本申请公开了用于确定物品的描述主题的方法和装置，涉及计算机技术领域。该方法包括：获取目标物品的描述信息集合；获取描述信息集合所包含的至少一个主题；针对描述信息集合中的每一条描述信息，根据描述信息中包含的主题、以及用户浏览描述信息的行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型；基于目标行为属性预测模型，确定用于描述目标物品的目标主题。采用该方法可以提高确定用于描述物品的主题的准确性以及效率。定用于描述物品的主题的准确性以及效率。定用于描述物品的主题的准确性以及效率。
【技术实现步骤摘要】
用于确定物品的描述主题的方法和装置
[0001]本公开涉及计算机
，具体涉及用于确定物品的描述主题的方法和装置。
技术介绍
[0002]随着电子商务的发展，越来越多的商家采用电商平台作为主要的推广以及销售渠道，电商平台中的物品的描述信息成为了吸引客流的重要信息，而选择准确的描述主题可以使基于该描述主题描述的物品吸引更多的用户以及提高描述信息的转化率。
[0003]现有的确定物品的描述主题的方法是基于人工经验或者人工调研。然而，基于人工经验或者人工调研确定物品的描述主题的方法存在不准确以及效率低的问题。
技术实现思路
[0004]本公开提供了一种用于确定物品的描述主题的方法、装置、电子设备以及计算机可读存储介质。
[0005]根据本公开的第一方面，提供了一种用于确定物品的描述主题的方法，包括：获取目标物品的描述信息集合；获取描述信息集合所包含的至少一个主题；针对描述信息集合中的每一条描述信息，根据描述信息中包含的主题、以及用户浏览描述信息的行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型；基于目标行为属性预测模型，确定用于描述目标物品的目标主题。
[0006]在一些实施例中，获取描述信息集合所包含的至少一个主题，包括：针对描述信息集合中的每一条描述信息，采用文字识别模型，识别描述信息，并获取描述信息中的至少一个词语；针对基于描述信息集合中的多条描述信息获取的多个词语，根据词语的语义确定至少一个主题。
[0007]在一些实施例中，根据描述信息中包含的主题、以及用户浏览描述信息的行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型，包括：针对描述信息中包含的每一个主题，根据表征该主题的主题词在描述信息中出现的频次，确定描述信息在该主题词上的得分；采用描述信息在各个主题上的得分、以及行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型。
[0008]在一些实施例中，初始行为属性预测模型包括线性回归模型；采用描述信息在各个主题上的得分、以及行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型，包括：将描述信息在各个主题上的得分作为线性回归模型的输入，将行为属性作为线性回归模型的输出，将优化线性回归模型的损失作为训练线性回归模型的目标，并获得目标线性回归模型；基于目标行为属性预测模型，确定用于描述目标物品的目标主题，包括：将目标线性回归模型中的回归系数按照从大到小的顺序排列，并将前预设数目个回归系数对应的主题，确定为目标主题。
[0009]在一些实施例中，初始行为属性预测模型包括深度学习模型；根据描述信息中包含的主题、以及用户浏览描述信息的行为属性，训练初始行为属性预测模型，并获得目标行
为属性预测模型，包括：将描述信息中包含的主题作为深度学习模型的输入，将行为属性作为深度学习模型的期望输出，将最小化深度学习模型的损失函数值作为训练深度学习模型的目标，并获得目标深度学习模型；基于目标行为属性预测模型，确定用于描述目标物品的目标主题，包括：针对描述信息集合包含的全部主题中的每一种主题组合，采用目标深度学习模型确定主题组合对应的预测行为属性；基于各个预测行为属性，从与预测行为属性对应的各个主题组合中，确定目标主题。
[0010]。
[0011]根据本公开的第二方面，提供了一种用于确定物品的描述主题的装置，包括：第一获取单元，被配置为获取目标物品的描述信息集合；第二获取单元，被配置为获取描述信息集合所包含的至少一个主题；训练单元，被配置为针对描述信息集合中的每一条描述信息，根据描述信息中包含的主题、以及用户浏览描述信息的行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型；确定单元，被配置为基于目标行为属性预测模型，确定用于描述目标物品的目标主题。
[0012]在一些实施例中，第二获取单元，包括：识别模块，被配置为针对描述信息集合中的每一条描述信息，采用文字识别模型，识别描述信息，并获取描述信息中的至少一个词语；第一确定模块，被配置为针对基于描述信息集合中的多条描述信息获取的多个词语，根据词语的语义确定至少一个主题。
[0013]在一些实施例中，训练单元，包括：评分模块，被配置为针对描述信息中包含的每一个主题，根据表征该主题的主题词在描述信息中出现的频次，确定描述信息在该主题词上的得分；第一训练模块，被配置为采用描述信息在各个主题上的得分、以及行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型。
[0014]在一些实施例中，初始行为属性预测模型包括线性回归模型；第一训练模块，包括：训练子模块，被配置为将描述信息在各个主题上的得分作为线性回归模型的输入，将行为属性作为线性回归模型的输出，将优化线性回归模型的损失作为训练线性回归模型的目标，并获得目标线性回归模型；确定单元，包括：第二确定模块，被配置为将目标线性回归模型中的回归系数按照从大到小的顺序排列，并将前预设数目个回归系数对应的主题，确定为目标主题。
[0015]在一些实施例中，初始行为属性预测模型包括深度学习模型；训练单元，包括：第二训练模块，被配置为将描述信息中包含的主题作为深度学习模型的输入，将行为属性作为深度学习模型的期望输出，将最小化深度学习模型的损失函数值作为训练深度学习模型的目标，并获得目标深度学习模型；确定单元，包括：第三确定模块，被配置为针对描述信息集合包含的全部主题中的每一种主题组合，采用目标深度学习模型确定主题组合对应的预测行为属性；第四确定模块，被配置为基于各个预测行为属性，从与预测行为属性对应的各个主题组合中，确定目标主题。
[0016]根据本公开的第三方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器：存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面提供的用于确定物品的描述主题的方法。
[0017]根据本公开的第四方面，本公开的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面提供的用于确定物品的描
述主题的方法。
[0018]本公开提供的用于确定物品的描述主题的方法、装置，包括：获取目标物品的描述信息集合；获取描述信息集合所包含的至少一个主题；针对描述信息集合中的每一条描述信息，根据描述信息中包含的主题、以及用户浏览描述信息的行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型；基于目标行为属性预测模型，确定用于描述目标物品的目标主题，可以提高确定用于描述物品的目标主题的准确性以及效率。
[0019]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]附图用于更好地理解本方案，不构成对本申请的限定。其中：
[0021]图1是本申请的实施例可以应用于其中的示例性系统架构图；
[0022本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于确定物品的描述主题的方法，包括：获取目标物品的描述信息集合；获取所述描述信息集合所包含的至少一个主题；针对所述描述信息集合中的每一条描述信息，根据所述描述信息中包含的主题、以及用户浏览所述描述信息的行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型；基于所述目标行为属性预测模型，确定用于描述所述目标物品的目标主题。2.根据权利要求1所述的方法，其中，所述获取所述描述信息集合所包含的至少一个主题，包括：针对所述描述信息集合中的每一条描述信息，采用文字识别模型，识别所述描述信息，并获取所述描述信息中的至少一个词语；针对基于所述描述信息集合中的多条描述信息获取的多个词语，根据所述词语的语义确定所述至少一个主题。3.根据权利要求1所述的方法，其中，所述根据所述描述信息中包含的主题、以及用户浏览所述描述信息的行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型，包括：针对所述描述信息中包含的每一个主题，根据表征该主题的主题词在所述描述信息中出现的频次，确定所述描述信息在该主题词上的得分；采用所述描述信息在各个主题上的得分、以及所述行为属性，训练所述初始行为属性预测模型，并获得目标行为属性预测模型。4.根据权利要求3所述的方法，其中，所述初始行为属性预测模型包括线性回归模型；所述采用所述描述信息在各个主题上的得分、以及所述行为属性，训练所述初始行为属性预测模型，并获得目标行为属性预测模型，包括：将所述描述信息在各个主题上的得分作为所述线性回归模型的输入，将所述行为属性作为所述线性回归模型的输出，将优化所述线性回归模型的损失作为训练所述线性回归模型的目标，并获得目标线性回归模型；所述基于所述目标行为属性预测模型，确定用于描述所述目标物品的目标主题，包括：将所述目标线性回归模型中的回归系数按照从大到小的顺序排列，并将前预设数目个回归系数对应的主题，确定为所述目标主题。5.根据权利要求1所述的方法，其中，所述初始行为属性预测模型包括深度学习模型；所述根据所述描述信息中包含的主题、以及用户浏览所述描述信息的行为属性，训练初始行为属性预测模型，并获得目标行为属性预测模型，包括：将所述描述信息中包含的主题作为所述深度学习模型的输入，将所述行为属性作为所述深度学习模型的期望输出，将最小化所述深度学习模型的损失函数值作为训练所述深度学习模型的目标，并获得目标深度学习模型；所述基于所述目标行为属性预测模型，确定用于描述所述目标物品的目标主题，包括：针对所述描述信息集合包含的全部主题中的每一种主题组合，采用所述目标深度学习模型确定所述主题组合对应的预测行为属性；基于各个所述预测行为属性，从与所述预测行为属性对应的各个主题组合中，确定所
述目标主题。6.一种用于确定物品的描述主题的装置，包括：第一获取单元，被配置为获取目标物品的描述信息集合；第二获取单元，被配置为获取所述...
【专利技术属性】
技术研发人员：陈东东，梁为，牛硕，刘君亮，易津锋，
申请(专利权)人：京东科技控股股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。