CN111915339A - 数据的处理方法、装置及设备 - Google Patents

Abstract

本发明实施例提供了一种数据的处理方法、装置及设备，方法包括：获取待处理数据，所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；利用语言模型对所述待处理数据进行处理，获得与所述待处理数据相对应的至少一个数据描述信息，其中，所述语言模型用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，并建立语言的规则系统。通过获取待处理数据，并利用语言模型对所述待处理数据进行处理，获得与所述待处理数据相对应的至少一个数据描述信息，有效地实现了在保证数据推销成本的基础上，可以获取比较准确地数据描述信息，同时也保证了对数据的推广或者推销效果，进一步提高该方法的实用性，有利于市场的推广与应用。

Description

数据的处理方法、装置及设备

技术领域

本发明涉及互联网技术领域，尤其涉及一种数据的处理方法、装置及设备。

背景技术

随着科学技术的飞速发展，信息的数字化技术已经逐步向人类生活中的各个领域全面推进，尤其是在电商领域、互联网金融领域、物流领域、云计算领域等领域中，信息的数字化技术应用的更加广泛。

以电商领域为例，电商平台上的数据(例如：数据信息、图像信息、文本信息)在进行发布时,需要填写与数据相对应的数据描述信息,以通过该数据描述信息实现对数据的有效推销。现有技术中，数据描述信息一般是通过专业发布人士进行编辑设计，或者，数据描述信息由用户自己填写。然而，通过专业人士来编辑数据描述信息时，增加了推销或者推广成本；通过用户自己填写数据描述信息时，数据描述信息不够准确，不够吸引用户，从而降低了对数据的推广或者推销效果。

发明内容

本发明实施例提供一种数据的处理方法、装置及设备，可以在保证数据推销成本的基础上，获取比较准确地数据描述信息，从而提高了对数据的推广或者推销效果。

第一方面，本发明实施例提供一种数据的处理方法，包括：

获取待处理数据，所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

利用语言模型对所述待处理数据进行处理，获得与所述待处理数据相对应的至少一个数据描述信息，其中，所述语言模型用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，并建立语言的规则系统。

第二方面，本发明实施例提供一种数据的处理装置，包括：

获取模块，用于获取待处理数据，所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

处理模块，用于利用语言模型对所述待处理数据进行处理，获得与所述待处理数据相对应的至少一个数据描述信息，其中，所述语言模型用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，并建立语言的规则系统。

第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现上述第一方面中的一种数据的处理方法。

第四方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第一方面中的一种数据的处理方法。

通过获取待处理数据，并利用语言模型对所述待处理数据进行处理，获得与所述待处理数据相对应的至少一个数据描述信息，有效地实现了在保证数据推销成本的基础上，可以获取比较准确地数据描述信息，同时也保证了对数据的推广或者推销效果，进一步提高该方法的实用性，有利于市场的推广与应用。

第五方面，本发明实施例提供一种数据的处理方法，包括：

确定语言模型；

将包括有待处理对象以及与所述待处理对象所对应的待处理数据输入所述语言模型,获得与所述待处理对象相对应的至少一个宣传描述信息,所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

其中,所述语言模型包括回归估计子算法和规则推理子算法,所述回归估计子算法用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，获得元素关系结果；所述规则推理子算法用于建立语言的规则系统,所述规则系统用于对所述元素关系结果进行分析处理,以确定所述语言模型的输出数据。

第六方面，本发明实施例提供一种数据的处理装置，包括：

确定模块，用于确定语言模型；

输入模块，用于将包括有待处理对象以及与所述待处理对象所对应的待处理数据输入所述语言模型,获得与所述待处理对象相对应的至少一个宣传描述信息,所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

其中,所述语言模型包括回归估计子算法和规则推理子算法,所述回归估计子算法用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，获得元素关系结果；所述规则推理子算法用于建立语言的规则系统,所述规则系统用于对所述元素关系结果进行分析处理,以确定所述语言模型的输出数据。

第七方面，本发明实施例提供一种电子设备，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如上述第五方面所述的数据的处理方法。

第八方面，本发明实施例提供了一种计算机存储介质，用于储存计算机程序，所述计算机程序使计算机执行时实现上述第五方面所述的数据的处理方法。

通过确定语言模型，将包括有待处理对象以及与所述待处理对象所对应的待处理数据输入所述语言模型,而后利用语言模型对数据信息进行处理，获得与所述待处理对象相对应的至少一个宣传描述信息，该宣传描述信息可以用于对待处理对象进行推广宣传，有效地实现了在保证数据推销成本的基础上，可以获取比较准确地宣传描述信息，保证了对待处理对象的推广或者推销效果，进一步提高该方法的实用性，有利于市场的推广与应用。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1a为本发明实施例提供的一种应用数据的处理方法的系统结构示意图；

