[發(fā)明專利]信息輸出方法、裝置、電子設備及計算機存儲介質

在審

• 申請?zhí)枺?/td>: 202011640275.3
• 申請日: 2020-12-31
• 公開（公告）號: CN112698736A
• 公開（公告）日: 2021-04-23
• 發(fā)明（設計）人: 費騰
• 申請（專利權）人: 上海臣星軟件技術有限公司
• 主分類號: G06F3/023
• 分類號: G06F3/023;G06F40/216;G06F40/284;G06K9/62;G06N20/00
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 趙秀芹

1.一種信息輸出方法，其特征在于，包括：

獲取用戶輸入的第一信息；

將所述第一信息輸入預設的預測詞分類調頻排序模型，輸出與所述第一信息相關聯的第二信息；

其中，所述預測詞分類調頻排序模型是利用訓練樣本集對深度學習模型進行模型訓練得到的，所述訓練樣本集中的每個訓練樣本包括樣本信息和所述樣本信息的類別信息，所述樣本信息和所述類別信息分別設有對應的概率系數。

2.根據權利要求1所述的信息輸出方法，其特征在于，在所述將所述第一信息輸入預設的預測詞分類調頻排序模型，輸出與所述第一信息相關聯的第二信息之前，所述方法還包括：

獲取多個所述樣本信息；

利用多個所述樣本信息進行聚類，確定各個所述樣本信息的所述類別信息；

利用多個所述樣本信息及其所述類別信息對所述深度學習模型進行模型訓練，得到預測詞分類模型；

利用所述預測詞分類模型進行調頻排序，得到所述預測詞分類調頻排序模型。

3.根據權利要求1所述的信息輸出方法，其特征在于，所述將所述第一信息輸入預設的預測詞分類調頻排序模型，輸出與所述第一信息相關聯的第二信息，包括：

將所述第一信息輸入所述預測詞分類調頻排序模型，得到與所述第一信息相關聯的至少一個候選信息；

根據所述候選信息的概率系數和所述候選信息所屬類別的概率系數，計算各個所述候選信息的分數；

根據各個所述候選信息的分數，對各個所述候選信息進行排序，并作為所述第二信息進行輸出。

4.根據權利要求3所述的信息輸出方法，其特征在于，所述將所述第一信息輸入所述預測詞分類調頻排序模型，得到與所述第一信息相關聯的至少一個候選信息，包括：

將所述第一信息輸入所述預測詞分類調頻排序模型，根據所述第一信息的上下文信息、用戶使用習慣信息、所在地域信息、輸入應用程序App信息，得到與所述第一信息相關聯的至少一個所述候選信息。

5.一種信息輸出裝置，其特征在于，包括：

第一獲取模塊，用于獲取用戶輸入的第一信息；

輸出模塊，用于將所述第一信息輸入預設的預測詞分類調頻排序模型，輸出與所述第一信息相關聯的第二信息；

其中，所述預測詞分類調頻排序模型是利用訓練樣本集對深度學習模型進行模型訓練得到的，所述訓練樣本集中的每個訓練樣本包括樣本信息和所述樣本信息的類別信息，所述樣本信息和所述類別信息分別設有對應的概率系數。

6.根據權利要求5所述的信息輸出裝置，其特征在于，所述裝置還包括：

第二獲取模塊，用于獲取多個所述樣本信息；

聚類模塊，用于利用多個所述樣本信息進行聚類，確定各個所述樣本信息的所述類別信息；

模型訓練模塊，用于利用多個所述樣本信息及其所述類別信息對所述深度學習模型進行模型訓練，得到預測詞分類模型；

調頻排序模塊，用于利用所述預測詞分類模型進行調頻排序，得到所述預測詞分類調頻排序模型。

7.根據權利要求5所述的信息輸出裝置，其特征在于，所述輸出模塊，包括：

獲取單元，用于將所述第一信息輸入所述預測詞分類調頻排序模型，得到與所述第一信息相關聯的至少一個候選信息；

計算單元，用于根據所述候選信息的概率系數和所述候選信息所屬類別的概率系數，計算各個所述候選信息的分數；

排序單元，用于根據各個所述候選信息的分數，對各個所述候選信息進行排序，并作為所述第二信息進行輸出。

8.根據權利要求7所述的信息輸出裝置，其特征在于，所述獲取單元，包括：

獲取子單元，用于將所述第一信息輸入所述預測詞分類調頻排序模型，根據所述第一信息的上下文信息、用戶使用習慣信息、所在地域信息、輸入應用程序App信息，得到與所述第一信息相關聯的至少一個所述候選信息。