WO2018165968A1 - 基于网页搜索的商家评价推荐系统及方法 - Google Patents

基于网页搜索的商家评价推荐系统及方法 Download PDF

Info

Publication number
WO2018165968A1
WO2018165968A1 PCT/CN2017/077015 CN2017077015W WO2018165968A1 WO 2018165968 A1 WO2018165968 A1 WO 2018165968A1 CN 2017077015 W CN2017077015 W CN 2017077015W WO 2018165968 A1 WO2018165968 A1 WO 2018165968A1
Authority
WO
WIPO (PCT)
Prior art keywords
merchant
node
webpage
keyword
commerce
Prior art date
Application number
PCT/CN2017/077015
Other languages
English (en)
French (fr)
Inventor
李楚斌
Original Assignee
深圳市秀趣品牌文化传播有限公司
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 深圳市秀趣品牌文化传播有限公司 filed Critical 深圳市秀趣品牌文化传播有限公司
Priority to PCT/CN2017/077015 priority Critical patent/WO2018165968A1/zh
Publication of WO2018165968A1 publication Critical patent/WO2018165968A1/zh

Links

Classifications

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

Definitions

  • the present invention relates to the field of e-commerce big data, and in particular, to a merchant evaluation recommendation system and method based on webpage search.
  • the e-commerce data analysis system analyzes and processes the e-commerce big data, and does not consider the factors of the user's evaluation of the commodity. It is impossible to rate the commodity through big data, and the user often has to pass a large number of The query finds the corresponding item.
  • the main objective of the present invention is to provide a merchant evaluation recommendation system and method based on webpage search, which aims to solve the technical problem that the existing e-commerce big data processing process does not analyze and process webpages based on webpages and recommend merchants.
  • the present invention provides a webpage search-based merchant evaluation recommendation system, which is operated in a data center, and the data center is connected to an e-commerce platform, a client, and a search engine website through a network
  • the business evaluation recommendation system for web search includes: [0007] an obtaining module, configured to obtain e-commerce data from each e-commerce platform;
  • a creating module configured to parse e-commerce data of each e-commerce platform, and create a product type list according to the product type keyword;
  • the obtaining module is configured to obtain a business related webpage from a search engine website
  • an association module configured to search, according to the node keyword in the item type list, the related business-related webpage and the node corresponding to the node keyword
  • a rating module configured to score each merchant in the product type list according to the retrieved business related webpage
  • the display module is configured to: when the user queries the corresponding product through the client, recommend the highest-rated merchant to the user, and display it on the client of the user.
  • the present invention further provides a merchant evaluation recommendation method based on webpage search, which is applied to a data center, where the data center is connected to an e-commerce platform, a client, and a search engine website through a network, and the method includes:
  • the webpage search-based merchant evaluation recommendation system and method of the present invention perform big data analysis on the e-commerce data, thereby rating the merchants of the e-commerce platform, facilitating the user to select the corresponding merchant, and saving the user's query.
  • the webpage search-based merchant evaluation recommendation system and method of the present invention perform big data analysis on the e-commerce data, thereby rating the merchants of the e-commerce platform, facilitating the user to select the corresponding merchant, and saving the user's query.
  • the webpage search-based merchant evaluation recommendation system and method of the present invention perform big data analysis on the e-commerce data, thereby rating the merchants of the e-commerce platform, facilitating the user to select the corresponding merchant, and saving the user's query.
  • DRAWINGS Brief description of the drawing DRAWINGS
  • FIG. 1 is a schematic diagram of an application environment of a merchant evaluation recommendation system based on webpage search according to the present invention
  • FIG. 2 is a schematic diagram of functional modules of a preferred embodiment of a merchant evaluation recommendation system based on webpage search according to the present invention
  • FIG. 3 is a flow chart of a preferred embodiment of a merchant evaluation recommendation method based on webpage search according to the present invention
  • FIG. 4 is a schematic diagram of a list of commodity types of the present invention.
  • FIG. 1 is a schematic diagram of an application environment of a merchant evaluation recommendation system based on webpage search according to the present invention.
  • the web search based merchant evaluation recommendation system 20 in the present invention operates in the data center 2.
  • the data center 2 is communicatively coupled to one or more e-commerce platforms 1 (illustrated by three in FIG. 1) through the network 3 to acquire a plurality of e-commerce data from the e-commerce platform 1.
  • the e-commerce data also includes information such as a product name, a product type, a commodity volume, a product production date, a product packaging specification, a business address, a business name, and a merchant favorable rate.
  • the network 3 may be a wired communication network or a wireless communication network.
  • the network 3 is preferably a wireless communication network including, but not limited to, a GSM network, a GPRS network, a CDMA network, a TD-SCDMA network, a WiMAX network, a TD-LTE network, an FDD-LTE network, and the like.
  • the data center 2 communicates with the one or more clients 4 (illustrated by taking three as an example in FIG. 1) through the network 3, and recommends the merchant with the highest rating after the user is retrieved to the user.
