[發明專利]信息處理和模型訓練方法、裝置、電子設備、存儲介質

在審

• 申請號: 201710525652.0
• 申請日: 2017-06-30
• 公開（公告）號: CN107402754A
• 公開（公告）日: 2017-11-28
• 發明（設計）人: 黃獻德
• 申請（專利權）人: 北京金山安全軟件有限公司
• 主分類號: G06F9/44
• 分類號: G06F9/44;G06F9/54;G06F17/30;H04L29/08;G06K9/62;G06N3/04
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙)11413
• 代理人: 項京,馬敬

1.一種信息處理方法，其特征在于，所述方法包括：

獲取發送給電子設備的待處理彈窗信息；

將所述待處理彈窗信息輸入彈窗管理模型；所述彈窗管理模型為：基于深度神經網絡構建的、用于確定輸入的彈窗信息是否為用戶感興趣的彈窗信息的模型；所述用戶感興趣的彈窗信息為關注度大于閾值的信息；

若所述彈窗管理模型的輸出結果為所述待處理彈窗信息為用戶感興趣的彈窗信息，將所述待處理彈窗信息發送給所述電子設備，以使所述電子設備通過彈窗功能顯示所述待處理彈窗信息。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

若所述彈窗管理模型的輸出結果為所述待處理彈窗信息為用戶不感興趣的彈窗信息，拒絕將所述待處理彈窗信息發送給所述電子設備。

3.根據權利要求1所述的方法，其特征在于，所述彈窗管理模型通過以下方式訓練獲得：

基于深度神經網絡，構建彈窗管理模型；所述彈窗管理模型的建模單元為：是否為用戶感興趣的彈窗信息；

獲取訓練集，將所述訓練集中的彈窗信息轉換為特征向量，為所述訓練集中的彈窗信息標記用戶感興趣的彈窗信息或用戶不感興趣的彈窗信息的標簽；

使用所述特征向量和所述標簽，訓練所述彈窗管理模型。

4.一種模型訓練方法，其特征在于，所述方法包括：

基于深度神經網絡，構建彈窗管理模型；所述彈窗管理模型的建模單元為：是否為用戶感興趣的彈窗信息；所述用戶感興趣的彈窗信息為關注度大于閾值的信息；

獲取訓練集，將所述訓練集中的彈窗信息轉換為特征向量，為所述訓練集中的彈窗信息標記用戶感興趣的彈窗信息或用戶不感興趣的彈窗信息的標簽；

使用所述特征向量和所述標簽，訓練所述彈窗管理模型。

5.一種信息處理裝置，其特征在于，所述裝置包括：

獲取單元，用于獲取發送給電子設備的待處理彈窗信息；

輸入單元，用于將所述待處理彈窗信息輸入彈窗管理模型；所述彈窗管理模型為：基于深度神經網絡構建的、用于確定輸入的彈窗信息是否為用戶感興趣的彈窗信息的模型；所述用戶感興趣的彈窗信息為關注度大于閾值的信息；

發送單元，用于若所述彈窗管理模型的輸出結果為所述待處理彈窗信息為用戶感興趣的彈窗信息，將所述待處理彈窗信息發送給所述電子設備，以使所述電子設備通過彈窗功能顯示所述待處理彈窗信息。

6.一種模型訓練裝置，其特征在于，所述裝置包括：

構建單元，用于基于深度神經網絡，構建彈窗管理模型；所述彈窗管理模型的建模單元為：是否為用戶感興趣的彈窗信息；所述用戶感興趣的彈窗信息為關注度大于閾值的信息；

轉換單元，用于獲取訓練集，將所述訓練集中的彈窗信息轉換為特征向量，為所述訓練集中的彈窗信息標記用戶感興趣的彈窗信息或用戶不感興趣的彈窗信息的標簽；

訓練單元，用于使用所述特征向量和所述標簽，訓練所述彈窗管理模型。

7.一種電子設備，其特征在于，包括處理器、通信接口、存儲器和通信總線，其中，所述處理器、所述通信接口、所述存儲器通過所述通信總線完成相互間的通信；

所述存儲器，用于存放計算機程序；

所述處理器，用于執行所述存儲器上所存放的程序，實現權利要求1-3任一所述的方法步驟。

8.一種電子設備，其特征在于，包括處理器、通信接口、存儲器和通信總線，其中，所述處理器、所述通信接口、所述存儲器通過所述通信總線完成相互間的通信；

所述存儲器，用于存放計算機程序；

所述處理器，用于執行所述存儲器上所存放的程序，實現權利要求4所述的方法步驟。

9.一種存儲介質，其特征在于，所述存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-3任一所述的方法步驟。

10.一種存儲介質，其特征在于，所述存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求4所述的方法步驟。