[发明专利]商品归类系统、方法、存储介质及终端在审

专利信息
申请号: 202110654273.8 申请日: 2021-06-11
公开(公告)号: CN113361787A 公开(公告)日: 2021-09-07
发明(设计)人: 邹步青;周珂;王炳辉;别广路 申请(专利权)人: 上海跨境电子商务公共服务有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q10/08;G06F16/35;G06F16/38;G06F16/383;G06K9/62;G06N3/04;G06N3/08
代理公司: 上海恒锐佳知识产权代理事务所(普通合伙) 31286 代理人: 黄海霞
地址: 200120 上海市浦东*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 商品 归类 系统 方法 存储 介质 终端
【权利要求书】:

1.一种商品归类系统,其特征在于,所述商品归类系统包括:

用户信息模块,用于采集用户提供的用户信息;

商品预测分类模块,与所述用户信息模块通信连接,用于根据所述用户信息中商品的文本描述信息进行分类预测,以得到商品预归类的预测结果;

数据库模块,与所述商品预测分类模块通信连接,用于存储所述用户信息和编码数据;

其中,所述商品预测分类模块根据所述文本描述信息进行分类预测,以从所述数据库模块中取出所述编码数据作为预测结果,所述商品预测分类模块将所述预测结果存储至所述数据库模块。

2.根据权利要求1所述的商品归类系统,其特征在于,所述商品预测分类模块包括编码预测单元,所述编码预测单元与所述用户信息模块通信连接,所述用户信息包括商品的文本描述信息,所述编码预测单元通过编码分类模型对所述商品的文本描述信息进行编码预测以得到所述商品的预测结果。

3.根据权利要求2所述的商品归类系统,其特征在于,所述编码预测单元包括上游任务组、下游任务组和合并任务组,所述上游任务组和下游任务组均与所述合并任务组通信连接,所述上游任务组通过编码分类模型对所述文本描述信息进行预处理以得到特征向量,所述下游任务组包括相似度对比任务部和编码分类任务部,所述相似度对比任务部用于将所述特征向量输入局部分类模型中获取位于第一阈值之前的第一预测值,并根据所述特征向量和所述第一预测值从所述数据库模块中获取召回编码数据,并对所述召回编码数据和所述特征向量进行相似度计算以得到相似度结果,根据所述相似度结果对所述召回编码数据进行排序,输出排序后的所述召回编码数据,所述编码分类任务部用于根据所述特征向量从所述数据库模块中获取编码数据并分类,输出经过分类排序后的分类编码数据,所述合并任务组用于对所述相似度对比任务部输出的排序后的所述召回编码数据和所述编码分类任务部输出的所述分类编码数据进行合并处理以得到合并结果,并将所述合并结果作为所述预测结果。

4.根据权利要求3所述的商品归类系统,其特征在于,所述商品预测分类模块还包括与所述编码预测单元通信连接的神经网络训练单元,所述相似度对比任务部采用相似度比对模型进行相似度计算,所述编码分类任务部采用编码分类模型对所述相似数据进行分类,所述神经网络训练单元通过从所述数据库模块中抽取数据对所述局部分类模型、所述编码分类模型、所述相似度比对模型和所述编码分类模型进行优化更新。

5.根据权利要求2所述的商品归类系统,其特征在于,所述商品预测分类模块包括数据召回单元,所述数据召回单元与所述编码预测单元通信连接,所述编码预测单元通过所述数据召回单元调用所述数据库模块中的数据。

6.根据权利要求5所述的商品归类系统,其特征在于,所述数据召回单元包括信息修改部,所述信息修改部用于对所述数据库模块中的数据分类和编码信息进行修改。

7.根据权利要求4所述的商品归类系统,其特征在于,所述数据库模块包括知识库单元和训练库单元,所述知识库单元用于存储商品的数据集,所述数据集为所述商品的编码和要素的集合,所述训练库单元用于存储所述神经网络训练单元使用的训练数据。

8.根据权利要求7所述的商品归类系统,其特征在于,所述数据库模块还包括用户库单元和抽取单元,所述用户库单元用于存储所述用户信息、系统权限信息、商品历史归类信息和用户评价信息中的至少一种,所述抽取单元输入端与所述用户库单元通信连接,所述抽取单元输出端分别与所述知识库单元和所述训练库单元通信连接,所述抽取单元将所述用户库中的数据和跨境通关数据抽取并分别传输到所述知识库单元和所述训练库单元。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海跨境电子商务公共服务有限公司,未经上海跨境电子商务公共服务有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110654273.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top