Nothing Special   »   [go: up one dir, main page]

CN103577473A - 分类消岐方法、分类消岐装置及其系统 - Google Patents

分类消岐方法、分类消岐装置及其系统 Download PDF

Info

Publication number
CN103577473A
CN103577473A CN201210276178.XA CN201210276178A CN103577473A CN 103577473 A CN103577473 A CN 103577473A CN 201210276178 A CN201210276178 A CN 201210276178A CN 103577473 A CN103577473 A CN 103577473A
Authority
CN
China
Prior art keywords
product
product category
category
demonstration
classification
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.)
Granted
Application number
CN201210276178.XA
Other languages
English (en)
Other versions
CN103577473B (zh
Inventor
黄申
韩军
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.)
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Niuhai Information Technology (Shanghai) Co 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 Niuhai Information Technology (Shanghai) Co Ltd filed Critical Niuhai Information Technology (Shanghai) Co Ltd
Priority to CN201210276178.XA priority Critical patent/CN103577473B/zh
Publication of CN103577473A publication Critical patent/CN103577473A/zh
Application granted granted Critical
Publication of CN103577473B publication Critical patent/CN103577473B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种分类消岐方法、分类消岐装置及其系统，其中包括步骤S1、读入一关键字；S2、查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率和购买比率；S3、依次通过每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数；S4、从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别；S5、在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；S6、显示所述显示产品类别的产品名称和产品图片。本发明通过对所有用户的对关键字搜索结果的点击和购买行为来挖掘匹配用户潜在需要，从而提高搜索结果的准确性和可靠性。