  • the data center 2 may further analyze and process the e-commerce data, and send the analyzed product association list (such as the association list of the goods "cookies" in FIG. 4) to the network 3 through the network 3.
  • the client 4 is held by a user, and the user can obtain the e-commerce data through the client 4.
  • the data center 2 is communicatively connected to the search engine website 5 via the network 3 for obtaining a merchant related webpage from the search engine website 5.
  • the search engine website 5 provides an API interface, and the device or system accessing the API interface can obtain the merchant related webpage from the search engine website 5.
  • the data center 2 acquires the merchant related webpage on the basis of the authorization of the search engine website 5 (ie, authorized access to the API interface provided by the search engine website 5).
  • the data center 2 is a server of a cloud platform or a data center, and can better manage and/or assist with the data transmission capability and data storage capability of the cloud platform or the data center.
  • the data center 2 is connected to the client 4.
  • the client 4 may be, but is not limited to, any other suitable portable electronic device such as a smart phone, a tablet computer, a personal digital assistant (PDA), a personal computer, an electronic signboard, and the like.
  • a smart phone such as a smart phone, a tablet computer, a personal digital assistant (PDA), a personal computer, an electronic signboard, and the like.
  • PDA personal digital assistant
  • FIG. 2 it is a schematic diagram of the functional modules of a preferred embodiment of the merchant evaluation recommendation system based on the webpage search of the present invention.
  • the webpage search-based merchant evaluation recommendation system 20 is applied to the data center 2.
  • the data center 2 includes, but is not limited to, a web search based merchant evaluation recommendation system 20, a storage unit 22, a processing unit 24, and a communication unit 26.
  • the storage unit 22 may be a read only storage unit ROM, an electrically erasable storage unit EEPRO M, a flash storage unit FLASH or a solid hard disk.
  • the processing unit 24 may be a central processing unit (CPU), a microcontroller (MCU), a data processing chip, or an information processing unit having a data processing function.
  • CPU central processing unit
  • MCU microcontroller
  • data processing chip or an information processing unit having a data processing function.
  • the communication unit 26 is a wireless communication interface with remote wireless communication functions, for example, supports communication technologies such as GSM, GPRS, WCDMA, CDMA, TD-SCDMA, WiMAX, TD-LTE, FDD-LT E Communication interface.
  • communication technologies such as GSM, GPRS, WCDMA, CDMA, TD-SCDMA, WiMAX, TD-LTE, FDD-LT E Communication interface.
  • the webpage search-based merchant evaluation recommendation system 20 includes, but is not limited to, an acquisition module 200, a creation module 210, an association module 220, a rating module 230, and a display module 240.
  • the module referred to in the present invention refers to a module.
  • a series of computer program instructions that can be executed by the processing unit 24 of the data center 2 and that are capable of performing a fixed function are stored in the storage unit 22 of the data center 2.
  • the obtaining module 200 is configured to acquire e-commerce data from each e-commerce platform 1.
  • the e-commerce platform 1 provides a data import interface (eg, an application interface, an application interface, an API), and a device or system that accesses the data import interface can be from the e-commerce platform.
  • a data import interface eg, an application interface, an application interface, an API
  • the obtaining module 200 invokes an API interface provided by the e-commerce platform 1 to obtain e-commerce data.
  • the e-commerce data belongs to private information
  • the e-commerce data is sent to the data center 2
  • the encryption and decryption algorithm is adopted (for example, the MD5 encryption and decryption algorithm, RSA)
  • the encryption and decryption algorithm, the DES encryption and decryption algorithm, the DSA encryption and decryption algorithm, the AES encryption and decryption algorithm, etc.) first encrypt the e-commerce data, and then transmit it to the data center 2.
  • the creating module 210 is configured to parse the e-commerce data of each e-commerce platform, and create a product type list according to the product type keyword.
  • the data type list is divided into three layers of nodes, the first layer node is a commodity name node (the node holds the commodity name), the second layer is an e-commerce platform name node (the node holds the e-commerce platform name), and the third layer is The merchant information node (this node holds information such as the name of the merchant that sells the product).
  • the data type list is a list of the goods "cookies".
  • the list of data types may be more than three layers (e.g., four layers, five layers, or more).
  • the obtaining module 200 is configured to obtain a merchant related webpage from the search engine website 5.
  • the merchant related webpage may be, but is not limited to, a news webpage introduced by the merchant, a negative merchant related webpage (for example, a merchant related webpage in which the merchandise has an accident or a scandal), a news webpage on the front of the merchant, and other types of merchant related webpages. Wait.
  • the association module 220 is configured to perform a search in the merchant related webpage according to the node keyword in the product type list, and associate the retrieved merchant related webpage with a node corresponding to the node keyword.
  • the node keyword in the product type list may be a node name or a node
  • the keyword of the e-commerce platform A is "X XX E-commerce platform"
  • the rating module 230 is configured to score each merchant in the product type list according to the retrieved merchant related webpage.
  • the default value of the system's e-commerce platform is 45, the default value of the micro-business is 40, etc.)
  • d is the default value corresponding to the business title (for example, the corresponding default value of the world's top 500 enterprises is 30, China's five
  • the default value of the top 100 enterprises is 25, the default value of the rest of the enterprises is 20, etc.
  • a and b are fixed parameters (for example, a is
  • the display module 240 is configured to: when the user queries the corresponding product through the client 4, recommend the highest-rated merchant to the user, and display it on the client 4 of the user. Specifically, as shown in FIG. 4, if the merchant A1 score of the e-commerce platform A is at most 145 points, when the user queries the product of the cookie through the client 4, the information of the merchant A1 of the e-commerce platform A is displayed. On the user's client 4. In addition, when multiple merchants are rated the same, the display module 240 selects the merchant whose transaction quantity is greater than the preset value (10000 times) and the favorable rate is greater than the preset good rating (95%).
  • FIG. 3 it is a flowchart of a preferred embodiment of the merchant evaluation recommendation method based on webpage search of the present invention.
  • the webpage search-based merchant evaluation recommendation method is applied to the data center 2, and the method includes the following steps:
  • Step S10 The acquiring module 200 acquires e-commerce data from each e-commerce platform 1.
  • the e-commerce platform 1 provides a data import interface (for example, an application interface, an API), and a device or system that accesses the data import interface can be from the e-commerce platform.
  • a data import interface for example, an application interface, an API
  • the obtaining module 200 invokes an API interface provided by the e-commerce platform 1 to obtain e-commerce data.
  • the e-commerce data belongs to the private information
  • the e-commerce data is sent to the data center 2
  • the encryption and decryption algorithm is adopted (for example, the MD5 encryption and decryption algorithm, the RSA plus The decryption algorithm, the DES encryption and decryption algorithm, the DSA encryption and decryption algorithm, the AES encryption and decryption algorithm, etc.) first encrypt the e-commerce data and then transmit it to the data center 2.
  • the encryption and decryption algorithm for example, the MD5 encryption and decryption algorithm, the RSA plus The decryption algorithm, the DES encryption and decryption algorithm, the DSA encryption and decryption algorithm, the AES encryption and decryption algorithm, etc.
  • Step S11 The creating module 210 parses the e-commerce data of each e-commerce platform, and creates a data type list according to the data type keyword.
  • the data type list is divided into three layers of nodes, the first layer node is a commodity name node (the node holds the commodity name), the second layer is an e-commerce platform name node (the node holds the e-commerce platform name), and the third layer is The merchant information node (this node holds information such as the name of the merchant that sells the product).
  • the data type list is a list of products "cookies". In other In an embodiment, the data type list may be more than three layers (for example, four layers, five layers or more).
  • Step S12 The obtaining module 200 acquires a business related webpage from the search engine website 5.
  • the merchant related webpage may be, but is not limited to, a news webpage introduced by the merchant, a negative merchant related webpage (for example, a merchant related webpage in which the merchandise has an accident or a scandal), a news webpage on the front of the merchant, and other types of merchant related webpages. Wait.
  • Step S13 The association module 220 searches in the merchant related webpage according to the node keyword in the product type list, and associates the retrieved merchant related webpage with the node corresponding to the node keyword.
  • the step of associating the retrieved related business related webpage with the node corresponding to the node keyword according to the node keyword in the product type list, and the step of associating the node corresponding to the node keyword includes the following steps:
  • the node keyword in the product type list may be a node name or a node
  • the keyword of the e-commerce platform is "XX X E-commerce platform";
  • Step S14 The rating module 230 scores each merchant in the product type list according to the retrieved merchant related webpage.
  • the default value of the system's e-commerce platform is 45, the default value of the micro-business is 40, etc.)
  • d is the default value corresponding to the business title (for example, the corresponding default value of the world's top 500 enterprises is 30, China's five
  • the default value of the top 100 enterprises is 25, the default value of the rest of the enterprises is 20, etc.
  • a and b are fixed parameters (for example,
  • Step S15 When the user queries the corresponding item ⁇ through the client 4, the display module 240 will score the highest. The merchant is recommended to the user and displayed on the user's client 4. Specifically, as shown in FIG. 4, if the merchant A1 score of the e-commerce platform A is at most 145 points, when the user queries the product of the cookie through the client 4, the information of the merchant A1 of the e-commerce platform A is displayed. On the user's client 4. In addition, when the plurality of merchants have the same rating, the display module 240 selects the merchant whose transaction quantity is greater than the preset value (10000 times) and the favorable rate is greater than the preset favorable rate ( 95 ⁇ 3 ⁇ 4).
  • the webpage search-based merchant evaluation recommendation system and method of the present invention analyzes the e-commerce data by big data, thereby rating the merchants of the e-commerce platform, facilitating the user to select the corresponding merchant, and saving the user's query time.

