CN108701140A - 从图像生成结构化查询 - Google Patents
从图像生成结构化查询 Download PDFInfo
- Publication number
- CN108701140A CN108701140A CN201680081916.1A CN201680081916A CN108701140A CN 108701140 A CN108701140 A CN 108701140A CN 201680081916 A CN201680081916 A CN 201680081916A CN 108701140 A CN108701140 A CN 108701140A
- Authority
- CN
- China
- Prior art keywords
- bulleted list
- attribute
- described search
- list
- response
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2425—Iterative querying; Query formulation based on the results of a preceding query
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Library & Information Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
项目的图像通常包括可用于对项目进行分类(例如,作为书籍,电话或附件)或识别项目的属性(例如,项目颜色或款式)的大量信息。用户提供项目列表的搜索查询。分析由提供相同搜索查询的用户先前选择的列表中的项目的图像,以识别所描绘的项目的类别或属性。识别的类别或属性将添加到用户的搜索查询中。将与修改的搜索查询匹配的列表提供给用户。
Description
相关申请的交叉引用
本申请要求享有2015年12月31日提交的、申请号为14/985,913的美国专利申请的优先权,通过引用将其内容全部结合至此。
技术领域
本文公开的主题一般涉及处理查询的计算机***。具体地,本公开内容涉及与响应于查询来有效地检索数据有关的***和方法。
背景技术
数据库中的项目可以具有相关联的属性。对数据库中的项目的搜索查询可以包括属性以及搜索项。针对搜索查询返回的项目可以限于匹配搜索项并具有匹配属性的项目。
附图说明
在附图中,通过示例而非限制的方式示出了一些实施例。
图1是示出根据一些示例实施例的适合于从图像生成结构化查询的网络环境的网络图。
图2是示出根据一些示例实施例的适合于从图像生成结构化查询的属***器的组件的框图。
图3是示出根据一些示例实施例的适合于建议从图像生成的类别的用户界面的框图。
图4是示出根据一些示例实施例的适合于从图像生成结构化查询的因子的框图。
图5是示出根据一些示例实施例的训练机器学习模型以从图像生成结构化查询的框图。
图6是示出根据一些示例实施例的训练机器学习模型以从图像生成结构化查询的框图。
图7是示出根据一些示例实施例的服务器在执行从图像生成结构化查询的过程中的操作的流程图。
图8是示出根据一些示例实施例的服务器在执行从图像生成结构化查询的过程中的操作的流程图。
图9是示出根据一些示例实施例的可以安装在机器上的软件架构的示例的框图。
图10示出了根据示例实施例的计算机***形式的机器的图形表示,该机器中可以执行指令集合以使机器执行本文所讨论的任何一种或多种方法。
具体实施方式
示例方法和***涉及基于项目列表中使用的图像生成结构化查询。示例仅代表可能的变化。除非另有明确说明,否则组件和功能是可选的并且可以组合或细分,并且操作可以按顺序变化或者组合或细分。在以下描述中,出于解释的目的,阐述了许多具体细节以提供对示例实施例的透彻理解。然而,对于本领域技术人员显而易见的是,可以在没有这些具体细节的情况下实践本主题。
电子商务平台提供搜索功能,通过该功能,用户可以搜索用户感兴趣的项目的项目列表。例如,用户可以输入诸如“红色耐克篮球鞋”之类的搜索字符串。可以通过在项目列表的描述性文本中搜索该搜索字符串中的每个词来识别搜索结果。因此,包含查询中的所有词的列表将比缺少一个或多个词的列表排名更高,包含词的多次重复的列表将比仅使用词一次的列表排名更高,等等。
搜索查询还可以包括属性。项目列表指示项目的属性与项目的文本描述分开。在一些示例实施例中,属性由电子商务平台预定义。例如,如果和是电子商务平台认可的鞋子品牌,则可以向项目列表的创建者显示两个品牌的单选按钮,并允许其选择品牌作为项目列表的属性。类似地,搜索用户可以将品牌指示为搜索的属性。在这种情况下,搜索结果可以限于具有匹配属性的那些项目列表。例如,对“红色耐克篮球鞋”的文本搜索将匹配包括描述“红色篮球鞋,而不是耐克”的项目列表,但搜索“品牌::耐克”属性的“红色篮球鞋”与列表不符,除非创建者故意将该列表标记为品牌。
示例类型的属性包括尺寸(例如,小,中,大,超大或数字尺寸,例如尺寸6和尺寸8),品牌(例如,或),颜色,类别(例如,“书籍”,“衣服”,“收藏品”或“汽车”)和款式(例如,平底鞋或跟鞋,长裙或短裙,以及软呢帽或棒球帽)。由于属性搜索比包括属性的纯文本搜索更可能排除不需要的项目,因此本文描述的智能地向搜索查询添加属性的方法和***通过提高搜索结果的质量来改进现有搜索***。在一些示例实施例中,每个项目列表恰好属于一个叶类别。为了区分类别属性和其他属性,可以将其他属性称为“方面”。
机器学***底鞋或跟鞋。作为另一示例,机器学***均以确定前景项的颜色。因此,通过使特定图像通过多个图像分类器,可以自动确定关于图像中描绘的项目的细节。
在一些示例实施例中,使用两阶段过程。在第一阶段,挖掘使用信息以识别与响应于特定查询而交互的项目列表相关联的图像。为了说明,每次使用特定查询时,响应于查询将项目列表集合呈现给查询用户。用户与所呈现的项目列表中的零个或多个交互(例如,通过点击项目列表的标题以查看附加信息)。所交互的列表与查询相关联。因此,在稍后的时间,可以访问与所有用户的查询相关联的列表集合。与该集合中的列表相关联的图像被馈送到训练过的图像分类器以识别所描绘的项目的属性。例如,如果在搜索“漂亮的鞋子”之后交互的项目列表的90%是跟鞋并且只有10%是平底鞋,则“款式::高跟鞋”的属性可与搜索查询“漂亮的鞋子”相关联。
在第二阶段,用户输入查询,并从数据库中检索在第一阶段期间与查询相关联的属性。在一些示例实施例中,将检索到的属性中的一个或多个应用于用户的搜索查询,并且使用修改的查询来选择要呈现给用户的项目列表。在另外的示例实施例中,一个或多个检索到的属性在用户界面中呈现给用户,使用户能够快速地将属性添加到查询中。
在一些示例实施例中,当创建新列表时,向训练过的图像分类器馈送与列表相关联的图像。可以将通过图像分类器与图像相关联的一个或多个属性自动添加到列表中。可以将通过图像分类器与图像相关联的属性与列表创建者添加的属性进行比较。如果两组属性冲突,则可以生成警报并将其发送给电子商务站点的管理员,列表的创建者或两者。例如,如果图像显示淘汰品牌的鞋,但卖方指示该列表是针对名牌,则可以检测到冲突并且管理员警告卖方试图误导用户。
图1是示出根据一些示例实施例的适合于从图像生成结构化查询的网络环境100的网络图。网络环境100包括电子商务服务器120和140,属***器130,以及设备150A,150B和150C,它们都经由网络170彼此通信地耦合。设备150A,150B和150C可以统称为作为“多个设备150”,或者统称为“设备150”。电子商务服务器120和140以及属***器130可以是基于网络的***110的一部分。或者,设备150可以直接或通过与用于连接到电子商务服务器120或140的网络170不同的本地网络连接到属***器130。电子商务服务器120和140,属***器130和设备150均可以全部或部分地在计算机***中实现,如下面参考图9-10所描述的。
电子商务服务器120和140经由网络170向其他机器(例如,设备150)提供电子商务应用。电子商务服务器120和140还可以直接连接到属***器130或与属***器130集成。在一些示例实施例中,一个电子商务服务器120和属***器130是基于网络的***110的一部分,而其他电子商务服务器(例如,电子商务服务器140)与基于网络的***110分离。电子商务应用可以为用户提供直接相互买卖物品,从电子商务应用提供商处购买和向电子商务应用提供商销售,或二者兼有的方式。
图1还示出了用户160。用户160可以是人类用户(例如,人类),机器用户(例如,由软件程序配置以与设备150和属***器130交互的计算机),或其任何合适的组合(例如,由机器辅助的人类,或由人类监督的机器)。用户160不是网络环境100的一部分,而是与设备150相关联,并且可以是设备150的用户。例如,设备150可以是传感器,台式计算机,车辆计算机,平板电脑,导航设备,便携式媒体设备或属于用户160的智能电话。
在一些示例实施例中,属***器130接收关于用户感兴趣的项目的数据。例如,附接到设备150A的相机可以拍摄用户160希望出售的项目的图像,并通过网络170将图像发送到属***器130。属***器130基于图像识别项目的属性。可以将所识别的项目的属性发送到电子商务服务器120或140,设备150A或其任何组合。电子商务服务器120或140可以使用这些属性来帮助生成待售物品的列表。类似地,图像可以是用户160感兴趣的项目,并且电子商务服务器120或140可以使用这些属性来帮助选择要向用户160显示的项目列表。
作为另一示例,用户160可以提供文本串作为查询以搜索感兴趣的项目列表。在该示例中,查询从设备150发送到属***器130(可选地由电子商务服务器120或140中介)。属***器130识别与查询相关联的一个或多个属性,并将识别的属性提供给电子商务服务器120或140(可选地由设备150中介)。电子商务120或140基于所识别的属性修改查询,并将与修改的查询匹配的项目列表提供给设备150。
图1中所示的任何机器、数据库或设备可以在通过软件修改(例如,配置或编程)的通用计算机中实现为专用计算机,以执行本文所述的用于该机器、数据库或设备的功能。例如,下面参考图9-10讨论能够实现本文描述的任何一种或多种方法的计算机***。如这里所使用的,“数据库”是数据存储资源并且可以存储被结构化为文本文件、表格、电子表格、关系数据库(例如,对象关系数据库)、三重存储、分层数据存储的数据,或其任何合适的组合。此外,图1中所示的任何两个或更多个机器、数据库或设备可以组合成单个机器,并且这里针对任何单个机器、数据库或设备描述的功能可以在多个机器、数据库或者设备之间细分。
网络170可以是能够在机器、数据库和设备(例如,属***器130和设备150)之间进行通信的任何网络。因此,网络170可以是有线网络、无线网络(例如,移动或蜂窝网络),或其任何合适的组合。网络170可以包括构成专用网络、公共网络(例如,因特网)或其任何合适组合的一个或多个部分。
图2是示出根据一些示例实施例的属***器130的组件的框图。属***器130被示为包括通信模块210、图像识别模块220、属性关联模块230、列表模块240和存储模块250,它们都被配置为彼此通信(例如,经由总线、共享内存或交换机)。可以使用硬件(例如,机器的处理器)来实现这里描述的任何一个或多个模块。此外,这些模块中的任何两个或更多个可以组合成单个模块,并且这里针对单个模块描述的功能可以在多个模块之间细分。此外,根据各种示例实施例,这里描述的在单个机器、数据库或设备内实现的模块可以分布在多个机器、数据库或设备上。
通信模块210被配置为发送和接收数据。例如,通信模块210可以通过网络170接收图像数据并将接收的数据发送到图像识别模块220。作为另一个示例,属性关联模块230可以确定所描绘的项目的属性或查询,并且项目的属性可以由通信模块210通过网络170发送到电子商务服务器120或140。图像数据可以是二维图像,来自连续视频流的帧,三维图像,深度图像,红外图像,双目图像或其任何合适的组合。
图像识别模块220被配置为使用图像匹配技术生成输入图像中描绘的项目的类别集合。例如,描绘一双红色高跟鞋的图像可以被分类为描绘红色物品,描绘鞋子,以及描绘高跟鞋。在一些示例实施例中,分类过程涉及嵌套图像识别。例如,只有当更普遍的CNN确定鞋子在图像中被描绘时,才可以调用能够区分高跟鞋和平底鞋的卷积神经网络(CNN)。
属性关联模块230被配置为将属性与查询相关联并将关联存储在存储模块250中。例如,电子商务***120可以使用存储模块250中的数据库表来将每个查询与在响应于查询的呈现之后交互的项目列表相关联。项目列表可以包括图像。属性关联模块230将项目列表的图像作为输入提供给图像识别模块220,以识别与和项目列表相关联的图像相关联的属性集合。所识别的属性集合的至少一个子集通过属性关联模块230与查询相关联;关联存储在存储模块250中。
列表模块240被配置为使用由图像识别模块220识别的属性来生成项目的项目列表。例如,在用户上传了描绘项目的图像并且项目的属性被成功识别之后,列表模块240可以创建包括一个或多个所识别的属性的项目列表。可以提示用户确认或修改所生成的列表,或者可以响应于属性的识别而自动发布所生成的列表。列表可以经由通信模块210发送到电子商务服务器120或140。在一些示例实施例中,列表模块240在电子商务服务器120或140中实现,并且响应于从属***器130发送到电子商务服务器120或140的项目的标识符而生成列表。
存储模块250被配置为存储和检索由图像识别模块220、属性关联模块230和列表模块240生成和使用的数据。例如,图像识别模块220使用的分类器可以由存储模块250存储。由属性关联模块230生成的关于图像中描绘的属性的标识的信息也可以由存储模块250存储。电子商务服务器120或140可以请求图像中项目的属性的标识(例如,通过提供图像、图像标识符或两者),该标识可以由存储模块250从存储器中检索并使用通信模块210通过网络170发送。
图3是示出根据一些示例实施例的适合于建议从图像生成的类别的用户界面的屏幕图300。如在屏幕图300中可以看到的,用户界面包括标题310,“搜索结果”,显示查询结果数量的指示符320,屏幕底部的按钮370,以及屏幕上半部分中的四个搜索结果330-360。可以在用户输入搜索查询之后呈现图3的屏幕。在一些示例实施例中,按钮370可操作以通过应用属性来更新搜索结果。例如,属性关联模块230可以将属于“摄像机”类别的属性与用户输入的查询相关联。因此,按钮370可操作以再次提交查询,结果集合限于“摄像机”类别中的项目。
图4是示出根据一些示例实施例的适合于从图像生成结构化查询的因子的框图400。数据库410存储历史用户行为数据以及关于***(例如,电子商务服务器120或140)的多个用户的行为的数据。在一些示例实施例中,关于所有用户的动作的数据存储在数据库410中。
根据历史用户行为数据,可以提取针对与每个唯一搜索查询的会话中的成功项目列表相关联的图像的属性的使用度量420。类似地,可以提取针对与每个唯一搜索查询的会话中的不成功项目列表相关联的图像的属性的使用度量430。使用度量420和430可以用于对类别、方面和全局过滤器进行建模,这些类别、方面和全局过滤器在将来使用相同查询时可能是期望的并且作为查询建模数据存储在数据库440中。在各种示例实施例中,使用成功和不成功项目列表的不同定义。在各种示例实施例中,成功项目列表的示例包括:用户选择(例如,点击)的项目列表;用户购买项目的项目列表;添加到用户监视列表中的项目列表;用户评论的项目列表;以及用户与卖家沟通的项目列表。在各种实施例中,不成功项目列表的示例包括:在该实施例的标准下不成功的项目列表;不成功并呈现给用户的项目列表;由用户的动作拒绝的项目列表(例如,通过点击项目列表中呈现的带有“x”的框)。
图5是示出根据一些示例实施例的训练机器学习模型以从图像生成结构化查询的框图500。针对类别识别图像集合和对应的属性。例如,识别图像510和项目文本信息520。在一些示例实施例中,从相同的项目列表中提取图像510和项目文本信息520。类别可以是类别树中的叶类别。例如,服装可以是顶级类别,鞋子可以是儿童类别的服装,而男鞋和女鞋可以都是儿童类别的鞋子。如果男鞋和女鞋没有其他儿童类别,则认为它们属于叶类别。在一些示例实施例中,项目文本信息520反映项目列表的各方面。替代地或另外地,项目文本信息520包括项目列表的标题中的词或短语。
在一些示例实施例中,在图5的过程中使用的项目列表限于产生销售的项目列表。将用于训练的列表限制为产生销售的那些列表可以产生在列表的方面值与所销售项目的实际方面之间具有更好一致性的列表池。在操作530中训练机器学习模型以基于输入图像识别属性。例如,可以使用类别中成功销售的具有该属性的项目列表的图像作为积极训练集,并使用类别中成功销售的缺少该属性的项目列表的图像作为消极训练集来训练卷积神经网络(CNN)。得到的CNN将有可能正确地确定与该类别中的项目列表相关联的任何图像,无论该销售项目是否具有该属性。
图6是示出根据一些示例实施例的用于训练机器学习模型以从图像生成结构化查询的过程600的框图。响应于查询640的图像集合(包括图像610和图像620)被提供用于注释(操作630)。在一些示例实施例中,该图像集合仅包括来自响应于查询640的成功列表的图像。一个或多个图像分类器(例如,图像识别模块220的图像分类器)确定与图像相关联的属性。可以如上面参考图5所描述的那样训练图像分类器。基于在操作630和查询640中产生的注释,将与该图像集合相关联的列表属性映射到查询(操作650)。
在一些示例实施例中,与图像集合的每个图像相关联的每个属性被映射到查询640。在其他示例实施例中,固定数量的最流行属性被映射到查询640。例如,由最大数量的图像共享的单个属性可以被映射到查询640。在另一其他示例实施例中,超过预定计数的所有属性被映射到查询640。例如,与该图像集合中的至少10个图像相关联的所有属性可以被映射到查询640。在又一其他示例实施例中,超过预定频率的所有属性被映射到查询640。例如,与该图像集合中的至少10%的图像相关联的所有属性可以被映射到查询640。
在一些示例实施例中,电子商务服务器120或140通过识别项目列表的候选集合来确定为注释提供的图像集合,该项目列表的候选集合包括响应于先前使用搜索查询640的项目。候选项目列表集合用于通过从项目列表的候选集合中消除响应于先前使用搜索查询640而未充分交互的项目列表集合来创建精简的项目列表集合。在一些示例实施例中,为注释提供的图像集合是精简的项目列表集合。