图1为本发明实施例提供的一种数据的处理方法的流程图一；

图2为本发明实施例提供的一数据描述信息的界面示意图；

图3为本发明实施例提供的一种数据的处理方法的流程图二；

图4为本发明实施例提供的一种数据的处理方法的流程图三；

图5为本发明实施例提供的一种数据的处理方法的流程图四；

图6为本发明实施例提供的另一种数据的处理方法的流程图；

图7为本发明应用实施例提供的一种数据的处理方法的流程图一；

图8为本发明应用实施例提供的一种数据的处理方法的流程图二；

图9为本发明应用实施例提供的一种数据的处理方法的流程图三；

图10为本发明实施例提供的一种数据的处理装置的结构示意图；

图11为与图10所示实施例提供的数据的处理装置对应的电子设备的结构示意图；

图12为本发明实施例提供的另一种数据的处理装置的结构示意图；

图13为与图12所示实施例提供的数据的处理装置对应的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。

另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。

术语定义：

语言模型是根据语言客观事实而进行的语言抽象数学建模，是一种对应关系；语言模型与语言客观事实之间的关系，如同数学上的抽象直线与具体直线之间的关系。语言模型主要有三种类型：生成性模型、分析性模型和辨识性模型；具体的，生成性模型是从一个形式语言系统出发，生成语言的某一集合，如N.乔姆斯基的形式语言理论和转换语法。分析性模型是从语言的某一集合开始，根据对这个集合中各个元素的性质的分析，阐明这些元素之间的关系，并在此基础上用演绎的方法建立语言的规则系统，如苏联数学家O.C.库拉金娜和罗马尼亚数学家S.马尔库斯用集合论方法提出的语言模型。在生成性模型和分析性模型的基础上，把二者结合起来，便产生了一种很有实用价值的模型，即辨识性模型。辨识性模型可以从语言元素的某一集合及规则系统出发，通过有限步骤的运算，确定这些元素是某些词语还是语言中合格的句子。如Y.巴尔-希列尔用数理逻辑方法提出的句法类型演算模型。

为了便于理解本申请的技术方案，以电商领域为例，对现有技术进行简要说明：

现有技术中，可以根据用户提供的少许信息(图片和文字等等)自动生成相关的商品信息描述逐渐引起了行业的注意，例如，可以利用波尔兹曼机(VAE,Boltzmann Machine)生成技术对数据进行处理，获得商品信息描述；随后，波尔兹曼机生成技术被对抗式生成技术(Generative Adversarial Networks，简称GAN)所代替。然而，在利用GAN技术对数据进行分析时，存在以下问题：

1)GAN技术用在图像风格转移已经有较好效果，比如：针对Image-to-image的Pix2Pix GAN和Cycle GAN，但是，GAN技术在对视频数据的处理技术尚未成熟；

2)单独的GAN技术对文字生成的效果有限，但是，与强化学习算法结合后，比如：Seq GAN取得了不错的效果，因此，如何训练GAN产生准确、丰富、多样、个性化的商品描述是一个极大挑战；

3)综合多模态信息(图片、视频、文字)自动生成一系列相关的商品描述信息(海报、主图、标题、描述)，同时考虑买家的属性做个性化生成，考虑季节做相关推荐是一个难题。

为了解决上述技术问题，参考附图1a所示，本实施例提供了一种可以实现数据处理方法的数据处理系统，该数据处理系统包括用户终端01和与用户终端01通信连接的处理装置02，其中，该用户终端01可以是手机、平板电脑、个人电脑等各种电子设备，而处理装置02可以实现为软件、或者软件和硬件的组合。另外，用户终端01和处理装置02可以为建立在局域网上的客户端/服务器CS架构；或者，用户终端01和处理装置02也可以为建立在广域网上的浏览器/服务器BS架构，本领域技术人员可以根据具体的应用场景来选择不同的实现方式。具体的：

用户终端01，用于检测用户输入的执行操作，并基于执行操作生成待处理请求，该待处理请求中可以包括待处理数据，其中，待处理数据可以包括以下至少之一：文本信息、图片信息、视频信息。在用户终端01获取到用户输入的待处理请求之后,可以将待处理请求发送至处理装置02。

其中，用户终端01上可以设置有与处理装置02相对应的应用程序或者应用网址，用户通过应用程序或者应用网址可以实现将所输入的待处理请求发送至处理装置02；举例来说，在用户想要进行数据的预测处理时，可以通过应用程序中的数据输入端口输入待处理请求，在用户终端01获取上述的待处理请求之后，可以将待处理请求发送至处理装置02进行处理。

处理装置02，与用户终端01通信连接，用于接收用户终端01发送的待处理请求,在接收到待处理请求之后，可以利用语言模型对待处理数据进行处理，获得与待处理数据相对应的至少一个数据描述信息，此时的数据描述信息包括以下至少之一：图像信息、标题、数据描述文本、数据描述视频。

本实施例中，在获得待处理请求之后，可以通过待处理请求获取相对应的待处理数据，而后利用语言模型对待处理数据进行处理，获得与待处理数据相对应的至少一个数据描述信息，从而可以自动地根据待处理数据中所包括的信息来生成数据描述信息，有效地实现了在保证商品推销成本的基础上，获取比较准确地商品描述信息，从而提高对商品的推广或者推销效果，满足了用户的使用需求，进而提高了该方法的实用性，有利于市场的推广与应用。

为了便于了解本实施例中的技术方案，下面对数据的处理过程进行详细说明，参考附图1所示，本实施例提供了一种数据的处理方法，该处理方法的执行主体为数据的处理装置，该处理装置可以实现为软件、或者软件和硬件的组合。具体的，该方法可以包括：

S101：获取待处理数据，待处理数据包括以下至少之一：文本信息、图片信息、视频信息。

其中，视频信息中可以包括图片信息和文本信息。而本实施例对于获取待处理数据的具体实现方式不做限定，本领域技术人员可以根据具体的使用需求进行设置，例如：待处理数据可以存储在预设区域内，通过访问预设区域可以获取到待处理数据。或者，待处理数据也可以是存储在其他设备端(例如：用户终端)内，通过与设备端的通信连接来获取到存储至设备端内的待处理数据，具体的，一种可实现的方式为：可以向设备端发送数据获取请求，使得设备端可以基于数据请求返回待处理数据；或者，另一种可实现的方式为：设备端可以主动将待处理数据发送至处理装置，从而使得处理装置可以主动地获取待处理数据。

可以理解的是，在设备端为用户终端时，在用户终端获取到待处理数据之后，较为优选的，用户终端可以主动地将待处理数据发送至处理装置进行处理，从而可以提高数据处理的质量和效率。

S102：利用语言模型对待处理数据进行处理，获得与待处理数据相对应的至少一个数据描述信息，其中，所述语言模型用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，并建立语言的规则系统。

语言模型可以为分析性语言模型或者辨识性语言模型，该语言模型用于对待处理数据进行处理，具体的，语言模型用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，并建立语言的规则系统，其中，在计算机领域中，表示信息的最小单位是二进制数的一位，又叫做位；而把一个由若干位组合起来形成的一个位串表示一个数据元素(如：用一个字长的位串表示一个整数，用8位二进制数表示一个字符等)，通常称这个位串为元素或结点。因而，在获得待处理数据所包括的数据元素之后，利用语言模型可以对待处理数据中所包括的数据元素的性质进行分析，确定各个数据元素之间的关系，并可以在上述信息的基础上，用演绎的方法建立语言的规则系统。

需要注意的是，该语言模型可以直接对包括有视频信息的待处理数据进行准确、有效地处理，从而可以获得与待处理数据相对应的至少一个数据描述信息，该数据描述信息可以包括以下至少之一：图像信息、标题、数据描述文本、数据描述视频；通过生成的数据描述信息，可以有效地提高了对数据的推广或者推销效果。

举例来说，现获取到有关女装的一组待处理数据，此时的待处理数据包括针对该女装的文本信息和图片信息，在获取到上述的待处理数据之后，可以利用语言模型对待处理数据进行分析处理，从而可以获得与上述女装相对应的至少一个数据描述信息，有效地实现了在保证数据推销成本的基础上，可以获取比较准确地数据描述信息，进而通过所生成的数据描述信息可以提高对数据的推广或者推销效果。

具体的，如图2所示，该图为一数据描述信息的显示界面示意图，显示界面中的数据描述信息可以包括：标题“好在哪里”、标题描述信息、文本标题“风格”、文本标题描述信息以及与待处理数据中的图片信息相对应的图像信息(例如：海报、图片等等)或者数据描述视频等等。可以理解的是，数据描述信息的显示界面的风格或者布局并不限于上述附图2所示的显示界面风格或者布局，本领域技术人员还可以根据具体的设计需求和应用需求进行任意设置，在此不再赘述。

可选地，在获得与待处理数据相对应的至少一个数据描述信息之后，本实施例中的方法还包括：

S103：输出至少一个数据描述信息。

在获得数据描述信息之后，可以根据用户需求选择性地输出数据描述信息，例如：当用户请求输出数据描述信息时，则可以根据用户的请求输出至少一个数据描述信息，从而便于用户能够直观、快速地获取到数据描述信息的内容；当用户没有请求输出数据描述信息时，则可以不执行输出数据描述信息的操作，这样有效地提高了该方法使用的灵活程度。

本实施例提供的数据的处理方法，通过获取待处理数据，并利用语言模型对待处理数据进行处理，获得与待处理数据相对应的至少一个数据描述信息，有效地实现了在保证数据推销成本的基础上，可以获取比较准确地数据描述信息，同时也保证了对数据的推广或者推销效果，进一步提高该方法的实用性，有利于市场的推广与应用。

图3为本发明实施例提供的一种数据的处理方法的流程图二；在上述实施例的基础上，继续参考附图3所示，在获取待处理数据之前，本实施例中的方法还可以包括：

S001：获取训练数据以及与训练数据相对应的训练描述信息。

其中，训练数据可以包括以下至少之一：针对历史对象的已处理数据、针对历史对象所反馈的反馈数据以及针对历史对象所生成的模型输出数据。相对应的，训练描述信息可以包括以下至少之一：已处理数据所对应的描述信息、针对历史对象所反馈的描述信息以及针对历史对象所生成的描述信息。可以理解的是，历史对象可以是指：商品、服务或者其他相类似的对象等等。

另外，本实施例对于获取训练数据以及与训练数据相对应的训练描述信息的具体实现方式不做限定，本领域技术人员可以根据具体的使用需求进行设置，例如：训练数据以及与训练数据相对应的训练描述信息可以存储在预设区域内，通过访问预设区域可以获取到训练数据以及与训练数据相对应的训练描述信息。或者，训练数据以及与训练数据相对应的训练描述信息也可以是存储在其他设备端内，通过与设备端的通信连接来获取到存储至设备端内的训练数据以及与训练数据相对应的训练描述信息。

当然的，本领域技术人员还可以采用其他的方式来获取训练数据以及与训练数据相对应的训练描述信息，只要能够保证训练数据和训练描述信息获取的准确可靠性即可，在此不再赘述。

S002：对训练数据和训练描述信息进行学习训练，获得语言模型。

在获取到训练数据和训练描述信息之后，可以对训练数据和训练描述信息进行学习训练，从而可以获得语言模型，该语言模型可以对训练数据以及训练描述信息的各个元素进行分析识别，从而可以获得各个元素之间的关系。

通过上述方式来获得语言模型，有效地保证了语言模型获取的准确可靠性，进一步提高了该方法处理的质量和效率。

可选地，基于上述实施例的实现方式，在获得与待处理数据相对应的至少一个数据描述信息之后，本实施例中的方法还可以包括：

S201：利用训练数据、与训练数据相对应的训练描述信息、待处理数据以及至少一个数据描述信息对语言模型进行调整。

举例来说，现有待处理数据A，在利用训练数据以及训练描述信息获得语言模型之后，可以利用语言模型对待处理数据A进行分析处理，从而可以获得与待处理数据A相对应的数据描述信息A，在获得数据描述信息A之后，可以再次利用训练数据、训练描述数据、待处理数据A和数据描述信息A对语言模型进行调整更新，从而可以提高语言模型对数据进行处理的准确可靠性，进一步提高了语言模型对其他数据进行处理的质量和效率。

图4为本发明实施例提供的一种数据的处理方法的流程图三；在上述任意一个实施例的基础上，继续参考附图4所示，在获得与待处理数据相对应的至少一个数据描述信息之后，本实施例中的方法还可以包括：

S301：获取用户的行为特征。

其中，用户的行为特征可以包括以下至少之一：用户操作网络行为、用户登录网络行为、用户访问网络行为。另外，本实施例对于用户的行为特征的具体获取方式不做限定，本领域技术人员可以根据具体的设计需求和应用需求进行任意设置，例如：可以获取网络日志，通过对网络日志的分析识别来获得用户的行为特征等等。

