一種產品信息處理的方法及服務器的制造方法

一種產品信息處理的方法及服務器的制造方法
【專利摘要】本申請公開了一種產品信息處理的方法及服務器。所述方法包括：獲取產品信息；根據預設規則提取所述屬性信息中的關鍵屬性信息；提取所述產品信息中的產品標識，并建立所述產品標識與所述關鍵屬性信息的關聯關系；獲取用戶搜索指令并提取所述搜索指令中的產品標識；根據所述建立的產品標識與關鍵屬性信息的關聯關系，向客戶端發送所述查詢的關鍵屬性信息。本申請實施例提供的一種產品信息處理的方法及服務器，通過對產品屬性信息進行分析，針對不同的產品，提取出該產品的關鍵屬性信息，并根據用戶的搜索指令，將與用戶的搜索指令相關的產品的關鍵屬性信息發送給客戶端供用戶瀏覽，能夠給用戶提供用戶真正關注的產品信息。
【專利說明】
一種產品信息處理的方法及服務器
技術領域
[0001] 本申請涉及互聯網技術領域，特別涉及一種產品信息處理的方法及服務器。
【背景技術】
[0002] 隨著互聯網技術的應用和發展，人們越來越習慣于在互聯網上進行產品信息的篩 選。在進行產品信息篩選時，用戶往往會在提供搜索服務的網站的搜索引擎中輸入自己感 興趣的產品關鍵詞，那么網站便可以展示與該產品相關的信息供用戶瀏覽。網站在向用戶 展示信息時，往往會在產品詞條的下方列舉出該產品的屬性信息，所述屬性信息例如可以 是產品的產地，制作材料，顏色，最低成交價等。
[0003] 現有技術中的網站往往按照下述的方式向用戶展示產品信息：
[0004] 網站首先可以預先設置固定的產品屬性信息，該固定的產品屬性信息例如可以是 產地，顏色，最低成交價。無論用戶輸入的是什么產品關鍵詞，網站均可以向用戶提供搜 索到的產品的這些固定屬性信息。例如，網站預先設置的固定屬性信息為原產地，顏色， 最低成交價，那么當用戶在網站的搜索引擎中輸入"iPhone6"時，網站會向該用戶展示與 "iPhone6"有關的產品信息，并且在這些產品詞條的下方列舉出該產品的原產地，顏色以及 最低成交價。當用戶在該網站的搜索引擎中輸入另一個產品關鍵詞時，該網站同樣會展示 與該產品有關的信息，并且在這些產品詞條的下方列舉出原產地，顏色以及最低成交價這 些預設的產品屬性信息。
[0005] 在實施本申請的過程中，發明人發現現有技術至少存在如下問題：
[0006] 對于不同的產品，用戶關注的屬性信息往往是不同的。例如，對于"葡萄酒"而言， 用戶比較關注該產品的原產地。但對于"U盤"而言，用戶卻不是很關注該產品的原產地，而 往往比較關注該產品的容量。如果對所有產品均設置固定的屬性信息，那么網站往往會展 示用戶不關注的部分屬性信息，而用戶真正關注的屬性信息卻沒能直接展示。

【發明內容】

[0007] 本申請實施例的目的在于提供一種產品信息處理的方法及服務器，能夠提供用戶 關注的屬性信息。
[0008] 本申請實施例提供的一種產品信息處理的方法及服務器是這樣實現的：
[0009] -種產品信息處理的方法，包括：
[0010] 獲取廣品?目息，所述廣品?目息包括廣品標識和屬性?目息；
[0011] 根據預設規則提取所述屬性信息中的關鍵屬性信息；
[0012] 提取所述產品信息中的產品標識，并建立所述產品標識與所述關鍵屬性信息的關 聯關系；
[0013] 獲取用戶搜索指令并提取所述搜索指令中的產品標識；
[0014] 根據所述建立的產品標識與所述關鍵屬性信息的關聯關系，查詢與所述提取的產 品標識相關聯的關鍵屬性?目息；
[0015] 向客戶端發送所述查詢的關鍵屬性信息。
[0016] -種產品信息處理的服務器，包括：產品信息獲取單元，關鍵屬性信息提取單元， 關聯關系建立單元，產品標識獲取單元，關鍵屬性信息查詢單元，發送單元，其中：
[0017] 所述產品信息獲取單元，用來獲取產品信息，所述產品信息包括產品標識和屬性 信息；
[0018] 所述關鍵屬性信息提取單元，用來根據預設規則提取所述屬性信息中的關鍵屬性 信息；
[0019] 所述關聯關系建立單元，用來提取所述產品信息中的產品標識，并建立所述產品 標識與所述關鍵屬性信息的關聯關系；
[0020] 所述產品標識獲取單元，用來獲取用戶搜索指令并提取所述搜索指令中的產品標 識；
[0021] 所述關鍵屬性信息查詢單元，用來根據所述建立的產品標識與關鍵屬性信息的關 聯關系，查詢與所述提取的產品標識相關聯的關鍵屬性信息；
[0022] 所述發送單元，用來向客戶端發送所述查詢的關鍵屬性信息。
