信息处理方法及计算设备与流程

1.本技术涉及电子技术领域，尤其涉及一种信息处理方法及计算设备。


背景技术：

2.商标是用于区别经营者的商品或服务与其他经营者的商品或服务的标记，具体可以包括文字、图形、数字、声音、三维标志和颜色等要素的组合。目前，商标使用前需要提交商标申请至商标局，商标局对商标申请人提交的商标进行审查。但是，商标申请人在提交商标时，并不能及时获知申请的商标是否能通过审查，容易提交一些无效的商标，导致商标申请成功率下降。


技术实现要素：

3.有鉴于此，本技术实施例提供一种信息处理方法及计算设备，用以解决现有技术商标无效提交，导致商标申请成功率较低的技术问题。
4.第一方面，本技术实施例提供一种信息处理方法，包括：
5.获取目标用户提供的待检测对象；
6.将所述待检测对象输入等级预测模型，获得所述待检测对象的初始通过等级；
7.利用等级优化模型对所述初始通过等级进行等级优化处理，获得所述待检测对象的目标通过等级；
8.为所述目标用户输出所述目标通过等级。
9.第二方面，本技术实施例提供一种信息处理方法，包括：
10.获取目标用户提供的待检测商标；
11.将所述待检测商标输入等级预测模型，获得所述待检测商标的初始通过等级；
12.利用等级优化模型对所述初始通过等级进行等级优化处理，获得所述待检测商标的目标通过等级；
13.为所述目标用户输出所述目标通过等级。
14.第三方面，本技术实施例提供一种计算设备，包括：存储组件以及处理组件；所述存储组件用于存储一条或多条计算机指令；所述一条或多条计算机指令被所述处理组件调用并执行；
15.所述处理组件用于：
16.获取目标用户提供的待检测对象；将所述待检测对象输入等级预测模型，获得所述待检测对象的初始通过等级；利用等级优化模型对所述初始通过等级进行等级优化处理，获得所述待检测对象的目标通过等级；为所述目标用户输出所述目标通过等级。
17.第四方面，本技术实施例提供一种计算设备，包括存储组件以及处理组件；所述存储组件用于存储一条或多条计算机指令；所述一条或多条计算机指令被所述处理组件调用并执行；
18.所述处理组件用于：
19.获取目标用户提供的待检测商标；将所述待检测商标输入等级预测模型，获得所述待检测商标的初始通过等级；利用等级优化模型对所述初始通过等级进行等级优化处理，获得所述待检测商标的目标通过等级；为所述目标用户输出所述目标通过等级。
20.本技术实施例，获取目标用户提供的待检测对象，从而可以将待检测对象输入等级预测模型，以获得待检测对象的初始通过等级。通过等级预测模型对待检测对象的通过等级进行初步预测。之后，可以利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级。利用等级优化模型对初始等级进行进一步的等级优化，以提高获得的目标通过等级的精度。从而在为目标用户输出目标通过等级时，可以为用户提供有效的通过等级的提示，提高通过效率。
附图说明
21.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
22.图1为本技术实施例提供的一种信息处理方法的一个实施例的流程图；
23.图2为本技术实施例提供的一种信息处理方法的又一个实施例的流程图；
24.图3为本技术实施例提供的一种信息处理方法的又一个实施例的流程图；
25.图4为本技术实施例提供的一种信息处理方法的又一个实施例的流程图；
26.图5为本技术实施例提供的一种多个类目提示信息的显示示例图；
27.图6为本技术实施例提供的一种多个类目提示信息的显示示例图；
28.图7为本技术实施例提供的一种多个类目提示信息的显示示例图；
29.图8为本技术实施例提供的一种信息处理方法的又一个实施例的流程图；
30.图9为本技术实施例提供的一种信息处理方法的又一个实施例的流程图；
31.图10为本技术实施例提供的一种信息处理方法的一个示例图；
32.图11为本技术实施例提供的一种计算设备的一个实施例的结构示意图；
33.图12为本技术实施例提供的一种计算设备的一个实施例的结构示意图。
具体实施方式
34.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
35.在本技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
36.应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种
情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
37.取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”或“响应于识别”。类似地，取决于语境，短语“如果确定”或“如果识别(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当识别(陈述的条件或事件)时”或“响应于识别(陈述的条件或事件)”。
38.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
39.本技术实施例的技术方案可以应用于商标的有效判定。针对待检测对象，特别是待检测对象为商标时，可以结合等级预测模型以及等级优化模型对象待检测对象的通过等级进行准确预测，提高用户通过率。
40.现有技术中，商标申请人可以提交商标至商标局。由商标局审查申请人提交的商标是否可以通过。但是申请人提交商标时，对商标是否可以通过审查并不了解。通常为了了解商标的可通过性，一般也只是通过简单的商标检检索，以对检测获得的对比商标进行简单判断，导致申请人对商标的申请通过可能性未知，容易提交一些无效商标，产生一些无效申请。
41.本技术实施例中，可以获取目标用户的待检测对象，之后，可以将待检测对象输入等级预测模型，获得待检测对象的初始通过等级。此时，利用等级预测模型对待检测对象的通过等级进行了初步预测。然后利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级。此时，利用等级优化模型对初始预测的通过等级进行了进一步等级优化，获取对待检测对象进行性准确衡量的目标通过等级，从而在目标用户输出目标通过等级时，可以通过准确的目标通过等级，对目标用户进行待检测对象的通过可能性进行有效提示，以避免产生无效对象。
42.下面将结合附图对本技术实施例进行详细描述。
43.如图1所示，为本技术实施例提供的一种信息处理方法的一个实施例的流程图，方法可以包括以下几个步骤：
44.101：获取目标用户提供的待检测对象。
45.本技术实施例所提供的信息处理方法可以应用于计算设备或者服务器中。计算设备例如可以包括：手机、平板电脑、笔记本电脑、计算机、上网本等，本技术实施例对计算设备的具体类型不作过多限定。服务器可以具体可以包括：计算机、超级笔记本等普通服务器或者云服务器，本技术实施例对服务器的具体类型不作过多限定。
46.当本技术所提供的技术方案应用于计算设备时，待检测对象可以是计算设备采集的。当本技术所提供的技术方案应用于服务器时，待处理对象可以由目标用户使用的用户端采集，并发送至服务器。
47.待检测对象可以为目标用户在提供。在实际应用中，待检测对象可以为需要进行可能性进行确认的商标。另外，待检测对象还可以是普通需要进行可能性进行确认的图像、文字、或者视频等。
48.在商标的通过可能性判断场景中，目标用户可以是商标申请人。
49.102：将待检测对象输入等级预测模型，获得待检测对象的初始通过等级。
50.可选地，等级预测模型可以预先训练获得。步骤102中使用的等级预测模型的模型参数已知，此时，将待检测对象输入参数已知的等级预测模型，获得待检测对象的初始通过等级。
