[发明专利]关键词推荐方法及设备

说明书

本发明的目的是提供一种商品的关键词推荐方法及设备，本发明通过根据第一和第二统计次数得到每个拆分词对应的第一权重，根据每个拆分词对应的第一权重对每个第一原始特征向量进行调整，得到每个对应于第一原始特征向量的第一修正特征向量；将各个第一修正特征向量输入一关键词推荐贝叶斯模型，所述贝叶斯模型存储有各个推荐关键词及其对应的关键词特征向量，获取所述关键词推荐贝叶斯模型基于各个第一修正特征向量与关键词特征向量的相似度比较结果，输出的与所述待推荐关键词的商品描述信息的相似度大于预设阈值的推荐关键词，可以实现商品描述信息对应的关键词的精确推荐。

技术领域

本发明涉及计算机领域，尤其涉及一种关键词推荐方法及设备。

背景技术

现有的商品关键词的推荐方案存在不准确的问题。

发明内容

本发明的一个目的是提供一种关键词推荐方法及设备，能够解决现有的商品关键词的推荐方案存在不准确的问题。

根据本发明的一个方面，提供了一种商品的关键词推荐方法，该方法包括：

获取待推荐关键词的商品描述信息；

将所述待推荐关键词的商品描述信息进行拆分得到对应拆分词；

根据所述待推荐关键词的商品描述信息所包含的拆分词，将所述待推荐关键词的商品描述信息转化为对应的第一原始特征向量；

计算每个拆分词在所述待推荐关键词的商品描述信息中的出现的次数作为第一统计次数，计算每个拆分词在所有的商品描述信息中出现的次数作为第二统计次数；

根据所述第一和第二统计次数得到每个拆分词对应的第一权重，根据每个拆分词对应的第一权重对每个第一原始特征向量进行调整，得到每个对应于第一原始特征向量的第一修正特征向量；

将各个第一修正特征向量输入一关键词推荐贝叶斯模型，所述贝叶斯模型存储有各个推荐关键词及其对应的关键词特征向量，获取所述关键词推荐贝叶斯模型基于各个第一修正特征向量与关键词特征向量的相似度比较结果，输出的与所述待推荐关键词的商品描述信息的相似度大于预设阈值的推荐关键词。

进一步的，上述方法中，将各个第一修正特征向量输入一关键词推荐贝叶斯模型之前，还包括：

从词库中获取各个推荐关键词；

获取对应于各个推荐关键词的商品描述信息；

依次将每个商品描述信息作当前商品描述信息后，重复如下步骤：将当前商品描述信息进行拆分，得到对应拆分词；根据当前商品描述信息所包含的拆分词，将当前商品描述信息转化为对应的第二原始特征向量；根据每个拆分词在当前商品描述信息中的出现的次数计算第三统计次数，根据每个拆分词在所有的商品描述信息中出现的次数计算第四统计次数；根据所述第三和第四统计次数得到每个拆分词对应的第二权重，根据每个拆分词对应的第二权重对所述第二原始特征向量进行调整，得到每个对应于所述第二原始特征向量的第二修正特征向量；将所述第二修正特征向量，作为当前商品描述信息所对应的推荐关键词的关键词特征向量；

将所有推荐关键词及其对应的关键词特征向量作为输入训练贝叶斯模型，以得到所述关键词推荐贝叶斯模型。

进一步的，上述方法中，根据所述第三和第四统计次数得到每个拆分词对应的第二权重，包括：

根据所述第二权重的大小与所述第三统计次数成正比，且与所述第四统计次数成反比，得到每个拆分词对应的第二权重。

进一步的，上述方法中，根据每个拆分词在当前商品描述信息中的出现的次数计算第三统计次数，根据每个拆分词在所有的商品描述信息中出现的次数计算第四统计次数，包括：