phone in the electronic goods industry belongs to the category of electronic goods.
  • the server can filter the key attribute information that is queried according to the user's preference. In view of this, in a preferred embodiment of the present application, the following steps may be added between steps S500 and S600:
  • the server in the embodiment of the present application can analyze the search record of the user in the preset time period, and determine the product category with high user attention. For example, the server can analyze the user's search history in the most recent month and extract the product identification in each search record. Through the extracted product identification, the server can count the product categories frequently searched by the user, thereby determining the product category with high user attention.
  • the server queries the key attribute information in multiple product categories according to the product identifier in the user search instruction the key attribute information of the product category with low user attention can be removed, and the product with high user attention is obtained.
  • the key attribute information of the class is sent to the client.
  • the server may also preset a webpage template, and fill the key attribute information of the product category with high user attention to the preset webpage template, and send the webpage filling the key attribute information to the client for browsing. .
  • the product information obtaining unit 100 is configured to obtain product information, where the product information includes product identification and attribute information;
  • the key attribute information extracting unit 200 is configured to extract key attribute information in the attribute information according to a preset rule
  • a product identification obtaining unit 400 configured to acquire a user search instruction and extract a product identifier in the search instruction
  • the key attribute information querying unit 500 is configured to query, according to the association relationship between the established product identifier and the key attribute information, key attribute information associated with the extracted product identifier;
  • the sending unit 600 is configured to send the key attribute information of the query to the client.
  • the specific gravity value calculation module 202 is configured to calculate a specific gravity value of each attribute information in the acquired product search instruction
  • a second threshold setting module 207 configured to set a second threshold
  • the training sample set establishing module 210 is configured to establish a training sample set, where the training sample set includes a feature value vector of key attribute information and non-key attribute information;
  • the sending unit 600 specifically includes:
  • a filling module 602 configured to fill key attribute information of the query into the webpage template
  • FIG. 5 is a schematic diagram of a server function module for processing product information according to another embodiment of the present application. As shown in FIG. 5, the server further includes:
  • the screening unit 501 is configured to filter the key attribute information sent by the key attribute information query unit according to the user preference, and send the filtered key attribute information to the sending unit.
  • HDL Hardware Description Language
  • the controller can be implemented in any suitable manner, for example, the controller can take the form of, for example, a microprocessor or processor and a computer readable medium storing computer readable program code (eg, software or firmware) executable by the (micro)processor. , logic gate, switch, application specific integrated circuit (ASIC), Programming logic controllers and embedded microcontrollers. Examples of controllers include, but are not limited to, the following microcontrollers: ARC625D, Atmel AT91SAM, Microchip PIC18F26K20, and Silicone Labs C8051F320. Memory controllers can also be implemented as memory control logic. portion.
  • the system, device, module or unit illustrated in the above embodiments may be implemented by a computer chip or an entity, or by a product having a certain function.
  • the present application can be implemented by means of software plus a necessary general hardware platform. Based on such understanding, the technical solution of the present application may be embodied in the form of a software product in essence or in the form of a software product, which may be stored in a storage medium such as a ROM/RAM or a disk. , an optical disk, etc., includes instructions for causing a computer device (which may be a personal computer, server, or network device, etc.) to perform the methods described in various embodiments of the present application or portions of the embodiments.
  • a computer device which may be a personal computer, server, or network device, etc.
  • This application can be used in a variety of general purpose or special purpose computer system environments or configurations.
  • the application can be described in the general context of computer-executable instructions executed by a computer, such as a program module.
  • program modules include routines, programs, objects, components, data structures, and the like that perform particular tasks or implement particular abstract data types.
  • the present application can also be practiced in distributed computing environments where tasks are performed by remote processing devices that are connected through a communication network.
  • program modules can be located in packages Local and remote computer storage media, including storage devices.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种产品信息处理的方法及服务器。所述方法包括：获取产品信息，所述产品信息包括产品标识和属性信息（S100）；根据预设规则提取所述属性信息中的关键属性信息（S200）；提取所述产品信息中的产品标识并建立所述产品标识与所述关键属性信息的关联关系（S300）；获取用户搜索指令并提取所述搜索指令中的产品标识（S400）；根据所述建立的产品标识与关键属性信息的关联关系，查询与所述提取的产品标识相关联的关键属性信息（S500）；向客户端发送所述查询的关键属性信息（S600）。可以将与用户的搜索指令相关的产品的关键属性信息发送给客户端供用户浏览，能够给用户提供用户真正关注的产品信息。

