本發(fā)明涉及電子商務領域，尤其涉及一種商品映射方法、裝置及設備。

背景技術：

在信息網絡已廣泛覆蓋的當今時代，以信息網絡為基礎的電子商務得到了迅速發(fā)展。電子商務是指在商業(yè)貿易活動中，在因特網開放的網絡環(huán)境下，基于瀏覽器/服務器應用方式，買賣雙方不謀面地進行各種商貿活動，實現消費者的網上購物、商戶之間的網上交易和在線電子支付以及各種商務活動、交易活動、金融活動和相關的綜合服務活動的一種新型的商業(yè)運營模式。

電子商務的實現依賴于電子商務平臺，簡稱電商平臺。電商平臺是一個為企業(yè)或個人提供網上交易洽談的平臺。企業(yè)電商平臺是建立在因特網上進行商務活動的虛擬網絡空間和保障商務順利運營的管理環(huán)境，是協(xié)調、整合信息流、貨物流、資金流有序、關聯(lián)、高效流動的重要場所。企業(yè)、商家可以充分利用電商平臺提供的網絡基礎設施、支付平臺、安全平臺、管理平臺等共享資源有效地、低成本地開展自己的商業(yè)活動。

當前，電商平臺正在向國際化、線下化、平臺化發(fā)展。在此過程中，對于任何一個電商平臺來說，一個迫切的需求是把其他電商平臺的商品轉換為自己電商平臺的商品，然后快速發(fā)布到自己的電商平臺上。由于各電商平臺的商品描述格式完全不同，因此需要跨電商平臺的商品映射，以便讓其他電商平臺的商品格式兼容于自己的電商平臺。

相關技術中，跨電商平臺的商品映射主要通過人工方式來進行。人工進行跨電商平臺的商品映射不僅效率低下，而且由于需要投入大量的人工費用，導致電商平臺的運營成本升高。

技術實現要素：

本發(fā)明的目的在于提供一種商品映射方法、裝置及設備，實現跨電商平臺商品的自動映射，提高映射效率。

為實現上述目的，本發(fā)明提出了一種商品映射方法，包括：

獲取第一電商平臺商品的商品信息，記為第一商品信息；

根據預先訓練好的商品映射模型，將所述第一商品信息映射為第二商品信息，所述第二商品信息為第二電商平臺商品的商品信息。

進一步地，上述方法還可具有以下特點，還包括：

獲取設定數量以上的第二商品信息和用戶在所述第二電商平臺的搜索記錄信息；

利用獲取的第二商品信息和搜索記錄信息訓練得到所述商品映射模型。

進一步地，上述方法還可具有以下特點，所述利用獲取的第二商品信息和搜索記錄信息訓練得到所述商品映射模型，包括：

所述搜索記錄信息包括搜索短語和所述搜索短語對應的用戶點擊商品，將所述用戶點擊商品的商品類目作為與所述搜索短語關聯(lián)的商品類目，創(chuàng)建搜索短語與商品類目的關聯(lián)項，記為第一關聯(lián)項；

