[发明专利]发票商品名分类方法、系统、设备及计算机可读存储介质

权利要求书

1.一种发票商品名分类方法，其特征在于，包括：

根据预设规则，确定待分类发票商品名的商品名向量；

将所述商品名向量输入至预先创建的目标训练后模型，得到所述目标训练后模型输出的发票商品名类型，以判断该类型是否为目标类型；

其中，所述目标训练后模型为预先利用目标训练样本对基于梯度增强决策树XGBoost模型构建的待训练模型进行训练后得到的模型，其中，所述目标训练样本包括已标注目标发票商品名类型的训练样本以及根据Rocchio算法获取到的未标注商品名类别的训练样本。

2.根据权利要求1所述的发票商品名分类方法，其特征在于，所述将所述词向量输入至预先创建的训练后模型，得到所述训练后模型输出的发票品名类型的步骤之前，还包括：

利用所述目标训练样本对基于梯度增强决策树XGBoost模型构建的待训练模型进行训练，得到所述目标训练后模型。

3.根据权利要求2所述的发票商品名分类方法，其特征在于，所述利用所述目标训练样本对基于梯度增强决策树XGBoost模型构建的待训练模型进行训练，得到所述目标训练后模型的步骤，包括：

获取已标注目标发票商品名类型的商品名，得到正标注训练样本集合；

获取未标注发票商品名类别的商品名，得到负标注训练样本集合；

利用所述正标注训练样本集合和所述负标注训练样本集合对预先建立的待训练模型进行训练，得到所述目标训练后模型。

4.根据权利要求3所述的发票商品名分类方法，其特征在于，所述利用所述正标注训练样本集合和所述负标注训练样本集合对预先建立的待训练模型进行训练，得到所述目标训练后模型的步骤，包括：

根据所述正标注训练样本集合的分布情况从所述负标注训练样本集合中筛选出相应的未标注商品名类别的商品名，得到目标负标注训练样本集合；

根据梯度增强决策树算法，利用所述正标注训练样本集合和所述目标负标注训练样本集合对预先建立的待训练模型进行训练，得到所述目标训练后模型。

5.根据权利要求4所述的发票商品名分类方法，其特征在于，所述根据所述正标注训练样本集合的分布情况从所述负标注训练样本集合中筛选出相应的未标注商品名类别的商品名，得到目标负标注训练样本集合的步骤，包括：

对所述正标注训练样本集合和所述负标注训练样本集合中的每一商品名进行分词，得到当前词特征组合，然后利用word2vec算法，将当前词特征组合中的每一词特征映射到向量空间，得到相应的词向量；

利用语言模型对当前词特征组合进行扩词，得到相应的目标词特征组合，并计算每一目标词特征组合的权重，以利用相应目标词特征组合中的词向量以及对应的权重确定相应的商品名向量；

分别利用第一计算公式和第二计算公式计算所述正标注训练样本集合的原型特征向量和所述负标注训练样本集合的原型特征向量，得到对应的正标记样本原型特征向量和负标记样本原型特征向量；其中，所述第一计算公式和所述第二计算公式计算分别为：

c→+=α1|P|Σd→∈Pd→||d→||-β1|U|Σd→∈Pd→||d→||;]]>

c→-=α1|U|Σd→∈Pd→||d→||-β1|P|Σd→∈Pd→||d→||;]]>

式中，α、β均表示常量系数，分别表示所述正标记样本原型特征向量和所述负标记样本原型特征向量，P、U分别表示所述正标注训练样本集合和所述目标负标注训练样本集合，表示商品名向量；

分别计算所述负标注训练样本集合中每一商品名的商品名向量与所述正标记样本原型特征向量和所述负标记样本原型特征向量的余弦相似程度，得到对应的正余弦相似度和负余弦相似度；若任一正余弦相似度小于或等于相应的负余弦相似度，则将该商品名确定为目标负标注训练样本，以得到所述目标负标注训练样本集合，并且将剩余的商品名作为待分类商品名。