本發(fā)明涉及信息技術(shù)，尤其涉及一種屬性獲取方法和裝置。

背景技術(shù)：

在電子商務(wù)處理平臺中，可以對所發(fā)布的商品維護(hù)一個(gè)商品庫，在商品庫中按照商品的商品類目，確定了品牌、材質(zhì)、顏色、風(fēng)格、價(jià)格區(qū)間等等屬性項(xiàng)對商品進(jìn)行描述，從而便于進(jìn)行統(tǒng)計(jì)和用戶進(jìn)行篩選。原平臺比如銀泰商業(yè)需要接入淘寶等目標(biāo)平臺時(shí)，在目標(biāo)平臺上發(fā)布商品時(shí)，由于原平臺上用于描述商品的屬性，包括屬性項(xiàng)和屬性值，與目標(biāo)平臺往往是有所區(qū)別的。例如：在銀泰商業(yè)平臺上，采用了品牌、顏色、材質(zhì)和上市時(shí)間描述連衣裙這一商品類目下的商品，而在淘寶平臺上則采用了品牌、顏色分類、風(fēng)格和價(jià)格區(qū)間。因此，在淘寶平臺上發(fā)布商品之前，需要確定銀泰商業(yè)平臺上的商品在淘寶平臺中進(jìn)行描述時(shí)各屬性項(xiàng)的屬性值，也就是獲取到該商品在目標(biāo)平臺上的屬性。

現(xiàn)有技術(shù)中可以根據(jù)目標(biāo)平臺的屬性，對原平臺商品的屬性進(jìn)行聚類處理，從而獲得在目標(biāo)平臺上該商品的屬性，但這種方式僅能夠針對該商品在原平臺上的屬性進(jìn)行處理，而無法對商品在原平臺上的標(biāo)題或詳情描述等非結(jié)構(gòu)化文本進(jìn)行處理。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種屬性獲取方法和裝置，用于基于商品在原平臺上的標(biāo)題或詳情描述等非結(jié)構(gòu)化文本進(jìn)行處理獲得該商品的屬性。

為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案：

第一方面，提供了一種屬性獲取方法，包括：

從用于描述目標(biāo)對象的非結(jié)構(gòu)化文本中，抽取出與預(yù)設(shè)屬性匹配的目標(biāo)詞；

根據(jù)所述目標(biāo)詞確定所述目標(biāo)對象的屬性。第二方面，提供了一種屬性獲取裝置，包括：

抽取模塊，用于從用于描述目標(biāo)對象的非結(jié)構(gòu)化文本中，抽取出與預(yù)設(shè)屬性匹配的目標(biāo)詞預(yù)設(shè)屬性；

確定模塊，用于根據(jù)所述目標(biāo)詞確定所述目標(biāo)對象的屬性預(yù)設(shè)屬性。

本發(fā)明實(shí)施例提供的屬性獲取方法和裝置，通過從原平臺用于描述目標(biāo)對象的非結(jié)構(gòu)化文本中，抽取出與目標(biāo)平臺的預(yù)設(shè)屬性匹配的目標(biāo)詞，進(jìn)而根據(jù)目標(biāo)詞確定出目標(biāo)對象在目標(biāo)平臺中的屬性。針對電子商務(wù)平臺來說，可以實(shí)現(xiàn)從商品的標(biāo)題和詳情描述這種非結(jié)構(gòu)化文本中抽取出商品的屬性，因此解決了現(xiàn)有技術(shù)中無法針對非結(jié)構(gòu)化文本進(jìn)行處理，獲得原平臺的商品在目標(biāo)平臺上的屬性的技術(shù)問題。

上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說明

通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符號表示相同的部件。在附圖中：

圖1為實(shí)施例一提供的一種屬性獲取方法的流程示意圖；

圖2為屬性獲取方法的應(yīng)用場景示意圖；

圖3為本發(fā)明實(shí)施例二提供的一種屬性獲取方法的流程示意圖；

圖4為本發(fā)明實(shí)施例三提供的一種屬性獲取裝置的結(jié)構(gòu)示意圖；

圖5為本發(fā)明實(shí)施例四提供的一種屬性獲取裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

下面結(jié)合附圖對本發(fā)明實(shí)施例提供的屬性獲取方法和裝置進(jìn)行詳細(xì)描述。

實(shí)施例一

圖1為實(shí)施例一提供的一種屬性獲取方法的流程示意圖，本實(shí)施例所提供的方法可以用于電子商務(wù)平臺中，也就是說，本實(shí)施例中所提及的對象可以為商品，實(shí)施例可以用于將原平臺中的商品投放到目標(biāo)平臺之前，獲得該商品在目標(biāo)平臺中的屬性，如圖1所示，方法包括：

步驟101、從用于描述目標(biāo)對象的非結(jié)構(gòu)化文本中，抽取出與預(yù)設(shè)屬性匹配的目標(biāo)詞。

其中，預(yù)設(shè)屬性包括了預(yù)設(shè)屬性項(xiàng)和預(yù)設(shè)屬性值。針對同一個(gè)預(yù)設(shè)屬性項(xiàng)，可以由一個(gè)或多個(gè)詞匯構(gòu)成對應(yīng)的預(yù)設(shè)屬性值?？蛇x的，在設(shè)置預(yù)設(shè)屬性項(xiàng)和預(yù)設(shè)屬性值之間對應(yīng)關(guān)系之后，還可以針對每一個(gè)預(yù)設(shè)屬性值設(shè)置與多個(gè)預(yù)設(shè)屬性子值之間的對應(yīng)關(guān)系，其中，預(yù)設(shè)屬性子值與預(yù)設(shè)屬性值具有相似語義。

例如：針對服飾風(fēng)格的預(yù)設(shè)屬性項(xiàng)，可以設(shè)置用于描述不同服飾風(fēng)格的詞匯作為預(yù)設(shè)屬性值。進(jìn)一步，還可以針對還可以針對每一個(gè)服飾風(fēng)格詞匯設(shè)置多個(gè)具有相似語義的詞匯作為預(yù)設(shè)屬性子值，具體來說，可以設(shè)置民族為預(yù)設(shè)屬性值，進(jìn)而還可以設(shè)置苗族、漢族、藏族等具體描述民族的詞匯作為預(yù)設(shè)屬性子值，又如還可以在設(shè)置學(xué)院作為預(yù)設(shè)屬性值的同時(shí)設(shè)置校園、文藝和小清新等等用于具體描述學(xué)院風(fēng)格的詞匯作為預(yù)設(shè)屬性子值。

需要說明的是，這里所說的匹配不僅是指絕對匹配，還包括部分匹配的情況。

具體的，將非結(jié)構(gòu)化文本中的詞與該預(yù)設(shè)屬性項(xiàng)對應(yīng)的各個(gè)詞進(jìn)行匹配，若存在至少一個(gè)匹配的詞匯則認(rèn)為該詞與預(yù)設(shè)屬性匹配，進(jìn)而確定該詞為目標(biāo)詞。在匹配之前，可以通過獲取目標(biāo)對象在原平臺中的標(biāo)題和詳情描述等非結(jié)構(gòu)化文本，對這些非結(jié)構(gòu)化文本進(jìn)行預(yù)處理，預(yù)處理操作主要包括分詞、全角換半角、大小寫統(tǒng)一、對文本進(jìn)行歸一、對品牌詞準(zhǔn)確識別、處理單字等。進(jìn)而在目標(biāo)平臺中，查詢目標(biāo)對象所屬類目下的預(yù)設(shè)屬性。采用相似度算法，對所述非結(jié)構(gòu)化文本與所述預(yù)設(shè)屬性進(jìn)行字符串匹配，獲得匹配的單詞等目標(biāo)詞，并且獲得每一個(gè)目標(biāo)詞與預(yù)設(shè)屬性之間的匹配度。通過進(jìn)行字符串匹配，從非結(jié)構(gòu)化文本中找到與預(yù)設(shè)屬性相似的詞匯，這里使用的相似度算法可以包括：編輯距離、余弦夾角相似度、歐式距離、jacarrd遺傳相似度距離(jacarrd是一種遺傳相似度的算法)、二元語法(2-gram)語言模型、最長公共子序列、最長連續(xù)公共子串等。

在本步驟中不僅可以采用前述提及的字符串匹配，也可以采用其他方式從非結(jié)構(gòu)化文本中抽取出目標(biāo)詞，例如語義匹配等。

需要說明的是，前述提及的類目是指對象所屬類別，類目的粒度可以由用戶自行進(jìn)行設(shè)定，例如可以籠統(tǒng)的劃分為服裝、鞋帽、電子產(chǎn)品等，也可以進(jìn)行進(jìn)一步的細(xì)分，例如對于服裝可以劃分為更細(xì)粒度的襯衫、連衣裙、褲子等。類目劃分的粒度越細(xì)，獲取到的屬性的準(zhǔn)確度越高，但相應(yīng)的需要維護(hù)的預(yù)設(shè)屬性越多。類目所設(shè)定的粒度可以參考兩個(gè)不同類目間的預(yù)設(shè)屬性存在的差異性，類目的劃分應(yīng)當(dāng)使得兩類目間預(yù)設(shè)屬性的存在一定的差異性，從而在保證獲取到的屬性的準(zhǔn)確度的前提下，維持一個(gè)適當(dāng)規(guī)模的預(yù)設(shè)屬性集合。

步驟102、根據(jù)目標(biāo)詞確定目標(biāo)對象的屬性。

作為一種可能的實(shí)現(xiàn)方式，根據(jù)目標(biāo)詞與預(yù)設(shè)屬性的匹配度，從目標(biāo)詞中確定目標(biāo)對象的屬性。

可以通過將目標(biāo)詞與預(yù)設(shè)屬性中的預(yù)設(shè)屬性值和/或預(yù)設(shè)屬性子值進(jìn)行匹配，從而根據(jù)目標(biāo)詞與預(yù)設(shè)屬性的匹配度，從目標(biāo)詞中確定目標(biāo)對象的屬性。具體的，預(yù)先設(shè)置相似度閾值，即第一閾值和第二閾值，其中，第一閾值大于第二閾值。對于匹配度高于第一閾值的目標(biāo)詞，確定為目標(biāo)對象在目標(biāo)平臺中的屬性；對于匹配度高于第二閾值但小于第一閾值的目標(biāo)詞作為候選屬性，采用語義判別方式確定所述候選屬性是否為所述目標(biāo)平臺中的屬性，根據(jù)判別結(jié)果從所述候選屬性中確定所述目標(biāo)對象在目標(biāo)平臺中的屬性。

一般來說，匹配度的取值在0至1之間，在上一步驟中所獲得的匹配度與第一閾值和第二閾值相比較，有三種情況：

第一種情況，針對匹配度大于第一閾值的目標(biāo)詞，認(rèn)為有較大概率是該目標(biāo)對象的屬性；

第二種情況，針對匹配度小于第一閾值但大于第二閾值的目標(biāo)詞，認(rèn)為其有可能是目標(biāo)對象的屬性，可以將這些目標(biāo)詞作為候選屬性，需要進(jìn)行進(jìn)一步的判斷，具體在本實(shí)施例中采用語義判別方式進(jìn)行了進(jìn)一步判斷；

第三種情況，針對匹配度小于第二閾值的目標(biāo)對象，認(rèn)為是目標(biāo)對象的屬性的概率很低，直接進(jìn)行舍棄。

可見，通過從原平臺用于描述目標(biāo)對象的非結(jié)構(gòu)化文本中，抽取出與目標(biāo)平臺的預(yù)設(shè)屬性匹配的目標(biāo)詞，進(jìn)而根據(jù)目標(biāo)詞與預(yù)設(shè)屬性的匹配度，從目標(biāo)詞中確定出目標(biāo)對象在目標(biāo)平臺中的屬性的方案，可以實(shí)現(xiàn)從商品的標(biāo)題和詳情描述這種非結(jié)構(gòu)化文本中抽取出商品的屬性，因此解決了現(xiàn)有技術(shù)中無法針對非結(jié)構(gòu)化文本進(jìn)行處理，獲得原平臺的商品在目標(biāo)平臺上的屬性的技術(shù)問題。

作為另一種可能的實(shí)現(xiàn)方式，可以基于目標(biāo)詞的語義進(jìn)行分析，獲得所述目標(biāo)對象的屬性。例如：對商品的詳情描述頁中的詞進(jìn)行抽取所獲得的目標(biāo)詞可以為“苗族傳統(tǒng)服飾”，針對目標(biāo)詞的語義進(jìn)行分析，確定“苗族傳統(tǒng)服飾”的語義是用于描述民族風(fēng)格的，因而可以將民族風(fēng)格作為該商品的屬性。這里的語義分析可以基于相似語義，以及概括語義等多種語義關(guān)系進(jìn)行分析，具體來說，相似語義是指屬性與目標(biāo)詞之間可以是具有相似的語義，概括語義是指屬性與目標(biāo)詞之間可以是上下位的概念。

由于前述預(yù)設(shè)屬性值和預(yù)設(shè)屬性子值之間是具有語義相關(guān)性的，因而可以根據(jù)目標(biāo)詞所匹配的預(yù)設(shè)屬性子值，進(jìn)行查詢獲得該預(yù)設(shè)屬性子值所對應(yīng)的預(yù)設(shè)屬性值，將該預(yù)設(shè)屬性值作為商品的屬性值，將該預(yù)設(shè)屬性值對應(yīng)的預(yù)設(shè)屬性項(xiàng)作為商品的屬性項(xiàng)。

需要說明的是，在實(shí)際使用中還可以采用其他基于目標(biāo)詞的語義進(jìn)行分析的方式，從而獲得目標(biāo)對象的屬性，例如：采用數(shù)據(jù)挖掘中的分類器，該分類器是基于詞匯的語義進(jìn)行訓(xùn)練獲得的。

通過前述的屬性獲取方法，便可以通過原平臺中商品的描述頁面，獲得商品在目標(biāo)平臺中的屬性。圖2為屬性獲取方法的應(yīng)用場景示意圖，如圖2所示，左圖為原平臺中的商品頁面，在頁面中包括了商品標(biāo)題和商品詳情，對商品標(biāo)題和商品詳情進(jìn)行抽取目標(biāo)詞，根據(jù)所抽取的目標(biāo)詞獲得如右圖所示的商品屬性列表，該商品屬性列表可以用于進(jìn)行商品的篩選使用。其中，商品屬性包括了商品屬性項(xiàng)和商品的屬性值，第一列為商品的屬性項(xiàng)，第二列為商品的屬性值。

實(shí)施例二

本實(shí)施例中具體針對電子商務(wù)應(yīng)用場景中，原平臺接入目標(biāo)平臺時(shí)，對于如何獲取原平臺中的商品在目標(biāo)平臺中的屬性進(jìn)行了詳細(xì)說明，圖33為本發(fā)明實(shí)施例二提供的一種屬性獲取方法的流程示意圖，如圖3所示，包括：

步驟201、基于原平臺中用于描述目標(biāo)商品的非結(jié)構(gòu)化文本，對目標(biāo)商品在目標(biāo)平臺所屬的類目進(jìn)行預(yù)測。