對所述搜索短語進行分解，得到至少一個分詞，用每一個分詞替換所述搜索短語，得到分詞與商品類目關聯(lián)項，記為第二關聯(lián)項。

進一步地，上述方法還可具有以下特點，所述根據預先訓練好的商品映射模型，將所述第一商品信息映射為第二商品信息，包括：

根據所述第二關聯(lián)項，從所述第一商品信息中的商品標題信息預測出所述第二商品信息中的類目信息。

進一步地，上述方法還可具有以下特點，所述根據所述第二關聯(lián)項，從所述第一商品信息中的商品標題信息預測出所述第二商品信息中的類目信息，包括：

將所述第一商品信息中的商品類目信息和/或商品標題信息分解為至少一個分詞，記為匹配分詞；

查找包含所述匹配分詞的第二關聯(lián)項；

將查找到的第二關聯(lián)項中包含的商品類目信息作為所述第二商品信息中的類目信息。

進一步地，上述方法還可具有以下特點，所述根據預先訓練好的商品映射模型，將所述第一商品信息映射為第二商品信息，包括：

將所述第一商品信息中的商品類目信息通過字面匹配直接映射為所述第二商品信息中的類目信息。

進一步地，上述方法還可具有以下特點，所述利用獲取的第二商品信息和搜索記錄信息訓練得到所述商品映射模型，包括：

從所述第二商品信息中提取商品標題信息和商品詳情信息；

用所述第二電商平臺的結構化屬性數據全匹配提取出的所述商品標題信息和商品詳情信息，得到無結構文本中所述第二電商平臺的屬性對標注數據；

利用所述第二電商平臺的屬性對標注數據訓練得到屬性對抽取模型，所述屬性對抽取模型用于從無結構文本中抽取出屬性對信息。

進一步地，上述方法還可具有以下特點，所述根據預先訓練好的商品映射模型，將所述第一商品信息映射為第二商品信息，包括：

根據所述屬性對抽取模型，從所述第一商品信息的商品標題信息和商品詳情信息中抽取所述第二商品信息的屬性對信息。

進一步地，上述方法還可具有以下特點，所述根據預先訓練好的商品映射模型，將所述第一商品信息映射為第二商品信息，包括：

將所述第一商品信息中的屬性對信息通過字面匹配直接映射為所述第二商品信息中的屬性對信息。

進一步地，上述方法還可具有以下特點，所述根據預先訓練好的商品映射模型，將所述第一商品信息映射為第二商品信息，包括：

根據所述商品映射模型中的第一文本轉換模型，將所述第一商品信息中的商品標題信息轉換為所述第二商品信息中的標題信息。

進一步地，上述方法還可具有以下特點，所述根據預先訓練好的商品映射模型，將所述第一商品信息映射為第二商品信息，包括：

根據所述商品映射模型中的第二文本轉換模型，將所述第一商品信息中的商品詳情信息轉換為所述第二商品信息中的詳情信息。

本發(fā)明實施例的商品映射方法，能夠實現不同電商平臺之間商品的自動映射，提高了跨電商平臺的商品映射效率，降低了電商平臺的運營成本。

為實現上述目的，本發(fā)明還提出了一種商品映射裝置，包括：

第一獲取模塊，用于獲取第一電商平臺商品的商品信息，記為第一商品信息；

映射模塊，用于根據預先訓練好的商品映射模型，將所述第一獲取模塊獲取的第一商品信息映射為第二商品信息，所述第二商品信息為第二電商平臺商品的商品信息。

進一步地，上述裝置還可具有以下特點，還包括：

第二獲取模塊，用于獲取設定數量以上的第二商品信息和用戶在所述第二電商平臺的搜索記錄信息；

訓練模塊，用于利用所述第二獲取模塊獲取的第二商品信息和搜索記錄信息訓練得到所述商品映射模型。

進一步地，上述裝置還可具有以下特點，所述訓練模塊包括：

創(chuàng)建單元，所述搜索記錄信息包括搜索短語和所述搜索短語對應的用戶點擊商品，創(chuàng)建單元用于將所述用戶點擊商品的商品類目作為與所述搜索短語關聯(lián)的商品類目，創(chuàng)建搜索短語與商品類目的關聯(lián)項，記為第一關聯(lián)項；

分解關聯(lián)單元，用于對所述搜索短語進行分解，得到至少一個分詞，用每一個分詞替換所述搜索短語，得到分詞與商品類目關聯(lián)項，記為第二關聯(lián)項。

進一步地，上述裝置還可具有以下特點，所述映射模塊包括：

第一類目映射單元，用于根據所述分解關聯(lián)單元得到的第二關聯(lián)項，從所述第一商品信息中的商品標題信息預測出所述第二商品信息中的類目信息。

進一步地，上述裝置還可具有以下特點，所述第一類目映射單元包括：

分詞子單元，用于將所述第一商品信息中的商品類目信息和/或商品標題信息分解為至少一個分詞，記為匹配分詞；

查找子單元，用于查找包含所述匹配分詞的第二關聯(lián)項；

預測子單元，用于將查找到的第二關聯(lián)項中包含的商品類目信息作為所述第二商品信息中的類目信息。

進一步地，上述裝置還可具有以下特點，所述映射模塊包括：

第二類目映射單元，用于將所述第一商品信息中的商品類目信息通過字面匹配直接映射為所述第二商品信息中的類目信息。

進一步地，上述裝置還可具有以下特點，所述訓練模塊包括：

提取單元，用于從所述第二商品信息中提取商品標題信息和商品詳情信息；

匹配單元，用于用所述第二電商平臺的結構化屬性數據全匹配提取出的所述商品標題信息和商品詳情信息，得到無結構文本中所述第二電商平臺的屬性對標注數據；

訓練單元，用于利用所述第二電商平臺的屬性對標注數據訓練得到屬性對抽取模型，所述屬性對抽取模型用于從無結構文本中抽取出屬性對信息。

進一步地，上述裝置還可具有以下特點，所述映射模塊包括：

第一屬性對映射單元，用于根據所述屬性對抽取模型，從所述第一商品信息的商品標題信息和商品詳情信息中抽取所述第二商品信息的屬性對信息。

進一步地，上述裝置還可具有以下特點，所述映射模塊包括：

第二屬性對映射單元，用于將所述第一商品信息中的屬性對信息通過字面匹配直接映射為所述第二商品信息中的屬性對信息。

進一步地，上述裝置還可具有以下特點，所述映射模塊包括：

標題映射單元，用于根據所述商品映射模型中的第一文本轉換模型，將所述第一商品信息中的商品標題信息轉換為所述第二商品信息中的標題信息。

進一步地，上述裝置還可具有以下特點，所述映射模塊包括：

詳情映射單元，用于根據所述商品映射模型中的第二文本轉換模型，將所述第一商品信息中的商品詳情信息轉換為所述第二商品信息中的詳情信息。

本發(fā)明實施例的商品映射裝置，能夠實現不同電商平臺之間商品的自動映射，提高了跨電商平臺的商品映射效率，降低了電商平臺的運營成本。

為實現上述目的，本發(fā)明還提出了一種商品映射方法，包括：

獲取第一電商平臺商品的條碼信息；

從第二電商平臺查找具有所述條碼信息的商品，記為匹配商品；

將所述匹配商品的商品信息作為所述第一電商平臺的商品映射到所述第二電商平臺的商品信息。

本發(fā)明實施例的商品映射方法，能夠實現不同電商平臺之間商品的自動映射，提高了跨電商平臺的商品映射效率，降低了電商平臺的運營成本。

為實現上述目的，本發(fā)明還提出了一種商品映射裝置，包括：

條碼獲取模塊，用于獲取第一電商平臺商品的條碼信息；

條碼匹配模塊，用于從第二電商平臺查找具有所述條碼信息的商品，記為匹配商品；

條碼映射模塊，用于將所述匹配商品的商品信息作為所述第一電商平臺的商品映射到所述第二電商平臺的商品信息。

本發(fā)明實施例的商品映射裝置，能夠實現不同電商平臺之間商品的自動映射，提高了跨電商平臺的商品映射效率，降低了電商平臺的運營成本。

為實現上述目的，本發(fā)明還提出了一種商品映射設備，包括前述任一項所述的商品映射裝置。

本發(fā)明實施例的商品映射設備，能夠實現不同電商平臺之間商品的自動映射，提高了跨電商平臺的商品映射效率，降低了電商平臺的運營成本。

附圖說明

圖1為本發(fā)明實施例一中商品映射方法的流程圖。

圖2為本發(fā)明實施例二中商品映射方法的流程圖。

圖3為本發(fā)明實施例三中商品映射裝置的結構框圖。

圖4為本發(fā)明實施例四中商品映射方法的流程圖。

圖5為本發(fā)明實施例五中商品映射裝置的結構框圖。

圖6為本發(fā)明實施例六中商品映射設備的結構框圖。

圖7為本發(fā)明實施例七中商品映射設備的結構框圖。

圖8為本發(fā)明實施例中的商品映射示意圖。

具體實施方式

以下結合附圖對本發(fā)明的原理和特征進行描述，所舉實施例只用于解 釋本發(fā)明，并非用于限定本發(fā)明的范圍。對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，根據本發(fā)明精神所獲得的所有實施例，都屬于本發(fā)明的保護范圍。