Description

一种产品信息处理的方法及服务器 技术领域
本申请涉及互联网技术领域，特别涉及一种产品信息处理的方法及服务器。
背景技术
随着互联网技术的应用和发展，人们越来越习惯于在互联网上进行产品信息的筛选。在进行产品信息筛选时，用户往往会在提供搜索服务的网站的搜索引擎中输入自己感兴趣的产品关键词，那么网站便可以展示与该产品相关的信息供用户浏览。网站在向用户展示信息时，往往会在产品词条的下方列举出该产品的属性信息，所述属性信息例如可以是产品的产地，制作材料，颜色，最低成交价等。
现有技术中的网站往往按照下述的方式向用户展示产品信息：
网站首先可以预先设置固定的产品属性信息，该固定的产品属性信息例如可以是产地，颜色，最低成交价。无论用户输入的是什么产品关键词，网站均可以向用户提供搜索到的产品的这些固定属性信息。例如，网站预先设置的固定属性信息为原产地，颜色，最低成交价，那么当用户在网站的搜索引擎中输入“iPhone6”时，网站会向该用户展示与“iPhone6”有关的产品信息，并且在这些产品词条的下方列举出该产品的原产地，颜色以及最低成交价。当用户在该网站的搜索引擎中输入另一个产品关键词时，该网站同样会展示与该产品有关的信息，并且在这些产品词条的下方列举出原产地，颜色以及最低成交价这些预设的产品属性信息。
在实施本申请的过程中，发明人发现现有技术至少存在如下问题：
对于不同的产品，用户关注的属性信息往往是不同的。例如，对于“葡萄酒”而言，用户比较关注该产品的原产地。但对于“U盘”而言，用户却不是很关注该产品的原产地，而往往比较关注该产品的容量。如果对所有产品均设置固定的属性信息，那么网站往往会展示用户不关注的部分属性信息，而用户真正关注的属性信息却没能直接展示。
发明内容
本申请实施例的目的在于提供一种产品信息处理的方法及服务器，能够提供用户关注的属性信息。
本申请实施例提供的一种产品信息处理的方法及服务器是这样实现的：
一种产品信息处理的方法，包括：
获取产品信息，所述产品信息包括产品标识和属性信息；
根据预设规则提取所述属性信息中的关键属性信息；
提取所述产品信息中的产品标识，并建立所述产品标识与所述关键属性信息的关联关 系；
获取用户搜索指令并提取所述搜索指令中的产品标识；
根据所述建立的产品标识与所述关键属性信息的关联关系，查询与所述提取的产品标识相关联的关键属性信息；
向客户端发送所述查询的关键属性信息。
一种产品信息处理的服务器，包括：产品信息获取单元，关键属性信息提取单元，关联关系建立单元，产品标识获取单元，关键属性信息查询单元，发送单元，其中：
所述产品信息获取单元，用来获取产品信息，所述产品信息包括产品标识和属性信息；
所述关键属性信息提取单元，用来根据预设规则提取所述属性信息中的关键属性信息；
所述关联关系建立单元，用来提取所述产品信息中的产品标识，并建立所述产品标识与所述关键属性信息的关联关系；
所述产品标识获取单元，用来获取用户搜索指令并提取所述搜索指令中的产品标识；
所述关键属性信息查询单元，用来根据所述建立的产品标识与关键属性信息的关联关系，查询与所述提取的产品标识相关联的关键属性信息；
所述发送单元，用来向客户端发送所述查询的关键属性信息。
本申请实施例提供的一种产品信息处理的方法及服务器，通过对产品属性信息进行分析，针对不同的产品，提取出该产品的关键属性信息，并根据用户的搜索指令，将与用户的搜索指令相关的产品的关键属性信息发送给客户端供用户浏览，能够提供用户真正关注的属性信息。
附图说明
图1为本申请一实施例提供的一种产品信息处理的方法流程图；
图2为本申请一个例子中以线性分类为例解释通过支持向量机算法进行二维分类的基本原理示意图；
图3为本申请一个例子中以线性分类为例解释通过支持向量机算法进行三维分类的基本原理示意图；
图4为本申请一实施例提供的一种产品信息处理的服务器功能模块图；
图5为本申请另一实施例提供的一种产品信息处理的服务器功能模块图。
具体实施方式
本申请实施例提供一种产品信息处理的方法及服务器。为了使本技术领域的人员更好地 理解本申请中的技术方案，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它实施例，都应当属于本申请保护的范围。
本申请提供的一种产品信息处理的方法及服务器涉及服务器和客户端。其中，客户端可以接收用户的搜索指令，并将该搜索指令发送至服务器。服务器获取用户的搜索指令后，可以对该指令进行一系列的处理，并最终向客户端返回用户感兴趣的产品信息。具体的过程如下所述：
图1为本申请一实施例提供的一种产品信息处理的方法流程图。如图1所示，所述方法包括：
S100：获取产品信息，所述产品信息包括产品标识和属性信息。
