商品选择方法及装置、电子设备、存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115034864A(43)申请公布日2022.09.09(21)申请号202210771357.4(22)申请日2022.06.30(71)申请人拉扎斯网络科技（上海）有限公司地址200333上海市普陀区真北路788号507室(72)发明人姬建业何恒旭郏夹胡宁王寄予梁达理张玮宇(74)专利代理机构北京博思佳知识产权代理有限公司11415专利代理师李威(51)Int.Cl.G06Q30/06(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书13页附图5页(54)发明名称商品选择方法及装置、电子设备、存储介质(57)摘要本说明书提供一种商品选择方法及装置、电子设备、存储介质，所述方法包括：获取待训练样本集，所述待训练样本集中包含由样本商圈的商圈特征与样本商品的商品特征构成的特征组合，且每组特征组合添加有训练标签，所述训练标签用于表征相应样本商品在相应样本商圈中的历史数据是否满足预定义的商品选择条件；基于所述待训练样本集对已构建的神经网络模型进行训练，生成相应的商品评价模型，所述商品评价模型用于预测目标商品在目标商圈内是否满足所述商品选择条件。CN115034864ACN115034864A权利要求书1/2页1.一种商品选择方法，其特征在于，所述方法包括：获取待训练样本集，所述待训练样本集中包含由样本商圈的商圈特征与样本商品的商品特征构成的特征组合，且每组特征组合添加有训练标签，所述训练标签用于表征相应样本商品在相应样本商圈中的历史数据是否满足预定义的商品选择条件；基于所述待训练样本集对已构建的神经网络模型进行训练，生成相应的商品评价模型，所述商品评价模型用于预测目标商品在目标商圈内是否满足所述商品选择条件。2.根据权利要求1所述的方法，其特征在于，任一商圈的商圈特征的生成过程包括：聚合所述任一商圈内所有用户的用户特征，并将生成的商圈内聚合用户特征作为所述任一商圈的商圈特征；或者，融合所述任一商圈的商圈内聚合用户特征和来自与所述任一商圈相关联的其他商圈的外部商圈特征，并将生成的融合后特征作为所述任一商圈的商圈特征。3.根据权利要求2所述的方法，其特征在于，所述聚合所述任一商圈内所有用户的用户特征，包括：基于预设维度将所述任一商圈内所有用户的用户特征划分为多组用户特征；分别聚合每组用户特征，获得对应的初始聚合用户特征；聚合所有的初始聚合用户特征，获得所述商圈内聚合用户特征。4.一种商品选择方法，其特征在于，所述方法包括：获取模型输入特征，所述模型输入特征包含目标商圈的商圈特征与目标商品的商品特征的组合；将所述模型输入特征输入预先训练生成的商品评价模型，并根据所述商品评价模型的输出结果确定所述目标商品是否满足预定义的商品选择条件。5.根据权利要求4所述的方法，其特征在于，还包括：聚合所述目标商圈内所有用户的用户特征，并将生成的商圈内聚合用户特征作为所述目标商圈的商圈特征；或者，融合所述目标商圈的商圈内聚合用户特征和来自与所述目标商圈相关联的其他商圈的外部商圈特征，并将生成的融合后特征作为所述目标商圈的商圈特征。6.根据权利要求5所述的方法，其特征在于，所述聚合所述目标商圈内所有用户的用户特征，包括：基于预设维度将所述目标商圈内所有用户的用户特征划分为多组用户特征；分别聚合每组用户特征，获得对应的初始聚合用户特征；聚合所有的初始聚合用户特征，获得所述商圈内聚合用户特征。7.一种商品选择装置，其特征在于，所述装置包括：待训练样本集合获取单元，用于获取待训练样本集，所述待训练样本集中包含由样本商圈的商圈特征与样本商品的商品特征构成的特征组合，且每组特征组合添加有训练标签，所述训练标签用于表征相应样本商品在相应样本商圈中的历史数据是否满足预定义的商品选择条件；模型训练单元，用于基于所述待训练样本集对已构建的神经网络模型进行训练，生成相应的商品评价模型，所述商品评价模型用于预测目标商品在目标商圈内是否满足所述商品选择条件。2CN115034864A权利要求书2/2页8.一种商品选择装置，其特征在于，所述装置包括：模型输入特征获取单元，用于获取模型输入特征，所述模型输入特征包含目标商圈的商圈特征与目标商品的商品特征的组合；商品选择单元，用于将所述模型输入特征输入预先训练生成的商品评价模型，并根据所述商品评价模型的输出结果确定所述目标商品是否满足预定义的商品选择条件。9.一种计算机可读存储介质，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1～6任一所述方法的步骤。10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～6任