类目评论

摘要： 本申请公开了一种类目相关性预测网络训练及类目相关性预测方法、装置及设备。所述类目相关性预测网络训练方法包括：基于搜索文本及其对应的对象类目文本生成训练样本，在每轮训练中：将训练样本的搜索文本特征与用户行为不确定性特征融合，得到训练样本的搜索侧融合特征；将训练样本的对象类目特征与用户行为倾向性特征融合，得到训练样本的对象侧融合特征；根据搜索侧融合特征与对象侧融合特征之间的距离，确定搜索文本与当前计算对象所属的类目之间的相关程度数据。所述类目相关性预测方法使用所述类目相关性预测网络预测对象所属类目与搜索文本的相关性。采用所述方法，解决了难以准确预测搜索文本与对象所属类目之间的相关程度数据的问题。

摘要： 本申请公开了一种店铺类目识别模型生成、店铺类目识别的方法及装置，其中，所述店铺类目识别模型生成方法包括：获取样本店铺的样本商品信息和样本商品信息对应的多级业务类目；确定店铺类目识别的多个识别维度、每个识别维度对应的至少一个分支节点和每个识别维度对应的类目识别约束信息；基于样本商品信息和样本商品信息对应的多级业务类目，生成样本店铺在每个识别维度下的目标识别信息；基于每个识别维度的影响因子和对应的至少一个分支节点，构建店铺类目识别对应的预设树结构；基于目标识别信息和类目识别约束信息对预设树结构进行店铺类目识别训练，得到店铺类目识别模型。本申请能够提高店铺类目识别的准确度，减少人工操作失误风险。

摘要： 本申请公开了一种类目上下游关系计算方法及装置。例如，该方法可以包括：查找出中间型用户；针对每个中间型用户，计算该用户发布的主要叶子类目的重要值，以及该用户的偏好叶子类目的偏好值；基于所有中间型用户发布的主要叶子类目的重要值以及所有中间型用户的偏好叶子类目的偏好值，计算所有中间型用户发布的主要叶子类目与偏好叶子类目中，任意两个叶子类目之间的相关度；将相关度在预置上下游关系阈值范围内的任意两个叶子类目确定为具有上下游关系的叶子类目。另外，本申请还公开了一种类目推荐方法及装置。由于本申请基于所述类目上下游关系计算方法得到的叶子类目之间的上下游关系进行叶子类目的推荐，使得推荐结果更加准确。

摘要： 本发明提供一种评论信息分析系统等。该系统等具备：行为信息获取部(103)，获取表示所述社区网站上的用户行为的行为信息；用户确定部(104)，从社区网站的用户中确定出由行为信息所示出的行为发生了变化的用户；评论信息抽取部(105)，抽取出行为发生了变化的用户作为评论反响者进行了反响的评论信息。通过抽取实际上行为发生了变化的用户在社区网站上进行了反响的其他用户的评论信息，不仅限于抽取发言者的情感值大的评论信息，还能广泛地抽取出因某种重要因素的存在而可能对用户的行为构成影响的评论信息，并将其有效利用到营销中。

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。

摘要： 本公开关于用于类目识别的模型训练方法、类目识别方法及相关装置，通过获取针对第一样本推荐对象的样本推荐信息，以该样本推荐信息作为目标样本，确定该第一样本推荐对象所属的第一目标类目和第二样本推荐对象所属的第二目标类目，并根据类目实体映射信息确定第一目标类目对应的第一目标实体信息和第二目标类目对应的第二目标实体信息，进而根据第一目标实体信息生成正样本以及根据第二目标实体信息生成负样本，并根据目标样本、正样本和负样本生成训练三元组，利用该训练三元组对预设网络模型进行监督学习得到用于类目识别的目标模型，从而使得模型能够进行更好的区分训练，提高了基于目标模型的类目识别准确性。

摘要： 本申请公开了一种类目相关性预测网络训练及类目相关性预测方法、装置及设备。所述类目相关性预测网络训练方法包括：基于搜索文本及其对应的对象类目文本生成训练样本，在每轮训练中：将训练样本的搜索文本特征与用户行为不确定性特征融合，得到训练样本的搜索侧融合特征；将训练样本的对象类目特征与用户行为倾向性特征融合，得到训练样本的对象侧融合特征；根据搜索侧融合特征与对象侧融合特征之间的距离，确定搜索文本与当前计算对象所属的类目之间的相关程度数据。所述类目相关性预测方法使用所述类目相关性预测网络预测对象所属类目与搜索文本的相关性。采用所述方法，解决了难以准确预测搜索文本与对象所属类目之间的相关程度数据的问题。

摘要： 本申请公开了一种店铺类目识别模型生成、店铺类目识别的方法及装置，其中，所述店铺类目识别模型生成方法包括：获取样本店铺的样本商品信息和样本商品信息对应的多级业务类目；确定店铺类目识别的多个识别维度、每个识别维度对应的至少一个分支节点和每个识别维度对应的类目识别约束信息；基于样本商品信息和样本商品信息对应的多级业务类目，生成样本店铺在每个识别维度下的目标识别信息；基于每个识别维度的影响因子和对应的至少一个分支节点，构建店铺类目识别对应的预设树结构；基于目标识别信息和类目识别约束信息对预设树结构进行店铺类目识别训练，得到店铺类目识别模型。本申请能够提高店铺类目识别的准确度，减少人工操作失误风险。

摘要： 本申请公开了一种类目上下游关系计算方法及装置。例如，该方法可以包括：查找出中间型用户；针对每个中间型用户，计算该用户发布的主要叶子类目的重要值，以及该用户的偏好叶子类目的偏好值；基于所有中间型用户发布的主要叶子类目的重要值以及所有中间型用户的偏好叶子类目的偏好值，计算所有中间型用户发布的主要叶子类目与偏好叶子类目中，任意两个叶子类目之间的相关度；将相关度在预置上下游关系阈值范围内的任意两个叶子类目确定为具有上下游关系的叶子类目。另外，本申请还公开了一种类目推荐方法及装置。由于本申请基于所述类目上下游关系计算方法得到的叶子类目之间的上下游关系进行叶子类目的推荐，使得推荐结果更加准确。

摘要： 本发明提供了一种基于类目相似度计算的分类法类目映射的方法，包括：选取第一分类法中的第一类目在第二分类法中对应的类目集合；计算第一类目与类目集合中任一第二类目的类目相似度；当类目相似度在预定的阈值范围内时，确定第一类目与该第二类目为候选相似类目。本实施例的方案中在分类法类目的匹配过程中考虑到分类法不同层级概念粒度、类目字面描述和类目结构等多种影响因素，解决了分类法类目自动映射出候选相似类目的问题，并在一定程度上提高了映射的准确率及效率。