[发明专利]商品搜索方法、装置、服务器和存储介质在审

专利信息
申请号: 201911392939.6 申请日: 2019-12-30
公开(公告)号: CN111159552A 公开(公告)日: 2020-05-15
发明(设计)人: 刘建辉 申请(专利权)人: 北京每日优鲜电子商务有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06F16/9536;G06F40/30;G06F40/289;G06Q30/06
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 宁立存
地址: 100102 北京市朝阳*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 商品 搜索 方法 装置 服务器 存储 介质
【权利要求书】:

1.一种商品搜索方法,其特征在于,所述方法包括:

响应于终端的目标搜索请求,获取所述目标搜索请求中短文本的目标语义信息;

根据所述目标语义信息,确定所述目标语义信息对应的至少一个目标商品类目和所述目标商品类目的位置权重;

根据所述目标商品类目的位置权重,确定所述目标商品类目对应的目标商品在待请求的商品界面中的位置信息;

向所述终端返回所述目标商品的商品信息和所述位置信息。

2.根据权利要求1所述的方法,其特征在于,所述根据所述目标语义信息,确定所述目标语义信息对应的至少一个目标商品类目和所述目标商品类目的位置权重,包括:

将所述目标语义信息输入第一类目判别模型中,得到所述目标语义信息属于商品类别库中的每个商品类目的概率;

根据所述目标语义信息属于每个商品类目的概率,从所述商品类别库中选择概率超过第一预设阈值的至少一个目标商品类目;

根据所述目标语义信息属于所述目标商品类目的概率,确定所述目标商品类目的位置权重。

3.根据权利要求2所述的方法,其特征在于,所述将所述目标语义信息输入第一类目判别模型中,得到所述目标语义信息属于商品类别库中的每个商品类目的概率之前,所述方法还包括:

根据所述目标语义信息,搜索离线文本库,所述离线文本库中存储有历史语义信息和第一类目序列的对应关系;

响应于所述离线文本库中不存在与所述目标语义信息匹配的历史语义信息,执行所述将所述目标语义信息输入第一类目判别模型中,得到所述目标语义信息属于商品类别库中的每个商品类目的概率的步骤。

4.根据权利要求3所述的方法,其特征在于,所述方法还包括:

响应于所述离线文本库中存在与所述目标语义信息匹配的历史语义信息,将所述历史语义信息对应的第一类目序列中的商品类目作为所述目标商品类目;

根据所述第一类目序列中所述商品类目所处的位置,确定所述目标商品类目的位置权重。

5.根据权利要求1所述的方法,其特征在于,所述根据所述目标商品类目的位置权重,确定所述目标商品类目对应的目标商品在待请求的商品界面中的位置信息,包括:

根据所述目标商品类目的位置权重,对所述目标商品类目进行排序,得到第二类目序列;

确定所述目标商品类目对应的目标商品;

根据所述目标商品类目在所述第二类目序列中的位置,确定所述目标商品类目对应的目标商品在所述商品界面中的位置信息。

6.根据权利要求2所述的方法,其特征在于,所述方法还包括:

获取样本商品的第一描述信息及其对应的第一商品类目,以及多个季节内的第一历史搜索请求对应的第二样本语义信息及其对应的第二商品类目;

将所述第一描述信息进行分词得到多个关键词;

对所述多个关键词进行重新组合,得到第一样本语义信息;

根据所述第一样本语义信息及其对应的第一商品类目,以及所述第二样本语义信息及其对应的第二商品类目,对第二类目判别模型进行训练,得到所述第一类目判别模型。

7.根据权利要求6所述的方法,其特征在于,所述根据所述第一样本语义信息及其对应的第一商品类目,以及所述第二样本语义信息及其对应的第二商品类目,对第二类目判别模型进行训练,得到所述第一类目判别模型之后,所述方法还包括:

获取历史搜索记录,所述历史搜索记录包括历史搜索请求中短文本的历史语义信息和通过所述历史语义信息获取到的商品界面中被点击的商品信息的历史商品类目;

根据所述历史语义信息,通过所述第一类目判别模型,确定所述历史语义信息对应的商品类目;

根据所述历史语义信息对应的商品类目和所述历史商品类目,确定所述第一类目判别模型判别的准确率;

响应于所述准确率不小于第二预设阈值,执行所述将所述目标语义信息输入第一类目判别模型中,得到所述目标语义信息属于商品类别库中的每个商品类目的概率的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京每日优鲜电子商务有限公司,未经北京每日优鲜电子商务有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911392939.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top