[发明专利]一种基于深度匹配模型的跨平台商品匹配方法

说明书

本发明涉及一种基于深度匹配模型的商品匹配方法，其包括以下步骤：定义两个商品X、Y的标题相似度和属性相似度；计算得到两个商品X、Y的商品标题相似度和商品属性相似度；将两个商品X、Y的商品标题相似度SIM_t和商品属性相似度SIM_a进行融合，进而判断出两个商品是否匹配，是否属于同一种商品。本发明能计算出不同平台的两个商品的相似度，从而判断出这两个商品描述是否指的是同一个商品。

技术领域

本发明涉及一种商品匹配方法，特别是关于一种基于深度匹配模型的跨平台的商品匹配方法。

背景技术

目前商品匹配的挖掘方法有很多，不同形式的商品描述信息通常需要采用不同的匹配方法。商品描述可以有多种形式，即商品可以以结构化的数据保存在数据库中，也可以以非结构化的数据存在于电商平台中。对于存储在数据库中的商品，匹配问题主要是对数据库中商品个体间匹配技术的解决；然而由于不同的数据库采取的设计模式是不同的，数据库商品个体匹配问题是有一定的挑战性。为了解决这个问题，针对记录联动、冗余检测和实体分解方面提出了一些方法。事实上，在真实的电商平台上，商品描述包括商品标题和商品详细信息列表(属性)。将电商平台上的商品描述和数据库中有结构化的商品进行匹配是一种真实场景。有研究者将商品标题转换为有结构的描述，然后将其与数据库中有结构化的商品进行匹配。同样，也有许多研究者直接关注电商平台上商品描述的匹配。

在之前的部分研究工作中，商品的描述会首先被转换成有结构的数据并保存在数据库中，然后这个问题便转换为匹配数据库中的商品这一问题。然而，这一想法会有两个缺点，一是商品的标题是一个短文本，将文本转换为有结构的数据将会丢失一些语义和句法信息。同时由于转换方法的效果相对差会引入一些噪音。此外，存在一些工作是直接对电商平台上商品标题进行匹配，也有一些工作是同时考虑商品标题和商品属性进行匹配。它们大多是使用不同的相似度计算的方法得到最后的结果，没有考虑语义信息进行匹配，而现在随着深度匹配方法逐渐被广泛提出和使用，将考虑语义信息的深度匹配模型应用在商品匹配问题中是一个可以选择的商品匹配方法。

随着互联网的发展和智能手机的出现，在线购物变得越来越普遍。人们越来越习惯用在线购物代替实体店的购买活动，这也导致各种各样在线平台的出现，例如亚马逊、Ebay、天猫和京东。因为不同的消费者偏爱于不同的平台，所以卖家经常在不同的平台上销售他们的商品。对于消费者来说，从一个电商平台上购买一个商品通常取决于他们对商品价格、质量和用户评价的比较。例如，如果同一个商品在多个不同的平台上销售，消费者倾向于选择便宜的商品。当这几个商品的价格和质量是类似的，他们更偏向于选择提供更好服务的卖家所销售的商品。同时，对于卖家和平台管理者来说，将他们的商品和竞争对手所销售的商品进行比较，是一种调价和促销的有效的方法。因此，在不同平台上识别出相同的商品是有价值的。

发明内容

针对上述问题，本发明的目的是提供一种基于深度匹配模型的跨平台商品匹配方法，其能计算出不同平台的两个商品的相似度，从而判断出这两个商品描述是否指的是同一个商品。

为实现上述目的，本发明采取以下技术方案：一种基于深度匹配模型的商品匹配方法，其包括以下步骤：1)定义两个商品X、Y的标题相似度和属性相似度；2)计算得到两个商品X、Y的商品标题相似度和商品属性相似度；3)将两个商品X、Y的商品标题相似度SIM_t和商品属性相似度SIM_a进行融合，进而判断出两个商品是否匹配，属于同一种商品。

进一步，所述步骤2)中，两个商品的相似度是通过商品标题和商品属性分别度量的，通过TMM和AMM分别得到商品标题匹配的相似度特征和商品属性匹配的相似度特征，将两种相似度特征组合后得到两个商品X、Y最后的匹配得分。