商户搜索方法及装置、电子设备及计算机可读存储介质与流程

本发明实施例涉及信息处理技术领域，特别涉及一种商户搜索方法及装置、电子设备及计算机可读存储介质。

背景技术：

随着网络技术的发展，网络购物日趋普及，各式网络购物平台也越来越多，用户可以从网购平台上挑选自己需要的商品。由于网购平台上的商户和商品数量庞大，因此用户在进行网络购物时，通常会先在网购平台上输入自己需要购买的商品名称或商户名称，网购平台会根据用户输入的商品名称或商户名称，将销售该类商品的商户或用户输入的商户提供给用户。

然而，本发明的发明人发现：在现有的网络购物平台中，用户输入一个搜索关键词时，网络购物平台会搜索出现有数据库中、商品命名或者店名与所述搜索关键词相同的商户作为搜索结果，并提供给用户。由于这种方法得到的搜索结果中，仅会出现商品命名或店名与搜索关键词完全一致的商户，当用户无法准确描述其搜索需求或混淆商户的店名时，输入的搜索关键词会与符合用户期望的准确关键词存在差异，进而导致命中结果遗漏，用户可选购的内容较少导致无法满足用户搜索需求。

技术实现要素：

本发明实施方式的目的在于提供一种商户搜索方法及装置、电子设备及计算机可读存储介质，使得商户搜索的结果中的商户数量增多、避免遗漏，满足用户的搜索需求。

为解决上述技术问题，本发明的实施方式提供了一种商户搜索方法，包括获取搜索词，并获取所述搜索词所对应的词向量作为搜索词向量；获取各个商户的商户词向量集；根据所述搜索词向量和所述商户词向量集，确定与所述搜索词相关的商户作为目标商户；显示所述目标商户。

本发明的实施方式还提供了一种商户搜索装置，包括：商户词向量集获取模块，用于获取多个商户的商户词向量集；搜索词向量获取模块，用于获取搜索词、并获取所述搜索词所对应的词向量作为搜索词向量；目标商户获取模块，用于根据所述搜索词向量和所述商户词向量集，确定与所述搜索词相关的商户作为目标商户；显示模块，用于显示所述目标商户。

本发明的实施方式还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现：获取搜索词，并获取所述搜索词所对应的词向量作为搜索词向量；获取多个商户的商户词向量集；根据所述搜索词向量和所述商户词向量集，确定与所述搜索词相关的商户作为目标商户；显示所述目标商户。

本发明的实施方式还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的商户搜索方法。

本发明实施方式相对于现有技术而言，本发明实施方式所提供的商户搜索方法会预先获取平台内各个商户的商户词向量集，在获取到搜索词后，获取搜索词所对应的词向量作为搜索词向量，根据搜索词向量和商户词向量集，确定与搜索词相关的商户作为目标商户，对目标商户进行显示。由于本发明实施方式中的目标商户为与搜索词相关(而不是完全相同)的商户，当用户无法准确描述其搜索需求或混淆商户的店名、输入的搜索关键词与符合用户期望的准确关键词存在差异时，本实施方式所获取的目标商户也会包含用户期望的搜索结果，达到命中结果尽量无遗漏，用户可选购的内容增多、充分满足用户的搜索需求。

另外，可选地，所述商户的商户词向量集，通过以下方式获取：获取商户的商户名称，以及所述商户的至少部分销售商品名称；将所述商户名称对应的商户名称词向量，和所述至少部分销售商品名称分别对应的销售商品词向量的集合作为所述商户的商户词向量集。将商户的商户名称词向量和商户的至少部分销售商品的商品名称词向量的集合作为商户对应的商户词向量集，可以使得商户词向量集包含商户多个维度的特征，从而更好的表征商户属性，使得用户能够从多个不同维度的特征搜索到商户。

另外,可选的,所述获取商户的商户名称，以及所述商户的至少部分销售商品名称，具体包括：获取所述商户的商户名称；获取所述商户的各销售商品名称及所述各销售商品名称分别对应的销售商品词向量；获取各个所述销售商品词向量与所述搜索词向量的词向量相似度；根据所述词向量相似度获取至少部分销售商品名称，其中，所述至少部分销售商品名称所对应的词向量相似度中的最小值、大于未被获取的销售商品名称所对应的词向量相似度中的最大值。仅选取部分与搜索词向量的词向量相似度较大的销售商品名称,可以使得销售商品名称更加具有参考意义,提升筛选的精度。

另外，可选地，所述根据所述搜索词向量和商户词向量集，确定与所述搜索词相关的商户作为目标商户，具体包括：分别检测各个商户的商户词向量集与所述搜索词向量的相似度；将所述相似度大于第一预设阈值的商户词向量集，作为目标商户词向量集；将所述目标商户词向量集所对应的商户作为目标商户。

另外，可选地，所述商户的商户词向量集与所述搜索词向量的相似度，通过以下方式检测：获取所述商户词向量集中的商户名称词向量和各销售商品词向量；检测所述商户名称词向量与所述搜索词向量的相似度作为第一向量相似度、以及所述各销售商品词向量与所述搜索词向量的相似度作为第二向量相似度；根据所述第一向量相似度和所述第二向量相似度获取所述商户词向量集与所述搜索词向量的相似度。

另外，可选地，所述根据所述第一向量相似度和所述第二向量相似度获取所述商户词向量集与所述搜索词向量的相似度，具体包括：对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度。对第一向量相似度和第二向量相似度加权计算，得到商户词向量集与搜索词向量的相似度，使得该相似度能更准确的表征搜索词与商户的相关性。

另外，可选的，所述对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度，具体包括：获取所述第一向量相似度和所述第二向量相似度的相似度比值；根据所述相似度比值获取权值，其中，各个所述权值的比值与所述相似度比值相同；根据所述权值对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度。

另外，可选地，所述获取搜索词，并获取所述搜索词所对应的词向量作为搜索词向量，具体包括：获取用户输入的关键词，并获取所述关键词所对应的词向量作为关键词向量；根据所述关键词向量，获取至少一个扩展词，其中，所述扩展词所对应的扩展词向量与所述关键词向量的相似度大于第二预设阈值；将所述关键词和所述扩展词作为所述搜索词，并将所述关键词向量和所述扩展词向量的合集作为所述搜索词向量。

另外，可选地，所述根据所述搜索词向量和商户词向量集，确定与所述搜索词相关的商户作为目标商户，具体包括：根据所述搜索词向量，获取满足第一预设条件的商户词向量集作为目标商户词向量集；其中，所述第一预设条件为所述目标商户词向量集中包含所述扩展词向量和所述关键词向量中的至少一者；将所述目标商户词向量集所对应的商户作为目标商户。

另外，可选地，所述根据所述关键词向量，获取至少一个扩展词后，还包括：根据各个所述扩展词所获取的目标商户的历史点击率，筛选满足第二预设条件的扩展词作为目标扩展词；其中，所述第二预设条件为所述历史点击率大于预设点击阈值；所述将所述关键词和所述扩展词作为所述搜索词，具体包括：将所述目标扩展词和所述关键词作为所述搜索词。

另外，可选地，所述显示所述目标商户，具体包括：根据预设排序条件对所述目标商户进行排序后，将所述目标商户按照顺序进行显示；其中，所述预设排序条件至少包括所述目标商户是否购买平台广告、所述目标商户的销售量大小、所述目标商户的好评率大小以及所述目标商户与所述用户的距离大小中的一种。将目标商户根据目标商户是否购买平台广告、所述目标商户的销售量大小、所述目标商户的好评率大小以及所述目标商户与所述用户的距离大小中的至少一种进行排序后进行显示，使得满足条件的商户显示位置更靠上，提升商户、用户的使用体验。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本发明第一实施方式所提供的商户搜索方法的程序流程图；

图2是本发明第一实施方式所提供的商户搜索方法中获取部分销售商品对应的词向量的程序流程图

图3是本发明第一实施方式所提供的商户搜索方法中获取商户名称所对应的词向量的程序流程图；

图4是本发明第二实施方式所提供的商户搜索方法的程序流程图；

图5是本发明第三实施方式所提供的商户搜索方法的程序流程图；

图6是本发明第四实施方式所提供的商户搜索方法的程序流程图；

图7是本发明第五实施方式所提供的商户搜索装置的结构示意图；

图8是本发明第六实施方式所提供的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本发明而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本发明所要求保护的技术方案。

本发明的第一实施方式涉及一种商户搜索方法。本实施方式在于获取搜索词，并获取所述搜索词所对应的词向量作为搜索词向量；获取各个商户的商户词向量集；根据所述搜索词向量和所述商户词向量集，确定与所述搜索词相关的商户作为目标商户；显示所述目标商户。通过搜索词向量和商户词向量集，获取与搜索词相关的商户作为目标商户，由于目标商户为与搜索词相关的商户，其不仅包含了现有技术的搜索结果中必须包含搜索词的商户，还包括一些并不包含搜索词、但与搜索词相关的商户，从而当用户无法准确描述其搜索需求或混淆商户的店名、输入的搜索关键词与符合用户期望的准确关键词存在差异时，本实施方式所获取的目标商户也会包含用户期望的搜索结果，达到命中结果尽量无遗漏，用户可选购的内容增多、充分满足用户的搜索需求。下面对本实施方式的商户搜索方法的实现细节进行具体的说明，以下内容仅为方便理解提供的实现细节，并非实施本方案的必须。

具体流程如图1所示，包括：

步骤s101：获取用户输入的关键词，将用户输入的关键词作为搜索词。

具体的，在本实施方式中，用户在进行商户搜索时，会在平台上输入关键词。在本步骤中，直接将获取到的用户输入的关键词作为搜索词进行搜索。

步骤s102：获取搜索词所对应的词向量作为搜索词向量。

具体的，在本步骤中，获取到搜索词后，会获取搜索词对应的词向量作为搜索词向量。可以理解的是，获取搜索词向量的方法与步骤s101中获取商户名称词向量的方法相同，在此不再进行赘述。

步骤s103：获取各个商户所对应的商户词向量集。

具体的，在本步骤中，商户词向量集为商户对应的多个词向量的集合。在本实施方式中，商户词向量集包括商户名称对应的商户名称词向量以及商户的至少部分销售商品名称对应的商品名称词向量。

