CN111654714B - 信息处理方法、装置、电子设备和存储介质 - Google Patents

信息处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111654714B
CN111654714B CN202010450387.6A CN202010450387A CN111654714B CN 111654714 B CN111654714 B CN 111654714B CN 202010450387 A CN202010450387 A CN 202010450387A CN 111654714 B CN111654714 B CN 111654714B
Authority
CN
China
Prior art keywords
transaction
transaction object
objects
sorting
search
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.)
Active
Application number
CN202010450387.6A
Other languages
English (en)
Other versions
CN111654714A (zh
Inventor
陈春勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010450387.6A priority Critical patent/CN111654714B/zh
Publication of CN111654714A publication Critical patent/CN111654714A/zh
Application granted granted Critical
Publication of CN111654714B publication Critical patent/CN111654714B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • 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]
    • G06Q30/0641—Shopping interfaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/254—Management at additional data server, e.g. shopping server, rights management server
    • H04N21/2542—Management at additional data server, e.g. shopping server, rights management server for selling goods, e.g. TV shopping
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/47815—Electronic shopping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了一种信息处理方法、装置、电子设备和存储介质；本申请实施例可以获取搜索内容，然后，基于该搜索内容分别从多个交易平台获取交易对象信息，该交易对象信息包括每个交易平台中与该搜索内容匹配的交易对象、以及该交易对象对应的多维度特征信息，再计算该交易对象的相关度因子，以及根据该交易对象对应的多维度特征信息计算该交易对象的重要度因子，接着，对该交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，根据多个交易对象平台中交易对象的排序参数对该交易对象进行排序，得到排序后交易对象集合，输出排序后交易对象集合。该方案可以有效地提高交易对象选择的效率。

Description

信息处理方法、装置、电子设备和存储介质
技术领域
本申请涉及通信技术领域，具体涉及一种信息处理方法、装置、电子设备和存储介质。
背景技术
随着互联网的快速发展，电商直播应运而生。电商直播是指线下的实体户家卖家通过网络的直播平台或直播软件来推销开阔自己的产品客户，使客户在了解产品各项性能的同时来购买自己的商品。电商直播是在各个电商开通直播功能之后，帮助平台商家通过直播的方式实现线上直播售货的***。
电商直播吸取和延续了互联网的优势，使得越来越多的主播开始在直播平台上进行直播售货。而主播选品的技巧关系到商品的转化率，但是，当前的主播选品大多数都是基于人工直觉和历史经验进行选取，且不同平台的销售数据没有一个综合的衡量维度。主播在直播前需要花大量的时间在商品的选择上，费时费力。
发明内容
本申请实施例提供一种信息处理方法、装置、电子设备和存储介质，可以有效地提高交易对象选择的效率。
本申请实施例提供一种信息处理方法，包括：
获取搜索内容；
基于所述搜索内容分别从多个交易平台获取交易对象信息，其中，所述交易对象信息包括每个交易平台中与所述搜索内容匹配的交易对象、以及所述交易对象对应的多维度特征信息；
计算所述交易对象的相关度因子，以及根据所述交易对象对应的多维度特征信息计算所述交易对象的重要度因子，其中，所述相关度因子表征所述搜索内容和所述交易对象之间相关度，所述重要度因子表征所述交易对象的重要度；
对所述交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数；
根据多个交易对象平台中交易对象的排序参数对所述交易对象进行排序，得到排序后交易对象集合；
输出排序后交易对象集合。
相应的，本申请实施例还提供一种信息处理装置，包括：
第一获取单元，用于获取搜索内容；
第二获取单元，用于基于所述搜索内容分别从多个交易平台获取交易对象信息，其中，所述交易对象信息包括每个交易平台中与所述搜索内容匹配的交易对象、以及所述交易对象对应的多维度特征信息；
计算单元，用于计算所述交易对象的相关度因子，以及根据所述交易对象对应的多维度特征信息计算所述交易对象的重要度因子，其中，所述相关度因子表征所述搜索内容和所述交易对象之间相关度，所述重要度因子表征所述交易对象的重要度；
融合单元，用于对所述交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数；
排序单元，用于根据多个交易对象平台中交易对象的排序参数对所述交易对象进行排序，得到排序后交易对象集合；
输出单元，用于输出排序后交易对象集合。
可选的，在一些实施例中，所述计算单元可以包括第一计算子单元和第二计算子单元，如下：
所述第一计算子单元，用于将所述搜索内容划分为至少一个搜索关键词，并设置所述搜索关键词的权重；根据所述搜索关键词以及所述搜索关键词的权重计算所述搜索内容和所述交易对象之间相关度，得到所述交易对象的相关度因子；
所述第二计算子单元，用于获取每个交易对象对应的交易平台中的重要度预设规则；根据所述重要度预设规则和每个交易对象对应的多维度特征信息计算所述交易对象的重要度因子。
可选的，在一些实施例中，所述第一计算子单元，具体可以用于计算每个搜索关键词与所述搜索内容的相关度，得到搜索关键词的第一分数；计算每个搜索关键词和所述交易对象的相关度因子，得到搜索关键词的第二分数；根据所述搜索关键词的权重、所述搜索关键词的第一分数和所述搜索关键词的第二分数计算所述搜索内容和所述交易对象之间相关度，得到所述交易对象的相关度因子。
可选的，在一些实施例中，所述第二计算子单元，具体可以用于根据所述重要度预设规则确定所述交易对象每个维度特征对象信息的权重；根据所述交易对象每个维度特征对象信息的权重和所述多维度特征信息计算所述交易对象的重要度因子。
可选的，在一些实施例中，所述融合单元可以包括融合子单元和处理子单元，如下：
所述融合子单元，用于将所述交易对象的相关度因子和重要度因子进行融合，得到所述交易对象的综合因子；
所述处理子单元，用于利用排序学习模型对所述交易对象的综合因子进行标准化处理，得到每个交易对象用于统一排序的排序参数。