Description

分类消岐方法、分类消岐装置及其系统
技术领域
本发明涉及一种分类消岐方法、分类消岐装置及其系统，特别是涉及一种将通过关键字检索得到的产品分类消岐方法、分类消岐装置及其系统。
背景技术
随着互联网时代的到来，中国的电子商务在最近几年获得了蓬勃的发展，主要的销售商品也从最早的图书类商品和电子类商品，发展到现在的家庭消费品和流行百货等等。而快速膨胀的商品种类也使得产品搜索在电子商务领域中扮演着愈来愈重要的角色。
与此同时，产品搜索也面临着很多新的挑战。很多时候用户输入的查询的关键字是存在歧义的，例如输入关键字“苹果”时，用户的期望既可能是电子产品，也可能是水果，还例如，输入关键字“飞利浦”时，既可能需要剃须刀，也可能需要电吹风等等，所以歧义的产生，使得用户搜索的结果中具有大量不是用户需要的结果，从而使得整体搜索结果不准确，因而很大程度上抑制了用户搜索产品的行动了。
发明内容
本发明要解决的技术问题是为了克服现有技术中产品搜索中歧义关键字导致的搜索结果不准确和不可靠的缺陷，提供一种分类消岐方法、分类消岐装置及其系统，通过所有用户的对关键字搜索结果的点击和购买行为来挖掘匹配用户潜在需要的搜索结果，从而提高搜索结果的准确性和可靠性。
本发明是通过下述技术方案来解决上述技术问题的：
本发明提供了一种分类消岐方法，其中所述分类消岐方法包括以下步骤：
S1、读入一关键字；
S2、从用户点击日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率，并从用户购买日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的购买比率；
S3、依次通过每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数；
S4、从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数；
S5、在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
S6、显示所述显示产品类别的产品名称和产品图片。
其中所述产品数据库为现有技术中存储了具体产品的产品名称、产品类别和产品图片等产品相关信息。而且所述产品数据库可以分别基于所述产品名称、产品类别和产品图片等产品相关信息进行检索。
本发明中所述用户点击日志中存储了在对一关键字进行检索时，所有检索了所述关键字的用户对检索得到的产品名称包含所述关键字的不同的产品类别的点击的概率。其中本发明中所述点击概率通过下式计算得到：
CP ( i | q ) = click ( i , q ) freq ( q )
其中q为查询的关键字，所述i为产品类别，所述click(i,q)是查询关键字q以后点击产品类别i的次数，freq(q)是查询关键字q的次数。
同样所述用户购买日志中存储了在对一关键字进行检索时，所有检索了所述关键字的用户对检索得到的产品名称包含所述关键字的不同的产品类别的购买的概率。
购买概率通过下式计算得到：
PP ( i | q ) = purchase ( i , q ) freq ( q )
其中q为查询的关键字，所述i为产品类别，所述purchase(i,q)是查询关键字q以后购买产品类别i的次数，freq(q)是查询关键字q的次数。
本发明中利用对检索了所述关键字的用户对产品名称包含所述关键字的不同的产品类别的点击的概率和购买的概率来确认用户潜在的需要的产品，所以用户对产品名称包含所述关键字的不同的产品类别的点击的概率和购买的概率的数据收集并不是本发明所要解决的问题，而且所述用户对产品名称包含所述关键字的不同的产品类别的点击的概率和购买的概率的收集可以通过现有技术中的数据采集和处理方法等硬件和软件的结合得到，所以本发明中不再详细赘述。
在通过所述点击的概率和购买的概率计算得到相关性系数后，本发明中按照所述相关性系数的大小顺序从最大的相关性系数所对应的产品类别开始提取，直到提取出的产品类别的数量和所述显示产品数相等位置。
较佳地，所述步骤S3为：
所述产品类别依次通过式1计算得到所述产品类别的相关性系数：
relevance＝w1×CP(i|q)+w2×PP(i|q)            式1
其中所述relevance为相关性系数，所述CP（i|q）为点击概率，所述PP（i|q）为购买概率，所述w1为点击概率权重系数，所述w2为购买概率权重系数；所述购买概率权重系数大于所述点击概率权重系数。
由于购买行为和点击行为能够代表的用户潜在购买需求的程度是不同的，所以本发明通过购买概率权重系数和点击概率权重系数来调节所述购买行为和点击行为对用户潜在需求的影响程度，从而更好的挖掘用户的潜在需求。
而且具体的购买行为相对于点击行为更加能够代表用户潜在购买需求，所以本发明中认为所述购买概率权重系数大于所述点击概率权重系数。
优选地，所述购买概率权重系数w1为0.7，所述点击概率权重系数w2为0.3。
较佳地，所述步骤S4为：
将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列；
在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
本发明中优选地可以将所述产品类别按照相关性系数进行排序，从而得到相关性系数最大的几个产品类别，从而得到匹配用户潜在需求的产品类别。
较佳地，所述步骤S4为：
S41、从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别；
S42、将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是进入步骤S5，否则返回步骤S41。
同样，本发明还可以优选地采用遍历循环的方式来确定最匹配用户潜在需求的产品类别。
较佳地，所述显示产品数为4、5或6。
本发明中考虑到最终显示效果等约束，所以在显示产品数为4、5或6能够实现最好的提示效果。
较佳地，所述步骤S5为：
依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片。
本发明将所述显示产品类别所对应的任意一个具体产品中的产品图片作为所述显示产品类别的产品图片，从而能够自动地为所述显示产品类别设定产品图片。
较佳地，所述步骤S5为：
依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
进一步地，本发明将所述显示产品类别所对应的所有产品排序后的第一个产品的产品图片作为所述显示产品类别的产品图片，从而进一步地提高了自动地为所述显示产品类别设定产品图片的能力。
较佳地，所述步骤S6为：
在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。
优选地，所述步骤S6中还包括以下步骤：
所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方。
本发明通过产品图片和产品名称结合的方式为用户提示推荐产品类别，从而便于用户的查找和选择。
本发明还提供了一种分类消岐方法，其中所述分类消岐方法包括以下步骤：
S101、读入一关键字；
S102、从用户点击日志中查找在一第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一点击比率，并从用户购买日志中查找在所述第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一购买比率；
S103、依次通过每个所述产品类别的第一点击概率和第一购买概率计算所述产品类别的第一相关性参数；
S104、从用户点击日志中查找在一第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二点击比率，并从用户购买日志中查找在所述第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二购买比率；
S105、依次通过每个所述产品类别的第二点击概率和第二购买概率计算所述产品类别的第二相关性参数；
S106、依次通过每个所述产品类别的第一相关性参数和第二相关性参数计算所述产品类别的相关性系数；
S107、从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数；
S108、在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
S109、显示所述显示产品类别的产品名称和产品图片。
由于一些产品的季节性比较强。例如夏季的服饰和冬季就完全不同，用户的需求也会有很大变化。如果只是仅采用整个销售时间段内的点击量和销量，在季节转化时会有很大偏差。本发明通过对一定时间内用户对包含所述关键字的产品类别的点击行为和购买行为来进一步地减少季节性产品的偏差。
较佳地，所述第一预设时间段小于第二预设时间段。
本发明中通过一个短时间段和一长时间段的中和考虑来平复季节性产品点击和购买概率的偏差。
优选地，所述第一预设时间为1周，所述第二预设时间为1个月。
较佳地，所述步骤S103为：
所述产品类别依次通过式2计算得到所述产品类别的第一相关性参数：
relevance1=w11×CP1(i|q)+w12×PP1(i|q)            式2
其中所述relevance1为第一相关性参数，所述CP1（i|q）为第一点击概率，所述PP1（i|q）为第一购买概率，所述w11为第一点击概率权重系数，所述w12为第一购买概率权重系数；所述第一购买概率权重系数大于所述第一点击概率权重系数。
优选地，所述第一购买概率权重系数w11为0.7，所述第一点击概率权重系数w12为0.3。
较佳地，所述步骤S105为：
所述产品类别依次通过式3计算得到所述产品类别的第二相关性参数：
relevance2=w21×CP2(i|q)+w22×PP2(i|q)            式3
其中所述relevance2为第二相关性参数，所述CP2（i|q）为第二点击概率，所述PP2（i|q）为第二购买概率，所述w21为第二点击概率权重系数，所述w22为第二购买概率权重系数；所述第二购买概率权重系数大于所述第二点击概率权重系数。
优选地，所述第二购买概率权重系数w21为0.7，所述第二点击概率权重系数w22为0.3。
较佳地，所述步骤S106为：
所述产品类别依次通过式4计算得到所述产品类别的相关性系数：
relevance_optimized=w3×relevance1+w4×relevance2            式4
其中所述relevance1为第一相关性参数，所述relevance2为第二相关性参数，所述w3为第一相关性参数权重系数，所述w4为第二相关性参数权重系数，其中所述第一相关性参数权重系数大于所述第二相关性参数权重系数。
由于最近1周的数据比1个月更能反映季节差异，所以本发明将表征了短时间段的第一相关性参数权重系数设定为大于表征了长时间段的第二相关性参数权重系数，从而提高短时间段内产品的点击和购买行为对用户潜在需求的影响的挖掘。
较佳地，所述步骤S107为：
将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列；
