System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及计算机,更具体地说,涉及一种信息处理方法、系统、电子设备及存储介质。
技术介绍
1、随着互联网技术的快速发展,通过电商平台购物的用户越来越多,用户通过电商购物平台下单商品后,商家根据订单将相应的商品通过物流运送的方式送到用户收货手中。在电商发展的早期,电商平台和商家为了吸引更多的用户网购,对所有商品均选择包邮,随着电商平台和商家的发展,网购已经越来越普遍,平台和商家开始追求精细化运营,包邮的设置变得比较谨慎。
2、在现有技术中,通常是商家通过经验设置商品包邮的情况,但是对于经验较少的商家,往往采取一刀切的方式,无形中对自身产生了一定影响;并且采用人工判断和设置商品包邮,需要花费大量的人力,人工成本高。
技术实现思路
1、有鉴于此,本专利技术提供一种信息处理方法、系统、电子设备及存储介质,以解决现有技术中,通过人工判断和设置商品包邮,导致人工成本高,以及对于经验较少的商家,避免采取一刀切的方式,无形中对自身产生了一定影响的问题。
2、本专利技术第一方面公开一种信息处理方法,所述方法包括:
3、获取目标商家发布的目标商品的商品信息;其中,所述目标商品的商品信息至少包括收货地址;
4、根据所述目标商品的商品信息,确定所述目标商品的多个目标商品特征;
5、将多个所述目标商品特征输入预训练商品包邮预测模型,以使所述预训练商品包邮预测模型根据多个所述目标商品特征进行预测,得到所述收货地址的包邮结果;其中,所述预训练商品包
6、若所述包邮结果为包邮,响应所述目标商家根据所述收货地址的包邮结果进行的选择操作,将所述收货地址设置为包邮地址。
7、可选的,所述利用历史购买样本对待训练的商品包邮预测模型进行训练,得到预训练商品包邮预测模型,包括:
8、获取商品的历史购买样本;所述历史购买样本包括所述商品的商品信息;
9、从所述商品的商品信息中提取多个显性商品特征,并根据所述多个显性商品特征,确定所述历史购买样本对应的目标数据标签;其中,所述目标数据标签为包邮,或者为不包邮;
10、根据所述商品信息中的商品基本信息,获取所述商品的多个隐性商品特征;
11、将多个所述显性商品特征输入待训练的商品包邮预测模型中的待训练wide模型,将多个所述隐性商品特征输入所述待训练的商品包邮预测模型中的待训练deep模型;
12、通过所述待训练wide模型根据多个所述显性商品特征进行处理,得到第一处理结果,所述待训练deep模型根据多个所述隐性商品特征进行处理,得到第二处理结果;并将所述第一处理结果和所述第二处理结果进行加权求和,得到所述历史购买样本的数据标签;根据所述历史购买样本的目标数据标签和数据标签构建损失函数,并根据所述损失函数调节所述待训练wide模型和所述待训练deep模型的参数,直至所述待训练wide模型和所述待训练deep模型达到收敛,得到预训练商品包邮预测模型。
13、可选的,所述从所述商品的商品信息中提取多个显性商品特征,并根据所述多个显性商品特征,确定所述历史购买样本对应的目标数据标签,包括:
14、从所述商品的商品信息中提取多个显性商品特征;其中,多个所述显性商品特征至少包括所述商品的商品价格、商品重量、发货地址和收货地址;
15、通过运费系统,根据所述商品的商品价格、商品重量、发货地址和收货地址,计算所述商品的运价,并根据所述商品的运价确定所述历史购买样本的目标数据标签。
16、可选的,所述根据所述目标商品的商品信息,确定所述目标商品的多个目标商品特征,包括:
17、从所述目标商品的商品信息中提取多个目标显性商品特征;
18、根据所述目标商品的商品信息,获取所述所述目标商品的多个目标隐性商品特征;其中,多个所述目标显性商品特征和多个所述目标隐性商品特征构成多个目标商品特征。
19、可选的,所述将多个所述目标商品特征输入预训练商品包邮预测模型,以使所述预训练商品包邮预测模型根据多个所述目标商品特征进行预测,得到所述收货地址的包邮结果,包括:
20、将多个所述目标显性商品特征输入预训练商品包邮预测模型中的wide模型,将多个所述目标隐性商品特征输入所述预训练商品包邮预测模型中的deep模型;
21、通过所述wide模型根据多个所述目标显性商品特征进行处理,得到目标第一处理结果,所述deep模型根据多个所述目标隐性商品特征进行处理,得到目标第二处理结果;并将所述目标第一处理结果和所述目标第二处理结果进行加权求和,得到所述收货地址的包邮结果。
22、本专利技术提供一种信息处理系统,所述系统包括:
23、第一获取单元,用于获取目标商家发布的目标商品的商品信息;其中,所述目标商品的商品信息至少包括收货地址;
24、目标商品特征确定单元,用于根据所述目标商品的商品信息,确定所述目标商品的多个目标商品特征;
25、预测单元,用于将多个所述目标商品特征输入预训练商品包邮预测模型,以使所述预训练商品包邮预测模型根据多个所述目标商品特征进行预测,得到所述收货地址的包邮结果;其中,所述预训练商品包邮预测模型是训练单元利用历史购买样本对待训练的商品包邮预测模型进行训练得到的;
26、设置单元,用于若所述包邮结果为包邮,响应所述目标商家根据所述收货地址的包邮结果进行的选择操作,将所述收货地址设置为包邮地址。
27、可选的,所述训练单元,包括:
28、第二获取单元,用于获取商品的历史购买样本;所述历史购买样本包括所述商品的商品信息;
29、目标数据标签确定单元,用于从所述商品的商品信息中提取多个显性商品特征,并根据所述多个显性商品特征,确定所述历史购买样本对应的目标数据标签;其中,所述目标数据标签为包邮,或者为不包邮;
30、隐形商品特征获取单元,用于根据所述商品信息中的商品基本信息,获取所述商品的多个隐性商品特征;
31、第一特征输入单元,用于将多个所述显性商品特征输入待训练的商品包邮预测模型中的待训练wide模型,将多个所述隐性商品特征输入所述待训练的商品包邮预测模型中的待训练deep模型;
32、训练子单元,用于通过所述待训练wide模型根据多个所述显性商品特征进行处理,得到第一处理结果,所述待训练deep模型根据多个所述隐性商品特征进行处理,得到第二处理结果;并将所述第一处理结果和所述第二处理结果进行加权求和,得到所述历史购买样本的目标数据标签;根据所述历史购买样本的目标数据标签构建损失函数,并根据所述损失函数调节所述待训练wide模型和所述待训练deep模型的参数,直至所述待训练wide模型和所述待训练deep模型达到收敛,得到预训练商品包邮预测模型。
33、可得,所述目标数据标签确定单元本文档来自技高网...
【技术保护点】
1.一种信息处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述利用历史购买样本对待训练的商品包邮预测模型进行训练,得到预训练商品包邮预测模型,包括:
3.根据权利要求1所述的方法,其特征在于,所述从所述商品的商品信息中提取多个显性商品特征,并根据所述多个显性商品特征,确定所述历史购买样本对应的目标数据标签,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标商品的商品信息,确定所述目标商品的多个目标商品特征,包括:
5.根据权利要求4所述的方法,其特征在于,所述将多个所述目标商品特征输入预训练商品包邮预测模型,以使所述预训练商品包邮预测模型根据多个所述目标商品特征进行预测,得到所述收货地址的包邮结果,包括:
6.一种信息处理系统,其特征在于,所述系统包括:
7.根据权利要求6的系统,其特征在于,所述训练单元,包括:
8.根据权利要求7所述的系统,其特征在于,所述目标数据标签确定单元,包括:
9.一种电子设备,其特征在于,包括:处理器以及存
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1-5任一项所述的信息处理方法。
...【技术特征摘要】
1.一种信息处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述利用历史购买样本对待训练的商品包邮预测模型进行训练,得到预训练商品包邮预测模型,包括:
3.根据权利要求1所述的方法,其特征在于,所述从所述商品的商品信息中提取多个显性商品特征,并根据所述多个显性商品特征,确定所述历史购买样本对应的目标数据标签,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标商品的商品信息,确定所述目标商品的多个目标商品特征,包括:
5.根据权利要求4所述的方法,其特征在于,所述将多个所述目标商品特征输入预训练商品包邮预测模型,以使所述预训练商品包邮预测模型根据多个所述目标商品特征进行预测,...
【专利技术属性】
技术研发人员:施祖贤,
申请(专利权)人:北京沃东天骏信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。