物品的推送方法、装置及设备制造方法及图纸

本说明书实施例提供一种物品的推送方法、装置及设备，在推送方法中，获取当前用户的用户特征。将用户特征以及第一物品的属性特征输入转化率预估模型，以输出当前用户对于第一物品的预估转化率。根据第一物品被曝光给多个用户过程中，多个用户中对第一物品执行预定操作的转化用户的占比情况，确定多个用户对于第一物品的真实转化率。通过转化率预估模型得到多个用户中各个用户对于第一物品的预估转化率，从而确定出多个用户对于第一物品的预估转化率均值。基于真实转化率以及预估转化率均值，对当前用户对于第一物品的预估转化率进行调整。基于调整后的预估转化率，确定是否向当前用户推送第一物品。

Pushing method, device and equipment of articles

【技术实现步骤摘要】
物品的推送方法、装置及设备
本说明书一个或多个实施例涉及计算机
，尤其涉及一种物品的推送方法、装置及设备。
技术介绍
近年来，推荐技术在电商、广告等领域得到了快速发展，并为其创造了不可估量的价值。现有的推荐技术通常是基于推荐模型来实现的。这里的推荐模型是基于大量推荐物品的历史操作数据训练得到。如在电商领域，可以基于大量商品的购买记录预先训练推荐模型。之后，在用户访问电商网站的过程中，可以基于推荐模型识别用户偏好的商品，并向用户推荐该商品。然而对于新物品，由于与新物品对应的历史操作数据的数量或比例低于阈值，因此，当基于推荐模型来实现其推荐时，往往存在较大的偏差。所以，需要提供一种更准确的新物品的推送方法。
技术实现思路
本说明书一个或多个实施例描述了一种物品的推送方法、装置及设备，可以实现新物品的准确推送。第一方面，提供了一种物品的推送方法，包括：获取当前用户的用户特征；将所述用户特征以及第一物品的属性特征输入转化率预估模型，以输出当前用户对于所述第一物品的预估转化率；所述预估转化率表征当前用户对所述第一物品执行预定操作的可能性；所述转化率预估模型基于物品的历史操作数据训练得到，其中，与所述第一物品对应的历史操作数据的数量或比例低于阈值；根据所述第一物品被曝光给多个用户过程中，所述多个用户中对所述第一物品执行所述预定操作的转化用户的占比情况，确定所述多个用户对于所述第一物品的真实转化率；通过所述转化率预估模型得到所述多个用户中各个用户对于所述第一物品的预估转化率，从而确定出所述多个用户对于所述第一物品的预估转化率均值；基于所述真实转化率以及所述预估转化率均值，对当前用户对于所述第一物品的预估转化率进行调整；基于调整后的预估转化率，确定是否向当前用户推送所述第一物品。第二方面，提供了一种物品的推送装置，包括：获取单元，用于获取当前用户的用户特征；输入单元，用于将所述获取单元获取的所述用户特征以及第一物品的属性特征输入转化率预估模型，以输出当前用户对于所述第一物品的预估转化率；所述预估转化率表征当前用户对所述第一物品执行预定操作的可能性；所述转化率预估模型基于物品的历史操作数据训练得到，其中，与所述第一物品对应的历史操作数据的数量或比例低于阈值；确定单元，用于根据所述第一物品被曝光给多个用户过程中，所述多个用户中对所述第一物品执行所述预定操作的转化用户的占比情况，确定所述多个用户对于所述第一物品的真实转化率；所述确定单元，还用于通过所述转化率预估模型得到所述多个用户中各个用户对于所述第一物品的预估转化率，从而确定出所述多个用户对于所述第一物品的预估转化率均值；调整单元，用于基于所述确定单元确定的所述真实转化率以及所述预估转化率均值，对当前用户对于所述第一物品的预估转化率进行调整；所述确定单元，还用于基于所述调整单元调整后的预估转化率，确定是否向当前用户推送所述第一物品。第三方面，提供了一种物品的推送设备，包括：存储器；一个或多个处理器；以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序被所述处理器执行时实现以下步骤：获取当前用户的用户特征；将所述用户特征以及第一物品的属性特征输入转化率预估模型，以输出当前用户对于所述第一物品的预估转化率；所述预估转化率表征当前用户对所述第一物品执行预定操作的可能性；所述转化率预估模型基于物品的历史操作数据训练得到，其中，与所述第一物品对应的历史操作数据的数量或比例低于阈值；根据所述第一物品被曝光给多个用户过程中，所述多个用户中对所述第一物品执行所述预定操作的转化用户的占比情况，确定所述多个用户对于所述第一物品的真实转化率；通过所述转化率预估模型得到所述多个用户中各个用户对于所述第一物品的预估转化率，从而确定出所述多个用户对于所述第一物品的预估转化率均值；基于所述真实转化率以及所述预估转化率均值，对当前用户对于所述第一物品的预估转化率进行调整；基于调整后的预估转化率，确定是否向当前用户推送所述第一物品。本说明书一个或多个实施例提供的物品的推送方法、装置及设备，获取当前用户的用户特征。将用户特征以及第一物品的属性特征输入转化率预估模型，以输出当前用户对于第一物品的预估转化率。预估转化率表征当前用户对第一物品执行预定操作的可能性。转化率预估模型基于物品的历史操作数据训练得到，其中，与第一物品对应的历史操作数据的数量或比例低于阈值。根据第一物品被曝光给多个用户过程中，多个用户中对第一物品执行预定操作的转化用户的占比情况，确定多个用户对于第一物品的真实转化率。通过转化率预估模型得到多个用户中各个用户对于第一物品的预估转化率，从而确定出多个用户对于第一物品的预估转化率均值。基于真实转化率以及预估转化率均值，对当前用户对于第一物品的预估转化率进行调整。基于调整后的预估转化率，确定是否向当前用户推送第一物品。也即本说明书提供的方案中，对于第一物品，先基于转化率预估模型预估用户对于第一物品的转化率。之后，再基于多个用户对于第一物品的真实转化率以及预估转化率均值，对当前用户对于第一物品的预估转化率进行调整，以使得当前用户对于第一物品的预估转化率接近真实值。由此，可以大大提升预估转化率的正确性，进而可以实现新物品的精准推送。附图说明为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本说明书提供的物品的推送方法应用场景示意图；图2为本说明书提供的转化率预估模型的训练方法流程图；图3为本说明书一个实施例提供的物品的推送方法流程图；图4为本说明书一个实施例提供的物品的推送装置示意图；图5为本说明书一个实施例提供的物品的推送设备示意图。具体实施方式下面结合附图，对本说明书提供的方案进行描述。在描述本说明书提供的方案之前，先对本方案的专利技术构思作以下说明。首先，基于转化率预估模型输出当前用户对于第一物品的预估转化率。其中，转化率预估模型基于物品的历史操作数据训练得到。这里的历史操作可以包括但不限于浏览操作、点击操作以及购买操作等。需要说明的是，与第一物品对应的历史操作数据的数量或比例低于阈值。在本说明书中，第一物品也可以称为新物品。此外，上述预估转化率表征当前用户对第一物品执行预定操作的可能性。这里的预定操作可以包括但不限于点击操作或者购买操作。具体地，可以将当前用户的用户特征以及第一物品的属性特征输入转化率预估模型，以输出当前用户对于第一物品的预估转化率。之后，确定多个用户对于第一物品的真实转化率以及预估转化率均值，并基于该两者对上述预估转化率进行调整。这本文档来自技高网...

【技术保护点】
1.一种物品的推送方法，包括：/n获取当前用户的用户特征；/n将所述用户特征以及第一物品的属性特征输入转化率预估模型，以输出当前用户对于所述第一物品的预估转化率；所述预估转化率表征当前用户对所述第一物品执行预定操作的可能性；所述转化率预估模型基于物品的历史操作数据训练得到，其中，与所述第一物品对应的历史操作数据的数量或比例低于阈值；/n根据所述第一物品被曝光给多个用户过程中，所述多个用户中对所述第一物品执行所述预定操作的转化用户的占比情况，确定所述多个用户对于所述第一物品的真实转化率；/n通过所述转化率预估模型得到所述多个用户中各个用户对于所述第一物品的预估转化率，从而确定出所述多个用户对于所述第一物品的预估转化率均值；/n基于所述真实转化率以及所述预估转化率均值，对当前用户对于所述第一物品的预估转化率进行调整；/n基于调整后的预估转化率，确定是否向当前用户推送所述第一物品。/n

【技术特征摘要】
1.一种物品的推送方法，包括：
获取当前用户的用户特征；
将所述用户特征以及第一物品的属性特征输入转化率预估模型，以输出当前用户对于所述第一物品的预估转化率；所述预估转化率表征当前用户对所述第一物品执行预定操作的可能性；所述转化率预估模型基于物品的历史操作数据训练得到，其中，与所述第一物品对应的历史操作数据的数量或比例低于阈值；
根据所述第一物品被曝光给多个用户过程中，所述多个用户中对所述第一物品执行所述预定操作的转化用户的占比情况，确定所述多个用户对于所述第一物品的真实转化率；
通过所述转化率预估模型得到所述多个用户中各个用户对于所述第一物品的预估转化率，从而确定出所述多个用户对于所述第一物品的预估转化率均值；
基于所述真实转化率以及所述预估转化率均值，对当前用户对于所述第一物品的预估转化率进行调整；
基于调整后的预估转化率，确定是否向当前用户推送所述第一物品。


