基于机器自学习的商品自动上下线方法、装置和电子设备

技术领域

本发明属于网络销售技术领域，更具体的是涉及一种基于机器自学习的商品自动上下线方法、装置和电子设备。

背景技术

随着利用网络或电话平台预购商品的购物模式的兴起，使得消费者足不出户就可以轻松买到要购买到的商品，随着网络购物平台规模的扩大，销售商品的种类和数量都在飞速增长。随之而来的问题在于，有些商品的销售速度很快，有些则较慢。为了确保线上销售的商品的热度，需要对线上商品定期、或不定期的进行调整。目前，统计人员利用网络购物平台的后台系统按照商品的销售情况进行搜索，以得到商品的销售情况排序，再根据排序选择上下线商品。

上述方式由于采用人工统计方式，耗费了统计人员大量的时间和精力。故而，需要对现有技术进行改进。

发明内容

(一)要解决的技术问题

本发明旨在解决现有技术中在线购物平台上下线商品的效率过低的问题。

(二)技术方案

为解决上述技术问题，本发明的一方面提出一种一种基于机器自学习的商品自动上下线方法，用于在线购物平台，其特征在于，所述方法包括如下步骤：

建立商品信息数据库，该数据库用于存储商品基本信息、商品表现数据和商品评分，该商品评分是用于评价商品上线销售的适合度的指标；

建立商品上下线推荐模型，所述模型基于机器自学习算法，能够根据历史商品基本信息和历史商品表现数据定期计算并更新所述商品数据库中商品的商品评分；

根据预定的商品上下线规则在所述在线购物平台自动上线或下线商品，所述商品上下线规则与所述商品评分相关联。

根据本发明的优选实施方式，所述在线购物平台包括入驻该平台的商户；

所述方法还包括：从所述商户获取所述商品基本信息。

根据本发明的优选实施方式，所述商品表现数据包括商品热度数据；

所述方法还包括：追踪与商品相关的网络数据，根据该网络数据计算商品的商品热度数据。

根据本发明的优选实施方式，所述与商品相关的网络数据包括搜索数据、打点数据、留言数据、广告数据的至少一种。

根据本发明的优选实施方式，所述方法还包括：

根据所述商品热度数据生成热度商品推荐表；

将包含于所述热度商品推荐表但不包含于所述商品信息数据库中的商品列表自动反馈至所述入驻该平台的商户，请求商户提供商品的属性信息。

根据本发明的优选实施方式，所述方法还包括：

建立基于机器自学习的商品定价模型，当在所述在线购物平台自动上线商品时，由所述商品定价模型根据商品基本信息、商品表现数据和商品评分中的至少一种来生成商品上线价格。

根据本发明的优选实施方式，所述根据预定的商品上下线规则在所述在线购物平台自动上线或下线商品，进一步包括：

所述在线购物平台按照所述商品评分由高到低的顺序上线商品。

本发明第二方面提出一种基于机器自学习的商品自动上下线装置，包括：

信息存储模块，用于建立商品信息数据库，该数据库用于存储商品基本信息、商品表现数据和商品评分，该商品评分是用于评价商品上线销售的适合度的指标；

评分计算模块，用于建立商品上下线推荐模型，所述模型基于机器自学习算法，能够根据历史商品基本信息和历史商品表现数据定期计算并更新所述商品数据库中商品的商品评分；

上下线控制模块，用于根据预定的商品上下线规则在所述在线购物平台自动上线或下线商品，所述商品上下线规则与所述商品评分相关联。

本发明第三方面提出一种电子设备，包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机程序被所述处理器执行时，所述处理器执行所述的方法。

本发明第四方面还提出一种计算机可读介质，存储有计算机可执行程序，所述计算机可执行程序被执行时，实现所述的方法。

(三)有益效果

本发明通过建立商品信息数据库和商品上下线推荐模型，模型根据数据库中存储的商品信息和商品热度自动计算出商品评分，根据评分和预设的规则自动调整商品在购物平台的上下线。能够更准确的评定购物平台上销售的商品是否受用户喜欢，将人气更高的商品自动优先上线供用户购买，将用户不满意的商品下线，提升用户体验和对购物平台的满意度，无需人工操作，提高效率，节省人力和成本。

附图说明

图1是本发明的一个一种基于机器自学习的商品自动上下线应用场景示意图；

图2是本发明的一个实施例的一种基于机器自学习的商品自动上下线方法流程图；

图3是本发明的一个实施例的一种一种基于机器自学习的商品自动上下线装置示意图；

图4是本发明的一个实施例的电子设备的结构示意图；

图5是本发明的一个实施例的计算机可读记录介质的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。

附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/ 步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。

附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理单元装置和/或微控制器装置中实现这些功能实体。

各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。

为解决上述技术问题，本发明提出一种基于机器自学习的商品自动上下线方法，该方法主要由上下线系统来执行，该上下线系统包括安装在服务器中的软件和硬件。所述服务器包括但不限于：单台服务器、服务器集群、分布式服务器、基于云架构的服务器集群等。

图1是本发明的一种基于机器自学习的商品自动上下线应用场景示意图，如图1所示，商户通过商户配置模块入驻在线购物平台，并提供待上架的商品基本信息，商品信息数据库用于存储每个商户提供的商品基本信息，并将这些信息发送到只能上下线系统，只能上下线系统根据商品信息和商品热度计算商品评分，根据上下线规则和评分确定哪些商品可以上线，并将可以上线的商品反馈给商品信息数据库，商品信息数据库将这些商品的商品信息通过上下线推荐模块以列表的形式发送到在线购物平台，在线购物平台自动将列表上的商品进行上线或下线操作，保证在购物平台内上线的商品为高质量高热度的商品，将人气更高的商品优先上线供用户购买，提升用户体验和对购物平台的满意度。

图2是本发明的一个实施例的一种基于机器自学习的商品自动上下线方法流程图。如图2所示，本方法包括：

S101、建立商品信息数据库，该数据库用于存储商品基本信息、商品表现数据和商品评分，该商品评分是用于评价商品上线销售的适合度的指标。

具体来说，商户可自愿入驻在线购物平台，入驻后若想于在线购物平台上线商品，可以向在线购物平台提交商品基本信息，在线购物平台设置有商品信息数据库，存储商户提交的商品基本信息，根据商品基本信息在本购物平台及其他在线购物平台获取该商品的表现数据和商品评分，商品基本信息包括商品名称、商品种类、商品外观图片、商品商标、商品生产地、商家提供的商品价格等信息，商品表现数据包括商品的热度数据，商品热度表现形式为商品销售数量、商品销售额、商品点击数量、商品留言或评价数量等，可以在本购物平台及网络上其他在线购物平台搜索完全相符的，或符合度大于预设符合度阈值的商品对应的商品热度信息，商品评分是在商品表现数据的基础上参考该商品在各个在线购物平台的好评率及口碑，根据商品评分可以评估是否上线该商品。

S102、建立商品上下线推荐模型，所述模型基于机器自学习算法，能够根据历史商品基本信息和历史商品表现数据定期计算并更新所述商品数据库中商品的商品评分。

具体来说，在线购物平台建立商品上下线推荐模型，该模型是基于机器学习模型，将历史上线的商品的基本信息和该商品的表现数据输入该机器学习模型，这里的历史上线的商品包括本在线购物平台的商品，也包括其他购物平台上线的商品，以商品基本信息中的每个属性作为一维特征，表现数据中的每项数据也可以作为一维特征，并设置相应的算法，输出该商品的商品评分，根据该历史上线商品实际的评分与输出的评分差值调整机器学习模型的参数，得到商品上下线推荐模型。

在得到商品上下线推荐模型后，将入驻商户提供的商品信息和获取的商品表现数据输入该商品上下线推荐模型，便可得到该商品的商品评分。

在本实施例中，可以预先设定时间周期，例如一周，每个时间周期定期更换历史商品最为样本，也可将近期上线的商品表现数据作为样本，更新商品上下线推荐模型的参数，使商品上下线推荐模型的输出结果更准确。