在各种示例实施例中,使用不同的标准来确定项目列表何时未充分地交互。例如,任何从未交互过的列表都可被视为未充分交互。作为另一个例子,交互少于预定次数(例如,五次)的任何列表都可被视为未充分交互。作为又一个示例,交互少于其呈现的预定百分比(例如,交互少于列表呈现给用户次数的10%)的任何列表都可被视为未充分交互。另外,用于识别交互的标准可以根据实施例而变化。在一些示例实施例中,任何与项目列表的交互(例如,查看列表,观看项目,对项目进行投标,购买项目或对项目进行报价)被计为交互,目的是为了确定是否与列表充分交互。在其他示例实施例中,仅将某些预定活动计为交互,目的是为了确定是否与列表充分交互。仅仅呈现搜索结果(例如,搜索结果330)不构成交互,所述交互总是需要用户采取某种形式的动作。例如,查看列表可以通过轻击或点击搜索结果来完成,从而导致呈现未在搜索结果中显示的其他细节。作为另一示例,观看项目可以通过轻击或点击搜索结果中的热点来完成,或者可能需要首先查看列表然后与显示的用户界面元素以及附加细节进行交互。观看项目使得观看用户在项目列表发生事件时被通知。例如,当列表即将关闭时(例如,在24小时内,在4小时内,或在另一时间帧内)或当另一用户出价高于观看用户时,可以向观看用户发送通知。
因此,将图5-6结合在一起,在一些示例实施例中,基于类别的成功项目列表以及分配给这些项目列表的属性来训练机器学习模型(例如,操作530)以识别图像(例如,图像610,620)的属性。然后应用训练过的机器学习模型以确定响应于特定查询(例如,查询640)的图像的属性。然后,响应于查询的图像的属性与查询相关联。因此,属性关联服务器130被配置为提供与特定查询相关联的属性,如下面描述的过程700和800所使用的。
图7是示出根据一些示例实施例的服务器在执行从图像生成结构化查询的过程700中的操作的流程图。过程700包括操作710,720和730。仅作为示例而非限制,操作710-730被描述为由模块210-250执行。
在操作710中,属性关联模块230访问查询。在一些示例实施例中,电子商务网站的用户可以将查询从设备150提交到电子商务服务器120或140。电子商务服务器120或140将查询提交给属***器130,属***器130访问查询。在其他示例实施例中,查询存储在数据库中并从数据库访问查询。
在操作720中,属性关联模块230基于与和查询相关联的成功列表相关联的图像来识别与查询相关联的属性。例如,参考过程600,在操作650中映射的列表属性可以存储在数据库中以便在操作720中进行访问。所识别的属性可以在文本上匹配查询的一个或多个词或者在文本上是不同的。例如,在搜索“红色耐克鞋”时,如果找到“品牌::耐克”属性,则该属性在文本上与查询中的词匹配。作为另一示例,在相同搜索中,如果找到“款式::篮球”属性,则该属性在文本上与查询的所有词不同。
在操作730中,电子商务服务器120或140评估查询,包括在操作720中确定的属性。响应于查询,将与查询和属性匹配的项目列表集合提供给设备150。例如,如果查询是针对“游戏机”,则单独搜索文本可能会返回许多游戏的列表,因为列表可能会将游戏描述为与游戏机兼容。但是,在查询中指定“游戏机”的用户可能正在寻找游戏机,而不是游戏。因此,过程600对先前成功列表的分析可能将“游戏***”的属性链接到“Xbox游戏机”的查询。结果,在操作730中,响应于查询而提供的列表集合是仅限于具有“游戏***”属性的那些列表,不包括缺少该属性的结果,例如***的游戏。在操作730中提供的列表可以从电子商务服务器120或140发送到用户设备150,以在web浏览器或在设备150上运行的专用应用上显示给用户。
在操作720中识别的一个或多个属性可能与所访问的查询提供的属性冲突。例如,如果查询是针对“游戏机”,但是用户明确指出该查询应该应用于具有“游戏”属性的列表,则在操作720中识别的属性将与用户识别的属性冲突。因此,在一些示例实施例中,忽略自动识别的属性,而使用用户提供的属性。由于可以在操作720中识别多个属性,因此在一些示例实施例中,非冲突的、自动识别的属性与用户定义的属性一起使用。在其他示例实施例中,如果发现冲突,则仅使用用户定义的属性。
图8是示出根据一些示例实施例的服务器在执行从图像生成结构化查询的过程800中的操作的流程图。过程800包括操作810,820,830,840和850。仅作为示例而非限制,操作810-850被描述为由属***器130和电子商务服务器120或140执行。
在操作810中,电子商务服务器120或140访问包括图像和卖方提供的属性的列表。例如,列表可以是游戏***的项目列表,并且卖方提供的属性可以指示***包括1TB硬盘驱动器。该图像可以描绘一个显示实际待售的特定的框。
在操作820中,电子商务服务器120或140将训练过的机器学习模型应用于图像,并且基于训练过的机器学习模型的结果,识别与图像相关联的属性。例如,电子商务服务器120或140可以将图像发送到属***器130以进行处理。属***器130的图像识别模块220可以确定所描绘的型号是500GB。结果,属***器130将属性的标识符发送回电子商务服务器120或140。
在操作830中,电子商务服务器120或140确定卖方提供的属性(例如,1TB)和与图像相关联的属性(例如,500GB)冲突。在此示例中,由于单个的型号不能同时是1TB和500GB,因此属性会发生冲突。相比之下,500GB型号属性与诸如型号年份或颜色等属性不冲突。
响应于确定存在冲突,执行操作840和850中的一个或两个。在操作840中,列表被标记为误导,以供管理员查看。例如,关于列表的警报可以通过电子邮件发送到预定义的管理员帐户。响应于接收到电子邮件,管理员可以查看列表并更正列表,向列表的创建者发送警告,或者确定列表是正确的并清除标志。
在操作850中,自动移除卖方提供的属性并用与图像相关联的属性替换。例如,可以删除的1TB属性,而改为设置500GB属性。
根据各种示例实施例,本文描述的方法中的一个或多个可以有助于识别图像中描绘的项目的属性。此外,这里描述的一种或多种方法可以改善呈现给用户的搜索结果的质量。此外,这里描述的一种或多种方法可以提高与列表相关联的属性的准确性。
当综合考虑这些影响时,本文描述的一种或多种方法可以消除对搜索项目列表或提高与列表相关联的属性的准确性所涉及的某些努力或资源的需要。用户在寻找感兴趣的项目时所花费的努力也可以通过本文描述的一种或多种方法来减少。例如,准确地识别用户感兴趣的项目可以减少用户在寻找要购买的项目时花费的时间或精力。作为另一示例,提高与项目列表相关联的属性的准确性可以减少创建准确列表,管理包括项目列表的电子商务***,以及基于属性搜索项目所涉及的精力。可以类似地减少由一个或多个机器、数据库或设备(例如,在网络环境100内)使用的计算资源。这种计算资源的示例包括处理器周期、网络流量、存储器使用、数据存储容量、功耗和冷却容量。
软件架构
图9是示出软件架构902的框图900,其可以安装在上述任何一个或多个设备上。图9仅是软件架构的非限制性示例,并且应当理解,可以实现许多其他架构以促进本文描述的功能。软件架构902可以由诸如图10的机器1000的硬件实现,其包括处理器1010、存储器1030和输入/输出(I/O)组件1050。在该示例架构中,软件架构902可以概念化为每层可以提供特定功能的层堆栈。例如,软件架构902包括诸如操作***904、库906、框架908和应用910之类的层。在操作上,根据一些实现,应用910通过软件栈调用应用编程接口(API)调用912并响应于API调用912接收消息914。
在各种实现中,操作***904管理硬件资源并提供公共服务。操作***904包括例如内核920、服务922和驱动程序924。在一些实现中,内核920充当硬件和其他软件层之间的抽象层。例如,内核920提供存储器管理、处理器管理(例如,调度)、组件管理、联网、安全设置以及其他功能。服务922可以针对其他软件层提供其他公共服务。驱动程序924可以负责控制或与底层硬件接口。例如,驱动程序924可以包括显示驱动程序,相机驱动程序,蓝牙驱动程序,闪存驱动程序,串行通信驱动程序(例如,通用串行总线(USB)驱动程序),驱动程序,音频驱动程序,电源管理驱动程序,等等。
在一些实现中,库906提供可由应用910使用的低级公共基础结构。库906可以包括***库930(例如,C标准库),***库930可以提供函数,例如存储器分配函数,字符串操作函数,数学函数等。另外,库906可以包括API库932,例如媒体库(例如,用于支持各种媒体格式的呈现和操纵的库,例如运动图像专家组-4(MPEG4),高级视频编码(H.264或AVC),运动图像专家组第3层(MP3),高级音频编码(AAC),自适应多速率(AMR)音频编解码器,联合图像专家组(JPEG或JPG),便携式网络图形(PNG)),图形库(例如,用于在显示器上的图形内容中以二维(2D)和三维(3D)呈现的OpenGL框架),数据库库(例如,用于提供各种关系数据库功能的SQLite),web库(例如,提供网络浏览功能的WebKit)等。库906还可以包括各种其他库934,以向应用910提供许多其他API。
