[发明专利]商品数据的处理方法、装置和系统

说明书

本申请公开了一种商品数据的处理方法、装置和系统。其中，该方法包括：对商品标识信息进行分词处理，得到至少一个分词；基于至少一个分词在商品标识信息中的含义确定至少一个分词的词向量；将至少一个分词的词向量共同输入至第一模型进行分析，得到商品标识信息的中心词向量，其中，通过多组数据对第一模型进行训练，多组数据中的每组数据中均包括：样本词向量和用于标识样本词向量为中心词的标签；至少基于中心词向量确定与中心词向量匹配的商品。本申请解决了现有技术未考虑到商品标识信息的上下文含义，从而导致商品匹配度低的技术问题。

技术领域

本申请涉及机器学习领域，具体而言，涉及一种商品数据的处理方法、装置和系统。

背景技术

随着计算机技术的发展，人们可以通过互联网实现远程购物。计算机技术不仅为人们的日常购物提供了方便，还使得电商能够了解到客户的需求，为客户的需求提供更好的服务。例如，对于电商平台，当客户输入“Mini Bluetooth Speaker”是搜索词之后，电商平台能够准确的为客户提供的蓝牙音箱。

通过中心词提取可实现对用户输入的搜索词进行关联，进而确定用户需求的目的。通过提取搜索信息和商品标题的中心词，进而完成中心词的匹配，匹配的分数决定了搜索词与商品的相关程度。在电商的特定场景，存在着大量的商品数据，这些数据全部来自于卖家自己填写。电商平台通过利用这些大规模的语料数据预训练模型，进而提升有监督模型中心词任务的效果，其中，大规模语料的预训练模型使用的是word2vec或随机初始化模型，该预训练模型未考虑到搜索词在不同上下文环境中可能有不同的含义。

另外，由上述内容可知，现有的大规模语料的预训练模型完全借助人工标注数据，对于电商平台的搜索信息以及商品标题各提取一部分，然后通过人工标注的方式进行标注，直接在此基础上进行学习得到一个模型，该预训练模型的标注数据依赖人工生成，成本高，数据迁移代价高，如果出现新的场景则需要重新进行标注和生产。另外如果电商平台的商品集合和搜索信息集合发生变化，标注数据则需要重新进行标注，代价较高，如果后期需要继续提升效果，所需标注数据量会呈指数集增加，边际成本较高。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种商品数据的处理方法、装置和系统，以至少解决现有技术未考虑到商品标识信息的上下文含义，从而导致商品匹配度低的技术问题。

根据本申请实施例的一个方面，提供了一种商品数据的处理方法，包括：对商品标识信息进行分词处理，得到至少一个分词；基于至少一个分词在商品标识信息中的含义确定至少一个分词的词向量；将至少一个分词的词向量共同输入至第一模型进行分析，得到商品标识信息的中心词向量，其中，通过多组数据对第一模型进行训练，多组数据中的每组数据中均包括：样本词向量和用于标识样本词向量为中心词的标签；至少基于中心词向量确定与中心词向量匹配的商品。

根据本申请实施例的另一方面，还提供了一种商品数据的处理方法，包括：对商品标识信息进行分词处理，得到至少一个分词；基于至少一个分词在商品标识信息中的含义确定至少一个分词的词向量；将至少一个分词的词向量共同确定商品标识信息的中心词向量；至少基于中心词向量确定与中心词向量匹配的商品。

根据本申请实施例的另一方面，还提供了一种商品数据的处理装置，包括：分词模块，用于对商品标识信息进行分词处理，得到至少一个分词；第一确定模块，用于基于至少一个分词在商品标识信息中的含义确定至少一个分词的词向量；分析模块，用于将至少一个分词的词向量共同输入至第一模型进行分析，得到商品标识信息的中心词向量，其中，通过多组数据对第一模型进行训练，多组数据中的每组数据中均包括：样本词向量和用于标识样本词向量为中心词的标签；第二确定模块，用于至少基于中心词向量确定与中心词向量匹配的商品。