信息推送对象更新方法、装置和计算机设备制造方法及图纸

本申请涉及一种信息推送对象更新方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取目标信息推送业务的目标标识集；提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型；获取待选用户的标识和特征，将所述待选用户的特征输入到所述预测模型进行预测，得到所述待选用户的预测数值；根据预测数值选取预设数量的待选用户的标识，得到待选标识集；根据所述待选标识集更新所述目标信息推送业务的目标标识集。本方案能够实现目标信息推送对象的自动更新。

Updating Method, Device and Computer Equipment of Information Push Object

【技术实现步骤摘要】
信息推送对象更新方法、装置和计算机设备
本申请涉及计算机
，特别是涉及一种信息推送对象更新方法、装置、计算机可读存储介质和计算机设备。
技术介绍
随着计算机技术的发展，信息的传播和共享越来越快速。目前信息的传播可通过向特定人群推送的方式，该方式使得信息可以具有针对性地推送，以增加信息的曝光率。然而，目前对信息的推送需要根据人群的需求不断调整推送对象，并且需要通过人工收集反馈数据以调整信息的推送对象。
技术实现思路
基于此，有必要针对需要通过人工收集反馈数据以调整信息的推送对象的技术问题，提供一种自动调整推送对象的信息推送对象更新方法、装置、计算机可读存储介质和计算机设备。一种信息推送对象更新方法，包括：获取目标信息推送业务的第一标识集；提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型；获取待选用户的标识和特征，将所述待选用户的特征输入到所述预测模型进行预测，得到所述待选用户的预测数值；根据预测数值选取预设数量的待选用户的标识，得到待选标识集；根据所述待选标识集更新所述目标信息推送业务的目标标识集。一种信息推送更新装置，所述装置包括：获取模块，用于获取目标信息推送业务的目标标识集；训练模块，用于提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型；预测模块，用于获取待选用户的标识和特征，将所述待选用户的特征输入到所述预测模型进行预测，得到所述待选用户的预测数值；选取模块，用于根据预测数值选取预设数量的待选用户的标识，得到待选标识集；更新模块，用于根据所述待选标识集更新所述目标信息推送业务的目标标识集。一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述任一项所述方法的步骤。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述任一项所述方法的步骤。上述信息推送对象更新方法、装置、计算机可读存储介质和计算机设备，通过定时获取目标信息推送业务的目标标识集，并提取目标标识集中各标识对应的用户的特征，根据特征训练得到预测模型。通过获取待选用户的标识和特征，将待选用户的特征输入到预测模型进行预测，得到待选用户的预测数值。根据预测数值选取预设数量的待选用户的标识，得到待选标识集，根据待选标识集更新目标信息推送业务的目标标识集。本方案通过获取已投放的目标标识集，将已投放的目标标识集作为样本自动训练更新预测模型，以自动更新目标标识集，无需人工参与运营，从而实现目标信息推送对象的自动更新。附图说明图1为一个实施例中信息推送对象更新方法的应用环境图；图2为一个实施例中信息推送对象更新方法的流程示意图；图3为一个实施例中信息推送对象更新的界面示意图；图4为一个实施例中得到待选用户的预测数值的步骤的流程示意图；图5为一个实施例中训练得到预测模型步骤的流程示意图；图6为一个实施例中检测正样本数量的步骤的流程示意图；图7为一个实施例中对特征进行拼接处理的步骤的流程示意图；图8为一个实施例中自动更新训练预测模型的示意图；图9为一个实施例中更新目标标识集的步骤的流程示意图；图10为一个实施例中自动更新推送对象的示意图；图11为一个实施例中本方案与传统信息推送对象更新方式的对比示意图；图12为一个实施例中信息推送对象更新装置的结构框图；图13为一个实施例中计算机设备的结构框图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。图1为一个实施例中信息推送对象更新方法的应用环境图。参照图1，该信息推送对象更新方法应用于信息推送对象更新系统。该信息推送对象更新系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在本实施例中，终端110可获取目标信息推送业务的目标标识集，并提取目标标识集中各标识对应的用户的特征。接着，终端110将提取目标标识集中各标识对应的用户的特征发送给服务器120。服务器120接收终端110发送的特征，并根据该特征训练得到预测模型。接着，终端110获取待选用户和待选用户的标识，并提取待选用户的特征。终端110将待选用户的标识和对应的待选用户的特征发送给服务器120，服务器120接收待选用户的标识和特征，将特征输入到预测模型，通过预测模型预测得到待选用户的预测数值。终端110接收服务器120返回的待选用户的标识和对应的预测数值，根据预测数值选取预设数量的待选用户的标识，得到待选标识集。接着，终端110根据待选标识集更新目标信息推送业务的目标标识集。在本实施例中，终端110可将待选用户的标识和对应的待选用户的特征发送给服务器120，由服务器120通过预测模型预测得到待选用户的预测数值，并由服务器120执行选取预设数量的待选用户的标识，得到待选标识集，以及更新目标信息推送业务的目标标识集的步骤。在本实施例中，终端110可定时获取目标信息推送业务的目标标识集，并提取目标标识集中各标识对应的用户的特征，根据该特征训练得到预测模型。接着，终端110获取待选用户的标识和特征，将待选用户的特征输入到预测模型进行预测，得到待选用户的预测数值。终端110按照预测数值选取预设数量的待选用户的标识，得到待选标识集。接着，终端110根据待选标识集更新目标信息推送业务的目标标识集，得到更新后的目标标识集。通过定时获取已投放的目标标识集，将已投放的目标标识集作为样本自动训练更新预测模型，以自动更新目标标识集，无需人工参与运营，从而实现目标信息推送对象的自动更新。如图2所示，在一个实施例中，提供了一种信息推送对象更新方法。本实施例主要以该方法应用于上述图1中的终端110(或服务器120)来举例说明。参照图2，该信息推送对象更新方法具体包括如下步骤：步骤202，获取目标信息推送业务的目标标识集。其中，目标信息推送业务是指需要推送给用户的信息。目标信息可以但不限于是广告、各领域新闻、资讯。推送的形式可以但不限于是文本、链接、视频和音频等。目标标识集为正在投放的包，该包中包括用户的标识，一个用户对应一个标识。用户的标识可以是用户的昵称、用户的账号标识等。具体地，计算机设备可确定需要推送给用户的目标信息，并确定该项目标信息推送业务对应的目标标识集。在本实施例中，当计算机设备接收到目标信息的推送指令时，获取该目标信息推送业务对应的目标标识集。在本实施例中，获取目标信息推送业务的目标标识集，包括：定时获取目标信息推送业务的目标标识集。具体地，计算机设备可实时监测当前的时间，并将当前的时间与预先设定的时间进行对比。当当前的时间与预先设定的时间相同时，计算机设备获取该项推送业务对应的目标标识集。例如，预先设置每天0时0分0秒获取目标信息推送业务的目标标识集，则计算机设备实时监测当前的时间，当当前的时间达到0时0分0秒时，计算机设备获取该目标信息推送业务的目标标识集。步骤204，提取该目标标识本文档来自技高网...

【技术保护点】
1.一种信息推送对象更新方法，包括：获取目标信息推送业务的目标标识集；提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型；获取待选用户的标识和特征，将所述待选用户的特征输入到所述预测模型进行预测，得到所述待选用户的预测数值；根据预测数值选取预设数量的待选用户的标识，得到待选标识集；根据所述待选标识集更新所述目标信息推送业务的目标标识集。

【技术特征摘要】
1.一种信息推送对象更新方法，包括：获取目标信息推送业务的目标标识集；提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型；获取待选用户的标识和特征，将所述待选用户的特征输入到所述预测模型进行预测，得到所述待选用户的预测数值；根据预测数值选取预设数量的待选用户的标识，得到待选标识集；根据所述待选标识集更新所述目标信息推送业务的目标标识集。2.根据权利要求1所述的方法，其特征在于，所述获取目标信息推送业务的目标标识集，包括：从更新所述目标标识集后开始计时；当达到预设时长时，获取目标信息推送业务的目标标识集。3.根据权利要求1所述的方法，其特征在于，所述将所述待选用户的特征输入到所述预测模型进行预测，得到所述待选用户的预测数值，包括：根据所述待选用户的特征确定所述待选用户属于所述预测模型中的各分类的概率；获取所述预测模型中的各分类对应的权重；根据所述概率和权重，确定所述待选用户的预测数值。4.根据权利要求1所述的方法，其特征在于，所述提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型，包括：将所述目标标识集中各标识对应的用户分类为正样本和负样本；提取所述正样本的特征和所述负样本的特征，所述正样本的特征和所述负样本的特征包括用户的属性信息、个人兴趣和垂直行业中的至少一个；根据所述正样本的特征和所述负样本的特征训练得到预测模型。5.根据权利要求4所述的方法，其特征在于，在所述定时获取目标信息推送业务的目标标识集之后，还包括：检测所述目标标识集中各标识对应的用户为正样本的数量；将所述正样本的数量与预设样本数量对比；当所述正样本的数量小于所述预设样本数量时，获取与所述目标信息推送业务类型相同的信息推送业务对应的用户的特征；所述提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型，包括：提取所述目标标识集中各标识对应的用户的特征；根据所述目标标识集中各标识对应的用户的特征和所述类型相同的信息推送业务对应的用户的特征训练得到预测模型。6.根据权利要求1所述的方法，其特征在于，所述预测模型包括因子分解机模型和集成树模型；所述根据所述特征训练得到预测模型，包括：通过所述因子分解机模型对所述特征进行特征转换和特征拼接处理；将所述因子分解机模型的输出输入到所述集成树模型进行模型训练，得到预测模型。7.根据权利要求6所述的方法，其特征在于，所述通过因子分解机模型对所述特征进行特征转换，包括：将所述目标标识集中的每个标识对应的用户的特征与预设特征分别进行匹配；将与所述每个标识对应的用户的特征相...

【专利技术属性】
技术研发人员：杨春风，
申请(专利权)人：深圳市腾讯计算机系统有限公司，
类型：发明
国别省市：广东,44