一种信息推荐方法及装置制造方法及图纸

本发明专利技术涉及计算机技术领域，尤其涉及一种信息推荐方法及装置，该方法根据信息推荐需求，获得对应的召回策略和短信模型；根据所述召回策略，获得召回的用户；根据所述短信模型，对召回的用户分别进行预测，确定其中用户针对所述推荐需求的短信点击分值大于阈值的候选用户集；其中，所述短信模型为采用根据所述推荐需求获取的正样本和负样本集进行训练，以确定用户对短信的点击分值；根据预设过滤策略，对所述候选用户集中的用户进行过滤，获得目标用户集；向所述目标用户集中的各个目标用户发送包含待推荐信息的短信。本申请通过召回、短信模型预测和过滤等操作，确定目标用户集，提高目标用户的准确性，从而可以提高信息推荐效果，降低成本。

An information recommendation method and device

【技术实现步骤摘要】
一种信息推荐方法及装置
本专利技术涉及计算机
，尤其涉及一种信息推荐方法及装置。
技术介绍
目前，由于短信具有覆盖度广、触达率高、时间灵活、阅读率高等优势，因此，可以基于短信进行信息推荐，在短信内容中携带广告、应用软件等需要推荐的信息，以推荐给用户，但是，盲目地基于短信投放，会增加成本。现有技术中，基于短信的信息推荐方法，采用的方法比较单一和固定，主要是先随机选取或利用用户标签人工对号码进行选取，确定出目标用户，当接收到投放需求后，就会对目标用户进行大规模投放下发。但是，现有技术中，目标用户的选取，人为因素较强，准确性较低，从而降低对推荐的信息的点击率，信息推荐效果较差，也会增加成本。
技术实现思路
本专利技术实施例提供一种信息推荐方法及装置，以解决现有技术中信息推荐的目标用户不准确，降低信息推荐效果的问题。本专利技术实施例提供的具体技术方案如下：本专利技术一个实施例提供了一种信息推荐方法，包括：根据信息推荐需求，获得对应的召回策略和短信模型；根据所述召回策略，获得召回的用户；根据所述短信模型，对召回的用户分别进行预测，确定其中用户针对所述推荐需求的短信点击分值大于阈值的候选用户集；其中，所述短信模型为采用根据所述推荐需求获取的正样本和负样本集进行训练，以确定用户对短信的点击分值；根据预设过滤策略，对所述候选用户集中的用户进行过滤，获得目标用户集；向所述目标用户集中的各个目标用户发送包含待推荐信息的短信。本专利技术另一个实施例提供了一种信息推荐装置，包括：获得模块，用于根据信息推荐需求，获得对应的召回策略和短信模型；召回模块，用于根据所述召回策略，获得召回的用户；预测模块，用于根据所述短信模型，对召回的用户分别进行预测，确定其中用户针对所述推荐需求的短信点击分值大于阈值的候选用户集；其中，所述短信模型为采用根据所述推荐需求获取的正样本和负样本集进行训练，以确定用户对短信的点击分值；用户过滤模块，用于根据预设过滤策略，对所述候选用户集中的用户进行过滤，获得目标用户集；发送模块，用于向所述目标用户集中的各个目标用户发送包含待推荐信息的短信。本专利技术另一个实施例提供了一种电子设备，包括：至少一个存储器，用于存储程序指令；至少一个处理器，用于调用所述存储器中存储的程序指令，按照获得的程序指令执行上述任一种信息推荐方法。本专利技术另一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种信息推荐方法的步骤。本专利技术实施例中，根据信息推荐需求，获得对应的召回策略和短信模型；根据所述召回策略，获得召回的用户；根据所述短信模型，对召回的用户分别进行预测，确定其中用户针对所述推荐需求的短信点击分值大于阈值的候选用户集；其中，所述短信模型为采用根据所述推荐需求获取的正样本和负样本集进行训练，以确定用户对短信的点击分值；根据预设过滤策略，对所述候选用户集中的用户进行过滤，获得目标用户集；向所述目标用户集中的各个目标用户发送包含待推荐信息的短信，这样，在基于短信进行信息推荐时，可以通过召回、短信模型预测和过滤等操作，确定出目标用户集，不仅可以自动确定出目标用户，还综合考虑多种因素，提高目标用户的准确性，进而向各个目标用户发送包含待推荐信息的短信，可以提高短信的点击率和转化率，提高信息推荐效果，降低成本。附图说明图1为本专利技术实施例中信息推荐方法的应用架构示意图；图2为本专利技术实施例中信息推荐方法的整体业务流程图；图3为本专利技术实施例中信息推荐方法流程图；图4为本专利技术实施例中一种短信模型的原理架构图；图5为本专利技术实施例中另一种短信模型的原理架构图；图6为本专利技术实施例中信息推荐方法原理框架图；图7为本专利技术实施例中信息推荐装置结构示意图；图8为本专利技术实施例中电子设备的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，并不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为便于对本专利技术实施例的理解，下面先对几个概念进行简单介绍：埋点：埋点分析，是网站分析的一种常用的数据采集方法，可以通过植入统计代码，根据其独立标识(identification，ID)确保数据采集不重复。注意力(Attention)机制：Attention机制运行的基本假设是：人类本身在识别各种不同信号时，例如文本、图片或视频等，并不是同时处理整个信号的全貌，而是选择性的关注信号的重要部分，Attention机制正是契合了这样直观简单的原则，可以在众多机器学习任务中得到有效应用。召回：表示通过某种策略或手段让作用对象返回作用主体的过程，本专利技术实施例中，例如召回策略表示召回用户所采用的策略，可以用于筛选获得部分满足信息推荐需求的用户，召回的用户即表示基于召回策略获得的用户。实际中，由于短信具有覆盖度广、阅读率高、灵活性高等优势，因此可以基于短信进行信息推荐，对于一些客户来说，短信是一种非常简单快速的营销方式，可以基于短信进行营销获客等，但是，发送短信也是有一定成本的，盲目地进行投放，不仅效果较差，还增加了成本。现有技术中，基于短信的信息推荐方法，采用的方法比较单一和固定，主要是先随机选取或利用用户标签人工对号码进行选取，确定出目标用户，当接收到投放需求后，就会对目标用户进行大规模投放下发。但是，现有技术中这种方式，目标用户的选取不准确，人为因素较强，会导致短信的点击率较低，现有技术中也没有对投放频率进行限制，而通常频繁的触达到用户会导致点击率下降，基于短信的信息推荐效果降低，并且还可能投诉率上升，并且现有技术中进行短信投放时，没有对短信进行埋点，这样无法收集到精确到用户的点击数据并进行分析。因此，针对上述问题，本专利技术实施例中，对短信投放进行优化改进，根据信息推荐需求，进行分析，获得正样本集和负样本集，训练得到短信模型，在需要进行短信投放时，根据召回策略，获得召回的用户，并根据训练得到的短信模型，对召回的用户进行预测，确定其中用户针对推荐需求的短信点击分值大于阈值的候选用户集，并进行过滤，获得目标用户，即筛选出潜在的对待推荐信息高倾向的目标用户，从而向目标用户集中的各个目标用户发送包含待推荐信息的短信，这样，根据信息推荐需求，经过短信模型、召回、预测和过滤等操作，确定目标用户，确定的目标用户更加准确，从而提高了对短信中待推荐信息的点击率，提升了信息推荐效果，也降低了成本。参阅图1所示，为本专利技术实施例中信息推荐方法的应用架构示意图，包括终端设备、服务器。终端设备可以是任何能够安装客户识别模块(SubscriberIdentityModule，SIM)卡的设备，例如，智能手机、平板电脑等。终端设备可以基于SIM卡接收短信，并且用户可以基于终端设备对短信进行查看点击，还可以点击短信中包含的待推荐信息，例如待推荐信息的短链接等。终端设备与服务器之间通过互联网相连，实现相互之间的通信。可选地，上述的互联网使用标准通信技术和/或协议。互联网通常为因特网、但也可以是任何网络，包括但不限于局域网(LocalAreaNetwork，LAN)、城域网(MetropolitanArea本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其特征在于，包括：根据信息推荐需求，获得对应的召回策略和短信模型；根据所述召回策略，获得召回的用户；根据所述短信模型，对召回的用户分别进行预测，确定其中用户针对所述推荐需求的短信点击分值大于阈值的候选用户集；其中，所述短信模型为采用根据所述推荐需求获取的正样本和负样本集进行训练，以确定用户对短信的点击分值；根据预设过滤策略，对所述候选用户集中的用户进行过滤，获得目标用户集；向所述目标用户集中的各个目标用户发送包含待推荐信息的短信。