S302：根据用户的行为特征在至少一个数据描述信息中确定目标描述信息。

在获取到用户的行为特征之后，可以根据用户的行为特征在至少一个数据描述信息中确定目标描述信息，举例来说：根据用户的行为特征分析出用户的喜好、兴趣等等信息，而后可以基于用户的喜好或者兴趣来识别至少一个数据描述信息的匹配度，并可以将匹配度大于或等于预设阈值的数据描述信息确定为目标描述信息，可以理解的是，目标描述信息可以是一个或多个，这样可以获得更加符合用户需求的数据描述信息(即目标描述信息)，进一步提高了该方法使用的精确程度。

可选地，本实施例中的方法还可以包括：

S303：输出目标描述信息。

在获得目标描述信息之后，可以根据用户需求选择性地输出目标描述信息，例如：当用户请求输出目标描述信息时，则可以根据用户的请求输出至少一个目标描述信息，从而便于用户能够直观、快速地获取到目标描述信息的内容；当用户没有请求输出目标描述信息时，则可以不执行输出目标描述信息的操作，这样有效地提高了该方法使用的灵活程度。

图5为本发明实施例提供的一种数据的处理方法的流程图四；在上述任意一个实施例的基础上，继续参考附图5所示，本实施例中的方法还可以包括：

S401：获取用户针对数据描述信息发送的反馈信息。

S402：根据反馈信息对语言模型进行调整。

其中，本实施例中的数据描述信息可以是利用语言模型对待处理数据进行处理后直接获得的至少一个数据描述信息，或者，该数据描述信息也可以是指对至少一个数据描述信息进行分析处理后所获得的目标描述信息。也即，一种可实现的方式为：在获得与待处理数据相对应的至少一个数据描述信息之后，用户可以通过终端设备针对数据描述信息发送反馈信息，反馈信息可以包括对数据描述信息的准确性描述或者针对待处理数据的标准数据描述信息等等；在获得用户针对数据描述信息所发送的反馈信息之后，可以根据反馈信息对语言模型进行调整。另一种可实现的方式为：在根据用户的行为特征在至少一个数据描述信息中确定目标描述信息之后，用户可以通过终端设备针对目标描述信息发送反馈信息，反馈信息可以包括对目标描述信息的准确性描述或者针对待处理数据的标准数据描述信息等等；在获得用户针对目标描述信息所发送的反馈信息之后，可以根据反馈信息对语言模型进行调整。

具体的，在根据反馈信息对语言模型进行调整时，一种可实现的方式为：在基于训练数据和训练描述信息获得语言模型之后，可以根据反馈信息对语言模型进行调整；或者，也可以根据待处理数据、与待处理数据相对应的至少一个数据描述信息以及反馈信息对语言模型进行调整。再或者，另一种可实现的方式为：在基于训练数据和训练描述信息获得语言模型之后，可以根据训练数据、训练描述信息、反馈信息对语言模型进行调整。或者，还一种可实现的方式为：在基于训练数据和训练描述信息获得语言模型之后，可以根据训练数据、训练描述信息、反馈信息、待处理数据以及与待处理数据相对应的至少一个数据描述信息对语言模型进行调整。

本领域技术人员可以根据具体的应用需求选择不同的方式对语言模型进行调整更新，只要能够实现对语言模型进行及时的调整更新操作即可，这样不仅可以提高语言模型对数据进行处理的准确可靠性，还可以进一步提高了语言模型对其他数据进行处理的质量和效率。

图6为本发明实施例提供的另一种数据的处理方法的流程图；参考附图6所示，本实施例提供了另一种数据的处理方法，该处理方法的执行主体为数据的处理装置，该处理装置可以实现为软件、或者软件和硬件的组合。具体的，该方法可以包括：

S501：确定语言模型。

所述语言模型可以包括回归估计子算法和规则推理子算法,其中,回归估计子算法是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法；本实施例中，该回归估计子算法用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，获得元素关系结果。另外，规则推理子算法是指把相关领域的专家知识形式化的描述出来，形成系统规则，本实施例中，该规则推理子算法用于建立语言的规则系统,所述规则系统用于对所述元素关系结果进行分析处理,以确定所述语言模型的输出数据。

S502：将包括有待处理对象以及与所述待处理对象所对应的待处理数据输入所述语言模型,获得与所述待处理对象相对应的至少一个宣传描述信息,所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息。

其中，待处理对象可以包括商品和/或服务，例如：待处理对象可以为待销售推广的服装、产品等等，或者，待处理对象也可以为待销售的餐饮服务、娱乐服务等等。利用语言模型对所述数据信息进行处理，获得与所述待处理对象相对应的至少一个宣传描述信息，其中，所述语言模型用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，并建立语言的规则系统。

本实施例中上述步骤的实现过程和实现效果与上述实施例中的步骤S101-S102的实现过程和实现效果相类似，具体的可参考上述陈述内容，在此不再赘述。

可以想到的是，本实施例中的方法还可以包括上述附图2-图6所示实施例中的部分或者全部方法，本实施例未详细描述的部分，可参考对图2-图6所示实施例的相关说明。该技术方案的执行过程和技术效果参见图2-图6所示实施例中的描述，在此不再赘述。

本实施例提供的数据的处理方法，通过确定语言模型，将包括有待处理对象以及与所述待处理对象所对应的待处理数据输入所述语言模型,而后利用语言模型对数据信息进行处理，获得与所述待处理对象相对应的至少一个宣传描述信息，该宣传描述信息可以用于对待处理对象进行推广宣传，有效地实现了在保证数据推销成本的基础上，可以获取比较准确地宣传描述信息，保证了对待处理对象的推广或者推销效果，进一步提高该方法的实用性，有利于市场的推广与应用。

具体应用时，参考附图7-图9所示，本应用实施例提供了一种数据的处理方法，该数据的处理方法包括训练获得语言模型和对语言模型的使用过程，具体的，参考附图7所示，训练获得语言模型的步骤包括：

step1：获得训练数据

其中，训练数据包括以下至少之一：训练数据a-用户编辑产品的商品与描述数据对、训练数据b-根据线上用户反馈的产出的商品与描述数据对以及训练数据c-当前模型产出的商品与描述数据对。具体的，训练数据a是针对历史产品所编辑的产品描述与描述数据对，在获取到训练数据a之后，可以单独对训练数据a进行学习训练之后，即可以获得语言模型，训练数据b是用户针对语言模型所输出的数据描述信息所提供的反馈信息，该反馈信息可以包括针对待处理产品的数据信息和数据描述信息。

step2：基于训练数据进行模型训练，获得语言模型。

具体的，在进行模型训练的过程中，可以包括利用预设算法(例如：reward估计模型)对训练数据进行多维度的估计处理，该估计处理用于保证训练数据的多样性、丰富性等客观描述，并且还可以对训练数据进行相关性的分析处理，从而获得训练数据之间的相关性分值，进一步的，还可以利用GAN辨别器对训练数据进行评估处理，从而提高对训练数据进行辨别的精确度。

可以理解的是，在获取到语言模型之后，还可以利用误差反向传播算法对语言模型中的模型参数进行及时的调整与更新，进一步提高语言模型使用的精确程度。

参考附图8-9所示,利用语言模型对数据进行处理的步骤包括:

step101：外部数据收集，其中，外部数据是指上述附图中的训练数据，该外部数据收集用于实现语言模型的训练过程，该语言模型可以对待处理数据进行处理，从而输出商品描述信息。

step102：基于所收集的外部数据进行语言模型训练。

输入：整合完成的训练数据；

输出：语言模型。

step103：利用语言模型对待处理数据进行处理，从而生成数据描述信息(例如：商品描述信息)。

输入：数据信息(例如：商品信息)、语言模型；

输出：数据对应的至少一个数据描述信息。

step104：数据描述个性化分发。

输入：用户信息、数据描述；

输出：推荐用户数据描述信息。

step105：用户线上数据回收。

输出：用户对于展示描述的反馈结果，该反馈结果可以对语言模型进行优化更新。

其中，参考附图9所示，step103步骤具体可以包括以下过程：

step1031：获取待处理的商品信息，商品信息可以包括：商品图像、商品文案(文本)或者商品视频等等。

step1032：将待处理的商品信息输入至语言模型中，以实现对商品信息的分析识别，并可以输出与商品信息相对应的商品描述集合。

step1033：利用预设的相关性模型对商品描述集合进行分析处理，从而可以获得高精度的商品描述集合；具体的，相关性模型可以对商品描述集合中的商品描述信息与用户的行为进行相关性排序，从而可以获得与用户的行为相关性较高的商品描述信息，进一步提高为用户进行推荐更加准确地商品描述信息。

step1034：输出的商品描述集合，将最后的高精度的商品描述集合进行输出，从而便于用户直接查看。

本应用实施例提供的数据的处理方法，通过获取待处理数据，其中，待处理数据可以包括文本信息、图片信息、视频信息，并利用语言模型对待处理数据进行处理，获得与待处理数据相对应的至少一个数据描述信息，从而克服了现有技术中GAN技术在视频处理上尚未成熟的缺陷；此外，通过相关性模型对商品描述集合进行分析处理，从而可以获得高精度的商品描述集合，有效地实现了为不同的用户推荐不同的商品描述信息，实现了对用户的个性化推荐信息，此外，该方法还有效地实现了在保证商品推销成本的基础上，可以获取比较准确地商品描述信息，保证了对商品的推广或者推销效果，进一步提高该方法的实用性，有利于市场的推广与应用。

