[发明专利]新物品挖掘方法和装置及存储介质

说明书

本公开提出一种新物品挖掘方法和装置及存储介质，涉及计算机领域。该方法包括获取预设品类的多个物品属性组合；利用物品多目标评估模型，对每个物品属性组合的多个预设目标进行评估，物品多目标评估模型是针对多个预设目标对预设品类的已有物品的历史数据进行学习得到的；根据多个物品属性组合的多个预设目标的评估结果，确定优选物品属性组合；根据优选物品属性组合，确定预设品类的新物品。通过机器学习模型自动挖掘新物品，减少新物品设计在人力财力物力的消耗，且多目标学习模型能输出同时满足多个目标的物品属性组合，通过多个目标间的相互作用，有助于跳出单目标的局部最优，底层特征共享减少需要调整的模型参数和重复计算。

技术领域

本公开涉及计算机领域，特别涉及一种新物品挖掘方法和装置及存储介质。

背景技术

随着电子商务行业的迅速发展和供应链生产环节的效率提升，物品迭代不断加速，新物品消费的趋势不断上升，新物品已经成为企业吸引消费者，抢得市场先机，提升品牌价值的重要环节。

目前的新物品设计方法大多是产品经理根据企业的战略需求，通过市场调研和市场分析来获取用户需求，同时根据评论挖掘等方法挖掘出用户对物品各属性的关注度和需求，结合经验对物品的属性进行更改，设计出新物品，再通过投产试销，最终确定新物品的设计方案。

发明内容

本公开实施例提出一种通过机器学习模型自动挖掘新物品的方案，助力于新物品设计，减少新物品设计在人力财力物力方面的消耗；并且该模型属于多目标学习模型，能够输出同时满足多个目标的物品属性组合，并且在学习过程中，通过多个目标之间的相互作用，有助于跳出单目标的局部最优，并且多目标学习模型的底层特征是共享的，可以减少需要调整的模型参数和重复计算。此外，通过启发式搜索方法可以更全面地获得物品属性组合，避免错过一些物品属性组合，有利于挖掘出更多的新物品。

本公开一些实施例提出一种新物品挖掘方法，包括：

获取预设品类的多个物品属性组合；

利用物品多目标评估模型，对每个物品属性组合的多个预设目标进行评估，所述物品多目标评估模型是针对所述多个预设目标对所述预设品类的已有物品的历史数据进行学习得到的；

根据多个物品属性组合的多个预设目标的评估结果，确定优选物品属性组合；

根据所述优选物品属性组合，确定所述预设品类的新物品。

在一些实施例中，所述获取预设品类的多个物品属性组合包括：利用启发式搜索方法对预设品类的物品属性进行搜索得到预设品类的多个物品属性组合。

在一些实施例中，所述物品多目标评估模型是基于多门控混合专家多目标学习模型、渐进式分层提取多目标学习模型或子网路由多目标学习模型，针对所述多个预设目标对所述预设品类的已有物品的历史数据进行学习得到的。

在一些实施例中，在所述物品多目标评估模型是基于多门控混合专家多目标学习模型得到的情况下，所述物品多目标评估模型包括依次级联的输入层、多门控混合专家层、塔层和输出层，其中：

多门控混合专家层包括与输入层连接的多个称为专家的前馈神经网络、与输入层和多个专家连接的多个门控网络，每个门控网络包括一个与输入层连接的门控和一个加权求和计算器，每个门控网络中的加权求和计算器根据该门控网络中的门控提供的权重信息对各个专家的输出结果进行加权求和运算，每个门控网络对应一个预设目标；

塔层包括多个子塔层，每个子塔层是全连接神经网络、且连接一个门控网络；

输出层包括多个子输出层，每个子输出层是全连接神经网络、且连接一个子塔层。