本公开提出一种推送物品的描述信息的方法、装置和计算机可读存储介质，涉及计算机技术领域。在本公开的一些实施例中，选择物品对应的一个或多个目标用户；根据物品，生成物品的候选描述信息；根据物品的属性、每个目标用户的属性以及物品的候选描述信息，确定每个目标用户对物品的选择率；然后，根据每个目标用户对物品的选择率，将选择率满足预设条件的候选描述信息确定为物品相对目标用户的物品描述信息；最后，将物品相对各个目标用户的物品描述信息分别推送给各个目标用户。针对不同用户生成不同的物品名称，为不同用户推送个性化的物品描述信息，有利于提升用户体验。有利于提升用户体验。有利于提升用户体验。
【技术实现步骤摘要】
推送物品的描述信息的方法、装置和计算机可读存储介质
[0001]本公开涉及计算机
，特别涉及一种推送物品的描述信息的方法、装置和计算机可读存储介质。
技术介绍
[0002]随着互联网技术的不断发展，电商平台对人们的日常生活的影响日益加深。用户基于电商平台推送的物品的描述信息可以快速的了解物品的信息。在一些相关技术中，针对一个物品，确定该物品的描述信息，然后，将该物品的描述信息发送给所有用户。
技术实现思路
[0003]专利技术人发现，在相关技术中，针对一个物品，给所有的用户推送的该物品的描述信息是相同的，但是，不同的用户对同一物品的关注点或兴趣点可能是不同的，因此，物品的相同的描述信息难以满足不同用户的个性化需要，用户体验不好，由于难以引起用户的关注或兴趣，甚至会降低用户对该物品选择的可能性。
[0004]考虑到在针对同一物品的描述信息有差异的情况下，相应地，会影响到不同的用户对该物品的感受和选择。为了提升用户体验，可以通过为不同的用户确定不同的物品的描述信息，为不同用户推送个性化的物品描述信息，从而可以挖掘出适合不同的用户的关注点或兴趣点的物品的描述信息，有利于提高用户体验，有利于提高用户对物品的选择率。
[0005]为此，本公开提供一种能够为用户推送个性化的物品的描述信息的方法。
[0006]在本公开的一些实施例中，选择物品对应的一个或多个目标用户；根据物品，生成物品的候选描述信息；根据物品的属性、每个目标用户的属性以及物品的候选描述信息，确定每个目标用户对物品的选择率；然后，根据每个目标用户对物品的选择率，将选择率满足预设条件的候选描述信息确定为物品相对目标用户的物品描述信息；最后，将物品相对各个目标用户的物品描述信息分别推送给各个目标用户。针对不同用户生成不同的物品名称，为不同用户推送个性化的物品描述信息，有利于提升用户体验。
[0007]根据本公开的一些实施例，提供一种推送物品描述信息的方法，包括：
[0008]选择物品对应的一个或多个目标用户；
[0009]根据所述物品，生成所述物品的候选描述信息；
[0010]根据所述物品的属性、每个目标用户的属性以及所述物品的候选描述信息，确定所述每个目标用户对所述物品的选择率；
[0011]根据每个目标用户对所述物品的选择率，将选择率满足条件的候选描述信息确定为所述物品相对所述目标用户的物品描述信息；
[0012]将所述物品相对各个目标用户的物品描述信息分别推送给各个目标用户。
[0013]在一些实施例中，选择物品对应的一个或多个目标用户包括：根据与所述物品相关联的历史用户的属性，将与所述历史用户的属性的相似度满足条件的用户，确定为所述目标用户。
[0014]在一些实施例中，选择物品对应的一个或多个目标用户包括：将所述物品的属性输入目标用户生成模型，获取所述目标用户生成模型输出的所述物品相应的目标用户；所述目标用户生成模型是利用所述物品的属性、与所述物品相关联的历史用户的属性、以及所述历史用户对所述物品的行为信息，对神经网络模型进行训练得到的。
[0015]在一些实施例中，所述生成所述物品的候选描述信息包括：将所述物品的属性、每个目标用户的属性，输入到生成-对抗模型中的生成器中，获取所述生成器输出的所述物品相对每个目标用户的候选描述信息。
[0016]在一些实施例中，所述生成-对抗模型是通过以下步骤进行训练得到的：将训练集中的历史物品的属性、以及与所述历史物品相关联的历史用户的属性，输入到生成-对抗模型中的生成器中；获取所述生成器输出的所述每个历史物品相对每个历史用户的一个或多个预测描述信息；根据每个历史物品相对每个历史用户的预测描述信息以及每个历史物品相对每个历史用户的真实描述信息，确定所述生成器的第一损失；将每个历史物品的真实描述信息及第一真实标签、和每个历史物品相对每个历史用户的预测描述信息及第二真实标签输入到生成-对抗模型中的判别器中；获取所述判别器输出的针对真实描述信息的第一判别标签和针对预测描述信息的第二判别标签；根据第一判别标签和第一真实标签、第二判别标签和第二真实标签，确定所述判别器的第二损失；根据所述生成器的第一损失，更新所述生成器的参数，根据所述判别器的第二损失，更新所述判别器的参数，直到满足预设条件，训练完成，将训练完成的生成器和判别器作为所述生成-对抗模型。
[0017]在一些实施例中，所述生成所述物品的候选描述信息包括：对所述物品的原始描述信息进行分词处理，得到所述分词的一个或多个排列组合，将所述排列组合作为所述物品的候选描述信息。
[0018]在一些实施例中，所述确定所述每个目标用户对所述物品的选择率包括：将所述物品的属性、每个目标用户的属性以及所述物品的候选描述信息，输入到选择率模型，获取所述选择率模型输出的每个目标用户对所述物品的选择率；其中，所述选择率模型是利用历史物品的属性、与所述历史物品相关联的历史用户的属性、所述历史物品的真实描述信息以及所述历史用户对所述历史物品的真实选择率，对神经网络模型进行训练得到的。
[0019]在一些实施例中，所述选择率满足预设条件包括：所述选择率达到预设阈值，或者，所述选择率的排名达到预设排名。
[0020]根据本公开的又一些实施例，提供一种推送物品描述信息的装置，包括：
[0021]选择模块，被配置为选择物品对应的一个或多个目标用户；
[0022]生成模块，被配置为根据所述物品，生成所述物品的候选描述信息；
[0023]选择率确定模块，被配置为根据所述物品的属性、每个目标用户的属性以及所述物品的候选描述信息，确定所述每个目标用户对所述物品的选择率；
[0024]物品描述信息确定模块，被配置为根据每个目标用户对所述物品的选择率，将选择率满足预设条件的候选描述信息确定为所述物品相对所述目标用户的物品描述信息；
[0025]推送模块，被配置为将所述物品相对各个目标用户的物品描述信息分别推送给各个目标用户。
[0026]根据本公开的再一些实施例，提供一种推送物品描述信息的装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，
执行任一实施例所述的推送物品描述信息的方法。
[0027]根据本公开的又再一些实施例，提供一种非瞬时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例所述的推送物品描述信息的方法。
附图说明
[0028]下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍。根据下面参照附图的详细描述，可以更加清楚地理解本公开。
[0029]显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0030]图1示出根据本公开的一些实施例的推送物品的描述信息的方法的流程示意图。
[0031]图2示出根据本公开的一本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种推送物品描述信息的方法，包括：选择物品对应的一个或多个目标用户；根据所述物品，生成所述物品的候选描述信息；根据所述物品的属性、每个目标用户的属性以及所述物品的候选描述信息，确定所述每个目标用户对所述物品的选择率；根据每个目标用户对所述物品的选择率，将选择率满足条件的候选描述信息确定为所述物品相对所述目标用户的物品描述信息；将所述物品相对各个目标用户的物品描述信息分别推送给各个目标用户。2.根据权利要求1所述的推送物品描述信息的方法，其中，选择物品对应的一个或多个目标用户包括：根据与所述物品相关联的历史用户的属性，将与所述历史用户的属性的相似度满足条件的用户，确定为所述目标用户。3.根据权利要求1所述的推送物品描述信息的方法，其中，选择物品对应的一个或多个目标用户包括：将所述物品的属性输入目标用户生成模型，获取所述目标用户生成模型输出的所述物品相应的目标用户；所述目标用户生成模型是利用所述物品的属性、与所述物品相关联的历史用户的属性、以及所述历史用户对所述物品的行为信息，对神经网络模型进行训练得到的。4.根据权利要求1所述的推送物品描述信息的方法，其中，所述生成所述物品的候选描述信息包括：将所述物品的属性、每个目标用户的属性，输入到生成-对抗模型中的生成器中，获取所述生成器输出的所述物品相对每个目标用户的候选描述信息。5.根据权利要求4所述的推送物品描述信息的方法，其中，所述生成-对抗模型是通过以下步骤进行训练得到的：将训练集中的历史物品的属性、以及与所述历史物品相关联的历史用户的属性，输入到生成-对抗模型中的生成器中；获取所述生成器输出的所述每个历史物品相对每个历史用户的一个或多个预测描述信息；根据每个历史物品相对每个历史用户的预测描述信息以及每个历史物品相对每个历史用户的真实描述信息，确定所述生成器的第一损失；将每个历史物品的真实描述信息及第一真实标签、和每个历史物品相对每个历史用户的预测描述信息及第二真实标签输入到生成-对抗模型中的判别器中；获取所述判别器输出的针对真实描述信息的第一判别标签和针对预测描述信息的第二判别标签；根据第一判别标签和第一真实标签、第二判别标签和第二真实标...
【专利技术属性】
技术研发人员：张伯雷，易津锋，刘君亮，陈东东，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。