商品细类特征提取方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种商品细类特征提取方法、装置、计算机设备和存储介质。该方法包括：获取目标商品细类对应的待处理商品数据，待处理商品数据携带目标商品类别；对待处理商品数据进行处理，得到对应的商品标题数据；将商品标题数据输入至与目标商品类别匹配的目标商品细类特征提取模型中，通过目标商品细类特征提取模型对商品标题数据进行特征提取，得到商品标题数据对应的目标特征标签标志；根据目标特征标签标志从商品标题数据中提取得到目标商品细类特征词，目标商品细类特征词是用于描述目标商品细类的商品特征的。采用本方法能够捕捉到目标细类商品的核心特征，有助于用户通过捕捉出的核心特征对目标细类迅速形成相对直观的认识。认识。认识。

【技术实现步骤摘要】
商品细类特征提取方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种商品细类特征提取方法、装置、计算机设备和存储介质。

技术介绍

[0002]在商品销售领域，商品可以分为大类、中类、小类、细类，这几种类别的颗粒度在逐层增大，颗粒度越大，对于商品品类经营者、买手、消费者分析师等各种各样的用户来说，他们就无法真正地了解商品。
[0003]商品分类的准确定位需要基于商品的关键词来判断，而在每一类的定位中都需要依赖商品关键词的提取(即提取商品的特征)，目前商品的特征提取一般是通过LSTM(Long Short
‑
Term Memory，长短期记忆网络)进行，通过提取出来的商品特征展示给用户看，但由于LSTM网络的结构性质，其只能获取上文信息且对于较长的文本不能获取语义依赖信息，因此这种方式提取的商品特征颗粒度还是较大，无法做到商品更细的特征提取。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种商品细类特征提取方法、装置、计算机设备和存储介质，能够捕捉到目标细本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种商品细类特征提取方法，所述方法包括：获取目标商品细类对应的待处理商品数据，所述待处理商品数据携带目标商品类别；对所述待处理商品数据进行处理，得到对应的商品标题数据；将所述商品标题数据输入至与所述目标商品类别匹配的目标商品细类特征提取模型中，通过所述目标商品细类特征提取模型对所述商品标题数据进行特征提取，得到所述商品标题数据对应的目标特征标签标志；根据所述目标特征标签标志从所述商品标题数据中提取得到目标商品细类特征词，所述目标商品细类特征词是用于描述所述目标商品细类的商品特征的。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：获取候选商品细类对应的候选商品数据集，所述候选商品数据集包括至少一个候选商品数据，所述候选商品数据携带候选商品类别；对所述候选商品数据进行处理，得到对应的候选商品标题数据；将同一候选商品类别对应的候选商品标题数据输入至同一初始商品细类特征提取模型中，对所述初始商品细类特征提取模型进行训练，得到训练好的商品细类特征提取模型；建立所述候选商品类别与匹配的训练好的商品细类特征提取模型之间的映射关系；所述将所述商品标题数据输入至与所述目标商品类别匹配的目标商品细类特征提取模型中，包括：根据所述映射关系将商品标题数据输入至与所述目标商品类别匹配的目标商品细类特征提取模型中。3.根据权利要求2所述的方法，其特征在于，所述将同一候选商品类别对应的候选商品标题数据输入至同一初始商品细类特征提取模型中，对所述初始商品细类特征提取模型进行训练，得到训练好的商品细类特征提取模型，包括：获取同一候选商品类别对应的候选商品标题数据，所述候选商品标题数据携带实际特征标签标志；将所述候选商品标题数据输入至同一初始商品细类特征提取模型中，通过所述初始商品细类特征提取模型对所述候选商品标题数据进行特征提取，得到输出特征标签标志；根据所述实际特征标签标志与所述输出特征标签标志计算得到训练损失值；根据所述训练损失值调整所述初始商品细类特征提取模型的模型参数，直至满足收敛条件，得到训练好的商品细类特征提取模型。4.根据权利要求3所述的方法，其特征在于，所述得到训练好的商品细类特征提取模型之前，包括：根据所述实际特征标签标志与所述输出特征标签标志计算得到输出精确率和模型召回率；根据所述输出精确率和所述模型召回率计算得到模型评估值；在所述模型评估值达到预设模型评估阈值时，执行所述得到训练好的商品细类特征提取模型的步...

【专利技术属性】
技术研发人员：马俊，
申请(专利权)人：创优数字科技广东有限公司，
类型：发明
国别省市：