可选的，在一些实施例中，所述处理子单元，具体可以用于利用排序学习模型对所述交易对象的综合因子进行特征提取，得到所述交易对象的综合特征信息；根据所述综合特征信息计算所述交易对象的排序分数，得到每个交易对象用于统一排序的排序参数。
可选的，在一些实施例中，所述信息处理装置还可以包括训练单元，如下：
所述训练单元，用于获取多组样本数据；利用所述样本数据对预设排序学习模型进行训练，得到排序学习模型。
可选的，在一些实施例中，所述排序单元可以包括组合子单元和排序子单元，如下：
所述组合子单元，用于将多个交易对象平台中交易对象的排序参数进行组合，得到组合后排序参数序列；
所述排序子单元，用于利用堆排序算法对所述组合后排序参数序列进行排序，得到排序后交易对象集合。
可选的，在一些实施例中，所述排序子单元，具体可以用于获取所述组合后排序参数序列中排序参数的最大值；将所述排序参数的最大值与所述组合后排序参数序列中的末尾排序参数进行交换，得到交换后末尾排序参数；获取所述组合后排序参数序列中未交换排序参数的最大值；将所述未交换排序参数的最大值与所述组合后排序参数序列中未交换排序参数中的末尾排序参数进行交换，直到所述组合后排序参数序列中所有排序参数交换完成，得到排序后交易对象集合。
可选的，在一些实施例中，所述第二获取单元，具体可以用于获取多个交易平台的接口信息；基于所述接口信息从所述多个交易平台中获取与所述搜索内容匹配的交易对象信息。
可选的，在一些实施例中，所述第一获取单元，具体可以用于显示直播客户端的搜索页面，所述搜索页面包括搜索输入控件；基于针对搜索输入控件的输入操作，确定输入的搜索内容；
则所述输出单元，具体可以用于在所述搜索页面中显示排序后交易对象集合。
此外，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例提供的任一种信息处理方法中的步骤。
此外，本申请实施例还提供一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本申请实施例提供的任一种信息处理方法中的步骤。
本实施例可以获取搜索内容，然后，基于所述搜索内容分别从多个交易平台获取交易对象信息，其中，所述交易对象信息包括每个交易平台中与所述搜索内容匹配的交易对象、以及所述交易对象对应的多维度特征信息，再计算所述交易对象的相关度因子，以及根据所述交易对象对应的多维度特征信息计算所述交易对象的重要度因子，其中，所述相关度因子表征所述搜索内容和所述交易对象之间相关度，所述重要度因子表征所述交易对象的重要度，接着，对所述交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，根据多个交易对象平台中交易对象的排序参数对所述交易对象进行排序，得到排序后交易对象集合，输出排序后交易对象集合。该方案可以有效地提高交易对象选择的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1a是本申请实施例提供的信息处理的场景示意图；
图1b是本申请实施例提供的信息处理方法的第一流程图；
图2a是本申请实施例提供的信息处理方法的第二流程图；
图2b是本申请实施例提供的橱窗中台页面示意图；
图2c是本申请实施例提供的搜索页面示意图；
图2d是本申请实施例提供的人气值说明页面示意图；
图2e是本申请实施例提供的商品数据页面示意图；
图2f是本申请实施例提供的管理页面示意图；
图2g是本申请实施例提供的信息处理流程示意图；
图3是本申请实施例提供的信息处理装置的结构示意图；
图4是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的原理是以实施在一适当的运算环境中来举例说明。在以下的说明中，本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存***中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实***置，其具有由该数据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下该的多种步骤及操作亦可实施在硬件当中。
本文所使用的术语“单元”可看作为在该运算***上执行的软件对象。本文该的不同组件、单元、引擎及服务可看作为在该运算***上的实施对象。而本文该的装置及方法可以以软件的方式进行实施，当然也可在硬件上进行实施，均在本申请保护范围之内。
本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是某些实施例还包括没有列出的步骤或单元，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例提供一种信息处理方法、装置、电子设备和存储介质。其中，该信息处理装置可以集成在电子设备中，该电子设备可以是服务器，也可以是终端等设备。
例如，如图1a所示，首先，该集成了信息处理装置的终端在用户进行直播选品时，可以获取用户输入的搜索内容，然后，基于该搜索内容分别从多个交易平台获取交易对象信息，其中，该交易对象信息包括每个交易平台中与该搜索内容匹配的交易对象、以及该交易对象对应的多维度特征信息，再计算该交易对象的相关度因子，以及根据该交易对象对应的多维度特征信息计算该交易对象的重要度因子，其中，该相关度因子表征该搜索内容和该交易对象之间相关度，该重要度因子表征该交易对象的重要度，接着，对该交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，根据多个交易对象平台中交易对象的排序参数对该交易对象进行排序，得到排序后交易对象集合，输出排序后交易对象集合。
由于该方案在主播需要进行直播选品时，可以获取搜索内容，进而获取该搜索内容对应的多个交易平台中交易对象信息，并将该交易对象信息进行统一处理后对该交易对象进行排序，得到排序后交易对象集合，该排序后交易对象集合综合了交易对象的多维度特征信息，为主播提供了转化率最高的交易对象的排序，打破平台之间的界限，帮助主播提高选品效率和质量，进而降低主播选品的成本，提高带货转化率。
以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。
本实施例将从信息处理装置的角度进行描述，该信息处理装置具体可以集成在电子设备中，该电子设备可以是服务器，也可以是终端等设备；其中，该终端可以包括手机、平板电脑、笔记本电脑、以及个人计算机(Personal Computer，PC)等设备。
一种信息处理方法，包括：获取搜索内容，然后，基于该搜索内容分别从多个交易平台获取交易对象信息，其中，该交易对象信息包括每个交易平台中与该搜索内容匹配的交易对象、以及该交易对象对应的多维度特征信息，再计算该交易对象的相关度因子，以及根据该交易对象对应的多维度特征信息计算该交易对象的重要度因子，其中，该相关度因子表征该搜索内容和该交易对象之间相关度，该重要度因子表征该交易对象的重要度，接着，对该交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，根据多个交易对象平台中交易对象的排序参数对该交易对象进行排序，得到排序后交易对象集合，输出排序后交易对象集合。
如图1b所示，该信息处理方法的具体流程可以如下：
101、获取搜索内容。
例如，可以显示直播客户端的搜索页面，该搜索页面包括搜索输入控件，基于针对搜索输入控件的输入操作，确定输入的搜索内容。其中，控件的表现形式，可以为图标、输入框、按钮等形式。
例如，具体可以显示直播客户端的直播橱窗中台页面，主播开启电商直播带货前，可以先登陆账号，可以选择多种登录方式中的一种进行登陆，然后，显示直播客户端的搜索页面，以选择需要的带货商品。当检测到用户针对该搜索输入控件的输入操作，确定输入的搜索内容。
其中，中台和前台、后台对应，指的是在一些***中，被共用的中间件的集合，常见于网站架构、金融***等。所谓中台主要是为前台而生的平台，它存在的唯一目的就是更好的服务前台规模化创新，进而更好的服务用户，使企业真正做到自身能力与用户需求的持续对接。
102、基于该搜索内容分别从多个交易平台获取交易对象信息。
其中，该交易对象信息包括每个交易平台中与该搜索内容匹配的交易对象、以及该交易对象对应的多维度特征信息。例如，可以根据用户输入的搜索内容分别从多个不同的交易平台，如平台X、平台Y、平台Z等，获取与该搜索内容匹配的交易对象信息。
其中，交易平台指的是为交易对象的交易双方提供服务的平台。比如，交易平台可以是第三方电子商务平台，是独立于产品或服务的提供者和需求者，通过网络服务平台，按照特定的交易与服务规范，为买卖双方提供服务，服务内容可以包括但不限于“供求信息发布与搜索、交易的确立、支付、物流”。交易对象指的是交易双方在交易平台交易的物品，比如，商品、装备、道具、等。
例如，当主播方需要进行直播选品时，比如，交易对象可以为商品，可以通过获取多个交易平台的接口信息，以根据该接口信息进行配置接入，从而获取交易平台中的交易对象信息。比如，具体可以获取多个交易平台的接口信息，基于该接口信息从该多个交易平台中获取与该搜索内容匹配的交易对象信息。此时，交易平台可以是为商品的买卖双方提供服务的平台。
103、计算该交易对象的相关度因子，以及根据该交易对象对应的多维度特征信息计算该交易对象的重要度因子。
其中，该相关度因子表征该搜索内容和该交易对象之间相关度，该重要度因子表征该交易对象的重要度。
其中，计算该交易对象的相关度因子的方式有很多种，比如，可以利用相关度排序模型，如布尔模型(Boolean Model)，向量空间模型(Vector Space Model)，隐语义分析(Latent Semantic Analysis)，BM25(一种用来评价搜索词和文档之间相关性的算法)，信息检索语言模型(language model for information retrieval，LMIR)等等，进行计算。
例如，具体可以将该搜索内容划分为至少一个搜索关键词，并设置该搜索关键词的权重，根据该搜索关键词以及该搜索关键词的权重计算该搜索内容和该交易对象之间相关度，得到该交易对象的相关度因子。
例如，在一些实施例中，根据该搜索关键词以及该搜索关键词的权重计算该搜索内容和该交易对象之间相关度，得到该交易对象的相关度因子，具体可以计算每个搜索关键词与该搜索内容的相关度，得到搜索关键词的第一分数，计算每个搜索关键词和该交易对象的相关度因子，得到搜索关键词的第二分数，根据该搜索关键词的权重、该搜索关键词的第一分数和该搜索关键词的第二分数计算该搜索内容和该交易对象之间相关度，得到该交易对象的相关度因子。
比如，交易对象为商品时，相关度因子是指商品关键字在文档中出现的度数，当这个度数越高时，则认为该文档的相关程度越高。相关度因子就是商品的标题关键词和商品的匹配，匹配的程度、是否重要词的匹配、以及匹配词之间的距离等，都可能影响相关性。比如搜索内容为“小鸭子洗衣机”时，一个商品的关键词是洗衣机的要比卖洗衣机配件商品的相关性高，小鸭子连在一起的相关性要比“小”和“鸭子”分开时候的相关性高等。
其中，根据该交易对象对应的多维度特征信息计算该交易对象的重要度因子的方式有很多种，比如，可以利用重要性排序模型，如网页排名(PageRank)，超文本敏感标题搜索(Hyperlink–Induced Topic Search，HITS)，HillTop(一项搜索引擎结果排序的专利)，信任指数(TrustRank)等等，进行计算。
例如，具体可以获取每个交易对象对应的交易平台中的重要度预设规则，根据该重要度预设规则和每个交易对象对应的多维度特征信息计算该交易对象的重要度因子。
其中，重要度预设规则的设定方式可以有很多种，比如，可以根据实际应用的需求进行设置，也可以预先设置好存储在电子设备中。此外，重要度预设规则可以内置于电子设备中，或者，也可以保存在存储器中并发送给电子设备，等等。其中，每个交易平台对应的重要度预设规则可以相同，也可以不同，比如平台X的重要度预设规则和平台Y的重要度预设规则可以相同，也可以不同，可以根据具体情况进行设定。由于每个交易平台的多维度特征信息可能相同，也可能不同，因此，用于每个交易平台计算重要度因子的多维度特征信息可以相同，也可以不同，可以根据具体情况进行设定。
例如，在一些实施例中，根据该重要度预设规则和每个交易对象对应的多维度特征信息计算该交易对象的重要度因子，具体可以根据该重要度预设规则确定该交易对象每个维度特征对象信息的权重，根据该交易对象每个维度特征对象信息的权重和该多维度特征信息计算该交易对象的重要度因子。
比如，交易对象为商品时，重要度因子可以包括一个商品关键词转化率的数目，如一个商品关键词转化率越多，则该商品就越有价值。也就是说，一个商品的关键词在所有的电商平台转化率越高，则该商品的重要程度也就越高。重要度因子就是商品的销量、销售价等直接影响到商品转化率的元素。商品的重要度因子可以为商品销量、销售价、成本、评价、点击率、下单转化率、曝光率、成交订单数、成交额等等一种或多种特征因子的组合。
其中，转化率指的是所有到达交易平台并产生购买行为的人数和所有到达交易平台的人数的比率。计算方法为：转化率＝(产生购买行为的客户人数/所有到达店铺的访客人数)×100％。转化率影响的因素可以有：宝贝描述、销售目标、宝贝的评价等等。
比如，商品综合排序可以跟10项因素相关，每个维度特征对象信息的权重可以为成交量：15％、好评率：10％、收藏量：8％、上下架：12％、转化率：14％、橱窗推荐：10％、回购率：10％、DSR：8％卖家服务评级***(Detail Seller Rating)等等，影响排名的重要度因子中的各维度特征对象信息的权重占比可以根据实际情况进行灵活设定，在此不作限定。
104、对该交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数。
例如，可以把各种各样不同的特征因子组合起来，给出一个最终的关键词到交易对象的排序分数。若只用其中的一到两个特征因子，则已经可以对商品做一些最基本的排序。如果有更多的特征因子参与到排序，就可以得到一个更好的排序算法。组合的方法可以有简单的人工配置到复杂的类似Learning to Rank等的学习模型。
例如，可以将该交易对象的相关度因子和重要度因子进行融合，得到该交易对象的综合因子，利用排序学习模型对该交易对象的综合因子进行标准化处理，得到每个交易对象用于统一排序的排序参数。
例如，在一些实施例中，根据排序学习模型得到该交易对象的排序参数，具体可以利用排序学习模型对该交易对象的综合因子进行特征提取，得到该交易对象的综合特征信息，根据该综合特征信息计算该交易对象的排序分数，得到每个交易对象用于统一排序的排序参数。
为了提高排序的效率，在利用排序学习模型对该交易对象的综合特征信息进行标准化处理之前，还可以包括：
获取多组样本数据；利用该样本数据对预设排序学习模型进行训练，得到排序学习模型。
例如，具体可以确定查询内容，基于所述查询内容获取多个样本交易对象数据，所述样本交易对象数据包括与查询内容匹配的样本交易对象，利用预设排序学习模型对该样本交易对象进行特征提取，得到所述样本交易对象的综合特征信息，根据该综合特征信息计算该样本交易对象的排序分数，得到样本预测值，根据所述样本预测值和所述样本真实值对预设排序学习模型进行收敛，得到排序学习模型。
比如，可以通过人工标注、搜索日志等方式获取训练数据。例如，可以从搜索日志中随机选取一部分查询(Query)，让受过专业训练的数据评估员对“Query-URL对”给出相关性判断。常见的是5档的评分:差、一般、好、优秀、完美。以此作为训练数据。人工标注是标注者的主观判断，会受标注者背景知识等因素的影响。其中，URL为统一资源定位符，UniformResource Locator。
比如，可以使用排序学习模型(Learning to Rank，LTR)中的单文档方法(Pointwise)进行训练。例如，Pointwise方法只考虑给定查询下，单个文档的绝对相关度，而不考虑其他文档和给定查询的相关度。亦即给定查询q的一个真实文档序列，只需要考虑单个文档di和该查询的相关程度ci，亦即输入数据可以为如下形式：
105、根据多个交易对象平台中交易对象的排序参数对该交易对象进行排序，得到排序后交易对象集合。
例如，可以将多个交易对象平台中交易对象的排序参数进行组合，得到组合后排序参数序列，利用堆排序算法对该组合后排序参数序列进行排序，得到排序后交易对象集合。
其中，组合的方式可以有很多种，比如，若同一交易对象存在多个不同的交易平台，则可以将该交易对象的不同交易平台的排序参数进行处理，得到处理后排序参数，若同一交易对象只存在于一个交易平台，则可以直接将该交易对象的排序参数作为处理后排序参数，再将多个交易对象平台中交易对象的处理后排序参数进行组合，得到组合后排序参数序列。其中，处理的方式也可以有很多种，比如，可以设置每个交易平台的参数权重，然后，将该排序参数和排序参数对应的参数权重进行加权，得到处理后排序参数，等等。
例如，在一些实施例中，利用堆排序算法对该组合后排序参数序列进行排序，具体可以获取该组合后排序参数序列中排序参数的最大值；将该排序参数的最大值与该组合后排序参数序列中的末尾排序参数进行交换，得到交换后末尾排序参数；获取该组合后排序参数序列中未交换排序参数的最大值；将该未交换排序参数的最大值与该组合后排序参数序列中未交换排序参数中的末尾排序参数进行交换，直到该组合后排序参数序列中所有排序参数交换完成，得到排序后交易对象集合。
比如，将组合后排序参数序列构造成一个大顶堆，此时，整个序列的最大值就是堆顶的根节点。将其与末尾元素进行交换，此时末尾就为最大值。然后将剩余n-1个元素重新构造成一个堆，这样会得到n个元素的次小值。如此反复执行，便能得到一个有序序列了。
比如，具体可以先将初始数组a[0…n-1]建成一个最大堆，此堆为初始的无序区，再将值最大的元素a[0]和无序区的最后一个元素a[n-1]交换，由此可以得到新的无序区a[0..n-2]和有序区a[n-1]。由于交换后新的根a[0]可能违反堆性质，故应将当前无序区a[0..n-2]调整为最大堆。然后再次将a[0..n-2]中值最大的元素a[0]和该区间的最后一个记录a[n-2]交换，由此得到新的无序区a[0..n-3]和有序区a[n-2..n-1]。重复此操作，直到无序区只有一个元素为止。
其中，该排序方式只需做n-1次排序，堆排序中无序区总是在有序区之前，且有序区是在原向量的尾部由后往前逐步扩大至整个向量为止。
比如，交易对象为商品时，可以根据排序学***台的商品的热度值排序。
其中，人气值可以为平台综合此商品在所有电商平台的销售数据和热度得出。人气值可以由商品销量、销售价、成本、评价、点击率、下单转化率、曝光率、成交订单数、成交额等数据组成。点击商品人气值Top标签，可以查看此商品在各平台综合销售数据的明细，等等。
106、输出排序后交易对象集合。
例如，可以在该搜索页面中显示排序后交易对象集合。排序后交易对象集合展示的是对应商品的人气值排序。主播可以点击对应的交易对象人气值标签，显示商品数据页面，可以查看此商品在各平台的综合历史销售数据明细，帮助主播更详细的了解商品的销售数据。
由上可知，本实施例可以获取搜索内容，然后，基于该搜索内容分别从多个交易平台获取交易对象信息，其中，该交易对象信息包括每个交易平台中与该搜索内容匹配的交易对象、以及该交易对象对应的多维度特征信息，再计算该交易对象的相关度因子，以及根据该交易对象对应的多维度特征信息计算该交易对象的重要度因子，其中，该相关度因子表征该搜索内容和该交易对象之间相关度，该重要度因子表征该交易对象的重要度，接着，对该交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，根据多个交易对象平台中交易对象的排序参数对该交易对象进行排序，得到排序后交易对象集合，输出排序后交易对象集合。由于该方案在主播需要进行直播选品时，可以获取搜索内容，进而获取该搜索内容对应的多个交易平台中交易对象信息，并将该交易对象信息进行统一处理后对该交易对象进行排序，得到排序后交易对象集合，该排序后交易对象集合综合了交易对象的多维度特征信息，为主播提供了转化率最高的交易对象的排序，打破平台之间的界限，帮助主播提高选品效率和质量，进而降低主播选品的成本，提高带货转化率。
根据上一个实施例所描述的方法，以下将举例作进一步详细说明。
在本实施例中，将以该信息处理装置具体集成在电子设备，交易对象可以为商品为例进行说明。
(一)首先，为了提高排序的效率，可以先对排序学习模型进行训练，具体可以如下：
获取多组样本数据；利用该样本数据对预设排序学习模型进行训练，得到排序学习模型。
例如，具体可以确定查询内容，基于所述查询内容获取多个样本商品数据，所述样本商品数据包括与查询内容匹配的样本商品，利用预设排序学习模型对该样本商品进行特征提取，得到所述样本商品的综合特征信息，根据该综合特征信息计算该样本商品的排序分数，得到样本预测值，根据所述样本预测值和所述样本真实值对预设排序学习模型进行收敛，得到排序学习模型。
比如，可以通过人工标注、搜索日志等方式获取训练数据。例如，可以从搜索日志中随机选取一部分Query，让受过专业训练的数据评估员对“Query-URL对”给出相关性判断。常见的是5档的评分:差、一般、好、优秀、完美。以此作为训练数据。人工标注是标注者的主观判断，会受标注者背景知识等因素的影响。
比如，可以使用排序学习模型(Learning to Rank，LTR)中的单文档方法(Pointwise)进行训练。例如，Pointwise方法只考虑给定查询下，单个文档的绝对相关度，而不考虑其他文档和给定查询的相关度。亦即给定查询q的一个真实文档序列，只需要考虑单个文档di和该查询的相关程度ci，亦即输入数据为如下形式：
(三)通过训练好的排序学***台的商品进行排序，具体可以参见图2a和图2g。
如图2a所示，一种信息处理方法，具体流程可以如下：
201、电子设备显示直播客户端的搜索页面。
其中，该搜索页面包括搜索输入控件。控件的表现形式具体可以为输入框。
例如，电子设备具体可以显示直播客户端的橱窗中台页面，如图2b所示，主播开启电商直播带货前，可以使用“XXX登录”方式登陆账号，然后，显示直播客户端的搜索页面，如图2c所示，主播可以在搜索页面的输入框，即商品名称框中输入需要选择的带货商品。
202、电子设备基于针对搜索输入控件的输入操作，确定输入的搜索内容。例如，电子设备在检测到用户针对搜索输入控件的输入操作时，确定用户输入的搜索内容，并获取该搜索内容，比如，用户输入的是“男士T恤”，则获取到的搜索内容为“男士T恤”。
203、电子设备基于该搜索内容分别从多个交易平台获取商品信息。
其中，该商品信息包括每个交易平台中与该搜索内容匹配的商品、以及该商品对应的多维度特征信息。其中，商品的多维度特征信息可以包括商品销量、销售价、成本、评价、点击率、下单转化率、曝光率、成交订单数、成交额等等。
比如，电子设备的***根据商品的热度生成商品的特征因子、特征因子根据相关性和重要性生成算法模型。直播的橱窗中台会接入不同电商平台的商品，如平台X、平台Y、平台Z等。不同的电商平台有一套属于自己的商品排序算法。数据接入的时候，如果只是单纯的展示各平台上的销售数据字段，很难直观的看到商品的人气值和转化率的综合情况。因此，***会根据商品的属性，生成商品的特征因子。当主播在选品时，***会根据算法模型匹配到的每个商品进行实时的计算，并按照分数的大小对商品进行排序。算法模型基本就是按商品的重要性和相关性给商品计算一个分数，然后进行排序。这里的相关性和重要性就是商品排序模型中两个重要的因子。
例如，当主播方需要进行直播选品时，比如，可以通过获取多个交易平台的接口信息，以根据该接口信息进行配置接入，从而获取交易平台中的商品信息。比如，电子设备具体可以获取多个交易平台的接口信息，基于该接口信息从该多个交易平台中，如平台X、平台Y等，获取与该搜索内容匹配的商品信息。此时，交易平台可以是为商品的买卖双方提供服务的平台。
204、电子设备计算该商品的相关度因子。
其中，该相关度因子表征该搜索内容和该商品之间相关度。例如，电子设备具体可以将该搜索内容划分为至少一个搜索关键词，并设置该搜索关键词的权重，然后，计算每个搜索关键词与该搜索内容的相关度，得到搜索关键词的第一分数，计算每个搜索关键词和该商品的相关度因子，得到搜索关键词的第二分数，根据该搜索关键词的权重、该搜索关键词的第一分数和该搜索关键词的第二分数计算该搜索内容和该商品之间相关度，得到该商品的相关度因子。
比如，相关度因子可以指商品关键字在文档中出现的度数，当这个度数越高时，则认为该文档的相关程度越高。相关度因子就是商品的标题关键词和商品的匹配，匹配的程度、是否重要词的匹配、以及匹配词之间的距离等，都可能影响相关性。比如搜索内容为“小鸭子洗衣机”时，一个商品的关键词是洗衣机的要比卖洗衣机配件商品的相关性高，小鸭子连在一起的相关性要比“小”和“鸭子”分开时候的相关性高等。
205、电子设备根据该商品对应的多维度特征信息计算该商品的重要度因子。
其中，该重要度因子表征该商品的重要度。例如，电子设备具体可以获取每个商品对应的交易平台中的重要度预设规则，然后，根据该重要度预设规则确定该商品每个维度特征对象信息的权重，根据该商品每个维度特征对象信息的权重和该多维度特征信息计算该商品的重要度因子。
其中，重要度预设规则的设定方式可以有很多种，比如，可以根据实际应用的需求进行设置，也可以预先设置好存储在电子设备中。此外，重要度预设规则可以内置于电子设备中，或者，也可以保存在存储器中并发送给电子设备，等等。
比如，重要度因子可以包括一个商品关键词转化率的数目，如一个商品关键词转化率越多，则该商品就越有价值。特别地，一个商品的关键词在所有的电商平台转化率越高，则该商品的重要程度也就越高。重要度因子就是商品的销量、销售价等直接影响到商品转化率的元素，如商品销量、销售价、成本、评价、点击率、下单转化率、曝光率、成交订单数、成交额等等特征因子，均可以为商品的重要度因子。
比如，平台X中每个维度特征对象信息的权重可以为：成交量：15％、好评率：10％、收藏量：8％、上下架：12％、转化率：14％、橱窗推荐：10％、回购率：10％、DSR：8％卖家服务评级***(Detail Seller Rating)等等，平台Y中每个维度特征对象信息的权重可以为：成交量：20％、好评率：15％、收藏量：10％、转化率：12％、橱窗推荐：10％、回购率：10％、DSR：8％卖家服务评级***(Detail Seller Rating)等等。
206、电子设备对该商品的相关度因子和重要度因子进行融合，得到每个商品用于统一排序的排序参数。
例如，电子设备具体可以将该商品的相关度因子和重要度因子进行融合，得到该商品的综合因子，利用排序学习模型对该商品的综合因子进行特征提取，得到该商品的综合特征信息，根据该综合特征信息计算该商品的排序分数，得到每个商品用于统一排序的排序参数。
例如，电子设备的后台请求第三方平台(即交易平台)服务器传回对应的商品数据，并将多平台的数据通过堆排序算法重新整合，生成商品的热度排序。比如，具体为后台请求第三方平台服务器传回对应的商品数据，并根据算法模型生成的商品相关性分数进行堆排序和整合，从而生成平台的商品的热度值排序。
207、电子设备根据多个商品平台中商品的排序参数对该商品进行排序，得到排序后商品集合。
例如，电子设备具体可以将多个商品平台中商品的排序参数进行组合，得到组合后排序参数序列，利用堆排序算法对该组合后排序参数序列进行排序，得到排序后商品集合。
比如，若同一商品存在多个不同的交易平台，则可以将该商品的不同交易平台的排序参数进行处理，得到处理后排序参数，若同一商品只存在于一个交易平台，则可以直接将该商品的排序参数作为处理后排序参数，再将多个商品平台中商品的处理后排序参数进行组合，得到组合后排序参数序列。比如，处理方式可以为设置每个交易平台的参数权重，然后，将该排序参数和排序参数对应的参数权重进行加权，得到处理后排序参数，等等。
例如，在一些实施例中，电子设备具体可以获取该组合后排序参数序列中排序参数的最大值，将该排序参数的最大值与该组合后排序参数序列中的末尾排序参数进行交换，得到交换后末尾排序参数，获取该组合后排序参数序列中未交换排序参数的最大值，将该未交换排序参数的最大值与该组合后排序参数序列中未交换排序参数中的末尾排序参数进行交换，直到该组合后排序参数序列中所有排序参数交换完成，得到排序后商品集合。
比如，电子设备可以根据排序学***台的商品的热度值排序。用户可以点击人气值标签，显示人气值说明页面，如图2d所示，数据来源：人气值可以为平台综合此商品在所有电商平台的销售数据和热度得出。数据组成：人气值可以由商品销量、销售价、成本、评价、点击率、下单转化率、曝光率、成交订单数、成交额等数据组成。人气值Top标签：点击商品人气值Top标签，可以查看此商品在各平台综合销售数据的明细，等等。
208、电子设备在该搜索页面中显示排序后商品集合。
例如，可以在该搜索页面中显示排序后商品集合。排序后商品集合展示的是对应商品的人气值排序。主播可以点击对应的商品人气值Top标签，可以显示商品数据页面，如图2e所示，可以查看此商品在各平台的综合历史销售数据明细，帮助主播更详细的了解商品的销售数据。当主播添加完商品，可以在橱窗中台的管理页面中显示添加的商品，如图2f所示，主播可以在橱窗管理页面需要带货的商品。
例如，可以将商品的排序数据存储到服务器，当主播选择商品时电子设备会向服务器请求数据，并展示对应商品数据的人气值排序。主播可以根据需求选择对应的商品排序值。
由上可知，本实施例可以获取搜索内容，然后，基于该搜索内容分别从多个交易平台获取交易对象信息，其中，该交易对象信息包括每个交易平台中与该搜索内容匹配的交易对象、以及该交易对象对应的多维度特征信息，再计算该交易对象的相关度因子，以及根据该交易对象对应的多维度特征信息计算该交易对象的重要度因子，其中，该相关度因子表征该搜索内容和该交易对象之间相关度，该重要度因子表征该交易对象的重要度，接着，对该交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，根据多个交易对象平台中交易对象的排序参数对该交易对象进行排序，得到排序后交易对象集合，输出排序后交易对象集合。由于该方案在主播需要进行直播选品时，可以获取搜索内容，进而获取该搜索内容对应的多个交易平台中交易对象信息，并将该交易对象信息进行统一处理后对该交易对象进行排序，得到排序后交易对象集合，该排序后交易对象集合综合了交易对象的多维度特征信息，为主播提供了转化率最高的交易对象的排序，打破平台之间的界限，筛选出全网人气值最高的商品，帮助主播提高选品效率和质量，进而降低主播选品的成本，提高带货转化率。
为了更好地实施以上方法，相应的，本申请实施例还提供一种信息处理装置，该信息处理装置具体可以集成在电子设备中，该电子设备可以是服务器，也可以是终端等设备。
例如，如图3所示，该信息处理装置可以包括第一获取单元301、第二获取单元302、计算单元303、融合单元304、排序单元305和输出单元306，如下：
第一获取单元301，用于获取搜索内容；
第二获取单元302，用于基于该搜索内容分别从多个交易平台获取交易对象信息，其中，该交易对象信息包括每个交易平台中与该搜索内容匹配的交易对象、以及该交易对象对应的多维度特征信息；
计算单元303，用于计算该交易对象的相关度因子，以及根据该交易对象对应的多维度特征信息计算该交易对象的重要度因子，其中，该相关度因子表征该搜索内容和该交易对象之间相关度，该重要度因子表征该交易对象的重要度；
融合单元304，用于对该交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数；
排序单元305，用于根据多个交易对象平台中交易对象的排序参数对该交易对象进行排序，得到排序后交易对象集合；
输出单元306，用于输出排序后交易对象集合。
可选的，在一些实施例中，该计算单元303可以包括第一计算子单元和第二计算子单元，如下：
第一计算子单元，用于将该搜索内容划分为至少一个搜索关键词，并设置该搜索关键词的权重；根据该搜索关键词以及该搜索关键词的权重计算该搜索内容和该交易对象之间相关度，得到该交易对象的相关度因子；
第二计算子单元，用于获取每个交易对象对应的交易平台中的重要度预设规则；根据该重要度预设规则和每个交易对象对应的多维度特征信息计算该交易对象的重要度因子。
可选的，在一些实施例中，该第一计算子单元，具体可以用于计算每个搜索关键词与该搜索内容的相关度，得到搜索关键词的第一分数；计算每个搜索关键词和该交易对象的相关度因子，得到搜索关键词的第二分数；根据该搜索关键词的权重、该搜索关键词的第一分数和该搜索关键词的第二分数计算该搜索内容和该交易对象之间相关度，得到该交易对象的相关度因子。
可选的，在一些实施例中，该第二计算子单元，具体可以用于根据该重要度预设规则确定该交易对象每个维度特征对象信息的权重；根据该交易对象每个维度特征对象信息的权重和该多维度特征信息计算该交易对象的重要度因子。
可选的，在一些实施例中，该融合单元304可以包括融合子单元和处理子单元，如下：
融合子单元，用于将该交易对象的相关度因子和重要度因子进行融合，得到该交易对象的综合因子；
处理子单元，用于利用排序学习模型对该交易对象的综合因子进行标准化处理，得到每个交易对象用于统一排序的排序参数。
可选的，在一些实施例中，该处理子单元，具体可以用于利用排序学习模型对该交易对象的综合因子进行特征提取，得到该交易对象的综合特征信息；根据该综合特征信息计算该交易对象的排序分数，得到每个交易对象用于统一排序的排序参数。
可选的，在一些实施例中，该信息处理装置还可以包括训练单元307，如下：
训练单元，用于获取多组样本数据；利用该样本数据对预设排序学习模型进行训练，得到排序学习模型。
可选的，在一些实施例中，该排序单元305可以包括组合子单元和排序子单元，如下：
组合子单元，用于将多个交易对象平台中交易对象的排序参数进行组合，得到组合后排序参数序列；
排序子单元，用于利用堆排序算法对该组合后排序参数序列进行排序，得到排序后交易对象集合。
可选的，在一些实施例中，该排序子单元，具体可以用于获取该组合后排序参数序列中排序参数的最大值；将该排序参数的最大值与该组合后排序参数序列中的末尾排序参数进行交换，得到交换后末尾排序参数；获取该组合后排序参数序列中未交换排序参数的最大值；将该未交换排序参数的最大值与该组合后排序参数序列中未交换排序参数中的末尾排序参数进行交换，直到该组合后排序参数序列中所有排序参数交换完成，得到排序后交易对象集合。
可选的，在一些实施例中，该第二获取单元302，具体可以用于获取多个交易平台的接口信息；基于该接口信息从该多个交易平台中获取与该搜索内容匹配的交易对象信息。
可选的，在一些实施例中，该第一获取单元301，具体可以用于显示直播客户端的搜索页面，该搜索页面包括搜索输入控件；基于针对搜索输入控件的输入操作，确定输入的搜索内容；
则该输出单元306，具体可以用于在该搜索页面中显示排序后交易对象集合。
具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
由上可知，本实施例可以由第一获取单元301获取搜索内容，然后，由第二获取单元302基于该搜索内容分别从多个交易平台获取交易对象信息，其中，该交易对象信息包括每个交易平台中与该搜索内容匹配的交易对象、以及该交易对象对应的多维度特征信息，再由计算单元303计算该交易对象的相关度因子，以及根据该交易对象对应的多维度特征信息计算该交易对象的重要度因子，其中，该相关度因子表征该搜索内容和该交易对象之间相关度，该重要度因子表征该交易对象的重要度，接着，由融合单元304对该交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，由排序单元305根据多个交易对象平台中交易对象的排序参数对该交易对象进行排序，得到排序后交易对象集合，输出单元306，用于输出排序后交易对象集合。由于该方案在主播需要进行直播选品时，可以获取搜索内容，进而获取该搜索内容对应的多个交易平台中交易对象信息，并将该交易对象信息进行统一处理后对该交易对象进行排序，得到排序后交易对象集合，该排序后交易对象集合综合了交易对象的多维度特征信息，为主播提供了转化率最高的交易对象的排序，打破平台之间的界限，帮助主播提高选品效率和质量，进而降低主播选品的成本，提高带货转化率。
此外，本申请实施例还提供一种电子设备，如图4所示，其示出了本申请实施例所涉及的电子设备的结构示意图，具体来讲：
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体控制。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作***、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要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***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402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、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理***与处理器401逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
获取搜索内容，然后，基于所述搜索内容分别从多个交易平台获取交易对象信息，其中，所述交易对象信息包括每个交易平台中与所述搜索内容匹配的交易对象、以及所述交易对象对应的多维度特征信息，再计算所述交易对象的相关度因子，以及根据所述交易对象对应的多维度特征信息计算所述交易对象的重要度因子，其中，所述相关度因子表征所述搜索内容和所述交易对象之间相关度，所述重要度因子表征所述交易对象的重要度，接着，对所述交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，根据多个交易对象平台中交易对象的排序参数对所述交易对象进行排序，得到排序后交易对象集合，输出排序后交易对象集合。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
由上可知，本实施例可以获取搜索内容，然后，基于所述搜索内容分别从多个交易平台获取交易对象信息，其中，所述交易对象信息包括每个交易平台中与所述搜索内容匹配的交易对象、以及所述交易对象对应的多维度特征信息，再计算所述交易对象的相关度因子，以及根据所述交易对象对应的多维度特征信息计算所述交易对象的重要度因子，其中，所述相关度因子表征所述搜索内容和所述交易对象之间相关度，所述重要度因子表征所述交易对象的重要度，接着，对所述交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，根据多个交易对象平台中交易对象的排序参数对所述交易对象进行排序，得到排序后交易对象集合，输出排序后交易对象集合。由于该方案在主播需要进行直播选品时，可以获取搜索内容，进而获取该搜索内容对应的多个交易平台中交易对象信息，并将该交易对象信息进行统一处理后对该交易对象进行排序，得到排序后交易对象集合，该排序后交易对象集合综合了交易对象的多维度特征信息，为主播提供了转化率最高的交易对象的排序，打破平台之间的界限，帮助主播提高选品效率和质量，进而降低主播选品的成本，提高带货转化率。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例还提供一种存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请实施例所提供的任一种信息处理方法中的步骤。例如，该指令可以执行如下步骤：
获取搜索内容，然后，基于所述搜索内容分别从多个交易平台获取交易对象信息，其中，所述交易对象信息包括每个交易平台中与所述搜索内容匹配的交易对象、以及所述交易对象对应的多维度特征信息，再计算所述交易对象的相关度因子，以及根据所述交易对象对应的多维度特征信息计算所述交易对象的重要度因子，其中，所述相关度因子表征所述搜索内容和所述交易对象之间相关度，所述重要度因子表征所述交易对象的重要度，接着，对所述交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，再然后，根据多个交易对象平台中交易对象的排序参数对所述交易对象进行排序，得到排序后交易对象集合，输出排序后交易对象集合。
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种信息处理方法中的步骤，因此，可以实现本申请实施例所提供的任一种信息处理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上对本申请实施例所提供的一种信息处理方法、装置、电子设备和存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (14)

1.一种信息处理方法，其特征在于，包括：
获取搜索内容；
基于所述搜索内容分别获取多个交易平台的接口信息，并根据所述接口信息进行配置接入，得到所述交易平台中的交易对象信息，其中，所述交易对象信息包括每个交易平台中与所述搜索内容匹配的交易对象、以及所述交易对象对应的多维度特征信息；
计算所述交易对象的相关度因子，以及获取每个交易对象对应的交易平台中的重要度预设规则，根据所述重要度预设规则和每个交易对象对应的多维度特征信息计算所述交易对象的重要度因子，其中，所述相关度因子表征所述搜索内容和所述交易对象之间相关度，所述重要度因子表征所述交易对象的重要度；
对所述交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数；
根据多个交易对象平台中交易对象的排序参数对所述交易对象进行排序，得到排序后交易对象集合；
输出排序后交易对象集合。
2.根据权利要求1所述的方法，其特征在于，所述计算所述交易对象的相关度因子，包括：
将所述搜索内容划分为至少一个搜索关键词，并设置所述搜索关键词的权重；
根据所述搜索关键词以及所述搜索关键词的权重计算所述搜索内容和所述交易对象之间相关度，得到所述交易对象的相关度因子。
3.根据权利要求2所述的方法，其特征在于，所述根据所述搜索关键词以及所述搜索关键词的权重计算所述搜索内容和所述交易对象之间相关度，得到所述交易对象的相关度因子，包括：
计算每个搜索关键词与所述搜索内容的相关度，得到搜索关键词的第一分数；
计算每个搜索关键词和所述交易对象的相关度因子，得到搜索关键词的第二分数；
根据所述搜索关键词的权重、所述搜索关键词的第一分数和所述搜索关键词的第二分数计算所述搜索内容和所述交易对象之间相关度，得到所述交易对象的相关度因子。
4.根据权利要求1所述的方法，其特征在于，所述根据所述重要度预设规则和每个交易对象对应的多维度特征信息计算所述交易对象的重要度因子，包括：
根据所述重要度预设规则确定所述交易对象每个维度特征对象信息的权重；
根据所述交易对象每个维度特征对象信息的权重和所述多维度特征信息计算所述交易对象的重要度因子。
5.根据权利要求1所述的方法，其特征在于，所述对所述交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数，包括：
将所述交易对象的相关度因子和重要度因子进行融合，得到所述交易对象的综合因子；
利用排序学习模型对所述交易对象的综合因子进行标准化处理，得到每个交易对象用于统一排序的排序参数。
6.根据权利要求5所述的方法，其特征在于，所述利用排序学习模型对所述交易对象的综合因子进行标准化处理，得到每个交易对象用于统一排序的排序参数，包括：
利用排序学习模型对所述交易对象的综合因子进行特征提取，得到所述交易对象的综合特征信息；
根据所述综合特征信息计算所述交易对象的排序分数，得到每个交易对象用于统一排序的排序参数。
7.根据权利要求5所述的方法，其特征在于，在所述利用排序学习模型对所述交易对象的综合特征信息进行标准化处理之前，还包括：
获取多组样本数据；
利用所述样本数据对预设排序学习模型进行训练，得到排序学习模型。
8.根据权利要求1所述的方法，其特征在于，所述根据多个交易对象平台中交易对象的排序参数对所述交易对象进行排序，得到排序后交易对象集合，包括：
将多个交易对象平台中交易对象的排序参数进行组合，得到组合后排序参数序列；
利用堆排序算法对所述组合后排序参数序列进行排序，得到排序后交易对象集合。
9.根据权利要求8所述的方法，其特征在于，所述利用堆排序算法对所述组合后排序参数序列进行排序，得到排序后交易对象集合，包括：
获取所述组合后排序参数序列中排序参数的最大值；
将所述排序参数的最大值与所述组合后排序参数序列中的末尾排序参数进行交换，得到交换后末尾排序参数；
获取所述组合后排序参数序列中未交换排序参数的最大值；
将所述未交换排序参数的最大值与所述组合后排序参数序列中未交换排序参数中的末尾排序参数进行交换，直到所述组合后排序参数序列中所有排序参数交换完成，得到排序后交易对象集合。
10.根据权利要求1所述的方法，其特征在于，所述基于所述搜索内容分别从多个交易平台获取交易对象信息，包括：
获取多个交易平台的接口信息；
基于所述接口信息从所述多个交易平台中获取与所述搜索内容匹配的交易对象信息。
11.根据权利要求1所述的方法，其特征在于，所述获取搜索内容，包括：
显示直播客户端的搜索页面，所述搜索页面包括搜索输入控件；
基于针对搜索输入控件的输入操作，确定输入的搜索内容；
所述输出排序后交易对象集合，包括：在所述搜索页面中显示排序后交易对象集合。
12.一种信息处理装置，其特征在于，包括：
第一获取单元，用于获取搜索内容；
第二获取单元，用于基于所述搜索内容分别获取多个交易平台的接口信息，并根据所述接口信息进行配置接入，得到所述交易平台中的交易对象信息，其中，所述交易对象信息包括每个交易平台中与所述搜索内容匹配的交易对象、以及所述交易对象对应的多维度特征信息；
计算单元，用于计算所述交易对象的相关度因子，以及获取每个交易对象对应的交易平台中的重要度预设规则，根据所述重要度预设规则和每个交易对象对应的多维度特征信息计算所述交易对象的重要度因子，其中，所述相关度因子表征所述搜索内容和所述交易对象之间相关度，所述重要度因子表征所述交易对象的重要度；
融合单元，用于对所述交易对象的相关度因子和重要度因子进行融合，得到每个交易对象用于统一排序的排序参数；
排序单元，用于根据多个交易对象平台中交易对象的排序参数对所述交易对象进行排序，得到排序后交易对象集合；
输出单元，用于输出排序后交易对象集合。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至11中任一项所述的信息处理方法中的步骤。
14.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至11任一项所述方法的步骤。
CN202010450387.6A 2020-05-25 2020-05-25 信息处理方法、装置、电子设备和存储介质 Active CN111654714B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010450387.6A CN111654714B (zh) 2020-05-25 2020-05-25 信息处理方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010450387.6A CN111654714B (zh) 2020-05-25 2020-05-25 信息处理方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111654714A CN111654714A (zh) 2020-09-11
CN111654714B true CN111654714B (zh) 2024-03-12

Family

ID=72348599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010450387.6A Active CN111654714B (zh) 2020-05-25 2020-05-25 信息处理方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111654714B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785390B (zh) * 2021-02-02 2024-02-09 微民保险代理有限公司 推荐处理方法、装置、终端设备以及存储介质
CN113763131B (zh) * 2021-09-08 2024-03-29 北京快来文化传播集团有限公司 直播商品选择方法、电子设备和计算机可读存储介质
CN116881567A (zh) * 2023-07-21 2023-10-13 北京火山引擎科技有限公司 用于内容推送的内容排序方法、装置、电子设备和介质
CN118096326A (zh) * 2024-04-26 2024-05-28 杭州面朝信息科技有限公司 一种潜力商品挖掘方法、***、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016034028A1 (zh) * 2014-09-04 2016-03-10 广州神马移动信息科技有限公司 商品资讯信息获取方法、装置及设备
CN106777405A (zh) * 2017-04-05 2017-05-31 安徽机器猫电子商务股份有限公司 基于SaaS服务促进低频类交易的电子商业方法
CN107016006A (zh) * 2016-01-28 2017-08-04 苏宁云商集团股份有限公司 一种页面展示方法及***
WO2018090786A1 (zh) * 2016-11-18 2018-05-24 深圳市世强元件网络有限公司 一种网站站内精确搜索方法
CN108572992A (zh) * 2017-03-14 2018-09-25 苏宁云商集团股份有限公司 一种商品排序的方法及装置
CN110807687A (zh) * 2019-10-29 2020-02-18 阿里巴巴（中国）有限公司 对象数据处理方法、装置、计算设备和介质
CN111192115A (zh) * 2019-12-30 2020-05-22 江苏随易信息科技有限公司 社区团购商品选取方法及装置、可读存储介质和终端

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016034028A1 (zh) * 2014-09-04 2016-03-10 广州神马移动信息科技有限公司 商品资讯信息获取方法、装置及设备
CN107016006A (zh) * 2016-01-28 2017-08-04 苏宁云商集团股份有限公司 一种页面展示方法及***
WO2018090786A1 (zh) * 2016-11-18 2018-05-24 深圳市世强元件网络有限公司 一种网站站内精确搜索方法
CN108572992A (zh) * 2017-03-14 2018-09-25 苏宁云商集团股份有限公司 一种商品排序的方法及装置
CN106777405A (zh) * 2017-04-05 2017-05-31 安徽机器猫电子商务股份有限公司 基于SaaS服务促进低频类交易的电子商业方法
CN110807687A (zh) * 2019-10-29 2020-02-18 阿里巴巴（中国）有限公司 对象数据处理方法、装置、计算设备和介质
CN111192115A (zh) * 2019-12-30 2020-05-22 江苏随易信息科技有限公司 社区团购商品选取方法及装置、可读存储介质和终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
石玉强，闫大顺.《数据结构与算法》.中国农业大学出版社,2017,第8.4.3章节. *

Also Published As

Publication number Publication date
CN111654714A (zh) 2020-09-11

Similar Documents

Publication Publication Date Title
CN111654714B (zh) 信息处理方法、装置、电子设备和存储介质
US9569499B2 (en) Method and apparatus for recommending content on the internet by evaluating users having similar preference tendencies
KR101993771B1 (ko) 챗봇 검색 시스템 및 프로그램
EP2304619B1 (en) Correlated information recommendation
KR100834360B1 (ko) 적응형 카탈로그 페이지 디스플레이
JP2016503914A (ja) 商品評価の分析
TW201327233A (zh) 個性化的資訊推送方法及裝置
US9384278B2 (en) Methods and systems for assessing excessive accessory listings in search results
CN103890762A (zh) 信息处理装置、信息处理方法、信息处理程序以及记录介质
KR20080003468A (ko) 다중 트랜잭션 타입을 자동으로 지원하고, 혼합된 리스트의다양한 트랜잭션 타입을 디스플레이하는 방법 및 시스템
JPWO2011105606A1 (ja) 情報処理装置、情報処理方法、情報処理装置用のプログラム、および、記録媒体
CN101887437A (zh) 一种搜索结果生成方法及信息搜索***
US11561975B2 (en) Dynamic topic adaptation for machine translation using user session context
US20150221023A1 (en) Information providing device, information providing method, information providing program, and computer-readable storage medium storing the program
US20230089850A1 (en) Real-time product environmental impact scoring
CN110020171B (zh) 数据处理方法、装置、设备及计算机可读存储介质
CN111582973A (zh) 一种商品推荐数据生成方法、装置及***
JP5395195B2 (ja) サーバシステム、商品レコメンド方法、商品レコメンドプログラムおよびコンピュータプログラムを記録したコンピュータ読み取り可能な記録媒体
US8275673B1 (en) Method and system to recommend further items to a user of a network-based transaction facility upon unsuccessful transacting with respect to an item
CN110599291A (zh) 商家买家多种市场高效精准融合智能电商运营***和方法
CN114820123A (zh) 团购商品推荐方法、装置、设备及存储介质
CN111428100A (zh) 一种数据检索方法、装置、电子设备及计算机可读存储介质
US9734529B1 (en) Method, system, and computer readable medium for selection of catalog items for inclusion on a network page
KR20150144916A (ko) 소비자 프로파일링을 통한 맞춤형 쇼핑정보 제공 시스템 및 방법
WO2013038744A1 (ja) 情報提供装置、情報提供方法、情報提供プログラム及び記録媒体

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
GR01 Patent grant
GR01 Patent grant