货品筛选方法、装置、电子设备和存储介质与流程

1.本公开涉及信息处理领域，尤其涉及货品筛选方法、装置、电子设备和存储介质。


背景技术：

2.为便于货品推荐或避免侵权事故发生，货品交互平台通常会对在货品需求方(或称买家)对某货品实施交互行为或货品提供方(或称卖家)注册某货品备案信息以注册该货品时，对该货品与其他货品之间的相似性进行自动识别，进而筛选该货品的相似货品。
3.现阶段的自动审核方式通常是对货品信息逐一进行简单比对，然而，因为货品的信息数量及种类繁多，所以往往难以准确筛选目标货品的全部相似货品，且处理过程繁琐导致处理效率较低。


技术实现要素：

4.本公开提供了货品筛选方法、装置、电子设备和存储介质，以至少解决相关技术中的技术问题。本公开的技术方案如下：
5.根据本公开实施例的第一方面，提出一种货品筛选方法，包括：
6.获取目标货品的目标货品信息，并基于所述目标货品信息提取所述目标货品的目标货品特征；
7.确定所述目标货品对应的货品信息库，所述货品信息库用于以结构化数据的形式记录货品交互平台的关联货品的货品信息；
8.根据所述目标货品特征与所述货品信息，从所述关联货品中筛选出所述目标货品的相似货品，所述相似货品与所述目标货品之间的货品相似度不小于相似度阈值。
9.可选的，所述目标货品信息包括文本信息和图像信息，所述基于所述目标货品信息提取所述目标货品的目标货品特征，包括：
10.从所述文本信息中识别匹配于预设的样本关键词的特征词语，并根据所述特征词语确定至少一个目标货品特征；
11.识别所述图像信息中的图像内容，并从所述图像内容中提取至少一个目标货品特征。
12.可选的，所述从所述图像内容中提取至少一个目标货品特征，包括：
13.在所述图像内容包括文本内容的情况下，根据所述文本内容中的内容关键词提取所述目标货品特征；
14.在所述图像内容包括图形内容的情况下，确定所述图形内容的目标展示属性，并按照展示属性与特征信息之间的预设对应关系确定对应于所述目标展示属性的目标货品特征；
15.在所述图像内容包括链接内容的情况下，从所述链接内容指定的信息提供方处获取所述目标货品特征。
16.可选的，所述根据所述目标货品特征与所述货品信息，从所述关联货品中筛选出
所述目标货品的相似货品，包括：
17.根据所述目标货品特征生成目标特征向量；
18.确定所述关联货品中的备选货品，并从所述货品信息库中获取所述备选货品的备选特征向量，或者从所述货品信息库中查询所述备选货品的备选货品信息，并基于所述备选货品信息生成所述备选货品的备选特征向量，其中，所述备选特征向量与所述目标特征向量采用相同的向量生成算法；
19.求取所述备选特征向量与所述目标特征向量之间的向量距离，并基于所述向量距离确定所述备选货品与所述目标货品之间的货品相似度，并在所述货品相似度不小于相似度阈值的情况下，将所述备选货品确定为所述目标货品的相似货品。
20.可选的，所述确定所述关联货品中的备选货品，包括下述至少之一：
21.将全部所述关联货品确定为备选货品；
22.将与所述目标货品属于同一货品类目的关联货品确定为备选货品；
23.若任一关联货品的至少一个货品信息与所述目标货品的目标货品信息之间的匹配度不低于预设匹配度阈值，则将所述任一关联货品确定为备选货品。
24.可选的，所述从所述关联货品中筛选出所述目标货品的相似货品，包括：
25.确定各个所述关联货品与所述目标货品之间的货品相似度；
26.筛选出所述货品相似度不小于所述相似度阈值的所述关联货品，以作为所述目标货品的相似货品；或者筛选出所述货品相似度最高的预设数量个所述关联货品，以作为所述目标货品的相似货品。
27.可选的，还包括：
28.将所述相似货品对应的货品相似度发送至货品处理系统，所述货品处理系统用于按照所述货品相似度对所述相似货品作出相应处理；和/或，
29.将所述货品相似度发送至货品推荐系统，所述货品推荐系统用于向所述目标货品的需求方推荐所述相似货品。
30.根据本公开实施例的第二方面，提出一种货品筛选装置，包括：
31.信息获取单元，被配置为获取目标货品的目标货品信息，并基于所述目标货品信息提取所述目标货品的目标货品特征；
32.信息库确定单元，被配置为确定所述目标货品对应的货品信息库，所述货品信息库用于以结构化数据的形式记录货品交互平台的关联货品的货品信息；
33.货品筛选单元，被配置为根据所述目标货品特征与所述货品信息，从所述关联货品中筛选出所述目标货品的相似货品，所述相似货品与所述目标货品之间的货品相似度不小于相似度阈值。
34.可选的，所述目标货品信息包括文本信息和图像信息，所述信息获取单元还被配置为：
35.从所述文本信息中识别匹配于预设的样本关键词的特征词语，并根据所述特征词语确定至少一个目标货品特征；
36.识别所述图像信息中的图像内容，并从所述图像内容中提取至少一个目标货品特征。
37.可选的，所述信息获取单元还被配置为：
38.在所述图像内容包括文本内容的情况下，根据所述文本内容中的内容关键词提取所述目标货品特征；
39.在所述图像内容包括图形内容的情况下，确定所述图形内容的目标展示属性，并按照展示属性与特征信息之间的预设对应关系确定对应于所述目标展示属性的目标货品特征；
40.在所述图像内容包括链接内容的情况下，从所述链接内容指定的信息提供方处获取所述目标货品特征。
41.可选的，所述货品筛选单元，被配置为：
42.根据所述目标货品特征生成目标特征向量；
43.确定所述关联货品中的备选货品，并从所述货品信息库中获取所述备选货品的备选特征向量，或者从所述货品信息库中查询所述备选货品的备选货品信息，并基于所述备选货品信息生成所述备选货品的备选特征向量，其中，所述备选特征向量与所述目标特征向量采用相同的向量生成算法；
44.求取所述备选特征向量与所述目标特征向量之间的向量距离，并基于所述向量距离确定所述备选货品与所述目标货品之间的货品相似度，并在所述货品相似度不小于相似度阈值的情况下，将所述备选货品确定为所述目标货品的相似货品。
45.可选的，所述货品筛选单元还被配置为下述至少之一：
46.将全部所述关联货品确定为备选货品；
47.将与所述目标货品属于同一货品类目的关联货品确定为备选货品；
48.若任一关联货品的至少一个货品信息与所述目标货品的目标货品信息之间的匹配度不低于预设匹配度阈值，则将所述任一关联货品确定为备选货品。
49.可选的，所述货品筛选单元还被配置为：
50.确定各个所述关联货品与所述目标货品之间的货品相似度；
