生产意愿预测方法、装置及电子设备与流程

1.本公开涉及数据处理技术领域，尤其涉及人工智能技术，具体涉及一种生产意愿预测方法、装置、电子设备、计算机可读存储介质及计算机程序产品。


背景技术：

2.用户生成内容(user generated content，简称为ugc)产品的核心是内容，而内容的核心生产者是人。在问答场景下，消费者的需求是五花八门的，为了满足让每一个问题都能找到答案，给用户带来更好的产品体验，需要较大规模的生产用户(答主)来保障供需的平衡。但相比于基数庞大的消费者群，生产者毕竟占少数，如何识别以及以相对较低的成本吸引更多生产者，就成为产品发展的关键。特别是对于一些新产品来说，答主的招募和运营尤为重要。在相关技术中，针对答主的招募和运营，目前普遍采用的是专人定向邀请，投放广告，运营活动等模式。然而，采用上述模式，运营成本高，转化效率低。


技术实现要素：

3.本公开提供了一种生产意愿预测方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
4.根据本公开的一方面，提供了一种生产意愿预测方法，包括：获取目标对象的特征数据，其中，所述特征数据包括：静态属性数据和动态行为数据，所述动态行为数据为对问答场景下的问题执行操作的数据；对所述静态属性数据进行特征提取，得到静态属性特征，并对所述动态行为数据进行特征提取，得到动态行为特征；基于所述静态属性特征和所述动态行为特征，预测所述目标对象的第一生产意愿指数，其中，所述第一生产意愿指数用于表征所述目标对象在问答场景下答复问题的意愿程度。
5.可选地，所述获取目标对象的特征数据包括：在所述目标对象为满足预定筛选条件的对象的情况下，对所述目标对象执行线上问答实验；获取所述目标对象针对所述线上问答实验的所述动态行为数据，其中，所述动态行为数据包括所述目标对象针对所述问答场景下的问题进行操作的数据。
6.可选地，所述目标对象针对所述问答场景下的问题进行操作的数据包括以下至少之一：所述目标对象点击所述问题的点击数据，所述目标对象针对所述问题上传答复内容的上传数据，所述目标对象将所述问题进行转发的转发数据，所述目标对象基于所述问题进行搜索的搜索数据。
7.可选地，在所述目标对象为满足预定筛选条件的对象的情况下，对所述目标对象执行线上答复实验之前，还包括：获取所述目标对象的职业信息和/或所述目标对象的生产浏览数据，其中，所述目标对象的生产浏览数据基于所述目标对象在预定历史时间段内的生产行为和浏览行为得到；基于所述职业信息和/或所述生产浏览数据，确定所述目标对象的第二生产意愿指数；在所述第二生产意愿指数达到预定指数阈值的情况下，确定所述目标对象为满足预定筛选条件的对象。
8.可选地，所述基于所述静态属性特征和所述动态行为特征，预测所述目标对象的第一生产意愿指数包括：将所述静态属性特征和所述动态行为特征输入预测模型中，得到包括所述目标对象的第一生产意愿指数的预测结果，其中，所述预测模型基于多组样本数据训练得到，所述多组样本数据包括：对象的静态属性特征和动态行为特征，以及该对象的第一生产意愿指数。
9.可选地，所述方法还包括：通过以下方式获取所述多组样本数据：获取完成线上问答实验的多个对象的对象数据；从所述对象数据中筛选出对所述线上问答实验进行反馈过的反馈数据；从对所述线上问答实验进行反馈过的反馈数据过滤出满足预定反馈条件的目标反馈数据，并将所述目标反馈数据作为所述多组样本数据。
10.根据本公开的另一方面，提供了一种生产意愿预测装置，包括：第一获取模块，用于获取目标对象的特征数据，其中，所述特征数据包括：静态属性数据和动态行为数据，所述动态行为数据为对问答场景下的问题执行操作的数据；提取模块，用于对所述静态属性数据进行特征提取，得到静态属性特征，并对所述动态行为数据进行特征提取，得到动态行为特征；预测模块，用于基于所述静态属性特征和所述动态行为特征，预测所述目标对象的第一生产意愿指数，其中，所述第一生产意愿指数用于表征所述目标对象在问答场景下答复问题的意愿程度。
11.可选地，所述第一获取模块包括：第一处理单元，用于在所述目标对象为满足预定筛选条件的对象的情况下，对所述目标对象执行线上问答实验；第一获取单元，用于获取所述目标对象针对所述线上问答实验的所述动态行为数据，其中，所述动态行为数据包括所述目标对象针对所述问答场景下的问题进行操作的数据。
12.可选地，所述目标对象针对所述问答场景下的问题进行操作的数据包括以下至少之一：所述目标对象点击所述问题的点击数据，所述目标对象针对所述问题上传答复内容的上传数据，所述目标对象将所述问题进行转发的转发数据，所述目标对象基于所述问题进行搜索的搜索数据。
13.可选地，所述装置还包括：第二获取模块，用于在所述目标对象为满足预定筛选条件的对象的情况下，对所述目标对象执行线上答复实验之前，获取所述目标对象的职业信息和/或所述目标对象的生产浏览数据，其中，所述目标对象的生产浏览数据基于所述目标对象在预定历史时间段内的生产行为和浏览行为得到；第一确定模块，用于基于所述职业信息和/或所述生产浏览数据，确定所述目标对象的第二生产意愿指数；第二确定模块，用于在所述第二生产意愿指数达到预定指数阈值的情况下，确定所述目标对象为满足预定筛选条件的对象。
14.可选地，所述预测模块包括：预测单元，用于将所述静态属性特征和所述动态行为特征输入预测模型中，得到包括所述目标对象的第一生产意愿指数的预测结果，其中，所述预测模型基于多组样本数据训练得到，所述多组样本数据包括：对象的静态属性特征和动态行为特征，以及该对象的第一生产意愿指数。
15.可选地，所述装置还包括：第三获取模块，用于通过以下方式获取所述多组样本数据：获取完成线上问答实验的多个对象的对象数据；从所述对象数据中筛选出对线上问答实验进行反馈过的反馈数据；从对所述线上问答实验进行反馈过的反馈数据过滤出满足预定反馈条件的目标反馈数据，并将所述目标反馈数据作为所述多组样本数据。
16.根据本公开的还一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的生产意愿预测方法。
17.根据本公开的又一方面，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，其中，所属计算机指令用于使所述计算机执行上述任一项所述的生产意愿预测方法。
18.根据本公开的再一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述任一项所述的生产意愿预测方法。
19.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
20.附图用于更好地理解本方案，不构成对本公开的限定。其中：
21.图1是根据本公开实施例提供的生产意愿预测方法的流程图；
22.图2是根据本公开可选实施方式生产意愿预测方法的示意图；
23.图3是根据本公开实施例所提供的生产意愿预测装置的结构框图；
24.图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。
具体实施方式
25.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。
26.术语说明
27.用户生成内容，也称ugc(user-generated content)，通常指用户将自己原创的内容通过互联网平台进行展示或者提供给其他用户。ugcde三个基本特征：一、以网络出版为前提；二、内容具有一定的创新性；三、非专业人员或非权威组织创作。
28.在本公开实施例中，提供了一种生产意愿预测方法，图1是根据本公开实施例提供的生产意愿预测方法的流程图，如图1所示，该流程图包括如下步骤：
29.步骤s102，获取目标对象的特征数据，其中，特征数据包括：静态属性数据和动态行为数据，动态行为数据为对问答场景下的问题执行操作的数据；
30.步骤s104，对静态属性数据进行特征提取，得到静态属性特征，并对动态行为数据进行特征提取，得到动态行为特征；
31.步骤s106，基于静态属性特征和动态行为特征，预测目标对象的第一生产意愿指数，其中，第一生产意愿指数用于表征目标对象在问答场景下答复问题的意愿程度。
32.通过上述步骤，在对该目标对象的生产意愿进行预测时，基于目标对象的静态属性特征和动态行为特征进行预测，使得对目标对象生产意愿进行预测时，既考虑了目标对象的静态属性，又考虑了目标对象的动态行为，使得对目标对象生产意愿的预测更为准确。相对于相关技术中，仅通过邀请特定用户，或者基于用户的长时间的反馈来确定目标对象
的生产意愿而言，有效地解决了相关技术中，获取内容生产者存在成本高，效率低，质量不高的问题，进而达到低成本，高效地获取内容生产者的效果。
33.作为一种可选的实施例，上述获取目标对象的特征数据时，可以采用多种方式，例如，可以采用以下方式实现：在目标对象为满足预定筛选条件的对象的情况下，对目标对象执行线上问答实验；获取目标对象针对线上问答实验的动态行为数据，其中，动态行为数据包括目标对象针对问答场景下的问题进行操作的数据。通过上述处理，在获取的目标对象的特征数据是满足预定条件的对象的特征数据，并且该满足预定条件的对象的特征数据是对象针对问答场景下的问题进行操作的数据。由于目标对象是满足预定筛选条件的，并非盲目对选择对象作为目标对象，为后续从中筛选出合适的内容生产者提高效率。另外，由于后续预测用户的生产意愿指数时所采用的数据不仅包括用户的静态属性数据，还包括能够在一定程度上更能表征用户的生产意愿的动态行为数据，例如，在动态行为数据包括该目标对象针对问答场景下的问题进行操作的数据时，更能够有针对性地体现出该目标用户对内容生产的意愿程度，使得后续预测得到的生产意愿指数的准确性更高。