[0023] 本申請實施例提供的一種產品信息處理的方法及服務器，通過對產品屬性信息進 行分析，針對不同的產品，提取出該產品的關鍵屬性信息，并根據用戶的搜索指令，將與用 戶的搜索指令相關的產品的關鍵屬性信息發送給客戶端供用戶瀏覽，能夠提供用戶真正關 注的屬性信息。
【附圖說明】
[0024] 圖1為本申請一實施例提供的一種產品信息處理的方法流程圖；
[0025] 圖2為本申請一個例子中以線性分類為例解釋通過支持向量機算法進行二維分 類的基本原理示意圖；
[0026] 圖3為本申請一個例子中以線性分類為例解釋通過支持向量機算法進行三維分 類的基本原理示意圖；
[0027] 圖4為本申請一實施例提供的一種產品信息處理的服務器功能模塊圖；
[0028] 圖5為本申請另一實施例提供的一種產品信息處理的服務器功能模塊圖。
【具體實施方式】
[0029] 本申請實施例提供一種產品信息處理的方法及服務器。為了使本技術領域的人員 更好地理解本申請中的技術方案，下面將結合本申請實施例中的附圖，對本申請實施例中 的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而 不是全部的實施例。基于本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動 前提下所獲得的所有其它實施例，都應當屬于本申請保護的范圍。
[0030] 本申請提供的一種產品信息處理的方法及服務器涉及服務器和客戶端。其中，客 戶端可以接收用戶的搜索指令，并將該搜索指令發送至服務器。服務器獲取用戶的搜索指 令后，可以對該指令進行一系列的處理，并最終向客戶端返回用戶感興趣的產品信息。具體 的過程如下所述：
[0031] 圖1為本申請一實施例提供的一種產品信息處理的方法流程圖。如圖1所示，所 述方法包括：
[0032] S100 :獲取廣品彳目息，所述廣品彳目息包括廣品標識和屬性彳目息。
[0033] 所述產品信息可以是產品的擁有者或者網站服務器的管理者在發布該產品時預 先登記在服務器內的。所述產品信息可以包括產品的價格，原產地，顏色，制作材料，容量等 屬性信息中的至少一個屬性信息。產品的擁有者或者網站的管理者在發布每個產品時，可 以給每個產品分配唯一的編號。通過該編號可以查詢對應產品的信息。另外，每個產品還 可以對應所屬的產品類目，所述產品類目可以根據涵蓋范圍的不同分為多個。例如，對于某 品牌特定型號的鼠標而言，該特定型號的鼠標可以擁有一個唯一的編號。通過該編號可以 查詢該特定型號的鼠標的產地，制作材料，顏色，重量，接口，價格等一系列的產品信息。另 外，該鼠標還可以擁有多個產品類目，例如鼠標，電腦配件，電子產品。所述的產品編號以及 產品類目中的至少一個可以作為該產品的標識包含在該產品的產品信息中。服務器獲取的 產品信息可以存儲在數據庫中，該數據庫可以被其他實體或者邏輯體訪問。在實際應用中， 本申請實施例可以采用MySQL+iBATIS技術進行產品信息的存儲和讀取。本申請實施例在 后續對存儲的產品信息進行處理時，可以利用iBATIS的ORM(Object Relational Mapping， 對象關系映射）技術對存儲的產品信息進行讀取。
[0034] S200 :根據預設規則提取所述屬性信息中的關鍵屬性信息。
[0035] 本申請實施例中的服務器可以根據產品類別的不同，從眾多的屬性信息中提取關 鍵的屬性信息，并向用戶展示所述提取的關鍵屬性信息。例如，對于鼠標這類產品，服務器 可以從眾多的屬性信息中提取接口，重量，顏色，有線/無線這些關鍵屬性信息；對于葡萄 酒這類產品，服務器可以提取原產地，年份這些關鍵屬性信息；對于U盤這類產品，服務器 可以提取容量，接口，制作材料這些關鍵屬性信息。具體地，本申請實施例可以通過機器學 習的方法提取所述產品信息中的關鍵屬性信息。下面首先介紹利用機器學習方法提取產品 信息中的關鍵屬性信息的第一實現方式：
[0036] 用戶在搜索產品信息時，一般可以直接輸入產品的類目進行搜索，還可以輸入產 品的類目加上自己比較關注的屬性信息進行搜索。例如，用戶A在搜索產品MP3的信息時， 可以僅僅輸入MP3進行搜索，也可以輸入MP3 8GB進行搜索。對于后者，8GB代表了用戶對 MP3的容量比較關注。本申請實施例可以針對每類產品，獲取預設數量的攜帶屬性信息的產 品搜索指令，然后可以統計所述獲取的產品搜索指令中各個屬性信息所占的比重值，并且 通過設置第一閾值，將所述比重值大于或者等于所述第一閾值的屬性信息確定為所述產品 的關鍵屬性信息。例如，本申請可以獲取10000條有關MP3的攜帶屬性信息的搜索指令，并 且統計出這些搜索指令中包括：攜帶MP3容量的搜索指令有7000條，攜帶MP3顏色的搜索 指令有1000條，攜帶MP3接口的搜索指令有5000條。那么，本申請實施例可以計算出MP3 容量這個屬性信息的比重值為7000/10000 = 0. 7,同樣地，可以計算出MP3顏色這個屬性 信息的比重值為0. 1，可以計算出MP3接口這個屬性信息的比重值為0. 5。接著，本申請實 施例可以將0. 3設置為第一閾值，并將比重值大于或者等于0. 3的屬性信息提取出來，例如 MP3的容量和接口，作為MP3這個產品的關鍵屬性信息。
