CN113743972B - 一种生成物品信息的方法和装置 - Google Patents
一种生成物品信息的方法和装置 Download PDFInfo
- Publication number
- CN113743972B CN113743972B CN202010826102.4A CN202010826102A CN113743972B CN 113743972 B CN113743972 B CN 113743972B CN 202010826102 A CN202010826102 A CN 202010826102A CN 113743972 B CN113743972 B CN 113743972B
- Authority
- CN
- China
- Prior art keywords
- article
- provider
- promoted
- value
- characteristic value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000013145 classification model Methods 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 239000000758 substrate Substances 0.000 claims 4
- 238000006243 chemical reaction Methods 0.000 abstract description 13
- 230000000694 effects Effects 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 235000013312 flour Nutrition 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000002147 killing effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0263—Targeted advertisements based upon Internet or website rating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种生成物品信息的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:能够通过获取待推广物品多维度特征数据,基于反向传播算法模型计算物品的基础分值;并通过获取物品提供方的多维度特征,基于分类模型计算物品提供方的等级分值;进一步根据物品的基础分值、提供方的等级分值以及物品的权重值计算物品的广告分值,生成待推广的物品信息,并发送所述物品信息;客户端根据物品信息生成物品推广页面;通过结合物品、物品提供方的特征数据和多维度的动态特征数据,提高了计算和选取推广物品的准确度,进而提高推广的转化效果;通过不同模型计算物品、提供方的分值并获取推广分值,提高了生成待推广物品信息的准确率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种生成物品信息的方法和装置。
背景技术
目前,当物品提供方推广物品时,往往根据物品销售的情况评估推广的效果,例如,在电商领域通常采用根据订单量进行计费的广告形式;在服务行业也如此,而这种广告形式注重广告的转化效果,为了提升广告转化效果,需要根据物品的相关特征来对物品的广告转化效果进行评估,进而选出合适的推广物品,在现有的评估广告转化模型中,一般选取的物品特征指标通常包含静态特征;一般采用逻辑回归模型或神经网络模型等单一模型进行物品特征训练得到广告转化模型。在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
在现有的广告转化模型中,当选取模型的特征时,通常选取特征的静态值确定推广物品,由于未考虑物品的动态特征值而造成选取广告物品的准确率偏低,进而造成广告转化效果偏低。另外,现有的广告转化模型一般采用单一模型进行训练,当物品特征较多时,单一模型难以应对多维度的物品特征、复杂的场景,造成生成待推广物品信息的复杂度的提高和计算准确率的降低。
发明内容
有鉴于此,本发明实施例提供一种生成物品信息的方法和装置,能够通过获取待推广物品多维度特征数据,基于反向传播算法模型计算物品的基础分值;并通过获取物品提供方的多维度特征,基于分类模型计算物品提供方的等级分值;进一步根据物品的基础分值、提供方的等级分值以及物品的权重值计算物品的广告分值,生成待推广的物品信息,并发送所述物品信息;客户端根据物品信息生成物品推广页面;通过结合物品、物品提供方的特征数据和多维度的动态特征数据,提高了计算和选取推广物品的准确度,进而提高推广的转化效果;通过不同模型计算物品、提供方的分值并获取推广分值,提高了生成待推广物品信息的准确率。
为实现上述目的,根据本发明实施例的一个方面,提供了一种生成物品信息的方法,其特征在于,包括:获取待推广物品的类别,根据所述类别包含物品的特征数据以及所述待推广物品的特征数据,基于反向传播算法模型计算所述待推广物品的基础分值;获取待推广物品的物品提供方的特征,根据所述类别包含物品的特征以及物品提供方的特征,基于分类模型计算所述物品提供方的等级数值;根据所述待推广物品的基础分值以及所述物品提供方的等级数值,确定所述待推广物品的推广分值;基于所述推广分值排序形成对应的待推广物品序列,从所述待推广物品序列中获取设定数量的物品生成相应的物品信息,发送所述物品信息。
可选地,所述生成物品信息的方法,其特征在于,
所述待推广物品的特征数据包括:当前特征值、第一维度特征值、第二维度特征值;将所述当前特征值、所述第一维度特征值、所述第二维度特征值输入反向传播算法模型,获得所述待推广物品的基础分值。
可选地,所述生成物品信息的方法,其特征在于,
获取所述待推广物品的类别,计算所述类别包含的物品在设定历史时间范围内的特征平均值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第一维度特征值。
可选地,所述生成物品信息的方法,其特征在于,
计算所述待推广物品在设定时间内的特征统计值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第二维度特征值。
可选地,所述生成物品信息的方法,其特征在于,
所述物品提供方的特征包括:提供方特征值、第一维度提供方特征值、第二维度提供方特征值;将所述提供方特征值、所述第一维度提供方特征值、所述第二维度提供方特征值输入所述分类模型,获得所述物品提供方的所述等级数值。
可选地,所述生成物品信息的方法,其特征在于,
获取所述物品提供方的类别,计算所述类别对应物品提供方在设定历史时间范围内的提供方特征值统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值的统计值,计算得到所述第一维度提供方特征值。
可选地,所述生成物品信息的方法,其特征在于,
计算所述物品提供方在设定时间内提供方特征值的统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值的统计值,计算得到所述第二维度提供方统计值。
可选地,所述生成物品信息的方法,其特征在于,
利用异常值检测模型,获取所述待推广物品的异常特征值,将所述异常特征值输入卷积神经网络模型,获得所述待推广物品的权重值;根据所述待推广物品的基础分值、所述物品提供方的等级数值以及所述待推广物品的权重值,计算所述待推广物品的推广分值。
为实现上述目的,根据本发明实施例的第二方面,提供了一种生成物品信息的方法,其特征在于,包括:接收所述一个或者多个物品信息,所述物品信息包含推广分值;根据所述推广分值,确定对应的物品在页面的展示位置。
为实现上述目的,根据本发明实施例的第三方面,提供了一种物品信息的装置,其特征在于,包括:计算物品分值模块、计算推广分值模块和生成物品信息模块;其中,
所述计算物品分值模块,用于获取待推广物品的类别,根据所述类别包含物品的特征数据以及所述待推广物品的特征数据,基于反向传播算法模型计算所述待推广物品的基础分值;获取待推广物品的物品提供方的特征,根据所述类别包含物品的特征以及物品提供方的特征,基于分类模型计算所述物品提供方的等级数值;
所述计算推广分值模块,根据所述待推广物品的基础分值以及所述物品提供方的等级数值,确定所述待推广物品的推广分值;
所述生成物品信息模块,基于所述推广分值排序形成对应的待推广物品序列,从所述待推广物品序列中获取设定数量的物品生成相应的物品信息,发送所述物品信息。
可选地,所述生成物品信息的装置,其特征在于,
所述待推广物品的特征数据包括:当前特征值、第一维度特征值、第二维度特征值;将所述当前特征值、所述第一维度特征值、所述第二维度特征值输入反向传播算法模型,获得所述待推广物品的基础分值。
可选地,所述生成物品信息的装置,其特征在于,
获取所述待推广物品的类别,计算所述类别包含的物品在设定历史时间范围内的特征平均值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第一维度特征值。
可选地,所述生成物品信息的装置,其特征在于,
计算所述待推广物品在设定时间内的特征统计值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第二维度特征值。
可选地,所述生成物品信息的装置,其特征在于,
所述物品提供方的特征包括:提供方特征值、第一维度提供方特征值、第二维度提供方特征值;将所述提供方特征值、所述第一维度提供方特征值、所述第二维度提供方特征值输入所述分类模型,获得所述物品提供方的所述等级数值。
可选地,所述生成物品信息的装置,其特征在于,
获取所述物品提供方的类别,计算所述类别对应物品提供方在设定历史时间范围内的提供方特征值统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值的统计值,计算得到所述第一维度提供方特征值。
可选地,所述生成物品信息的装置,其特征在于,
计算所述物品提供方在设定时间内提供方特征值的统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值的统计值,计算得到所述第二维度提供方统计值。
可选地,所述生成物品信息的装置,其特征在于,
利用异常值检测模型,获取所述待推广物品的异常特征值,将所述异常特征值输入卷积神经网络模型,获得所述待推广物品的权重值;根据所述待推广物品的基础分值、所述物品提供方的等级数值以及所述待推广物品的权重值,计算所述待推广物品的推广分值。
为实现上述目的,根据本发明实施例的第四方面,提供了一种物品信息的装置,其特征在于,包括:生成页面模块;其中,所述生成页面模块,用于接收一个或者多个物品信息,所述物品信息包含推广分值;根据所述推广分值,确定对应的物品在页面的展示位置。
为实现上述目的,根据本发明实施例的第五方面,提供了一种生成物品信息的电子设备,其特征在于,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述生成物品信息的方法中任一所述的方法。
为实现上述目的,根据本发明实施例的第六方面,提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如上述生成物品信息的方法中任一所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:能够通过获取待推广物品多维度特征数据,基于反向传播算法模型计算物品的基础分值;并通过获取物品提供方的多维度特征,基于分类模型计算物品提供方的等级分值;进一步根据物品的基础分值、提供方的等级分值以及物品的权重值计算物品的广告分值,生成待推广的物品信息,并发送所述物品信息;客户端根据物品信息生成物品推广页面;通过结合物品、物品提供方的特征数据和多维度的动态特征数据,提高了计算和选取推广物品的准确度,进而提高推广的转化效果;通过不同模型计算物品、提供方的分值并获取推广分值,提高了生成待推广物品信息的准确率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明一个实施例提供的一种生成物品信息的方法的流程示意图;
图2是本发明一个实施例提供的一种获取物品基础分值的方法的流程示意图;
图3是本发明一个实施例提供的一种获取物品提供方等级分值的方法的流程示意图;
图4是本发明一个实施例提供的一种生成物品信息的装置的结构示意图;
图5是本发明一个实施例提供的一种接收物品信息的装置的结构示意图;
图6是本发明实施例可以应用于其中的示例性***架构图;
图7是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,本发明实施例提供了一种生成物品信息的方法,该方法可以包括以下步骤:
步骤S101:获取待推广物品的类别,根据所述类别包含物品的特征数据以及所述待推广物品的特征数据,基于反向传播算法模型计算所述待推广物品的基础分值;获取待推广物品的物品提供方的特征,根据所述类别包含物品的特征以及物品提供方的特征,基于分类模型计算所述物品提供方的等级数值。
具体地,在确定待推广的物品时,首先获取物品的类别,即,获取待推广物品的类别,例如,待推广物品可以是餐馆的菜品、旅行社的产品、电子商城的商品等,下面以电子商城的商品为例说明物品的类别,例如,在电子商城中的商品分类如图书中的工具图书、食品中的面粉、家用电器中的电视、运动中的篮球、户外中的帐篷等,进一步地,包含物品的特征数据以及所述待推广物品的特征数据;其中,特征数据包括:当前特征值、第一维度特征值、第二维度特征值;其中,当前特征值可以为待推广物品的当前销售信息,以商品为例,物品的当前销售信息可以是商品的当前价格、最近销量、当前佣金、当前优惠价格等;第一维度特征值为通过待推广物品的当前信息与同类别的物品信息计算所得,例如:计算该类别中所有物品在过去30天(即为设定历史时间范围)内价格的平均值,其中,平均值为物品在设定历史时间范围内的特征统计值的示例,可以理解的是,统计值可以是平均值、中位数、百分位值等;进一步地,利用待推广物品的当前价格(即为当前特征值)除以统计值,获得第一维度特征值;可以理解的是,计算得到第一维度特征值的运算方法可以是除法、取统计值偏差等,即,获取所述待推广物品的类别,计算所述类别包含的物品在设定历史时间范围内的特征平均值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第一维度特征值。第二维度特征值为通过待推广物品的当前信息与该待推广物品的历史信息计算所得,例如:计算待推广物品的当前价格(即为当前特征值)除以过去15天(即为设定时间)内的平均价格(即为特征统计值)作为第二维度特征值;可以理解的是,计算得到第二维度特征值的运算方法可以是除法、取统计值偏差等;即,计算所述待推广物品在设定时间内的特征统计值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第二维度特征值。
进一步地,根据当前特征值、第一维度特征值、第二维度特征值,基于反向传播算法模型计算所述待推广物品的基础分值;关于反向传播算法模型计算所述待推广物品的基础分值的描述与步骤S201-步骤S203一致,在此不再赘述。
进一步地,获取待推广物品的物品提供方的特征;所述物品提供方的特征包括:提供方特征值、第一维度提供方特征值、第二维度提供方特征值;其中,提供方特征值为提供方的服务信息,例如:提供方好评分值、提供方售后分值、提供方物流分值等;第一维度提供方特征值为通过物品提供方的当前信息与同类别的所有物品提供方的信息计算所得,例如:计算该类别中所有物品提供方在过去30天内(即为设定历史时间范围)好评分值的平均值(即为提供方特征值统计值);并利用待推广物品所在提供方的好评分值(即为提供方特征值)除以统计值,获得第一维度提供方特征值;可以理解的是,计算得到第一维度提供方特征值的运算方法可以是除法、取统计值偏差等;即,获取所述关联商家的类别,计算所述类别对应提供方在设定历史时间范围内的提供方特征值统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值统计值,计算得到所述第一维度提供方特征值。
第二维度提供方特征值为通过提供方的当前信息与该提供方的历史信息计算所得,例如:计算提供方的物流分值(即为提供方特征值)除以过去7天内(即为设定时间)的平均物流分值(即为提供方特征值统计值)作为第二维度提供方特征值;可以理解的是,计算得到第二维度提供方特征值的运算方法可以是除法、取统计值偏差等;即,计算所述待推广商家在设定时间内提供方特征值统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值统计值,计算得到所述第二维度提供方特征值。
进一步地,将所述提供方特征值、所述第一维度提供方特征值、所述第二维度提供方特征值输入所述分类模型,获得所述物品提供方的所述等级数值。关于基于分类模型计算所述提供方的等级数值的描述与步骤S301-步骤S303一致,在此不再赘述。
可以理解的是,上述待推广物品的特征和特征值的具体内容、第一维度特征值、第二维度特征值的具体计算方法、物品提供方的特征和特征值的具体内容、第一维度提供方特征值、第二维度提供方特征值的具体计算方法、设定历史时间范围、设定时间、统计值的具体计算方法为根据物品提供方所在行业、业务场景和业务需求而设定,本发明对上述内容不做限定。
步骤S102:根据所述待推广物品的基础分值以及所述物品提供方的等级数值,确定所述待推广物品的推广分值。
具体地,根据步骤S101的描述,获取了待推广物品的基础分值、物品提供方的等级数值,进一步地,基于待推广物品的基础分值、物品提供方的等级数值,确定待推广物品的推广分值。
