CN119538057A 基于人工智能模型的商品分类方法及装置 (喀斯玛(北京)科技有限公司)_第1页
CN119538057A 基于人工智能模型的商品分类方法及装置 (喀斯玛(北京)科技有限公司)_第2页
CN119538057A 基于人工智能模型的商品分类方法及装置 (喀斯玛(北京)科技有限公司)_第3页
CN119538057A 基于人工智能模型的商品分类方法及装置 (喀斯玛(北京)科技有限公司)_第4页
CN119538057A 基于人工智能模型的商品分类方法及装置 (喀斯玛(北京)科技有限公司)_第5页
已阅读5页,还剩29页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本申请实施例公开了一种基于人工智能模知识图谱生成模型根据多模态特征向量和所述2构建商品关联网络,根据所述商品数据,利用动构建语义知识图谱生成模型,利用所述知识图谱生成模根据所述商品分类候选集,利用商品分类模型对所述待分类商进行分类,将所述文本数据输入基于神经网络的文本分类模型进行语义特征将所述用户行为数据输入循环神经网络模型进行行为特征提取,将所述语义特征向量、图像特征向量和用户的行为特征向量进行特征将商品作为节点,商品之间的相似性或关联性作为边,基于商品之5.根据权利要求1所述的方法,所述利用所述知识图谱生成模型根据所述多模态特征所述商品关联信息为所述待分类商品在所述商品关联网络中的将所述邻居节点信息和所述多模态特征向量输入所述知识图所述知识图谱生成模型利用路径排序算法或规则推理算法进行分类3所述基础模型分别根据所述商品分类候选集对所述待分类商品根据所述基础分类模型的权重和所述基础分类结果,获得所述待识别商品的分类结7.根据权利要求1所述的方法,所述商品分类模型通过预训练获得,所述预训练包括:根据所述商品数据样本,利用动态网络更新算法对所述商品关联网络进行实时更新,其中,所述训练的目标包括:最小化生成的所述分类结果特征提取融合单元,被配置为对所述商品数据进行特征提分类候选集生成单元,被配置为构建语义知识图谱生成模型分类结果生成单元,被配置为根据所述商品分类候选集,一个或多个处理器;以及与所述一个或多个处理器关联的存储储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行权利要求1至7中4影响用户体验和平台收益。传统的基于人工制定规则或简单关键字匹配的商品分类方法,5被处理器执行时实现上述第一方面中任一项所述的或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述678[0044]本申请从商品数据中提取多种类型的特征,并将其融合为统一的多模态特征向9[0057]动态网络更新算法是该方法的核心,用于根据实时变化的商品数据更新网络结的用户行为数据获得,这些数据形成的时间序列记录了商品间的交互强度如何随时间变某实体相关联”(related_to)关系)。提取完成后,采用图数据库技术(如Neo4j或[0065]最后,模型采用路径排序算法或规则推理算法对商品A的可能分类进行推理和排这些候选分类为后续的最终分类提供了基础。[0067]具体而言,商品关联信息指的是待分类商品在商品关联网络中的邻居节点信这些邻居节点信息反映了与待分类商品在属性、行为或语义上高度相关的其他商品的特系统通过对这些基础分类结果进行加权融合,例如根据每个模型的历史表现赋予权重,最终确定待识别商品的分类结果。一的输入表达形式。[0081]上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围[0087]作为一种可实施的方式,特征提取融合单元202在对所述商品数据进行特征提取[0088]作为一种可实施的方式,特征提取融合单元202在对所述商品数据进行特征提取[0089]作为一种可实施的方式,分类候选集生成单元204在利用知识图谱生成模型根据该程序被处理器执行时实现前述方法实施例中任一项器执行时实现前述方法实施例中任一项所述用于控制电子设备300运行的操作系统321,用于控制电子设备300的低级别操作的基本输[0101]网络接口314用于连接通信模块(图中未示出以实现本设备

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论