在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
较佳地，所述步骤S107为：
S1071、从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别；
S1072、将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是进入步骤S108，否则返回步骤S1071。
较佳地，所述显示产品数为4、5或6。
本发明中考虑到最终显示效果等约束，所以在显示产品数为4、5或6能够实现最好的提示效果。
较佳地，所述步骤S108为：
依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片。
较佳地，所述步骤S108为：
依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
较佳地，所述步骤S109为：
在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。
优选地，所述步骤S109中还包括以下步骤：
所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方。
本发明通过产品图片和产品名称结合的方式为用户提示推荐产品类别，从而便于用户的查找和选择。
本发明又提供了一种分类消岐装置，其特点是所述分类消岐装置包括：
一读入模块，用于读入一关键字；
一检索模块，用于从用户点击日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率，并从用户购买日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的购买比率；
一处理模块，用于依次通过每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数；
一筛选模块，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数；
一图片链接模块，用于在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
一显示模块，用于显示所述显示产品类别的产品名称和产品图片。
较佳地，在所述处理模块中所述产品类别依次通过式5计算得到所述产品类别的相关性系数：
relevance=w1×CP(i|q)+w2×PP(i|q)                式5
其中所述relevance为相关性系数，所述CP（i|q）为点击概率，所述PP（i|q）为购买概率，所述w1为点击概率权重系数，所述w2为购买概率权重系数；所述购买概率权重系数大于所述点击概率权重系数。
较佳地，所述购买概率权重系数w1为0.7，所述点击概率权重系数w2为0.3。
较佳地，所述筛选模块中包括：
一排序模块，用于将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列；
一提取模块，用于在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
较佳地，所述筛选模块中包括：
一查找模块，用于从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别；
一计数模块，用于将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是则所述图片链接模块执行操作，否则再次调用所述查找模块。
较佳地，所述显示产品数为4、5或6。
较佳地，所述图片链接模块中包括一用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片的模块。
较佳地，所述图片链接模块用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
较佳地，所述显示模块用于在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。
优选地，所述显示模块中还包括一用于将所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方的模块。
本发明另提供了一种分类消岐装置，其特点是所述分类消岐装置包括：
一读入模块，用于读入一关键字；
一第一检索模块，用于从用户点击日志中查找在一第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一点击比率，并从用户购买日志中查找在所述第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一购买比率；
一第一处理模块，用于依次通过每个所述产品类别的第一点击概率和第一购买概率计算所述产品类别的第一相关性参数；
一第二检索模块，用于从用户点击日志中查找在一第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二点击比率，并从用户购买日志中查找在所述第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二购买比率；
一第二处理模块，用于依次通过每个所述产品类别的第二点击概率和第二购买概率计算所述产品类别的第二相关性参数；
一第三处理模块，用于依次通过每个所述产品类别的第一相关性参数和第二相关性参数计算所述产品类别的相关性系数；
一筛选模块，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数；
一图片链接模块，用于在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
一显示模块，用于显示所述显示产品类别的产品名称和产品图片。
较佳地，所述第一预设时间段小于第二预设时间段。
优选地，所述第一预设时间为1周，所述第二预设时间为1个月。
较佳地，所述第一处理模块中所述产品类别依次通过式6计算得到所述产品类别的第一相关性参数：
relevance1=w11×CP1(i|q)+w12×PP1(i|q)            式6
其中所述relevance1为第一相关性参数，所述CP1（i|q）为第一点击概率，所述PP1（i|q）为第一购买概率，所述w11为第一点击概率权重系数，所述w12为第一购买概率权重系数；所述第一购买概率权重系数大于所述第一点击概率权重系数。
优选地，所述第一购买概率权重系数w11为0.7，所述第一点击概率权重系数w12为0.3。
较佳地，所述第二处理模块中所述产品类别依次通过式7计算得到所述产品类别的第二相关性参数：
relevance2=w21×CP2(i|q)+w22×PP2(i|q)            式7
其中所述relevance2为第二相关性参数，所述CP2（i|q）为第二点击概率，所述PP2（i|q）为第二购买概率，所述w21为第二点击概率权重系数，所述w22为第二购买概率权重系数；所述第二购买概率权重系数大于所述第二点击概率权重系数。
优选地，所述第二购买概率权重系数w21为0.7，所述第二点击概率权重系数w22为0.3。
较佳地，所述第三处理模块中所述产品类别依次通过式8计算得到所述产品类别的相关性系数：
relevance_optimized=w3×relevance1+w4×relevance2        式8
其中所述relevance1为第一相关性参数，所述relevance2为第二相关性参数，所述w3为第一相关性参数权重系数，所述w4为第二相关性参数权重系数，其中所述第一相关性参数权重系数大于所述第二相关性参数权重系数。
较佳地，所述筛选模块中包括：
一排序模块，用于将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列；
一提取模块，用于在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
较佳地，所述筛选模块中包括：
一查找模块，用于从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别；
一计数模块，用于将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是则所述图片链接模块执行操作，否则再次调用所述查找模块。
优选地，所述显示产品数为4、5或6。
较佳地，所述图片链接模块中包括一用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片的模块。
较佳地，所述图片链接模块用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
较佳地，所述显示模块用于在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。
优选地，所述显示模块中还包括一用于将所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方的模块。
本发明另提供了一种分类消岐系统，其特点是所述分类消岐系统包括：
一存储器，其中存储有一产品数据库；
一输入装置，用于读入一关键字；
一服务器，所述服务器中包括一用户点击日志和一用户购买日志，其中所述服务器从用户点击日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率，并从用户购买日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的购买比率，并依次通过每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数；
一处理器，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数，并在所述存储器的产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
一显示器，用于显示所述显示产品类别的产品名称和产品图片。
本发明还提供了一种分类消岐系统，其特点是所述分类消岐系统包括：
一存储器，其中存储有一产品数据库；
一输入装置，用于读入一关键字；
一服务器，所述服务器中包括一用户点击日志和一用户购买日志，其中所述服务器从用户点击日志中查找在一第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一点击比率，并从用户购买日志中查找在所述第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一购买比率，并从用户点击日志中查找在一第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二点击比率，并从用户购买日志中查找在所述第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二购买比率，而且所述服务器还依次通过每个所述产品类别的第一点击概率和第一购买概率计算所述产品类别的第一相关性参数，以及依次通过每个所述产品类别的第二点击概率和第二购买概率计算所述产品类别的第二相关性参数，然后依次通过每个所述产品类别的第一相关性参数和第二相关性参数计算所述产品类别的相关性系数；
