“专业建网站”搜索推荐技术在电商导购领域的应用，有一个问题需要解决：自动分类。做好个性化商品推荐，商品整理是站。类目，是最为基础的整理。我们需要将每一个商品分到一个具体的类目上去，商品数量庞大，这个过程要自动化，这就是商品自动分类问题。
分类1.0
专业做网站公司研发的一代分类技术是比较朴素的，通过对应表+特征库来解决。
对应表是一个简单的配置文件，保存（关键词，分类）的对应关系：
“手机” ——> 手机
“牛仔裤” ——> 牛仔裤
…….
特征词库是对应表的升级版（对应表plus？），维护的是（关键词组合，分类）的对应关系：
“Apple iPhone 6” ——> 手机
“棉麻 小脚 长裤 收腰 铅笔裤” ——> 休闲长裤
“美利达 勇士 公爵 行李架 货架” ——> 自行车配件
…….
这一整套样本数据“专业网站建设”完全由人工整理，分类1.0的程序也很简单，运行起来嘛……，“看上去”很可靠。首先，分类1.0一切的一切都建立在人工数据基础上，只要样本整理的好，分的结果就好，整理的不好就……。其次，人的精力是有限的，如果要大规模标注，就需要维持大规模的运营团队。最后，人没有整理过的商品特征，就没办法分好，bug数量处于失控状态。
分类2.0
因此，专业做网站公司研发了新系统——分类2.0。分类2.0结合商品信息的特征，避免了由于特征库对分类带来的干扰，同时可以保证以较高的效率完成在线分类任务。（分类2.0由我司-功成网络所创作。
分类2.0的技术要点
1. 使用分词技术对商品标题信息分词处理，使用分词结果作为商品的特征tag，用tag来描述该商品
2. 过滤没有意义的tag，保留能够有效描述该商品的tag
3. 利用互信息计算训练集数据中，各个分类和该分类中商品所有tag的相关度
4. 预测一个新商品的类别时，计算该商品中的所有tag在每个分类中相关度值，使用分类中所有tag相关度值的和作为商品在该分类中的得分
5. “专业网站制作”得分最高的类别即为该商品的分类
以一个具体的商品处理来说清楚这个流程，：
1. 基于商品库对商品进行分词处理&过滤无意义词
如：黑色iphone苹果手机新上市，分词&过滤结果为：iphone，手机，黑色
2. 利用互信息计算各分类与其中tag的相关度：
互信息计算公式：
I(x,y) = log(p(x|y))-log(p(x))
其中：
p(x) 代表 x在所有商品中出现的概率
p(x|y) 代表x在类别y中出现的条件概率
下表为10个商品的类别及分词结果
计算示例商品在上面“专业做网站”的商品集中，手机类的互信息
a)概率计算
p(iphone) = 0.1
p(黑色) = 0.4
p(手机) = 0.2
p(iphone |手机) = 0.25
p(手机|手机) = 0.5
p(黑色|手机) = 0.25
b)互信息计算
I(iphone,手机) = log(p(iphone |手机))-log(p(iphone)) = -1.3863 +
2.3026 = 0.9163
I(手机,手机) = log(p(手机|手机))-log(p(手机)) = -0.6931 +
1.6094 = 0.9163
I(黑色,手机) = log(p(黑色|手机))-log(p(黑色)) = -1.3863 + 0.9163 = -0.47
c) 以此类推，可以算出iphone，手机，黑色三个关键词在3个类别中分别的条件概率以及互信息
下表为关键词在各个类别中的互信息
3．计算1中示例商品在各个分类中的相关度
Class(手机)= 0.9163+0.9163-0.6932=1.1394
Class(电脑)=0.0+0.0+0.2231=0.2231
Class(服装)= 0.0+0.0+0.2231=0.2231
4.由3可以看出示例商品分类为“手机”类别
我们用这套分类2.0系统，重新处理所有商品，随着训练集的不断扩展，准确率和召回率都在90%以上；
你创作、搜寻或者购买五篇文章作为电子邮件跟踪报道的系列内容。你在每篇文章中对领先产品进行不断推销，并将大家带领到你的会员网站上去。换言之，将所有开始阶段的追踪报道都只集中在你正在推销的件会员制领先产品上，不断地以该产品去影响他们“专业网站设计”。
文章内容纯属
【深圳网站制作公司】功成网络观点，转载请注明来源：
