基于门控循环神经网络的餐饮配送商户品类智能识别方法及系统

本发明涉及自然语言处理与深度学习,尤其涉及一种基于循环神经网络与迁移学习的餐饮配送商户品类自动识别方法及系统。

背景技术：

1、在线餐饮配送行业的快速发展使得餐饮业态数据规模急剧扩大。餐品品类是描绘城市餐饮空间格局、开展居民饮食结构调查、进行商业布局分析的关键属性维度。

2、现有技术主要包括三类方案:

3、(1)人工标注方案:由人员逐一审阅商户信息进行品类归纳,标注质量高但人力成本随商户数量线性增长,难以适应百万级规模;

4、(2)平台原生标签方案:直接使用配送平台自带的品类标签,但不同平台标签体系不统一,且平台标签常存在同一商户跨平台标签冲突的问题;

5、(3)基于餐品明细文本或餐品图像的机器学习方案:需要采集完整餐品明细或菜品图像,数据采集门槛高、隐私风险大,且在商户信息不完整时无法工作。

6、上述方案均未能解决"仅使用商户名称这一最基础、最易获取、最公开的信息"来实现自动化品类识别的技术需求。

技术实现思路

1、(一)本发明所要解决的技术问题

2、针对现有技术依赖人工标注、平台标签不统一、餐品明细/图像数据获取困难等问题,本发明旨在提供一种仅使用餐饮配送商户名称文本即可实现品类自动识别的方法与系统。

3、 (二)本发明采用的技术手段

4、本发明构建了包含字符级向量映射层、多层门控循环神经网络层、全连接判别层的深度学习模型,并采用"通用语言表征预训练→目标域字符级半监督调优→品类判别器有监督调优"的多阶段迁移学习训练策略,使模型能够在有限标注数据条件下捕捉商户名称字符序列中的语义模式,从而实现从商户名称到品类的端到端映射。

5、(三)本发明产生的技术效果

6、1. 输入极简:仅需商户名称文本一项字段,数据获取成本极低;

7、2. 识别精度可靠:在带标签样本的验证试验中,总体识别准确率与召回率均可达约72%水平;

8、3. 跨语言可迁移:通过替换第一阶段预训练模型与第二、第三阶段的语料,可扩展至任意语言场景;

9、4. 可视化能力强:可结合地理信息生成大规模区域品类密度分布图;

10、5. 部署成本低:模型体积小、推理速度快,可部署于云端或边缘设备。

1.一种基于门控循环神经网络的餐饮配送商户品类智能识别方法,其特征在于,所述方法在识别阶段包括以下步骤:

2.根据权利要求1所述的方法,其特征在于,所述多阶段迁移学习策略具体为:

3.根据权利要求1所述的方法,其特征在于,所述门控循环神经网络的每个循环单元的计算过程为:

4.根据权利要求1所述的方法,其特征在于,所述门控循环神经网络的具体结构参数满足以下范围:

5.根据权利要求1所述的方法,其特征在于,在训练所述门控循环神经网络之前,还包括训练数据构建步骤:

6.根据权利要求1所述的方法,其特征在于,所述预处理步骤具体包括:

7.根据权利要求1所述的方法,其特征在于,所述方法支持跨语言迁移与空间可视化扩展:

8.一种基于门控循环神经网络的餐饮配送商户品类智能识别系统,其特征在于,包括依次连接的以下模块:

9.根据权利要求8所述的系统,其特征在于,所述品类识别模型模块的具体网络结构参数满足权利要求4;所述结果输出与可视化模块支持将识别结果按中国省级行政区(例如江西省)的地级市单元进行聚合,输出多子图矩阵可视化图形式的结果。

10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器存储可执行程序,所述处理器执行所述程序时实现如权利要求1至7中任一项所述的方法,或实现如权利要求8至9中任一项所述的系统;所述存储器还可以是非暂时性计算机可读存储介质。