图10为本发明实施例提供的一种数据的处理装置的结构示意图；参考附图10所示，本实施例提供了一种数据的处理装置，并且，该处理装置可以执行上述图1所对应的数据的处理方法。具体的，该处理装置可以包括：

获取模块11，用于获取待处理数据，待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

处理模块12，用于利用语言模型对待处理数据进行处理，获得与待处理数据相对应的至少一个数据描述信息，其中，所述语言模型用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，并建立语言的规则系统。

可选地，数据描述信息包括以下至少之一：图像信息、标题、数据描述文本。

可选地，在获取待处理数据之前，本实施例中的获取模块11和处理模块12还可以用于执行以下步骤：

获取模块11，用于获取训练数据以及与训练数据相对应的训练描述信息；

处理模块12，用于对训练数据和训练描述信息进行学习训练，获得语言模型。

可选地，在获得与待处理数据相对应的至少一个数据描述信息之后，方法还包括：

利用训练数据、与训练数据相对应的训练描述信息、待处理数据以及至少一个数据描述信息对语言模型进行调整。

可选地，在获得与待处理数据相对应的至少一个数据描述信息之后，本实施例中的处理模块12还可以用于执行以下步骤：输出至少一个数据描述信息。

可选地，在获得与待处理数据相对应的至少一个数据描述信息之后，本实施例中的获取模块11和处理模块12还可以用于执行以下步骤：

获取模块11，用于获取用户的行为特征；

处理模块12，用于根据用户的行为特征在至少一个数据描述信息中确定目标描述信息。

可选地，本实施例中的处理模块12还可以用于执行以下步骤：输出目标描述信息。

可选地，本实施例中的获取模块11和处理模块12还可以用于执行以下步骤：

获取模块11，用于获取用户针对数据描述信息发送的反馈信息；

处理模块12，用于根据反馈信息对语言模型进行调整。

图10所示装置可以执行图1-图5、图7-图9所示实施例的方法，本实施例未详细描述的部分，可参考对图1-图5、图7-图9所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1-图5、图7-图9所示实施例中的描述，在此不再赘述。

在一个可能的设计中，图10所示数据的处理装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图11所示，该电子设备可以包括：第一处理器21和第一存储器22。其中，第一存储器22用于存储支持电子设备执行上述图1-图8所示实施例中提供的数据的处理方法的程序，第一处理器21被配置为用于执行第一存储器22中存储的程序。

程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第一处理器21执行时能够实现如下步骤：

获取待处理数据，待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

利用语言模型对待处理数据进行处理，获得与待处理数据相对应的至少一个数据描述信息。

可选地，第一处理器21还用于执行前述图1-图5、图7-图9所示实施例中的全部或部分步骤。

其中，电子设备的结构中还可以包括第一通信接口23，用于电子设备与其他设备或通信网络通信。

另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图1-图5、图7-图9所示方法实施例中数据的处理方法所涉及的程序。

图12为本发明实施例提供的另一种数据的处理装置的结构示意图；参考附图12所示，本实施例提供了另一种数据的处理装置，并且，该处理装置可以执行上述图6所对应的数据的处理方法。具体的，该处理装置可以包括：

确定模块31，用于确定语言模型；其中,所述语言模型包括回归估计子算法和规则推理子算法,所述回归估计子算法用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，获得元素关系结果；所述规则推理子算法用于建立语言的规则系统,所述规则系统用于对所述元素关系结果进行分析处理,以确定所述语言模型的输出数据。

输入模块32，用于将包括有待处理对象以及与所述待处理对象所对应的待处理数据输入所述语言模型,获得与所述待处理对象相对应的至少一个宣传描述信息,所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息。

图12所示装置可以执行图6-图9所示实施例的方法，本实施例未详细描述的部分，可参考对图6-图9所示实施例的相关说明。该技术方案的执行过程和技术效果参见图6-图9所示实施例中的描述，在此不再赘述。

在一个可能的设计中，图12所示数据的处理装置的结构可实现为一电子设备，该电子设备可以是手机、平板电脑、服务器等各种设备。如图13所示，该电子设备可以包括：第二处理器41和第二存储器42。其中，第二存储器42用于存储支持电子设备执行上述图6所示实施例中提供的数据的处理方法的程序，第二处理器41被配置为用于执行第二存储器42中存储的程序。

程序包括一条或多条计算机指令，其中，一条或多条计算机指令被第二处理器41执行时能够实现如下步骤：

确定语言模型；

将包括有待处理对象以及与所述待处理对象所对应的待处理数据输入所述语言模型,获得与所述待处理对象相对应的至少一个宣传描述信息,所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

其中,所述语言模型包括回归估计子算法和规则推理子算法,所述回归估计子算法用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，获得元素关系结果；所述规则推理子算法用于建立语言的规则系统,所述规则系统用于对所述元素关系结果进行分析处理,以确定所述语言模型的输出数据。

可选地，第二处理器41还用于执行前述图7-图9所示实施例中的全部或部分步骤。

其中，电子设备的结构中还可以包括第二通信接口43，用于电子设备与其他设备或通信网络通信。

另外，本发明实施例提供了一种计算机存储介质，用于储存电子设备所用的计算机软件指令，其包含用于执行上述图6-图9所示方法实施例中数据的处理方法所涉及的程序。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程设备的处理器以产生一个机器，使得通过计算机或其他可编程设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (13)

1.一种数据的处理方法，其特征在于，包括：

获取待处理数据，所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

利用语言模型对所述待处理数据进行处理，获得与所述待处理数据相对应的至少一个数据描述信息，其中，所述语言模型用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，并建立语言的规则系统。

2.根据权利要求1所述的方法，其特征在于，所述数据描述信息包括以下至少之一：

图像信息、标题、数据描述文本。

3.根据权利要求1所述的方法，其特征在于，在获取待处理数据之前，所述方法还包括：

获取训练数据以及与所述训练数据相对应的训练描述信息；

对所述训练数据和训练描述信息进行学习训练，获得所述语言模型。

4.根据权利要求3所述的方法，其特征在于，在获得与所述待处理数据相对应的至少一个数据描述信息之后，所述方法还包括：

利用所述训练数据、与所述训练数据相对应的训练描述信息、所述待处理数据以及至少一个所述数据描述信息对所述语言模型进行调整。

5.根据权利要求1-4中任意一项所述的方法，其特征在于，在获得与所述待处理数据相对应的至少一个数据描述信息之后，所述方法还包括：

输出至少一个所述数据描述信息。

6.根据权利要求1-4中任意一项所述的方法，其特征在于，在获得与所述待处理数据相对应的至少一个数据描述信息之后，所述方法还包括：

获取用户的行为特征；

根据所述用户的行为特征在至少一个所述数据描述信息中确定目标描述信息。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

输出所述目标描述信息。

8.根据权利要求1-4中任意一项所述的方法，其特征在于，所述方法还包括：

获取用户针对所述数据描述信息发送的反馈信息；

根据所述反馈信息对所述语言模型进行调整。

9.一种数据的处理装置，其特征在于，包括：

获取模块，用于获取待处理数据，所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

处理模块，用于利用语言模型对所述待处理数据进行处理，获得与所述待处理数据相对应的至少一个数据描述信息，其中，所述语言模型用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，并建立语言的规则系统。

10.一种电子设备，其特征在于，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如权利要求1至8中任一项所述的数据的处理方法。

11.一种数据的处理方法，其特征在于，包括：

确定语言模型；

将包括有待处理对象以及与所述待处理对象所对应的待处理数据输入所述语言模型,获得与所述待处理对象相对应的至少一个宣传描述信息,所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

其中,所述语言模型包括回归估计子算法和规则推理子算法,所述回归估计子算法用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，获得元素关系结果；所述规则推理子算法用于建立语言的规则系统,所述规则系统用于对所述元素关系结果进行分析处理,以确定所述语言模型的输出数据。

12.一种数据的处理装置，其特征在于，包括：

确定模块，用于确定语言模型；

输入模块，用于将包括有待处理对象以及与所述待处理对象所对应的待处理数据输入所述语言模型,获得与所述待处理对象相对应的至少一个宣传描述信息,所述待处理数据包括以下至少之一：文本信息、图片信息、视频信息；

其中,所述语言模型包括回归估计子算法和规则推理子算法,所述回归估计子算法用于对所述待处理数据所包括的数据元素以及各个数据元素之间的关系进行分析，获得元素关系结果；所述规则推理子算法用于建立语言的规则系统,所述规则系统用于对所述元素关系结果进行分析处理,以确定所述语言模型的输出数据。

13.一种电子设备，其特征在于，包括：存储器、处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行时实现如权利要求11所述的数据的处理方法。

Images