[0037] 在本申請另一實施例中，還可以將上述獲取的關鍵屬性信息作為參考的樣本，通 過計算所述產品的各個屬性信息與上述獲取的關鍵屬性信息的相似度，設置第二閾值，并 將所述相似度大于或者等于該第二閾值的屬性信息確定為所述產品的關鍵屬性信息。
[0038] 舉個例子來詳細說明如何計算兩個屬性信息的相關度：
[0039] 用戶在利用產品的屬性信息進行搜索的時候，可以根據搜索結果對該屬性信息進 行評分。假設A為根據上述步驟初步提取的關鍵屬性信息，B為需要計算相關度的屬性信 息。對于同時關注該類產品的屬性信息A和屬性信息B的用戶群C，可以獲取用戶群C中每 個用戶對該類產品中這兩個屬性信息的評分情況，現在便可以通過Pearson公式計算屬性 信息A與屬性信息B的相關度，具體如式1所示：
[0040]
式 1
[0041] 其中，sim(a, b)代表屬性信息A與屬性信息B的相關度，Rua代表用戶群C中的用 戶u對屬性信息A的評分，Rub代表用戶群C中的用戶u對屬性信息B的評分，I代表用戶 群C中所有用戶對屬性信息A的平均評分，代表用戶群C中所有用戶對屬性信息B的平 均評分。
[0042] 根據上述方法，可以計算得到該產品的屬性信息與部分關鍵屬性信息參考樣本的 相關度，然后可以設置第二閾值，將相關度大于或者等于第二閾值的屬性信息確定為該產 品的關鍵屬性信息。
[0043] 本申請另一實施例還可以通過機器學習方法中的支持向量機（SVM，Support Vector Machine)來提取產品信息中的關鍵屬性信息。下面介紹本申請實施例利用機器學 習方法提取產品信息中的關鍵屬性信息的第二實現方式：
[0044] 本申請實施例可以將用戶群對某類產品中部分屬性信息的評分作為特征向量組， 建立訓練樣本集。然后對該訓練樣本集進行機器學習，計算得到劃分該訓練樣本集中特征 向量組的歸類條件。該歸類條件能夠區分該訓練樣本集中用戶關注的屬性信息對應的特征 向量組和用戶不關注的屬性信息對應的特征向量組。得到所述歸類條件后，便可以利用該 歸類條件對該類產品中的屬性信息進行歸類，最終可以得到該類產品的產品信息中用戶關 注的關鍵屬性信息。
[0045] 這里以采用支持向量機為例介紹計算所述訓練樣本中特征向量組的歸類條件的 實現方式。支持向量機是Cortes和Vapnik于1995年首先提出的，它在解決小樣本、非線 性及高維模式識別中表現出許多特有的優勢，并能夠推廣應用到函數擬合等其他機器學習 問題中。整體來說，支持向量機可以解決復雜事務的分類及分類標準的問題。
[0046] 利用圖2顯示的線性分類的例子解釋通過支持向量機進行分類的基本原理。如圖 2所示，左側坐標圖中的點表示輸入的訓練樣本，右側坐標圖中的叉代表的點表示計算得到 的C1類訓練樣本，圓圈代表的點表示計算得到的C2類訓練樣本。如圖2所示，將訓練樣本 通過支持向量機算法計算后，可以獲得分類后的C1和C2兩類訓練樣本，并且可以得到劃分 C1和C2兩類的歸類條件。
[0047] 對于圖2的線性分類來說，所述歸類條件（圖中的vv'線，也稱為超平面）可以用 一個線性函數來表示，例如表示為：
[0048] f (x) = wx+b 式 2
[0049] 其中，w和b為支持向量機對特征值向量集合進行計算（支持向量機中稱為"訓 練"）后得到的參數，X代表特征值向量。
[0050] f (x)表示支持向量機中的映射關系。對于f (x) = 〇的情況，此時的特征值向量x 即位于所述超平面上。對于f(x)大于〇的情況，對應圖2右側坐標圖中超平面右上側的特 征值向量；對于f(x)小于〇的情況，對應圖2右側坐標圖中超平面左下側的特征值向量。
[0051] 輸入的特征值向量例如均為二維向量，即對應圖2中坐標上的每個點。支持向量 機算法，即不斷搜索輸入的特征值向量范圍內的直線，通過嘗試計算每一個搜索到的這種 直線與每一特征值向量（圖中的點）的距離，得到一個這樣的直線：該直線距離兩側最近 特征值向量的距離最大且相等。如圖2中右側坐標圖所示，計算得到的直線vv'即超平面。 從圖2中右側坐標圖可以看出，二維情況下超平面vv'為一直線，該直線距離兩側最近特征 值向量的距離最大且相等，該距離均為L。