Abstract

本发明提供一种基于网页搜索的商家评价推荐系统及方法，该方法包括：从各个电商平台获取电商数据；对各个电商平台的电商数据进行解析，按照商品类型关键字创建商品类型列表；从搜索引擎网站获取商家相关网页；根据商品类型列表中节点关键字在所述商家相关网页中进行检索，并将检索到的商家相关网页与节点关键字对应的节点进行关联；根据检索到的商家相关网页对商品类型列表中每个商品进行评分；当用户通过客户端查询对应商品时，将评分最高的商品推荐给用户，并显示于用户的客户端上。实施本发明可以对电商数据进行大数据分析，从而方便用户找到对应的商品，节约了用户查询的时间。

Description

基于网页搜索的商家评价推荐系统及方法 技术领域
[0001] 本发明涉及电商大数据领域， 尤其涉及一种基于网页搜索的商家评价推荐系统 及方法。
背景技术
[0002] 近年来随着互联网、 云计算和物联网等的迅猛发展， 无所不在的移动设备、 RF ID、 无线传感器每分每秒都在产生数据， 数以亿计用户的互联网服务吋吋刻刻 在产生巨量的交互， 要处理的数据量巨大， 数据一直都在以每年 50%的速度增长 ， 而业务需求和竞争压力对数据处理的实吋性、 有效性又提出了更高要求， 传 统的常规技术手段根本无法应付， 因此， 大数据技术 （Big Data) 成为近来的一 个技术热点， 引起了广泛的重视。
[0003] 借助于不断增长的私密和公幵电商数据， 大数据技术帮助人们存储管理好大数 据并从大体量、 高复杂的数据中提取价值， 相关的技术、 产品将不断涌现， 将 有可能给电商行业幵拓一个新的黄金吋代。
[0004] 然而， 现阶段的电商数据分析系统在针对电商大数据进行分析处理吋， 并没有 考虑用户平吋对商品评价的因素， 无法通过大数据对商品进行评级， 用户往往 要通过大量的査询找到对应的商品。
技术问题
[0005] 本发明的主要目的在于提供一种基于网页搜索的商家评价推荐系统及方法， 旨 在解决现有对电商大数据处理过程中没有基于网页进行分析及处理并推荐商家 的技术问题。
问题的解决方案
技术解决方案
[0006] 为实现上述目的， 本发明提供了一种基于网页搜索的商家评价推荐系统， 运行 于数据中心， 所述数据中心通过网络与电商平台、 客户端及搜索引擎网站连接 ， 所述基于网页搜索的商家评价推荐系统包括： [0007] 获取模块， 用于从各个电商平台获取电商数据；
[0008] 创建模块， 用于对各个电商平台的电商数据进行解析， 按照商品类型关键字创 建商品类型列表；
[0009] 所述获取模块， 用于从搜索引擎网站获取商家相关网页；
[0010] 关联模块， 用于根据商品类型列表中节点关键字在所述商家相关网页中进行检 索， 并将检索到的商家相关网页与节点关键字对应的节点进行关联；
[0011] 评级模块， 用于根据检索到的商家相关网页对商品类型列表中每个商家进行评 分； 及
[0012] 显示模块， 用于当用户通过客户端査询对应商品吋， 将评分最高的商家推荐给 用户， 并显示于用户的客户端上。
[0013] 另一方面， 本发明还提供一种基于网页搜索的商家评价推荐方法， 应用于数据 中心， 所述数据中心通过网络与电商平台、 客户端及搜索引擎网站连接， 该方 法包括：
[0014] 从各个电商平台获取电商数据；
[0015] 对各个电商平台的电商数据进行解析， 按照商品类型关键字创建商品类型列表 [0016] 从搜索引擎网站获取商家相关网页；
[0017] 根据商品类型列表中节点关键字在所述商家相关网页中进行检索， 并将检索到 的商家相关网页与节点关键字对应的节点进行关联；
[0018] 根据检索到的商家相关网页对商品类型列表中每个商家进行评分； 及
[0019] 当用户通过客户端査询对应商品吋， 将评分最高的商家推荐给用户， 并显示于 用户的客户端上。
发明的有益效果
有益效果
[0020] 本发明所述基于网页搜索的商家评价推荐系统及方法， 对电商数据进行大数据 分析， 从而对电商平台的商家进行评级， 方便用户挑选对应的商家， 节约了用 户査询的吋间。 对附图的简要说明 附图说明
[0021] 图 1是本发明基于网页搜索的商家评价推荐系统的应用环境示意图；
[0022] 图 2是本发明基于网页搜索的商家评价推荐系统的优选实施例的功能模块示意 图；
[0023] 图 3是本发明基于网页搜索的商家评价推荐方法的优选实施例的流程图；
[0024] 图 4是本发明商品类型列表的示意图。
实施该发明的最佳实施例
本发明的最佳实施方式
[0025] 参照图 1所示， 图 1是本发明基于网页搜索的商家评价推荐系统的应用环境示意 图。 本发明中的基于网页搜索的商家评价推荐系统 20运行于数据中心 2。 所述数 据中心 2通过网络 3与一个或多个电商平台 1 (图 1中以三个为例进行说明） 通信 连接， 以从所述电商平台 1获取多笔电商数据。 所述电商数据还包括商品名称、 商品种类、 商品成交量、 商品生产日期、 商品包装规格、 商家地址、 商家名称 及商家好评率等信息。
[0026] 所述网络 3可以是有线通讯网络或无线通讯网络。 所述网络 3优选为无线通讯网 络， 包括但不限于， GSM网络、 GPRS网络、 CDMA网络、 TD-SCDMA网络、 W iMAX网络、 TD-LTE网络、 FDD-LTE网络等无线传输网络。
[0027] 所述数据中心 2通过所述网络 3与一个或多个客户端 4 (图 1中以三个为例进行说 明） 通信连接， 将用户检索后评级最高的商家推荐给用户。 在其它实施例中， 所述数据中心 2还可以对所述电商数据进行分析处理， 并将分析处理后的商品关 联列表 （如图 4中商品"饼干"的关联列表） 通过网络 3发送给用户对应的客户端 4 。 需要说明的是， 所述客户端 4由用户持有， 用户可以通过所述客户端 4获取所 述电商数据。
