CN113821693A - 信息生成方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了信息生成方法、装置、电子设备和计算机可读介质。该信息生成方法的一具体实施方式包括：获取预先构建的图模型，其中，该图模型表征第一用户集、第二用户集和物品集之间的关联关系；根据该图模型中表征该第一用户集中第一目标用户的节点相关联的各个节点和各个边，生成第一数据；获取该第一目标用户对该物品集执行第二价值操作的第二数据；根据该第一数据和该第二数据，生成未来预定时间该第一目标用户单场对该目标物品执行第二价值操作的第一数目信息。该实施方式通过引入预先构建的图模型来高效、准确的生成未来预定时间该第一目标用户单场对该目标物品执行第二价值操作的第一数目信息。

Description

信息生成方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及信息生成方法、装置、电子设备和计算机可读介质。

背景技术

目前，网络带货可以使得消费者更加直观地感受到物品的使用价值。对于服务供应方而言，网络带货可以带来了更多的销售渠道。对于选择哪个用户来带货，往往会参考用户单场对物品执行第二价值操作(例如，销售)的单量。对于物品单量的预测，通常采用的方式为：常常利用德尔菲法(通过聚合几个专家经验进行确定)来确定单场对物品执行第二价值操作的单量。然而，利用德尔菲法常常需要花费大量的专业人力成本。除此之外，生成的物品单量信息往往还存在不够准确的问题。更重要的是，采用德尔菲法生成物品单量参考的数据信息往往是不够完整。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了信息生成方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种信息生成方法，该方法包括：获取预先构建的图模型，其中，上述图模型表征第一用户集、第二用户集和物品集之间的关联关系；根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，生成第一数据，其中，上述第一数据包括表征上述第一目标用户影响上述第二用户集对上述物品集中目标物品执行第一价值操作的特征信息；获取上述第一目标用户对上述物品集执行第二价值操作的第二数据；根据上述第一数据和上述第二数据，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

可选的，上述根据上述第一数据和上述第二数据，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息，包括：获取上述目标物品的属性信息、单场对目标品牌的目标物品执行第二价值操作的第二数目信息、单场对上述目标物品执行第二价值操作的第三数目信息和单场对上述目标物品所属品类的物品执行第二价值操作的第四数目信息；对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息进行数据预处理，得到处理后的第一数据、处理后的第二数据、处理后的属性信息、处理后的第二数目信息、处理后的第三数目信息和处理后的第四数目信息；基于上述处理后的第一数据、上述处理后的第二数据、上述处理后的属性信息、上述处理后的第二数目信息、上述处理后的第三数目信息和上述处理后的第四数目信息，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

可选的，上述生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息，包括：将上述处理后的数据集输入至预先训练的回归网络，得到未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

可选的，上述对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息进行数据预处理，得到处理后的第一数据、处理后的第二数据、处理后的属性信息、处理后的第二数目信息、处理后的第三数目信息和处理后的第四数目信息，包括：对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息中存在数据缺失的数据进行数据补全，得到补全后的第一数据、补全后的第二数据、补全后的属性信息、补全后的第二数目信息、补全后的第三数目信息和补全后的第四数目信息；对上述补全后的第一数据、上述补全后的第二数据、上述补全后的目标物品的属性信息、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息进行数据类型转换，得到转换后的第一数据、转换后的第二数据、转换后的目标物品的属性信息、转换后的第二数目信息、转换后的第三数目信息和转换后的第四数目信息。

可选的，上述对上述补全后的第一数据、上述补全后的第二数据、上述补全后的目标物品的属性信息、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息进行数据类型转换，得到转换后的第一数据、转换后的第二数据、转换后的目标物品的属性信息、转换后的第二数目信息、转换后的第三数目信息和转换后的第四数目信息，包括：将上述补全后的第一数据、上述补全后的第二数据、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息转换为浮点型数据；响应于上述补全后的属性信息中存在连续型数据，将上述连续型数据转换为浮点型数据；响应于补全后的属性信息中存在有序分类变量的数据，将上述有序分类变量的数据进行标签编码，得到标签编码后的数据；响应于补全后的属性信息中存在无序分类变量的数据，将上述无序分类变量的数据进行独热编码，得到独热编码后的数据。

可选的，上述根据上述图模型中表征第一目标用户的节点相关联的各个节点和各个边，生成第一数据，包括：根据上述图模型中表征第一目标用户的节点相关联的各个节点和各个边，确定上述图模型中与上述第一目标用户相关联的第一子图；确定上述第一子图中与表征上述第一目标用户的节点相关联的各个边的第一信息；根据上述第一子图，生成表征上述第一目标用户影响力的第一分数信息；根据上述图模型中表征上述目标物体的节点相关联的各个节点和各个边，确定上述图模型中与目标物体相关联的第二子图；确定上述第二子图中与表征上述目标物体的节点相关联的各个边的第二信息；根据上述第二子图，生成表征上述目标物品影响力的第二分数信息；根据上述第一信息、上述第一分数信息、上述第二信息和第二分数信息，生成上述第一数据。

可选的，上述根据上述第二子图，生成表征目标物品影响力的第二分数信息，包括：根据上述第二子图，利用页面排名算法，生成表征上述目标物品影响力的第二分数信息。

第二方面，本公开的一些实施例提供了一种信息生成装置，装置包括：第一获取单元，被配置成获取预先构建的图模型，其中，上述图模型表征第一用户集、第二用户集和物品集之间的关联关系；第一生成单元，被配置成根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，生成第一数据，其中，上述第一数据包括表征上述第一目标用户影响上述第二用户集对上述物品集中目标物品执行第一价值操作的特征信息；第二获取单元，被配置成获取上述第一目标用户对上述物品集执行第二价值操作的第二数据；第二生成单元，被配置成根据上述第一数据和上述第二数据，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

可选的，第二生成单元进一步配置成：获取上述目标物品的属性信息、单场对目标品牌的目标物品执行第二价值操作的第二数目信息、单场对上述目标物品执行第二价值操作的第三数目信息和单场对上述目标物品所属品类的物品执行第二价值操作的第四数目信息；对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息进行数据预处理，得到处理后的第一数据、处理后的第二数据、处理后的属性信息、处理后的第二数目信息、处理后的第三数目信息和处理后的第四数目信息；基于上述处理后的第一数据、上述处理后的第二数据、上述处理后的属性信息、上述处理后的第二数目信息、上述处理后的第三数目信息和上述处理后的第四数目信息，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

可选的，第二生成单元进一步配置成：将上述处理后的数据集输入至预先训练的回归网络，得到未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

可选的，第二生成单元进一步配置成：对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息中存在数据缺失的数据进行数据补全，得到补全后的第一数据、补全后的第二数据、补全后的属性信息、补全后的第二数目信息、补全后的第三数目信息和补全后的第四数目信息；对上述补全后的第一数据、上述补全后的第二数据、上述补全后的目标物品的属性信息、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息进行数据类型转换，得到转换后的第一数据、转换后的第二数据、转换后的目标物品的属性信息、转换后的第二数目信息、转换后的第三数目信息和转换后的第四数目信息。

可选的，第二生成单元进一步配置成：将上述补全后的第一数据、上述补全后的第二数据、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息转换为浮点型数据；响应于上述补全后的属性信息中存在连续型数据，将上述连续型数据转换为浮点型数据；响应于补全后的属性信息中存在有序分类变量的数据，将上述有序分类变量的数据进行标签编码，得到标签编码后的数据；响应于补全后的属性信息中存在无序分类变量的数据，将上述无序分类变量的数据进行独热编码，得到独热编码后的数据。

可选的，第一生成单元进一步配置成：根据上述图模型中表征第一目标用户的节点相关联的各个节点和各个边，确定上述图模型中与上述第一目标用户相关联的第一子图；确定上述第一子图中与表征上述第一目标用户的节点相关联的各个边的第一信息；根据上述第一子图，生成表征上述第一目标用户影响力的第一分数信息；根据上述图模型中表征上述目标物体的节点相关联的各个节点和各个边，确定上述图模型中与目标物体相关联的第二子图；确定上述第二子图中与表征上述目标物体的节点相关联的各个边的第二信息；根据上述第二子图，生成表征上述目标物品影响力的第二分数信息；根据上述第一信息、上述第一分数信息、上述第二信息和第二分数信息，生成上述第一数据。

可选的，第一生成单元进一步配置成：根据上述第二子图，利用页面排名算法，生成表征上述目标物品影响力的第二分数信息。

第三方面，本公开的一些实施例提供了一种电子设备，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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。

第四方面，本公开的一些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，程序被处理器执行时实现如第一方面中任一的方法。

本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的信息生成方法可以通过引入预先构建的图模型来高效、准确的生成未来预定时间该第一目标用户单场对该目标物品执行第二价值操作的第一数目信息。具体来说，利用德尔菲法常常需要花费大量的专业人力成本。除此之外，生成的物品单量信息往往还存在不够准确的问题。更重要的是，采用德尔菲法生成物品单量参考的数据信息往往是不够完整。基于此，本公开的一些实施例的信息生成方法可以首先，获取预先构建的图模型。其中，上述图模型表征第一用户集、第二用户集和物品集之间的关联关系。在这里，通过预先构建的图模型可以用于后续第一数据的生成，使得后续生成的一数目信息考量了第一目标用户影响上述第二用户集对上述物品集中目标物品执行第一价值操作的特征信息。以此，使得生成第一数目信息更为准确。然后，根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，可以简便、快捷的生成第一数据。其中，上述第一数据包括表征上述第一目标用户影响上述第二用户集对上述物品集中目标物品执行第一价值操作的特征信息。进而，获取上述第一目标用户对上述物品集执行第二价值操作的第二数据。上述第二数据为第一数目信息的生成提供了数据支持。最后，根据上述第一数据和上述第二数据，可以准确、便捷的生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是本公开的一些实施例的信息生成方法的一个应用场景图的示意图；

图2是根据本公开的信息生成方法一些实施例的流程图；

图3是根据本公开的一些实施例的信息生成方法中的生成第一子图的示意图；

图4是根据本公开的一些实施例的信息生成方法中的生成第二子图的示意图；

图5是根据本公开的信息生成方法的另一些实施例的流程图；

图6是根据本公开的信息生成装置的一些实施例的结构示意图；

图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

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。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是本公开的一些实施例的信息生成方法的一个应用场景图的示意图。

如图1所示，电子设备101可以首先获取预先构建的图模型102。其中，上述图模型102表征第一用户集、第二用户集和物品集之间的关联关系。在本应用场景中，上述第一用户集包括：第一用户1021、第一目标用户1022。上述第二用户集包括：第二用户1023、第二用户1024。上述物品集包括：物品1025、目标物品1026。然后，根据上述图模型102上述第一用户集中第一目标用户1022联的各个节点和各个边，生成第一数据103。其中，上述第一数据103包括表征上述第一目标用户1022影响上述第二用户集对上述物品集中目标物品1026执行第一价值操作的特征信息。在本应用场景中，上述第一目标用户1022联的各个节点可以包括：第一目标用户1022指向物品1025的边、第二目标用户1023指向第一目标用户1022的边、第二目标用户1024指向第一目标用户1022的边、第一目标用户1022指向目标物品1026的边。进而，获取上述第一目标用户1022对上述物品集执行第二价值操作的第二数据104。最后，根据上述第一数据103和上述第二数据104，生成未来预定时间上述第一目标用户1022单场对上述目标物品1026执行第二价值操作的第一数目信息105。在本应用场景中，上述第一数目信息105可以是：“2387”。

需要说明的是，上述电子设备101可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成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。

应该理解，图1中的电子设备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电子设备。

继续参考图2，示出了根据本公开的信息生成方法的一些实施例的流程200。该信息生成方法，包括以下步骤：

步骤201，获取预先构建的图模型。

在一些实施例中，信息生成方法的执行主体(例如图1所示的电子设备101)可以通过有线连接方式或者无线连接方式获取预先构建的图模型。其中，上述图模型表征第一用户集、第二用户集和物品集之间的关联关系。实践中，上述第一用户集可以是至少一个主播。上述第二用户集可以观看直播带货的观众集。上述物品集中的物品可以是待执行第二价值操作(销售)的物品。图模型中的边是可以带有方向的。作为示例，如果图模型中的边为第一用户指向物品，则表征图模型中的第一用户正在对物品执行上述第二价值操作(销售)。如果图模型中的边为第二用户指向第一用户，则表征图模型中的第二用户正经常观看第一用户和/或已关注第一用户。如果图模型中的边为第二用户指向物品，则表征图模型中的第二用户对物品执行第一价值操作(例如，购买)。如果图模型中的边为第二用户指向第一用户，则边对应的数值可以为上述第二用户对第一用户的点赞量。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

步骤202，根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，生成第一数据。

在一些实施例中，上述执行主体可以根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，生成第一数据。其中，上述第一数据包括表征上述第一目标用户影响上述第二用户集对上述物品集中目标物品执行第一价值操作的特征信息。第一目标用户为第一用户集中待预测的第一数目信息的用户。

作为示例，上述执行主体可以根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，通过查询的方法来确定与上述第一目标用户相关联的至少一个第二目标用户、与上述第一目标用户接收到的点赞数、上述第一目标用户相关联的、物品集中的至少一个物品。将与上述第一目标用户相关联的至少一个第二目标用户、与上述第一目标用户接收到的点赞数、上述第一目标用户相关联的、物品集中的至少一个物品确定为上述第一数据。

在一些实施例的一些可选的实现方式中，上述根据上述图模型中表征第一目标用户的节点相关联的各个节点和各个边，生成第一数据，可以包括以下步骤：

第一步，根据上述图模型中表征第一目标用户的节点相关联的各个节点和各个边，确定上述图模型中与上述第一目标用户相关联的第一子图。

作为示例，上述图模型可以是图1中图模型102。上述第一子图可以参考图3。

第二步，确定上述第一子图中与表征上述第一目标用户的节点相关联的各个边的第一信息。其中，上述第一目标用户在第一子图中对应着至少一个第二用户。上述第一目标用户在第一子图中对应着至少一个物品。进而，上述表征上述第一目标用户的节点相关联的各个边的第一信息可以包括：表征上述第一目标用户的节点与表征上述至少一个第二用户的节点集之间的边个数、表征上述第一目标用户的节点与表征上述至少一个第二用户的节点集之间各个边对应的第一平均数值、表征上述第一目标用户的节点与表征上述至少一个物品的节点集之间的边个数、表征上述第一目标用户的节点与表征上述至少一个物品的节点集之间各个边对应的第二平均数值、上述第一子图的最长节点路径信息。

在这里，表征上述第一目标用户的节点与表征上述至少一个第二用户的节点集之间各个边对应的第一平均数值可以是通过以下确定的：首先，确定表征上述第一目标用户的节点与表征上述至少一个第二用户的节点集之间各个边。然后，确定各个边对应的第一数值集。最后，确定上述第一数值集对应的平均数作为上述第一平均数值。

在这里，表征上述第一目标用户的节点与表征上述至少一个物品的节点集之间各个边对应的第二平均数值可以是通过以下确定的：首先，确定表征上述第一目标用户的节点与表征上述至少一个物品的节点集之间各个边。然后，确定各个边对应的第二数值集。最后，确定上述第二数值集对应的平均数作为上述第二平均数值。

第三步，根据上述第一子图，生成表征上述第一目标用户影响力的第一分数信息。作为示例，上述执行主体可以根据上述第一子图，利用页面排名算法(PageRank)，生成表征上述第一目标用户影响力的第一分数信息。

第四步，根据上述图模型中表征上述目标物体的节点相关联的各个节点和各个边，确定上述图模型中与目标物体相关联的第二子图。

作为示例，上述图模型可以是图1中图模型102。上述第二子图可以参考图4。

第五步，确定上述第二子图中与表征上述目标物体的节点相关联的各个边的第二信息。其中，上述目标物体在第二子图中对应着至少一个第二用户。上述目标物体在第二子图中对应着至少一个第一用户。进而，上述表征上述目标物体的节点相关联的各个边的第二信息可以包括：表征上述目标物体的节点与表征上述至少一个第二用户的节点集之间的边个数、表征上述目标物体的节点与表征上述至少一个第二用户的节点集之间各个边对应的第三平均数值、表征上述目标物体的节点与表征上述至少一个第一用户的节点集之间的边个数、表征上述目标物体的节点与表征上述至少一个第一用户的节点集之间各个边对应的第四平均数值、上述第二子图的最长节点路径信息。

在这里，表征上述目标物体的节点与表征上述至少一个第二用户的节点集之间各个边对应的第三平均数值可以是通过以下确定的：首先，确定表征上述目标物体的节点与表征上述至少一个第二用户的节点集之间各个边。然后，确定各个边对应的第三数值集。最后，确定上述第三数值集对应的平均数作为上述第三平均数值。

在这里，表征上述目标物体的节点与表征上述至少一个第一用户的节点集之间各个边对应的第四平均数值可以是通过以下确定的：首先，确定表征上述目标物体的节点与表征上述至少一个第一用户的节点集之间各个边。然后，确定各个边对应的第四数值集。最后，确定上述第四数值集对应的平均数作为上述第四平均数值。

第六步，根据上述第二子图，生成表征上述目标物品影响力的第二分数信息。作为示例，根据上述第二子图，可以通过各种方式来生成表征上述目标物品影响力的第二分数信息。

第七步，根据上述第一信息、上述第一分数信息、上述第二信息和第二分数信息，生成上述第一数据。作为示例，上述执行主体可以将上述第一信息、上述第一分数信息、第二信息和第二分数信息进行组合，得到上述第一数据。

可选的，根据上述第二子图，利用页面排名算法(PageRank)，生成表征上述目标物品影响力的第二分数信息。

步骤203，获取上述第一目标用户对上述物品集执行第二价值操作的第二数据。

在一些实施例中，上述执行主体可以获取上述第一目标用户对上述物品集执行第二价值操作的第二数据。其中，上述第二价值操作可以是：“销售”。上述第二数据可以是上述第一目标用户对物品集中各个物品执行第二价值操作的历史数据。

作为示例，上述第二数据可以包括：第一目标用户历史单场对物品集执行第二价值操作的平均数值、第一目标用户历史单场对目标物品执行第二价值操作的平均数值、第一目标用户单场的平均观看用户数、第一目标用户单场执行第二价值操作的物品集的平均类别数、对目标物品单场执行第二价值操作的历史数目信息。其中，第一目标用户单场的观看用户为观看时间大于或等于预定阈值的用户。

步骤204，根据上述第一数据和上述第二数据，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

在一些实施例中，上述执行主体可以根据上述第一数据和上述第二数据，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。作为示例，上述执行主体可以将上述第一数据和上述第二数据输入至预先训练的时序神经网络，得到未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。其中，上述时序神经网络可以是以下之一：循环神经网络(Recurrent NeuralNetwork,RNN)，长短期记忆网络(LSTM，Long Short-Term Memory)，门控循环单元(GRU，Gated Recurrent Unit)网络。

本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的信息生成方法可以通过引入预先构建的图模型来高效、准确的生成未来预定时间该第一目标用户单场对该目标物品执行第二价值操作的第一数目信息。具体来说，利用德尔菲法常常需要花费大量的专业人力成本。除此之外，生成的物品单量信息往往还存在不够准确的问题。更重要的是，采用德尔菲法生成物品单量参考的数据信息往往是不够完整。基于此，本公开的一些实施例的信息生成方法可以首先，获取预先构建的图模型。其中，上述图模型表征第一用户集、第二用户集和物品集之间的关联关系。在这里，通过预先构建的图模型可以用于后续第一数据的生成，使得后续生成的一数目信息考量了第一目标用户影响上述第二用户集对上述物品集中目标物品执行第一价值操作的特征信息。以此，使得生成第一数目信息更为准确。然后，根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，可以简便、快捷的生成第一数据。其中，上述第一数据包括表征上述第一目标用户影响上述第二用户集对上述物品集中目标物品执行第一价值操作的特征信息。进而，获取上述第一目标用户对上述物品集执行第二价值操作的第二数据。上述第二数据为第一数目信息的生成提供了数据支持。最后，根据上述第一数据和上述第二数据，可以准确、便捷的生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

继续参考图5，示出了根据本公开的信息生成方法的另一些实施例的流程500。该信息生成方法，包括以下步骤：

步骤501，获取预先构建的图模型。

步骤502，根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，生成第一数据。

步骤503，获取上述第一目标用户对上述物品集执行第二价值操作的第二数据。

在一些实施例中，步骤501-503的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203，在此不再赘述。

步骤504，获取上述目标物品的属性信息、单场对目标品牌的目标物品执行第二价值操作的第二数目信息、单场对上述目标物品执行第二价值操作的第三数目信息和单场对上述目标物品所属品类的物品执行第二价值操作的第四数目信息。

在一些实施例中，执行主体(例如图1所示的电子设备101)可以获取上述目标物品的属性信息、单场对目标品牌的目标物品执行第二价值操作的第二数目信息、单场对上述目标物品执行第二价值操作的第三数目信息和单场对上述目标物品所属品类的物品执行第二价值操作的第四数目信息。作为示例，上述上述目标物品的属性信息可以包括：目标物品的价格信息、目标物品的重量信息、目标物品的体积信息、目标物品的摘要信息。

步骤505，对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息进行数据预处理，得到处理后的第一数据、处理后的第二数据、处理后的属性信息、处理后的第二数目信息、处理后的第三数目信息和处理后的第四数目信息。

在一些实施例中，上述执行主体可以对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息进行数据预处理，得到处理后的第一数据、处理后的第二数据、处理后的属性信息、处理后的第二数目信息、处理后的第三数目信息和处理后的第四数目信息。

作为示例，上述执行主体可以直接对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息进行独热编码(One-Hot编码)处理，得到处理后的第一数据、处理后的第二数据、处理后的属性信息、处理后的第二数目信息、处理后的第三数目信息和处理后的第四数目信息。

在一些实施例的一些可选的实现方式中，上述对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息进行数据预处理，得到处理后的第一数据、处理后的第二数据、处理后的属性信息、处理后的第二数目信息、处理后的第三数目信息和处理后的第四数目信息，可以包括以下步骤：

第一步，对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息中存在数据缺失的数据进行数据补全，得到补全后的第一数据、补全后的第二数据、补全后的属性信息、补全后的第二数目信息、补全后的第三数目信息和补全后的第四数目信息。

第二步，对上述补全后的第一数据、上述补全后的第二数据、上述补全后的目标物品的属性信息、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息进行数据类型转换，得到转换后的第一数据、转换后的第二数据、转换后的目标物品的属性信息、转换后的第二数目信息、转换后的第三数目信息和转换后的第四数目信息。

可选的，上述对上述补全后的第一数据、上述补全后的第二数据、上述补全后的目标物品的属性信息、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息进行数据类型转换，得到转换后的第一数据、转换后的第二数据、转换后的目标物品的属性信息、转换后的第二数目信息、转换后的第三数目信息和转换后的第四数目信息，可以包括以下步骤：

第一步，将上述补全后的第一数据、上述补全后的第二数据、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息转换为浮点型数据。

第二步，响应于上述补全后的属性信息中存在连续型数据，将上述连续型数据转换为浮点型数据。

第三步，响应于补全后的属性信息中存在有序分类变量的数据，将上述有序分类变量的数据进行标签编码，得到标签编码后的数据。其中，有序分类变量可以是各类别之间有程度的差别。例如，尿糖化验结果依据-、±、+、++、+++来分类。疗效可以依据治愈、显效、好转、无效分类。

第四步，响应于补全后的属性信息中存在无序分类变量的数据，将上述无序分类变量的数据进行独热编码，得到独热编码后的数据。其中，无序分类变量(unorderedcategorical variable)是指所分类别或属性之间无程度和顺序的差别。例如，可以分是二项分类，如性别(男、女)，药物反应(阴性和阳性)等。

步骤506，将上述处理后的数据集输入至预先训练的回归网络，得到未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

在一些实施例中，上述执行主体可以将上述处理后的数据集输入至预先训练的回归网络，得到未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。其中，上述回归网络可以是极端梯度提升(XGBoost，eXtreme GradientBoosting)、支持向量机(Support Vector Machine，SVM)，做回归任务的神经网络。

在这里，回归网络的损失函数可以是平方损失函数：

L＝(y_i-r_i)²，

其中，L为损失值。i可以是目标物品。y_i为第一目标用户对

目标物品执行第二价值操作的实际数目。r_i可以是针对目标物品而言，回归网络的输出。

从图5中可以看出，与图2对应的一些实施例的描述相比，图5对应的一些实施例中的信息生成方法的流程500体现了获取与目标物品相关联的各方面数据、对上述与目标物品相关联的各方面数据处理以及如何生成第一数目信息的步骤。由此，这些实施例描述的方案通过引入各方面数据和回归网络可以更全面、精准的生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

继续参考图6，作为对上述各图上述方法的实现，本公开提供了一种信息生成装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，一些实施例的信息生成装置600包括：第一获取单元601、第一生成单元602、第二获取单元603和第二生成单元604。其中，第一获取单元601，被配置成获取预先构建的图模型，其中，上述图模型表征第一用户集、第二用户集和物品集之间的关联关系。第一生成单元602，被配置成根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，生成第一数据，其中，上述第一数据包括表征上述第一目标用户影响上述第二用户集对上述物品集中目标物品执行第一价值操作的特征信息。第二获取单元603，被配置成获取上述第一目标用户对上述物品集执行第二价值操作的第二数据。第二生成单元604，被配置成根据上述第一数据和上述第二数据，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

在一些实施例的一些可选的实现方式中，上述信息生成装置600的第二生成单元604可以进一步被配置成：获取上述目标物品的属性信息、单场对目标品牌的目标物品执行第二价值操作的第二数目信息、单场对上述目标物品执行第二价值操作的第三数目信息和单场对上述目标物品所属品类的物品执行第二价值操作的第四数目信息；对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息进行数据预处理，得到处理后的第一数据、处理后的第二数据、处理后的属性信息、处理后的第二数目信息、处理后的第三数目信息和处理后的第四数目信息；基于上述处理后的第一数据、上述处理后的第二数据、上述处理后的属性信息、上述处理后的第二数目信息、上述处理后的第三数目信息和上述处理后的第四数目信息，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

在一些实施例的一些可选的实现方式中，上述信息生成装置600的第二生成单元604可以进一步被配置成：将上述处理后的数据集输入至预先训练的回归网络，得到未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

在一些实施例的一些可选的实现方式中，上述信息生成装置600的第二生成单元604可以进一步被配置成：对上述第一数据、上述第二数据、上述目标物品的属性信息、上述第二数目信息、上述第三数目信息和上述第四数目信息中存在数据缺失的数据进行数据补全，得到补全后的第一数据、补全后的第二数据、补全后的属性信息、补全后的第二数目信息、补全后的第三数目信息和补全后的第四数目信息；对上述补全后的第一数据、上述补全后的第二数据、上述补全后的目标物品的属性信息、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息进行数据类型转换，得到转换后的第一数据、转换后的第二数据、转换后的目标物品的属性信息、转换后的第二数目信息、转换后的第三数目信息和转换后的第四数目信息。

在一些实施例的一些可选的实现方式中，上述信息生成装置600的第二生成单元604可以进一步被配置成：将上述补全后的第一数据、上述补全后的第二数据、上述补全后的第二数目信息、上述补全后的第三数目信息和上述补全后的第四数目信息转换为浮点型数据；响应于上述补全后的属性信息中存在连续型数据，将上述连续型数据转换为浮点型数据；响应于补全后的属性信息中存在有序分类变量的数据，将上述有序分类变量的数据进行标签编码，得到标签编码后的数据；响应于补全后的属性信息中存在无序分类变量的数据，将上述无序分类变量的数据进行独热编码，得到独热编码后的数据。

在一些实施例的一些可选的实现方式中，上述信息生成装置600的第一生成单元602可以进一步被配置成：根据上述图模型中表征第一目标用户的节点相关联的各个节点和各个边，确定上述图模型中与上述第一目标用户相关联的第一子图；确定上述第一子图中与表征上述第一目标用户的节点相关联的各个边的第一信息；根据上述第一子图，生成表征上述第一目标用户影响力的第一分数信息；根据上述图模型中表征上述目标物体的节点相关联的各个节点和各个边，确定上述图模型中与目标物体相关联的第二子图；确定上述第二子图中与表征上述目标物体的节点相关联的各个边的第二信息；根据上述第二子图，生成表征上述目标物品影响力的第二分数信息；根据上述第一信息、上述第一分数信息、上述第二信息和第二分数信息，生成上述第一数据。

在一些实施例的一些可选的实现方式中，上述信息生成装置600的第一生成单元602可以进一步被配置成：根据上述第二子图，利用页面排名算法，生成表征上述目标物品影响力的第二分数信息。

可以理解的是，该装置600中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置600及其中包含的单元，在此不再赘述。

下面参考图7，其示出了适于用来实现本公开的一些实施例的电子设备700的结构示意图。图7示出的电子设备仅仅是一个示例，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7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)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装置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，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703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。

通常，以下装置可以连接至I/O接口705：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706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，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7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，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；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：获取预先构建的图模型，其中，上述图模型表征第一用户集、第二用户集和物品集之间的关联关系；根据上述图模型中表征上述第一用户集中第一目标用户的节点相关联的各个节点和各个边，生成第一数据，其中，上述第一数据包括表征上述第一目标用户影响上述第二用户集对上述物品集中目标物品执行第一价值操作的特征信息；获取上述第一目标用户对上述物品集执行第二价值操作的第二数据；根据上述第一数据和上述第二数据，生成未来预定时间上述第一目标用户单场对上述目标物品执行第二价值操作的第一数目信息。

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一些实施例的操作的计算机程序代码，上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。

描述于本公开的一些实施例中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：第一获取单元、第一生成单元、第二获取单元和第二生成单元。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，第一获取单元还可以被描述为“获取预先构建的图模型的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些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。