具體來說，可以首先預(yù)先構(gòu)建一個(gè)分類模型，例如分類模型可以是簡單貝葉斯算法分類模型。通過收集用戶進(jìn)行搜索的關(guān)鍵字和搜索之后的點(diǎn)擊數(shù)據(jù)，根據(jù)點(diǎn)擊數(shù)據(jù)中搜索之后被點(diǎn)擊商品的類目，確定各關(guān)鍵字對應(yīng)的類目，得到關(guān)鍵字和類目的對應(yīng)關(guān)系。進(jìn)而對關(guān)鍵字做分詞，獲得詞條，將詞條替代關(guān)鍵字和類目的對應(yīng)關(guān)系中的關(guān)鍵字，獲得詞條和類目的對應(yīng)關(guān)系。將詞條和類目的對應(yīng)關(guān)系作為訓(xùn)練集，對分類模型進(jìn)行訓(xùn)練，分類模型進(jìn)行訓(xùn)練，完成分類模型的構(gòu)建。

然后，基于所述目標(biāo)對象的非結(jié)構(gòu)化文本，采用經(jīng)過訓(xùn)練的分類模型進(jìn)行數(shù)據(jù)挖掘，獲得所述目標(biāo)對象在目標(biāo)平臺所屬類目。其中，非結(jié)構(gòu)化文本可以為標(biāo)題和/或詳情頁描述。

例如：當(dāng)銀泰等第三方平臺作為原平臺需要接入淘寶這一目標(biāo)平臺時(shí)，可以對第三方平臺中目標(biāo)商品的標(biāo)題進(jìn)行分詞得到標(biāo)題的詞條，進(jìn)而對標(biāo)題的詞條進(jìn)行詞性標(biāo)注，獲得各詞條的詞性信息。利用丟詞算法，根據(jù)詞性信息對詞條進(jìn)行丟詞處理，從而將目標(biāo)商品標(biāo)題中的一些干擾詞進(jìn)行丟棄，只保留產(chǎn)品詞、修飾詞、品牌詞、時(shí)間季節(jié)詞、促銷詞等。將所保留的詞條輸入已經(jīng)訓(xùn)練好的分類模型，獲得目標(biāo)商品在淘寶平臺的類目。

由于在不同的平臺中，類目的劃分往往是不同的，因此，可以基于預(yù)測方式，獲得目標(biāo)商品在目標(biāo)平臺中所屬的準(zhǔn)確類目，從而便于基于該類目的預(yù)設(shè)屬性匹配獲得目標(biāo)詞，提高獲取到的目標(biāo)詞中存在目標(biāo)商品屬性的可能性。

步驟202、從非結(jié)構(gòu)化文本中抽取與所預(yù)測的類目下的預(yù)設(shè)屬性匹配的目標(biāo)詞。

具體的，對經(jīng)過預(yù)處理的非結(jié)構(gòu)化文本進(jìn)行相似度計(jì)算，獲得與預(yù)設(shè)屬性匹配的目標(biāo)詞，以及匹配度。為了便于描述將匹配度可以記為sim1。其中，匹配度用于描述目標(biāo)詞與預(yù)設(shè)屬性的相似程度。

在預(yù)設(shè)屬性中包括兩部分，分別為屬性項(xiàng)和屬性值，若目標(biāo)詞與預(yù)設(shè)屬性中的屬性值相似，則稱目標(biāo)詞與預(yù)設(shè)屬性匹配，可以將目標(biāo)詞與匹配的屬性中的屬性項(xiàng)組合形成屬性對記為pv。

步驟203、根據(jù)目標(biāo)詞的匹配度從目標(biāo)詞中確定所述目標(biāo)對象在目標(biāo)平臺中的屬性和候選屬性。

例如：將相似度sim5大于預(yù)設(shè)閾值a的目標(biāo)詞，作為目標(biāo)對象在目標(biāo)平臺中的屬性；將相似度小于預(yù)設(shè)閾值a，且大于預(yù)設(shè)閾值b的目標(biāo)詞，作為候選屬性。其中，0<b<a<1。

步驟204、針對確定為屬性的目標(biāo)詞，在數(shù)據(jù)庫中匹配所存儲的目標(biāo)平臺的商品，提取匹配中的候選商品的屬性。

具體的，數(shù)據(jù)庫包括產(chǎn)品庫和商品庫，產(chǎn)品庫與商品庫相比不包含商家這一字段，其余數(shù)據(jù)可以是完全相同的。也就是說產(chǎn)品庫中每一條記錄對應(yīng)一種產(chǎn)品，商品庫中每一條記錄對應(yīng)一個(gè)商家提供的一種產(chǎn)品。

首先，在產(chǎn)品庫中進(jìn)行查詢，經(jīng)過查詢獲得產(chǎn)品庫中與確定為屬性的全部目標(biāo)詞均匹配中的候選商品。

然后，在商品庫中進(jìn)行查詢，經(jīng)過查詢獲得商品庫中與確定為屬性的全部目標(biāo)詞均匹配中的候選商品。

將兩次查詢所獲得的全部候選商品的屬性作為目標(biāo)商品的屬性，進(jìn)而計(jì)算各屬性的置信度。

步驟205、計(jì)算候選商品的各屬性的置信度。

其中，置信度用來指示在目標(biāo)平臺中描述目標(biāo)商品的準(zhǔn)確程度。

若確定為屬性的目標(biāo)詞包含品牌和型號時(shí)，且候選商品唯一時(shí)，則可以直接設(shè)置候選商品的各屬性置信度為100％，也可以帶入下面提及的置信度計(jì)算公式進(jìn)行計(jì)算，結(jié)果是相同的。置信度計(jì)算公式如下：

置信度＝(在候選商品的屬性中的出現(xiàn)次數(shù)/候選商品總數(shù))％

例如：

目標(biāo)詞構(gòu)成的屬性對為：p1v1和p2v2

在商品庫中若存在匹配的候選商品有3個(gè)，候選商品的pv對分別為：

p1v1、p2v2、p3v3、p6v6

p1v1、p2v2、p7v7

p1v1、p2v2、p8v8

則輸出p1v1、p2v2、p3v3、p7v7、p8v8作為目標(biāo)商品的屬性。

進(jìn)而根據(jù)置信度公式，計(jì)算p1v1、p2v2、p3v3、p7v7、p8v8的置信度，分別為100％、100％、33.3％、33.3％、33.3％。

步驟206、針對確定為候選屬性的目標(biāo)詞，采用語義判別方式，確定候選屬性為目標(biāo)平臺中的屬性的置信度。

首先，基于字與字之間的關(guān)系，進(jìn)行語義判別。預(yù)先將目標(biāo)平臺中各預(yù)設(shè)屬性值按照字進(jìn)行分隔，作為訓(xùn)練文本，采用word2vec算法進(jìn)行模型訓(xùn)練，將確定為候選屬性的目標(biāo)詞輸入訓(xùn)練好的判別模型，獲得字向量，對字向量進(jìn)行累加，獲得詞向量，采用詞向量的余弦值作為候選屬性為目標(biāo)平臺中的屬性的置信度sim2。

其次，基于目標(biāo)詞在非結(jié)構(gòu)化文本中的上下文，進(jìn)行語義判別。預(yù)先將目標(biāo)平臺中各商品的標(biāo)題或者詳情頁作為語料，進(jìn)行分詞，將分詞結(jié)果其作為訓(xùn)練文本，采用word2vec算法進(jìn)行模型訓(xùn)練，將確定為候選屬性的目標(biāo)詞輸入訓(xùn)練好的判別模型，獲得詞向量，采用詞向量的余弦值作為候選屬性為目標(biāo)平臺中的屬性的置信度sim3。

最后，根據(jù)兩種語義判別方式所獲得的相似度sim2和sim3確定候選屬性為目標(biāo)平臺中的屬性的置信度s。例如：采用對sim2和sim3進(jìn)行加權(quán)求和或加權(quán)平均的方式計(jì)算置信度s。

作為一種可能的實(shí)現(xiàn)方式，可以針對計(jì)算出置信度s，參考上一步驟中候選商品，統(tǒng)計(jì)各個(gè)候選屬性在候選商品的屬性中出現(xiàn)的頻率對計(jì)算出的置信度進(jìn)行修正，獲得修正后的置信度s。

步驟207、匯總確定為屬性和候選屬性的目標(biāo)詞，以及候選商品的屬性，根據(jù)置信度從匯總結(jié)果中確定目標(biāo)商品的屬性。

可以根據(jù)屬性獲取所需的準(zhǔn)確度，確定置信度的閾值。所需的準(zhǔn)確度越高，則可以相應(yīng)調(diào)高置信度閾值，所需的準(zhǔn)確度若較低，可以設(shè)置較低的置信度閾值。從匯總結(jié)果中選取出置信度大于置信度閾值的目標(biāo)詞作為目標(biāo)商品的屬性。

實(shí)施例三

圖4為本發(fā)明實(shí)施例三提供的一種屬性獲取裝置的結(jié)構(gòu)示意圖，如圖4所示，包括：抽取模塊31和確定模塊32。

抽取模塊31，用于從用于描述目標(biāo)對象的非結(jié)構(gòu)化文本中，抽取出與預(yù)設(shè)屬性匹配的目標(biāo)詞；

具體的，抽取模塊31具體用于采用相似度算法，對所述非結(jié)構(gòu)化文本與所述預(yù)設(shè)屬性進(jìn)行字符串匹配，獲得匹配的目標(biāo)詞與對應(yīng)匹配度。

確定模塊32，用于根據(jù)所述目標(biāo)詞確定所述目標(biāo)對象的屬性預(yù)設(shè)屬性。

具體的，確定模塊32，具體用于根據(jù)所述目標(biāo)詞與所述預(yù)設(shè)屬性的匹配度，從所述目標(biāo)詞中確定所述目標(biāo)對象的屬性。

或者，具體的，確定模塊32，具體用于基于所述目標(biāo)詞的語義進(jìn)行分析，獲得所述目標(biāo)對象的屬性。

本實(shí)施例中，通過從原平臺用于描述目標(biāo)對象的非結(jié)構(gòu)化文本中，抽取出與目標(biāo)平臺的預(yù)設(shè)屬性匹配的目標(biāo)詞，進(jìn)而根據(jù)目標(biāo)詞確定出目標(biāo)對象在目標(biāo)平臺中的屬性的方案，可以實(shí)現(xiàn)從商品的標(biāo)題和詳情描述這種非結(jié)構(gòu)化文本中抽取出商品的屬性，因此解決了現(xiàn)有技術(shù)中無法針對非結(jié)構(gòu)化文本進(jìn)行處理，獲得原平臺的商品在目標(biāo)平臺上的屬性的技術(shù)問題。

實(shí)施例四

圖5為本發(fā)明實(shí)施例四提供的一種屬性獲取裝置的結(jié)構(gòu)示意圖，在圖4所提供的屬性獲取裝置的基礎(chǔ)上，確定模塊32進(jìn)一步包括：第一確定單元321和第二確定單元322。

第一確定單元321，用于對于匹配度高于第一閾值的目標(biāo)詞，確定為所述目標(biāo)對象在目標(biāo)平臺中的屬性。

第二確定單元322，用于對于匹配度高于第二閾值但小于所述第一閾值的目標(biāo)詞作為候選屬性，采用語義判別方式確定所述候選屬性是否為所述目標(biāo)平臺中的屬性，根據(jù)判別結(jié)果從所述候選屬性中確定所述目標(biāo)對象在目標(biāo)平臺中的屬性。

進(jìn)一步，第二確定單元322，可以包括：第一判別子單元3221和第二判別子單元3222中的至少一個(gè)。作為一種可能的實(shí)現(xiàn)方式的示意，圖4中第二確定單元322包括了第一判別子單元3221和第二判別子單元3222。

其中，第一判別子單元3221，用于基于所述候選屬性中字與字之間的關(guān)系，進(jìn)行語義判別，獲得所述候選屬性為所述目標(biāo)平臺中的屬性的置信度。

具體的，第一判別子單元3221具體用于將所述候選屬性中的各字符輸入預(yù)先訓(xùn)練的字間語義判別模型，獲得字向量；所述字間語義判別模型，是將所述目標(biāo)平臺的屬性中各字符作為訓(xùn)練文本進(jìn)行訓(xùn)練獲得的；對所述字向量進(jìn)行累加，獲得第一詞向量；將所述第一詞向量的余弦值作為所述候選屬性為所述目標(biāo)平臺中的屬性的置信度。

第二判別子單元3222，用于基于所述候選屬性在所述非結(jié)構(gòu)化文本中的上下文關(guān)系，進(jìn)行語義判別，獲得所述候選屬性為所述目標(biāo)平臺中的屬性的置信度。

具體的，第二判別子單元3222，具體用于將所述非結(jié)構(gòu)化文本中的各單詞輸入預(yù)先訓(xùn)練的詞間語義判別模型，獲得第二詞向量；所述詞間語義判別模型，是將所述目標(biāo)平臺中非結(jié)構(gòu)化文本中的各單詞作為訓(xùn)練文本進(jìn)行訓(xùn)練獲得的；將所述第二詞向量的余弦值作為所述候選屬性為所述目標(biāo)平臺中的屬性的置信度。

進(jìn)一步，第二確定單元322還可以包括：屬性確定子單元3223。

屬性確定子單元3223，用于根據(jù)所述置信度，從所述候選屬性中確定所述目標(biāo)對象在目標(biāo)平臺中的屬性。

進(jìn)一步，確定模塊32，還包括：匹配單元323。

匹配單元323，用于將所述匹配度高于第一閾值的目標(biāo)詞與數(shù)據(jù)庫中存儲的所述目標(biāo)平臺中各對象的屬性進(jìn)行匹配，獲得匹配中的候選對象；根據(jù)各候選對象的屬性在全部候選對象的屬性中出現(xiàn)的頻率，計(jì)算候選對象的屬性為所述目標(biāo)對象在目標(biāo)平臺中的屬性的概率；根據(jù)所計(jì)算出的概率，從所述候選對象的屬性中確定所述目標(biāo)對象在目標(biāo)平臺中的屬性。

進(jìn)一步，本實(shí)施例所提供的屬性獲取裝置，還包括：類目預(yù)測模塊33和預(yù)設(shè)屬性確定模塊34。

類目預(yù)測模塊33，用于根據(jù)所述非結(jié)構(gòu)化文本預(yù)測所述目標(biāo)對象在目標(biāo)平臺所屬類目。

預(yù)設(shè)屬性確定模塊34，用于將所述目標(biāo)平臺中所述類目下的屬性作為所述預(yù)設(shè)屬性。

其中，類目預(yù)測模塊33，包括：挖掘單元331和建模單元332。

挖掘單元331，用于基于所述目標(biāo)對象的非結(jié)構(gòu)化文本，采用經(jīng)過訓(xùn)練的分類模型進(jìn)行數(shù)據(jù)挖掘，獲得所述目標(biāo)對象在目標(biāo)平臺所屬類目。

建模單元332，用于獲取用戶搜索關(guān)鍵字以及從搜索結(jié)果中所選定的對象所屬類目；對所述關(guān)鍵字進(jìn)行分詞處理，獲得搜索詞條；根據(jù)所述搜索詞條和所選定的對象所屬類目生成訓(xùn)練集；利用所述訓(xùn)練集對所述分類模型進(jìn)行訓(xùn)練。

本領(lǐng)域普通技術(shù)人員可以理解：實(shí)現(xiàn)上述各方法實(shí)施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成。前述的程序可以存儲于一計(jì)算機(jī)可讀取存儲介質(zhì)中。該程序在執(zhí)行時(shí)，執(zhí)行包括上述各方法實(shí)施例的步驟；而前述的存儲介質(zhì)包括：rom、ram、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。