所述产品信息可以是产品的拥有者或者网站服务器的管理者在发布该产品时预先登记在服务器内的。所述产品信息可以包括产品的价格，原产地，颜色，制作材料，容量等属性信息中的至少一个属性信息。产品的拥有者或者网站的管理者在发布每个产品时，可以给每个产品分配唯一的编号。通过该编号可以查询对应产品的信息。另外，每个产品还可以对应所属的产品类目，所述产品类目可以根据涵盖范围的不同分为多个。例如，对于某品牌特定型号的鼠标而言，该特定型号的鼠标可以拥有一个唯一的编号。通过该编号可以查询该特定型号的鼠标的产地，制作材料，颜色，重量，接口，价格等一系列的产品信息。另外，该鼠标还可以拥有多个产品类目，例如鼠标，电脑配件，电子产品。所述的产品编号以及产品类目中的至少一个可以作为该产品的标识包含在该产品的产品信息中。服务器获取的产品信息可以存储在数据库中，该数据库可以被其他实体或者逻辑体访问。在实际应用中，本申请实施例可以采用MySQL+iBATIS技术进行产品信息的存储和读取。本申请实施例在后续对存储的产品信息进行处理时，可以利用iBATIS的ORM(Object Relational Mapping，对象关系映射)技术对存储的产品信息进行读取。
S200：根据预设规则提取所述属性信息中的关键属性信息。
本申请实施例中的服务器可以根据产品类别的不同，从众多的属性信息中提取关键的属性信息，并向用户展示所述提取的关键属性信息。例如，对于鼠标这类产品，服务器可以从众多的属性信息中提取接口，重量，颜色，有线/无线这些关键属性信息；对于葡萄酒这类产品，服务器可以提取原产地，年份这些关键属性信息；对于U盘这类产品，服务器可以提取容量，接口，制作材料这些关键属性信息。具体地，本申请实施例可以通过机器学习的方法提取所述产品信息中的关键属性信息。下面首先介绍利用机器学习方法提取产品信息中的 关键属性信息的第一实现方式：
用户在搜索产品信息时，一般可以直接输入产品的类目进行搜索，还可以输入产品的类目加上自己比较关注的属性信息进行搜索。例如，用户A在搜索产品MP3的信息时，可以仅仅输入MP3进行搜索，也可以输入MP38GB进行搜索。对于后者，8GB代表了用户对MP3的容量比较关注。本申请实施例可以针对每类产品，获取预设数量的携带属性信息的产品搜索指令，然后可以统计所述获取的产品搜索指令中各个属性信息所占的比重值，并且通过设置第一阈值，将所述比重值大于或者等于所述第一阈值的属性信息确定为所述产品的关键属性信息。例如，本申请可以获取10000条有关MP3的携带属性信息的搜索指令，并且统计出这些搜索指令中包括：携带MP3容量的搜索指令有7000条，携带MP3颜色的搜索指令有1000条，携带MP3接口的搜索指令有5000条。那么，本申请实施例可以计算出MP3容量这个属性信息的比重值为7000/10000＝0.7，同样地，可以计算出MP3颜色这个属性信息的比重值为0.1，可以计算出MP3接口这个属性信息的比重值为0.5。接着，本申请实施例可以将0.3设置为第一阈值，并将比重值大于或者等于0.3的属性信息提取出来，例如MP3的容量和接口，作为MP3这个产品的关键属性信息。
在本申请另一实施例中，还可以将上述获取的关键属性信息作为参考的样本，通过计算所述产品的各个属性信息与上述获取的关键属性信息的相似度，设置第二阈值，并将所述相似度大于或者等于该第二阈值的属性信息确定为所述产品的关键属性信息。
举个例子来详细说明如何计算两个属性信息的相关度：
用户在利用产品的属性信息进行搜索的时候，可以根据搜索结果对该属性信息进行评分。假设A为根据上述步骤初步提取的关键属性信息，B为需要计算相关度的属性信息。对于同时关注该类产品的属性信息A和属性信息B的用户群C，可以获取用户群C中每个用户对该类产品中这两个属性信息的评分情况，现在便可以通过Pearson公式计算属性信息A与属性信息B的相关度，具体如式1所示：
Figure PCTCN2016075379-appb-000001
       式1
其中，sim(a,b)代表属性信息A与属性信息B的相关度，Rua代表用户群C中的用户u对属性信息A的评分，Rub代表用户群C中的用户u对属性信息B的评分，
Figure PCTCN2016075379-appb-000002
代表用户群C中所有用户对属性信息A的平均评分，
Figure PCTCN2016075379-appb-000003
代表用户群C中所有用户对属性信息B的平均评分。
根据上述方法，可以计算得到该产品的属性信息与部分关键属性信息参考样本的相关度，然后可以设置第二阈值，将相关度大于或者等于第二阈值的属性信息确定为该产品的关键属性信息。
本申请另一实施例还可以通过机器学习方法中的支持向量机(SVM，Support Vector  Machine)来提取产品信息中的关键属性信息。下面介绍本申请实施例利用机器学习方法提取产品信息中的关键属性信息的第二实现方式：
本申请实施例可以将用户群对某类产品中部分属性信息的评分作为特征向量组，建立训练样本集。然后对该训练样本集进行机器学习，计算得到划分该训练样本集中特征向量组的归类条件。该归类条件能够区分该训练样本集中用户关注的属性信息对应的特征向量组和用户不关注的属性信息对应的特征向量组。得到所述归类条件后，便可以利用该归类条件对该类产品中的属性信息进行归类，最终可以得到该类产品的产品信息中用户关注的关键属性信息。
这里以采用支持向量机为例介绍计算所述训练样本中特征向量组的归类条件的实现方式。支持向量机是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。整体来说，支持向量机可以解决复杂事务的分类及分类标准的问题。
利用图2显示的线性分类的例子解释通过支持向量机进行分类的基本原理。如图2所示，左侧坐标图中的点表示输入的训练样本，右侧坐标图中的叉代表的点表示计算得到的C1类训练样本，圆圈代表的点表示计算得到的C2类训练样本。如图2所示，将训练样本通过支持向量机算法计算后，可以获得分类后的C1和C2两类训练样本，并且可以得到划分C1和C2两类的归类条件。
对于图2的线性分类来说，所述归类条件(图中的vv’线，也称为超平面)可以用一个线性函数来表示，例如表示为：
f(x)＝wx+b                     式2
其中，w和b为支持向量机对特征值向量集合进行计算(支持向量机中称为“训练”)后得到的参数，x代表特征值向量。
f(x)表示支持向量机中的映射关系。对于f(x)＝0的情况，此时的特征值向量x即位于所述超平面上。对于f(x)大于0的情况，对应图2右侧坐标图中超平面右上侧的特征值向量；对于f(x)小于0的情况，对应图2右侧坐标图中超平面左下侧的特征值向量。
输入的特征值向量例如均为二维向量，即对应图2中坐标上的每个点。支持向量机算法，即不断搜索输入的特征值向量范围内的直线，通过尝试计算每一个搜索到的这种直线与每一特征值向量(图中的点)的距离，得到一个这样的直线：该直线距离两侧最近特征值向量的距离最大且相等。如图2中右侧坐标图所示，计算得到的直线vv’即超平面。从图2中右侧坐标图可以看出，二维情况下超平面vv’为一直线，该直线距离两侧最近特征值向量的距离最大且相等，该距离均为L。
当输入的特征值向量为三维向量时，处理过程与特征值向量为二维向量的情况类似。图3为本申请一个例子中以线性分类为例解释通过支持向量机算法进行三维分类的基本原理示意图。如图3所示，左侧坐标图中的点表示输入的训练样本，右侧坐标图中的叉代表的点表示计算得到的C1类训练样本，圆圈代表的点表示计算得到的C2类训练样本。如图3所示，将训练样本通过支持向量机算法计算后，可以获得分类后的C1和C2两类训练样本，并且可以得到划分C1和C2两类的归类条件。
对于图3的线性分类来说，所述归类条件(图中的vv’面，也称为超平面)可以用一个线性函数来表示，例如表示为：
f(x)＝wx+b                    式3
其中，w和b为支持向量机对特征值向量集合进行计算(支持向量机中称为“训练”)后得到的参数，x代表特征值向量。
这里需要说明的是，由于这是针对三维向量的情况，因此式3中的参数w和b均为三维向量。
f(x)表示支持向量机中的映射关系。对于f(x)＝0的情况，此时的特征值向量x即位于所述超平面上。对于f(x)大于0的情况，对应图3右侧坐标图中超平面右上侧的特征值向量；对于f(x)小于0的情况，对应图3右侧坐标图中超平面左下侧的特征值向量。
输入的特征值向量例如均为三维向量，即对应图3中坐标上的每个点，每个点均由X，Y，Z三个坐标确定。此时支持向量机算法可以不断搜索输入的特征值向量范围内的平面，通过尝试计算每一个搜索到的这种平面与每一特征值向量的距离，得到一个这样的平面：该平面距离两侧最近特征值向量的距离最大且相等。如图3右侧坐标图所示，计算得到的平面vv’即超平面。该平面距离两侧最近特征值向量的距离最大且相等。
对于输入的多个特征值向量，可以计算得到这些特征值向量的两种训练样本类型，以及这两种训练样本类型的归类条件。
在本申请实施例中，可以选取用户群中N个用户，并且将该N个用户对该类产品中各个属性信息的评分作为特征值向量。例如，N个用户对MP3的产品信息中容量这个属性信息的评分依次为4.0，5.1，4.8，…，5.1。那么可以将这N个用户的评分按顺序排列，形成特征值向量(4.0,5.1,4.8，…，5.1)。同理，可以将这N个用户对MP3的产品信息中原产地，颜色，制作材料等属性信息的评分作为其他特征值向量，并将这多个特征值向量作为训练样本集。由于用户对于自身关注的属性信息往往会给予较高的评分，而对于自身不关注的属性信息往往会给予较低的评分，那么在训练样本集中的特征值向量之间会存在比较明显的差异。本申请实施例可以利用支持向量机对这种差异进行上述的计算过程，这样可以得到一个 归类条件。该归类条件可以区分该训练样本集中用户关注的属性信息对应的特征向量组和用户不关注的属性信息对应的特征向量组。利用该归类条件，便可以将该类产品的属性信息划分为用户关注和用户不关注的属性信息。本申请实施例可以提取用户关注的属性信息，作为该类产品的关键属性信息。
S300：提取产品信息中的产品标识并建立所述产品标识与所述关键属性信息的关联关系。
本申请实施例中的服务器在提取产品信息的关键属性信息后，可以建立该产品与所述关键属性信息的关联关系。具体地，本申请实施例可以提取产品信息中的产品标识，并建立该标识与所述关键属性信息的关联关系。所述的产品标识可以包括产品编号和产品类目。其中，产品编号与产品一一对应，通过产品编号可以查询到对应的产品；产品类目可以有根据涵盖范围的不同分为多个，例如对于某品牌的特定型号的鼠标这个产品而言，鼠标、电脑配件以及电子产品均可以作为它的产品类目，这三个产品类目涵盖的范围逐级增大。从产品信息中提取出产品标识后，可以建立所述产品标识与所述关键属性信息的关联关系。通过产品标识可以查询与该产品标识相关联的关键属性信息。例如，对于某品牌特定型号的MP3这个产品而言，其产品编号例如可以为201502031331，其产品类别例如可以为MP3，随身播放器，电子商品，其关键属性信息例如可以为容量、大小、重量、颜色。本申请实施例可以按照该MP3产品标识涵盖范围从大到小的顺序，建立该MP3的产品标识和它的关键属性信息的关联关系，例如可以为：电子商品-随身播放器-MP3-201502031331-容量、大小、重量、颜色。这样，通过该MP3的产品标识，便可以查询与该产品标识相关联的关键属性信息。具体地，可以将产品标识作为key，将该产品的关键属性信息作为value进行存储。通过产品的标识可以查询出与该标识相关联的关键属性信息，这样便可以建立所述产品标识与所述关键属性信息的关联关系。
S400：获取用户搜索指令并提取所述搜索指令中的产品标识。
用户在搜索自身感兴趣的产品时，可以在网站的搜索框中输入搜索指令。该搜索指令可以为具体的产品编号(例如网站的运营人员为了测试网站性能，直接输入产品的编号进行检测)，也可以为产品的类目(一般用户在进行搜索时往往会输入产品的类目)。例如，用户A想购买一款鼠标，他往往会在网站的搜索框中输入“鼠标”这个搜索指令。服务器获取到用户的搜索指令后，可以提取所述搜索指令中的产品标识。
S500：根据所述建立的产品标识与关键属性信息的关联关系，查询与所述提取的产品标识相关联的关键属性信息；
S600：向客户端发送所述查询的关键属性信息。
服务器提取出用户搜索指令中的产品标识后，本申请实施例可以根据所述建立的产品标识与关键属性信息的关联关系，查询所述提取的产品标识相对应的关键属性信息，并向客户端发送所述查询的关键属性信息。具体地，服务器可以预先设置网页模板，该网页模板可以是一个页面框架，页面中产品的关键属性信息均未填充。服务器提取出用户搜索指令中的产品标识后，可以通过预先建立的产品标识与关键属性信息的对应关系，查询出该产品标识对应的关键属性信息。例如，用户的搜索指令为“鼠标”，服务器从该搜索指令中提取出的产品标识为“鼠标”，那么便可以根据产品标识与关键属性信息的关联关系，查询到产品标识为鼠标的一系列产品的关键属性信息，这些产品例如可以是不同品牌、不同型号的有线鼠标、无线鼠标。每款产品均具有一系列的关键属性信息，例如接口，重量，颜色，制作材料等。
服务器查询到与提取的产品标识相关联的关键属性信息后，可以将这些关键属性信息填充到上述的网页模板中，这样便可以形成最终的搜索页面。服务器可以将该搜索页面发送至客户端，供用户浏览。
服务器根据用户搜索指令中的产品标识进行关键属性信息的查询时，有时会查询到处于不同产品类目中的关键属性信息。例如，用户提供的搜索指令为“苹果”，那么服务器从用户的搜索指令中提取的产品标识就可以为“苹果”。当服务器进行查询与“苹果”相关联的关键属性信息时，可以查询出水果行业和电子商品行业的关键属性信息。其中，水果行业的“苹果”就属于水果类目，而电子商品行业中的“苹果”手机则属于电子商品类目。此时，服务器可以根据用户的偏好，对查询出的关键属性信息进行筛选。鉴于此，在本申请一优选实施例中，可以在步骤S500与S600之间增加下述步骤：
S501：根据用户偏好，对所述查询的关键属性信息进行筛选。
