[發明專利]獲取業務對象標簽、建立訓練模型的方法及裝置

有效

• 申請號: 201310134293.8
• 申請日: 2013-04-17
• 公開（公告）號: CN104111933B
• 公開（公告）日: 2017-08-04
• 發明（設計）人: 鐘靈;成幸毅;陳凡;金凱民
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京潤澤恒知識產權代理有限公司11319
• 代理人: 蘇培華

1.一種獲取業務對象標簽的方法，其特征在于，包括：

獲取目標業務對象的文字描述信息，對所述文字描述信息進行分詞，得到多個描述詞語；

提取各個描述詞語的特征；

將各個描述詞語的特征以及描述詞語在所述目標文字描述信息中的上下文信息輸入到預置的訓練模型中，根據所述訓練模型的輸出結果確定各個描述詞語是否可作為對應業務對象的標簽；

其中，所述訓練模型用于預測目標文字描述信息中的各個描述詞語能夠作為對應業務對象的標簽的概率，該概率與當前描述詞語的特征以及該當前描述詞語在所述目標文字描述信息中的上下文信息相關；其中，所述上下文信息包括當前描述詞語前M個描述詞語和后N個描述詞語的特征，M、N均為整數。

2.根據權利要求1所述的方法，其特征在于，所述訓練模型包括CRF模型，所述將各個描述詞語的特征以及描述詞語在所述目標文字描述信息中的上下文信息輸入到預置的訓練模型包括：

對于同一條文字描述信息，將分詞得到的各個描述詞語按照各自在文字描述信息中的位置進行排列得到一描述詞語串，以描述詞語串為單位，將描述詞語串中各個描述詞語的特征輸入到CRF模型中。

3.根據權利要求1所述的方法，其特征在于，所述訓練模型包括GBDT模型，所述方法還包括：

提取各個描述詞語分別在所屬的文字描述信息中的上下文信息；

所述將各個描述詞語的特征以及描述詞語在所述目標文字描述信息中的上下文信息輸入到預置的訓練模型包括：

以描述詞語為單位，將當前描述詞語的特征以及所述上下文信息輸入到所述GBDT模型中。

4.根據權利要求1至3任一項所述的方法，其特征在于，在提取當前描述詞語的特征或者提取上下文信息中那個描述詞語的特征時，提取的特征包括以下特征中的一種或多種：描述詞語的詞性、描述詞語對應本業務對象的用戶點擊次數T1、描述詞語對應的全部業務對象的用戶點擊次數T2、T1與T2的比值。

5.根據權利要求4所述的方法，其特征在于，當前描述詞語的特征還包括當前描述詞語對應全網搜索關鍵詞的被搜索次數和/或當前描述詞語對應本業務對象類目下搜索關鍵詞的被搜索次數。

6.一種創建訓練模型的方法，其特征在于，包括：

獲取訓練語料，所述語料包括預置條數的文字描述信息，其中，每條文字描述信息對應一個業務對象，每條文字描述信息進行分詞后得到至少兩個描述詞語，該至少兩個描述詞語中，部分是對應業務對象的標簽，部分不是對應業務對象的標簽；

提取各個描述詞語的特征；

將各個描述詞語、描述詞語的特征、描述詞語在所述文字描述信息中的上下文信息以及各個描述詞語是否為對應業務對象的標簽的信息輸入到預置的算法中進行訓練，生成訓練模型；

其中，所述訓練模型用于預測目標文字描述信息中的各個描述詞語能夠作為對應業務對象的標簽的概率，所述上下文信息包括當前描述詞語前M個描述詞語和后N個描述詞語的特征，M、N均為整數。

7.根據權利要求6所述的方法，其特征在于，所述預置算法包括CRF算法，所述訓練模型包括CRF模型，所述方法還包括：

將所述訓練語料組織為矩陣的形式，其中，矩陣中第一列為各個描述詞語，中間列為各個描述詞語對應的特征，最后一列表示各個描述詞語是否為對應業務對象的標簽；

確定訓練過程使用的CRF模板文件，所述CRF模板文件由多個模板組成，每個模板用于指定在針對當前描述詞語提取上下文信息時，所提取的信息相對于當前描述詞語的行偏移，以及所取的信息所在列的絕對位置；

所述將各個描述詞語、描述詞語的特征、描述詞語在所述文字描述信息中的上下文信息以及各個描述詞語是否為對應業務對象的標簽的信息輸入到預置的算法中進行訓練，包括：

將所述矩陣以及所述CRF模板文件輸入到所述CRF算法中，以便所述CRF算法利用所述CRF模板文件從所述矩陣中提取描述詞語的特征及其上下文信息，并據此得到訓練出CRF模型。