本申请提供一种信息处理方法、装置及存储介质。所述方法包括：获得第一数据集；基于智能引擎处理所述第一数据集，确定目标对象；其中，所述智能引擎包括目标条件参数，所述目标条件参数用于确定所述目标对象；所述目标对象属于所述第一数据集；所述目标对象用于作为第一类对象的推荐对象，且作为第二类对象的推荐对象，所述第一类对象与第二类对象不同。本申请实施例的信息处理方法，通过基于智能引擎处理第一数据集，来确定目标对象，且目标对象用于作为第一类对象的推荐对象且作为第二类对象的推荐对象。的推荐对象。的推荐对象。
【技术实现步骤摘要】
一种处理方法、装置及存储介质
[0001]本申请涉及数据处理
，特别涉及一种处理方法、装置及存储介质。
技术介绍
[0002]对象推荐功能是从海量对象(例如，商品、文章、音视频和节目等)中主动挖掘用户喜好或平台需求，并将其推荐给用户或平台的功能。对象推荐功能能够实现信息过滤，来帮助用户或平台快速发现自身的需求信息，从而避免用户或平台淹没在庞大而杂乱无序的网络内容中。然而，目前均采用单向推荐将商品推荐给一类对象，比如仅推荐给用户或仅推荐给商家，更加大了用户与平台间的信息差，从而影响用户体验并让平台产生损失。
技术实现思路
[0003]根据本申请一方面，提供了一种处理方法，所述方法包括：
[0004]获得第一数据集；
[0005]基于智能引擎处理所述第一数据集，确定目标对象；
[0006]其中，所述智能引擎包括目标条件参数，所述目标条件参数用于确定所述目标对象；
[0007]所述目标对象属于所述第一数据集；
[0008]所述目标对象用于作为第一类对象的推荐对象，且作为第二类对象的推荐对象，所述第一类对象与第二类对象不同。
[0009]在一些实施例中，所述目标条件参数为所述智能引擎基于第一数据集利用机器学习确定；
[0010]其中，所述目标条件参数为所述智能引擎基于第一数据集利用机器学习确定，包括：
[0011]所述智能引擎中的第一模型处理第一类数据，并确定划分所述第一类数据的第一条件参数；其中，所述第一模型与所述第一类对象的类别对应；<br/>[0012]所述智能引擎中的第二模型处理第二类数据，并确定划分所述第二类数据的第二条件参数；其中，所述第二模型与所述第二类对象的类别对应；
[0013]根据所述第一条件参数和所述第二条件参数，确定所述目标条件参数。
[0014]在一些实施例中，根据所述第一条件参数和所述第二条件参数，确定所述目标条件参数，包括：
[0015]根据所述第一模型和所述第二模型，利用神经网络确定第三模型；
[0016]根据所述第一条件参数和第二条件参数，利用所述第三模型确定所述目标条件参数。
[0017]在一些实施例中，根据所述第一模型和所述第二模型，利用神经网络确定第三模型，包括：
[0018]利用神经网络算法，将所述第一模型的结构和参数与所述第二模型的结构和参数
进行调整，并将调整后的所述第一模型和所述第二模型合并，得到所述第三模型。
[0019]在一些实施例中，确定划分所述第一类数据的第一条件参数，包括：
[0020]确定所述第一类数据的第一度量值；
[0021]根据至少一个预设数值对所述第一类数据进行划分，分别确定所述第一类数据划分后各部分的第二度量值；
[0022]根据所述第一类数据各部分的所述第二度量值，确定所述第一类数据的所述第三度量值；
[0023]当所述第三度量值小于所述第一度量值时为信息增益，将信息增益最大时对应的所述预设数值确定为所述第一条件参数。
[0024]在一些实施例中，确定划分所述第二类数据的第二条件参数，包括：
[0025]确定所述第二类数据的第四度量值；
[0026]根据至少一个预设数值对所述第二类数据进行划分，分别确定所述第二类数据划分后各部分的第五度量值；
[0027]根据所述第二类数据各部分的所述第五度量值，确定所述第二类数据的所述第六度量值；
[0028]当所述第六度量值小于所述第四度量值时为信息增益，将信息增益最大时对应的所述预设数值确定为所述第二条件参数。
[0029]在一些实施例中，对目标数据集进行预处理，得到所述第一数据集；
[0030]其中，对目标数据集进行预处理，得到所述第一数据集，包括：
[0031]根据所述目标数据集与所述目标数据集平均值的差值，确定协方差矩阵；
[0032]根据所述协方差矩阵，确定所述目标数据集中各个数据的特征值和对应的特征向量；
[0033]根据所述特征值，从大到小选取至少一个所述特征值，并结合所述特征值对应的特征向量组成特征向量矩阵；
[0034]根据所述目标数据集和所述特征向量矩阵，确定所述第一数据集。
[0035]在一些实施例中，根据对象类别，将第一数据集分为第一类数据和第二类数据；
[0036]根据所述第一类数据，创建所述第一模型；
[0037]根据所述第二类数据，创建所述第二模型。
[0038]本申请实施例另一方面提供了一种信息处理装置，所述装置包括：
[0039]获取模块，获得第一数据集；
[0040]处理模块，基于智能引擎处理所述第一数据集，确定目标对象；
[0041]其中，所述智能引擎包括目标条件参数，所述目标条件参数用于确定所述目标对象；
[0042]所述目标对象属于所述第一数据集；
[0043]所述目标对象用于作为第一类对象的推荐对象，且作为第二类对象的推荐对象，所述第一类对象与第二类对象不同。
[0044]本申请实施例又一方面提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序在被处理器运行时使得所述处理器执行如上所述的信息处理方法。
[0045]本申请实施例的信息处理方法，通过基于智能引擎处理第一数据集，来确定目标
对象，其中，目标对象属于第一数据集，且目标对象用于作为第一类对象的推荐对象，且作为第二类对象的推荐对象。
附图说明
[0046]图1示出根据本申请实施例的信息处理方法的示意性流程图；
[0047]图2示出根据本申请实施例的信息处理方法的示意性流程图；
[0048]图3示出根据本申请实施例的步骤A1的示意性流程图；
[0049]图4示出根据本申请实施例的智能引擎基于第一数据集利用机器学习确定所述目标条件参数的示意性流程图；
[0050]图5示出根据本申请实施例的步骤C1的示意性流程图；
[0051]图6示出根据本申请实施例的步骤C2的示意性流程图；
[0052]图7示出根据本申请实施例的第一模型和第二模型的创建过程的示意性流程图；
[0053]图8示出根据本申请实施例的决策树算法的示意图；
[0054]图9示出根据本申请实施例的步骤C3的示意性流程图；
[0055]图10示出根据本申请实施例的步骤F1的示意性流程图；
[0056]图11示出根据本申请实施例的神经网络学习算法的示意性流程图；
[0057]图12示出根据本申请实施例的信息处理方法的示意性流程图；
[0058]图13示出根据本申请实施例的信息处理装置的示意性框图。
具体实施方式
[0059]为使本领域技术人员更好的理解本申请实施例的技术方案，下面结合附图和具体实施方式对本申请作详细说明。
[0060]传统技术中等待用户主动购买的模式已经不能满足零售业发展的需求本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信息处理方法，所述方法包括：获得第一数据集；基于智能引擎处理所述第一数据集，确定目标对象；其中，所述智能引擎包括目标条件参数，所述目标条件参数用于确定所述目标对象；所述目标对象属于所述第一数据集；所述目标对象用于作为第一类对象的推荐对象且作为第二类对象的推荐对象，所述第一类对象与第二类对象不同。2.根据权利要求1所述的方法，所述目标条件参数为所述智能引擎基于第一数据集利用机器学习确定；其中，所述目标条件参数为所述智能引擎基于第一数据集利用机器学习确定，包括：所述智能引擎中的第一模型处理第一类数据，并确定划分所述第一类数据的第一条件参数；其中，所述第一模型与所述第一类对象的类别对应；所述智能引擎中的第二模型处理第二类数据，并确定划分所述第二类数据的第二条件参数；其中，所述第二模型与所述第二类对象的类别对应；根据所述第一条件参数和所述第二条件参数，确定所述目标条件参数。3.根据权利要求2所述的方法，根据所述第一条件参数和所述第二条件参数，确定所述目标条件参数，包括：根据所述第一模型和所述第二模型，利用神经网络确定第三模型；根据所述第一条件参数和第二条件参数，利用所述第三模型确定所述目标条件参数。4.根据权利要求3所述的方法，根据所述第一模型和所述第二模型，利用神经网络确定第三模型，包括：利用神经网络算法，将所述第一模型的结构和参数与所述第二模型的结构和参数进行调整，并将调整后的所述第一模型和所述第二模型合并，得到所述第三模型。5.根据权利要求2所述的方法，确定划分所述第一类数据的第一条件参数，包括：确定所述第一类数据的第一度量值；根据至少一个预设数值对所述第一类数据进行划分，分别确定所述第一类数据划分后各部分的第二度量值；根据所述第一类数据各部分的所述第二度量值，确定所述第一类数据的所述第三度量值；当所述第三度量值小于所述第一度量值时为信息增益，将信息增益最大时对应的所述预设数值确定为所述第一条件参数。6.根据权利要求2所述的方法，确定划分所述第二...
【专利技术属性】
技术研发人员：王汉，
申请(专利权)人：联想北京有限公司，
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。