用于生成信息的方法和装置制造方法及图纸

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：响应于接收到用户针对目标产品的获取请求，获取用户的待识别数据；对待识别数据进行数据分析，生成用户的特征向量；将所生成的特征向量输入预先训练的属性预测模型，获得针对用户的、目标产品的目标属性的属性预测值，其中，属性预测模型用于表征特征向量与目标产品的目标属性的属性预测值的对应关系；基于所获得的属性预测值，生成针对用户的、目标产品的目标属性的属性值。该实施方式提高了信息生成的准确性。

Method and device for generating information

The application embodiment discloses a method and device for generating information. One specific embodiment of the method includes: acquiring the user's data to be identified in response to the user's acquisition request for the target product; analyzing the identified data to generate the user's feature vector; inputting the generated feature vector into the pre-trained attribute prediction model to obtain the user-specific feature vector; Attribute prediction value of target attributes of target products, in which attribute prediction model is used to characterize the corresponding relationship between feature vectors and target attributes of target products; based on the obtained attribute prediction value, attribute values of target attributes for users and target products are generated. The implementation method improves the accuracy of information generation.

【技术实现步骤摘要】
用于生成信息的方法和装置
本申请实施例涉及计算机
，尤其涉及用于生成信息的方法和装置。
技术介绍
随着社会生产力的高速发展，市面上的各类产品层出不穷。对于新生产的产品，在投入市场前，往往需要对其具有的某个目标属性(例如价格、销量等)进行预测，以此来获得更大的收益。现有技术中，通常利用产品的固有属性(例如成本、质量等)来对产品的目标属性进行预测。
技术实现思路
本申请实施例提出了用于生成信息的方法和装置。第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：响应于接收到用户针对目标产品的获取请求，获取用户的待识别数据；对待识别数据进行数据分析，生成用户的特征向量；将所生成的特征向量输入预先训练的属性预测模型，获得针对用户的、目标产品的目标属性的属性预测值，其中，属性预测模型用于表征特征向量与目标产品的目标属性的属性预测值的对应关系；基于所获得的属性预测值，生成针对用户的、目标产品的目标属性的属性值。在一些实施例中，将所生成的特征向量分别输入预先训练的属性预测模型，获得针对用户的、目标产品的目标属性的属性预测值，包括：将所生成的特征向量分别输入至少两个基于不同的初始模型预先训练得到的属性预测模型，获得至少两个针对用户的、目标产品的目标属性的属性预测值；以及基于所获得的属性预测值，生成针对用户的、目标产品的目标属性的属性值，包括：获取各属性预测模型的预设权重；基于所获取的预设权重，对所获得的至少两个属性预测值进行加权求和处理，生成加权求和值；将所生成的加权求和值确定为针对用户的、目标产品的目标属性的属性值。在一些实施例中，对待识别数据进行数据分析，包括：确定待识别数据是否包括缺失数据；响应于确定待识别数据包括缺失数据，对待识别数据中的缺失数据进行插补。在一些实施例中，对待识别数据进行数据分析，生成用户的特征向量，包括：获取预设特征集合，其中，预设特征集合包括针对同一预设特征设置的至少两个特征值范围，对于预设特征集合所包括的特征值范围中的每个特征值范围，预先设置有与该特征值范围相对应的特征向量；对待识别数据和预设特征集合进行匹配，以确定待识别数据所对应的特征值范围；将所确定的特征值范围所对应的特征向量确定为用户的特征向量。在一些实施例中，获取用户的待识别数据，包括：获取用户的身份信息；基于所获取的身份信息，从预设数据集合中提取用户的待识别数据。在一些实施例中，属性预测模型通过如下步骤训练得到：获取多个样本待识别数据，并获取已标定的、多个样本待识别数据中的每个样本待识别数据所对应的样本属性预测值，其中，样本属性预测值为目标产品的目标属性的样本属性预测值；对于多个样本待识别数据中的每个样本待识别数据，对该样本待识别数据进行数据分析，生成该样本待识别数据所对应的样本特征向量；利用机器学习方法，将所生成的样本特征向量中的每个样本特征向量作为输入，将与输入的样本特征向量对应的样本属性预测值作为输出，训练得到属性预测模型。第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：获取单元，被配置成响应于接收到用户针对目标产品的获取请求，获取用户的待识别数据；分析单元，被配置成对待识别数据进行数据分析，生成用户的特征向量；输入单元，被配置成将所生成的特征向量输入预先训练的属性预测模型，获得针对用户的、目标产品的目标属性的属性预测值，其中，属性预测模型用于表征特征向量与目标产品的目标属性的属性预测值的对应关系；生成单元，被配置成基于所获得的属性预测值，生成针对用户的、目标产品的目标属性的属性值。在一些实施例中，输入单元包括：输入模块，被配置成将所生成的特征向量分别输入至少两个基于不同的初始模型预先训练得到的属性预测模型，获得至少两个针对用户的、目标产品的目标属性的属性预测值；以及生成单元包括：第一获取模块，被配置成获取各属性预测模型的预设权重；处理模块，被配置成基于所获取的预设权重，对所获得的至少两个属性预测值进行加权求和处理，生成加权求和值；第一确定模块，被配置成将所生成的加权求和值确定为针对用户的、目标产品的目标属性的属性值。在一些实施例中，分析单元包括：第二确定模块，被配置成确定待识别数据是否包括缺失数据；插补模块，被配置成响应于确定待识别数据包括缺失数据，对待识别数据中的缺失数据进行插补。在一些实施例中，分析单元还包括：第二获取模块，被配置成获取预设特征集合，其中，预设特征集合包括针对同一预设特征设置的至少两个特征值范围，对于预设特征集合所包括的特征值范围中的每个特征值范围，预先设置有与该特征值范围相对应的特征向量；匹配模块，被配置成对待识别数据和预设特征集合进行匹配，以确定待识别数据所对应的特征值范围；第三确定模块，被配置成将所确定的特征值范围所对应的特征向量确定为用户的特征向量。在一些实施例中，获取单元包括：第三获取模块，被配置成获取用户的身份信息；提取模块，被配置成基于所获取的身份信息，从预设数据集合中提取用户的待识别数据。在一些实施例中，属性预测模型通过如下步骤训练得到：获取多个样本待识别数据，并获取已标定的、多个样本待识别数据中的每个样本待识别数据所对应的样本属性预测值，其中，样本属性预测值为目标产品的目标属性的样本属性预测值；对于多个样本待识别数据中的每个样本待识别数据，对该样本待识别数据进行数据分析，生成该样本待识别数据所对应的样本特征向量；利用机器学习方法，将所生成的样本特征向量中的每个样本特征向量作为输入，将与输入的样本特征向量对应的样本属性预测值作为输出，训练得到属性预测模型。第三方面，本申请实施例提供了一种服务器，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用于生成信息的方法中任一实施例的方法。第四方面，本申请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，该程序被处理器执行时实现上述用于生成信息的方法中任一实施例的方法。本申请实施例提供的用于生成信息的方法和装置，通过响应于接收到用户针对目标产品的获取请求，获取用户的待识别数据，接着对待识别数据进行数据分析，生成用户的特征向量，然后将所生成的特征向量输入预先训练的属性预测模型，获得针对用户的、目标产品的目标属性的属性预测值，最后基于所获得的属性预测值，生成针对用户的、目标产品的目标属性的属性值，从而基于用户的待识别数据对目标产品的目标属性进行了预测，有效地将用户的特征与目标产品的目标属性相结合，提高了信息生成的准确性。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的用于生成信息的方法的一个实施例的流程图；图3是根据本申请的用于生成信息的方法的一个应用场景的示意图；图4是根据本申请的用于生成信息的方法的又一个实施例的流程图；图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图；图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，本文档来自技高网...

【技术保护点】
1.一种用于生成信息的方法，包括：响应于接收到用户针对目标产品的获取请求，获取所述用户的待识别数据；对所述待识别数据进行数据分析，生成所述用户的特征向量；将所生成的特征向量输入预先训练的属性预测模型，获得针对所述用户的、所述目标产品的目标属性的属性预测值，其中，属性预测模型用于表征特征向量与所述目标产品的目标属性的属性预测值的对应关系；基于所获得的属性预测值，生成针对所述用户的、所述目标产品的目标属性的属性值。

【技术特征摘要】
1.一种用于生成信息的方法，包括：响应于接收到用户针对目标产品的获取请求，获取所述用户的待识别数据；对所述待识别数据进行数据分析，生成所述用户的特征向量；将所生成的特征向量输入预先训练的属性预测模型，获得针对所述用户的、所述目标产品的目标属性的属性预测值，其中，属性预测模型用于表征特征向量与所述目标产品的目标属性的属性预测值的对应关系；基于所获得的属性预测值，生成针对所述用户的、所述目标产品的目标属性的属性值。2.根据权利要求1所述的方法，其中，所述将所生成的特征向量分别输入预先训练的属性预测模型，获得针对所述用户的、所述目标产品的目标属性的属性预测值，包括：将所生成的特征向量分别输入至少两个基于不同的初始模型预先训练得到的属性预测模型，获得至少两个针对所述用户的、所述目标产品的目标属性的属性预测值；以及所述基于所获得的属性预测值，生成针对所述用户的、所述目标产品的目标属性的属性值，包括：获取各属性预测模型的预设权重；基于所获取的预设权重，对所获得的至少两个属性预测值进行加权求和处理，生成加权求和值；将所生成的加权求和值确定为针对所述用户的、所述目标产品的目标属性的属性值。3.根据权利要求1所述的方法，其中，所述对所述待识别数据进行数据分析，包括：确定所述待识别数据是否包括缺失数据；响应于确定所述待识别数据包括缺失数据，对所述待识别数据中的缺失数据进行插补。4.根据权利要求1所述的方法，其中，所述对所述待识别数据进行数据分析，生成所述用户的特征向量，包括：获取预设特征集合，其中，所述预设特征集合包括针对同一预设特征设置的至少两个特征值范围，对于所述预设特征集合所包括的特征值范围中的每个特征值范围，预先设置有与该特征值范围相对应的特征向量；对所述待识别数据和所述预设特征集合进行匹配，以确定所述待识别数据所对应的特征值范围；将所确定的特征值范围所对应的特征向量确定为所述用户的特征向量。5.根据权利要求1所述的方法，其中，所述获取所述用户的待识别数据，包括：获取所述用户的身份信息；基于所获取的身份信息，从预设数据集合中提取所述用户的待识别数据。6.根据权利要求1-5之一所述的方法，其中，所述属性预测模型通过如下步骤训练得到：获取多个样本待识别数据，并获取已标定的、所述多个样本待识别数据中的每个样本待识别数据所对应的样本属性预测值，其中，样本属性预测值为所述目标产品的目标属性的样本属性预测值；对于所述多个样本待识别数据中的每个样本待识别数据，对该样本待识别数据进行数据分析，生成该样本待识别数据所对应的样本特征向量；利用机器学习方法，将所生成的样本特征向量中的每个样本特征向量作为输入，将与输入的样本特征向量对应的样本属性预测值作为输出，训练得到属性预测模型。7.一种用于生成信息的装置，包括：获取单元，被配置成响应于接收到用户针对目标产品的获取请求，获取所述用户的待识别数据；分析单元，被配置成对所述待识别数据进行数据分析，生成所述用...

【专利技术属性】
技术研发人员：张雯，解鹏，曲以元，黄雪娟，张兴思，曲洪涛，
申请(专利权)人：北京京东金融科技控股有限公司，
类型：发明
国别省市：北京,11