[发明专利]信息处理方法、装置、电子设备及存储介质

权利要求书

1.一种信息处理方法，其特征在于，所述方法包括：

获取与名称预测模型的使用环境相匹配的第一训练样本，其中，所述训练样本中包括相应目标用户的历史行为信息；

对所述第一训练样本集合进行去噪处理，形成相应的第二训练样本集合，并提取与所述第二训练样本相匹配的特征集合；

通过所述名称预测模型对所述特征集合进行处理，以确定名称预测模型中的第一神经网络的初始参数和第二神经网络的初始参数；

响应于所述第一神经网络的初始参数和所述第二神经网络的初始参数，通过所述名称预测模型对所述特征集合进行处理，确定所述名称预测模型的不同神经网络对应的更新参数；

根据所述名称预测模型的不同神经网络对应的更新参数，通过所述特征集合对所述名称预测模型的第一神经网络的参数和第二神经网络的参数分别进行迭代更新，以实现通过所述名称预测模型确定与备注对象相匹配的备注名称；

基于所述备注对象在不同社交软件中的社交拓扑关系和所述目标用户的社交拓扑关系的重合比例，确定与经过训练的名称预测模型的使用环境相对应的不同社交网络中的备注对象的重合度；

基于所述备注对象的重合度，对所述不同社交网络中的备注对象的待备注名称进行过滤处理，响应于所述待备注名称的过滤处理结果，通过所述名称预测模型获取不同维度中的待备注名称，并将所述待备注名称转换为相应的文本特征向量；

根据所述文本特征向量确定与所述文本内容所对应的至少一个词语级的隐变量；

根据所述至少一个词语级的隐变量，生成与所述词语级的隐变量相对应的候选词语以及所述候选词语的被选取概率；

根据所述候选词语的被选取概率，选取至少一个候选词语组成与当前社交网络中的备注对象相匹配的备注名称。

2.根据权利要求1所述的方法，其特征在于，所述获取与所述名称预测模型的使用环境相匹配的第一训练样本，包括：

获取所述目标用户的日志信息；

基于所述目标用户的日志信息，确定所述目标用户使用所述名称预测模型所推荐的备注名称作为正例样本；

基于所述目标用户的日志信息，确定所述目标用户未使用所述名称预测模型所推荐的备注名称作为负例样本；

基于所述正例样本和所述负例样本，确定与所述名称预测模型的使用环境相匹配的第一训练样本。

3.根据权利要求1所述的方法，其特征在于，所述对所述第一训练样本集合进行去噪处理，形成相应的第二训练样本集合，并提取与所述第二训练样本相匹配的特征集合，包括：

确定与所述名称预测模型的使用环境相匹配的动态噪声阈值；

根据所述动态噪声阈值对所述第一训练样本集合进行去噪处理，以形成与所述动态噪声阈值相匹配的第二训练样本集合；

提取与所述第二训练样本相匹配的词语级特征向量，并对所述不同的词语级特征向量进行除噪处理，形成与所待备注名称文本内容相对应的词语级特征向量集合，其中，所述与所待备注名称文本内容相对应的词语级特征向量集合包括所述待备注名称文本内容的数据来源。

4.根据权利要求1所述的方法，其特征在于，所述对所述第一训练样本集合进行去噪处理，形成相应的第二训练样本集合，并提取与所述第二训练样本相匹配的特征集合，包括：

确定与所述名称预测模型的使用环境相匹配的固定噪声阈值；

根据所述固定噪声阈值对所述第一训练样本集合进行去噪处理，以形成与所述固定噪声阈值相匹配的第二训练样本集合；

提取与所述第二训练样本相匹配的词语级特征向量，并对所述不同的词语级特征向量进行除噪处理，形成与所待备注名称文本内容相对应的词语级特征向量集合，其中，所述与所待备注名称文本内容相对应的词语级特征向量集合包括所述待备注名称文本内容的数据来源。