[0028] 所述数据中心 2通过所述网络 3与搜索引擎网站 5通信连接， 用于从所述搜索引 擎网站 5获取商家相关网页。 具体地说， 所述搜索引擎网站 5提供 API接口， 接入 该 API接口的设备或系统都可以从所述搜索引擎网站 5中获取商家相关网页。 所 述数据中心 2在所述搜索引擎网站 5授权的基础上 （即授权接入所述搜索引擎网 站 5提供的 API接口） 获取所述商家相关网页。 [0029] 需要说明的是， 所述数据中心 2是云平台或数据中心的某一台服务器， 通过云 平台或数据中心的数据传输能力及数据存储能力， 可以更好地管理及 /或协助与 该数据中心 2连接的客户端 4。
[0030] 所述客户端 4可以是， 但不限于， 智能手机、 平板电脑、 个人数字助理 （Person al Digital Assistant, PDA) 、 个人电脑、 电子看板等其它任意合适的便携式电子 设备。
[0031] 参照图 2所示， 是本发明基于网页搜索的商家评价推荐系统的优选实施例的功 能模块示意图。 结合图 1所示， 在本实施例中， 所述基于网页搜索的商家评价推 荐系统 20应用于数据中心 2。 该数据中心 2包括， 但不仅限于， 基于网页搜索的 商家评价推荐系统 20、 存储单元 22、 处理单元 24、 及通讯单元 26。
[0032] 所述的存储单元 22可以为一种只读存储单元 ROM, 电可擦写存储单元 EEPRO M、 快闪存储单元 FLASH或固体硬盘等。
[0033] 所述的处理单元 24可以为一种中央处理器 （Central Processing Unit, CPU) 、 微控制器 （MCU) 、 数据处理芯片、 或者具有数据处理功能的信息处理单元。
[0034] 所述的通讯单元 26为一种具有远程无线通讯功能的无线通讯接口， 例如， 支持 GSM、 GPRS、 WCDMA、 CDMA、 TD-SCDMA、 WiMAX、 TD-LTE、 FDD-LT E等通讯技术的通讯接口。
[0035] 所述基于网页搜索的商家评价推荐系统 20包括， 但不局限于， 获取模块 200、 创建模块 210、 关联模块 220、 评级模块 230及显示模块 240， 本发明所称的模块 是指一种能够被所述数据中心 2的处理单元 24执行并且能够完成固定功能的一系 列计算机程序指令段， 其存储在所述数据中心 2的存储单元 22中。
[0036] 所述获取模块 200用于从各个电商平台 1获取电商数据。
[0037] 具体而言， 所述电商平台 1提供数据导入接口 （例如， 应用程序接口， Applicati on Program Interface, API) ， 接入该数据导入接口的设备或系统都可以从所述 电商平台 1中获取电商数据。 所述获取模块 200调用所述电商平台 1提供的 API接 口以获取电商数据。
[0038] 需要说明的是， 由于所述电商数据属于隐私信息， 为了确保信息安全， 所述电 商数据发送给数据中心 2吋， 会通过加解密算法 （例如， MD5加解密算法、 RSA 加解密算法、 DES加解密算法、 DSA加解密算法、 AES加解密算法等） 先对电商 数据进行加密处理， 之后传输给所述数据中心 2。
[0039] 所述创建模块 210用于对各个电商平台的电商数据进行解析， 按照商品类型关 键字创建商品类型列表。 所述数据类型列表分为三层节点， 第一层节点为商品 名称节点 （该节点保存商品名称） ， 第二层为电商平台名称节点 （该节点保存 电商平台名称） ， 第三层为商家信息节点 （该节点保存售卖该商品的商家的名 称等信息） 。 如图 4所示， 所述数据类型列表为商品"饼干"的列表。 在其它实施 例中， 所述数据类型列表可以是多于三层 （例如， 四层、 五层或以上） 。
[0040] 所述获取模块 200用于从搜索引擎网站 5获取商家相关网页。 所述商家相关网页 可以是， 但不限于， 商家介绍的新闻网页、 负面的商家相关网页 （例如， 该商 品出现事故或丑闻的商家相关网页） 、 商家正面的新闻网页及其它类型的商家 相关网页等。
[0041] 所述关联模块 220用于根据商品类型列表中节点关键字在所述商家相关网页中 进行检索， 并将检索到的商家相关网页与节点关键字对应的节点进行关联。
[0042] 所述根据商品类型列表中节点关键字在所述商家相关网页中进行检索， 并将检 索到的商家相关网页与节点关键字对应的节点进行关联的步骤包括如下步骤：
[0043] (1) 获取商品类型列表中的节点关键字， 并通过所述关键字检索是否有对应 的商家相关网页， 其中， 商品类型列表中的节点关键字可以是节点名称， 也可 以是节点中某一个预设的关键字。 例如， 如图 4所述， 电商平台 A的关键字为" X XX电商平台"；
[0044] (2) 判断所述商品类型列表中节点关键字是否有对应的商家相关网页；
[0045] (3) 若当一个商家相关网页中包含所述商品类型列表中节点关键字， 则所述 将该商家相关网页与该节点关键字对应的节点进行关联。
