CN109447719A - 目标推广商品自动确定方法、装置、介质及电子设备 - Google Patents

Abstract

本发明揭示了一种目标推广商品自动确定方法、装置、介质及电子设备。该方法包括：从第三方平台服务器已展示页面中获取所有商品的标签；获取所述所有商品的单位周期销售指标；基于获取的标签对所述所有商品进行聚类，以划分为多个类；针对所述多个类中的每个类，计算类内所有商品的平均单位周期销售指标；将所述多个类中平均单位周期销售指标大于销售指标阈值的类确定为参考类；将从展示服务器展示的网页获取到的具有的标签与参考类中商品的标签匹配的商品确定为目标推广商品。此方法下，自动为提供推广服务的平台确定目标推广商品，保证了目标推广商品可以有良好的销售情况，改善了推广效果，提高了推广效率。

Description

目标推广商品自动确定方法、装置、介质及电子设备

技术领域

本发明涉及互联网领域，特别涉及一种目标推广商品自动确定方法、装置、 介质及电子设备。

背景技术

随着电子商务的发展，越来越多的商家进入到电子商务这个行业来，电子 商务商家之间竞争加剧，电商运营的压力越来越大。商家为了在重重对手包围 中杀出一片天地，通常采取多种手段来夺得流量入口，其中，站外推广是商家 提高竞争力的重要手段之一。通过在外站嵌入推广链接，一方面为商家引入外 部的流量来促进推广商品甚至可以店铺内其它商品的销售，另一方面为发布推 广链接的网络平台带来推广收益，是一种共赢的商业模式。

在现有技术的实现中，展示服务器为商家提供待推广商品的展示，第三方 平台服务器通过人为选取或者随机爬取的方式，从这些待推广商品中，选取目 标推广商品在第三方平台服务器展示的页面上进行展示，当访问第三方平台服 务器页面的用户发现展示的目标商品是自己想要的购买的商品时，会通过该链 接进入展示服务器的页面购买操作，购买成功后该商品的商家会为提供该商品 展示的平台提供佣金。

现有技术的缺陷在于，第三方平台服务器通过随机爬取的方式获取的目标 推广商品的销售情况不能保证，销售量较低，浪费了推广位，推广效果差，推 广效率低下。

发明内容

为了解决上述技术问题，本发明提供了一种目标推广商品自动确定方法、 装置、介质及电子设备。

根据本申请的一方面，提供了一种目标推广商品自动确定方法，所述方法 包括：

从第三方平台服务器已展示页面中获取所有商品的标签；

获取所述所有商品的单位周期销售指标；

基于获取的标签对所述所有商品进行聚类，以划分为多个类；

针对所述多个类中的每个类，计算类内所有商品的平均单位周期销售指标；

将所述多个类中平均单位周期销售指标大于销售指标阈值的类确定为参考 类；

将从展示服务器展示的网页获取到的具有的标签与参考类中商品的标签匹 配的商品确定为目标推广商品。

在一个实施例中，所述从第三方平台服务器已展示页面中获取所有商品的 标签具体包括：

从第三方平台服务器已展示的页面爬取商品的属性的属性值；

基于所述属性值，确定商品的标签。

在一个实施例中，所述从第三方平台服务器已展示页面中获取所有商品的 标签具体包括：

从第三方平台服务器已展示的页面获取商品的描述；

将所述描述分成词；

确定各词在所述描述中的出现次数；

将出现次数满足预定条件的词作为所述标签。

在一个实施例中，所述预定条件包括：出现次数最高。

在一个实施例中，所述预定条件包括：出现次数大于预定次数阈值。

在一个实施例中，所述预定条件包括：出现次数按照从高到低的顺序排在 前预定名次内。

在一个实施例中，在将所述描述分成词后，所述从第三方平台服务器已展 示的页面获取各商品的标签还包括：

在将所述描述分成词后，确定分成的词的词性；

在分成的词中仅保留词性为名词的词。

在一个实施例中，所述标签属于以下中的一个类型：商品种类、规格、价 格档位、等级，在从第三方平台服务器已展示页面中获取所有商品的标签之后， 所述方法还包括：

对所述所有商品中的每一件商品的标签按照所述类型进行归类；

在每一件商品的每一类型标签中仅选取一个标签作为该商品的标签。

在一个实施例中，所述在每一件商品的每一类型标签中仅选取一个标签作 为该商品的标签具体包括：

针对每一类型标签中的每个标签，获取所有商品中具有该标签的商品的数 目；

将每一类型标签中所述数目最大的标签作为该商品的标签。

在一个实施例中，所述基于所述获取的标签对所述所有商品进行聚类，以 划分为多个类具体包括:

将获取的所有商品的标签构成向量；

获取要聚成的类的数目，作为第一数目；

在构成的向量中任取第一数目的向量作为初始聚类中心，使每个初始聚类 中心只属于一个类；

针对构成的向量中的每个向量，将该向量聚到第一数目的初始聚类中心中 与该向量距离最近的初始聚类中心所属的类；

确定聚成的每个类的中心向量；

以确定出的中心向量作为聚类中心再次对构成的所有向量进行聚类直至再 次确定每个类的中心向量时，所有类的中心向量与上次聚类的聚类中心相同。

在一个实施例中，所述将获取的所有商品的标签构成向量具体包括：

获取所有商品的标签，其中，若有多个相同的标签，则仅保留一个；

确定获取的标签的数目，作为第二数目；

确定所有获取的标签在要构成的向量中的顺序；

针对所有商品中的每一个，按照所述顺序将该商品的标签构成维数为第二 数目的向量。

在一个实施例中，所述销售指标阈值通过如下步骤获得：

确定所述多个类的数目，为第三数目；

将针对所述多个类中每个类获得的平均单位周期销售指标从小到大排序， 以建成平均单位周期销售指标顺序表；

计算所述第三数目与预定比值的乘积；

按照所述乘积，在所述平均单位周期销售指标顺序表中取出平均单位周期 销售指标，作为销售指标阈值。

在一个实施例中，所述预定比值为80％。

在一个实施例中，按照所述乘积，在所述平均单位周期销售指标顺序表中 取出平均单位周期销售指标作为销售指标阈值，包括：

如果所述乘积为整数，则将所述平均单位周期销售指标顺序表中排序为所 述乘积的平均单位周期销售指标取出，作为销售指标阈值；

如果所述乘积为小数，获取小于所述小数的最大整数；

将所述平均单位周期销售指标顺序表中排序为所述最大整数的平均单位周 期销售指标取出，作为销售指标阈值。

在一个实施例中，所述销售指标阈值通过如下步骤获得：

获取所述多个类的数目；

将所述多个类的平均单位周期销售指标之和与所述数目的商作为所述销售 指标阈值。

在一个实施例中，所述将从展示服务器展示的网页获取到的具有的标签与 参考类中商品的标签匹配的商品确定为目标推广商品具体包括：

获取展示服务器展示的网页上各商品的标签；

确定获取的标签与参考类中商品的标签匹配的商品；

将所述匹配的商品作为目标推广商品。

在一个实施例中，所述获取的标签与参考类中商品的标签匹配包括：获取 的标签与参考类中商品的标签完全一致。

在一个实施例中，所述获取的标签与参考类中商品的标签匹配包括：获取 的标签的至少一部分与参考类中商品的标签的至少一部分一致。

在一个实施例中，所述获取的标签与参考类中商品的标签匹配包括：获取 的标签中与所述待推广商品的标签的至少一个一致的标签数占获取的标签总数 的比例超过预定比例阈值。

根据本申请的另一方面，提供了一种目标推广商品自动确定装置，所述装 置包括：

第一获取模块，被配置为从第三方平台服务器已展示页面中获取所有商品 的标签；

第二获取模块，被配置为获取所述所有商品的单位周期销售指标；

聚类模块，被配置为基于获取的标签对所述所有商品进行聚类，以划分为 多个类；

计算模块，被配置为针对所述多个类中的每个类，计算类内所有商品的平 均单位周期销售指标；

第一确定模块，被配置为将所述多个类中平均单位周期销售指标大于销售 指标阈值的类确定为参考类；

第二确定模块，被配置为将从展示服务器展示的网页获取到的具有的标签 与参考类中商品的标签匹配的商品确定为目标推广商品。

根据本申请的另一方面，提供了一种计算机可读程序介质，其存储有计算 机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行如前所述 的方法。

根据本申请的另一方面，提供了一种电子设备，所述电子设备包括：

处理器；

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所 述处理器执行时，实现如前所述的方法。

本发明的实施例提供的技术方案可以包括以下有益效果：

本发明所提供的目标推广商品自动确定方法包括如下步骤：从第三方平台 服务器已展示页面中获取所有商品的标签；获取所述所有商品的单位周期销售 指标；基于获取的标签对所述所有商品进行聚类，以划分为多个类；针对所述 多个类中的每个类，计算类内所有商品的平均单位周期销售指标；将所述多个 类中平均单位周期销售指标大于销售指标阈值的类确定为参考类；将从展示服 务器展示的网页获取到的具有的标签与参考类中商品的标签匹配的商品确定为 目标推广商品。

此方法下，通过基于商品标签进行聚类确定销售情况较好的参考类，然后 根据参考类中商品的标签自动为第三方确定目标推广商品，提高了目标推广商 品的销售情况，改善了推广效果，提高了推广效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能 限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明 的实施例，并于说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种目标推广商品自动确定方法的应用 环境示意图；

