[发明专利]基于深度学习的尺码识别方法与系统

说明书

本发明属于电商平台人机对话技术领域；公开了基于深度学习的尺码识别方法与系统，具体包括: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S2，直至完成尺码识别。本发明能覆盖顾客对尺码信息的多种不同形式的描述，能有效减少甚至避免提取错误的尺码信息；有效减轻智能客服机器人系统研发人员的程序开发和后期维护的工作量。

技术领域

本发明涉及电商平台人机对话技术领域，具体的说，是基于深度学习的尺码识别方法与系统。

背景技术

目前现有的尺码识别技术大多是基于规则的方法和基于传统机器学习的方法：

基于规则的方法是对于顾客描述文本中的数字用特定的正则表达式提取出来，编写规则结合前后文信息加以判断；将顾客对于尺码信息多种描述形式覆盖全面，规则库难以维护，研发人员开发工作量大。

基于传统机器学习的方法，主要是将尺码信息的提取看作是命名实体识别问题，目前常用模型或方法包括隐马尔可夫模型、最大熵模型、支持向量机、决策树和条件随机场等等。对于顾客表述前后文信息理解不够丰富完整，容易造成大量错误识别，并且对于比较新颖的表述形式(较模型的训练数据而言)大多不能识别。

随着计算机行业与互联网行业的急速发展，人工智能技术逐渐开始应用在人类生活的方方面面，依托于电商领域的智能客服系统也日趋成熟，这主要得益于目前火热的深度学习技术。目前市面上的主流智能客服机器人也主要是基于深度学习技术，相比传统的方式，深度学习技术能带来更好的识别效果。尺码识别与推荐是电商领域服装行业所必备的一个重要功能，其中如何识别顾客描述的身体、体重等尺码信息尤为关键，行业的一般方法是采用规则或传统的机器学习方法，但是识别效果不佳，主要是对于尺码信息的多种表达形式不能完全准确覆盖，并且容易造成提取到错误的尺码信息。

发明内容

本发明的目的在于提供基于深度学习的尺码识别方法与系统，能准确识别顾客对尺码信息的多种不同形式的表述，能有效减少甚至避免提取错误的尺码信息；有效减轻智能客服机器人系统研发人员的程序开发和后期维护的工作量。

本发明通过下述技术方案实现：

基于深度学习的尺码识别方法，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。

进一步地，为了更好的实现本发明，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”，则将该文本消息继续传递至尺码识别模块。

进一步地，为了更好的实现本发明，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；