[0046] 所述评级模块 230用于根据检索到的商家相关网页对商品类型列表中每个商家 进行评分。 在本实施例中， 所述根据检索到的商家相关网页对商品类型列表中 每个商家进行评分的方式采用如下公式进行计算： Y=a*Xl-b*X2+c+d， 其中， Y 评分， XI为好评的数量， X2为差评的数量， c为电商平台资质对应的默认值 （例 如， 具有支付牌照且均为品牌商的电商平台对应的默认值为 50、 具有物流配送 系统的电商平台对应的默认值为 45、 微商对应的默认值为 40等等） ， d为商家职 称对应的默认值 （例如， 世界五百强企业的对应的默认值为 30、 中国五百强企 业的对应的默认值为 25、 其余企业对应的默认值为 20等等） ， a及 b均为固定参数 (例如， a为数值 15， b为数值 10等） 。 需要说明的是， 根据所述公式计算出来的 Y的值越高， 表示商家的评分越高。
[0047] 所述显示模块 240用于当用户通过客户端 4査询对应商品吋， 将评分最高的商家 推荐给用户， 并显示于用户的客户端 4上。 具体的说， 如图 4所示， 若电商平台 A 的商家 A1分数最高为 145分， 则当用户通过客户端 4上査询该饼干这个商品吋， 显示电商平台 A的商家 A1的信息于用户的客户端 4上。 此外， 当多个商家评分相 同吋， 显示模块 240选择成交数量大于预设值 （10000次） 且好评率大于预设好 评率 （95%) 的商家推荐给用户。
[0048] 参照图 3所示， 是本发明基于网页搜索的商家评价推荐方法的优选实施例的流 程图。 在本实施例中， 所述的基于网页搜索的商家评价推荐方法应用于数据中 心 2， 该方法包括以下步骤：
[0049] 步骤 S10: 所述获取模块 200从各个电商平台 1获取电商数据。
[0050] 具体而言， 所述电商平台 1提供数据导入接口 （例如， 应用程序接口， Applicati on Program Interface, API) ， 接入该数据导入接口的设备或系统都可以从所述 电商平台 1中获取电商数据。 所述获取模块 200调用所述电商平台 1提供的 API接 口以获取电商数据。
[0051] 需要说明的是， 由于所述电商数据属于隐私信息， 为了确保信息安全， 所述电 商数据发送给数据中心 2吋， 会通过加解密算法 （例如， MD5加解密算法、 RSA 加解密算法、 DES加解密算法、 DSA加解密算法、 AES加解密算法等） 先对电商 数据进行加密处理， 之后传输给所述数据中心 2。
[0052] 步骤 S11 : 所述创建模块 210对各个电商平台的电商数据进行解析， 按照数据类 型关键字创建数据类型列表。 所述数据类型列表分为三层节点， 第一层节点为 商品名称节点 （该节点保存商品名称） ， 第二层为电商平台名称节点 （该节点 保存电商平台名称） ， 第三层为商家信息节点 （该节点保存售卖该商品的商家 的名称等信息） 。 如图 4所示， 所述数据类型列表为商品"饼干"的列表。 在其它 实施例中， 所述数据类型列表可以是多于三层 （例如， 四层、 五层或以上） 。
[0053] 步骤 S12: 所述获取模块 200从搜索引擎网站 5获取商家相关网页。 所述商家相 关网页可以是， 但不限于， 商家介绍的新闻网页、 负面的商家相关网页 （例如 ， 该商品出现事故或丑闻的商家相关网页） 、 商家正面的新闻网页及其它类型 的商家相关网页等。
[0054] 步骤 S13: 所述关联模块 220根据商品类型列表中节点关键字在所述商家相关网 页中进行检索， 并将检索到的商家相关网页与节点关键字对应的节点进行关联
[0055] 所述根据商品类型列表中节点关键字在所述商家相关网页中进行检索， 并将检 索到的商家相关网页与节点关键字对应的节点进行关联的步骤包括如下步骤：
[0056] (1) 获取商品类型列表中的节点关键字， 并通过所述关键字检索是否有对应 的商家相关网页， 其中， 商品类型列表中的节点关键字可以是节点名称， 也可 以是节点中某一个预设的关键字。 例如， 如图 4所述， 电商平台的关键字为 "XX X电商平台"；
[0057] (2) 判断所述商品类型列表中节点关键字是否有对应的商家相关网页；
[0058] (3) 若当一个商家相关网页中包含所述商品类型列表中节点关键字， 则所述 将该商家相关网页与该节点关键字对应的节点进行关联。
[0059] 步骤 S14: 所述评级模块 230根据检索到的商家相关网页对商品类型列表中每个 商家进行评分。 在本实施例中， 所述根据检索到的商家相关网页对商品类型列 表中每个商家进行评分的方式采用如下公式进行计算： Y=a*Xl-b*X2+c+d， 其 中， Y评分， XI为好评的数量， X2为差评的数量， c为电商平台资质对应的默认 值 （例如， 具有支付牌照且均为品牌商的电商平台对应的默认值为 50、 具有物 流配送系统的电商平台对应的默认值为 45、 微商对应的默认值为 40等等） ， d为 商家职称对应的默认值 （例如， 世界五百强企业的对应的默认值为 30、 中国五 百强企业的对应的默认值为 25、 其余企业对应的默认值为 20等等） ， a及 b均为固 定参数 （例如， a为数值 15， b为数值 10等） 。 需要说明的是， 根据所述公式计算 出来的 Y的值越高， 表示商家的评分越高。
[0060] 步骤 S15: 当用户通过客户端 4査询对应商品吋， 所述显示模块 240将评分最高 的商家推荐给用户， 并显示于用户的客户端 4上。 具体的说， 如图 4所示， 若电 商平台 A的商家 A1分数最高为 145分， 则当用户通过客户端 4上査询该饼干这个商 品吋， 显示电商平台 A的商家 A1的信息于用户的客户端 4上。 此外， 当多个商家 评分相同吋， 显示模块 240选择成交数量大于预设值 （10000次） 且好评率大于 预设好评率 （95<¾) 的商家推荐给用户。
工业实用性
本发明所述基于网页搜索的商家评价推荐系统及方法， 对电商数据进行大数据 分析， 从而对电商平台的商家进行评级， 方便用户挑选对应的商家， 节约了用 户査询的吋间。

