商品信息的处理方法、装置、计算机设备及存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种商品信息的处理方法、装置、计算机设备及存储介质。


背景技术：

2.随着社会的不断发展和计算机技术的卓越进步，电商行业的发展也越来越迅速。通常，对于同一商品，各购物平台价格可能存在一定的差距，用户出于成本的考虑会有价格比较的需求。另外，大中型政府及企业经常会在线上采购办公用品、工业用品等，从政府监管要求、企业内部审计及节约成本等综合考虑，一般也会要求所采购的商品价格需要与线上的同类商品进行综合比较。
3.但是线上存在许多电商平台，每个电商平台商品体系一般也不同，商品价格又呈动态变化，所以只能通过少量单一渠道定向抽查等方式进行商品的比较，而对于大批量多渠道全面核查的情况，则没有很好的解决方案。
4.从而，如何对商品进行快速、便捷的比对，以获取到清晰、准确的信息，成为目前亟待解决的问题。


技术实现要素：

5.本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
6.本公开第一方面实施例提出了一种商品信息的处理方法，包括：
7.接收商品信息查询请求，其中，所述查询请求中包括商品关键词；
8.查询商品信息数据库，以获取与所述商品关键词匹配的各个候选商品及每个候选商品的各个描述信息，其中，所述商品信息数据库中包括各个商品在各个商品平台中的属性信息，每个候选商品的一个描述信息中包括所述候选商品所在的商品平台及在所述商品平台中的属性信息；
9.根据所述各个候选商品的属性信息，确定所述各个候选商品中的相同商品；
10.将相同商品的各个描述信息进行对比展示。
11.本公开第二方面实施例提出了一种商品信息的处理装置，包括：
12.接收模块，用于接收商品信息查询请求，其中，所述查询请求中包括商品关键词；
13.获取模块，用于查询商品信息数据库，以获取与所述商品关键词匹配的各个候选商品及每个候选商品的各个描述信息，其中，所述商品信息数据库中包括各个商品在各个商品平台中的属性信息，每个候选商品的一个描述信息中包括所述候选商品所在的商品平台及在所述商品平台中的属性信息；
14.确定模块，用于根据所述各个候选商品的属性信息，确定所述各个候选商品中的相同商品；
15.显示模块，用于将相同商品的各个描述信息进行对比展示。
16.本公开第三方面实施例提出了一种计算机设备，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，实现如本公开第一方面实施例提出的商品信息的处理方法。
17.本公开第四方面实施例提出了一种非临时性计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如本公开第一方面实施例提出的商品信息的处理方法。
18.本公开第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本公开第一方面实施例提出的商品信息的处理方法。
19.本公开提供的商品信息的处理方法、装置、计算机设备及存储介质，可以先接收商品信息查询请求，之后查询商品信息数据库，以获取与商品关键词匹配的各个候选商品及每个候选商品的各个描述信息，再根据各个候选商品的属性信息，确定各个候选商品中的相同商品，即可将相同商品的各个描述信息进行对比展示。由此，通过查询商品信息数据库，即可确定出用户想要查询的商品在各个商品平台中的属性信息，并可将相同商品的属性信息进行对比展示，减少了人工对比的过程，同时也提高了效率和准确性。
20.本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
21.本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
22.图1为本公开一实施例所提供的商品信息的处理方法的流程示意图；
23.图2a为本公开另一实施例所提供的商品信息的处理方法的流程示意图；
24.图2b为本公开另一实施例所提供的模型训练的示意图；
25.图2c为本公开另一实施例所提供的界面示意图；
26.图3a为本公开一实施例所提供的商品信息的处理装置的结构示意图；
27.图3b为本公开另一实施例所提供的商品信息的处理方法的示意图；
28.图3c为本公开另一实施例所提供的电商应用平台架构示意图；
29.图4为本公开另一实施例所提供的商品信息的处理装置的结构示意图；
30.图5示出了适于用来实现本公开实施方式的示例性计算机设备的框图。
具体实施方式
31.下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
32.下面参考附图描述本公开实施例的商品信息的处理方法、装置、计算机设备和存储介质。
33.图1为本公开实施例所提供的商品信息的处理方法的流程示意图。
34.本公开实施例以该商品信息的处理方法被配置于商品信息的处理装置中来举例说明，该商品信息的处理装置可以应用于任一计算机设备中，以使该计算机设备可以执行商品信息的处理功能。
35.其中，计算机设备可以为个人电脑(personal computer，简称pc)、云端设备、移动设备等，移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作系统、触摸屏和/或显示屏的硬件设备。
36.为方便说明，本公开以下各实施例中该商品信息的处理装置，均简称为“处理装置”。
37.如图1所示，该商品信息的处理方法可以包括以下步骤：
38.步骤101，接收商品信息查询请求，其中，查询请求中包括商品关键词。
39.本公开实施例中，当用户想要查询商品信息时，可以向处理装置发送商品信息查询请求，处理装置即可获取到该商品信息查询请求。
40.其中，处理装置获取到的查询请求，可以为用户通过应用程序发送的，或者也可以为用户通过网页等发送的，比如触发网页中特定的控件等，本公开对此不做限定。
41.另外，查询请求中，可以包括商品关键词，还可以包括用户较为关注的相关信息的关键词。比如，用户想要查询手机a的信息，用户可以直接输入“手机a”；或者，用户比较关注手机a的内存和价格相关信息，还可以输入“手机a、内存、价格”等等，本公开对此不做限定。
42.步骤102，查询商品信息数据库，以获取与商品关键词匹配的各个候选商品及每个候选商品的各个描述信息。
43.其中，商品信息数据库中可以包括各个商品在各个商品平台中的属性信息，每个候选商品的一个描述信息中可以包括候选商品所在的商品平台及在商品平台中的属性信息。
44.其中，商品信息数据库，预先存储了大量商品及其对应的描述信息等等。
45.另外，属性信息，可以包括商品的规格、型号、价格等等，本公开对此不做限定。
46.可以理解的是，处理装置在接收到商品信息查询请求之后，即可将其中包含的商品关键词，与商品信息数据库中的各个商品进行匹配，以获取各个候选商品及每个候选商品的各个描述信息。
47.比如说，商品关键词为：b品牌电脑。处理装置即可将“b品牌电脑”，与商品信息数据库中的各个商品分别进行匹配，获取到的与商品关键词匹配的：候选商品1，对应的描述信息为：产品名称为电脑b1、平台1、型号为aabb、颜色为白色、价格为3200元；候选商品2，对应的描述信息为：产品名称为电脑b1、平台2、型号为aabb、颜色为红色、价格为3000元；候选商品3，对应的描述信息为：产品名称为电脑b2、平台2、型号为aaa、颜色为红色、价格为3500元。
48.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中候选商品、各个描述信息等的限定。
49.步骤103，根据各个候选商品的属性信息，确定各个候选商品中的相同商品。
50.比如，可以根据各个候选商品中的产品名称和型号，确定出各个候选商品中的相同商品。
51.举例来说，候选商品1，对应的描述信息为：产品名称为电脑b1、型号为aabb、颜色为红色；候选商品2，对应的描述信息为：产品名称为电脑b1、型号为aabb、颜色为白色；候选商品3，对应的描述信息为：产品名称为电脑b2、型号为aaa、颜色为黑色。从而根据各个候选商品中的产品名称和型号，可以确定出候选商品1和候选商品2为相同商品。
52.或者，也可以根据各个候选商品的属性信息的相似度，确定各个候选商品中的相同商品。比如，可以提前设定好一个阈值，将相似度大于该阈值的各候选商品，确定为相同商品等等。
53.其中，确定各个候选商品的属性信息的相似度时，可以有多种方式，比如可以使用语义相似度、余弦相似度等等，本公开对此不做限定。
54.举例来说，提前设定好的阈值为95％,候选商品1与候选商品2的相似度为0.97，候选商品1与候选商品3的相似度为0.57，候选商品2与候选商品3的相似度为0.61，从而可以确定出候选商品1与候选商品2为相同商品。
