[发明专利]一种电商搜索排序方法、装置及计算设备在审
申请号: | 202010344793.4 | 申请日: | 2020-04-27 |
公开(公告)号: | CN111553765A | 公开(公告)日: | 2020-08-18 |
发明(设计)人: | 姚建峰;何凯彬 | 申请(专利权)人: | 广州探途网络技术有限公司 |
主分类号: | G06Q30/06 | 分类号: | G06Q30/06;G06F16/9532;G06F16/9535 |
代理公司: | 北京中知君达知识产权代理有限公司 11769 | 代理人: | 李辰;黄启法 |
地址: | 510000 广东省广州市海珠区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 搜索 排序 方法 装置 计算 设备 | ||
1.一种电商搜索排序方法,包括:
接收用户的搜索关键字;
对所述搜索关键字进行分析,得出用户兴趣特征和商品的类别特征;
结合用户兴趣特征和商品的类别特征,利用基于兴趣激活的方法的评分模型对候选商品进行评分,输出每个候选商品的评分;
按照候选商品的评分高低,对候选商品进行选择并且排序。
2.根据权利要求1所述的方法,还包括:利用用户历史数据和用户兴趣生成基于兴趣激活的方法的评分模型。
3.根据权利要求2所述的方法,其中,利用用户历史数据和用户兴趣生成基于兴趣激活的方法的评分模型,包括:
采集历史推荐数据、客户端历史数据和转化数据;
对所述历史推荐数据,客户端历史数据和转化数据进行关联,得出关联的用户行为数据;
将关联的用户行为数据、历史画像数据、实时画像数据和商品特征表输入进评分模型进行模型训练,生成基于兴趣激活的方法的评分模型。
4.根据权利要求3所述的方法,还包括:
将所述关联的用户行为数据结构化成具体的格式数据;
其中,将关联的用户行为数据、历史画像数据、实时画像数据和商品特征表输入进评分模型进行模型训练,生成基于兴趣激活的方法的评分模型为:
将结构化后的关联的用户行为数据、历史画像数据、实时画像数据和商品特征表输入进评分模型进行模型训练,生成基于兴趣激活的方法的评分模型。
5.根据权利要求1所述的方法,还包括:
根据用户的搜索关键字、用户信息和用户历史数据对用户进行用户离线画像;
将所述用户离线画像数据输入到基于兴趣激活的方法的评分模型,用于对候选商品进行评分。
6.根据权利要求1-5任意一项所述的方法,还包括:
根据用户的搜索关键字和用户信息对用户进行用户实时属性画像;
将所述用户实时属性画像数据输入到基于兴趣激活的方法的评分模型,用于对候选商品进行评分。
7.一种电商搜索排序装置,包括,信息接收模块、数据处理模块、商品评分模块和商品排序模块:
信息接收模块,用于接收用户的搜索关键字;
数据处理模块,用于对所述搜索关键字进行分析,得出用户兴趣特征和商品的类别特征;
商品评分模块,用于结合用户兴趣特征和商品的类别特征,利用基于兴趣激活的方法的评分模型对候选商品进行评分,输出每个候选商品的评分;
商品排序模块,用于按照候选商品的评分高低,对候选商品进行选择并且排序。
8.根据权利要求7所述的装置,还包括:评分模型生成模块,用于利用用户历史数据和用户兴趣生成基于兴趣激活的方法的评分模型。
9.根据权利要求8所述的装置,其中,评分模型生成模块包括:数据采集单元,数据关联单元和模型生成单元;
数据采集单元,用于采集历史推荐数据、客户端历史数据和转化数据;
数据关联单元,用于对所述历史推荐数据,客户端历史数据和转化数据进行关联,得出关联的用户行为数据;
模型生成单元,用于将关联的用户行为数据、历史画像数据、实时画像数据和商品特征表输入进评分模型进行模型训练,生成基于兴趣激活的方法的评分模型。
10.一种计算设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-6中任何一项所述的方法。
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广州探途网络技术有限公司,未经广州探途网络技术有限公司许可,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/202010344793.4/1.html,转载请声明来源钻瓜专利网。