图2是根据一示例性实施例示出的一种目标推广商品自动确定方法的流程 图；

图3是根据图2对应实施例示出的一实施例的步骤210的细节流程图；

图4是根据图2对应实施例示出的另一实施例的步骤210的细节流程图；

图5是根据图4对应实施例示出的步骤212'和步骤215'之间步骤的流程图；

图6是根据图2对应实施例示出的步骤210和步骤240之间步骤的流程图；

图7是根据图6对应实施例示出的一实施例的步骤230的细节流程图；

图8是根据图6对应实施例示出的另一实施例的步骤230的细节流程图；

图9是根据图6对应实施例示出的一实施例的步骤250的细节流程图；

图10是根据一示例性实施例示出的一种聚类过程的示意图；

图11是根据图9对应实施例示出的一实施例的步骤251的细节流程图；

图12是根据一示例性实施例示出的获得销售指标阈值的步骤的流程图；

图13是根据图12对应实施例示出的一实施例的步骤1240的细节流程图；

图14是根据一示例性实施例示出的一种目标推广商品自动确定装置的示 意框图；

图15是根据一示例性实施例示出的一种用于实现上述目标推广商品自动 确定方法的电子设备示例框图；

图16是根据一示例性实施例示出的一种用于实现上述目标推广商品自动 确定方法的计算机可读存储介质。

具体实施方式

这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描 述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。 以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方 式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一 致的装置和方法的例子。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同 的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所 示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。

本发明可以实施在包括但不限于以下类型的实体设备中：服务器、网关设 备、交换机台式计算机、工作站、笔记本电脑、移动终端，实施终端可以与外 部通过网络进行通信，其中可以包括软件、硬件或固件的结合。

图1是根据一示例性实施例示出的一种目标推广商品自动确定方法的应用 环境示意图。如图1所示，包括：展示服务器120和第三方平台服务器110。 展示服务器120在展示的页面上对待推广商品进行展示，第三方平台服务器 110从展示服务器120的页面上爬取目标推广商品在展示服务器120之外进行 展示。在图1中仅在展示服务器120展示的页面上示出了花盆、手机、耳机和 笔四种商品，可以理解的是，展示服务器120在展示的页面上可以展示出更多 或者更少数量和种类的商品。在另一方面，应当理解的是，本发明所指的商品 不是商品的实体，而是商品在虚拟网络中的映射，是与实体商品对应的商品的 信息和描述。

本公开首先提供了一种目标推广商品自动确定方法。确定的目标推广商品 在展示服务器展示的页面上展示，被第三方平台服务器爬取到第三方平台服务 器展示的页面上进行展示，目标推广商品自动确定方法是在展示服务器展示的 页面上展示的商品中为第三方平台服务器自动确定要推广的商品。

在一个实施例中，对商品进行展示的页面是网页，包括手机网页、PC(PersonalComputer)端网页等任何具有前端架构的组织程序。

在一个实施例中，对商品进行展示的页面是应用程序的界面，包括但不 限于移动终端APP(Application)、客户端等。

图2是根据一示例性实施例示出的一种目标推广商品自动确定方法的流程 图。如图2所示，此方法包括以下步骤：

步骤210，从第三方平台服务器已展示页面中获取所有商品的标签。

标签是对商品的描述性词语，从每个商品都可以获得有一个或多个标签。

在一个实施例中，第三方平台服务器已展示页面记录有每个商品的标签。

在另一个实施例中，第三方平台服务器已展示页面没有清楚的写明商品的 标签，要获取商品标签必须从已展示页面的内容中分析得出。

第三方平台服务器是要为目标推广商品进行展示的服务器。第三方平台服 务器已展示页面是指任何人可以通过访问进入的第三方平台服务器的页面，这 些页面挂有要销售的商品的信息。

在一个实施例中，从第三方平台服务器已展示页面中获取到的所有商品的 标签是通过脚本爬取得到的。

在一个实施例中，第三方平台服务器已展示页面中具有特定功能的程序组 件，通过执行该程序组件的功能，可以获得所有商品的标签。

步骤240，获取所述所有商品的单位周期销售指标。

销售指标是用来衡量商品销售数量特征的数据。

在一个实施例中，销售指标是商品的销售量。

在一个实施例中，销售指标是商品的成交金额。

在一个实施例中，销售指标是商品的成交笔数。销售量与成交笔数的区别 在于销售量是商品的销售的数目，而成交笔数是购买该商品的人次。选用成交 笔数作为销售指标的好处在于，能更好地反映该商品的受欢迎程度。

单位周期是指以固定时间段作为一个周期，可以是一年、半年、一个季度、 一个月等任何固定时间段的周期。由于商品的销售情况是动态变化的，所以销 售指标也是不断在改变，在单位周期内获取销售指标的好处在于可以使获取的 销售指标最具有代表性。

例如，苹果公司一年出一款新手机，在2016年推出苹果7手机，在2017 年推出苹果X手机，2017年在第三方平台销售指标最好的是苹果7手机，而 2018年在该平台销售指标最好的是苹果X手机。此时如果不及时在最新的时间 段获取新销售指标，依然使用2016年的销售指标，往往会使最终确定出的目 标推广商品不合适。

步骤250，基于获取的标签对所述所有商品进行聚类，以划分为多个类。

聚类是将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。

在一个实施例中，对商品进行聚类是采用了K-means算法。K-means算法 是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到 原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的 调整规则。K-means算法一般流程为：从n个数据对象任意选择k个对象作 为初始聚类中心；计算所有数据对象与k个聚类中心的距离，距离哪个中心最 近就将该对象划归为哪个中心所代表的类；重新确定类的中心；用重新确定的 类的中心进行迭代聚类直至聚类不再变化或者迭代次数达到预定阈值。