[0052] 當輸入的特征值向量為三維向量時，處理過程與特征值向量為二維向量的情況類 似。圖3為本申請一個例子中以線性分類為例解釋通過支持向量機算法進行三維分類的基 本原理示意圖。如圖3所示，左側坐標圖中的點表示輸入的訓練樣本，右側坐標圖中的叉代 表的點表示計算得到的C1類訓練樣本，圓圈代表的點表示計算得到的C2類訓練樣本。如 圖3所示，將訓練樣本通過支持向量機算法計算后，可以獲得分類后的C1和C2兩類訓練樣 本，并且可以得到劃分C1和C2兩類的歸類條件。
[0053] 對于圖3的線性分類來說，所述歸類條件（圖中的vv'面，也稱為超平面）可以用 一個線性函數來表示，例如表示為：
[0054] f (x) = wx+b 式 3
[0055] 其中，w和b為支持向量機對特征值向量集合進行計算（支持向量機中稱為"訓 練"）后得到的參數，X代表特征值向量。
[0056] 這里需要說明的是，由于這是針對三維向量的情況，因此式3中的參數w和b均為 三維向量。
[0057] f (X)表示支持向量機中的映射關系。對于f (X) = 0的情況，此時的特征值向量X 即位于所述超平面上。對于f(x)大于〇的情況，對應圖3右側坐標圖中超平面右上側的特 征值向量；對于f(x)小于〇的情況，對應圖3右側坐標圖中超平面左下側的特征值向量。
[0058] 輸入的特征值向量例如均為三維向量，即對應圖3中坐標上的每個點，每個點均 由X，Y，Z三個坐標確定。此時支持向量機算法可以不斷搜索輸入的特征值向量范圍內的平 面，通過嘗試計算每一個搜索到的這種平面與每一特征值向量的距離，得到一個這樣的平 面：該平面距離兩側最近特征值向量的距離最大且相等。如圖3右側坐標圖所示，計算得到 的平面νν'即超平面。該平面距離兩側最近特征值向量的距離最大且相等。
[0059] 對于輸入的多個特征值向量，可以計算得到這些特征值向量的兩種訓練樣本類 型，以及這兩種訓練樣本類型的歸類條件。
[0060] 在本申請實施例中，可以選取用戶群中Ν個用戶，并且將該Ν個用戶對該類產品中 各個屬性信息的評分作為特征值向量。例如，Ν個用戶對MP3的產品信息中容量這個屬性 信息的評分依次為4. 0,5. 1，4.8,…，5. 1。那么可以將這Ν個用戶的評分按順序排列，形成 特征值向量（4. 0,5. 1,4. 8，…，5.1)。同理，可以將這Ν個用戶對MP3的產品信息中原產 地，顏色，制作材料等屬性信息的評分作為其他特征值向量，并將這多個特征值向量作為訓 練樣本集。由于用戶對于自身關注的屬性信息往往會給予較高的評分，而對于自身不關注 的屬性信息往往會給予較低的評分，那么在訓練樣本集中的特征值向量之間會存在比較明 顯的差異。本申請實施例可以利用支持向量機對這種差異進行上述的計算過程，這樣可以 得到一個歸類條件。該歸類條件可以區分該訓練樣本集中用戶關注的屬性信息對應的特征 向量組和用戶不關注的屬性信息對應的特征向量組。利用該歸類條件，便可以將該類產品 的屬性信息劃分為用戶關注和用戶不關注的屬性信息。本申請實施例可以提取用戶關注的 屬性信息，作為該類產品的關鍵屬性信息。
[0061] S300 :提取廣品彳目息中的廣品標識并建立所述廣品標識與所述關鍵屬性彳目息的關 耳關關系。
[0062] 本申請實施例中的服務器在提取產品信息的關鍵屬性信息后，可以建立該產品與 所述關鍵屬性信息的關聯關系。具體地，本申請實施例可以提取產品信息中的產品標識，并 建立該標識與所述關鍵屬性信息的關聯關系。所述的產品標識可以包括產品編號和產品 類目。其中，產品編號與產品一一對應，通過產品編號可以查詢到對應的產品；產品類目可 以有根據涵蓋范圍的不同分為多個，例如對于某品牌的特定型號的鼠標這個產品而言，鼠 標、電腦配件以及電子產品均可以作為它的產品類目，這三個產品類目涵蓋的范圍逐級增 大。從廣品?目息中提取出廣品標識后，可以建立所述廣品標識與所述關鍵屬性?目息的關聯 關系。通過廣品標識可以查詢與該廣品標識相關聯的關鍵屬性?目息。例如，對于某品牌特 定型號的MP3這個產品而言，其產品編號例如可以為201502031331，其產品類別例如可以 為MP3,隨身播放器，電子商品，其關鍵屬性信息例如可以為容量、大小、重量、顏色。本申請 實施例可以按照該MP3產品標識涵蓋范圍從大到小的順序，建立該MP3的產品標識和它的 關鍵屬性信息的關聯關系，例如可以為：電子商品-隨身播放器-ΜΡ3-201502031331-容量、 大小、重量、顏色。這樣，通過該MP3的產品標識，便可以查詢與該產品標識相關聯的關鍵屬 性信息。具體地，可以將產品標識作為key，將該產品的關鍵屬性信息作為value進行存儲。 通過產品的標識可以查詢出與該標識相關聯的關鍵屬性信息，這樣便可以建立所述產品標 識與所述關鍵屬性信息的關聯關系。
