CN111784091B - 用于处理信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于处理信息的方法和装置。该方法的一具体实施方式包括：获取用于对目标对象进行评分的相关特征信息，其中，相关特征信息包括目标物品的物品特征信息和/或目标用户的用户特征信息，目标物品包括目标对象在群组中所推荐的物品，目标用户包括与目标对象在同一群组中的用户和/或对目标对象进行评价的用户；将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数；基于目标分数，对目标对象的对象标识进行处理。该实施方式可以更准确地确定出目标对象的分数，从而可以更有针对性地对目标对象的对象标识进行处理。

Description

用于处理信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于处理信息的方法和装置。

背景技术

随着大数据和互联网的发展，社区团购在经济活动中扮演着越来越重要的角色。社区团购是网络团购的一种新形态，是一种在虚拟社区中团长组织消费者以低价购买商品的方式。社区团购一方面提供了一些聚合的消费者，另一方面可以实现用户之间的协同互助。在社区团购过程中，团长起着非常重要的作用，因此，对团长的服务质量进行评估是一件有意义的事情。

发明内容

本申请实施例提出了用于处理信息的方法和装置。

第一方面，本申请实施例提供了一种用于处理信息的方法，包括：获取用于对目标对象进行评分的相关特征信息，其中，相关特征信息包括目标物品的物品特征信息和/或目标用户的用户特征信息，目标物品包括目标对象在群组中所推荐的物品，目标用户包括与目标对象在同一群组中的用户和/或对目标对象进行评价的用户；将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数；基于目标分数，对目标对象的对象标识进行处理。

在一些实施例中，该方法还包括：响应于接收到呈现有目标物品的物品图像，基于物品图像，生成评价链接，以及推送评价链接；接收用户针对物品图像所呈现的目标物品的评价信息作为用户特征信息，其中，评价信息是用户在评价链接所指示的页面中进行评价操作所生成的。

在一些实施例中，目标物品的物品特征信息包括以下至少一项：目标物品对应的被浏览次数、目标物品对应的被点击次数、目标物品对应的被关注次数、目标物品的物品信息被添加到目标物品信息集合中的次数以及目标物品的价格。

在一些实施例中，相关特征信息包括至少一个物品标识，至少一个物品标识包括目标物品的物品标识和/或目标用户所评价的物品的物品标识，至少一个物品标识属于至少一个物品标识集合，至少一个物品标识集合中的每个物品标识集合对应预先训练的评分模型；以及在将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数之前，该方法还包括：针对至少一个物品标识集合中的每个物品标识集合，确定至少一个物品标识中属于该物品标识集合的物品标识的数量；将对应于最大数量的物品标识集合所对应的预先训练的评分模型确定为目标评分模型。

在一些实施例中，对应于最大数量的物品标识集合对应于至少两个预先训练的评分模型；以及将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数，包括：针对确定出的至少两个目标评分模型中的每个目标评分模型，将相关特征信息输入到该目标评分模型中，得到目标对象的初始分数；基于至少两个目标评分模型中的各个目标评分模型所输出的初始分数，确定目标对象的目标分数。

在一些实施例中，基于目标分数，对目标对象的对象标识进行处理，包括：响应于确定出目标分数大于预设的第一分数阈值，将与目标分数对应的优惠信息添加到对象标识关联的账户中。

在一些实施例中，基于目标分数，对目标对象的对象标识进行处理，包括：响应于确定出目标分数小于预设的第二分数阈值，将目标对象的对象标识添加到预设对象标识集合中。

第二方面，本申请实施例提供了一种用于处理信息的装置，包括：获取单元，被配置成获取用于对目标对象进行评分的相关特征信息，其中，相关特征信息包括目标物品的物品特征信息和/或目标用户的用户特征信息，目标物品包括目标对象在群组中所推荐的物品，目标用户包括与目标对象在同一群组中的用户和/或对目标对象进行评价的用户；输入单元，被配置成将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数；处理单元，被配置成基于目标分数，对目标对象的对象标识进行处理。

在一些实施例中，该装置还包括：推送单元，被配置成响应于接收到呈现有目标物品的物品图像，基于物品图像，生成评价链接，以及推送评价链接；接收单元，被配置成接收用户针对物品图像所呈现的目标物品的评价信息作为用户特征信息，其中，评价信息是用户在评价链接所指示的页面中进行评价操作所生成的。

在一些实施例中，目标物品的物品特征信息包括以下至少一项：目标物品对应的被浏览次数、目标物品对应的被点击次数、目标物品对应的被关注次数、目标物品的物品信息被添加到目标物品信息集合中的次数以及目标物品的价格。

在一些实施例中，相关特征信息包括至少一个物品标识，至少一个物品标识包括目标物品的物品标识和/或目标用户所评价的物品的物品标识，至少一个物品标识属于至少一个物品标识集合，至少一个物品标识集合中的每个物品标识集合对应预先训练的评分模型；以及该装置还包括：第一确定单元，被配置成针对至少一个物品标识集合中的每个物品标识集合，确定至少一个物品标识中属于该物品标识集合的物品标识的数量；第二确定单元，被配置成将对应于最大数量的物品标识集合所对应的预先训练的评分模型确定为目标评分模型。

在一些实施例中，对应于最大数量的物品标识集合对应于至少两个预先训练的评分模型；以及输入单元进一步被配置成按照如下方式将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数：针对确定出的至少两个目标评分模型中的每个目标评分模型，将相关特征信息输入到该目标评分模型中，得到目标对象的初始分数；基于至少两个目标评分模型中的各个目标评分模型所输出的初始分数，确定目标对象的目标分数。

在一些实施例中，处理单元进一步被配置成按照如下方式基于目标分数，对目标对象的对象标识进行处理：响应于确定出目标分数大于预设的第一分数阈值，将与目标分数对应的优惠信息添加到对象标识关联的账户中。

在一些实施例中，处理单元进一步被配置成按照如下方式基于目标分数，对目标对象的对象标识进行处理：响应于确定出目标分数小于预设的第二分数阈值，将目标对象的对象标识添加到预设对象标识集合中。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请的上述实施例提供的用于处理信息的方法和装置，通过首先获取用于对目标对象进行评分的相关特征信息；之后，将上述相关特征信息输入到预先训练的目标评分模型中，得到上述目标对象的目标分数；最后，基于上述目标分数，对上述目标对象的对象标识进行处理。通过这种方式可以更准确地确定出目标对象的分数，从而可以更有针对性地对目标对象的对象标识进行处理。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的各个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于处理信息的方法的一个实施例的流程图；

图3是根据本申请的用于处理信息的方法的一个应用场景的示意图；

图4是根据本申请的用于处理信息的方法的又一个实施例的流程图；

图5是根据本申请的用于处理信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于处理信息的方法的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备1011、1012、1013，网络102和服务器103。网络102用以在终端设备1011、1012、1013和服务器103之间提供通信链路的介质。网络102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1011、1012、1013通过网络102与服务器103交互，以发送或接收消息等，例如，终端设备1011、1012、1013可以将用户对上述目标对象的评价信息等用于对目标对象进行评分的相关特征信息发送给服务器103。终端设备1011、1012、1013上可以安装有各种通讯客户端应用，例如购物类应用、即时通讯软件、图像处理类应用等。

终端设备1011、1012、1013可以是硬件，也可以是软件。当终端设备1011、1012、1013为硬件时，可以是具有扬声器并且支持信息交互的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机等。当终端设备1011、1012、1013为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器103可以是提供各种服务的服务器。例如，可以对终端设备1011、1012、1013发送的用户对上述目标对象的评价信息等用于对目标对象进行评分的相关特征信息进行处理的服务器。服务器103可以首先获取用于对目标对象进行评分的相关特征信息；之后，可以将上述相关特征信息输入到预先训练的目标评分模型中，得到上述目标对象的目标分数；最后，可以基于上述目标分数，对上述目标对象的对象标识进行处理。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于处理信息的方法通常由服务器103执行。

还需要说明的是，服务器103的本地也可以存储有用于对目标对象进行评分的相关特征信息，服务器103可以从本地获取用于对目标对象进行评分的相关特征信息。此时示例性系统架构100可以不存在网络102和终端设备1011、1012、1013。

应该理解，图1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。

继续参考图2，示出了根据本申请的用于处理信息的方法的一个实施例的流程200。该用于处理信息的方法，包括以下步骤：

步骤201，获取用于对目标对象进行评分的相关特征信息。

在本实施例中，用于处理信息的方法的执行主体(例如图1所示的服务器)可以获取用于对目标对象进行评分的相关特征信息。上述目标对象可以是群组中向群成员进行物品推荐的用户，例如，可以是群组中的管理者。

在本实施例中，上述相关特征信息可以包括目标物品的物品特征信息和/或目标用户的用户特征信息。上述目标物品可以包括上述目标对象在群组中所推荐的物品。目标物品的物品特征信息可以包括但不限于以下至少一项：目标物品被用户所购买的次数和目标物品所属类别。上述目标用户可以包括与上述目标对象在同一群组中的用户和/或对上述目标对象进行评价的用户。目标用户的用户特征信息可以包括但不限于以下至少一项：用户对上述目标对象的评价信息和用户在群组中的活跃程度。用户可以以星级评价或文字评价的方式生成物品的评价信息。在这里，上述评价信息可以是用户在群组中所发送的，也可以是用户在预设平台所发布的。上述评价信息可以包括但不限于以下至少一项：用户对物品价格的评价信息、用户对物品品质的评价信息以及对推荐物品的上述目标对象的评价信息。用户在群组中的活跃程度可以包括上述目标对象在群组中进行物品推荐之后的预设时间段(例如，20分钟)内用户所发送的信息的条数。

在本实施例中，上述执行主体可以对获取到的相关特征信息进行过滤以删除获取到的相关特征信息中的敏感数据。作为示例，上述执行主体中可以存储有敏感数据表，上述执行主体可以确定获取到的相关特征信息中是否有存在于上述敏感数据表中的数据，若是，则将存在于上述敏感数据表中的数据过滤掉。

在本实施例中，上述执行主体还可以对获取到的相关特征信息执行如下处理：截断处理和/或缺失值处理。对于连续型数值特征，可以在保留重要信息的前提下对特征信息进行截断。缺失值处理可以包括两种方式：第一种是补一个值，比如补一个均值或者中位数，第二种是将缺失作为一种信息进行编码反馈给模型让其进行学习。

步骤202，将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数。

在本实施例中，上述执行主体可以将在步骤201中获取到的相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数。在这里，目标评分模型可以用于表征用于对对象进行评分的相关特征信息与对象的目标分数之间的对应关系，电子设备可以通过多种方式训练出可以表征用于对对象进行评分的相关特征信息与对象的目标分数之间的对应关系的目标评分模型。上述目标分数可以处于0至1之间，也可以处于0至10之间，还可以处于0至100之间。上述目标分数也可以表征为分数等级，例如，A级、B级、C级、D级和E级。

作为一种示例，目标评分模型可以是技术人员基于对大量的用于对对象进行评分的相关特征信息和对应的对象的目标分数进行统计而预先制定的、存储有多个用于对对象进行评分的相关特征信息与对象的目标分数的对应关系的对应关系表。目标评分模型也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、对相关特征信息中的一个或多个数值进行数值计算以得到对象的目标分数的计算公式，例如，该计算公式可以是将目标物品被用户所购买的次数与对象在群组中进行物品推荐之后的预设时间段内用户所发送的信息的条数之和乘以预设系数的公式，得到的乘积可以用于表征对象的目标分数。需要说明的是，上述预设系数可以用于将所得到的乘积调整到预设分数段内，例如，调整到0至100的分数段内，或者调整到0至10的分数段内。

作为另一种示例，上述目标评分模型可以是上述执行主体或者其他用于训练上述目标评分模型的执行主体通过以下方式训练得到：

步骤S1，可以获取样本集，其中，样本可以包括用于对对象进行评分的相关特征信息，以及与相关特征信息对应的对象的目标分数。

步骤S2，可以将上述样本集中的每个用于对对象进行评分的相关特征信息作为输入，将上述样本集中的每个用于对对象进行评分的相关特征信息所对应的对象的目标分数作为输出，对初始模型进行训练得到目标评分模型。这样，可以将用于对对象进行评分的相关特征信息从初始模型的输入侧输入，经过初始模型中的各层的参数的处理，并从初始模型的输出侧输出，输出侧输出的信息即为对象的目标分数。

在这里，上述初始模型可以为逻辑回归模型(Logistic Regression，LR)、因式分解机(Factorization Machine，FM)、梯度提升树(Gradient Boosting Decision Tree，GBDT)和深度神经网络(Deep Neural Network，DNN)。逻辑回归模型是一种广义线性模型，通过对数概率函数将线性函数的结果进行映射，使得目标函数的取值空间映射到(0,1)。因式分解机可以自动做特征组合，以处理高维稀疏特征。梯度提升树是一种基于回归树的集成学习方法，它通过构造多个弱的回归树作为基学习器，并把这些树的结果累加起来作为最终的预测输出，在训练时采用前向分布算法，首先确定第一棵树拟合的值，然后基于之前所有树的误差来更新训练下一棵树，一步一步迭代下去，直到整个模型构建好。

步骤203，基于目标分数，对目标对象的对象标识进行处理。

在本实施例中，上述执行主体可以基于上述目标分数，对上述目标对象的对象标识进行处理。具体地，上述执行主体可以首先确定上述目标分数是否大于预设的第三分数阈值。上述第三分数阈值可以根据上述目标分数的分数范围进行设定，例如，可以是上述目标分数的分数范围中最大分数与预设第三比例的乘积。在这里，假设上述预设第三比例为0.9，若上述目标分数的分数范围为0至1，则上述第三分数阈值可以为0.9；若上述目标分数的分数范围为0至10，则上述第三分数阈值可以为9。若确定出上述目标分数大于上述第三分数阈值，则上述执行主体可以将上述对象标识添加到目标对象标识集合中。上述目标对象标识集合中的目标对象标识所指示的对象具有预设权限，例如，可以优先对所推荐的物品进行选取的权限。