在一个实施例中，将获取的标签转化成向量然后采用K-means算法聚类。

图10是根据一示例性实施例示出的一种聚类过程的示意图，如图10所示 的聚类过程采用了K-means算法，每个点都代表一件商品的标签构成的向量， 首先，确定要聚成的类的数目并选择该数目的初始聚类中心。在图10中，要 聚成的类的数目为3，则要选取三个点作为初始聚类中心进行聚类，图10中的 三个黑点即为初始聚类中心。所有点中距离哪个初始聚类中心最近，就将该点 划归为该初始聚类中心所属的类，用每条封闭曲线包含的内容表示一个类。其 次，要为初始聚类中心聚成的每个类确定类的中心向量，如图10所示的叉号 即为中心向量，然后以该中心向量为聚类中心再次对所有向量进行聚类，直至 再次确定类的中心向量后，以该中心向量为聚类中心再次聚得的类不再变化。

步骤260，针对所述多个类中的每个类，计算类内所有商品的平均单位周 期销售指标。

因为是根据标签进行聚类的，所述聚成的多个类中每个类之间的标签是类 似的，进而可以根据每个类的销售指标确定该类的标签是否可以用于选择目标 推广商品。平均单位周期销售指标是对类内销售情况比较客观的反映，该指标 越大往往代表该类内商品的销售情况越好。

在一个实施例中，单位周期销售指标是当月销售量，则平均单位周期销售 指标是该类内所有商品在当月销售量的平均值。

在一个实施例中，单位周期销售指标是当年销售额，则平均单位周期销售 指标是该类内所有商品在当年销售额的平均值。

步骤270，将所述多个类中平均单位周期销售指标大于销售指标阈值的类 确定为参考类。

如上所述，一个类的平均单位周期销售指标越大，说明该类的销售情况越 好，因此可以设定一个销售指标阈值，当一个类的平均单位周期销售指标大于 该阈值就认为该类的销售情况较好，该类也就可以作为一个参考类。

在一个实施例中，销售指标阈值是事先人为设定的。

在一个实施例中，销售指标阈值是所述多个类的平均单位周期销售指标的 平均值。

步骤280，将从展示服务器展示的网页获取到的具有的标签与参考类中商 品的标签匹配的商品确定为目标推广商品。

在一个实施例中，步骤280包括：获取展示服务器展示的网页上各商品的 标签；确定获取的标签与参考类中商品的标签匹配的商品；将所述匹配的商品 作为目标推广商品。

在一个实施例中，确定获取的标签与参考类中商品的标签匹配的商品具体 包括：确定获取的每个商品的标签中与参考类中商品的标签匹配的标签；将确 定出的标签代表的商品作为目标推广商品。

在一个实施例中，所述获取的标签与参考类中商品的标签匹配包括：获取 的标签与参考类中商品的标签完全一致。这样做的好处在于，当获取的标签与 参考类中商品的标签完全一致时，可以认为该商品与参考类中商品的特性基本 完全相同，能取得较好的销售效果。

在一个实施例中，所述获取的标签与参考类中商品的标签匹配包括：获取 的标签的至少一部分与参考类中商品的标签的至少一部分一致。在某些情况下， 展示服务器展示的商品是展示服务器所独家销售的，因此第三方平台服务器很 可能没有与展示服务器展示的商品的标签完全相同的商品，在此种情况下，获 取的标签的至少一部分与参考类中商品的标签的至少一部分一致也可以在一定 程度上说明具有这些标签的商品可能会有好的推广价值。

在一个实施例中，所述获取的标签与参考类中商品的标签匹配包括：获取 的商品的标签与参考类中商品的标签的至少一个一致的标签数占获取的该商品 的标签总数的比例超过预定比例阈值。

在一个实施例中，预定比例阈值为60％。比如获取的一个商品有“高钙”、 “低脂”、“早餐”、“纯牛奶”、“绿色”五个标签，参考类中一个商品有“高 钙”、“低脂”、“早餐”、“全脂”、“奶酪”、“绿色”六个标签，获取的该商品与 参考类中商品一致的标签的总数4，占该商品的标签总数的80％，大于该预定 比例阈值，因此可以将获取的该商品作为目标推广商品。

图3是根据图2对应实施例示出的一实施例的步骤210的细节流程图。如 图3所示，步骤210包括：

步骤211，从第三方平台服务器已展示的页面爬取商品的属性的属性值。

商品的属性是指商品的参数、规格等满足人们某种需求时需要标明的有关 该商品的特征。商品的属性值就是该特征的特征值。比如手机的参数为网络类 型为4G全网通，网络模式为双卡双待，则手机这个商品的两个属性为网络类 型和网络模式，对应的属性值分别是4G全网通和双卡双待。

步骤212，基于所述属性值，确定商品的标签。

在一个实施例中，属性值有很多个，不能全部选作商品的标签，将不适合 作为商品标签的属性值过滤，剩余的标签作为商品标签。比如手机这种商品的 一个属性为“电池类型”，对应的属性值为“不可拆卸电池”，该属性值不能很 好的体现产品的特质，所以不能作为产品标签。

