信息推送方法、装置及系统制造方法及图纸

本发明专利技术提供了一种信息推送方法、装置及系统，通过根据用户输入的与目标对象相关的基本信息获取正样本人群和负样本人群，对正样本人群和负样本人群进行学习训练，以得到第一预测模型，并利用构建的迁移学习模型对正样本人群和负样本人群进行修正，对修正后的正样本人群和负样本人群进行学习训练，以得到第二预测模型，以及利用第一预测模型和第二预测模型分别对潜在人群进行预测以得到目标人群，向目标人群推送目标对象。本实施例中，通过有监督的机器学习模块和迁移学习模型，从潜在人群获取到目标人群，使得预测结果更加精准，并向其推送目标广告。由于预测结果精准则相应地目标人群则是广告投放效果最佳的人群，进而能够帮助广告主提高广告投放的效果。

Information push method, device and system

The present invention provides an information push method, device and system. By obtaining the positive sample population and negative sample group based on the basic information related to the target object input by the user, learning and training the positive sample population and the negative sample crowd to get the first prediction model, and use the constructed migration learning model to correct the model. The sample population and negative sample population were modified to train the revised positive sample population and negative sample population to get the second prediction model, and to predict the potential population by using the first prediction model and the second prediction model to get the target population, and push the target target to the target population. In this example, a supervised machine learning module and a migration learning model are used to obtain the target population from the potential population to make the prediction result more accurate and push the target advertisement to it. Due to the precision of the prediction results, the target population is the best group of people with the best advertising effect, which can help advertisers improve the effect of advertising.

【技术实现步骤摘要】
信息推送方法、装置及系统
本专利技术属于数据处理领域，尤其涉及一种信息推送方法、装置及系统。
技术介绍
目前广告主对广告的投放效果日益关注，在海量数据的基础上，可以通过机器学习按照预设的规则，能够挖掘出预设的标签对广告的影响，广告主可以根据标签对广告的影响勾选部分标签，通过勾选的标签得到潜在人群，将得到潜在人群作为广告主投放广告的投放对象，然后向投放对象发送相应的广告信息。而由于实际应用中的真实数据是会变化的，例如，购买某一品牌某一商品的用户群，会随着品牌的影响力以及经济情况而变化，而预设的规则会难以捕捉到这种变化，难以使投放效果维持在一个较好的状态，投放效果会衰减的很快，进而导致广告的投放效果最差。
技术实现思路
本专利技术提供一种信息推送方法、装置及系统，用于解决现有标签获取潜在人群作为投放对象，存在广告投放效果较差的问题。为了实现上述目的，本专利技术提供了一种信息推送系统，包括：前端和数据处理平台；所述前端，用于接收用户输入的与目标对象相关的基本信息发送给所述数据处理平台；所述数据处理平台，用于根据所述基本信息获取正样本人群和负样本人群，对所述正负样人群和所述负样本人群进行学习训练本文档来自技高网...

【技术保护点】
1.一种信息推送系统，其特征在于，包括：前端和数据处理平台；所述前端，用于接收用户输入的与目标对象相关的基本信息发送给所述数据处理平台；所述数据处理平台，用于根据所述基本信息获取正样本人群和负样本人群，对所述正负样人群和所述负样本人群进行学习训练，以得到第一预测模型，并利用构建的迁移学习模型对所述正样本人群和所述负样本人群进行修正，对修正后的所述正样本人群和所述负样本人群进行学习训练，以得到第二预测模型，以及利用所述第一预测模型和所述第二预测模型分别对所述潜在人群进行预测以得到目标人群，向所述目标人群推送所述目标对象。

【技术特征摘要】
1.一种信息推送系统，其特征在于，包括：前端和数据处理平台；所述前端，用于接收用户输入的与目标对象相关的基本信息发送给所述数据处理平台；所述数据处理平台，用于根据所述基本信息获取正样本人群和负样本人群，对所述正负样人群和所述负样本人群进行学习训练，以得到第一预测模型，并利用构建的迁移学习模型对所述正样本人群和所述负样本人群进行修正，对修正后的所述正样本人群和所述负样本人群进行学习训练，以得到第二预测模型，以及利用所述第一预测模型和所述第二预测模型分别对所述潜在人群进行预测以得到目标人群，向所述目标人群推送所述目标对象。2.根据权利要求1所述的系统，其特征在于，所述数据处理平台，包括：样本选择节点、样本训练节点、预测节点和推送节点；所述样本选择节点，用于接收所述前端发送的所述基本信息，利用所述基本信息选择所述正样本人群和所述负样本人群，将所述正样本人群和所述负样本人群发送给所述样本训练节点；所述样本训练节点，用于对所述正样本人群和所述负样本人群进行学习训练，以得到第一预测模型，以及基于迁移学习模型对正样本人群和负样本人群进行修正，对修正后的所述正样本人群和所述负样本人群进行学习训练，以得到第二预测模型；所述预测节点，用于利用所述第一预测模型和所述第二预测模型分别对潜在人群进行预测，以得到所述目标人群，将所述目标人群发送给所述推送节点；所述推送节点，用于向所述目标人群推送所述目标对象。3.根据权利要求2所述的系统，其特征在于，所述前端包括：用户模块和用于连接所述用户模块与所述数据处理平台的交互模块；其中，所述用户模块，用于接收用户输入的所述基本信息；所述交互模块，用于将用户在所述用户输入的所述基本信息发给所述样本选择节点。4.根据权利要求3所述的系统，其特征在于，所述样本训练节点具体用于：对所述正样本人群和所述负样本人群进行特征提取，以得到样本的第一特征信息；将所述第一特征信息和每个样本的类型参数输入到预设的机器学习模型中进行训练，以得到所述第一预测模型；对修正后的所述正样本人群和所述负样本人群特征提取，以得到样本的第二特征信息；将所述第二特征信息和每个样本的类型参数输入所述机器学习模型中进行训练，以得到所述第二预测模型。5.根据权利要求3所述的系统，其特征在于，所述预测节点具体用于：利用所述第一预测模型对所述潜在人群进行预测，得到第一预测人群和所述第一预测人群中每个用户的第一预测概率；利用所述第二预测模型对所述潜在人群进行预测，得到第二预测人群和所述第二预测人群中每个用户的第二预测概率；针对每个用户将所述第一预测概率与所述第二预测概率加权平均，得到该用户的最终预测概率；将所有用户按照所述最终预测概率进行排序以得到排序人群；从所述排序人群中选取所述目标人群。6.一种交互装置，其特征在于，包括：前端，用于接收用户输入的与目标对象相关的基本信息，将所述基本信息发送给数据处理平台，以及接收所述数据处理平台根据所述基本信息获取的目标人群，并向所述目标人群推送所述目标对象。7.根据权利要求6所述的交互装置，其特征在于，所述前端包括：用户模块和用于连接所述用户模块与所述数据处理平台的交互模块；所述用户模块，用于接收用户输入的所述基本信息，以及接收所述数据平台根据所述基本信息获取的所述目标人群，并向所述目标人群推送所述目标对象；所述交互模块，用于将所述基本信息发给所述数据处理平台，以使所述数据处理平台根据所述基本信息获取所述目标人群。8.一种信息推送装置，其特征在于，包括：数据处理平台，用于根据与目标相关的基本信息获取正样本人群和负样本人群，对所述正负样人群和所述负样本人群进行学习训练，以得到第一预测模型，并利用构建的迁移学习模型对所述正样本人群和所述负样本人群进行修正，对修正后的所述正样本人群和所述负样本人群进行学习训练，以得到第二预测模型，以及利用所述第一预测模型和所述第二预测模型分别对所述潜在人群进行预测以得到目标人群，向所述目标人群推送所述目标对象。9.根据权利要求8所述的装置，其特征在于，所述数据处理平台，包括：样本选择节点、样本训练节点、预测节点和推送节点；所述样本选择节点，用于接收所述基本信息，利用所述基本信息选择所述正样本人群和所述负样本人群，将所述正样本人群和所述负样本人群发送给所述样本训练节点；所述样本训练节点，用于对所述正样本人群和所述负样本人群进行学习训练，以得到第一预测模型，以及基于迁移学习模型对正样本人群和负样本人群进行修正，对修正后的所述正样本人群和所述负样本人群进行学习训练，以得到第二预测模型；所述预测节点，用于利用所述第一预测模型和所述第二预测模型分别对潜在人群进行预测，以得到所述目标人群，将所述目标人群发送给所述推送节点；所述推送节点，用于向所述目标人群推送所述目标对象。10.一种模型训练方法，其特征在于，包括：对正样本人群和负样本人群进行特征提取，以得到样本的第一特征信息；将所述第一特征信息和每个样本的类型参数输入到预设的机器学习模型中进行训练，以得到第一预测模型；对修正后的所述正样本人群和所述负样本人群特征提取，以得到样本的第二特征信息；将所述第二特征信息和每个样本的类型参数输入所述机器学习模型中进行训练，以得到第二预测模型。11.根据权利要求10所述的方法，其特征在于，所述将所述第一特征信息和每个样本的类型参数输入到预设的机器学习模型中进行训练，以得到第一预测模型，包括：根据用户输入的目标对象相关的基本信息获取所述目标对象所隶属的目标行业；获取所述目标行业的历史训练数据；根据所述历史训练数据对所述第一特征信息进行调整，以得到第一目标特征信息；将所述第一目标特征信息和每个样本的类型参数输入机器学习模型中进行训练，以得到所述第一预测模型；所述将所述第二特征信息和每个样本的类型参数输入所述机器学习模型中进行训练，以得到第二预测模型，包括：对修正后的所述正样本人群和所述负样本人群特征提取，以得到样本的第二特征信息；根据所述基本信息获取所述目标对象所隶属的目标行业；获取所述目标行业的历史训练数据；根据所述历史训练数据对所述第二特征信息进行调整，以得到第二目标特征信息；将所述第二目标特征信息和每个样本的类型参数输入机器学习模型中进行训练，以得到所述第二预测模型。12.根据权利要求11所述的方法，其特征在于，所述对正样本人群和负样本人群进行特征提取，以得到样本的第一特征信息，包括：对所述正样本人群和所述负样本人群进行特征提取，得到第一基础特征；将提取后的所述第一基础特征进行离散化和标准化处理；将经过离散化和标准化处理后的所述第一基础特征进行特征交叉衍生处理，得到所述第一特征信息；所述对修正后的所述正样本人群和所述负样本人群特征提取，以得到样本的第二特征信息，包括：对对修正后的所述正样本人群和所述负样本人群进行特征提取，得到第二基础特征；将提取后的所述第二基础特征进行离散化和标准化处理；将经过离散化和标准化处理后的所述第二基础特征进行特征交叉衍生处理，得到所述第二特征信息。13.根据权利要求12所述的方法，其特征在于，还包括：对得到的所述第一特征信息和所述第二特征信息从协议缓冲区格式转换成键值对格式。14.根据权利要求10-13任一项所述的方法，其特征在于，所述对正样本人群和负样本人群...

【专利技术属性】
技术研发人员：谭译泽，吴保华，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY