[發明專利]信息查詢方法和裝置

在審

• 申請號: 202011272831.6
• 申請日: 2020-11-13
• 公開（公告）號: CN112308629A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 劉君亮;易津鋒
• 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;G06K9/62;G06N20/00
• 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

1.一種信息查詢方法，所述方法包括：

響應于接收到信息查詢請求，獲取與所述請求相對應的目標對象的用戶信息和每個所述用戶對應的所述目標對象的屬性信息，其中，所述屬性信息包括：各個屬性的屬性值；

將所述目標對象的用戶信息和每個所述用戶對應的目標對象的屬性信息輸入至訓練得到的用戶與對象匹配模型，生成每個用戶的目標行為結果和每個用戶的第一目標行為執行率，其中，所述第一目標行為執行率用于表征所述用戶的目標行為結果為下單的概率；

根據所有用戶的目標行為結果和所有用戶的第一目標行為執行率，確定以下所述目標對象數據中的至少一項：下單量、出售價值與所述目標對象的成本的差值和第二目標行為執行率，其中，所述第二目標行為執行率用于表征所述目標對象的下單量和所述目標對象的目標行為總量的對比關系；

根據所述目標對象的下單量、所述目標對象的出售價值與所述目標對象的成本的差值和所述目標對象的第二目標行為執行率中的至少一項，利用優化算法確定所述目標對象的最終屬性信息，其中，所述目標對象的最終屬性信息為所述目標對象的各個屬性的屬性值的最優組合；

反饋所述目標對象的最終屬性信息。

2.根據權利要求1所述方法，其中，所述用戶與對象匹配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目標對象的用戶信息、每個所述用戶對應的目標對象的屬性信息、每個用戶的目標行為結果和每個用戶的第一目標行為執行率，所述用戶信息為一定歷史時間內全量用戶的用戶信息；

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目標對象的用戶信息和每個所述用戶對應的目標對象的屬性信息作為輸入數據，將與輸入的所述目標對象的用戶信息和每個所述用戶對應的目標對象的屬性信息對應的每個用戶的目標行為結果和每個用戶的第一目標行為執行率作為期望輸出數據，訓練得到用戶與對象匹配模型。

3.根據權利要求1所述方法，其中，所述獲取與所述請求相對應的目標對象的用戶信息和每個所述用戶對應的目標對象的屬性信息，包括：

對所述請求進行內容解析，提取預設信息，其中，所述預設信息表征對所述目標對象的用戶信息和所述目標對象的屬性信息進行預先設置；

根據所述預設信息，獲取所述目標對象的用戶信息和每個所述用戶對應的目標對象的屬性信息。

4.根據權利要求1所述方法，其中，所述目標對象的最終屬性信息通過執行多次迭代操作而生成；所述迭代操作包括：

判斷當前所述目標對象的下單量、所述目標對象的出售價值與所述目標對象的成本的差值和所述目標對象的第二目標行為執行率中的至少一項是否滿足迭代停止條件，若否，繼續執行并跳轉至所述判斷當前的所述目標對象的下單量、所述目標對象的出售價值與所述目標對象的成本的差值和所述目標對象的第二目標行為執行率中的至少一項是否滿足迭代停止條件；若是，則將滿足迭代停止條件的當前所述目標對象的屬性信息作為所述目標對象的最終屬性信息，其中，所述迭代停止條件為：基于所述優化算法計算得到的數值小于預定閾值。

5.根據權利要求1所述方法，其中，所述根據所述目標對象的下單量、所述目標對象的出售價值與所述目標對象的成本的差值和所述目標對象的第二目標行為執行率中的至少一項，利用優化算法確定所述目標對象的最終屬性信息，包括：

根據所述目標對象的下單量、所述目標對象的出售價值與所述目標對象的成本的差值和所述目標對象的第二目標行為執行率中的至少一項以及約束條件，利用優化算法確定所述目標對象的最終屬性信息，其中，所述約束條件表征對所述目標對象的不同屬性之間進行關系約束。

6.根據權利要求1所述方法，還包括：

根據所述目標對象的下單量、所述目標對象的出售價值與所述目標對象的成本的差值和所述目標對象的第二目標行為執行率中的至少一項，確定所述目標對象的最終價值；

反饋所述目標對象的最終價值。