一种商品类目的预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种商品类目的预测方法、装置、计算机设备和存储介质。方法包括：获取所有商品组下的商品信息数据和用户行为数据，预处理商品信息数据和用户行为数据，统计多个商品指标；根据多个商品指标，提取多组商品特征，多组商品特征至少包括频率特征、覆盖特征和点击特征；选取频率特征、覆盖特征和点击特征，构建商品组索引；接收并分析搜索信息，根据商品组索引，输出搜索信息对应的类目候选集。本发明专利技术基于多组特征构建，结合文本信息特征、用户行为特征、商品组本身特征，实现类目预测，进而提高搜索结果的准确性。高搜索结果的准确性。高搜索结果的准确性。

【技术实现步骤摘要】
一种商品类目的预测方法、装置、计算机设备和存储介质


[0001]本申请涉及搜索预测的
，特别是涉及一种商品类目的预测方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着电子商务的发展及商品数量的增长，搜索引擎已成为人们购物的主要入口之一。每个用户在发起一次搜索后，将会经历多个阶段。首先是QR阶段(query rewrite)，后进行文本粗排序、精排序，最终呈现给用户一次搜索的结果。在电商搜索中，用户输入文本后，首先要预测的就是文本与商品类目的关系，预测的结果将作用在后续多个模块，对整个搜索带来很大的影响。
[0003]现有常用的类目预测方案如下：
[0004]一、利用电商商品中的纯文本信息建立索引，后结合文本匹配度打分，实现类目预测。但是，该方法对商品文本内容纯度要求很高，并且忽略了用户行为对结果的影响。
[0005]二、使用多维度数据使用机器学习方法进行类目预测。该方法的弊端在于，无法利用搜索技术中纯文本匹配的优势，另外一个弊端是预测速度往往达不到线上要求。
[0006]经典BM25算法如下公式1所示，通常可以用BM25算法来做搜索排序打分。对搜索信息Q进行语素解析，生成语素qi；然后，对于每个搜索结果文档d，计算每个语素qi与文档d的相关性得分，最后，将语素qi相对于文档d的相关性得分进行加权求和，从而得到搜索信息Q与搜索结果D的相关性得分。
[0007][0008]其中wi是判断一个词与一个文档的相关性的权重，方法有多种，较常用的是IDF，IDF前文已经说明。语素qi与文档d的相关性得分R(qi，d)如下公式2，K的值如下公式3。
[0009][0010]其中，qi表示搜索词，qfi表示搜索信息Query中搜索词词频，k1，k2为权值因子。
[0011][0012]其中，k1、b是权值因子，dl是文档长度，avgdl是平均文档长度。
[0013]因此，经典的BM25算法仅考虑词频、逆文档频率，并没有考虑覆盖商品数目特征、点击次数特征；商品组商品数量很大，统计词频、点击次数特征值都很大，按照经典BM25算法计算R(qi，d)，大部分商品组文档计算出来的R值将会十分接近一个常数值。假设qfi为1，dl和avgdl相当，k1取2，那么R(qi，d)可以简化为3fi/(fi+2)，fi表示在商品组下词出现的频率，前文已说明商品组下商品数量往往上百万，这就使fi往往会很大，fi很大的情况下R(qi，d)就会趋向于整数3，fi越大最终的值越趋近于3。

