[发明专利]用于生成信息的方法和装置

说明书

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取用户使用终端输入的文字信息；获取与文字信息语义相关的图片；将文字信息和图片输入至预先训练的点击率预测模型，得到点击率，其中，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。该实施方式实现了生成点击率。

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

互联网针对搜索关键字，广泛使用了图片搭配文本的展示形式，而不再是局限于单纯文字形式。由于搜索关键词往往有多个图片作为备选可以出图，选择展现其中哪一张图片是配图的核心问题。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：获取用户使用终端输入的文字信息；获取与文字信息语义相关的图片；将文字信息和图片输入至预先训练的点击率预测模型，得到点击率，其中，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。

在一些实施例中，该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、与多个样本图片中的每个样本图片相关的文字信息以及多个样本图片中的每个样本图片的点击率；将多个样本图片中的每个样本图片和与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。

在一些实施例中，该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，卷积神经网络用于对所输入的图片进行特征提取图片特征向量以输出图片特征向量，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文字特征向量以输出文字特征向量，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。

在一些实施例中，该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、与多个样本图片中的每个样本图片相关的文字信息以及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，将样本图片作为卷积神经网络的输入，将文字信息作为第一深度神经网络的输入，将卷积神经网络输出的图片特征向量和第一深度神经网络输出的文字特征向量作为第二深度神经网络的输入，将多个样本图片中的每个样本图片的点击率作为第二深度神经网络的输出，对卷积神经网络、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。

在一些实施例中，该方法还包括：确定点击率是否在预设阈值范围内；响应于确定点击率在预设阈值范围内，将图片推送到上述终端。

第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：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，配置用于获取与文字信息语义相关的图片；信息生成单元，配置用于将文字信息和图片输入至预先训练的点击率预测模型，得到点击率，其中，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。

在一些实施例中，上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、与多个样本图片中的每个样本图片相关的文字信息以及多个样本图片中的每个样本图片的点击率；将多个样本图片中的每个样本图片和与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。

在一些实施例中，该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，卷积神经网络用于对所输入的图片进行特征提取图片特征向量以输出图片特征向量，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文字特征向量以输出文字特征向量，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。