【技术实现步骤摘要】
本申请涉及计算机，特别是涉及一种排序模型的构建方法、一种商品对象的搜索方法、一种电子设备和一种存储介质。
技术介绍
1、跨境电子商务网站提供针对跨境的电子商务服务，用户可以在跨境电子商务网站上购买各个不同国家的商品对象。由于跨境电子商务网站支持在不同对国家之间销售商品对象，因此也支持不同国家的语言。
2、用户在跨境电子商务网站上搜索时，通常是基于用户输入的关键词筛选商品对象。但是，由于电子商务网站支持多种语言，而在电子商务网站中不同语言对应的用户、商品等数据的数据量差别很大，这就导致排序模型收到影响，数据量多的语言对应的商品对象在搜索排序时通常比较靠前，搜索时更容易反馈给用户，而小语种的商品对象，由于数据量比较少，在搜索排序时容易排在后面，在搜索时反馈较少。进而导致一些通过小语种销售的用户对商品对象的查询、销售等受到影响。
技术实现思路
1、本申请实施例提供了一种排序模型的构建方法，提高排序模型的准确性。
2、相应的，本申请实施例还提供了一种商品对象的方法、一种电子设备和一种存储介质，用以保证上述系统的实现及应用。
3、为了解决上述问题，本申请实施例公开了一种排序模型的构建方法，所述方法包括：
4、从搜索关联数据中删除目标语言站点的搜索关联数据，得到目标搜索关联数据；
5、从所述目标搜索关联数据按照设定规则筛选特征数据，构造训练数据；
6、构建排序模型；
7、基于所述训练数据对所述排序模型进行训练，
8、可选的，从搜索关联数据中删除目标语言站点的搜索关联数据，得到目标搜索关联数据之前，还包括：
9、获取各语言站点的搜索关联数据；
10、基于所述搜索关联数据确定各语言站点对应的数据量信息，基于所述数据量信息确定目标语言站点。
11、可选的，从所述目标搜索关联数据按照设定规则筛选特征数据，构造训练数据，包括：
12、基于各语言站点的目标搜索关联数据的采样信息；
13、按照采用信息从各语言站点的目标搜索关联数据中采集目标特征的数据，构造训练数据。
14、可选的，所述基于各语言站点的目标搜索关联数据的采样信息，包括：
15、基于各语言站点的目标搜索关联数据，确定各语言站点的数据量信息和行为信息；
16、基于所述数据量信息和行为信息，确定各语言站点的目标搜索关联数据的采样信息。
17、可选的，还包括：
18、从所述关联数据中提取各特征的特征数据，分析各特征数据与行为信息的相关度信息；
19、基于所述相关度信息筛选目标特征。
20、可选的，还包括：针对每种商品对象，构建站点差异特征作为目标特征。
21、可选的，所述针对每种商品对象，构建站点差异特征，包括：
22、基于语种特征、商品对象特征和转化特征中至少一种特征，生成差异特征；
23、确定商品对象对应站点的站点特征；
24、将所述差异特征和站点特征进行拼接，得到对应的站点差异特征。
25、可选的，所述基于语种特征、商品对象特征和转化特征中至少一种特征，生成差异特征，包括：
26、获取商品对象的关联特征，该关联特征包括语种的交互深度特征、商品对象的转化率特征和卖家用户的服务质量特征；
27、基于所述关联特征确定所述商品对象的转化特征；
28、将转化特征、语种特征、商品对象特征进行拼接，确定对应的差异特征。
29、可选的，所述构建排序模型，包括：
30、确定激活函数，并在所述神经网络模型中添加激活函数构建排序模型。
31、可选的，基于所述数据量信息确定目标语言站点，包括：
32、在站点对应数据量信息超出目标阈值的情况下，确定所述站点为目标语言站点，所述站点的语言为目标语言。
33、本申请实施例还公开了一种商品对象搜索方法，所述方法包括：
34、接收搜索请求，所述搜索请求携带关键词；
35、基于所述关键词进行搜索，确定多个商品对象；
36、基于排序模型对多个商品对象进行分析，筛选商品对象，其中，所述排序模型基于训练数据的训练得到，所述训练数据基于目标搜索关联数据中按照设定规则筛选的特征数据构造，所述目标搜索关联数据依据从搜索关联数据中删除目标语言站点确定；
37、基于筛选的商品对象生成搜索结果并反馈。
38、可选的，所述基于排序模型对多个商品对象进行分析，筛选商品对象，包括：
39、从商品对象的特征数据中采集目标特征的数据，输入到排序模型中；
40、基于所述排序模型的输出结果对商品对象进行筛选。
41、本申请实施例还公开了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如本申请实施例所述的方法。
42、本申请实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如本申请实施例所述的方法。
43、与现有技术相比，本申请实施例包括以下优点：
44、本申请实施例中，从搜索关联数据中删除目标语言站点的搜索关联数据，得到目标搜索关联数据，从而能够去除目标语言对数据的影响，使得各语言的目标搜索关联数据更加均衡，然后从所述目标搜索关联数据按照设定规则筛选特征数据，构造训练数据，能够筛选所需的特征数据作为训练数据，再构建排序模型，基于所述训练数据对所述排序模型进行训练，得到满足条件的排序模型，从而能够消除各个站点数据数据分布不均匀对小流量语种，得到支持各种语言的排序模型，使得各种语言搜索都能够准确反馈。
本文档来自技高网...【技术保护点】
1.一种排序模型的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，从搜索关联数据中删除目标语言站点的搜索关联数据，得到目标搜索关联数据之前，还包括：
3.根据权利要求2所述的方法，其特征在于，从所述目标搜索关联数据按照设定规则筛选特征数据，构造训练数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于各语言站点的目标搜索关联数据的采样信息，包括：
5.根据权利要求3所述的方法，其特征在于，还包括：
6.根据权利要求3所述的方法，其特征在于，还包括：
7.根据权利要求6所述的方法，其特征在于，所述针对每种商品对象，构建站点差异特征，包括：
8.根据权利要求7所述的方法，其特征在于，所述基于语种特征、商品对象特征和转化特征中至少一种特征，生成差异特征，包括：
9.根据权利要求1所述的方法，其特征在于，所述构建排序模型，包括：
10.根据权利要求2所述的方法，其特征在于，基于所述数据量信息确定目标语言站点，包括：
11.一种商
12.根据权利要求11所述的方法，其特征在于，所述基于排序模型对多个商品对象进行分析，筛选商品对象，包括：
13.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
14.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-12中任一项所述的方法。
...【技术特征摘要】
1.一种排序模型的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，从搜索关联数据中删除目标语言站点的搜索关联数据，得到目标搜索关联数据之前，还包括：
3.根据权利要求2所述的方法，其特征在于，从所述目标搜索关联数据按照设定规则筛选特征数据，构造训练数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于各语言站点的目标搜索关联数据的采样信息，包括：
5.根据权利要求3所述的方法，其特征在于，还包括：
6.根据权利要求3所述的方法，其特征在于，还包括：
7.根据权利要求6所述的方法，其特征在于，所述针对每种商品对象，构建站点差异特征，包括：
8.根据权利要求7所述的方法，其特征在于，所述...
【专利技术属性】
技术研发人员：陈犇，金林波，王新欣，
申请(专利权)人：杭州阿里巴巴海外互联网产业有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。