用于输出信息的方法、装置、设备以及存储介质与流程

1.本公开涉及计算机技术领域，具体涉及深度学习领域，尤其涉及用于输出信息的方法、装置、设备以及存储介质。


背景技术：

2.随着机器学习技术的不断进步，银行、保险等行业使用机器学习模型进行各种产品的风控也越来越多。根据模型打分制定相应的风控策略，其中，模型的泛化能力，直接决定了产品的风控效果。而模型的泛化能力，则是由用于训练模型的特征所决定的。因此，充分利用现有的用户兴趣标签数据，挖掘其潜在价值，能最大程度提升模型的区分效果。


技术实现要素：

3.本公开提供了一种用于输出信息的方法、装置、设备以及存储介质。
4.根据第一方面，提供了一种用于输出信息的方法，包括：获取目标场景的目标模型；获取目标场景的待挖掘信息；根据待挖掘信息以及目标模型，确定待挖掘信息的特征；输出待挖掘信息的特征。
5.根据第二方面，提供了一种用于输出信息的装置，包括：第一获取单元，被配置成获取目标场景的目标模型；第二获取单元，被配置成获取目标场景的待挖掘信息；特征挖掘单元，被配置成根据待挖掘信息以及目标模型，确定待挖掘信息的特征；特征输出单元，被配置成输出待挖掘信息的特征。
6.根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与上述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，上述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所描述的方法。
7.根据第四方面，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，上述计算机指令用于使计算机执行如第一方面所描述的方法。
8.根据第五方面，一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如第一方面所描述的方法。
9.根据本公开的技术可以充分挖掘信息的特征，提高信息的价值。
10.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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
11.附图用于更好地理解本方案，不构成对本公开的限定。其中：
12.图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
13.图2是根据本公开的用于输出信息的方法的一个实施例的流程图；
14.图3是根据本公开的用于输出信息的方法的一个应用场景的示意图；
15.图4是根据本公开的用于输出信息的方法的另一个实施例的流程图；
16.图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图；
17.图6是用来实现本公开实施例的用于输出信息的方法的电子设备的框图。
具体实施方式
18.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
19.需要说明的是，在不冲突的情况下，本公开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公开。
20.图1示出了可以应用本公开的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
21.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
22.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如电子支付类应用、购物类应用、金融类应用等。
23.终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
24.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上提供语言模型的后台服务器。后台服务器可以利用训练样本对初始语言模型进行训练，得到目标语言模型，并将目标语言模型反馈给终端设备101、102、103。
25.需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
26.需要说明的是，本公开实施例所提供的用于输出信息的方法一般由服务器105执行。相应地，用于输出信息的装置一般设置于服务器105中。
27.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
28.继续参考图2，示出了根据本公开的用于输出信息的方法的一个实施例的流程200。本实施例的用于输出信息的方法，包括以下步骤：
29.步骤201，获取目标场景的目标模型。
30.本实施例中，用于输出信息的方法的执行主体可以首先获取目标场景的目标模型。这里，目标场景可以是任意场景，例如银行的借贷场景、电商网站的信息推送场景等。目
标模型可以是用于挖掘目标场景中信息的模型，其可以是深度学习算法，经大量训练样本训练得到。例如，目标模型是用于挖掘目标场景中用户信息的特征的模型。通过利用目标模型对用户信息的特征挖掘，可以更全面的评述目标场景中的用户。
31.步骤202，获取目标场景的待挖掘信息。
32.执行主体还可以进一步获取目标场景的待挖掘信息。这里，待挖掘信息可以是未参与目标模型训练的信息。例如可以是目标场景中新用户的信息。在一些具体的应用中，待挖掘信息中包括的内容与参与目标模型训练的信息中包括的内容相同。
33.步骤203，根据待挖掘信息以及目标模型，确定待挖掘信息的特征。
34.执行主体可以将待挖掘信息输入目标模型，将目标模型的输出作为待挖掘信息的特征。或者，执行主体可以对待挖掘信息进行整理后再输入目标模型。这里的整理可以为将待挖掘信息的格式整理为与参与目标模型训练的信息相同的格式。执行主体还可以将目标模型的输出进行整理后，作为待挖掘信息的特征。
35.步骤204，输出待挖掘信息的特征。
36.执行主体在得到待挖掘信息的特征后，可以将其输出，以用于后续的模型训练或风险预测等。
37.继续参见图3，其示出了根据本公开的用于输出信息的方法的一个应用场景的示意图。在图3的应用场景中，银行信贷业务中，服务器首先获取用于风险评估的模型。然后获取新用户的信息。利用上述模型确定新用户的信息的特征。最后将上述特征输出。银行工作人员可以根据输出的特征对新用户进行信贷风险评估。并在确定新用户的逾期风险较小时，向用户推送信贷业务的信息。在另一个应用场景中，某保险公司规划通过整合体系内多险种数据，搭建多元化用户标签体系，并通过用户画像平台健身，将用户画像应用到营销、风控等场景、旨在提升自身营销、风控与运营的数字化、精细化、智能化水平。通过本公开的用于输出信息的方法，可以利用用于风险评估的模型深入挖掘新用户的特征，并进一步应用到电销等场景，能够加深保险公司对新用户的理解，帮助保险公司提高精准营销、智能风控与智能运营的能力。
38.可以理解的是，本公开的上述实施例提供的用于输出信息的方法，挖掘得到的特征以特征向量或特征图的形式存在，需要通过特定的算法才能反映出用户的特定信息，并且上述特定信息并不包括用户的隐私信息。
39.本公开的上述实施例提供的用于输出信息的方法，可以充分挖掘信息的特征，提高信息的价值。
40.继续参见图4，其示出了根据本公开的用于输出信息的方法的另一个实施例的流程400。如图4所示，本实施例的方法可以包括以下步骤：
41.步骤401，获取目标场景的目标模型。
42.本实施例中，执行主体所获取的目标模型可以是通过以下训练步骤得到的：获取目标场景的训练样本集合，训练样本包括输入信息和对应的标签；将输入信息作为输入，将对应的标签作为期望输出，训练得到目标模型。
43.执行目标模型的训练步骤的电子设备可以与本实施例的执行主体相同，也可以不同。如果不同，执行目标模型的训练步骤的电子设备可以将训练完成的目标模型发送给本实施例的执行主体。具体的，电子设备可以首先获取目标场景的训练样本集合。其中，训练
样本集合中的各训练样本包括输入信息和对应的标签。这里，输入信息的格式可以与待挖掘信息的格式相同。每条输入信息还可以包括对应的标签。这里的标签可以是根据具体应用场景设定的。电子设备可以将输入信息作为输入，将对应的标签作为期望输出，训练得到目标模型。
44.在一些具体的应用中，目标模型可以为dnn(深度神经网络)，其中包括两个隐藏层，两个隐层的因子矩阵维度分别为m*h1、h1*h2，特征数据经过两个隐层后，维度转换为s*h2，最终通过激活函数输出s*1维的矩阵，每一行表示每个样本经过网络训练后的分数。对比该分数与实际标签的差异，通过前向传播继续进行训练，得到最终的目标模型。
45.步骤402，获取目标场景的待挖掘信息。
46.在本实施例的一些可选的实现方式中，如果待挖掘信息的格式与输入信息的格式不同，或维度不同，执行主体可以首先对待挖掘信息进行处理，使其与输入信息的格式或维度相同。例如，执行主体可以对待挖掘信息进行归一化或降维处理。
47.步骤403，将待挖掘信息输入目标模型，确定待挖掘信息对应的目标标签；提取待挖掘信息的特征；根据所提取的特征以及目标标签，确定待挖掘信息的特征。
48.执行主体可以将处理后的待挖掘信息输入目标模型，将目标模型的输出作为待挖掘信息对应的目标标签。这里的目标标签可以是一个数值，不同的数值用于表示不同的含义。同时，执行主体还可以提取待挖掘信息的特征。具体的，执行主体可以通过多种特征提取算法提取待挖掘信息的特征。最后，执行主体可以根据所提取的特征以及目标标签，确定待挖掘信息的特征。具体的，执行主体可以直接将目标标签拼接在所提取的特征之后，将拼接后的信息作为待挖掘信息的特征。
49.在本实施例的一些可选的实现方式中，执行主体可以通过以下步骤提取待挖掘信息的特征：对所提取的特征进行降维，确定特征向量；根据特征向量以及目标标签，确定待挖掘信息的特征。
50.一般来说，提取的特征维度较高，不利于后续对特征的计算处理。本实现方式中，执行主体可以对提取的特征进行嵌入(embedding)处理，具体的，执行主体可以将提取的特征的各列相加，得到一维向量，将此一维向量作为特征向量。然后，将特征向量与目标标签拼接，得到待挖掘信息的特征。待挖掘信息的特征中既包含了历史样本(即参与目标模型训练的输入信息)的标签信息和历史样本的高维稀疏标签信息，通过对多份历史样本进行建模学习有效解决了过拟合问题。
51.步骤404，输出待挖掘信息的特征。
52.步骤405，利用多条待挖掘信息的特征进行模型训练。
53.执行主体可以收集多条待挖掘信息的特征，利用上述多条特征进行模型训练，从而使得训练后的模型既学习了历史样本中的信息，也学习了新样本中的信息。
54.本公开的上述实施例提供的用于输出信息的方法，可以有效地提高模型的训练效率，同时能够充分挖掘新样本的特征。
55.进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2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。
56.如图5所示，本实施例的用于输出信息的装置500包括：第一获取单元501、第二获
取单元502、特征挖掘单元503和特征输出单元504。
57.第一获取单元501，被配置成获取目标场景的目标模型。
58.第二获取单元502，被配置成获取目标场景的待挖掘信息。
59.特征挖掘单元503，被配置成根据待挖掘信息以及目标模型，确定待挖掘信息的特征。
60.特征输出单元504，被配置成输出待挖掘信息的特征。
61.在本实施例的一些可选的实现方式中，装置500还可以包括训练单元，被配置成通过以下训练步骤训练得到目标模型：获取目标场景的训练样本集合，训练样本包括输入信息和对应的标签；将输入信息作为输入，将对应的标签作为期望输出，训练得到目标模型。
62.在本实施例的一些可选的实现方式中，特征挖掘单元503可以进一步被配置成：将待挖掘信息输入目标模型，确定待挖掘信息对应的目标标签；提取待挖掘信息的特征；根据所提取的特征以及目标标签，确定待挖掘信息的特征。
63.在本实施例的一些可选的实现方式中，特征挖掘单元503可以进一步被配置成：对所提取的特征进行降维，确定特征向量；根据特征向量以及目标标签，确定待挖掘信息的特征。
64.在本实施例的一些可选的实现方式中，装置500还可以包括特征应用单元，被配置成：利用多条待挖掘信息的特征进行模型训练。
65.应当理解，用于输出信息的装置500中记载的各单元分别与图2中描述的方法中的各个步骤相对应。由此，上文针对用于输出信息的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
66.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
67.根据本公开的实施例，本公开还提供了还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
68.图6示出了根据本公开实施例的执行用于输出信息的方法的电子设备600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/或者要求的本公开的实现。
69.如图6所示，电子设备600包括处理器601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储器608加载到随机访问存储器(ram)603中的计算机程序，来执行各种适当的动作和处理。在ram603中，还可存储电子设备600操作所需的各种程序和数据。处理器601、rom 602以及ram 603通过总线604彼此相连。i/o接口(输入/输出接口)605也连接至总线604。
70.电子设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储器608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600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。
71.处理器601可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器601执行上文所描述的各个方法和处理，例如用于输出信息的方法。例如，在一些实施例中，用于输出信息的方法可被实现为计算机软件程序，其被有形地包含于机器可读存储介质，例如存储器608。在一些实施例中，计算机程序的部分或者全部可以经由rom602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到ram 603并由处理器601执行时，可以执行上文描述的用于输出信息的方法的一个或多个步骤。备选地，在其他实施例中，处理器601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于输出信息的方法。
72.本文中以上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、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、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。
73.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器601执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
74.在本公开的上下文中，机器可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学存储设备、磁存储设备、或上述内容的任何合适组合。
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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务(“virtual private server”，或简称“vps”)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以是分布式系统的服务器，或者是结合了区块链的服务器。
78.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，本公开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，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。
79.上述具体实施方式，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开的保护范围之内。