一种商品搜索推荐方法及系统与流程

1.本发明涉及数据处理技术领域，尤其涉及一种商品搜索推荐方法及系统。


背景技术：

2.随着网络购物的兴起，越来越多的人倾向于在线上进行购物。线上购物通常需要对商家展示的海量商品数据进行大量的搜索和查询后，才能锁定购买目标。
3.现有的针对商品搜索推荐方法主要基于图谱，或者采用文本的关键词匹配等方法，需要通过用户输入的查询条件进行分析，得到关键词，再将关键词语分别与商品图谱中的所有字段或者索引文本中的所有字段进行关键词匹配，待搜索结果命中对应字段的商品，再按照匹配分值以及人为设定的重排序条件进行商品信息结果展示。
4.上述基于关键词匹配的方法，不能很好的识别用户意图，更注重关键词的匹配。特别是针对价格范围的识别，需要有效的识别出查询中的价格值，而且需要支持范围价格波动范围的查询。以往的查询基于关键字匹配的方式无法进行查询中精确的意图分析，也无法进行价格范围的查询。
5.针对现有的商品搜索不太准确的情况，需要提出一种新的商品搜索推荐方法。


技术实现要素：

6.本发明提供一种商品搜索推荐方法及系统，用以解决现有技术中采用图谱或关键词进行线上商品搜索，导致搜索结果不准确的缺陷。
7.第一方面，本发明提供一种商品搜索推荐方法，包括：获取商品查询语句；将所述商品查询语句输入至预先训练好的意图分类模型，得到用户查询意图，其中，所述意图分类模型是基于查询语句训练语料和规则表达式，训练分类器模型所得到的；基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值；根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果。
8.根据本发明提供的一种商品搜索推荐方法，所述商品查询语句包括购买意图、意向价格和预设长度文本结构。
9.根据本发明提供的一种商品搜索推荐方法，所述意图分类模型，通过以下步骤获得：确定待推荐商品，将所述待推荐商品按照多个维度建立多个字段索引，得到商品数据源；获取与所述商品数据源对应的意图关联实体，分别对具有名称属性的所述意图关联实体增加名称标签，以及对具有价格属性的所述意图关联实体增加数字标签；基于所述名称标签和所述数字标签构建多个查询语句训练语料，将所述查询语句训练语料输入至所述分类器模型中，训练得到所述意图分类模型。
10.根据本发明提供的一种商品搜索推荐方法，所述基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值，包括：通过所述意图分类模型获取至少一个用户查询意图；基于所述用户查询意图，从所述意图关联实体中进行实体抽取，获得所述用户目标意图和所述目标实体值。
11.根据本发明提供的一种商品搜索推荐方法，所述基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值，之后还包括：对所述目标实体值中的价格实体增加预设匹配范围。
12.根据本发明提供的一种商品搜索推荐方法，所述根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果，包括：根据所述目标实体值检索指定字段，得到实体值检索结果，根据匹配结果得分对所述实体值检索结果进行排序，按照从高到低的顺序排列所述实体值检索结果；从所述查询语句训练语料的数据源中提取除去所述指定字段的其它字段，将所述其它字段与排序后的所述实体值检索结果进行匹配，得到所述商品搜索推荐结果。
13.根据本发明提供的一种商品搜索推荐方法，所述根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果，之后还包括：向用户展示所述商品搜索推荐结果。
14.第二方面，本发明还提供一种商品搜索推荐系统，包括：获取模块，用于获取商品查询语句；查询模块，用于将所述商品查询语句输入至预先训练好的意图分类模型，得到用户查询意图，其中，所述意图分类模型是基于查询语句训练语料和规则表达式，训练分类器模型所得到的；解析模块，用于基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值；处理模块，用于根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果。
15.第三方面，本发明还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一种所述商品搜索推荐方法。
16.第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述商品搜索推荐方法。
17.第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述商品搜索推荐方法。
18.本发明提供的商品搜索推荐方法及系统，在用户进行商品搜索查询时，能根据用户的查询意图和意向价格，在海量的商品数据中获得较为准确地查询搜索结果，尤其是针对用户输入的长文本查询语句，能在高速检索场景下进一步减少误匹配情况。
附图说明
19.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术
描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1是本发明提供的商品搜索推荐方法的流程示意图；图2是本发明提供的搜索推荐实例的流程示意图；图3是本发明提供的商品搜索推荐系统的结构示意图；图4是本发明提供的电子设备的结构示意图。
具体实施方式
21.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.针对现有技术中商品搜索推荐时过于依赖关键词的局限，本发明提出一种商品搜索推荐方法，尤其是针对包含长文本的查询语句，能根据查询语句中包含的查询意图和价格区间，精确匹配商品查询搜索结果。
23.图1是本发明提供的商品搜索推荐方法的流程示意图，如图1所示，包括：步骤s1，获取商品查询语句；步骤s2，将所述商品查询语句输入至预先训练好的意图分类模型，得到用户查询意图，其中，所述意图分类模型是基于查询语句训练语料和规则表达式，训练分类器模型所得到的；步骤s3，基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值；步骤s4，根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果。
24.具体地，用户根据意向购买的商品输入商品查询语句，由预先训练好的意图分类模型识别该商品查询语句，得到用户查询意图，包括一个或者多个查询意图；此处，意图分类模型是根据大量的查询语句训练语料，加上对应的规则表达式，对通用的分类器模型进行模型训练后得到的。
25.由于之前已将用户查询意图和商品的实体进行了关联，根据得到的用户查询意图，从意图关联实体中进一步解析得出用户目标意图和目标实体值；根据一定的排序匹配规则，以及根据意图和实体对指定字段进行检索，得到最终的商品搜索推荐结果。
26.本发明在用户进行商品搜索查询时，能根据用户的查询意图和意向价格，在海量的商品数据中获得较为准确地查询搜索结果，同时可根据意图分析加快检索查询速度，提升用户满意度。
27.基于上述实施例，所述商品查询语句包括购买意图、意向价格和预设长度文本结构。
28.需要说明的是，本发明所涉及的用户商品搜索查询场景中，针对用户输入的长文本语句的效果尤佳，如果达到一定的语句长度，且包含购买意图和意向价格，相比于传统的
采用关键词进行匹配，准确度更高。
29.本发明针对长文本用户查询语句进行识别，较好地解决了商品搜索查询的精确度匹配问题。
30.基于上述任一实施例，所述意图分类模型，通过以下步骤获得：确定待推荐商品，将所述待推荐商品按照多个维度建立多个字段索引，得到商品数据源；获取与所述商品数据源对应的意图关联实体，分别对具有名称属性的所述意图关联实体增加名称标签，以及对具有价格属性的所述意图关联实体增加数字标签；基于所述名称标签和所述数字标签构建多个查询语句训练语料，将所述查询语句训练语料输入至所述分类器模型中，训练得到所述意图分类模型。
31.具体地，本发明在识别用户的购买意图时，通过预先训练意图分类模型来实现。
32.首先是数据源的输入，通常可区分包括：名称、价格、品类、品牌、产地、用户和数量等多个维度，根据实际商品数据情况，将商品数据源进行对接，并按照多个维度建立多字段索引。
33.然后创建与上述数据源维度相关的实体，例如：价格、珍品等，其中，“珍品”对应于商品的品类属性，可以理解的是，通常指珠宝首饰类的商品，可加入例如“玉手镯”、“红宝石戒指”等产品名称；进一步在“价格”中通过规则表达式，也称为正则表达式，如配置数字匹配。
34.上述正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符以及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。因此，当给定一个正则表达式和另一个字符串，可以达到如下的目的：给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）：通过正则表达式，从字符串中获取需要的特定部分。
35.然后创建需要处理的意图，使用规则表达式或者直接文本进行意图类别配置。比如创建“珍品查询”意图，可以在训练预料直接加入语句“我想要2000块左右的玉手镯”、以及正则表达式句式“#价格#的#珍品#”，通过基于通用的分类器模型，训练意图分类器，如图2所示。
36.此处使用的分类器模型，可采用例如贝叶斯分类器、k近邻（k nearest neighbors，knn），支持向量机（support vector machines，svm），决策树（decision trees）等常用的分类器，具有通用性强和鲁棒性高等特点，便于模型训练。
37.本发明通过预先训练意图分类器，对用户输入的查询语句进行准确的意图分类识别，对商品数据源进行多维度分析构建多维度存储，便于后续的根据查询意图匹配更精准的商品推荐结果。
38.基于上述任一实施例，所述基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值，包括：通过所述意图分类模型获取至少一个用户查询意图；基于所述用户查询意图，从所述意图关联实体中进行实体抽取，获得所述用户目标意图和所述目标实体值。
39.具体地，根据用户输入通过意图分类模型获取用户查询的一个或者多个意图，根据查询意图情况，通过与意图关联的实体进行实体抽取，解析得到用户查询意图中包含的全部用户目标意图以及目标实体值，如图2所示，当用户输入“2000块左右的玉手镯”，识别出包含“珍品查询”意图以及包含“珍品”实体，且实体值为“玉手镯”，便于后端预先获取与“玉手镯”相关的商品信息。
40.本发明根据多维度信息配置对应的实体，实现了用户查询优先进行意图分类，再根据意图关联的实体信息进行实体提取。
41.基于上述任一实施例，所述基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值，之后还包括：对所述目标实体值中的价格实体增加预设匹配范围。
42.可选地，对于本发明查询中包含的价格因素，可在搜索排名中对价格实体配置额外匹配范围，比如数值字段支持上下浮动的匹配计算如将数值类型最终查询范围设为 ，并且实体“价格”与数据源中“价格”字段进行绑定；实体“珍品”与数据源中“品类”字段进行绑定。
43.此外，如果查询中出现对应的实体，则仅从指定的字段中进行查询。
44.本发明通过在搜索排名规则配置中可以将实体与数据源的查询字段进行对应，并可以配置不同的字段计算方式，实现了在预定的价格范围内推荐一定数量的商品，且不会影响整体的推荐计算速度。
45.基于上述任一实施例，所述根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果，包括：根据所述目标实体值检索指定字段，得到实体值检索结果，根据匹配结果得分对所述实体值检索结果进行排序，按照从高到低的顺序排列所述实体值检索结果；从所述查询语句训练语料的数据源中提取除去所述指定字段的其它字段，将所述其它字段与排序后的所述实体值检索结果进行匹配，得到所述商品搜索推荐结果。
46.具体地，如果用户查询语句中计算出包含意图以及实体，则通过意图以及实体，通过对应的实体值检索指定字段，并根据匹配结果得分进行排序，通常匹配结果符合度越高，则相应分值越高，排序通常也是按照得分从高到低进行排列，同时采用数据源存储中的其他相关字段与搜索结果相结合，得到最终的商品搜索推荐结果。
47.如图2所示的实例中，用户输入“2000块左右的玉手镯”，最后搜索“珍品”中“玉手镯”数据，并将价格“2000”的玉手镯数据提前。
48.本发明在用户做商品查询时，可以解析用户的意图并从中得到用户关注的实体，通过实体可以仅从用户海量的元数据中的指定维度进行实体查询，可以极大的减少查询范围，增加搜索的准确度，并通过搜索排名设置模块，对于数值字段配置上下浮动的范围计算等信息，丰富搜索匹配的能力，不再局限于关键字或者相似词的匹配模式。该发明在带有价格以及意图搜索的情况下可以给用户推荐最接近用户需求的产品结果，并且可以在高速检索的情况下进一步减少误匹配情况。
49.基于上述任一实施例，所述根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果，之后还包括：向用户展示所述商品搜索推荐结果。
50.具体地，在得到商品搜索推荐结果后，需要向用户呈现最终的搜索排序结果。
51.此处，可以设定不同的展示规则，在得到一定数量的搜索推荐结果后，可按照人气值、购买数量、发货地等维度进行展示，同时可设置展示页面的规则，例如每页显示的数目，排列的方式等等，对此本发明不作任何限制，灵活根据用户使用习惯来设置。
52.本发明通过对商品搜索推荐结果进行定制化的展示，具有清晰直观的特点，较好地贴合了用户的使用习惯，提升了用户体验感。
53.下面对本发明提供的商品搜索推荐系统进行描述，下文描述的商品搜索推荐系统与上文描述的商品搜索推荐方法可相互对应参照。
54.图3是本发明提供的商品搜索推荐系统的结构示意图，如图3所示，包括：获取模块31、查询模块32、解析模块33和处理模块34，其中：获取模块31用于获取商品查询语句；查询模块32用于将所述商品查询语句输入至预先训练好的意图分类模型，得到用户查询意图，其中，所述意图分类模型是基于查询语句训练语料和规则表达式，训练分类器模型所得到的；解析模块33用于基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值；处理模块34用于根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果。
55.本发明在用户进行商品搜索查询时，能根据用户的查询意图和意向价格，在海量的商品数据中获得较为准确地查询搜索结果，尤其是针对用户输入的长文本查询语句，能在高速检索场景下进一步减少误匹配情况。
56.图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communications interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行商品搜索推荐方法，该方法包括：获取商品查询语句；将所述商品查询语句输入至预先训练好的意图分类模型，得到用户查询意图，其中，所述意图分类模型是基于查询语句训练语料和规则表达式，训练分类器模型所得到的；基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值；根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果。
57.此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
58.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的商品搜索推荐方法，该方法包括：获取商品查询语句；将所述商品查询语句输入至预先训练好的意图分类模型，得到用户查询意图，其中，所
述意图分类模型是基于查询语句训练语料和规则表达式，训练分类器模型所得到的；基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值；根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果。
59.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的商品搜索推荐方法，该方法包括：获取商品查询语句；将所述商品查询语句输入至预先训练好的意图分类模型，得到用户查询意图，其中，所述意图分类模型是基于查询语句训练语料和规则表达式，训练分类器模型所得到的；基于用户查询意图，从意图关联实体中解析得到用户目标意图和目标实体值；根据所述用户目标意图和所述目标实体值，采用预设排序匹配以及检索数据源字段，得到商品搜索推荐结果。
60.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
61.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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计算机可读存储介质中，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）执行各个实施例或者实施例的某些部分所述的方法。
62.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。