[发明专利]购物搜索推荐与告警方法和系统

权利要求书

1.一种购物搜索推荐方法，其特征在于，包括后台预处理阶段和购物用户客户端的使用阶段:

所述后台预处理阶段，包括步骤为：

S101，通过爬虫系统向各个购物网站抓取商品属性、评论及其对应商家属性这三类原始信息；

S102，将商品属性、评论及其对应商家属性这三类原始信息直接存入以更新数据库中心；

S103，取出S条商品评论，根据预定义语义分析模型，计算得出是否为负面评论，选出负面评论并对数量进行累加，得负面评论总数X；

S104，根据负面评论和商家属性计算坑爹率P1，坑爹率P1公式：P1＝X÷S(P1取值范围均为0-1之间，X负面评论总数，S总评论数)；

S105，在评论总数S中去除负面评论后，从剩下的评论中，再通过预定义语义分析模型计算得出是否为正面评论，选出正面评论并对数量进行累加，得正面评论总数Z；利用公式计算正面评论比例P2，P2＝Z÷S(Z:正面评论总数；S:评论总数)；

S106，由于公式P2并不能的完全确定商品是否应该被推荐，同时还应引入商品属性得分S_goods和商家属性得分S_shop为商品购买提供推荐依据；推荐度P3公式：P3＝K_best×P2+K_shop×(S_shop÷Shop_max)+K_goods×(S_goods÷Goods_max)

其中：K_shop+K_goods+K_best＝1，且K_shop，K_goods，K_best，P3四者取值范围均为(0-1)之间，K_best：商品正面评论权重系数，K_goods：商品属性权重系数，K_shop：商家属性权重系数；

S_goods：商品属性得分，由商品的销售量，物品分类粗细度，是否为品牌，是否为二手货等确定是否加分或者减分，综合计算确定一个值；其中，Goods_max为商品属性得分最大值；

S_shop：商家属性得分，由商家发货速度，服务态度，商家的资质，店铺规模，用户评论数量，最近销售数量，在行业内评分状况，是否为公司，是否为B2C等确定是否加分或者减分，综合确定一个值；其中，Shop_max为商家属性得分的最大值；

S107，将预处理后获得的坑爹率P1和推荐度P3也存入数据中心以更新数据中心；

S108，以上步骤S102以及步骤S107存入的数据，实时更新着数据中心；

S109，将数据中心实时地更新后的商家属性、商品属性这两类原始信息以及处理后信息(坑爹率P1和推荐度P3)通过搜索网站提供给购物用户客户端；

S110，客户端程序据此提供的坑爹率P1和推荐度P3，为用户提供浏览；

所述购物用户客户端的使用阶段，包括步骤为：

S201，购物用户在客户端输入关键词；

S202，搜索网站接收关键字；

S203，搜索网站从数据中心获取与搜索词相关商品属性这类原始信息和处理后的坑爹率P1、推荐度P3；

S204，搜索网站将商品属性这类原始信息和处理后的坑爹率P1、推荐度P3，提供显示给客户端。

2.如权利要求1所述的购物搜索推荐方法，其特征在于，所述的坑爹率P1公式优化为：P1＝X÷S+Y；而Y＝(Shop_max-S_shop)÷Shop_max×M，Y用于修正由于评论处理中可能出现的异常结果导致坑爹率数值严重失实；M为(-1，1)之间的常数。

3.如权利要求1所述的购物搜索推荐方法，其特征在于，在客户端，客户端程序据提供的坑爹率P1和推荐度P3，为用户提供浏览前告警，告警阈值A＝P1/P3，超出设定的告警值，即可触发预警。

4.一种交互式购物搜索推荐系统，其特征在于，

包括爬虫系统，用于向各个购物网站抓取商品属性、评论及其对应商家属性这三类原始信息；

包括预处理中心，通过对爬虫系统获得的商品属性、评论及其对应商家属性这三类原始信息进行数据处理，得到坑爹率P1、推荐度P3；

包括数据中心，用于存储对爬虫系统获得的商品属性、评论及其对应商家属性这三类原始信息，以及存储预处理中心得到的坑爹率P1、推荐度P3，实时更新数据；

包括搜索和结果展示网站，用于向数据中心获得商品属性、商家属性这两类原始信息，以及预处理得到的坑爹率P1、推荐度P3，并通过客户端网页显示结果。