一种信息推荐方法及装置制造方法及图纸

本发明专利技术公开了一种信息推荐方法及装置，其中方法为：第一终端通过第二终端获得包含用户特征的转化数据；所述第一终端根据原始曝光数据、原始点击数据和所述转化数据，进行机器学习训练，获得点击预估模型和转化预估模型；所述第一终端根据所述点击预估模型和所述转化预估模型，确定所述第二终端的目标用户，并将待推荐信息推送给所述第二终端的目标用户。上述方法应用于金融科技(Fintech)时，因此对信息推荐的用户做了筛选，集中在目标用户范围内进行投放，提升了信息推送的用户成为转化用户的比例，从而提升信息推荐的转化效果。

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
本专利技术涉及金融科技(Fintech)领域和计算机软件领域，尤其涉及一种信息推荐方法及装置。
技术介绍
随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链(Blockchain)、人工智能等)应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变。目前，金融科技领域中的信息推荐尤其重要，是拓展金融产品用户的主要渠道。信息推荐是将信息推荐源想要投放的广告物料，通过信息推荐平台投放到用户端，展示给用户，刺激用户点击推送的信息并消费。随着信息推荐诉求的丰富化、多样化、精细化，信息推荐源对信息推荐后转化效果的追求愈发强烈，信息推荐后转化多少用户与如何信息推荐存在显著关系。合理的针对性信息推荐，可以针对用户精准投放。然而，目前信息推荐方式中，对用户不加以区分，盲目地进行统一投放，导致信息推荐的转化效果不佳。
技术实现思路
本申请实施例提供一种信息推荐方法及装置，解决了现有技术中信息推荐的转化效果不佳的问题。第一方面，本申请实施例提供一种信息推荐方法：第一终端通过第二终端获得包含用户特征的转化数据；所述第一终端根据原始曝光数据、原始点击数据和所述转化数据，进行机器学习训练，获得点击预估模型和转化预估模型；其中，所述点击预估模型及所述转化预估模型对任一用户的预估值与该用户的行为不相关；所述第一终端根据所述点击预估模型和所述转化预估模型，确定所述第二终端的目标用户，并将待推荐信息推送给所述第二终端的目标用户；所述第二终端的目标用户为所述第二终端的用户中转化概率大于第一预设概率阈值的用户。上述方法中，第一终端获得包含用户特征的转化数据后，可以结合原始曝光数据、原始点击数据和所述转化数据，进行机器学习训练，获得点击预估模型和转化预估模型，由于所述点击预估模型及所述转化预估模型对任一用户的预估值与该用户的行为不相关，因此不会因为用户后续行为的改变影响模型的训练效果，第一终端可通过所述点击预估模型和所述转化预估模型确定每个用户的转化概率，进而确定满足预设条件的第二终端，并根据满足预设条件的第二终端的待信息推送，确定所述第二终端的目标用户，并将待推荐信息推送给所述第二终端的目标用户，因此对第二终端的信息推荐的用户做了筛选，集中在目标用户范围内进行投放，从而提升信息推荐的转化效果。一种可选实施方式中，所述第一终端通过第二终端获得包含用户特征的转化数据，包括：所述第一终端向所述第二终端发送所述原始点击数据中多个点击用户的用户标识；所述第一终端从所述第二终端获取所述多个点击用户的标签值；所述多个点击用户的标签值是所述第二终端根据所述多个点击用户的用户标识确定的；所述第一终端根据所述多个点击用户的用户标识，将所述原始点击数据与所述多个点击用户的标签值匹配后得到的组合数据，作为所述转化数据。上述方法中，所述第一终端积累的转化用户有限，但所述第一终端可以通过向所述第二终端发送多个点击用户的用户标识的方式，获得所述第二终端根据所述多个点击用户的用户标识确定的标签值，从而可以根据点击用户的标签值获得更多的转化用户，将所述原始点击数据与所述多个点击用户的标签值匹配后得到的组合数据，作为所述转化数据，从而提供了一种根据第二终端获得转化数据的方法。一种可选实施方式中，所述多个点击用户中任一点击用户的标签值是所述第二终端根据预设加密算法对原始标签加密得到的加密标签值。上述方法中，点击用户的标签值是所述第二终端根据预设加密算法对原始标签加密得到的加密标签值，因此点击用户的标签值对第一终端不可见，但在训练过程中会体现出标签值的作用，从而在获得了有效的转化预估模型基础上，保护了转化用户的隐私。一种可选实施方式中，所述第一终端根据原始曝光数据、原始点击数据和所述转化数据，进行机器学习训练，获得点击预估模型和转化预估模型，包括：所述第一终端根据所述原始曝光数据、所述原始点击数据和所述转化数据，进行机器学习训练，获得所述点击预估模型的加密模型参数和所述转化预估模型的加密模型参数；所述第一终端将所述点击预估模型的加密模型参数和所述转化预估模型的加密模型参数发送至所述第二终端；所述第一终端获取来自所述第二终端的所述点击预估模型的解密模型参数和所述转化预估模型的解密模型参数，从而获得所述点击预估模型和所述转化预估模型；所述点击预估模型的解密模型参数和所述转化预估模型的解密模型参数是所述第二终端根据所述预设加密算法对应的解密算法得到的。上述方式是转化预估模型的一种具体获取方式，根据所述原始曝光数据、所述原始点击数据和所述转化数据，进行机器学习训练，获得所述点击预估模型的加密模型参数和所述转化预估模型的加密模型参数，在这个过程中，第一终端是不知晓转化用户是哪些的，所述第一终端将所述点击预估模型的加密模型参数和所述转化预估模型的加密模型参数发送至所述第二终端，交由第二终端解密，所述第一终端获取来自所述第二终端的所述点击预估模型的解密模型参数和所述转化预估模型的解密模型参数，从而获得所述点击预估模型和所述转化预估模型，从而获得可以有效预测转化预估概率的转化预估模型，还使得转化预估模型训练过程中安全性更强，保护了数据隐私。一种可选实施方式中，所述第一终端根据所述原始曝光数据、所述原始点击数据和所述转化数据，进行机器学习训练，获得所述点击预估模型的加密模型参数和所述转化预估模型的加密模型参数；所述第一终端根据所述点击预估模型和所述转化预估模型，确定所述第二终端的目标用户，包括：针对所述第二终端的任一用户，将所述用户的用户特征分别输入所述点击预估模型和所述转化预估模型，根据所述加密模型参数和所述加密模型参数，分别对应获得所述用户的加密点击预估概率和加密转化预估概率；所述第一终端将所述加密点击预估概率和所述加密转化预估概率发送至所述第二终端；所述第一终端获取来自所述第二终端的所述用户的解密点击预估概率和解密转化预估概率；所述解密点击预估概率和所述解密转化预估概率对应分别是所述第二终端根据所述预设加密算法对应的解密算法对所述加密点击预估概率和所述加密转化预估概率得到的；所述第一终端根据所述解密点击预估概率和所述解密转化预估概率，若确定所述用户的转化概率大于所述第一预设概率阈值，则确定所述用户为所述第二终端的目标用户。上述方式下，先根据所述原始曝光数据、所述原始点击数据和所述转化数据，进行机器学习训练，获得所述点击预估模型的加密模型参数和所述转化预估模型的加密模型参数，在对用户进行预测时，先将用户的用户特征分别输入所述点击预估模型和所述转化预估模型，根据所述加密模型参数和所述加密模型参数，分别对应获得所述用户的加密点击预估概率和加密转化预估概率，并发送至所述第二终端解密，再获取来自所述第二终端的所述用户的解密点击预估概率和解密转化预估概率，这个过程中未向第一终端泄露转化用户具体是哪些，通过对加密概率解密的方式获得解密概率，从而提供了一种确定目标用户的方法。一种可选实施方式中，针对所述第二终端的目标用户任一用户，若所述用户同时为多个终端的目标用户，所述第一终端将待推荐信息推送给所本文档来自技高网...

【技术保护点】
1.一种信息推荐方法，其特征在于，包括：/n第一终端通过第二终端获得包含用户特征的转化数据；/n所述第一终端根据原始曝光数据、原始点击数据和所述转化数据，进行机器学习训练，获得点击预估模型和转化预估模型；其中，所述点击预估模型及所述转化预估模型对任一用户的预估值与该用户的行为不相关；/n所述第一终端根据所述点击预估模型和所述转化预估模型，确定所述第二终端的目标用户，并将待推荐信息推送给所述第二终端的目标用户；所述第二终端的目标用户为所述第二终端的用户中转化概率大于第一预设概率阈值的用户。/n

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：
第一终端通过第二终端获得包含用户特征的转化数据；
所述第一终端根据原始曝光数据、原始点击数据和所述转化数据，进行机器学习训练，获得点击预估模型和转化预估模型；其中，所述点击预估模型及所述转化预估模型对任一用户的预估值与该用户的行为不相关；
所述第一终端根据所述点击预估模型和所述转化预估模型，确定所述第二终端的目标用户，并将待推荐信息推送给所述第二终端的目标用户；所述第二终端的目标用户为所述第二终端的用户中转化概率大于第一预设概率阈值的用户。


2.如权利要求1所述的方法，其特征在于，所述第一终端通过第二终端获得包含用户特征的转化数据，包括：
所述第一终端向所述第二终端发送所述原始点击数据中多个点击用户的用户标识；
所述第一终端从所述第二终端获取所述多个点击用户的标签值；所述多个点击用户的标签值是所述第二终端根据所述多个点击用户的用户标识确定的；所述标签值为点击标签值或转化标签值；
所述第一终端根据所述多个点击用户的用户标识，将所述原始点击数据与所述多个点击用户相应转化标签值匹配后得到的组合数据，作为所述转化数据。


3.如权利要求2所述的方法，其特征在于，所述多个点击用户中任一点击用户的标签值是所述第二终端根据预设加密算法对原始标签加密得到的加密标签值。


4.如权利要求3所述的方法，其特征在于，所述第一终端根据原始曝光数据、原始点击数据和所述转化数据，进行机器学习训练，获得点击预估模型和转化预估模型，包括：
所述第一终端根据所述原始曝光数据、所述原始点击数据和所述转化数据，进行机器学习训练，获得所述点击预估模型的加密模型参数和所述转化预估模型的加密模型参数；
所述第一终端将所述点击预估模型的加密模型参数和所述转化预估模型的加密模型参数发送至所述第二终端；
所述第一终端获取来自所述第二终端的所述点击预估模型的解密模型参数和所述转化预估模型的解密模型参数，从而获得所述点击预估模型和所述转化预估模型；所述点击预估模型的解密模型参数和所述转化预估模型的解密模型参数是所述第二终端根据所述预设加密算法对应的解密算法得到的。


5.如权利要求3所述的方法，其特征在于，所述第一终端根据原始曝光数据、原始点击数据和所述转化数据，进行机器学习训练，获得点击预估模型和转化预估模型，包括：
所述第一终端根据所述原始曝光数据、所述原始点击数据和所述转化数据，进行机器学习训练，获得所述点击预估模型的加密模型参数和所述转化预估模型的加密模型参数；
所述第一终端根据所述点击预估模型和所述转化预估模型，确定所述第二终端的目标用户，包括：
针对所述第二终端的任一用户，将...

【专利技术属性】
技术研发人员：刘博，郑文琛，杨强，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44