信息推送效果评估方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种信息推送效果评估方法、装置、电子设备及存储介质，涉及人工智能技术领域。该方法包括：获取待推送信息对应的候选推送用户集合、以及候选推送用户集合中各用户对应于待推送信息的用户初始画像特征；根据各用户的用户初始画像特征，确定候选推送用户集合的用户群的画像特征；基于用户群的画像特征，确定候选推送用户集合对应于待推送信息的推送效果评估结果。本申请技术方案，基于候选推送用户集合对应于待推送信息的用户群的画像特征，预测候选推送用户集合的推送效果评估结果，利用用户群的画像特征对候选推送用户集合的推送效果预先进行评估，以调整信息推送策略，可以使得信息推送更加精准。

【技术实现步骤摘要】
信息推送效果评估方法、装置、电子设备及存储介质
本申请涉及计算机及人工智能
，具体而言，本申请涉及一种信息推送效果评估方法、装置、电子设备及存储介质。
技术介绍
随着计算机技术和通信技术的发展，互联网得到了广泛应用，改变了人们传统的生活方式。用户可以通过互联网浏览新闻、娱乐、购物、办理各种业务、在社交平台发布信息等，提高了日常生活的便利性和丰富性。随着云时代的来临，大数据也吸引了越来越多的关注。基于大数据对用户进行信息推送已经得到了普遍应用，在进行信息推送时，如果推送的信息是用户不需要的，则推送效果不好，用户体验差。因此，如何提升信息推送的准确性、以提升用户的使用感知是一直有待改进的技术问题。
技术实现思路
本申请提供了一种信息推送效果评估方法、装置及电子设备，可以解决现有技术中存在的问题。本申请实施例提供的具体技术方案如下：一方面，本申请实施例提供了一种信息推送效果评估方法，该方法包括：获取待推送信息对应的候选推送用户集合、以及候选推送用户集合中各用户对应于待推送信息的用户初始画像特征；...

【技术保护点】
1.一种信息推送效果评估方法，其特征在于，所述方法包括：/n获取待推送信息对应的候选推送用户集合以及所述候选推送用户集合中各用户对应于所述待推送信息的用户初始画像特征；/n根据所述各用户的用户初始画像特征，确定所述候选推送用户集合的用户群的画像特征；/n基于所述用户群的画像特征，确定所述候选推送用户集合对应于所述待推送信息的推送效果评估结果。/n

【技术特征摘要】
1.一种信息推送效果评估方法，其特征在于，所述方法包括：
获取待推送信息对应的候选推送用户集合以及所述候选推送用户集合中各用户对应于所述待推送信息的用户初始画像特征；
根据所述各用户的用户初始画像特征，确定所述候选推送用户集合的用户群的画像特征；
基于所述用户群的画像特征，确定所述候选推送用户集合对应于所述待推送信息的推送效果评估结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述各用户的用户初始画像特征，确定所述候选推送用户集合的用户群的画像特征，包括：
将所述各用户的用户初始画像特征进行统计分析，得到所述候选推送用户集合的至少一个统计特征，将所述至少一个统计特征作为所述候选推送用户集合的用户群的画像特征。


3.根据权利要求2所述的方法，其特征在于，所述用户初始画像特征包括用户的兴趣特征或属性特征中的至少一项，对于兴趣特征或属性特征中的任一项，该特征对应的统计特征包括以下至少一项：
具有同一特征的用户数量、具有同一特征的用户的占比。


4.根据权利要求1所述的方法，其特征在于，所述获取待推送信息对应的候选推送用户集合，包括：
基于各所述待推送用户初始画像特征，通过推送模型，确定所述候选推送用户集合；
所述推送效果评估结果包括评估得分，所述方法还包括：
若所述评估得分大于设定评估值，则向所述候选推送用户集合中的各用户推送所述待推送信息；
获取已推送信息的推送效果数据；
基于各已推送信息的推送效果数据，调整所述推送模型的训练数据集，并基于调整后的训练数据集对所述推送模型进行训练。


5.根据权利要求1所述的方法，其特征在于，所述基于所述用户群的画像特征，确定所述候选推送用户集合对应于所述待推送信息的推送效果评估结果，包括：
基于所述用户群的画像特征，通过推送效果评估模型，得到所述推送效果评估结果；
其中，所述推送效果评估模型是通过以下方式训练得到的：
获取训练样本集，所述训练数据集中包括各训练样本，每个训练样本包括样本用户集合对应的样本用户群的画像特征和推送效果标注标签，所述推送效果标注标签表征了所述样本用户集合的真实推送效果；
将各训练样本输入至初始推送效果评估模型中，得到各训练样本各自对应的推送效果预测值；
基于各训练样本各自对应的推送效果预测值和推送效果标注标签，计算损失函数的值；
基于各训练样本和损失函数的值对模型进行迭代训练，直至满足预设的训练结束条件，将训练结束时的模型作为所述推送效果评估模型。


6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
存储已推送信息对应的候选推送用户集合的用户群的画像特征；
获取已推送信息的推送效果数据；
基于已推送信息对应的候选推送用户集合的用户群的画像特征和已推送信息的推送效果数据，对所述推送效果评估模型进行优化。


7.根据权利要求6所述的方法，其特征在于，所述推送效果评估模型包括多个子分类模型，所述基于所述用户群的画像特征，通过推送效果评估模型，得到所述推送效果评估结果，包括：
基于所述用户群的画像特征，分别通过各子分类模型，得到各子分类模型对应的推送效果评估结果；
将各子分类模型对应的推送效果评估结果进行融合，得到所述推送效果评估模型的推送效果评估结果。


8.根据权利要求5所述的方法，其特征在于，所述获取训练样本集，包括：
获取各历史推送数据，每个所述历史推送数据包括历史推送用户集合、所述历史推送用户集合中各用户的用户初始画像特征、以及所述历史推送用户集合对应的推送效果数据；
基于所述各历史推送数据，得到所述各训练样本。


9.根据权利要求8所述的方法，其特征在于，所述基于所述各历史推送数据，得到所述各训练样本，包括：
根据所述各历史推送用户集合中各用户的用户初始画像特征，确定所述各历史推送用户集合各自对应的用户群的画像特征；
基于所述各历史推送用户集合对应的推送效果数据，确定所述各历史推送用户集合各自对应的...

【专利技术属性】
技术研发人员：王韵陶，陈炳文，
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