产品分类算法.文本分类. C# .算法建议

Question

好了各位。最后，在堆栈溢出社区的帮助下，我收集了20个销售网站产品页面的商业产品，具有以下功能

Product URL
Product Price
Product Name
Product Category
Product Page Title
Product Page Description
Product Page Keywords

现在，通过使用这些产品的特性，我必须对它们进行分类。分类是什么意思？让我解释一下。

现在，你可以想象，每个网站都以自己的方式列出产品。没有格式。因此，假设iphone 4以20种不同的方式在20个不同的网站上销售。所以我需要实现的是将这20个iphone页面分组在20个不同的网站上。所以当人们用iphone 4单词查询我的网站时，我会显示出20个结果。基本上，在500.000多个产品urls中，我需要对每个产品进行分组。因此，假设有15个gefore gtx 570卡在这500千个urls中，所以我需要将它们归类为同一个产品。你可以想象它是谷歌的产品。但我是在我自己的国家，也就是土耳其，谷歌没有土耳其的产品搜索。

简单地说，使用上面的特征，你会建议什么算法。如果可能的话，我不想使用任何训练技巧。一切都自动化了。

我使用的是C# 4.0 WPF，数据存储在MSSQL 2008 R2数据库中。

Answer 1

您不需要将各个字段中的单词反向索引到页面上吗？作为一个简单的例子，将每个Product (例如，按空格)分解并标准化每个关键字(比如小写，抛出标点符号)，然后将其映射到产品的URL或记录。然后搜索"iphone“就能让你接近正确的结果。您甚至有一个产品页关键字字段。

然后，产品分组就是搜索关键字的组合，比如"iphone“。

当然，要完善这样一个系统是非常复杂的，但基本的逻辑似乎适用于这里。例如，您对土耳其术语的标记可能需要特殊处理。

Answer 2

我会意识到作为装饰器的特性来自于Decorator模式。每个人都可以封住另一个装潢师。所以，每个真实的对象都会有特性: FirstObject，FirstObject.envelopes，FirstObject.envelopes.envelopes，.一直到最后。你将不得不做一个功能，为任何装饰者显示所有内在的。以及从你的数据库中产生的"MATRYOSHKA“的功能。

任何装饰师都有其特定的领域：

1. 功能的名称
2. 功能的值。应该将可能的功能值列表设置为每个Decorator类中的静态列表。
3. 它将显示在哪一页的格式。我会意识到，作为一个作为键的页面类型的地图和类布局的values=objects，将包括位置和格式。这些位置将在页面上真实显示功能。
4. 你还会分析其他页面吗？在这里，您还可以设置在页面上可以找到这些功能的位置。但这一点很难。
5. 在这里，您可以放置依赖项--哪些装饰器可以用哪一个包起来。
6. 这里还应该有一种机制，将重要信息从内部装饰者传递到外部信息。但这是设计模式标准的一部分。

另一个变体--每个对象都是这样的特性的列表，只有独立的特性。但那就是，IMHO，对于您的任务来说，过于动态的构造，而且更难控制。

这是最原始的模型。

至于更详细的内容，您应该考虑到特性名称的同义词。这意味着，可能的功能值列表将更改为列表列表。

下一步-一些特性可以作为一个字符串单独存在或组合在一起。例如，GeForce或590或GeForce 590。要实现这一点，您应该使用从属性，而不是装饰。

还有一个步骤--你应该考虑用数字表示的特性(价格，日期)。它独立于前两个步骤。而不是列出可能的值，装饰者将有一系列可能的值。搜索模式将被更改，以使范围设置成为可能。

下一个独立的步骤-按特征排序。在可能的值列表中，您拥有按包含排序的所有功能，并按顺序排序所有值。这是自然秩序。但你可以改变命令。

所以，你应该做的两个权力工具:搜索用户界面和订购用户界面。IMHO，尽量不要按代码对这些对象进行搜索或排序，而是使用SQL。对象只应表示它们，用于输入和输出以及设置搜索/排序UI定义。

当然，可以进一步阐述，但更好的办法是逐步实现这一任务。