一种预包装食品分类方法技术

本发明专利技术公开一种预包装食品分类方法，包括步骤：词嵌入模块将输入信息转化为词向量的形式输出；输入信息包括文本信息及标签信息；文本编码模块和标签结构编码模块分别对输入的文本信息及标签信息进行编码，并将原始的输入信息以及编码后的编码信息分别输入局部计算模块、全局计算模块进行计算获取不同维度的信息；将获取的不同维度信息送至分类模块进行分类计算并将结果加权合并，最后使用一个结果校正模块校正得到最终的分类类别输出本发明专利技术可以实现对预包装食品进行分类，不仅可以帮助人们更好更快地找到所需要的产品，同时还可以实现更加健康的食品推荐功能，以便帮助人们实现合理膳食的目标。合理膳食的目标。合理膳食的目标。

【技术实现步骤摘要】
一种预包装食品分类方法


[0001]本专利技术涉及食品分类
，特别是涉及一种预包装食品分类方法。

技术介绍

[0002]当前，人们愈发地看重营养与健康，对于食品安全及低钠低脂的需求也越来越高。目前国内在预包装食品领域还缺乏一个统一的分类标准与管理平台，这给人们选择商品带来了不便。对预包装食品进行分类不仅可以帮助人们更好更快地找到所需要的产品，同时还可以实现更加健康的食品推荐功能，以便帮助人们实现合理膳食的目标。

技术实现思路

[0003]本专利技术的目的是针对现有技术中存在的技术缺陷，而提供一种预包装食品分类方法。
[0004]为实现本专利技术的目的所采用的技术方案是：
[0005]一种预包装食品分类方法，包括步骤：
[0006]词嵌入模块将输入信息转化为词向量的形式输出；输入信息包括文本信息及标签信息；
[0007]文本编码模块和标签结构编码模块分别对输入的文本信息及标签信息进行编码，并将原始的输入信息以及编码后的编码信息分别输入局部计算模块、全局计算模块进行计算获取不同维度的信息；
[0008]将获取的不同维度信息送至分类模块进行分类计算并将结果加权合并，最后使用一个结果校正模块校正得到最终的分类类别输出。。
[0009]本专利技术的预包装食品分类方法，可以实现对预包装食品进行分类，不仅可以帮助人们更好更快地找到所需要的产品，同时还可以实现更加健康的食品推荐功能，以便帮助人们实现合理膳食的目标。
附图说明
[0010]图1为本专利技术实施例的预包装食品分类处理示意图。
[0011]图2为本专利技术实施例的文本编码模块的示意图。
[0012]图3为本专利技术实施例的标签结构编码模块的示意图。
具体实施方式
[0013]以下结合附图和具体实施例对本专利技术作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0014]本专利技术实施例的预包装食品分类方法，其采用图1所示的处理模型实现，所述处理模型共包含词嵌入模块、文本编码模块、标签结构编码模块、局部计算模块、全局计算模块、分类模块和结果校正模块；
[0015]其处理过程，包括以下步骤：
[0016]首先使用词嵌入模块将输入的内容转化为词向量的形式，然后分别通过文本编码模块和标签结构编码模块对输入的文本及标签信息进行编码，随后将原始输入信息以及编码后的信息分别输入局部和全局模块进行计算获取不同维度的信息，并将不同维度的信息送至分类模块进行分类计算并将结果加权合并，最后使用一个结果校正模块得到最终的分类类别。
[0017]本专利技术实施例中，模型输入为预包装食品外包装上的文字信息(文本信息)，包含产品名称和配料表两方面内容，以及预包装食品的分类标准(类别标签)。模型输出为预包装食品对应的类别。
[0018]本专利技术通过处理模型对预包装食品外包装上的文字信息(文本信息)，包含产品名称和配料表两方面内容，以及预包装食品的分类标准(类别标签)进行处理，提取相应的特征后进行分类，实现预包装食品分类处理。
[0019]本专利技术的所述词嵌入模块，是将输入的文本内容转化为词嵌入向量的形式，便于计算机理解及后续处理。
[0020]本专利技术实施例中，所述的词嵌入模块可以为两个，分别用于对输入的文本信息、类别标签进行处理，经处理后输出文本信息及类别标签的词嵌入形式：文本信息E和类别标签L；具体的，可以通过Word2Vec方法，将输入转化为词嵌入的形式。
[0021]本专利技术实施例的文本编码模块，在收到所述词嵌入模块送来的文本信息E后，获取包含上下文信息的文本特征，对应的输出文本表示S。
[0022]如可以使用Bi
‑
LSTM对输入的文本嵌入进行编码，获取文本的上下文信息，将对应时刻的双向隐藏输出拼接得到对应词的编码结果，然后将结果送入到不同的CNN层中进行文本特征的提取，最后将提取得到的特征拼接在一起送入一个最大池化层，最后得到最终的文本表示S，本专利技术的文本编码模块的结构如图2所示。
[0023]本专利技术实施例的标签结构编码模块，主要是用于获取包含标签结构信息的类别表示，在收到词嵌入模块输出的类别标签L后，通过处理后输出类别表示V。
[0024]如其可以采用图注意力网络(GAT)对标签的层次结构进行学习，将节点的父节点和子节点信息加权融合在一起，相邻节点的关联程度由类别标签间的相似度决定，模块如图3所示。
[0025]本专利技术实施例的局部计算模块，是从层级的角度出发，对输入文本及类别标签进行计算，以捕捉局部细节信息；其输入为词嵌入模块输出的文本信息E及类别标签L，以及文本编码模块输出的文本表示S；输出每一层的局部文本表示
[0026]本专利技术实施例的局部计算模块，是对分类标准中的每一层分别进行计算，具体如下：
[0027]S1.为获得文本与类别间的关联，模块引入一个中间变量C
h
来建立文本E
h
与类别L
h
间的连接，其中C
h
指第h层的中间变量，是一个随机初始化的向量；E
h
指第h层的词嵌入表示；L
h
是类别标签L在第h层的对应的内容。
[0028]S2.分别计算文本E
h
与中间变量C
h
以及中间变量C
h
与类别L
h
间的关联程度R
h
和B
h
：
[0029]R
h
＝C
h
(E
h
)
T
，
[0030][0031]其中是第h层的一个单层无偏的MLP，用于转换向量的维度。
[0032]S3.通过R
h
和B
h
来计算文本与类别间的注意力分数
[0033][0034]S4.加权计算出当前层的文本表示
[0035][0036]其中,E是词嵌入模块输出的文本信息，是一个随机初始化的系数矩阵，b
l
是其对应的偏差值，σ(
·
)表示RELU激活函数。
[0037]另外，考虑到层次间的连续性，局部计算模块在每一层使用到的词嵌入E
h
各不相同，其中每个元素等于单词w
i
原始的词嵌入拼接上第h
‑
1层计算出的综合局部表示
[0038][0039][0040]其中avg(
·
)表示average操作。
[0041]由于第一层不存在上一层的综合局部表示使用文本编码模块输出的文本表示S作为替代，即：
[0042][0043]本专利技术实施例的全局计算模块，是从整体的角度进行计算，获取全局的信息，模块输入为文本编码模块输出的文本表示S，以及标签结构编码模块输出的类别表示V，模块输出为全局文本表示D
G
。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.预包装食品分类方法，其特征在于，包括步骤：词嵌入模块将输入信息转化为词向量的形式输出；输入信息包括文本信息及标签信息；文本编码模块和标签结构编码模块分别对输入的文本信息及标签信息进行编码，并将原始的输入信息以及编码后的编码信息分别输入局部计算模块、全局计算模块进行计算获取不同维度的信息；将获取的不同维度信息送至分类模块进行分类计算并将结果加权合并，最后使用一个结果校正模块校正得到最终的分类类别输出。2.根据权利要求1所述预包装食品分类方法，其特征在于，所述文本信息包括外包装食品上的产品名称和配料表的内容，所述标签信息为预包装食品的分类标准。3.根据权利要求1或2所述预包装食品分类方法，其特征在于，所述局部计算模块对预包装食品的分类标准中的每一层分别进行计算，输出每一层的局部文本表示其计算步骤如下：S1.引入一个中间变量C
h
来建立文本E
h
与类别L
h
间的连接，其中C
h
指第h层的中间变量，是一个随机初始化的向量；E
h
指第h层的词嵌入表示；L
h
是类别标签L在第h层的对应的内容；S2.分别计算文本E
h
与中间变量C
h
以及中间变量C
h
与类别L
h
间的关联程度R
h
和B
h
：R
h
＝C
h
(E
h
)
T
，其中是第h层的一个单层无偏的MLP，用于转换向量的维度；S3.通过R
h
和B
h
来计算文本与类别间的注意力分数来计算文本与类别间的注意力分数S4.加权计算出当前层的文本表示S4.加权计算出当前层的文本表示其中，E是词嵌入模块输出的文本信息，是一个随机初始化的系数矩阵，b
l
是其对应的偏差值，σ(
·
)表示RELU激活函数。4.根据权利要求3所述预包装食品分类方法，其特征在于，所述局部计算模块在每一层使用到的文本E
h
各不相同，其中每个元素等于单词w
i
原始的词嵌入拼接上第h
‑
1层计算出的综合局部表示计算出的综合局部表示计算出的综合局部表示其中aυg(
·
)表示average操作；第一层不存在上一层的综合局部表示时，使用文本编码模块输出的文本表示S替代，即：5.根据权利要求4所述预包装食品分类方法，其特征在于，所...

【专利技术属性】
技术研发人员：张雨濛，刘禹，张普洪，李园，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：