一处理器，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数，并在所述存储器的产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
一显示器，用于显示所述显示产品类别的产品名称和产品图片。
其中所述产品数据库为现有技术中存储了具体产品的产品名称、产品类别和产品图片等产品相关信息。而且所述产品数据库可以分别基于所述产品名称、产品类别和产品图片等产品相关信息进行检索。
较佳地，所述第一预设时间段小于第二预设时间段。
本发明的积极进步效果在于：
本发明的分类消岐方法、分类消岐装置及其系统，通过对所有用户的对关键字搜索结果的点击和购买行为来挖掘匹配用户潜在需要的搜索结果，从而提高搜索结果的准确性和可靠性。
此外本发明还通过限定对不同的时间区间内所有用户的对关键字搜索结果的点击和购买行为进行挖掘匹配，从而减低对季节性产品的搜索的误差，进一步地提高搜索结果的准确性和可靠性。
附图说明
图1为本发明的第一实施例的分类消岐方法的流程图。
图2为本发明的第二实施例的分类消岐方法的流程图。
图3为本发明的第三实施例的分类消岐装置。
图4为本发明的第四实施例的分类消岐装置。
图5为本发明的第五实施例的分类消岐装置。
图6为本发明的第六实施例的分类消岐装置。
图7为本发明的第七实施例的分类消岐系统。
具体实施方式
下面结合附图给出本发明较佳实施例，以详细说明本发明的技术方案。
第一实施例：
本实施例的分类消岐方法通过对所有用户的对关键字搜索结果的点击和购买行为来挖掘匹配用户潜在需要的搜索结果，从而提高搜索结果的准确性和可靠性。根据实验数据的统计，通过本实施例的分类消岐方法计算出来的显示产品类别可以涵盖用户85%以上的筛选需求。
其中如图1所示，本实施例的分类消岐方法包括以下步骤：
步骤11，读入一关键字。其中本实施例中所述关键字为用户输入的产品名称等，例如“苹果”或“飞利浦”等。
步骤12，从用户点击日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率，并从用户购买日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的购买比率。
本实施例中所述用户点击日志中存储了在对一关键字进行检索时，所有检索了所述关键字的用户对检索得到的产品名称包含所述关键字的不同的产品类别的点击的概率。其中本实施例中所述点击概率通过下式计算得到：
CP ( i | q ) = click ( i , q ) freq ( q )
其中q为查询的关键字，所述i为产品类别，所述click(i,q)是查询关键字q以后点击产品类别i的次数，freq(q)是查询关键字q的次数。
同样所述用户购买日志中存储了在对一关键字进行检索时，所有检索了所述关键字的用户对检索得到的产品名称包含所述关键字的不同的产品类别的购买的概率。
购买概率通过下式计算得到：
PP ( i | q ) = purchase ( i , q ) freq ( q )
其中q为查询的关键字，所述i为产品类别，所述purchase(i,q)是查询关键字q以后购买产品类别i的次数，freq(q)是查询关键字q的次数。
步骤13，所述产品类别依次通过式1和每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数。
relevance＝w1×CP(i|q)+w2×PP(i|q)                式1
其中所述relevance为相关性系数，所述CP（i|q）为点击概率，所述PP（i|q）为购买概率，所述w1为点击概率权重系数，所述w2为购买概率权重系数；所述购买概率权重系数大于所述点击概率权重系数。
具体的购买行为相对于点击行为更加能够代表用户潜在购买需求，所以本发明中认为所述购买概率权重系数大于所述点击概率权重系数。其中所述购买概率权重系数和所述点击概率权重系数具体数据可以根据具体需要进行调节，本实施例中优选地设定w1=0.3，w2=0.7，此时具有最好的挖掘匹配效果。
例如，用户输入关键字为“A”，所述关键字A涉及产品类别A1、A2和A3，而且设定w1=0.3，w2=0.7时，在输入“A”后，得到用户点击A1概率为30%，用户点击A2的概率为30%，用户点击A3的概率为40%。用户购买A1的概率为20%，用户购买A2的概率为50%，用户购买A2的概率为30%。则此时相关性系数的计算如下：
relevance(A1)=0.3×0.3+0.7×0.2=0.23
relevance(A2）=0.3×0.3+0.7×0.5=0.44
relevance(A3）=0.3×0.4+0.7×0.3=0.33
步骤14，将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列。例如对上述产品类别A1、A2和A3的相关性系数进行排序，此时所述产品类别序列的顺序为relevance（A2）、relevance（A3）和relevance（A1）。
步骤15，在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
例如，若所述显示产品数为2时，从所述产品类别序列取出relevance（A2）、relevance（A3）。
此外上述步骤14和步骤15中还可以采用循环遍历的方式来取出相应地相关性系数。
例如，首先从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别，然后将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是进入步骤16，否则重复本步骤。
由于实际产品种类是成千上万的，所以所述产品类别序列中会包括很多产品类别，但是考虑到实际显示的限制以及显示的醒目的目的，本实施例中所述显示产品数可以选取4、5或6中的任一个，其中最好选取5，此时不但能够尽量多的显示产品类别，还能够兼顾显示的醒目性。
步骤16，在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片。
而且本实施例中依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
即本实施例中将作为显示产品类别所对应的所有产品中排序处于第一位的产品的产品图片作为所述显示产品类别的产品图片，从而自动实现为所述显示产品类别设定产品图片。
此外还可以采用所述显示产品类别所对应的所有产品中任意一个产品的产品图片作为所述显示产品类别的产品图片。
例如，依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片。
而且步骤16中所述产品数据库为现有技术中存储了具体产品的产品名称、产品类别和产品图片等产品相关信息。而且所述产品数据库可以分别基于所述产品名称、产品类别和产品图片等产品相关信息进行检索。
步骤17，显示所述显示产品类别的产品名称和产品图片。其中在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中，而且所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方。
所以通过上述显示方式，所述显示产品类别的产品名称和产品图片的展示位置突出。用户很容易就能点击到。而且采用显示图片的方式，便于用户理解。即所谓的一图胜千言。此外分类以清单形式从左至右排。无需再打开分类树逐个查找。从而简化了显示界面的结构。
第二实施例：
本实施例中还通过限定对不同的时间区间内所有用户的对关键字搜索结果的点击和购买行为进行挖掘匹配，从而减低对季节性产品的搜索的误差，进一步地提高搜索结果的准确性和可靠性。
其中如图2所示，本实施例的分类消岐方法包括以下步骤：
步骤201，读入一关键字。
步骤202，从用户点击日志中查找在一第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一点击比率，并从用户购买日志中查找在所述第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一购买比率。
其中所述第一点击比率和第一购买比率的取得和第一实施例中相同此处就不再赘述。
步骤203，依次通过每个所述产品类别的第一点击概率和第一购买概率计算所述产品类别的第一相关性参数。
其中所述产品类别依次通过式2计算得到所述产品类别的第一相关性参数：
relevance1=w11×CP1(i|q)+w12×PP1(i|q)                式2
其中所述relevance1为第一相关性参数，所述CP1（i|q）为第一点击概率，所述PP1（i|q）为第一购买概率，所述w11为第一点击概率权重系数，所述w12为第一购买概率权重系数；所述第一购买概率权重系数大于所述第一点击概率权重系数。
而其所述第一购买概率权重系数w11设为0.7，所述第一点击概率权重系数w12设为0.3。
步骤204，从用户点击日志中查找在一第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二点击比率，并从用户购买日志中查找在所述第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二购买比率。
其中所述第二点击比率和第二购买比率的取得也和第一实施例中相同此处就不再赘述。
步骤205，依次通过每个所述产品类别的第二点击概率和第二购买概率计算所述产品类别的第二相关性参数。
其中所述产品类别依次通过式3计算得到所述产品类别的第二相关性参数：
relevance2=w21×CP2(i|q)+w22×PP2(i|q)                式3
其中所述relevance2为第二相关性参数，所述CP2（i|q）为第二点击概率，所述PP2（i|q）为第二购买概率，所述w21为第二点击概率权重系数，所述w22为第二购买概率权重系数；所述第二购买概率权重系数大于所述第二点击概率权重系数。
而且所述第二购买概率权重系数w21也为0.7，所述第二点击概率权重系数w22也为0.3。
步骤206，依次通过每个所述产品类别的第一相关性参数和第二相关性参数计算所述产品类别的相关性系数。
其中所述产品类别依次通过式4计算得到所述产品类别的相关性系数：
relevance_optimized=w3×relevance1+w4×relevance2        式4
其中所述relevance1为第一相关性参数，所述relevance2为第二相关性参数，所述w3为第一相关性参数权重系数，所述w4为第二相关性参数权重系数，其中所述第一相关性参数权重系数大于所述第二相关性参数权重系数。
由于一些产品的季节性比较强。例如夏季的服饰和冬季就完全不同，用户的需求也会有很大变化。如果只是仅采用整个销售时间段内的点击量和销量，在季节转化时会有很大偏差。本实施例中通过对一定时间内用户对包含所述关键字的产品类别的点击行为和购买行为来进一步地减少季节性产品的偏差。
而且步骤202和步骤204中所述第一预设时间段小于第二预设时间段。而且为了平复季节性产品的误差，可以将所述第一预设时间设为1周，将所述第二预设时间设为1个月。
步骤207，将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列。
步骤208，在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
此外上述步骤207和步骤208中还可以采用循环遍历的方式来取出相应地相关性系数。
例如，首先从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别，然后将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是进入步骤209，否则重复本步骤。
由于实际产品种类是成千上万的，所以所述产品类别序列中会包括很多产品类别，但是考虑到实际显示的限制以及显示的醒目的目的，所以本实施例中所述显示产品数也同样选取4、5或6中的任一个，其中优选地选取5。
步骤209，在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片。
而且本实施例中依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
此外还可以采用所述显示产品类别所对应的所有产品中任意一个产品的产品图片作为所述显示产品类别的产品图片。
所述步骤209中的具体流程与第一实施例中相同，此处就不再详细地赘述。
步骤210，显示所述显示产品类别的产品名称和产品图片。其中在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中，而且所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方。
第三实施例：本实施例中提供了一种分类消岐装置，其中如图3所示，本实施例的分类消岐装置中包括：
一读入模块1，用于读入一关键字。
一检索模块2，用于从用户点击日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率，并从用户购买日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的购买比率。
一处理模块3，用于依次通过每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数。
一筛选模块4，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数。
一图片链接模块5，用于在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片。
一显示模块6，用于显示所述显示产品类别的产品名称和产品图片。
其中所述处理模块3和检索模块2采用第一实施例中的式1以及相关参数来计算得到所述产品类别的相关性系数。
所述筛选模块4中包括一排序模块41，用于将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列。以及一提取模块42，用于在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
而且所述图片链接模块5中包括一用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片的模块。
所述显示模块6用于在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。而且所述显示模块6中还包括一用于将所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方的模块。
为了便于描述，本实施例中将所述分类消岐装置按照功能划分为各种模块进行分别描述，所以在实施本实施例时，可以把各模块的功能在同一个或多个软件和/或硬件中实现。
第四实施例
如图3所示，本实施例的分类消岐装置与第三实施例的区别在于：本实施例中所述筛选模块4中包括：
一查找模块43，用于从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别。以及一计数模块44，用于将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是则所述图片链接模块执行操作，否则再次调用所述查找模块。
此外本实施例中所述图片链接模块5用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
第五实施例：
本实施例中提供了一种分类消岐装置，其中如图5所示，本实施例的分类消岐装置中包括：
一读入模块1，用于读入一关键字。
一第一检索模块7，用于从用户点击日志中查找在一第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一点击比率，并从用户购买日志中查找在所述第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一购买比率；
一第一处理模块8，用于依次通过每个所述产品类别的第一点击概率和第一购买概率计算所述产品类别的第一相关性参数；
一第二检索模块9，用于从用户点击日志中查找在一第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二点击比率，并从用户购买日志中查找在所述第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二购买比率；
一第二处理模块10，用于依次通过每个所述产品类别的第二点击概率和第二购买概率计算所述产品类别的第二相关性参数；
一第三处理模块11，用于依次通过每个所述产品类别的第一相关性参数和第二相关性参数计算所述产品类别的相关性系数；
一筛选模块4，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数。
一图片链接模块5，用于在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片。
一显示模块6，用于显示所述显示产品类别的产品名称和产品图片。
其中所述第一检索模块7、第一处理模块8、第二检索模块9、第二处理模块10和第三处理模块11中均采用第二实施例中的式2、式3和式4以及相关参数来计算得到所述产品类别的相关性系数。
所述筛选模块4中包括一排序模块41，用于将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列。以及一提取模块42，用于在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
而且所述图片链接模块5中包括一用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片的模块。
所述显示模块6用于在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。而且所述显示模块6中还包括一用于将所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方的模块。
为了便于描述，本实施例中将所述分类消岐装置按照功能划分为各种模块进行分别描述，所以在实施本实施例时，可以把各模块的功能在同一个或多个软件和/或硬件中实现。
第六实施例：
如图6所示，本实施例的分类消岐装置与第五实施例的区别在于：本实施例中所述筛选模块4中包括：
一查找模块43，用于从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别。以及一计数模块44，用于将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是则所述图片链接模块执行操作，否则再次调用所述查找模块。
此外本实施例中所述图片链接模块5用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
第七实施例：
本实施例中的分类消岐系统将上述的分类消岐方法及其装置通过必需的通用硬件平台的方式来实现。
其中如图7所示，所述分类消岐系统包括：
一存储器100，其中存储有一产品数据库。
一输入装置101，用于读入一关键字。
一服务器102，所述服务器102中包括一用户点击日志和一用户购买日志，其中所述服务器102从用户点击日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率，并从用户购买日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的购买比率，并依次通过每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数。
一处理器103，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数，并在所述存储器的产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片.
一显示器104，用于显示所述显示产品类别的产品名称和产品图片。
其中所述数据处理方法以及产品数据库地能够与上述实施例中的相同，此处就不再详细赘述。
第八实施例：
本实施例中的分类消岐系统也将上述的分类消岐方法及其装置通过必需的通用硬件平台的方式来实现。
其中本实施例所述分类消岐系统与第七实施例的区别在于：
本实施例的服务器102中所述服务器102中包括一用户点击日志和一用户购买日志，其中所述服务器102从用户点击日志中查找在一第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一点击比率，并从用户购买日志中查找在所述第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一购买比率，并从用户点击日志中查找在一第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二点击比率，并从用户购买日志中查找在所述第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二购买比率，而且所述服务器102还依次通过每个所述产品类别的第一点击概率和第一购买概率计算所述产品类别的第一相关性参数，以及依次通过每个所述产品类别的第二点击概率和第二购买概率计算所述产品类别的第二相关性参数，然后依次通过每个所述产品类别的第一相关性参数和第二相关性参数计算所述产品类别的相关性系数。
其中所述数据处理方法以及产品数据库地能够与上述实施例中的相同，此处就不再详细赘述。
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。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (53)

