信息生成方法、装置、电子设备和计算机可读介质制造方法及图纸

本公开的实施例公开了信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：从第一物品信息序列中提取表征目标用户执行目标价值操作的特征信息，得到第一向量，其中，该第一物品信息序列中每个物品信息对应物品为该目标用户在第一预定时间内执行目标价值操作的物品；根据第二预定时间内的第二物品信息序列，生成第二向量；根据目标物品类别相关的物品信息序列，生成第三向量；生成表征未来第三预定时间内对该目标物品类别的物品执行该目标价值操作的概率信息。本公开的实施例的信息生成方法可以准确、有效的预测未来预定时间目标用户有多大概率对该目标物品类别的物品执行该目标价值操作。标物品类别的物品执行该目标价值操作。标物品类别的物品执行该目标价值操作。

【技术实现步骤摘要】
信息生成方法、装置、电子设备和计算机可读介质


[0001]本公开的实施例涉及计算机
，具体涉及信息生成方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]目前，随着互网络的普及，网上购物已经成为人们日常生活中不可缺少的环节。因此，各个购物平台大多都想预测用户是否会购买某类物品以此将该类物品的信息推送给用户。现有预测方式常常包括：由于每个用户行为都对应一个时间戳，历史用户行为依照时间先后顺序排列形成时间序列，然后通过时间序列预测算法(如回归模型、循环神经网络等)可以预测用户对目标物品类别的物体执行目标价值操作的概率信息。
[0003]然而，当采用上述方式生成预测概率信息时，经常会存在如下技术问题：忽略了用户行为之间的时间跨度信息以及较难捕获用户长期信息，导致预测的概率信息不准确。

技术实现思路

[0004]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]本公开的一些实施例提出了信息生成方法、装置、设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题。
[0006]第一方面，本公开的一些实施例提供了一种信息生成方法，该方法包括：从第一物品信息序列中提取表征目标用户执行目标价值操作的特征信息，得到第一向量，其中，上述第一物品信息序列中每个物品信息对应物品为上述目标用户在第一预定时间内执行目标价值操作的物品；根据第二预定时间内的第二物品信息序列，生成第二向量，其中，上述第二物品信息序列中每个物品信息对应物品为上述目标用户在上述第二预定时间内执行各个价值操作中至少一个价值操作的物品，上述第二向量表征上述目标用户在上述第二预定时间内对各个物品类别的偏好信息；根据目标物品类别相关的物品信息序列，生成第三向量，其中，上述第三向量表征上述目标用户对上述目标物品类别的物品执行各个价值操作中至少一个价值操作的的偏好信息，上述目标物品类别相关的物品信息序列中每个物品信息对应物品为上述目标用户执行各个价值操作中至少一个价值操作的物品；根据上述第一向量、上述第二向量和上述第三向量，生成表征未来第三预定时间内对上述目标物品类别的物品执行上述目标价值操作的概率信息。
[0007]可选的，上述从第一物品信息序列中提取表征目标用户执行目标价值操作的特征信息，得到第一向量，包括：对上述第一物品信息序列中各个第一物品信息进行独热编码，得到第四向量集；对上述第一物品信息序列中各个第一物品信息进行词嵌入处理，得到第五向量集；将上述第四向量集和上述第五向量集进行对应拼接，得到第六向量集；将上述第六向量集输入至预先训练的全连接网络，得到上述第一向量集。
[0008]可选的，上述根据第二预定时间内的第二物品信息序列，生成第二向量，包括：对上述第二物品信息序列中的各个第二物品信息进行词嵌入处理，得到第七向量集；将上述第七向量集输入至预先训练的第一长短期记忆网络，得到上述第二向量。
[0009]可选的，上述根据目标物品类别相关的物品信息序列，生成第三向量，包括：确定上述目标物品类别相关的物品信息序列中相邻两个物品信息之间的时间间隔，得到时间间隔集；将上述目标物品类别相关的物品信息序列和上述时间间隔集输入至预先训练的第二长短期记忆网络，得到上述第三向量，其中，上述预先训练的第二长短期记忆网络学习到已由上述目标用户执行目标价值操作的、每个物品类别的物品信息序列的时间间隔信息。
[0010]可选的，上述根据上述第一向量、上述第二向量和上述第三向量，生成表征未来第三预定时间内对上述目标物品类别的物品执行上述目标价值操作的概率信息，包括：将上述第一向量与第一系数变量相乘，得到第一数值；将上述第二向量与第二系数变量相乘，得到第二数值；将上述第三向量与第三系数变量相乘，得到第三数值；将上述第一数值、上述第二数值、上述第三数值和预定数值进行相加，得到相加后的数值；根据上述相加后的数值，生成上述概率信息。
[0011]可选的，上述根据上述相加后的数值，生成上述概率信息，包括：将上述相加后的数值输入至多层激活函数，得到上述概率信息。
[0012]第二方面，本公开的一些实施例提供了一种信息生成装置，装置包括：提取单元，被配置成从第一物品信息序列中提取表征目标用户执行目标价值操作的特征信息，得到第一向量，其中，上述第一物品信息序列中每个物品信息对应物品为上述目标用户在第一预定时间内执行目标价值操作的物品；第一生成单元，被配置成根据第二预定时间内的第二物品信息序列，生成第二向量，其中，上述第二物品信息序列中每个物品信息对应物品为上述目标用户在上述第二预定时间内执行各个价值操作中至少一个价值操作的物品，上述第二向量表征上述目标用户在上述第二预定时间内对各个物品类别的偏好信息；第二生成单元，被配置成根据目标物品类别相关的物品信息序列，生成第三向量，其中，上述第三向量表征上述目标用户对上述目标物品类别的物品执行各个价值操作中至少一个价值操作的的偏好信息，上述目标物品类别相关的物品信息序列中每个物品信息对应物品为上述目标用户执行各个价值操作中至少一个价值操作的物品；第三生成单元，被配置成根据上述第一向量、上述第二向量和上述第三向量，生成表征未来第三预定时间内对上述目标物品类别的物品执行上述目标价值操作的概率信息。
[0013]可选的，提取单元进一步配置成：对上述第一物品信息序列中各个第一物品信息进行独热编码，得到第四向量集；对上述第一物品信息序列中各个第一物品信息进行词嵌入处理，得到第五向量集；将上述第四向量集和上述第五向量集进行对应拼接，得到第六向量集；将上述第六向量集输入至预先训练的全连接网络，得到上述第一向量集。
[0014]可选的，第一生成单元进一步配置成：对上述第二物品信息序列中的各个第二物品信息进行词嵌入处理，得到第七向量集；将上述第七向量集输入至预先训练的第一长短期记忆网络，得到上述第二向量。
[0015]可选的，第二生成单元进一步配置成：确定上述目标物品类别相关的物品信息序列中相邻两个物品信息之间的时间间隔，得到时间间隔集；将上述目标物品类别相关的物品信息序列和上述时间间隔集输入至预先训练的第二长短期记忆网络，得到上述第三向
量，其中，上述预先训练的第二长短期记忆网络学习到已由上述目标用户执行目标价值操作的、每个物品类别的物品信息序列的时间间隔信息。
[0016]可选的，第三生成单元进一步配置成：将上述第一向量与第一系数变量相乘，得到第一数值；将上述第二向量与第二系数变量相乘，得到第二数值；将上述第三向量与第三系数变量相乘，得到第三数值；将上述第一数值、上述第二数值、上述第三数值和预定数值进行相加，得到相加后的数值；根据上述相加后的数值，生成上述概率信息。
[0017]可选的，第三生成单元进一步配置成：将上述相加后的数值输入至多层激活函数，得到上述概率信息。
[0018]第三方面，本公开的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息生成方法，包括：从第一物品信息序列中提取表征目标用户执行目标价值操作的特征信息，得到第一向量，其中，所述第一物品信息序列中每个物品信息对应物品为所述目标用户在第一预定时间内执行目标价值操作的物品；根据第二预定时间内的第二物品信息序列，生成第二向量，其中，所述第二物品信息序列中每个物品信息对应物品为所述目标用户在所述第二预定时间内执行各个价值操作中至少一个价值操作的物品，所述第二向量表征所述目标用户在所述第二预定时间内对各个物品类别的偏好信息；根据目标物品类别相关的物品信息序列，生成第三向量，其中，所述第三向量表征所述目标用户对所述目标物品类别的物品执行各个价值操作中至少一个价值操作的的偏好信息，所述目标物品类别相关的物品信息序列中每个物品信息对应物品为所述目标用户执行各个价值操作中至少一个价值操作的物品；根据所述第一向量、所述第二向量和所述第三向量，生成表征未来第三预定时间内对所述目标物品类别的物品执行所述目标价值操作的概率信息。2.根据权利要求1所述的方法，其中，所述从第一物品信息序列中提取表征目标用户执行目标价值操作的特征信息，得到第一向量，包括：对所述第一物品信息序列中各个第一物品信息进行独热编码，得到第四向量集；对所述第一物品信息序列中各个第一物品信息进行词嵌入处理，得到第五向量集；将所述第四向量集和所述第五向量集进行对应拼接，得到第六向量集；将所述第六向量集输入至预先训练的全连接网络，得到所述第一向量集。3.根据权利要求1所述的方法，其中，所述根据第二预定时间内的第二物品信息序列，生成第二向量，包括：对所述第二物品信息序列中的各个第二物品信息进行词嵌入处理，得到第七向量集；将所述第七向量集输入至预先训练的第一长短期记忆网络，得到所述第二向量。4.根据权利要求1所述的方法，其中，所述根据目标物品类别相关的物品信息序列，生成第三向量，包括：确定所述目标物品类别相关的物品信息序列中相邻两个物品信息之间的时间间隔，得到时间间隔集；将所述目标物品类别相关的物品信息序列和所述时间间隔集输入至预先训练的第二长短期记忆网络，得到所述第三向量，其中，所述预先训练的第二长短期记忆网络学习到已由所述目标用户执行目标价值操作的、每个物品类别的物品信息序列的时间间隔信息。5.根据权利要求1所述的方法，其中，所述根据所述第一向量、所述第二向量和所述第三向量，生成表征未来第三预定时间内对所述目标物品类别的物品执行所述目标价值操作的概率信息，包括：将所述第一向量与第一系数...

【专利技术属性】
技术研发人员：尹成语，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：