34.作为一种可选的实施例，上述目标对象针对问答场景下的问题进行操作的数据可以包括多种，例如，可以包括以下至少之一：目标对象点击问题的点击数据，目标对象针对问题上传答复内容的上传数据，目标对象将问题进行转发的转发数据，目标对象基于问题进行搜索的搜索数据。对目标对象生产意愿的预测可以是基于静态属性数据对应的特征和动态行为数据对应的特征来确定的，其中的动态行为数据可以是多种的，例如，目标对象点击问题的点击数据，比如，用户在网络上的任何区域部分或全部地看到了问题，然后对该问题进行了点击，由此可见，用户对问题最基本来说是感兴趣的，即可以认为用户对问题有最基本的答复倾向。针对问题上传答复的上传数据，对于这种情况，可以看出用户不仅对问题进行了点击，而且对问题进行了思考，并且给出的具体的答复，可见该用户相对于仅点击而不答复的用户而言，其生产意愿是要高一些的。将问题进行转发的转发数据，对于此种情况，将问题转发与答复问题在一定程度上可以认为两者的生产意愿是类似的，即均有答复问题的主动性。另一方面，对问题进行转发也可以认为其生产意愿要高于答复问题的用户，例如，在针对该问题，用户自身无法解决，但为了尽力解决可能通过转发的方式请求他人帮助解决，因此，该用户的生产意愿又更高一些。对于基于问题进行搜索的搜索数据属于对问题进行答复时所进行的各种努力，也能够在一定程度上体现其生产意愿高于仅点击问题的用户，或者高于点击和上传答案的用户。需要说明的是，上述目标对象针对问答场景下的问题进行操作的数据所包括的内容也仅仅是一种举例，其它属于用户针对问答场景下的问题进行操作的数据所包括的内容也属于本公开的一部分。
35.作为一种可选的实施例，上述在目标对象为满足预定筛选条件的对象的情况下，对目标对象执行线上答复实验之前，依据筛选条件的不同，确定的目标对象也是多样的。例如，可以采用以下方式筛选：获取目标对象的职业信息和/或目标对象的生产浏览数据，其中，目标对象的生产浏览数据基于目标对象在预定历史时间段内的生产行为和浏览行为得到；基于职业信息和/或生产浏览数据，确定目标对象的第二生产意愿指数；在第二生产意愿指数达到预定指数阈值的情况下，确定目标对象为满足预定筛选条件的对象。通过上述基于职业信息和/或生产浏览数据确定第二生产意愿指数，其中，该第二生产意愿指数可以认为属于一种基础生产意愿指数。该基础生产意愿指数能够在一定程度上体现目标对象的
基础的生产意愿。之后，在该基础生产意愿指数达到预定指数阈值时，认为该目标对象为满足筛选条件的用户。由于职业信息能够体现对象的静态生产意愿，例如，对象本身的静态客观环境的性质是否属于自生产的类型。另外，对象的生产浏览数据也能够在一定程度上体现对象的习惯特点，即从对象的主观能动性上体现是否对内容生产存在倾向。分别从对象的静态客观环境以及主观能动性上进行生产意愿的刻画，采用该筛选条件对用户进行筛选，进而确定为目标对象，不仅能够得到目标对象，而且筛选结果也能够更为准确，全面。
36.作为一种可选的实施例，上述基于静态属性特征和动态行为特征，预测目标对象的第一生产意愿指数可以采用多种方式，例如，可以采用以下方式实现：将静态属性特征和动态行为特征输入预测模型中，得到包括目标对象的第一生产意愿指数的预测结果，其中，预测模型基于多组样本数据训练得到，多组样本数据包括：对象的静态属性特征和动态行为特征，以及该对象的第一生产意愿指数。上述预测模型可以是经过了训练并不断调优的，仅需将静态属性特征和动态行为特征输入预测模型中，就可以得到目标对象的生产意愿指数，即采用人工智能的方式对目标对象的生产意愿进行预测，这种预测方式，不仅结果准确，而且高效。
37.作为一种可选的实施例，获取多组样本数据时可以采用多种方式，例如，可以采用以下方式实现：获取完成线上问答实验的多个对象的对象数据；从对象数据中筛选出线上问答实验进行反馈过的反馈数据；从对线上问答实验进行反馈过的反馈数据过滤出满足预定反馈条件的目标反馈数据，并将目标反馈数据作为多组样本数据。经过上述方式，通过对多个对象进行线上问答实验，并获取执行该实验的反馈数据，再从该反馈数据中过滤出满足预定反馈条件的数据，作为样本数据。通过对对象进行实验获取数据，能够进行有针对性地获取特征数据；对得到的反馈数据进行过滤，可以最大限度地保证预测模型在训练时使用的数据都是有价值的，即在最程度上实现训练样本的有效性，进而使预测模型的预测结果更加准确。
38.基于上述实施例及可选实施例，提供了一种可选实施方式，下面说明。
39.针对相关技术中所采用的模式，由于缺乏对目标用户的了解，运营成本高，转化效率低，可触达的用户少；另外，由于缺乏对用户生产意愿和生产能力的刻画，招募过来的答主生产积极性不高，近一半的答主在成功引入后，没有生产行为。因此，在相关技术中，获取内容生产者存在成本高，效率低，质量不高的问题。
40.在本公开可选实施方式中，将广告位点击的思想应用到答主招募中。首先，基于策略手段圈定实验用户，采用推送或者在浏览页广告位展现的方式向目标用户投放问题，吸引用户点击和回答以完成答主的转化。在收集一定反馈结果后，通过实验反馈结果对策略结果持续进行修正。该方案主要是用户生产意愿的刻画，图2是根据本公开可选实施方式生产意愿预测方法的示意图，如图2所示，该技术方案主要包括三部分：第一，冷启动阶段的先验策略的制定；第二，反馈数据的收集；第三，基于反馈数据的生产意愿模型(即上述的预测模型)的构建。
