[发明专利]一种电商评论多类目多客户快速定制化模型的方法和装置

摘要

本发明涉及一种电商评论多类目多客户快速定制化模型的方法和装置，所述的电商评论多类目多客户快速定制化模型方法和装置包括以下主要步骤：第一：最低粒度标签的构建，第二：深度神经网络模型训练模块的构建，第三：深度神经网络模型标注模块的构建。其优点表现在：本发明为商家定制模型时中遇到的问题，按照本发明的方法处理，满足了商家对自有品牌定制化的需求，高效的解决了快速训练，标注，标签命名不同等问题。

主权项

1.一种电商评论多类目多客户快速定制化模型的方法和装置，其特征在于，所述的一种电商评论多类目多客户快速定制化模型方法和装置包括以下主要步骤：第一：最低粒度标签的构建：S11.根据实际情况将训练集拆分成最低粒度标签，任意类目店铺需要的标签都可由最低粒度的标签组合而成，若不能组合，说明非最低粒度，需要继续拆分；S12.根据新类目的引入会提出新的需求，导致原先最低粒度的标签不再是最低粒度，需按照S11的方式拆分成最低粒度，例：AB是配送快，当前最低粒度；新用户提出发货快和送货快的概念，则需要将原AB分拆成A发货快，B送货快；A和B就是新的最低粒度，AB不是；第二：深度神经网络模型训练模块的构建：S21.将S12的数据使用卷积神经网络进行训练，使用训练好的词向量，将分词结果转换为词向量；S22.将转换后的词向量，使用2，3，4，5四种过滤器，分别做卷积与最大池化；S23.定义损失函数，做全连接层进行sigmoid回归输出多分类概率；S24.使用Adam优化算法训练，保存模型；第三：深度神经网络模型标注模块的构建：S31.将评论数据分句，每个子句做为输入文本；S32.读取训练模型，将子句文本转化为标签分类概率，取大于0.5概率的标签；S33.将子句组合成原句，并保存子句标签；第四：标签聚合模块的构建：S41.根据类目按图2所示构建pool表，通过最低粒度汇聚成标签。通过flag表示哪些是类目通用标签，包含所有店铺的，flag为N表示辅助标签不显示；S42.构建change_name表，根据不同店铺需要设定转换需要改名的标签；S43.构建label_hide表，根据不同店铺，隐藏非本店关注的类目通用标签。