【技术实现步骤摘要】
一种信息推送方法及装置
本申请涉及计算机
，尤其是涉及一种信息推送方法及装置。
技术介绍
目前，信息提供方向用户进行信息推送时，通常使用人工设计信息推送策略，向用户推送的推送信息的种类和数量很大程度上依赖制定推送策略的工作人员的经验，受工作人员主观因素的影响较大，在信息推送时具有一定的盲目性和低效性，推送给用户的信息往往是用户不需要的，无法做到针对用户的个性化需求进行有针对性的推送，造成推送效果较差，而且浪费人力成本和网络资源。
技术实现思路
有鉴于此，本申请的目的在于提供一种信息推送方法及装置，能够针对用户的个性化需求进行有针对的信息推送，以提升信息推送的效果。第一方面，本申请实施例提供了一种信息推送方法，包括：获取用于表征目标用户对多个推送信息中的每个推送信息进行选择和使用的多个历史行为特征的特征值；针对每个所述推送信息，将该推送信息对应的所述多个历史行为特征的特征值，分别输入至与该推送信息的信息类别对应的选择概率预测模型中，获取所述目标用户选择该信息类别中的推送信息的选...
【技术保护点】
1.一种信息推送方法，其特征在于，包括：/n获取用于表征目标用户对多个推送信息中的每个推送信息进行选择和使用的多个历史行为特征的特征值；/n针对每个所述推送信息，将该推送信息对应的所述多个历史行为特征的特征值，分别输入至与该推送信息的信息类别对应的选择概率预测模型中，获取所述目标用户选择该信息类别中的推送信息的选择概率；/n根据所述目标用户选择每种信息类别中的推送信息的选择概率，确定针对所述目标用户的目标推送信息类别，并基于确定的目标推送信息类别，确定目标推送信息。/n
【技术特征摘要】 【专利技术属性】
1.一种信息推送方法，其特征在于，包括：
获取用于表征目标用户对多个推送信息中的每个推送信息进行选择和使用的多个历史行为特征的特征值；
针对每个所述推送信息，将该推送信息对应的所述多个历史行为特征的特征值，分别输入至与该推送信息的信息类别对应的选择概率预测模型中，获取所述目标用户选择该信息类别中的推送信息的选择概率；
根据所述目标用户选择每种信息类别中的推送信息的选择概率，确定针对所述目标用户的目标推送信息类别，并基于确定的目标推送信息类别，确定目标推送信息。
2.根据权利要求1所述的方法，其特征在于，采用下述方式生成所述推送信息类别：
针对每个所述推送信息，获取用于表征该推送信息的特征向量；
基于各个所述推送信息的所述特征向量，对多个所述推送信息进行聚类，得到至少一个推送信息类别。
3.根据权利要求2所述的方法，其特征在于，所述对多个所述推送信息进行聚类，包括：
从多个所述推送信息中，随机确定预设数量个推送信息作为簇中心；并根据各个所述推送信息的特征向量，将各个所述推送信息划分到各个所述簇中心对应的簇中；
针对每个簇，计算该簇中所有推送信息到该簇的簇中心之间的总距离，以及用于表征该簇中推送信息之间紧密程度和该簇中的推送信息与其他簇中的推送信息之间的分离程度的轮廓系数；
检测各个簇对应的所述总距离之和是否小于预设的距离阈值，且各个簇对应的轮廓系数之和是否大于预设的轮廓系数阈值；
如果各个簇对应的所述总距离之和不小于预设的距离阈值，和/或，各个簇对应的轮廓系数之和不大于预设的轮廓系数阈值，则返回从多个所述推送信息中，随机确定预设数量个推送信息作为簇中心的步骤；
如果各个簇对应的总距离之和小于预设的距离阈值，且各个簇对应的的轮廓系数之和大于预设的轮廓系数阈值，将最后一次聚类形成的各个簇确定为对应的各个推送信息类别。
4.根据权利要求2所述的方法，其特征在于，所述对多个所述推送信息进行聚类，包括：
从多个所述推送信息中，随机确定预设数量个推送信息作为簇中心；并根据各个所述推送信息的特征向量，将各个所述推送信息划分到各个所述簇中心对应的簇中；
针对每个簇，计算该簇中所有推送信息到该簇的簇中心之间的总距离，以及用于表征该簇中推送信息之间紧密程度和该簇中的推送信息与其他簇中的推送信息之间的分离程度的轮廓系数；
检测迭代次数是否达到预设的迭代次数阈值；