进一步的，在本实施方式中，商户词向量集包括商户名称对应的商户名称词向量以及商户的至少部分销售商品名称对应的商品名称词向量包括两种情形，分别为，商户词向量集包括商户名称对应的商户名称词向量以及商户的全部销售商品名称对应的商品名称词向量；以及商户词向量集包括商户名称对应的商户名称词向量以及商户的部分销售商品名称对应的商品名称词向量。其中，部分销售商品为从全部销售商品中通过预设的方法选取的部分销售商品。在本实施方式中，选取部分销售商品的步骤如图2所示，包括以下步骤：

步骤s201：获取商户的各销售商品名称及各销售商品名称分别对应的销售商品词向量。

步骤s202：获取各个销售商品词向量与搜索词向量的词向量相似度。

步骤s203：根据所述词向量相似度获取部分销售商品名称。

具体的，在本步骤中，部分销售商品名称所对应的词向量相似度中的最小值、大于未被获取的销售商品名称所对应的词向量相似度中的最大值。例如，可以将各个销售商品词向量与搜索词向量的词向量相似度按照从大到小的顺序进行排序，取排名靠前的部分销售商品。

可以理解的是，前述仅为本实施方式中选取部分销售商品的方法的一种举例说明，并不构成限定，在本发明的其他实施方式中，选取部分销售商品也可以是其他方法，例如选取与搜索词同类型的商品、选取未参与促销活动的商品等，在此不进行一一列举，具体可以根据实际情况进行选取。

可以理解的是，商户词向量集包含商户名称词向量和至少部分商品名称词向量仅为本实施方式中的一种具体的应用举例，在本发明的其他实施方式中，商户词向量集还可以包括如商户经营人员的名字的人名词向量、商户所处地址的地址词向量等，在此不进行一一列举。此外，商户词向量集还可以是前述商户名称词向量、商品名称词向量、人名词向量等词向量中的任意一者，具体可以根据实际需要进行灵活的选用和设定。

所谓词向量，即将来自词汇表的单词或短语映射到实数所得到的一个向量；每个单词或短语对应的词向量唯一且每个词向量所对应的单词或短语也唯一。下面将对商户名称所对应的词向量的获取方法进行举例说明，可以理解的是，获取商品名称所对应的商品名称词向量的方法相同。

如图3所示，获取商户名称所对应的词向量的方法包括：

步骤s301：获取训练语料，保存在语料库中；

具体的，在本步骤中，获取训练语料可以直接抓取互联网网页，网页中包含店铺的所有信息，将抓取到的每个网页内容作为每个训练语料，保存在语料库中。其中，语料，是指在语言的实际使用中真实出现过的语言材料；语料通常储存在语料库中，语料库是以电子计算机为载体承载语料的数据库；真实语料一般需要经过分析和处理，才能够成为有用的资源。

步骤s302：对语料库中的每个训练语料分别作分词处理得到每个训练语料对应的有序词集合。

利用分词工具和预先建立的分词词库，针对每个训练语料作分词处理得到与每个训练语料对应的有序词集合；其中，所述有序词集合为一有顺序的词构成的集合；所述分词词库是根据预先收集的用户查询日志和输入法词库构建而成的。

步骤s303：根据预先收集的用户查询日志构建词表。

具体的，在本步骤中，构建词表的方法是从训练语料中选择一些词，利用选择的词构建生成词表。

步骤s304：将所述语料库中保存的各训练语料分发至分布式词向量学习模型中的各节点。

具体的，在本步骤中，将语料库中的每个训练语料对应的有序词集合作为一份独立的训练数据，将语料库中包括的各训练语料随机地分配给分布式词向量学习模型中的每个节点。例如，假设分布式词向量学习模型包括3个节点，当前语料库中包括3万左右个训练语料，经过分词处理后，得到每个训练语料对应的有序词集合；则随机地将语料库中的全部或部分训练语料分配给这3个节点处理，实际上就是将各训练语料对应的有序词集合随机地输入至各节点。这样，每个节点就可以将分配到的训练语料对应的有序词集合作为训练数据进行学习。

步骤s305：配置所述分布式词向量学习模型对所述词表中的各词进行周期性的词向量训练，得到所述词表中各词对应的词向量。

具体的，分布式词向量学习模型开始工作时，首先要执行初始化配置操作，对每个节点对应的词表中包括的词设置初始化词向量。在训练起始阶段，各节点对应的词表中包括的词对应的初始化词向量都是相同的。继而，各节点分别以该初始化词向量为基础对词表中包括的词开始进行训练，得到训练后的词向量；然后，对各节点对应词表中各词对应的训练后的词向量进行同步，并进行下一周期的训练，直至训练得到所述词表中的各词对应的词向量。

步骤s306：获取商户名称，从训练得到的词表中查询到商户名称对应的词向量作为商户名称词向量。

可以理解的是，上述仅为本实施方式中所提供的一种获取词向量的具体方法的举例，并不构成限定。在实际应用中，通过其他任何获取单词或短语所对应的词向量的方法均可以在本实施方式中使用。

可以理解的是，在本实施方式中，由于选取部分销售商品的方法中需要使用搜索词向量，因此将步骤s103置于步骤s101和102之后。可以理解的是，如果使用其他无需使用搜索词向量的方法选取部分销售商品，s103也可以置于s101和s102之后，或者是置于在s101和s102之间，再或者是三者同时执行，只要不影响后续步骤的执行即可。

步骤s104：分别检测各个商户的商户词向量集与搜索词向量的相似度。

具体的，在本步骤中，分别求取搜索词向量和商户词向量集中的商户名称词向量的第一向量相似度、以及搜索词向量和商户词向量集中的商品名称词向量的第二向量相似度。

在本实施方式中，商户词向量集与搜索词向量的相似度可以通过第一向量相似度和第二向量相似度加权计算得到，即对第一向量相似度和第二向量相似度进行加权计算如加权平均，得到商户词向量集与搜索词向量的相似度。

需要说明的是，如果商品名称词向量有多个，则第二向量相似度的数量也为多个，与商品名称词向量的个数相同。

例如，设搜索词向量为a(x1,y1)，商户词向量集中的商户名称词向量为b(x2,y2)，商品名称词向量为c(x3,y3)、d(x4,y4)、e(x5,y5)；则第一向量相似度为p1＝a·b，第二向量相似度包括p2＝a·c,p3＝a·d,p4＝a·e；设p1、p2、p3、p4的权值分别为0.5、0.2、0.1、0.2；则商户词向量集与搜索词向量的相似度为：p＝0.5p1+0.2p2+0.1p3+0.2p4。需要说明的是，前述仅为本实施方式中对加权计算的一种具体的举例，并不构成限定。在本发明的其他实施方式中，权值也可以不是预先设置的，而是通过其他方法求取的，例如，通过第一向量相似度和第二向量相似度的比值确定权值，即先求取第一向量相似度和第二向量相似度的比值p1：p2：p3：p4，使得权值的比值与第一向量相似度和第二向量相似度的比值相等，即权值分别为p1/(p1+p2+p3+p4)、p2/(p1+p2+p3+p4)、p3/(p1+p2+p3+p4)、p4/(p1+p2+p3+p4)。可以理解的哈斯，求取权值的方法还有很多，在此不进行一一列举。

可以理解的是，商户词向量集与搜索词向量的相似度通过第一向量相似度和第二向量相似度加权计算得到仅为本实施方式中的一种具体的应用情况的举例。在本发明的其他实施方式中，商户词向量集与搜索词向量的相似度也可以通过其他的方法得到，如将第一向量相似度和第二向量相似度中的最大值作为商户词向量集与搜索词向量的相似度、将第一向量相似度和第二向量相似度中的最小值作为商户词向量集与搜索词向量的相似度等，在此不进行一一列举，具体可以根据实际情况进行选用。

步骤s105：获取相似度大于第一预设阈值的商户词向量集，作为目标商户词向量集。

具体的，第一预设阈值为预先设置的相似度的门限值，即相似度大于第一预设阈值的商户词向量集即为目标商户词向量集。

在本步骤中，获取到各个商户词向量集与搜索词向量的相似度后，会将这些相似度与第一预设阈值一一进行比较，获取相似度大于第一预设阈值的商户词向量集作为目标商户词向量集。

步骤s106：显示目标商户词向量集所对应的目标商户。

具体的，在本步骤中，根据目标商户词向量集获取到其对应的商户作为目标商户，对目标商户进行显示，从而将目标商户作为商户搜索结果提供给用户。

与现有技术相比，本发明第一实施方式所提供的商户搜索方法通过搜索词向量和商户词向量集的相似度，表征搜索词与商户的相关性，并对与搜索词相关的商户作为搜索结果的目标商户进行显示。相较于现有技术中的搜索结果中仅显示商户名称或商品名称中包含有搜索词的商户，本实施方式的搜索结果中的商户数量更多，用户的选择性更多。

本发明的第二实施方式涉及一种商户搜索方法。第二实施方式为第一实施方式的并列方案。第二实施方式提供的商户搜索方法的具体步骤如图4所示，包括：

步骤s401：获取用户键入的关键词和关键词对应的关键词向量，根据关键词向量获取至少一个扩展词。

具体的，在本步骤中，首先获取用户键入的关键词，并根据关键词获取与关键词对应的关键词向量。可以理解的是，在本实施方式中获取词向量的方法与第一实施方式中获取商户名称词向量的方法相同，在此不再赘述。根据关键词向量，获取至少一个扩展词，其中扩展词所对应的扩展词向量与关键词向量的相似度大于第二预设阈值。即根据关键词向量获取与关键词向量的相似度大于第二预设阈值的所有词向量，获取这些词向量所对应的词语作为扩展词。

例如，如果用户键入的关键词为泡面，则扩展词可以为方便面、杯面、快熟面、速食面、即食面、公仔面等于泡面相似度较大的词。

步骤s402：将关键词和扩展词作为搜索词。

具体的，在本步骤中，将关键词和扩展词作为搜索词，将关键词向量和扩展词向量的合集作为搜索词向量。

步骤s403：获取各个商户所对应的商户词向量集。

具体的，由于本步骤与第一实施方式中步骤s103大致相同，旨在获取各个商户对应的商户词向量集，此处不再赘述。

步骤s404：根据搜索词向量，获取满足第一预设条件的商户词向量集作为目标商户词向量集。

具体的，在本步骤中，搜索词向量包括关键词向量和扩展词向量。第一预设条件为目标商户词向量集中包含扩展词向量和关键词向量中的至少一者。即目标商户词向量集中所包含的商户名称词向量和商品名称词向量与扩展词向量和关键词向量中至少存在一个相同的词向量。

步骤s405：显示目标商户词向量集所对应的目标商户。

具体的，由于本步骤与第一实施方式中步骤s106大致相同，旨在获取目标商户词向量集所对应的目标商户，并对目标商户进行显示，此处不再赘述。

与现有技术相比，本发明第二实施方式所提供的商户搜索方法通过用户键入关键词的关键词向量，获取至少一个扩展词，将关键词和扩展词作为搜索词进行搜索，将检索结果的目标商户显示给用户。在增多搜索结果中商户数量的同时，如果配送范围内没有商户的商户名称或商品名称中包含有用户键入的关键词，相较于现有技术中的没有搜索结果，本实施方式也可以提供相关的商户给用户，提升用户体验。

本发明第三实施方式涉及一种商户搜索方法，第三实施方式为第二实施方式的进一步改进，其区别在于：在第二实施方式中将扩展词和关键词的合集作为搜索词；而在第三实施方式中对扩展词筛选后与关键词的合集作为搜索词。第三实施方式所提供的商户搜索方法如图5所示，包括：

步骤s501：获取用户键入的关键词和关键词对应的关键词向量，根据关键词向量获取至少一个扩展词。

具体的，由于本步骤与第二实施方式中步骤s401大致相同，旨在根据关键词向量获取至少一个扩展词，此处不再赘述。

步骤s502：根据历史数据，对扩展词进行筛选，获取满足第二预设条件的目标扩展词。

具体的，在本步骤中，历史数据为各个扩展词所获取的目标商户的历史点击率。即获取历史数据中根据各个扩展词搜索到的目标商户的历史点击率。第二预设条件为历史点击率大于预设点击阈值。即获取历史点击率大于预设点击阈值的扩展词作为目标扩展词。具体的，在本实施方式中，每个扩展词对应有点击次数，当用户点击某一商户a时，获取商户a对应的所有扩展词，将商户a对应的所有扩展词的点击次数加1，每个扩展词对应的历史点击率即为其对应的点击次数与总点击次数的比值。可以理解的是，前述仅为本实施方式中对获取历史点击率的方法的一种举例说明，并不构成限定。

步骤s503：将关键词和目标扩展词作为搜索词。

具体的，在本步骤中，将关键词和目标扩展词作为搜索词，将关键词向量和目标扩展词向量作为搜索词向量。

步骤s504：获取各个商户所对应的商户词向量集。

具体的，由于本步骤与第二实施方式中步骤s403大致相同，旨在获取各个商户对应的商户词向量集，此处不再赘述。

步骤s505：根据搜索词向量，获取满足第一预设条件的商户词向量集作为目标商户词向量集。

由于本步骤与第二实施方式中步骤s404大致相同，旨在根据关键词向量获取满足第一预设条件的目标商户词向量集，此处不再赘述。

步骤s506：显示目标商户词向量集所对应的目标商户。

具体的，由于本步骤与第二实施方式中步骤s405大致相同，旨在获取目标商户词向量集所对应的目标商户，并对目标商户进行显示，此处不再赘述。

与现有技术相比，本发明第三实施方式所提供的商户搜索方法在保留第二实施方式的技术效果的同时，通过历史点击率对扩展词进行筛选，获得目标扩展词，将目标扩展词和关键词作为搜索词进行后续的搜索。通过历史点击率对扩展词进行筛选，去除历史点击率过低的扩展词，提升扩展词的有效性。

本发明第四实施方式涉及一种商户筛选方法，如图6所示，包括：

步骤s601：获取用户输入的关键词，将用户输入的关键词作为搜索词。

步骤s602：获取搜索词所对应的词向量作为搜索词向量。

步骤s603：获取各个商户所对应的商户词向量集。

步骤s604：分别检测各个商户的商户词向量集与搜索词向量的相似度。

步骤s605：获取相似度大于第一预设阈值的商户词向量集，作为目标商户词向量集。

由于本实施方式中的步骤s601至步骤s605与第一实施方式中步骤s101至步骤s105大致相同，旨在获取待显示的目标商户，此处不再赘述。

步骤s606：根据预设排序条件对目标商户词向量集所对应的目标商户进行排序后进行显示。

在本步骤中，预设排序条件至少包括目标商户是否购买平台广告、目标商户的销售量大小、目标商户的好评率大小以及目标商户与所述用户的距离大小中的一种。具体的，购买过平台广告的目标商户在排序中较为靠前、销售量大的目标商户在排序中较为靠前、好评率大的目标商户在排序中较为靠前、与用户的距离小的目标商户在排序中较为靠前。可以理解的是，以上仅为排序条件的一些具体举例，在实际应用中排序条件可以包括但不限于以上条件，在此不进行穷举。

与现有技术相比，本发明的第四实施方式所提供的商户搜索方法在保留第一实施方式的技术效果的同时，对目标商户根据预设排序条件进行排序后显示，将较为优良的商户排名靠前，提升用户的使用体验。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明第五实施方式涉及一种商户筛选装置，如图7所示，包括：商户词向量集获取模块701，用于获取多个商户的商户词向量集；搜索词向量获取模块702，用于获取搜索词、并获取所述搜索词所对应的词向量作为搜索词向量；目标商户获取模块703，用于根据所述搜索词向量和所述商户词向量集，确定与所述搜索词相关的商户作为目标商户；显示模块704，用于显示所述目标商户。

不难发现，本实施方式为与第一实施方式相对应的系统实施例，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。从而具备第一实施方式所具备的技术效果。

值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。

本发明第六实施方式涉及一种电子设备，本实施方式的电子设备可以说终端侧设备，如手机，平板电脑等终端设备，也可以是网络侧的服务器。

如图8所示，该电子设备：至少包括一个处理器801；以及，与至少一个处理器801通信连接的存储器802；以及，与扫描装置通信连接的通信组件803，通信组件803在处理器801的控制下接收和发送数据；其中，存储器802存储有可被至少一个处理器801执行的指令，指令被至少一个处理器801执行以实现：

获取各个商户的商户词向量集；获取搜索词，并获取所述搜索词所对应的词向量作为搜索词向量；根据所述搜索词向量和所述商户词向量集，确定与所述搜索词相关的商户作为目标商户；显示所述目标商户。

该电子设备包括：一个或多个处理器801以及存储器802，图8中以一个处理器801为例。处理器801、存储器802可以通过总线或者其他方式连接，图8中以通过总线连接为例。存储器802作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器801通过运行存储在存储器802中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述商户搜索方法。

存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器802可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施方式中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

一个或者多个模块存储在存储器802中，当被一个或者多个处理器801执行时，执行上述任意方法实施方式中的订单分配方法。从而具备上述任意方法实施方式的技术效果。

上述产品可执行本申请实施方式所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施方式中详尽描述的技术细节，可参见本申请实施方式所提供的方法。

本发明第七实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。从而具备上述任意方法实施方式的技术效果。

即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请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-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

本申请实施例公开了a1.一种商户搜索方法，包括：

获取搜索词，并获取所述搜索词所对应的词向量作为搜索词向量；

获取多个商户的商户词向量集；

根据所述搜索词向量和所述商户词向量集，确定与所述搜索词相关的商户作为目标商户；

显示所述目标商户。

a2.根据a1所述的商户搜索方法，所述商户的商户词向量集，通过以下方式获取：

获取商户的商户名称，以及所述商户的至少部分销售商品名称；

将所述商户名称对应的商户名称词向量，和所述至少部分销售商品名称分别对应的销售商品词向量的集合作为所述商户的商户词向量集。

a3.根据a2所述的商户搜索方法，所述获取商户的商户名称，以及所述商户的至少部分销售商品名称，具体包括：

获取所述商户的商户名称；

获取所述商户的各销售商品名称及所述各销售商品名称分别对应的销售商品词向量；

获取各个所述销售商品词向量与所述搜索词向量的词向量相似度；

根据所述词向量相似度获取至少部分销售商品名称，其中，所述至少部分销售商品名称所对应的词向量相似度中的最小值、大于未被获取的销售商品名称所对应的词向量相似度中的最大值。

a4.根据a1所述的商户搜索方法，所述根据所述搜索词向量和商户词向量集，确定与所述搜索词相关的商户作为目标商户，具体包括：

分别检测各个商户的商户词向量集与所述搜索词向量的相似度；

将所述相似度大于第一预设阈值的商户词向量集，作为目标商户词向量集；

将所述目标商户词向量集所对应的商户作为目标商户。

a5.根据a4所述的商户搜索方法，所述商户的商户词向量集与所述搜索词向量的相似度，通过以下方式检测：

获取所述商户词向量集中的商户名称词向量和各销售商品词向量；

检测所述商户名称词向量与所述搜索词向量的相似度作为第一向量相似度、以及所述各销售商品词向量与所述搜索词向量的相似度作为第二向量相似度；

根据所述第一向量相似度和所述第二向量相似度获取所述商户词向量集与所述搜索词向量的相似度。

a6.根据a5所述的商户搜索方法，所述根据所述第一向量相似度和所述第二向量相似度获取所述商户词向量集与所述搜索词向量的相似度，具体包括：

对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度。

a7.根据a6所述的商户搜索方法，所述对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度，具体包括：

获取所述第一向量相似度和所述第二向量相似度的相似度比值；

根据所述相似度比值获取权值，其中，各个所述权值的比值与所述相似度比值相同；

根据所述权值对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度。

a8.根据a1所述的商户搜索方法，所述获取搜索词，并获取所述搜索词所对应的词向量作为搜索词向量，具体包括：

获取用户输入的关键词，并获取所述关键词所对应的词向量作为关键词向量；

根据所述关键词向量，获取至少一个扩展词，其中，所述扩展词所对应的扩展词向量与所述关键词向量的相似度大于第二预设阈值；

将所述关键词和所述扩展词作为所述搜索词，并将所述关键词向量和所述扩展词向量的合集作为所述搜索词向量。

a9.根据a8所述的商户搜索方法，所述根据所述搜索词向量和商户词向量集，确定与所述搜索词相关的商户作为目标商户，具体包括：

根据所述搜索词向量，获取满足第一预设条件的商户词向量集作为目标商户词向量集；

其中，所述第一预设条件为所述目标商户词向量集中包含所述扩展词向量和所述关键词向量中的至少一者；

将所述目标商户词向量集所对应的商户作为目标商户。

a10.根据a9所述的商户搜索方法，所述根据所述关键词向量，获取至少一个扩展词后，还包括：

根据各个所述扩展词所获取的目标商户的历史点击率，筛选满足第二预设条件的扩展词作为目标扩展词；

其中，所述第二预设条件为所述历史点击率大于预设点击阈值；

所述将所述关键词和所述扩展词作为所述搜索词，具体包括：将所述目标扩展词和所述关键词作为所述搜索词。

a11.根据a1至a10中任一项所述的商户搜索方法，所述显示所述目标商户，具体包括：

根据预设排序条件对所述目标商户进行排序后，将所述目标商户按照顺序进行显示；

其中，所述预设排序条件至少包括所述目标商户是否购买平台广告、所述目标商户的销售量大小、所述目标商户的好评率大小以及所述目标商户与所述用户的距离大小中的一种。

b1.一种商户搜索装置，包括：

商户词向量集获取模块，用于获取多个商户的商户词向量集；

搜索词向量获取模块，用于获取搜索词、并获取所述搜索词所对应的词向量作为搜索词向量；

目标商户获取模块，用于根据所述搜索词向量和所述商户词向量集，确定与所述搜索词相关的商户作为目标商户；

显示模块，用于显示所述目标商户。

b2.根据b1所述的商户搜索装置，所述商户词向量集获取模块，具体包括：

名称获取模块，用于获取商户的商户名称，以及所述商户的至少部分销售商品名称；

计算模块，用于将所述商户名称对应的商户名称词向量，和所述至少部分销售商品名称分别对应的销售商品词向量的集合作为所述商户的商户词向量集。

b3.根据b2所述的商户搜索装置，所述名称获取模块，具体包括：

商户名称获取模块，用于获取所述商户的商户名称；

销售商品名称获取模块，用于获取所述商户的各销售商品名称及所述各销售商品名称分别对应的销售商品词向量，获取各个所述销售商品词向量与所述搜索词向量的词向量相似度，根据所述词向量相似度获取至少部分销售商品名称，其中，所述至少部分销售商品名称所对应的词向量相似度中的最小值、大于未被获取的销售商品名称所对应的词向量相似度中的最大值。

b4.根据b1所述的商户搜索装置，所述目标商户获取模块，具体包括：

相似度检测模块，用于分别检测各个商户的商户词向量集与所述搜索词向量的相似度；

目标商户确定模块，将所述相似度大于第一预设阈值的商户词向量集，作为目标商户词向量集，将所述目标商户词向量集所对应的商户作为目标商户。

b5.根据b4所述的商户搜索装置，所述相似度检测模块，具体包括：

商户词向量集分析模块，用于获取所述商户词向量集中的商户名称词向量和各销售商品词向量；

相似度计算模块，用于检测所述商户名称词向量与所述搜索词向量的相似度作为第一向量相似度、以及所述各销售商品词向量与所述搜索词向量的相似度作为第二向量相似度，根据所述第一向量相似度和所述第二向量相似度获取所述商户词向量集与所述搜索词向量的相似度。

b6.根据b5所述的商户搜索装置，所述相似度计算模块，具体包括：

加权计算模块，用于对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度。

b7.根据b6所述的商户搜索装置，所述加权计算模块，具体用于：

获取所述第一向量相似度和所述第二向量相似度的相似度比值；

根据所述相似度比值获取权值，其中，各个所述权值的比值与所述相似度比值相同；

根据所述权值对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度。

b8.根据b1所述的商户搜索装置，所述搜索词向量获取模块，具体包括：

关键词向量获取模块，用于获取用户输入的关键词，并获取所述关键词所对应的词向量作为关键词向量；

扩展词获取模块，用于根据所述关键词向量，获取至少一个扩展词，其中，所述扩展词所对应的扩展词向量与所述关键词向量的相似度大于第二预设阈值，将所述关键词和所述扩展词作为所述搜索词，并将所述关键词向量和所述扩展词向量的合集作为所述搜索词向量。

b9.根据b8所述的商户搜索装置，所述目标商户获取，具体用于：

根据所述搜索词向量，获取满足第一预设条件的商户词向量集作为目标商户词向量集；

其中，所述第一预设条件为所述目标商户词向量集中包含所述扩展词向量和所述关键词向量中的至少一者；

将所述目标商户词向量集所对应的商户作为目标商户。

b10.根据b9所述的商户搜索装置，所述扩展词获取模块，还用于：

根据各个所述扩展词所获取的目标商户的历史点击率，筛选满足第二预设条件的扩展词作为目标扩展词；

其中，所述第二预设条件为所述历史点击率大于预设点击阈值；

所述将所述关键词和所述扩展词作为所述搜索词，具体包括：将所述目标扩展词和所述关键词作为所述搜索词。

b11.根据b1至b10中任一项所述的商户搜索装置，所述显示模块，具体用于：

根据预设排序条件对所述目标商户进行排序后，将所述目标商户按照顺序进行显示；

其中，所述预设排序条件至少包括所述目标商户是否购买平台广告、所述目标商户的销售量大小、所述目标商户的好评率大小以及所述目标商户与所述用户的距离大小中的一种。

c1.一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现：

获取搜索词，并获取所述搜索词所对应的词向量作为搜索词向量；

获取多个商户的商户词向量集；

根据所述搜索词向量和所述商户词向量集，确定与所述搜索词相关的商户作为目标商户；

显示所述目标商户。

c2.根据c1所述的电子设备，所述处理器获取商户的商户词向量集，通过为：

获取商户的商户名称，以及所述商户的至少部分销售商品名称；

将所述商户名称对应的商户名称词向量，和所述至少部分销售商品名称分别对应的销售商品词向量的集合作为所述商户的商户词向量集。

c3.根据c2所述的电子设备，所述处理器执行获取商户的商户名称，以及所述商户的至少部分销售商品名称，具体为：

获取所述商户的商户名称；

获取所述商户的各销售商品名称及所述各销售商品名称分别对应的销售商品词向量；

获取各个所述销售商品词向量与所述搜索词向量的词向量相似度；

根据所述词向量相似度获取至少部分销售商品名称，其中，所述至少部分销售商品名称所对应的词向量相似度中的最小值、大于未被获取的销售商品名称所对应的词向量相似度中的最大值。

c4.根据c1所述的电子设备，所述处理器执行根据所述搜索词向量和商户词向量集，确定与所述搜索词相关的商户作为目标商户，具体为：

分别检测各个商户的商户词向量集与所述搜索词向量的相似度；

将所述相似度大于第一预设阈值的商户词向量集，作为目标商户词向量集；

将所述目标商户词向量集所对应的商户作为目标商户。

c5.根据c4所述的电子设备，所述处理器检测商户的商户词向量集与所述搜索词向量的相似度，具体为：

获取所述商户词向量集中的商户名称词向量和各销售商品词向量；

检测所述商户名称词向量与所述搜索词向量的相似度作为第一向量相似度、以及所述各销售商品词向量与所述搜索词向量的相似度作为第二向量相似度；

根据所述第一向量相似度和所述第二向量相似度获取所述商户词向量集与所述搜索词向量的相似度。

c6.根据c5所述的电子设备，所述处理器执行根据所述第一向量相似度和所述第二向量相似度获取所述商户词向量集与所述搜索词向量的相似度，具体为：

对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度。

c7.根据c6所述的电子设备，所述处理器执行对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度，具体为：

获取所述第一向量相似度和所述第二向量相似度的相似度比值；

根据所述相似度比值获取权值，其中，各个所述权值的比值与所述相似度比值相同；

根据所述权值对所述第一向量相似度和所述第二向量相似度加权计算得到所述商户词向量集与所述搜索词向量的相似度。

c8.根据c1所述的电子设备，所述处理器执行获取搜索词，并获取所述搜索词所对应的词向量作为搜索词向量，具体为：

获取用户输入的关键词，并获取所述关键词所对应的词向量作为关键词向量；

根据所述关键词向量，获取至少一个扩展词，其中，所述扩展词所对应的扩展词向量与所述关键词向量的相似度大于第二预设阈值；

将所述关键词和所述扩展词作为所述搜索词，并将所述关键词向量和所述扩展词向量的合集作为所述搜索词向量。

c9.根据c8所述的电子设备，所述处理器执行根据所述搜索词向量和商户词向量集，确定与所述搜索词相关的商户作为目标商户，具体为：

根据所述搜索词向量，获取满足第一预设条件的商户词向量集作为目标商户词向量集；

其中，所述第一预设条件为所述目标商户词向量集中包含所述扩展词向量和所述关键词向量中的至少一者；

将所述目标商户词向量集所对应的商户作为目标商户。

c10.根据c9所述的电子设备，所述处理器执行根据所述关键词向量，获取至少一个扩展词后，还执行：

根据各个所述扩展词所获取的目标商户的历史点击率，筛选满足第二预设条件的扩展词作为目标扩展词；

其中，所述第二预设条件为所述历史点击率大于预设点击阈值；

所述将所述关键词和所述扩展词作为所述搜索词，具体包括：将所述目标扩展词和所述关键词作为所述搜索词。

c11.根据c1至c10中任一项所述的电子设备，所述处理器执行显示所述目标商户，具体为：

根据预设排序条件对所述目标商户进行排序后，将所述目标商户按照顺序进行显示；

其中，所述预设排序条件至少包括所述目标商户是否购买平台广告、所述目标商户的销售量大小、所述目标商户的好评率大小以及所述目标商户与所述用户的距离大小中的一种。

d1.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现a1至a11所述的商户搜索方法。