例如:利用公式(1)为例计算推广分值,如下所示:
ComprehensiveScore=ShopScore*BaseScore(1)
其中,BaseScore指示为待推广物品的基础分值;ShopScore指示为物品提供方的等级数值;“*”指示为乘法符号,ComprehensiveScore指示为待推广物品的物品提供方分值;即,计算待推广物品的基础分值以及物品提供方的等级数值,确定待推广物品的推广分值;本发明对基于待推广物品的基础分值、物品提供方的等级数值计算待推广物品的广告分值的具体公式不作限定。
进一步地,确定推广分值的另一个实施例为:利用异常值检测模型,获取所述待推广物品的异常特征值,将所述异常特征值输入卷积神经网络模型,获得所述待推广物品的权重值;根据所述待推广物品的基础分值、所述物品提供方的等级数值以及所述待推广物品的权重值,计算所述待推广物品的推广分值。
具体地,例如:在物品秒杀或者促销力度较大等的促销活动中,某些物品可能会出现异常特征值,例如佣金有较大提升或者价格较大下降,这部分物品的广告通常可以获得较高的转化,因此,可以利用异常特征值检测模型提前检测到佣金上升或者价格下降的商品,即利用异常值检测模型,基于佣金和价格的静态特征和动态特征,提前(例如:提前一天)识别佣金变化、价格变化、或者优惠力度变化等异常特征值,进一步,获取对应的物品,并采用卷积神经网络模型,确定这部分物品的权重值,并且设置所述权重值为大于1的数值,而将未检测到异常值的物品的权重值设置为1。通过该步骤能够动态获取物品的特征值,有助于更准确地获取待推广物品的推广分值。
进一步地,根据所述待推广物品的基础分值、所述物品提供方的等级数值以及所述待推广物品的权重值,计算所述待推广物品的推广分值,以如下公式为例:
ComprehensiveScore=ShopScore*BaseScore*WeightScore
其中,BaseScore指示为待推广物品的基础分值;ShopScore指示为物品提供方的等级数值;WeightScore指示为待推广物品的权重值;“*”指示为乘法符号,ComprehensiveScore指示为待推广物品的广告分值;即,利用异常值检测模型,获取所述待推广物品的异常特征值,将所述异常特征值输入卷积神经网络模型,获得所述待推广物品的权重值;根据所述待推广物品的基础分值、所述物品提供方的等级数值以及所述待推广物品的权重值,计算所述待推广物品的推广分值。本发明对基于待推广物品的基础分值、关联物品提供方的等级数值以及权重值计算待推广物品的推广分值的具体公式不作限定。
步骤S103:基于所述推广分值排序形成对应的待推广物品序列,从所述待推广物品序列中获取设定数量的物品生成相应的物品信息,发送所述物品信息。
具体地,根据步骤S102的描述,通过计算得到多个待推广物品的推广分值;进一步地,对推广分值进行排序,例如,从高到低排序;并从高到第获取设定数量的推广分值所对应的物品作为推广商品。可以理解的是,排序的待推广的一个或者多个物品可以归属于同一个物品提供方,也可以归属于不同的物品提供方(例如:某个商家联盟做广告、或者某个公司为旗下的多个商家做广告);进一步地,从所述待推广物品序列中获取设定数量的物品生成相应的物品信息,发送所述物品信息给客户端。可以理解的是,设定数量为根据广告设计而确定,例如:设定数量可以为1、设定数量可以为50,可以理展示的广告商品的设定数量与展示与界面的广告的内容、形式、时长、展示方式等因素相关;进一步地,客户端根据所接收的物品信息所包含的推广分值,确定所述物品在页面的显示位置并展示,即,接收所述一个或者多个物品信息,所述物品信息包含推广分值;根据所述推广分值,确定对应的物品在页面的展示位置。本发明对设定数量的具体数值、对应于推广物品的具体内容、展示方式和界面的具体内容不做限定。
如图2所示,本发明实施例提供了一种获取广告物品基础分值的的方法,该方法可以包括以下步骤:
步骤S201:获取待推广物品的类别,根据所述类别包含物品的特征数据以及所述待推广物品的特征数据,基于反向传播算法模型计算所述待推广物品的基础分值;所述待推广商品的特征数据包括:当前特征值、第一维度特征值、第二维度特征值。
具体地,关于获取待推广物品的类别,根据所述类别包含物品的特征数据以及所述待推广物品的特征数据的描述与步骤S101一致,在此不再赘述;进一步地,基于反向传播算法模型计算所述待推广物品的基础分值,下面举例说明基于反向传播算法模型计算所述待推广物品的基础分值的步骤:具体地,所述待推广物品的特征数据包括:当前特征值、第一维度特征值、第二维度特征值,例如,获取待推广物品的佣金、佣金比例、价格和优惠价格作为当前特征值,并基于这些当前特征值计算第一维度特征值、第二维度特征值;进而采用反向传播算法模型对待推广物品的特征值进行训练,并得到待推广物品的基础分值。可以理解的是,佣金、佣金比例、价格和优惠价格等为确定广告转化效果的基本特征,因此根据佣金、佣金比例、价格和优惠价格等信息进行物品的特征信息工程构建,采用反向传播算法模型进行训练,进一步地,为了防止反向传播算法模型出现过拟合现象,可以采用“正则化”策略,在误差目标函数中加入连接权和阈值的平方和这一项来描述网络的复杂度,从而避免反向传播算法模型过于复杂而导致过拟合。“正则化”策略处理过后的反向传播算法模型的误差目标函数如公式(2)所示。
其中表示网络在(xk,yk)上的误差;wi表示连接权和阙值;λ和1-λ分别表示经验误差和网络复杂度的权重。其中,λ∈(0,1),用于对经验误差与网络复杂度这两项进行折中,优选地,根据测试当设置λ为0.7时效果较好。
步骤S202:获取所述待推广物品的类别,计算所述类别包含物品在设定历史时间范围内的特征统计值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第一维度特征值。
具体地,下面以表1所示的示例描述计算第一维度特征值的方法:以待推广物品的价格为例,获取待推广物品的所述当前特征值(例如:当前价格),进一步计算对应的所述类别包含的物品在设定历史时间范围内的特征统计值,例如,计算过去30天内(即为设定历史时间范围内)该类别下所有物品平均价格(即为特征统计值),并利用当前价格除以所有物品平均价格,计算得到第一维度特征值;例如:面粉A的当前价格为110元,计算过去30天内同类别(包括同重量)的面粉的价格为100元,计算110除以100得到1.1,即为价格的第一维度特征值;如表1所示,与价格类似地,根据当前特征值:佣金、佣金比例、优惠价格、销量计算对应的第一维度特征值。
表1计算待推广物品的特征值示例
步骤S203:计算所述待推广物品在设定时间内的特征统计值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第二维度特征值。
具体地,仍以表1所示的示例描述计算第二维度特征值的方法:以待推广物品的价格为例,获取待推广物品的所述当前特征值(例如:当前价格),进一步计算该待推广物品在设定时间内的特征统计值,例如,计算过去7天内(即为设定时间)该待推广物品的平均价格(即为特征统计值的示例),进一步地利用当前价格除以平均价格(即为特征统计值),计算得到第二维度特征值;例如:面粉A的当前价格为110元,计算过去7天内面粉A价格为120元,计算110除以120得到0.92,即为对应于价格的第二维度特征值;如表1所示,与价格类似地,根据当前特征值:佣金、佣金比例、优惠价格、销量计算对应的第二维度特征值。
如图3所示,本发明实施例提供了一种获取物品提供方的等级分值的方法,该方法可以包括以下步骤:
步骤S301:获取待推广物品的物品提供方的特征,根据所述类别包含物品提供方的特征,基于分类模型计算所述物品提供方的等级数值;所述物品提供方的特征包括:所述物品提供方的特征包括:提供方特征值、第一维度提供方特征值、第二维度提供方特征值。
具体地,关于获取待推广物品的类别,获取所述类别包含物品提供方的特征的描述与步骤S101一致,在此不再赘述;进一步地,基于分类模型计算物品提供方的等级数值,下面举例说明基于分类模型计算物品提供方的等级数值的步骤,例如:使用softmax模型作为分类模型,softmax模型对应的代价函数公式如公式(3)所示:
其中,m指示为样本个数;k指示为分类个数(例如,将物品提供方的等级数值设置为上上等、上等、中等、下等、下下等五个等级数值,故k=5);1{·}指示为示性函数;y指示为标签,在本实例中指示为指物品提供方等级数值;x指示提供方特征值、第一维度提供方特征值、第二维度提供方特征值,例如,以步骤S302包含的表2中所示的9个特征值为例;θ指示为softmax模型参数向量;λ指示为权重衰减系数;其中,关于基于提供方的特征值(例如:好评分值、售后分值、物流分值)计算对应的第一维度提供方特征值以及第二维度提供方特征值的描述与步骤S302-步骤S303一致,在此不再赘述;进一步地,在本实施例中,将提供方的等级设置为上上等、上等、中等、下等和下下等(一共为5个等级),即k=5,并且设置等级分别对应的等级数值分别为1.4,1.2,1.0,0.8,0.6。
可选地,可以采用梯度下降法求解上述softmax模型公式,梯度下降法需要求解代价函数的导数,其导数可以如下所示:
求解得到具体的softmax模型后,可以来预测提供方等级的概率,如下所示的示例公式,进而确定提供方的等级分值:
本发明对确定提供方等级分值所使用的分类模型以及所使用的具体公式不作限定。
步骤S302:获取物品提供方的特征,计算所述类别对应商家在设定历史时间范围内的提供方特征值统计值,基于所述关联提供方的所述提供方特征值以及所述提供方特征值统计值,计算得到所述第一维度提供方特征值。
具体地,下面以表2所示的示例描述计算第一维度提供方特征值的方法:以提供方的好评分值为例,获取待推广物品的提供方特征值(例如:好评分值),进一步计算对应的所述类别包含的提供方在设定历史时间范围内的特征统计值,例如,计算过去30天内(即为设定历史时间范围内)该类别下所有提供方的好评分值的平均值(即为提供方特征值统计值),并利用好评分值除以平均值,计算提供方好评分值对应的得到第一维度提供方特征值;例如:提供方A的好评分值为4.9分,计算过去30天内同类别提供方的好评分值平均值(即为特征统计值)为4分,计算4.9除以4得到1.23,即为好评分值的第一维度提供方特征值;如表2所示,与好评分值类似地,根据提供方特征值:售后分值、物流分值计算对应的第一维度特征值。即,基于所述物品提供方的所述提供方特征值以及所述提供方特征值统计值,计算得到所述第一维度提供方特征值。
表2计算物品提供方的特征值示例
步骤S303:计算所述物品提供方在设定时间内提供方特征值统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值统计值,计算得到所述第二维度提供方特征值。
具体地,仍以表2所示的示例描述计算第二维度提供方特征值的方法:以物品提供方的好评分值为例,获取待推广物品的物品提供方(例如:好评分值),进一步计算对应的所述类别包含的提供方在设定时间内提供方特征值统计值,例如,计算过去7天内(即为设定时间内)该提供方的好评分值的平均值值(即为提供方特征值统计值),并利用好评分值除以平均值值,计算提供方好评分值对应的得到第二维度提供方特征值;例如:提供方A的好评分值为4.9分,计算过去7天内平均好评分值为4分,计算4.9除以4得到1.23,即为好评分值的第二维度提供方特征值;如表2所示,与好评分值类似地,根据提供方特征值:售后分值、物流分值计算对应的第二维度提供方特征值。即,基于所述物品提供方的所述提供方特征值以及所述提供方特征值统计值,计算得到所述第二维度提供方特征值。
如图4所示,本发明实施例提供了一种生成物品信息的装置400,包括:计算物品分值模块401、计算推广分值模块402和生成物品信息模块403;其中,
所述计算物品分值模块401,用于获取待推广物品的类别,根据所述类别包含物品的特征数据以及所述待推广物品的特征数据,基于反向传播算法模型计算所述待推广物品的基础分值;获取待推广物品的物品提供方的特征,根据所述类别包含物品的特征以及物品提供方的特征,基于分类模型计算所述物品提供方的等级数值;
所述计算推广分值模块402,根据所述待推广物品的基础分值以及所述物品提供方的等级数值,确定所述待推广物品的推广分值;
所述生成物品信息模块403,基于所述推广分值排序形成对应的待推广物品序列,从所述待推广物品序列中获取设定数量的物品生成相应的物品信息,发送所述物品信息。
可选地,所述计算物品分值模块401,包括所述待推广物品的特征数据包括:当前特征值、第一维度特征值、第二维度特征值;将所述当前特征值、所述第一维度特征值、所述第二维度特征值输入反向传播算法模型,获得所述待推广物品的基础分值。
可选地,所述计算物品分值模块401,用于获取所述待推广物品的类别,计算所述类别包含的物品在设定历史时间范围内的特征统计值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第一维度特征值。
可选地,所述计算物品分值模块401,用于计算所述待推广物品在设定时间内的特征统计值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第二维度特征值。
可选地,所述计算物品分值模块401,包括所述物品提供方的特征包括:提供方特征值、第一维度提供方特征值、第二维度提供方特征值;将所述提供方特征值、所述第一维度提供方特征值、所述第二维度提供方特征值输入所述分类模型,获得所述物品提供方的所述等级数值。
可选地,所述计算物品分值模块401,用于获取所述物品提供方的类别,计算所述类别对应提供方在设定历史时间范围内的提供方特征值统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值统计值,计算得到所述第一维度提供方特征值。
可选地,所述计算物品分值模块401,用于计算所述物品提供方在设定时间内提供方特征值的统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值的统计值,计算得到所述第二维度提供方统计值。
可选地,所述计算推广分值模块402,用于利用异常值检测模型,获取所述待推广物品的异常特征值,将所述异常特征值输入卷积神经网络模型,获得所述待推广物品的权重值;根据所述待推广物品的基础分值、所述物品提供方的等级数值以及所述待推广物品的权重值,计算所述待推广物品的推广分值。
如图5所示,本发明实施例提供了一种生成物品信息的装置500,包括:生成页面模块501;其中,所述生成页面模块501,用于接收一个或者多个物品信息,所述物品信息包含推广分值;根据所述推广分值,确定对应的物品在页面的展示位置。
本发明实施例还提供了一种生成物品信息的电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一实施例提供的方法。
本发明实施例还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例提供的方法。
图6示出了可以应用本发明实施例的物品信息的方法或物品信息的装置的示例性***架构600。
如图6所示,***架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603上可以安装有各种客户端应用,例如网页浏览器应用、搜索类应用、即时通信工具和邮箱客户端等。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器,例如服务器将生成的物品信息发送给终端设备601、602、603,终端设备根据接收的物品信息确定物品的展示位置并生成页面。
需要说明的是,本发明实施例所提供的生成物品信息的方法一般由服务器605执行,相应地,生成物品信息的装置一般设置于服务器605中。
应该理解,图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机***700的结构示意图。图7示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算机***700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有***700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器710上,以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块和/或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块和/或单元也可以设置在处理器中,例如,可以描述为:一种处理器包括计算物品分值模块、计算推广分值模块和生成页面信息模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,计算推广分值模块还可以被描述为“根据待推广物品的基础分值、物品提供方的等级分值,确定待推广物品的推广分值的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:获取待推广物品的类别,根据所述类别包含物品的特征数据以及所述待推广物品的特征数据,基于反向传播算法模型计算所述待推广物品的基础分值;获取待推广物品的物品提供方的特征,根据所述类别包含物品的特征以及物品提供方的特征,基于分类模型计算所述物品提供方的等级数值;根据所述待推广物品的基础分值以及所述物品提供方的等级数值,确定所述待推广物品的推广分值;基于所述推广分值排序形成对应的待推广物品序列,从所述待推广物品序列中获取设定数量的物品生成相应的物品信息,发送所述物品信息。接收一个或者多个物品信息,所述物品信息包含推广分值;根据所述推广分值,确定对应的物品在页面的展示位置。
根据本发明实施例的技术方案,能够通过获取待推广物品多维度特征数据,基于反向传播算法模型计算物品的基础分值;并通过获取物品提供方的多维度特征,基于分类模型计算物品提供方的等级分值;进一步根据物品的基础分值、提供方的等级分值以及物品的权重值计算物品的广告分值,生成待推广的物品信息,并发送所述物品信息;客户端根据物品信息生成物品推广页面;通过结合物品、物品提供方的特征数据和多维度的动态特征数据,提高了计算和选取推广物品的准确度,进而提高推广的转化效果;通过不同模型计算物品、提供方的分值并获取推广分值,提高了生成待推广物品信息的准确率。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种生成物品信息的方法,其特征在于,包括:
获取待推广物品的类别,根据所述类别包含物品的特征数据以及所述待推广物品的特征数据;其中,所述待推广物品的特征数据包括:当前特征值、第一维度特征值、第二维度特征值;
所述当前特征值为待推广物品的当前销售信息;
所述第一维度特征值为通过待推广物品的当前信息与同类别的物品信息计算所得;
所述第二维度特征值为通过待推广物品的当前信息与该待推广物品的历史信息计算所得;
将所述当前特征值、所述第一维度特征值、所述第二维度特征值输入反向传播算法模型,获得所述待推广物品的基础分值;
获取待推广物品的物品提供方的特征,根据所述类别包含物品的特征以及物品提供方的特征,基于分类模型计算所述物品提供方的等级数值;其中,所述物品提供方的特征包括:提供方特征值、第一维度提供方特征值、第二维度提供方特征值;
所述提供方特征值为提供方的服务信息;
所述第一维度提供方特征值为通过物品提供方的当前信息与同类别的所有物品提供方的信息计算所得;
所述第二维度提供方特征值为通过提供方的当前信息与该提供方的历史信息计算所得;
根据所述待推广物品的基础分值以及所述物品提供方的等级数值,确定所述待推广物品的推广分值;
基于所述推广分值排序形成对应的待推广物品序列,从所述待推广物品序列中获取设定数量的物品生成相应的物品信息,发送所述物品信息。
2.根据权利要求1所述的方法,其特征在于,
获取所述待推广物品的类别,计算所述类别包含的物品在设定历史时间范围内的特征平均值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第一维度特征值。
3.根据权利要求1所述的方法,其特征在于,
计算所述待推广物品在设定时间内的特征统计值,基于所述待推广物品的所述当前特征值以及所述特征统计值,计算得到所述第二维度特征值。
4.根据权利要求1所述的方法,其特征在于,
所述物品提供方的特征包括:提供方特征值、第一维度提供方特征值、第二维度提供方特征值;
所述提供方特征值为提供方的服务信息;
所述第一维度提供方特征值为通过物品提供方的当前信息与同类别的所有物品提供方的信息计算所得;
所述第二维度提供方特征值为通过提供方的当前信息与该提供方的历史信息计算所得;
将所述提供方特征值、所述第一维度提供方特征值、所述第二维度提供方特征值输入所述分类模型,获得所述物品提供方的所述等级数值。
5.根据权利要求4所述的方法,其特征在于,
获取所述物品提供方的类别,计算所述类别对应的物品提供方在设定历史时间范围内的提供方特征值统计值,其中,所述物品提供方的特征包括:提供方特征值、第一维度提供方特征值、第二维度提供方特征值;
所述提供方特征值为提供方的服务信息;
所述第一维度提供方特征值为通过物品提供方的当前信息与同类别的所有物品提供方的信息计算所得;
所述第二维度提供方特征值为通过提供方的当前信息与该提供方的历史信息计算所得;
基于所述物品提供方的所述提供方特征值以及所述提供方特征值的统计值,计算得到所述第一维度提供方特征值。
6.根据权利要求4所述的方法,其特征在于,
计算所述物品提供方在设定时间内提供方特征值的统计值,基于所述物品提供方的所述提供方特征值以及所述提供方特征值的统计值,计算得到所述第二维度提供方统计值。
7.根据权利要求1所述的方法,其特征在于,
利用异常值检测模型,获取所述待推广物品的异常特征值,将所述异常特征值输入卷积神经网络模型,获得所述待推广物品的权重值;根据所述待推广物品的基础分值、所述物品提供方的等级数值以及所述待推广物品的权重值,计算所述待推广物品的推广分值。
8.根据权利要求1~7任一权利要求所述的方法,其特征在于,包括:
接收一个或者多个物品信息,所述物品信息包含推广分值;根据所述推广分值,确定对应的物品在页面的展示位置。
9.一种生成物品信息的装置,其特征在于,该装置用于权利要求1所述的生成物品信息的方法,包括:计算物品分值模块、计算推广分值模块和生成物品信息模块;其中,
所述计算物品分值模块,用于获取待推广物品的类别,根据所述类别包含物品的特征数据以及所述待推广物品的特征数据,基于反向传播算法模型计算所述待推广物品的基础分值;获取待推广物品的物品提供方的特征,根据所述类别包含物品的特征以及物品提供方的特征,基于分类模型计算所述物品提供方的等级数值;
所述计算推广分值模块,根据所述待推广物品的基础分值以及所述物品提供方的等级数值,确定所述待推广物品的推广分值;
所述生成物品信息模块,基于所述推广分值排序形成对应的待推广物品序列,从所述待推广物品序列中获取设定数量的物品生成相应的物品信息,发送所述物品信息。
10.一种生成物品信息的装置,其特征在于,该装置用于权利要求8所述的生成物品信息的方法,包括:生成页面模块;其中,
所述生成页面模块,用于接收一个或者多个物品信息,所述物品信息包含推广分值;根据所述推广分值,确定对应的物品在页面的展示位置。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010826102.4A CN113743972B (zh) | 2020-08-17 | 2020-08-17 | 一种生成物品信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010826102.4A CN113743972B (zh) | 2020-08-17 | 2020-08-17 | 一种生成物品信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113743972A CN113743972A (zh) | 2021-12-03 |
CN113743972B true CN113743972B (zh) | 2024-06-18 |
Family
ID=78728023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010826102.4A Active CN113743972B (zh) | 2020-08-17 | 2020-08-17 | 一种生成物品信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743972B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103487A (zh) * | 2017-03-02 | 2017-08-29 | 浙江兰德纵横网络技术股份有限公司 | 一种基于大数据的广告推送方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876422B (zh) * | 2017-05-09 | 2022-08-12 | 北京京东尚科信息技术有限公司 | 用于信息推广的方法、装置、电子设备及计算机可读介质 |
CN107256494B (zh) * | 2017-05-18 | 2020-10-27 | 深圳大学 | 一种物品推荐方法及装置 |
CN109167816B (zh) * | 2018-08-03 | 2021-11-16 | 广州虎牙信息科技有限公司 | 信息推送方法、装置、设备和存储介质 |
CN109003146B (zh) * | 2018-08-31 | 2022-07-29 | 百度在线网络技术(北京)有限公司 | 业务数据推广方法、装置、终端和计算机可读存储介质 |
CN111325587A (zh) * | 2018-12-13 | 2020-06-23 | 北京京东尚科信息技术有限公司 | 用于生成信息的方法和装置 |
CN110704727A (zh) * | 2019-08-30 | 2020-01-17 | 中国平安人寿保险股份有限公司 | 信息推送方法、装置和计算机设备 |
CN111192108A (zh) * | 2019-12-16 | 2020-05-22 | 北京淇瑀信息科技有限公司 | 一种用于产品推荐的排序方法、装置和电子设备 |
-
2020
- 2020-08-17 CN CN202010826102.4A patent/CN113743972B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103487A (zh) * | 2017-03-02 | 2017-08-29 | 浙江兰德纵横网络技术股份有限公司 | 一种基于大数据的广告推送方法 |
Non-Patent Citations (1)
Title |
---|
信息推送方法及信息推送***企业知识产权分析;任燕;王彪;;电脑知识与技术(02);第281-283页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113743972A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363604B (zh) | 页面生成方法和装置 | |
CN107463675B (zh) | 数据处理方法及其*** | |
CN113095893A (zh) | 确定物品销量的方法和装置 | |
CN113627846A (zh) | 一种库存调整方法、装置、电子设备及计算机可读介质 | |
CN108595448A (zh) | 信息推送方法和装置 | |
CN109711917A (zh) | 信息推送方法和装置 | |
CN111612385B (zh) | 一种对待配送物品进行聚类的方法和装置 | |
CN113763019A (zh) | 一种用户信息管理方法和装置 | |
CN110866625A (zh) | 促销指标信息生成方法和装置 | |
CN114663015A (zh) | 补货方法和装置 | |
CN112749323A (zh) | 一种构建用户画像的方法和装置 | |
CN114493786A (zh) | 一种信息推荐方法及装置 | |
CN109474884B (zh) | 数据处理方法及其*** | |
CN109255563A (zh) | 物品的储位区域的确定方法和装置 | |
CN112308477A (zh) | 库存定位方法和装置 | |
CN113743972B (zh) | 一种生成物品信息的方法和装置 | |
CN107357847B (zh) | 数据处理方法及其装置 | |
CN112784861A (zh) | 相似度的确定方法、装置、电子设备和存储介质 | |
CN113313542B (zh) | 一种推送频道页面的方法和装置 | |
CN110880119A (zh) | 一种数据处理方法和装置 | |
CN110827102A (zh) | 用于调货比价的方法和装置 | |
CN115099865A (zh) | 一种数据处理方法和装置 | |
CN110084541B (zh) | 用于预测供应商送货时长的方法和装置 | |
CN112418898A (zh) | 基于多时间窗口融合的物品需求数据分析方法和装置 | |
CN113256362A (zh) | 用于输出信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |