[發(fā)明專利]確定物品的多級分類標簽的方法和裝置

有效

• 申請?zhí)枺?/td>: 202010047471.3
• 申請日: 2020-01-16
• 公開（公告）號: CN113139558B
• 公開（公告）日: 2023-09-05
• 發(fā)明（設(shè)計）人: 徐文峰
• 申請（專利權(quán)）人: 北京京東振世信息技術(shù)有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06N3/08
• 代理公司: 中原信達知識產(chǎn)權(quán)代理有限責(zé)任公司 11219
• 代理人: 王安娜;王志遠

1.一種確定物品的多級分類標簽的方法，其特征在于，包括：

獲取樣本物品，根據(jù)預(yù)先定義的物品級別分類標準，獲取所述樣本物品對應(yīng)的各級樣本分類標簽；

對所述樣本物品和所述樣本物品對應(yīng)的各級樣本分類標簽進行訓(xùn)練，以得到多級文本分類模型；所述多級文本分類模型包括：表示層、特征提取層和特征整合層；其中，所述特征提取層由預(yù)設(shè)個數(shù)的TextCNN模型構(gòu)成，用于提取文本數(shù)據(jù)中至少一個特征向量，所述預(yù)設(shè)個數(shù)是根據(jù)所述預(yù)先定義的物品級別分類標準設(shè)置的；所述特征整合層用于對所述至少一個特征向量進行整合處理，得到整合后的特征向量；訓(xùn)練步驟包括：獲取所述樣本物品的樣本文本數(shù)據(jù)，對所述樣本文本數(shù)據(jù)進行預(yù)處理；根據(jù)所述樣本物品對應(yīng)的各級樣本分類標簽，采用多任務(wù)學(xué)習(xí)的訓(xùn)練方式，將所述表示層依次與所述特征提取層中的每一個TextCNN模型進行聯(lián)合訓(xùn)練，輸入數(shù)據(jù)為預(yù)處理后的所述樣本文本數(shù)據(jù)，輸出數(shù)據(jù)為所述各級樣本分類標簽中的所述TextCNN模型對應(yīng)的級別分類標簽；

獲取目標物品，利用所述多級文本分類模型確定所述目標物品對應(yīng)的多級目標分類標簽。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多級文本分類模型還包括：輸入層和輸出層；

所述輸入層用于輸入經(jīng)過預(yù)處理的文本數(shù)據(jù)，所述預(yù)處理包括分詞處理、去停用詞處理或文本清洗處理；

所述表示層由詞向量模型構(gòu)成，用于將所述輸入層的文本數(shù)據(jù)轉(zhuǎn)化為文本矩陣；

所述特征提取層用于提取所述文本矩陣中至少一個特征向量；

所述輸出層由神經(jīng)網(wǎng)絡(luò)模型和歸一化指數(shù)函數(shù)構(gòu)成，用于根據(jù)所述特征整合層整合后的特征向量，計算所述多級文本分類模型的輸出。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述樣本物品和所述樣本物品對應(yīng)的各級樣本分類標簽進行訓(xùn)練，以得到多級文本分類模型，還包括：

利用預(yù)處理后的所述樣本文本數(shù)據(jù)，訓(xùn)練所述詞向量模型，將所述詞向量模型作為所述多級文本分類模型的表示層；

聯(lián)合訓(xùn)練所述表示層、所述特征提取層和所述輸出層，輸入數(shù)據(jù)為預(yù)處理后的所述樣本文本數(shù)據(jù)，輸出數(shù)據(jù)為所述各級樣本分類標簽中的多級樣本分類標簽。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用所述多級文本分類模型確定所述目標物品對應(yīng)的多級目標分類標簽，包括：

獲取所述目標物品的目標文本數(shù)據(jù)，將所述目標文本數(shù)據(jù)輸入至所述多級文本分類模型中，輸出所述目標物品對應(yīng)的多級目標分類標簽，所述多級目標分類標簽是所述目標物品的最后一個級別的分類標簽。

5.一種確定物品的多級分類標簽的裝置，其特征在于，包括：

獲取模塊，用于獲取樣本物品，根據(jù)預(yù)先定義的物品級別分類標準，獲取所述樣本物品對應(yīng)的各級樣本分類標簽；

訓(xùn)練模塊，用于對所述樣本物品和所述樣本物品對應(yīng)的各級樣本分類標簽進行訓(xùn)練，以得到多級文本分類模型；所述多級文本分類模型包括：表示層、特征提取層和特征整合層；其中，所述特征提取層由預(yù)設(shè)個數(shù)的TextCNN模型構(gòu)成，用于提取文本數(shù)據(jù)中至少一個特征向量，所述預(yù)設(shè)個數(shù)是根據(jù)所述預(yù)先定義的物品級別分類標準設(shè)置的；所述特征整合層用于對所述至少一個特征向量進行整合處理，得到整合后的特征向量；訓(xùn)練步驟包括：獲取所述樣本物品的樣本文本數(shù)據(jù)，對所述樣本文本數(shù)據(jù)進行預(yù)處理；根據(jù)所述樣本物品對應(yīng)的各級樣本分類標簽，采用多任務(wù)學(xué)習(xí)的訓(xùn)練方式，將所述表示層依次與所述特征提取層中的每一個TextCNN模型進行聯(lián)合訓(xùn)練，輸入數(shù)據(jù)為預(yù)處理后的所述樣本物品的樣本文本數(shù)據(jù)，輸出數(shù)據(jù)為所述各級樣本分類標簽中的所述TextCNN模型對應(yīng)的級別分類標簽；

確定模塊，用于獲取目標物品，利用所述多級文本分類模型確定所述目標物品對應(yīng)的多級目標分類標簽。