51.筛选出所述货品相似度不小于所述相似度阈值的所述关联货品，以作为所述目标货品的相似货品；或者筛选出所述货品相似度最高的预设数量个所述关联货品，以作为所述目标货品的相似货品。
52.可选的，还包括：
53.第一发送单元，被配置为将所述相似货品对应的货品相似度发送至货品处理系统，所述货品处理系统用于按照所述货品相似度对所述相似货品作出相应处理；和/或，
54.第二发送单元，被配置为将所述货品相似度发送至货品推荐系统，所述货品推荐系统用于向所述目标货品的需求方推荐所述相似货品。
55.根据本公开实施例的第三方面，提出一种电子设备，包括：
56.处理器；
57.用于存储所述处理器可执行指令的存储器；
58.其中，所述处理器被配置为执行所述指令，以实现如上述第一方面中任一实施例所述的货品筛选方法。
59.根据本公开实施例的第四方面，提出一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述第一方面中任一实施例所述的货品筛选方法。
60.根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序和/或指令，所述计算机程序和/或指令被处理器执行时实现上述第一方面中任一实施例所述的货品筛选方法。
61.本公开的实施例提供的技术方案至少带来以下有益效果：
62.根据本公开的实施例，在基于目标货品信息确定出目标货品特征以及该目标货品对应的货品信息库后，根据该目标货品特征与货品信息库中以结构化数据形式记录的关联货品的货品信息筛选相似货品。因为关联货品的货品信息被以结构化数据的形式记录，所以在筛选过程中能够基于相应的信息结构实现关联货品信息的快速确定以及关联货品特征的快速提取(甚至关联货品特征可以预先建立)，从而不仅有效加快了相似货品筛选速度，有助于实现批量筛选，而且能够实现目标货品与关联货品之间的多维特征比较，一定程度上提升了筛选准确度。
63.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和解释性的，并不能限制本公开。
附图说明
64.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
65.图1是一示例性实施例提供的一种货品筛选系统的架构示意图；
66.图2是根据本公开的实施例示出的一种货品筛选方法的流程图；
67.图3是根据本公开的实施例示出的另一种货品筛选方法的流程图；
68.图4是根据本公开的实施例示出的一种图像信息的示意图；
69.图5是根据本公开的实施例示出的一种货品筛选装置的示意框图；
70.图6是根据本公开的实施例示出的一种电子设备的结构图。
具体实施方式
71.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
72.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开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、本公开的一些方面相一致的装置和方法的例子。
73.图1是一示例性实施例提供的一种货品筛选系统的架构示意图。如图1所示，该系统可以包括网络10、服务器11、若干电子设备，比如手机12、手机12和手机14等。
74.服务器11可以为包含一独立主机的物理服务器，或者该服务器11可以为主机集群承载的虚拟服务器，又或者该服务器11可以为云服务器。在运行过程中，服务器11可以运行某一应用的服务器侧的程序，以实现该应用的相关业务功能，比如当该服务器11运行货品交互平台的程序时，可以实现为该货品交互平台的服务端，该服务端可以同时实现本公开
所述的货品筛选功能；或者当该服务器11运行货品筛选系统的程序时，可以实现为该系统的服务端，该服务端可以通过与货品交互平台互动实现对目标货品与关联货品的相似度进行识别。其中，上述货品交互平台可以为相关技术中为货品提供方和货品需求方提供货品交互功能的平台。或者也可以为具有货品交互功能的直播平台，此时，货品提供方(如主播)和货品需求方(如观众)可以在直播过程中通过该直播平台提供的货品筛选功能实现货品交互(如直播售货)。而在本说明书一个或多个实施例的技术方案中，可由服务器11通过与手机12-14上运行的客户端进行配合，以实现货品交互平台中的货品筛选方案。
75.在本实施例中，货品筛选系统不仅可以实现相似度识别功能，还可以作为诸多其他功能的集成化功能平台，比如获取货品信息、识别并处理文本信息和/或货品图像、提取货品特征、生成特征向量、计算向量距离，筛选相似货品等，本说明书一个或多个实施例并不对此进行限制。
76.手机12-14只是用户可以使用的一种类型的电子设备。实际上，用户显然还可以使用诸如下述类型的电子设备：平板设备、笔记本电脑、掌上电脑(pdas，personal digital assistants)、可穿戴设备(如智能眼镜、智能手表等)等，本说明书一个或多个实施例并不对此进行限制。在运行过程中，该电子设备可以运行某一应用的客户端侧的程序，以实现该应用的相关业务功能，比如当该电子设备运行货品交互平台的程序时，可以实现为该货品交互平台的客户端，例如手机12和13可以实现商家客户端，手机14可以实现消费者客户端；或者，当该电子设备运行具备货品交互功能的直播平台的程序时，可以实现为该直播平台的客户端，例如手机12和13可以实现为观众客户端，手机14可以实现为主播客户端等，不再一一赘述。
77.需要指出的是：上述客户端的应用程序可以被预先安装在电子设备上，使得该客户端可以在该电子设备上被启动并运行；当然，当采用诸如html5技术的在线“客户端”时，无需在电子设备上安装相应的应用程序，即可获得并运行该客户端。
78.而对于手机12-14与服务器11之间进行交互的网络10，可以包括多种类型的有线或无线网络。
79.为便于货品推荐或避免侵权事故发生，货品交互平台通常会对在货品需求方(或称买家)对某货品实施交互行为或货品提供方(或称卖家)注册某货品备案信息以注册该货品时，对该货品与其他货品之间的相似性进行自动识别，进而筛选该货品的相似货品。
80.现阶段的自动审核方式通常是对货品信息逐一进行简单比对，然而，因为货品的信息数量及种类繁多，所以往往难以准确筛选目标货品的全部相似货品，且处理过程繁琐导致处理效率较低。
81.为此，本公开提出一种货品筛选方法，通过获取目标货品相关的目标货品信息并提取相应的目标货品特征，进而通过该目标货品特征以及该目标货品对应的货品信息库中以结构化形式记录的关联货品的货品信息，确定出目标货品与关联货品之间的货品相似性，进而筛选得到目标货品的相似货品。该方案能够有效加快相似货品筛选速度，并一定程度上提升了筛选准确度
82.图2是本说明书一示例性实施例示出的一种货品筛选方法的流程图。如图2所示，该方法应用于货品交互平台的服务端或与货品交互平台预关联的货品识别系统的服务端，该方法可以包括以下步骤：
83.步骤202，获取目标货品的目标货品信息，并基于所述目标货品信息提取所述目标货品的目标货品特征。
84.在本实施例中，上述货品交互平台可以为在线购物平台或在线易物平台等，相应的，目标货品可以为待注册至货品交互平台的货品，可以理解的是，注册至货品交互平台的目标货品并非待交互的真实物品，而可以为真实货品的相关信息，从而交互双方(货品提供方和货品需求方)可以通过在货品交互平台上浏览该信息，并通过下单、支付、物流等必要手段实现对真实物品的交互。因此，将目标货品注册至货品交互平台，应当被理解为将目标货品的相关信息注册至货品交互平台以供展示，特此说明。因此，服务端可以接收货品提供方发送的目标货品的目标货品信息，即由货品提供方在注册目标货品时注册该目标货品信息，相应的，服务端根据该信息进行后续的相似货品筛选，从而实现对待注册货品与平台中已注册货品的相似性比较，有助于保证与已有货品相似的目标货品不会被重新注册至货品交互平台，以从源头避免侵权事故的发生。
85.进一步的，服务端可以通过事件订阅的方式获知货品提供方对货品的注册操作，从而服务端能够在注册操作执行完成后获知相应的货品注册事件，进而将该货品注册事件对应的被注册货品确定为目标货品。或者，货品提供方在将货品注册至货品交互平台之前，可以先向货品交互平台指定货品的相关信息，进而服务端可以在接收到相应的信息指定指令(或者根据该信息指定指令发送的注册事件通知指令)后，将相应的被指定货品确定为目标货品，从而在目标货品注册货品交互平台之前即实现对货品相似度的识别，有助于货品交互平台对目标货品的后续处理，并避免货品提供方注册目标货品的无效操作。
86.本公开实施例对于涉及到的目标货品的货品形式并不进行限制，如可以为服装、食品、汽车、家电等类型的实物货品，也可以为理财产品、服务等类型的虚拟货品等。
87.在另一实施例中，货品需求方可以在货品交互平台中针对货品实施交互行为，从而产生相应的货品交互信息，而货品交互平台可以将该货品交互信息存储在货品信息库或者其他存储设备中，并可以在检测到上述交互行为后，根据上述货品交互信息筛选交互行为对应的目标货品的相似货品，以便于向该用户推荐相似货品，从而提升上述交互行为的转化率。其中，上述交互行为可以包括多种形式，如对于任一货品，上述交互行为可以包括搜索该货品、查看该货品的货品详情、播放该货品的多媒体数据、点赞、评论和/或转发该货品的货品相关数据、创建和/或取消针对该货品的交互订单等，本公开实施例并不对此进行限制。
88.此时，上述目标货品包括已注册至货品交互平台的货品，而目标货品信息可以包括货品基本信息和货品交互信息，相应的，服务端可以响应于货品需求方发出的货品选取指令，确定被选取的目标货品；然后从货品信息库中获取货品基本信息，并从该货品信息库或货品交互平台对应的其他存储设备处获取目标货品的货品交互信息，该货品交互信息对应于所述货品需求方在所述货品交互平台中针对所述目标货品实施的货品交互行为。
89.当然，服务端还可以从货品提供方指定的信息提供方(如其他网址、预设数据库等)处获取上述目标货品信息。在本实施例中，请求注册至货品交互平台或者已经注册至货品交互平台的任一货品的货品信息，可以包括下述至少之一：货品类目信息，如服饰类、数码类、文娱类、生鲜类等，其中类目信息可以为包括多种类目纬度，如服饰类可以进一步包括上衣类-衬衫类等；货品基本信息，如货品名称、货品卖点描述信息、货品详情描述信息、
货品价格、货品图片、货品视频(用于介绍目标货品的视频)等；货品交互信息，即浏览该货品的货品需求方所实施的上述交互行为产生的交互信息。当然还可以包括其他信息，不再一一赘述。
90.在一实施例中，服务端可以按照预设规则从目标货品信息中提取目标货品的至少一个目标货品特征，然后根据该至少一个目标货品特征生成目标货品的目标特征向量。其中，可以按照货品类型预先设置货品特征，如针对服装类货品，可以预先指定服装类型、风格、材质、版型、图案等至少一种货品特征，对于食品类货品，可以预先指定食品类型、菜系、荤素、热量、营养成分、厂家、生产日期等至少一种货品特征，不再赘述。进而，服务端在确定目标货品后，可以按照上述指定从目标货品信息中提取相应的目标货品特征。如在预先指定“服装类型、风格、材质、版型”作为服装类目标货品的目标货品特征的情况下，可以从某上衣h的目标货品信息中提取出“针织衫、休闲、羊毛、宽松”作为该上衣h的目标货品特征。从而通过该目标货品特征生成目标特征向量，以规范化目标特征向量的生成过程。
91.进一步的，因为上述目标货品信息可能有不同类型，所以可以针对不同的信息类型分别采用不同的方式获取目标货品特征。例如，在货品信息包括目标货品对应的文本信息的情况下，服务端可以识别文本信息中的样本关键词，并基于该样本关键词确定目标货品特征。在预设服装类货品的材质对应的关键词包括“棉、麻、纶”的情况下，可以从文本形式的目标货品信息“该衬衫采用的面料包括5％的涤纶和95％的棉”中，提取出目标货品特征为“棉 涤纶”或“棉95％ 涤纶5％”等。此时，可以采用分词算法、分类算法、聚类算法、概率图模型算法、深度学习算法等nlp(natural language processing自然语言处理)相关算法实现对目标货品特征的识别与提取，具体实现过程可以参见相关技术中的记载，此处不再赘述。
92.又例如，在目标货品信息包括用于介绍目标货品的图像信息的情况下，服务端可以识别图像信息中的图像内容，并从该图像内容中提取至少一个目标货品特征。例如，上述图像内容可以包括针对上衣h拍摄的图片、针对穿有上衣h的模特拍摄的图片；或者针对目标货品制作的效果展示图片，如通过3d建模的方式针对上衣h制作的立体展示效果图等，又或者从介绍目标货品的视频中提取的视频帧图像，如在货品提供方注册的已制作视频中提取的视频帧图像或者从介绍该目标货品的直播视频对应的实时视频流中提取的视频帧图像等。其中，上述图像信息中可以包括与目标货品相关的图像内容。通过识别图片中展示对象图像内容的方式获取目标货品的目标货品特征，扩展了目标货品特征的获取方式，便于获取到目标对象的更丰富的特征信息。
93.进一步的，上述展示内容所包含的图像内容可以具有多种形式，相应的，可以针对不同形式的图像内容采用不同方式提取目标货品特征。例如，在图像内容可以包括文本内容的情况下，如艺术字体、商标logo、手写字体等，服务端可以根据文本内容中的内容关键词提取目标特征信息。如通过ocr(optical character recognition，光学字符识别)技术识别上述文本内容，然后根据文本内容中的内容关键词提取目标货品特征。又例如，在图像内容包括图形内容的情况下，如实拍图片、特效制作图片等，服务端可以可以确定图形图像内容的目标展示属性，并按照预设的展示属性与特征信息之间的预设对应关系确定对应于该目标展示属性的目标货品特征。如对于实拍图片，可以通过像素颜色值的区域范围与“颜色”这一特征信息之间的对应关系，确定对应于像素颜色值的颜色(如白色)作为目标货品
特征，当然，还可以确定该上衣h的颜色、风格、版型等作为目标货品特征。再例如，在图像内容包括链接对象的情况下，如http或https等网址链接、页面跳转二维码、货品信息条码等，服务端可以先通过在通过ocr技术识别该链接对象，然后从链接对象指定的信息提供方处获取货品特征信息，如跳转至网址或二维码指定的页面获取货品特征信息等。通过上述方式，可以对不同类型得图像内容分别进行处理，以更准确的提取目标货品的目标货品特征。
94.步骤204，确定所述目标货品对应的货品信息库，所述货品信息库用于以结构化数据的形式记录货品交互平台的关联货品的货品信息。
95.在本实施例中，服务端可以在确定目标货品后，进一步确定其对应的货品信息库。其中，该货品信息库用于以结构化数据的形式记录货品交互平台中各个货品的货品信息，当然，其中包括货品交互平台的关联货品的货品信息。其中，上述关联货品可以包括货品交互平台中待交互的货品、货品交互平台中已完成交互的货品、货品交互平台的关联处理平台中的货品等，本公开实施例并不对此进行限制。当然，如前所述，在目标货品为已注册至货品交互平台的货品的情况下，前述步骤202中，也可以直接从该货品交互平台中获取目标货品的上述货品信息。
96.其中，该货品数据库中的货品信息以结构化数据的形式进行保存，具体的，该货品信息库可以采用deepwalk、node2vec、line等graph embedding方法构建，从而按照映射函数将网络中的每个节点(对应于一个货品)转换为低维度的潜在表示，以利于计算存储货品信息，而无需再通过复杂的特征提取过程提取货品特征。通过将货品交互平台的各个关联货品的货品信息以结构化数据的形式记录在通过graph embedding方法构建的信息库中，充分保证了对于任一货品处于多维度的货品信息的快速、准确查找和特征提取，进而有助于提升货品筛选的速度及准确性。实际上，对于货品信息库中的各个货品的货品信息，可以在平台的计算任务相对空闲时进行处理，以预先计算得到各个货品的货品特征，从而进一步提升筛选速度。
97.步骤206，根据所述目标货品特征与所述货品信息，从所述关联货品中筛选出所述目标货品的相似货品，所述相似货品与所述目标货品之间的货品相似度不小于相似度阈值。
98.在一实施例中，服务端可以根据目标货品特征生成目标特征向量，然后确定关联货品中的备选货品，并从货品信息库中获取备选货品的备选特征向量，或者从货品信息库中查询备选货品的备选货品信息，并基于备选货品信息生成备选货品的备选特征向量，其中，该备选货品的备选特征向量与目标货品的目标特征向量采用相同的向量生成算法；最后求取备选特征向量与目标特征向量之间的向量距离，并基于该向量距离确定备选货品与目标货品之间的货品相似度，并在货品相似度不小于相似度阈值的情况下，将备选货品确定为目标货品的相似货品，以保证所筛选相似货品的准确性。
99.在一实施例中，服务端可以按照预设的特征向量构建规则生成目标货品对应的目标特征向量。例如，可以根据从文本信息中提取的若干个目标特征信息分别生成相应的特征值并按照预设顺序构建第一特征向量，同时根据从图像信息中提取的目标特征信息分别生成相应的特征值并按照预设顺序构建第二特征向量，然后将第一特征项向量与第二特征向量级联得到目标特征向量。当然，也可以仅将上述第一特征向量或第二特征向量作为目标特征向量，本公开并不对此进行限制；而且为便于向量距离的计算，还可以对上述目标特
征向量进行归一化处理。具体的，上述目标特征向量可以为embedding向量，例如在上述上衣h的目标特征信息包括“针织衫、休闲、羊毛、宽松、50元、aa商家”的情况下，其对应的归一化后的embedding向量可以为[0.2,2,0.4,0,0.1,2]。可以理解的是，上述目标特征向量得维度对应于目标特征信息的个数，各个特征值的预设顺序对应于各个目标特征信息的排列顺序。
[0100]
在一实施例中，从关联货品中确定出的备选货品，即用于与目标货品进行比较的待筛选货品，服务端可以通过下述至少之一的方式确定关联货品中的备选货品。例如，服务端可以将上述全部关联货品确定为备选货品，以保证货品筛选的全面性，避免遗漏相似性较高的货品。或者，服务端也可以将与目标货品属于同一货品类目的关联货品确定为备选货品，从而通过货品类目实现对关联货品的初步筛选——仅将与目标货品属于同一货品类目的部分关联货品作为备选货品，从而仅需要计算目标货品与这部分备选货品之间的向量距离，从而有效减少后续筛选时向量距离计算及比较等过程的计算量，进一步提高筛选效率。又或者，服务端可以在确定上述目标货品信息及关联货品的关联货品信息时，即初步比较目标货品信息与关联货品信息，并将与目标货品之间存在至少一个货品信息之间的匹配度不低于预设匹配度阈值的关联货品确定为备选货品。即若任一关联货品的至少一个货品信息与目标货品的目标货品信息之间的匹配度不低于预设匹配度阈值，则服务端可以将该任一关联货品确定为备选货品。
[0101]
在一实施例中，服务端可以通过向量距离确定上述货品相似度。具体的，服务端可以先确定目标特征向量与关联货品特征向量之间的向量距离，然后按照预设规则确定对应于该向量距离的货品相似度，可以设置货品相似度与向量距离呈负相关。以关联货品为货品交互平台中的待交互货品为例，服务端可以通过上述方式预先确定各个待交互货品的货品特征向量，然后根据各个货品特征向量构建对应于所有待交互货品的货品向量库，或者将各个货品的特征向量记录在前述货品信息库中，从而将货品信息库作为货品向量库。在任一货品注册至货品交互平台后，就将通过上述步骤建立的该货品的货品特征向量添加至该货品向量库中，从而对于注册至货品交互平台的任一货品(即目标货品)，均可以通过自身的目标特征向量与该货品向量库中待交互货品的货品特征向量之间的向量距离确定该目标货品与待交互货品之间的货品相似度。
[0102]
可以理解的是，因为上述货品向量库可以为结构化的数据系统，所以能够保证向量距离的计算、向量距离的排序以及对最大向量距离的确定速度足够快，从而减小识别等待时长；而且，上述货品向量库中的货品特征向量可以按照货品类型、商家、注册时刻等多个维度进行预先分类并排序，以进一步加快货品的相似度识别速度。另外，上述货品向量库中除包含各个关联货品的货品相似度之外，还可以包括相应的目标货品特征，以通过结构化数据的形式保存上述目标货品特征从而便于信息查找。
[0103]
在一实施例中，服务端可以通过下述方式从关联货品中筛选出目标货品的相似货品：先确定各个关联货品与目标货品之间的货品相似度，然后，可以按照货品相似度筛选出货品相似度不小于相似度阈值的关联货品，以作为目标货品的相似货品，该方式筛选出的相似货品的数量并非固定。或者，在确定上述相似度之后，服务端也可以筛选出货品相似度最高的预设数量个关联货品，以作为目标货品的相似货品，该方式确定出的相似货品的数量即为上述预设数量。例如在计算上述向量距离时，可以将上述目标特征向量输入上述货
品向量库中，从而接收该货品向量库输出的向量距离最大的货品特征向量对应的目标货品的货品标识等信息。当然，货品向量库也可以输出向量距离最大的预设数量个货品特征向量对应的目标货品的货品标识等信息，本公开并不对此进行限制。
[0104]
其中，计算上述向量距离可以采用相关技术中的欧式距离、夹角余弦距离、曼哈顿距离、切比雪夫距离、马氏距离等算法进行，此处不再赘述。上述相似度阈值和预设数量均可以根据货品类型、关联货品数量甚至客户端的设备类型等等实际场景预先设置，如可以将上述相似度阈值设置为80％、95％等，将上述预设数量设置为5个、10个、20等，本公开实施例并不对此进行限制。
[0105]
在一实施例中，服务端可以将确定出的上述货品相似度发送至货品处理系统，以使货品处理系统按照该货品相似度对目标货品作出相应处理，例如做出侵权判定、提供上架建议、调整运营策略等。另外，服务端还可以将上述货品相似度提供至货品推荐系统，以使该货品推荐系统向强相关货品的关联用户推荐目标货品，以保证相似货品的转化率。当然，也可以将与目标货品之间的货品相似度不低于预设的相似度阈值的关联货品判定为目标货品的强相关货品，然后仅将强相关货品的货品相似度、货品标识、货品信息等发送至上述货品推荐系统，以减少发送数据量。
[0106]
其中，上述强相关货品的关联用户可以包括购买过该强相关货品的用户、关注该强相关货品的用户，或者上述用户的绑定用户(如好友用户等)，以便利用货品相似性进一步提升目标货品的推荐效率。
[0107]
在本实施例中，服务端在基于目标货品信息确定出目标货品特征以及该目标货品对应的货品信息库后，根据该目标货品特征与货品信息库中以结构化数据形式记录的关联货品的货品信息筛选相似货品。因为关联货品的货品信息被以结构化数据的形式记录，所以在筛选过程中能够基于相应的信息结构实现关联货品信息的快速确定以及关联货品特征的快速提取(甚至关联货品特征可以预先建立)，从而不仅有效加快了相似货品筛选速度，有助于实现批量筛选，而且能够实现目标货品与关联货品之间的多维特征比较，一定程度上提升了筛选准确度。
[0108]
下面结合图3-图4，以方法执行主体为货品交互平台的服务端、目标货品为服装类货品为例，对货品商家在货品交互平台中注册目标货品时，服务端识别目标货品与货品交互平台中已注册的待售买货品之间的相似度，从而筛选出相似货品的过程为例，对本公开的上述方法进行详细介绍。该方法应用于服务端，如图3所示，该方法可以包括：
[0109]
步骤302，获取目标货品的货品信息。
[0110]
在本实施例中，服务端可以通过实时检测、周期性检测或事件订阅的方式感知货品提供方对货品的注册操作，并在感知到上述注册操作后，将该注册操作对应的被注册货品确定为目标货品，进而可以立即开始或等待注册操作完成后开始针对目标货品与货品交互平台中待交互货品之间相似性的识别。
[0111]
在本实施例中，服务端可以将货品提供方上传的货品相关信息作为目标货品信息，上述目标货品信息可以包含：目标货品的货品名称、货品卖点描述信息、货品详情描述信息、货品价格、货品图片、货品视频(用于介绍目标货品的视频)等，当然还可以为其他信息，不再一一赘述。
[0112]
步骤304，确定货品信息的信息类型。
[0113]
因为针对不同类型的目标货品信息，需要采用不同方式提取相应的目标货品特征，所以在获取到目标货品的货品信息后，可以进一步判断货品信息的信息类型。例如，上述目标货品信息的可以将信息类型可以包括文本类型和图片类型两种，即文本信息和图像信息。需要说明的是，对于用于介绍目标货品的货品视频，可以提取其中的视频帧图像作为图片类型的货品信息，也可以在其播放过程中进行画面截取以得到截屏图像，并将该截屏图像作为图片类型的货品信息。或者，在货品视频为直播视频的情况下，还可以从直播视频对应的实时视频流中提取视频帧图像以作为图片类型的货品信息，不再赘述。另外，对于用于介绍目标货品的音频(如独立音频或货品视频中的音轨对应的语音)，可以通过语音识别技术将音频转换为文字，从而将其作为文本类型的货品信息。
[0114]
在上述货品信息为文本信息的情况下，可以转入步骤306a，以通过步骤306a-308a提取文本信息中的目标货品特征；而在上述货品信息为图像信息的情况下，可以转入步骤306b，以通过步骤306b-308b提取图像信息中的目标货品特征。
[0115]
目标货品的目标特征向量和关联货品的关联特征向量中各个特征值对应的货品特征应当相同，而且该对应关系可以预先设置。在上述对应关系确定后，各个货品特征对应的特征值之间的前后顺序的也相应确定，不妨将任一特征向量中各位特征值对应的货品特征之间的固定顺序记为“特征顺序”，特此说明。可以理解的是，对于不同类型的目标货品(如服装类和图书类)，其特征向量中各位特征值对应的货品特可以不同，各特征向量对应的上述特征顺序自然也不相同。当然，也可以为货品交互平台中的所有货品设置相同的货品特征及特征顺序，以简化不同类型货品特征向量的计算过程。
[0116]
步骤306a，识别文本信息中的特征词语。
[0117]
步骤308a，确定特征词语对应的目标货品特征。
[0118]
在一实施例中，对于多种类型的货品，可以预先设置针对每种类型货品的至少一种货品特征，并进而针对任一货品特征预先设置相应的样本关键词。如可以针对服装类货品设置“适用人群、风格、材质、版型、图案”等多个货品特征，并进一步针对适用人群设置“老人、男、女、孩、童”等样本关键词，针对风格设置“日韩、民族、欧美、复古、性感、休闲”等样本关键词，针对材质设置“棉、麻、纶、毛、绒、丝”等样本关键词，不再赘述。此，服务端可以在确定目标货品后，根据货品类型确定目标货品对应的样本关键词。
[0119]
进一步的，服务端可以识别目标货品的文本信息中匹配于样本关键词的特征词语，进而根据识别出的特征词语按照上述特征顺序确定目标货品的目标货品特征，其中，各个货品特征分别对应于上述样本关键词。具体的，可以通过相关技术中的正向最大匹配思想、逆向最大匹配思想、双向最大匹配法、隐马尔科夫模型等分词算法对文本信息(如一段文字)进行分词处理，然后使用textrank与tfidf(term frequency-inverse document frequency，词频-逆文件频率)等关键词提取算法提取分词结果中的关键词，以确定文本信息中命中样本关键词的目标货品特征。上述各算法的具体实现过程可参见相关技术中的记载，此处不再赘述。
[0120]
参见图4所示的文本信息401，该信息为一段文字“衬衫a长袖衬衫女修身衬衣上衣logo n2655方领l/36”。针对该文本信息，可以通过上述方式确定相应的目标货品特征为“衬衫,a,长袖,女,修身,l/36”。
[0121]
步骤306b，识别图像信息中的图像内容。
[0122]
对于图片信息(即图像信息)，服务端可以可以先通过图像分割算法识别该图像信息中的图像内容，然后依次提取各个图像内容对应的目标货品特征。
[0123]
参见图4所示的图像信息402(对应于货品商家直接在货品交互平台中注册图像信息402的情况)，其中包括包括实拍图片、艺术字体、网址链接及二维码等图像内容，此时，服务端可以通过预训练的fcn(fully convolutional network，全卷机网络)、segnet(semantic segmentation network，语义分割网络)、u-net、dilated convolutions(空洞卷积)、refinenet等深度学习模型对图像信息402进行对象分割已识别出其中包含的各个图像内容。
[0124]
步骤308b，提取图像内容包含的目标货品特征。
[0125]
参见图4所示，对于图像内容402中的实拍图片这一图形内容，可以通过像素值统计方式确定其中衬衫a的颜色为白色、花色为印花，因此相应的目标货品特征为“白色,印花”。对于图像内容402中的艺术字体等文本内容，可以通过文字正畸校正算法识别文本信息，进而提取其中的目标货品特征为“aaaa旗舰店”。对于图像内容402中的网址链接这一链接内容，服务端可以通过ocr将其转换为文字，并在识别出“https://”这一样本关键词后确定其为网址，然后转入该网址指定的网页获取其中的目标货品特征“韩版”。对于图像内容402中的二维码这一链接内容，服务端可以在通过图像匹配确定其为二维码后，识别该二维码所记录的信息，并据此转入该信息指定的信息提供方(如某网站等)获取其中的目标货品特征“雪纺,工作服”等。
[0126]
因为上述目标货品信息同时包含文本信息和图像信息，所以上述步骤306a-308a与步骤306b-308b可以分别同时执行，或者也可以先后执行。当然，在上述目标货品信息仅包含文本信息的情况下，只需执行步骤306a-308a；而在上述目标货品信息仅包含图片信息的情况下，只需执行步骤306b-308b，不再赘述。可见，通过步骤306a-308a采用nlp技术对文本信息进行处理，通过步骤306b-308b采用cv(计算机视觉，computer vision)技术对图像信息进行处理，使得获取到的目标货品特征能够丰富而全面的反映目标货品的货品特征，有助于提升相似度识别的准确度。
[0127]
步骤310，生成目标货品的目标特征向量。
[0128]
在通过上述确定出目标货品对应的若干个目标货品特征后，可以按照目标货品对应的预设的特征顺序，确定各个目标货品特征的排列位置。如图4所示，不妨假设按照特征顺序对各个目标货品特征进行排序后得到的特征信息序列l
t
＝[衬衫,女,长袖,韩版,修身,白色,印花,l/36,雪纺,工作服,0,0,0,aaaa旗舰店,a]。
[0129]
此时，服务端可以按照预设规则(如对于各个货品特征的预设关注程度)将各个目标货品特征生成相应的货品特征值，从而将特征信息序列l
t
转换为embedding向量形式的原始目标特征向量l0(图中未示出)。如图4所示，将原始目标特征向量l0归一化后得到的目标特征向量l＝[0.2,0.5,0.4,0.2,0.1,0.5,0.5,0.2,0.2,0.7,0,0,0,0.2,0.6]。
[0130]
步骤312，确定货品交互平台对应的货品信息库。
[0131]
此时，服务端可以确定货品交互平台对应的货品信息库，该货品信息库中记录有货品交互平台中当前所有待交互货品的货品特征信息。当然，该货品信息库中也可以记录货品交互平台中当前存在的待交互货品、曾经注册至货品交互平台但当前已下架的已交互货品、货品交互平台的关联处理平台上的待处理货品或已处理货品等货品的货品特征向
量。另外，该。
[0132]
其中，该货品信息库可以以结构化数据的形式记录商户货品的货品信息或货品特征向量，以加快向量距离的计算、向量距离的排序以及对最大向量距离的确定速度，减小识别等待时长。而且，上述货品信息库中的货品特征信息可以按照货品类型、商家、注册时刻等多个维度进行预先分类并排序，以进一步加快货品的相似度识别速度。
[0133]
进一步的，服务端可以从货品信息库中获取各个关联货品的关联货品信息，并基于此计算各个关联货品的关联特征向量。或者，货品信息库中该可以记录预先建立的上述货品的货品特征向量，此时服务端也可以直接从该货品信息库中获取上述关联特征向量。
[0134]
或者，服务端可以从关联货品中进一步确定备选货品，并仅计算备选货品与目标货品之间的货品相似度，以减少特征信息或特征向量的获取数据量。例如，服务端可以将上述全部关联货品确定为备选货品，以保证货品筛选的全面性，避免遗漏相似性较高的货品。或者，服务端也可以将与目标货品属于同一货品类目的关联货品确定为备选货品，从而通过货品类目实现对关联货品的初步筛选，以有效减少后续筛选时向量距离计算及比较等过程的计算量，进一步提高筛选效率。又或者，服务端可以在确定上述目标货品信息及关联货品的关联货品信息时，即初步比较目标货品信息与关联货品信息，并将与目标货品之间存在至少一个货品信息之间的匹配度不低于预设匹配度阈值的关联货品确定为备选货品。
[0135]
步骤314，计算目标特征向量与关联特征向量之间的向量距离，并据此确定关联货品与目标货品之间的货品相似度。
[0136]
步骤316，根据向量距离对应的货品相似度筛选相似货品。
[0137]
仍以服务端获取关联货品的关联特征向量为例进行说明：计算上述向量距离时，服务端可以依次计算各个关联特征向量与目标特征向量之间的向量距离并进行比较。在获取到待交互的各个关联货品得关联特征向量与目标特征向量之间的向量距离后，可以根据目标距离确定各个关联货品与目标货品之间货品相似度。例如，可以预先确定向量距离与货品相似度之间的对应关系，并在确定上述货品相似度之后，根据该对象关系确定对应于该向量距离的货品相似度。进一步的，可以筛选出货品相似度不小于相似度阈值的关联货品，以作为目标货品的相似货品；或者筛选出货品相似度最高的预设数量个关联货品，以作为目标货品的相似货品。其中，计算上述向量距离可以采用相关技术中的欧式距离、夹角余弦距离、曼哈顿距离、切比雪夫距离、马氏距离等算法进行，上述各距离的公式及具体计算过程可以参见相关技术中的记载，此处不再赘述。
[0138]
或者，为减少计算量并充分利用货品信息库中结构化数据的自身特性，服务端可以将上述目标特征向量输入货品向量库中，从而接收该货品向量库输出的向量距离最小的关联特征向量对应的目标货品的货品标识等信息，或者，货品向量库也可以输出向量距离最小的预设数量个关联特征向量对应的目标货品的货品标识等信息，本公开实施例并不对此进行限制。
[0139]
可以理解的是，上述货品相似度应当与向量距离之间呈负相关，即向量距离越短，则货品相似度越高；否则，向量距离越长，则货品相似度越低。可以根据具体的业务需求或货品特征预先设置向量距离与货品相似度之间的上述关系，从而便于输出量化的货品相似度，如输出[0,100]区间范围内的相似度分值作为货品相似度。
[0140]
步骤318，向货品处理系统或货品推荐系统发送上述货品相似度。
[0141]
在一实施例中，输出的上述货品相似度能够应用于针对目标货品的进一步处理。例如，服务端可以将确定出的货品相似度提供至货品处理系统，以使货品处理系统按照该货品相似度对目标货品作出相应处理，如做出侵权判定、提供上架建议、调整运营策略等。
[0142]
又例如，服务端还可以将上述货品相似度不低于预设的相似度阈值的待交互货品判定为目标货品的强相关货品，然后将货品相似度提供至货品推荐系统，以使该货品推荐系统向强相关货品的关联用户推荐目标货品。其中，上述强相关货品的关联用户可以包括购买过该强相关货品的用户、关注该强相关货品的用户，或者这两类用户的绑定用户(如好友用户等)，从而利用上述货品相似性提升目标货品的推荐效率。
[0143]
与前述货品筛选方法的实施例相对应地，本公开还提出了货品筛选装置的实施例。
[0144]
图5是根据本公开的实施例示出的一种货品筛选装置的示意框图。本实施例所示的货品筛选装置可以适用于服务器，该服务器可以为包含一独立主机的物理服务器，或者该服务器可以为主机集群承载的虚拟服务器，又或者该服务器可以为云服务器等。
[0145]
如图5所示，所述货品筛选装置可以包括：
[0146]
信息获取单元501，被配置为获取目标货品的目标货品信息，并基于所述目标货品信息提取所述目标货品的目标货品特征；
[0147]
信息库确定单元502，被配置为确定所述目标货品对应的货品信息库，所述货品信息库用于以结构化数据的形式记录货品交互平台的关联货品的货品信息；
[0148]
货品筛选单元503，被配置为根据所述目标货品特征与所述货品信息，从所述关联货品中筛选出所述目标货品的相似货品，所述相似货品与所述目标货品之间的货品相似度不小于相似度阈值。
[0149]
可选的，所述目标货品信息包括文本信息和图像信息，所述信息获取单元501还被配置为：
[0150]
从所述文本信息中识别匹配于预设的样本关键词的特征词语，并根据所述特征词语确定至少一个目标货品特征；
[0151]
识别所述图像信息中的图像内容，并从所述图像内容中提取至少一个目标货品特征。
[0152]
可选的，所述信息获取单元501还被配置为：
[0153]
在所述图像内容包括文本内容的情况下，根据所述文本内容中的内容关键词提取所述目标货品特征；
[0154]
在所述图像内容包括图形内容的情况下，确定所述图形内容的目标展示属性，并按照展示属性与特征信息之间的预设对应关系确定对应于所述目标展示属性的目标货品特征；
[0155]
在所述图像内容包括链接内容的情况下，从所述链接内容指定的信息提供方处获取所述目标货品特征。
[0156]
可选的，所述货品筛选单元503，被配置为：
[0157]
根据所述目标货品特征生成目标特征向量；
[0158]
确定所述关联货品中的备选货品，并从所述货品信息库中获取所述备选货品的备选特征向量，或者从所述货品信息库中查询所述备选货品的备选货品信息，并基于所述备
选货品信息生成所述备选货品的备选特征向量，其中，所述备选特征向量与所述目标特征向量采用相同的向量生成算法；
[0159]
求取所述备选特征向量与所述目标特征向量之间的向量距离，并基于所述向量距离确定所述备选货品与所述目标货品之间的货品相似度，并在所述货品相似度不小于相似度阈值的情况下，将所述备选货品确定为所述目标货品的相似货品。
[0160]
可选的，所述货品筛选单元503还被配置为下述至少之一：
[0161]
将全部所述关联货品确定为备选货品；
[0162]
将与所述目标货品属于同一货品类目的关联货品确定为备选货品；
[0163]
若任一关联货品的至少一个货品信息与所述目标货品的目标货品信息之间的匹配度不低于预设匹配度阈值，则将所述任一关联货品确定为备选货品。
[0164]
可选的，所述货品筛选单元503还被配置为：
[0165]
确定各个所述关联货品与所述目标货品之间的货品相似度；
[0166]
筛选出所述货品相似度不小于所述相似度阈值的所述关联货品，以作为所述目标货品的相似货品；或者筛选出所述货品相似度最高的预设数量个所述关联货品，以作为所述目标货品的相似货品。
[0167]
可选的，还包括：
[0168]
第一发送单元504，被配置为将所述相似货品对应的货品相似度发送至货品处理系统，所述货品处理系统用于按照所述货品相似度对所述相似货品作出相应处理；和/或，
[0169]
第二发送单元505，被配置为将所述货品相似度发送至货品推荐系统，所述货品推荐系统用于向所述目标货品的需求方推荐所述相似货品。
[0170]
本公开的实施例还提出一种电子设备，包括：
[0171]
处理器；
[0172]
用于存储所述处理器可执行指令的存储器；
[0173]
其中，所述处理器被配置为执行所述指令，以实现如上述任一实施例所述的货品筛选方法。
[0174]
本公开的实施例还提出一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一实施例所述的货品筛选方法。
[0175]
本公开的实施例还提出一种计算机程序产品，所述计算机程序产品被配置为执行上述任一实施例所述的货品筛选方法。
[0176]
图6是根据本公开的实施例示出的一种电子设备的示意框图。例如，电子设备600可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
[0177]
参照图6，电子设备600可以包括以下一个或多个组件：处理组件602，存储器604，电源组件606，多媒体组件608，音频组件610，输入/输出(i/o)的接口612，传感器组件614，以及通信组件618。
[0178]
处理组件602通常控制电子设备600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述货品筛选方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模
块，以方便多媒体组件608和处理组件602之间的交互。
[0179]
存储器604被配置为存储各种类型的数据以支持在电子设备600的操作。这些数据的示例包括用于在电子设备600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0180]
电源组件606为电子设备600的各种组件提供电力。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为电子设备600生成、管理和分配电力相关联的组件。
[0181]
多媒体组件608包括在电子设备600和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当电子设备600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0182]
音频组件610被配置为输出和/或输入音频信号。例如，音频组件610包括一个麦克风(mic)，当电子设备600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件618发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。
[0183]
i/o接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
[0184]
传感器组件614包括一个或多个传感器，用于为电子设备600提供各个方面的状态评估。例如，传感器组件614可以检测到电子设备600的打开/关闭状态，组件的相对定位，例如所述组件为电子设备600的显示器和小键盘，传感器组件614还可以检测电子设备600或电子设备600一个组件的位置改变，用户与电子设备600接触的存在或不存在，电子设备600方位或加速/减速和电子设备600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0185]
图像采集组件616可以用于采集被摄对象的图像数据，以形成关于被摄对象的图像，并可以对该图像进行必要的处理。该图像采集组件616可以包括相机模组，相机模组中的图像传感器(sensor)通过镜头感应来自被摄对象的光线，将得到的感光数据提供给图像信号处理器(isp，image signal processing)，由后者根据感光数据生成对应于被摄对象的图像。其中，上述图像传感器可以为cmos传感器或ccd传感器，当然，也可以为红外传感器、深度传感器等；相机模组可以内置在电子设备600中，也可以为电子设备600的外接模组；上述isp可以内置在相机模组中，也可以外挂在上述电子设备中(不在相机模组内)。
[0186]
通信组件618被配置为便于电子设备600和其他设备之间有线或无线方式的通信。电子设备600可以接入基于通信标准的无线网络，如wifi，运营商网络(如2g、3g、4g或5g)，或它们的组合。在一个示例性实施例中，通信组件618经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件618还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0187]
在本公开一实施例中，电子设备600可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述货品筛选方法。
[0188]
在本公开一实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器604，上述指令可由电子设备600的处理器620执行以完成上述货品筛选方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0189]
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0190]
应当理解的是，本公开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进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
[0191]
需要说明的是，在本公开中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0192]
以上对本公开实施例所提供的方法和装置进行了详细介绍，本文中应用了具体个例对本公开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公开的方法及其核心思想；同时，对于本领域的一般技术人员，依据本公开的思想，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公开的限制。