申请/专利权人：福建博思软件股份有限公司

申请日：2022-01-27

公开（公告）日：2023-08-29

公开（公告）号：CN114510559B

主分类号：G06F16/332

分类号：G06F16/332;G06F18/2411;G06Q30/0601

优先权：

专利状态码：有效-授权

法律状态：2023.08.29#授权;2022.06.03#实质审查的生效;2022.05.17#公开

摘要：本发明涉及一种基于深度学习语义蕴含的商品检索方法及存储介质，包括以下步骤：对已经标注的商品信息进行数据规范化，得到商品信息的四元组信息；根据商品信息中的标题数据进行训练引入文本生成的商品检索模型；根据商品信息的四元组信息进行训练得到商品信息蕴含模型；对待检索商品通过商品检索模型进行商品召回，得到候选商品列表；将候选商品列表中的候选商品通过商品信息蕴含模型进行蕴含度计算，根据候选商品的蕴含度对候选商品进行排序。解决了双塔式模型缺少商品信息间交互的弊端，进一步提升了相似商品排序的精度，同时由于双塔式模型的召回，节省了大量的模型计算时间与设备成本。具有更好的鲁棒性、更快的速度以及更高的精度。

主权项：1.一种基于深度学习语义蕴含的商品检索方法，其特征在于，包括以下步骤：对已经标注的商品信息进行数据规范化，得到商品信息的四元组信息，所述四元组信息包括标题信息、属性信息、品牌信息及型号信息；根据商品信息中的标题数据进行训练引入文本生成的商品检索模型；根据商品信息的四元组信息进行训练得到商品信息蕴含模型；对待检索商品通过商品检索模型进行商品召回，得到候选商品列表；将候选商品列表中的候选商品通过商品信息蕴含模型进行蕴含度计算，根据候选商品的蕴含度对候选商品进行排序；所述步骤“对已经标注的商品信息进行数据规范化，得到商品信息的四元组信息”具体包括以下步骤：抽取已经标注的商品信息中的四元组信息作为训练数据；删除四元组信息中的无效字符，并将四元组信息的全角符号转换为半角符号，及大写字母转换为小写字符；按照预设概率删除商品信息中的属性信息中的品牌属性和型号属性；将不同来源的同一商品的四元组信息形成商品簇，所述商品簇的个数为商品的种类个数；所述步骤“根据商品信息中的标题数据进行训练引入文本生成的商品检索模型”具体包括以下步骤：商品检索模型使用第一语义表征模型作为第一主干网络，选取预设个数商品簇，从选取的每个商品簇内随机得到两个标题信息作为商品检索模型的输入；将选取的每个商品簇内的两个标题信息以不同的顺序送入第一主干网络中，训练seq2seq任务；提取第一主干网络的整个Batch的所有标识向量，并做L2归一化处理，接着将提取的所有标识向量进行两两做内积，训练分类任务；将seq2seq任务部分和分类任务部分的交叉熵求和作为总的损失函数，在第一主干网络的每个步骤中更新参数；所述步骤“根据商品信息的四元组信息进行训练得到商品信息蕴含模型”具体包括以下步骤：商品信息蕴含模型以第二语义表征模型作为第二主干网络，训练蕴含任务；在每个商品簇内重复随机选取成对的第一商品和第二商品，将第一商品的四元组信息和第二商品的四元组信息进行组合得到作为训练数据的第一正例数据；对第一正例数据进行数据增强得到第二正例数据；从不同的商品簇内随机选择第三商品和第四商品，将第三商品的四元组信息和第四商品的四元组信息进行组合得到作为训练数据的第一负例数据；对第一正例数据、第二正例数据及第一负例数据进行数据增强得到第二负例数据；通过将第一正例数据和第二正例数据的标签为1，第一负例数据和第二负例数据的标签为0，通过交叉熵损失训练二分类任务。

全文数据：

权利要求：

百度查询： 福建博思软件股份有限公司 一种基于深度学习语义蕴含的商品检索方法及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD