【技术实现步骤摘要】
内容的推送方法及装置、计算机存储介质
本申请涉及内容推送
，特别涉及一种内容的推送方法及装置、计算机存储介质。
技术介绍
现今的大多数客户端，都存在有推送功能，以向用户推送各种各样的内容。例如，向用户推荐产品功能，向用户推荐符合用户喜好的视频，以及向用户推送提醒消息、咨询消息、广告等。现今的推送功能的实现方式，主要由产品经理或运营人员，基于业务逻辑和经验设置不同的推送内容的推送规则，以在不同的场景下为用户推送相应的推送内容，例如当用户的电子设备刚连上无线网络时，即处在无线网络场景下时，固定向用户推送“无线网络加速”的功能。然后再由开发人员编写相应的代码实现所设置的推送规则，从而实现推送功能。但是这种的方式是通过制定固定规则实现内容推送的，所以会因此存在许多的问题。例如，给用户推送内容过于单一，并且无法在规则之外的场景实现有效的内容推送，因此所推送的内容无法很好满足用户需求，从而无法得到所期望的用户反馈，例如，无法得到较高的点击率等。并且在新增和修改推送内容或者推送规则时，不仅需要新增和修改推送规则，还有...
【技术保护点】
1.一种内容的推送方法，其特征在于，包括：/n响应用户的服务请求，获取所述用户的特征数据以及场景属性；/n利用所述用户的特征数据，构建用户特征向量；/n将所述用户特征向量以及候选推荐列表输入预先训练好的推荐模型中，通过所述推荐模型从所述候选推荐列表中筛选出多条待推送内容，得到初选推荐列表；其中，所述推荐模型预先通过用户画像数据和推送内容画像数据进行训练；/n从所述初选推荐列表中筛选出与所述场景属性对应的多条所述待推送内容，得到目标推荐列表；/n将所述目标推荐列表中的所述待推送内容推送给所述用户。/n
【技术特征摘要】
1.一种内容的推送方法，其特征在于，包括：
响应用户的服务请求，获取所述用户的特征数据以及场景属性；
利用所述用户的特征数据，构建用户特征向量；
将所述用户特征向量以及候选推荐列表输入预先训练好的推荐模型中，通过所述推荐模型从所述候选推荐列表中筛选出多条待推送内容，得到初选推荐列表；其中，所述推荐模型预先通过用户画像数据和推送内容画像数据进行训练；
从所述初选推荐列表中筛选出与所述场景属性对应的多条所述待推送内容，得到目标推荐列表；
将所述目标推荐列表中的所述待推送内容推送给所述用户。
2.根据权利要求1所述的推送方法，其特征在于，所述将所述用户特征向量以及候选推荐列表输入预先训练好的推荐模型中，通过所述推荐模型从所述候选推荐列表中筛选出多条待推送内容，得到初选推荐列表之前，还包括：
获取所述用户的历史行为数据；
获取多条符合所述用户的历史行为数据反应的用户兴趣的待推送内容，组成所述候选推荐列表。
3.根据权利要求1所述的推送方法，其特征在于，所述推荐模型的训练方法，包括：
获取在多个时间窗口和多个时间段内的用户信息以及用户对推送内容的反馈数据；
基于所述反馈数据以及所述用户信息，构建多个用户画像数据，以及为每种推送内容构建相应的推送内容画像数据；
通过计算引擎对所述用户画像数据以及所述推送内容画像数据进行特征工程，得到相应的训练特征向量；
将所述训练特征向量以及推荐列表样本输入初始推荐模型中得到推荐结果；
基于所述推荐结果计算所述初始推荐模型的模型评估指标值，并判断所述模型评估指标值是否大于对应的预设阈值；
若判断出所述模型评估指标值不大于对应的预设阈值，则调整所述初始推荐模型的参数，并返回执行将所述训练特征向量以及推荐列表样本输入初始推荐模型中得到推荐结果，直至判断出所述模型评估指标值大于预设阈值；
若判断出所述模型评估指标值大于对应的预设阈值，则确定完成对所述初始推荐模型的线上训练，得到训练好的所述推荐模型。
4.根据权利要求3所述的推送方法，其特征在于，所述通过计算引擎对所述用户画像数据以及所述推送内容画像数据进行特征工程，得到相应的训练特征向量，包括：
分别针对每个所述用户画像数据中的各个特征的数据和每个所述推送内容画像数据中的各个特征的数据，确定所述数据的数据特性对应的特征处理方法，并通过所述特征处理方法对所述特征的数据进行特征处理，得到相应的特征向量；其中，所述特征处理方法通过所述计算引擎实现。
5.根据权利要求3所述的推送方法，其特征在于，所述完成对所述推荐模型的线上训练，得到训练好的所述推荐模型之后，还包括：
将所述推荐模型部署到线上，并通过分组测试对所述推荐...
【专利技术属性】
技术研发人员：樊鹏，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。