1.一种分类消岐方法，其特征在于，所述分类消岐方法包括以下步骤：
S1、读入一关键字；
S2、从用户点击日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率，并从用户购买日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的购买比率；
S3、依次通过每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数；
S4、从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数；
S5、在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
S6、显示所述显示产品类别的产品名称和产品图片。
2.如权利要求1所述的分类消岐方法，其特征在于，所述步骤S3为：
所述产品类别依次通过式1计算得到所述产品类别的相关性系数：
relevance＝w1×CP(i|q)+w2×PP(i|q)                式1
其中所述relevance为相关性系数，所述CP（i|q）为点击概率，所述PP（i|q）为购买概率，所述w1为点击概率权重系数，所述w2为购买概率权重系数；所述购买概率权重系数大于所述点击概率权重系数。
3.如权利要求2所述的分类消岐方法，其特征在于，所述购买概率权重系数w1为0.7，所述点击概率权重系数w2为0.3。
4.如权利要求1所述的分类消岐方法，其特征在于，所述步骤S4为：
将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列；
在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
5.如权利要求1所述的分类消岐方法，其特征在于，所述步骤S4为：
S41、从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别；
S42、将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是进入步骤S5，否则返回步骤S41。
6.如权利要求4或5所述的分类消岐方法，其特征在于，所述显示产品数为4、5或6。
7.如权利要求1所述的分类消岐方法，其特征在于，所述步骤S5为：
依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片。
8.如权利要求1所述的分类消岐方法，其特征在于，所述步骤S5为：
依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
9.如权利要求1所述的分类消岐方法，其特征在于，所述步骤S6为：
在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。
10.如权利要求9所述的分类消岐方法，其特征在于，所述步骤S6中还包括以下步骤：
所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方。
11.一种分类消岐方法，其特征在于，所述分类消岐方法包括以下步骤：
S101、读入一关键字；
S102、从用户点击日志中查找在一第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一点击比率，并从用户购买日志中查找在所述第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一购买比率；
S103、依次通过每个所述产品类别的第一点击概率和第一购买概率计算所述产品类别的第一相关性参数；
S104、从用户点击日志中查找在一第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二点击比率，并从用户购买日志中查找在所述第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二购买比率；
S105、依次通过每个所述产品类别的第二点击概率和第二购买概率计算所述产品类别的第二相关性参数；
S106、依次通过每个所述产品类别的第一相关性参数和第二相关性参数计算所述产品类别的相关性系数；
S107、从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数；
S108、在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
S109、显示所述显示产品类别的产品名称和产品图片。
12.如权利要求11所述的分类消岐方法，其特征在于，所述第一预设时间段小于第二预设时间段。
13.如权利要求12所述的分类消岐方法，其特征在于，所述第一预设时间为1周，所述第二预设时间为1个月。
14.如权利要求12所述的分类消岐方法，其特征在于，所述步骤S103为：
所述产品类别依次通过式2计算得到所述产品类别的第一相关性参数：
relevance1=w11×CP1(i|q)+w12×PP1(i|q)                式2
其中所述relevance1为第一相关性参数，所述CP1（i|q）为第一点击概率，所述PP1（i|q）为第一购买概率，所述w11为第一点击概率权重系数，所述w12为第一购买概率权重系数；所述第一购买概率权重系数大于所述第一点击概率权重系数。
15.如权利要求14所述的分类消岐方法，其特征在于，所述第一购买概率权重系数w11为0.7，所述第一点击概率权重系数w12为0.3。
16.如权利要求12所述的分类消岐方法，其特征在于，所述步骤S105为：
所述产品类别依次通过式3计算得到所述产品类别的第二相关性参数：
relevance2=w21×CP2(i|q)+w22×PP2(i|q)            式3
其中所述relevance2为第二相关性参数，所述CP2（i|q）为第二点击概率，所述PP2（i|q）为第二购买概率，所述w21为第二点击概率权重系数，所述w22为第二购买概率权重系数；所述第二购买概率权重系数大于所述第二点击概率权重系数。
17.如权利要求16所述的分类消岐方法，其特征在于，所述第二购买概率权重系数w21为0.7，所述第二点击概率权重系数w22为0.3。
18.如权利要求14和16所述的分类消岐方法，其特征在于，所述步骤S106为：
所述产品类别依次通过式4计算得到所述产品类别的相关性系数：
relevance_optimized=w3×relevance1+w4×relevance2        式4
其中所述relevance1为第一相关性参数，所述relevance2为第二相关性参数，所述w3为第一相关性参数权重系数，所述w4为第二相关性参数权重系数，其中所述第一相关性参数权重系数大于所述第二相关性参数权重系数。
19.如权利要求11所述的分类消岐方法，其特征在于，所述步骤S107为：
将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列；
在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
20.如权利要求11所述的分类消岐方法，其特征在于，所述步骤S107为：
S1071、从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别；
S1072、将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是进入步骤S108，否则返回步骤S1071。
21.如权利要求19或20所述的分类消岐方法，其特征在于，所述显示产品数为4、5或6。
22.如权利要求11所述的分类消岐方法，其特征在于，所述步骤S108为：
依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片。
23.如权利要求11所述的分类消岐方法，其特征在于，所述步骤S108为：
依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
24.如权利要求11所述的分类消岐方法，其特征在于，所述步骤S109为：
在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。
25.如权利要求24所述的分类消岐方法，其特征在于，所述步骤S109中还包括以下步骤：
所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方。
26.一种分类消岐装置，其特征在于，所述分类消岐装置包括：
一读入模块，用于读入一关键字；
一检索模块，用于从用户点击日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率，并从用户购买日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的购买比率；
一处理模块，用于依次通过每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数；
一筛选模块，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数；
一图片链接模块，用于在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
一显示模块，用于显示所述显示产品类别的产品名称和产品图片。
27.如权利要求26所述的分类消岐装置，其特征在于，在所述处理模块中所述产品类别依次通过式5计算得到所述产品类别的相关性系数：
relevance=w1×CP(i|q)+w2×PP(i|q)                    式5
其中所述relevance为相关性系数，所述CP（i|q）为点击概率，所述PP（i|q）为购买概率，所述w1为点击概率权重系数，所述w2为购买概率权重系数；所述购买概率权重系数大于所述点击概率权重系数。
28.如权利要求27所述的分类消岐装置，其特征在于，所述购买概率权重系数w1为0.7，所述点击概率权重系数w2为0.3。
29.如权利要求26所述的分类消岐装置，其特征在于，所述筛选模块中包括：
一排序模块，用于将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列；
一提取模块，用于在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
30.如权利要求26所述的分类消岐装置，其特征在于，所述筛选模块中包括：
一查找模块，用于从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别；
一计数模块，用于将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是则所述图片链接模块执行操作，否则再次调用所述查找模块。
31.如权利要求29或30所述的分类消岐装置，其特征在于，所述显示产品数为4、5或6。
32.如权利要求26所述的分类消岐装置，其特征在于，所述图片链接模块中包括一用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片的模块。
33.如权利要求26所述的分类消岐装置，其特征在于，所述图片链接模块用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
34.如权利要求26所述的分类消岐装置，其特征在于，所述显示模块用于在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。
35.如权利要求34所述的分类消岐装置，其特征在于，所述显示模块中还包括一用于将所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方的模块。
36.一种分类消岐装置，其特征在于，所述分类消岐装置包括：
一读入模块，用于读入一关键字；
一第一检索模块，用于从用户点击日志中查找在一第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一点击比率，并从用户购买日志中查找在所述第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一购买比率；
一第一处理模块，用于依次通过每个所述产品类别的第一点击概率和第一购买概率计算所述产品类别的第一相关性参数；
一第二检索模块，用于从用户点击日志中查找在一第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二点击比率，并从用户购买日志中查找在所述第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二购买比率；
一第二处理模块，用于依次通过每个所述产品类别的第二点击概率和第二购买概率计算所述产品类别的第二相关性参数；
一第三处理模块，用于依次通过每个所述产品类别的第一相关性参数和第二相关性参数计算所述产品类别的相关性系数；
一筛选模块，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数；
一图片链接模块，用于在一产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
一显示模块，用于显示所述显示产品类别的产品名称和产品图片。
37.如权利要求36所述的分类消岐装置，其特征在于，所述第一预设时间段小于第二预设时间段。
38.如权利要求37所述的分类消岐装置，其特征在于，所述第一预设时间为1周，所述第二预设时间为1个月。
39.如权利要求36所述的分类消岐装置，其特征在于，所述第一处理模块中所述产品类别依次通过式6计算得到所述产品类别的第一相关性参数：
relevance1=w11×CP1(i|q)+w12×PP1(i|q)            式6
其中所述relevance1为第一相关性参数，所述CP1（i|q）为第一点击概率，所述PP1（i|q）为第一购买概率，所述w11为第一点击概率权重系数，所述w12为第一购买概率权重系数；所述第一购买概率权重系数大于所述第一点击概率权重系数。
40.如权利要求39所述的分类消岐装置，其特征在于，所述第一购买概率权重系数w11为0.7，所述第一点击概率权重系数w12为0.3。
41.如权利要求36所述的分类消岐装置，其特征在于，所述第二处理模块中所述产品类别依次通过式7计算得到所述产品类别的第二相关性参数：
relevance2=w21×CP2(i|q)+w22×PP2(i|q)                式7
其中所述relevance2为第二相关性参数，所述CP2（i|q）为第二点击概率，所述PP2（i|q）为第二购买概率，所述w21为第二点击概率权重系数，所述w22为第二购买概率权重系数；所述第二购买概率权重系数大于所述第二点击概率权重系数。
42.如权利要求41所述的分类消岐装置，其特征在于，所述第二购买概率权重系数w21为0.7，所述第二点击概率权重系数w22为0.3。
43.如权利要求36所述的分类消岐装置，其特征在于，所述第三处理模块中所述产品类别依次通过式8计算得到所述产品类别的相关性系数：
relevance_optimized=w3×relevance1+w4×relevance2        式8
其中所述relevance1为第一相关性参数，所述relevance2为第二相关性参数，所述w3为第一相关性参数权重系数，所述w4为第二相关性参数权重系数，其中所述第一相关性参数权重系数大于所述第二相关性参数权重系数。
44.如权利要求36所述的分类消岐装置，其特征在于，所述筛选模块中包括：
一排序模块，用于将所述产品类别按照相关性系数的大小，按照从大到小的顺序排列为一产品类别序列；
一提取模块，用于在所述产品类别序列中，从具有最大相关性系数的产品类别开始提取数量等于所述显示产品数的产品类别作为所述显示产品类别。
45.如权利要求36所述的分类消岐装置，其特征在于，所述筛选模块中包括：
一查找模块，用于从所述产品类别中提取具有最大相关性系数的产品类别作为所述显示产品类别；
一计数模块，用于将所述显示产品数的数值减少1，并检测所述显示产品数是否为零，若是则所述图片链接模块执行操作，否则再次调用所述查找模块。
46.如权利要求44或45所述的分类消岐装置，其特征在于，所述显示产品数为4、5或6。
47.如权利要求36所述的分类消岐装置，其特征在于，所述图片链接模块中包括一用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并在所述产品和所述显示产品类别之间建立链接，将所述包括所述显示产品类别的产品中任意一个产品的产品图片作为所述显示产品类别的产品图片的模块。
48.如权利要求36所述的分类消岐装置，其特征在于，所述图片链接模块用于依次在所述产品数据库中检索所有包括所述显示产品类别的产品，并将所述包括所述显示产品类别的产品排序为一序列，将所述序列与所述显示产品类别之间建立链接，并将所述序列中第一个产品的产品图片作为所述显示产品类别的产品图片。
49.如权利要求36所述的分类消岐装置，其特征在于，所述显示模块用于在一显示区域内构建一推荐显示区域，并按照从左至右的顺序依次将各个显示产品类别的产品名称和产品图片显示于所述推荐显示区域中。
50.如权利要求49所述的分类消岐装置，其特征在于，所述显示模块中还包括一用于将所述显示产品类别的产品名称显示于所述显示产品类别的产品图片的下方的模块。
51.一种分类消岐系统，其特征在于，所述分类消岐系统包括：
一存储器，其中存储有一产品数据库；
一输入装置，用于读入一关键字；
一服务器，所述服务器中包括一用户点击日志和一用户购买日志，其中所述服务器从用户点击日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的点击比率，并从用户购买日志中查找用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的购买比率，并依次通过每个所述产品类别的点击概率和购买概率计算所述产品类别的相关性系数；
一处理器，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数，并在所述存储器的产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
一显示器，用于显示所述显示产品类别的产品名称和产品图片。
52.一种分类消岐系统，其特征在于，所述分类消岐系统包括：
一存储器，其中存储有一产品数据库；
一输入装置，用于读入一关键字；
一服务器，所述服务器中包括一用户点击日志和一用户购买日志，其中所述服务器从用户点击日志中查找在一第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一点击比率，并从用户购买日志中查找在所述第一预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第一购买比率，并从用户点击日志中查找在一第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二点击比率，并从用户购买日志中查找在所述第二预设时间段内用户对所述关键字检索得到的产品名称包含所述关键字的各个产品类别的第二购买比率，而且所述服务器还依次通过每个所述产品类别的第一点击概率和第一购买概率计算所述产品类别的第一相关性参数，以及依次通过每个所述产品类别的第二点击概率和第二购买概率计算所述产品类别的第二相关性参数，然后依次通过每个所述产品类别的第一相关性参数和第二相关性参数计算所述产品类别的相关性系数；
一处理器，用于从所述产品类别中提取数量等于一显示产品数的产品类别作为显示产品类别，所述显示产品类别的相关性系数均大于等于所述产品类别中其余的产品类别的相关性系数，并在所述存储器的产品数据库中依次将各个显示产品类别所包括的产品中任一产品的产品图片作为所述显示产品类别的产品图片；
一显示器，用于显示所述显示产品类别的产品名称和产品图片。
53.如权利要求52所述的分类消岐系统，其特征在于，所述第一预设时间段小于第二预设时间段。
CN201210276178.XA 2012-08-03 2012-08-03 分类消岐方法、分类消岐装置及其系统 Active CN103577473B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210276178.XA CN103577473B (zh) 2012-08-03 2012-08-03 分类消岐方法、分类消岐装置及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210276178.XA CN103577473B (zh) 2012-08-03 2012-08-03 分类消岐方法、分类消岐装置及其系统

Publications (2)

Publication Number Publication Date
CN103577473A true CN103577473A (zh) 2014-02-12
CN103577473B CN103577473B (zh) 2018-10-12

Family

ID=50049271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210276178.XA Active CN103577473B (zh) 2012-08-03 2012-08-03 分类消岐方法、分类消岐装置及其系统

Country Status (1)

Country Link
CN (1) CN103577473B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105786810A (zh) * 2014-12-16 2016-07-20 阿里巴巴集团控股有限公司 类目映射关系的建立方法与装置
CN106372961A (zh) * 2016-08-23 2017-02-01 北京小米移动软件有限公司 商品推荐方法及装置
CN107291835A (zh) * 2017-05-31 2017-10-24 北京京东尚科信息技术有限公司 一种搜索词的推荐方法和装置
CN108492138A (zh) * 2018-03-19 2018-09-04 平安科技（深圳）有限公司 产品购买预测方法、服务器及存储介质
CN109257398A (zh) * 2017-07-12 2019-01-22 阿里巴巴集团控股有限公司 一种业务对象的推送方法及设备
CN112598472A (zh) * 2020-12-25 2021-04-02 中国工商银行股份有限公司 产品推荐方法、装置、系统、介质和程序产品

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090313286A1 (en) * 2008-06-17 2009-12-17 Microsoft Corporation Generating training data from click logs
CN101996240A (zh) * 2010-10-13 2011-03-30 蔡亮华 提供信息的方法和装置
CN102184230A (zh) * 2011-05-11 2011-09-14 北京百度网讯科技有限公司 一种搜索结果的展示方法及装置
CN102279851A (zh) * 2010-06-12 2011-12-14 阿里巴巴集团控股有限公司 一种智能导航方法、装置和系统
CN102446180A (zh) * 2010-10-09 2012-05-09 腾讯科技（深圳）有限公司 一种商品搜索方法及其装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090313286A1 (en) * 2008-06-17 2009-12-17 Microsoft Corporation Generating training data from click logs
CN102279851A (zh) * 2010-06-12 2011-12-14 阿里巴巴集团控股有限公司 一种智能导航方法、装置和系统
CN102446180A (zh) * 2010-10-09 2012-05-09 腾讯科技（深圳）有限公司 一种商品搜索方法及其装置
CN101996240A (zh) * 2010-10-13 2011-03-30 蔡亮华 提供信息的方法和装置
CN102184230A (zh) * 2011-05-11 2011-09-14 北京百度网讯科技有限公司 一种搜索结果的展示方法及装置

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105786810A (zh) * 2014-12-16 2016-07-20 阿里巴巴集团控股有限公司 类目映射关系的建立方法与装置
CN105786810B (zh) * 2014-12-16 2019-07-12 阿里巴巴集团控股有限公司 类目映射关系的建立方法与装置
CN106372961A (zh) * 2016-08-23 2017-02-01 北京小米移动软件有限公司 商品推荐方法及装置
CN107291835A (zh) * 2017-05-31 2017-10-24 北京京东尚科信息技术有限公司 一种搜索词的推荐方法和装置
CN107291835B (zh) * 2017-05-31 2020-12-22 北京京东尚科信息技术有限公司 一种搜索词的推荐方法和装置
CN109257398A (zh) * 2017-07-12 2019-01-22 阿里巴巴集团控股有限公司 一种业务对象的推送方法及设备
CN108492138A (zh) * 2018-03-19 2018-09-04 平安科技（深圳）有限公司 产品购买预测方法、服务器及存储介质
WO2019179030A1 (zh) * 2018-03-19 2019-09-26 平安科技（深圳）有限公司 产品购买预测方法、服务器及存储介质
CN112598472A (zh) * 2020-12-25 2021-04-02 中国工商银行股份有限公司 产品推荐方法、装置、系统、介质和程序产品
CN112598472B (zh) * 2020-12-25 2024-02-13 中国工商银行股份有限公司 产品推荐方法、装置、系统、介质和程序产品

Also Published As

Publication number Publication date
CN103577473B (zh) 2018-10-12

Similar Documents

Publication Publication Date Title
CN101887437B (zh) 一种搜索结果生成方法及信息搜索系统
CN103164804B (zh) 一种个性化的信息推送方法及装置
CN105164710B (zh) 用于提供搜索结果的方法和服务器
CN102609869B (zh) 商品购买系统和方法
CN102279851B (zh) 一种智能导航方法、装置和系统
CN103577473A (zh) 分类消岐方法、分类消岐装置及其系统
CN106202516A (zh) 一种根据时间节点的电子商务平台商品展示方法
CN106339502A (zh) 一种基于用户行为数据分片聚类的建模推荐方法
CN104504159B (zh) 多支持度的正负序列模式在客户购买行为分析中的应用
CN103823908A (zh) 基于用户偏好的内容推荐方法和服务器
JP5859606B2 (ja) オンライン商取引プラットフォームにおける広告ソースおよびキーワードセットの適合
CN103034680B (zh) 针对终端设备的数据交互方法及装置
CN102509233A (zh) 一种基于用户网上动作信息的推荐方法
CN105302810A (zh) 一种信息搜索方法和装置
US9767417B1 (en) Category predictions for user behavior
CN105740415B (zh) 基于标签位置权重与自学习的招投标好友推荐系统
CN101273348A (zh) 结构化数据的导航
CN105023178B (zh) 一种基于本体的电子商务推荐方法
CN103020128B (zh) 与终端设备交互数据的方法与装置
CN103412958A (zh) 一种搜索结果显示方法和装置
CN112528153A (zh) 内容推荐方法、装置、设备、存储介质以及程序产品
CN113487117B (zh) 一种基于多维度用户画像的电商用户行为数据模拟的方法及系统
CN106484698A (zh) 一种搜索关键词的推送方法和装置
US10474670B1 (en) Category predictions with browse node probabilities
CN104503988A (zh) 搜索方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160914

Address after: East Building 11, 100195 Beijing city Haidian District xingshikou Road No. 65 west Shan creative garden district 1-4 four layer of 1-4 layer

Applicant after: Beijing Jingdong Shangke Information Technology Co., Ltd.

Address before: 201203 Shanghai city Pudong New Area Zu Road No. 295 Room 102

Applicant before: Niuhai Information Technology (Shanghai) Co., Ltd.

GR01 Patent grant
GR01 Patent grant