41.第一，冷启动阶段的先验策略的制定
42.此阶段的主要任务是通过人工策略建立存量用户的基础生产意愿指数，作为实验数据的冷启动，主要分为两部分，离线数据挖掘和人工策略。
43.(1)离线数据挖掘：离线数据主要包括两部分，职业特征和生产浏览数据，两者互
相补充。其中，职业信息是对用户自身能力的一种刻画,对于能直接获取用户职业的情况，可以直接获取生产兴趣领域的用户(例如，职业认证数据)，建立职业信息到问题类别的映射关系。对于无法获取准确的职业行业信息的用户，可以根据用户在不同产品线的历史生产 浏览行为获取文本数据，使用深度学习手段获取文本数据的分类信息。
44.(2)人工策略：综合职业和生产浏览数据，制定人工策略生成用户在不同分类下的基础生产意愿指数。
45.基于人工策略的结果，筛选满足条件的用户推送线上实验。
46.第二，反馈数据的收集
47.此阶段主要收集实验反馈数据，以对模型和用户池子进行调整，主要包括数据收集和规则过滤。数据收集是对线上反馈数据进行收集，规则过滤通过设定简单过滤规则，过滤异常数据以获取供给后续模型的正常的标签数据。同时，由于线上推送资源有限，在收集到一定数据后，基于反馈数据，剥夺用户池子中符合剔除条件的用户(例如，展现n次未点击)的实验资格。
48.第三，基于反馈数据的意愿判别模型的构建
49.此阶段主要是通过收集的用户点击反馈数据，构建生产意愿模型。主要分为两部分：数据层面和模型层面。
50.(1)数据层面主要包含：数据预处理，数据集构造，特征工程。其中，数据预处理部分主要负责对数据进行清理；数据集构造部分，通过曝光n次内是否点击的点击结果构造正负样本；特征工程中特征的选取和构造比较重要，构建的特征包括用户基础属性这类长效特征，还包括时效行为兴趣特征，以及用户行为序列，不同时间窗口的相关统计特征等。
51.(2)模型层面：在模型首次构建时包括模型选择，模型调优等。在后续的模型调整中，当反馈数据模块收集到合适大小数据时，对模型进行retrain finetuning(再训练和微调)，并进行a/b test测试以验证模型效果，若在测试集上比原始模型性能高，则更新模型，同时对用户池子中的用户进行预测，圈定新一批的实验用户。之后，用户的生产意愿指数可以输出为精准运营提供高质量的目标群体。
52.在本公开实施例中，还提供了一种生产意愿预测装置，图3是根据本公开实施例所提供的生产意愿预测装置的结构框图，如图3所示，该装置包括：第一获取模块32，提取模块34，预测模块36，下面对该装置进行说明。
53.第一获取模块32，用于获取目标对象的特征数据，其中，特征数据包括：静态属性数据和动态行为数据，动态行为数据为对问答场景下的问题执行操作的数据；提取模块34，连接至上述第一获取模块32，用于对静态属性数据进行特征提取，得到静态属性特征，并对动态行为数据进行特征提取，得到动态行为特征；预测模块36，连接至上述提取模块34，用于基于静态属性特征和动态行为特征，预测目标对象的第一生产意愿指数，其中，第一生产意愿指数用于表征目标对象在问答场景下答复问题的意愿程度。
54.作为一种可选的实施例，第一获取模块32包括：第一处理单元，用于在目标对象为满足预定筛选条件的对象的情况下，对目标对象执行线上问答实验；第一获取单元，用于获取目标对象针对线上问答实验的动态行为数据，其中，动态行为数据包括目标对象针对问答场景下的问题进行操作的数据。
55.作为一种可选的实施例，目标对象针对问答场景下的问题进行操作的数据包括以
下至少之一：目标对象点击问题的点击数据，目标对象针对问题上传答复内容的上传数据，目标对象将问题进行转发的转发数据，目标对象基于问题进行搜索的搜索数据。
56.作为一种可选的实施例，上述装置还包括：第二获取模块，用于在目标对象为满足预定筛选条件的对象的情况下，对目标对象执行线上答复实验之前，获取目标对象的职业信息和/或目标对象的生产浏览数据，其中，目标对象的生产浏览数据基于目标对象在预定历史时间段内的生产行为和浏览行为得到；第一确定模块，用于基于职业信息和/或生产浏览数据，确定目标对象的第二生产意愿指数；第二确定模块，用于在第二生产意愿指数达到预定指数阈值的情况下，确定目标对象为满足预定筛选条件的对象。
57.作为一种可选的实施例，预测模块36包括：预测单元，用于将静态属性特征和动态行为特征输入预测模型中，得到包括目标对象的第一生产意愿指数的预测结果，其中，预测模型基于多组样本数据训练得到，多组样本数据包括：对象的静态属性特征和动态行为特征，以及该对象的第一生产意愿指数。
58.作为一种可选的实施例，上述装置还包括：第三获取模块，用于通过以下方式获取多组样本数据：获取完成线上问答实验的多个对象的对象数据；从对象数据中筛选出对线上问答实验进行反馈过的反馈数据；从对线上问答实验进行反馈过的反馈数据过滤出满足预定反馈条件的目标反馈数据，并将目标反馈数据作为多组样本数据。
59.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
60.根据本公开的实施例，本公开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。
61.根据本公开实施例中，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上述任一项的生产意愿预测方法。
62.图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。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。
63.如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(rom)402中的计算机程序或者从存储单元408加载到随机访问存储器(ram)403中的计算机程序，来执行各种适当的动作和处理。在ram 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
64.设备400中的多个部件连接至i/o接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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。
65.计算单元401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。计算单
元401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计算单元、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。计算单元401执行上文所描述的各个方法和处理，例如，生产意愿预测方法。例如，在一些实施例中，生产意愿预测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介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由rom 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到ram 403并由计算单元401执行时，可以执行上文描述的生产意愿预测方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行生产意愿预测方法。
66.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。
67.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。这些程序代码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或控制器执行时使流程图和/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。
68.在本公开的上下文中，机器可读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。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
69.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。
70.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。
71.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，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
72.在本公开可选实施例中，还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，其中计算机指令用于使计算机执行上述任一项的生产意愿预测方法。
73.在本公开可选实施例中，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述任一项的生产意愿预测方法。
74.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，本发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公开的技术方案所期望的结果，本文在此不进行限制。
75.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，均应包含在本公开保护范围之内。