在本实施例的一些可选的实现方式中，上述执行主体可以确定是否接收到呈现有目标物品的物品图像。用户可以对所购买的目标物品进行图像拍摄，并将拍摄的呈现有目标物品的物品图像发送到上述执行主体上。若上述执行主体接收到呈现有目标物品的物品图像，则可以基于上述物品图像，生成评价链接。具体地，可以生成包含上述物品图像的页面，之后生成与上述页面对应的评价链接。用户在用户终端点击评价链接之后，上述用户终端可以呈现有包含上述物品图像的页面，用户可以在上述页面中对物品图像所呈现的目标物品进行评价。而后，上述执行主体可以推送上述评价链接。响应于检测到用户对预设图标的点击操作，上述执行主体可以向执行点击操作的用户的用户终端推送上述评价链接。上述图标可以为用于呈现上述评价链接的图标。上述执行主体可以接收用户针对上述物品图像所呈现的目标物品的评价信息作为用户特征信息。上述评价信息可以是用户在上述评价链接所指示的页面中进行评价操作所生成的。

在本实施例的一些可选的实现方式中，目标物品的物品特征信息可以包括以下至少一项：目标物品对应的被浏览次数、目标物品对应的被点击次数、目标物品对应的被关注次数、目标物品的物品信息被添加到目标物品信息集合中的次数以及目标物品的价格。目标物品对应的被浏览次数可以包括目标物品所对应的物品描述页面被用户所浏览的次数。目标物品对应的被点击次数可以包括用于跳转到目标物品的物品描述页面的页面链接被用户所点击的次数。目标物品对应的被关注次数可以包括目标物品的物品标识被用户添加到关组列表或者收藏列表中的次数。目标物品的物品信息被添加到目标物品信息集合中的次数可以包括目标物品的物品信息被用户添加到购物车中的次数。目标物品的价格可以包括目标物品在预设时间段内的价格。预设时间段可以为一年、六个月等。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式基于上述目标分数，对上述目标对象的对象标识进行处理：上述执行主体可以首先确定上述目标分数是否大于预设的第一分数阈值。上述第一分数阈值可以根据上述目标分数的分数范围进行设定，例如，可以是上述目标分数的分数范围中最大分数与预设第一比例的乘积。在这里，假设上述预设第一比例为0.8，若上述目标分数的分数范围为0至1，则上述第一分数阈值可以为0.8；若上述目标分数的分数范围为0至10，则上述第一分数阈值可以为8。若确定出上述目标分数大于上述第一分数阈值，则上述执行主体可以将与上述目标分数对应的优惠信息添加到上述对象标识关联的账户中。优惠信息可以为满减信息，例如，满38元减5元的信息；优惠信息也可以为折扣信息，例如，针对服装类物品，打8折的信息；优惠信息还可以为赠品信息，例如，满88元赠送指定物品的信息。需要说明的是，上述执行主体中可以存储有分数与优惠信息之间的对应关系。上述对象标识所指示的对象可以在其账户中查看所得到的优惠信息。

在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式基于上述目标分数，对上述目标对象的对象标识进行处理：上述执行主体可以首先确定上述目标分数是否小于预设的第二分数阈值。上述第二分数阈值可以根据上述目标分数的分数范围进行设定，例如，可以是上述目标分数的分数范围中最大分数与预设第二比例的乘积。在这里，假设上述预设第二比例为0.3，若上述目标分数的分数范围为0至1，则上述第一分数阈值可以为0.3；若上述目标分数的分数范围为0至10，则上述第一分数阈值可以为3。若确定出上述目标分数小于上述第二分数阈值，则上述执行主体可以将上述目标对象的对象标识添加到预设对象标识集合中。之后，可以将上述对象标识集合推送给目标终端，用户可以在上述目标终端上查看上述对象标识集合，以对上述对象标识集合中的对象标识进行管理，例如，可以对上述对象标识集合中的对象标识所指示的对象进行警告、对上述对象标识集合中的对象标识所指示的对象在未来预设时段内的对象行为进行监控等。

继续参见图3，图3是根据本实施例的用于处理信息的方法的应用场景的一个示意图。在图3的应用场景中，服务器301可以首先获取用于对目标对象进行评分的相关特征信息302。在这里，相关特征信息302可以包括：目标物品被用户所购买的次数为1340次、用户对上述目标对象的评价信息包括回复及时、推荐的物品的性价比高、物品的价格比超市便宜。之后，服务器301可以将上述相关特征信息302输入到预先训练的目标评分模型303中，得到上述目标对象的目标分数304为91分。最后，服务器301可以基于目标分数304，对上述目标对象的对象标识“123”进行处理。在这里，服务器301确定出91大于预设的第三分数阈值90，则服务器301可以将上述对象标识“123”添加到目标对象标识集合中，以使目标对象具有优先对所推荐的物品进行选取的权限。

本申请的上述实施例提供的方法通过将获取到的用于对目标对象进行评分的相关特征信息输入到预先训练的目标评分模型中，得到上述目标对象的目标分数；之后，基于上述目标分数，对上述目标对象的对象标识进行处理。通过这种方式可以更准确地确定出目标对象的分数，从而可以更有针对性地对目标对象的对象标识进行处理。

进一步参考图4，其示出了用于处理信息的方法的又一个实施例的流程400。该用于处理信息的方法的流程400，包括以下步骤：

步骤401，获取用于对目标对象进行评分的相关特征信息。

在本实施例中，用于处理信息的方法的执行主体(例如图1所示的服务器)可以获取用于对目标对象进行评分的相关特征信息。上述目标对象可以是群组中向群成员进行物品推荐的用户，例如，可以是群组中的管理者。上述相关特征信息可以包括目标物品的物品特征信息和/或目标用户的用户特征信息。上述目标物品可以包括上述目标对象在群组中所推荐的物品。目标物品的物品特征信息可以包括但不限于以下至少一项：目标物品被用户所购买的次数和目标物品所属类别。上述目标用户可以包括与上述目标对象在同一群组中的用户和/或对上述目标对象进行评价的用户。目标用户的用户特征信息可以包括但不限于以下至少一项：用户对上述目标对象的评价信息和用户在群组中的活跃程度。用户可以以星级评价或文字评价的方式生成物品的评价信息。在这里，上述评价信息可以是用户在群组中所发送的，也可以是用户在预设平台所发布的。上述评价信息可以包括但不限于以下至少一项：用户对物品价格的评价信息、用户对物品品质的评价信息以及对推荐物品的上述目标对象的评价信息。用户在群组中的活跃程度可以包括上述目标对象在群组中进行物品推荐之后的预设时间段(例如，20分钟)内用户所发送的信息的条数。

在本实施例中，上述相关特征信息可以包括至少一个物品标识。上述至少一个物品标识可以包括上述目标物品的物品标识和/或上述目标用户所评价的物品的物品标识。需要说明的是，若上述目标物品的物品标识与上述目标用户所评价的物品的物品标识中存在相同的物品标识，则可以将相同的物品标识确定为一个物品标识。上述至少一个物品标识属于至少一个物品标识集合。在这里，上述至少一个物品标识集合中每个物品标识集合对应于一个营销活动，例如，“限时秒杀”、“排行榜”和“发现好货”。上述至少一个物品标识集合中的每个物品标识集合对应预先训练的评分模型。由于在不同的营销活动中用户的行为可能是不同的，这会使得获取到的数据特征不相同。针对每个营销活动，将通过该营销活动所生成的数据输入到该营销活动所对应的评分模型中，可以得到更准确的评分结果。

步骤402，针对至少一个物品标识集合中的每个物品标识集合，确定至少一个物品标识中属于该物品标识集合的物品标识的数量。

在本实施例中，针对上述至少一个物品标识集合中的每个物品标识集合，上述执行主体可以确定上述至少一个物品标识中属于该物品标识集合的物品标识的数量。

步骤403，将对应于最大数量的物品标识集合所对应的预先训练的评分模型确定为目标评分模型。

在本实施例中，上述执行主体可以将对应于最大数量的物品标识集合所对应的预先训练的评分模型确定为目标评分模型。作为示例，若属于第一物品标识集合的物品标识的数量为3，属于第二物品标识集合的物品标识的数量为2，属于第三物品标识集合的物品标识的数量为6，则上述执行主体可以将第三物品标识集合所对应的预先训练的评分模型确定为目标评分模型。

步骤404，将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数。

步骤405，基于目标分数，对目标对象的对象标识进行处理。

在本实施例中，步骤404-405可以按照与步骤202-203类似的方式执行，在此不再赘述。

在本实施例的一些可选的实现方式中，若上述对应于最大数量的物品标识集合对应于至少两个预先训练的评分模型，上述执行主体可以通过如下方式将上述相关特征信息输入到预先训练的目标评分模型中，得到上述目标对象的目标分数：针对确定出的至少两个目标评分模型中的每个目标评分模型，上述执行主体可以将上述相关特征信息输入到该目标评分模型中，得到上述目标对象的初始分数。之后，上述执行主体可以基于上述至少两个目标评分模型中的各个目标评分模型所输出的初始分数，确定上述目标对象的目标分数。具体地，当对应的至少两个预先训练的评分模型差异较小时，上述执行主体可以对多个目标评分模型所输出的初始分数进行平均，把平均后的结果作为上述目标对象的目标分数。当对应的至少两个预先训练的评分模型差异较大时，上述执行主体可以基于上述相关特征信息所包括的物品标识与预先训练的评分模型之间的对应关系，确定对应的至少两个预先训练的目标评分模型中每个目标评分模型的权重，对各个目标评分模型所得到的初始分数求取加权平均值作为上述目标对象的目标分数。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于处理信息的方法的流程400体现了确定至少一个物品标识集合中属于每个物品标识集合的物品标识的数量，将对应于最大数量的物品标识集合所对应的评分模型确定为目标评分模型的步骤。由此，本实施例描述的方案可以基于相关特征信息中的物品标识确定目标评分模型，通过这种方式可以进一步提高所确定出的目标对象的分数的准确性。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于处理信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于处理信息的装置500包括：获取单元501、输入单元502和处理单元503。其中，获取单元501被配置成获取用于对目标对象进行评分的相关特征信息，其中，相关特征信息包括目标物品的物品特征信息和/或目标用户的用户特征信息，目标物品包括目标对象在群组中所推荐的物品，目标用户包括与目标对象在同一群组中的用户和/或对目标对象进行评价的用户；输入单元502被配置成将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数；处理单元503被配置成基于目标分数，对目标对象的对象标识进行处理。

在本实施例中，用于处理信息的装置500的获取单元501、输入单元502和处理单元503的具体处理可以参考图2对应实施例中的步骤201、步骤202和步骤203。

在本实施例的一些可选的实现方式中，用于处理信息的装置500可以包括推送单元(图中未示出)和接收单元(图中未示出)。上述推送单元可以确定是否接收到呈现有目标物品的物品图像。若上述推送单元接收到呈现有目标物品的物品图像，则可以基于上述物品图像，生成评价链接。具体地，可以生成包含上述物品图像的页面，之后生成与上述页面对应的评价链接。用户在用户终端点击评价链接之后，上述用户终端可以呈现有包含上述物品图像的页面，用户可以在上述页面中对物品图像所呈现的目标物品进行评价。而后，上述推送单元可以推送上述评价链接。响应于检测到用户对预设图标的点击操作，上述推送单元可以向执行点击操作的用户的用户终端推送上述评价链接。上述图标可以为用于呈现上述评价链接的图标。上述接收单元可以接收用户针对上述物品图像所呈现的目标物品的评价信息作为用户特征信息。上述评价信息可以是用户在上述评价链接所指示的页面中进行评价操作所生成的。

在本实施例的一些可选的实现方式中，目标物品的物品特征信息可以包括以下至少一项：目标物品对应的被浏览次数、目标物品对应的被点击次数、目标物品对应的被关注次数、目标物品的物品信息被添加到目标物品信息集合中的次数以及目标物品的价格。目标物品对应的被浏览次数可以包括目标物品所对应的物品描述页面被用户所浏览的次数。目标物品对应的被点击次数可以包括用于跳转到目标物品的物品描述页面的页面链接被用户所点击的次数。目标物品对应的被关注次数可以包括目标物品的物品标识被用户添加到关组列表或者收藏列表中的次数。目标物品的物品信息被添加到目标物品信息集合中的次数可以包括目标物品的物品信息被用户添加到购物车中的次数。目标物品的价格可以包括目标物品在预设时间段内的价格。预设时间段可以为一年、六个月等。

在本实施例的一些可选的实现方式中，上述相关特征信息可以包括至少一个物品标识。上述至少一个物品标识可以包括上述目标物品的物品标识和/或上述目标用户所评价的物品的物品标识。需要说明的是，若上述目标物品的物品标识与上述目标用户所评价的物品的物品标识中存在相同的物品标识，则可以将相同的物品标识确定为一个物品标识。上述至少一个物品标识属于至少一个物品标识集合。在这里，上述至少一个物品标识集合中每个物品标识集合对应于一个营销活动，例如，“限时秒杀”、“排行榜”和“发现好货”。上述至少一个物品标识集合中的每个物品标识集合对应预先训练的评分模型。由于在不同的营销活动中用户的行为可能是不同的，这会使得获取到的数据特征不相同。针对每个营销活动，将通过该营销活动所生成的数据输入到该营销活动所对应的评分模型中，可以得到更准确的评分结果。

在本实施例的一些可选的实现方式中，用于处理信息的装置500还可以包括第一确定单元(图中未示出)和第二确定单元(图中未示出)。针对上述至少一个物品标识集合中的每个物品标识集合，上述第一确定单元可以确定上述至少一个物品标识中属于该物品标识集合的物品标识的数量。上述第二确定单元可以将对应于最大数量的物品标识集合所对应的预先训练的评分模型确定为目标评分模型。

在本实施例的一些可选的实现方式中，若上述对应于最大数量的物品标识集合对应于至少两个预先训练的评分模型，上述输入单元502可以通过如下方式将上述相关特征信息输入到预先训练的目标评分模型中，得到上述目标对象的目标分数：针对确定出的至少两个目标评分模型中的每个目标评分模型，上述输入单元502可以将上述相关特征信息输入到该目标评分模型中，得到上述目标对象的初始分数。之后，上述输入单元502可以基于上述至少两个目标评分模型中的各个目标评分模型所输出的初始分数，确定上述目标对象的目标分数。具体地，当对应的至少两个预先训练的评分模型差异较小时，上述输入单元502可以对多个目标评分模型所输出的初始分数进行平均，把平均后的结果作为上述目标对象的目标分数。当对应的至少两个预先训练的评分模型差异较大时，上述输入单元502可以基于上述相关特征信息所包括的物品标识与预先训练的评分模型之间的对应关系，确定对应的至少两个预先训练的目标评分模型中每个目标评分模型的权重，对各个目标评分模型所得到的初始分数求取加权平均值作为上述目标对象的目标分数。

在本实施例的一些可选的实现方式中，上述处理单元503可以通过如下方式基于上述目标分数，对上述目标对象的对象标识进行处理：上述处理单元503可以首先确定上述目标分数是否大于预设的第一分数阈值。上述第一分数阈值可以根据上述目标分数的分数范围进行设定，例如，可以是上述目标分数的分数范围中最大分数与预设第一比例的乘积。在这里，假设上述预设第一比例为0.8，若上述目标分数的分数范围为0至1，则上述第一分数阈值可以为0.8；若上述目标分数的分数范围为0至10，则上述第一分数阈值可以为8。若确定出上述目标分数大于上述第一分数阈值，则上述处理单元503可以将与上述目标分数对应的优惠信息添加到上述对象标识关联的账户中。优惠信息可以为满减信息，例如，满38元减5元的信息；优惠信息也可以为折扣信息，例如，针对服装类物品，打8折的信息；优惠信息还可以为赠品信息，例如，满88元赠送指定物品的信息。需要说明的是，上述处理单元503中可以存储有分数与优惠信息之间的对应关系。上述对象标识所指示的对象可以在其账户中查看所得到的优惠信息。

在本实施例的一些可选的实现方式中，上述处理单元503可以通过如下方式基于上述目标分数，对上述目标对象的对象标识进行处理：上述处理单元503可以首先确定上述目标分数是否小于预设的第二分数阈值。上述第二分数阈值可以根据上述目标分数的分数范围进行设定，例如，可以是上述目标分数的分数范围中最大分数与预设第二比例的乘积。在这里，假设上述预设第二比例为0.3，若上述目标分数的分数范围为0至1，则上述第一分数阈值可以为0.3；若上述目标分数的分数范围为0至10，则上述第一分数阈值可以为3。若确定出上述目标分数小于上述第二分数阈值，则上述处理单元503可以将上述目标对象的对象标识添加到预设对象标识集合中。之后，可以将上述对象标识集合推送给目标终端，用户可以在上述目标终端上查看上述对象标识集合，以对上述对象标识集合中的对象标识进行管理，例如，可以对上述对象标识集合中的对象标识所指示的对象进行警告、对上述对象标识集合中的对象标识所指示的对象在未来预设时段内的对象行为进行监控等。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述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、或半导体的系统、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。在本公开的实施例中，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系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读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，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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该电子设备执行时，使得该电子设备：获取用于对目标对象进行评分的相关特征信息，其中，相关特征信息包括目标物品的物品特征信息和/或目标用户的用户特征信息，目标物品包括目标对象在群组中所推荐的物品，目标用户包括与目标对象在同一群组中的用户和/或对目标对象进行评价的用户；将相关特征信息输入到预先训练的目标评分模型中，得到目标对象的目标分数；基于目标分数，对目标对象的对象标识进行处理。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的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：一种处理器包括获取单元、输入单元和处理单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取用于对目标对象进行评分的相关特征信息的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于处理信息的方法，包括：

获取用于对目标对象进行评分的相关特征信息，其中，所述相关特征信息包括目标物品的物品特征信息和/或目标用户的用户特征信息，所述目标物品包括所述目标对象在群组中所推荐的物品，所述目标用户包括与所述目标对象在同一群组中的用户和/或对所述目标对象进行评价的用户，所述相关特征信息包括至少一个物品标识，所述至少一个物品标识包括所述目标物品的物品标识和/或所述目标用户所评价的物品的物品标识，所述至少一个物品标识属于至少一个物品标识集合，所述至少一个物品标识集合中的每个物品标识集合对应预先训练的评分模型；

针对所述至少一个物品标识集合中的每个物品标识集合，确定所述至少一个物品标识中属于该物品标识集合的物品标识的数量，所述至少一个物品标识集合中每个物品标识集合对应于一个营销活动；

将对应于最大数量的物品标识集合所对应的预先训练的评分模型确定为目标评分模型，所述目标评分模型基于样本集对初始模型进行训练得到；

将所述相关特征信息输入到预先训练的目标评分模型中，得到所述目标对象的目标分数；

基于所述目标分数，对所述目标对象的对象标识进行处理。

2.根据权利要求1所述的方法，其中，所述方法还包括：

响应于接收到呈现有目标物品的物品图像，基于所述物品图像，生成评价链接，以及推送所述评价链接；

接收用户针对所述物品图像所呈现的目标物品的评价信息作为用户特征信息，其中，所述评价信息是用户在所述评价链接所指示的页面中进行评价操作所生成的。

3.根据权利要求1所述的方法，其中，目标物品的物品特征信息包括以下至少一项：目标物品对应的被浏览次数、目标物品对应的被点击次数、目标物品对应的被关注次数、目标物品的物品信息被添加到目标物品信息集合中的次数以及目标物品的价格。

4.根据权利要求1所述的方法，其中，所述对应于最大数量的物品标识集合对应于至少两个预先训练的评分模型；以及

所述将所述相关特征信息输入到预先训练的目标评分模型中，得到所述目标对象的目标分数，包括：

针对确定出的至少两个目标评分模型中的每个目标评分模型，将所述相关特征信息输入到该目标评分模型中，得到所述目标对象的初始分数；

基于所述至少两个目标评分模型中的各个目标评分模型所输出的初始分数，确定所述目标对象的目标分数。

5.根据权利要求1-4之一所述的方法，其中，所述基于所述目标分数，对所述目标对象的对象标识进行处理，包括：

响应于确定出所述目标分数大于预设的第一分数阈值，将与所述目标分数对应的优惠信息添加到所述对象标识关联的账户中。

6.根据权利要求1-4之一所述的方法，其中，所述基于所述目标分数，对所述目标对象的对象标识进行处理，包括：

响应于确定出所述目标分数小于预设的第二分数阈值，将所述目标对象的对象标识添加到预设对象标识集合中。

7.一种用于处理信息的装置，包括：

获取单元，被配置成获取用于对目标对象进行评分的相关特征信息，其中，所述相关特征信息包括目标物品的物品特征信息和/或目标用户的用户特征信息，所述目标物品包括所述目标对象在群组中所推荐的物品，所述目标用户包括与所述目标对象在同一群组中的用户和/或对所述目标对象进行评价的用户，所述相关特征信息包括至少一个物品标识，所述至少一个物品标识包括所述目标物品的物品标识和/或所述目标用户所评价的物品的物品标识，所述至少一个物品标识属于至少一个物品标识集合，所述至少一个物品标识集合中的每个物品标识集合对应预先训练的评分模型；

第一确定单元，被配置成针对所述至少一个物品标识集合中的每个物品标识集合，确定所述至少一个物品标识中属于该物品标识集合的物品标识的数量，所述至少一个物品标识集合中每个物品标识集合对应于一个营销活动；

第二确定单元，被配置成将对应于最大数量的物品标识集合所对应的预先训练的评分模型确定为目标评分模型，所述目标评分模型基于样本集对初始模型进行训练得到；

输入单元，被配置成将所述相关特征信息输入到预先训练的目标评分模型中，得到所述目标对象的目标分数；

处理单元，被配置成基于所述目标分数，对所述目标对象的对象标识进行处理。

8.根据权利要求7所述的装置，其中，所述装置还包括：

推送单元，被配置成响应于接收到呈现有目标物品的物品图像，基于所述物品图像，生成评价链接，以及推送所述评价链接；

接收单元，被配置成接收用户针对所述物品图像所呈现的目标物品的评价信息作为用户特征信息，其中，所述评价信息是用户在所述评价链接所指示的页面中进行评价操作所生成的。

9.根据权利要求7所述的装置，其中，目标物品的物品特征信息包括以下至少一项：目标物品对应的被浏览次数、目标物品对应的被点击次数、目标物品对应的被关注次数、目标物品的物品信息被添加到目标物品信息集合中的次数以及目标物品的价格。

10.根据权利要求7所述的装置，其中，所述对应于最大数量的物品标识集合对应于至少两个预先训练的评分模型；以及

所述输入单元进一步被配置成按照如下方式将所述相关特征信息输入到预先训练的目标评分模型中，得到所述目标对象的目标分数：

针对确定出的至少两个目标评分模型中的每个目标评分模型，将所述相关特征信息输入到该目标评分模型中，得到所述目标对象的初始分数；

基于所述至少两个目标评分模型中的各个目标评分模型所输出的初始分数，确定所述目标对象的目标分数。

11.根据权利要求7-10之一所述的装置，其中，所述处理单元进一步被配置成按照如下方式基于所述目标分数，对所述目标对象的对象标识进行处理：

响应于确定出所述目标分数大于预设的第一分数阈值，将与所述目标分数对应的优惠信息添加到所述对象标识关联的账户中。

12.根据权利要求7-10之一所述的装置，其中，所述处理单元进一步被配置成按照如下方式基于所述目标分数，对所述目标对象的对象标识进行处理：

响应于确定出所述目标分数小于预设的第二分数阈值，将所述目标对象的对象标识添加到预设对象标识集合中。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

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1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。