申请/专利权人：广州华多网络科技有限公司

申请日：2021-09-14

公开（公告）日：2024-06-28

公开（公告）号：CN113806537B

主分类号：G06F16/35

分类号：G06F16/35;G06N3/0464;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.01.04#实质审查的生效;2021.12.17#公开

摘要：本申请公开一种商品类目分类方法及其装置、设备、介质、产品，所述方法包括：获取商品对象相对应的标题文本；调用文本特征提取模型从所述标题文本中提取出文本特征信息；其中，所述文本特征提取模型的训练过程中，以同一训练样本对商品分类相对应的类目树的层次结构逐层训练，每一层训练时以当前层的实际损失值修正该文本特征提取模型的权重参数直至该文本特征提取模型被训练至收敛状态，所述实际损失值由当前层的损失函数值融合先训练层的实际损失值获得；基于所述文本特征信息进行分类，以分类结果标记所述商品对象的分类属性，所述分类结果包括所述类目树中具有层次隶属关系的各层次的类目标签。本申请的模型易于高效训练至收敛。

主权项：1.一种商品类目分类方法，其特征在于，包括如下步骤：获取商品对象相对应的标题文本；调用文本特征提取模型从所述标题文本中提取出文本特征信息；其中，所述文本特征提取模型的训练过程中，以同一训练样本对商品分类相对应的类目树的层次结构逐层训练，每一层训练时以当前层的实际损失值修正该文本特征提取模型的权重参数直至该文本特征提取模型被训练至收敛状态，所述实际损失值由当前层的损失函数值融合先训练层的实际损失值获得；基于独立站的包含有商品对象的标题信息的摘要文本相对应的文本特征信息进行分类，以分类结果标记所述商品对象的分类属性，所述分类结果包括所述类目树中具有层次隶属关系的各层次的类目标签；所述文本特征提取模型的训练过程中，包括如下步骤：创建多个训练任务以实施针对所述类目树中各个层的训练；为各个训练任务输入同一训练样本以启动训练；控制各个训练任务依照类目树的层次结构自顶层至底层传递各先训练层的实际损失值，以使相应层融合该实际损失值而实现对相应的训练任务中的文本特征模型进行权重参数修正；所述文本特征提取模型的训练过程，包括针对类目树的分类结构中每一层训练的步骤：从所述训练样本中提取出文本特征信息；将所述文本特征信息输入分类模型进行分类，获得与当前层相对应的分类结果；将当前层的损失函数值与所有先训练层各自的实际损失值进行加权求和获得当前层的实际损失值；利用当前层的实际损失值反向传播修正文本特征提取模型的权重参数实现梯度更新。

全文数据：

权利要求：

百度查询： 广州华多网络科技有限公司 商品类目分类方法及其装置、设备、介质、产品

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD