[发明专利]一套自动化标签体系及系统

权利要求书

1.一套自动化标签体系及系统，其特征在于：包括数据集生成模块、训练模块、预测模块、数据上传模块和标签生成模块，其中，

所述数据上传模块用于上传原始数据信息，生成原始数据库；

所述数据集生成模块用于将原始数据库生成训练集和测试集，基于MECE原则对标签大类进行定义；

所述训练模块用于根据训练集和测试集来训练神经网络，得到能够拟合数据的模型，通过使用Java集成kettle的方式，以实现对业务数据抽取、清洗的自动化，采用xgboost算法进行分类算法计算，根据算法计算的结果，对标签等级进行自动划分，生成分类器；

所述预测模块用于根据分类器的模型文件生成对应的预测器，然后通过预测得到原始数据库的各个标签的概率；

所述标签生成模块用于将原始数据库作为输入调用通过预测得到原始数据库的各个标签的概率，然后将对应的标签数据作为对原始数据库的标签。

2.根据权利要求1所述的一套自动化标签体系及系统，其特征在于：所述原始数据信息包括线下门店、店员及商品的基础信息和图片信息。

3.根据权利要求1所述的一套自动化标签体系及系统，其特征在于：所述数据上传模块包括如下步骤：

步骤一：数据分析人员上传线下门店、店员及商品的基础信息和图片信息作为原始数据信息；

步骤二：将原始数据信息制作成带有相应标签文件的文件夹。

4.根据权利要求1所述的一套自动化标签体系及系统，其特征在于：所述数据集生成模块包括如下步骤：

步骤一：将原始数据库生成LMDB格式的训练集和测试集；

步骤二：生成线下门店、店员及商品图片信息的均值文件；

步骤三：将均值文件转化为NUMPY格式；

步骤四：基于MECE原则对训练集和测试集的标签大类进行定义。

5.根据权利要求1所述的一套自动化标签体系及系统，其特征在于：所述训练模块包括如下步骤：

步骤一：对训练集和测试集的数据进行预处理；

步骤二：生成能够拟合数据的模型；

步骤三：在测试集上评测模型的准确率。

6.根据权利要求5所述的一套自动化标签体系及系统，其特征在于：所述预处理包括对线下门店、店员及商品的基础信息和图片信息的处理。

7.根据权利要求1所述的一套自动化标签体系及系统，其特征在于：所述训练模块还包括对训练集数据根据IV值及证据权重进行指标相关性自动排序、筛选。

8.根据权利要求1所述的一套自动化标签体系及系统，其特征在于：所述标签生成模块还包括将原始数据库生成对应的Base64数据并连同标签信息生成HTML文件返回给系统。

9.根据权利要求1所述的一套自动化标签体系及系统，其特征在于：所述自动化标签体系及系统包括如下步骤：

步骤一：数据分析人员上传线下门店、店员及商品的基础信息和图片信息作为原始数据信息，将信息通过HTTP协议传递到服务器，作为原始数据库；

步骤二：利用原始数据库生成训练集和测试集；

步骤三：构件分类器，并基于步骤二生成的训练集和测试集来训练分类器，生成分类器的模型文件；

步骤四：由步骤三生成的分类器的模型文件构建预测器；

步骤五：由步骤四构建的预测器预测步骤一的原始数据库各个标签概率，然后将对应的标签数据作为对原始数据库的标签，同时将原始数据库生成对应的Base64数据并连同标签信息生成HTML文件返回给系统。

10.根据权利要求9所述的一套自动化标签体系及系统，其特征在于：所述自动化标签体系及系统还包括：

步骤六：将标签等级与评分卡结合，后续门店、店员、用户及商品在操作/流转过程中采用Flink进行流数据处理，在经过算法计算后，对该门店/店员/用户/商品进行自动打分并与标签等级挂钩。