[发明专利]商品信息格式处理方法、装置、计算机设备和存储介质

权利要求书

1.一种商品信息格式处理方法，所述方法包括：

获取商品信息，所述商品信息包括多个商品项；

对所述商品项的内容进行分词处理，得到多个词；

获取通过词向量模型训练得到的多个词对应的权重向量，利用多个词对应的权重向量生成权重矩阵；

获取所述商品项的多个词对应的编码，将多个词的编码输入至训练后的多层循环神经网络；

通过所述训练后的多层循环神经网络，基于所述多个词的编码以及所述权重矩阵进行运算，输出所述商品项对应的预设格式的描述。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取与商品信息对应的训练集，所述训练集中包括多个商品项以及商品项对应的多个训练词；

统计多个商品项中训练词的词汇数量，将最大词汇数量标记为最长输入参数；

利用所述最长输入参数以及所述训练词，对词向量模型进行训练，得到所述训练词对应的权重向量；

利用所述最长输入参数以及所述训练词对应的权重向量对多层循环神经网络进行训练，得到训练后的多层循环神经网络。

3.根据权利要求2所述的方法，其特征在于，所述利用所述最长输入参数以及所述训练词，对词向量模型进行训练，得到所述训练词对应的权重向量包括：

获取与商品信息对应的语料库，所述语料库中包括多个语料词；所述语料词中包括部分预设字符；

利用所述语料词对词向量模型进行训练，得到语料权重矩阵；所述语料权重矩阵包括多个语料权重向量；

利用预设字符将多个商品项的训练词的词汇数量增加至与所述最长输入参数相同的数量；

根据增加词汇数量后的商品项，在所述语料权重矩阵中选择训练词以及一个或多个预设字符对应的语料权重向量，标记为训练词对应的输入向量；

通过所述词向量模型加载多个输入向量，通过所述词向量模型的隐含层进行训练得到训练权重矩阵，所述训练权重矩阵包括多个训练词以及预设字符对应的权重向量。

4.根据权利要求2所述的方法，其特征在于，所述利用所述最长输入参数、所述训练词以及所述训练词对应的权重向量对多层循环神经网络进行训练，得到训练后的多层循环神经网络包括：

获取所述商品信息对应的映射文件，所述映射文件中记录了商品项中多个训练词的原始描述与预设格式的描述；

利用预设字符将多个商品项的训练词的词汇数量增加至与所述最长输入参数相同的数量；

将所述训练词以及预设字符对应的权重向量生成与商品项对应的训练权重矩阵；

将增加词汇数量后的商品项中的训练词、预设字符以及对应的权重向量矩阵，通过所述多层循环神经网络进行训练，输出商品项中多个训练词预设格式的描述。

5.根据权利要求4所述的方法，其特征在于，所述多层循环神经网络神经包括多个隐含层；所述将增加词汇数量后的商品项中的训练词、预设字符以及对应的权重向量矩阵，通过所述多层循环神经网络进行训练包括：

向每层隐含层分配随机向量作为隐含层的初始权重矩阵；

根据所述最长输入参数在多层循环神经网络的输入层与第一层隐含层设置与增加词汇数量后的商品项相对应的训练权重矩阵；

将增加词汇数量后的商品项的训练词所对应的编码以及预设字符对应的编码输入至所述多层循环神经网络的输入层；

通过多层隐含层利用所述初始权重矩阵以及训练权重矩阵进行训练，使得输出层输出商品项中多个训练词预设格式的描述。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取多个训练集对应的样本文件数量；

获取验证集，所述验证集中包括多个商品项的词；

利用验证集对多个训练集在通过训练后输出的商品项的预设格式进行验证；

当验证的准确度达到阈值时，将初次达到所述阈值对应的样本文件数量标记为最大批量训练的样本文件数量。