51.其中，等级预测模型可以为深度神经网络模型，可以采用训练对象以及训练对象对应的参考结果对等级预测模型进行参数训练，可以获得等级预测模型。本技术实施例中的等级预测模型可以采用的深度神经网络模型，本技术实施例中对深度神经网络模型的模型具体类型不作出过多限定。
52.初始通过等级可以为等级预测模型对待检测对象的通过的可能性进行初步预测获得的通过等级。
53.等级预测模型可以对输入的待检测对象进行等级预测，其中，等级预测模型中可以预设至少一个通过等级，例如，至少一个通过等级可以包括：低等级、较低等级、中等级、较高等级以及高等级等。
54.初始通过等级可以为等级预测模型中预设至少一个通过等级中的任一个，例如，当等级预测模型预测到含义与待检测对象相似度达到90％的相似对象时，此时可以确认初始通过等级为低通过等级。
55.103：利用等级优化模型对初始通过等级进行等级优化处理，获得待处理对象的目标通过等级。
56.等级优化模型可以对初始通过等级进行等级优化处理。由于在实际应用中，商标审查通过与否除受相似度影响之外，还受到审查规则的影响，例如，同一申请人可以在已有商标的基础上进行二次申请，此时二次申请注册的商标注册通过的可能性较高。通过等级优化模型对初始通过等级进行等级优化处理，获得的目标通过等级与实际的商标审查通过可能的匹配度更高，提高目标通过等级的精确度。
57.可选地，在商标审查场景中，等级优化模型可以通过商标的一些审查规则确定。当然，为了实现审查规则的自动化审查，可以将等级优化模型设计为一些审查流程处理步骤，具体可以参考后续实施例的描述。
58.104：为目标用户输出目标通过等级。
59.在本技术实施例应用于计算设备时，计算设备可以直接通过显示组件为目标用户输出目标通过等级。
60.本技术实施例应用于服务器时，服务器可以目标通过等级提供给目标用户对应的用户端，由用户端的显示组件为目标用户输出目标通过等级。
61.本技术实施例中，可以获取目标用户的待检测对象，之后，可以将待检测对象输入等级预测模型，获得待检测对象的初始通过等级。此时，利用等级预测模型对待检测对象的通过等级进行了初步预测。然后利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级。此时，利用等级优化模型对初始预测的通过等级进行了进一步等级优化，获取对待检测对象进行性准确衡量的目标通过等级，从而在目标用户输出目标通过等级时，可以通过准确的目标通过等级，对目标用户进行待检测对象的通过可能性进行有效提示，以避免产生无效对象。特别是在待检测对象为商标时，可以提高商标注册
成功率。
62.如图2所示，为本技术实施例提供的一种信息处理方法的又一个实施例的结构示意图，该方法可以包括以下几个步骤：
63.201：获取目标用户提供的待检测对象。
64.202：将待检测对象输入相似对象检测子模型，获得与待检测对象相匹配的至少一个相似对象以及至少一个相似对象分别与待检测对象之间的相似度。
65.203：基于至少一个相似对象分别对应的相似度，按照等级划分子模型进行等级划分处理，获得待检测对象的初始通过等级。
66.其中，等级优化模型可以包括：相似对象检测子模型以及等级划分子模型。
67.相似对象检测子模型可以为待检测对象检测相似对象，在实际应用中，相似对象检测模型可以为深度神经网络模型，可以从数据库中查找与待检测对象相似的相似对象，并确定相似对象与待检测对象之间的相似度。
68.相似对象可以为与待检测对象相似的对象。以待检测对象为“洣乐”为例，相似对象检测子模型为该待检测对象检测获得的相似对象可以为“洣舒”“森洣”“米乐”“迷乐”等，此时，待检测对象“洣乐”与“洣舒”的相似度可以为“0.965”，与“森洣”的相似度为0.574，与“米乐”的相似度为0.965，与“迷乐”的相似度为0.965。
69.待检测对象的通过等级与对应的至少一个相似对象的相似度负相关。其中，若待检测对象与相似对象的相似度越高，说明两个对象越相似，此时，待检测对象通过审查的可能性越低；若待检测对象与相似对象的相似度越高，说明两个对象越不相似，此时待检测对象通过审查的可能性就高。也即，至少一个相似对象分别对应的相似度与等级划分子模型中的至少一个通过等级成反比。相似度越高，通过等级的类目级别越低，相似度越低，通过等级的类目级别越高。在一些实施例中，等级划分子模型可以预设至少一个通过等级，例如，至少一个通过等级可以包括：低等级、较低等级、中等级、较高等级以及高等级等。基于至少一个相似对象分别对应的相似度，按照等级划分子模型进行等级划分处理，获得待检测对象的初始通过等级可以包括：根据该至少一个相似对象分别对应的相似度，确定至少一个通过等级中与该待检测对象相匹配的通过等级为该初始通过等级。
70.204：利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级。
71.205：为目标用户输出目标通过等级。
72.本技术实施例中，在获取目标用户提供的待检测对象之后，可以将待检测对象输入相似对象检测子模型，获得与该待检测对象相匹配的至少一个相似对象以及至少一个相似对象分别与待检测对象之间的相似度。通过检测相似对象可以判断是否存在与待检测对象相似度较高的对象，然后，通过查找到的至少一个相似对象各自与待检测对象的相似度，进行等级划分处理，以获得待检测对象的初始通过等级。通过相似度检测结果以进行通过等级划分可以实现有效的初步等级划分，获得初始通过等级，提高初始通过等级的精确度。之后，利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级。此时，利用等级优化模型对初始预测的通过等级进行了进一步等级优化，获取对待检测对象进行性准确衡量的目标通过等级，从而在目标用户输出目标通过等级时，可以通过准确的目标通过等级，对目标用户进行待检测对象的通过可能性进行有效提示，以避免产
生无效对象。特别是在待检测对象为商标时，可以提高商标注册成功率。
73.作为一个实施例，为了明确显示通过可能性的高低，可以设置不同的通过等级。等级划分子模型中可以设置有至少一个通过等级，输入的待检测对象与至少一个通过等级中的任一通过等级相匹配，即获得初始通过等级的实际等级。
74.基于至少一个相似对象分别对应的相似度，按照等级划分子模型进行等级划分处理，获得待检测对象的初始通过等级可以包括：
75.获取等级划分子模型分别对应的至少一个通过等级，以及至少一个通过等级分别对应的相似度范围；
76.基于至少一个相似对象分别对应的相似度，确定至少一个相似度范围中的目标相似度范围；
77.确定目标相似度范围对应的通过等级为初始通过等级。
78.其中，至少一个通过等级的类目级别与相似度范围的大小之间负相关。等级越高，通过等级的相似度范围越小，等级越低，通过等级的相似度范围越大。
79.例如，至少一个通过等级为低等级、较低等级、中等级、较高等级以及高等级时，其分别对应的相似度范围例如可以为：低等级：相似度范围大于90％；较低等级：相似度范围为80％～90％；中等级：相似度范围为60％～80％；较高等级：相似度范围为30％～60％；以及高等级：相似度范围小于30％。
80.通过等级与一相似度范围相对应，通过相似度范围匹配可以迅速确定初始通过等级，提高获得通过等级的有效速度。
81.作为一种可能的实现方式，基于至少一个相似对象分别对应的相似度，确定至少一个相似度范围中的目标相似度范围可以包括：
82.确定至少一个相似对象分别对应的相似度中的最大相似度；
83.确定至少一个相似度范围中该最大相似度所对应的目标相似度范围。
84.确定至少一个相似对象分别对应的相似度中的最大相似度可以包括：将至少一个相似对象分别对应的相似度按照从大到小的顺序进行排列，获得第一个相似度即为最大相似度。确定至少一个相似度范围中最大相似度所对应的目标相似度范围具体可以包括：查找至少一个相似度范围中该最大相似度所在的目标相似度范围，也即确定最大相似度所在的相似度范围。
85.通过最大相似度可以快速确定目标相似度范围。
86.作为又一种可能的实现方式，基于至少一个相似对象分别对应的相似度，确定至少一个相似度范围中的目标相似度范围可以包括：
