[发明专利]一种识别核心产品词的方法和系统

说明书

本发明公开了一种识别核心产品词的方法和系统，涉及计算机技术领域。该方法的一具体实施方式包括：获取商品的展示图像，确定所述商品的标题中包含的多个候选产品词，以及确定多个产品图像集合，多个产品图像集合中的各产品图像集合与多个候选产品词中的各候选产品词一一对应；对于所述多个产品图像集合中的每个产品图像集合，根据所述展示图像和该产品图像集合中的各个图像，确定所述展示图像中的商品与所述产品图像集合对应的候选产品词的相似度，从而得到多个相似度；将所述多个相似度中大于预设阈值的相似度所对应的候选产品词确定为核心产品词。该实施方式将图像信息加入核心产品词的识别，使得更直观且精准的确定出商品标题的核心产品词。

技术领域

本发明涉及计算机技术领域，尤其涉及一种识别核心产品词的方法和系统。

背景技术

在电商领域中，准确的分析商品标题的成分，是用户意图识别、产品召回、个性化推荐等的基础。区别于一般自然语言分析，在电商场景中，需要区分商品标题中的品牌词、修饰词、产品词等成分。而且，在电商领域中，很多商品卖家为提高商品的点击量，会在商品标题中堆砌罗列产品词，甚至其中很多产品词并非是对应本商品。在卖家将商品上架之后，为了能将商品精准的提供给买家，需识别出商品标题中的核心产品词。其中，商品标题的核心产品词就是指标题描述的商品具体是什么产品。如：“韩版NY洋基队男女款鸭舌帽”的核心产品词是“鸭舌帽”。

由于商品标题具有语义不清晰、产品词堆砌等特点，所以，如何识别出商品标题中的核心产品词一直是一个难题。现有技术中，识别商品标题中的核心产品词的方法主要包括：基于词表的规则方法、基于条件随机场的序列标注方法和基于LSTM的深度学习方法。基于词表的规则方法是指维护一个映射的词表。例如：空调滤芯-空调，当标题中同时出现“空调”和“滤芯”时，则认为“滤芯”是核心产品词。基于条件随机场的序列标注方法和基于LSTM的深度学习方法都是利用机器学习模型，通过大量语料进行训练，用学到的模型对新的标题中的产品词是否为核心产品词进行预测。

但是，现有技术中识别商品标题中的核心产品词的方法都只利用了文本信息。具体的，词表的方法不具备泛化能力，即无法处理不包含在词表中的新样本，而商品标题种类繁多，不可能将所有情况都包含进词表。在电商场景下，标题中产品词堆砌现象严重且难以利用句法信息解析，所以机器学习的方法也不能非常有效地识别出商品标题中的核心产品词。并且，商家多种多样不规范的标题书写形式，使得单纯利用文本信息，难以判断标题中的核心产品词。

发明内容

有鉴于此，本发明实施例提供一种识别核心产品词的方法和系统，能够更有效直观、精准的确定出商品标题的核心产品词。进而，可提高用户返回结果的质量，改进用户体验、提高转化。

为实现上述目的，根据本发明实施例的一个方面，提供了一种识别核心产品词的方法。

本发明实施例的识别核心产品词的方法包括：获取商品的展示图像，确定所述商品的标题中包含的多个候选产品词，以及确定多个产品图像集合，所述多个产品图像集合中的各产品图像集合与所述多个候选产品词中的各候选产品词一一对应；对于所述多个产品图像集合中的每个产品图像集合，根据所述展示图像和该产品图像集合中的各个图像，确定所述展示图像中的商品与所述产品图像集合对应的候选产品词的相似度，从而得到多个相似度；将所述多个相似度中大于预设阈值的相似度所对应的候选产品词确定为核心产品词。

可选地，所述确定所述展示图像中的商品与所述产品图像集合对应的候选产品词的相似度的步骤包括：基于训练数据训练Siamese网络，以得到训练后的Siamese网络；对于所述多个产品图像集合中的每个产品图像集合，通过训练后的Siamese网络根据所述展示图像和该产品图像集合中的各个图像，确定所述展示图像中的商品与所述产品图像集合对应的候选产品词的相似度，从而得到多个相似度。