[發明專利]信息反饋方法和裝置

在審

• 申請號: 202011269832.5
• 申請日: 2020-11-13
• 公開（公告）號: CN112508599A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 陳東東;易津鋒;劉君亮
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種信息反饋方法，所述方法包括：

響應于接收到對象的信息反饋請求，獲取與所述信息反饋請求相對應的所述對象的各個屬性的屬性值和屬性值修改信息；

基于各個屬性的屬性值修改信息對相應屬性的屬性值進行更新，生成與所述屬性值修改信息相對應的各個屬性值集合，其中，所述屬性值集合包括：價值屬性的屬性值和除價值屬性以外的其他屬性的屬性值；

利用訓練得到的目標行為模型對各個屬性值集合進行預測，生成與所有屬性值集合相對應的目標行為執行率、與所有屬性值集合相對應的所述價值屬性的浮動范圍和與所述目標行為執行率相對應的第一屬性集合，其中，所述目標行為執行率為同一屬性值集合所對應的所述對象的銷量信息和所述對象的查閱信息的比值，所述價值屬性的浮動范圍用于表征所述價值屬性的屬性值的最大上升空間，所述目標行為模型的目標為在滿足屬性值集合對應的目標行為執行率大于相應屬性的屬性值對應的目標行為執行率的條件下，使所述價值屬性的屬性值的上升空間最大，所述第一屬性集合為除價值屬性以外的其他屬性的屬性值修改信息的集合；

反饋所述對象的各個信息，其中，所述各個信息至少包括：所述目標行為執行率、所述第一屬性集合和所述價值屬性的浮動范圍。

2.根據權利要求1所述方法，其中，所述目標行為模型通過如下訓練方式得到：

獲取訓練樣本集，其中，所述訓練樣本集中的訓練樣本包括所述對象的屬性值集合、與屬性值集合相對應的目標行為執行率、與屬性值集合相對應的所述價值屬性的浮動范圍和與所述目標行為執行率相對應的第一屬性集合，所述屬性值集合基于所述對象的全量用戶的屬性信息而確定；

利用深度學習算法，將所述訓練樣本集中訓練樣本包括的所述對象的屬性值集合作為輸入數據，將與輸入的所述對象的屬性值集合對應的所述目標行為執行率、與輸入的所述對象的屬性值集合對應的所述價值屬性的浮動范圍和與所述目標行為執行率相對應的第一屬性集合作為期望輸出數據，訓練得到目標行為模型。

3.根據權利要求1所述方法，其中，所述目標行為模型包括：執行率預測子模型和價值范圍確定子模型；所述利用訓練得到的目標行為模型對各個屬性值集合進行預測，生成與所有屬性值集合相對應的目標行為執行率、與所有屬性值集合相對應的所述價值屬性的浮動范圍和與所述目標行為執行率相對應的第一屬性集合，包括：

利用訓練得到的執行率預測子模型對各個屬性值集合進行預測，生成與各個屬性值集合相對應的目標行為執行率和與所述目標行為執行率相對應的第一屬性集合，其中，所述執行率預測子模型用于表征以獲得最大的所述目標行為執行率為目標；

將所述第一屬性集合中其他屬性的屬性值修改信息輸入價值范圍確定子模型，輸出與所述第一屬性集合相對應的所述價值屬性的浮動范圍，其中，所述價值范圍確定子模型的目標為在滿足所述第一屬性集合中各個屬性的屬性值修改信息所對應的目標行為執行率大于所述第一屬性集合中各個屬性的屬性值所對應的目標行為執行率的條件下，使所述價值屬性的屬性值的上升空間最大。

4.根據權利要求1所述方法，其中，所述價值范圍確定子模型利用深度學習訓練得到。

5.根據權利要求1所述方法，其中，所述基于各個屬性的屬性值修改信息對相應屬性的屬性值進行更新，生成與所述屬性值修改信息相對應的各個屬性值集合，包括：

基于各個屬性的屬性值修改信息對相應屬性的屬性值進行逐一更新，生成與每個所述屬性值修改信息相對應的各個屬性值集合；或者，基于預設的更新規則和各個屬性的屬性值修改信息對相應屬性的屬性值進行更新，生成與所述屬性值修改信息相對應的各個屬性值集合。

6.根據權利要求1所述方法，還包括：

根據反饋的所述對象的各個信息與產品的相關性，優化所述對象的產品結構和/或所述對象的市場策略。