CN103034680A - 针对终端设备的数据交互方法及装置 - Google Patents

Abstract

本发明公开了一种针对终端设备的数据交互方法及装置，该装置包括存储模块，用于存储预设的购物推荐词；获取模块，用于获取与终端设备的购物行为相关的预设的购物推荐词；匹配模块，用于根据购物推荐词，匹配得到与推荐词对应的至少一个商品的相关商品信息；发送模块，用于将匹配得到至少一个商品的相关商品信息发送给终端设备；购物推荐词预先从电子类商务网站的购物会话日志中获取并存储，或者购物推荐词预先从搜索网站的商品搜索排行榜中获取并存储。由于不需要借助详细充足的商品信息来挖掘购物推荐词，因此本发明实施例中的商品推荐效果方便控制，且通过基于购物推荐词的个性化购物推荐，可以简化购物推荐***复杂度，提高实时推荐响应速度。

Description

针对终端设备的数据交互方法及装置

技术领域

本发明属于通信技术领域，尤其涉及一种针对终端设备的数据交互方法及装置。

背景技术

随着信息时代的到来，网上购物也已经成为人们主要的购物方式之一。用户只需联网操作不出家门即可获得较为满意的商品。

从现有的购物推荐***搭建和运行的角度来看，购物推荐***需要实时地分析用户浏览过或购买过的商品的相关商品信息，为了给目标用户推荐准确的商品，购物推荐***需要依赖庞大的商品信息数据库，购物推荐***利用上述分析结果和商品信息数据库实时地进行商品推荐运算，得到相近的商品推荐给用户。由于庞大的商品信息数据库，导致购物推荐过程所需要计算资源较大，造成购物推荐***的处理时间的增加，影响推荐响应速度。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的针对终端设备的数据交互方法及装置。

依据本发明的一个方面，提供了一种针对终端设备的数据交互方法，包括：获取与终端设备的购物行为相关的预设的购物推荐词；根据预设的购物推荐词，匹配得到与预设的购物推荐词对应的至少一个商品的相关商品信息；将匹配得到的至少一个商品的相关商品信息发送给终端设备；其中，预设的购物推荐词预先从电子类商务网站的购物会话日志中获取并存储，或者预设的购物推荐词预先从搜索网站的商品搜索排行榜中获取并存储。

依据本发明的另一个方面，提供了一种针对终端设备的数据交互装置，装置包括：存储模块，用于存储预设的购物推荐词；获取模块，用于获取与终端设备的购物行为相关的预设的购物推荐词；匹配模块，用于根据预设的购物推荐词，匹配得到与购物推荐词对应的至少一个商品的相关商品信息；发送模块，用于将匹配得到至少一个商品的相关商品信息发送给终端设备；其中，预设的购物推荐词预先从电子类商务网站的购物会话日志中获取并存储，或者预设的购物推荐词预先从搜索网站的商品搜索排行榜中获取并存储。

根据本发明提供的一种针对终端设备的数据交互方法及针对终端设备的数据交互装置，通过对终端设备的购物行为进行识别，得到与该购物行为相关的预设的购物推荐词，然后利用购物推荐词作为推荐中介，将与该购物推荐词对应的商品推荐给终端设备，由于不需要借助详细充足的商品信息构建用户购物特征，而是将终端设备的购物行为映射成相应的购物推荐词，通过对终端设备的具体购物行为进行识别，可得到与购物行为对应的购物推荐词，因此本发明实施例中的商品推荐效果方便控制，有效简化购物推荐***的复杂度，提高实时推荐响应速度。

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示出了根据本发明一个实施例的针对终端设备的数据交互方法的流程图;

图2示出了图1中步骤S10中的流程图；

图3示出了图2中步骤S104中的流程图；以及

图4示出了根据本发明另一个实施例的针对终端设备的数据交互装置400的结构框图。

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。

图1示出了根据本发明一个实施例的针对终端设备的数据交互方法的流程图，需要说明的是，尽管在图1中以特定顺序描述了该识别方法的操作，但是，这并非要求或暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

