CN111353838A - 自动化校验商品类目的方法和装置 - Google Patents
自动化校验商品类目的方法和装置 Download PDFInfo
- Publication number
- CN111353838A CN111353838A CN201811571500.5A CN201811571500A CN111353838A CN 111353838 A CN111353838 A CN 111353838A CN 201811571500 A CN201811571500 A CN 201811571500A CN 111353838 A CN111353838 A CN 111353838A
- Authority
- CN
- China
- Prior art keywords
- category
- level
- commodity
- prediction
- equal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000013145 classification model Methods 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 238000007635 classification algorithm Methods 0.000 claims description 7
- 239000000835 fiber Substances 0.000 description 14
- 244000025254 Cannabis sativa Species 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000004744 fabric Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 239000004753 textile Substances 0.000 description 5
- 238000005034 decoration Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010304 firing Methods 0.000 description 3
- 239000004816 latex Substances 0.000 description 3
- 229920000126 latex Polymers 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 244000037364 Cinnamomum aromaticum Species 0.000 description 2
- 235000014489 Cinnamomum aromaticum Nutrition 0.000 description 2
- 238000000222 aromatherapy Methods 0.000 description 2
- 125000003118 aryl group Chemical group 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 229920001971 elastomer Polymers 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 241001248531 Euchloe <genus> Species 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种自动化校验商品类目的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:获取商品的标题和实际类目;利用第i级分类模型对商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率;i为整数且1≤i≤N,N为大于或等于1的整数;从第一级类目集中,选择概率最大的一级类目作为一级预测类目;从第k级类目集中,选择包含(k‑1)级预测类目的第k级类目作为k级预测类目,将所述k级预测类目作为所述商品的预测类目,其中,k为整数且1<k≤i;根据预测类目对实际类目进行校验。该实施方式能够综合考虑文本语义和上层类目,自动校验商品类目,降低人力工作量,提高准确率和效率,可扩展性强。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种自动化校验商品类目的方法和装置。
背景技术
商品类目体系是电子商务领域最重要的基础设施之一,其质量优劣将会直接影响到后续搜索推荐、意图识别以及相关个性化服务的应用。但是在实际电商网站运转过程中,经常会出现误挂类目的现象,进而导致商品被错误地划归其他不相关类目下而使得用户体验、商品转化率降低。目前检测类目无挂的方式主要有两种,一种是依靠运营人员判定商家的商品标题和归属的类目是否正确,另一种是通过规则筛选出标题与配置类目不匹配的商品,然后再通过人工排除。
举例来讲,第一种方法的工作机制为:运营人员根据商家上架的商品标题如“特曲52度浓香型白酒500ml”,以及电商平台给定的类目“酒类—白酒”,结合实际运营经验,判定是正确的;第二种方法的工作机制为:给定商品标题为“特曲52度浓香型白酒500ml”,但电商平台给定的类目为“运营商—手机通讯”,商品标题关键词含有“白酒”,如果设置一条规则,含有关键词“白酒”的不能划归至“运营商”大类目之下,则计算机***会根据此条规则能够确定该商品被误挂。
但是,对于互联网电商企业,每日新增商品数以十万计,人力审核商品是否与类目匹配需要大量的人力和时间,成本较高;第二种方法的最大缺点是规则的局限性和不可拓展性,规则的核心是通过关键词判定,规则越少,很多商品错挂的现象不容易被查出来,规则越少,算法性能会受到越大的影响,相互矛盾的规则出现的概率越大,准确性较差。综上所述,如果仅仅依靠人为工作或者现有规则审核,远远不能满足从上亿条数据中审核类目错挂的需求。
发明内容
有鉴于此,本发明实施例提供一种自动化校验商品类目的方法和装置,能够综合考虑文本语义和上层类目,自动校验商品类目,降低人力工作量,提高准确率和效率,可扩展性强。
为实现上述目的,根据本发明实施例的一个方面,提供了一种自动化校验商品类目的方法,包括:获取商品的标题和实际类目;利用第i级分类模型对所述商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率;i为整数且1≤i≤N,N为大于或等于1的整数;从第一级类目集中,选择概率最大的一级类目作为一级预测类目;从第k级类目集中,选择包含(k-1)级预测类目的第k级类目作为k级预测类目,将所述k级预测类目作为所述商品的预测类目,其中,k为整数且1<k≤i;根据所述预测类目对所述实际类目进行校验。
可选地,所述方法还包括:若第k级类目集中不包含(k-1)级预测类目,则从第k级类目集中选择概率最大的k级类目作为k级预测类目。
可选地,所述第i级分类模型根据如下过程获得:获取样本集,所述样本集包括多个商品的标题及类目信息;根据所述样本集中的类目信息,构造N个类目树,其中,所述N个类目树的层级从1依次递增至N;将层级为i的类目树作为i级类目树,根据所述样本集和所述i级类目树构造第i级子样本集;利用预设的分类算法对第i级子样本集进行训练,确定第i级分类模型。
可选地,在利用第i级分类模型对所述商品的标题进行计算之前,所述方法还包括:对所述商品的标题进行分词,获得多个词语;
利用词向量转换算法,将每个所述词语转化为词向量。
可选地,根据所述预测类目对所述实际类目进行校验包括:利用相似度算法计算所述预测类目和实际类目之间的文本相似度;若所述文本相似度大于或等于阈值,确定所述商品的实际类目通过校验。
为实现上述目的,根据本发明实施例的一个方面,提供了一种自动化校验商品类目的装置,包括:信息获取模块,用于获取商品的标题和实际类目;分类模块,用于利用第i级分类模型对所述商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率;i为整数且1≤i≤N,N为大于或等于1的整数;预测类目确定模块,用于从第一级类目集中,选择概率最大的一级类目作为一级预测类目;从第k级类目集中,选择包含(k-1)级预测类目的第k级类目作为k级预测类目,将所述k级预测类目作为所述商品的预测类目,其中,k为整数且1<k≤i;校验模块,用于根据所述预测类目对所述实际类目进行校验。
可选地,所述预测类目确定模块还用于:若第k级类目集中不包含(k-1)级预测类目,则从第k级类目集中选择概率最大的k级类目作为k级预测类目。
可选地,所述装置还包括模型训练模块,用于:获取样本集,所述样本集包括多个商品的标题及类目信息;根据所述样本集中的类目信息,构造N个类目树,其中,所述N个类目树的层级从1依次递增至N;将层级为i的类目树作为i级类目树,根据所述样本集和所述i级类目树构造第i级子样本集;利用预设的分类算法对第i级子样本集进行训练,确定第i级分类模型。
可选地,所述装置还包括词向量转换模块,用于:对所述商品的标题进行分词,获得多个词语;利用词向量转换算法,将每个所述词语转化为词向量。
可选地,所述校验模块还用于:利用相似度算法计算所述预测类目和实际类目之间的文本相似度;若所述文本相似度大于或等于阈值,确定所述商品的实际类目通过校验。
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的自动化校验商品类目的方法。
为实现上述目的,根据本发明实施例的一个方面,提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现本发明实施例的自动化校验商品类目的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用利用第i级分类模型对所述商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率;i为整数且1≤i≤N,N为大于或等于1的整数;从第一级类目集中,选择概率最大的一级类目作为一级预测类目;从第k级类目集中,选择包含(k-1)级预测类目的第k级类目作为k级预测类目,将所述k级预测类目作为所述商品的预测类目,其中,k为整数且1<k≤i;根据所述预测类目对所述实际类目进行校验的技术手段,能够综合考虑文本语义和上层类目,自动校验商品类目,降低人力工作量,提高准确率和效率,可扩展性强。
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
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:
图1是根据本发明实施例的自动化校验商品类目的方法的主要流程的示意图;
图2是根据本发明另一实施例的自动化校验商品类目的方法的子流程的示意图;
图3是根据本发明实施例的自动化校验商品类目的方法L类目树的示意图;
图4是根据又一本发明实施例的自动化校验商品类目的方法的分类模型的示意图;
图5是根据本发明实施例的自动化校验商品类目的装置的主要模块的示意图;
图6是本发明实施例可以应用于其中的示例性***架构图;
图7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***的结构示意图。
具体实施方式
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。
图1是根据本发明实施例的自动校验商品类目的方法的主要步骤的流程示意图,如图1所示,该方法包括:
步骤S101:获取商品的标题和实际类目。
具体的,可以通过网络爬虫获取商品的标题和实际类目信息,其中,网络爬虫是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。作为具体的示例,获取的商品标题为“艾薇(AVIVI)枕芯枕头决明子枕心纤维香薰枕45*70cm”,实际类目为“家纺—床上用品—花草枕—纤维枕”。
在实际应用中,为了使商品得以区分和体系化,以及方便消费者在电子商务平台上查看商品的具体内容信息,而对商品做出归类,以所选择的适当的商品基本特征作为分类标志,逐次归纳为若干个范围更小、特质更趋一致的子集合体(类目)中,例如大类、中类、小类、细类,直至品种、细目等。类目级别越低越能体现商品的个性特征,类目级别越高越能体现一类商品的共有特征;上层类目是指对于不同层级的类目,其所有上层的类目。举例来说,对于“家纺—床上用品—花草枕—纤维枕”来说,“家纺”为一级类目,为二级类目、三级类目和四级类目的上层类目;“床上用品”为二级类目,为三级类目和四级类目的上层类目;“花草枕”为三级类目,为四级类目的上层类目;“纤维枕”可以称为四级类目。对于类目“电脑、办公-文具/耗材-硒鼓/墨粉”来说,“硒鼓/墨粉”为三级类目,“电脑、办公”和“电脑、办公-文具/耗材”均为第三层的上层类目。
步骤S102:利用第i级分类模型对所述商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率;i为整数且1≤i≤N,N为大于或等于1的整数。
在本实施例中共有N个分类模型,该N个分类模型的层级从1依次递增至N,层级为i的分类模型称为第i级分类模型。对于N个分类模型中的第i级分类模型:利用该分类模型对所述商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率。
在可选的实施例中,在利用第i级分类模型对所述商品的标题进行计算之前,所述方法还包括:
对所述商品的标题进行分词,获得多个词语;
利用词向量转换算法,将每个所述词语转化为词向量。
其中,分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。在本实施例中可以利用现有的分词技术,例如基于字符串匹配的分词方法、基于理解的分词方法和基于统计的分词方法等对商品的标题进行分词。
词向量是将词转化成为稠密向量,并且对于相似的词,其对应的词向量也相近。所述词向量转换算法用于将自然语言中的词语转化为计算机可以理解的稠密向量。优选地,所述词向量转换算法为word2vec算法,其基本思想是通过训练将每个词语映射成预定维度的实数向量。相比于现有的词袋模型或向量空间模型,word2vec算法能更好地表达文本的语义信息。
作为具体的示例,商品标题为“春秋季1-3-6岁男女宝宝鞋运动鞋男女休闲小白鞋幼儿童单鞋金色28码数17cm内长”,将该标题进行分词,得到词语“春秋季、1-3-6岁、男女、宝宝鞋、运动鞋、男女、休闲小白鞋、幼儿童、单鞋、金色、28码数、17cm内长”,然后将每个词语转化成词向量,如[[0.2123,0.1232,0.7238,….],[0.5628,0.2813,0.92 72,…],….]。
如图2所示,上述第i级分类模型根据如下过程获得:
步骤S202:获取样本集,所述样本集包括多个商品的标题及类目信息。
在可选的实施例中,在获取样本集之后,将样本集划分成用于分类模型训练的训练数据集和用于测试分类模型的效果的验证数据集,其中,训练数据集中的样本量大于验证数据集中的样本量,例如,将样本集按照9:1的比例划分成训练数据集和验证数据集。
作为具体的示例,样本集中的部分样本数据如表1所示。
表1:
由表1可知,不同的商品标题对应的类目层级是不同的,比如“春秋季1-3-6岁男女宝宝鞋运动鞋男女休闲小白鞋幼儿童单鞋金色28码数17cm内长”,其对应类目为“母婴---童鞋---运动鞋”(“母婴---童鞋---运动鞋”也可以称为类目路径),涉及到的类目为“母婴、童鞋、运动鞋”,层级为3;又比如“聚惠新交规车牌架加厚不锈钢银色汽车用品牌照框车管所车牌框车型通用牌照托盘”,其对应类目为“汽车用品---汽车装饰---车身装饰件---其他功能小件---防撞胶条”,涉及到的类目为“汽车用品、汽车装饰、车身装饰件、其他功能小件、防撞胶条”,层级为5。
步骤S202:根据所述样本集中的类目信息,构造N个类目树,其中,所述N个类目树的层级从1依次递增至N。
