我国主流电子商网站站内搜索技术比较分析研究.ppt

* 我国主流电子商务网站站内搜索技术比较分析研究 单击添加目录内容1 一 单击添加目录内容2 二 单击添加目录内容 三 单击添加目录内容4 四 单击添加目录内容5 五 目 录 Contents 一、研究背景 品名称、商标名、商标名和商品名、特定的名字。 二、电子商务及其行业现状 1．电子商务定义 电子商务通常是指在因特网的网络环境下，基于浏览器/服务器应用方式，进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。 电子商务可划分为广义和狭义的电子商务。 2．电子商务行业现状 2011年-2018年中国电子商务交易规模柱状图 2011年-2018年中国网购用户数量柱状图 2014年中国电子商务市场交易额已达13万亿元，同比增长25%。2015年中国网络购物市场规模将超过3600亿美元。 网购用户规模稳步增长，2014年我国网络购物用户数量达到3.61亿。 到2017年将达到4亿，一个重要的变化就是移动网络用户增长的很快，移动网络将成为电商争夺的主要战场 3.国内主流的电子商务网站 2014年中国各大电商网上购物市场占有率饼状图 2.站内搜索技术原理 网络爬虫系统由三部分组成：控制器，解析器和资源库 倒排索引主要解决的就是海量数据管理问题，用来存储单词在文档是的映射 分词技术可以分为三种：字符串匹配的分词方法；词义分词法；统计分词法。 冒泡排序，插入排序，递归排序和希尔排序 排序 分词技术 建立索引 抓取网页 （四）站内搜索技术的发展历史 第三代站内搜索技术 词汇搜索孤岛、语义表达差异、搜索匹配过于机械化 网页文本分析从而对搜索结果进行优化 第二代站内搜索技术 Java编程语言开发 开源项目开发：Lucene，Solr 第一代站内搜索技术 极大提高编程效率 维护成本很低 无法抓取更新的信息 需要大量的流量 无法细化分类 三、评价体系 五大评价体系 召回率 搜索帮助 分类和过滤 商品综合特征 准确率 召回率 检索出的相关商品数和搜索平台中所有的商品数的比率，用于衡量搜索平台检出相关商品成功度的一项指标。 它的数值等于w/x，式中w为实际相关的商品数，x为搜索平台中全部n种商品中实际与某一商品相关的商品数。 准确率 评价搜索技术实际正确的商品数与搜索出商品数的比例，用于衡量该搜索技术噪声比的一种指标。 它的公式为w／m，式中w实际正确的商品数，m是搜索出来的商品数。 这个指标主要是评价当检索词包含多个商品特征时,搜索引擎反映的结果。商品的特征种类繁多，通常的特征包括价格、销量、品牌、好评数等，对于常用的特征本文不予考虑。 搜索帮助 分类和过滤 商品综合特征 这个指标主要通过检测搜索引擎是否能够将搜索结果进行分类、过滤。一个有分类功能的网站会将用户的搜索结果按照价格、销量、好评率、品牌等特征进行分类。 这个指标主要是针对搜索平台在无法检索到相关商品时,能否提供必要的搜索帮助，处理这类特殊问题的能力。例如,用户检索出现错别字时，搜索平台能否识别它，并提出建议。 三、评价测试步骤 五大评价步骤 2.召回率 5.搜索帮助 4.分类和过滤 3.商品综合特征 1.准确率 1.准确率测试 建立五类不同类型的检索词库：单独商品名称、复合的商品名称、商标名、商标名和商品名、特定的名字。 该项测试有10个不同类型的测试检索词，10分的初始分，如果出现一个不同于检索词表示的商品时，将扣一分。 综合类 书籍 手机数码 生活用品 单独商品名称 牛仔裤 毛衣 水浒传 狂人日记 单反相机 平板电脑 香水 洗发水 复合的商品名称 夏季牛仔裤 冬季毛衣 四大名著 鲁迅文集 入门级 单反相机 16G平板电脑 男士香水 控油洗发水 商标的名称 森马 恒源祥 人民文学出版社 人民日报出版社 宾得 苹果 古龙 宝洁 商标名和商品名 森马 夏季牛仔裤毛衣 恒源祥 人民文学出版社的社水浒传 人民日报出版社的狂人日记 宾得单反相机 苹果平板电脑 古龙香水 宝洁洗发水 特定的名字 李钟硕 李宁 施耐庵 鲁迅 尼康 乔布斯 古龙 联合利华 准确率测试检索词表 （%） 天猫 京东 苏宁易购 亚马逊中国 当当 单独商品名称 80.8 8.87 70.3 51.4 27.2 复合的商品名称 78.4 25 54.4 47.8 48.2 商标的名称 92.3 23 46.8 41.8 31.5 商标名和商品名 72.3 21.8 57.5 40.4 22.1 特定的名字 56.1 23.3 21.4 40 平均数（得分） 75.98 20.4 57.25 40.