Claims

权利要求书
[权利要求 1] 一种基于网页搜索的商家评价推荐系统， 运行于数据中心， 其特征在 于， 所述数据中心通过网络与电商平台、 客户端及搜索引擎网站连接
， 所述基于网页搜索的商家评价推荐系统包括： 获取模块， 用于从各个电商平台获取电商数据； 创建模块， 用于对各个电商平台的电商数据进行解析， 按照商品类型 关键字创建商品类型列表；
所述获取模块， 用于从搜索引擎网站获取商家相关网页；
关联模块， 用于根据商品类型列表中节点关键字在所述商家相关网页 中进行检索， 并将检索到的商家相关网页与节点关键字对应的节点进 行关联；
评级模块， 用于根据检索到的商家相关网页对商品类型列表中每个商 家进行评分； 及
显示模块， 用于当用户通过客户端査询对应商品吋， 将评分最高的商 家推荐给用户， 并显示于用户的客户端上。
[权利要求 2] 如权利要求 1所述的基于网页搜索的商家评价推荐系统， 其特征在于
， 所述电商数据还包括商品名称、 商品种类、 商品成交量、 商品生产 日期、 商品包装规格、 商家地址、 商家名称、 商家好评率。
[权利要求 3] 如权利要求 1所述的基于网页搜索的商家评价推荐系统， 其特征在于
， 所述商品类型列表分为三层节点， 第一层节点为商品名称节点， 第 二层节点为电商平台节点， 第三层节点为商家信息节点。
[权利要求 4] 如权利要求 3所述的基于网页搜索的商家评价推荐系统， 其特征在于
， 所述关联模块具体用于：
(1) 获取商品类型列表中的节点关键字， 并通过所述关键字检索是 否有对应的商家相关网页；
(2) 判断所述商品类型列表中节点关键字是否有对应的商家相关网 页；
(3) 若当一个商家相关网页中包含所述商品类型列表中节点关键字 ， 则所述将该商家相关网页与该节点关键字对应的节点进行关联。
[权利要求 5] 如权利要求 1所述的基于网页搜索的商家评价推荐系统， 其特征在于
， 所述根据检索到的商家相关网页对商品类型列表中每个商家进行评 分的方式采用如下公式进行计算： Y=a*Xl-b*X2+c+d， 其中， Y评分 ， XI为好评的数量， X2为差评的数量， c为电商资质对应的默认值， d为商家职称对应的默认值， a及 b均为固定参数。
[权利要求 6] —种基于网页搜索的商家评价推荐方法， 应用于数据中心， 其特征在 于， 所述数据中心通过网络与电商平台、 客户端及搜索引擎网站连接 ， 该方法包括：
从各个电商平台获取电商数据；
对各个电商平台的电商数据进行解析， 按照商品类型关键字创建商品 类型列表；
从搜索弓 I擎网站获取商家相关网页；
根据商品类型列表中节点关键字在所述商家相关网页中进行检索， 并 将检索到的商家相关网页与节点关键字对应的节点进行关联； 根据检索到的商家相关网页对商品类型列表中每个商家进行评分； 及 当用户通过客户端査询对应商品吋， 将评分最高的商家推荐给用户， 并显示于用户的客户端上。
[权利要求 7] 如权利要求 6所述的基于网页搜索的商家评价推荐方法， 其特征在于
， 所述电商数据还包括商品名称、 商品种类、 商品成交量、 商品生产 日期、 商品包装规格、 商家地址、 商家名称、 商家好评率。
[权利要求 8] 如权利要求 6所述的基于网页搜索的商家评价推荐方法， 其特征在于
， 所述商品类型列表分为三层节点， 第一层节点为商品名称节点， 第 二层节点为电商平台节点， 第三层节点为商家信息节点。
[权利要求 9] 如权利要求 8所述的基于网页搜索的商家评价推荐方法， 其特征在于
， 所述根据商品类型列表中节点关键字在所述商家相关网页中进行检 索， 并将检索到的商家相关网页与节点关键字对应的节点进行关联的 步骤包括如下步骤： (1) 获取商品类型列表中的节点关键字， 并通过所述关键字检索是 否有对应的商家相关网页；
(2) 判断所述商品类型列表中节点关键字是否有对应的商家相关网 页；
(3) 若当一个商家相关网页中包含所述商品类型列表中节点关键字 ， 则所述将该商家相关网页与该节点关键字对应的节点进行关联。
[权利要求 10] 如权利要求 6所述的基于网页搜索的商家评价推荐方法， 其特征在于 ， 所述根据检索到的商家相关网页对商品类型列表中每个商家进行评 分的方式采用如下公式进行计算： Y=a*Xl-b*X2+c+d， 其中， Y评分 ， XI为好评的数量， X2为差评的数量， c为电商资质对应的默认值， d为商家职称对应的默认值， a及 b均为固定参数。
PCT/CN2017/077015 2017-03-17 2017-03-17 基于网页搜索的商家评价推荐系统及方法 WO2018165968A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/077015 WO2018165968A1 (zh) 2017-03-17 2017-03-17 基于网页搜索的商家评价推荐系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2017/077015 WO2018165968A1 (zh) 2017-03-17 2017-03-17 基于网页搜索的商家评价推荐系统及方法