具体地，本申请实施例的服务器可以分析预设时间段内用户的搜索记录，确定用户关注度较高的产品类目。例如，服务器可以分析最近一个月内用户的搜索记录，并且提取每条搜索记录中的产品标识。通过提取的产品标识，服务器可以统计出该用户经常搜索的产品类目，从而确定出该用户关注度较高的产品类目。当服务器根据用户搜索指令中的产品标识查询到多个产品类目中的关键属性信息时，可以将用户关注度较低的产品类目的关键属性信息去除，并将用户关注度较高的产品类目的关键属性信息发送给客户端。具体地，服务器同样可以预设网页模板，并将用户关注度较高的产品类目的关键属性信息填充至预设的网页模板中，并将填充关键属性信息的网页发送至客户端供用户浏览。
本申请实施例还提供一种产品信息处理的服务器。图4为本申请一实施例提供的一种产品信息处理的服务器功能模块图。如图4所示，所述服务器包括：
产品信息获取单元100，用来获取产品信息，所述产品信息包括产品标识和属性信息；
关键属性信息提取单元200，用来根据预设规则提取所述属性信息中的关键属性信息；
关联关系建立单元300，用来提取所述产品信息中的产品标识，并建立所述产品标识与所述关键属性信息的关联关系；
产品标识获取单元400，用来获取用户搜索指令并提取所述搜索指令中的产品标识；
关键属性信息查询单元500，用来根据所述建立的产品标识与关键属性信息的关联关系，查询与所述提取的产品标识相关联的关键属性信息；
发送单元600，用来向客户端发送所述查询的关键属性信息。
在本申请一优选实施例中，所述关键属性信息提取单元200具体可以包括：
搜索指令获取模块201，用来获取预设数量的携带属性信息的产品搜索指令；
比重值计算模块202，用来计算所述获取的产品搜索指令中各个属性信息所占的比重值；
第一阈值设置模块203，用来设置第一阈值；
第一关键属性信息确定模块204，用来将所述比重值大于或者等于所述第一阈值的属性信息确定为所述产品的关键属性信息。
在本申请另一优选实施例中，所述关键属性信息提取单元200具体还可以包括：
参考样本设置模块205，用来将所述确定的关键属性信息作为参考样本；
相似度计算模块206，用来计算所述产品的各个属性信息与所述参考样本中关键属性信息的相似度；
第二阈值设置模块207，用来设置第二阈值；
第二关键属性信息确定模块208，用来将所述相似度大于或者等于第二阈值的属性信息确定为所述产品的关键属性信息。
在本申请另一优选实施例中，所述关键属性信息提取单元200具体可以包括：
训练样本集建立模块210，用来建立训练样本集，所述训练样本集包括关键属性信息与非关键属性信息的特征值向量；
归类条件计算模块220，用来计算所述包括关键属性信息与非关键属性信息的特征值向量的训练样本集的归类条件；
关键属性信息获取模块230，用来利用所述归类条件，对所述产品信息中的属性信息进行归类，得到所述属性信息中的关键属性信息。
在本申请另一优选实施例中，所述发送单元600具体包括：
网页模板设置模块601，用来预先设置网页模板；
填充模块602，用来将所述查询的关键属性信息填充至所述网页模板中；
发送模块603，用来向客户端发送所述填充关键属性信息后的网页。
图5为本申请另一实施例提供的一种产品信息处理的服务器功能模块图。如图5所示，所述服务器还包括：
筛选单元501，用来根据用户偏好，对所述关键属性信息查询单元发来的关键属性信息进行筛选，并将筛选后的关键属性信息发送给所述发送单元。
本申请实施例提供的一种产品信息处理的方法及服务器，通过对产品属性信息进行分析，针对不同的产品，提取出该产品的关键属性信息，并根据用户的搜索指令，将与用户的搜索指令相关的产品的关键属性信息发送给客户端供用户浏览，能够给用户提供用户真正关注的产品信息。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable Gate Array，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片2。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware Description Language)等，目前最普遍使用的是VHDL(Very-High-Speed Integrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可 编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包 括存储设备在内的本地和远程计算机存储介质中。
虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。

Claims (12)

  1. 一种产品信息处理的方法，其特征在于，包括：
    获取产品信息，所述产品信息包括产品标识和属性信息；
    根据预设规则提取所述属性信息中的关键属性信息；
    提取所述产品信息中的产品标识，并建立所述产品标识与所述关键属性信息的关联关系；
    获取用户搜索指令并提取所述搜索指令中的产品标识；
    根据所述建立的产品标识与所述关键属性信息的关联关系，查询与所述提取的产品标识相关联的关键属性信息；
    向客户端发送所述查询的关键属性信息。
  2. 如权利要求1所述的一种产品信息处理的方法，其特征在于，所述根据预设规则提取所述属性信息中的关键属性信息具体包括：
    获取预设数量的携带属性信息的产品搜索指令；
    计算所述获取的产品搜索指令中各个属性信息所占的比重值；
    设置第一阈值；
    将所述比重值大于或者等于所述第一阈值的属性信息确定为所述产品的关键属性信息。
  3. 如权利要求2所述的一种产品信息处理的方法，其特征在于，所述根据预设规则提取所述属性信息中的关键属性信息还包括：
    将所述确定的关键属性信息作为参考样本；
    计算所述产品的各个属性信息与所述参考样本中关键属性信息的相似度；
    设置第二阈值；
    将所述相似度大于或者等于第二阈值的属性信息确定为所述产品的关键属性信息。
  4. 如权利要求1所述的一种产品信息处理的方法，其特征在于，所述根据预设规则提取所述属性信息中的关键属性信息具体包括：
    建立训练样本集，所述训练样本集包括关键属性信息与非关键属性信息的特征值向量；
    计算所述包括关键属性信息与非关键属性信息的特征值向量的训练样本集的归类条件；
    利用所述归类条件，对所述产品信息中的属性信息进行归类，得到所述属性信息中的关键属性信息。
  5. 如权利要求1所述的一种产品信息处理的方法，其特征在于，所述向客户端发送所述查询的关键属性信息具体包括：
    预先设置网页模板；
    将所述查询的关键属性信息填充至所述网页模板中；
    向客户端发送填充关键属性信息后的网页。
  6. 如权利要求1所述的一种产品信息处理的方法，其特征在于，在所述向客户端发送所述查询的关键属性信息步骤之前，所述方法还包括：
    根据用户偏好，对所述查询的关键属性信息进行筛选。
  7. 一种产品信息处理的服务器，其特征在于，包括：产品信息获取单元，关键属性信息提取单元，关联关系建立单元，产品标识获取单元，关键属性信息查询单元，发送单元，其中：
    所述产品信息获取单元，用来获取产品信息，所述产品信息包括产品标识和属性信息；
    所述关键属性信息提取单元，用来根据预设规则提取所述属性信息中的关键属性信息；
    所述关联关系建立单元，用来提取所述产品信息中的产品标识，并建立所述产品标识与所述关键属性信息的关联关系；
    所述产品标识获取单元，用来获取用户搜索指令并提取所述搜索指令中的产品标识；
    所述关键属性信息查询单元，用来根据所述建立的产品标识与关键属性信息的关联关系，查询与所述提取的产品标识相关联的关键属性信息；
    所述发送单元，用来向客户端发送所述查询的关键属性信息。
  8. 如权利要求7所述的一种产品信息处理的服务器，其特征在于，所述关键属性信息提取单元具体包括：
    搜索指令获取模块，用来获取预设数量的携带属性信息的产品搜索指令；
    比重值计算模块，用来计算所述获取的产品搜索指令中各个属性信息所占的比重值；
    第一阈值设置模块，用来设置第一阈值；
    第一关键属性信息确定模块，用来将所述比重值大于或者等于所述第一阈值的属性信息确定为所述产品的关键属性信息。
  9. 如权利要求8所述的一种产品信息处理的服务器，其特征在于，所述关键属性信息提取单元还包括：
    参考样本设置模块，用来将所述确定的关键属性信息作为参考样本；
    相似度计算模块，用来计算所述产品的各个属性信息与所述参考样本中关键属性信息的相似度；
    第二阈值设置模块，用来设置第二阈值；
    第二关键属性信息确定模块，用来将所述相似度大于或者等于第二阈值的属性信息确定 为所述产品的关键属性信息。
  10. 如权利要求7所述的一种产品信息处理的服务器，其特征在于，所述关键属性信息提取单元具体包括：
    训练样本集建立模块，用来建立训练样本集，所述训练样本集包括关键属性信息与非关键属性信息的特征值向量；
    归类条件计算模块，用来计算所述包括关键属性信息与非关键属性信息的特征值向量的训练样本集的归类条件；
    关键属性信息获取模块，用来利用所述归类条件，对所述产品信息中的属性信息进行归类，得到所述属性信息中的关键属性信息。
  11. 如权利要求7所述的一种产品信息处理的服务器，其特征在于，所述发送单元具体包括：
    网页模板设置模块，用来预先设置网页模板；
    填充模块，用来将所述查询的关键属性信息填充至所述网页模板中；
    发送模块，用来向客户端发送填充关键属性信息后的网页。
  12. 如权利要求7所述的一种产品信息处理的服务器，其特征在于，所述服务器还包括：
    筛选单元，用来根据用户偏好，对所述关键属性信息查询单元发来的关键属性信息进行筛选，并将筛选后的关键属性信息发送给所述发送单元。
PCT/CN2016/075379 2015-03-12 2016-03-02 一种产品信息处理的方法及服务器 Ceased WO2016141821A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510108576.4A CN106033431A (zh) 2015-03-12 2015-03-12 一种产品信息处理的方法及服务器
CN201510108576.4 2015-03-12

