基于用户行为的图像识别方法、装置、电子设备和介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及基于用户行为的图像识别方法、装置、电子设备和介质。


背景技术：

2.为了提升物流平台对于受到人们认可的物品的物流运送量，物流平台通常会筛选出用户提交的物品正面评论（例如，认可的评论），在物流平台的展示界面置顶或集中展示正面评论。在这里，评论也可以作为语料信息。目前，筛选正面评论，通常采用的方式为：通过人工识别出用户所提交的正面评论。
3.然而，当采用上述方式时，通常会存在以下技术问题：第一，人工识别通常为对文字评论的识别，未考虑评论中的图片与文字是否对应，导致明显的图文不一致问题；第二，难以对所展示的正面评论进行合理排序，对物品的正面评论未有效展示，会影响与正面评论对应的物品的输送量。。


技术实现要素：

4.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
5.本公开的一些实施例提出了基于用户行为的图像识别方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
6.第一方面，本公开的一些实施例提供了一种基于用户行为的图像识别方法，该方法包括：获取用户提交的对应物品的语料信息，其中，上述语料信息包括语料字段和物品图像；将上述语料信息包括的语料字段输入至预先训练的语料评分模型中，得到对应上述语料字段的语料评分；响应于上述语料评分大于等于预设语料评分，将上述物品图像输入至预先训练的图像识别模型中，得到图像识别结果；响应于上述图像识别结果所表征的物品与上述语料字段所表征的物品一致，将上述物品图像输入至预先训练的图像评分模型中，得到对应上述物品图像的图像评分；响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中。
7.第二方面，本公开的一些实施例提供了一种基于用户行为的图像识别装置，装置包括：获取单元，被配置成获取用户提交的对应物品的语料信息，其中，上述语料信息包括语料字段和物品图像；第一输入单元，被配置成将上述语料信息包括的语料字段输入至预先训练的语料评分模型中，得到对应上述语料字段的语料评分；第二输入单元，被配置成响应于上述语料评分大于等于预设语料评分，将上述物品图像输入至预先训练的图像识别模型中，得到图像识别结果；第三输入单元，被配置成响应于上述图像识别结果所表征的物品与上述语料字段所表征的物品一致，将上述物品图像输入至预先训练的图像评分模型中，
得到对应上述物品图像的图像评分；添加单元，被配置成响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中。
8.第三方面，本公开的一些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，其上存储有一个或多个程序，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上述第一方面任一实现方式所描述的方法。
9.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
10.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于用户行为的图像识别方法，可以保证所展示的图片和文字相对应。导致明显的图文不一致的原因在于：人工识别通常为对文字评论的识别，未考虑评论中的图片与文字是否对应，导致明显的图文不一致问题。基于此，本公开的一些实施例的基于用户行为的图像识别方法，首先，获取用户提交的对应物品的语料信息。其中，上述语料信息包括语料字段和物品图像。由此，为后续确定用户提交的语料信息是否为优质评论提供了数据支持。其次，将上述语料信息包括的语料字段输入至预先训练的语料评分模型中，得到对应上述语料字段的语料评分。由此，为初步判定语料信息是否为优质评论提供了数据支持。接着，响应于上述语料评分大于等于预设语料评分，将上述物品图像输入至预先训练的图像识别模型中，得到图像识别结果。由此，可以便于确定语料信息中的语料字段是否与物品图像对应。然后，响应于上述图像识别结果所表征的物品与上述语料字段所表征的物品一致，将上述物品图像输入至预先训练的图像评分模型中，得到对应上述物品图像的图像评分。由此，为进一步确定语料信息是否为优质评论提供了数据支持。最后，响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中。由此，通过对语料信息中语料字段和物品图像的识别，可以确定用户提交的语料字段和物品图像是否一致。从而，保证了所展示的图片和文字相对应。
附图说明
11.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
12.图1是根据本公开的一些实施例的基于用户行为的图像识别方法的一个应用场景的示意图；图2是根据本公开的基于用户行为的图像识别方法的一些实施例的流程图；图3是根据本公开的基于用户行为的图像识别方法的另一些实施例的流程图；图4是根据本公开的基于用户行为的图像识别装置的一些实施例的结构示意图；图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
13.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的
是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
14.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
15.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
16.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
17.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
18.下面将参考附图并结合实施例来详细说明本公开。
19.图1是根据本公开一些实施例的基于用户行为的图像识别方法的应用场景的一个示意图。
20.在图1的应用场景中，首先，计算设备101可以获取用户提交的对应物品的语料信息102。其中，上述语料信息102包括语料字段1021和物品图像1022。其次，计算设备101可以将上述语料信息102包括的语料字段1021输入至预先训练的语料评分模型103中，得到对应上述语料字段1021的语料评分104。接着，计算设备101可以响应于上述语料评分104大于等于预设语料评分，将上述物品图像1022输入至预先训练的图像识别模型105中，得到图像识别结果106。然后，计算设备101可以响应于上述图像识别结果106所表征的物品与上述语料字段1021所表征的物品一致，将上述物品图像1022输入至预先训练的图像评分模型107中，得到对应上述物品图像1022的图像评分108。最后，计算设备101可以响应于上述图像评分1022大于等于预设图像评分，将上述语料信息102添加至预设的目标语料信息组中。
21.需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
22.应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
23.继续参考图2，示出了根据本公开的基于用户行为的图像识别方法的一些实施例的流程200。该基于用户行为的图像识别方法，包括以下步骤：步骤201，获取用户提交的对应物品的语料信息。
24.在一些实施例中，基于用户行为的图像识别方法的执行主体（例如，图1所示的计算设备101）可以通过有线连接或无线连接的方式从终端设备中获取用户提交的对应物品的语料信息。其中，上述语料信息包括语料字段和物品图像。这里，语料信息可以是指用户提交的对所获取（购买）的物品的反馈信息（评论）。这里，语料字段可以是指用户提交的针对所获取的物品的文字反馈信息。这里，物品图像可以表征用户提交的针对所获取的物品的图像反馈信息（可以为png格式图片）。作为示例，语料信息可以是“xx物品非常好用，xx.png”。
25.步骤202，将上述语料信息包括的语料字段输入至预先训练的语料评分模型中，得
到对应上述语料字段的语料评分。
26.在一些实施例中，上述执行主体可以将上述语料信息包括的语料字段输入至预先训练的语料评分模型中，得到对应上述语料字段的语料评分。这里，语料评分模型可以是以语料字段为输入数据，以对语料字段的评分为输出数据的神经网络模型。例如，上述语料评分模型可以是开放模型senta，或者是文本分类模型textrcnn。例如，将语料字段“xx物品非常好用”输入至预先训练的语料评分模型中，可以得到对应上述语料字段的语料评分“8分”。
27.步骤203，响应于上述语料评分大于等于预设语料评分，将上述物品图像输入至预先训练的图像识别模型中，得到图像识别结果。
28.在一些实施例中，上述执行主体可以响应于上述语料评分大于等于预设语料评分，将上述物品图像输入至预先训练的图像识别模型中，得到图像识别结果。这里，对于预设语料评分的设定，不作限制。例如，预设语料评分可以为7.5分。这里，图像识别模型可以是以物品图像为输入数据，以对应上述物品图像的物品名称为输出数据的神经网络模型。例如，图像识别模型可以是深度残差网络（deep residual network，resnet），也可以是efficientnet神经网络模型。例如，可以将物品图像“xx.png”输入至预先训练的图像识别模型中，得到图像识别结果“xx物品”。
29.步骤204，响应于上述图像识别结果所表征的物品与上述语料字段所表征的物品一致，将上述物品图像输入至预先训练的图像评分模型中，得到对应上述物品图像的图像评分。
30.在一些实施例中，上述执行主体可以响应于上述图像识别结果所表征的物品与上述语料字段所表征的物品一致，将上述物品图像输入至预先训练的图像评分模型中，得到对应上述物品图像的图像评分。这里，图像评分模型可以是以物品图像为输入数据，以对物品图像的评分为输出数据的神经网络模型。例如，图像评分模型可以是nima模型（neural image assessment，神经图像评估）。例如，响应于上述图像识别结果所表征的物品“xx”与上述语料字段所表征的物品“xx”一致，可以将上述物品图像“xx.png”输入至预先训练的图像评分模型中，得到对应上述物品图像的图像评分“9分”。
31.步骤205，响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中。
32.在一些实施例中，上述执行主体可以响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中。这里，预设的目标语料信息组可以是包括的语料字段的评分大于等于预设语料评分、包括的物品图像的评分大于等于预设图像评分以及语料字段所表征的物品与物品图像所表征的物品一致的各个语料信息所组成的目标语料信息组。这里，对于预设图像评分的设定，不作限制。例如，预设图像评分可以是8分。
33.可选地，响应于上述语料评分小于上述预设语料评分，接收对应上述语料信息的语料反馈信息。
34.在一些实施例中，上述执行主体可以响应于上述语料评分小于上述预设语料评分，接收对应上述语料信息的语料反馈信息。实践中，上述执行主体可以接收工作人员提交的对应上述语料信息的语料反馈信息（回复信息）。
35.可选地，将上述语料反馈信息发送至上述用户的用户端以进行显示。
36.在一些实施例中，上述执行主体可以将上述语料反馈信息发送至上述用户的用户端以进行显示。这里，用户端可以是用户的手机终端。
37.可选地，响应于在第一预设时长内未接收到上述用户端发送的对应上述语料反馈信息的语料回复信息，将上述语料信息添加至预设的异常语料信息组中。
38.在一些实施例中，上述执行主体可以响应于在第一预设时长内未接收到上述用户端发送的对应上述语料反馈信息的语料回复信息，将上述语料信息添加至预设的异常语料信息组中。这里，异常语料信息组中的异常语料信息均为包括的语料评分小于上述预设语料评分，且未接收到上述用户端发送的语料回复信息的语料信息。这里，异常语料信息组可以在用户端的用于展示语料信息的界面的末端展示。这里，对于第一预设时长的设定，不作限制。这里，语料回复信息可以是指文字回复信息。
39.可选地，响应于在上述第一预设时长内接收到上述用户端发送的对应上述语料反馈信息的语料回复信息，将上述语料回复信息输入至上述语料评分模型中，得到对应上述语料回复信息的语料回复评分。
40.在一些实施例中，上述执行主体可以响应于在上述第一预设时长内接收到上述用户端发送的对应上述语料反馈信息的语料回复信息，将上述语料回复信息输入至上述语料评分模型中，得到对应上述语料回复信息的语料回复评分。
41.可选地，响应于上述语料回复评分大于等于预设语料回复评分，对上述语料信息、上述语料反馈信息和上述语料回复信息进行组合处理，以生成第一语料展示信息。
42.在一些实施例中，上述执行主体可以响应于上述语料回复评分大于等于预设语料回复评分，对上述语料信息、上述语料反馈信息和上述语料回复信息进行组合处理，以生成第一语料展示信息。这里，组合处理可以是拼接处理。
43.可选地，将上述第一语料展示信息发送至预设的显示终端以进行显示。
44.在一些实施例中，上述执行主体可以将上述第一语料展示信息发送至预设的显示终端以进行显示。这里，预设的显示终端可以是提交语料信息的任一用户的手机终端。
45.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于用户行为的图像识别方法，可以保证所展示的图片和文字相对应。导致明显的图文不一致的原因在于：人工识别通常为对文字评论的识别，未考虑评论中的图片与文字是否对应，导致明显的图文不一致问题。基于此，本公开的一些实施例的基于用户行为的图像识别方法，首先，获取用户提交的对应物品的语料信息。其中，上述语料信息包括语料字段和物品图像。由此，为后续确定用户提交的语料信息是否为优质评论提供了数据支持。其次，将上述语料信息包括的语料字段输入至预先训练的语料评分模型中，得到对应上述语料字段的语料评分。由此，为初步判定语料信息是否为优质评论提供了数据支持。接着，响应于上述语料评分大于等于预设语料评分，将上述物品图像输入至预先训练的图像识别模型中，得到图像识别结果。由此，可以便于确定语料信息中的语料字段是否与物品图像对应。然后，响应于上述图像识别结果所表征的物品与上述语料字段所表征的物品一致，将上述物品图像输入至预先训练的图像评分模型中，得到对应上述物品图像的图像评分。由此，为进一步确定语料信息是否为优质评论提供了数据支持。最后，响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中。由此，通过对语料信息中语料字段和
物品图像的识别，可以确定用户提交的语料字段和物品图像是否一致。从而，保证了所展示的图片和文字相一致。
46.进一步参考图3，示出了根据本公开的基于用户行为的图像识别方法的另一些实施例的流程300。该基于用户行为的图像识别方法，包括以下步骤：步骤301，获取用户提交的对应物品的语料信息。
47.步骤302，将上述语料信息包括的语料字段输入至预先训练的语料评分模型中，得到对应上述语料字段的语料评分。
48.步骤303，响应于上述语料评分大于等于预设语料评分，将上述物品图像输入至预先训练的图像识别模型中，得到图像识别结果。
49.步骤304，响应于上述图像识别结果所表征的物品与上述语料字段所表征的物品一致，将上述物品图像输入至预先训练的图像评分模型中，得到对应上述物品图像的图像评分。
50.步骤305，响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中。
51.在一些实施例中，步骤301
‑
305的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201
‑
205，在此不再赘述。
52.步骤306，响应于上述图像评分小于上述预设图像评分，接收对应上述物品图像的图像反馈信息。
53.在一些实施例中，基于用户行为的图像识别方法的执行主体（例如，图1所示的计算设备101）可以响应于上述图像评分小于上述预设图像评分，接收对应上述物品图像的图像反馈信息。实践中，上述执行主体可以接收工作人员提交的对应上述物品图像的图像反馈信息（回复信息）。
54.步骤307，将上述图像反馈信息发送至上述用户的用户端以进行显示。
55.在一些实施例中，上述执行主体可以将上述图像反馈信息发送至上述用户的用户端以进行显示。
56.步骤308，响应于在第二预设时长内未接收到上述用户端发送的对应上述图像反馈信息的图像回复信息，将上述语料信息添加至预设的异常语料信息组中。
57.在一些实施例中，上述执行主体可以响应于在第二预设时长内未接收到上述用户端发送的对应上述图像反馈信息的图像回复信息，将上述语料信息添加至预设的异常语料信息组中。这里，异常语料信息组中的异常语料信息均为包括的语料评分小于上述预设语料评分，且未接收到上述用户端发送的语料回复信息的语料信息。这里，异常语料信息组可以在用户端的用于展示语料信息的界面的末端展示。这里，对于第二预设时长的设定，不作限制。这里，图像回复信息可以为文字回复信息。
58.步骤309，根据上述目标语料信息组对应的各个语料评分和图像评分，对上述目标语料信息组进行排序处理，以生成目标语料信息序列。
59.在一些实施例中，根据上述目标语料信息组对应的各个语料评分和图像评分，上述执行主体可以通过以下步骤对上述目标语料信息组进行排序处理，以生成目标语料信息序列：第一步，将上述目标语料信息组中的每个目标语料信息对应的语料评分与图像评
分的评分和确定为语料评分值，得到语料评分值组；第二步，按照上述语料评分值组中各个语料评分值从大到小，对上述目标语料信息组进行排序处理，以生成目标语料信息序列。
60.步骤310，根据上述异常语料信息组对应的各个语料评分和图像评分，对上述异常语料信息组进行排序处理，以生成异常语料信息序列。
61.在一些实施例中，根据上述异常语料信息组对应的各个语料评分和图像评分，上述执行主体可以通过以下步骤对上述异常语料信息组进行排序处理，以生成异常语料信息序列：第一步，按照上述异常语料信息组对应的各个语料评分从大到小，对上述异常语料信息组进行排序处理，以生成第一异常语料信息序列。
62.第二步，对于上述第一异常语料信息序列中对应的语料评分相同的各个第一异常语料信息，按照上述各个第一异常语料信息对应的各个图像评分从大到小，对上述第一异常语料信息序列中对应的语料评分相同的各个第一异常语料信息进行排序，以生成异常语料信息序列。实践中，对于上述第一异常语料信息序列中对应的语料评分相同的各个第一异常语料信息，按照语料评分相同的各个第一异常语料信息所对应的各个图像评分从大到小的顺序，对上述第一异常语料信息序列中对应的语料评分相同的各个第一异常语料信息进行排序，以生成异常语料信息序列。
63.步骤311，对上述目标语料信息序列和上述异常语料信息序列进行拼接处理，以生成待展示语料信息序列。
64.在一些实施例中，上述执行主体可以对上述目标语料信息序列和上述异常语料信息序列进行拼接处理，以生成待展示语料信息序列。这里，可以将异常语料信息序列拼接在目标语料信息序列之后。
65.步骤312，将上述待展示语料信息序列发送至预设的显示终端以进行显示。
66.在一些实施例中，上述执行主体可以将上述待展示语料信息序列发送至预设的显示终端以进行显示。这里，预设的显示终端可以是提交语料信息的任一用户的手机终端。
67.可选地，响应于在上述第二预设时长内接收到上述用户端发送的对应上述图像反馈信息的图像回复信息，将上述图像回复信息输入至上述语料评分模型中，得到对应上述图像回复信息的图像回复评分。
68.在一些实施例中，上述执行主体可以响应于在上述第二预设时长内接收到上述用户端发送的对应上述图像反馈信息的图像回复信息，将上述图像回复信息输入至上述语料评分模型中，得到对应上述图像回复信息的图像回复评分。
69.可选地，响应于上述图像回复评分大于等于预设图像回复评分，对上述语料信息、上述图像反馈信息和上述图像回复信息进行组合处理，以生成第二语料展示信息。
70.在一些实施例中，上述执行主体可以响应于上述图像回复评分大于等于预设图像回复评分，对上述语料信息、上述图像反馈信息和上述图像回复信息进行组合处理，以生成第二语料展示信息。这里，组合处理可以是指拼接处理。
71.可选地，将上述第二语料展示信息发送至预设的显示终端以进行显示。
72.在一些实施例中，上述执行主体可以将上述第二语料展示信息发送至预设的显示终端以进行显示。这里，预设的显示终端可以是提交语料信息的任一用户的手机终端。
73.步骤309
‑
311中的相关内容作为本公开的一个发明点，解决了背景技术提及的技术问题二“难以对所展示的正面评论进行合理排序，对物品的正面评论未有效展示，会影响与正面评论对应的物品的输送量”。影响与正面评论对应的物品的输送量的因素往往如下：难以对所展示的正面评论进行合理排序，对物品的正面评论未有效展示，会影响与正面评论对应的物品的输送量。如果解决了上述因素，就能达到提高与正面评论对应的物品的输送量的效果。为了达到这一效果，本公开首先，根据上述目标语料信息组对应的各个语料评分和图像评分，对上述目标语料信息组进行排序处理，以生成目标语料信息序列。由此，可以根据目标语料信息组对应的各个语料评分和图像评分，综合对目标语料信息组进行排序。然后，根据上述异常语料信息组对应的各个语料评分和图像评分，对上述异常语料信息组进行排序处理，以生成异常语料信息序列。由此，可以根据异常语料信息组对应的各个语料评分和图像评分，对上述异常语料信息组进行排序。最后，对上述目标语料信息序列和上述异常语料信息序列进行拼接处理，以生成待展示语料信息序列。由此，完成了对所展示的正面评论的合理排序，可以有效地将物品的正面评论展示给用户。从而，提高了生鲜平台的用户流量，提升了生鲜平台的物品输送量。进而提高了物流平台的物流运输量。
74.从图3可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的基于用户行为的图像识别方法的流程300完成了对所展示的正面评论的合理排序，可以有效地将物品的正面评论展示给用户。从而，提高了生鲜平台的用户流量，提升了生鲜平台的物品输送量。进而提高了物流平台的物流运输量。
75.进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种基于用户行为的图像识别装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
76.如图4所示，一些实施例的基于用户行为的图像识别装置500包括：获取单元401、第一输入单元402、第二输入单元403、第三输入单元404和添加单元405。其中，获取单元401被配置成获取用户提交的对应物品的语料信息，其中，上述语料信息包括语料字段和物品图像；第一输入单元402被配置成将上述语料信息包括的语料字段输入至预先训练的语料评分模型中，得到对应上述语料字段的语料评分；第二输入单元403被配置成响应于上述语料评分大于等于预设语料评分，将上述物品图像输入至预先训练的图像识别模型中，得到图像识别结果；第三输入单元404被配置成响应于上述图像识别结果所表征的物品与上述语料字段所表征的物品一致，将上述物品图像输入至预先训练的图像评分模型中，得到对应上述物品图像的图像评分；添加单元405被配置成响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中。
77.可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
78.下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备（例如图1中的计算设备101）500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
79.如图5所示，电子设备500可以包括处理装置（例如中央处理器、图形处理器等）501，其可以根据存储在只读存储器（rom）502中的程序或者从存储装置508加载到随机访问
存储器（ram）503中的程序而执行各种适当的动作和处理。在ram 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、rom 502以及ram 503通过总线504彼此相连。输入/输出（i/o）接口505也连接至总线504。
80.通常，以下装置可以连接至i/o接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器（lcd）、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
81.特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从rom502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
82.需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd
‑
rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf（射频）等等，或者上述的任意合适的组合。
83.在一些实施方式中，客户端、服务器可以利用诸如http（hypertext transfer protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“lan”），广域网（“wan”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
84.上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取用户提交的对应物品的语料信息，其中，上
述语料信息包括语料字段和物品图像；将上述语料信息包括的语料字段输入至预先训练的语料评分模型中，得到对应上述语料字段的语料评分；响应于上述语料评分大于等于预设语料评分，将上述物品图像输入至预先训练的图像识别模型中，得到图像识别结果；响应于上述图像识别结果所表征的物品与上述语料字段所表征的物品一致，将上述物品图像输入至预先训练的图像评分模型中，得到对应上述物品图像的图像评分；响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中。
85.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（lan）或广域网（wan）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
86.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
87.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一输入单元、第二输入单元、第三输入单元和添加单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，添加单元还可以被描述为“响应于上述图像评分大于等于预设图像评分，将上述语料信息添加至预设的目标语料信息组中的单元”。
88.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（fpga）、专用集成电路（asic）、专用标准产品（assp）、片上系统（soc）、复杂可编程逻辑设备（cpld）等等。
89.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。