[发明专利]支付实现方法、装置及电子设备

权利要求书

1.一种支付实现方法，所述方法包括：

响应于目标商品的支付请求消息，获取所述目标商品的商品信息；

通过具有注意力机制的特征提取模型，对所述商品信息进行特征提取，得到该目标商品的商品特征；

将所述商品特征输入至分类模型，并基于所述分类模型输出的分类结果确定所述目标商品的类型；

确定与该目标商品的类型关联的推送信息，并向用户终端返回该推送信息，以由用户终端展示所述推送信息；

所述具有注意力机制的特征提取模型包括：注意力层和特征提取层；

所述通过具有注意力机制的特征提取模型，对所述商品信息进行特征提取，得到该目标商品的商品特征，包括：

所述注意力层，对所述目标商品的各商品信息进行注意力计算，并将计算得到的各具有权重的商品信息输入至所述特征提取层；

所述特征提取层，基于各具有权重的商品信息，输出所述目标商品的商品特征。

2.根据权利要求1所述的方法，所述注意力层，对所述目标商品的各商品信息进行注意力计算，包括：

所述注意力层，确定所述目标商品的各商品信息的权重；

所述注意力层，基于确定出的各商品信息的权重、以及各商品信息，确定各具有权重的商品信息。

3.根据权利要求1所述的方法，所述商品信息包括：商品名称，商品的销售信息。

4.根据权利要求1所述的方法，所述特征提取层为卷积神经网络。

5.根据权利要求1所述的方法，所述向用户终端返回该推送信息，以由用户终端展示所述推送信息，包括：

向所述用户终端返回推送信息，以由所述用户终端在支付确认页面上显示所述推送信息。

6.一种对象类型的预测方法，所述方法包括：

通过具有注意力机制的特征提取模型，对目标对象的对象信息进行特征提取，得到该目标对象的对象特征；

将所述对象特征输入至已训练的分类模型，并基于所述分类模型输出的分类结果确定所述目标对象的类型；

所述具有注意力机制的特征提取模型包括：注意力层和特征提取层；

所述通过具有注意力机制的特征提取模型，对目标对象的对象信息进行特征提取，得到该目标对象的对象特征，包括：

所述注意力层，对所述目标对象的各对象信息进行注意力计算，并将计算得到的各具有权重的对象信息输入至所述特征提取层；

所述特征提取层基于各具有权重的对象信息，输出所述目标对象的对象特征。

7.根据权利要求6所述的方法，所述注意力层，对所述目标对象的各对象信息进行注意力计算，包括：

所述注意力层，确定所述目标对象的各对象信息的权重；

所述注意力层，基于确定出的各对象信息的权重、以及各对象信息，确定各具有权重的对象信息。

8.一种支付实现装置，所述装置包括：

获取模块，用于响应于目标商品的支付请求消息，获取所述目标商品的商品信息；

商品特征提取模块，用于通过具有注意力机制的特征提取模型，对所述商品信息进行特征提取，得到该目标商品的商品特征；

商品确定模块，用于将所述商品特征输入至分类模型，并基于所述分类模型输出的分类结果确定所述目标商品的类型；

返回模块，用于确定与该目标商品的类型关联的推送信息，并向用户终端返回该推送信息，以由用户终端展示所述推送信息；

所述具有注意力机制的特征提取模型包括：注意力层和特征提取层；

所述商品特征提取模块，在通过具有注意力机制的特征提取模型，对所述商品信息进行特征提取，得到该目标商品的商品特征时，用于所述注意力层，对所述目标商品的各商品信息进行注意力计算，并将计算得到的各具有权重的商品信息输入至所述特征提取层；所述特征提取层，基于各具有权重的商品信息，输出所述目标商品的商品特征。