Publications (1)

Publication Number Publication Date
WO2016141821A1 true WO2016141821A1 (zh) 2016-09-15

Family

ID=56878922

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/075379 Ceased WO2016141821A1 (zh) 2015-03-12 2016-03-02 一种产品信息处理的方法及服务器

Country Status (2)

Country Link
CN (1) CN106033431A (zh)
WO (1) WO2016141821A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581357A (zh) * 2020-03-31 2020-08-25 山东浪潮通软信息科技有限公司 一种基于专项辅助核算的处理方法、装置、设备及介质
CN114861031A (zh) * 2022-04-24 2022-08-05 支付宝(杭州)信息技术有限公司 用户搜索处理方法及装置
CN116305603A (zh) * 2022-12-19 2023-06-23 富联裕展科技(深圳)有限公司 五金件图元的检测方法及相关设备
CN117056467A (zh) * 2023-10-11 2023-11-14 中国标准化研究院 一种产品循环性数据表模型构建方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107341670A (zh) * 2017-05-25 2017-11-10 段元文 物品溯源方法、装置及计算机可读存储介质
CN110097251A (zh) * 2019-02-01 2019-08-06 北京三快在线科技有限公司 产品数据处理方法及装置、供货方法及装置、电子设备
CN109934631B (zh) * 2019-03-13 2022-03-25 联想(北京)有限公司 问答信息处理方法、装置及计算机设备
WO2021000188A1 (zh) * 2019-06-30 2021-01-07 瑞声声学科技(深圳)有限公司 马达信息展示方法、装置和计算机设备
CN114066544A (zh) * 2020-07-29 2022-02-18 阿里巴巴集团控股有限公司 展示产品体系架构的方法、装置及存储介质
US20230146707A1 (en) * 2021-11-08 2023-05-11 Rockwell Automation Technologies, Inc. Controlflash plus hardware serialization and registration
CN119671553B (zh) * 2023-09-12 2025-11-07 中国工商银行股份有限公司 产品信息处理方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102402535A (zh) * 2010-09-13 2012-04-04 阿里巴巴集团控股有限公司 一种建设产品库的方法及系统
CN102456165A (zh) * 2010-10-29 2012-05-16 国际商业机器公司 一种用于物联网中管理物品的方法和系统
CN102890686A (zh) * 2011-07-21 2013-01-23 腾讯科技（深圳）有限公司 展示商品搜索结果的方法及系统
CN104040540A (zh) * 2011-08-23 2014-09-10 泰科消防及安全有限公司 利用标签和移动设备的产品信息系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102402535A (zh) * 2010-09-13 2012-04-04 阿里巴巴集团控股有限公司 一种建设产品库的方法及系统
CN102456165A (zh) * 2010-10-29 2012-05-16 国际商业机器公司 一种用于物联网中管理物品的方法和系统
CN102890686A (zh) * 2011-07-21 2013-01-23 腾讯科技（深圳）有限公司 展示商品搜索结果的方法及系统
CN104040540A (zh) * 2011-08-23 2014-09-10 泰科消防及安全有限公司 利用标签和移动设备的产品信息系统及方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581357A (zh) * 2020-03-31 2020-08-25 山东浪潮通软信息科技有限公司 一种基于专项辅助核算的处理方法、装置、设备及介质
CN111581357B (zh) * 2020-03-31 2023-09-22 浪潮通用软件有限公司 一种基于专项辅助核算的处理方法、装置、设备及介质
CN114861031A (zh) * 2022-04-24 2022-08-05 支付宝(杭州)信息技术有限公司 用户搜索处理方法及装置
CN116305603A (zh) * 2022-12-19 2023-06-23 富联裕展科技(深圳)有限公司 五金件图元的检测方法及相关设备
CN117056467A (zh) * 2023-10-11 2023-11-14 中国标准化研究院 一种产品循环性数据表模型构建方法
CN117056467B (zh) * 2023-10-11 2023-12-15 中国标准化研究院 一种产品循环性数据表模型构建方法

Also Published As

Publication number Publication date
CN106033431A (zh) 2016-10-19

Similar Documents

Publication Publication Date Title
WO2016141821A1 (zh) 一种产品信息处理的方法及服务器
US12314311B2 (en) Image-based popularity prediction
US10043109B1 (en) Attribute similarity-based search
US11120070B2 (en) System and method for attribute-based visual search over a computer communication network
KR101768521B1 (ko) 이미지에 포함된 객체에 대한 정보 데이터를 제공하는 방법 및 시스템
US12339896B2 (en) Intelligent systems and methods for visual search queries
EP3757995A1 (en) Music recommendation method and apparatus, and computing device and medium
US10824942B1 (en) Visual similarity and attribute manipulation using deep neural networks
US9600499B2 (en) System for collecting interest graph by relevance search incorporating image recognition system
AU2015259118B2 (en) Natural language image search
US10769524B1 (en) Non-binary gender filter
US10282431B1 (en) Image similarity-based group browsing
US10776417B1 (en) Parts-based visual similarity search
US11314791B2 (en) Smart match autocomplete system
CN110827129A (zh) 一种商品推荐方法及装置
CN105808764A (zh) 推荐内容的展示方法和装置
CN109492120B (zh) 模型训练方法、检索方法、装置、电子设备及存储介质
US11238515B1 (en) Systems and method for visual search with attribute manipulation
CN103839172A (zh) 商品推荐方法及系统
CN103020128B (zh) 与终端设备交互数据的方法与装置
US20170193115A1 (en) Query classifier
KR20130059263A (ko) 상품 판매 업체 관련 글 판단 방법 및 그 장치
CN110471721A (zh) 页面展示方法及系统、电子设备和存储介质
TW201828196A (zh) 使用者行為資料的處理方法及裝置
CN120256696A (zh) 信息处理方法、装置、电子设备以及介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16761048

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16761048

Country of ref document: EP

Kind code of ref document: A1