[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

本申請公開了信息反饋方法和裝置，涉及深度學習技術領域，具體實現方案為：響應于接收到對象的信息反饋請求，獲取與信息反饋請求相對應的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，生成與屬性值修改信息相對應的各個屬性值集合；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價值屬性的浮動范圍和與目標行為執行率相對應的第一屬性集合；反饋對象的各個信息。該方案利用預先訓練的目標行為模型反向對產品對象屬性進行調整升級，使得目標行為執行率進一步得到提升，實現了精準的產品對象升級指引。

技術領域

本申請的實施例涉及計算機技術領域，具體涉及深度學習技術領域，尤其涉及信息反饋方法和裝置。

背景技術

產品對象升級是指針對某一款產品對象，通過改變其某些維度的屬性，已讓這款產品對象獲得更佳的市場預期。現有的產品對象升級大多是采用消費者調研的方法，調研一方面需要耗費比較大的人力和物力，同時只采樣部分消費者進行調研不能反映市場整體的情況。隨著電商平臺的興起，用戶與產品對象之間的交互數據得到越來越多的積累，利用大數據來進行產品對象的智能升級將會是一個更好的選擇。

發明內容

本申請提出了一種信息反饋方法、裝置、設備以及存儲介質。

根據第一方面，本申請實施例提供了一種信息反饋方法，方法包括：響應于接收到對象的信息反饋請求，獲取與信息反饋請求相對應的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，生成與屬性值修改信息相對應的各個屬性值集合，其中，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價值屬性的浮動范圍和與目標行為執行率相對應的第一屬性集合，其中，目標行為執行率為同一屬性值集合所對應的對象的銷量信息和對象的查閱信息的比值，價值屬性的浮動范圍用于表征價值屬性的屬性值的最大上升空間，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，使價值屬性的屬性值的上升空間最大，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；反饋對象的各個信息，其中，各個信息至少包括：目標行為執行率、第一屬性集合和價值屬性的浮動范圍。

在一些實施例中，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，訓練樣本集中的訓練樣本包括對象的屬性值集合、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價值屬性的浮動范圍和與目標行為執行率相對應的第一屬性集合，屬性值集合基于對象的全量用戶的屬性信息而確定；利用深度學習算法，將訓練樣本集中訓練樣本包括的對象的屬性值集合作為輸入數據，將與輸入的對象的屬性值集合對應的目標行為執行率、與輸入的對象的屬性值集合對應的價值屬性的浮動范圍和與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。

在一些實施例中，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；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價值屬性的浮動范圍和與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目標行為執行率相對應的第一屬性集合，其中，執行率預測子模型用于表征以獲得最大的目標行為執行率為目標；將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，輸出與第一屬性集合相對應的價值屬性的浮動范圍，其中，價值范圍確定子模型的目標為在滿足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，使價值屬性的屬性值的上升空間最大。

在一些實施例中，價值范圍確定子模型利用深度學習訓練得到。