[发明专利]用于生成信息的方法和装置在审
申请号: | 201910063036.7 | 申请日: | 2019-01-23 |
公开(公告)号: | CN109785072A | 公开(公告)日: | 2019-05-21 |
发明(设计)人: | 王帅强;雷逸品;苏福顺;丁卓冶;罗长虹;殷大伟;赵一鸿 | 申请(专利权)人: | 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司 |
主分类号: | G06Q30/06 | 分类号: | G06Q30/06;G06K9/62 |
代理公司: | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人: | 王达佐;马晓亚 |
地址: | 100086 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 集合 概率 方法和装置 目标产品 生成信息 属性信息 算法集合 算法确定 标签 获取目标 目标概率 推荐信息 选择目标 算法 预设 存储 申请 | ||
1.一种用于生成信息的方法,包括:
获取目标产品的属性信息;
基于所述属性信息和预设的算法集合,确定候选价值分数集合;
将所述候选价值分数集合输入预先训练的订单模型,得到概率值集合,其中,所述概率值集合中的概率值对应于所述算法集合中的算法,用于表征利用对应的算法确定的候选价值分数的准确程度;
从所述概率值集合中选择目标概率值,以及将根据所述目标概率值对应的算法确定的候选价值分数确定为所述目标产品的标签及存储。
2.根据权利要求1所述的方法,其中,所述属性信息包括所述目标产品在目标时间段内的订单量;以及
所述基于所述属性信息和预设的算法集合,确定候选价值分数集合,包括:
确定所述目标产品在目标时间段内的订单量是否大于等于预设的订单量阈值;
响应于确定大于等于所述订单量阈值,基于所述属性信息和预设的算法集合中的算法,确定候选价值分数集合作为第一候选价值分数集合;
响应于确定小于所述订单量阈值,基于所述属性信息和预设的算法集合中的、除目标算法以外的其他算法,确定候选价值分数集合作为第二候选价值分数集合,其中,所述目标算法是与在所述目标时间段内的订单量大于等于所述订单量阈值的产品对应的算法。
3.根据权利要求2所述的方法,其中,所述目标算法包括:
响应于确定所述目标产品在目标时间段内的订单量大于等于预设的订单量阈值,获取预先确定的、获得过所述目标产品的用户群中的用户的产品获取相关值;
基于所得到的产品获取相关值,确定所述目标产品的候选价值分数。
4.根据权利要求2所述的方法,其中,所述目标算法包括:
响应于确定所述目标产品在目标时间段内的订单量大于等于预设的订单量阈值,从预设的至少两个价值分数区间中,确定以下至少一个价值分数区间:所述目标产品的实际价值属性值对应的价值分数区间、所述目标产品的原始价值属性值对应的价值分数区间;
对于所确定的至少一个价值分数区间中的价值分数区间,获取预设的、与该价值分数区间对应的变换系数,以及从已确定的所述目标产品的候选价值分数中确定目标候选价值分数;基于所确定的变换系数和目标候选价值分数,确定所述目标产品的新的候选价值分数。
5.根据权利要求2所述的方法,其中,所述订单模型包括第一模型和第二模型;以及
所述将所述候选价值分数集合输入预先训练的订单模型,得到概率值集合,包括:
响应于确定所述目标产品在目标时间段内的订单量大于等于所述订单量阈值,将所述第一候选价值分数集合输入所述第一模型,得到至少两个概率值;
响应于确定所述目标产品在目标时间段内的订单量小于所述订单量阈值,将所述第二候选价值分数集合输入所述第二模型,得到至少两个概率值。
6.根据权利要求1所述的方法,其中,所述属性信息包括以下至少一种数值:所述目标产品的实际价值属性值、所述目标产品的原始价值属性值;以及
所述算法集合包括以下至少一种算法:
基于所述目标产品所属的类别包括的产品的实际价值属性值,对所述目标产品所属的类别包括的产品的产品信息进行排序,得到至少两个第一产品信息序列,对于所得到的至少两个第一产品信息序列中的第一产品信息序列,基于所述目标产品在该第一产品信息序列中的排列位置,确定所述目标产品对应于该第一产品信息序列的候选价值分数;
基于所述目标产品所属的类别包括的产品的原始价值属性值,对所述目标产品所属的类别包括的产品的产品信息进行排序,得到至少两个第二产品信息序列,对于所得到的至少两个第二产品信息序列中的第二产品信息序列,基于所述目标产品在该第二产品信息序列中的排列位置,确定所述目标产品对应于该第二产品信息序列的候选价值分数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司,未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910063036.7/1.html,转载请声明来源钻瓜专利网。