【技术实现步骤摘要】
商品数据处理方法、装置、电子设备及计算机存储介质
[0001]本公开涉及网络
，尤其涉及深度学习、信息流、知识图谱和自然语言处理等
技术介绍
[0002]随着计算机技术、互联网技术等的发展，用户不仅可以随时随地进行上网操作，还能够通过网络购买商品。随着近些年网络技术的快捷性和便利性的飞速提高，电子商务的发展也随之不断扩大应用领域和应用规模。不仅个体用户能够通过电商的途径购买商品，商户也能够通过电商的途径批发、采购原材料等需要大批量使用的物品。
[0003]同时，新的电商平台和不同属性的电商行为也不断出现，为了在竞争中求得生存、寻求长期发展，电商平台自身也需要不断改进，寻找提高收益的新技术手段。
技术实现思路
[0004]本公开提供了一种商品数据处理方法、装置、电子设备及计算机存储介质。
[0005]根据本公开的一方面，提供了一种商品数据处理方法，包括：
[0006]获取商家的商家特征数据以及目标预测周期内的商家对电商平台的收益贡献预测数据；
[0007]根据商家...
【技术保护点】
【技术特征摘要】
1.一种商品数据处理方法，包括：获取商家的商家特征数据以及目标预测周期内的商家对电商平台的收益贡献预测数据；根据所述商家特征数据以及所述收益贡献预测数据，确定所述商家的商品在所述电商平台上的展示数据。2.根据权利要求1所述的方法，其中，所述获取商家的商家特征数据以及目标预测周期内的商家对电商平台的收益贡献预测数据，包括：获取所述商家在第一历史时期内对所述电商平台的收益贡献实际数据；根据所述商家在第一历史时期内对所述电商平台的收益贡献实际数据，预测所述收益贡献预测数据。3.根据权利要求2所述的方法，其中，所述获取所述商家在第一历史时期内对所述电商平台的收益贡献实际数据，包括：获取商家属性维度的第一特征数据、第一历史时期的时间维度的第二特征数据以及商家在第一历史时期内对所述电商平台的收益贡献量在窗口统计维度的第三特征数据；将所述第一特征数据、第二特征数据和第三特征数据进行交叉融合，获得交叉特征数据；将所述交叉特征数据作为所述商家在第一历史时期内对所述电商平台的收益贡献实际数据。4.根据权利要求3所述的方法，其中，所述获取商家属性维度的第一特征数据，包括：获取所述商家的至少一种属性数据；将所述至少一种属性数据进行标签化，得到所述第一特征数据。5.根据权利要求3所述的方法，其中，所述获取第一历史时期的时间维度的第二特征数据，包括：获取第一历史时期内的各指定周期的自然日属性变化状况；根据所述自然日属性变化状况，确定用户对所述商家的产品的购买周期；根据所述购买周期，确定所述第二特征数据。6.根据权利要求3所述的方法，其中，所述获取商家在第一历史时期内对所述电商平台的收益贡献量在窗口统计维度的第三特征数据，包括：获取第一历史时期内所述商家针对用户提问的问题的回答内容；根据所述回答内容，确定所述第一历史时期内所述商家对所述电商平台的收益贡献量；根据所述收益贡献量，确定所述第一历史时期内的统计窗口的统计值；根据所述统计值，确定所述第三特征数据。7.根据权利要求6所述的方法，其中，所述根据所述回答内容，确定所述第一历史时期内所述商家对所述电商平台的收益贡献量，包括：根据所述回答内容，确定有效回答的数量以及有效回答的质量；根据有效回答的数量以及有效回答的质量，确定所述第一历史时期内所述商家对所述电商平台的收益贡献量。8.根据权利要求7所述的方法，其中，所述根据所述回答内容，确定有效回答的质量，包
括：根据用户对有效回答的反馈数据，确定所述有效回答的质量；所述反馈数据包括用户根据所述有效回答产生的购买行为数据和用户针对所述有效回答的回复行为数据中的至少一种。9.根据权利要求1
‑
8中任意一项所述的方法，其中，所述商家的商品在所述电商平台上的展示数据，包括所述商家的商品在商品搜索界面的排序和所述商家的商品在商品推荐界面的排序中的至少一种。10.根据权利要求1
‑
9中任意一项所述的方法，其中，所述商家特征数据，包括：第二历史时期内的商家商品质量数据、商品数量数据、商品点击率数据中的至少一种。11.一种商品数据处理装置，包括：获取模块，用于获取商家的商家特征数据以及目标预测周期内的商家对电商平台的收益贡献预测数据；展示数据确定模块，用于根据所述商家特征数据以及所述收益贡献预测数据，确定所述商家的商品在所述电商平台上的展示数据。12.根据权利要求...
【专利技术属性】
技术研发人员：谭云飞，刘晓庆，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。