[发明专利]用于生成信息的方法和装置在审
| 申请号： | 201810089132.4 | 申请日： | 2018-01-30 |
| 公开（公告）号： | CN108182472A | 公开（公告）日： | 2018-06-19 |
| 发明（设计）人： | 刘霄;李旭斌;孙昊;文石磊;丁二锐 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06F17/30 |
| 代理公司： | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人： | 王达佐;马晓亚 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 点击率 文字信息 方法和装置 生成信息 预测模型 语义 图片输入 用户使用 终端 图片 申请 | ||
1.一种用于生成信息的方法，包括：
获取用户使用终端输入的文字信息；
获取与所述文字信息语义相关的图片；
将所述文字信息和所述图片输入至预先训练的点击率预测模型，得到点击率，其中，所述点击率预测模型用于表征文字信息、图片与点击率之间的对应关系。
2.根据权利要求1所述的方法，其中，所述点击率预测模型通过以下步骤训练得到：
获取多个样本图片、与所述多个样本图片中的每个样本图片相关的文字信息以及所述多个样本图片中的每个样本图片的点击率；
将所述多个样本图片中的每个样本图片和与所述多个样本图片中的每个样本图片相关的文字信息作为输入，将所述多个样本图片中的每个样本图片的点击率作为输出，训练得到点击率预测模型。
3.根据权利要求1所述的方法，其中，所述点击率预测模型包括卷积神经网络、第一深度神经网络和第二深度神经网络，其中，所述卷积神经网络用于对所输入的图片进行特征提取以输出图片特征向量，所述第一深度神经网络用于对所输入的文字信息进行特征提取以输出文字特征向量，所述第二深度神经网络用于表征图片特征向量、文字特征向量与图片的点击率的对应关系。
4.根据权利要求3所述的方法，其中，所述点击率预测模型通过以下步骤训练得到：
获取多个样本图片、与所述多个样本图片中的每个样本图片相关的文字信息以及所述多个样本图片中的每个样本图片的点击率；基于机器学习方法，将所述样本图片作为所述卷积神经网络的输入，将所述文字信息作为所述第一深度神经网络的输入，将所述卷积神经网络输出的图片特征向量和所述第一深度神经网络输出的文字特征向量作为所述第二深度神经网络的输入，将所述多个样本图片中的每个样本图片的点击率作为所述第二深度神经网络的输出，对所述卷积神经网络、第一深度神经网络和第二深度神经网络进行训练，得到点击率预测模型。
5.根据权利要求1-4之一所述的方法，其中，所述方法还包括：
确定所述点击率是否在预设阈值范围内；
响应于确定所述点击率在预设阈值范围内，将所述图片推送到所述终端。
6.一种用于生成信息的装置，所述装置包括：
文字信息获取单元，配置用于获取用户使用终端输入的文字信息；
图片获取单元，配置用于获取与所述文字信息语义相关的图片；
信息生成单元，配置用于将所述文字信息和所述图片输入至预先训练的点击率预测模型，得到点击率，其中，所述点击率预测模型用于表征文字信息、图片与点击率之间的对应关系。
7.根据权利要求6所述的装置，其中，所述点击率预测模型通过以下步骤训练得到：
获取多个样本图片、与所述多个样本图片中的每个样本图片相关的文字信息以及所述多个样本图片中的每个样本图片的点击率；
将所述多个样本图片中的每个样本图片和与所述多个样本图片中的每个样本图片相关的文字信息作为输入，将所述多个样本图片中的每个样本图片的点击率作为输出，训练得到点击率预测模型。
8.根据权利要求6所述的装置，其中，所述点击率预测模型包括卷积神经网络、第一深度神经网络和第二深度神经网络，其中，所述卷积神经网络用于对所输入的图片进行特征提取以输出图片特征向量，所述第一深度神经网络用于对所输入的文字信息进行特征提取以输出文字特征向量，所述第二深度神经网络用于表征图片特征向量、文字特征向量与图片的点击率的对应关系。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810089132.4/1.html，转载请声明来源钻瓜专利网。
