[發明專利]從文本中識別中文商品名稱的方法和裝置

有效

• 申請號: 201410586116.8
• 申請日: 2014-10-28
• 公開（公告）號: CN104331395B
• 公開（公告）日: 2017-11-03
• 發明（設計）人: 岳興明
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 中原信達知識產權代理有限責任公司11219
• 代理人: 姜勁,金潔

1.從文本中識別中文商品名稱的方法，其特征在于，所述文本是電子商務客戶在線咨詢問題的文本，該方法包括：

步驟A：保存商品信息詞詞庫，所述商品信息詞包括中心詞、品牌、屬性、以及分隔詞；

步驟B：確定文本中的句子屬性信息序列，所述句子屬性信息序列是所述文本中從左向右的第一個分隔詞之前的序列，或者是所述文本中從左向右的第一個不屬于所述商品信息詞詞庫的詞之前的序列；

步驟C：對所述句子屬性信息序列依次進行粗判斷和細判斷；其中，所述粗判斷的標準是：所述句子屬性信息序列包含中心詞、品牌、以及屬性，或者包含中心詞和一個以上屬性；所述細判斷的標準是：句子屬性信息序列的長度大于第一預設值并且其中不屬于所述商品信息詞詞庫的詞所占比例小于第二預設值；

步驟D：對于同時滿足所述粗判斷和細判斷的句子屬性信息序列，確認其為中文商品名稱。

2.根據權利要求1所述的方法，其特征在于，所述步驟B之前，判斷所述文本的長度是否超過設定值，并僅在判斷結果為是的情況下進行所述步驟B。

3.根據權利要求2所述的方法，其特征在于，所述設定值的取值范圍是[25,30]。

4.根據權利要求2所述的方法，其特征在于，所述設定值按如下步驟確定：統計指定品類商品的商品名稱字數的平均長度，或者統計包含指定品類商品名稱的文本的平均長度；然后將統計結果乘以一個預設系數得到所述設定值。

5.根據權利要求1所述的方法，其特征在于，所述步驟B包括：

對所述文本進行分詞，在分詞過程中，按照分詞得到的詞為所述中心詞、品牌、屬性、或者分隔詞，或者該詞不屬于上述任一者，分別為該詞分配第一標記至第五標記；

對分詞后的所述文本從左至右遍歷，在遍歷到分配有第四標記的詞的情況下將該詞之前的序列作為所述文本中的句子屬性序列，否則將所述文本中的最后一個分配到非第五標記的詞及該詞之前的序列作為所述文本中的句子屬性序列。

6.根據權利要求1所述的方法，其特征在于，所述細判斷的標準中的第一預設值的范圍是[6,10]，第二預設值的范圍是[0.25,0.45]。

7.根據權利要求1至6中任一項所述的方法，其特征在于，所述文本是電子商務客戶的在線咨詢的問題的文本。

8.從文本中識別中文商品名稱的裝置，其特征在于，所述文本是電子商務客戶在線咨詢問題的文本，該裝置包括：

商品信息詞詞庫模塊，用于保存商品信息詞詞庫，所述商品信息詞包括中心詞、品牌、屬性、以及分隔詞；

句子屬性信息序列模塊，用于確定文本中的句子屬性信息序列，所述句子屬性信息序列是所述文本中從左向右的第一個分隔詞之前的序列，或者是所述文本中從左向右的第一個不屬于所述商品信息詞詞庫的詞之前的序列；

判斷模塊，用于對所述句子屬性信息序列依次進行粗判斷和細判斷；其中，所述粗判斷的標準是：所述句子屬性信息序列包含中心詞、品牌、以及屬性，或者包含中心詞和一個以上屬性；所述細判斷的標準是：句子屬性信息序列的長度大于第一預設值并且其中不屬于所述商品信息詞詞庫的詞所占比例小于第二預設值；

輸出模塊，用于對于同時滿足所述粗判斷和細判斷的句子屬性信息序列，輸出該句子屬性信息序列。

9.根據權利要求8所述的裝置，其特征在于，還包括預判斷模塊，用于在所述句子屬性信息序列模塊確定文本中的句子屬性信息序列之前，判斷所述文本的長度是否超過設定值，并僅在判斷結果為是的情況下觸發所述句子屬性信息序列模塊。

10.根據權利要求9所述的裝置，其特征在于，所述預判斷模塊還用于：統計指定品類商品的商品名稱字數的平均長度，或者統計包含指定品類商品名稱的文本的平均長度；然后將統計結果乘以一個預設系數得到所述設定值。

11.根據權利要求8所述的裝置，其特征在于，所述句子屬性信息序列模塊還用于：

對所述文本進行分詞，在分詞過程中，按照分詞得到的詞為所述中心詞、品牌、屬性、或者分隔詞，或者該詞不屬于上述任一者，分別為該詞分配第一標記至第五標記；

對分詞后的所述文本從左至右遍歷，在遍歷到分配有第四標記的詞的情況下將該詞之前的序列作為所述文本中的句子屬性序列，否則將所述文本中的最后一個分配到非第五標記的詞及該詞之前的序列作為所述文本中的句子屬性序列。

12.根據權利要求8至11中任一項所述的裝置，其特征在于，所述文本是電子商務客戶的在線咨詢的問題的文本。