用于生成信息的方法和装置与流程

1.本技术的实施例涉及计算机技术领域，具体涉及数据处理技术领域，尤其涉及用于生成信息的方法和装置。


背景技术：

2.预测商品的最低价格能够及时发现商品价格是否有风险，及时做出调整，避免资金损失。目前预测商品最低价格的方法采用离线获取商品的所有优惠信息并进行离线计算。但离线方案一般使用大数据平台进行离线计算，存在时效慢，当发现时问题时可能已经造成了资金损失的问题。在实时方案中，一个商品可能有几百个优惠活动，商品优惠活动较多，需要计算所有时间段内的所有优惠活动的排列组合情况，还需要考虑每个时间段内的优惠活动的叠加情况，计算量很大，响应时间在秒级以上且不稳定，很难实时预测商品的最低价格。


技术实现要素：

3.本技术提供了一种用于生成信息的方法、装置、设备以及存储介质。
4.根据本技术的第一方面，提供了一种用于生成信息的方法，该方法包括：响应于接收到目标对象的信息生成请求，获取目标对象的当前活动信息和目标对象对应的时间活动关系模型，其中，时间活动关系模型用于表征目标对象的各个活动的时间区间与相应活动的活动内容之间的对应关系，时间活动关系模型根据目标对象的历史活动信息预先构建；基于当前活动信息，对时间活动关系模型进行更新，其中，更新用于表征基于当前活动信息的属性信息，对时间活动关系模型进行增量加入；利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，其中，生成用于表征对更新后的时间活动关系模型中各个活动的时间区间和/或相应活动的活动内容进行聚类分析。
5.在一些实施例中，时间活动关系模型的构建过程包括：获取目标对象的历史活动信息；解析历史活动信息，得到历史活动信息对应的各个活动的时间区间和各个活动的活动内容；基于各个活动的时间区间和各个活动的活动内容，生成时间活动关系模型；对时间活动关系模型进行优化，其中，优化用于表征利用优化策略对时间活动关系模型中的时间区间进行删减和/或对相同时间区间内的活动进行删减。
6.在一些实施例中，对时间活动关系模型进行优化，包括：对时间活动关系模型进行分析，得到时间活动关系模型对应的各个时间区间和每个时间区间内的各个活动；基于各个时间区间之间的关系，对各个时间区间进行筛选；基于每个时间区间内各个活动的折扣力度的比对结果，对每个时间区间内的各个活动进行筛选。
7.在一些实施例中，基于当前活动信息，对时间活动关系模型进行更新，包括：解析当前活动信息，得到当前活动信息的时间区间和活动内容；响应于当前活动信息为可增加信息，生成当前活动信息的时间区间与活动内容之间的对应关系；将当前活动信息的时间
区间与活动内容之间的对应关系加入时间活动关系模型。
8.在一些实施例中，利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，包括：将当前活动信息输入至更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，其中，时间活动关系模型用于表征基于解析的当前活动信息对目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值进行预测。
9.在一些实施例中，时间活动关系模型包括预估子模型和选取子模型；利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，包括：将当前活动信息输入至更新后的时间活动关系模型中的预估子模型，生成与输入的当前活动信息对应的目标对象的各个时间区间的价值赋予信息，其中，预估子模型用于表征基于解析的当前活动信息对目标对象的各个时间区间的价值赋予信息进行预测；将目标对象的各个时间区间的价值赋予信息输入至更新后的时间活动关系模型中的选取子模型，生成目标对象的各个时间区间的价值赋予信息对应的最值，其中，选取子模型用于表征对目标对象的各个时间区间的价值赋予信息进行比对。
10.在一些实施例中，方法还包括：对各个价值赋予信息的最值进行选取，并将选取结果输出。
11.根据本技术的第二方面，提供了一种用于生成信息的装置，装置包括：获取单元，被配置成响应于接收到目标对象的信息生成请求，获取目标对象的当前活动信息和目标对象对应的时间活动关系模型，其中，时间活动关系模型用于表征目标对象的各个活动的时间区间与相应活动的活动内容之间的对应关系，时间活动关系模型根据目标对象的历史活动信息预先构建；更新单元，被配置成基于当前活动信息，对时间活动关系模型进行更新，其中，更新用于表征基于当前活动信息的属性信息，对时间活动关系模型进行增量加入；生成单元，被配置成利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，其中，生成用于表征对更新后的时间活动关系模型中各个活动的时间区间和/或相应活动的活动内容进行聚类分析。
12.在一些实施例中，时间活动关系模型利用以下模块而构建，包括：信息获取模块，被配置成获取目标对象的历史活动信息；信息解析模块，被配置成解析历史活动信息，得到历史活动信息对应的各个活动的时间区间和各个活动的活动内容；模型生成模块，被配置成基于各个活动的时间区间和各个活动的活动内容，生成时间活动关系模型；模型优化模块，被配置成对时间活动关系模型进行优化，其中，优化用于表征利用优化策略对时间活动关系模型中的时间区间进行删减和/或对相同时间区间内的活动进行删减。
13.在一些实施例中，模型优化模块，包括：分析子模块，被配置成对时间活动关系模型进行分析，得到时间活动关系模型对应的各个时间区间和每个时间区间内的各个活动；第一筛选子模块，被配置成基于各个时间区间之间的关系，对各个时间区间进行筛选；第二筛选子模块，被配置成基于每个时间区间内各个活动的折扣力度的比对结果，对每个时间区间内的各个活动进行筛选。
14.在一些实施例中，更新单元，包括：信息解析模块，被配置成解析当前活动信息，得到当前活动信息的时间区间和活动内容；关系生成模块，被配置成响应于当前活动信息为
可增加信息，生成当前活动信息的时间区间与活动内容之间的对应关系；增量加入模块，被配置成将当前活动信息的时间区间与活动内容之间的对应关系加入时间活动关系模型。
15.在一些实施例中，生成单元进一步被配置成将当前活动信息输入至更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，其中，时间活动关系模型用于表征基于解析的当前活动信息对目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值进行预测。
16.在一些实施例中，时间活动关系模型包括预估子模型和选取子模型；生成单元，包括：预测模块，被配置成将当前活动信息输入至更新后的时间活动关系模型中的预估子模型，生成与输入的当前活动信息对应的目标对象的各个时间区间的价值赋予信息，其中，预估子模型用于表征基于解析的当前活动信息对目标对象的各个时间区间的价值赋予信息进行预测；选取模块，被配置成将目标对象的各个时间区间的价值赋予信息输入至更新后的时间活动关系模型中的选取子模型，生成目标对象的各个时间区间的价值赋予信息对应的最值，其中，选取子模型用于表征对目标对象的各个时间区间的价值赋予信息进行比对。
17.在一些实施例中，装置还包括：输出单元，被配置成对各个价值赋予信息的最值进行选取，并将选取结果输出。
18.根据本技术的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
19.根据本技术的第四方面，本技术提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
20.根据本技术的技术采用响应于接收到目标对象的信息生成请求，获取目标对象的当前活动信息和目标对象对应的时间活动关系模型，其中，时间活动关系模型用于表征目标对象的各个活动的时间区间与相应活动的活动内容之间的对应关系，时间活动关系模型根据目标对象的历史活动信息预先构建，基于当前活动信息，对时间活动关系模型进行更新，其中，更新用于表征基于当前活动信息的属性信息，对时间活动关系模型进行增量加入，利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，实现一种实时预测商品最低价格的方法，解决了目前离线方案存在一般使用大数据平台进行离线计算，时效慢，难实时预测商品最低价格的问题。通过建立实时增量计算模型，实现在营销环节设置活动时，实时获取到商品的最低价格，避免因没有准确的价格预测导致价格过低，而产生资金损失的可能。
21.应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
22.附图用于更好地理解本方案，不构成对本技术的限定。
23.图1是根据本技术的用于生成信息的方法的第一实施例的示意图；
24.图2是可以实现本技术实施例的用于生成信息的方法的场景图；
25.图3是根据本技术的用于生成信息的方法的第二实施例的示意图；
26.图4是根据本技术的用于生成信息的装置的一个实施例的结构示意图；
27.图5是用来实现本技术实施例的用于生成信息的方法的电子设备的框图。
具体实施方式
28.以下结合附图对本技术的示范性实施例做出说明，其中包括本技术实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本技术的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
29.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
30.图1示出了根据本技术的用于生成信息的方法的第一实施例的示意图100。该用于生成信息的方法，包括以下步骤：
31.步骤101，响应于接收到目标对象的信息生成请求，获取目标对象的当前活动信息和目标对象对应的时间活动关系模型。
32.在本实施例中，当执行主体(例如服务器或终端设备)接收到目标对象的信息生成请求后，执行主体通过有线连接或无线连接的方式从本地或远端获取目标对象的当前活动信息和目标对象对应的时间活动关系模型。执行主体可以通过监听用户发出的事件(例如，预定的按钮\菜单或设置的快捷键被点击\触发的事件)，接收用户的各种请求。目标对象的信息生成请求可以是用户触发某个事件后发起的目标对象的信息生成请求，也可以是终端设备监控到的某个请求。活动信息用于表征针对目标对象的优惠活动的信息，活动信息可以包括：活动区间(活动开始时间至活动结束时间)和活动内容等。时间活动关系模型用于表征目标对象的各个活动的时间区间与相应活动的活动内容之间的对应关系，这里获取到的时间活动关系模型为当前最新的时间活动关系模型。时间活动关系模型可以根据目标对象的历史活动信息预先构建。需要指出的是，上述无线连接方式可以包括但不限于3g、4g、5g连接、wifi连接、蓝牙连接、wimax连接、zigbee连接、uwb(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
33.在本实施例的一些可选的实现方式中，时间活动关系模型可以为时间活动关系图、时间活动关系表或时间活动关系算法。时间活动关系图可以为二维坐标图，横坐标表示时间，纵坐标表示活动。上述时间活动关系模型可以是技术人员基于大量统计计算而预先制定的、用于表征目标对象的各个活动的时间区间与相应活动的活动内容之间的对应关系表或对应关系图，也可以是使用现有的各种逻辑回归模型(logistic regression，lr)进行训练得到的计算公式。
34.步骤102，基于当前活动信息，对时间活动关系模型进行更新。
35.在本实施例中，执行主体可以将步骤101获取到的当前活动信息进行属性抽象，得到当前活动信息的属性信息，然后利用当前活动信息的属性信息对获取到的时间活动关系模型进行增量加入。属性信息可以包括：活动开始时间、活动结束时间和活动内容等。时间活动关系模型可以以map形式组装数据，key表示时间区间，value表示活动内容，包括：活动数量、活动明细等。
36.在本实施例的一些可选的实现方式中，基于当前活动信息，对时间活动关系模型进行更新，包括：解析当前活动信息，得到当前活动信息的时间区间和活动内容；响应于当前活动信息为可增加信息，生成当前活动信息的时间区间与活动内容之间的对应关系；将当前活动信息的时间区间与活动内容之间的对应关系加入时间活动关系模型。通过对解析后的当前活动信息的属性信息进行判断，确保时间活动关系模型准确而有效，提升了模型预测信息的效率。
37.步骤103，利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值。
38.在本实施例中，执行主体可以对更新后的时间活动关系模型中各个活动的时间区间和/或相应活动的活动内容进行聚类分析，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值。例如，将100个活动分成五类，获取每类的折扣价(即优惠的价格)，然后将目标对象的当前价格分别与五类中各个折扣价相减，取相减后的最小值和最大值即为各个价值赋予信息的最值。
39.需要说明的是，上述训练方法是目前广泛研究和应用的公知技术，在此不再赘述。
40.继续参见图2，本实施例的用于生成信息的方法200运行于电子设备201中。当电子设备201接收到目标对象的信息生成请求后，获取目标对象的当前活动信息和目标对象对应的时间活动关系模型202，其中，时间活动关系模型用于表征目标对象的各个活动的时间区间与相应活动的活动内容之间的对应关系，时间活动关系模型根据目标对象的历史活动信息预先构建，然后电子设备201基于当前活动信息，对时间活动关系模型进行更新203，其中，更新用于表征基于当前活动信息的属性信息，对时间活动关系模型进行增量加入，最后电子设备201利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值204，其中，生成用于表征对更新后的时间活动关系模型中各个活动的时间区间和/或相应活动的活动内容进行聚类分析。
41.本技术的上述实施例提供的用于生成信息的方法采用响应于接收到目标对象的信息生成请求，获取目标对象的当前活动信息和目标对象对应的时间活动关系模型，其中，时间活动关系模型用于表征目标对象的各个活动的时间区间与相应活动的活动内容之间的对应关系，时间活动关系模型根据目标对象的历史活动信息预先构建，基于当前活动信息，对时间活动关系模型进行更新，其中，更新用于表征基于当前活动信息的属性信息，对时间活动关系模型进行增量加入，利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，实现一种实时预测商品最低价格的方法，解决了目前离线方案存在一般使用大数据平台进行离线计算，时效慢，难实时预测商品最低价格的问题。通过建立实时增量计算模型，实现在营销环节设置活动时，实时获取到商品的最低价格，避免因没有准确的价格预测导致价格过低，而产生资金损失的可能。
42.进一步参考图3，其示出了用于生成信息的方法的第二实施例的示意图300。该方法的流程包括以下步骤：
43.步骤301，响应于接收到目标对象的信息生成请求，获取目标对象的当前活动信息和目标对象对应的时间活动关系模型。
44.在本实施例中，当执行主体接收到目标对象的信息生成请求后，执行主体通过有
线连接或无线连接的方式从本地或远端获取目标对象的当前活动信息和目标对象对应的时间活动关系模型。时间活动关系模型根据目标对象的历史活动信息预先构建。
45.在本实施例中，时间活动关系模型的构建过程包括：获取目标对象的历史活动信息，解析历史活动信息，得到历史活动信息对应的各个活动的时间区间和各个活动的活动内容，基于各个活动的时间区间和各个活动的活动内容，生成时间活动关系模型，对时间活动关系模型进行优化，其中，优化用于表征利用优化策略对时间活动关系模型中的时间区间进行删减和/或对相同时间区间内的活动进行删减，优化策略用于表征基于保证模型准确性同时降低计算量的原则对时间活动关系模型中的无效信息和/或无用信息进行筛选和删除。
46.在本实施例的一些可选的实现方式中，对时间活动关系模型进行优化，包括：对时间活动关系模型进行分析，得到时间活动关系模型对应的各个时间区间和每个时间区间内的各个活动；基于各个时间区间之间的关系，对各个时间区间进行筛选；基于每个时间区间内各个活动的折扣力度的比对结果，对每个时间区间内的各个活动进行筛选。这里，优化的具体过程至少包括：当一个时间区间内活动是另一个时间区间内活动的子集时，基于相同时间区间内活动多的价格一定比活动少的价格低的原则，忽略该时间区间(即活动少的时间区间)，以此来减少时间活动关系模型中时间区间的数量；对一个时间区间内活动的优惠力度进行比较，选取优惠力度最大的活动，将其他活动删除，以此减少相同时间区间内的活动数量，减少总的响应时间。
47.步骤302，基于当前活动信息，对时间活动关系模型进行更新。
48.步骤303，利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值。
49.在本实施例中，执行主体可以将当前活动信息输入至更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，其中，时间活动关系模型用于表征基于解析的当前活动信息对目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值进行预测。
50.在本实施例的一些可选的实现方式中，时间活动关系模型包括预估子模型和选取子模型；利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，包括：将当前活动信息输入至更新后的时间活动关系模型中的预估子模型，生成与输入的当前活动信息对应的目标对象的各个时间区间的价值赋予信息，其中，预估子模型用于表征基于解析的当前活动信息对目标对象的各个时间区间的价值赋予信息进行预测；将目标对象的各个时间区间的价值赋予信息输入至更新后的时间活动关系模型中的选取子模型，生成目标对象的各个时间区间的价值赋予信息对应的最值，其中，选取子模型用于表征对目标对象的各个时间区间的价值赋予信息进行比对。在模型预测中逐级、分步完成，提升模型预测的能力，提升系统效率。
51.步骤304，对各个价值赋予信息的最值进行选取，并将选取结果输出。
52.在本实施例中，执行主体可以选取各个价值赋予信息的最值，比如选取最小值，并将选取结果输出，以供使用者所用。
53.需要说明的是，技术人员可以根据实际需求，自行设定上述时间活动关系模型的模型结构，本公开的实施例对此不做限定。
54.在本实施例中，步骤302的具体操作与图1所示的实施例中的步骤102的操作基本相同，在此不再赘述。
55.从图3中可以看出，与图1对应的实施例相比，本实施例中的用于生成信息的方法的示意图300采用获取目标对象对应的预先构建的时间活动关系模型，时间活动关系模型的构建过程包括：获取目标对象的历史活动信息，解析历史活动信息，生成表征历史活动信息的时间活动关系模型，对时间活动关系模型进行优化，避免一个商品可能有几百个优惠活动，需要计算所有时间区间内的所有优惠的排列组合情况，还需要考虑每个时间段内的活动叠加情况，计算量很大，导致响应时间在秒级以上且不稳定，很难实时预测商品最低价的问题，降低了响应时间，保证系统稳定，利用优惠的特点排除大量的无效计算，最终实现实时计算商品的最低价格。将当前活动信息输入至更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，对各个价值赋予信息的最值进行选取，并将选取结果输出，利用训练好的模型对所需信息进行预测，提高了信息生成的精准度，提高使用者的满意度。
56.进一步参考图4，作为对上述图1～3所示方法的实现，本技术提供了一种用于生成信息的装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
57.如图4所示，本实施例的用于生成信息的装置400包括：获取单元401、更新单元402和生成单元403，其中，获取单元，被配置成响应于接收到目标对象的信息生成请求，获取目标对象的当前活动信息和目标对象对应的时间活动关系模型，其中，时间活动关系模型用于表征目标对象的各个活动的时间区间与相应活动的活动内容之间的对应关系，时间活动关系模型根据目标对象的历史活动信息预先构建；更新单元，被配置成基于当前活动信息，对时间活动关系模型进行更新，其中，更新用于表征基于当前活动信息的属性信息，对时间活动关系模型进行增量加入；生成单元，被配置成利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，其中，生成用于表征对更新后的时间活动关系模型中各个活动的时间区间和/或相应活动的活动内容进行聚类分析。
58.在本实施例中，用于生成信息的装置400的获取单元401、更新单元402和生成单元403的具体处理及其所带来的技术效果可分别参考图1对应的实施例中的步骤101到步骤103的相关说明，在此不再赘述。
59.在本实施例的一些可选的实现方式中，时间活动关系模型利用以下模块而构建，包括：信息获取模块，被配置成获取目标对象的历史活动信息；信息解析模块，被配置成解析历史活动信息，得到历史活动信息对应的各个活动的时间区间和各个活动的活动内容；模型生成模块，被配置成基于各个活动的时间区间和各个活动的活动内容，生成时间活动关系模型；模型优化模块，被配置成对时间活动关系模型进行优化，其中，优化用于表征利用优化策略对时间活动关系模型中的时间区间进行删减和/或对相同时间区间内的活动进行删减。
60.在本实施例的一些可选的实现方式中，模型优化模块，包括：分析子模块，被配置成对时间活动关系模型进行分析，得到时间活动关系模型对应的各个时间区间和每个时间区间内的各个活动；第一筛选子模块，被配置成基于各个时间区间之间的关系，对各个时间
区间进行筛选；第二筛选子模块，被配置成基于每个时间区间内各个活动的折扣力度的比对结果，对每个时间区间内的各个活动进行筛选。
61.在本实施例的一些可选的实现方式中，更新单元，包括：信息解析模块，被配置成解析当前活动信息，得到当前活动信息的时间区间和活动内容；关系生成模块，被配置成响应于当前活动信息为可增加信息，生成当前活动信息的时间区间与活动内容之间的对应关系；增量加入模块，被配置成将当前活动信息的时间区间与活动内容之间的对应关系加入时间活动关系模型。
62.在本实施例的一些可选的实现方式中，生成单元进一步被配置成将当前活动信息输入至更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，其中，时间活动关系模型用于表征基于解析的当前活动信息对目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值进行预测。
63.在本实施例的一些可选的实现方式中，时间活动关系模型包括预估子模型和选取子模型；生成单元，包括：预测模块，被配置成将当前活动信息输入至更新后的时间活动关系模型中的预估子模型，生成与输入的当前活动信息对应的目标对象的各个时间区间的价值赋予信息，其中，预估子模型用于表征基于解析的当前活动信息对目标对象的各个时间区间的价值赋予信息进行预测；选取模块，被配置成将目标对象的各个时间区间的价值赋予信息输入至更新后的时间活动关系模型中的选取子模型，生成目标对象的各个时间区间的价值赋予信息对应的最值，其中，选取子模型用于表征对目标对象的各个时间区间的价值赋予信息进行比对。
64.在本实施例的一些可选的实现方式中，装置还包括：输出单元，被配置成对各个价值赋予信息的最值进行选取，并将选取结果输出。
65.根据本技术的实施例，本技术还提供了一种电子设备和一种可读存储介质。
66.如图5所示，是根据本技术实施例的用于生成信息的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本技术的实现。
67.如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
68.存储器502即为本技术所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本技术所提供的用于生成信息
的方法。本技术的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本技术所提供的用于生成信息的方法。
69.存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本技术实施例中的用于生成信息的方法对应的程序指令/模块(例如，附图4所示的获取单元401、更新单元402和生成单元403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的用于生成信息的方法。
70.存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据用于生成信息的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至用于生成信息的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
71.用于生成信息的方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
72.输入装置503可接收输入的数字或字符信息，以及产生与用于生成信息的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
73.此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
74.这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
75.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视
器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
76.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
77.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端
‑
服务器关系的计算机程序来产生客户端和服务器的关系。
78.根据本技术实施例的技术方案采用响应于接收到目标对象的信息生成请求，获取目标对象的当前活动信息和目标对象对应的时间活动关系模型，其中，时间活动关系模型用于表征目标对象的各个活动的时间区间与相应活动的活动内容之间的对应关系，时间活动关系模型根据目标对象的历史活动信息预先构建，基于当前活动信息，对时间活动关系模型进行更新，其中，更新用于表征基于当前活动信息的属性信息，对时间活动关系模型进行增量加入，利用更新后的时间活动关系模型，生成当前活动信息对应的目标对象的各个时间区间的价值赋予信息和各个价值赋予信息的最值，实现一种实时预测商品最低价格的方法，解决了目前离线方案存在一般使用大数据平台进行离线计算，时效慢，难实时预测商品最低价格的问题。通过建立实时增量计算模型，实现在营销环节设置活动时，实时获取到商品的最低价格，避免因没有准确的价格预测导致价格过低，而产生资金损失的可能。
79.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本技术中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本技术公开的技术方案所期望的结果，本文在此不进行限制。
80.上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。