[发明专利]用于输出信息的方法和装置

说明书

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取目标物品的目标属性的属性值；将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，操作预测模型用于基于输入的属性值对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。该实施方式实现了在输入属性值条件下的操作预测。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

产品定价是企业，特别是零售企业最重要的决策之一。现行的定价策略中，主要由采销人员根据商品的销售情况和对未来销量的判断，依据经验对商品进行调价。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：获取目标物品的目标属性的属性值；将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，操作预测模型用于基于输入的属性值对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。

在一些实施例中，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：目标属性的第一历史属性值、目标属性的第二历史属性值、第一历史属性值对应的操作选项、第一历史属性值对应的预设指标的历史值，其中，第二历史属性值是执行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，基于多个训练样本和损失函数对第一神经网络和第二神经网络进行训练，将训练后的第一神经网络确定为操作预测模型，其中，损失函数是基于第一神经网络的输出和第二神经网络的输出确定的。

在一些实施例中，利用机器学习方法，基于多个训练样本和损失函数对第一神经网络和第二神经网络进行训练，将训练后的第一神经网络确定为操作预测模型，包括：对于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第一神经网络的输入，得到第一神经网络基于第一历史属性值对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第二神经网络的输入，得到第二神经网络基于该训练样本的第二历史属性值对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第一神经网络和第二神经网络进行训练。

在一些实施例中，第一神经网络和第二神经的网络结构和初始参数相同。

在一些实施例中，预设指标包括以下至少一项：毛利润、成交总额。

第二方面，本申请实施例提供了一种用于输出信息的装置，该装置包括：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，操作预测模型用于基于输入的属性值对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。

在一些实施例中，该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：目标属性的第一历史属性值、目标属性的第二历史属性值、第一历史属性值对应的操作选项、第一历史属性值对应的预设指标的历史值，其中，第二历史属性值是执行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，基于多个训练样本和损失函数对第一神经网络和第二神经网络进行训练，将训练后的第一神经网络确定为操作预测模型，其中，损失函数是基于第一神经网络的输出和第二神经网络的输出确定的。