图4是根据图2对应实施例示出的另一实施例的步骤210的细节流程图。 如图4所示，步骤210包括：

步骤211'，从第三方平台服务器已展示的页面中获取商品的描述。

商品的描述是与商品的性质和功能等方面切实相关的，所以可以用来作为 商品标签的来源。

在一个实施例中，描述是在已展示的页面中对商品的详细介绍或者该商品 的产品详情等。

在另一个实施例中，描述是商品的用于展示的标题。

步骤212'，将所述描述分成词。

标签也是词语，因此可以将描述分成词，然后从分成的词中选择作为标签 的词。

在一个实施例中，预先设置有一个包括所有可以用作标签的词的词典。将 所述描述从左到右按照字数递增的方式取词，每次取词后就查询该词典有没有 该词，有的话就将该词作为分成的词取出，没有的话就将该词后面的一个字加 入到该词，继续查询，当取到的词超过6个字且没有在该词典中查到该词时， 就从所述描述中该词的第二个字作为取词起点重新开始取词，直至取词起点到 达所述描述中最后一个字。

步骤215'，确定各词在所述描述中的出现次数。

在一个实施例中，各词在所述描述中出现不止一次，出现次数越多的词被 选作标签的可能性越高。

在一个实施例中，本发明的实施终端中设有一个计数器，从左到右在所述 描述中判断该词是否出现，每出现一次，计数器就加1。

步骤216'，将出现次数满足预定条件的词作为所述标签。

如上所述，本发明根据各词在描述中的出现次数来选择标签，所以要设置 一个预定条件，当一个词的出现次数满足预定条件时，就将该词作为所述标签。

在一个实施例中，所述预定条件为出现次数最高。一个词的出现次数越高， 说明该词与商品的相关性越高，选择该词作为商品标签满足要求的可能性最大。

在一个实施例中，所述预定条件为出现次数大于预定次数阈值。每个商品 不一定只有一个标签，预先设定一个预定次数阈值，当商品的描述中一个词的 出现次数大于预定次数阈值时可以将该标签选作该商品的标签。比如预定次数 阈值为3，则将在描述中出现次数大于3的词作为该商品的标签。

在一个实施例中，所述预定条件包括：出现次数按照从高到低的顺序排在 前预定名次内。在一些情况下，预定次数阈值不好设定，因为每个商品的特点 和性质不同，如果预定次数阈值过高的话，就无法从商品的描述中选出词作为 商品的标签。使用出现次数按照从高到低的顺序排在前预定名次内作为预定条 件的好处在于，保证了可以为商品选出确定数目的标签。

图5是根据图4对应实施例示出的步骤212'和步骤215'之间步骤的流程图。 如图5所示，包括以下步骤：

步骤213'，确定分成的词的词性。

在一个实施例中，预先设置有一个包含所有词的词性的词典，通过查询该 词典可以确定分成的词的词性。

在一个商品的描述中，不同词性的词与该商品的相关程度不同，不同词性 的词被选作标签的可能性也不同，确定分成的词的词性有利于帮助寻找最适合 选作标签的词。

步骤214'，在分成的词中仅保留词性为名词的词。

在一个实施例中，针对分成的每个词判断该词是否为名词，当该词不为名 词时，就将该词从分成的词中过滤掉。

名词是最能反映商品特征的词，因此也是最适合用作标签的词，在分成的 词中仅保留词性为名词的词的好处在于，缩小了在分成的词中选取标签的范围。

图6是根据图2对应实施例示出的步骤210和步骤240之间步骤的流程图。 如图6所示，包括以下步骤：

步骤220，对所述所有商品中的每一件商品的标签按照所述类型进行归类。

在一个实施例中，所述标签属于以下中的一个类型：商品种类、规格、价 格档位、等级，比如一件商品有“果汁”、“葡萄汁”、“饮料”、“大瓶”和“1L” 等五个标签，则“果汁”、“葡萄汁”、“饮料”三个标签属于商品种类这个类型， 而“大瓶”和“1L”属于规格这个类型。

步骤230，在每一件商品的每一类型标签中仅选取一个标签作为该商品的 标签。

由于每一类型的标签都是相似的，都是表现该商品的一个方面特征的标签， 所以在每一类型的标签中仅选取一个标签作为该商品的标签的好处在于在减少 了标签的数目的同时依然能保证该商品的标签能体现该商品的特征。

图7是根据图6对应实施例示出的一实施例的步骤230的细节流程图。如 图7所述，步骤230包括：

步骤231，针对每一类型标签中的每个标签，获取所有商品中具有该标签 的商品的数目。

在一个实施例中，本发明的实施终端中设有一个计数器，针对每一类型标 签中的每个标签，判断所有商品中的每个商品是否具有该标签，每当判断出一 个商品具有该标签，该计数器就加1。当判断完所有商品时，该计数器计出的 数目就是所有商品中具有该标签的商品的数目。

