【技术实现步骤摘要】
品类识别模型训练方法、品类识别方法及相关设备
本专利技术涉及计算机应用领域，尤其涉及一种品类识别模型训练方法、品类识别方法及相关设备。
技术介绍
目前，用户在进行线上购物时，往往希望能够获知其具体的品类。例如，当选购辣椒时，用户需要获知辣椒的品类为二荆条、小米辣、朝天椒等。然而，当辣椒产品上线供用户购买时，往往不一定会提供其具体品类，或者具体品类并不显示在醒目的位置，从而用户难以根据产品介绍来获知其具体的品类。然而，不同品类的产品的差异可能较大，例如部分品类的辣椒偏辣，部分品类的辣椒偏甜。当用户无法获知产品品类时，很难能够购买到合适的产品。现有的产品类型识别技术，通常直接采用产品的实物进行图像识别。然而，对于电商平台而言，由于涉及到的产品的类型过多，且电商平台自身不上线产品，因此没有对各产品的类型进行一一检测的条件。另外，电商平台中，商品的图像往往是经过处理的(诸如经由photoshop等图像处理软件进行处理优化)，其与实物有一定的差别。从而，在电商平台上仅仅基于商品实物来进行训练的模型，对产品的图像来进行识别，判断
【技术保护点】
1.一种品类识别模型训练方法，其特征在于，包括：/n对于关联产地的产品，基于产品与发货地的对应关系，获取各订单的产品属性选项；/n对于未关联产地的产品，获取该产品的产品属性选项；/n获取对应各产品属性选项的产品链接中的产品图片；/n将所述产品属性选项指示的产品品类以及所述产品图片关联以作为样本集；/n采用所述样本集训练品类识别模型。/n
【技术特征摘要】
1.一种品类识别模型训练方法，其特征在于，包括：
对于关联产地的产品，基于产品与发货地的对应关系，获取各订单的产品属性选项；
对于未关联产地的产品，获取该产品的产品属性选项；
获取对应各产品属性选项的产品链接中的产品图片；
将所述产品属性选项指示的产品品类以及所述产品图片关联以作为样本集；
采用所述样本集训练品类识别模型。
2.如权利要求1所述的品类识别模型训练方法，其特征在于，所述对于关联产地的产品，基于产品与发货地的对应关系，获取各订单的产品属性选项包括：
基于产品获取对应的设定地址级别的发货地；
获取发货地址属于所述发货地的各订单；
获取各订单的产品属性选项。
3.如权利要求2所述的品类识别模型训练方法，其特征在于，所述产品与发货地的对应关系根据如下方式生成：
获取订单包含所述产品的产品品类的多个商家的物流数据；
根据所述物流数据获取该多个商家的发货地址；
自所述发货地址中，提取设定地址级别的字段，以作为所述发货地。
4.如权利要求1所述的品类识别模型训练方法，其特征在于，所述对于未关联产地的产品，获取该产品的产品属性选项包括：
对该产品的产品属性选项进行语义识别，获得语义识别结果；
根据所述语义识别结果，判断该产品的产品属性选项是否有且仅包含一个产品品类的名称；
若是，则将该产品的产品属性选项用作所述样本集；
若否，则不将该产品的产品属性选项用作所述样本集。
5.如权利要求1所述的品类识别模型训练方法，其特征在于，所述获取对应各产品属性选项的产品链接中的产品图片包括：
获取对应各产品属性选项的产品链接中的多个候选图片；
基于一图像识别算法，自多个候选图片中提取产品图片。
6.如权利要求1所述的品类识别模型训练方法，其特征在于，所述品类识别模型为遗传算法和/或BP神经网络算法。
7.如权利要求6所述的品类识别模型训练方法，其特征在于，所述品类识别模型包括级联的遗传算法以及BP神经网络算法，其中，所述遗传算法用于提取所述产品图片的特征，所述BP神经网络算法以所述遗传算法提取的所述产品图片的特征为输入，进行品类识别。
8.一种品类识别方法，其特征在于，包括：
响应于用户端或商家端的品类识别请求，获取所述用户端或商家端发送的待识别图片；
将所述待识别图像输入如权利要求1至7任一项所述的品类识别模型训练方法训练获得的品类识别模型；
将所述品类识别模型的输出作为所述待识别图片的品类识别结果。
9.如权利要求8所述的品类识别方法，其特征在于，所述将所述品类识别模型的输出作为所述待识别图片的品类识别结果之后，还包括：
接收所述用户端或商家端的品类识别结果的反馈，对所述品类识别模型进行迭代训练。
10.一种品类识别方法，其特征在于，包括：
获取待识别产品的产品属性选项的产品链接中的产品图片；
将所述产品图片输入如权利要求1至7任一项所述的品类识别模...
【专利技术属性】
技术研发人员：唐剑，
申请(专利权)人：上海寻梦信息技术有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。