从实际应用中可知,商品类目体系是逐级细分的,所以可以用树结构表示商品类目,即构造类目树。其中,树是一种非线性的数据结构,是由多个节点组成的有限集合。
进一步的,可以通过遍历所有的类目,将存在的类目作为树节点逐步添加到树中,以形成类目树。例如,已知存在类目“家纺—床上用品—花草枕—纤维枕”和“家纺—床上用品—花草枕—乳胶枕”,则类目树第一层节点为根节点,第二层节点为家纺,第三层节点床上用品,第四层节点为花草枕,第五层节点同时存在纤维枕和乳胶枕。将上述表达转化成图,如图3所示。
为方便表达,可以将N个类目树中层级为i的类目树简称为i级类目树,1≤i≤N,i为整数。作为具体的示例,N=8,则类目树的最大层级为8。
步骤S203:将层级为i的类目树作为i级类目树,根据所述样本集和所述i级类目树构造第i级子样本集。
根据类目级别不同,可以根据样本集生成不同类目级别的子样本集,例如一级子样本集、二级子样本集、i级子样本集。
作为具体的示例,商品标题“春秋季1-3-6岁男女宝宝鞋运动鞋男女休闲小白鞋幼儿童单鞋金色28码数17cm内长”,其类目为“母婴---童鞋---运动鞋”,可以将商品类目拓展为:一级商品类目“母婴”,二级商品类目“母婴---童鞋”,三级商品类目“母婴---童鞋---运动鞋”。因为类目“母婴---童鞋---运动鞋”只有三层,不支持生成四级子样本集,所以该样本数据不能出现在四级子样本集中,只能出现在一级子样本集、二级子样本集和三级子样本集中。
示例性的,根据表1所示的样本集生成的一级子样本集、二级子样本集和三级子样本集分别如表2、表3和表4所示,由于篇幅限制,其他层级的子样本集不再示出。
表2:
表3:
表4:
步骤S204:利用预设的分类算法对第i级子样本集进行训练,确定第i级分类模型。
具体的,预设的分类算法可以是Fasttext、AbLSTM等算法。其中,Fasttext算法是Mikolov在2016年提出的,它由输入层,隐含层和输出层三部分构成。在进行分类时,向输入层输入一个商品标题分词后生成的词序列,序列中的词和词通过N-gram方法组成若干特征向量,特征向量通过线性变换映射到隐含层,再通过非线性激活函数输出商品分类。AbLSTM算法的网络结构主要由输入层、词向量转换层、双向LSTM层(LSTM为Long Short-TermMemory的缩写,是一种长短期记忆网络)和输出层构成。输入层输入商品标题分词后生成的词序列,词向量层将词序列转换成对应的词向量序列,双向LSTM层进行隐藏转换映射,输出层利用Attention机制(注意力机制)算出各部分对总体类别预测重要性进而取得各个分类的概率。
在可选的实施例中,在执行步骤S204之前,所述方法还包括:对各个子样本集中的商品标题进行分词,获得多个词语;利用词向量转换算法,将每个所述词语转化为词向量。具体的过程可参考步骤S102中的分词方法与词向量转换算法。
以N=8为例,如图4所示,通过步骤S202构造了8个类目树,类目树的最大层级为8;通过步骤S203生成了8个子样本集(即图中的一级类目训练集数据等);通过步骤S204训练得到8个分类模型(即图中的一级类目分类模型)。
步骤S103:从第一级类目集中,选择概率最大的一级类目作为一级预测类目;
步骤S104:从第k级类目集中,选择包含(k-1)级预测类目的第k级类目作为k级预测类目,将所述k级预测类目作为所述商品的预测类目,其中,k为整数且1<k≤i。
在步骤S104中,若第k级类目集中不包含(k-1)级预测类目,则从第k级类目集中选择概率最大的k级类目作为k级预测类目。
下面以N=6为例进行说明。则经过步骤S201-S204共生成了8个分类模型,分别是一级分类模型、二级分类模型……八级分类模型。分别利用该8个分类模型对商品的标题“艾薇(AVIVI)枕芯枕头决明子枕心纤维香薰枕45*70cm”进行计算,为了方便说明,取每个分类模型的结果集中概率最大的前3个值,如下表4所示。
表4:
根据步骤S103:“家纺”概率最大为0.823,选择“家纺”作为一级预测类目;
根据步骤S103:
对于第二级类目集中,包含上层结果“家纺”的,选择“家纺—床上用品”和“家纺—居家布艺”分别作为二级预测类目;
对于第三级类目集中,包含上层结果“家纺—床上用品”、“家纺—居家布艺”的,选择“家纺—床上用品—花草枕”和“家纺—居家布艺—抱枕靠垫”分别作为三级预测类目;
对于第四级类目集中,包含上层结果“家纺—床上用品—花草枕”,“家纺—居家布艺—抱枕靠垫”的,选择“家纺—床上用品—花草枕—纤维枕”、“家纺—居家布艺—抱枕靠垫—头枕腰靠”分别作为四级预测类目;
对于第五级类目集中,没有包含上层结果“家纺—床上用品—花草枕—纤维枕”、“家纺—居家布艺—抱枕靠垫—头枕腰靠”的类目,则退回第四类目集,比较“家纺—床上用品—花草枕—纤维枕”、“家纺—居家布艺—抱枕靠垫—头枕腰靠”的概率,由于前者的概率较大,则选择“家纺—床上用品—花草枕—纤维枕”作为该商品的预测类目。
步骤S105:根据所述预测类目对所述实际类目进行校验。
具体的,可以包括如下过程:
利用相似度算法计算所述预测类目和实际类目之间的文本相似度;
若所述文本相似度大于或等于阈值,确定所述商品的实际类目通过校验。
其中,文本的相似度可以利用余弦相似度、编辑距离、汉明距离或曼哈顿距离或J-W距离等表示,相应的,相似度算法可以选择余弦相似度算法、编辑距离方法、汉明距离算法、曼哈顿距离算法或J-W距离算法。作为具体的示例,本实施例中利用J-W距离算法衡量文本的相似度。J-W距离算法实际上是jaro distance(jaro距离)的一种变种。Jaro距离属于编辑距离的一类,被用于记录链接领域来将异构数据源中的records(记录)链接到同义实体中,也可以用于拼写纠错。Jaro距离的定义如下式(1)所示,有了jaro距离,我们定义J-W距离如下式(2)所示:
其中,dj表示jaro距离,m表示预测类目和实际类目之间对应位置字符相同的个数,s1和s2分别表示预测类目和实际类目的字符串长度,t表示预测类目和实际类目之间字符串换位数目的二分之一,dw表示最终预测类目和实际类目信息之间的文本相似度,l表示起始最大公共前缀且l≤4,p表示缩放因子,bt表示激发阈值,当jaro距离超过激发阈值时激发jaro距离为J-W距离。p用于对l进行调整,避免dw超出1。在本实施例中p取值为0.1,bt取值为0.7。
例如,字符串s1=MARTHA,字符串s2=MARHHA,s1和s2中字符“M、A、R、H、A”相互匹配,则m=5,s1字符串长度|s1|=6,s2字符串长度|s2|=6,T/H属于一对换位字符对,故t=1/2=0.5,带入上式可得dj为0.847;“MAR”为起始最大公共前缀,则k为3,带入上式可得dw为0.908,所以s1和s2之间的文本相似度为0.908。
在上面的例子中,预测类目为“家纺—床上用品—花草枕—纤维枕”,实际类目为“家纺—床上用品—花草枕—乳胶枕”,则m=10,|s1|=12,|s2|=12,t=0,k=4,带入上式可得dj=0.889,dw=0.933。假如设置的阈值为0.9,因为dw=0.933>0.9,所以该商品的实际类目通过校验,表明该商品没有误挂类目。
本发明实施例的自动化校验商品类目的方法能够综合考虑文本语义和上层类目,自动校验商品类目,降低人力工作量,提高准确率和效率,可扩展性强。
图5是根据本发明实施例的自动化校验商品类目的装置500的主要模块的示意图,如图5所示,该装置500包括:
信息获取模块501,用于获取商品的标题和实际类目;
分类模块502,用于利用第i级分类模型对所述商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率;i为整数且1≤i≤N,N为大于或等于1的整数;
预测类目确定模块503,用于从第一级类目集中,选择概率最大的一级类目作为一级预测类目;从第k级类目集中,选择包含(k-1)级预测类目的第k级类目作为k级预测类目,将所述k级预测类目作为所述商品的预测类目,其中,k为整数且1<k≤i;
校验模块504,用于根据所述预测类目对所述实际类目进行校验。
可选地,所述预测类目确定模块503还用于:若第k级类目集中不包含(k-1)级预测类目,则从第k级类目集中选择概率最大的k级类目作为k级预测类目。
可选地,所述装置还包括模型训练模块,用于:获取样本集,所述样本集包括多个商品的标题及类目信息;根据所述样本集中的类目信息,构造N个类目树,其中,所述N个类目树的层级从1依次递增至N;将层级为i的类目树作为i级类目树,根据所述样本集和所述i级类目树构造第i级子样本集;利用预设的分类算法对第i级子样本集进行训练,确定第i级分类模型。
可选地,所述装置还包括词向量转换模块,用于:对所述商品的标题进行分词,获得多个词语;利用词向量转换算法,将每个所述词语转化为词向量。
可选地,所述校验模块504还用于:利用相似度算法计算所述预测类目和实际类目之间的文本相似度;若所述文本相似度大于或等于阈值,确定所述商品的实际类目通过校验。
上述装置可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
图6示出了可以应用本发明实施例的自动化校验商品类目的方法或自动化校验商品类目的装置的示例性***架构600。
如图6所示,***架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604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601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603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、即时通信工具、邮箱客户端、社交平台软件等。
终端设备601、602、603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605可以是提供各种服务的服务器,例如对用户利用终端设备601、602、603所浏览的购物类网站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产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。
需要说明的是,本发明实施例所提供的自动化校验商品类目的方法一般由服务器605执行,相应地,自动化校验商品类目的装置一般设置于服务器605中。
应该理解,图6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。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机***700的结构示意图。图7示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机***700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有***700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;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707;包括硬盘等的存储部分708;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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,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710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708。
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709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明的***中限定的上述功能。
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***、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***、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***、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。
附图中的流程图和框图,图示了按照本发明各种实施例的***、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***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的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:一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中,这些模块的名称在某种情况下并不构成对该单元本身的限定,例如,发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
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:
获取商品的标题和实际类目;
利用第i级分类模型对所述商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率;i为整数且1≤i≤N,N为大于或等于1的整数;
从第一级类目集中,选择概率最大的一级类目作为一级预测类目;从第k级类目集中,选择包含(k-1)级预测类目的第k级类目作为k级预测类目,将所述k级预测类目作为所述商品的预测类目,其中,k为整数且1<k≤i;
根据所述预测类目对所述实际类目进行校验。
本发明实施例的技术方案,能够综合考虑文本语义和上层类目,自动校验商品类目,降低人力工作量,提高准确率和效率,可扩展性强。
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。
Claims (12)
1.一种自动化校验商品类目的方法,其特征在于,包括:
获取商品的标题和实际类目;
利用第i级分类模型对所述商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率;i为整数且1≤i≤N,N为大于或等于1的整数;
从第一级类目集中,选择概率最大的一级类目作为一级预测类目;
从第k级类目集中,选择包含(k-1)级预测类目的第k级类目作为k级预测类目,将所述k级预测类目作为所述商品的预测类目,其中,k为整数且1<k≤i;
根据所述预测类目对所述实际类目进行校验。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若第k级类目集中不包含(k-1)级预测类目,则从第k级类目集中选择概率最大的k级类目作为k级预测类目。
3.根据权利要求1所述的方法,其特征在于,所述第i级分类模型根据如下过程获得:
获取样本集,所述样本集包括多个商品的标题及类目信息;
根据所述样本集中的类目信息,构造N个类目树,其中,所述N个类目树的层级从1依次递增至N;
将层级为i的类目树作为i级类目树,根据所述样本集和所述i级类目树构造第i级子样本集;
利用预设的分类算法对第i级子样本集进行训练,确定第i级分类模型。
4.根据权利要求1-3任一项所述的方法,其特征在于,在利用第i级分类模型对所述商品的标题进行计算之前,所述方法还包括:
对所述商品的标题进行分词,获得多个词语;
利用词向量转换算法,将每个所述词语转化为词向量。
5.根据权利要求4所述的方法,其特征在于,根据所述预测类目对所述实际类目进行校验包括:
利用相似度算法计算所述预测类目和实际类目之间的文本相似度;
若所述文本相似度大于或等于阈值,确定所述商品的实际类目通过校验。
6.一种自动化校验商品类目的装置,其特征在于,包括:
信息获取模块,用于获取商品的标题和实际类目;
分类模块,用于利用第i级分类模型对所述商品的标题进行计算,确定所述商品属于第i级类目集中每个i级类目的概率;i为整数且1≤i≤N,N为大于或等于1的整数;
预测类目确定模块,用于从第一级类目集中,选择概率最大的一级类目作为一级预测类目;从第k级类目集中,选择包含(k-1)级预测类目的第k级类目作为k级预测类目,将所述k级预测类目作为所述商品的预测类目,其中,k为整数且1<k≤i;
校验模块,用于根据所述预测类目对所述实际类目进行校验。
7.根据权利要求6所述的装置,其特征在于,所述预测类目确定模块还用于:
若第k级类目集中不包含(k-1)级预测类目,则从第k级类目集中选择概率最大的k级类目作为k级预测类目。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括模型训练模块,用于:
获取样本集,所述样本集包括多个商品的标题及类目信息;
根据所述样本集中的类目信息,构造N个类目树,其中,所述N个类目树的层级从1依次递增至N;
将层级为i的类目树作为i级类目树,根据所述样本集和所述i级类目树构造第i级子样本集;
利用预设的分类算法对第i级子样本集进行训练,确定第i级分类模型。
9.根据权利要求6-8任一项所述的装置,其特征在于,所述装置还包括词向量转换模块,用于:
对所述商品的标题进行分词,获得多个词语;
利用词向量转换算法,将每个所述词语转化为词向量。
10.根据权利要求9所述的装置,其特征在于,所述校验模块还用于:
利用相似度算法计算所述预测类目和实际类目之间的文本相似度;
若所述文本相似度大于或等于阈值,确定所述商品的实际类目通过校验。
11.一种电子设备,其特征在于,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如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811571500.5A CN111353838A (zh) | 2018-12-21 | 2018-12-21 | 自动化校验商品类目的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811571500.5A CN111353838A (zh) | 2018-12-21 | 2018-12-21 | 自动化校验商品类目的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111353838A true CN111353838A (zh) | 2020-06-30 |
Family
ID=71196932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811571500.5A Pending CN111353838A (zh) | 2018-12-21 | 2018-12-21 | 自动化校验商品类目的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111353838A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241493A (zh) * | 2020-10-28 | 2021-01-19 | 浙江集享电子商务有限公司 | 商品检索方法、装置、计算机设备和存储介质 |
CN112801720A (zh) * | 2021-04-12 | 2021-05-14 | 连连(杭州)信息技术有限公司 | 一种店铺类目识别模型生成、店铺类目识别的方法及装置 |
CN113010812A (zh) * | 2021-03-10 | 2021-06-22 | 北京百度网讯科技有限公司 | 信息采集方法、装置、电子设备和存储介质 |
CN113793191A (zh) * | 2021-02-09 | 2021-12-14 | 京东科技控股股份有限公司 | 商品的匹配方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609422A (zh) * | 2011-01-25 | 2012-07-25 | 阿里巴巴集团控股有限公司 | 类目错放识别方法和装置 |
CN103646343A (zh) * | 2013-12-18 | 2014-03-19 | 世纪禾光科技发展(北京)有限责任公司 | 一种基于文本的商品分类处理方法及其*** |
CN103902545A (zh) * | 2012-12-25 | 2014-07-02 | 北京京东尚科信息技术有限公司 | 一种类目路径识别方法及*** |
WO2017162074A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 商品映射方法、装置及设备 |
CN107704892A (zh) * | 2017-11-07 | 2018-02-16 | 宁波爱信诺航天信息有限公司 | 一种基于贝叶斯模型的商品编码分类方法以及*** |
-
2018
- 2018-12-21 CN CN201811571500.5A patent/CN111353838A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609422A (zh) * | 2011-01-25 | 2012-07-25 | 阿里巴巴集团控股有限公司 | 类目错放识别方法和装置 |
CN107122980A (zh) * | 2011-01-25 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 识别商品所属类目的方法和装置 |
CN103902545A (zh) * | 2012-12-25 | 2014-07-02 | 北京京东尚科信息技术有限公司 | 一种类目路径识别方法及*** |
CN103646343A (zh) * | 2013-12-18 | 2014-03-19 | 世纪禾光科技发展(北京)有限责任公司 | 一种基于文本的商品分类处理方法及其*** |
WO2017162074A1 (zh) * | 2016-03-25 | 2017-09-28 | 阿里巴巴集团控股有限公司 | 商品映射方法、装置及设备 |
CN107704892A (zh) * | 2017-11-07 | 2018-02-16 | 宁波爱信诺航天信息有限公司 | 一种基于贝叶斯模型的商品编码分类方法以及*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241493A (zh) * | 2020-10-28 | 2021-01-19 | 浙江集享电子商务有限公司 | 商品检索方法、装置、计算机设备和存储介质 |
CN113793191A (zh) * | 2021-02-09 | 2021-12-14 | 京东科技控股股份有限公司 | 商品的匹配方法、装置及电子设备 |
CN113793191B (zh) * | 2021-02-09 | 2024-05-24 | 京东科技控股股份有限公司 | 商品的匹配方法、装置及电子设备 |
CN113010812A (zh) * | 2021-03-10 | 2021-06-22 | 北京百度网讯科技有限公司 | 信息采集方法、装置、电子设备和存储介质 |
CN113010812B (zh) * | 2021-03-10 | 2023-07-25 | 北京百度网讯科技有限公司 | 信息采集方法、装置、电子设备和存储介质 |
CN112801720A (zh) * | 2021-04-12 | 2021-05-14 | 连连(杭州)信息技术有限公司 | 一种店铺类目识别模型生成、店铺类目识别的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11995702B2 (en) | Item recommendations using convolutions on weighted graphs | |
US9436919B2 (en) | System and method of tuning item classification | |
CN102236663B (zh) | 一种基于垂直搜索的查询方法、***和装置 | |
CN111353838A (zh) | 自动化校验商品类目的方法和装置 | |
US9390165B2 (en) | Summarization of short comments | |
CN109145280A (zh) | 信息推送的方法和装置 | |
CN107145485B (zh) | 用于压缩主题模型的方法和装置 | |
CN104778186B (zh) | 将商品对象挂载到标准产品单元的方法及*** | |
CN112100396B (zh) | 一种数据处理方法和装置 | |
CN109697641A (zh) | 计算商品相似度的方法和装置 | |
CN103116588A (zh) | 一种个性化推荐方法及*** | |
JP2010501096A (ja) | ラッパー生成およびテンプレート検出の協同最適化 | |
CN111046170B (zh) | 用于输出信息的方法和装置 | |
CN110674621B (zh) | 一种属性信息填充方法和装置 | |
US10055741B2 (en) | Method and apparatus of matching an object to be displayed | |
KR102307517B1 (ko) | 네트워크 기반 상품 추천 방법 및 장치 | |
CN115080742B (zh) | 文本信息抽取方法、装置、设备、存储介质以及程序产品 | |
CN111753082A (zh) | 基于评论数据的文本分类方法及装置、设备和介质 | |
WO2019072098A1 (zh) | 一种识别核心产品词的方法和*** | |
CN110795613B (zh) | 商品搜索方法、装置、***及电子设备 | |
CN110516033A (zh) | 一种计算用户偏好的方法和装置 | |
CN112116426A (zh) | 一种推送物品信息的方法和装置 | |
CN111209351A (zh) | 对象关系预测、对象推荐方法及装置、电子设备、介质 | |
CN106708871A (zh) | 一种社交业务特征用户的识别方法和装置 | |
CN112347147A (zh) | 基于用户关联关系的信息推送方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |