用于确定对象属性的方法及装置、电子设备和介质制造方法及图纸

本公开提供了一种用于确定对象属性的方法及装置、电子设备和介质，涉及人工智能技术领域，尤其涉及深度学习、智能推荐技术。实现方案为：对目标对象的地理位置信息进行编码，得到第一特征；对地理位置信息和目标对象的历史行为信息进行联合编码，得到第二特征；将第一特征和第二特征输入预设的目标属性判断模型；以及根据目标属性判断模型的输出结果，确定目标对象的属性。

【技术实现步骤摘要】
用于确定对象属性的方法及装置、电子设备和介质
本公开涉及人工智能
，尤其涉及深度学习、智能推荐技术，具体涉及一种用于确定对象属性的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
技术介绍
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术：人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。识别对象的属性有利于向对象进行个性化推荐。例如，对象可以是用户，如果识别出用户具有某种目标属性，则可以向用户推荐与该目标属性相关的内容或服务。在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
本公开提供了一种用于确定对象属性的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。根据本公开的一方面，提供了一种用于确定对象属性的方法，该方法包括：对目标对象的地理位置信息进行编码，得到第一特征；对地理位置信息和目标对象的历史行为信息进行联合编码，得到第二特征；将第一特征和第二特征输入预设的目标属性判断模型；以及根据目标属性判断模型的输出结果，确定目标对象的属性。根据本公开的另一方面，提供了一种用于确定对象属性的装置，该装置包括：第一特征提取模块，被配置为对目标对象的地理位置信息进行编码，得到第一特征；第二特征提取模块，被配置为对地理位置信息和目标对象的历史行为信息进行联合编码，得到第二特征；输入模块，被配置为将第一特征和第二特征输入预设的目标属性判断模型；以及判断模块，被配置为根据目标属性判断模型的输出结果，确定目标对象的属性。根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器。该存储器存储有可被上述至少一个处理器执行的指令，该指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述方法。根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质。该计算机指令用于使计算机执行上述方法。根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序。该计算机程序在被处理器执行时实现上述方法。根据本公开的一个或多个实施例，基于目标对象的地理位置信息和历史行为信息来确定目标对象的属性。通过对地理位置信息单独进行编码，可以提取出目标对象的地理位置特征，即第一特征；通过对地理位置信息和历史行为信息进行联合编码，可以提取出地理位置信息和历史行为信息的组合特征，即第二特征。所提取出的第一特征是对目标对象的地理位置信息的高度概括，第二特征可以表达地理位置信息与历史行为信息之间的相互作用。通过将第一特征和第二特征输入预设的目标属性判断模型，能够充分挖掘出地理位置信息、历史行为信息与目标对象属性的深层的、潜在的关联性，从而准确地确定目标对象的属性。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。图1示出了根据本公开的实施例的用于确定对象属性的方法的流程图；图2示出了根据本公开的实施例的示例性分类树的结构图；图3示出了根据本公开的实施例的示例性目标属性判断模型的结构图；图4示出了根据本公开的实施例的用于确定对象属性的装置的结构框图；以及图5示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。具体实施方式以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。识别对象的属性有利于向对象进行个性化推荐。对象例如可以是用户。如果识别出用户具有某种目标属性，则可以向用户推荐或不推荐与该目标属性相关的内容或服务。在一些示例中，目标属性可以是用户对某类产品或服务的倾向性，如果识别出用户具有这种倾向性，则可以向用户推荐同类的产品或服务。目标属性也可以是用户与某类产品或服务的契合性，如果识别出用户与某类产品或服务相契合，则可以向用户推荐该类产品或服务。例如，若识别出用户为某类产品或服务的优质客户(用户具有优质性)，则可以向用户推荐该类产品或服务。在另一些示例中，目标属性还可以是用户的异常性(例如，在网络平台上进行欺诈、套利、刷单等不合规行为的用户对于该网络平台来说具有异常性)。如果识别出用户具有异常性，则可以拒绝向用户提供服务。为了更好地向用户提供个性化推荐服务，本公开提供了一种用于确定对象属性的技术方案，该方案涉及人工智能
，尤其涉及深度学习、智能推荐技术，具体涉及一种用于确定对象属性的方法、装置、电子设备、计算机可读存储介质和计算机程序产品，用以准确地确定目标对象的属性。更具体地，用于准确判断目标对象是否具有目标属性。需要说明的是，在本公开的技术方案中，所涉及的目标对象信息(例如用户的地理位置信息、历史行为信息)的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。并且，目标对象信息在被获取、存储和应用的过程中均经过了脱敏处理(即匿名化处理)。下面将结合附图详细描述本公开的实施例。图1示出了根据本公开实施例的用于确定对象属性的方法100的流程图。方法100可以在电子设备中执行，即，方法100的执行主体可以是电子设备。更具体地，在一些实施例中，电子设备可以是任何类型的固定式计算设备，包括但不限于服务器计算机、个人台式计算机等。本文档来自技高网...

【技术保护点】
1.一种用于确定对象属性的方法，包括：/n对目标对象的地理位置信息进行编码，得到第一特征；/n对所述地理位置信息和所述目标对象的历史行为信息进行联合编码，得到第二特征；/n将所述第一特征和所述第二特征输入预设的目标属性判断模型；以及/n根据所述目标属性判断模型的输出结果，确定所述目标对象的属性。/n

【技术特征摘要】
1.一种用于确定对象属性的方法，包括：
对目标对象的地理位置信息进行编码，得到第一特征；
对所述地理位置信息和所述目标对象的历史行为信息进行联合编码，得到第二特征；
将所述第一特征和所述第二特征输入预设的目标属性判断模型；以及
根据所述目标属性判断模型的输出结果，确定所述目标对象的属性。


2.根据权利要求1所述的方法，其中，所述地理位置信息包括地理位置的标识信息和目标对象出现在所述地理位置的第一频率；
所述对目标对象的地理位置信息进行编码，得到第一特征包括：
将所述地理位置的标识信息输入预设的文本向量化模型，以使所述文本向量化模型输出所述地理位置的标识信息对应的特征向量；以及
将所述特征向量与所述第一频率进行拼接，得到所述第一特征。


3.根据权利要求1或2所述的方法，其中，所述对所述地理位置信息和所述目标对象的历史行为信息进行联合编码，得到第二特征包括：
确定所述地理位置信息和所述历史行为信息的符号表示；
将所述符号表示分别输入预设的多个分类树中；以及
根据所述多个分类树中的每一个分类树的输出类别，确定所述第二特征。


4.根据权利要求3所述的方法，其中，所述地理位置信息包括地理位置的标识信息和目标对象出现在所述地理位置的第一频率，所述历史行为信息包括行为的类型和目标对象出现所述行为的第二频率；
所述确定所述地理位置信息和所述历史行为信息的符号表示包括：
将所述地理位置的标识信息对应的第一预设符号、所述第一频率、所述行为的类型对应的第二预设符号和所述第二频率进行拼接，得到所述符号表示。


5.根据权利要求3或4所述的方法，其中，每个所述分类树包括多个叶节点，每个叶节点对应于一个类别；
所述根据所述多个分类树中的每一个分类树的输出类别，确定所述第二特征包括：
根据所述多个分类树中的每一个分类树的输出类别，确定所述多个分类树的叶节点的编码值；以及
将所述多个分类树的叶节点的编码值进行拼接，得到所述第二特征。


6.根据权利要求1-5中任一项所述的方法，其中，所述目标属性判断模型包括深度模块、广度模块以及回归模块，所述深度模块和所述广度模块的输出为所述回归模块的输入；
所述将所述第一特征和所述第二特征输入预设的目标属性判断模型包括：
将所述第一特征输入所述深度模块；以及
将所述第二特征输入所述广度模块；
所述根据所述目标属性判断模型的输出结果，确定所述目标对象的属性包括：
根据所述回归模块输出的所述目标对象具有目标属性的概率来判断所述目标对象是否具有目标属性。


7.一种用于确定对象属性的装置，包括：
第一特征提取模块，被配置为对目标对象的地理位置信息进行编码，得到第一特征；
第二特征提取模块，被配置为对所述地理位置信息和所述目标对象的历史行为信息进行联合编码，得到第二特征；
输入模块，被配置为将所述第一特征和所述第二特征输入预设的目标属...

【专利技术属性】
技术研发人员：陈奇石，刘昊骋，郝萌，许海洋，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11