根据一些实现,框架908提供可由应用910使用的高级公共基础结构。例如,框架908提供各种图形用户界面(GUI)功能,高级资源管理,高级位置服务等。框架908可以提供可以由应用910使用的大量其他API,其中一些API可以特定于特定的操作***或平台。
在示例实施例中,应用910包括主页应用950,联系人应用952,浏览器应用954,书籍阅读器应用956,位置应用958,媒体应用960,消息收发应用962,游戏应用964,以及各种各样的其他应用,例如第三方应用966。根据一些实施例,应用910是执行在程序中定义的功能的程序。可以采用各种编程语言来创建一个或多个应用910,应用910以各种方式结构化,例如面向对象的编程语言(例如,Objective-C,Java或C++)或过程编程语言(例如,C语言或汇编语言)。在特定示例中,第三方应用966(例如,由特定平台的供应商以外的实体使用AndroidTM或iOSTM软件开发工具包(SDK)开发的应用)可以是在移动操作***(例如iOSTM,AndroidTM, Phone或其他移动操作***)上运行的移动软件。在该示例中,第三方应用966可以调用由移动操作***904提供的API调用912以促进这里描述的功能。
示例机器结构和机器可读介质
图10是示出根据一些示例实施例的机器1000的组件的框图,其能够从机器可读介质(例如,机器可读存储介质)读取指令并执行本文所讨论的任何一种或多种方法。具体地,图10示出了示例形式为计算机***的机器1000的图形表示,其中用于使机器1000执行本文所讨论的任何一种或多种方法的指令1016(例如,软件、程序、应用、小应用程序、app或其他可执行代码)可以被执行。在备选实施例中,机器1000作为独立设备操作或者可以耦合(例如,联网)到其他机器。在联网部署中,机器1000可以在服务器-客户端网络环境中以服务器机器或客户端机器的能力运行,或者作为端对端(或分布式)网络环境中的对等机器运行。机器1000可以包括但不限于服务器计算机、客户端计算机、个人计算机(PC)、平板计算机、膝上型计算机、上网本、机顶盒(STB)、个人数字助理(PDA)、娱乐媒体***、蜂窝电话、智能电话、移动设备、可穿戴设备(例如,智能手表)、智能家居设备(例如,智能设备)、其他智能设备、网络设备、网络路由器、网络交换机、网络桥接器或能够顺序地或以其他方式执行指令1016的任何机器,指令1016指定机器1000要采取的动作。此外,尽管仅示出了单个机器1000,术语“机器”还应被视为包括机器1000的集合,其单独地或共同地执行指令1016以执行本文所讨论的任何一种或多种方法。实际上,机器1000的某些实施例可能更适合于本文描述的方法。例如,虽然具有足够处理能力的任何计算设备可以用作属***器130,但是加速度计、摄像机和蜂窝网络连接不与属***器130执行本文所讨论的属性关联方法的能力直接相关。因此,在一些示例实施例中,通过在排除了对执行分配给每个机器1000的任务不必要的附加特征(例如,通过在没有直接连接的显示器并且没有通常仅在可穿戴或便携式设备上可见的集成传感器的服务器机器中实现属***器130)的机器1000上实现各种所描述的方法来实现成本节省。
机器1000可以包括处理器1010、存储器1030和I/O组件1050,其可以被配置为经由总线1002彼此通信。在示例实施例中,处理器1010(例如,中央处理单元(CPU)),精简指令集计算(RISC)处理器,复杂指令集计算(CISC)处理器,图形处理单元(GPU),数字信号处理器(DSP),专用集成电路(ASIC),射频集成电路(RFIC),另一处理器或其任何合适的组合)可包括例如可执行指令1016的处理器1012和处理器1014。术语“处理器”旨在包括多核处理器,其可以包括可以同时执行指令的两个或更多个独立处理器(也称为“核”)。尽管图10示出了多个处理器,但是机器1000可以包括具有单个核的单个处理器,具有多个核的单个处理器(例如,多核处理),具有单个核的多个处理器,具有多个核的多个处理器,或其任何组合。
存储器1030可以包括主存储器1032,静态存储器1034和存储单元1036,可以经由总线1002访问处理器1010的存储单元1036。存储单元1036可以包括机器可读介质1038,其上存储有体现本文描述的任何一种或多种方法或功能的指令1016。指令1016在被机器1000执行期间还可以完全或至少部分地驻留在主存储器1032内,静态存储器1034内,处理器1010中的至少一个内(例如,处理器的高速缓存存储器内),或其任何合适的组合。因此,在各种实现中,主存储器1032,静态存储器1034和处理器1010被认为是机器可读介质1038。
如这里所使用的,术语“存储器”指的是能够临时或永久地存储数据的机器可读介质1038,并且可以被认为包括但不限于随机存取存储器(RAM),只读存储器(ROM),缓冲存储器,闪存和高速缓冲存储器。虽然机器可读介质1038在示例实施例中被示为单个介质,但是术语“机器可读介质”应被视为包括能够存储指令1016的单个介质或多个介质(例如,集中式或分布式数据库或相关联的高速缓存和服务器)。术语“机器可读介质”还应被视为包括能够存储由机器(例如,机器1000)执行的指令(例如,指令1016)的任何介质或多个介质的组合,使得指令在由机器1000的一个或多个处理器(例如,处理器1010)执行时使机器1000执行本文描述的方法中的任何一个或多个。因此,“机器可读介质”指的是单个存储装置或设备,以及包括多个存储装置或设备的“基于云的”存储***或存储网络。因此,术语“机器可读介质”应被视为包括但不限于固态存储器(例如,闪存)形式的一个或多个数据存储库、光学介质、磁介质、其他非易失性存储器(例如,可擦除可编程只读存储器(EPROM))或其任何合适的组合。
I/O组件1050包括各种各样的组件以接收输入,提供输出,产生输出,发送信息,交换信息,捕获测量等。通常,应当理解,I/O组件1050可以包括图10中未示出的许多其他组件。I/O组件1050根据功能分组仅仅是为了简化以下讨论,并且分组决不是限制性的。在各种示例实施例中,I/O组件1050包括输出组件1052和输入组件1054。输出组件1052包括可视组件(例如,显示器,例如等离子显示面板(PDP),发光二极管(LED)显示器,液晶显示器(LCD),投影仪或阴极射线管(CRT)),声学组件(例如,扬声器),触觉组件(例如,振动马达),其他信号发生器等。输入组件1054包括字母数字输入组件(例如,键盘,配置为接收字母数字输入的触摸屏,光学光键盘或其他字母数字输入组件),基于点的输入组件(例如,鼠标,触摸板,轨迹球,操纵杆,运动传感器或其他指向工具),触觉输入组件(例如,物理按钮,提供触摸或触摸手势的位置和力的触摸屏或其他触觉输入组件),音频输入组件(例如,麦克风)等。
在一些另外的示例实施例中,I/O组件1050特别包括广泛的其他组件中的生物识别组件1056,运动组件1058,环境组件1060或位置组件1062。例如,生物识别组件1056包括用于检测表达(例如,手表达,面部表达,声音表达,身体姿势或眼睛跟踪)的组件,测量生物信号(例如,血压,心率,体温,出汗或脑波)的组件,识别人(例如,语音识别,视网膜识别,面部识别,指纹识别或基于脑电图的识别)的组件等。运动组件1058包括加速度传感器组件(例如,加速度计),重力传感器组件,旋转传感器组件(例如,陀螺仪)等。环境组件1060包括例如照明传感器组件(例如,光度计),温度传感器组件(例如,一个或多个检测环境温度的温度计),湿度传感器组件,压力传感器组件(例如,气压计),声学传感器组件(例如,一个或多个检测背景噪声的麦克风),接近传感器组件(例如,检测附近物体的红外传感器),气体传感器(例如,机器嗅觉检测传感器,用于检测危险气体浓度以确保安全或测量大气中的污染物的气体检测传感器),或其他可能提供与周围物理环境相对应的指示、测量或信号的组件。位置组件1062包括位置传感器组件(例如,全球定位***(GPS)接收器组件),高度传感器组件(例如,检测可从其导出高度的气压的高度计或气压计),方向传感器组件(例如,磁力计)等。
可以使用各种技术来实现通信。I/O组件1050可以包括通信组件1064,其可操作以分别经由连接1082和连接1072将机器1000连接到网络1080或设备1070。例如,通信组件1064包括网络接口组件或与网络1080接口的另一合适设备。在其他示例中,通信组件1064包括有线通信组件,无线通信组件,蜂窝通信组件,近场通信(NFC)组件,组件(例如,低能量),组件和其他通信组件,以通过其他形态提供通信。设备1070可以是另一机器或各种***设备中的任何一种(例如,经由USB耦合的***设备)。
此外,在一些实现中,通信组件1064检测标识符或包括可操作以检测标识符的组件。例如,通信组件1064包括射频识别(RFID)标签读取器组件,NFC智能标签检测组件,光学读取器组件(例如,用于检测一维条形码的光学传感器,例如通用产品代码(UPC)条代码,多维条码,如快速响应(QR)代码,Aztec代码,数据矩阵,Dataglyph,MaxiCode,PDF417,Ultra代码,统一商业代码缩减空间符号(UCC RSS)-2D条形码,以及其他光学代码),声学检测组件(例如,用于识别标记的音频信号的麦克风),或其任何合适的组合。另外,可以经由通信组件1064导出各种信息,例如经由因特网协议(IP)地理定位的位置信息,经由信号三角测量的位置信息,经由检测可以指示特定位置的NFC信标信号的位置信息等。
