[发明专利]基于深度学习的尺码识别方法与系统

权利要求书

1.基于深度学习的尺码识别方法，其特征在于：具体包括以下步骤：

步骤S1：获取顾客发送的文本消息；

步骤S2：通过意图分类器识别文本消息是否为“征询尺码建议”，若该文本消息是“征询尺码建议”，则将该消息传递给尺码识别模块；

步骤S3：尺码二分类模块判断文本消息是否包含尺码信息；若包含，则执行下一步；

步骤S4：尺码识别模型采用双向长短期记忆神经网络和条件随机场方法相结合的BiLSTM-CRF模型对尺码信息进行识别并提取；

步骤S5：检测尺码信息提取是否完整；若不完整进行反问，执行步骤S1，直至完成尺码识别。

2.根据权利要求1所述的基于深度学习的尺码识别方法，其特征在于：所述步骤S2具体是指：

将文本消息输入意图分类器中，通过意图分类器预测顾客所发送文本消息的意图，若意图分类结果为“征询尺码建议”，则将文本消息继续传递至尺码识别模块。

3.根据权利要求2所述的基于深度学习的尺码识别方法，其特征在于：所述步骤S4中的BiLSTM-CRF模型包括：

词表征层：将顾客所发送的文本消息中的每个词映射为固定维度的特词向量，组成词向量序列；

BiLSTM层：包括用于词向量序列顺序输入的前向长短期记忆网络和用于词向量序列逆序输入的后向长短期神经网络，长短期记忆神经网络的一个神经单元应该有单元状态、隐状态和词向量三个输入，而输出单元状态和隐状态用于下一次神经单元的输入；

CRF层：为最后预测的标签加上约束，保证预测的标签序列的正确性。

4.根据权利要求1-3任一项所述的基于深度学习的尺码识别方法，其特征在于：所述步骤S5具体是指：构建商品尺码表；根据已构建的商品尺码表与已经提取到的尺码信息进行对比分析，检测所获得的尺码信息是否完整。

5.根据权利要求1-4任一项所述的基于深度学习的尺码识别系统，其特征在于：包括：

意图分类器：用于判断顾客意图是否为在“征询尺码建议”；

尺码识别模块：从顾客发送的文本消息中提取尺码信息，查询商品的尺码表，判断得到的尺码信息是否完整；若不完整，进行反问，直至尺码信息完整。

6.根据权利要求5所述的基于深度学习的尺码识别系统，其特征在于：所述尺码识别模块包括：

尺码二分类模块：用于判断顾客意图是否包含尺码信息；

尺码识别模型：提取和识别尺码信息；

处理模块：查询商品的尺码表并判断尺码信息的完整度，结合完整度的情况向顾客提出反问，直至获得的尺码信息完整。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述程序被执行时实现权利要求1-4任一项所述方法的步骤。