[发明专利]核心产品词识别方法、装置、计算机设备及存储介质

说明书

本申请公开一种核心产品词识别方法、装置、计算机设备及存储介质，包括：获取待识别核心产品词的商品标题，对该商品标题进行关键词提取，获得符合预设的产品词典所定义的多个关键词构造基准词表；查询用于存储基准词表中两两关键词之间的单向转移概率的转移概率矩阵，计算每个关键词向其他关键词可能单向转移的转移概率的累加值；将转移概率的累加值最大的关键词输出为商品标题的核心产品词。本申请借助转移概率矩阵，以两两关键词之间共现的概率为预测方向的计算依据用于确定核心产品词，能精确地识别出商品标题的唯一核心产品词，特别适合集中对海量商品标题进行核心产品词提取，方便电商平台提供基于产品词的索引服务。

技术领域

本发明实施例涉及电商技术领域，尤其是一种核心产品词识别方法、装置、计算机设备及存储介质。

背景技术

目前，电商服务平台通过识别自身平台中的商品的标题进行核心产品词提取，以便为用户可通过输入搜索关键词匹配相应的核心产品词进行相应的商品推荐，但当前电商产品的产品词识别一般使用文本分类方法进行提取，或者根据产品词词典利用关键词命中方法进行提取；对于文本分类法提取核心产品词，容易受限于有限集合，且需要大量的训练集，不容易实现，且准确率较低，使平台为用户所匹配的核心产品词并不准确，推荐的商品无法满足用户的需求；对于产品词词典关键词命中法，其问题是在某个商品文本中可能会提取出多个核心产品词，无法识别重点的核心产品词，大量的核心产品词易扰乱用户的购买意向，降低用户的购买欲望，使平台的成交量降低。因此，如何提高核心产品词识别的质量，成为需要本领域技术人员解决的技术问题。

发明内容

本申请的目的在于提供一种核心产品词识别方法、装置、计算机设备及存储介质。

为实现本申请的目的，采用如下技术方案：

适应本申请的目的之一而提出的一种核心产品词识别方法，包括如下步骤：

获取待识别核心产品词的商品标题，对该商品标题进行关键词提取，获得符合预设的产品词典所定义的多个关键词构造基准词表；

查询用于存储基准词表中两两关键词之间的单向转移概率的转移概率矩阵，计算每个关键词向其他关键词可能单向转移的转移概率的累加值；

将转移概率的累加值最大的关键词输出为所述商品标题的核心产品词。

进一步的实施例中，所述转移概率矩阵预先按照如下过程构造：

对商品标题库中的样本标题进行关键词提取，获得符合预设的产品词典所定义的关键词，利用关键词构造出基准词表；

构造用于存储基准词表中两两关键词之间的有向边权重的权重矩阵，其中任意两个关键词之间的有向边权重为其在各个所述的样本标题中同时出现的次数的累加值；

根据该权重矩阵构造用于存储基准词表中两两关键词之间的单向转移概率的转移概率矩阵，其中一个关键词向另一关键词可能单向转移的转移概率为该两个关键词的有向边权重除以其中前一关键词到所有任意关键词的有向边权重的累加值。

进一步的实施例中，进行关键词提取，获得符合预设的产品词典所定义的关键词的过程包括如下步骤：

预备产品词典，产品词典按照预设分类标准定义有多个产品词，该产品词用作确定关键词的参照；

调用预设算法参考所述产品词典对需要提取关键词的标题进行关键词提取，获得该标题相对应的多个关键词；

对所提取出的多个关键词执行数据清洗操作，使关键词实现标准化；

对标准化的多个关键词执行取长操作，将已被其中其他关键词包含的关键词清除；

对执行取长操作后的多个关键词执行归一化操作，将其中含义相同的关键词统一为同一关键词。