[发明专利]用于生成信息的方法和装置

说明书

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：响应于接收到用户针对目标产品的获取请求，获取用户的待识别数据；对待识别数据进行数据分析，生成用户的特征向量；将所生成的特征向量输入预先训练的属性预测模型，获得针对用户的、目标产品的目标属性的属性预测值，其中，属性预测模型用于表征特征向量与目标产品的目标属性的属性预测值的对应关系；基于所获得的属性预测值，生成针对用户的、目标产品的目标属性的属性值。该实施方式提高了信息生成的准确性。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

随着社会生产力的高速发展，市面上的各类产品层出不穷。对于新生产的产品，在投入市场前，往往需要对其具有的某个目标属性(例如价格、销量等)进行预测，以此来获得更大的收益。

现有技术中，通常利用产品的固有属性(例如成本、质量等)来对产品的目标属性进行预测。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：响应于接收到用户针对目标产品的获取请求，获取用户的待识别数据；对待识别数据进行数据分析，生成用户的特征向量；将所生成的特征向量输入预先训练的属性预测模型，获得针对用户的、目标产品的目标属性的属性预测值，其中，属性预测模型用于表征特征向量与目标产品的目标属性的属性预测值的对应关系；基于所获得的属性预测值，生成针对用户的、目标产品的目标属性的属性值。

在一些实施例中，将所生成的特征向量分别输入预先训练的属性预测模型，获得针对用户的、目标产品的目标属性的属性预测值，包括：将所生成的特征向量分别输入至少两个基于不同的初始模型预先训练得到的属性预测模型，获得至少两个针对用户的、目标产品的目标属性的属性预测值；以及基于所获得的属性预测值，生成针对用户的、目标产品的目标属性的属性值，包括：获取各属性预测模型的预设权重；基于所获取的预设权重，对所获得的至少两个属性预测值进行加权求和处理，生成加权求和值；将所生成的加权求和值确定为针对用户的、目标产品的目标属性的属性值。

在一些实施例中，对待识别数据进行数据分析，包括：确定待识别数据是否包括缺失数据；响应于确定待识别数据包括缺失数据，对待识别数据中的缺失数据进行插补。

在一些实施例中，对待识别数据进行数据分析，生成用户的特征向量，包括：获取预设特征集合，其中，预设特征集合包括针对同一预设特征设置的至少两个特征值范围，对于预设特征集合所包括的特征值范围中的每个特征值范围，预先设置有与该特征值范围相对应的特征向量；对待识别数据和预设特征集合进行匹配，以确定待识别数据所对应的特征值范围；将所确定的特征值范围所对应的特征向量确定为用户的特征向量。

在一些实施例中，获取用户的待识别数据，包括：获取用户的身份信息；基于所获取的身份信息，从预设数据集合中提取用户的待识别数据。

在一些实施例中，属性预测模型通过如下步骤训练得到：获取多个样本待识别数据，并获取已标定的、多个样本待识别数据中的每个样本待识别数据所对应的样本属性预测值，其中，样本属性预测值为目标产品的目标属性的样本属性预测值；对于多个样本待识别数据中的每个样本待识别数据，对该样本待识别数据进行数据分析，生成该样本待识别数据所对应的样本特征向量；利用机器学习方法，将所生成的样本特征向量中的每个样本特征向量作为输入，将与输入的样本特征向量对应的样本属性预测值作为输出，训练得到属性预测模型。