元の名称記録: 薯能生巧科技（上海）有限公司

本申请公开了一种数据存储方法及相关产品，该方法包括：对源数据进行数据预处理，得到至少两个键值对数据；然后对至少两个键值对数据进行哈希分桶处理，得到N个键值对分桶；再将N个键值对分桶分配给M个归约执行单元，一个归约执行单元与Z个数据分片中的一个分区文件相关联；一个数据分片包含一个或多个分区文件；最后通过M个归约执行单元分别将各自分配到的键值对分桶中的键值对数据写入所关联的分区文件中。

本申请实施例公开了信息交互方法、装置、设备、存储介质及程序产品，该方法包括：显示会话页面，会话页面包括针对目标对象的问询消息；响应于针对问询消息的回复事件，显示针对问询消息的回复消息，其中，回复消息关联显示有评价显示入口；评价显示入口用于显示与回复消息匹配的对象评价内容；对象评价内容为针对目标对象的评价；响应于对评价显示入口的触发操作，显示评价内容页面，评价内容页面包括与回复消息匹配的至少一条对象评价内容。采用本申请实施例能够提升用户对于回复消息的信任度。

本申请实施例公开了交易信息处理方法、装置、设备、介质以及产品，可应用于数据处理技术领域。其中方法包括：显示地图页面，地图页面包括目标发布控件；响应于对目标发布控件的触发操作，显示用于编辑交易信息的交易信息编辑页面；响应于对交易信息编辑页面上所编辑得到的目标交易信息的发布操作，在地图页面上显示目标交易信息对应的目标兴趣点；目标兴趣点是基于在交易信息编辑页面输入的位置信息、或发布目标交易信息的目标账号的位置信息所显示的；目标交易信息包括用于进行商品购买的商品购买信息、用于进行商品出售的商品出售信息和用于进行商品交换的商品交换信息中任一种。采用本申请实施例，有助于提升商品交易的灵活性和便捷度。

本说明书实施例提供模型训练方法、任务处理方法及网络流量数据预测方法，其中模型训练方法，包括：确定历史序列数据和标签序列数据；将所述历史序列数据输入任务处理模型，获得所述任务处理模型输出的预测序列数据；确定所述预测序列数据对应的预测条件分布和所述标签序列数据对应的标签条件分布；根据所述预测条件分布和所述标签条件分布，对所述任务处理模型进行训练，以使所述预测条件分布和所述标签条件分布对齐。

本申请实施例公开了发布内容处理方法、装置、设备、介质及产品，可应用于数据处理技术领域。其中方法包括：在目标页面上显示与目标商品相关联的虚拟体验入口；响应于对虚拟体验入口的触发操作，调用摄像组件生成目标媒体内容；目标媒体内容是基于目标商品对应的虚拟元素和摄像组件拍摄的内容确定的；响应于对目标媒体内容的发布操作，发布包括目标媒体内容和目标商品的交易入口的目标发布内容。采用本申请实施例，有助于提升发布与商品体验相关的发布内容的便捷度。

本说明书提供一种信息查询方法及装置，其中所述信息查询方法包括：基于目标用户的信息查询请求，确定待查询信息；根据待查询信息，在预设向量字典中筛选至少两个待处理指导向量，其中，所述预设向量字典中的指导向量基于目标用户的历史查询请求对应的激活参数生成；聚合所述至少两个待处理指导向量，获得目标指导向量；将目标指导向量和所述待查询信息输入至结果推荐模型，获得信息查询请求对应的查询结果，其中，所述结果推荐模型中的各特征提取层根据将输入特征矩阵和目标指导向量生成输出特征矩阵，根据最后一个特征提取层对应的输出特征矩阵，生成信息查询请求对应的查询结果。上述方法提升了输出的查询结果与用户变化的需求的适配度。

本说明书实施例提供预测模型的训练方法、装置及设备，其中方法包括：获取第一时序集和第二时序集；调用初始预测模型针对所述第一时序集执行指定预测任务，并基于所述指定预测任务的单任务预测结果对所述初始预测模型进行预训练，获得预训练预测模型；基于所述预训练预测模型，分别针对多个预测任务进行模型配置，获得更新预测模型；调用所述更新预测模型针对所述第二时序集执行所述多个预测任务，并基于所述多个预测任务的多任务预测结果对所述更新预测模型进行训练，获得训练后的预测模型。

本说明书实施例提供图像处理、任务处理模型训练、发布内容识别方法及装置，其中所述图像处理方法包括：获取目标视觉任务对应的待处理图像，并基于待处理图像提取图像向量；基于图像向量，对待处理图像进行局部分析，获得待处理图像中各区域的局部向量，并对待处理图像进行全局分析，获得待处理图像中各区域间的关联向量；融合各区域的局部向量和各区域间的关联向量，生成针对待处理图像的任务处理结果。通过融合图像的局部细节特征与全局关联特征，有效捕捉了多尺度上下文信息，局部向量聚焦区域细节，关联向量建模全局依赖，二者协同增强了模型对复杂场景的适应性，尤其在视觉任务中表现出更优的特征表达能力与泛化性能。