基于语义知识的汽配件搜索方法技术

一种基于语义知识的汽配件搜索方法，包括：在建立好配件数据库的基础上，进行历史人工译码数据标注、制作模型训练数据；使用清洗后的样本作为训练数据，构建知识图谱和匹配模型；根据用户输入的关键词通过知识图谱的匹配，关连出相对应的别名，再利用扩展出的别名列表从车型配件全表中做匹配，排出相关性最高的配件；最后，输出零件名称，以及数据库中其他相关信息。本发明专利技术通过知识图谱以及匹配模型学习配件的口语化、多样化的用户输入，可减少人工译码的干预，提升效率节省成本，并且优化交易平台用户体验。

【技术实现步骤摘要】
基于语义知识的汽配件搜索方法
本专利技术涉及语义理解与匹配领域，特别是指一种基于语义知识的汽配件搜索方法。
技术介绍
随着互联网时代的发展和大数据时代的到来，人们逐渐从信息匮乏的时代走入了信息过载的时代。电子商务平台即是一个为企业或个人提供网上交易洽谈的平台。企业电子商务平台是建立在互联网上进行商务活动的虚拟网络空间和保障商务顺利运营的管理环境；是协调、整合信息流、货物流、资金流有序、关联、高效流动的重要场所。企业、商家可充分利用电子商务平台提供的网络基础设施、支付平台、安全平台、管理平台等共享资源有效地、低成本地开展自己的商业活动。电子商务交易平台的使用过程中，涉及到大量的数据，为了让用户从海量信息中高效地获取自己所需的信，搜索算法必不可少。而用户体验很大程度取决于搜索系统对查询需求理解的精准度，和响应速度。目前的技术难点之一在于精准理解用户的输入需求，大量数据下精准的找到关联度最高的结果。用户输入通常口语化，多样化，如何去理解用户的意图，以及输入文字和目标实体的关联是目前首要解决的问题。有鉴于此，本专利技术对上述问题未臻完善本文档来自技高网...

【技术保护点】
1.一种基于语义知识的汽配件搜索方法，其特征在于，包括：/n步骤1，数据获取与标注/n在建立好配件数据库的基础上，进行历史人工译码数据标注、制作模型训练数据；/n在平台上，用户以原有的手动译码流程完成的查询记录作为数据的标注，用作后阶段监督学习的训练样本；/n步骤2，构建离线模型/n使用步骤1中清洗后的样本作为训练数据，构建知识图谱和匹配模型，然后构建文本特征并训练端到端模型；其中，知识图谱的构建通过对历史译码数据的分析，建立别名知识图谱，将同个配件的所有相关别名关联，根据出现频率进行排序；匹配模型是利用制作好的训练数据，通过规则按比例生成正负样本进行数据增强；/n步骤3，AI译码线上服务/n...

【技术特征摘要】
1.一种基于语义知识的汽配件搜索方法，其特征在于，包括：
步骤1，数据获取与标注
在建立好配件数据库的基础上，进行历史人工译码数据标注、制作模型训练数据；
在平台上，用户以原有的手动译码流程完成的查询记录作为数据的标注，用作后阶段监督学习的训练样本；
步骤2，构建离线模型
使用步骤1中清洗后的样本作为训练数据，构建知识图谱和匹配模型，然后构建文本特征并训练端到端模型；其中，知识图谱的构建通过对历史译码数据的分析，建立别名知识图谱，将同个配件的所有相关别名关联，根据出现频率进行排序；匹配模型是利用制作好的训练数据，通过规则按比例生成正负样本进行数据增强；
步骤3，AI译码线上服务
线上使用中，用户输入车辆识别代号以精准定位具体品牌和车型、并且提供零件名称，从而通过车辆识别代号召回指定车型的所有零件；根据用户输入的关键词通过知识图...

【专利技术属性】
技术研发人员：杨上富，刘松，
申请(专利权)人：深圳开思时代科技有限公司，
类型：发明
国别省市：广东;44