步骤232，将每一类型标签中所述数目最大的标签作为该商品的标签。

数目越大的标签，将具有该标签的商品聚到的类中商品的数目越多。这样 做的好处在于，可以获取更多的目标推广商品。

图8是根据图6对应实施例示出的另一实施例的步骤230的细节流程图。 如图8所示，步骤230包括：

步骤231'，针对每一类型标签中的每个标签，获取所有商品中具有该标签 的商品的数目。

步骤232'，将每一类型标签中所述数目最小的标签作为该商品的标签。

数目越小的标签，将具有该标签的商品聚到的类中商品的数目越少。这样 做的好处在于，可以更精准地获得合适的目标推广商品。

图9是根据图2对应实施例示出的一实施例的步骤250的细节流程图。如 图9所示，步骤250包括:

步骤251，将获取的所有商品的标签构成向量。

标签是文本类型的数据，无法进行聚类，将商品标签转换为向量则可以进 行聚类。

在一个实施例中，将获取的所有商品的标签构成向量的步骤如图11所示。 图11是根据图9对应实施例示出的一实施例的步骤251的细节流程图，步骤 251包括：

步骤2511，获取所有商品的标签，其中，若有多个相同的标签，则仅保留 一个。

由于要将标签构成向量，而向量要求每个维度都不相交，因此要把重复的 标签过滤掉。

步骤2512，确定获取的标签的数目，作为第二数目。

在一个实施例中，本发明的实施终端中设有一个计数器，该计数器可以统 计获取的标签的数目。

步骤2513，确定所有获取的标签在要构成的向量中的顺序。

所有商品的标签都要选择一个构成向量的特定的顺序才能进行聚类。

在一个实施例中，所有获取的标签在要构成的向量中的顺序是随机确定的。

步骤2514，针对所有商品中的每一个，按照所述顺序将该商品的标签构成 维数为第二数目的向量。

在一个实施例中，比如，一共有3个商品，第一商品的标签为“进口”、 “生鲜”、“牛肉”，第二商品的标签为“澳洲”、“牛肉”、“新鲜”，第三商品的 标签为“农家”、“牛肉”、“新鲜”，则能构成向量的标签的数目为6，分别是 “进口”、“生鲜”、“牛肉”、“澳洲”、“新鲜”、“农家”，如果向量中标签按照 这个顺序排序，则第一商品的标签构成的向量为(1,1,1,0,0,0)，第二商品的标 签构成的向量为(0,0,1,1,1,0)，第三商品的标签构成的向量为(0,0,1,0,1,1)。

步骤252，获取要聚成的类的数目，作为第一数目。

根据K-means算法，要选取聚成的类的数目，聚成的类的数目不能过多也 不能过少，当聚成的类的数目过多时，每个类中包含的商品的数目就会很少， 获取的目标推广商品的数目就会减少；而当聚成的类的数目过少时，会减少对 类内各商品的区分，使最终获取的目标推广商品的销售情况不能令人满意。

步骤253，在构成的向量中任取第一数目的向量作为初始聚类中心，使每 个初始聚类中心只属于一个类。

步骤254，针对构成的向量中的每个向量，将该向量聚到第一数目的初始 聚类中心中与该向量距离最近的初始聚类中心所述的类。

在一个实施例中，各向量与初始聚类中心的距离是采用欧式距离。比如一 个向量为(x₁，y₁)，初始聚类中心的向量为(x₂，y₂)，则两者之间的欧式距 离为：

向量与初始聚类中心距离越近，说明该向量的标签与初始聚类中心的标签 越相似，因此可以将该向量聚到与该向量距离最近的初始聚类中心所述的类。

步骤255，确定聚成的每个类的中心向量。

步骤256，以确定出的中心向量作为聚类中心再次对构成的所有向量进行 聚类直至再次确定每个类的中心向量时，所有类的中心向量与上次聚类的聚类 中心相同。

由于初始聚类中心的缘故，各个类中各个商品的标签之间不一定是最相似 的。再次确定中心向量进行迭代的好处在于，使聚成第一数目的类时，每个类 中商品的标签之间是最相似的。

图12是根据一示例性实施例示出的获得销售指标阈值的步骤的流程图。 如图12所示，包括以下步骤：

步骤1210，确定所述多个类的数目，为第三数目。

步骤1220，将针对所述多个类中每个类获得的平均单位周期销售指标从小 到大排序，以建成平均单位周期销售指标顺序表。

步骤1230，计算所述第三数目与预定比值的乘积。

步骤1240，按照所述乘积，在所述平均单位周期销售指标顺序表中取出平 均单位周期销售指标，作为销售指标阈值。

在一个实施例中，步骤1240的步骤如图13所示，图13是根据图12对应 实施例示出的一实施例的步骤1240的细节流程图，根据图13，步骤1240包括：

步骤1241，如果所述乘积为整数，则将所述平均单位周期销售指标顺序表 中排序为所述乘积的平均单位周期销售指标取出，作为销售指标阈值。

步骤1242，如果所述乘积为小数，获取小于所述小数的最大整数。

步骤1243，将所述平均单位周期销售指标顺序表中排序为所述最大整数的 平均单位周期销售指标取出，作为销售指标阈值。这样做的好处在于可以通过 设置预定比值随时调整销售指标阈值并使调整后的销售指标阈值一直在合理范 围内。

