产品分类控制方法、装置、计算机设备及存储介质与流程

本发明实施例涉及产品归类处理技术领域，尤其是一种产品分类控制方法、装置、计算机设备及存储介质。

背景技术：

在生活和工作过程中，人们经常会接触到一些未知的新事物，例如指尖陀螺，其是一种一个轴承对称结构、可以在手指上空转的小玩具，在指尖陀螺面世之前，人们并不知道有指尖陀螺这种玩具，而当新事物进入人们的生活中后，人们需要对未知的新事物进行分类以判断新事物所属的行业或者类别。

现有的新事物的分类工作通常是由人工来完成的，但是，人工给新事物打标签的方式容易出现因人工主观因素的影响而导致分类不准确的情况，而且，人工推断新事物的行业或者类别的工作量大且处理效率不高，增加了新事物分类打标签的人工和时间成本。

技术实现要素：

本发明实施例提供一种根据已有的产品和行业的对应关系推断新产品所属行业标签的产品分类控制方法、装置、计算机设备及存储介质。

为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种产品分类控制方法，包括下述步骤：

获取待分类产品的名称信息；

根据预设的匹配策略查找与所述名称信息相匹配的目标产品的目标产品信息，其中，所述目标产品信息包括所述目标产品所属行业类别的分类标签信息；

根据所述分类标签信息设置所述待分类产品的分类标签，以使所述待分类产品与所述目标产品所属行业类别映射匹配。

可选地，所述根据预设的匹配策略查找与所述名称信息相匹配的目标产品的目标产品信息的步骤，包括如下述步骤：

根据预设的语义理解规则对所述名称信息进行分析生成所述待分类产品的属性信息；

根据所述匹配策略在预设的产品数据库中查找与所述属性信息相似度最高且相似度高于预设匹配阈值的所述目标产品信息。

可选地，所述根据所述分类标签信息设置所述待分类产品的分类标签，以使所述待分类产品与所述目标产品所属行业类别映射匹配的步骤之后，还包括如下述步骤：

将所述待分类产品的名称信息与所述目标产品所属行业类别的分类标签信息进行组合生成所述待分类产品的产品信息；

将所述待分类产品的产品信息存储至所述产品数据库中。

可选地，所述根据预设的匹配策略查找与所述名称信息相匹配的目标产品的目标产品信息的步骤，包括如下述步骤：

根据预设的聚类规则对所述名称信息和目标产品信息进行聚合生成聚类信息；

获取所述聚类信息所映射的行业类别的行业标签作为所述分类标签信息。

可选地，所述根据预设的匹配策略查找与所述名称信息相匹配的目标产品的目标产品信息的步骤，包括如下述步骤：

获取所述待分类产品的产品图像；

根据所述产品图像查找与所述产品图像相匹配的所述目标产品的目标产品信息。

可选地，所述根据所述产品图像查找与所述产品图像相匹配的所述目标产品的目标产品信息的步骤，包括如下述步骤：

将所述产品图像输入至预设的产品识别模型中，所述产品识别模型是训练至收敛的卷积神经网络模型；

获取所述产品识别模型输出的所述目标产品的目标产品信息。

为解决上述技术问题，本发明实施例还提供一种产品分类控制装置，包括：

第一获取模块，用于获取待分类产品的名称信息；

第一处理模块，用于根据预设的匹配策略查找与所述名称信息相匹配的目标产品的目标产品信息，其中，所述目标产品信息包括所述目标产品所属行业类别的分类标签信息；

第一执行模块，用于根据所述分类标签信息设置所述待分类产品的分类标签，以使所述待分类产品与所述目标产品所属行业类别映射匹配。

可选地，还包括：

第一处理子模块，用于根据预设的语义理解规则对所述名称信息进行分析生成所述待分类产品的属性信息；

第一执行子模块，用于根据所述匹配策略在预设的产品数据库中查找与所述属性信息相似度最高且相似度高于预设匹配阈值的所述目标产品信息。

可选地，还包括：

第二执行模块，用于将所述待分类产品的名称信息与所述目标产品所属行业类别的分类标签信息进行组合生成所述待分类产品的产品信息；

存储模块，用于将所述待分类产品的产品信息存储至所述产品数据库中。

可选地，还包括：

第二处理子模块，用于根据预设的聚类规则对所述名称信息和目标产品信息进行聚合生成聚类信息；

第一获取子模块，用于获取所述聚类信息所映射的行业类别的行业标签作为所述分类标签信息。

可选地，还包括：

第二获取子模块，用于获取所述待分类产品的产品图像；

第二执行子模块，用于根据所述产品图像查找与所述产品图像相匹配的所述目标产品的目标产品信息。

可选地，还包括：

第三执行子模块，用于将所述产品图像输入至预设的产品识别模型中，所述产品识别模型是训练至收敛的卷积神经网络模型；

第三获取子模块，用于获取所述产品识别模型输出的所述目标产品的目标产品信息。

为解决上述技术问题，本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述产品分类控制方法的步骤。

为解决上述技术问题，本发明实施例还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述产品分类控制方法的步骤。

本发明实施例的有益效果为：通过根据待分类产品的名称信息查找与待分类产品相匹配的目标产品，并获取目标产品的目标产品信息，包括该目标产品所属行业类别的分类标签信息，然后根据该分类标签信息设置待分类产品的分类标签，从而使得待分类产品与目标产品所属行业类别映射匹配，即将待分类产品归类到目标产品所属的行业类别中，能根据已有的产品和行业之间的对应关系，来推导出待分类产品所属的行业标签并进行映射，提高对待分类产品进行分类打标签的准确度，全自动化的分类打标签方式，能有效节省人工打标签的工作量，处理效率高。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例产品分类控制方法的基本流程示意图；

图2为本发明实施例查找目标产品信息的流程示意图；

图3为本发明实施例将已经设置分类标签的待分类产品进行存储的流程示意图；

图4为本发明实施例获取分类标签信息的流程示意图；

图5为本发明实施例获取目标产品信息的流程示意图；

图6为本发明实施例根据图像获取目标产品信息的流程示意图；

图7为本发明实施例产品分类控制装置基本结构示意图；

图8为本发明实施例计算机设备基本结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

具体请参阅图1，图1为本实施例产品分类控制方法的基本流程示意图。

如图1所示，一种产品分类控制方法，包括下述步骤：

s1100、获取待分类产品的名称信息；

待分类产品是指新增的且未知种类的产品，待分类产品的名称信息包括但不限于待分类产品的学名、别名以及其它的常用名，例如：食盐的学名为氯化钠，属于科学上采用的专业名称，而生活中常使用到的别名包括精盐、粗盐和餐桌盐。在实施时，待分类产品的名称信息可以通过待分类产品的信息列表获取得到，例如信息列表中携带有待分类产品的名称信息和图片信息等，系统根据该信息列表即可获取待分类产品的名称信息。

在一个可选实施例中，待分类产品的名称信息可以由操作人员进行输入，以本发明产品分类控制方法应用于pc(personalcomputer，个人计算机)端为例，系统通过pc端的显示器向用户展示输入框，用户即可通过pc端的键盘或者触摸屏在输入框中输入待分类产品的名称信息，例如在超市将商品进行分类摆放过程中，超市新进了一批进口产品，超市的员工不知道该进口产品的行业或者类别，从而不知道应该将该进口产品摆放至哪一个货品柜中，此时，超市的员工将该进口产品的名称输入至系统中，系统即可获取并根据该进口产品(待分类产品)的名称信息对该进口产品进行分类打标签。

s1200、根据预设的匹配策略查找与所述名称信息相匹配的目标产品的目标产品信息，其中，所述目标产品信息包括所述目标产品所属行业类别的分类标签信息；

在获取待分类产品的名称信息后，系统根据预设的匹配策略查找与该名称信息相匹配的目标产品，并获取该目标产品的目标产品信息，包括该目标产品所属行业类别的分类标签信息，其中，匹配策略是系统预设的用于查找与待分类产品的名称信息相匹配的目标产品的，在实施时，可以通过将待分类产品的名称以及目标产品的名称进行比对，从而判断待分类产品与目标产品之间的相似度，当待分类产品与目标产品之间的相似度高于预设的匹配阈值(例如95％)时，则判断待分类产品与目标产品属于同一行业类别，在实施时，目标产品是指已知的或者已有的产品，目标产品设置有对应的行业标签，该行业标签映射了目标产品所属的行业类别，例如：目标产品为菠萝，其行业标签所映射的行业类别为热带水果。

在一个实施例中，系统设置有产品数据库，产品数据库用于存储和管理若干(例如：10万、20万或者100万)已知的产品以及对应产品的产品信息，每个产品的产品信息包括该产品所属行业类别的分类标签信息，当系统获取待分类产品的名称信息时，系统遍历产品数据库中所有的产品并查找出于该名称信息相匹配的目标产品，在实施时，匹配策略的工作原理为：通过计算待分类产品的名称信息与产品数据库中每一产品的名称信息之间的汉明距离，并将汉明距离最小的产品作为目标产品获取该目标产品的目标产品信息，包括该目标产品所属行业类别的分类标签信息。

s1300、根据所述分类标签信息设置所述待分类产品的分类标签，以使所述待分类产品与所述目标产品所属行业类别映射匹配。

在获取目标产品的分类标签信息后，系统根据该分类标签信息设置待分类产品的分类标签，从而使得待分类产品映射目标产品所属的行业类别，实现对待分类产品进行分类打标签功能。在一个实施例中，可以通过获取待分类产品的名称信息，然后通过分词技术对名称信息进行处理，通过自然语言相似度匹配到与待分类产品相似的目标产品，以及目标产品所属行业类别的分类标签信息，然后根据该分类标签信息设置待分类产品的行业标签并进行标签的映射匹配。在一个实施例中，以待分类产品为烤肠为例，系统通过获取该烤肠的名称信息，例如：烤肠的名称为“烤肠”，系统根据预设的匹配策略查找与“烤肠”相对应的目标产品，具体地，系统查找到与“烤肠”相匹配的目标产品包括火腿肠、红肠和热狗，其中，火腿肠、红肠以及热狗所属行业类别的分类标签信息为“肉制品”，系统再根据该分类标签信息设置烤肠的行业标签为肉制品，从而使得烤肠与“肉制品”映射匹配，即根据已知的产品的行业类别来推导出待分类产品所属的分类标签，实现自动化对未知的待分类产品进行打标签功能，产品分类处理效率高，节省了人工判断对于新增待分类产品打标签的工作量，产品分类更准确。

在一个实施例中，匹配策略还可以采用知识图谱的推理策略，知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(point)(“实体”)和边(edge)(“关系”)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息(heterogeneousinformation)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。通过图计算推理，来推导待分类产品的所属类别，待分类产品的分类标签是通过图谱中的其他已知产品的分类标签来推导的，具备一定的ai推理能力。举例说明：我们没有证据直接指明梅琳达·盖茨和西雅图的关系。然而，我们可以通过观察到知识图谱中包含这样的一条路径“梅琳达·盖茨-配偶-比尔·盖茨-主席-微软-总部在-西雅图”，推测出梅林达可能居住在西雅图。这就是一个完整的、从关系推导出结果的例子。系统可以通过关系推理模型来推导待分类产品的分类标签，关系瑰丽模型包括基于逻辑规则、基于知识表达以及基于深度学习，其中，基于逻辑规则的关系推理包括但不限于：马尔科夫逻辑网络(markovlogicnetwork)模型、基于贝叶斯网络的概率关系模型(probabilisticrelationalmodels)和基于统计机器学习的foil(firstorderinductivelearner)算法。基于知识表达的关系推理包括但不限于：rescal张量分解模型(tensorfactorizationmodel)、se(structuredembedding)关系推理算法以及transe(translatingembedding)算法。基于深度学习的关系推理包括但不限于：单层感知机模型slm(singlelayermodel)、ntn神经张量模型(neuraltensornetworks)以及dkrl(description-embodiedknowledgerepresentationlearning)模型。

本实施例通过根据待分类产品的名称信息查找与待分类产品相匹配的目标产品，并获取目标产品的目标产品信息，包括该目标产品所属行业类别的分类标签信息，然后根据该分类标签信息设置待分类产品的分类标签，从而使得待分类产品与目标产品所属行业类别映射匹配，即将待分类产品归类到目标产品所属的行业类别中，能根据已有的产品和行业之间的对应关系，来推导出待分类产品所属的行业标签并进行映射，提高对待分类产品进行分类打标签的准确度，全自动化的分类打标签方式，能有效节省人工打标签的工作量，处理效率高。

在一个可选实施例中，请参阅图2，图2是本发明一个实施例查找目标产品信息的流程示意图。

如图2所示，步骤s1200还包括如下述步骤：

s1210、根据预设的语义理解规则对所述名称信息进行分析生成所述待分类产品的属性信息；

在获取待分类产品的名称信息后，系统根据语义理解规则对名称信息进行分析，从而得到待分类产品的属性信息，语义理解规则是系统预设的用于对名称信息进行语音理解的，在实施时，可以通过nlp(naturallanguageprocessing，自然语言处理)去判断待分类产品的属性信息，属性信息是指待分类产品的名称信息所表征的物品的基本属性，例如：洋芋和土豆虽然名称不一样，但是洋芋和土豆均是马铃薯的别称，所以，当待分类产品的名称信息为“洋芋”时，系统通过语音理解对该名称信息进行分析得到“洋芋”实际指代的是马铃薯，即生成待分类产品的属性信息为“马铃薯”。

s1220、根据所述匹配策略在预设的产品数据库中查找与所述属性信息相似度最高且相似度高于预设匹配阈值的所述目标产品信息。

在获取待分类产品的属性信息后，系统根据匹配策略在产品数据库中查找与该属性信息匹配的目标产品，并获取目标产品的目标产品信息，在一个实施例中，以待分类产品为西红柿为例，西红柿是茄科番茄属中以成熟多汁浆果为产品的草本植物，系统获取西红柿的名称信息“西红柿”，然后通过语义理解得到西红柿的属性信息，该属性信息所表征的是番茄，系统根据匹配策略在产品数据库中查找到与该属性信息相匹配的目标产品，例如在产品数据库中查找到目标产品包括茄子、柿子和番茄，其中，番茄与该属性信息的相似度最高且高于预设匹配阈值，匹配阈值是系统预设的比对阈值，例如匹配阈值的数值为92％、95％或者96％，则将番茄作为与待分类产品相匹配的目标产品，进而根据番茄的分类标签信息来设置待分类产品(西红柿)的分类标签，从而将西红柿归属于番茄所述的行业类别，使得西红柿与番茄映射匹配。需要指出的是，匹配阈值的具体数值不局限于上述的数值，根据不同的应用场景，匹配阈值还可以设置其它的数值。

在另一个可选实施例中，请参阅图3，图3是本发明一个实施例将已经设置分类标签的待分类产品进行存储的基本流程示意图。

如图3所示，步骤s1300之后，还包括如下述步骤：

s1400、将所述待分类产品的名称信息与所述目标产品所属行业类别的分类标签信息进行组合生成所述待分类产品的产品信息；

在根据目标产品所属行业类别的分类标签信息设置待分类产品的分类标签后，系统将该待分类产品的名称信息和目标产品的分类标签信息组合生成待分类产品的产品信息，具体的，可以将待分类产品的名称信息与待分类产品的分类标签进行关联得到待分类产品的产品信息，从而使得待分类产品的名称信息映射待分类产品的分类标签。

s1500、将所述待分类产品的产品信息存储至所述产品数据库中。

在生成待分类产品的产品信息后，系统将该产品信息存储至产品数据库中，从而将待分类产品由未知产品转换成已有或者已知产品，从而丰富产品数据库的内容，另一方面，能有效避免后期再次或者重复对待分类产品设置分类标签的操作。

在一个可选实施例中，请参阅图4，图4是本发明一个实施例获取分类标签信息的基本流程示意图。

如图4所示，步骤s1200包括如下述步骤：

s1230、根据预设的聚类规则对所述名称信息和目标产品信息进行聚合生成聚类信息；

在获取待分类产品的名称信息后，系统根据匹配策略查找与该名称信息相匹配的目标产品的目标产品信息，然后再根据聚类规则对名称信息和目标产品信息进行聚类生成聚类信息，其中，聚类规则是系统预设的用于提取名称信息与目标产品信息的共同特征以得到聚类信息，当然，聚合规则还可以是用于根据名称信息和目标产品信息进行聚合概括生成聚类信息，该聚类信息所映射的行业类别包括目标产线信息所映射的行业类别，即聚类信息所映射的行业类别是目标产线信息所映射的行业类别的上一级行业类别，具体的，以待分类产品为电热毯为例，该待分类产品的名称信息为“电热毯”，系统根据匹配策略查找与该名称信息相匹配的目标产品的目标产品信息表征为毯子，系统根据聚类规则对该电热毯和毯子进行聚合生成的聚类信息为床上用品。

s1240、获取所述聚类信息所映射的行业类别的行业标签作为所述分类标签信息。

在获取聚类信息后，系统将该聚类信息所映射的行业类别的行业标签作为分类标签信息，进而根据该分类标签信息设置待分类产品的行业标签，在一个实施例中，以待分类产品为空调被为例，该待分类产品的名称信息为“空调被”，系统根据匹配策略查找与该名称信息相匹配的目标产品的目标产品信息表征为被子，系统根据聚类规则对该空调被和被子进行聚合生成的聚类信息为床上用品，该聚类信息所映射的行业类别的行业标签为床上用品，系统设置空调被的行业标签为床上用品，从而使得空调被与床上用品映射匹配。

在一个可选实施例中，还可以通过图片匹配的方式查找与待分类产品相匹配的目标产品，请参阅图5，图5是本发明一个实施例获取目标产品信息的基本流程示意图。

如图5所示，步骤s1200包括如下述步骤：

s1250、获取所述待分类产品的产品图像；

产品图像是指待分类产品的图片，在实施时，以本发明产品分类控制方法应用于用户终端上为例，用户终端包括但不限于智能手机、平板以及其它具有拍照或者摄像功能的电子设备，系统通过用户终端上的摄像头即可采集待分类产品的产品图像。在实施时，以通过拍视频的方式获取待分类产品的产品图像为例，系统通过设置于用户终端上的摄像头对待分类产品进行拍摄得到目标视频，系统可以通过视频处理软件(例如opencv)对目标视频进行处理，将目标视频拆分为若干帧画面，通过定时采集方式从目标视频中抽取画面图像。例如以0.5秒一张的速度在目标视频中抽取一张目标图片，然后在得到的若干目标图片中再次随机抽取一张目标图片作为待分类产品的产品图像；但是不局限于此，根据具体应用场景的不同，采集画面图像的速度能够进行适应性的调整，调整原则在于，系统处理能力越强且跟踪准确性要求越高则采集时间越短，达到与摄像设备采集图像的频率同步时为止；否则，则采集时间间隔越长，但最长采集时间间隔不得超过1s。当然，也可以直接在目标视频的若干帧画面中随机抽取一张画面作为待分类产品的产品图像。

s1260、根据所述产品图像查找与所述产品图像相匹配的所述目标产品的目标产品信息。

在获取待分类产品的产品图像后，系统即可根据该产品图像查找与待分类产品相匹配的目标产品，进而获取该目标产品的目标产品信息，在实施时，请参与图6，图6是本发明一个实施例中根据图像获取目标产品信息的基本流程示意图。

如图6所示，步骤s1260还包括如下述步骤：

s1261、将所述产品图像输入至预设的产品识别模型中，所述产品识别模型是训练至收敛的卷积神经网络模型；

产品识别模型是系统预先设置的用于识别待分类产品并查找与待分类产品相匹配的目标产品的工具，在实施时，可以使用lstm网络(长短期记忆人工神经网络模型，longshort-termmemory)作为神经网络模型。lstm网络通过“门”(gate)来控制丢弃或者增加信息，从而实现遗忘或记忆的功能。“门”是一种使信息选择性通过的结构，由一个sigmoid(s型生长曲线)函数和一个点乘操作组成。sigmoid函数的输出值在[0，1]区间，0代表完全丢弃，1代表完全通过。训练至收敛的神经网络模型具备了能识别待分类产品并匹配目标产品的分类器，其中，产品识别模型包括上述的神经网络模型，该神经网络模型包括了n+1个识别分类器，n为正整数。

s1262、获取所述产品识别模型输出的所述目标产品的目标产品信息。

在将待分类产品的产品图像输入至产品识别模型中后，产品识别模型能根据该产品图像查找出于待分类产品相匹配的目标产品，并将目标产品的目标产品信息进行输出，具体地，通过将产品图像输入到预设的产品识别模型中，得到产品图像在识别分类器中的分类结果，其中，分类结果包括产品图像对应的多个(例如2个、3个或者5个)匹配产品和匹配产品的置信度(confidence)。其中，匹配产品的置信度是指产品图像经过产品识别模型进行筛选分类后，产品图像被归类到一种以上的匹配产品以及得到待分类产品与该匹配产品相匹配的百分值。由于最终得到产品图像对应的目标产品为一种，故需要将同一产品图像的各个匹配产品的置信度进行比较，例如，待分类产品为“洋芋”，被分类到马铃薯的置信度为0.95，被分类到芋头的置信度为0.75。当所述置信度大于预设第一阈值时，确认所述置信度所表征的匹配产品为所述目标产品。

预设第一阈值一般设置为0.9到1之间的数值。通过筛选出置信度大于预设第一阈值的匹配产品作为最终的目标产品。例如，当预设第一阈值为0.9时，并且待分类产品“鸡蛋果”，被分类到百香果的置信度为0.95，被分类到鸡蛋的置信度为0.56，由于0.95>0.9，所以与“鸡蛋果”相匹配的目标产品为百香果，系统在产品数据库中查找百香果的产品信息作为目标产品信息进行输出。

为解决上述技术问题，本发明实施例还提供一种产品分类控制装置。

具体请参阅图7，图7为本实施例产品分类控制装置基本结构示意图。

如图7所示，一种产品分类控制装置，包括：第一获取模块2100、第一处理模块2200和第一执行模块2300，其中，第一获取模块2100用于获取待分类产品的名称信息；第一处理模块2200用于根据预设的匹配策略查找与所述名称信息相匹配的目标产品的目标产品信息，其中，所述目标产品信息包括所述目标产品所属行业类别的分类标签信息；第一执行模块2300用于根据所述分类标签信息设置所述待分类产品的分类标签，以使所述待分类产品与所述目标产品所属行业类别映射匹配。

本实施例通过根据待分类产品的名称信息查找与待分类产品相匹配的目标产品，并获取目标产品的目标产品信息，包括该目标产品所属行业类别的分类标签信息，然后根据该分类标签信息设置待分类产品的分类标签，从而使得待分类产品与目标产品所属行业类别映射匹配，即将待分类产品归类到目标产品所属的行业类别中，能根据已有的产品和行业之间的对应关系，来推导出待分类产品所属的行业标签并进行映射，提高对待分类产品进行分类打标签的准确度，全自动化的分类打标签方式，能有效节省人工打标签的工作量，处理效率高。

在一些实施方式中，产品分类控制装置还包括：第一处理子模块和第一执行子模块，其中，第一处理子模块用于根据预设的语义理解规则对所述名称信息进行分析生成所述待分类产品的属性信息；第一执行子模块用于根据所述匹配策略在预设的产品数据库中查找与所述属性信息相似度最高且相似度高于预设匹配阈值的所述目标产品信息。

在一些实施方式中，产品分类控制装置还包括：第二执行模块和存储模块，其中，第二执行模块用于将所述待分类产品的名称信息与所述目标产品所属行业类别的分类标签信息进行组合生成所述待分类产品的产品信息；存储模块用于将所述待分类产品的产品信息存储至所述产品数据库中。

在一些实施方式中，产品分类控制装置还包括：第二处理子模块和第一获取子模块，其中，第二处理子模块用于根据预设的聚类规则对所述名称信息和目标产品信息进行聚合生成聚类信息；第一获取子模块用于获取所述聚类信息所映射的行业类别的行业标签作为所述分类标签信息。

在一些实施方式中，产品分类控制装置还包括：第二获取子模块和第二执行子模块，其中，第二获取子模块用于获取所述待分类产品的产品图像；第二执行子模块用于根据所述产品图像查找与所述产品图像相匹配的所述目标产品的目标产品信息。

在一些实施方式中，产品分类控制装置还包括：第三执行子模块和第三获取子模块，其中，第三执行子模块用于将所述产品图像输入至预设的产品识别模型中，所述产品识别模型是训练至收敛的卷积神经网络模型；第三获取子模块用于获取所述产品识别模型输出的所述目标产品的目标产品信息。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

为解决上述技术问题，本发明实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。

如图8所示，计算机设备的内部结构示意图。如图8所示，该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种产品分类控制方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种产品分类控制方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本实施方式中处理器用于执行图7中第一获取模块2100、第一处理模块2200和第一执行模块2300，存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有产品分类控制装置中执行所有子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。

计算机通过根据待分类产品的名称信息查找与待分类产品相匹配的目标产品，并获取目标产品的目标产品信息，包括该目标产品所属行业类别的分类标签信息，然后根据该分类标签信息设置待分类产品的分类标签，从而使得待分类产品与目标产品所属行业类别映射匹配，即将待分类产品归类到目标产品所属的行业类别中，能根据已有的产品和行业之间的对应关系，来推导出待分类产品所属的行业标签并进行映射，提高对待分类产品进行分类打标签的准确度，全自动化的分类打标签方式，能有效节省人工打标签的工作量，处理效率高。

本发明还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述产品分类控制方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)等非易失性存储介质，或随机存储记忆体(randomaccessmemory，ram)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。