S103、根据预定的商品上下线规则在所述在线购物平台自动上线或下线商品，所述商品上下线规则与所述商品评分相关联。

具体的，在利用商品上下线推荐模型得到商品评分后，可以预先设置上下线规则，例如根据评分的分数阈值决定商品是否上下线，评分高于分数阈值的商品可以上线，评分低于分数阈值的商品不能上线。

可以设置上下线周期，例如一天或一周，上线的商品在购物平台维持上线24小时时间，满24小时就自动下线，将这24小时内该商品的表现数据加入之前的表现数据中，并重新将该商品的基本信息及表现数据输入商品上下线推荐模型进行评分，根据分数确定下个周期该商品是否上下线。这种情况下，只要每天按规则自动上下线商品就可以维持一个在线购物平台的运行，整个过程中不需要人工操作，由上下线系统自动完成。

此外，上下线系统还可以根据一个周期内各个商品的热度数据生成热度商品推荐表，若检测到热度商品推荐表中的商品在商品信息数据库中存储的信息不齐全，系统自动将包含于所述热度商品推荐表但不包含于所述商品信息数据库中的商品列表自动反馈至所述入驻该平台的商户，请求商户提供商品的属性信息，并存入商品信息数据库中对应的位置。

优选的，上下线系统还建立了基于机器自学习的商品定价模型，以商品的基本信息、商品表现数据和商品评分中的至少一种作为定价模型的输入，也可以根据商品的类型对上述三类特征设置不同的权重，设置权重后将三类特征共同输入定价模型，输出为商品的上线价格，可以预先通过历史上线商品的数据计算出上线价格与商品热度间的关系，从中计算出最合理的价格，使用历史商品作为样本来训练机器学习模型，通过输出的上线价格与计算得到的价格之间的差值调整模型的参数，得到定价模型，用于确定新上线商品的价格，算法可以遵循商品的热度或评分越高，可以适当提高商品的价格。还可以增加定价规则来精确商品的价格，例如定价要高于商户提供的商品价格，但不能高出一定的比例。

在为上线商品定价后，上下线系统将上线商品按照评分由高到低排序，将每类商品按照排序后的顺序上线，优先上线每类商品中评分最高的商品。

本实施例方法通过建立商品信息数据库和商品上下线推荐模型，模型根据数据库中存储的商品信息和商品热度自动计算出商品评分，根据评分和预设的规则自动调整商品在购物平台的上下线。能够更准确的评定购物平台上销售的商品是否受用户喜欢，将人气更高的商品自动优先上线供用户购买，将用户不满意的商品下线，提升用户体验和对购物平台的满意度，无需人工操作，提高效率，节省人力和成本。

本领域技术人员可以理解，实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时，可以实现本发明提供的上述方法。而且，所述的计算机程序可以存储于计算机可读存储介质中，该存储介质可以是磁盘、光盘、ROM、 RAM等可读存储介质，也可以是多个存储介质组成的存储阵列，例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储，其也可以是分布式存储，例如基于云计算的云存储。

下面描述本发明的装置实施例，该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明装置实施例中未披露的细节，可以参照上述方法实施例来实现。

图3是本发明的一个实施例的一种一种基于机器自学习的商品自动上下线装置示意图。

如图3所示，该装置200包括：

信息存储模块201，用于建立商品信息数据库，该数据库用于存储商品基本信息、商品表现数据和商品评分，该商品评分是用于评价商品上线销售的适合度的指标；

评分计算模块202，用于建立商品上下线推荐模型，所述模型基于机器自学习算法，能够根据历史商品基本信息和历史商品表现数据定期计算并更新所述商品数据库中商品的商品评分；

上下线控制模块203，用于根据预定的商品上下线规则在所述在线购物平台自动上线或下线商品，所述商品上下线规则与所述商品评分相关联。

根据本发明的优选实施方式，所述在线购物平台包括入驻该平台的商户；

所述信息存储模块201还包括：商品信息获取单元，用于从所述商户获取所述商品基本信息。

根据本发明的优选实施方式，所述商品表现数据包括商品热度数据；

所述信息存储模块201还包括：商品热度获取单元，用于追踪与商品相关的网络数据，根据该网络数据计算商品的商品热度数据。

根据本发明的优选实施方式，所述与商品相关的网络数据包括搜索数据、打点数据、留言数据、广告数据的至少一种。

根据本发明的优选实施方式，所述装置200还包括：

商品推荐模块，用于根据所述商品热度数据生成热度商品推荐表；

商品检测模块，用于将包含于所述热度商品推荐表但不包含于所述商品信息数据库中的商品列表自动反馈至所述入驻该平台的商户，请求商户提供商品的属性信息。

根据本发明的优选实施方式，所述装置200还包括：定价模块，用于建立基于机器自学习的商品定价模型，当在所述在线购物平台自动上线商品时，由所述商品定价模型根据商品基本信息、商品表现数据和商品评分中的至少一种来生成商品上线价格。

根据本发明的优选实施方式，所述上下线控制模块203包括：商品排序单元，用于按照商品的商品评分由高到低的顺序上线商品。

本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。

图4是本发明的一个实施例的电子设备的结构示意图，该电子设备包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机程序被所述处理器执行时，所述处理器执行基于机器自学习的商品自动上下线方法。

如图4所示，电子设备以通用计算设备的形式表现。其中处理器可以是一个，也可以是多个并且协同工作。本发明也不排除进行分布式处理，即处理器可以分散在不同的实体设备中。本发明的电子设备并不限于单一实体，也可以是多个实体设备的总和。

所述存储器存储有计算机可执行程序，通常是机器可读的代码。所述计算机可读程序可以被所述处理器执行，以使得电子设备能够执行本发明的方法，或者方法中的至少部分步骤。

所述存储器包括易失性存储器，例如随机存取存储单元(RAM)和/ 或高速缓存存储单元，还可以是非易失性存储器，如只读存储单元(ROM)。

可选的，该实施例中，电子设备还包括有I/O接口，其用于电子设备与外部的设备进行数据交换。I/O接口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、外围总线、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。

应当理解，图4显示的电子设备仅仅是本发明的一个示例，本发明的电子设备中还可以包括上述示例中未示出的元件或组件。例如，有些电子设备中还包括有显示屏等显示单元，有些电子设备还包括人机交互元件，例如按钮、键盘等。只要该电子设备能够执行存储器中的计算机可读程序以实现本发明方法或方法的至少部分步骤，均可认为是本发明所涵盖的电子设备。

通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明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计算机可读的存储介质 (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、或者网络设备等) 执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：建立商品信息数据库，该数据库用于存储商品基本信息、商品表现数据和商品评分，该商品评分是用于评价商品上线销售的适合度的指标；建立商品上下线推荐模型，所述模型基于机器自学习算法，能够根据历史商品基本信息和历史商品表现数据定期计算并更新所述商品数据库中商品的商品评分；根据预定的商品上下线规则在所述在线购物平台自动上线或下线商品，所述商品上下线规则与所述商品评分相关联。

图5是本发明的一个实施例的计算机可读记录介质的示意图。如图5 所示，计算机可读记录介质中存储有计算机可执行程序，所述计算机可执行程序被执行时，实现本发明上述的机器自学习的商品自动上下线方法。所述计算机可读存储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。可读存储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系统、装置或者器件使用或者与其结合使用的程序。可读存储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)。

通过以上对实施方式的描述，本领域的技术人员易于理解，本发明可以由能够执行特定计算机程序的硬件来实现，例如本发明的系统，以及系统中包含的电子处理单元、服务器、客户端、手机、控制单元、处理器等。本发明也可以由执行本发明的方法的计算机软件来实现。但需要说明的是，执行本发明的方法的计算机软件并不限于由一个或特定个的硬件实体中执行，其也可以是由不特定具体硬件的以分布式的方式来实现，例如计算机程序执行的某些方法步骤可以在移动客户端执行，另一部分可以在智能表、智能识别笔等中执行。对于计算机软件，软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中，也可以分布式存储于网络上，只要其能使得电子设备执行根据本发明的方法。

综上所述，本发明可以以硬件实现，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)等通用数据处理设备来实现根据本发明实施例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。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。