[发明专利]一种信息处理方法及装置、设备、存储介质

权利要求书

1.一种信息处理方法，其特征在于，所述方法包括：

将目标对象的对象特征输入至第一网络模型，得到所述第一网络模型输出的第一输出向量，所述第一输出向量表征所述目标对象的供应程度；

将针对所述目标对象的用户输入特征输入至第二网络模型，得到所述第二网络模型输出的第二输出向量，所述第二输出向量表征所述用户对所述目标对象的搜索程度；

根据所述第一输出向量和所述第二输出向量，确定所述目标对象的供求状态定位信息，所述供求状态定位信息表征预测的所述目标对象的供求关系。

2.根据权利要求1所述的方法，其特征在于，若所述供求状态定位信息表征所述目标对象的供求关系为第一供求关系，所述第一供求关系表征所述目标对象的搜索程度大于供应程度，所述方法还包括：

根据所述目标对象的供应信息，确定所述目标对象的调整方向信息；

根据所述调整方向信息对所述目标对象的供应信息进行调整。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据至少一个样本对象中各样本对象的对象特征和针对所述至少一个样本对象中各样本对象的用户输入特征，分别对第一初始网络模型和第二初始网络模型进行训练，得到所述第一网络模型和所述第二网络模型。

4.根据权利要求3所述的方法，其特征在于，所述根据至少一个样本对象中各样本对象的对象特征和针对所述至少一个样本对象中各样本对象的用户输入特征，分别对第一初始网络模型和第二初始网络模型进行训练，得到所述第一网络模型和所述第二网络模型，包括：

将所述至少一个样本对象中各样本对象的对象特征输入至所述第一初始网络模型，得到所述第一初始网络模型输出的第一训练向量，并将针对所述至少一个样本对象中各样本对象的用户输入特征，输入至所述第二初始网络模型，得到所述第二初始网络模型输出的第二训练向量；

基于所述第一训练向量和所述第二训练向量，得到针对所述至少一个样本对象中各样本对象的第一预测信息，所述第一预测信息表征针对对应的样本对象预测的供求关系；

在所述第一初始网络模型和所述第二初始网络模型未收敛的情况下，根据所述至少一个样本对象中各样本对象对应的第一预测信息和对应的标签，确定损失，并根据所述损失对所述第一初始网络模型和所述第二初始网络模型的参数进行更新，并继续执行以下处理，直到所述第一初始网络模型和所述第二初始网络模型收敛，得到所述第一网络模型和所述第二网络模型：其中，所述标签为第一标签集合中的标签，所述第一标签集合包括至少一个所述标签，所述第一标签集合中不同的标签表征不同样本对象对应的供求关系；

将所述至少一个样本对象中各样本对象的对象特征输入至所述第一初始网络模型，得到所述第一初始网络模型输出的第一训练向量，并将针对所述至少一个样本对象中各样本对象的用户输入特征，输入至所述第二初始网络模型，得到所述第二初始网络模型输出的第二训练向量。

5.根据权利要求4所述的方法，其特征在于，在将所述至少一个样本对象中各样本对象的对象特征输入至所述第一初始网络模型，得到所述第一初始网络模型输出的第一训练向量，并将针对所述至少一个样本对象中各样本对象的用户输入特征，输入至所述第二初始网络模型，得到所述第二初始网络模型输出的第二训练向量之前，所述方法还包括：

获取训练数据，所述训练数据包括：至少两个训练对象中各训练对象的对象特征、针对所述至少两个训练对象中各训练对象的用户输入特征、以及第二标签集合，所述第二标签集合包括至少两个标签，所述第二标签集合中不同的标签表征不同训练对象对应的供求关系；

对所述至少两个训练对象中各训练对象的对象特征进行采样，得到采样数据，所述采样数据包括：所述至少一个样本对象中各样本对象的对象特征；

根据所述采样数据所对应的至少一个样本对象，从所述训练数据中确定针对所述至少一个样本对象中各样本对象的用户输入特征，并根据所述采样数据所对应的至少一个样本对象，从所述第二标签集合中确定所述第一标签集合。