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：根据信息推荐需求，获得对应的召回策略和短信模型；根据所述召回策略，获得召回的用户；根据所述短信模型，对召回的用户分别进行预测，确定其中用户针对所述推荐需求的短信点击分值大于阈值的候选用户集；其中，所述短信模型为采用根据所述推荐需求获取的正样本和负样本集进行训练，以确定用户对短信的点击分值；根据预设过滤策略，对所述候选用户集中的用户进行过滤，获得目标用户集；向所述目标用户集中的各个目标用户发送包含待推荐信息的短信。2.如权利要求1所述的方法，其特征在于，根据信息推荐需求，获得短信模型，具体包括：根据信息推荐需求，分别获取正样本集和负样本集；其中，正样本集中用户比负样本集中用户对短信中推荐信息的点击分值大，所述正样本集和负样本集中每一个样本至少包括用户画像特征和对应的短信发送频次、推荐信息的特征、短信操作行为时间序列特征；分别将正样本集和负样本集中的各个样本输入到短信模型中进行训练，获得训练的短信模型。3.如权利要求2所述的方法，其特征在于，根据信息推荐需求，分别获取正样本集和负样本集，具体包括：根据信息推荐需求中的待推荐信息，分别获取所述待推荐信息的历史操作用户、提供的预设种子用户、和与待推荐信息类型相同的其它信息的历史操作用户，以及所述待推荐信息的点击用户和转化用户，并根据获取到的用户，确定正样本集；根据预设用户数据库中去除正样本集的用户后的用户，确定负样本集。4.如权利要求1所述的方法，其特征在于，根据信息推荐需求，获得对应的召回策略，具体包括：根据信息推荐需求中待推荐信息，召回与待推荐信息类型相同的其它信息的历史操作用户；或，根据正样本集，召回与正样本集中用户相似度大于设定相似值的用户。5.如权利要求1所述的方法，其特征在于，根据预设过滤策略，对所述候选用户集中的用户进行过滤，获得目标用户集，具体包括：分别根据发送短信频次大于预设次数的用户、待推荐信息的历史操作用户、对应终端上安装有拦截待推荐信息应用的用户，对所述候选用户集中的用户进行过滤，获得目标用户集。6.如权利要求1-5任一项所述的方法，其特征在于，向所述目标用户集中的各个目标用户发送包含待推荐信息的短信，具体包括：从目标用户集中选取预设数目个目标用户，并对短信中包含的待推荐信息进行埋点，添加参数标识；将进行埋点后的短信，发送给选取出的预设数目个目标用户；获取选取出的目标用户对短信中待推荐信息的点击数据，若点击数据满足预设条件，则将进行埋点后的短信，发送给目标用户集中除选取出的其余剩余目标用户。7.如权利要求6所述的方法，其特征在于，进一步包括：基于短信中添加的参数标识，分别获取各目标用户的点击数据；其中，点击数据中至少包括用户IP、终端设备类型；根据预设黑IP库和预设服务器IP，对获取的点击数据进行过滤；确定用户IP访问次数，过滤掉用户IP访问次数大于设定值的点击数据；根据终端设备类型，过滤掉预设比例的有自动预览短信功能的终端设备对应的点击数据；根据过滤后的点击数据，更新正样本集。8.一种信息推荐装置，其特征在于，包括：获得模块，用于根据信息推荐需...

【专利技术属性】
技术研发人员：曹路洋，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44