[发明专利]信息处理方法、装置、电子设备和存储介质

说明书

本申请实施例公开了一种信息处理方法、装置、电子设备和存储介质；本申请实施例可以获取未发布内容的标签信息、文本描述信息以及类别信息；分别对标签信息进行词特征提取、对文本描述信息进行句特征提取、以及对类别信息进行类别特征提取，得到该未发布内容的标签特征信息、句特征信息和类别特征信息；计算标签特征信息、文本特征信息和类别特征信息两两之间的交叉关系，得到交叉特征信息；对标签特征信息、文本特征信息和类别特征信息进行深度非线性转换处理，得到深度特征信息；基于交叉特征信息和深度特征信息对未发布内容进行预测处理，得到未发布内容的用户行为数据。该方案可以有效地提高信息处理的准确性。

技术领域

本申请涉及计算机技术领域，具体涉及一种信息处理方法、装置、电子设备和存储介质。

背景技术

随着人工智能（Artificial Intelligence，AI）的发展，将神经网络应用于自然语言处理系统（Natural Language Processing，NLP) 已经成为互联网应用中的一个重要的研究方向。在基于深度神经网络的自然语言处理方法中，资讯推荐问题是非常基础且重要的问题。在资讯推荐中，由于资讯每天生产的数目过多，对于没有曝光过的资讯，每天只能随机抽取一部分资讯进行曝光。因此，存在较多资讯没有曝光行为，从而导致获取不到资讯的点击率和阅读时长等用户行为统计数据，无法对受用户欢迎未曝光的资讯实现有效曝光。

发明内容

本申请实施例提供一种信息处理方法、装置、电子设备和存储介质，可以有效地提高信息处理的准确性。

本申请实施例提供一种信息处理方法，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；

分别对所述标签信息进行词特征提取、对所述文本描述信息进行句特征提取、以及对所述类别信息进行类别特征提取，得到所述未发布内容的标签特征信息、句特征信息和类别特征信息；

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。

相应的，本申请实施例还提供一种信息处理装置，包括：

获取单元，用于获取未发布内容的标签信息、文本描述信息以及类别信息；

提取单元，用于分别对所述标签信息进行词特征提取、对所述文本描述信息进行句特征提取、以及对所述类别信息进行类别特征提取，得到所述未发布内容的标签特征信息、句特征信息和类别特征信息；

计算单元，用于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；

转换单元，用于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；

预测单元，用于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。

可选的，在一些实施例中，所述提取单元可以包括第一提取子单元、第二提取子单元和第三提取子单元，如下：

所述第一提取子单元，用于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；

所述第二提取子单元，用于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；