【资源自取】25825条电商搜索词库:电商搜索词从哪来、怎么用?
【资源自取】25825条电商搜索词库:电商搜索词从哪来、怎么用?
「电商搜索词库资源下载」仓库里是一份 .7z 压缩包,内含 25825 条电商搜索词库词条,覆盖淘宝、天猫、京东、拼多多。它解决的是分词器和搜索系统缺少现成电商词表的问题——不用再自己爬各平台的搜索日志去清洗词源。
它解决什么问题
写搜索相关代码的人常卡在三件事上:分词器把品牌词、商品词切碎,比如「甘汁园」被切成「甘/汁/园」;搜索排序想利用电商领域词源,手里却没有现成词表;自己从各平台采集词条再清洗,成本高还容易漏词。这份词库直接给出一份整理好的电商词源,把采集和清洗环节省掉。
📦 电商搜索词库覆盖平台清单与文件规格
- 压缩文件:
电商词库、淘宝、天猫、京东、拼多多各大电商平台搜索词库,分词词库.7z,304 KiB - 包内内容:单个文件
词库-最全.xlsx,Sheet1 单列、无表头 - 词条数量:25825 条
- 覆盖平台:淘宝、天猫、京东、拼多多(通用电商搜索词库)
- 词条形态:中文为主,以 2~4 字的品牌词、商品词、品类词居多
更多说明见仓库根目录的 README.md。
电商词库导入分词工具步骤
- 在仓库文件列表下载词库压缩包。
- 用 7-Zip 解压,或命令行执行
7z x 词库.7z。 - 打开
词库-最全.xlsx,把单列内容另存为 txt(一行一个词)或 csv。 - 将该文件作为自定义词典导入分词工具,如 jieba 的 user_dict、IK 的 ext 词典;做搜索系统的,直接接到 query 分词或排序环节。
🛒 两个最典型的落地场景
为分词器补充电商领域词。 搭分词服务的开发者遇到购物 query 时,品牌词常被切碎导致召回不准。把这份 25825 条词表作为用户词典导入后,「甘汁园」「自热米饭」这类词被识别为完整词条,不用改任何分词配置。
搜索排序的词表扩充。 搜索工程师发现用户搜「胡椒粉」时结果漂移,因为排序层不认识「五香粉」「黑胡椒粉」这些同域变体。以这份词库作为领域词表接入排序环节后,品类词的搜索结果与商品实际名称的匹配度更好。
词库怎么保持新鲜
仓库接受两种具体参与方式:发现缺词或词条有问题,提 Issue,写清楚具体词条、来源平台(淘宝/京东/拼多多等)以及出问题的搜索场景;手里有想补充的新词,按现有单列格式追加到 词库-最全.xlsx,然后提交 Pull Request 附修改后的文件即可。
去仓库把这份 .7z 下载下来,先导入分词工具试试你的搜索词能命中多少条。
登录后查看全文