Publications (1)

Publication Number Publication Date
WO2018165968A1 true WO2018165968A1 (zh) 2018-09-20

Family

ID=63522806

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2017/077015 WO2018165968A1 (zh) 2017-03-17 2017-03-17 基于网页搜索的商家评价推荐系统及方法

Country Status (1)

Country Link
WO (1) WO2018165968A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381621A (zh) * 2020-12-02 2021-02-19 好活（昆山）网络科技有限公司 一种大数据协同监管平台及方法
CN114596138A (zh) * 2022-03-07 2022-06-07 北京字节跳动网络技术有限公司 一种信息推荐方法、装置、计算机设备和存储介质
CN115187065A (zh) * 2022-07-11 2022-10-14 湖北帅锐服装贸易有限公司 一种基于电子商务平台的服装类商品质量分析系统
CN116402589A (zh) * 2023-06-05 2023-07-07 湖南师范大学 一种基于知识图和旋转编码的商品推荐方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462333A (zh) * 2014-12-03 2015-03-25 上海耀肖电子商务有限公司 购物搜索推荐与告警方法和系统
CN104778207A (zh) * 2015-03-11 2015-07-15 张翔 网络购物的综合搜索引擎方法及其系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462333A (zh) * 2014-12-03 2015-03-25 上海耀肖电子商务有限公司 购物搜索推荐与告警方法和系统
CN104778207A (zh) * 2015-03-11 2015-07-15 张翔 网络购物的综合搜索引擎方法及其系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381621A (zh) * 2020-12-02 2021-02-19 好活（昆山）网络科技有限公司 一种大数据协同监管平台及方法
CN112381621B (zh) * 2020-12-02 2022-08-02 好活（昆山）网络科技有限公司 一种大数据协同监管平台及方法
CN114596138A (zh) * 2022-03-07 2022-06-07 北京字节跳动网络技术有限公司 一种信息推荐方法、装置、计算机设备和存储介质
CN115187065A (zh) * 2022-07-11 2022-10-14 湖北帅锐服装贸易有限公司 一种基于电子商务平台的服装类商品质量分析系统
CN116402589A (zh) * 2023-06-05 2023-07-07 湖南师范大学 一种基于知识图和旋转编码的商品推荐方法及系统
CN116402589B (zh) * 2023-06-05 2023-09-15 湖南师范大学 一种基于知识图和旋转编码的商品推荐方法及系统

Similar Documents

Publication Publication Date Title
US9928537B2 (en) Management and storage of distributed bookmarks
US9466066B2 (en) Adaptive gathering of structured and unstructured data system and method
US8825655B1 (en) Automatic learning of logos for visual recognition
JP5721627B2 (ja) データベースストレージスペースを節約するための方法及びシステム
WO2018165968A1 (zh) 基于网页搜索的商家评价推荐系统及方法
WO2018153029A1 (zh) 基于数据关联的医生评级推荐系统及方法
WO2013097312A1 (zh) 电力系统数据分析平台及方法
US20150058334A1 (en) Presentation of items based on a theme
US9405840B2 (en) Using social signals to rank search results
CN103440286A (zh) 一种基于搜索结果来提供推荐信息的方法及装置
WO2013010416A1 (zh) 展示商品搜索结果的方法及系统
WO2018153030A1 (zh) 医疗信息化基于网页的医生评级推荐系统及方法
JP5728628B1 (ja) 製品フィード類似性を使用したスパム商人の発見
CN103198118B (zh) 一种商品网页回溯方法及系统
US20190205963A1 (en) Data refining engine for high performance analysis system and method
US10127322B2 (en) Efficient retrieval of fresh internet content
TW201220097A (en) capable of performing relevancy processing for at least one product corresponding to product identifiers referenced in relevant web pages
US8825698B1 (en) Showing prominent users for information retrieval requests
CN107153697A (zh) 一种商品交易网站中的商品搜索方法和装置
WO2018165967A1 (zh) 商家推荐系统及方法
US9183251B1 (en) Showing prominent users for information retrieval requests
WO2015196567A1 (zh) 推送黄页信息的方法、黄页服务器及计算机可读存储介质
Khatiban Building reputation and trust using federated search and opinion mining
TW201546634A (zh) 對象集合及其滿意度的處理方法及裝置
WO2018165963A1 (zh) 电商数据冗余处理系统及方法

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: 17900670

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: 17900670

Country of ref document: EP

Kind code of ref document: A1