應當理解，盡管在本發(fā)明實施例中可能采用術語第一、第二、第三等來描述xxx，但這些xxx不應限于這些術語。這些術語僅用來將xxx彼此區(qū)分開。例如，在不脫離本發(fā)明實施例范圍的情況下，第一xxx也可以被稱為第二xxx，類似地，第二xxx也可以被稱為第一xxx。

圖1為本發(fā)明實施例一中商品映射方法的流程圖。如圖1所示，本實施例中，商品映射方法可以包括如下步驟：

步驟s101，獲取第一電商平臺商品的商品信息，記為第一商品信息；

其中，商品信息可以包括商品標題信息、商品類目信息、商品屬性對信息、商品詳情信息等等。在電商平臺的商品展位上，可以獲取該展位商品的具體商品信息。雖然各電商平臺的商品描述格式完全不同，但是一般都包含商品標題信息、商品類目信息、商品詳情信息這些最基本的信息，一些電商平臺的商品信息中還包括商品屬性對信息。

其中，第一電商平臺是要進行商品映射的平臺，本文中稱為來源電商平臺。下面的第二電商平臺是商品要映射到的目標平臺，本文中稱為目標電商平臺。

步驟s102，根據預先訓練好的商品映射模型，將第一商品信息映射為第二商品信息，其中，第二商品信息為第二電商平臺商品的商品信息。

商品映射模型是根據第二電商平臺的商品數據訓練得到的。依據商品映射模型，可以將來源電商平臺的商品信息映射到目標電商平臺。

商品映射模型的具體訓練方式的示例將在下面的實施例二中進行說明。

其中，商品的映射可以包括類目、屬性對、標題、詳情等幾方面的映射。

對于商品類目的映射，本文中給出兩種示例映射方式。商品類目的示例映射方式之一可以是：將第一商品信息中的商品類目信息通過字面匹配直接映射為第二商品信息中的類目信息。其中，字面匹配是指通過字符串字面的編輯距離所進行的匹配。比如，第一商品信息中的商品類目信息為 “冬季連衣裙”，第二商品信息中的類目信息為“連衣裙”，則通過字面匹配，將第一商品信息中的“冬季連衣裙”直接映射為第二商品信息中的“連衣裙”。商品類目的示例映射方式之二將在下面的實施例二中進行說明。

對于商品屬性對的映射，本文中也給出兩種示例映射方式。商品屬性對的示例映射方式之一可以是：將第一商品信息中的屬性對信息通過字面匹配直接映射為第二商品信息中的屬性對信息。例如，第一商品信息中的屬性對信息為“粉色”，第二商品信息中的屬性對信息為“粉紅色”，通過字面匹配，直接將第一商品信息中的“粉色”映射為第二商品信息中的“粉紅色”。商品屬性對的示例映射方式之二將在下面的實施例二中進行說明。

對于商品標題的映射，映射方式可以是：根據商品映射模型中的第一文本轉換模型，將第一商品信息中的商品標題信息轉換為第二商品信息中的標題信息。其中，第一文本轉換模型可以是機器翻譯模型，比如將繁體字的商品標題信息翻譯為簡體字的商品標題信息。

對于商品詳情的映射，映射方式可以是：根據商品映射模型中的第二文本轉換模型，將第一商品信息中的商品詳情信息轉換為第二商品信息中的詳情信息。其中，第二文本轉換模型可以是機器翻譯模型，比如將英文的商品標題信息翻譯為簡體中文的商品標題信息。其中，第二文本轉換模型與前述的第一文本轉換模型可以相同。

本發(fā)明實施例的商品映射方法，能夠實現不同電商平臺之間商品的自動映射，不需要人工干預，大大提高了跨電商平臺的商品映射效率。并且，本發(fā)明實施例的商品映射方法，由于不再需要投入大量的人力，因此還節(jié)省了人工費用，降低了電商平臺的運營成本。

圖2為本發(fā)明實施例二中商品映射方法的流程圖。如圖2所示，本實施例中，商品映射方法可以包括如下步驟：

步驟s201，獲取設定數量以上的第二商品信息和用戶在第二電商平臺的搜索記錄信息；

其中，第二商品信息為第二電商平臺商品的商品信息。

步驟s202，利用獲取的第二商品信息和搜索記錄信息訓練得到商品映射模型；

在本發(fā)明實施例中，利用獲取的第二商品信息和搜索記錄信息可以訓練得到商品類目的映射模型、商品屬性對的映射模型等。下面分別舉例說明。

(a)利用獲取的第二商品信息和搜索記錄信息可以訓練得到商品類目的映射模型。

在本發(fā)明實施例中，利用獲取的第二商品信息和搜索記錄信息訓練得到商品映射模型可以包括：

搜索記錄信息可以包括搜索短語和該搜索短語對應的用戶點擊商品，將用戶點擊商品的商品類目作為與搜索短語關聯(lián)的商品類目，創(chuàng)建搜索短語與商品類目的關聯(lián)項，記為第一關聯(lián)項；

對搜索短語進行分解，得到至少一個分詞，用每一個分詞替換搜索短語，得到分詞與商品類目關聯(lián)項，記為第二關聯(lián)項。

這里，第二關聯(lián)項即為訓練得到的商品類目的映射模型，可以將第二關聯(lián)項稱為類目預測模型。

用戶在電商平臺輸入的搜索短語一般是用戶對要找的商品的特征的描述，該搜索短語之后的點擊數據一般就是用戶要找的商品。因此，用戶點擊的商品應該是與用戶輸入的搜索短語有關聯(lián)的商品。依據用戶的搜索短語和該搜索短語對應的用戶點擊商品訓練類目預測模型，可以提高類目預測的準確率。

下面舉例說明第二關聯(lián)項的訓練過程和原理。

例如，用戶在第二電商平臺輸入搜索短語“冬季連衣裙”，在搜索后該用戶點擊了商品a、商品b和商品c，商品a、商品b和商品c的商品類目分別為類目1、類目2、類目3。則可以創(chuàng)建3個第一關聯(lián)項，即：

冬季連衣裙---類目1；

冬季連衣裙---類目2；

冬季連衣裙---類目3。

然后，將搜索短語“冬季連衣裙”分解為兩個分詞“冬季”和“連衣裙”，用分詞“冬季”替換搜索短語“冬季連衣裙”，得到3個第二關聯(lián)項，即：

冬季---類目1；

冬季---類目2；

冬季---類目3。

用分詞“連衣裙”替換搜索短語“冬季連衣裙”，也得到3個第二關聯(lián)項，即：

連衣裙---類目1；

連衣裙---類目2；

連衣裙---類目3。

(b)利用獲取的第二商品信息和搜索記錄信息可以訓練得到商品屬性對的映射模型。

在本發(fā)明實施例中，利用獲取的第二商品信息和搜索記錄信息訓練得到商品映射模型可以包括：

從第二商品信息中提取商品標題信息和商品詳情信息；

用第二電商平臺的結構化屬性數據全匹配提取出的商品標題信息和商品詳情信息，得到無結構文本中第二電商平臺的屬性對標注數據；

利用第二電商平臺的屬性對標注數據訓練得到屬性對抽取模型，該屬性對抽取模型用于從無結構文本中抽取出屬性對信息。

其中，結構化屬性數據是指電商平臺對商品的描述結構。例如，在淘寶網搜到的一款連衣裙商品中，該商品的“寶貝詳情”中有如下內容：貨號、風格、組合形式、裙長、袖長、領型、袖型、腰型等。這些內容就是淘寶網這個電商平臺的結構化屬性數據。

