[发明专利]信息处理方法、装置、电子设备和存储介质

权利要求书

1.一种信息处理方法，其特征在于，包括：

获取未发布内容的标签信息、文本描述信息以及类别信息；

利用训练后词向量模型，对所述标签信息进行词特征提取，得到所述未发布内容的标签特征信息；

利用训练后语言模型，对所述文本描述信息进行句特征提取，得到所述未发布内容的句特征信息；

对所述类别信息进行类别特征编码，得到所述未发布内容的类别特征信息；

计算所述标签特征信息、文本特征信息和类别特征信息两两之间的交叉关系，得到所述未发布内容的交叉特征信息；

对所述标签特征信息、文本特征信息和类别特征信息进行深度非线性转换处理，得到所述未发布内容的深度特征信息；

基于所述交叉特征信息和所述深度特征信息对未发布内容进行预测处理，得到所述未发布内容的用户行为数据。

2.根据权利要求1所述的方法，其特征在于，所述标签信息包括至少一个内容标签，所述利用训练后词向量模型，对所述标签信息进行词特征提取，得到所述未发布内容的标签特征信息，包括：

利用训练后词向量模型，将所述内容标签进行向量化处理，得到至少一个标签向量；

对所述标签向量进行加权处理，得到所述未发布内容的标签特征信息。

3.根据权利要求2所述的方法，其特征在于，所述利用训练后词向量模型，将所述内容标签进行向量化处理，得到至少一个标签向量，包括：

基于独热编码算法，确定每个内容标签的独热向量；

利用训练后词向量模型对所述内容标签的独热向量进行词嵌入操作，得到每个内容标签对应的标签向量。

4.根据权利要求2所述的方法，其特征在于，所述对所述标签向量进行加权处理，得到所述未发布内容的标签特征信息，包括：

获取每个内容标签在所述未发布内容中的出现频率；

基于预设参数和每个内容标签的出现频率，确定每个内容标签的权重；

基于每个标签向量的权重对所述标签向量进行加权处理，得到所述未发布内容的标签特征信息。

5.根据权利要求1所述的方法，其特征在于，所述利用训练后语言模型，对所述文本描述信息进行句特征提取，得到所述未发布内容的句特征信息，包括：

在所述文本描述信息前插入句符号，将所述句符号作为所述文本描述信息中一个字，并将所述文本描述信息中每个字输入到训练后语言模型；

利用训练后语言模型，对所述文本描述信息中的每个字进行上下文解析，得到每个字对应的上下文信息和上下文特征；

根据所述上下文信息和所述上下文特征计算所述每个字的注意力信息；

将所述句符号的注意力信息作为所述未发布内容的句特征信息。

6.根据权利要求1所述的方法，其特征在于，所述对所述类别信息进行类别特征编码，得到所述未发布内容的类别特征信息，包括：

对所述类别信息进行独热编码，得到每个类别信息的独热向量；

将所述独热向量嵌入到低维向量中，得到所述未发布内容的类别特征信息。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述计算所述标签特征信息、文本特征信息和类别特征信息两两之间的交叉关系，得到所述未发布内容的交叉特征信息，包括：

利用训练后预测模型，对所述标签特征信息、文本特征信息和类别特征信息进行一阶计算、以及两两之间进行交叉计算，得到第一特征信息和第二特征信息，其中，所述训练后预测模型是根据已发布内容的标签信息、文本描述信息、类别信息以及用户行为数据训练得到的；

将所述第一特征信息和第二特征信息进行融合，得到所述未发布内容的交叉特征信息。