[发明专利]用于输出信息的方法和装置

权利要求书

1.一种用于输出信息的方法，所述方法包括：

获取目标物品的目标属性的属性值；

将所述属性值输入至预先训练的操作预测模型，得到针对至少两个操作选项中的各个操作选项的第一打分值，其中，所述操作预测模型用于基于输入的属性值对所述各个操作选项分别进行打分；

输出第一打分值最大的操作选项。

2.根据权利要求1所述的方法，其中，所述操作预测模型通过以下步骤训练得到：

获取多个训练样本，训练样本包括：所述目标属性的第一历史属性值、所述目标属性的第二历史属性值、所述第一历史属性值对应的操作选项和所述第一历史属性值对应的预设指标的历史值，其中，所述第二历史属性值是执行所述第一历史属性值对应的操作选项得到的；

获取预先建立的第一神经网络和第二神经网络；

利用机器学习方法，基于所述多个训练样本和损失函数对所述第一神经网络和所述第二神经网络进行训练，将训练后的所述第一神经网络确定为所述操作预测模型，其中，所述损失函数是基于所述第一神经网络的输出和所述第二神经网络的输出确定的。

3.根据权利要求2所述的方法，其中，所述利用机器学习方法，基于所述多个训练样本和损失函数对所述第一神经网络和所述第二神经网络进行训练，将训练后的所述第一神经网络确定为所述操作预测模型，包括：

对于所述多个训练样本中的训练样本，将该训练样本的第一历史属性值作为所述第一神经网络的输入，得到所述第一神经网络基于第一历史属性值对所述至少两个操作选项中的各个操作选项的第二打分值；确定该训练样本对应的操作选项的第二打分值；将该训练样本的第二历史属性值作为所述第二神经网络的输入，得到所述第二神经网络基于该训练样本的第二历史属性值对所述至少两个操作选项中的各个操作选项的第三打分值；基于第三打分值中的最大值、所确定的该训练样本对应的操作选项的第二打分值和该训练样本的预设指标的历史值确定损失函数，利用机器学习方法对所述第一神经网络和所述第二神经网络进行训练，将训练后的所述第一神经网络作为所述操作预测模型。

4.根据权利要求3所述的方法，其中，所述第一神经网络和所述第二神经的网络结构和初始参数相同。

5.根据权利要求2-4中任一所述的方法，其中，所述预设指标包括以下至少一项：毛利润、成交总额。

6.一种用于输出信息的装置，所述装置包括：

获取单元，配置用于获取目标物品的目标属性的属性值；

操作预测单元，配置用于将所述属性值输入至预先训练的操作预测模型，得到针对至少两个操作选项中的各个操作选项的第一打分值，其中，所述操作预测模型用于基于输入的属性值对所述各个操作选项分别进行打分；

输出单元，配置用于输出第一打分值最大的操作选项。

7.根据权利要求6所述的装置，其中，所述装置还包括训练单元，配置用于：

获取多个训练样本，训练样本包括：所述目标属性的第一历史属性值、所述目标属性的第二历史属性值、所述第一历史属性值对应的操作选项、所述第一历史属性值对应的预设指标的历史值，其中，所述第二历史属性值是执行所述第一历史属性值对应的操作选项得到的；

获取预先建立的第一神经网络和第二神经网络；

利用机器学习方法，基于所述多个训练样本和损失函数对所述第一神经网络和所述第二神经网络进行训练，将训练后的所述第一神经网络确定为所述操作预测模型，其中，所述损失函数是基于所述第一神经网络的输出和所述第二神经网络的输出确定的。