[發明專利]物品信息顯示方法、裝置、電子設備和計算機可讀介質

在審

• 申請號: 202011187292.6
• 申請日: 2020-10-30
• 公開（公告）號: CN112288447A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 陳華良
• 申請（專利權）人: 北京每日優鮮電子商務有限公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06Q30/06;G06F21/60;G06N3/04;G06N3/08
• 代理公司: 北京衛智暢科專利代理事務所(普通合伙) 11557
• 代理人: 陳佳

1.一種物品信息顯示方法，包括：

獲取物品組中的每個物品的物品流轉信息，得到物品流轉信息集合；

從所述物品流轉信息集合中選擇符合預設條件的物品流轉信息作為目標物品流轉信息，得到目標物品流轉信息集；

對于所述目標物品流轉信息集中的每個目標物品流轉信息，將所述目標物品流轉信息輸入至預先訓練的物品信息反饋模型，生成所述目標物品流轉信息的反饋信息，其中，所述物品信息反饋模型包括離線反饋模型和實時反饋模型；

按照預先設定的輸出方式，對所生成的反饋信息進行輸出。

2.根據權利要求1所述的方法，其中，所述離線反饋模型是通過以下步驟訓練生成：

基于第一訓練樣本集，執行如下訓練步驟：

將所述第一訓練樣本集中的至少一個第一訓練樣本的樣本離線物品流轉信息分別輸入至初始神經網絡，得到所述至少一個第一訓練樣本中的每個第一訓練樣本對應的物品離線反饋信息；

基于預設的第一損失函數，確定所述第一訓練樣本對應的物品離線反饋信息與對應的樣本物品離線反饋信息之間的第一損失值；

響應于確定所述第一損失值大于第一預設優化指標，將所述初始神經網絡作為訓練完成的離線反饋模型。

3.根據權利要求2所述的方法，其中，所述方法還包括：

響應于確定所述第一損失值小于所述第一預設優化指標，調整所述初始神經網絡的網絡參數，以及使用未使用的第一訓練樣本作為第一樣本訓練集，將調整后的初始神經網絡作為初始神經網絡，再次執行所述訓練步驟。

4.根據權利要求1所述的方法，其中，所述實時反饋模型是通過以下步驟訓練生成：

基于第二訓練樣本集，執行如下訓練步驟：

將所述第二訓練樣本集中的至少一個第二訓練樣本的樣本實時物品流轉信息分別輸入至卷積神經網絡，得到所述至少一個第二訓練樣本中的每個第二訓練樣本對應的物品實時反饋信息；

基于預設的第二損失函數，確定所述第二訓練樣本對應的物品實時反饋信息與對應的樣本物品實時反饋信息之間的第二損失值；

響應于確定所述第二損失值大于第二預設優化指標，將所述卷積神經網絡作為訓練完成的實時反饋模型。

響應于確定所述第二損失值小于所述第二預設優化指標，調整所述卷積神經網絡的網絡參數，以及使用未使用的第二訓練樣本組成第二訓練樣本集，將調整后的卷積神經網絡作為卷積神經網絡，再次執行所述訓練步驟。

5.根據權利要求3所述的方法，其中，所述第一訓練樣本包括樣本離線物品流轉信息，與所述樣本離線物品流轉信息對應的樣本物品離線反饋信息；以及

所述第一訓練樣本集是通過以下步驟生成：

獲取所述物品組中的每個物品的歷史離線物品流轉信息作為樣本離線物品流轉信息，得到樣本離線物品流轉信息集；

獲取所述樣本離線物品流轉信息集中的每個樣本離線物品流轉信息對應的樣本物品離線反饋信息，得到樣本物品離線反饋信息集。

6.根據權利要求4所述的方法，其中，所述第二訓練樣本包括樣本實時物品流轉信息，與所述樣本實時物品流轉信息對應的樣本物品實時反饋信息；以及

所述第二訓練樣本集是通過以下步驟生成：

獲取所述物品組中的每個物品的歷史實時物品流轉信息作為樣本實時物品流轉信息，得到樣本實時物品流轉信息集；

獲取所述樣本實時物品流轉信息集中的每個樣本實時物品流轉信息對應的樣本物品實時反饋信息，得到樣本物品實時反饋信息集。

7.根據權利要求1所述的方法，其中，所述方法還包括：

對所述反饋信息進行加密處理以生成加密反饋信息；

將所述加密反饋信息發送并存儲至設備終端以供調用。