信息处理方法、装置、存储介质及电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114971699A(43)申请公布日2022.08.30(21)申请号202210528871.5(22)申请日2022.05.16(71)申请人深圳依时货拉拉科技有限公司地址518000广东省深圳市福田区梅林街道梅丰社区梅华路105号多丽工业区科技楼3层307(72)发明人李祥歌赵骥强成仓石立臣(74)专利代理机构深圳瑞天谨诚知识产权代理有限公司44340专利代理师温青玲(51)Int.Cl.G06Q30/02(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图3页(54)发明名称信息处理方法、装置、存储介质及电子设备(57)摘要本申请实施例公开了一种信息处理方法、装置、存储介质及电子设备。该方法包括：获取待预测产品在当前时间周期内的多条媒体评论信息，提取每一媒体评论信息的嵌入特征作为目标预测模型的输入，获取其隐层表征特征。利用稀疏注意力机制对该隐层表征特征进行稀疏处理，并基于处理后的隐层表征特征确定待预测产品在下一时间周期的目标销量。本方案在预测模型中融合了稀疏注意力机制，实现了媒体评论信息流数据中冗余节点的自适应识别、筛选，使得预测模型更加高效地聚焦于有效媒体评论信息，降低冗余、无效评论对模预测型的影响，提升了模型预测效果。CN114971699ACN114971699A权利要求书1/2页1.一种信息处理方法，其特征在于，包括：获取待预测产品在当前时间周期内的多条媒体评论信息；提取每一所述媒体评论信息的嵌入特征；将所述嵌入特征作为目标预测模型的输入，获取所述目标预测模型的隐层表征特征，其中，所述目标预测模型融合了稀疏注意力机制；利用稀疏注意力机制对所述隐层表征特征进行处理，得到处理后的隐层表征特征；基于处理后的隐层表征特征确定所述待预测产品在下一时间周期的目标销量。2.根据权利要求1所述的信息处理方法，其特征在于，所述利用稀疏注意力机制对所述隐层表征特征进行处理，包括：计算所述隐层表征特征的稀疏权重；基于所述稀疏权重对所述隐层表征特征进行加权处理，得到处理后的隐层表征特征。3.根据权利要求1所述的信息处理方法，其特征在于，所述基于处理后的隐层表征特征确定所述待预测产品在下一时间周期的目标销量，包括：将所有处理后的隐层表征特征进行融合，得到融合表征特征；基于所述融合表征特征确定所述待预测产品在下一时间周期的目标销量。4.根据权利要求1所述的信息处理方法，其特征在于，所述提取每一所述媒体评论信息的嵌入特征，包括：将每一所述媒体评论信息作为预训练好的Bert网络的输入，获取所述Bert网络隐含层的输出向量，作为所述媒体评论信息的嵌入特征。5.根据权利要求4所述的信息处理方法，其特征在于，还包括：当所述媒体评论信息为非文本信息时，将所述媒体评论信息转换成文本信息后再输入至所述Bert模型中。6.根据权利要求1‑5任一项所述的信息处理方法，其特征在于，所述获取待预测产品在当前时间周期内的多条媒体评论信息之前，还包括：获取多个不同样本产品在历史时段中指定时间周期的真实销量、及附属的历史媒体评论信息；基于所述历史媒体评论信息和所述真实销量构建训练样本，得到训练样本集合；根据所述训练样本集合对基于稀疏注意力机制的预设预测模型进行训练，得到所述目标预测模型。7.根据权利要求6所述的信息处理方法，其特征在于，所述基于所述历史媒体评论信息和所述真实销量构建训练样本，包括：从附属的历史媒体评论信息中筛选出满足第一条件的目标媒体评论信息；基于同一指定时间周期内的所有目标媒体评论信息与对应的真实销量，生成一条候选样本数据；从生成的候选样本数据中筛选出评论数量满足第二条件的目标样本数据，作为训练样本。8.一种信息处理装置，其特征在于，包括：第一获取单元，用于获取待预测产品在当前时间周期内的多条媒体评论信息；提取单元，用于提取每一所述媒体评论信息的嵌入特征；2CN114971699A权利要求书2/2页第二获取单元，用于将所述嵌入特征作为目标预测模型的输入，获取所述目标预测模型的隐层表征特征，其中，所述目标预测模型融合了稀疏注意力机制；处理单元，用于利用稀疏注意力机制对所述隐层表征特征进行处理，得到处理后的隐层表征特征；预测单元，用于基于处理后的隐层表征特征确定所述待预测产品在下一时间周期的目标销量。9.一种计算机可读存储介质，其特征在于，所述存储介质中存储有多条指令，所述指令适于由处理器加载以执行权利要求1‑7任一项所述的信息处理方法。10.一种电子设备，其特征在于，包括处理器及存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据；所述处理器用于执行权利要求1‑7任一项所述的信息处理方法。3CN1149716