传输介质
在各种示例实施例中,网络1080的一个或多个部分可以是自组网(ad hoc)网络,内联网,外联网,虚拟专用网络(VPN),局域网(LAN),无线LAN(WLAN),广域网(WAN),无线广域网(WWAN),城域网(MAN),互联网,互联网的一部分,公共交换电话网(PSTN)的一部分,普通老式电话服务(POTS)网络,蜂窝电话网络,无线网络,网络,另一种类型的网络,或两个或更多这种网络的组合。例如,网络1080或网络1080的一部分可以包括无线或蜂窝网络,并且连接1082可以是码分多址(CDMA)连接,全球移动通信***(GSM)连接或其他类型的蜂窝或无线连接。在该示例中,连接1082可以实现各种类型的数据传输技术中的任何一种,例如单载波无线电传输技术(1xRTT),演进数据优化(EVDO)技术,通用分组无线服务(GPRS)技术,增强的GSM演进数据速率(EDGE)技术,第三代合作伙伴计划(3GPP)(包括3G,***无线(4G)网络),通用移动电信***(UMTS),高速分组接入(HSPA),全球微波接入互操作性(WiMAX),长期演进(LTE)标准,由各种标准制定组织定义的其他技术,其他远程协议或其他数据传输技术。
在示例实施例中,使用传输介质经由网络接口设备(例如,包括在通信组件1064中的网络接口组件)并利用众多公知传输协议中的任何一种(例如,超文本传输协议(HTTP))来在网络1080上发送或接收指令1016。类似地,在其他示例实施例中,使用传输介质经由连接1072(例如,端对端连接)向设备1070发送或接收指令1016。术语“传输介质”应被视为包括任何无形介质,其能够存储、编码或携带用于由机器1000执行的指令1016,并且包括数字或模拟通信信号或其他无形介质以便于所述软件的通信。载体介质包括承载包括机器可读指令的任何计算机可读介质,包括机器可读介质和传输介质。
语言
在整个说明书中,多个实例可以实现被描述为单个实例的组件、操作或结构。尽管一个或多个方法的各个操作被示出并描述为单独的操作,但是可以同时执行一个或多个单独的操作,并且不需要以所示的顺序执行操作。在示例配置中作为单独组件呈现的结构和功能可以实现为组合结构或组件。类似地,作为单个组件呈现的结构和功能可以实现为单独的组件。这些和其他变化、修改、添加和改进都落入本文主题的范围内。
尽管已经参考特定示例实施例描述了本发明主题的概述,但是在不脱离本公开的实施例的更宽范围的情况下,可以对这些实施例进行各种修改和改变。本发明主题的这些实施例可以单独地或共同地通过术语“发明”在本文中被引用仅仅是为了方便,并且如果事实上公开不止一个,则不意图将本申请的范围自愿地限制于任何单个公开或发明构思。
以足够的细节描述了本文所示的实施例,以使本领域技术人员能够实践所公开的教导。可以使用其他实施例并从中导出其他实施例,使得可以在不脱离本公开的范围的情况下进行结构和逻辑替换和改变。因此,具体实施方式不应被视为具有限制意义,并且各种实施例的范围仅由所附权利要求以及这些权利要求所赋予的等同物的全部范围来限定。
如本文所用,术语“或”可以以包含性或排他性的含义来解释。此外,可以为在此描述为单个实例的资源、操作或结构提供多个实例。另外,各种资源、操作、模块、引擎和数据存储之间的边界在某种程度上是任意的,并且在特定说明性配置的上下文中示出了特定操作。设想了其他功能分配,并且可以落入本公开的各种实施例的范围内。通常,在示例配置中作为单独资源呈现的结构和功能可以实现为组合结构或资源。类似地,作为单个资源呈现的结构和功能可以实现为单独的资源。这些和其他变化、修改、添加和改进落入由所附权利要求表示的本公开的实施例的范围内。因此,说明书和附图应被视为说明性的而非限制性的。
以下列举的示例定义了本文讨论的方法、机器可读介质和***(例如,装置)的各种示例实施例:
示例1.一种***,包括:
存储器,其上包含指令;以及
一个或多个处理器,所述一个或多个处理器由所述指令配置为执行操作,所述操作包括:
访问搜索查询;
基于所述搜索查询从数据库访问属性集合,存储在所述数据库中用于所述搜索查询的所述属性集合基于在响应于先前使用所述搜索查询的项目列表中包含的图像;
基于所述搜索查询和所述属性集合识别项目列表集合;以及
响应于所述搜索查询,使得显示所述项目列表集合。
示例2.根据示例1所述的***,其中所述操作还包括:
通过执行包括以下操作的操作,在所述数据库中存储基于所述搜索查询的属性集合:
识别候选项目列表集合,所述候选项目列表集合包括响应于先前使用所述搜索查询的项目;
通过从所述候选项目列表集合中消除响应于先前使用所述搜索查询而未充分交互的项目列表来创建精简的项目列表集合;以及
识别与和所述精简的项目列表集合相关联的图像相关联的属性。
示例3.根据示例2所述的***,其中:
响应于先前使用所述搜索查询而未充分交互的所述项目列表是响应于先前使用所述搜索查询而未交互的项目列表。
示例4.根据示例2或示例3所述的***,其中:
响应于先前使用所述搜索查询而未充分交互的所述项目列表是响应于先前使用所述搜索查询而未查看的项目列表。
示例5.根据示例2至示例4中任一项所述的***,其中:
所述通过从所述候选项目列表集合中消除响应于先前使用所述搜索查询而未充分交互的项目列表来创建精简的项目列表集合包括:
对于所述候选项目列表集合中的每个项目列表:
在先前多次使用所述搜索查询中确定所述项目列表的交互率;
将所述项目列表的所述交互率与阈值进行比较;和
基于所述比较,确定是否将所述项目列表包括在所述精简的项目列表集合中。
示例6.根据示例1至5中任一项所述的***,其中:
所述属性集合中的属性从包括尺寸、品牌和款式的组中选择。
示例7.根据示例1至6中任一项所述的***,其中:
所述属性集合中的属性包括类别。
示例8.根据示例1至7中任一项所述的***,其中:
所述搜索查询包括定义的属性;以及
所述操作还包括:
确定所述定义的属性与所述属性集合中的属性冲突;以及
响应于确定所述定义的属性与所述属性集合中的属性冲突,从所述属性集合中移除冲突的属性。
示例9.根据示例1至8中任一项所述的***,其中:
所述搜索查询由一个或多个词组成;以及
所述属性集合中的至少一个属性在文本上与所述搜索查询的所有词不同。
示例10.根据示例1至9中任一项所述的***,其中:
基于响应于先前使用所述搜索查询的项目列表中包括的所述图像来识别所述属性集合包括:
对于响应于先前使用所述搜索查询的项目列表的至少一个项目列表,将所述项目列表的属性与所述项目列表中包括的图像相关联。
示例11.根据示例1至10中任一项所述的***,其中:
基于响应于先前使用所述搜索查询的项目列表中包括的所述图像来识别所述属性集合包括:
对于响应于先前使用所述搜索查询的项目列表中的至少一个项目列表,将所述项目列表的文本与所述项目列表中包括的图像相关联。
示例12.根据示例1至11中任一项所述的***,其中:
基于响应于先前使用所述搜索查询的项目列表中包括的所述图像来识别所述属性集合包括:
对于响应于先前使用所述搜索查询的项目列表中的至少一个项目列表:
从管理员接收与所述项目列表相关联的属性;以及
将接收的所述属性与所述项目列表中包括的图像相关联。
示例13.一种方法,包括:
通过机器的一个或多个处理器访问搜索查询;
基于所述搜索查询从数据库访问属性集合,存储在所述数据库中用于所述搜索查询的所述属性集合基于响应于先前使用所述搜索查询的项目列表中包含的图像;
由所述机器的一个或多个处理器基于所述搜索查询和所述属性集合来识别项目列表集合;以及
响应于所述搜索查询,使得显示所述项目列表集合。
示例14.根据示例13所述的方法,还包括:
通过执行包括以下操作的操作,在所述数据库中存储基于所述搜索查询的属性集合:
识别候选项目列表集合,所述候选项目列表集合包括响应于先前使用所述搜索查询的项目;
通过从所述候选项目列表集合中消除响应于先前使用所述搜索查询而未充分交互的项目列表来创建精简的项目列表集合;以及
识别与和所述精简的项目列表集合相关联的图像相关联的属性。
示例15.根据示例14所述的方法,其中:
响应于先前使用所述搜索查询而未充分交互的所述项目列表是响应于先前使用所述搜索查询而未交互的项目列表。
示例16.根据示例14或示例15所述的方法,其中:
响应于先前使用所述搜索查询而未充分交互的所述项目列表是响应于先前使用所述搜索查询而未查看的项目列表。
示例17.根据示例14至16中任一项所述的方法,其中:
所述通过从所述候选项目列表集合中消除响应于先前使用所述搜索查询而未充分交互的项目列表来创建精简的项目列表集合包括:
对于所述候选项目列表集合中的每个项目列表:
在先前多次使用所述搜索查询中确定所述项目列表的交互率;
将所述项目列表的所述交互率与阈值进行比较;以及
基于所述比较,确定是否将所述项目列表包括在所述精简的项目列表集合中。
示例18.根据示例13至示例17中任一项所述的方法,其中:
所述属性集合中的属性从包括尺寸、品牌和款式的组中选择。
示例19.根据示例13至示例18中任一项所述的方法,其中:
所述属性集合中的属性包括类别。
示例20.一种机器可读介质,其上包含指令,所述指令可由机器的一个或多个处理器执行以使得所述机器执行示例13-19中任一项所述的方法。
示例21.一种承载机器可读指令的载体介质,所述机器可读指令可由机器的一个或多个处理器执行以执行示例13至19中任一项所述的方法。
Claims (21)
1.一种***,包括:
存储器,其上包含指令;以及
一个或多个处理器,所述一个或多个处理器由所述指令配置为执行操作,所述操作包括:
访问搜索查询;
基于所述搜索查询从数据库访问属性集合,存储在所述数据库中用于所述搜索查询的所述属性集合基于在响应于先前使用所述搜索查询的项目列表中包括的图像;
基于所述搜索查询和所述属性集合识别项目列表集合;以及
响应于所述搜索查询,使得显示所述项目列表集合。
2.根据权利要求1所述的***,其中所述操作还包括:
通过执行包括以下各项的操作,在所述数据库中存储基于所述搜索查询的属性集合:
识别候选项目列表集合,所述候选项目列表集合包括响应于先前使用所述搜索查询的项目;
通过从所述候选项目列表集合中消除响应于先前使用所述搜索查询而未充分交互的项目列表来创建精简的项目列表集合;以及
识别与和所述精简的项目列表集合相关联的图像相关联的属性。
3.根据权利要求2所述的***,其中:
响应于先前使用所述搜索查询而未充分交互的所述项目列表是响应于先前使用所述搜索查询而未交互的项目列表。
4.根据权利要求2所述的***,其中:
响应于先前使用所述搜索查询而未充分交互的所述项目列表是响应于先前使用所述搜索查询而未查看的项目列表。
5.根据权利要求2所述的***,其中:
所述通过从所述候选项目列表集合中消除响应于先前使用所述搜索查询而未充分交互的项目列表来创建精简的项目列表集合包括:
对于所述候选项目列表集合中的每个项目列表:
在先前多次使用所述搜索查询中确定所述项目列表的交互率;
将所述项目列表的所述交互率与阈值进行比较;以及
基于所述比较,确定是否将所述项目列表包括在所述精简的项目列表集合中。
6.根据权利要求1所述的***,其中:
所述属性集合中的属性是从包括尺寸、品牌和款式的组中选择的。
7.根据权利要求1所述的***,其中:
所述属性集合中的属性包括类别。
8.根据权利要求1所述的***,其中:
所述搜索查询包括定义的属性;以及
所述操作还包括:
确定所述定义的属性与所述属性集合中的属性冲突;以及
响应于确定所述定义的属性与所述属性集合中的属性冲突,从所述属性集合中移除冲突的属性。
9.根据权利要求1所述的***,其中:
所述搜索查询由一个或多个词组成;以及
所述属性集合中的至少一个属性在文本上与所述搜索查询的所有词不同。
10.根据权利要求1所述的***,其中:
基于响应于先前使用所述搜索查询的项目列表中包括的所述图像来识别所述属性集合包括:
对于响应于先前使用所述搜索查询的项目列表中的至少一个项目列表,将所述项目列表的属性与所述项目列表中包括的图像相关联。
11.根据权利要求1所述的***,其中:
基于响应于先前使用所述搜索查询的项目列表中包括的所述图像来识别所述属性集合包括:
对于响应于先前使用所述搜索查询的项目列表中的至少一个项目列表,将所述项目列表的文本与所述项目列表中包括的图像相关联。
12.根据权利要求1所述的***,其中:
基于响应于先前使用所述搜索查询的项目列表中包括的所述图像来识别所述属性集合包括:
对于响应于先前使用所述搜索查询的项目列表中的至少一个项目列表:
从管理员接收与所述项目列表相关联的属性;以及
将所接收的属性与所述项目列表中包括的图像相关联。
13.一种方法,包括:
通过机器的一个或多个处理器访问搜索查询;
基于所述搜索查询从数据库访问属性集合,存储在所述数据库中用于所述搜索查询的所述属性集合基于响应于先前使用所述搜索查询的项目列表中包括的图像;
由所述机器的所述一个或多个处理器基于所述搜索查询和所述属性集合来识别项目列表集合;以及
响应于所述搜索查询,使得显示所述项目列表集合。
14.根据权利要求13所述的方法,还包括:
通过执行包括以下各项的操作,在所述数据库中存储基于所述搜索查询的属性集合:
识别候选项目列表集合,所述候选项目列表集合包括响应于先前使用所述搜索查询的项目;
通过从所述候选项目列表集合中消除响应于先前使用所述搜索查询而未充分交互的项目列表来创建精简的项目列表集合;以及
识别与和所述精简的项目列表集合相关联的图像相关联的属性。
15.根据权利要求14所述的方法,其中:
响应于先前使用所述搜索查询而未充分交互的所述项目列表是响应于先前使用所述搜索查询而未交互的项目列表。
16.根据权利要求14所述的方法,其中:
响应于先前使用所述搜索查询而未充分交互的所述项目列表是响应于先前使用所述搜索查询而未查看的项目列表。
17.根据权利要求14所述的方法,其中:
所述通过从所述候选项目列表集合中消除响应于先前使用所述搜索查询而未充分交互的项目列表来创建精简的项目列表集合包括:
对于所述候选项目列表集合中的每个项目列表:
在先前多次使用所述搜索查询中确定所述项目列表的交互率;
将所述项目列表的所述交互率与阈值进行比较;以及
基于所述比较,确定是否将所述项目列表包括在所述精简的项目列表集合中。
18.根据权利要求13所述的方法,其中:
所述属性集合中的属性是从包括尺寸、品牌和款式的组中选择的。
19.根据权利要求13所述的方法,其中:
所述属性集合中的属性包括类别。
20.一种机器可读介质,其上包含指令,所述指令能够由机器的一个或多个处理器执行以执行包括以下各项的操作:
访问搜索查询;
基于所述搜索查询从数据库访问属性集合,存储在所述数据库中用于所述搜索查询的所述属性集合基于响应于先前使用所述搜索查询的项目列表中包括的图像;
基于所述搜索查询和所述所述属性集合识别项目列表集合;以及
响应于所述搜索查询,使得显示所述项目列表集合。
21.一种承载机器可读指令的载体介质,所述机器可读指令能够由机器的一个或多个处理器执行以执行根据权利要求13至19中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/985,913 US11222064B2 (en) | 2015-12-31 | 2015-12-31 | Generating structured queries from images |
US14/985,913 | 2015-12-31 | ||
PCT/US2016/066387 WO2017116691A1 (en) | 2015-12-31 | 2016-12-13 | Generating structured queries from images |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108701140A true CN108701140A (zh) | 2018-10-23 |
Family
ID=59225457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680081916.1A Pending CN108701140A (zh) | 2015-12-31 | 2016-12-13 | 从图像生成结构化查询 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11222064B2 (zh) |
EP (1) | EP3398041A4 (zh) |
CN (1) | CN108701140A (zh) |
WO (1) | WO2017116691A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113366495A (zh) * | 2018-12-21 | 2021-09-07 | 伟摩有限责任公司 | 搜索自主车辆传感器数据存储库 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150088921A1 (en) | 2013-09-20 | 2015-03-26 | Ebay Inc. | Search guidance |
US11222064B2 (en) | 2015-12-31 | 2022-01-11 | Ebay Inc. | Generating structured queries from images |
US11036785B2 (en) | 2019-03-05 | 2021-06-15 | Ebay Inc. | Batch search system for providing batch search interfaces |
CN111753181A (zh) * | 2019-03-28 | 2020-10-09 | 北京京东尚科信息技术有限公司 | 基于图像的搜索方法、装置、服务器、客户端及介质 |
US11687778B2 (en) | 2020-01-06 | 2023-06-27 | The Research Foundation For The State University Of New York | Fakecatcher: detection of synthetic portrait videos using biological signals |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5835965A (en) * | 1996-04-24 | 1998-11-10 | Cirrus Logic, Inc. | Memory system with multiplexed input-output port and memory mapping capability |
US20070198488A1 (en) * | 2006-02-06 | 2007-08-23 | David Altounian | Rapid item data entry for physical items in the control of a user in an item data management server |
US20070250901A1 (en) * | 2006-03-30 | 2007-10-25 | Mcintire John P | Method and apparatus for annotating media streams |
CN102063468A (zh) * | 2010-12-03 | 2011-05-18 | 百度在线网络技术(北京)有限公司 | 一种用于确定查询序列的查询类别的设备及其方法 |
CN102955821A (zh) * | 2011-08-30 | 2013-03-06 | 北京百度网讯科技有限公司 | 一种对查询序列进行扩展处理的方法与设备 |
US20130067364A1 (en) * | 2011-09-08 | 2013-03-14 | Microsoft Corporation | Presenting search result items having varied prominence |
CN103778227A (zh) * | 2014-01-23 | 2014-05-07 | 西安电子科技大学 | 从检索图像中筛选有用图像的方法 |
US20150088921A1 (en) * | 2013-09-20 | 2015-03-26 | Ebay Inc. | Search guidance |
CN104866474A (zh) * | 2014-02-20 | 2015-08-26 | 阿里巴巴集团控股有限公司 | 个性化数据搜索方法及装置 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5838965A (en) * | 1994-11-10 | 1998-11-17 | Cadis, Inc. | Object oriented database management system |
US6078916A (en) | 1997-08-01 | 2000-06-20 | Culliss; Gary | Method for organizing information |
US20070055616A1 (en) | 2003-12-15 | 2007-03-08 | Danny Clay | Enhanced online auction method apparatus and system |
WO2006011819A1 (en) | 2004-07-30 | 2006-02-02 | Eurekster, Inc. | Adaptive search engine |
WO2006036781A2 (en) | 2004-09-22 | 2006-04-06 | Perfect Market Technologies, Inc. | Search engine using user intent |
US8503995B2 (en) | 2005-09-14 | 2013-08-06 | Jumptap, Inc. | Mobile dynamic advertisement creation and placement |
US8381127B2 (en) | 2006-02-02 | 2013-02-19 | Scenera Technologies, Llc | Methods, systems, and computer program products for displaying windows on a graphical user interface based on relative priorities associated with the windows |
US9443022B2 (en) | 2006-06-05 | 2016-09-13 | Google Inc. | Method, system, and graphical user interface for providing personalized recommendations of popular search queries |
US7797187B2 (en) | 2006-11-13 | 2010-09-14 | Farecast, Inc. | System and method of protecting prices |
US20090119254A1 (en) | 2007-11-07 | 2009-05-07 | Cross Tiffany B | Storing Accessible Histories of Search Results Reordered to Reflect User Interest in the Search Results |
US20090125435A1 (en) | 2007-11-14 | 2009-05-14 | Ehud Cohen | Trading Plaftorm System and Method for Diamond and Precious Stone Transactions |
US7831456B2 (en) | 2007-11-21 | 2010-11-09 | Yahoo! Inc. | Advertisement display depth optimization to maximize click activity page yield |
US8959104B2 (en) | 2008-03-21 | 2015-02-17 | Microsoft Corporation | Presenting query suggestions based upon content items |
US8583675B1 (en) | 2009-08-28 | 2013-11-12 | Google Inc. | Providing result-based query suggestions |
US8317608B2 (en) | 2009-11-13 | 2012-11-27 | Bally Gaming, Inc. | Gaming device having hard drive based media and related methods |
US8874555B1 (en) | 2009-11-20 | 2014-10-28 | Google Inc. | Modifying scoring data based on historical changes |
GB201007191D0 (en) | 2010-04-29 | 2010-06-09 | British Broadcasting Corp | Content provision system |
US8548981B1 (en) | 2010-06-23 | 2013-10-01 | Google Inc. | Providing relevance- and diversity-influenced advertisements including filtering |
US20120005045A1 (en) | 2010-07-01 | 2012-01-05 | Baker Scott T | Comparing items using a displayed diagram |
EP2606440A1 (en) | 2010-08-19 | 2013-06-26 | Google, Inc. | Predictive query completion and predictive search results |
US8566339B2 (en) | 2010-09-09 | 2013-10-22 | Ebay Inc. | Mining product recommendation from query reformulations |
US20120197751A1 (en) | 2011-01-27 | 2012-08-02 | Electronic Entertainment Design And Research | Product recommendations and weighting optimization systems |
US20130080423A1 (en) | 2011-09-23 | 2013-03-28 | Ebay Inc. | Recommendations for search queries |
US20130086509A1 (en) | 2011-09-29 | 2013-04-04 | Microsoft Corporation | Alternative query suggestions by dropping query terms |
US8954465B2 (en) | 2012-05-22 | 2015-02-10 | Google Inc. | Creating query suggestions based on processing of descriptive term in a partial query |
US20150032670A1 (en) * | 2013-07-26 | 2015-01-29 | Robert Brazell | Avatar Having Optimizing Artificial Intelligence for Identifying and Providing Relationship and Wellbeing Recommendations |
WO2015032670A1 (en) * | 2013-09-06 | 2015-03-12 | Thomson Licensing | Method of classification of images and corresponding device |
JP6520920B2 (ja) * | 2014-03-27 | 2019-05-29 | ノーリツプレシジョン株式会社 | 画像処理装置 |
US11222064B2 (en) | 2015-12-31 | 2022-01-11 | Ebay Inc. | Generating structured queries from images |
-
2015
- 2015-12-31 US US14/985,913 patent/US11222064B2/en active Active
-
2016
- 2016-12-13 EP EP16882307.8A patent/EP3398041A4/en not_active Ceased
- 2016-12-13 WO PCT/US2016/066387 patent/WO2017116691A1/en active Application Filing
- 2016-12-13 CN CN201680081916.1A patent/CN108701140A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5835965A (en) * | 1996-04-24 | 1998-11-10 | Cirrus Logic, Inc. | Memory system with multiplexed input-output port and memory mapping capability |
US20070198488A1 (en) * | 2006-02-06 | 2007-08-23 | David Altounian | Rapid item data entry for physical items in the control of a user in an item data management server |
US20070250901A1 (en) * | 2006-03-30 | 2007-10-25 | Mcintire John P | Method and apparatus for annotating media streams |
CN102063468A (zh) * | 2010-12-03 | 2011-05-18 | 百度在线网络技术(北京)有限公司 | 一种用于确定查询序列的查询类别的设备及其方法 |
CN102955821A (zh) * | 2011-08-30 | 2013-03-06 | 北京百度网讯科技有限公司 | 一种对查询序列进行扩展处理的方法与设备 |
US20130067364A1 (en) * | 2011-09-08 | 2013-03-14 | Microsoft Corporation | Presenting search result items having varied prominence |
US20150088921A1 (en) * | 2013-09-20 | 2015-03-26 | Ebay Inc. | Search guidance |
CN103778227A (zh) * | 2014-01-23 | 2014-05-07 | 西安电子科技大学 | 从检索图像中筛选有用图像的方法 |
CN104866474A (zh) * | 2014-02-20 | 2015-08-26 | 阿里巴巴集团控股有限公司 | 个性化数据搜索方法及装置 |
Non-Patent Citations (1)
Title |
---|
BOSSARD: "Apparel Classification with Style", 《COMPUTER VISION》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113366495A (zh) * | 2018-12-21 | 2021-09-07 | 伟摩有限责任公司 | 搜索自主车辆传感器数据存储库 |
US11861481B2 (en) | 2018-12-21 | 2024-01-02 | Waymo Llc | Searching an autonomous vehicle sensor data repository |
CN113366495B (zh) * | 2018-12-21 | 2024-03-22 | 伟摩有限责任公司 | 搜索自主车辆传感器数据存储库 |
Also Published As
Publication number | Publication date |
---|---|
WO2017116691A1 (en) | 2017-07-06 |
EP3398041A1 (en) | 2018-11-07 |
EP3398041A4 (en) | 2019-06-26 |
US20170193011A1 (en) | 2017-07-06 |
US11222064B2 (en) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230063920A1 (en) | Content navigation with automated curation | |
CN108701118B (zh) | 语义类别分类 | |
US11170035B2 (en) | Context based media curation | |
CN110023982B (zh) | 用于选择产品标题的***、方法、存储设备及介质 | |
CN108701140A (zh) | 从图像生成结构化查询 | |
CN110199276A (zh) | 用方面标记查询 | |
CN108885639A (zh) | 内容集合导航和自动转发 | |
US11966853B2 (en) | Machine learning modeling using social graph signals | |
US11601391B2 (en) | Automated image processing and insight presentation | |
US11775601B2 (en) | User electronic message system | |
CN113228693B (zh) | 动态上下文媒体过滤器 | |
US20230362117A1 (en) | Generating and accessing video content for products | |
US11507984B2 (en) | Generating personalized banner images using machine learning | |
CN109564570A (zh) | 使用频繁模式挖掘的浏览节点创建 | |
CN109978175A (zh) | 用于机器学习模型的并行化坐标下降法 | |
CN116324845A (zh) | 分析增强现实内容项使用数据 | |
KR102292545B1 (ko) | 콘텐트 생성을 위한 콘텍스트 식별 | |
CN108780440A (zh) | 类别管理 | |
KR20180114212A (ko) | 추천 엔진 | |
KR20230076848A (ko) | 증강 현실 콘텐츠 아이템들을 생성하기 위한 템플릿들 | |
CN116601961A (zh) | 视觉标签显露模式检测 | |
US20210109939A1 (en) | Position debiased network site searches |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |