信息处理方法、电子设备和计算机可读存储介质与流程

1.本公开的实施例涉及数据处理领域，并且更具体地，涉及用于处理信息的方法、电子设备和计算机可读存储介质。


背景技术：

2.随着信息技术的飞速发展，数据规模迅速增长。在这样的背景和趋势下，如何利用机器学习等技术来更有效地处理信息受到越来越广泛的关注。例如，需要对多种产品进行处置(例如，设计、生产或销售)的实体很可能期望更有效地利用关于产品的诸多信息，以在多种产品之间进行权衡，从而最大化效率或收益。


技术实现要素：

3.本公开的实施例提供了一种信息处理方案。
4.在本公开的第一方面中，提供了一种信息处理方法。该方法包括获得与多个产品有关的产品信息，产品信息至少包括多个产品中的每个产品在一段时间内的输出量和目标属性，输出量指示相应产品在一段时间内向外部输出的数目。该方法还包括通过将产品信息应用于数据处理模型，确定与输出量相关的因果关系，因果关系至少指示多个产品中的每个产品的输出量对多个产品各自的目标属性的依赖性。该方法还包括基于因果关系，从多个产品中确定影响多个产品的总输出度量的至少一个目标产品。
5.在本公开的第二方面中，提供了一种电子设备。该电子设备包括处理器以及与处理器耦合的存储器，存储器具有存储于其中的指令，指令在被处理器执行时使设备执行动作。动作包括获得与多个产品有关的产品信息，产品信息至少包括多个产品中的每个产品在一段时间内的输出量和目标属性，输出量指示相应产品在一段时间内向外部输出的数目。动作还包括通过将产品信息应用于数据处理模型，确定与输出量相关的因果关系，因果关系至少指示多个产品中的每个产品的输出量对多个产品各自的目标属性的依赖性。动作还包括基于因果关系，从多个产品中确定影响多个产品的总输出度量的至少一个目标产品。
6.在本公开的第三方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。
7.提供发明内容部分是为了简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。
附图说明
8.通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。在附图中：
9.图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图；
10.图2示出了根据本公开的一些实施例的产品分析过程的流程图；
11.图3示出了根据本公开的一些实施例中的产品分析和调整的简化框图；
12.图4示出了根据本公开的一些实施例的表示因果关系示例的表；
13.图5示出了根据本公开的一些实施例的产品调整过程的流程图；
14.图6a示出了根据本公开的一些实施例的确定调整信息的过程的流程图；
15.图6b示出了根据本公开的一些实施例的确定调整信息的另一过程的流程图；以及
16.图7示出了可以用来实施本公开的实施例的示例设备的框图。
具体实施方式
17.下面将参考附图中示出的若干示例实施例来描述本公开的原理。虽然附图中显示了本公开的优选实施例，但应当理解，描述这些实施例仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。
18.在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
19.如本文中所使用的，术语“因果关系”可以是指一个或多个因素(因)与一个现象或结果(果)之间的关联。对某个现象或结果产生影响的任何因素都是该现象或结果的一个因素。
20.如本文中所使用的，术语产品的“属性”可以是指产品所特有或在某种情况下具有的性质，例如但不限于尺寸、颜色、价格、材质等。术语“目标属性”是指在进行因果关系学习或确定时所考虑或感兴趣的一个或多个属性。
21.如本文中所使用的，术语“输出量”可以是指产品在一段时间内向外部输出的数目。例如，取决于不同应用场景，“输出量”可以表示产品的销售量、订制量、产出量等。术语“总输出度量”可以是指一种度量，该度量用于指示多种或多个产品在一段时间内向外部输出的情况。例如，取决于不同应用场景，“总输出度量”可以表示多种或多个产品在一段时间内的总销售量、总销售额(或总销售利润)、总订制量、总订制额、总产出量等。
22.如本文中所使用的，术语“处置(handle)”可以是指对产品进行设计、生产、销售等中的一项或多项。产品处置实体可以是指对产品进行相应处置的实体，例如，销售实体、设计实体等。类似地，向设计实体订制产品的实体可以被称为订制实体，向销售实体购买产品的实体可以被称为购买实体。
23.如前文所提及的，对于同时处置(例如，设计、生产或销售)多种产品的实体而言，期望更有效地利用关于产品的诸多信息，以在多种产品之间进行权衡，从而最大化效率或收益。仅作为示例，同时销售多种产品的实体(诸如，零售商场)可能期望基于产品的销售情况来制定产品定价策略或产品选择策略等。同时设计多种产品的实体可能期望基于产品的订制或订购情况来制定产品修改(例如，尺寸、颜色的修改)策略。
24.在常规方案中，为了解决这种需求，通常通过仿真建模的方式来获得关于输出量
或总输出度量的预测模型。然后基于这种该预测模型，来确定多种产品的属性。然而，这种常规方案仅是基于数学模型，并没有考虑多种产品及其属性之间的内在关联或影响。
25.本技术的发明人意识到，在产品的设计、生产、销售等活动中，产品的一些属性，例如尺寸、颜色、价格等，通常会影响产品的受欢迎程度或用户对该产品的需求程度等，进而影响该产品的输出量。另外，不同产品，特别是相同类型的不同产品之间也存在相互影响。例如，作为同种类型的两种产品，一种产品的尺寸、价格等将影响另一产品的受欢迎程度。
26.由此，本技术的发明人意识到，为了提高多种或多个产品的总输出度量，需要考虑影响产品的输出量的因素是哪些以及这些因素的影响方式。基于所确定的影响因素和影响方式，可以进一步确定多个产品中的核心产品。进而可以指定相应策略来提高总输出度量。例如，本技术的发明人意识到，产品销售实体为提升整体销售额，需要了解影响产品销量的关键因素是什么以及如何影响，从而确定核心价值产品，定制相应的策略来提升整体的销售额。
27.根据本公开的实施例，提供了产品分析和产品调整方案。在该方案中，通过对包括不同来源数据的产品信息的处理，并且利用自动化的因果关系学习技术，可以确定与产品的输出量有关的因果关系，该因果关系表示产品的输出量受到哪些因素的影响。然后，可以基于因果关系，确定多个产品中的核心产品或关键产品。例如，核心产品或关键产品可以是对多个产品的总输出度量具有较大影响的产品。还可以进一步利用因果关系，确定或提供针对核心产品或关键产品的调整模式或策略，从而提高甚至最大化处置多个产品的整体效率或收益。利用本公开的实施例，可以通过核心产品或关键产品的确定，来更有针对性地调整产品，从而有效地提升产品处置效率或收益。
28.以下将参照附图来具体描述本公开的实施例。图1示出了本公开的多个实施例能够在其中实现的示例环境100的示意图。在该示例环境100中，由计算设备102处理与多个产品有关的产品信息110，以确定与产品的输出量有关的因果关系103和与至少一个目标产品有关的目标产品信息104。
29.产品信息至少包括多个产品中的每个产品在一段时间内的输出量和目标属性。在图1中，示例产品信息110的列111表示不同产品，列112表示输出量，列113表示目标属性。在该示例产品信息中，示出了产品a-e的输出量(具体为输出量的值)和目标属性(具体为该目标属性的值)。一段时间可以是所考虑或统计的任何长度的时间，例如一天、一周、一个月、一季度、一年等。尽管以表的形式示出了产品信息110，但这仅是示例性的，而无意限制。
30.此外，尽管在图1的示例中，每个产品仅对应于一个输出量，但是在一些实施例中，输出量还可以被进一步细化。例如，当同一产品与多个产品处置实体相关联时，一个产品(例如，产品a)的输出量可以被细化为分别与多个产品处置实体相对应的输出量。例如当产品a由多个销售实体售卖时，输出量1可以被细化为包括分别由该多个销售实体售出的销量。又如，当产品a被多个实体订制时，输出量1可以被细化为包括分别由该多个实体订制的量。
31.作为一个示例，输出量可以是产品a-e在一段时间内的销量，目标属性可以是产品a-e在该段时间内的价格，对应的总输出度量(未示出)可以是产品a-e在一段时间内的总销售额。该示例中在下文中又可以被称为产品销售示例。作为另一示例，输出量可以是产品a-e在一段时间内的订制量或订购量，目标属性可以是产品a-e的尺寸(例如，床的宽度、高度
等)，对应的总输出度量(未示出)可以是产品a-e在一段时间内的总订制量或总订购量。该另一示例中在下文中又可以被称为产品设计示例。
32.在本文中，术语“多个产品”可以是指不同类型的产品、同一类型但规格不同的产品、或其组合。仅作为一个示例，产品a可以是双人床，产品b可以是与产品a尺寸不同的双人床，产品b可以是单人床，产品d可以是衣柜，产品e可以是电视柜等。此外，还应当理解，尽管图1中仅示出了五个产品a-e，但这仅是示例性的而无意限制，根据本公开的实施例可以包括更多或更少数目的产品。此外，在一些实施例中，产品信息110还可以包括除了输出量和目标属性之外的其他信息，例如历史输出情况、地理位置信息等，如下文将描述的。
33.因果关系103可以表示或描述影响产品a-e中的每一个的输出量的因素，这样的因素至少包括产品a-e的目标属性。目标产品信息104可以表示多个产品a-e中影响总输出度量的至少一个目标产品，在该示例中为目标产品a和产品c。在一些实施例中，目标产品是由计算设备102基于因果关系103确定的。
34.计算设备106可以获得因果关系103和目标产品信息104，从而确定针对目标产品a和c的调整信息105。调整信息105可以至少包括对目标产品a和c的目标属性的调整模式，例如对目标属性的属性值的改变。调整信息105还可以附加地包括与调整模式相对应的总输出度量变化。在上述产品设计示例中，调整信息105可以包括对目标产品a和c的尺寸的改变，还可以附加地包括改变所引起的预测的总订制量变化。
35.计算设备102和106可以是任何合适的计算设备，例如固定式计算设备，也可以是便携式计算设备，诸如移动电话、平板计算机等。此外，尽管在图1中将计算设备102和106分开示出，但是应当理解，在一些实施例中，计算设备102和106可以是同一计算设备，或者下文参考计算设备102和106分别描述的动作或模块可以在同一物理设备处实现。
36.下面参考图2，其示出了根据本公开的一些实施例的产品分析过程200的流程图。过程200可以由图1的计算设备102来实现。为便于讨论，将结合图1来描述过程200。
37.在框210，计算设备102获得与多个产品a-e有关的产品信息110。产品信息110至少包括多个产品a-e中的每个产品在一段时间内的输出量(诸如，列112)和目标属性(诸如，列113)，输出量指示相应产品在该段时间内向外部输出的数目。对于产品销售示例，产品信息110可以至少包括产品a-e中的每个产品在一周内的销售量以及价格。对于产品设计示例，产品信息110可以至少包括产品a-e中的每个产品的特征尺寸和在一周内的订制量。
38.在一些实施例中，产品信息110还可以包括除了目标属性之外的其他属性信息。例如，在目标属性是价格的情况下，其他属性信息可以包括相应产品的类别(诸如，床品类、厨房类)、特征尺寸(长、宽、高)、颜色等。又如，在目标属性是尺寸的情况下，其他属性信息可以包括相应产品的类别(诸如，床品类、厨房类)、价格、颜色等。
39.在一些实施例中，产品信息110还可以包括关于多个产品a-e的历史信息，例如多个产品a-e中的每个产品在该段时间之前的历史目标属性和/或历史输出量。例如，对于产品销售示例，如果以周为单位进行产品分析，历史信息可以包括多个产品a-e在此前一周、两周或三周的价格和销售量。
40.在一些实施例中，产品信息110还可以包括与多个产品a-e中的每个产品相关联的位置信息。例如，这样的位置信息可以指示对相应产品进行处置的实体的位置，和/或指示接收输出的产品的实体的位置。在产品销售示例中，位置信息可以包括相应产品的销售实
体(例如，零售商场)所处的地理位置，例如所在城市的规模(是否为一线城市)、商场所处具体位置(例如，市区或郊区)。在产品设计示例中，位置可以包括订购或订制相应产品的实体(例如，个人、产品销售实体)所处的地理位置，和/或相应产品的设计实体所处的地理位置等。
41.在一些实施例中，产品信息110还可以包括与多个产品a-e中的至少一些产品相关的操作(又可以称为辅助操作)的信息，这样的操作用于促进向外部输出产品。在产品设计示例中，这样的信息可以包括多个产品a-e中的一个或多个产品是否被大力推广，例如在产品手册中是否被放置在靠前位置、是否投放产品广告等。在产品销售示例中，这样的信息可以包括多个产品a-e中的一个或多个产品是否被促销(例如，打折)、是否在销售场所放置宣传海报等。
42.参考图3，其示出了根据本公开的一些实施例中的产品分析和调整的简化框图300。参考框210所描述的获得产品信息的动作可以由例如数据收集模块301执行。例如，数据收集模块301可以从产品处置实体的数据库中取回或读取产品信息110的至少一部分。
43.继续参考图2，在框220，计算设备102通过将产品信息110应用于数据处理模型，确定与输出量相关的因果关系103。与输出量相关的因果关系103至少指示多个产品a-e中的每个产品的输出量对多个产品a-e各自的目标属性的依赖性。数据处理模型可以是基于因果关系(线性/非线性)学习技术的任何合适模型。数据处理模型也可以是能够利用产品信息110确定因果关系任何合适模型。
44.因果关系103可以指示影响产品的输出量的一个或多个因素(又可以称为关键因素)及其影响方式，该一个或多个因素至少包括产品的目标属性。在产品信息110包括其他信息的情况下，该一个或多个因素还可以包括除了目标属性之外的因素，例如历史输出情况、地理位置等。
45.在一些实施例中，计算设备102可以对产品信息110进行预处理以应用于数据处理模型。对产品信息110的预处理可以包括文本处理、特征工程或其组合。下面参考图3来分别描述文本处理和特征工程。
46.文本处理模块302可以用于处理产品信息110中的文本信息，以得到对应的量化表示或特征表示。例如，上文提及的位置信息和关于辅助操作的信息通常以文本形式提供。文本处理模块302可以基于位置信息得到关于产品处置实体的量化的特征表示，例如一个或多个产品处置实体属于哪一类实体(例如，标识该实体的规模)。在产品销售示例中，这种特征表示可以指示一个或多个产品处置实体是否是一类城市店铺、二类城市店铺等。文本处理模块302可以基于关于辅助操作的信息确定表示一个或多个产品在该段时间(例如，一周)内是否被促进输出、促进力度大小的特征表示。在产品销售示例中，这种特征表示可以指示一个或多个产品在当周是否有促销、促销力度大小等。
47.特征工程模块303可以对产品信息110或经量化的产品信息110进行数据分析，以挖掘新的具有物理含义的特征。在产品信息110包括关于多个产品a-e的历史信息的实施例中，特征工程模块303可以生成时序特征，其可以指示或描述产品输出的时延特性。例如，在产品设计示例中，该时序特征可以包括上一周产品订制量/尺寸、上两周产品订制量/尺寸等。又如，在产品销售示例中，该时序特征可以包括上一周产品销量/价格、上两周产品销量/价格等。
48.在产品信息110包括历史输出量的情况下，特征工程模块303可以基于历史输出量与该段时间(即，所考虑的时间段)的输出量的比较，标识该段时间的时间特性。时间特性可以指示该段时间是否为向外部输出产品的高峰时段。举例而言，如果该段时间超过一定比例的产品的输出量均大于历史输出量，则可以将该段时间标识为高峰时段。例如，特征工程模块303可以进行特殊时间标记。这样的特殊时间可以包括例如与公众假期相对应的时间段(诸如，十一黄金周)、与产品处置实体相关的特别时间段(诸如，销售实体的周年庆)等。在这样的实施例中，因果关系学习模块304可以基于所标识的时间特性，确定多个产品a-e中的每个产品的输出量的时间依赖性。例如，参考下文将描述的表400的列409。
49.在产品信息110包括位置信息的情况下，特征工程模块303可以基于多个产品a-e中的至少一些产品的输出量，对位置信息所指示的多个地理位置进行聚类。通过聚类，可以得到与产品处置实体相关联的聚类标记。例如，特征工程模块303可以基于多个产品a-e中输出量大于阈值或者输出量排名靠前的产品的信息进行聚类。在产品销售示例中，可以针对销售实体进行聚类。聚类的结果可以指示销售实体属于第一类店铺(例如，对应于新店铺)、第二类店铺(例如，对应于特殊店铺，诸如旗舰店)等中的哪一个。在产品设计示例中，可以对订制实体进行聚类。聚类的结果可以指示订制实体属于第一类实体(例如，对应于个人)、第二类实体(例如，对应于团体、组织等)等中的哪一个。在这样的实施例中，因果关系学习模块304可以基于聚类的结果，确定多个产品a-e中的至少一些产品的输出量的位置依赖性。例如，参考下文将描述的表400的列406和407。
50.因果关系学习模块304基于产品信息110或经预处理的产品信息110，利用任何合适的因果关系学习技术来确定与产品的输出量有关的因果关系103。因果关系103可以指示影响产品的输出量的关键因素及其影响方式。
51.图4示出了根据本公开的一些实施例的表示因果关系示例的表400。表400仅是示例性，而无意限制。因果关系103可以指示比表400中所示的更少或更多的依赖性，并且因果关系103也可以以除表以外的其他形式来表示依赖性。
52.在一些实施例中，因果关系103可以仅包括例如表400的列401-405，即指示产品的输出量对产品的目标属性的依赖性。在产品信息110包括历史输出量的情况下，因果关系103可以附加地包括列406、407等。在产品信息110包括位置信息和/或对位置信息进行特征工程处理(上文参考特征工程模块303所述)的情况下，因果关系103可以附加地包括列408，即表示产品的输出量对相关实体(例如，处置实体、订制实体)的依赖性。在对产品信息110中的历史输出量进行特征提取的情况下，因果关系103可以附加地包括列409，即指示产品的输出量对所考虑的一段时间是否为高峰时段(例如，十一黄金周)的依赖性。
53.表400中不为空的元素指示对应的输出量依赖于对应的因素(称为关键因素)。为数值的元素(例如，元素411)可以指示相应的“因”对“果”具有线性影响，为表达式的元素(例如，元素412)可以指示相应的“因”对“果”具有非线性影响。作为示例，对于产品a的输出量而言，关键因素包括产品a的目标属性、产品b的目标属性、上周产品a的目标属性、以及相关实体是否为一类实体。产品a的目标属性(例如，价格)对产品a的输出量是线性影响，即，目标属性每变化1，引起输出量变化-0.5，而产品b的目标属性对产品a的输出量是非线性影响，影响关系为f_21()，其表示一种非线性的关系。表400中的其他元素具有类似含义，在此不再赘述。此外，表400中为空的元素指示对应的输出量不依赖于对应的因素，例如产品a
的输出量不依赖于产品c的目标属性。
54.继续参考图2，在框230，计算设备102基于因果关系103，从多个产品a-e中确定影响多个产品a-e的总输出度量的至少一个目标产品。例如，在图1的示例中，产品a和产品c被确定为目标产品。目标产品可以被认为是其目标属性对其他多种产品的输出量具有一定影响的核心价值产品。
55.从多个产品a-e中确定至少一个目标产品可以基于一个或多个准则。在一些实施例中，这样的准则可以包括产品的输出量(和/或输出度量)占总输出度量的比率是否超过阈值比率。该比率超过阈值比率的产品可以被选择为目标产品的候选。
56.备选地或附加地，在一些实施例中，这样的准则还可以包括多个产品a-e中输出量依赖于某一产品的目标属性的其他产品的数目是否超过阈值数目，或者换言之，受某一产品的目标属性影响的其他产品的数目是否超过阈值数目。该数目超过阈值数目的产品可以被选择为目标产品的候选。在图4的示例中，受产品a的目标属性的影响的其他产品包括产品b、产品d和产品e。
57.例如，计算设备102，例如图3中所示的目标产品确定模块305，可以针对多个产品a-e中的某个产品、一些产品或每个产品，基于因果关系103所指示的依赖性，确定输出量依赖于该产品的目标属性的其他产品的数目。如果该数目超过阈值数目，则目标产品确定模块305可以将该产品确定为候选产品集中的候选产品。
58.备选地或附加地，在一些实施例中，这样的准则还可以包括由产品的目标属性发生预定变化引起的总输出度量变化是否超过阈值变化。该总输出度量变化超过阈值变化的产品可以被选择为目标产品的候选。在产品销售示例中，该准则可以包括在某个产品降价或打折(例如，九折)时多个产品a-e的总销售额的变化是否超过阈值变化。在产品设计示例中，该准则可以包括在某个产品的尺寸改变一定比例(例如，10％)时多个产品a-e的总订制量的变化是否超过阈值变化。目标产品确定模块305可以利用因果关系学习模块304输出的因果关系103来确定或预测总输出度量变化。
59.例如，目标产品确定模块305可以针对多个产品a-e中的某个产品、一些产品或每个产品，基于因果关系103所指示的依赖性，确定该产品的目标属性发生预定变化引起的总输出度量变化。如果该总输出度量变化超过阈值变化，则可以将该产品确定为候选产品集中的候选产品。
60.以上多个准则可以单独使用或者结合使用。在结合使用时，目标产品确定模块305可以并行地使用该多个准则。例如，目标产品确定模块305可以分别应用上述多个准则来确定多个候选产品集，然后将该多个候选产品集的交集中的候选产品确定为目标产品。备选地，在结合使用时，目标产品确定模块305可以顺序地使用该多个准则。例如，目标产品确定模块305可以首先应用一个准则从多个产品a-e中滤除不满足该准则的一个或多个产品，然后对剩余的产品应用另外的准则，从而确定目标产品。
61.仅作为示例，在产品销售示例中，可以考虑产品销售额占比高(例如，>5％)，同时产品价格对其他产品的销量有影响(例如，>10种)，并且产品价格打折(例如，九折)后引起总销售额增加量高(例如，排名前三或超过阈值)的产品作为目标产品或核心价值产品。此外，应当理解，以上描述中所提及的折扣、尺寸改变的具体值仅是示例性的而无意限制，并且任何合适的折扣、尺寸改变旨在本公开的范围内。
62.在一些实施例中，计算设备102可以向与多个产品a-e相关联的对象提供关于至少一个目标产品的信息。关于至少一个目标产品的信息可以包括目标产品是哪个或哪些产品，还可以包括其他信息，例如受目标产品的目标属性影响的其他产品的数目或有哪些，目标产品的目标属性发生预定改变所引起的总输出度量的变化等。与多个产品a-e关联的对象可以包括多个产品a-e的处置实体，例如销售实体、设计实体等。
63.以上参考图1-图4描述了进行信息处理以分析产品的一些实施例中。在这些实施例中，通过对包括不同来源数据的产品信息的处理，并且利用自动化的因果关系学习技术，可以确定多个产品中的核心或关键产品。与核心或关键产品有关的信息可以为产品处置实体提供指导或参考。例如，产品处置实体可以根据核心或关键产品信息来制定或调整策略，从而优化甚至最大化效率或收益。例如，在产品设计示例中，产品设计实体可以在核心或关键产品的尺寸设计方面花费更多的成本。又如，在产品销售示例中，产品销售实体可以通过调整核心或关键产品的价格来提高总销售额。
64.在本公开的一些实施例中，可以利用信息处理来调整产品的目标属性。图5示出了根据本公开的一些实施例的产品调整过程500的流程图。过程500可以由图1的计算设备106来实现。为便于讨论，将结合图1并且附加地结合图3来描述过程500。
65.在框510，计算设备106获得与多个产品a-e的输出量相关的因果关系103。因果关系103至少指示多个产品a-e中的每个产品的输出量对多个产品a-e各自的目标属性的依赖性，输出量指示相应产品在一段时间内向外部输出的数目。在此描述的因果关系与上文关于过程200所描述的相同，因此不再赘述。
66.在一些实施例中，计算设备106可以从其他设备(例如计算设备102)或数据源接收与多个产品a-e的输出量相关的因果关系103。例如，实现在计算设备106处的调整信息确定模块306可以从因果关系学习模块304接收因果关系103。在一些实施例中，计算设备106可以执行上文所描述的过程200来确定因果关系。
67.在框520，计算设备106从多个产品a-e中，确定影响多个产品a-e的总输出度量的至少一个目标产品。目标产品可以被认为是其目标属性对其他多种产品的输出量具有一定影响的核心产品或关键产品，如上文关于过程200所描述的。
68.在一些实施例中，计算设备106可以如上文参考框230所描述的那样确定至少一个目标产品。例如，计算设备106可以利用参考框230所描述的准则中的一个或多个准则来确定目标产品。
69.在一些实施例中，计算设备106可以基于除因果关系之外的其他信息来确定目标产品。例如，计算设备106可以仅基于产品的输出量占所述总输出度量的比率是否超过阈值比率来确定目标产品。在一些实施例中，计算设备106可以从例如计算设备103接收对多个产品a-e中的目标产品的确定。
70.在框530，计算设备106基于因果关系103，确定针对至少一个目标产品a和c的目标属性的调整信息105。对于图1中的示例，调整信息105可以至少包括对目标产品a和c的目标属性的调整模式，例如对目标属性的属性值的改变。调整信息105还可以附加地包括与调整模式相对应的总输出度量变化。在产品设计示例中，调整信息105可以包括对目标产品a和c的尺寸的改变，还可以附加地包括改变所引起的预测的总订制量变化。在产品销售示例中，调整信息105可以包括对目标产品a和c的价格的改变(例如，折扣分别是多少)，还可以附加
地包括该改变所引起的预测的总销售额变化。
71.在一些实施例中，计算设备106(例如，调整信息提供模块307)可以将调整信息105提供给与多个产品a-e相关联的对象，以使得相关联的对象能够对至少一个目标产品应用由调整信息105指示的调整，例如调整目标产品的尺寸、对目标产品进行打折等。在一些实施例中，计算设备106可以进一步获得在应用调整后，多个产品a-e中的每个产品的调整后输出量。计算设备106可以通过将调整后输出量应用于数据处理模型(例如，参考过程200所描述的因果关系学习模型)，更新因果关系或进一步校正因果关系模型。例如，调整信息提供模块307可以从相关联的对象获得调整后输出量，并将调整后输出量传递给数据收集模块301以更新因果关系。
72.在框530，计算设备106可以利用多种方法来确定调整信息105。在一些实施例中，计算设备106可以比较针对至少一个目标产品的不同调整模式(也可以被称为策略)。参考图6a，其示出了根据本公开的一些实施例的确定调整信息的过程601的流程图。过程601可以被认为是框530的一个具体实现。
73.在框610，计算设备106(例如，调整信息确定模块306)获得针对至少一个目标产品的多个调整模式或策略。多个调整模式中的每个调整模式包括对至少一个目标产品的目标属性的改变。例如，多个调整模式中的一个调整模式可以包括将对目标产品a的目标属性进行何种改变，例如尺寸减小或增加比例、价格下调或上调比例等，同时保持目标产品b的目标属性不变。多个调整模式中的另一个调整模式可以包括将对目标产品a和b的目标属性分别进行何种改变。多个调整模式中的又一个调整模式可以包括将对目标产品b的目标属性进行何种改变，同时保持目标产品a的目标属性不变。
74.在一些实施例中，计算设备106可以向与多个产品a-e相关联的对象提供关于至少一个目标产品的信息，并且从相关联的对象获得所述多个调整模式的至少一部分。至少一个目标产品的信息和相关联的对象如上文参考图2所描述的。从相关联的对象所获得调整模式可以是由相关联的对象基于目标产品的信息制定的一个或多个策略。
75.备选地或附加地，在一些实施例中，计算设备106可以自主确定针对目标产品的一个或多个调整模式。例如，计算设备106可以将对目标属性的不同改变(或保持不变)与不同目标产品的排列组合来生成一个或多个调整模式。例如，在产品销售示例中，不同改变可以包括价格不变、打九折、打八折等。
76.在框620，计算设备106基于因果关系103所指示的依赖性来确定由改变引起的总输出度量变化的多个预测值作为调整信息105的至少一部分。每个预测值与多个调整模式中的一个调整模式相对应。计算设备106利用学到的因果关系预测不同调整模式或策略下总输出度量变化，从而得到最优的策略以及相应的总输出度量的值(绝对值或相对值)。
77.例如，在产品销售示例中，多个调整模式或策略可以包括：目标产品a九折且目标产品b保持不变的调整模式1；目标产品a八折且目标产品b保持不变的调整模式2；以及目标产品a和b均九折的调整模式2。利用因果关系103可以确定在调整模式1下总销售额将增加8万，在调整模式2下总销售额将增加7.8万，在调整模式3下总销售额将增加7.3万。计算设备102可以将与不同调整模式或策略相对应的预测的总输出度量变化作为调整信息105的至少一部分，以用于提供给相关联的对象，例如产品销售实体或产品设计实体。应当理解，以上所提及的调整模式及其包括的改变(例如，具体折扣)仅是示例性的，而无意限制。
78.在一些实施例中，在框630，计算设备106可以基于多个预测值，从多个调整模式中选择将要应用于所述至少一个目标产品的调整模式。例如，计算设备106可以将总输出度量正向变化最大的调整模型确定为要应用的调整模式。对于上文的示例，计算设备106可以选择调整模式1作为要应用的调整模式。
79.在框530，在一些实施例中，计算设备106可以通过优化学习来确定调整模式，以生成调整信息。参考图6b，其示出了根据本公开的一些实施例的确定调整信息的另一过程602的流程图。过程602可以被认为是框530的一个具体实现。
80.在框660，计算设备106基于因果关系103，确定根据至少一个目标产品a和c的目标属性而变化的总输出度量变化。例如，计算设备106利用学到的因果关系103，进一步学习至少一个目标的输出量预测式。还可以获得以目标产品a和c的目标属性作为自变量的总输出度量变化表达式。
81.在框670，计算设备106通过最大化总输出度量变化，确定对至少一个目标产品a和c的目标属性的改变，作为调整信息105的至少一部分。例如，计算身边106可以在给定约束条件下最大化由总输出度量变化表达式表示的总输出度量变化，以确定使得效率或收益最大的调整模式，例如最优的尺寸组合或最优的定价组合。
82.以上参考图5、图6a和图6b描述了确定针对目标产品的目标属性的调整信息的过程。在这样的实施例中，利用因果关系，可以定制针对核心产品或关键产品的相应策略，从而提高甚至最大化处置多个产品的整体效率或收益。
83.尽管在上文中分别参考图2和图5来描述过程200和500，但是应该理解，在一些实施例中，过程200和500可以合并为一个过程。
84.图7示出了可以用来实现本公开的实施例的示例设备700的示意性框图。如图所示，设备700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的计算机程序指令或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序指令，来执行各种适当的动作和处理。在ram 703中，还可存储设备700操作所需的各种程序和数据。cpu 701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
85.设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
86.处理单元701执行上文所描述的各个方法和处理，例如过程200、500、601、602中的任一个。例如，在一些实施例中，过程200、500、601、602中的任一个可以被实现为计算机软件程序或计算机程序产品，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由cpu 701执行时，可以执行上文描述的过程200、500、601、602中的任一个的一个或多个步骤。备选地，在其他实施例中，cpu 701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行过程200、500、601、602中的任一个。
87.根据本公开的一些实施例，提供了一种计算机可读介质，其上存储有计算机程序，
该程序被处理器执行时实现根据本公开的方法。
88.本领域的技术人员应当理解，上述本公开的方法的各个步骤可以通过通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本公开不限制于任何特定的硬件和软件结合。
89.应当理解，尽管在上文的详细描述中提及了设备的若干装置或子装置，但是这种划分仅仅是示例性而非强制性的。实际上，根据本公开的实施例，上文描述的两个或更多装置的特征和功能可以在一个装置中具体化。反之，上文描述的一个装置的特征和功能可以进一步划分为由多个装置来具体化。
90.以上所述仅为本公开的可选实施例，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的保护范围之内。