一种基于浏览器的商品推荐方法及装置与流程

本发明涉及一种互联网技术领域，特别是涉及一种基于浏览器的商品推荐方法及装置。

背景技术：

用户在使用浏览器的过程中，浏览器通常会推送商品广告。现有技术中，用户在通过浏览器进行网站浏览时，将网站域名记录在云存储端中，并根据网站的商品关键词在云存储端建立存储器，网站域名以及用户的浏览记录存储在于关键词对应的存储器中，持续记录并保存用户的浏览网站，当某一网站域名对应的存储器中存储的域名数量达到预设值是，将网站域名对应的网站作为待同送站源，对于待推送站源的浏览记录案子商品关键词进行分类，对待推送站源的所涉及到的商品关键词进行排序，取排位在前面的若干位的商品关键词作为待推送目标，将待推送目标在待推荐网站中的链接作为最终的推送链接，在用户打开浏览器时，将推送链接显示砸浏览器的推荐栏。

现有技术采用的推荐方法，是对历史记录的汇总分析，浏览器推荐的商品是用户浏览过的商品。对浏览器的用户而言，推荐商品都是浏览过的商品，浏览过的商品可以不符合用户需求，但又不能为用户推荐更多的相关商品，降低推荐商品被用户浏览的概率。对于推荐商品的商户而言，推荐商品被用户浏览的概率降低，也就是降低了推荐商品的推荐成功率。

技术实现要素：

有鉴于此，本发明提供一种基于浏览器的商品推荐方法及装置，主要目的在于现有技术中浏览器推荐的商品被用户浏览的概率低的问题。

依据本发明一个方面，提供了一种基于浏览器的商品推荐方法，包括：

启动浏览器中的python爬虫程序，爬取目标网站中商品的商品信息；

提取所述商品信息的商品关键字；

聚合所述商品关键字，生成关键字数据库；

根据用户在所述浏览器中输入的查询信息，获取查询关键字；

如果在所述关键字数据库中存在所述查询关键字，则记录所述查询关键字的查询次数；

如果所述查询次数大于预置数值，则在所述浏览器中推荐与所述查询关键字对应的所述商品信息。

依据本发明一个方面，提供了一种基于浏览器的商品推荐装置，包括：

爬取单元，用于启动浏览器中的python爬虫程序，爬取目标网站中的商品信息；

提取单元，用于提取所述商品信息的商品关键字；

生成单元，用于聚合所述商品关键字，生成关键字数据库；

获取单元，用于根据用户在所述浏览器中输入的查询信息，获取查询关键字；

记录单元，用于如果在所述关键字数据库中存在所述查询关键字，则记录所述查询关键字的查询次数；

推荐单元，用于如果所述查询次数大于预置数值，则在所述浏览器中推荐与所述查询关键字对应的所述商品信息。

根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述基于浏览器的商品推荐方法对应的操作。

根据本发明的再一方面，提供了一种计算机设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述基于浏览器的商品推荐方法对应的操作。

借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

本发明提供了一种基于浏览器的商品推荐方法及装置，首先启动浏览器中的python爬虫程序，爬取目标网站中商品的商品信息，然后提取商品信息的商品关键字，再聚合商品关键字，生成关键字数据库，再根据用户在浏览器中输入的查询信息，获取查询关键字，如果在关键字数据库中存在查询关键字，则记录查询关键字的查询次数，如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。与现有技术相比，本发明通过python爬虫程序爬取目标网站中的商品，并将爬取到的商品作为待推荐商品，在浏览器中推荐目标网站中的商品，以实现在浏览器中对目标网站和目标网站中商品的推广。当用户输入的查询信息中的查询关键字，属于商品信息中的商品关键字时，在浏览器中推荐与查询关键字对应的商品信息，针对用户需求推荐目标网站中的商品，以提高用户浏览推荐商品的概率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种基于浏览器的商品推荐方法流程图；

图2示出了本发明实施例提供的另一种基于浏览器的商品推荐方法流程图；

图3示出了本发明实施例提供的一种基于浏览器的商品推荐装置框图；

图4示出了本发明实施例提供的另一种基于浏览器的商品推荐装置框图；

图5示出了本发明实施例提供的一种计算机设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种基于浏览器的商品推荐方法，如图1所示，该方法包括：

101、启动浏览器中的python爬虫程序，爬取目标网站中商品的商品信息。

浏览器是指可以显示网页服务器或者文件系统的html文件内容，并让用户与这些文件交互的一种软件。网络爬虫，是一种按照一定的规则，自动地抓取万维网信息的程序。python爬虫，是指使用python语言编写的爬虫程序。python爬虫程序的架构主要包括调度器、url管理器、网页下载器、网页解析器。调度器主要负责调度url管理器、网页下载器、解析器之间的协调工作。url管理器：包括待爬取的url地址和已爬取的url地址，防止重复抓取url和循环抓取url。网页下载器：通过传入一个url地址来下载网页，将网页转换成一个字符串。网页解析器：将一个网页字符串进行解析，可以按照我们的要求来提取出我们有用的信息。

浏览器中python爬虫程序的启动方式，可以设置为启动浏览器的同时启动python爬虫程序，可以设置为开启浏览器所在的终端的同时在后台启动python爬虫程序，还可以设置为根据浏览器所在的终端的系统时间定时启动python爬虫程序。启动python爬虫程序程序后，爬取目标网站中商品的商品信息。也就是在爬虫程序的url管理器中，设置爬虫爬取的url地址。python爬虫程序爬取的商品即为浏览器待推荐的商品。通过设置目标网站的方式，限定浏览器的推荐范围，提高用户浏览目标网站的概率，实现对目标网站和目标网站中商品的双重推广。在爬取目标网站的过程中，解析html页面，在html页面中通常包括公司简介、产品简介和联系方式等等。在解析html页面的过程中，获取并存储商品信息，商品信息包括商品的文字描述、商品图片和访问链接，访问链接可以为url地址或承载商品的应用程序的二维码信息。扫描二维码，可以下载该应用程序。如果没有商品的文字描述，或者文字描述不够详细，则识别商品图片中文字，将识别出的文字作为商品的文字描述。

102、提取商品信息的商品关键字。

获取商品信息中的文字，通过正则表达式、模糊匹配等方式，提取商品信息中的商品关键字，商品关键字，能够将商品分类，例如提取储蓄、炒金、基金、炒股、国债、债券、保险和p2p等可以作为区分金融产品的商品关键字。

103、聚合商品关键字，生成关键字数据库。

关键字数据库中包括从目标网站中商品的商品信息提取的全部商品关键字。

104、根据用户在浏览器中输入的查询信息，获取查询关键字。

用户在使用浏览器时，在浏览器的搜索界面输入查询信息。由于用户的语言组织能力不同，查询精确度不同，查询信息可能是单字、词语或句子，所有需要从查询信息中获取查询关键字。将查询信息通过分词的处理方式，分词不同的词语，再判断查询信息中的词语能否作为查询关键字。在做分词处理之前，还可以包括将查询信息做模糊匹配，获取查询相关信息，将查询相关信息和查询信息都作为获取查询关键字的基础信息。在本发明实施例中对查询关键字的个数不做限定。

105、如果在关键字数据库中存在查询关键字，则记录查询关键字的查询次数。

判断查询关键字是否存在于关键字数据库中，可以判断关键字数据库中是否存在与查询关键字相同的商品关键字，可以判断关键字数据库中是否存在与查询关键字语义相同的商品关键字。如果存在则记录查询次数。查询次数是指在同一终端或同一用户，同一查询关键字被搜索的次数。同一终端可以根据浏览器所在终端的物理地址确定，同一用户可以根据登录浏览器的账户确定。每搜索一次，查询关键字的查询次数增加一次。

106、如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。

如果查询次数过少，那么说明该查询关键字，可能由于用户的错误操作导致输入的查询信息。为了避免上述情况对推荐商品的干扰，查询次数与预置数值的比较条件。如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。查询与查询关键字对应的商品关键字，然在浏览器中推荐商品关键字对应的商品信息。

本发明提供了一种基于浏览器的商品推荐方法，首先启动浏览器中的python爬虫程序，爬取目标网站中商品的商品信息，然后提取商品信息的商品关键字，再聚合商品关键字，生成关键字数据库，再根据用户在浏览器中输入的查询信息，获取查询关键字，如果在关键字数据库中存在查询关键字，则记录查询关键字的查询次数，如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。与现有技术相比，本发明通过python爬虫程序爬取目标网站中的商品，并将爬取到的商品作为待推荐商品，在浏览器中推荐目标网站中的商品，以实现在浏览器中对目标网站和目标网站中商品的推广。当用户输入的查询信息中的查询关键字，属于商品信息中的商品关键字时，在浏览器中推荐与查询关键字对应的商品信息，针对用户需求推荐目标网站中的商品，以提高用户浏览推荐商品的概率。

本发明实施例提供了另一种基于浏览器的商品推荐方法，如图2所示，该方法包括：

201、以目标网站为待爬取网站，编写python爬虫程序。

在本发明实施例中的python爬虫程序，与现有技术相比，区别在于在编写爬虫程序过程中设置爬取的目标网站，也就是python爬虫程序只能爬取目标网站中的网页数据。

202、通过预置程序接口，将python爬虫程序嵌入到浏览器中。

如果浏览器是开源的，则直接通过预置程序接口将python爬虫程序嵌入到浏览器中。如果浏览器不是开源的，则将python爬虫程序转换为插件形式，通过插件形式嵌入到浏览器中。

203、启动浏览器中的python爬虫程序，爬取目标网站中商品的商品信息。

商品信息包括商品的指标数据和访问链接，所该步骤具体包括：包括：获取所述python爬虫程序中的所述目标网站；采用深度优先算法，爬取所述目标网站中的文本数据和访问链接；根据预置对比指标，提取所述文本数据中的指标数据。

启动python爬虫程序时，首先获取python爬虫程序中的目标网站。以获取python爬虫程序中的目标网站作为启动爬取功能的开始。在使用浏览器过程中，由于目标网站的内容是随时可以进行更新的，为了使爬取内容与目标网站中的内容保持一致，可以设置爬取时机，比如每次启动浏览器时都重新爬取目标网站中的商品信息，在浏览器运行过程中每经过1小时、3小时、或8小时重新爬取目标网站中的商品信息。

采用深度优先算法，在爬取一个目标网站中所有的文本数据和访问链接之后，再爬取下一个目标网站中的文本数据和访问链接，直到所有的目标网站都被爬取。文本数据是指目标网站中的文本信息，包括中文和英文。访问链接是指目标网站中商品的访问链接，访问链接与商品是一一对应的。每一个商品，都具有一个访问链接，通过访问链接能够访问目标网站中的该商品。

在选取目标网站时，就会了解目标网站中的商品类型，根据商品类型设置预置对比指标。例如，目标为陆金所、蚂蚁金服、京东金融、人人贷等金融类网站，在金融类网站中的发布各种金融类产品，对于金融类产品设置7日年化收益率，存储日期，单日限额，日取款数额限制，取款时间限制和取款是否需要提前预约等预置对比指标。提取每种商品的文本数据中与预置对比指标对应的指标数据。至此完成对目标网站中商品信息的爬取。

204、提取商品信息的商品关键字。

本步骤与图1所示的步骤102所述的方法相似，这里不再赘述。

205、根据商品关键字，保存指标数据和访问链接。

在同一商品关键字中，保存每个商品的指标数据和访问链接。获取在保存商品的指标数据和访问链接后，以对应的商品关键字进行标识。保存爬取数据，以便于推荐商品时提取展示信息。

206、聚合商品关键字，生成关键字数据库。

本步骤与图1所示的步骤103所述的方法相似，这里不在赘述。

207、根据用户在浏览器中输入的查询信息，获取查询关键字。

用户在浏览器中输入的查询信息，可能是字、词语、短语、句子，不能将查询信息直接作为查询关键字。获取查询关键字，具体包括：获取查询信息；采用正向最大匹配算法，解析查询信息中的查询词；如果查询词的词性为名词，则确定查询词为查询关键字。通过该方法，滤除无效信息，查找最能表达用户目的的字或词语作为查询关键字。例如查询信息为“的”，经过上述方案，判断该词性为介词、助词，不具备实质查询内容，则该查询信息没有查询关键字。例如查询信息为“快速傅里叶变换”，采用正向最大匹配方式拆分查询信息的查询词包括“快速傅里叶变换”，其中“快速”的词性为形容词，“傅里叶变换”的词性为名词，将词性为名词的“傅里叶变换”确定为查询关键字。

208、如果在关键字数据库中存在查询关键字，则记录查询关键字的查询次数。

在记录查询次数是，需要考虑查询关键字是否相同，还需要考虑查询次数的失效性，如果同一查询关键词的两次查询记录间隔时间过长，则可能该查询信息是由于打字习惯、输入法、输入习惯造成的无效信息。所有记录查询关键字的查询次数，具体包括：如果在预置关键字数据库中存在查询关键字，则记录查询关键字的查询时刻；查找查询关键字的查询次数；如果查询次数为0，则记录查询关键字的查询次数为1；如果查询次数不为0，则计算查询时刻与前一次记录的查询时刻的时间差；如果时间差小于预置时间差，则记录查询关键字的查询次数为查询次数加1；如果时间差不小于预置时间差，则记录查询关键词的查询次数为1。

209、如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。

在浏览器中设置推荐展示框、推荐展示框以浮动窗口、固定窗口或弹窗的形式显示与浏览器的界面。在浏览器中推荐查询关键字对应的商品信息，具体包括：统计与查询关键字对应的商品的商品个数；如果商品个数为1，则在预置推荐展示框，展示与查询关键字对应的商品信息；如果商品个数大于1，则在预置推荐展示框中，按照预置时间间隔切换展示与查询关键字对应的商品信息。也就是为了能够清楚的展示每个商品的商品信息，在推荐展示框中每次只展示一个商品的商品信息。

如果商品的数量大于1，为了比较不同的商品可以将不同商品的指标数据，按照相同的顺序展示。对于商品信息中的指标数据和访问链接，可以同时展示在推荐展示框中，也可以设置优先展示商品信息中的指标数据，当接收到鼠标位置位置该值指标数据上时切换为显示商品信息中的访问链接。

为了提高用户体验，还可以在推荐展示框中，展示与查询关键字相关的第三方工具，例如，查询关键字为理财，第三方插件为发票验证、汇率查询、快递查询、代理记账等。

本发明提供了一种基于浏览器的商品推荐方法，首先启动浏览器中的python爬虫程序，爬取目标网站中商品的商品信息，然后提取商品信息的商品关键字，再聚合商品关键字，生成关键字数据库，再根据用户在浏览器中输入的查询信息，获取查询关键字，如果在关键字数据库中存在查询关键字，则记录查询关键字的查询次数，如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。与现有技术相比，本发明通过python爬虫程序爬取目标网站中的商品，并将爬取到的商品作为待推荐商品，在浏览器中推荐目标网站中的商品，以实现在浏览器中对目标网站和目标网站中商品的推广。当用户输入的查询信息中的查询关键字，属于商品信息中的商品关键字时，在浏览器中推荐与查询关键字对应的商品信息，针对用户需求推荐目标网站中的商品，以提高用户浏览推荐商品的概率。

进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种基于浏览器的商品推荐装置，如图3所示，该装置包括：

爬取单元31，用于启动浏览器中的python爬虫程序，爬取目标网站中的商品信息；

提取单元32，用于提取商品信息的商品关键字；

生成单元33，用于聚合商品关键字，生成关键字数据库；

获取单元34，用于根据用户在浏览器中输入的查询信息，获取查询关键字；

记录单元35，用于如果在关键字数据库中存在查询关键字，则记录查询关键字的查询次数；

推荐单元36，用于如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。

本发明提供了一种基于浏览器的商品推荐装置，首先启动浏览器中的python爬虫程序，爬取目标网站中商品的商品信息，然后提取商品信息的商品关键字，再聚合商品关键字，生成关键字数据库，再根据用户在浏览器中输入的查询信息，获取查询关键字，如果在关键字数据库中存在查询关键字，则记录查询关键字的查询次数，如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。与现有技术相比，本发明通过python爬虫程序爬取目标网站中的商品，并将爬取到的商品作为待推荐商品，在浏览器中推荐目标网站中的商品，以实现在浏览器中对目标网站和目标网站中商品的推广。当用户输入的查询信息中的查询关键字，属于商品信息中的商品关键字时，在浏览器中推荐与查询关键字对应的商品信息，针对用户需求推荐目标网站中的商品，以提高用户浏览推荐商品的概率。

进一步的，作为对上述图2所示方法的实现，本发明实施例提供了另一种基于浏览器的商品推荐装置，如图4所示，该装置包括：

爬取单元41，用于启动浏览器中的python爬虫程序，爬取目标网站中的商品信息；

提取单元42，用于提取商品信息的商品关键字；

生成单元43，用于聚合商品关键字，生成关键字数据库；

获取单元44，用于根据用户在浏览器中输入的查询信息，获取查询关键字；

记录单元45，用于如果在关键字数据库中存在查询关键字，则记录查询关键字的查询次数；

推荐单元46，用于如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。

进一步地，该方法还包括：

编写单元47，用于启动浏览器中的python爬虫程序，爬取目标网站中的商品信息之前，以目标网站为待爬取网站，编写python爬虫程序；

嵌入单元48，用于通过预置程序接口，将python爬虫程序嵌入到浏览器中。

进一步地，商品信息包括商品的指标数据和访问链接；

爬取单元41，包括：

获取模块411，用于获取python爬虫程序中的目标网站；

爬取模块412，用于采用深度优先算法，爬取目标网站中的文本数据和访问链接；

提取模块413，用于根据预置对比指标，提取文本数据中的指标数据。

进一步地，该方法还包括：

保存单元49，用于提取商品信息的商品关键字之后，根据商品关键字，保存指标数据和访问链接。

进一步地，获取单元44，包括：

获取模块441，用于获取查询信息；

解析模块442，用于采用正向最大匹配算法，解析查询信息中的查询词；

确定模块443，用于如果查询词的词性为名词，则确定查询词为查询关键字。

进一步地，记录单元45，包括：

记录模块451，用于如果在预置关键字数据库中存在查询关键字，则记录查询关键字的查询时刻；

查找模块452，用于查找查询关键字的查询次数；

记录模块451，还用于如果查询次数为0，则记录查询关键字的查询次数为1；

计算模块453，用于如果查询次数不为0，则计算查询时刻与前一次记录的查询时刻的时间差；

记录模块451，还用于如果时间差小于预置时间差，则记录查询关键字的查询次数为查询次数加1；

记录模块451，还用于如果时间差不小于预置时间差，则记录查询关键词的查询次数为1。

进一步地，推荐单元46，包括：

统计模块461，用于统计与查询关键字对应的商品的商品个数；

展示模块462，用于如果商品个数为1，则在预置推荐展示框，展示与查询关键字对应的商品信息；

展示模块462，还用于如果商品个数大于1，则在预置推荐展示框中，按照预置时间间隔切换展示与查询关键字对应的商品信息。

本发明提供了一种基于浏览器的商品推荐装置，首先启动浏览器中的python爬虫程序，爬取目标网站中商品的商品信息，然后提取商品信息的商品关键字，再聚合商品关键字，生成关键字数据库，再根据用户在浏览器中输入的查询信息，获取查询关键字，如果在关键字数据库中存在查询关键字，则记录查询关键字的查询次数，如果查询次数大于预置数值，则在浏览器中推荐与查询关键字对应的商品信息。与现有技术相比，本发明通过python爬虫程序爬取目标网站中的商品，并将爬取到的商品作为待推荐商品，在浏览器中推荐目标网站中的商品，以实现在浏览器中对目标网站和目标网站中商品的推广。当用户输入的查询信息中的查询关键字，属于商品信息中的商品关键字时，在浏览器中推荐与查询关键字对应的商品信息，针对用户需求推荐目标网站中的商品，以提高用户浏览推荐商品的概率。

根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于浏览器的商品推荐方法。

图5示出了根据本发明一个实施例提供的一种计算机设备的结构示意图，本发明具体实施例并不对计算机设备的具体实现做限定。

如图5所示，该计算机设备可以包括：处理器(processor)502、通信接口(communicationsinterface)504、存储器(memory)506、以及通信总线508。

其中：处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。

通信接口504，用于与其它设备比如客户端或其它服务器等的网元通信。

处理器502，用于执行程序510，具体可以执行上述基于浏览器的商品推荐方法实施例中的相关步骤。

具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。

处理器502可能是中央处理器cpu，或者是特定集成电路asic(applicationspecificintegratedcircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算机设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。

存储器506，用于存放程序510。存储器506可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

程序510具体可以用于使得处理器502执行以下操作：

启动浏览器中的python爬虫程序，爬取目标网站中商品的商品信息；

提取所述商品信息的商品关键字；

聚合所述商品关键字，生成关键字数据库；

根据用户在所述浏览器中输入的查询信息，获取查询关键字；

如果在所述关键字数据库中存在所述查询关键字，则记录所述查询关键字的查询次数；

如果所述查询次数大于预置数值，则在所述浏览器中推荐与所述查询关键字对应的所述商品信息。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。