[发明专利]信息反馈方法和装置

权利要求书

1.一种信息反馈方法，所述方法包括：

响应于接收到对象的信息反馈请求，获取与所述信息反馈请求相对应的所述对象的各个属性的属性值和属性值修改信息；

基于各个属性的属性值修改信息对相应属性的属性值进行更新，生成与所述属性值修改信息相对应的各个属性值集合，其中，所述属性值集合包括：价值属性的属性值和除价值属性以外的其他属性的属性值；

利用训练得到的目标行为模型对各个属性值集合进行预测，生成与所有属性值集合相对应的目标行为执行率、与所有属性值集合相对应的所述价值属性的浮动范围和与所述目标行为执行率相对应的第一属性集合，其中，所述目标行为执行率为同一属性值集合所对应的所述对象的销量信息和所述对象的查阅信息的比值，所述价值属性的浮动范围用于表征所述价值属性的属性值的最大上升空间，所述目标行为模型的目标为在满足属性值集合对应的目标行为执行率大于相应属性的属性值对应的目标行为执行率的条件下，使所述价值属性的属性值的上升空间最大，所述第一属性集合为除价值属性以外的其他属性的属性值修改信息的集合；

反馈所述对象的各个信息，其中，所述各个信息至少包括：所述目标行为执行率、所述第一属性集合和所述价值属性的浮动范围。

2.根据权利要求1所述方法，其中，所述目标行为模型通过如下训练方式得到：

获取训练样本集，其中，所述训练样本集中的训练样本包括所述对象的属性值集合、与属性值集合相对应的目标行为执行率、与属性值集合相对应的所述价值属性的浮动范围和与所述目标行为执行率相对应的第一属性集合，所述属性值集合基于所述对象的全量用户的属性信息而确定；

利用深度学习算法，将所述训练样本集中训练样本包括的所述对象的属性值集合作为输入数据，将与输入的所述对象的属性值集合对应的所述目标行为执行率、与输入的所述对象的属性值集合对应的所述价值属性的浮动范围和与所述目标行为执行率相对应的第一属性集合作为期望输出数据，训练得到目标行为模型。

3.根据权利要求1所述方法，其中，所述目标行为模型包括：执行率预测子模型和价值范围确定子模型；所述利用训练得到的目标行为模型对各个属性值集合进行预测，生成与所有属性值集合相对应的目标行为执行率、与所有属性值集合相对应的所述价值属性的浮动范围和与所述目标行为执行率相对应的第一属性集合，包括：

利用训练得到的执行率预测子模型对各个属性值集合进行预测，生成与各个属性值集合相对应的目标行为执行率和与所述目标行为执行率相对应的第一属性集合，其中，所述执行率预测子模型用于表征以获得最大的所述目标行为执行率为目标；

将所述第一属性集合中其他属性的属性值修改信息输入价值范围确定子模型，输出与所述第一属性集合相对应的所述价值属性的浮动范围，其中，所述价值范围确定子模型的目标为在满足所述第一属性集合中各个属性的属性值修改信息所对应的目标行为执行率大于所述第一属性集合中各个属性的属性值所对应的目标行为执行率的条件下，使所述价值属性的属性值的上升空间最大。

4.根据权利要求1所述方法，其中，所述价值范围确定子模型利用深度学习训练得到。

5.根据权利要求1所述方法，其中，所述基于各个属性的属性值修改信息对相应属性的属性值进行更新，生成与所述属性值修改信息相对应的各个属性值集合，包括：

基于各个属性的属性值修改信息对相应属性的属性值进行逐一更新，生成与每个所述属性值修改信息相对应的各个属性值集合；或者，基于预设的更新规则和各个属性的属性值修改信息对相应属性的属性值进行更新，生成与所述属性值修改信息相对应的各个属性值集合。

6.根据权利要求1所述方法，还包括：

根据反馈的所述对象的各个信息与产品的相关性，优化所述对象的产品结构和/或所述对象的市场策略。