如图1所示，该方法始于步骤S10，其中获取与终端设备的购物行为相关的预设的购物推荐词。

具体地，参见图2，在步骤S10中可包括以下步骤，在步骤S102中，获取与终端设备的购物行为相关的购物信息，该购物信息包括：终端设备搜索商品的关键词、终端设备浏览商品的商品信息、或终端设备已购买商品的商品信息；随后，在步骤S104中，根据购物信息匹配得到与购物信息对应的至少一个预设的购物推荐词。也就是，根据终端设备输入的搜索商品的关键词匹配得到预设的购物推荐词，或者根据终端设备浏览商品的商品信息匹配得到预设的购物推荐词，或者根据终端设备已购买商品的相关商品信息匹配得到预设的购物推荐词。

根据本发明的一个实施例，预设的购物推荐词可以是根据热门商品的相关商品信息构造的词语，例如根据终端设备搜索最多商品的相关商品信息构造的词语。每个购物推荐词中包括多个购物信息元素，其中购物信息元素是指：商品类型、商品名称或商品材料。为了便于理解下面列举几个购物推荐词，例如：男装毛呢子大衣、智能手机、高清电视、男士保暖内衣等。当然可以理解的是，在本发明的实施例中并不限定购物推荐词的表达形式。

可选地，预设的购物推荐词可从电子类商务网站的购物会话日志中获取并存储，也可以从搜索网站的商品搜索排行榜中获取并存储，将获取的购物推荐词可保存在数据库中，并且在数据库中还保存有购物推荐词与相关商品的对应关系，例如购物推荐词“智能手机”与苹果iphone5、三星GALAXY NoteⅡN7100、联想乐PhoneK860和HTC One X S720e等商品信息建立有对应关系。因此，当得到购物推荐词后，即可获得与该购物推荐词对应的商品的相关商品信息。由于可通过对购物推荐词的维护，以满足终端设备的购物推荐需求，因此在本发明的实施例中并不需要庞大的商品信息数据库。

根据本发明的一个实施例，在步骤S102中可从终端设备的购物行为中识别出与该购物行为相关的购物信息，该购物行为包括但不限于：终端设备输入关键词的行为、终端设备浏览商品的行为、或终端设备购买商品的行为。

终端设备进行购物时，通常会通过关键词搜索商品，然后浏览搜索结果中相关的商品，例如终端设备登录电子商务类网站（淘宝网，京东商城等），使用电子商务类网站提供的搜索引擎，在搜索引擎中利用关键词搜索相关商品，然后浏览搜索结果中的相关的商品，由于电子商务网站的购物会话日志中会记录终端设备输入关键词的行为，因此通过对终端设备输入关键词的行为可识别出搜索商品的关键词。

终端设备对搜索结果进行浏览时，会浏览搜索结果中商品名称、商品类型、商品商标、商品型号中的一个或多个。由于电子商务网站的购物会话日志中会记录终端设备的浏览商品的行为，因此，通过对终端设备的浏览商品的行为进行识别，可识别出终端设备浏览商品的商品信息，该商品信息包括：商品名称、商品类型、商品商标、商品型号中的一个或多个。

终端设备在电子类商务网站上购买商品后，电子商务类网站的购物会话日志中会记录终端设备购买商品的行为。由于电子商务网站的购物会话日志中会记录终端设备的购买商品的行为，因此通过对该终端设备购买商品的行为进行识别，可识别得到终端设备所购买商品的相关商品信息，该商品信息包括：商品名称、商品类型、商品商标、商品型号、商品价格中的一个或多个。

因此，通过对终端设备的购物行为进行分析，可得到与该购物行为相关的终端设备搜索商品的关键词、终端设备浏览商品的商品信息、或终端设备已购买商品的商品信息。而且通过对终端设备的购物行为进行识别，能够除去终端设备的购物行为中与商品信息无关的信息，由此可提高最终提供的推荐商品信息的准确性。

根据本发明的一个实施例，为了提高购物推荐词匹配的准确性，可以对购物信息进行聚类处理，得到能够反映具有至少部分相同购物信息元素的购物信息类，然后再根据购物信息类匹配得到购物推荐词。

参见图3，步骤S104包括以下步骤，在步骤S1042中，将购物信息划分成多个购物信息元素，随后，在步骤S1044中，根据购物信息元素，对多个购物信息进行聚类处理，得到购物信息类，其中每个购物信息类包括至少一个购物信息，然后，在步骤S1046中，对每一个购物信息类匹配至少一个购物推荐词。

可选地，在步骤S1042中，可按照分词的方式将购物信息T划分成多个购物信息元素t，分词划分后，该购物信息可表示成T={t₁，t₂，…，t_n}，其中n为自然数。根据购物信息元素t的重要性，设置每个购物信息元素t的权重值。例如，在步骤S102中获得的购物信息T“Fubai秋冬新款男装风衣立领保暖修身毛呢子大衣男”，在步骤S1042中，将上述购物信息T分词划分为{Fubai，秋冬新款，男装，风衣，立领，保暖，修身，毛呢子，大衣}。根据购物信息T={Fubai，秋冬新款，男装，风衣，立领，保暖，修身，毛呢子，大衣}中的每个购物信息元素t的重要性，设置每个购物信息元素t的权重值，例如该购物信息元素出现的频率越高，则可认为该购物信息元素t越重要，权重值越大，上述购物信息T中购物信息元素t的重要性由高到低可排列为：男装、毛呢子、大衣、风衣、立领、保暖、修身、秋冬新款、Fubai。

可选地，在步骤S1044中，根据购物信息T中所有购物信息元素t的权重值之和，对多个购物信息T进行聚类处理，得到相应的购物信息类G。例如，计算购物信息T中所有购物信息元素t的权重值之和，然后再计算购物信息T中购物信息元素t的平均权重值，将平均权重值大于等于限制阈值a的购物信息聚合到同一类商品的购物信息类G。

根据本发明的一个实施例，可采用TF-IDF（Term Frequency-InverseDocument Frequency，一种用于资讯检索与资讯探勘的常用加权技术）算法来设置购物信息元素t的权重值，当然可以理解的是，本发明的实施例不限定设置购物信息元素t的权重值的方式。对多个购物信息T进行聚类处理得到购物信息类G具体方式如下：

（1）如果购物信息类G不包含任何购物信息，那么购物信息T属于购物信息类G；

（2）如果购物信息类G包含一些购物信息，某个购物信息T属于购物信息类G需满足：

$\frac{{\mathrm{\Σ}}_{\mathrm{term}\∈G\∩T}\mathrm{Score}}{\mathrm{Count}}\≥\mathrm{\α}$ 公式（1）

其中，∑_term∈G∩T Score表示：存在于购物信息类G中，购物信息T中每个购物信息元素t的权重值之和；

Count表示：购物信息类G中包含的购物信息T的个数；

α表示限制阈值，该限制阈值可根据具体情况进行调整；

（3）如果某个购物信息T不属于任何一个购物信息类G，那么这个购物信息T本身属于一个新建的购物信息类G；

可选地，在步骤S1046中，从多个预设的购物推荐词Q中任选一个购物推荐词，然后计算出该购物信息类G和购物推荐词Q中共同包含的购物信息元素t的权重值之和，然后再计算共同包含的购物信息元素t的权重值之和，与购物推荐词Q中包含的购物信息元素t的个数之间的比值，并循环计算，直到遍历完所有的购物推荐词Q，最后为购物信息类G匹配一个最大的比值所对应的购物推荐词Q。

根据本发明的一个实施例，步骤S1046中的具体方式如下：

如果一个购物信息类G包含多购物信息T，每个购物信息T包括多个购物信息元素t，购物信息类G由m个购物信息元素t组成，由此可将购物信息类G记作G={t_1，t_2，…，t_m}；

每个购物推荐词Q由n个购物信息元素t组成，记作Q={t_1，t_2，…，t_n}；

根据如下公式，计算购物推荐词Q相对于购物信息类G的比值；

$\mathrm{Score}\left(Q\right|G)=\frac{{\mathrm{\Σ}}_{\mathrm{term}\∈G\∩Q}\mathrm{ScoreT}}{\mathrm{CountQ}}$ 公式（2）

其中，∑_term∈G∩Q ScoreT表示：购物推荐词Q和购物信息类G共同包含的购物信息元素t的权重值之和；

CountQ表示：购物推荐词Q包含的购物信息元素t的个数。

根据公式（2）计算得到的比值Score(Q|G)，为购物信息类G匹配一个最大的比值Score(Q|G)所对应的购物推荐词Q。

通过以上步骤，可以实现根据用户的购物行为匹配得到购物推荐词。这些购物推荐词对应的商品的相关商品信息就可以作为终端设备购物的推荐结果。

随后，在步骤S12中，根据购物推荐词匹配得到与购物推荐词对应的至少一个商品的相关商品信息。

例如：在步骤S10中获取终端设备历史浏览商品的行为，获取得到终端设备之前浏览过的商品名称“Fubai秋冬新款男装风衣立领保暖修身毛呢子大衣”，然后根据上述商品名称匹配得到购物推荐词“男装毛呢子大衣”，在步骤S12中，根据购物推荐词“男装毛呢子大衣”匹配得到与“男装毛呢子大衣”对应的至少一个商品的相关商品信息。

随后，在步骤S14中，将匹配得到的该商品的相关商品信息发送给终端设备。

例如：将与“男装毛呢子大衣”对应的至少一个商品的相关商品信息推送给终端设备。根据本发明的一个实施例，该商品信息包括：商品名称、商品图片、商品价格、商品商标、商品型号和商品的生产厂家中的任意一种或多种信息。

根据本发明提供的一种针对终端设备的数据交互方法，通过对终端设备的购物行为进行识别，得到与该购物行为相关的预设的购物推荐词，然后利用购物推荐词作为推荐中介，将与该购物推荐词对应的商品推荐给终端设备，由于不需要借助详细充足的商品信息来挖掘购物推荐词，而是将终端设备的购物行为映射成相应的购物推荐词，然后对终端设备的具体购物行为进行识别，得到与购物行为对应的购物推荐词，因此本发明实施例中的商品推荐效果方便控制，有效简化购物推荐***的复杂度，提高实时推荐响应速度。

图4示出了根据本发明另一个实施例的针对终端设备的数据交互装置400的结构框图。

如图4所示该装置400包括：存储模块401、获取模块402、匹配模块404和发送模块406，其中，

存储模块401存储预设的购物推荐词，根据本发明的一个实施例，预设的购物推荐词可以是根据热门商品的相关商品信息构造的词语，例如根据终端设备搜索最多商品的相关商品信息构造的词语。每个购物推荐词中包括多个购物信息元素，其中购物信息元素是指：商品类型、商品名称或商品材料。为了便于理解下面列举几个购物推荐词，例如：男装毛呢子大衣、智能手机、高清电视、男士保暖内衣等。当然可以理解的是，在本发明的实施例中并不限定购物推荐词的表达形式。

可选地，预设的购物推荐词可保存在数据库中，并且在数据库中还保存有购物推荐词与相关商品的对应关系，例如购物推荐词“智能手机”与苹果iphone5、三星GALAXY NoteⅡN7100、联想乐PhoneK860和HTC One X S720e建立有对应关系。因此，当得到预设的购物推荐词后，即可获得与该购物推荐词对应的商品的相关商品信息。由于可通过对购物推荐词的维护，以满足终端设备的购物推荐需求，因此在本发明的实施例中并不需要庞大的商品信息数据库。

获取模块402获取与终端设备的购物行为相关的预设的购物推荐词。可选地，该获取模块402包括：获取单元4022和第一匹配单元4024，其中获取单元4022用于获取与终端设备的购物行为相关的购物信息，购物信息包括：终端设备搜索商品的关键词、终端设备浏览商品的商品信息、或终端设备已购买商品的商品信息；第一匹配单元4024用于根据购物信息，匹配得到与购物信息对应的至少一个购物推荐词。

匹配模块404用于根据购物推荐词，匹配得到与购物推荐词对应的至少一个商品的相关商品信息；

发送模块406用于将与至少一个商品的相关与终端设备交互数据给终端设备。

根据本发明的一个实施例，获取单元4022进一步用于从终端设备的购物行为中识别出购物信息，该购物行为包括但不限于：终端设备输入关键词的行为、终端设备浏览商品的行为、或终端设备购买商品的行为。

终端设备进行购物时，通常会通过关键词搜索商品，然后浏览搜索结果中相关的商品，例如终端设备登录电子商务类网站（淘宝网，京东商城等），使用电子商务类网站提供的搜索引擎，在搜索引擎中利用关键词搜索相关商品，然后浏览搜索结果中的相关的商品，由于电子商务网站的购物会话日志中会记录终端设备输入关键词的行为，因此通过对终端设备输入关键词的行为可识别出搜索商品的关键词。

终端设备对搜索结果进行浏览时，会浏览搜索结果中商品名称、商品类型、商品商标、商品型号中的一个或多个。由于电子商务网站的购物会话日志中会记录终端设备的浏览商品的行为，因此，通过对终端设备的浏览商品的行为进行识别，可识别出终端设备浏览商品的商品信息，该商品信息包括：商品名称、商品类型、商品商标、商品型号中的一个或多个。

终端设备在电子类商务网站上购买商品后，电子商务类网站的购物会话日志中会记录终端设备购买商品的行为。由于电子商务网站的购物会话日志中会记录终端设备的购买商品的行为，因此通过对该终端设备购买商品的行为进行识别，可识别得到终端设备所购买商品的相关商品信息，该商品信息包括：商品名称、商品类型、商品商标、商品型号、商品价格中的一个或多个。

因此，通过对终端设备的购物行为进行分析，可得到与该购物行为相关的终端设备搜索商品的关键词、终端设备浏览商品的商品信息、或终端设备已购买商品的商品信息。而且通过对终端设备的购物行为进行识别，能够除去终端设备的购物行为中与商品信息无关的信息，由此可提高最终提供的推荐商品信息的准确性。

根据本发明的一个实施例，第一匹配单元4024包括：聚类子单元和匹配子单元，其中聚类子单元用于对购物信息进行聚类处理，得到多个购物信息类，其中每个购物信息类包括至少一个购物信息；匹配子单元对每一个购物信息类匹配至少一个购物推荐词。

在本发明的另一个实施例中，第一匹配单元4024还包括：划分子单元和设置子单元，其中划分子单元用于将购物信息划分成多个购物信息元素；具体地，划分子单元可按照分词的方式将购物信息划分成多个购物信息元素。以及设置子单元用于对多个购物信息元素中的每一个购物信息元素设置权重值，权重值用于表示购物信息元素的重要程度。

相应地，聚类子单元进一步用于根据购物信息元素的权重值，对多个购物信息进行聚类处理，得到相应的购物信息类。

根据本发明的一个实施例，聚类子单元进一步用于计算购物信息中所有购物信息元素的权重值之和；计算购物信息中购物信息元素的平均权重值；然后将平均权重值大于等于限制阈值的购物信息聚合到同一类商品的购物信息类中。

具体地，聚类子单元可根据以下公式对购物信息进行聚类处理：

如果购物信息类G包含一些购物推荐词，某个购物信息T属于购物信息类G需满足：

$\frac{{\mathrm{\Σ}}_{\mathrm{term}\∈G\∩T}\mathrm{Score}}{\mathrm{Count}}\≥\mathrm{\α}$

其中，∑_term∈G∩T Score表示：存在于购物信息类G中，购物信息T中购物信息元素t的权重值之和；

Count表示：购物信息类G中包含的购物信息T的个数；

α表示限制阈值，该限制阈值可根据具体情况进行调整。

根据本发明的一个实施例，所述匹配子单元进一步用于从多个预设的购物推荐词中任选一个购物推荐词，然后计算出该购物信息类和购物推荐词中共同包含的购物信息元素的权重值之和；计算共同包含的购物信息元素的权重值之和，与购物推荐词中包含的购物信息元素的个数之间的比值；循环计算，直到遍历完所有的购物推荐词，最后为购物信息类匹配一个最大的比值所对应的购物推荐词。

具体地，匹配子单元进一步用于根据如下公式，计算购物推荐词Q相对于购物信息类G的比值；

$\mathrm{Score}\left(Q\right|G)=\frac{{\mathrm{\Σ}}_{\mathrm{term}\∈G\∩Q}\mathrm{ScoreT}}{\mathrm{CountQ}}$

其中，∑_term∈G∩Q ScoreT表示：购物推荐词Q和购物信息类G共同包含购物信息元素t的权重值之和；

CountQ表示：购物推荐词Q包含的购物信息元素t的个数；

根据计算得到的比值Score(Q|G)，购物信息类G选一个最高的比值Score(Q|G)所对应的购物推荐词Q。

在本发明的实施例中，通过对终端设备的购物行为进行识别，得到与该购物行为相关的预设的购物推荐词，然后利用购物推荐词作为推荐中介，将与该购物推荐词对应的商品推荐给终端设备，由于不需要借助详细充足的商品信息来挖掘购物推荐词，而是将终端设备的购物行为映射成相应的购物推荐词，然后对终端设备的具体购物行为进行识别，得到与购物行为对应的购物推荐词，因此本发明实施例中的商品推荐效果方便控制，有效简化购物推荐***的复杂度，提高实时推荐响应速度。

在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述，构造这类***所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例的进程识别装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (15)

1.一种针对终端设备的数据交互方法，包括：

获取与终端设备的购物行为相关的预设的购物推荐词；

根据所述预设的购物推荐词，匹配得到与所述预设的购物推荐词对应的至少一个商品的相关商品信息；

将匹配得到的所述至少一个商品的相关商品信息发送给所述终端设备；

其中，所述预设的购物推荐词预先从电子类商务网站的购物会话日志中获取并存储，或者所述预设的购物推荐词预先从搜索网站的商品搜索排行榜中获取并存储。

2.根据权利要求1所述的方法，其特征在于，所述获取与终端设备的购物行为相关的预设的购物推荐词的步骤包括：

获取与终端设备的购物行为相关的购物信息，所述购物信息包括：终端设备搜索商品的关键词、终端设备浏览商品的商品信息、终端设备已购买商品的商品信息中的一个或多个；

根据获取的所述购物信息，匹配得到与所述购物信息对应的至少一个预设的购物推荐词。

3.根据权利要求2所述的方法，其特征在于，所述获取与终端设备的购物行为相关的购物信息的步骤为：

从所述终端设备的购物行为中识别出所述购物信息，所述购物行为包括：终端设备输入搜索关键字的行为、终端设备浏览商品的行为、终端设备购买商品的行为中的一个或多个。

4.根据权利要求2所述的方法，其特征在于，所述匹配得到与所述购物信息对应的至少一个预设的购物推荐词的步骤包括：

对多个购物信息进行聚类处理，得到购物信息类，其中每个购物信息类包括至少一个购物信息；

对每一个所述购物信息类匹配至少一个预设的购物推荐词。

5.根据权利要求4所述的方法，其特征在于，所述对多个购物信息进行聚类处理，得到购物信息类的步骤之前，还包括：

将所述购物信息划分成多个购物信息元素；

对所述多个购物信息元素中的每一个购物信息元素设置权重值，所述权重值用于表示所述购物信息元素的重要程度；

所述对多个购物信息进行聚类处理，得到购物信息类的步骤为：

根据所述购物信息元素的权重值，对所述购物信息进行聚类处理，得到多个购物信息类。

6.根据权利要求5所述的方法，其特征在于，所述根据所述购物信息元素的权重值，对所述购物信息进行聚类处理，得到多个购物信息类的步骤包括：

计算所述购物信息中所有购物信息元素的权重值之和；

计算购物信息中购物信息元素的平均权重值；

将平均权重值大于等于限制阈值的购物信息聚合到同一类商品的购物信息类中。

7.根据权利要求4所述的方法，其特征在于，所述对每一个所述购物信息类匹配至少一个购物推荐词的步骤包括：

从多个预设的购物推荐词中任选一个购物推荐词，然后计算出该购物信息类和购物推荐词中共同包含的购物信息元素的权重值之和；

计算共同包含的购物信息元素的权重值之和，与购物推荐词中包含的购物信息元素的个数之间的比值；

循环计算，直到遍历完所有的购物推荐词，最后为购物信息类匹配一个最大的比值所对应的购物推荐词。

8.根据权利要求4所述的方法，其特征在于，所述将所述购物信息划分成多个购物信息元素的步骤为：

按照分词的方式将所述购物信息划分成多个购物信息元素。

9.一种针对终端设备的数据交互装置，包括：

存储模块，用于存储预设的购物推荐词；

获取模块，用于获取与终端设备的购物行为相关的预设的购物推荐词；

匹配模块，用于根据所述预设的购物推荐词，匹配得到与所述购物推荐词对应的至少一个商品的相关商品信息；

发送模块，用于将匹配得到所述至少一个商品的相关商品信息发送给所述终端设备；

其中，所述预设的购物推荐词预先从电子类商务网站的购物会话日志中获取并存储，或者所述预设的购物推荐词预先从搜索网站的商品搜索排行榜中获取并存储。

10.根据权利要求9所述的装置，其特征在于，所述获取模块包括：

获取单元，用于获取与所述终端设备的购物行为相关的购物信息，所述购物信息包括：终端设备搜索商品的关键词和/或终端设备已购买商品的商品信息；

第一匹配单元，用于根据获取的所述购物信息，匹配得到与所述购物信息对应的至少一个购物推荐词。

11.根据权利要求10所述的装置，其特征在于，所述获取单元进一步用于从所述终端设备的购物行为中识别出所述购物信息，所述购物行为包括：终端设备输入搜索关键字的行为、终端设备浏览商品的行为、终端设备购买商品的行为中的一个或多个。

12.根据权利要求10所述的装置，其特征在于，所述第一匹配单元包括：

聚类子单元，用于对所述购物信息进行聚类处理，得到多个购物信息类，其中每个购物信息类包括至少一个购物信息；

匹配子单元，用于对每一个所述购物信息类匹配至少一个购物推荐词。

13.根据权利要求12所述的装置，其特征在于，所述第一匹配单元还包括：

划分子单元，用于将所述购物信息划分成多个购物信息元素；

设置子单元，用于对所述多个购物信息元素中的每一个购物信息元素设置权重值，所述权重值用于表示所述购物信息元素的重要程度；

聚类子单元进一步用于根据所述购物信息元素的权重值，对多个所述购物信息进行聚类处理，得到购物信息类。

14.根据权利要求13所述的装置，其特征在于，所述聚类子单元进一步用于计算所述购物信息中所有购物信息元素的权重值之和；计算购物信息中购物信息元素的平均权重值；然后将平均权重值大于等于限制阈值的购物信息聚合到同一类商品的购物信息类中。

15.根据权利要求13所述的装置，其特征在于，所述匹配子单元进一步用于从多个预设的购物推荐词中任选一个购物推荐词，然后计算出该购物信息类和购物推荐词中共同包含的购物信息元素的权重值之和；计算共同包含的购物信息元素的权重值之和，与购物推荐词中包含的购物信息元素的个数之间的比值；循环计算，直到遍历完所有的购物推荐词，最后为购物信息类匹配一个最大的比值所对应的购物推荐词。

Images