[0063] S400 :獲取用戶搜索指令并提取所述搜索指令中的產品標識。
[0064] 用戶在搜索自身感興趣的產品時，可以在網站的搜索框中輸入搜索指令。該搜索 指令可以為具體的產品編號（例如網站的運營人員為了測試網站性能，直接輸入產品的編 號進行檢測），也可以為產品的類目（一般用戶在進行搜索時往往會輸入產品的類目）。例 如，用戶A想購買一款鼠標，他往往會在網站的搜索框中輸入"鼠標"這個搜索指令。服務 器獲取到用戶的搜索指令后，可以提取所述搜索指令中的產品標識。
[0065] S500 :根據所述建立的產品標識與關鍵屬性信息的關聯關系，查詢與所述提取的 廣品標識相關聯的關鍵屬性?目息；
[0066] S600 :向客戶端發送所述查詢的關鍵屬性信息。
[0067] 服務器提取出用戶搜索指令中的產品標識后，本申請實施例可以根據所述建立的 產品標識與關鍵屬性信息的關聯關系，查詢所述提取的產品標識相對應的關鍵屬性信息， 并向客戶端發送所述查詢的關鍵屬性信息。具體地，服務器可以預先設置網頁模板，該網頁 模板可以是一個頁面框架，頁面中產品的關鍵屬性信息均未填充。服務器提取出用戶搜索 指令中的產品標識后，可以通過預先建立的產品標識與關鍵屬性信息的對應關系，查詢出 該產品標識對應的關鍵屬性信息。例如，用戶的搜索指令為"鼠標"，服務器從該搜索指令中 提取出的產品標識為"鼠標"，那么便可以根據產品標識與關鍵屬性信息的關聯關系，查詢 到產品標識為鼠標的一系列產品的關鍵屬性信息，這些產品例如可以是不同品牌、不同型 號的有線鼠標、無線鼠標。每款產品均具有一系列的關鍵屬性信息，例如接口，重量，顏色， 制作材料等。
[0068] 服務器查詢到與提取的廣品標識相關聯的關鍵屬性彳目息后，可以將這些關鍵屬性 信息填充到上述的網頁模板中，這樣便可以形成最終的搜索頁面。服務器可以將該搜索頁 面發送至客戶端，供用戶瀏覽。
[0069] 服務器根據用戶搜索指令中的產品標識進行關鍵屬性信息的查詢時，有時會查詢 到處于不同產品類目中的關鍵屬性信息。例如，用戶提供的搜索指令為"蘋果"，那么服務器 從用戶的搜索指令中提取的產品標識就可以為"蘋果"。當服務器進行查詢與"蘋果"相關 聯的關鍵屬性信息時，可以查詢出水果行業和電子商品行業的關鍵屬性信息。其中，水果行 業的"蘋果"就屬于水果類目，而電子商品行業中的"蘋果"手機則屬于電子商品類目。此 時，服務器可以根據用戶的偏好，對查詢出的關鍵屬性信息進行篩選。鑒于此，在本申請一 優選實施例中，可以在步驟S500與S600之間增加下述步驟：
[0070] S501 :根據用戶偏好，對所述查詢的關鍵屬性信息進行篩選。
[0071] 具體地，本申請實施例的服務器可以分析預設時間段內用戶的搜索記錄，確定用 戶關注度較高的產品類目。例如，服務器可以分析最近一個月內用戶的搜索記錄，并且提取 每條搜索記錄中的產品標識。通過提取的產品標識，服務器可以統計出該用戶經常搜索的 產品類目，從而確定出該用戶關注度較高的產品類目。當服務器根據用戶搜索指令中的產 品標識查詢到多個產品類目中的關鍵屬性信息時，可以將用戶關注度較低的產品類目的關 鍵屬性信息去除，并將用戶關注度較高的產品類目的關鍵屬性信息發送給客戶端。具體地， 服務器同樣可以預設網頁模板，并將用戶關注度較高的產品類目的關鍵屬性信息填充至預 設的網頁模板中，并將填充關鍵屬性信息的網頁發送至客戶端供用戶瀏覽。
[0072] 本申請實施例還提供一種產品信息處理的服務器。圖4為本申請一實施例提供的 一種產品信息處理的服務器功能模塊圖。如圖4所示，所述服務器包括：
[0073] 廣品?目息獲取單兀100,用來獲取廣品?目息，所述廣品?目息包括廣品標識和屬性?目 息；
[0074] 關鍵屬性信息提取單元200,用來根據預設規則提取所述屬性信息中的關鍵屬性 信息；
[0075] 關聯關系建立單元300,用來提取所述產品信息中的產品標識，并建立所述產品標 識與所述關鍵屬性信息的關聯關系；
[0076] 產品標識獲取單元400,用來獲取用戶搜索指令并提取所述搜索指令中的產品標 識；
[0077] 關鍵屬性信息查詢單元500,用來根據所述建立的產品標識與關鍵屬性信息的關 聯關系，查詢與所述提取的產品標識相關聯的關鍵屬性信息；
[0078] 發送單元600，用來向客戶端發送所述查詢的關鍵屬性信息。
[0079] 在本申請一優選實施例中，所述關鍵屬性信息提取單元200具體可以包括：
[0080] 搜索指令獲取模塊201，用來獲取預設數量的攜帶屬性信息的產品搜索指令；
[0081] 比重值計算模塊202,用來計算所述獲取的產品搜索指令中各個屬性信息所占的 比重值；
[0082] 第一閾值設置模塊203,用來設置第一閾值；
[0083] 第一關鍵屬性信息確定模塊204,用來將所述比重值大于或者等于所述第一閾值 的屬性信息確定為所述產品的關鍵屬性信息。
[0084] 在本申請另一優選實施例中，所述關鍵屬性信息提取單元200具體還可以包括：
[0085] 參考樣本設置模塊205,用來將所述確定的關鍵屬性信息作為參考樣本；
[0086] 相似度計算模塊206,用來計算所述產品的各個屬性信息與所述參考樣本中關鍵 屬性信息的相似度；
[0087] 第二閾值設置模塊207,用來設置第二閾值；
[0088] 第二關鍵屬性信息確定模塊208,用來將所述相似度大于或者等于第二閾值的屬 性信息確定為所述產品的關鍵屬性信息。
[0089] 在本申請另一優選實施例中，所述關鍵屬性信息提取單元200具體可以包括：
[0090] 訓練樣本集建立模塊210,用來建立訓練樣本集，所述訓練樣本集包括關鍵屬性信 息與非關鍵屬性信息的特征值向量；
[0091] 歸類條件計算模塊220,用來計算所述包括關鍵屬性信息與非關鍵屬性信息的特 征值向量的訓練樣本集的歸類條件；
[0092] 關鍵屬性信息獲取模塊230,用來利用所述歸類條件，對所述產品信息中的屬性信 息進行歸類，得到所述屬性信息中的關鍵屬性信息。
[0093] 在本申請另一優選實施例中，所述發送單元600具體包括：
[0094] 網頁模板設置模塊601，用來預先設置網頁模板；
[0095] 填充模塊602,用來將所述查詢的關鍵屬性信息填充至所述網頁模板中；
[0096] 發送模塊603,用來向客戶端發送所述填充關鍵屬性信息后的網頁。
[0097] 圖5為本申請另一實施例提供的一種產品信息處理的服務器功能模塊圖。如圖5 所示，所述服務器還包括：
[0098] 篩選單元501，用來根據用戶偏好，對所述關鍵屬性信息查詢單元發來的關鍵屬性 信息進行篩選，并將篩選后的關鍵屬性信息發送給所述發送單元。
[0099] 本申請實施例提供的一種產品信息處理的方法及服務器，通過對產品屬性信息進 行分析，針對不同的產品，提取出該產品的關鍵屬性信息，并根據用戶的搜索指令，將與用 戶的搜索指令相關的產品的關鍵屬性信息發送給客戶端供用戶瀏覽，能夠給用戶提供用戶 真正關注的產品信息。
[0100] 在20世紀90年代，對于一個技術的改進可以很明顯地區分是硬件上的改進（例 如，對二極管、晶體管、開關等電路結構的改進）還是軟件上的改進（對于方法流程的改 進）。然而，隨著技術的發展，當今的很多方法流程的改進已經可以視為硬件電路結構的直 接改進。設計人員幾乎都通過將改進的方法流程編程到硬件電路中來得到相應的硬件電路 結構。因此，不能說一個方法流程的改進就不能用硬件實體模塊來實現。例如，可編程邏輯 器件（Programmable Logic Device, PLD)(例如現場可編程門陣列（Field Programmable Gate Array，FPGA))就是這樣一種集成電路，其邏輯功能由用戶對器件編程來確定。由設 計人員自行編程來把一個數字系統"集成"在一片PLD上，而不需要請芯片制造廠商來設 計和制作專用的集成電路芯片2。而且，如今，取代手工地制作集成電路芯片，這種編程也 多半改用"邏輯編譯器（logic compiler)"軟件來實現，它與程序開發撰寫時所用的軟件 編譯器相類似，而要編譯之前的原始代碼也得用特定的編程語言來撰寫，此稱之為硬件描 述語言（Hardware Description Language，HDL)，而HDL也并非僅有一種，而是有許多種， 如 ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、 JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware Description Language)等，目前最普遍使用的是 VHDL(Very-High_Speed Integrated Circuit Hardware Description Language)與 Verilog2〇 本令頁域技術人員 也應該清楚，只需要將方法流程用上述幾種硬件描述語言稍作邏輯編程并編程到集成電路 中，就可以很容易得到實現該邏輯方法流程的硬件電路。
[0101] 控制器可以按任何適當的方式實現，例如，控制器可以采取例如微處理器或處理 器以及存儲可由該（微）處理器執行的計算機可讀程序代碼（例如軟件或固件）的計算 機可讀介質、邏輯門、開關、專用集成電路（Application Specific Integrated Circuit， ASIC)、可編程邏輯控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制 器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及 Silicone Labs C8051F320， 存儲器控制器還可以被實現為存儲器的控制邏輯的一部分。
[0102] 本領域技術人員也知道，除了以純計算機可讀程序代碼方式實現控制器以外，完 全可以通過將方法步驟進行邏輯編程來使得控制器以邏輯門、開關、專用集成電路、可編程 邏輯控制器和嵌入微控制器等的形式來實現相同功能。因此這種控制器可以被認為是一種 硬件部件，而對其內包括的用于實現各種功能的裝置也可以視為硬件部件內的結構。或者 甚至，可以將用于實現各種功能的裝置視為既可以是實現方法的軟件模塊又可以是硬件部 件內的結構。
[0103] 上述實施例闡明的系統、裝置、模塊或單元，具體可以由計算機芯片或實體實現， 或者由具有某種功能的產品來實現。
[0104] 為了描述的方便，描述以上裝置時以功能分為各種單元分別描述。當然，在實施本 申請時可以把各單元的功能在同一個或多個軟件和/或硬件中實現。
[0105] 通過以上的實施方式的描述可知，本領域的技術人員可以清楚地了解到本申請可 借助軟件加必需的通用硬件平臺的方式來實現。基于這樣的理解，本申請的技術方案本質 上或者說對現有技術做出貢獻的部分可以以軟件產品的形式體現出來，該計算機軟件產品 可以存儲在存儲介質中，如R0M/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機設備 (可以是個人計算機，服務器，或者網絡設備等）執行本申請各個實施例或者實施例的某些 部分所述的方法。
[0106] 本說明書中的各個實施例均采用遞進的方式描述，各個實施例之間相同相似的部 分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對于系統實 施例而言，由于其基本相似于方法實施例，所以描述的比較簡單，相關之處參見方法實施例 的部分說明即可。
[0107] 本申請可用于眾多通用或專用的計算機系統環境或配置中。例如：個人計算機、月艮 務器計算機、手持設備或便攜式設備、平板型設備、多處理器系統、基于微處理器的系統、置 頂盒、可編程的消費電子設備、網絡PC、小型計算機、大型計算機、包括以上任何系統或設備 的分布式計算環境等等。
[0108] 本申請可以在由計算機執行的計算機可執行指令的一般上下文中描述，例如程序 模塊。一般地，程序模塊包括執行特定任務或實現特定抽象數據類型的例程、程序、對象、組 件、數據結構等等。也可以在分布式計算環境中實踐本申請，在這些分布式計算環境中，由 通過通信網絡而被連接的遠程處理設備來執行任務。在分布式計算環境中，程序模塊可以 位于包括存儲設備在內的本地和遠程計算機存儲介質中。
[0109] 雖然通過實施例描繪了本申請，本領域普通技術人員知道，本申請有許多變形和 變化而不脫離本申請的精神，希望所附的權利要求包括這些變形和變化而不脫離本申請的 精神。
【主權項】
1. 一種產品信息處理的方法，其特征在于，包括： 獲取廣品?目息，所述廣品?目息包括廣品標識和屬性?目息； 根據預設規則提取所述屬性信息中的關鍵屬性信息； 提取所述產品信息中的產品標識，并建立所述產品標識與所述關鍵屬性信息的關聯關 系； 獲取用戶搜索指令并提取所述搜索指令中的產品標識； 根據所述建立的產品標識與所述關鍵屬性信息的關聯關系，查詢與所述提取的產品標 識相關聯的關鍵屬性信息； 向客戶端發送所述查詢的關鍵屬性信息。2. 如權利要求1所述的一種產品信息處理的方法，其特征在于，所述根據預設規則提 取所述屬性信息中的關鍵屬性信息具體包括： 獲取預設數量的攜帶屬性信息的產品搜索指令； 計算所述獲取的產品搜索指令中各個屬性信息所占的比重值； 設置第一閾值； 將所述比重值大于或者等于所述第一閾值的屬性信息確定為所述產品的關鍵屬性信 息。3. 如權利要求2所述的一種產品信息處理的方法，其特征在于，所述根據預設規則提 取所述屬性信息中的關鍵屬性信息還包括： 將所述確定的關鍵屬性信息作為參考樣本； 計算所述產品的各個屬性信息與所述參考樣本中關鍵屬性信息的相似度； 設置第二閾值； 將所述相似度大于或者等于第二閾值的屬性信息確定為所述產品的關鍵屬性信息。4. 如權利要求1所述的一種產品信息處理的方法，其特征在于，所述根據預設規則提 取所述屬性信息中的關鍵屬性信息具體包括： 建立訓練樣本集，所述訓練樣本集包括關鍵屬性信息與非關鍵屬性信息的特征值向 量； 計算所述包括關鍵屬性信息與非關鍵屬性信息的特征值向量的訓練樣本集的歸類條 件； 利用所述歸類條件，對所述產品信息中的屬性信息進行歸類，得到所述屬性信息中的 關鍵屬性信息。5. 如權利要求1所述的一種產品信息處理的方法，其特征在于，所述向客戶端發送所 述查詢的關鍵屬性信息具體包括： 預先設置網頁模板； 將所述查詢的關鍵屬性信息填充至所述網頁模板中； 向客戶端發送填充關鍵屬性信息后的網頁。6. 如權利要求1所述的一種產品信息處理的方法，其特征在于，在所述向客戶端發送 所述查詢的關鍵屬性信息步驟之前，所述方法還包括： 根據用戶偏好，對所述查詢的關鍵屬性信息進行篩選。7. -種產品信息處理的服務器，其特征在于，包括：產品信息獲取單元，關鍵屬性信息 提取單元，關聯關系建立單元，產品標識獲取單元，關鍵屬性信息查詢單元，發送單元，其 中： 所述廣品?目息獲取單兀，用來獲取廣品?目息，所述廣品?目息包括廣品標識和屬性?目 息； 所述關鍵屬性信息提取單元，用來根據預設規則提取所述屬性信息中的關鍵屬性信 息； 所述關聯關系建立單元，用來提取所述產品信息中的產品標識，并建立所述產品標識 與所述關鍵屬性信息的關聯關系； 所述產品標識獲取單元，用來獲取用戶搜索指令并提取所述搜索指令中的產品標識； 所述關鍵屬性信息查詢單元，用來根據所述建立的產品標識與關鍵屬性信息的關聯關 系，查詢與所述提取的產品標識相關聯的關鍵屬性信息； 所述發送單元，用來向客戶端發送所述查詢的關鍵屬性信息。8. 如權利要求7所述的一種產品信息處理的服務器，其特征在于，所述關鍵屬性信息 提取單元具體包括： 搜索指令獲取模塊，用來獲取預設數量的攜帶屬性信息的產品搜索指令； 比重值計算模塊，用來計算所述獲取的產品搜索指令中各個屬性信息所占的比重值； 第一閾值設置模塊，用來設置第一閾值； 第一關鍵屬性信息確定模塊，用來將所述比重值大于或者等于所述第一閾值的屬性信 息確定為所述產品的關鍵屬性信息。9. 如權利要求8所述的一種產品信息處理的服務器，其特征在于，所述關鍵屬性信息 提取單元還包括： 參考樣本設置模塊，用來將所述確定的關鍵屬性信息作為參考樣本； 相似度計算模塊，用來計算所述產品的各個屬性信息與所述參考樣本中關鍵屬性信息 的相似度； 第二閾值設置模塊，用來設置第二閾值； 第二關鍵屬性信息確定模塊，用來將所述相似度大于或者等于第二閾值的屬性信息確 定為所述產品的關鍵屬性信息。10. 如權利要求7所述的一種產品信息處理的服務器，其特征在于，所述關鍵屬性信息 提取單元具體包括： 訓練樣本集建立模塊，用來建立訓練樣本集，所述訓練樣本集包括關鍵屬性信息與非 關鍵屬性信息的特征值向量； 歸類條件計算模塊，用來計算所述包括關鍵屬性信息與非關鍵屬性信息的特征值向量 的訓練樣本集的歸類條件； 關鍵屬性信息獲取模塊，用來利用所述歸類條件，對所述產品信息中的屬性信息進行 歸類，得到所述屬性信息中的關鍵屬性信息。11. 如權利要求7所述的一種產品信息處理的服務器，其特征在于，所述發送單元具體 包括： 網頁模板設置模塊，用來預先設置網頁模板； 填充模塊，用來將所述查詢的關鍵屬性信息填充至所述網頁模板中； 發送模塊，用來向客戶端發送填充關鍵屬性信息后的網頁。12.如權利要求7所述的一種產品信息處理的服務器，其特征在于，所述服務器還包 括： 篩選單元，用來根據用戶偏好，對所述關鍵屬性信息查詢單元發來的關鍵屬性信息進 行篩選，并將篩選后的關鍵屬性信息發送給所述發送單元。
【文檔編號】G06F17/30GK106033431SQ201510108576
【公開日】2016年10月19日
【申請日】2015年3月12日
【發明人】富國萍, 王瑤, 鄭偉, 王全劍
【申請人】阿里巴巴集團控股有限公司