【技术实现步骤摘要】
本申请实施例涉及计算机，具体涉及电子商务，尤其涉及一种类目确定模型的训练方法及装置、用于确定类目的方法及装置、计算机可读介质、电子设备及计算机程序产品。
技术介绍
1、在过去几年中，网络购物已经成为人们生活中不可或缺的一部分，显著地重塑了人们的日常活动模式。电子商务平台向用户提供的、数量庞大的物品被依照类目体系组织起来，以便用户能够迅速地检索。为了尽可能覆盖各种物品，电子商务应用中的类目体系包含了近万个细分的叶子类目。由于用户需求的多样性和大量的物品类目，准确捕捉用户对特定物品类目的购买意图对于电子商务平台而言至关重要。
技术实现思路
1、本申请实施例提出了一种类目确定模型的训练方法及装置、用于确定类目的方法及装置、计算机可读介质、电子设备及计算机程序产品。
2、第一方面，本申请实施例提供了一种类目确定模型的训练方法，包括：通过第一编码网络，根据类目集合中的物品类目之间的相关性，确定物品类目的类目表征数据；通过第二编码网络，确定训练样本中的查询请求的查询表征数据；根据类目表征数据和查询表征数据，从类目集合中确定出预测类目；根据预测类目和训练样本中对应于查询请求的类目标签之间的损失，更新第一编码网络和第二编码网络，得到类目确定模型。
3、在一些示例中，相关性包括共现关系和语义相似关系，共现关系表征类目集合中的不同物品类目在训练样本中同时出现的关系，第一编码网络为图神经网络；以及上述通过第一编码网络，根据类目集合中的物品类目之间的相关性，确定物品类目的类目表征数
4、在一些示例中，上述根据融合后关系图，确定类目集合中的物品类目的类目表征数据，包括：对于类目集合中的每个物品类目，结合该物品类目的嵌入表示数据和融合后关系图中该物品类目的邻域类目的嵌入表示数据，得到该物品类目的类目表征数据。
5、在一些示例中，共现关系图通过共现关系矩阵表征，共现关系矩阵通过如下方式生成：对于类目集合中的每个物品类目，根据训练样本所属的训练样本集中该物品类目的出现次数，以及该物品类目与其他物品类目的共现次数，确定在用户触发该物品类目的情况下，同时触发其他物品类目的条件概率；基于条件概率，生成共现关系矩阵。
6、在一些示例中，语义相似关系图通过语义相似关系矩阵表征，语义相似关系矩阵通过如下方式生成：对于类目集合中的每个物品类目，确定该物品类目与其他物品类目之间的语义相似度；根据语义相似度和语义相似度阈值之间的比较结果，调整语义相似度，得到调整后语义相似度；基于调整后语义相似度，生成语义相似关系矩阵。
7、在一些示例中，上述方法还包括：通过第二编码网络，确定类目集合中的物品类目的类目编码数据；确定表征类目编码数据和查询表征数据之间的相似度的半监督标签；以及上述根据预测类目和训练样本中的类目标签之间的损失，更新第一编码网络和第二编码网络，得到类目确定模型，包括：结合类目标签和半监督标签，得到结合后标签；根据预测类目和结合后标签之间的损失，更新第一编码网络和第二编码网络，得到类目确定模型。
8、在一些示例中，上述通过第二编码网络，确定类目集合中的物品类目的类目编码数据，包括：对于类目集合中的每个物品类目，通过第二编码网络，根据该物品类目和该物品类目下的关键物品信息，确定该物品类目的类目编码数据。
9、在一些示例中，上述确定表征类目编码数据和查询表征数据之间的相似度的半监督标签，包括：根据相似度和相似度阈值之间的比较结果，调整相似度，得到调整后相似度；确定表征调整后相似度的半监督标签。
10、第二方面，本申请实施例提供了一种用于确定类目的方法，包括：通过预先训练的类目确定模型中的第二编码网络，确定查询请求的查询表征数据，其中，类目确定模型通过上述第一方面中任一实现方式训练得到；根据查询表征数据和类目集合中的物品类目的类目表征数据，从类目集合中确定出符合查询请求的目标物品类目，其中，类目表征数据通过类目确定模型中的第一编码网络生成。
11、在一些示例中，上述方法还包括：根据查询表征数据和目标物品类目下的物品的物品表征数据，从目标物品类目下确定出符合查询请求的目标物品。
12、在一些示例中，上述方法还包括：采用至少一种预设物品召回算法，确定符合查询请求的至少一个物品集合；将至少一个物品集合中属于目标物品类目的物品确定为符合查询请求的目标物品。
13、第三方面，本申请实施例提供了一种类目确定模型的训练装置，一种类目确定模型的训练装置，包括：第一编码单元，被配置成通过第一编码网络，根据类目集合中的物品类目之间的相关性，确定物品类目的类目表征数据；第二编码单元，被配置成通过第二编码网络，确定训练样本中的查询请求的查询表征数据；预测单元，被配置成根据类目表征数据和查询表征数据，从类目集合中确定出预测类目；更新单元，被配置成根据预测类目和训练样本中对应于查询请求的类目标签之间的损失，更新第一编码网络和第二编码网络，得到类目确定模型。
14、在一些示例中，相关性包括共现关系和语义相似关系，共现关系表征类目集合中的不同物品类目在训练样本中同时出现的关系，第一编码网络为图神经网络；以及上述第一编码单元进一步被配置成：结合表征共现关系的共现关系图和表征语义相似关系的语义相似关系图，得到融合后关系图；通过第一编码网络，根据融合后关系图，确定类目集合中的物品类目的类目表征数据。
15、在一些示例中，上述第一编码单元进一步被配置成：对于类目集合中的每个物品类目，结合该物品类目的嵌入表示数据和融合后关系图中该物品类目的邻域类目的嵌入表示数据，得到该物品类目的类目表征数据。
16、在一些示例中，共现关系图通过共现关系矩阵表征，共现关系矩阵通过如下方式生成：对于类目集合中的每个物品类目，根据训练样本所属的训练样本集中该物品类目的出现次数，以及该物品类目与其他物品类目的共现次数，确定在用户触发该物品类目的情况下，同时触发其他物品类目的条件概率；基于条件概率，生成共现关系矩阵。
17、在一些示例中，语义相似关系图通过语义相似关系矩阵表征，语义相似关系矩阵通过如下方式生成：对于类目集合中的每个物品类目，确定该物品类目与其他物品类目之间的语义相似度；根据语义相似度和语义相似度阈值之间的比较结果，调整语义相似度，得到调整后语义相似度；基于调整后语义相似度，生成语义相似关系矩阵。
18、在一些示例中，上述第二编码单元进一步被配置成：通过第二编码网络，确定类目集合中的物品类目的类目编码数据；确定表征类目编码数据和查询表征数据之间的相似度的半监督标签；以及上述更新单元，进一步被配置成：结合类目标签和半监督标签，得到结合后标签；根据预测类目和结合后标签之间的损失，更新第一编码网络和第二编码网络，得到类目确定模型。
19、本文档来自技高网...
【技术保护点】
1.一种类目确定模型的训练方法，包括：
2.根据权利要求1所述的方法，其中，所述相关性包括共现关系和语义相似关系，所述共现关系表征所述类目集合中的不同物品类目在所述训练样本中同时出现的关系，所述第一编码网络为图神经网络；以及
3.根据权利要求2所述的方法，其中，所述根据所述融合后关系图，确定所述类目集合中的物品类目的类目表征数据，包括：
4.根据权利要求2所述的方法，其中，所述共现关系图通过共现关系矩阵表征，所述共现关系矩阵通过如下方式生成：
5.根据权利要求2所述的方法，其中，所述语义相似关系图通过语义相似关系矩阵表征，所述语义相似关系矩阵通过如下方式生成：
6.根据权利要求1所述的方法，其中，还包括：
7.根据权利要求6所述的方法，其中，所述通过所述第二编码网络，确定所述类目集合中的物品类目的类目编码数据，包括：
8.根据权利要求6所述的方法，其中，所述确定表征所述类目编码数据和所述查询表征数据之间的相似度的半监督标签，包括：
9.一种用于确定类目的方法，包括：
10.
11.根据权利要求9或10所述的方法，其中，还包括：
12.一种类目确定模型的训练装置，包括：
13.一种用于确定类目的装置，包括：
14.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-11中任一所述的方法。
15.一种电子设备，包括：
16.一种计算机程序产品，包括：计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的方法。
...【技术特征摘要】
1.一种类目确定模型的训练方法，包括：
2.根据权利要求1所述的方法，其中，所述相关性包括共现关系和语义相似关系，所述共现关系表征所述类目集合中的不同物品类目在所述训练样本中同时出现的关系，所述第一编码网络为图神经网络；以及
3.根据权利要求2所述的方法，其中，所述根据所述融合后关系图，确定所述类目集合中的物品类目的类目表征数据，包括：
4.根据权利要求2所述的方法，其中，所述共现关系图通过共现关系矩阵表征，所述共现关系矩阵通过如下方式生成：
5.根据权利要求2所述的方法，其中，所述语义相似关系图通过语义相似关系矩阵表征，所述语义相似关系矩阵通过如下方式生成：
6.根据权利要求1所述的方法，其中，还包括：
7.根据权利要求6所述的方法，其中，所述通过所述第二编码网络，确定所...
【专利技术属性】
技术研发人员：袁春园，庞明，方正，江雪，彭长平，林战刚，
申请(专利权)人：北京沃东天骏信息技术有限公司，
类型：发明
国别省市：
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。