55.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中候选商品、各相似度等的限定。
56.步骤104，将相同商品的各个描述信息进行对比展示。
57.可以理解的是，可以将相同商品的各个描述信息进行预处理。比如可以将相同商品的各个描述信息按照一定的规则进行排序后，再进行对比展示。
58.举例来说，相同商品为：候选商品1和候选商品2。其中，候选商品1的各个描述信息为：平台1、产品名称为c3、价格为2599、颜色为红色、型号为aabbb、存储容量为8 128千兆字节(giga byte,简称gb)、；候选商品2的各个描述信息为：产品名称为c3、存储容量为8 128gb、型号为aabbb、颜色为红色、价格为2499、平台2。两个相同商品的描述信息的顺序存在差异，可以按照平台、产品名称、价格、型号、颜色、存储容量的顺序将各个描述信息进行排列，之后按照排列后的顺序，进行对比展示。
59.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中候选商品、各相似度等的限定。
60.本公开实施例中，可以先接收商品信息查询请求，之后查询商品信息数据库，以获取与商品关键词匹配的各个候选商品及每个候选商品的各个描述信息，再根据各个候选商品的属性信息，确定各个候选商品中的相同商品，即可将相同商品的各个描述信息进行对比展示。由此，通过查询商品信息数据库，即可确定出用户想要查询的商品在各个商品平台中的属性信息，并可将相同商品的属性信息进行对比展示，减少了人工对比的过程，同时也提高了效率和准确性。
61.上述实施例，通过根据商品关键词，在商品信息数据库中进行查找，即可确定出用户想要查询的商品在各个商品平台中的属性信息，并可将相同商品的属性信息进行对比展示。在一种可能的实现方式中，每个候选商品的属性信息可以包括候选商品对应的属性图谱及各个维度的属性值，从而可以根据各个候选商品对应的属性图谱及各个维度的属性值，确定出各个候选商品中的相同商品，下面结合图2a对上述过程进行详细说明。
62.图2a为本公开实施例所提供的商品信息的处理方法的流程示意图。如图2a所示，该商品信息的处理法，可以包括以下步骤：
63.步骤201，根据基于各类商品属性图谱对每个商品平台进行深度优先搜索，获取的各类商品在每个商品平台中的属性信息，更新商品信息数据库。
64.其中，商品属性图谱，可以包括商品的各种属性信息以及各种属性信息之间的关系等等，本公开对此不做限定。
65.本公开实施例中，可以通过对采集到的各商品的属性信息进行分析、处理，进而确
定出对应的商品属性图谱。
66.另外，深度优先搜索(depth-first search，简称dfs)是搜索算法的一种，它从某一个状态开始，不断地转移状态直到无法转移，然后回退到前一步的状态，继续转移到其他状态，如此不断重复，直到找到最终的解。
67.比如说，按照食品类商品属性图谱，依次从各个商品平台中对食品类商品进行深度优先搜索，可使得每个商品平台中食品类商品的属性信息都得到了完整采集，之后根据获取到的各个食品类商品的属性信息，更新商品信息数据库信息等等。本公开对此不做限定。
68.本公开实施例中，可以基于各类商品属性图谱，对每个商品平台进行深度优先搜索，从而可以获取到各类商品在每个商品平台中的所有的属性信息，该属性信息更加全面、完整，可使得更新后的商品信息数据库也更加完整、全面，同时，也为剔除不相关的商品提供了数据保障。
69.可选的，为了保证商品信息数据库更新的及时性、全面性，还可以按照预设的频率，从各个商品平台中获取各个商品的属性信息，进而根据获取的属性信息，更新商品信息数据库。
70.比如说，预设的频率为每小时采集一次，处理装置可以每隔一小时，依次从各个商品平台中采集各个商品的属性信息，或者，也可以每隔一小时，同时从各个商品平台中采集各个商品的属性信息等等，进而根据采集的属性信息，更新商品信息数据库等。本公开对此不做限定。
71.可选的，为了保证商品信息数据库更新的准确性、完整性，也可以根据基于品类关键词，从各个商品平台中获取各个品类商品的属性信息，更新商品信息数据库。
72.其中，品类关键词，可以为与商品类别有关的任意关键词，比如可以为食品类、饮料类、日用品类、学习用品等等，本公开对此不做限定。
73.比如说，品类关键词有“食品类”、“饮料类”、“服装类”，从而处理装置可以依次从各个商品平台中依次获取“食品类”商品的属性信息、“饮料类”商品的属性信息、“服装类”商品的属性信息；或者，处理装置也可以同时从各个商品平台中依次获取“食品类”商品的属性信息、“饮料类”商品的属性信息、“服装类”商品的属性信息等等。之后根据获取到的各个品类商品的属性信息，按照品类更新商品信息数据库信息等等。本公开对此不做限定。
74.本公开实施例中，按照品类获取各个品类商品的属性信息，同时也可以按照品类更新商品信息数据库，从而提高了信息处理的效率。
75.可以理解的是，上述三种更新商品信息数据库的方式，可以单独使用，或者也可以根据需要，选取多种组合共同使用。比如可以既按照预设的频率，又可以基于品类关键词，从各个商品平台中获取各个品类商品的属性信息，进而更新商品信息数据库；或者按照各类商品属性图谱和预设的频率的方法，更新商品信息数据库等等，本公开对此不做限定。
76.步骤202，接收商品信息查询请求，其中，查询请求中包括商品关键词。
77.步骤203，查询商品信息数据库，以获取与商品关键词匹配的各个候选商品及每个候选商品的各个描述信息。
78.其中，商品信息数据库中可以包括各个商品在各个商品平台中的属性信息，每个候选商品的一个描述信息中可以包括候选商品所在的商品平台及在商品平台中的属性信
息。
79.步骤204，根据各个候选商品分别对应的属性图谱，确定各个候选商品间的第一相似度。
80.可选的，可以利用已经训练完成的图神经网络，确定出各个候选商品的属性图谱各自对应的特征向量，进而根据各特征向量间的距离，确定出各个候选商品间的第一相似度。
81.其中，确定各特征向量间的距离时，可以有多种方式，比如可以使用欧氏距离、余弦距离等等，本公开对此不做限定。
82.比如，将各个候选商品分别对应的属性图谱输入到图神经网络，之后经过图神经网络中各网络层的处理，即可输出各个候选商品的属性图谱各自对应的特征向量，之后再使用欧氏距离，即可确定出各特征向量间的距离，进而根据各特征向量间的距离，确定出各个候选商品间的第一相似度。
83.可以理解的是，各个候选商品间的第一相似度与各特征向量间的距离呈负相关的关系。即各特征向量间的距离越大，各个候选商品间的第一相似度就越小，各特征向量间的距离越小，各个候选商品间的第一相似度就越大等等。从而根据各特征向量间的距离大小，即可表征各个候选商品间的第一相似度。本公开对此不做限定。
84.下面以图2b为例，对本公开提供的图神经网络、商品匹配模型的训练过程进行说明。
85.如图2b所示，先从各个商品平台采集商品信息，并存储在商品信息数据库中。首先输入商品关键词，根据商品关键词，查询商品信息数据库，确定各候选商品。
86.为了减少后续处理的数据量，可以先根据商品关键词，比如商品品牌等信息，对各候选商品进行初步筛选。之后可以利用图神经网络确定各候选商品间的第一相似度，利用商品匹配模型确定候选商品的第二相似度。再根据第一相似度、第二相似度确定出候选商品中的相同商品，将相同商品在不同商品平台的属性信息进行归一化处理，并将相同商品的属性信息进行对比展示。
87.之后可以对展示结果进行人工标注，若准确率达标，可将该展示结果推送给用户。若准确率未达标，可以将标注后的结果加入训练数据中，继续进行模型迭代，直至准确率达标，即完成图神经网络、商品匹配模型的训练。
88.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中对图神经网络、商品匹配模型进行训练等的限定。
89.步骤205，根据各个候选商品在相同维度的属性值，确定各个候选商品间的第二相似度。
90.可选的，可以先确定出各个候选商品在各个相同维度的相似度，之后根据各个相同维度的相似度，确定各个候选商品间的第二相似度。
91.其中，确定各个候选商品在各个相同维度的相似度时，可以有多种方式，比如可以使用欧氏距离、余弦距离、汉明距离等等，本公开对此不做限定。
92.举例来说，候选商品1的属性信息为：产品名称为a1手机、价格为2599、颜色为红色、存储容量为8 128gb；候选商品2的属性信息为：产品名称为a1手机、存储容量为8 256gb、颜色为白色、价格为2499。从而，可以确定出候选商品1和候选商品2，在价格、颜色、
存储容量各维度分别对应的相似度，之后可以将各维度分别对应的相似度进行融合，进而确定出候选商品1和候选商品2间的第二相似度。
93.可以理解的是，将各维度分别对应的相似度进行融合时，可以有多种方式。比如，可以将各候选商品的各维度分别对应的相似度进行加和，所得结果即为各候选商品的第二相似度。或者，也可以设定好阈值，将小于阈值的相似性去除，之后将各候选商品剩余各维度对应的相似度进行加和，所得结果即为各候选商品的第二相似度等等。
94.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中各个相同维度的相似度、各第二相似度等的限定。
95.可选的，也可以通过候选商品的标题和属性信息的关键词的词向量平均来确定各个候选商品间的第二相似度。
96.或者，也可以使用已训练完成的商品匹配模型，将各候选商品的属性信息输入该商品匹配模型中，即可确定出各属性信息的重要程度，进而根据该各属性信息的重要程度，即可确定出各个候选商品间的第二相似度。
97.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中确定各第二相似度的方式等的限定。
98.步骤206，根据各个候选商品间的第一相似度及第二相似度，确定各个候选商品中的相同商品。
99.可选的，可以先将各个候选商品间的第一相似度及第二相似度进行融合，以得到各候选商品对应的总相似度，之后根据各候选商品对应的总相似度，确定各个候选商品中的相同商品。
100.其中，将各个候选商品间的第一相似度及第二相似度进行融合时，可以有多种方式。
101.比如，可以将各候选商品的第一相似度及第二相似度进行加和，所得结果即为各候选商品的总相似度。或者，也可以基于第一相似度及第二相似度各自对应的权重，将各相似度与对应的权重相乘之后再相加，以得到各候选商品的总相似度。
102.另外，根据各候选商品对应的总相似度，确定各个候选商品中的相同商品时，也可以有多种方式。
103.比如，可以提前设定好第一阈值，将总相似度大于第一阈值的各候选商品，确定为相同商品。或者，也可以将各候选商品按照各自对应的总相似度，由大至小进行排序，将其中前百分之五的各候选商品确定为相同商品。
104.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中将各相似度进行融合的方式、确定各个候选商品中的相同商品的方式等的限定。
105.步骤207，将相同商品在不同商品平台中的属性信息进行归一化处理，以获取相同商品归一化后的属性信息。
106.步骤208，将相同商品归一化后的属性信息及所在的商品平台进行对比展示。
107.其中，相同商品在不同商品平台上，对于相同维度的属性信息可能不同。从而，本公开实施例中，为了使得对比展示时的属性信息更加清晰、直观，可以先将相同商品在不同商品平台中的属性信息进行归一化处理，之后再将相同商品归一化后的属性信息及所在的商品平台进行对比展示。
108.举例来说，描述商品1的颜色特征时，a平台使用的属性信息为：颜色为红色，即关键词为“颜色”；b平台使用的属性信息为：色彩为红色，即关键词为“色彩”。为了使得对比展示结果更加清晰，可以将描述颜色特征的关键词统一为“颜色”。
109.或者，也可以将各属性信息按照相同的顺序进行排列等等，从而，可使得各属性信息的对比展示更加清晰、直观。
110.比如，相同商品归一化后的属性信息及所在的商品平台进行对比展示的界面可以如图2c所示。
111.根据图2c可以看到，共有三个相同商品，分别位于平台1、平台2、平台3。三个相同商品的属性信息依次按照商品标题、品牌、型号、颜色、屏幕尺寸、屏幕类型等顺序进行展示。从而用户可以对该商品的属性信息有一个清晰、直观的了解，减少了人工处理的成本，提高了效率。
112.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中归一化处理的具体内容、对比展示方式等的限定。
113.本公开实施例，可以根据获取的各类商品在每个商品平台中的属性信息，更新商品信息数据库，在接收商品信息查询请求之后，查询商品信息数据库，以获取与商品关键词匹配的各个候选商品及每个候选商品的各个描述信息，再根据各个候选商品分别对应的属性图谱以及在相同维度的属性值，确定各个候选商品间的第一相似度和第二相似度，进而确定出各个候选商品中的相同商品，还可以将相同商品在不同商品平台中的属性信息进行归一化处理，并将相同商品归一化后的属性信息及所在的商品平台进行对比展示。由此，通过查询商品信息数据库，即可确定出各候选商品，进而根据各候选商品间的各相似度，可以确定出用户想要查询的商品在各个商品平台中的属性信息，并可将相同商品的属性信息进行对比展示，减少了人工对比的过程，同时也提高了效率和准确性。
114.上述实施例，通过查询商品信息数据库，即可确定出各候选商品，进而根据各候选商品间的各相似度，可以确定出用户想要查询的商品在各个商品平台中的属性信息，并可将相同商品的属性信息进行对比展示。在一种可能的实现方式中，还可以根据各候选商品在各个维度的属性值，确定个候选商品在每个维度的属性向量，进而确定出个候选商品间的第二相似度，下面结合图3a对上述过程进行详细说明。
115.图3a为本公开实施例所提供的商品信息的处理方法的流程示意图。如图3a所示，该商品信息的处理法，可以包括以下步骤：
116.步骤301，接收商品信息查询请求，其中，查询请求中包括商品关键词。
117.步骤302，查询商品信息数据库，以获取与商品关键词匹配的各个候选商品及每个候选商品的各个描述信息。
118.其中，商品信息数据库中可以包括各个商品在各个商品平台中的属性信息，每个候选商品的一个描述信息中可以包括候选商品所在的商品平台及在商品平台中的属性信息。
119.步骤303，根据各个候选商品分别对应的属性图谱，确定各个候选商品间的第一相似度。
120.下面以3b所示的示意图，对确定各个候选商品间的第一相似度的方法进行说明。
121.在如图3b所示的示意图中，可以将候选商品1和候选商品2对应的属性图谱分别输
入至图神经网络中。图神经网络中的映射层可以将输入其中的候选商品1对应的属性图谱映射为对应的向量，之后的权重层可以进一步确定出该属性图谱对应的向量及各向量的权重，再经过高速公路层(highway gates)即可输出候选商品1的特征向量相应的，在将候选商品2对应的属性图谱输入至图神经网络中后，经过图神经网络的逐层处理，可以输出候选商品2对应的特征向量之后即可确定出和之间的距离d(e1，e2)，进而根据该距离d(e1，e2)，确定候选商品1和候选商品2间的第一相似度。
122.可以理解的是，图3b所示的图神经网络仅是示意性说明，其也可以包括其他网络层，或者，其也可以为其他网络结构等等。本公开对此不做限定。
123.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中图神经网络、确定各个候选商品间的第一相似度等的限定。
124.步骤304，根据每个候选商品在各个维度的属性值，确定每个候选商品在每个维度的属性向量。
125.其中，确定候选商品在每个维度的属性向量时，可以有多种方式。
126.举例来说，可以使用已训练好的模型，将每个候选商品在各个维度的属性值，映射为对应的属性向量。
127.比如，可以将每个候选商品在各个维度的属性值，输入至图神经网络中，之后经过图神经网络的处理，可以输出每个候选商品在每个维度的属性向量。
128.或者，也可以使用字符映射表等等，将每个候选商品在各个维度的属性值，映射为每个候选商品在每个维度的属性向量。
129.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中确定每个候选商品在每个维度的属性向量的方式等的限定。
130.步骤305，根据每个候选商品在各个维度的属性向量，确定每个候选商品对应的总描述向量。
131.其中，确定每个候选商品对应的总描述向量时，可以有多种方式。
132.比如说，可以将每个候选商品在各个维度的属性向量进行拼接，拼接后的向量即为每个候选商品对应的总描述向量。
133.或者，也可以先将每个候选商品在各个维度的属性向量进行加和，之后对其求平均值，即可得到每个候选商品对应的总描述向量。
134.或者，也可基于各个维度对应的权重，将每个候选商品在各个维度的属性向量与对应的权重相乘之后再相加，得到的和即为每个候选商品对应的总描述向量。
135.需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中确定每个候选商品对应的总描述向量的方式等的限定。
136.步骤306，根据各个候选商品分别对应的总描述向量间的距离，确定各个候选商品间的第二相似度。
137.其中，各个候选商品分别对应的总描述向量间的距离大小，即可表征各个候选商品间的第二相似度。
138.可以理解的是，各个候选商品间的第二相似度与各总描述向量间的距离呈负相关的关系。即各总描述向量间的距离越大，各个候选商品间的第二相似度就越小，各总描述向
量间的距离越小，各个候选商品间的第二相似度就越大等等。本公开对此不做限定。
139.可选的，还可以根据每个候选商品所属的品类，确定每个候选商品的各个维度属性值的权重，之后根据每个候选商品的各个维度属性值的权重及各个候选商品在相同维度的属性值，确定各个候选商品间的第二相似度。
140.其中，候选商品的品类不同，其各个维度属性值的权重也可能不同。
141.比如说，候选商品的品类为：食品类，可以将生产日期对应的属性值的权重设置的较大一些，将其他各维度属性值的权重设置的较小一些。之后可以将每个候选商品的各个维度属性值的权重与各个候选商品在相同维度的属性值相乘并相加，所得的结果即为各个候选商品间的第二相似度。
142.需要说明的是，上述示例只是举例说明，不能作为对本公开实施中候选商品所属的品类、各个维度属性值的权重以及确定各个候选商品间的第二相似度方式等的限定。
143.步骤307，根据各个候选商品间的第一相似度及第二相似度，确定各个候选商品中的相同商品。
144.步骤308，将相同商品的各个描述信息进行对比展示。
145.本公开提供的商品信息的处理方法，可以应用于任意需进行商品信息比较的应用平台、应用软件等等，其可以离线使用，也可以在线使用等等，本公开对此不做限定。
146.比如，将本公开提供的方案应用于电商应用平台中，该平台的架构可以如图3c所示。
147.如图3c所示，首先可以从各电商渠道采集商品信息详情，之后将其存储到商品信息数据库中，每天可以定时同步到xx大数据平台，再由xx大数据平台同步到搜索引擎中，供电商应用平台获取商品的详细信息。
148.另外，还可以将商品对应的属性信息进行处理，以确定出各商品分别对应的第一相似度、第二相似度，进而将相似度匹配结果同步到xx大数据平台，再由xx大数据平台将匹配结果同步到搜索引擎。
149.从而，当用户在电商应用平台提交商品信息查询请求后，搜索引擎可以读取应用平台提交的查询请求，之后根据查询请求，即可将商品匹配结果展示给用户，从而实现相同商品在不同平台的精确比对，减少人工成本，提高了效率和准确性。
150.本公开实施例，可以在接收商品信息查询请求之后，查询商品信息数据库，以获取与商品关键词匹配的各个候选商品及每个候选商品的各个描述信息，再根据各个候选商品分别对应的属性图谱，确定各个候选商品间的第一相似度，根据每个候选商品在各个维度的属性值，确定每个候选商品在每个维度的属性向量，以及每个候选商品对应的总描述向量，进而确定各个候选商品间的第二相似度。再根据各个候选商品间的第一相似度及第二相似度，确定各个候选商品中的相同商品，之后将相同商品的各个描述信息进行对比展示。由此，通过查询商品信息数据库，即可确定出各候选商品，进而根据各候选商品间的各相似度，可以确定出用户想要查询的商品在各个商品平台中的属性信息，并可将相同商品的属性信息进行对比展示，减少了人工对比的过程，同时也提高了效率和准确性。
151.为了实现上述实施例，本公开还提出一种商品信息的处理装置。
152.图4为本公开实施例所提供的商品信息的处理装置的结构示意图。
153.如图4所示，该商品信息的处理装置100可以包括：接收模块110、获取模块120、确
定模块130及显示模块140。
154.其中，接收模块110，用于接收商品信息查询请求，其中，所述查询请求中包括商品关键词。
155.获取模块120，用于查询商品信息数据库，以获取与所述商品关键词匹配的各个候选商品及每个候选商品的各个描述信息，其中，所述商品信息数据库中包括各个商品在各个商品平台中的属性信息，每个候选商品的一个描述信息中包括所述候选商品所在的商品平台及在所述商品平台中的属性信息。
156.确定模块130，用于根据所述各个候选商品的属性信息，确定所述各个候选商品中的相同商品。
157.显示模块140，用于将相同商品的各个描述信息进行对比展示。
158.可选的，上述装置，还可以包括更新模块，用于根据以预设的频率，从所述各个商品平台中采集的各个商品的属性信息，更新所述商品信息数据库。
159.所述更新模块，还用于根据基于品类关键词，从所述各个商品平台中获取的各个品类商品的属性信息，更新所述商品信息数据库。
160.所述更新模块，还用于根据基于各类商品属性图谱，对每个所述商品平台进行深度优先搜索，获取的各类商品在每个所述商品平台中的属性信息，更新所述商品信息数据库。
161.可选的，每个候选商品的属性信息包括所述候选商品对应的属性图谱及各个维度的属性值，所述确定模块，包括：
162.第一确定单元，用于根据所述各个候选商品分别对应的属性图谱，确定所述各个候选商品间的第一相似度；
163.第二确定单元，用于根据所述各个候选商品在相同维度的属性值，确定所述各个候选商品间的第二相似度；
164.第三确定单元，用于根据所述各个候选商品间的第一相似度及第二相似度，确定所述各个候选商品中的相同商品。
165.可选的，所述第二确定单元，具体用于：
166.根据每个所述候选商品在各个维度的属性值，确定每个所述候选商品在每个维度的属性向量；
167.根据每个所述候选商品在各个维度的属性向量，确定每个所述候选商品对应的总描述向量；
168.根据所述各个候选商品分别对应的总描述向量间的距离，确定所述各个候选商品间的第二相似度。
169.可选的，所述第二确定单元，还具体用于：
170.根据每个所述候选商品所属的品类，确定每个所述候选商品的各个维度属性值的权重；
171.根据每个所述候选商品的各个维度属性值的权重及所述各个候选商品在相同维度的属性值，确定所述各个候选商品间的第二相似度。
172.可选的，所述显示模块，具体用于：
173.将所述相同商品在不同商品平台中的属性信息进行归一化处理，以获取所述相同
memory；以下简称：dvd-rom)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
185.具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、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。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
186.计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，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22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(local area network；以下简称：lan)，广域网(wide area network；以下简称：wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12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系统、磁带驱动器以及数据备份存储系统等。
187.处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
188.本公开的技术方案，可以先接收商品信息查询请求，之后查询商品信息数据库，以获取与商品关键词匹配的各个候选商品及每个候选商品的各个描述信息，再根据各个候选商品的属性信息，确定各个候选商品中的相同商品，即可将相同商品的各个描述信息进行对比展示。由此，通过查询商品信息数据库，即可确定出用户想要查询的商品在各个商品平台中的属性信息，并可将相同商品的属性信息进行对比展示，减少了人工对比的过程，同时也提高了效率和准确性。
189.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
190.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
191.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺
序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施例所属技术领域的技术人员所理解。
192.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
193.应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
194.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
195.此外，在本公开各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
196.上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本公开的限制，本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。