[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

技術領域

本申請涉及文本數據處理技術領域，特別是涉及獲取業務對象標簽、建立訓練模型的方法及裝置。

背景技術

隨著互聯網技術的發展，用戶在互聯網上可以進行各種各樣的業務。為順利開展各種業務，需要在互聯網上展示各種業務對象，這種業務對象往往可以通過圖片、文字描述或者視頻等來進行展示。例如，電子商務平臺中展示的商品對象等。在實際應用中，為了便于對業務對象進行相關性聚類，或者在用戶瀏覽某業務對象時向用戶推薦相關的業務對象，往往還需要給各個業務對象添加標簽(Tag)，通過這種標簽來進一步描述業務對象的主要特點。在具體實現時，這種標簽一般是從業務對象的標題等文字信息中提取出來的，例如，給一個商品的標題是：“周末瘋狂購新風尚2012春裝連衣裙新款大碼短袖蕾絲雪紡連衣裙夏”，如果需要給該商品對象添加標簽，則可以從該標題中提取一些重要的關鍵詞作為這個商品的標簽，例如“連衣裙”、“大碼”、“蕾絲”、“雪紡”等。

現有技術中，在計算各個描述詞語的熵值時，僅僅根據描述詞語在業務對象標題中出現的情形來進行簡單計算，得到的準確率比較低，也即，這種方式計算得到的一些標簽可能并不能真正代表業務對象的主要特點，進而在使用這種標簽進行業務對象的聚類或者相關性推薦時，得到的結果也會不夠準確。

發明內容

本申請提供了獲取業務對象標簽、建立訓練模型的方法及裝置，可以使得預測出的結果具有較高的準確度。

本申請提供了如下方案：

一種獲取業務對象標簽的方法，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。

一種創建訓練模型的方法，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。

一種獲取業務對象標簽的裝置，包括：

分詞單元，用于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；

特征提取單元，用于提取各個描述詞語的特征；

預測單元，用于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。

一種創建訓練模型的裝置，包括：

語料獲取單元，用于獲取訓練語料，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；

特征提取單元，用于提取各個描述詞語的特征；