87.按照至少一个通过等级分别对应的相似度范围，确定至少一个相似对象分别对应的相似度所属的相似度范围，以获得至少一个相似度范围分别对应的相似度；
88.统计任一个相似度范围中的相似度的数量，获得该相似度范围的相似对象数量，以获得至少一个相似度范围分别对应的相似对象数量；
89.确定相似对象数量大于1的至少一个候选相似度范围；
90.获取至少一个候选相似度范围中范围最高的目标相似度范围。
91.按照至少一个通过等级分别对应的相似度范围，确定至少一个相似对象分别对应的相似度所属的相似度范围，并统计任一个相似度范围中的相似度的数量，获得该相似度
范围的相似对象数量，以获得至少一个相似度范围分别对应的相似对象数量也即是将相似度属于同一相似度范围的划分至同一组，统计每一组的相似度的数量，由于相似度与相似对象对应，也即获得对应的相似对象的数量。在获得至少一个相似度范围分别对应的相似对象数量之后，可以将相似对象数量大于1的相似度范围作为候选相似度范围。
92.在确定相似对象数量大于1的至少一个候选相似度范围之后，在一些实施例中，在按照至少一个通过等级分别对应的相似度范围，确定至少一个相似对象分别对应的相似度所属的相似度范围，以获得至少一个相似度范围分别对应的相似度之后，可以对每个相似度范围中的相似度对应的相似对象进行无效判别，并将判别无效的相似对象对应的相似度从所属的相似度范围中删除，以获得至少一个相似度范围分别对应的有效相似度。此时，可以统计任一个相似度范围中的有效相似度的数量，获得该相似度范围的相似对象数量，以获得至少一个相似度范围分别对应的相似对象数量。
93.在实际商标审查场景中，等级优化模型可以通过商标的一些审查规则确定。当然，为了实现审查规则的自动化审查，可以将等级优化模型设计为一些审查流程处理步骤。
94.作为一个实施例，利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级可以包括：
95.确定待检测对象在指定类目级别对应的第一类目；
96.确定至少一个相似对象在指定类目级别分别对应的第二类目；
97.判断至少一个相似对象分别对应的第二类目中是否存在与第一类目相同的目标类目；
98.如果存在，则基于初始通过等级，确定目标通过等级；
99.如果不存在，则确定目标通过等级为等级划分子模型对应至少一个通过等级中的最高通过等级。
100.其中，指定类目级别可以为第一类目级别下的子目录级别。第一类目级别为类目划分标准下的最高类目级别，指定类目级别的类目级别低于该最高类目级别。其中，确定待检测对象在指定类目级别对应的第一类目可以包括：基于待检测对象在第一类目级别的第三类目，确定待检测对象在指定类目级别对应的第一类目。
101.其中，待检测对象在指定类目级别对应的第一类目可以为目标用户在指定类目级别为待检测对象选择的第一类目。
102.确定至少一个相似对象在指定类目级别分别对应的第二类目可以包括：基于至少一个相似对象分别在第一类目级别的第四类目，确定至少一个相似对象分别对应的第二类目。具体可以根据任一个相似对象在第一类目级别对应的第四类目，确定该相似对象在指定类目级别对应的第二类目。
103.在实际应用中，将所有商标及服务划分为45个类别，形成“商标注册用品和服务分类”，例如，第一类目为化学品，其中可以包括“0101”工业气体，“0102”工业化工原料，第二类目为颜色染料等，其中可以包括“0201”染料，第九类目包括仪器、器具、磁性数据载体，其中可以包括“0901”电子计算机及其外部设备，“0902”记录、自动售货机和其他计数检测器等。
104.在商标注册用品和服务分类场景中，其第一类目级别即可以为前述示例中的第一类目、第二类目或者第九类目等类目所属的类目级别，指定类目即可以为第一类目、第二类
目或者第九类目之下的类目级别中的类目，例如，假设第一类目级别下存在的一个类目为“2501”衣物，在该类目的下级类目中还可以存在第二类目级别的类目，例如“250010”工装裤、“250034”毛衣等二级类目。此示例仅是为了说明商标场景中的一些类目划分示例，并非对本技术实施例中类目划分的具体限定，在实际应用中还可以包括更多划分方式以及划分类目级别，以及各个类目级别对应的具体类目。
105.在商标应用场景中，商标相似一定的情况下，两个商标的类目相同时，新申请的商标被授权的可能性就较低，当两个商标的类目不相同时，新申请的商标被授权的可能性较高，因此，在本技术实施例中在指定的类目级别对待检测对象以及至少一个相似对象的类目进行了匹配，在待检测对象与相似对象属于不同的类目时，待检测对象通过审查的可能性就越高，此时可以将目标通过等级设定为最高通过等级。而如果存在与待检测对象的第一类目相同的相似对象时，待检测对象的通过等级可以保持不变。此时，如果存在，基于初始通过等级确定目标通过等级具体可以包括：确定初始通过等级对应的目标通过等级。
106.本实施例，通过对指定类目级别对待检测对象的第一类目以及至少一个相似对象各自对应的第二类目进行类目匹配，查找至少一个第二类目中与第一类目相同的目标类目，从而在指定类目级别对待检测对象以及至少一个相似对象进行匹配，以通过类目检验判断，对待检测对象进行分组类目优化匹配，以实现对待检测对象的通过等级的优化。
107.为了对通过等级进行进一步优化，可以对待检测对象与相似对象进行用户信息的判断。在一种可能的设计中，如果存在，则基于初始通过等级，确定目标通过等级包括：
108.如果存在，则确定目标用户的目标用户信息，以及至少一个相似用户分别对应的相似用户信息；
109.判断至少一个相似用户信息中是否包括目标用户信息；
110.如果否，则确定初始通过等级为目标通过等级；
111.如果是，则确定目标通过等级为等级划分子模型对应至少一个通过等级中的最高通过等级。
112.在商标应用场景中，同一用户可能就同一商标多次申请，例如在不同的商标注册领域进行多次商标申请。如果用户信息相同，新申请的商标通过审查的可能性较高。因此，在存在与目标用户信息相同的相似用户信息时，可以将至少一个通过等级中的最高通过等级作为目标通过等级。本实施例中，通过对用户身份信息的检测，以提高待检测对象与用户的身份信息的关联关系，提供用户的身份优化，提高待检测对象的目标通过等级的准确性。
113.作为又一个实施例，等级预测模型中的相似对象检测子模型通过以下方式训练获得：
114.确定至少一个训练对象以及至少一个训练对象分别对应的参考结果；
115.构建相似对象检测子模型；
116.以相似对象检测子模型对至少一个训练对象各自的检测结果与至少一个训练分别对应的参考结果相同的训练目标，训练获得相似对象检测子模型的模型参数。
117.本技术实施例中，提供一种相似对象检测子模型的训练方式，通过至少一个训练对象以及至少一个训练对象分别对应的参考结果可以训练获得相似对象检测子模型的模型参数，获得准确的模型参数，以便于使用该相似对象检测子模型。
118.其中，以相似对象检测子模型对至少一个训练各自的检测结果与至少一个训练分
别对应的参考结果相同的训练目标，训练获得相似对象检测子模型的模型参数具体可以包括：对相似对象检测子模型的模型参数进行初始化处理，获得参考模型参数；将至少一个训练对象依次输入该参考模型参数对应的相似对象检测子模型，以获得至少一个训练对象分别对应的检测结果；基于至少一个训练对象分别对应的检测结果，以及至少一个训练对象分别对应的参考结果，确定训练误差；判断该训练误差是否满足收敛条件，如果是，确定该参考模型参数为模型参数；如果否，基于该训练误差，更新该参考模型参数，并返回至将至少一个训练对象依次输入该参考模型参数对应的相似对象检测子模型，以获得至少一个训练对象分别对应的检测结果的步骤继续执行。通过以上训练方式可以训练获得相似对象检测子模型的模型参数。
119.在商标检测场景中，确定至少一个训练对象以及至少一个训练对象分别对应的参考结果包括：
120.读取至少一个商标驳回文件；
121.解析至少一个商标驳回文件，以获得至少一个目标商标以及至少一个目标商标分别对应的引证商标；
122.确定至少一个目标商标为至少一个训练对象，以及至少一个目标商标分别对应的引证商标为至少一个训练对象分别对应的参考结果。
123.在商标应用场景中，训练对象及其对应的参考结果可以通过分析商标的驳回文件获得。通过分析至少一个驳回文件，可以获得至少一个训练对象以及至少一个训练对象分别对应的参考结果，实现训练对象的解析获取。
124.在某些实施例中，待检测对象可以包括：待检测文字信息或待检测图像信息。此时，相似对象检测模型可以包括：文字检测单元以及图像检测单元。
125.其中，将待检测对象输入相似对象检测子模型，获得与待检测对象相匹配的至少一个相似对象以及至少一个相似对象分别与待检测对象之间的相似度可以包括：
126.将待检测文字信息输入文字检测单元，检测获得至少一个文字相似对象，以及该至少一个文字相似对象分别对应的文字相似度；
127.或者，将待检测图像输入图像检测单元，检测获得至少一个图像相似对象，以及该至少一个图像相似对象分别对应的图像相似度；
128.确定至少一个文字相似对象为至少一个相似对象，以及至少一个文字相似对象分别对应的文字相似度为至少一个相似对象分别对应的相似度；
129.或者，确定至少一个图像相似对象为至少一个相似对象，以及至少一个图像相似对象分别对应的图像相似度为至少一个图像相似对象分别对应的相似度。
130.在实际应用中，待检测对象可以包括文字和/或图像，特别是在待检测对象为商标时，商标可以包括文字以及图像，该图像是以文字为基础按照一定的组合方式结合不同的商标样式，可以实现待检测对象的不同内容的检测，以实现更全面的检测方案。
131.另外，在某些实施例中，待检测对象可以包括：待检测文字信息以及待检测图像信息。此时，相似对象检测模型可以包括：文字检测单元以及图像检测单元。在同时包括文字信息以及图像时，可以分别识别相似性并进行相似性融合以获得准确的相似度，从而获取准确的目标通过等级。
132.其中，将待检测对象输入相似对象检测子模型，获得与待检测对象相匹配的至少
一个相似对象以及至少一个相似对象分别与待检测对象之间的相似度可以包括：
133.将待检测文字信息输入文字检测单元，检测获得至少一个文字相似对象，以及该至少一个文字相似对象分别对应的文字相似度；
134.以及，将待检测图像输入图像检测单元，检测获得至少一个图像相似对象，以及该至少一个图像相似对象分别对应的图像相似度；
135.确定至少一个文字相似对象分别对应的文字对象标识以及至少一个图像相似对象分别对应的图像对象标识；
136.确定文字对象标识以及图像对象标识相同的第一对象标识；
137.确定至少一个文字对象标识中除第一对象标识的第二对象标识，以及至少一个图像对象标识中处第一对象标识的第三对象标识以及第一对象标识分别对应的对象为至少一个相似对象；
138.根据第一对象标识对应文字相似度以及图像相似度，确定第一对象标识对应综合相似度；
139.根据第一对象标识对应综合相似度、第二对象标识对应文字相似度以及第三对象标识对应图像相似度，确定至少一个对象标识各自对应的相似度。
140.可选地，根据第一对象标识对应文字相似度以及图像相似度，确定该第一对象标识对应的综合相似度可以包括：选择第一对象标识对应的文字相似度以及图像相似度中相似度较小的作为第一对象标识对应的综合相似度。
141.可选地，根据第一对象标识对应文字相似度以及图像相似度，确定该第一对象标识对应的综合相似度可以包括：将第一对象标识对应的文字相似度以及图像相似度进行加权求和，获得该第一对象标识对应的综合相似度。
142.作为一个实施例，在将待检测对象输入相似对象检测子模型，获得与待检测对象相匹配的至少一个相似对象以及至少一个相似对象分别与待检测对象之间的相似度之后，该方法还可以包括：
143.基于至少一个相似对象，生成优化提示信息。
144.为目标对象输出优化提示信息。
145.根据至少一个相似对象可以生成优化提示信息。在获得至少一个相似对象之后，可以为至少一个相似对象生成优化建议，以提示用户对待检测对象进行优化。
146.可选地，基于至少一个相似对象，生成优化提示信息可以包括：将待检测对象与至少一个相似对象分别进行比对，以获得至少一个比对结果，并利用至少一个比对结果，生成调整建议，利用该调整建议生成优化提示信息。
147.可选地，基于至少一个相似对象，生成优化提示信息具体还可以包括：将至少一个相似对象按照相似度由高到低的顺序，按照至少一个相似对象分别对应的详细对象信息详细生成信息提示页面，以该信息提示页面作为所述优化提示信息。
148.在又一个实施例中，基于至少一个相似对象，生成优化提示信息可以包括：将至少一个相似对象以及待检测对象发送至优化用户，以供优化用户根据至少一个相似对象为所述待检测对象生成优化建议，并反馈所述优化建议；
149.接收所述优化用户反馈的所述优化建议；
150.生成所述优化建议对应的所述优化提示信息。
151.其中，优化用户可以为第三方优化用户的优化设备端，该优化设备端可以接收至少一个相似对象以及待检测对象，以为优化用户显示至少一个相似对象以及待检测对象，并检测优化用户对该待检测对象的优化建议，以将检测获得的优化建议反馈至配置有本技术提供的信息处理方法的计算设备。
152.可选地，优化建议可以包括：购买建议、修改建议或者重新申请建议中的至少一种。
153.如图3所示，为本技术实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括：
154.301：获取目标客户端发送的目标用户提供的待检测对象。
155.302：将待检测对象输入等级预测模型，获得待检测对象的初始通过等级。
156.303：利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级。
157.304：基于目标通过等级，生成等级提示信息。
158.305：发送等级提示信息至目标客户端，以供目标客户端展示等级提示信息，以供目标用户获知目标通过等级。
159.本技术实施例中，服务器可以获取目标客户端发送的目标用户提供的待检测对象，以将待检测对象输入等级预测模型，获得待检测对象的初始通过等级，实现对待检测对象的通过等级进行初步预测。之后，可以利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级，实现对通过等级的进一步优化处理，提高等级估计的精准度。以将基于目标通过等级生成的等级提示信息发送至目标用户端，由目标用户端对等级提示信息进行展示，从而目标用户可以获知该目标通过等级。本实施例中，除对目标用户的通过等级进行准确获取外，还采用客户端与服务器的配置，将用户端采集的待检测对象发送至服务端进行识别处理，以提高待检测对象的等级确定效率，减少客户端的处理压力，保持客户端的使用性能，提升用户体验。
160.作为一个实施例，基于目标通过等级，生成等级提示信息可以包括：
161.确定等级预测模型中的至少一个通过等级。
162.生成一等级条控件以及该等级条控件对应的刻度控件；
163.基于至少一个通过等级，将等级条控件按照至少一个通过等级由低到高或者由高到低地的顺序划分为至少一个子控件；
164.将刻度控件的控件位置调整至目标通过等级在等级条控件中对应的子控件处，以获得等级提示信息。
165.如图4所示，为本技术实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括：
166.401：获取目标用户提供的待检测对象。
167.402：确定第一类目级别对应的多个第三类目。
168.第一类目级别可以为商标领域中的第一级的类目级别，也即最高类目级别。第一类目级别高于前述实施例中的指定类目级别。
169.第一类目级别下可以包括多个第三类目。任一个第三类目可以按照第一类目级别下的第二类目级别划分为多个二级类目，也即指定类目级别为第二类目级别时，指定类目
级别可以包括多个第四类目。
170.403：将待检测对象输入任一第三类目对应的等级预测模型，获得待检测对象在第三类目对应的初始通过等级，以获得待检测对象在多个第三类目分别对应的初始通过等级。
171.不同类目的等级预测模型的区别仅在对象预测子模型中的查找范围不同，查找方式以及过程相同。不同类目采用的等级划分子模型相同。
172.需要说明的是，本技术实施例中的待检测对象可以具有相应的分类类目，在实际应用等级预测模型以及等级优化模型预测优化以获得待检测对象的目标通过等级的过程中，在不同的类目下的等级预测模型可以实现相应的预测，并采用等级优化模型进行等级优化。也即，将待检测对象输入任一第三类目对应的等级预测模型，获得待检测对象在第三类目对应的初始通过等级的具体方式与图2所示实施例中，将待检测对象输入相似对象检测子模型，以获得与待检测对象相匹配的至少一个相似对象以及至少一个相似对象分别与待检测对象之间的相似度的步骤相同，此外，不同类目下的等级预测模型可以分别训练获得，或者还可以同时训练获得，不同等级预测模型的预测方式以及训练过程与图3所示实施例的实施方式相同，在此不再赘述。
173.404：利用等级优化模型对多个第三类目分别对应的初始通过等级进行等级优化处理，获得待检测对象在多个第三类目分别对应的目标通过等级。
174.405：为目标用户输出多个第三类目分别对应的目标通过等级。
175.本实施例中，待检测对象可以对应有各级类目，在获取目标用户提供的待检测对象时，可以确定第一类目级别对应的多个第三类目。多个第三类目为在第一类目级别的类目划分。在确定待检测对象的通过等级时，可以将待检测对象在各级类目进行相似度匹配。此时，可以将待检测对象输入任一第三类目对应的等级预测模型，获得待检测对象该第三类目对应的初始通过等级，以获得待检测对象在多个第三类目分别对应的初始通过等级。通过等级优化模型对各个第三类目对应初始通过等级分别进行等级优化处理，可以获得待检测对象在多个第三类目分别对应的目标通过等级，实现对多个第三类目的初始通过等级的分类获取，实现多类目的通过等级分析，提高分析效率。
176.作为一个实施例，为目标用户输出多个第三类目分别对应的目标通过等级可以包括：
177.将多个第三类目分别对应的目标通过等级按照通过等级由高到低的顺序进行排序；
178.按照由高到低的排列顺序依次输出多个第三类目分别对应的目标通过等级。
179.本技术实施例中，将多个第三类目分别对应的目标通过等级按照通过等级由高到低的顺序进行排序之后，可以按照排序顺序展示多个第三类目对应的目标通过等级，实现按等级顺序输出，提高提示效果。
180.作为又一个实施例，为目标用户输出多个第三类目分别对应的目标通过等级包括：
181.将多个第三类目分别对应的目标通过等级按照对应的第三类目的类目顺序进行排序；
182.按照由高到低的类目顺序依次输出多个第三类目分别对应的目标通过等级。
183.本技术实施例中，将多个第三类目分别对应的目标通过等级按照第三类目的类目顺序进行排序，然后按照类目顺序依次展示多个第三类目分别对应的目标通过等级，实现按照类目顺序的依次输出，提高展示效果。
184.作为又一个实施例，在确定第一类目级别对应的多个第三类目之后，该方法还可以包括：
185.检测目标用户从多个第三类目中选择的监控类目。
186.为目标用户输出多个第三类目分别对应的目标通过等级可以包括：
187.确定监控类目的第一显示方式以及多个第三类目中除监控类目的其他第三类目各自的第二显示方式；
188.按照预设第一显示方式显示监控类目对应的目标通过等级；
189.按照预设第二显示方式显示多个第三类目中除监控类目的其他第三类目各自的目标通过等级。
190.其中，第一显示方式与第二显示方式不同。第一显示方式的显示效果优于第二显示方式的显示效果，第一显示方式的显示效果更突出。
191.进一步，可选地，获取目标用户从多个第三类目中选择的监控类目可以包括：生成多个第三类目的类目输入提示信息。为目标用户显示类目输入提示信息。获取目标用户在类目输入提示信息选择或者输入获得的监控类目。
192.其中，目标用户的用户端可以检测目标用户在类目输入的提示信息中选择或输入的第三类目，获得监控类目，并将监控类目以及待检测对象发送至服务器。类目输入提示信息可以用于提示目标用户选择或者输入需要监控的第三类目。
193.其中，类目输入提示信息可以为提供多个第三类目的输入以及选择控件。类目输入提示信息中可以包括多个第三类目。
194.进一步，可选地，第一显示方式可以包括：第一显示形状、第一显示形状的中心所对应的第一显示位置以及第一显示颜色；
195.第二显示方式可以包括：第二显示形状、第二显示形状的中心所对应的第二显示位置以及第二显示颜色。
196.本实施例中，可以检测目标用户选择的监控类目，并采用不同的显示方式显示用户选择的监控类目下获得的通过等级以及用户未选择的类目下的通过等级，以区别两种类目的显示方式，重点显示目标用户选择的监控类目，实现针对性显示。
197.作为又一个实施例，在利用等级优化模型对多个第三类目分别对应的初始通过等级进行等级优化处理，获得待检测对象在多个第三类目分别对应的目标通过等级之后，该方法还可以包括：
198.基于待检测对象在多个第三类目分别对应的目标通过等级，分别生成多个第三类目各自的类目提示信息；输出多个第三类目分别对应的类目提示信息。
199.其中，任一类目提示信息用于提示待检测对象在对应的第三类目的目标通过等级。
200.在实际应用中，多个第三类目分别对应的类目提示信息可以一并输出，供目标用户选择以查看相应类目的通过等级。在输出类目提示信息时可以包括多种输出形式。
201.第一种输出形式：将多个第三类目所对应的类目提示信息以控件形式输出，其中
较为常见的输出方式可以包括，将多个第三类目以节点形式建立拓扑结构，并为每个节点关联待检测对象在该第三类目对应的目标通过等级，以在用户点击拓扑结构中的任一节点时，显示该节点对应的目标通过等级。为了便于理解，参考图5，为本技术实施例提供的一种球型拓扑结构显示多个第三类目分别对应的类目提示信息的方式。
202.第二种输出形式：将多个第三类目分别生成一等级提示控件，并为每个等级提示控件关联对应第三类目的目标通过等级，按照一定的排列显示方式，显示多个第三类目分别对应的等级提示控件，并在目标用户点击任一等级提示控件时，显示对应的目标通过等级。其中，较为场见的排列显示方式可以包括：将等级提示控件以圆环状形式排列，并根据圆环半径调整控件大小以及控件位置。为了便于理解，参考图6为本技术实施例提供的一种类目提示信息以圆形提示控件以及将多个类目提示信息分别对应的圆形提示控件以环状形式排列的显示方式。
203.为了使得用户可快速查找到所需要的第三类目对应的目标通过等级，在一些所述中，输出所述多个第三类目分别对应的类目提示信息可以包括：
204.显示所述多个第三类目分别对应的类目提示信息生成综合提示信息；检测所述目标用户针对所述综合提示信息的移动操作；
205.响应所述移动操作，对所述综合提示信息中的所述多个第三类目执行相应的移动控制处理，获得移动后的所述综合提示信息；
206.显示所述移动后的所述综合提示信息。
207.可选地，多个第三类目分别对应的类目提示信息生成的综合提示信息移动之前可以位于显示界面的中心区域。移动操作可以包括：预设移动控件的点击操作、滑动操作、拖动操作、旋转操作或者平移操作等移动类型，移动操作对应的移动控制处理具体可以是识别移动操作的移动轨迹以及移动类型，并执行与移动操作的移动轨迹以及移动类型相对应的移动处理。其中，移动控件是为综合提示信息生成的，并用于执行预定义的控制操作的控件。例如较为常见的放大控件或者缩小控件。当目标用户点击移动控件时，综合移动信息可以按照该移动控件预先关联的移动操作进行移动。
208.参考图5，综合提示信息以球型拓扑结构的形式显示。多个第三类目分别对应显示的节点可以为第三类目对应的类目提示信息，该拓扑结构以球型的三维图像形式显示，为了便于用户移动查看，该球型的拓扑结构可以设置一关联的三维移动控件501，用户点击或者旋转该移动控件时，可以触发针对综合提示信息的移动操作。
