分析市场热点趋势的方法和装置与流程

1.本发明涉及计算机技术领域，尤其涉及一种分析市场热点趋势的方法和装置。


背景技术：

2.市场新兴趋势的分析和预测可以帮助生产商了解到未来能成为市场热点的商品属性，从而可以提前布局，通过配置具有该属性的商品，辅助其更好的成为爆品。目前的市场热点趋势分析和预测的方法主要是通过基于人工的用户调研去了解到用户对具体某个商品属性的偏好度，然后基于调研分析的结果给出最后的趋势判断。
3.然而，现有的用户调研方法存在周期长且覆盖范围有限的问题，等到调研结果出来以后，新兴趋势早已经成为了热点，那么厂家和商家的提前布局就失去了意义，导致市场热点趋势的分析预测结果不够及时，具有滞后性；另一方面，调研只能覆盖相当小的一部分用户群体，这部分群体未必能反应市场的整体情况，导致市场热点趋势的分析预测结果不够全面、准确。


技术实现要素：

4.有鉴于此，本发明实施例提供一种分析市场热点趋势的方法和装置，能够在快速而又不出现采样偏差的情况下，达到预测产品新兴趋势，进而分析市场热点趋势的目的，并且，分析结果更为及时、全面、准确。
5.为实现上述目的，根据本发明实施例的一个方面，提供了一种分析市场热点趋势的方法。
6.一种分析市场热点趋势的方法，包括：
7.获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库；
8.根据所述第一关键词库和所述第二关键词库，从所述第一关键词库中选取新兴关键词，所述新兴关键词为物品当前市场占比小于设定阈值的第一关键词；
9.对所述新兴关键词进行未来设定时长内的搜索量分析以得到市场热点趋势。
10.可选地，获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库包括：
11.对与用户关注度相关的数据进行分词处理得到第一分词集合，根据所述第一分词集合中的词语的相似度进行聚合处理以得到用于描述用户关注度的第一关键词库；
12.对物品属性数据进行分词处理得到第二分词集合，根据所述第二分词集合中的词语的相似度进行聚合处理以得到用于描述物品的第二关键词库。
13.可选地，从所述第一关键词库中选取新兴关键词包括：
14.获取所述第一关键词库中的每个第一关键词和所述第二关键词库中的每个第二关键词的相似度；
15.对于每个第一关键词，将所述第一关键词作为第一匹配关键词，将与所述第一关键词的相似度满足设定第一阈值的第二关键词作为第二匹配关键词，且建立所述第一匹配
关键词与所述第二匹配关键词的关联关系；
16.根据所述第二匹配关键词查找物品，并获取所述物品的市场占比；
17.根据所述关联关系，获取市场占比小于设定阈值的物品对应的第一匹配关键词作为新兴关键词。
18.可选地，获取所述第一关键词库中的每个第一关键词和所述第二关键词库中的每个第二关键词的相似度包括：
19.对所述第一关键词库中的每个第一关键词，判断所述第一关键词是否包含在所述第二关键词库中；
20.若否，则计算所述第一关键词与所述第二关键词库中每个第二关键词的相似度。
21.可选地，关键词之间的相似度通过以下方式得到：
22.使用语言匹配模型得到各个关键词的语义向量；
23.基于所述语义向量计算关键词之间的相似度。
24.可选地，对所述新兴关键词进行未来设定时长内的搜索量分析包括：
25.通过时间序列预测模型对所述新兴关键词进行未来设定时长内的搜索量分析。
26.根据本发明实施例的另一方面，提供了一种分析市场热点趋势的装置。
27.一种分析市场热点趋势的装置，包括：
28.数据获取模块，用于获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库；
29.关键词选取模块，用于根据所述第一关键词库和所述第二关键词库，从所述第一关键词库中选取新兴关键词，所述新兴关键词为物品当前市场占比小于设定阈值的第一关键词；
30.搜索量分析模块，用于对所述新兴关键词进行未来设定时长内的搜索量分析以得到市场热点趋势。
31.可选地，所述数据获取模块还用于：
32.对与用户关注度相关的数据进行分词处理得到第一分词集合，根据所述第一分词集合中的词语的相似度进行聚合处理以得到用于描述用户关注度的第一关键词库；
33.对物品属性数据进行分词处理得到第二分词集合，根据所述第二分词集合中的词语的相似度进行聚合处理以得到用于描述物品的第二关键词库。
34.可选地，所述关键词选取模块还用于：
35.获取所述第一关键词库中的每个第一关键词和所述第二关键词库中的每个第二关键词的相似度；
36.对于每个第一关键词，将所述第一关键词作为第一匹配关键词，将与所述第一关键词的相似度满足设定第一阈值的第二关键词作为第二匹配关键词，且建立所述第一匹配关键词与所述第二匹配关键词的关联关系；
37.根据所述第二匹配关键词查找物品，并获取所述物品的市场占比；
38.根据所述关联关系，获取市场占比小于设定阈值的物品对应的第一匹配关键词作为新兴关键词。
39.可选地，所述关键词选取模块还用于：
40.对所述第一关键词库中的每个第一关键词，判断所述第一关键词是否包含在所述
第二关键词库中；
41.若否，则计算所述第一关键词与所述第二关键词库中每个第二关键词的相似度。
42.可选地，关键词之间的相似度通过以下方式得到：
43.使用语言匹配模型得到各个关键词的语义向量；
44.基于所述语义向量计算关键词之间的相似度。
45.可选地，所述搜索量分析模块还用于：
46.通过时间序列预测模型对所述新兴关键词进行未来设定时长内的搜索量分析。
47.根据本发明实施例的又一方面，提供了一种分析市场热点趋势的电子设备。
48.一种分析市场热点趋势的电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所提供的分析市场热点趋势的方法。
49.根据本发明实施例的再一方面，提供了一种计算机可读介质。
50.一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所提供的分析市场热点趋势的方法。
51.上述发明中的一个实施例具有如下优点或有益效果：通过获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库；根据第一关键词库和第二关键词库，从第一关键词库中选取新兴关键词，新兴关键词为物品当前市场占比小于设定阈值的第一关键词；对新兴关键词进行未来设定时长内的搜索量分析以得到市场热点趋势的技术手段，实现了通过将产品市场新兴热点趋势的预测转化为用户关注点搜索趋势的预测，通过深度学习模型预测某一关键词上全量用户的未来行为，从而在快速而又不出现采样偏差的情况下，达到预测产品新兴趋势，进而分析市场热点趋势的目的，并且，分析结果更为及时、全面、准确。
52.上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
53.附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
54.图1是根据本发明实施例的分析市场热点趋势的方法的主要步骤示意图；
55.图2是本发明一个实施例的分析市场热点趋势的系统框架图；
56.图3是本发明一个实施例的搜索量预测模型的实现原理示意图；
57.图4是根据本发明实施例的分析市场热点趋势的装置的主要模块示意图；
58.图5是本发明实施例可以应用于其中的示例性系统架构图；
59.图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
60.以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同
样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
61.为了解决现有技术中存在的技术问题，本发明提供了一种分析市场热点趋势的方法，通过将产品市场新兴热点趋势的预测转化为用户关注点搜索趋势的预测，通过深度学习模型预测某一关键词上全量用户的未来行为，从而在快速而又不出现采样偏差的情况下，达到预测产品新兴趋势，进而分析市场热点趋势的目的，并且，分析结果更为及时、全面、准确。
62.图1是根据本发明实施例的分析市场热点趋势的方法的主要步骤示意图。如图1所示，本发明实施例的分析市场热点趋势的方法主要包括如下的步骤s101至步骤s103。
63.步骤s101：获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库；
64.步骤s102：根据第一关键词库和第二关键词库，从第一关键词库中选取新兴关键词，新兴关键词为物品当前市场占比小于设定阈值的第一关键词；
65.步骤s103：对新兴关键词进行未来设定时长内的搜索量分析以得到市场热点趋势。
66.根据本发明的一个实施例，在获取用于描述用户关注度的第一关键词库时，具体可以对与用户关注度相关的数据进行分词处理得到第一分词集合，根据第一分词集合中的词语的相似度进行聚合处理以得到用于描述用户关注度的第一关键词库。具体地，首先获取与用户关注度相关的数据，例如：搜索数据、问答数据、评论数据等，然后对这些数据进行分词，具体地，可以通过常用的分词工具(例如：jieba分词)将这些数据中包括的语句分为多个词语，这些词语构成了第一分词集合。之后，将具有相同含义的词语进行聚合处理以得到第一关键词库，具体地，在进行词语的聚合处理时，是通过语言匹配模型(例如：bert模型，本质是新的word2vec，用来产生词向量的相关模型)得到各个词语的语义向量，然后基于语义向量之间的距离来计算词语之间的相似度，对于相似度达到一定阈值的词语即可聚合成同一个词语，作为一个第一关键词，最后得到用于描述用户关注度的第一关键词库a。
67.同样地，在获取用于描述物品的第二关键词库时，具体可以对物品属性数据进行分词处理得到第二分词集合，根据第二分词集合中的词语的相似度进行聚合处理以得到用于描述物品的第二关键词库。具体地，物品属性数据例如是商品标题，或者商品详细描述信息等。首先，获取物品属性数据，然后对物品属性数据进行分词，再进行聚合处理，即可得到用于描述物品的第二关键词库b。
68.在获取到第一关键词库a和第二关键词库b后，即可通过对第一关键词库a和第二关键词库b的比对分析，从第一关键词库a中选取新兴关键词。根据本发明的技术方案，新兴关键词指的是物品的当前市场占比相对更少的关键词，也就是说，在第一关键词库a包括的所有第一关键词中，与该新兴关键词有关联的物品的当前市场占比相对更少，用户虽已有关注，但是关注度较小或者说关注量较少，故而这些物品很有可能成为未来市场的热点。
69.根据本发明的一个实施例，从第一关键词库中选取新兴关键词时，具体可以包括以下的步骤：
70.获取第一关键词库中的每个第一关键词和第二关键词库中的每个第二关键词的相似度；
71.对于每个第一关键词，将该第一关键词作为第一匹配关键词，将与该第一关键词
的相似度满足设定相似度阈值的第二关键词作为第二匹配关键词，且建立第一匹配关键词与第二匹配关键词的关联关系；
72.根据第二匹配关键词查找物品，并获取物品的市场占比；
73.根据该关联关系，获取市场占比小于设定阈值的物品对应的第一匹配关键词作为新兴关键词。
74.在一个具体实施例中，假设对于第一关键词库a中的某一第一关键词a1，其和第二关键词库b中的两个第二关键词b1和b2的相似度分别达到90％和85％，均超过了预先设定的相似度阈值80％，则将该第一关键词a1和第二关键词b1、b2作为相似度满足设定相似度阈值的一组第一关键词和第二关键词，且将第一关键词a1作为第一匹配关键词，将第二关键词b1、b2作为第二匹配关键词，且建立第一匹配关键词与第二匹配关键词的关联关系。在具体实施时，与某个第一匹配关键词相关联的第二匹配关键词可能包括一个第二关键词，也可能包括多个第二关键词。若对于第一关键词库a中的第一关键词a2，其与第二关键词库b中的任一第二关键词的相似度均小于设定的相似度阈值，则说明该第一关键词a2为无效的第一关键词。
75.在建立了第一匹配关键词与第二匹配关键词的关联关系之后，根据第二匹配关键词即可查找对应的物品，并获取物品的市场占比。在该实施例中，对于与第一匹配关键词a1相关联的第二匹配关键词b1和b2，分别使用b1和b2与物品属性数据进行比对匹配，将其中包含了b1或b2的物品属性数据对应的物品作为查找到的物品，然后计算这些物品的市场占比。其中，在计算市场占比时，可以是根据这些物品的个数，即：物品属性数据的数目m与同类型物品的总数n相比得到的。例如：假设物品属性数据为商品标题，商品标题中包含了b1或b2的商品标题个数为m，同类型商品的总数为n，则这些物品的市场占比即为m/n。同样地，在计算市场占比时，也可以是以这些物品的个数，即：物品属性数据的数目m作为这些物品的市场占比。计算市场占比的方式并不局限于本发明实施例中所列举出来的方式，根据应用需要，可以灵活选择，本发明对此不作限定。
76.在得到物品的市场占比之后，即可获取市场占比小于设定阈值的物品，进一步可获取到这些物品的第二匹配关键词。根据第一匹配关键词和第二匹配关键词的关联关系，即可得到对应的第一匹配关键词，并将这些第一匹配关键词作为新兴关键词。也可以在得到物品的市场占比之后，对物品的市场占比进行从小到大排序，并将排序靠前的指定个数(例如500个)的物品对应的第一匹配关键词作为新兴关键词。
77.根据其中一个实施例，在获取第一关键词库中的每个第一关键词和第二关键词库中的每个第二关键词的相似度时，具体可以包括：
78.对第一关键词库中的每个第一关键词，判断第一关键词是否包含在第二关键词库中；
79.若否，则计算第一关键词与第二关键词库中每个第二关键词的相似度。
80.在具体实施时，对于第一关键词库中的每个第一关键词，可以首先从第二关键词库中查找是否有相同的第二关键词，若有，则说明该第一关键词与第二关键词库中的该第二关键词相似度为100％，且此时无需再计算该第一关键词与第二关键词库中其他第二关键词的相似度。然后，即可将该第一关键词及该第二关键词作为第一匹配关键词和第二匹配关键词，来执行后续操作。否则，若第二关键词库中不包含该第一关键词，则需要计算该
第一关键词与第二关键词库中每个第二关键词的相似度。
81.根据本发明的技术方案，关键词之间的相似度具体可以通过以下方式得到：
82.使用语言匹配模型得到各个关键词的语义向量；
83.基于语义向量计算关键词之间的相似度。
84.此处，关键词之间的相似度可以是第一关键词与第二关键词之间的相似度。使用语言匹配模型(例如：bert模型，本质是新的word2vec，用来产生词向量的相关模型)得到各个关键词的语义向量，然后基于语义向量之间的距离来计算关键词之间的相似度。
85.根据本发明的实施例，在对新兴关键词进行未来设定时长内的搜索量分析时，可以通过时间序列预测模型对新兴关键词进行未来设定时长内的搜索量分析。其中，时间序列预测模型例如是lstm(long-short term memory，长短期记忆)模型、arma(autoregressive moving average model，自回归滑动平均模型)模型、arima(autoregressive integrated moving average model，差分整合移动平均自回归模型)等。
86.图2是本发明一个实施例的分析市场热点趋势的系统框架图。在本发明的实施例中，以通过对电子商务平台所采集的商品数据进行分析为例，如图2所示，本发明一个实施例的分析市场热点趋势的系统主要包括三大模块：关键词生成模块、新兴关键词生成模块和搜索量预测模块。各个模块的功能分别如下：
87.1、关键词生成模块，用于对与用户关注度相关的数据，例如：商品问答数据、历史搜索数据及其搜索量数据、历史评论数据等，进行分词处理后并聚合，以得到用于描述用户关注度的第一关键词库a；以及对物品属性数据，例如：商品标题、商品详细信息等，进行分词处理后并聚合，以得到用于描述物品的第二关键词库b；
88.2、新兴关键词生成模块，用于对关键词生成模块中生成的用于描述用户关注度的第一关键词库a与用于描述物品的第二关键词库b进行匹配，根据商品在市场的占比情况，挑选出当前市场占比相对更少的商品对应的第一关键词作为新兴关键词。具体地，对第一关键词库a中的每个第一关键词，判断该第一关键词是否包含在第二关键词库中；若否，则计算该第一关键词与第二关键词库中每个第二关键词的相似度，从而得到第一关键词库a中的每个第一关键词和第二关键词库b中的每个第二关键词的相似度；对于每个第一关键词，将该第一关键词作为第一匹配关键词，将与该第一关键词的相似度满足设定的相似度阈值的第二关键词作为第二匹配关键词，且建立第一匹配关键词与第二匹配关键词的关联关系；根据第二匹配关键词查找物品，并获取物品的市场占比；根据该关联关系，获取市场占比小于设定阈值的物品对应的第一匹配关键词作为新兴关键词；
89.3、搜索量预测模块，用于通过对新兴关键词生成模块挖掘得到的新兴关键词的未来搜索量进行预测，从而判断出产品的新兴趋势以及市场热点趋势，为产品的定制提供辅助决策。在本发明的一个实施例中，以一个关键词过去一年半(可灵活设定)的搜索量、搜索用户画像，市场宏观经济数据等作为训练数据，预测该关键词在未来三个月(可灵活设定)的搜索量。具体来说：针对某一关键词k，假设时间起点为t，以t之后连续三个月的总搜索量为以t之前连续三个月关于关键词k的用户画像(性别比例、平均年龄、平均客单价等等)、市场宏观经济等数据为从而构造训练集。利用该训练集，基于时间序列预测模型
lstm模型进行训练得到搜索量预测模型，之后即可使用该搜索量预测模型来进行市场热点趋势分析和预测。
90.图3是本发明一个实施例的搜索量预测模型的实现原理示意图。如图3所示，搜索量预测模型是基于时间序列预测模型lstm模型进行训练得到的。在本发明的实施例中，以量预测模型是基于时间序列预测模型lstm模型进行训练得到的。在本发明的实施例中，以和为输入，以为输出，基于训练集更新lstm模型的参数，最终得到搜索量预测模型，使得搜索量预测模型能够对需要预测的关键词i预测
91.图4是根据本发明实施例的分析市场热点趋势的装置的主要模块示意图。如图4所示，本发明实施例的分析市场热点趋势的装置400主要包括数据获取模块401、关键词选取模块402和搜索量分析模块403。
92.数据获取模块401，用于获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库；
93.关键词选取模块402，用于根据所述第一关键词库和所述第二关键词库，从所述第一关键词库中选取新兴关键词，所述新兴关键词为物品当前市场占比小于设定阈值的第一关键词；
94.搜索量分析模块403，用于对所述新兴关键词进行未来设定时长内的搜索量分析以得到市场热点趋势。
95.根据本发明的一个实施例，数据获取模块401还可以用于：
96.对与用户关注度相关的数据进行分词处理得到第一分词集合，根据所述第一分词集合中的词语的相似度进行聚合处理以得到用于描述用户关注度的第一关键词库；
97.对物品属性数据进行分词处理得到第二分词集合，根据所述第二分词集合中的词语的相似度进行聚合处理以得到用于描述物品的第二关键词库。
98.根据本发明的另一个实施例，关键词选取模块402还可以用于：
99.获取所述第一关键词库中的每个第一关键词和所述第二关键词库中的每个第二关键词的相似度；
100.对于每个第一关键词，将所述第一关键词作为第一匹配关键词，将与所述第一关键词的相似度满足设定第一阈值的第二关键词作为第二匹配关键词，且建立所述第一匹配关键词与所述第二匹配关键词的关联关系；
101.根据所述第二匹配关键词查找物品，并获取所述物品的市场占比；
102.根据所述关联关系，获取市场占比小于设定阈值的物品对应的第一匹配关键词作为新兴关键词。
103.根据本发明的又一个实施例，关键词选取模块402还可以用于：
104.对所述第一关键词库中的每个第一关键词，判断所述第一关键词是否包含在所述第二关键词库中；
105.若否，则计算所述第一关键词与所述第二关键词库中每个第二关键词的相似度。
106.根据本发明的又一个实施例，关键词之间的相似度通过以下方式得到：
107.使用语言匹配模型得到各个关键词的语义向量；
108.基于所述语义向量计算关键词之间的相似度。
109.根据本发明的再一个实施例，搜索量分析模块403还可以用于：
110.通过时间序列预测模型对所述新兴关键词进行未来设定时长内的搜索量分析。
111.根据本发明实施例的技术方案，通过获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库；根据第一关键词库和第二关键词库，从第一关键词库中选取新兴关键词，新兴关键词为物品当前市场占比小于设定阈值的第一关键词；对新兴关键词进行未来设定时长内的搜索量分析以得到市场热点趋势的技术手段，实现了通过将产品市场新兴热点趋势的预测转化为用户关注点搜索趋势的预测，通过深度学习模型预测某一关键词上全量用户的未来行为，从而在快速而又不出现采样偏差的情况下，达到预测产品新兴趋势，进而分析市场热点趋势的目的，并且，分析结果更为及时、全面、准确。
112.图5示出了可以应用本发明实施例的分析市场热点趋势的方法或分析市场热点趋势的装置的示例性系统架构500。
113.如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
114.用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用等(仅为示例)。
115.终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
116.服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所发送的市场热点趋势查询请求提供支持的后台管理服务器(仅为示例)。后台管理服务器可以根据接收到的市场热点趋势查询请求进行：获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库；根据所述第一关键词库和所述第二关键词库，从所述第一关键词库中选取新兴关键词，所述新兴关键词为物品当前市场占比小于设定阈值的第一关键词；对所述新兴关键词进行未来设定时长内的搜索量分析等处理，并将处理结果(例如市场热点趋势或新兴产品趋势
--
仅为示例)反馈给终端设备。
117.需要说明的是，本发明实施例所提供的分析市场热点趋势的方法一般由服务器505执行，相应地，分析市场热点趋势的装置一般设置于服务器505中。
118.应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
119.下面参考图6，其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统600的结构示意图。图6示出的终端设备或服务器仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
120.如图6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有系统600操作所需的各种程序和数据。cpu 601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
121.以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；
以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
122.特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601执行时，执行本发明的系统中限定的上述功能。
123.需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
124.附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
125.描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括数据获取模块、关键词选取模块和搜索量分析模块。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，数据获取模块还可以被描述为“用于获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库的
模块”。
126.作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库；根据所述第一关键词库和所述第二关键词库，从所述第一关键词库中选取新兴关键词，所述新兴关键词为物品当前市场占比小于设定阈值的第一关键词；对所述新兴关键词进行未来设定时长内的搜索量分析以得到市场热点趋势。
127.根据本发明实施例的技术方案，通过获取用于描述用户关注度的第一关键词库和用于描述物品的第二关键词库；根据第一关键词库和第二关键词库，从第一关键词库中选取新兴关键词，新兴关键词为物品当前市场占比小于设定阈值的第一关键词；对新兴关键词进行未来设定时长内的搜索量分析以得到市场热点趋势的技术手段，实现了通过将产品市场新兴热点趋势的预测转化为用户关注点搜索趋势的预测，通过深度学习模型预测某一关键词上全量用户的未来行为，从而在快速而又不出现采样偏差的情况下，达到预测产品新兴趋势，进而分析市场热点趋势的目的，并且，分析结果更为及时、全面、准确。
128.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。