电商平台的商品分类查询,与文档查询的特点类似,因而可将其纳入信息检索领域的研究范围。用户利用电商搜索引擎进行查询时可能存在如下两类问题:一、误输入错误的查询,该查询与数据库中的商品分类不一致;二、输入意图模糊的查询,此时平台展示出太多不符和用户兴趣的商品分类。受信息检索中查询扩展思想的启发,结合在电商公司实习期间解决的实际问题,本文提出一种基于用户日志及查询语义的商品分类扩展方法,使查询结果更符合用户的真实需求。本文的工作主要有以下几方面:1.对用户查询做商品分类预测。以从检索后台拉取的用户日志为基础,基于FastText对其中的用户查询和商品分类进行训练,得到商品分类预测模型;通过分析日志文件的特点,本文对用户查询分别进行三个等级的商品分类预测。2.对用户查询做商品分类扩展。以用户历史查询过的商品分类为基础,基于Word2Vec计算本次查询和历史商品分类间的语义相似度,并将相关的商品分类作为扩展集;为充分挖掘词间的语义联系,本文基于爬虫对多家电商平台上的语料进行收集。3.实验和系统开发。通过实验一,对比了训练不同条件下的用户日志所生成的商品分类预测模型的效果,选出准确率最高的模型;然后通过实验二,对比了依据不同维度词向量文件所计算出的语义相似度在不同区间中的数量分布情况,进而确定了三个较合理的相似度阈值;最后基于前两个实验结果,借助所开发的实验系统对商品分类预测和扩展效果进行展示。