209.参考图6，综合提示信息以圆形环状结构形式显示，在二维环状结构中显示了多个第三类目分别对应的类目提示信息的提示控件，目标用户触发该类目提示控件时，在一些实施例中可以显示该第三类目的详细信息。在显示第三类目的详细信息时可以以信息子页面的形式显示。
210.此外，目标用户还可以通过拖动等移动操作进行综合提示信息的移动控制，参考图5，移动之前综合提示信息在显示界面502的中心区域显示的一种显示界面，假设移动为向左上角45度的滑动操作，可以执行与45度角的滑动操作相对应的移动处理，移动后的综合提示信息的显示结果具体可以参考图7。
211.在用户查看多个第三类目分别对应的类目提示信息时，可以移动多个第三类目分别对应的类目提示信息。在移动所述多个第三类目分别对应的类目提示信息时，可以将多
个第三类目分别对应的类目提示信息作为一整体进行移动。本实施例中，将多个第三类目分别对应的类目提示信息生成为一综合提示信息，以检测目标用户针对该综合提示信息的移动操作，并执行与该移动操作相对应的移动控制处理，以使得目标用户可以获得不同角度、方向以及区域显示的综合提示信息，实现可交互的类目信息的显示提示，提高显示有效性。
212.在一些实施例中，目标用户使用点击、滑动通过等形式触发任意类目提示信息时，可以为目标用户显示其选择的类目提示信息对应第三类目的目标通过等级。具体可以以提示子页面的形式显示。
213.输出所述多个第三类目分别对应的类目提示信息可以包括：
214.输出所述多个第三类目分别对应的类目提示信息对应的类目提示页面；
215.检测目标用户对多个第三类目中的任意第三类目触发的选择操作，获得关注类目。
216.基于目标用户输出关注类目对应的目标通过等级，生成等级提示子页面；
217.为所述目标用户显示所述等级提示子页面类目提示信息。
218.在实际应用中，为目标用户显示等级提示子页面具体可以在多个第三类目分别对应的类目提示信息的显示页面上覆盖显示等级提示子页面。也即，此时，输出所述多个第三类目分别对应的类目提示信息具体可以包括：输出所述多个第三类目分别对应的类目提示信息对应的类目提示页面。
219.在目标用户移动之后，可以针对任一第三类目的类目提示信息触发选择操作，获得关注类目。参考图7，假设目标用户针对“39运输储藏”的类目提示信息触发选择操作，可以显示该类目提示信息的第三类目对应的等级提示子页面701。
220.需要说明的是，若本技术实施例的技术方案配置于服务器中时，例如云服务器，图5～图7等提示示例或者页面示例，可以在服务器中生成，并发送至目标用户的用户端中显示，具体的生成过程可以参考前述实施例中的描述，在此不再赘述。
221.如图8所示，为本技术实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括：
222.801：获取目标用户提供的待检测对象。
223.802：确定第一类目级别对应的多个第三类目。
224.803：获取目标用户从多个第三类目中选择的目标类目。
225.在实际应用中，可以将多个第三类目分别进行提示，以供用户选择需要等级确认的目标类目。可以将多个第三类目作为提示节点，采用拓扑结构的输出形式进行提示，还可以将多个第三类目作为提示对象，各自生成一提示控件，例如圆形控件、球型控件、或者多边形控件等，采用各个提示控件分别提示对应的第三类目。另外，为了提高显示的有效性，可以突出显示目标类目。例如，将用户选择的目标类目的提示控件的形状、颜色设置较剩余的提示控件形状、颜色更突出，提高提示效果。
226.804：将待检测对象输入目标类目对应的等级预测模型，获得待检测对象在所述目标类目的初始通过等级。
227.805：利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级。
228.806：为目标用户输出该目标类目对应的目标通过等级。
229.本实施例中，获取目标用户提供的待检测对象，可以确定第一类目级别分别对应的多个第三类目，可以获取目标用户从多个第三类目中选择的目标类目。目标类目可以为目标用户重点关注的类目，通过目标类目的设置可以进行针对性的通过等级预估，获取准确的等级估计目标，提高等级估计的有效性。
230.所述获取所述目标用户从所述多个第三类目中选择的目标类目包括：
231.生成所述多个第三类目的类目输入提示信息；
232.为所述目标用户显示所述类目输入提示信息；
233.获取所述目标用户在所述类目输入提示信息选择或者输入获得的目标类目。
234.可选地，类目输入提示信息可以为一类目输入的文本输入控件。用户可以直接在类目输入的文本输入控件中输入目标类目。文本输入控件还可以包括多个第三类目分别对应的选择提示子控件，当检测目标用户光标选中该文本输入控件时，可以为目标用户显示多个第三类目分别对应的选择提示子控件，以提示目标用户选择类目，并检测获得目标用户选择的目标类目。
235.以待检测对象为待检测商标为例，图9示出了本技术实施例提供的一种信息处理方法的又一个实施例的流程图，该方法可以包括：
236.901：获取目标用户提供的待检测商标。
237.902：将待检测商标输入等级预测模型，获得待检测商标的初始通过等级。
238.903：利用等级优化模型对初始通过等级进行等级优化处理，获得待检测商标的目标通过等级。
239.904：为目标用户输出目标通过等级。
240.本实施例中，可以获取目标用户的待检测商标，之后，可以将待检测商标输入等级预测模型，获得待检测商标的初始通过等级。此时，利用等级预测模型对待检测商标的通过等级进行了初步预测。然后利用等级优化模型对初始通过等级进行等级优化处理，获得待检测商标的目标通过等级。此时，利用等级优化模型对初始预测的通过等级进行了进一步等级优化，获取对待检测商标进行性准确衡量的目标通过等级，从而在目标用户输出目标通过等级时，可以通过准确的目标通过等级，对目标用户进行待检测商标的通过可能性进行有效提示，以避免产生无效商标。特别是在待检测商标为商标时，可以提高商标注册成功率。
241.为了便于理解，以待检测对象为商标为例对本技术实施例的技术方案进行详细介绍。
242.图10中，目标用户可以使用用户端m1输入待检测商标。在一种可能的设计中，用户端m1可以显示一待检测商标的输入界面，目标用户u1可以在该输入界面提供的文字输入控件1001以及图像输入控件1002中输入商标的文字信息以及图像信息。此时，用户端m1即可以检测到目标用户输入的文字信息以及图像信息构成的待检测商标，并将待检测商标发送至服务器m2。
243.此外，在一些实施例中，目标用户还可以对商标的信息类型进行具体限定，具体可以提供候选信息类型的提示信息，如1003中所示的文字、图形或者图文结合的提示控件，用户可以通过触发提示控件选择商标的信息类型。此外，在又一些实施例中，目标用户可以从
多个第三类目中选择监控类目，此时在商标输入界面中可以显示选择类目的输入提示控件1004，用户触发该选择控件1004即可以选择相应的监控类目。
244.服务器m2可以获取目标用户提供的待检测商标，例如可以包括商标的文字信息以及商标的图像信息。之后服务器m2可以将该待检测商标输入等级预测模型，获得待检测对象的初始通过等级。获得初始通过等级之后，可以利用等级优化模型对该初始通过等级进行等级优化处理，获得待检测商标的目标通过等级。之后，可以为目标用户输出目标通过等级。
245.在实际应用中，服务器m2输出目标通过等级可以将目标通过等级输出至用户端m1，由用户端m1的显示器输出目标通过等级。其中，在输出目标通过等级时，可以以等级条控件的形式输出该目标通过等级，具体可以参考图7中所示的等级条控件1005。
246.此外，在一些实施例中，可以对待检测商标在多个第三类目下的通过等级分别进行预测，获得待检测商标在不同第三类目下的通过等级，并分别进行提示。如图10中示出的待检测商标在多个第三类目下分别对应的目标通过等级的提示信息1006。1006中所示的多个目标通过等级的提示信息按照类目顺序进行展示。此外，1006中还示出了以第三类目所在第一类目级别下的第二类目级别的多个第四类目下的目标通过等级的提示信息。
247.此外，在一些实施例中，可以将商标在多个第三类目分别对应的类目提示信息以球型拓扑结构进行显示，参考图10中的圆环状形式排列的类目提示信息1007。该提示信息1007中，突出显示了目标用户选择的第三类目“20家具用品”的类目提示信息，以提高提示效果。
248.如图11所示，为本技术实施例提供的一种计算设备的一个实施例的结构示意图，该设备可以包括：存储组件1101以及处理组件1102；存储组件1101用于存储一条或多条计算机指令；一条或多条计算机指令被处理组件1102调用并执行；
249.处理组件1102用于：
250.获取目标用户提供的待检测对象；将待检测对象输入等级预测模型，获得待检测对象的初始通过等级；利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级；为目标用户输出目标通过等级。
251.作为一个实施例，处理组件将待检测对象输入等级预测模型，获得待检测对象的初始通过等级具体可以包括：
252.将待检测对象输入相似对象检测子模型，获得与待检测对象相匹配的至少一个相似对象以及至少一个相似对象分别与待检测对象之间的相似度；
253.基于至少一个相似对象分别对应的相似度，按照等级划分子模型进行等级划分处理，获得待检测对象的初始通过等级。
254.在某些实施例中，处理组件基于至少一个相似对象分别对应的相似度，按照等级划分子模型进行等级划分处理，获得待检测对象的初始通过等级具体可以包括：
255.获取等级划分子模型对应的至少一个通过等级，以及至少一个通过等级分别对应的相似度范围；
256.基于至少一个相似对象分别对应的相似度，确定至少一个相似度范围中的目标相似度范围；
257.确定目标相似度范围对应的通过等级为初始通过等级。
258.在一种可能的设计中，处理组件基于至少一个相似对象分别对应的相似度，确定至少一个相似度范围中的目标相似度范围具体可以包括：
259.确定至少一个相似对象分别对应的相似度中的最大相似度；
260.确定至少一个相似度范围中最大相似度所对应的目标相似度范围。
261.在又一种可能的设计中，处理组件基于至少一个相似对象分别对应的相似度，确定至少一个相似度范围中的目标相似度范围具体可以包括：
262.按照至少一个通过等级分别对应的相似度范围，确定至少一个相似对象分别对应的相似度所属的相似度范围，以获得至少一个相似度范围分别对应的相似度；
263.统计任一个相似度范围中相似度的数量，获得相似度范围的相似对象数量，以获得至少一个相似度范围分别对应的相似对象数量；
264.确定相似对象数量大于1的至少一个候选相似度范围；
265.确定至少一个候选相似度范围中范围最高的目标相似度范围。
266.在某些实施例中，处理组件利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级具体可以包括：
267.确定待检测对象在指定类目级别对应的第一类目；
268.确定至少一个相似对象在指定类目级别分别对应的第二类目；
269.判断至少一个相似对象分别对应的第二类目中是否存在与第一类目相同的目标类目；
270.如果存在，则基于初始通过等级，确定目标通过等级；
271.如果不存在，则确定目标通过等级为等级划分子模型对应的至少一个通过等级中的最高通过等级。
272.其中，待检测对象在指定类目级别对应的第一类目可以为目标用户在指定类目级别为待检测对象选择的第一类目。
273.在一种可能的设计中，处理组件处理如果存在，则基于初始通过等级，确定目标通过等级具体可以包括：
274.如果存在，则确定目标用户的目标用户信息，以及至少一个相似对象分别对应的相似用户信息；
275.判断至少一个相似用户信息中是否包括目标用户信息；
276.如果否，则确定初始通过等级为目标通过等级；
277.如果是，则确定目标通过等级为等级划分子模型对应的至少一个通过等级中的最高通过等级。
278.作为又一个实施例，处理组件通过以下方式训练获得等级预测模型中的相似对象检测子模型：
279.确定至少一个训练对象以及至少一个训练对象分别对应的参考结果；
280.构建相似对象检测子模型；
281.以相似对象检测子模型对至少一个训练对象各自的检测结果与至少一个训练对象分别对应的参考结果相同的训练目标，训练获得相似对象检测子模型的模型参数。
282.进一步，可选地，处理组件确定至少一个训练对象以及至少一个训练对象分别对应的参考结果具体可以包括：
283.读取至少一个商标驳回文件；
284.解析至少一个商标驳回文件，以获得至少一个目标商标以及至少一个目标商标分别对应的引证商标；
285.确定至少一个目标商标为至少一个训练对象，以及至少一个目标商标分别对应的引证商标为至少一个训练对象分别对应的参考结果。
286.在一种可能的设计中，待检测对象包括：待检测文字信息或待检测图像信息；相似对象检测子模型包括：文字检测单元以及图像检测单元；
287.处理组件将待检测对象输入相似对象检测子模型，获得与待检测对象相匹配的至少一个相似对象以及至少一个相似对象分别与待检测对象之间的相似度具体可以包括：
288.将待检测文字信息输入文字检测单元，检测获得至少一个文字相似对象，以及至少一个文字相似对象分别对应的文字相似度；
289.或者，将待检测图像信息输入图像检测单元，检测获得至少一个图像相似对象，以及至少一个图像相似对象分别对应的图像相似度；
290.确定至少一个文字相似对象对应的至少一个相似对象，以及至少一个文字相似对象分别对应的文字相似度为至少一个相似对象分别对应的相似度；
291.或者，确定至少一个图像相似对象对应的至少一个相似对象，以及至少一个图像相似对象分别对应的图像相似度为至少一个相似对象分别对应的相似度。
292.在又一种可能的设计中，待检测对象包括：待检测文字信息和待检测图像信息；
293.处理组件将待检测对象输入相似对象检测子模型，获得与待检测对象相匹配的至少一个相似对象以及至少一个相似对象分别与待检测对象之间的相似度具体可以包括：
294.将待检测文字信息输入文字检测单元，检测获得至少一个文字相似对象，以及至少一个文字相似对象分别对应的文字相似度；
295.以及，将待检测图像信息输入图像检测单元，检测获得至少一个图像相似对象，以及至少一个图像相似对象分别对应的图像相似度；
296.确定至少一个文字相似对象的对象标识以及至少一个图像相似对象的对象标识；
297.基于至少一个文字相似对象的对象标识以及至少一个图像相似对象的对象标识进行对象去重处理，获得至少一个相似对象；
298.根据对象标识相同的文字相似对象的文字相似度以及图像相似对象的图像相似度，确定相同的对象标识的相似对象的相似度；
299.将对象标识不重叠的文字相似对象的文字相似度作为对应相似对象的相似度以及对象标识不重叠的图像相似对象的图像相似度作为对应相似对象的相似度，以获得至少一个相似对象的对象相似度。
300.在某些实施例中，处理组件还可以用于：
301.基于至少一个相似对象，生成优化提示信息；
302.为目标对象输出优化提示信息。
303.作为一种可能的实现方式，处理组件基于所述至少一个相似对象，生成优化提示信息可以包括：
304.将所述至少一个相似对象以及所述待检测对象发送至优化用户，以供所述优化用户根据所述至少一个相似对象为所述待检测对象生成优化建议，并反馈所述优化建议；
305.接收所述优化用户反馈的所述优化建议；
306.生成所述优化建议对应的优化提示信息。
307.作为又一个实施例，处理组件获取目标用户提供的待检测对象具体可以包括：
308.获取目标客户端发送的目标用户提供的待检测对象；
309.为目标用户输出目标通过等级包括：
310.基于目标通过等级，生成等级提示信息；
311.发送等级提示信息至目标客户端，以供目标客户端展示等级提示信息，以供目标用户获知目标通过等级。
312.在某些实施例中，处理组件基于目标通过等级，生成等级提示信息具体可以包括：
313.确定等级预测模型中的至少一个通过等级；
314.生成一等级条控件以及等级条控件对应的刻度控件；
315.基于至少一个通过等级，将等级条控件按照至少一个通过等级由低到高或者由高到低的顺序划分为至少一个子控件；
316.将刻度控件的控件位置调整至目标通过等级在等级条控件中对应的子控件处，以获得等级提示信息。
317.在某些实施例中，处理组件将待检测对象输入等级预测模型，获得待检测对象的初始通过等级具体可以包括：
318.确定第一类目级别对应的多个第三类目；
319.将待检测对象输入任一第三类目对应的等级预测模型，获得待检测对象在第三类目对应的初始通过等级，以获得待检测对象在多个第三类目分别对应的初始通过等级；
320.处理组件利用等级优化模型对初始通过等级进行等级优化处理，获得待检测对象的目标通过等级具体可以包括：
321.利用等级优化模型对多个第三类目分别对应的初始通过等级分别进行等级优化处理，获得待检测对象在多个第三类目分别对应的目标通过等级；
322.处理组件为目标用户输出目标通过等级具体可以包括：
323.为目标用户输出多个第三类目分别对应的目标通过等级。
324.在一种可能的设计中，处理组件为目标用户输出多个第三类目分别对应的目标通过等级具体可以包括：
325.将多个第三类目分别对应的目标通过等级按照通过等级由高到低的顺序进行排序；
326.按照由高到低的排列顺序依次输出多个第三类目分别对应的目标通过等级。
327.在又一种可能的设计中，处理组件为目标用户输出多个第三类目分别对应的目标通过等级具体可以包括：
328.将多个第三类目分别对应的目标通过等级按照对应的第三类目的类目顺序进行排序；
329.按照由高到低的类目顺序依次输出多个第三类目分别对应的目标通过等级。
330.作为一种可能的实现方式，处理组件还可以用于：
331.检测目标用户从多个第三类目中选择的监控类目；
332.处理组件为目标用户输出多个第三类目分别对应的目标通过等级具体可以包括：
333.确定监控类目的第一显示方式以及多个第三类目中除监控类目的其他类目各自的第二显示方式；
334.按照预设第一显示方式显示监控类目对应的目标通过等级；
335.按照预设第二显示方式显示多个第三类目中除监控类目的其他类目各自的目标通过等级。
336.在某些实施例中，处理组件获取目标用户从多个第三类目中选择的监控类目具体可以包括：
337.生成多个第三类目的类目输入提示信息；
338.为目标用户显示类目输入提示信息；
339.获取目标用户在类目输入提示信息选择或者输入获得的监控类目。
340.进一步，可选地，第一显示方式包括：第一显示形状、第一显示形状的中心所对应的第一显示位置以及第一显示颜色；
341.第二显示方式包括：第二显示形状、第二显示形状的中心所对应的第二显示位置以及第二显示颜色。
342.在又一些实施例中，处理组件还可以用于：
343.基于所述待检测对象在所述多个第三类目分别对应的目标通过等级，分别生成所述多个第三类目各自的类目提示信息；
344.输出所述多个第三类目分别对应的类目提示信息；
345.处理组件输出所述多个第三类目分别对应的类目提示信息具体可以包括：
346.显示所述多个第三类目分别对应的类目提示信息生成综合提示信息；检测所述目标用户针对所述综合提示信息的移动操作；
347.响应所述移动操作，对所述综合提示信息中的所述多个第三类目执行相应的移动控制处理，获得移动后的所述综合提示信息；
348.显示所述移动后的所述综合提示信息。
349.在某些实施例中，处理组件输出所述多个第三类目分别对应的类目提示信息具体可以包括：
350.输出所述多个第三类目分别对应的类目提示信息对应的类目提示页面；
351.检测所述目标用户针对所述多个第三类目中的任意第三类目触发的选择操作，获得关注类目；
352.基于所述目标用户输出所述关注类目对应的目标通过等级，生成等级提示子页面；
353.为所述目标用户显示所述等级提示子页面。
354.作为又一个实施例，处理组还可以用于：
355.确定第一类目级别对应的多个第三类目；
356.获取所述目标用户从多个第三类目中选择的目标类目；
357.所述处理组件将所述待检测对象输入等级预测模型，获得所述待检测对象的初始通过等级具体可以包括：
358.将所述待检测对象输入所述目标类目对应的等级预测模型，获得所述待检测对象在所述目标类目的初始通过等级；
359.所述处理组件为所述目标用户输出所述目标通过等级具体可以包括：
360.为所述目标用户输出所述目标类目对应的目标通过等级。
361.作为一个实施例，处理组件获取所述目标用户从所述多个第三类目中选择的目标类目具体可以包括：
362.生成所述多个第三类目的类目输入提示信息；
363.为所述目标用户显示所述类目输入提示信息；
364.获取所述目标用户在所述类目输入提示信息选择或者输入获得的目标类目。
365.图11的实现计算设备可以执行图1所示实施例的信息处理的方法，其实现原理和技术效果不再赘述。对于上述实施例中的处理组件所执行的各个步骤的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
366.此外，本技术实施例还提供一种计算机可读存储介质，该存储介质用于存储计算机程序，计算机程序执行时可以执行如图1所示实施例中信息处理方法。
367.如图12所示，为本技术实施例提供的一种计算设备的又一个实施例的结构示意图，该设备可以包括：存储组件1201以及处理组件1202；存储组件1201用于存储一条或多条计算机指令；一条或多条计算机指令被处理组件1202调用并执行；
368.处理组件1202可以用于：
369.获取目标用户提供的待检测商标；将待检测商标输入等级预测模型，获得待检测商标的初始通过等级；利用等级优化模型对初始通过等级进行等级优化处理，获得待检测商标的目标通过等级；为目标用户输出目标通过等级。
370.图12的实现计算设备可以执行图9所示实施例的信息处理的方法，其实现原理和技术效果不再赘述。对于上述实施例中的处理组件所执行的各个步骤的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
371.此外，本技术实施例还提供一种计算机可读存储介质，该存储介质用于存储计算机程序，计算机程序执行时可以执行如图6所示实施例中信息处理方法。
372.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
373.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
374.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产
生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
375.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
376.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
377.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
378.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
379.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
380.最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。