技术实现思路

[0014]为了解决上述问题，本专利技术提出了：
[0015]一种商品类目的预测方法，该方法包括：
[0016]获取所有商品组下的商品信息数据和用户行为数据，预处理商品信息数据和用户行为数据，统计多个商品指标；
[0017]根据多个商品指标，提取多组商品特征，多组商品特征至少包括频率特征、覆盖特征和点击特征；
[0018]选取频率特征、覆盖特征和点击特征，构建商品组索引；
[0019]接收并分析搜索信息，根据商品组索引，输出搜索信息对应的类目候选集。
[0020]在一个实施例中，对预处理后的商品信息数据进行分词处理，统计每个词的词频特征，并根据词频特征，获取该词的逆文档频率特征，频率特征包括词频特征和逆文档频率特征。
[0021]在一个实施例中，根据分词处理的结果，统计每个词覆盖的商品数以及覆盖的商品组总数，分别提取词覆盖商品数特征和词覆盖商品组总数特征，覆盖特征包括词覆盖商品数特征和词覆盖商品组总数特征。
[0022]在一个实施例中，根据预设时间段，在预处理后的用户行为数据中提取具有点击纪录的商品信息数据，并对上述商品信息数据进行分词处理，根据每个商品所在的商品组，获取每个词的总点击数和在每个商品组下的每个词点击数，形成词点击总数特征和商品组下词点击数特征，点击特征包括词点击总数特征和商品组下词点击数特征。
[0023]在一个实施例中，对搜索信息进行分词处理并分析词性，根据每个词的词性设定对应的相关性权值，加权计算每个词的相关性，输出类目候选集。
[0024]在一个实施例中，每个词的相关性为：
[0025][0026]其中，qi为搜索信息的词，d为搜索结果，Kt是词频对应的K值，kg是商品组对应的K值，kg和Kt的取值相同，nij是qi在商品组j上的词频，∑
k nkj是qi在所有商品组的总词频，gij是qi在商品组j上覆盖的商品数目，∑
k gkj是qi在所有商品组下的总覆盖商品数，cl是qi的点击数，clall是qi的总点击数。
[0027]在一个实施例中，商品特征还包括类目性别特征，分析搜索信息的类目性别特征，在类目候选集中，过滤与搜索信息性别冲突的类目。
[0028]一种商品类目的预测装置，该装置包括：
[0029]预处理模块，用于获取所有商品组下的商品信息数据和用户行为数据，预处理商品信息数据和用户行为数据，统计多个商品指标；
[0030]特征提取模块，用于根据多个商品指标，提取多组商品特征，多组商品特征至少包括频率特征、覆盖特征和点击特征；
[0031]索引模块，用于选取频率特征、覆盖特征和点击特征，构建商品组索引；
[0032]预测模块，用于接收并分析搜索信息，根据商品组索引，输出搜索信息对应的类目候选集。
[0033]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的
计算机程序，处理器执行计算机程序时实现上述方法的步骤。
[0034]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0035]本专利技术的商品类目的预测方法、装置、计算机设备和存储介质，基于多组特征构建，结合文本信息特征、用户行为特征、商品组本身特征，实现类目预测，进而提高搜索结果的准确性。
附图说明
[0036]图1为一个实施例中一种商品类目的预测方法的步骤示意图；
[0037]图2为一个实施例中一种商品类目的预测方法的流程示意图；
[0038]图3为一个实施例中一种商品类目的预测装置的结构框图；
[0039]图4为一个实施例中计算机设备的内部结构图。
具体实施方式
[0040]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0041]本申请提供的一种商品类目的预测方法，结合了Elasticsearch默认BM25算法，加入商品组下多组特征，重新设计打分算法，优化类目预测结果。
[0042]先是对商品组下商品信息数据、用户行为信息进行数据预处理，后根据需求进行特征提取，对提取特征进行索引构建，后进行自定义打分，对打分结果进行排序，并做规则化处理，实现类目预测。在一个实施例中，如图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品类目的预测方法，其特征在于，所述方法包括：获取所有商品组下的商品信息数据和用户行为数据，预处理所述商品信息数据和用户行为数据，统计多个商品指标；根据所述多个商品指标，提取多组商品特征，所述多组商品特征至少包括频率特征、覆盖特征和点击特征；选取所述频率特征、覆盖特征和点击特征，构建商品组索引；接收并分析搜索信息，根据所述商品组索引，输出所述搜索信息对应的类目候选集。2.根据权利要求1所述的方法，其特征在于，对预处理后的商品信息数据进行分词处理，统计每个词的词频特征，并根据所述词频特征，获取该词的所述逆文档频率特征，所述频率特征包括词频特征和逆文档频率特征。3.根据权利要求2所述的方法，其特征在于，根据所述分词处理的结果，统计每个词覆盖的商品数以及覆盖的商品组总数，分别提取词覆盖商品数特征和词覆盖商品组总数特征，所述覆盖特征包括词覆盖商品数特征和词覆盖商品组总数特征。4.根据权利要求3所述的方法，其特征在于，根据预设时间段，在预处理后的用户行为数据中提取具有点击纪录的商品信息数据，并对上述商品信息数据进行分词处理，根据每个商品所在的商品组，获取每个词的总点击数和在每个商品组下的每个词点击数，形成词点击总数特征和商品组下词点击数特征，所述点击特征包括词点击总数特征和商品组下词点击数特征。5.根据权利要求1所述的方法，其特征在于，对所述搜索信息进行分词处理并分析词性，根据每个词的词性设定对应的相关性权值，加权计算每个词的相关性，输出所述类目候选集。6.根据权利要求5所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：王国锋，孙鹏飞，
申请(专利权)人：苏宁云计算有限公司，
类型：发明
国别省市：