信息查询方法和装置制造方法及图纸

本申请公开了信息查询方法和装置，具体实现方案为：响应于接收到信息查询请求，获取目标对象的用户信息和每个用户对应的目标对象的属性信息；将目标对象的用户信息和每个用户对应的属性信息输入至训练得到的用户与对象匹配模型，生成每个用户的第一目标行为执行率；根据所有用户的第一目标行为执行率，确定以下目标对象数据中的至少一项：下单量、出售价值与目标对象的成本的差值和第二目标行为执行率；根据目标对象的下单量、目标对象的出售价值与目标对象的成本的差值和目标对象的第二目标行为执行率中的至少一项，确定目标对象的最终属性信息并反馈。该方案实现对产品属性的反向定制，帮助生产商改善产品的属性设计。计。计。

【技术实现步骤摘要】
信息查询方法和装置


[0001]本申请的实施例涉及计算机
，具体涉及深度学习
，尤其涉及信息查询方法和装置。

技术介绍

[0002]产品属性定制的目标是辅助生产商智能选择产品的属性参数，设计生产出更符合市场需求的产品，已达到最大化产品销量或销售利润的目的。在产品属性定制完成后，产品一旦投入生产，会产生生产线、物料、人员等大规模的成本投入，对不同属性产品对象的客观准确的市场预测具有重要的技术及商业价值。
[0003]传统的产品属性定制方法(也称为反向定制)一般有二种，一是使用调查问卷或开发反向定制系统的方式收集用户对不同产品属性的需求来进行产品属性定制；二是通过分析用户点击、浏览等行为，找到用户最关注的产品特性，并通过数据分析报告等形式反馈到品牌商，帮助品牌商进行生产设计。

技术实现思路

[0004]本申请提出了一种信息查询方法、装置、设备以及存储介质。
[0005]根据第一方面，本申请实施例提供了一种信息查询方法，方法包括：响应于接收到信息查询请求，获取与请求相对应的目标对象的用户信息和每个用户对应的目标对象的属性信息，其中，属性信息包括：各个属性的属性值；将目标对象的用户信息和每个用户对应的目标对象的属性信息输入至训练得到的用户与对象匹配模型，生成每个用户的目标行为结果和每个用户的第一目标行为执行率，其中，第一目标行为执行率用于表征用户的目标行为结果为下单的概率；根据所有用户的目标行为结果和所有用户的第一目标行为执行率，确定以下目标对象数据中的至少一项：下单量、出售价值与目标对象的成本的差值和第二目标行为执行率，其中，第二目标行为执行率用于表征目标对象的下单量和目标对象的目标行为总量的对比关系；根据目标对象的下单量、目标对象的出售价值与目标对象的成本的差值和目标对象的第二目标行为执行率中的至少一项，利用优化算法确定目标对象的最终属性信息，其中，目标对象的最终属性信息为目标对象的各个属性的属性值的最优组合；反馈目标对象的最终属性信息。
[0006]在一些实施例中，用户与对象匹配模型通过如下训练方式得到：获取训练样本集，其中，训练样本集中的训练样本包括目标对象的用户信息、每个用户对应的目标对象的属性信息、每个用户的目标行为结果和每个用户的第一目标行为执行率，用户信息为一定历史时间内全量用户的用户信息；利用深度学习算法，将训练样本集中训练样本包括的目标对象的用户信息和每个用户对应的目标对象的属性信息作为输入数据，将与输入的目标对象的用户信息和每个用户对应的目标对象的属性信息对应的每个用户的目标行为结果和每个用户的第一目标行为执行率作为期望输出数据，训练得到用户与对象匹配模型。
[0007]在一些实施例中，获取与请求相对应的目标对象的用户信息和每个用户对应的目
标对象的属性信息，包括：对请求进行内容解析，提取预设信息，其中，预设信息表征对目标对象的用户信息和目标对象的属性信息进行预先设置；根据预设信息，获取目标对象的用户信息和每个用户对应的目标对象的属性信息。
[0008]在一些实施例中，目标对象的最终属性信息通过执行多次迭代操作而生成；迭代操作包括：判断当前目标对象的下单量、目标对象的出售价值与目标对象的成本的差值和目标对象的第二目标行为执行率中的至少一项是否满足迭代停止条件，若否，继续执行并跳转至判断当前的目标对象的下单量、目标对象的出售价值与目标对象的成本的差值和目标对象的第二目标行为执行率中的至少一项是否满足迭代停止条件；若是，则将满足迭代停止条件的当前目标对象的属性信息作为目标对象的最终属性信息，其中，迭代停止条件为：基于优化算法计算得到的数值小于预定阈值。
[0009]在一些实施例中，根据目标对象的下单量、目标对象的出售价值与目标对象的成本的差值和目标对象的第二目标行为执行率中的至少一项，利用优化算法确定目标对象的最终属性信息，包括：根据目标对象的下单量、目标对象的出售价值与目标对象的成本的差值和目标对象的第二目标行为执行率中的至少一项以及约束条件，利用优化算法确定目标对象的最终属性信息，其中，约束条件表征对目标对象的不同属性之间进行关系约束。
[0010]在一些实施例中，方法还包括：根据目标对象的下单量、目标对象的出售价值与目标对象的成本的差值和目标对象的第二目标行为执行率中的至少一项，确定目标对象的最终价值；反馈目标对象的最终价值。
[0011]在一些实施例中，在将目标对象的用户信息和每个用户对应的目标对象的属性信息输入至训练得到的用户与对象匹配模型，生成每个用户的目标行为结果和每个用户的第一目标行为执行率之前，还包括：对目标对象的用户信息和每个用户对应的目标对象的属性信息进行预处理，得到处理后的目标对象的用户信息和每个用户对应的目标对象的属性信息，其中，预处理用于表征通过对目标对象的用户信息和每个用户对应的目标对象的属性信息进行编码，使其成为机器学习的易读数据。
[0012]第二方面，本申请实施例提供了一种信息查询装置，装置包括：获取单元，被配置成响应于接收到信息查询请求，获取与请求相对应的目标对象的用户信息和每个用户对应的目标对象的属性信息，其中，属性信息包括：各个属性的属性值；生成单元，被配置成将目标对象的用户信息和每个用户对应的目标对象的属性信息输入至训练得到的用户与对象匹配模型，生成每个用户的目标行为结果和每个用户的第一目标行为执行率，其中，第一目标行为执行率用于表征用户的目标行为结果为下单的概率；第一确定单元，被配置成根据所有用户的目标行为结果和所有用户的第一目标行为执行率，确定以下目标对象数据中的至少一项：下单量、出售价值与目标对象的成本的差值和第二目标行为执行率，其中，第二目标行为执行率用于表征目标对象的下单量和目标对象的目标行为总量的对比关系；优化单元，被配置成根据目标对象的下单量、目标对象的出售价值与目标对象的成本的差值和目标对象的第二目标行为执行率中的至少一项，利用优化算法确定目标对象的最终属性信息，其中，目标对象的最终属性信息为目标对象的各个属性的属性值的最优组合；第一反馈单元，被配置成反馈目标对象的最终属性信息。
[0013]在一些实施例中，生成单元中的用户与对象匹配模型利用如下模块训练得到：获取模块，被配置成获取训练样本集，其中，训练样本集中的训练样本包括目标对象的用户信
息、每个用户对应的目标对象的属性信息、每个用户的目标行为结果和每个用户的第一目标行为执行率，用户信息为一定历史时间内全量用户的用户信息；训练模块，被配置成利用深度学习算法，将训练样本集中训练样本包括的目标对象的用户信息和每个用户对应的目标对象的属性信息作为输入数据，将与输入的目标对象的用户信息和每个用户对应的目标对象的属性信息对应的每个用户的目标行为结果和每个用户的第一目标行为执行率作为期望输出数据，训练得到用户与对象匹配模型。
[0014]在一些实施例中，获取单元，包括：提取模块，被配置成对请求进行内容解析，提取预设信息，其中，预设信息表征对目标对象的用户信息和目标对象的属性信息进行预先设置；获取模块，被配置成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息查询方法，所述方法包括：响应于接收到信息查询请求，获取与所述请求相对应的目标对象的用户信息和每个所述用户对应的所述目标对象的属性信息，其中，所述属性信息包括：各个属性的属性值；将所述目标对象的用户信息和每个所述用户对应的目标对象的属性信息输入至训练得到的用户与对象匹配模型，生成每个用户的目标行为结果和每个用户的第一目标行为执行率，其中，所述第一目标行为执行率用于表征所述用户的目标行为结果为下单的概率；根据所有用户的目标行为结果和所有用户的第一目标行为执行率，确定以下所述目标对象数据中的至少一项：下单量、出售价值与所述目标对象的成本的差值和第二目标行为执行率，其中，所述第二目标行为执行率用于表征所述目标对象的下单量和所述目标对象的目标行为总量的对比关系；根据所述目标对象的下单量、所述目标对象的出售价值与所述目标对象的成本的差值和所述目标对象的第二目标行为执行率中的至少一项，利用优化算法确定所述目标对象的最终属性信息，其中，所述目标对象的最终属性信息为所述目标对象的各个属性的属性值的最优组合；反馈所述目标对象的最终属性信息。2.根据权利要求1所述方法，其中，所述用户与对象匹配模型通过如下训练方式得到：获取训练样本集，其中，所述训练样本集中的训练样本包括所述目标对象的用户信息、每个所述用户对应的目标对象的属性信息、每个用户的目标行为结果和每个用户的第一目标行为执行率，所述用户信息为一定历史时间内全量用户的用户信息；利用深度学习算法，将所述训练样本集中训练样本包括的所述目标对象的用户信息和每个所述用户对应的目标对象的属性信息作为输入数据，将与输入的所述目标对象的用户信息和每个所述用户对应的目标对象的属性信息对应的每个用户的目标行为结果和每个用户的第一目标行为执行率作为期望输出数据，训练得到用户与对象匹配模型。3.根据权利要求1所述方法，其中，所述获取与所述请求相对应的目标对象的用户信息和每个所述用户对应的目标对象的属性信息，包括：对所述请求进行内容解析，提取预设信息，其中，所述预设信息表征对所述目标对象的用户信息和所述目标对象的属性信息进行预先设置；根据所述预设信息，获取所述目标对象的用户信息和每个所述用户对应的目标对象的属性信息。4.根据权利要求1所述方法，其中，所述目标对象的最终属性信息通过执行多次迭代操作而生成；所述迭代操作包括：判断当前所述目标对象的下单量、所述目标对象的出售价值与所述目标对象的成本的差值和所述目标对象的第二目标行为执行率中的至少一项是否满足迭代停止条件，若否，继续执行并跳转至所述判断当前的所述目标对象的下单量、所述目标对象的出售价值与所述目标对象的成本的差值和所述目标对象的第二目标行为执行率中的至少一项是否满足迭代停止条件；若是，则将满足迭代停止条件的当前所述目标对象的属性信息作为所述目标对象的最终属性信息，其中，所述迭代停止条件为：基于所述优化算法计算得到的数值小于预定阈值。5.根据权利要求1所述方法，其中，所述根据所述目标对象的下单量、所述目标对象的
出售价值与所述目标对象的成本的差值和所述目标对象的第二目标行为执行率中的至少一项，利用优化算法确定所述目标对象的最终属性信息，包括：根据所述目标对象的下单量、所述目标对象的出售价值与所述目标对象的成本的差值和所述目标对象的第二目标行为执行率中的至少一项以及约束条件，利用优化算法确定所述目标对象的最终属性信息，其中，所述约束条件表征对所述目标对象的不同属性之间进行关系约束。6.根据权利要求1所述方法，还包括：根据所述目标对象的下单量、所述目标对象的出售价值与所述目标对象的成本的差值和所述目标对象的第二目标行为执行率中的至少一项，确定所述目标对象的最终价值；反馈所述目标对象的最终价值。7.根据权利要求1所述方法，在所述将所述目标对象的用户信息和每个所述用户对应的目标对象的属性信息输入至训练得到的用户与对象匹配模型，生成每个用户的目标行为结果和每个用户的第一目标行为执行率之前，还包括：对所述目标对象的用户信息和每个所述用户对应的目标对象的属性信息进行预处理，得到处理后的所述目标对象的用户信息和每个所述用户对应的目标对象的属性信息，其中，所述预处理用于表征通过对所述目标对象的用户信息和每个所述用户对应的目标对象的属性信息进行编码，使其成为机器学习的易读数据。8.一种信息查询装置，所述装置包括：获取单元，被配置成响应于接收到信息查询请求，获取与所述请求相对应的目标对象的用户信息和每个所述用户对应的目标对象的属性信...

【专利技术属性】
技术研发人员：刘君亮，易津锋，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：