在一个实施例中，所述预定比值为80％。

本公开还提供了一种异常流量数据识别装置，以下是本发明的装置实施例。

图14是根据一示例性实施例示出的一种目标推广商品自动确定装置的示 意框图。如图14所示，该装置1400包括：

第一获取模块1410，被配置为从第三方平台服务器已展示页面中获取所有 商品的标签；

第二获取模块1420，被配置为获取所述所有商品的单位周期销售指标；

聚类模块1430，被配置为基于获取的标签对所述所有商品进行聚类，以划 分为多个类；

计算模块1440，被配置为针对所述多个类中的每个类，计算类内所有商品 的平均单位周期销售指标；

第一确定模块1450，被配置为将所述多个类中平均单位周期销售指标大于 销售指标阈值的类确定为参考类；

第二确定模块1460，被配置为将从展示服务器展示的网页获取到的具有的 标签与参考类中商品的标签匹配的商品确定为目标推广商品。

根据本公开的第三方面，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、 方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完 全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和 软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。

下面参照图15来描述根据本发明的这种实施方式的电子设备1500。图15 显示的电子设备1500仅仅是一个示例，不应对本发明实施例的功能和使用范 围带来任何限制。

如图7所示，电子设备1500以通用计算设备的形式表现。电子设备1500 的组件可以包括但不限于：上述至少一个处理单元1510、上述至少一个存储单 元1520、连接不同***组件(包括存储单元1520和处理单元1510)的总线 1530。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元 1510执行，使得所述处理单元1510执行本说明书上述“实施例方法”部分中 描述的根据本发明各种示例性实施方式的步骤。

存储单元1520可以包括易失性存储单元形式的可读介质，例如随机存取 存储单元(RAM)1521和/或高速缓存存储单元1522，还可以进一步包括只读 存储单元(ROM)1523。

存储单元1520还可以包括具有一组(至少一个)程序模块1525的程序/实 用工具1524，这样的程序模块1525包括但不限于：操作***、一个或者多个 应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可 能包括网络环境的实现。

总线1530可以为表示几类总线结构中的一种或多种，包括存储单元总线 或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线 结构中的任意总线结构的局域总线。

电子设备1500也可以与一个或多个外部设备1700(例如键盘、指向设备、 蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1500交互 的设备通信，和/或与使得该电子设备1500能与一个或多个其它计算设备进行 通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输 入/输出(I/O)接口1550进行。并且，电子设备1500还可以通过网络适配器 1560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网 络，例如因特网)通信。如图所示，网络适配器1560通过总线1530与电子设 备1500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备 1500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗 余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储 ***等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示 例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。 因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软 件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘 等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服 务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

根据本公开的第四方面，还提供了一种计算机可读存储介质，其上存储有 能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的 各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产 品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述 “示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图16所示，描述了根据本发明的实施方式的用于实现上述方法的程 序产品1600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码， 并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此， 在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可 以被指令执行***、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是 可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、 光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可 读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电 连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可 擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器 (CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信 号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括 但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是 可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于 由指令执行***、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无 线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的 程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++ 等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语 言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、 作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执 行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中， 远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网 (WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用 因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意 性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这 些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同 步或异步执行的。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结 构，并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的 权利要求来限制。

Claims (23)

1.一种目标推广商品自动确定方法，其特征在于，所确定的目标推广商品在展示服务器展示的页面上展示，被第三方平台服务器爬取到第三方平台服务器展示的页面上进行展示，所述方法包括：

从第三方平台服务器已展示页面中获取所有商品的标签；

获取所述所有商品的单位周期销售指标；

基于获取的标签对所述所有商品进行聚类，以划分为多个类；

针对所述多个类中的每个类，计算类内所有商品的平均单位周期销售指标；

将所述多个类中平均单位周期销售指标大于销售指标阈值的类确定为参考类；

将从展示服务器展示的网页获取到的具有的标签与参考类中商品的标签匹配的商品确定为目标推广商品。

2.根据权利要求1所述的方法，其特征在于，所述从第三方平台服务器已展示页面中获取所有商品的标签具体包括：

从第三方平台服务器已展示的页面爬取商品的属性的属性值；

基于所述属性值，确定商品的标签。

3.根据权利要求1所述的方法，其特征在于，所述从第三方平台服务器已展示页面中获取所有商品的标签具体包括：

从第三方平台服务器已展示的页面获取商品的描述；

将所述描述分成词；

确定各词在所述描述中的出现次数；

将出现次数满足预定条件的词作为所述标签。

4.根据权利要求3所述的方法，其特征在于，在将所述描述分成词后，所述从第三方平台服务器已展示的页面获取各商品的标签还包括：

在将所述描述分成词后，确定分成的词的词性；

在分成的词中仅保留词性为名词的词。

5.根据权利要求3所述的方法，其特征在于，所述预定条件包括：出现次数最高。

6.根据权利要求3所述的方法，其特征在于，所述预定条件包括：出现次数大于预定次数阈值。

7.根据权利要求3所述的方法，其特征在于，所述预定条件包括：出现次数按照从高到低的顺序排在前预定名次内。

8.根据权利要求1所述的方法，其特征在于，所述标签属于以下中的一个类型：商品种类、规格、价格档位、等级，在从第三方平台服务器已展示页面中获取所有商品的标签之后，所述方法还包括：

对所述所有商品中的每一件商品的标签按照所述类型进行归类；

在每一件商品的每一类型标签中仅选取一个标签作为该商品的标签。

9.根据权利要求8所述的方法，其特征在于，所述在每一件商品的每一类型标签中仅选取一个标签作为该商品的标签具体包括：

针对每一类型标签中的每个标签，获取所有商品中具有该标签的商品的数目；

将每一类型标签中所述数目最大的标签作为该商品的标签。

10.根据权利要求8所述的方法，其特征在于，所述在每一件商品的每一类型标签中仅选取一个标签作为该商品的标签具体包括：

针对每一类型标签中的每个标签，获取所有商品中具有该标签的商品的数目；

将每一类标签中所述数目最小的标签作为该商品的标签。

11.根据权利要求1所述的方法，其特征在于，所述基于所述获取的标签对所述所有商品进行聚类，以划分为多个类具体包括:

将获取的所有商品的标签构成向量；

获取要聚成的类的数目，作为第一数目；

在构成的向量中任取第一数目的向量作为初始聚类中心，使每个初始聚类中心只属于一个类；

针对构成的向量中的每个向量，将该向量聚到第一数目的初始聚类中心中与该向量距离最近的初始聚类中心所属的类；

确定聚成的每个类的中心向量；

以确定出的中心向量作为聚类中心再次对构成的所有向量进行聚类直至再次确定每个类的中心向量时，所有类的中心向量与上次聚类的聚类中心相同。

12.根据权利要求11所述的方法，其特征在于，所述将获取的所有商品的标签构成向量具体包括：

获取所有商品的标签，其中，若有多个相同的标签，则仅保留一个；

确定获取的标签的数目，作为第二数目；

确定所有获取的标签在要构成的向量中的顺序；

针对所有商品中的每一个，按照所述顺序将该商品的标签构成维数为第二数目的向量。

13.根据权利要求1所述的方法，其特征在于，所述销售指标阈值通过如下步骤获得：

确定所述多个类的数目，为第三数目；

将针对所述多个类中每个类获得的平均单位周期销售指标从小到大排序，以建成平均单位周期销售指标顺序表；

计算所述第三数目与预定比值的乘积；

按照所述乘积，在所述平均单位周期销售指标顺序表中取出平均单位周期销售指标，作为销售指标阈值。

14.根据权利要求13所述的方法，其特征在于，所述预定比值为80％。

15.根据权利要求13所述的方法，其特征在于，按照所述乘积，在所述平均单位周期销售指标顺序表中取出平均单位周期销售指标作为销售指标阈值，包括：

如果所述乘积为整数，则将所述平均单位周期销售指标顺序表中排序为所述乘积的平均单位周期销售指标取出，作为销售指标阈值；

如果所述乘积为小数，获取小于所述小数的最大整数；

将所述平均单位周期销售指标顺序表中排序为所述最大整数的平均单位周期销售指标取出，作为销售指标阈值。

16.根据权利要求1所述的方法，其特征在于，所述销售指标阈值通过如下步骤获得：

获取所述多个类的数目；

将所述多个类的平均单位周期销售指标之和与所述数目的商作为所述销售指标阈值。

17.根据权利要求1所述的方法，其特征在于，所述将从展示服务器展示的网页获取到的具有的标签与参考类中商品的标签匹配的商品确定为目标推广商品具体包括：

获取展示服务器展示的网页上各商品的标签；

确定获取的标签与参考类中商品的标签匹配的商品；

将所述匹配的商品作为目标推广商品。

18.根据权利要求17所述的方法，其特征在于，所述获取的标签与参考类中商品的标签匹配包括：获取的标签与参考类中商品的标签完全一致。

19.根据权利要求17所述的方法，其特征在于，所述获取的标签与参考类中商品的标签匹配包括：获取的标签的至少一部分与参考类中商品的标签的至少一部分一致。

20.根据权利要求17所述的方法，其特征在于，所述获取的标签与参考类中商品的标签匹配包括：获取的商品的标签与参考类中商品的标签的至少一个一致的标签数占获取的该商品的标签总数的比例超过预定比例阈值。

21.一种目标推广商品自动确定装置，其特征在于，所述装置包括：

第一获取模块，被配置为从第三方平台服务器已展示页面中获取所有商品的标签；

第二获取模块，被配置为获取所述所有商品的单位周期销售指标；

聚类模块，被配置为基于获取的标签对所述所有商品进行聚类，以划分为多个类；

计算模块，被配置为针对所述多个类中的每个类，计算类内所有商品的平均单位周期销售指标；

第一确定模块，被配置为将所述多个类中平均单位周期销售指标大于销售指标阈值的类确定为参考类；

第二确定模块，被配置为将从展示服务器展示的网页获取到的具有的标签与参考类中商品的标签匹配的商品确定为目标推广商品。

22.一种计算机可读程序介质，其特征在于，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行根据权利要求1至20中任一项所述的方法。

23.一种电子设备，其特征在于，所述电子设备包括：

处理器；

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如权利要求1至20任一项所述的方法。