[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

技術領域

本發明涉及計算機技術領域，特別地涉及一種從文本中識別中文商品名稱的方法和裝置。

背景技術

自動應答機器人在電子商務零售行業中日益凸顯其重要性。很多入駐電子商務網站平臺的商家，為了保證服務質量，需要守在電腦旁對咨詢的客戶進行解答，這對一般的網上個體經營者無疑是一個很大的人力成本。在這種情況下，能解決大部分常見咨詢問題的自動應答機器人運而生，這可以為很多網店商家解決無人值守時無法回答客戶咨詢的問題。

在實際咨詢過程中，客戶經常會復制一個商品名稱再加上要咨詢的問題進行咨詢，這種問題的識別對自動應答機器人來說是一個難點。因為網站上的商品名稱一般較長(比如手機、服裝等類目的商品，例如：“茵曼2013冬裝新款純棉格子撞布拼接連帽中長款棉衣橙紅色”)，而這些商品信息都是由商家自行錄入和維護，會受到市場促銷、季節性變化等因素經常改變，目前無論是基于分類還是基于關鍵詞匹配的自動應答機器人都很難對這種包含較長的商品名稱的中心業務問題(例如問題“茵曼2013冬裝新款純棉格子撞布拼接連帽中長款棉衣橙紅色這件衣服外面是什么料子”的中心業務問題是“這件衣服外面是什么料子”)進行識別，這時如果可以把商品名稱從客戶輸入的句子中提取出來，再對句子的剩余部分進行分析，可以有效的解決這類問題咨詢。所以需要一種從文本中識別中文商品名稱的方法，以便于識別包含中文商品名稱的咨詢問題從而使自動應答機器人對這類問題進行處理。

發明內容

有鑒于此，本發明提供一種從文本中識別中文商品名稱的方法和裝置，有助于準確識別文本中的中文商品名稱。

為實現上述目的，根據本發明的一個方面，提供了一種從文本中識別中文商品名稱的方法。

本發明的從文本中識別中文商品名稱的方法中，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。

可選地，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。

可選地，所述設定值的取值范圍是[25,30]。

可選地，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。

可選地，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。

可選地，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]。

可選地，所述文本是電子商務客戶的在線咨詢的問題的文本。

根據本發明的另一方面，提供了一種從文本中識別中文商品名稱的裝置。