2.根据权利要求1所述的方法，所述确定所述多个用户对于所述第一物品的真实转化率，包括：
获取所述第一物品的曝光数以及转化数；所述曝光数为所述多个用户的总数目，所述转化数为所述转化用户的总数目；
判断所述曝光数是否小于预定曝光量；
如果是，则基于所述预定曝光量，对所述曝光数以及所述转化数进行修正；基于修正后的曝光数以及修正后的转化数，确定所述第一物品的真实转化率；
如果否，则基于所述曝光数以及所述转化数，确定所述第一物品的真实转化率。


3.根据权利要求2所述的方法，所述基于所述预定曝光量，对所述曝光数以及所述转化数进行修正，包括：
基于所述预定曝光量以及整体平均转化率，确定转化数修正量；所述整体平均转化率基于预定数目的物品的曝光数以及转化数确定；
基于所述预定曝光量，对所述曝光数进行修正，以得到所述修正后的曝光数；
基于所述转化数修正量，对所述转化数进行修正，以得到所述修正后的转化数。


4.根据权利要求1所述的方法，所述转化率预估模型通过以下步骤训练得到：
收集一批样本；
从所述一批样本中确定出正样本；所述正样本包括第一用户的用户特征和第一标签值；所述第一标签值表征所述第一用户对样本物品执行过预定操作；
将所述一批样本中除所述正样本之外的样本作为负样本；所述负样本包括第二用户的用户特征和第二标签值；所述第二标签值表征所述第二用户未对样本物品执行预定操作；
对所述负样本进行采样，使得采样的负样本数目与正样本数目满足预定比例；
基于所述正样本和采样的负样本，训练所述转化率预估模型。


5.根据权利要求4所述的方法，在所述基于所述真实转化率以及所述预估转化率均值，对当前用户对于所述第一物品的预估转化率进行调整之前，还包括：
采用保序回归算法或者基于所述负样本的采样比例，对当前用户对于所述第一物品预估转化率进行校准，以得到校准后的预估转化率；所述采样比例基于采样的负样本数目以及负样本总数目确定；
所述基于所述真实转化率以及所述预估转化率均值，对当前用户对于所述第一物品的预估转化率进行调整，包括：
基于所述真实转化率以及所述预估转化率均值，对所述校准后的预估转化率进行调整。


6.根据权利要求4所述的方法，所述确定出所述多个用户对于所述第一物品的预估转化率均值，包括：
对于所述多个用户中的每个用户，将该用户的用户特征以及所述第一物品的属性特征输入所述转化率预估模型，以输出所述多个用户中各个用户对于所述第一物品的预估转化率；
对所述多个用户中各个用户对于所述第一物品的预估转化率求平均或者求加权平均，以确定出所述多个用户对于所述第一物品的预估转化率均值。


7.根据权利要求6所述的方法，所述对所述多个用户中各个用户对于所述第一物品的预估转化率求平均或者求加权平均，包括：
采用保序回归算法或者基于所述负样本的采样比例，对所述多个用户中各个用户对于所述第一物品的预估转化率进行校准，以得到多个校准后的预估转化率；所述采样比例基于采样的负样本数目以及负样本总数目确定；
对多个校准后的预估转化率求平均或者求加权平均，以确定出所述多个用户对于所述第一物品的预估转化率均值。


8.根据权利要求1所述的方法，所述基于所述真实转化率以及所述预估转化率均值，对当前用户对于所述第一物品的预估转化率进行调整，包括：
基于所述真实转化率与所述预估转化率均值的差值，确定平移量；所述平移量表征当前用户对于所述第一物品的预估转化率与真实值之间的差异度；
基于确定的平移量，对当前用户对于所述第一物品的预估转化率进行平移调整。


9.一种物品的推送装置，包括：
获取单元，用于获取当前用户的用户特征；
输入单元，用于将所述获取单元获取的所述用户特征以及第一物品的属性特征输入转化率预估模型，以输出当前用户对于所述第一物品的预估转化率；所述预估转化率表征当前用户对所述第一物品执行预定操作的可能性；所述转化率预估模型基于物品的历史操作数据训练得到，其中，与所述第一物品对应的历史操作数据的数量或比例低于阈值；
确定单元，用于根据所述第一物品被曝光给多个用户过...

【专利技术属性】
技术研发人员：董羿，赵海臣，
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