[發明專利]核心產品詞識別方法、裝置、計算機設備及存儲介質

有效

• 申請號: 202110694603.6
• 申請日: 2021-06-22
• 公開（公告）號: CN113343684B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 張銓
• 申請（專利權）人: 廣州華多網絡科技有限公司
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F40/216;G06F40/242;G06F16/35;G06F16/33
• 代理公司: 廣州利能知識產權代理事務所(普通合伙) 44673
• 代理人: 王增鑫

本申請公開一種核心產品詞識別方法、裝置、計算機設備及存儲介質，包括：獲取待識別核心產品詞的商品標題，對該商品標題進行關鍵詞提取，獲得符合預設的產品詞典所定義的多個關鍵詞構造基準詞表；查詢用于存儲基準詞表中兩兩關鍵詞之間的單向轉移概率的轉移概率矩陣，計算每個關鍵詞向其他關鍵詞可能單向轉移的轉移概率的累加值；將轉移概率的累加值最大的關鍵詞輸出為商品標題的核心產品詞。本申請借助轉移概率矩陣，以兩兩關鍵詞之間共現的概率為預測方向的計算依據用于確定核心產品詞，能精確地識別出商品標題的唯一核心產品詞，特別適合集中對海量商品標題進行核心產品詞提取，方便電商平臺提供基于產品詞的索引服務。

技術領域

本發明實施例涉及電商技術領域，尤其是一種核心產品詞識別方法、裝置、計算機設備及存儲介質。

背景技術

目前，電商服務平臺通過識別自身平臺中的商品的標題進行核心產品詞提取，以便為用戶可通過輸入搜索關鍵詞匹配相應的核心產品詞進行相應的商品推薦，但當前電商產品的產品詞識別一般使用文本分類方法進行提取，或者根據產品詞詞典利用關鍵詞命中方法進行提取；對于文本分類法提取核心產品詞，容易受限于有限集合，且需要大量的訓練集，不容易實現，且準確率較低，使平臺為用戶所匹配的核心產品詞并不準確，推薦的商品無法滿足用戶的需求；對于產品詞詞典關鍵詞命中法，其問題是在某個商品文本中可能會提取出多個核心產品詞，無法識別重點的核心產品詞，大量的核心產品詞易擾亂用戶的購買意向，降低用戶的購買欲望，使平臺的成交量降低。因此，如何提高核心產品詞識別的質量，成為需要本領域技術人員解決的技術問題。

發明內容

本申請的目的在于提供一種核心產品詞識別方法、裝置、計算機設備及存儲介質。

為實現本申請的目的，采用如下技術方案：

適應本申請的目的之一而提出的一種核心產品詞識別方法，包括如下步驟：

獲取待識別核心產品詞的商品標題，對該商品標題進行關鍵詞提取，獲得符合預設的產品詞典所定義的多個關鍵詞構造基準詞表；

查詢用于存儲基準詞表中兩兩關鍵詞之間的單向轉移概率的轉移概率矩陣，計算每個關鍵詞向其他關鍵詞可能單向轉移的轉移概率的累加值；

將轉移概率的累加值最大的關鍵詞輸出為所述商品標題的核心產品詞。

進一步的實施例中，所述轉移概率矩陣預先按照如下過程構造：

對商品標題庫中的樣本標題進行關鍵詞提取，獲得符合預設的產品詞典所定義的關鍵詞，利用關鍵詞構造出基準詞表；

構造用于存儲基準詞表中兩兩關鍵詞之間的有向邊權重的權重矩陣，其中任意兩個關鍵詞之間的有向邊權重為其在各個所述的樣本標題中同時出現的次數的累加值；

根據該權重矩陣構造用于存儲基準詞表中兩兩關鍵詞之間的單向轉移概率的轉移概率矩陣，其中一個關鍵詞向另一關鍵詞可能單向轉移的轉移概率為該兩個關鍵詞的有向邊權重除以其中前一關鍵詞到所有任意關鍵詞的有向邊權重的累加值。

進一步的實施例中，進行關鍵詞提取，獲得符合預設的產品詞典所定義的關鍵詞的過程包括如下步驟：

預備產品詞典，產品詞典按照預設分類標準定義有多個產品詞，該產品詞用作確定關鍵詞的參照；

調用預設算法參考所述產品詞典對需要提取關鍵詞的標題進行關鍵詞提取，獲得該標題相對應的多個關鍵詞；

對所提取出的多個關鍵詞執行數據清洗操作，使關鍵詞實現標準化；

對標準化的多個關鍵詞執行取長操作，將已被其中其他關鍵詞包含的關鍵詞清除；

對執行取長操作后的多個關鍵詞執行歸一化操作，將其中含義相同的關鍵詞統一為同一關鍵詞。