本技术属于人工智能，具体涉及一种信息处理方法、装置、设备及存储介质。
背景技术：
1、人工智能(ai，artificial intelligence)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。人工智能技术广泛应用于推荐系统中，例如，通过推荐系统的多目标排序模型将用户感兴趣的信息处理给合适的用户，并基于多种业务目标进行推荐优化，以得到单业务目标建模所无法获得的推荐效果，从而能够提升推广资源的投入产出比。其中，多种业务目标下的业务预测数据可以包括预测的点击率、转化率以及点击转化率等。
2、目前的一些相关技术中转化链路深、转化样本稀疏，导致对业务数据估计模型的考验较大，无法准确地预测不同用户相对于不同推荐信息的预测得分，从而进一步导致推荐效果差；另一些相关技术需要给定候选特征维度，再对特征维度进行筛选，因此需要耗费大量时间在参数搜索上，从而导致模型效率低。
技术实现思路
1、为了解决上述技术问题，本技术提供一种信息处理方法、装置、设备及存储介质。本技术通过设定多种尺寸的编码特征以满足不同预测目标的需求，不仅可以避免大量的消耗在参数搜索上的时间，而且可以提高预测的精确度。
2、一方面，本技术提出了一种信息处理方法，方法包括：
3、对多个特征信息中的每个特征信息进行编码及向量化处理，得到每个特征信息的编码特征组；编码特征组包括多个预设维度的编码特征；多个特征信息包括目标对象的特征信息和待推荐信息的特征信息；
4、基于多个特征信息的编码特征组和多个预设维度确定交叉特征；
5、对交叉特征进行信息预测处理，得到推荐预测结果；推荐预测结果用于表征将待推荐信息处理至目标对象后，目标对象对应的推荐系统关联的多个业务目标的预测推荐效果。
6、可选的，基于多个特征信息的编码特征组和多个预设维度确定交叉特征，包括：基于多个特征信息的编码特征组中维度一致的编码特征确定相同维度特征组；对相同维度特征组中的任意两个编码特征进行特征交叉处理，得到每个预设维度的交叉特征。
7、可选的，对交叉特征进行信息预测处理，得到推荐预测结果，包括：基于每个预设维度对应的特征提取网络、多个业务目标中的每个业务目标对应的权重网络，对每个预设维度的交叉特征进行特征提取处理，得到每个业务目标的网络预测特征；特征提取网络和预设维度一一对应；权重网络和业务目标一一对应；基于每个业务目标对应的信息预测模型对每个业务目标的网络预测特征进行信息预测处理，得到推荐预测结果。
8、可选的，基于每个预设维度对应的特征提取网络、多个业务目标中的每个业务目标对应的权重网络，对每个预设维度的交叉特征进行特征提取处理，得到每个业务目标的网络预测特征，包括：基于每个预设维度对应的特征提取网络，对每个预设维度的交叉特征进行特征提取处理，得到每个预设维度对应的网络输出特征；基于每个业务目标对应的权重网络，对交叉特征进行处理，得到每个业务目标的网络权重；网络权重包括多个特征提取网络对应的多个子权重，多个子权重和多个特征提取网络一一对应；基于每个业务目标的网络权重对每个预设维度对应的网络输出特征进行加权求和处理，得到每个业务目标的网络预测特征。
9、可选的，基于每个业务目标对应的信息预测模型对每个业务目标的网络预测特征进行信息预测处理，得到推荐预测结果，包括：基于每个业务目标对应的信息预测模型，对每个业务目标的网络预测特征进行信息预测处理，得到多个业务目标的初始预测信息；信息预测模型和业务目标一一对应；将初始预测信息进行归一化处理，得到推荐预测结果。
10、可选的，方法还包括：获取多个特征信息的训练编码特征组；训练编码特征组携带有标注信息，标注信息包括样本预测结果，样本预测结果用于表征将待推荐信息处理至目标对象后多个业务目标的推荐效果；通过预设机器学习模型，通过预设机器学习模型，基于多个特征信息的训练编码特征组和多个预设维度确定训练交叉特征；对所述训练交叉特征进行信息预测处理，得到训练预测结果；基于训练预测结果和样本预测结果之间的损失值，对预设机器学习模型进行训练，直至满足预设结束条件时，得到信息处理模型；其中，训练待交叉组合包括任意两个特征信息的训练编码特征组中相同维度的编码特征；信息处理模型用于确定待交叉组合，直至得到推荐预测结果。
11、可选的，对多个预设维度的交叉特征进行信息预测处理，得到推荐预测结果之后，方法还包括：在推荐预测结果满足推荐条件的情况下，向目标对象对应的推荐系统发送推荐指令；推荐指令用于指示目标对象对应的推荐系统向目标对象推荐待推荐信息。
12、另一方面，本技术实施例提供了一种信息处理装置，装置包括：
13、编码模块，用于对多个特征信息中的每个特征信息进行编码及向量化处理，得到每个特征信息的编码特征组；编码特征组包括多个预设维度的编码特征；多个特征信息包括目标对象的特征信息和待推荐信息的特征信息；
14、交叉模块，用于基于多个特征信息的编码特征组和多个预设维度确定交叉特征；
15、预测模块，用于对交叉特征进行信息预测处理，得到推荐预测结果；推荐预测结果用于表征将待推荐信息处理至目标对象后，目标对象对应的推荐系统关联的多个业务目标的预测推荐效果。
16、可选的，交叉模块用于：基于多个特征信息的编码特征组中维度一致的编码特征确定相同维度特征组；对相同维度特征组中的任意两个编码特征进行特征交叉处理，得到每个预设维度的交叉特征。
17、可选的，预测模块用于：基于每个预设维度对应的特征提取网络、多个业务目标中的每个业务目标对应的权重网络，对每个预设维度的交叉特征进行特征提取处理，得到每个业务目标的网络预测特征；特征提取网络和预设维度一一对应；权重网络和业务目标一一对应；基于每个业务目标对应的信息预测模型对每个业务目标的网络预测特征进行信息预测处理，得到推荐预测结果。
18、可选的，预测模块用于，在基于每个预设维度对应的特征提取网络、多个业务目标中的每个业务目标对应的权重网络，对每个预设维度的交叉特征进行特征提取处理，得到每个业务目标的网络预测特征的过程中：基于每个预设维度对应的特征提取网络，对每个预设维度的交叉特征进行特征提取处理，得到每个预设维度对应的网络输出特征；基于每个业务目标对应的权重网络，对交叉特征进行处理，得到每个业务目标的网络权重；网络权重包括多个特征提取网络对应的多个子权重，多个子权重和多个特征提取网络一一对应；基于每个业务目标的网络权重对每个预设维度对应的网络输出特征进行加权求和处理，得到每个业务目标的网络预测特征。
19、可选的，预测模块用于，在基于每个业务目标对应的信息预测模型对每个业务目标的网络预测特征进行信息预测处理，得到推荐预测结果的过程中：基于每个业务目标对应的信息预测模型，对每个业务目标的网络预测特征进行信息预测处理，得到多个业务目标的初始预测信息；信息预测模型和业务目标一一对应；将初始预测信息进行归一化处理，得到推荐预测结果。
20、可选的，装置还包括训练模块，用于：获取多个特征信息的训练编码特征组；训练编码特征组携带有标注信息，标注信息包括样本预测结果，样本预测结果用于表征将待推荐信息处理至目标对象后多个业务目标的推荐效果；通过预设机器学习模型，通过预设机器学习模型，基于所述训练编码特征组中的任意两个训练编码特征组和所述多个预设维度确定训练交叉特征；对所述训练交叉特征进行信息预测处理，得到训练预测结果；基于训练预测结果和样本预测结果之间的损失值，对预设机器学习模型进行训练，直至满足预设结束条件时，得到信息处理模型；其中，训练待交叉组合包括任意两个特征信息的训练编码特征组中相同维度的编码特征；信息处理模型用于确定待交叉组合，直至得到推荐预测结果。
21、可选的，装置还包括推荐模块，用于在推荐预测结果满足推荐条件的情况下，向目标对象对应的推荐系统发送推荐指令；推荐指令用于指示目标对象对应的推荐系统向目标对象推荐待推荐信息。
22、另一方面，本技术提出了一种信息处理的电子设备，所述电子设备包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，至少一条指令或至少一段程序由处理器加载并执行以实现如上述的信息处理方法。
23、另一方面，本技术提出了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的信息处理方法。
24、本技术实施例提出的信息处理方法、装置、电子设备及存储介质，通过特征查询查询得到几个预设维度的embedding(嵌入)向量，可以大大节省消耗在参数搜索上的时间，提高模型效率。而且，利用多个专家网络和多个门控网络进行特征提取，其中专家网络用于提取不同的特征，而门控网络则相当于一个分类器，用于分配每个专家网络的权重，可以有针对性的对每一个业务目标的推荐效果进行预测；同时，通过输入多个预设维度的交叉特征，并根据不同预设维度的交叉特征建立不同的专家网络，以利用专家网络对与该专家网络对应于同一预设维度的交叉特征进行处理，以提升模型对不同层级目标的泛化能力，并增强模型预测效果。同时，本技术实施例通过更精确地预估转化率、点击率等数据，从而使得具有更高价值的推送资源或者推荐信息扩充至召回结果，以将高价值的资源在客户端等投放终端进行曝光展现，不仅可以提高投放方的投入产出比，还可以提升用户在终端的信息获取效率。
1.一种信息处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种信息处理方法，其特征在于，所述基于所述多个特征信息的编码特征组和所述多个预设维度确定交叉特征，包括：
3.根据权利要求2所述的一种信息处理方法，其特征在于，所述对所述交叉特征进行信息预测处理，得到推荐预测结果，包括：
4.根据权利要求3所述的一种信息处理方法，其特征在于，所述基于所述每个预设维度对应的特征提取网络、所述多个业务目标中的每个业务目标对应的权重网络，对所述每个预设维度的交叉特征进行特征提取处理，得到所述每个业务目标的网络预测特征，包括：
5.根据权利要求3所述的一种信息处理方法，其特征在于，所述基于所述每个业务目标对应的信息预测模型对所述每个业务目标的网络预测特征进行信息预测处理，得到所述推荐预测结果，包括：
6.根据权利要求1-5任一所述的一种信息处理方法，其特征在于，所述方法还包括：
7.根据权利要求1-5任一所述的一种信息处理方法，其特征在于，所述对所述多个预设维度的交叉特征进行信息预测处理，得到推荐预测结果之后，所述方法还包括：
8.一种信息处理装置，其特征在于，所述装置包括：
9.一种信息处理的电子设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行如权利要求1-7任一项所述的信息处理方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-7任一项所述的信息处理方法。
