信息推送方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术涉及一种人工智能技术，揭露了一种信息推送方法，包括：获取至少两项产品对应的至少两个用户的用户信息，得到用户信息集；对用户信息集进行去异常预处理，得到初始用户信息集；对初始用户信息集进行特征提取，得到标准用户信息集；将标准用户信息集进行分类，得到包含不同类别用户集合的分类结果；计算分类结果中目标类别用户集合所包含的用户对应的各项产品在目标类别用户集合中的占比权重值；获取最大的占比权重值对应的目标产品以及目标用户，向目标类别用户集合中目标用户以外的其他用户推送目标产品的信息。本发明专利技术还提出一种信息推送装置、电子设备以及一种计算机可读存储介质。本发明专利技术可以解决产品信息推送精确度低的问题。

【技术实现步骤摘要】
信息推送方法、装置及计算机可读存储介质
本专利技术涉及人工智能
，尤其涉及一种信息推送方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着大数据及人工智能的兴起，对于将产品推荐给潜在客户的需求也越来越大，但因为市场上产品数目众多且客户群体庞大，导致无法精确地寻找出潜在客户并将适用潜在客户的产品信息推送给客户。目前多数产品推荐方法复杂并占用计算资源，且产品推荐过程中，缺少对产品及适用该产品的潜在客户的匹配，进而导致产品信息推送过程成本高，精确度低。
技术实现思路
本专利技术提供一种信息推送方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决产品信息推送过程成本高，精确度低的问题。为实现上述目的，本专利技术提供的一种信息推送方法，包括：获取至少两项产品对应的至少两个用户的用户信息，得到用户信息集；对所述用户信息集进行去异常预处理，得到初始用户信息集；对所述初始用户信息集进行特征提取，得到标准用户信息集；将所述标准用户信息集输入至训练完成的分类模型进行分类，得到分类结果，所述分类结果包含不同类别用户集合；利用预设的权重算法，计算分类结果中目标类别用户集合所包含的用户对应的各项产品在所述目标类别用户集合中的占比权重值；获取最大的占比权重值对应的目标产品以及目标用户，向所述目标类别用户集合中所述目标用户以外的其他用户推送所述目标产品的信息。可选地，获取至少两项产品对应的至少两个用户的信息，得到用户信息集；对所述用户信息集进行去异常预处理，得到初始用户信息集；对所述初始用户信息集进行特征提取，得到标准用户信息集；将所述标准用户信息集输入至训练完成的分类模型进行分类，得到分类结果，所述分类结果包含不同类别用户集合；利用预设的权重算法，计算分类结果中目标类别用户集合所包含的用户对应的各项产品在所述目标类别用户集合中的占比权重值；获取最大的占比权重值对应的目标产品以及目标用户，向所述目标类别用户集合中所述目标用户以外的其他用户推送所述目标产品的信息。可选地，所述方法还包括：获取所述数值集内的中位数q；将所述中位数的作为下界，将所述中位数的作为上界，得到以所述下界和所述上界标识的所述阈值区间其中n>m，n、m为预设常数。可选地，所述对所述初始用户信息集进行特征提取，得到标准用户信息集，包括：步骤A：随机生成训练用户信息集，以及所述训练用户信息集对应的标准用户特征信息集；步骤B：利用特征提取模型对所述训练用户信息集进行特征提取，得到特征用户信息集；步骤C：将所述特征用户信息集和所述标准用户特征信息集进行对比，若所述特征用户信息集与所述标准用户特征信息集的差异大于预设误差，则调整所述特征提取模型的参数后返回步骤B再次进行特征提取；步骤D：若所述特征用户信息集与所述标准用户特征信息集的差异小于所述预设误差，则确认训练完成，生成训练完成的特征提取模型；步骤E：利用训练完成的特征提取模型对所述初始用户信息集进行特征提取，得到标准用户信息集。可选地，所述将所述特征用户信息集和所述标准用户特征信息集进行对比，包括：采用相似度计算函数进行相似度计算，得到计算结果，所述相似度计算函数为：Simtopic＝Pearson(TPS,TPT)其中，TPT为所述特征用户信息集，TPS为所述标准用户特征信息集，Pearson(·)表示相似度计算。可选地，所述将所述标准用户信息集输入至训练完成的分类模型进行分类之前，所述方法还包括：步骤a：从所述标准用户信息集中随机选取k个标准用户信息并汇集为样本信息集；步骤b：从所述样本信息集中随机选取n个样本信息作为样本中心构建分类模型，其中n<k；步骤c：随机选取所述样本信息集中剩余的样本信息输入至所述分类模型进行距离值分类，将所述样本信息和所述距离值最小的样本中心进行汇集，得到更新的样本中心；步骤d：计算每一个所述更新的样本中心中距离值的总值，得到距离值集；步骤e：重复步骤b，直到所述距离值集中的每个距离值均小于预设的距离阈值，得到所述训练完成的分类模型。可选地，所述利用预设的权重算法，计算分类结果中目标类别用户集合所包含的用户对应的各项产品在所述目标类别用户集合中的占比权重值包括：利用如下权重算法计算所述占比权重值g：其中，b为所述分类结果中目标类别用户集合所包含的用户对应的各项产品的个数，a为所述目标类别用户集合的用户数量。为了解决上述问题，本专利技术还提供一种信息推送方法装置，所述装置包括：用户信息获取模块，用于获取至少两项产品对应的至少两个用户的用户信息，得到用户信息集；信息预处理模块模块，用于对所述用户信息集进行去异常预处理，得到初始用户信息集；特征提取模块，用于对所述初始用户信息集进行特征提取，得到标准用户信息集；分类模块，用于将所述标准用户信息集输入至训练完成的分类模型进行分类，得到分类结果，所述分类结果包含不同类别用户集合；计算模块，用于利用预设的权重算法，计算分类结果中目标类别用户集合所包含的用户对应的各项产品在所述目标类别用户集合中的占比权重值；信息推送模块，用于获取最大的占比权重值对应的目标产品以及目标用户，向所述目标类别用户集合中所述目标用户以外的其他用户推送所述目标产品的信息。为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现上述中任意一项所述的信息推送方法。为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述中任意一项所述的信息推送方法。本专利技术综合来说，对所述用户信息集进行去异常预处理，得到初始用户信息集，去除了所述用户信息集中原本异常对数据，方便后续对用户信息集重点数据更有效的利用；对所述初始用户信息集进行特征提取，得到标准用户信息集，提取特征代替大量的数据，减少了数据量，降低了计算资源的占用；将所述标准用户信息集输入至训练完成的分类模型进行分类，得到分类结果，所述分类结果包含不同类别用户集合，将数据进行分类，并基于分类结果进行产品信息推送，以实现更精确的产品信息的推送。因此本专利技术提出的信息推送方法、装置及计算机可读存储介质，可以实现精准的产品信息推送。附图说明图1为本专利技术一实施例提供的信息推送方法的流程示意图；图2为本专利技术一实施例提供的信息推送装置的模块示意图；图3为本专利技术一实施例提供的实现信息推送方法的电子设备的内部结构示意图；图4为本专利技术一实施例提供的生成训练完成的特征提取模型并得到标准用户信息集的流程示意图；图5为本专利技术一实施例提供的训练预构建的分类模型，得到训练完成的分本文档来自技高网...

【技术保护点】
1.一种信息推送方法，其特征在于，所述方法包括：/n获取至少两项产品对应的至少两个用户的用户信息，得到用户信息集；/n对所述用户信息集进行去异常预处理，得到初始用户信息集；/n对所述初始用户信息集进行特征提取，得到标准用户信息集；/n将所述标准用户信息集输入至训练完成的分类模型进行分类，得到分类结果，所述分类结果包含不同类别用户集合；/n利用预设的权重算法，计算分类结果中目标类别用户集合所包含的用户对应的各项产品在所述目标类别用户集合中的占比权重值；/n获取最大的占比权重值对应的目标产品以及目标用户，向所述目标类别用户集合中所述目标用户以外的其他用户推送所述目标产品的信息。/n

【技术特征摘要】
1.一种信息推送方法，其特征在于，所述方法包括：
获取至少两项产品对应的至少两个用户的用户信息，得到用户信息集；
对所述用户信息集进行去异常预处理，得到初始用户信息集；
对所述初始用户信息集进行特征提取，得到标准用户信息集；
将所述标准用户信息集输入至训练完成的分类模型进行分类，得到分类结果，所述分类结果包含不同类别用户集合；
利用预设的权重算法，计算分类结果中目标类别用户集合所包含的用户对应的各项产品在所述目标类别用户集合中的占比权重值；
获取最大的占比权重值对应的目标产品以及目标用户，向所述目标类别用户集合中所述目标用户以外的其他用户推送所述目标产品的信息。


2.如权利要求1所述的信息推送方法，其特征在于，所述对所述用户信息集进行去异常预处理，得到初始用户信息集，包括：
将所述用户信息集进行数值化处理，得到数值集；
通过阈值区间对所述数值集进行筛选，得到异常数值集和正常数值集；
计算所述正常数值集的平均值，将所述异常数值集中的数据用所述平均值进行替换，得到修正异常数值集；
确定所述正常数值集与所述修正异常数值集的集合为所述初始用户信息集。


3.如权利要求2所述的信息推送方法，其特征在于，所述方法还包括：
获取所述数值集内的中位数q；
将所述中位数的作为下界，将所述中位数的作为上界，得到以所述下界和所述上界标识的所述阈值区间其中n>m，n、m为预设常数。


4.如权利要求1至3任一项所述的信息推送方法，其特征在于，所述对所述初始用户信息集进行特征提取，得到标准用户信息集，包括：
步骤A：随机生成训练用户信息集，以及所述训练用户信息集对应的标准用户特征信息集；
步骤B：利用特征提取模型对所述训练用户信息集进行特征提取，得到特征用户信息集；
步骤C：将所述特征用户信息集和所述标准用户特征信息集进行对比，若所述特征用户信息集与所述标准用户特征信息集的差异大于预设误差，则调整所述特征提取模型的参数后返回步骤B再次进行特征提取；
步骤D：若所述特征用户信息集与所述标准用户特征信息集的差异小于所述预设误差，则确认训练完成，生成训练完成的特征提取模型；
步骤E：利用训练完成的特征提取模型对所述初始用户信息集进行特征提取，得到标准用户信息集。


5.如权利要求4所述的信息推送方法，其特征在于，所述将所述特征用户信息集和所述标准用户特征信息集进行对比，包括：
采用相似度计算函数进行相似度计算，得到计算结果，所述相似度计算函数为：
Simtopic＝Pearson(TPS,TPT)
其中，TPT为所述...

【专利技术属性】
技术研发人员：韦炳田，陈健，李福宇，高宏，
申请(专利权)人：招商局金融科技有限公司，
类型：发明
国别省市：广东;44