這里，屬性對抽取模型即為訓練得到的商品屬性對的映射模型。

例如，第二商品信息中的商品標題信息為：海青藍2016春裝新款女裝復古印花通勤a字裙圓領中袖寬松連衣裙，標注這個標題中的屬性對，比如顏色：海清藍，上市年份：2016，風格：復古，圖案：印花，領型：圓領，袖長：中袖。積累大量的這種標注數據，用hmm(隱馬爾科夫模型)或者crf(條件隨機場)等模型訓練就可以得到屬性對抽取模型。

步驟s203，獲取第一電商平臺商品的商品信息，記為第一商品信息；

步驟s204，根據預先訓練好的商品映射模型，將第一商品信息映射為第二商品信息。

此處結合步驟s202所列舉的訓練示例來說明商品類目的示例映射方 式之二和商品屬性對的示例映射方式之二。

在本發(fā)明實施例中，商品類目的示例映射方式之二可以是：根據前述訓練得到的第二關聯(lián)項，從第一商品信息中的商品標題信息預測出第二商品信息中的類目信息。

在本發(fā)明實施例中，根據第二關聯(lián)項，從第一商品信息中的商品標題信息預測出第二商品信息中的類目信息，可以包括：將第一商品信息中的商品類目信息和/或商品標題信息分解為至少一個分詞，記為匹配分詞；查找包含該匹配分詞的第二關聯(lián)項；將查找到的第二關聯(lián)項中包含的商品類目信息作為第二商品信息中的類目信息。

例如，來源商品的商品類目為“長袖連衣裙”，將“長袖連衣裙”分解為兩個分詞“長袖”和“連衣裙”，“長袖”和“連衣裙”為匹配分詞。前述例子中有3個第二關聯(lián)項(連衣裙---類目1；連衣裙---類目2；連衣裙---類目3)中包含“連衣裙”，因此，預測目標商品的商品類目為類目1、類目2、類目3。即這三個類目都是目標商品的商品類目。

在本發(fā)明實施例中，商品屬性對的示例映射方式之二可以是：根據前述訓練得到的屬性對抽取模型，從第一商品信息的商品標題信息和商品詳情信息中抽取第二商品信息的屬性對信息。

本發(fā)明實施例的商品映射方法，能夠實現不同電商平臺之間商品的自動映射，不需要人工干預，大大提高了跨電商平臺的商品映射效率，并且，由于不再需要投入大量的人力，還節(jié)省了人工費用，降低了電商平臺的運營成本。此外，本發(fā)明實施例的商品映射方法，利用目標電商平臺的商品數據訓練出的模型預測來源商品的相關商品信息，能夠提高映射的準確度。

為了實施本發(fā)明前述實施例中的商品映射方法，本發(fā)明還提出了下面的商品映射裝置實施例。

圖3為本發(fā)明實施例三中商品映射裝置的結構框圖。如圖3所示，本實施例中，商品映射裝置300可以包括第一獲取模塊310和映射模塊320。其中，第一獲取模塊310用于獲取第一電商平臺商品的商品信息，記為第一商品信息。映射模塊320用于根據預先訓練好的商品映射模型，將第一獲取模塊310獲取的第一商品信息映射為第二商品信息，其中，第二商品 信息為第二電商平臺商品的商品信息。

在本發(fā)明實施例中，商品映射裝置300還可以包括第二獲取模塊和訓練模塊。其中，第二獲取模塊用于獲取設定數量以上的第二商品信息和用戶在第二電商平臺的搜索記錄信息；訓練模塊用于利用所述第二獲取模塊獲取的第二商品信息和搜索記錄信息訓練得到商品映射模型。

在本發(fā)明實施例中，訓練模塊可以包括創(chuàng)建單元和分解關聯(lián)單元。搜索記錄信息可以包括搜索短語和該搜索短語對應的用戶點擊商品，創(chuàng)建單元用于將用戶點擊商品的商品類目作為與搜索短語關聯(lián)的商品類目，創(chuàng)建搜索短語與商品類目的關聯(lián)項，記為第一關聯(lián)項。分解關聯(lián)單元用于對搜索短語進行分解，得到至少一個分詞，用每一個分詞替換搜索短語，得到分詞與商品類目關聯(lián)項，記為第二關聯(lián)項。

在本發(fā)明實施例中，在訓練模塊包括創(chuàng)建單元和分解關聯(lián)單元的情況下，映射模塊320可以包括第一類目映射單元。第一類目映射單元用于根據分解關聯(lián)單元得到的第二關聯(lián)項，從第一商品信息中的商品標題信息預測出第二商品信息中的類目信息。

在本發(fā)明實施例中，第一類目映射單元可以包括分詞子單元、查找子單元和預測子單元。其中，分詞子單元用于將第一商品信息中的商品類目信息和/或商品標題信息分解為至少一個分詞，記為匹配分詞。查找子單元用于查找包含匹配分詞的第二關聯(lián)項。預測子單元用于將查找到的第二關聯(lián)項中包含的商品類目信息作為第二商品信息中的類目信息。

在本發(fā)明實施例中，映射模塊320可以包括第二類目映射單元。第二類目映射單元用于將第一商品信息中的商品類目信息通過字面匹配直接映射為第二商品信息中的類目信息。

在本發(fā)明實施例中，訓練模塊可以包括提取單元、匹配單元和訓練單元。提取單元用于從第二商品信息中提取商品標題信息和商品詳情信息。匹配單元用于用第二電商平臺的結構化屬性數據全匹配提取出的商品標題信息和商品詳情信息，得到無結構文本中所述第二電商平臺的屬性對標注數據。訓練單元用于利用第二電商平臺的屬性對標注數據訓練得到屬性對抽取模型，該屬性對抽取模型用于從無結構文本中抽取出屬性對信息。

在本發(fā)明實施例中，在訓練模塊包括提取單元、匹配單元和訓練單元 的情況下，映射模塊320可以包括第一屬性對映射單元。第一屬性對映射單元用于根據屬性對抽取模型，從第一商品信息的商品標題信息和商品詳情信息中抽取第二商品信息的屬性對信息。

在本發(fā)明實施例中，映射模塊320可以包括第二屬性對映射單元。第二屬性對映射單元用于將第一商品信息中的屬性對信息通過字面匹配直接映射為第二商品信息中的屬性對信息。

在本發(fā)明實施例中，映射模塊320可以包括標題映射單元。標題映射單元用于根據商品映射模型中的第一文本轉換模型，將第一商品信息中的商品標題信息轉換為第二商品信息中的標題信息。

在本發(fā)明實施例中，映射模塊320可以包括詳情映射單元。詳情映射單元用于根據商品映射模型中的第二文本轉換模型，將第一商品信息中的商品詳情信息轉換為第二商品信息中的詳情信息。

由于本實施例中的商品映射裝置能夠執(zhí)行本發(fā)明前述實施例中所述的商品映射方法，本實施例未詳細描述的部分，可參考對本發(fā)明前述商品映射方法實施例的相關說明。

本發(fā)明實施例的商品映射裝置，能夠實現不同電商平臺之間商品的自動映射，不需要人工干預，大大提高了跨電商平臺的商品映射效率，并且，由于不再需要投入大量的人力，還節(jié)省了人工費用，降低了電商平臺的運營成本。此外，本發(fā)明實施例的商品映射裝置，利用目標電商平臺的商品數據訓練出的模型預測來源商品的相關商品信息，能夠提高映射的準確度。

圖4為本發(fā)明實施例四中商品映射方法的流程圖。如圖4所示，本實施例中，商品映射方法可以包括如下步驟：

步驟s401，獲取第一電商平臺商品的條碼信息；

同一種商品具有相同的條碼信息，因此，如果兩個電商平臺的商品的條碼信息相同，那么該兩個商品就是同一種商品。這樣，就可以利用相同條碼信息，將一個電商平臺上的商品a直接映射為另一個電商平臺上與商品a具有相同條碼信息的商品b。

步驟s402，從第二電商平臺查找具有該條碼信息的商品，記為匹配商品；

步驟s403，將該匹配商品的商品信息作為第一電商平臺的商品映射到第二電商平臺的商品信息。

本發(fā)明實施例的商品映射方法，能夠利用商品的條碼信息，實現不同電商平臺之間商品的自動映射，不需要人工干預，大大提高了跨電商平臺的商品映射效率，并且，由于不再需要投入大量的人力，還節(jié)省了人工費用，降低了電商平臺的運營成本。

為了實施本發(fā)明圖4所示實施例中的商品映射方法，本發(fā)明還提出了圖5所示的商品映射裝置實施例。圖5為本發(fā)明實施例五中商品映射裝置的結構框圖。如圖5所示，本實施例中，商品映射裝置500可以包括條碼獲取模塊510、條碼匹配模塊520和條碼映射模塊530。條碼獲取模塊510用于獲取第一電商平臺商品的條碼信息。條碼匹配模塊520用于從第二電商平臺查找具有該條碼信息的商品，記為匹配商品。條碼映射模塊530用于將該匹配商品的商品信息作為第一電商平臺的商品映射到第二電商平臺的商品信息。

由于本實施例中的商品映射裝置能夠執(zhí)行本發(fā)明前述圖4所示實施例中所述的商品映射方法，本實施例未詳細描述的部分，可參考對本發(fā)明前述圖4所示商品映射方法實施例的相關說明。

本發(fā)明實施例的商品映射裝置，能夠利用商品的條碼信息，實現不同電商平臺之間商品的自動映射，不需要人工干預，大大提高了跨電商平臺的商品映射效率，并且，由于不再需要投入大量的人力，還節(jié)省了人工費用，降低了電商平臺的運營成本。

圖6為本發(fā)明實施例六中商品映射設備的結構框圖。如圖6所示，本實施例中，商品映射設備600可以包括商品映射裝置300。其中，商品映射裝置300可以是本發(fā)明前述圖1或圖2所示實施例中的任一種商品映射裝置。

其中，商品映射設備500可以是服務器、計算機等。

其中，商品映射裝置300可以用于獲取第一電商平臺商品的商品信息，記為第一商品信息；根據預先訓練好的商品映射模型，將獲取的第一商品信息映射為第二商品信息，其中，第二商品信息為第二電商平臺商品的商品信息。

本發(fā)明實施例的商品映射設備中包括商品映射裝置，能夠實現不同電商平臺之間商品的自動映射，不需要人工干預，大大提高了跨電商平臺的商品映射效率，并且，由于不再需要投入大量的人力，還節(jié)省了人工費用，降低了電商平臺的運營成本。

圖7為本發(fā)明實施例七中商品映射設備的結構框圖。如圖7所示，本實施例中，商品映射設備700可以包括商品映射裝置500。其中，商品映射裝置500可以是本發(fā)明前述圖5所示實施例中的任一種商品映射裝置。

其中，商品映射設備500可以是服務器、計算機等。

其中，商品映射裝置500可以用于獲取第一電商平臺商品的條碼信息；從第二電商平臺查找具有該條碼信息的商品，記為匹配商品；將該匹配商品的商品信息作為第一電商平臺的商品映射到第二電商平臺的商品信息。

本發(fā)明實施例的商品映射設備中包括商品映射裝置，能夠利用商品的條碼信息，實現不同電商平臺之間商品的自動映射，不需要人工干預，大大提高了跨電商平臺的商品映射效率，并且，由于不再需要投入大量的人力，還節(jié)省了人工費用，降低了電商平臺的運營成本。

下面通過一個典型的商品映射示意圖來說明商品映射過程。圖8為本發(fā)明實施例中的商品映射示意圖。如圖8所示，第一電商平臺商品的商品信息(即第一商品信息)經過商品映射模型后，被映射為第二電商平臺商品的商品信息(即第二商品信息)。在第一商品信息映射為第二商品信息的過程中，可以采用本發(fā)明前述實施例中的任意一種商品映射方法。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。