若检测迭代次数未达到所述预设的迭代次数阈值，则结束本次迭代过程，并返回从多个所述推送信息中，随机确定预设数量个推送信息作为簇中心的步骤；
若检测迭代次数达到所述预设的迭代次数阈值，则从各次迭代过程中，选择总距离以及轮廓系数均满足预设条件的迭代过程，并将选择的该迭代过程中形成的各个簇确定为对应的各个推送信息类别。
5.根据权利要求3或4所述的方法，其特征在于，根据各个所述推送信息的特征向量，将各个所述推送信息划分到各个所述簇中心对应的簇中，包括：
将未完成分类的推送信息中任意一个推送信息确定为当前推送信息，根据当前推送信息的特征向量，以及当前簇中心的特征向量，计算当前推送信息与各个簇中心之间的距离；
将当前推送信息划分到与其距离最近的簇中心对应的簇中；
更新该簇的簇中心的特征向量，将当前推送信息作为完成分类的推送信息，并返回至将未完成分类的推送信息中任意一个推送信息确定为当前推送信息的步骤，直至所有推送信息都完成分类。
6.根据权利要求3或4所述的方法，其特征在于，计算该簇中用于表征该簇中推送信息之间紧密程度和该簇中的推送信息与其他簇中的推送信息之间的分离程度的轮廓系数，包括：
针对每个簇，计算该簇中每两个推送信息之间的距离；
根据该簇中每两个推送信息之间的距离，计算该簇中每两个推送信息之间的第一平均距离；以及
计算该簇中每个推送信息，与其他每个簇中各个推送信息之间的距离；
根据该簇中每个推送信息，与其他每个簇中各个推送信息之间的距离，计算该簇中每个推送信息与其他每个簇中各个推送信息之间的第二平均距离；
根据所述第一平均距离以及所述第二平均距离，计算该簇的轮廓系数。
7.根据权利要求2所述的方法，其特征在于，所述获取用于表征该推送信息的特征向量，包括：
根据各个所述推送信息，确定所述推送信息在多个推送信息特征下的特征值；
基于所述推送信息在多个推送信息特征下的特征值，构建所述推送信息的特征向量。
8.根据权利要求7所述的方法，其特征在于，推送信息特征包括：所述推送信息的使用概率。
9.根据权利要求8所述的方法，其特征在于，推送信息特征还包括：所述推送信息的数量、所述推送信息的价格、所述推送信息的选择概率和所述推送信息的成本中一种或者多种。
10.根据权利要求1所述的方法，其特征在于，所述历史行为特征包括以下一种或者多种：
目标用户选择任一所述推送信息的次数，所述任一推送信息的内容，所述任一推送信息的数量，所述任一推送信息的价格，目标用户使用所述任一推送信息的次数，目标用户基于所述任一推送信息产生的交易次数，目标用户基于所述任一推送信息产生的交易额，目标用户由于使用所述任一推送信息产生的交易时间，目标用户的价格敏感度和目标用户的购买力。
11.根据权利要求1所述的方法，其特征在于，采用下述方式训练与各个所述推送信息类别对应的选择概率预测模型：
针对每个推送信息类别，构建与该推送信息类别对应的训练样本集以及测试样本集；其中，与该推送信息类别对应的训练样本集和测试样本集中均包括多个样本用户；
针对所述测试样本集以及所述训练样本集中的各个样本用户，获取该样本用户对对应的推送信息选择和使用的历史行为特征的特征值，以及对对应的推送信息进行选择的选择概率；
根据所述测试样本集以及所述训练样本集中的各个样本用户对的历史行为特征的特征值，以及对应的选择概率，训练该推送信息类别对应的选择概率预测模型。
12.根据权利要求11所述的方法，其特征在于，所述获取该样本用户对对应的推送信息进行选择的选择概率具体包括：
根据该样本用户对对应的推送信息选择和使用的样本历史行为信息，确定该样本用户对其所选择的推送信息的使用率；
若所述使用率小于预设的使用率阈值，则将该样本用户确定为负样本，该样本用户对应的选择概率确定为0；
若所述使用率不小于预设的使用率阈值，则将该样本用户确定为正样本，该样本用户对应的选择概率确定为1。
13.根据权利要求11所述的方法，其特征在于，所述基于各个样本用户的所述样本历史行为特征的特征值以及选择概率，训练该推送信息类别对应的选择概率预测模型，包括：
从多个所述历史行为特征中，随机确定多个目标历史行为特征；
基于所述训练样本集中的样本用户在所述各个目标历史行为特征下的特征值，构建当前迭代周期的决策树；
基于当前迭代周期的决策树，以及历史迭代周期的决策树，构成当前决策树集；
基于所述测试样本集中的样本用户在各个所述目标历史行为特征下的特征值，以及对应的选择概率对所述当前决策树集进行验证，确定所述当前决策树集的误差；
在所述误差大于预设的误差阈值的情况下，完成当前迭代周期，并返回至从多个所述历史行为特征中，随机确定多个目标历史行为特征的步骤；
在所述误差不大于预设的误差阈值的情况下，将所述当前决策树集确定为所述选择概率预测模型。
14.根据权利要求13所述的方法，其特征在于，所述基于所述测试样本集中的样本用户在各个所述目标历史行为特征下的特征值，以及对应的选择概率对所述当前决策树集进行验证，确定所述当前决策树集的误差，包括：
基于所述测试样本集中的样本用户，在与当前决策树集中各个决策树对应的目标历史行为特征下的特征值，确定当前决策树集中各个决策树的子预测结果；
根据当前决策树集中各个决策树的子预测结果，确定所述测试样本集中样本用户的预测结果；
基于所述测试样本集中各个样本用户的预测结果，以及所述测试样本集中各个样本用户对应的选择概率，计算所述误差。
15.根据权利要求14所述的方法，其特征在于，所述根据当前决策树集中各个决策树的子预测结果，确定所述测试样本集中样本用户的预测结果，包括：
将所述测试样本集中样本用户对应的各个决策树的子预测结果进行加权求和，确定所述测试样本集中样本用户的预测结果。
16.根据权利要求1所述的方法，其特征在于，采用下述步骤确定所述推送信息：
获取多个待选推送信息，并获取用于表征多个用户对所述多个待选推送信息进行选择和使用的历史行为信息；
根据各个所述待选推送信息对应的历史行为信息，计算每个所述待选推送信息的增量回报率；
将所述增量回报率大于预设回报率阈值的待选推送信息确定为所述推送信息。
17.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定至少一个区域范围；
所述生成所述推送信息类别，还包括：
针对至少一个区域范围，获取该区域范围内的所述推送信息，及该区域范围内的推送信息对应的特征向量；
基于该区域范围内的推送信息对应的特征向量，对该区域范围内的所述推送信息进行聚类，得到该区域范围内的所述推送信息的至少一个推送信息类别。
18.根据权利要求17所述的方法，其特征在于，所述确定至少一个区域范围，包括：
获取所述推送信息的对应的样本用户所在的地理位置；
基于每个样本用户所在的地理位置，确定至少一个区域范围。
19.根据权利要求18所述的方法，其特征在于，所述基于每个样本用户所在的地理位置，确定至少一个区域范围，包括：
基于每个样本用户所在的地理位置，获取所述地理位置中包含的至少一个城市；
基于所述至少一个城市，构建用于聚类的区域特征向量；
根据所述区域特征向量，对所述地理位置进行聚类，得到至少一个类；
基于每个类，确定与该类对应的一个区域范围。
20.根据权利要求1所述的方法，其特征在于，所述确定针对所述目标用户的目标推送信息类别包括：
根据所述目标用户对各个推送信息类别中的推送信息选择的选择概率的大小，选择概率的最大的前预定数量个推送信息类别，为至少一个确定的目标推送信息类别。
21.根据权利要求1所述的方法，其特征在于，所述基于确定的目标推送信息类别，确定目标推送信息，包括：
在所述确定的推送信息类别中，随机选择预定数量个推送信息，确定为目标推送信息。
22.根据权利要求1所述的方法，其特征在于，所述基于确定的目标推送信息类别，确定目标推送信息，包括：
在每个确定的推送信息类别中，各随机选择预定数量个推送信息，确定为目标推送信息。
技术研发人员：贺永正，丁建栋，杨育，石贤芝，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11
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。