本公开涉及数据处理相关
技术领域：
：，尤其涉及一种用于商品替代品发掘的方法及装置、计算机可读介质、电子设备。
背景技术：
：：伴随着大型互联网公司电商业务的迅速扩张，公司在服务个人用户的同时，也在不断的向企业用户提供服务方向发展。线上个人用户的商品筛选通常都通过推荐系统，依赖个人用户的各种行为属性，向用户推荐兴趣相投、目标需求一致的商品。但对于企业用户来说，这种需求都会通过场景的方式提出，由于数据获取粒度太粗和量级的原因，推荐系统根本无法满足服务，只能通过个性场景的抽象化的方式，向用户提供相应的商品集，这个过程通常称为选品。选品这个过程一般是业务操作的一个过程，按照需求点进行抽象成粗粒度属性，例如用户年龄区间，用户性别，职业等，然后按照这些属性进行商品的筛选。其中推荐系统是基于多种用户的兴趣偏好和商品进行匹配，然后对匹配的商品按照用户的兴趣偏好等信息进行多维度匹配度的排序，最终将排序后的前n(topn)商品以列表的形式推荐展示到用户购物系统页面。因此，需要一种新的用于商品替代品发掘的方法及装置。需要说明的是，在上述
背景技术：
：部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。技术实现要素：本公开的目的在于提供一种用于商品替代品发掘的方法及装置，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一个方面，提供一种用于商品替代品发掘的方法，包括：进行商品选品，获得与业务应用贴合的商品集；根据预设指标获取所述商品集中的低值商品；获取商品池中的商品与所述低值商品的相似度；根据所述相似度选取所述商品池中相应的商品作为所述低值商品的替代品。在本公开的一种示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：筛选所述商品池中的商品的商品属性，获得第一结果集；处理所述商品池中的商品的用户行为数据，获得第二结果集；统计所述商品池中的商品的用户属性分布数据，获得第三结果集；将所述第一结果集、所述第二结果集和所述第三结果集进行合并，获得所述商品池中的商品的整合结果集；根据所述整合结果集，计算所述低值商品和所述商品池中的商品的相似度。在本公开的一种示例性实施例中，所述筛选所述商品池中的商品的商品属性，获得第一结果集包括：根据业务知识进行所述商品属性的筛选，选择所述商品池中的商品的共性属性。在本公开的一种示例性实施例中，所述根据所述整合结果集，计算所述低值商品和所述商品池中的商品的相似度包括：根据所述整合结果集中的所述商品属性，计算所述低值商品和所述商品池中的商品的商品属性相似度；根据所述整合结果集中的消费属性，计算所述低值商品和所述商品池中的商品的消费行为相似度；根据所述商品属性相似度和所述消费行为相似度，获得所述低值商品和所述商品池中的商品的相似度。在本公开的一种示例性实施例中，所述消费属性包括所述用户行为数据和所述用户属性分布数据。在本公开的一种示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：筛选所述商品池中的商品的商品属性；根据所述商品属性，计算所述低值商品和所述商品池中的商品的商品属性相似度。在本公开的一种示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：统计所述商品池中的商品的用户行为数据；根据所述用户行为数据，计算所述低值商品和所述商品池中的商品的消费行为相似度。在本公开的一种示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：统计所述商品池中的商品的用户属性分布数据；根据所述用户属性分布数据，计算所述低值商品和所述商品池中的商品的消费行为相似度。在本公开的一种示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：根据所述商品属性相似度和所述消费行为相似度，获得所述低值商品和所述商品池中的商品的相似度。根据本公开的一个方面，提供一种用于商品替代品发掘的装置，包括：选品模块，用于进行商品选品，获得与业务应用贴合的商品集；低值商品获取模块，用于根据预设指标获取所述商品集中的低值商品；相似度计算模块，用于获取商品池中的商品与所述低值商品的相似度；替代品选取模块，用于根据所述相似度选取所述商品池中相应的商品作为所述低值商品的替代品。根据本公开的一个方面，提供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上述实施例中的用于商品替代品发掘的方法。根据本公开的一个方面，提供一种电子设备，包括：一个或多个处理器；以及存储装置，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上述实施例中的用于商品替代品发掘的方法。本公开示例性实施方式所提供的用于商品替代品发掘的方法及装置，通过相似度的计算，可以选择与选品后获得商品集中的低值商品相似度较高的商品作为该低值商品的替代品，从而可以提高用户体验。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示意性示出可以应用本申请的用于商品替代品发掘的方法或用于商品替代品发掘的装置的系统架构图。图2示意性示出本公开示例性实施例中一种用于商品替代品发掘的方法的流程图。图3示意性示出本公开示例性实施例中一种用于商品替代品发掘的方法的示意图。图4示意性示出本公开示例性实施例中一种用于商品替代品发掘的装置的模块示意图。图5示意性示出本公开示例性实施例中的电子设备的模块示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。图1示意性示出可以应用本申请的用于商品替代品发掘的方法或用于商品替代品发掘的装置的系统架构图。如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯用户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱用户端、社交平台软件等。终端设备101、102、103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。服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103提交各种数据等提供支持的后台管理服务器。后台管理服务器可以对接收到的数据进行分析等处理，并将处理结果(例如选取的替代商品)反馈给终端设备。需要说明的是，本申请实施例所提供的用于商品替代品发掘的方法一般由服务器105执行，相应地，用于商品替代品发掘的装置一般设置于服务器105中。应该理解，图1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。图2示意性示出本公开示例性实施例中一种用于商品替代品发掘的方法的流程图。如图2所示，该用于商品替代品发掘的方法可以包括以下步骤。在步骤s110中，进行商品选品，获得与业务应用贴合的商品集。本发明实施例中，进行选品的方法可以有很多，可以通过对需求维度(可以由业务人员介入)进行抽象，然后对大的商品池(例如某电商平台中的所有商品)按照特定的属性(抽选的属性维度)进行过滤筛选，最终确定合适的商品加入至所述商品集中。进行选品的方法例如可以按照商品维度的行为属性进行排序，然后对其进行按照相关属性进行排序(例如降序排列)，例如：商品浏览次数、商品购买量、好评量级等。再例如，还可以进行季节性选品，主要针对商品的属性节气作为应用场景，然后进行筛选选择，例如：端午节、春节等。又例如，还可以根据场景选品，场景选品是基于场景进行属性抽象，然后进行属性维度的过滤选品。场景抽象常常基于业务，例如积分兑换场景抽象为：商品金额分布可选性大、品牌知名度强、商品品类好等维度，然后基于这些属性进行商品筛选。但是，现有技术中对于选品只能保证最终筛选的商品集贴合业务应用，但过程中可能出现所述商品集中的某些商品缺货或库存较少或差评较多，这样会对业务应用造成很大冲击。即选品之后的商品集中有些商品没货或者差评较多，影响了用户(包括企业用户、个人用户等)的购买意愿。同时传统商品相似度的判断进行了商品品类或者属性的范围限制，导致结果范围受限。传统商品相似度的判断方法是直接将缺货商品或者库存较少或者差评较多的商品删除，或者找一个人工经验的相似商品，没有切实的度量方法。在步骤s120中，根据预设指标获取所述商品集中的低值商品。本发明实施例中，以商品选品的结果为基础数据，可以按照商品的库存量、好评率等指标圈定所述商品集中的低值商品，这里假设低值商品的结果集为[rst]。例如，在选择的商品集中，每个商品都有自己唯一的id(identification)，同时可以计算各个商品对应的库存量、好评率等一系列指标。可以在这个商品集上，通过这些概念化的业务指标进而提高质量，过滤去那些质量不高的商品。例如，库存量过低、好评率较低的商品。需要说明的是，这里的“低值商品”可以根据具体应用场景设定不同的阈值来判断所述商品集中的哪些商品是低值商品，例如库存量低于一预设阈值的认为是低值商品和/或好评率低于另一预设阈值的认为是低值商品等。具体阈值的设定可以灵活自主设定，本公开对此不作限定。在步骤s130中，获取商品池中的商品与所述低值商品的相似度。在示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：筛选所述商品池中的商品的商品属性，获得第一结果集；处理所述商品池中的商品的用户行为数据，获得第二结果集；统计所述商品池中的商品的用户属性分布数据，获得第三结果集；将所述第一结果集、所述第二结果集和所述第三结果集进行合并，获得所述商品池中的商品的整合结果集；根据所述整合结果集，计算所述低值商品和所述商品池中的商品的相似度。在示例性实施例中，所述筛选所述商品池中的商品的商品属性，获得第一结果集包括：根据业务知识进行所述商品属性的筛选，选择所述商品池中的商品的共性属性。在示例性实施例中，所述根据所述整合结果集，计算所述低值商品和所述商品池中的商品的相似度包括：根据所述整合结果集中的所述商品属性，计算所述低值商品和所述商品池中的商品的商品属性相似度；根据所述整合结果集中的消费属性，计算所述低值商品和所述商品池中的商品的消费行为相似度；根据所述商品属性相似度和所述消费行为相似度，获得所述低值商品和所述商品池中的商品的相似度。在示例性实施例中，所述消费属性包括所述用户行为数据和所述用户属性分布数据。在示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：筛选所述商品池中的商品的商品属性；根据所述商品属性，计算所述低值商品和所述商品池中的商品的商品属性相似度。在一些实施例中，可以将所述商品属性相似度作为所述商品池中的商品与所述低值商品的相似度，根据所述商品属性相似度进行降序排列，选取前n(n为大于等于1的正整数)相似度对应的商品作为所述低值商品的替代品推荐给用户，或者将所述商品属性相似度大于预定阈值的商品作为所述低值商品的替代品推荐给用户。在示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：统计所述商品池中的商品的用户行为数据；根据所述用户行为数据，计算所述低值商品和所述商品池中的商品的消费行为相似度。在一些实施例中，可以将所述消费行为相似度作为所述商品池中的商品与所述低值商品的相似度，根据所述消费行为相似度进行降序排列，选取前n(n为大于等于1的正整数)相似度对应的商品作为所述低值商品的替代品推荐给用户，或者将所述消费行为相似度大于预定阈值的商品作为所述低值商品的替代品推荐给用户。在示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：统计所述商品池中的商品的用户属性分布数据；根据所述用户属性分布数据，计算所述低值商品和所述商品池中的商品的消费行为相似度。在一些实施例中，所述消费行为相似度可以仅根据所述商品池中的商品的用户行为数据计算获得。在另一些实施例中，所述消费行为相似度可以仅根据所述商品池中的商品的用户属性分布数据计算获得。在其他实施例中，所述消费行为相似度可以同时根据所述商品池中的商品的用户行为数据和用户属性分布数据计算获得。在示例性实施例中，所述获取所述商品池中的商品与所述低值商品的相似度包括：根据所述商品属性相似度和所述消费行为相似度，获得所述低值商品和所述商品池中的商品的相似度。在步骤s140中，根据所述相似度选取所述商品池中相应的商品作为所述低值商品的替代品。本公开实施方式提供的用于商品替代品发掘的方法，通过计算商品池中的商品与选品后的商品集中的低值商品的相似度，能够获得与该低值商品相似度较高的商品作为该低值商品的替代品推荐给用户，从而能够大范围的提高选品质量，提高用户服务满意度，促进用户消费下单购买。图3示意性示出本公开示例性实施例中一种用于商品替代品发掘的方法的示意图。如图3所示，[a01]主要是根据业务知识(业务操作进行商品筛选的过程，可以由人工介入)进行商品属性筛选，去除相关性不高的商品属性(根据选品的具体场景，可以排除部分属性，例如，在积分兑换下，可以排除部分品牌知名度不高的商品)，获得第一结果集。本发明实施例中，商品属性的选择在定位替代品前就需要相关的业务支撑，选择依据可以为该商品属性为商品池的共性属性(其中商品池中每个商品所拥有的属性为共性属性，只有部分商品拥有的为个性属性)，尽量减少个性属性的选择。常规的共性属性有以下可以选择：商品的分类(一级分类，二级分类，三级分类等)，商品的品牌，商品的产品词，好评分值，商品的价格等信息。其中，产品词是产品名称的提纯，也是实物的一个类别，例如，手机，电饭煲，电视等。例如“华为psplus双卡双待4g手机琥珀金全网通(4gram+64grom)标配版”，产品词为手机。通常可以将这些数据(例如电商平台上所有商品的属性信息)存放在数据仓库中，在进行商品属性筛选时，通过sql语句可以很容易的实现，控制select后的列即可，例如：select*fromtable_namewherecondition1继续参考图3，[a02]输出的是商品池中所有商品的用户行为指标信息或者用户行为数据，[a02]和[a01]为并行功能，其主要功能是处理加工商品池中的商品和用户相关的、用户行为产生的数据信息。这里输出的结果为商品维度的指标信息(商品id为主键的信息)。[a02]也可以介入业务人员，确定调整相关的特殊指标(和选品相关的指标信息)。其中，上述用户行为产生的数据信息或者用户行为数据是用户在商品上产生的数据，可以有很多。例如，商品浏览量、商品购买量、商品加入购物车次数、商品收藏量等，当然这些指标也可以在时间序列上横向扩展。假设以最近半年的销售订单为主，可以加工处理以下信息：商品：数据的维度，唯一标识，其中每行数据的唯一标识称为主键；商品销售数量：该商品在近半年内的销售数量；商品销售金额：该商品在近半年内的销售金额；平均优惠金额：优惠金额的定义为总体用户购买该商品时平均使用的优惠程度金额，是一个相对的平均值，定义为所有用户购买的优惠总额/购买该商品的用户数；购买人数：在近半年内的购买该商品的用户数。[a02]获得的第二结果集可以通过sql语句进行统计处理完成。继续参考图3，[a03]和[a01]、[a02]为平行装置，可以并行计算，其主要计算商品购买的用户属性分布数据，例如商品池中各商品的购买用户的各用户属性的占比。例如，可以通过商品近半年的订单购买用户，同时对用户按照用户属性进行细分。可以以用户的性别、年龄段、职业进行细分，在细分后，可以对商品购买用户按照用户属性展横，详细样式如下：表一其中上表一中10000是指商品id。继续参考图3，[a04]的作用就是将[a01]，[a02]，[a03]的结果集中同一商品id下的所有结果集整合成一个结果)，主要是对[a01]，[a02]，[a03]的结果集进行合并，整合成为一个结果集。合并可以通过sql语句进行，概要逻辑为：本发明实施例中，将[a01]，[a02]，[a03]的结果集进行数据合并，主要目的是为了提供统一的相似度计算接口，后续方便程序的扩展，主要表现在对于[a01]，[a02]，[a03]的数据结构发生变化时，[a04]只调整表结构，添加字段或者不动，[a04]后续的程序不需要再发生变动。但如果数据不合并，从程序实现角度也是可以实现，只不过接口不统一，导致修正位置较多。另一方面，本发明实施例中，[a03]中的数据占比，可以很好的补充[a02]，[a02]反应的是商品的销量情况，[a03]反应的是销售受众情况。[a03]和[a02]的所有属性参与下文中的消费行为相似度的计算。继续参考图3，[a05]的主要功能为在结果集[a04]的基础上，计算[rst]各个商品和其他商品(可以为商品池中所有的商品，或者可以通过部分方法进行相关的范围缩小，例如，缺失品(商品集中库存量为0的商品)为手机，可以先过滤商品大的类别，排除不相关的类别，直接过滤手机类目)的相似度的判断。本发明实施例中，对于商品的相似度可以包括两部分，商品属性相似度和消费行为相似度。最终商品相似度可以由这两部分的乘积组成。详细说明如下：商品属性相似度：对于共有属性，主要来源为[a01]部分，这里的属性为离散值(例如，手机系统：安卓系统，iso；手机颜色：黑色、白色)，要么相同要么不同。另一方面，对于共有属性，也存在对相似度贡献度不同的情况，可以通过加权占比进行计算。对于属性贡献的权值，可以人为进行判断设置，默认各自为1，这里假设共n个共有属性，第i个共有属性的权值为δi，则商品属性部分商品f和k的相似度x(f,k)：其中上式中的if(f和k商品属性相同)，是指在进行相似性判断时，商品f和商品k在第i个共有属性上一致。上面公式(1)的分子的含义为如果商品f和商品k的第i个共有属性相同，则取值为第i个共有属性的权值δi；如果商品f和商品k的第i个共有属性不同，则取值为0。本发明实施例中，通过商品属性的加入，可以适当扩大商品相似度判断的商品范围，抛弃了固定在某一特定的品类或者品牌或者其他属性范围之内。现有技术中，业务选择时，直接定位在产品词范围之内，例如，缺失品如果为手机，则直接在手机的范围内寻找。而本发明实施例通过加入商品属性的相似度后，寻找的范围将放大，很可能是在大的品牌、产品词等更大的范围内寻找。消费行为相似度：消费行为相似度，主要是指商品对于用户进行购买时行为数据的相似性。这部分数据应该都为数值型属性(例如商品的订单量，商品的订单金额等)。假设结果集[a04]的消费属性(就是上面的数值型属性)，第k个商品的i个消费属性为aki，第i个消费属性全部数据的均值(定义为结果集[a04]中所有商品的第i个消费属性数据的求和/所有商品的个数获得的)为[a04]共有n个消费属性，则消费行为相似度计算步骤如下：第f和k行(即商品f和商品k)数据的相似度系数y(f，k)可以通过以下公式计算获得：对于相似度系数来说，数据的值越大，说明这两行数据的相似度越高。而且相似度系数有很好的数据性质，它综合的考虑了整合各个属性之间的联系。相似度系数的分值，是通过多个属性最终综合度量的结果，摈弃了人工单一维度的数据筛选。最终[rst]中商品f和其他商品k的相似度可以为：p(f,k)＝y(f,k)*x(f,k)(3)继续参考图3，[a06]严格依赖[a05]，主要是通过相似度去选择相关的替代品。该处相对p(f，k)已经确定了一个商品(该处和下文中的n-1是一致的，因为相似品的计算是矩阵式的计算，任何商品和自己的相似度最高，都为1，这里可以把自己排除)，所以根据该商品在[a04]中计算[a05]，这样可以得到n-1个相似度，可以对这个列表(例如计算缺失品的相似度，获得一个缺失品和其他相关商品的相似度列表)的相似度进行降序排列，排列的顺序即为替代品的优先级顺序。当然这里也可以设定一个相对的阈值，进行相对显著性(显著性就是判断该商品的相似度程度，如果说值较小，很有可能是其他统计误差造成，排除了稳定性较低的系统误差)的判断，对低于该阈值的商品进行过滤。例如可以设定阈值为0.85，具体的阈值可以根据实际情况进行调整。本发明实施方式提供的用于商品替代品发掘的方法，在选品后的商品集中，圈定结果集中的低值商品，通过商品属性、用户行为、用户属性分布等信息进行商品间的相似度统计，以与低值商品相似度较高的商品作为低值商品的替代，可以大范围的提高选品质量，从而提高客户服务满意度。图4示意性示出本公开示例性实施例中一种用于商品替代品发掘的装置的模块示意图。如图4所示，该用于商品替代品发掘的装置100可以包括选品模块110、低值商品获取模块120、相似度计算模块130以及替代品选取模块140。选品模块110可以用于进行商品选品，获得与业务应用贴合的商品集。低值商品获取模块120可以用于根据预设指标获取所述商品集中的低值商品。相似度计算模块130可以用于获取商品池中的商品与所述低值商品的相似度。替代品选取模块140可以用于根据所述相似度选取所述商品池中相应的商品作为所述低值商品的替代品。需要说明的是：所述用于商品替代品发掘的装置中各模块单元的具体细节已经在对应的用于商品替代品发掘的方法中进行了详细的描述，这里不再赘述。应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。下面参考图5，其示出了适于用来实现本申请实施例的电子设备600的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。如图5所示，电子设备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ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603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。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。特别地，根据本公开的实施例，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，执行本申请的系统中限定的上述功能。附图中的流程图和框图，图示了按照本申请各种实施例的装置、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。描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括发送单元、获取单元、确定单元和第一处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，发送单元还可以被描述为“向所连接的服务端发送图片获取请求的单元”。作为另一方面，本申请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：进行商品选品，获得与业务应用贴合的商品集；根据预设指标获取所述商品集中的低值商品；获取商品池中的商品与所述低值商品的相似度；根据所述相似度选取所述商品池中相应的商品作为所述低值商品的替代品。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本
技术领域：
：中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。当前第1页12当前第1页12