[发明专利]商品短名称生成方法、电子价签系统及介质

说明书

本公开提供了一种商品短名称生成方法，包括：获取电子货架上的待识别的商品全名称；将待识别的商品全名称输入目标关键词识别模型，预测待识别的商品全名称的实体标签序列；利用拼接规则拼接实体标签序列对应的关键词，生成商品短名称，商品短名称显示于电子货架中。本公开还提供了一种电子价签系统及介质。

技术领域

本公开涉及电子技术领域，更具体地，涉及一种商品短名称生成方法、电子价签系统及介质。

背景技术

商品名称通常是品牌词+类目词+颜色+型号等字段按照一定规则拼装而成，随着营销场景的丰富，加之seo等手段的需要，商家越来越多的会将某个商品的特性、某个品类的核心卖点或者当下营销热门词汇融合进来，造成名称越来越长。而在某个特定场景下，譬如电子价签或特殊尺寸的显示屏，受限于屏幕尺寸，无法完整展现整个商品名称，此时需要提取商品名称核心字段展示。

现有技术中，提取商品名称核心字段的一种解决思路，也即基于商品分类构建分类下的关键词词库，用标题分词后进行关键词匹配提取标准中的关键词，最终根据词性拼接组成商品短标题。

在实现本公开构思的过程中，发明人发现现有技术中至少存在如下问题：现有技术通过商品录入时填写的属性字段按照规则进行拼接或者直接简单暴力的按字符长度截断，这种方法需要不断地罗列规则去适配大量不同的句式，才能提取出商品中关键的指标数据；且需要事先设定好关键指标名称，而对于之前未提及过的指标，并不能智能识别出来。

发明内容

有鉴于此，本公开提供了一种商品短名称生成方法、电子价签系统及介质。

本公开的一个方面提供了一种商品短名称生成方法，包括：获取电子货架上的待识别的商品全名称；将待识别的商品全名称输入目标关键词识别模型，预测待识别的商品全名称的实体标签序列；利用拼接规则拼接实体标签序列对应的关键词，生成商品短名称，商品短名称显示于电子货架中。

根据本公开的实施例，目标关键词识别模型是通过如下方式进行训练的：搜集电子货架中的商品全名称；对搜集的商品全名称逐字进行实体标注，作为待训练样本；利用待训练样本对关键词识别模型进行训练，得到目标关键词识别模型。

根据本公开的实施例，对搜集的商品全名称逐字进行实体标注，包括：按照预设的不同实体类型，采用BIO标注模式对商品全名称逐字进行实体标注。

根据本公开的实施例，预设的不同实体类型包括：商品品牌、型号、颜色、网络类型、内存、商品编码、计量单位、重量或单价中的至少一种。

根据本公开的实施例，利用待训练样本对关键词识别模型进行训练，包括：将待训练样本进行文本向量化后，输入关键词识别模型进行训练；其中，将待训练样本进行文本向量化，包括：利用分布式词向量表示方法Word2vec或全局词频统计Glove通过预训练获取向量矩阵，或者随机初始化形成向量矩阵。

根据本公开的实施例，关键词识别模型为BiLSTM-CRF模型，依次包括：look-up层、双向LSTM层和CRF层，双向LSTM层用于自动提取句子特征，CRF层用于标注类别标签序列。

根据本公开的实施例，look-up层利用预训练或随机初始化形成的向量矩阵将待训练样本中的每个字由独热编码映射为低维稠密的字向量。

根据本公开的实施例，得到目标关键词识别模型的步骤之前，还包括：构建损失函数，将预测的实体标签序列和经过实体标注的商品全名称输入至损失函数中，计算损失值以确定迭代训练次数，直至损失值小于预设阈值。

根据本公开的实施例，拼接规则是预先创建的拼接规则。

根据本公开的实施例，拼接规则还包括：抽取预设的不同实体类型中的至少两种实体类型，将至少两种实体类型按照预设顺序排列。