一种信息推荐的方法及装置制造方法及图纸

本申请涉及计算机领域，提供了一种信息推荐的方法及装置，以解决预测准确度低的问题，该方法包括：响应于信息推荐指令，获取推荐信息集合；再基于推荐预测模型中的信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得推荐信息集合中各个推荐信息对应的信息点击率、购买行为预测率和信息转化率；基于各个推荐信息对应的信息点击率、购买行为预测率和信息转化率，获得对应的第一推荐概率，并将第一推荐概率超过设定门限值的推荐信息推送给目标对象。在推荐预测模型中增加用于预测目标对象购买意愿的模型，可有效提高整体模型的预测准确度。体模型的预测准确度。体模型的预测准确度。

【技术实现步骤摘要】
一种信息推荐的方法及装置


[0001]本申请涉及计算机领域，提供了一种信息推荐的方法及装置。

技术介绍

[0002]随着科学技术的发展，转化率预测技术越来越普及地应用于各个互联网平台之中，以使互联网平台精准预测用户的意图，为用户提供更好的服务。
[0003]在相关技术中提供了以下几种转化率预测方案：
[0004]方案一，调用多个预测模型，预测用户的外卖成单转化率；方案二，将待推荐信息的特征和用户的特征，输入到与该用户所属群体相对应的预测模型中，以获得该用户的推荐概率。
[0005]但是，采用上述提出的技术方案，可能存在以下技术问题：
[0006]方案一的多个预测模型是独立训练获得的，导致各个预测模型的预测准确度较低；
[0007]方案二的预测模型是针对用户群体在目标场景下的特定行为建模得到的，该预测模型只能预测少量的影响推荐概率的因素，导致预测模型的预测准确度较低。

技术实现思路

[0008]本申请实施例提供了一种信息推荐的方法及装置，以解决相关技术提供的转化率预测方案的预测准确度低的问题。
[0009]第一方面，本申请实施例提供了一种信息推荐的方法，包括：
[0010]响应于信息推荐指令，获取推荐信息集合；
[0011]基于推荐预测模型中的信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得所述推荐信息集合中各个推荐信息对应的信息点击率、购买行为预测率和信息转化率；
[0012]基于所述各个推荐信息对应的信息点击率、购买行为预测率和信息转化率，获得对应的第一推荐概率，并将第一推荐概率超过设定门限值的推荐信息推送给目标对象。
[0013]可选的，所述推荐预测模型还包括信息播放率预测子模型，所述方法还包括：
[0014]基于所述信息播放率预测子模型、信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得所述各个推荐信息对应的信息播放率、信息点击率、购买行为预测率和信息转化率；
[0015]基于所述各个推荐信息对应的信息播放率、信息点击率、信息转化率和购买行为预测率，获得对应的第二推荐概率，并将第二推荐概率超过设定门限值的推荐信息推送给所述目标对象。
[0016]可选的，所述基于所述信息播放率预测子模型、信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得所述各个推荐信息对应的信息播放率、信息点击率、购买行为预测率和信息转化率，包括：
[0017]获取目标对象的历史推荐特征集合；
[0018]依次读取所述各个推荐信息，其中，每读取一个推荐信息，基于当前读取的所述一个推荐信息，更新所述历史推荐特征集合，并将更新后的历史推荐特征集合分别输入到所述信息播放率预测子模型、所述信息点击率预测子模型、所述购买行为预测子模型和所述信息转化率预测子模型中，获得对应的信息播放率、信息点击率、购买行为预测率和信息转化率。
[0019]可选的，所述历史推荐特征集合至少包括：目标对象特征信息、历史推荐资源的特征信息、目标对象的资源偏好特征信息、资源使用行为特征信息；
[0020]所述基于当前读取的所述一个推荐信息，更新所述历史推荐特征集合，包括：
[0021]若未检测到所述目标对象在指定第一历史时间段内的至少一个资源使用行为，则基于所述一个推荐信息关联的资源属性信息，对所述历史推荐资源的特征信息进行更新，并将所述目标对象特征信息、所述目标对象的资源偏好特征信息、所述资源使用行为特征信息以及更新后的历史推荐资源的特征信息拼接，获得所述更新后的历史推荐特征集合；
[0022]若检测到所述目标对象在指定第一历史时间段内的至少一个资源使用行为，则基于所述一个推荐信息关联的资源属性信息、与所述目标对象在所述第一历史时间段内的至少一个资源使用行为，对所述历史推荐特征集合进行更新，获得所述更新后的历史推荐特征集合。
[0023]可选的，所述信息播放率预测子模型、所述信息点击率预测子模型、所述购买行为预测子模型和所述信息转化率预测子模型，均是基于所述目标对象的行为链路训练得到的；其中，所述行为链路表征在获得所述目标对象的行为结果的过程中，所述目标对象执行多个行为的先后顺序。
[0024]可选的，执行以下步骤，调整所述信息播放率预测子模型的模型参数：
[0025]基于一批训练样本集合中各个训练样本的第一预测结果与对应的第一实际结果之间的总损失值，调整所述信息播放率预测子模型的模型参数；其中，一个训练样本的第一预测结果是基于所述信息播放率预测子模型、所述信息点击率预测子模型、所述购买行为预测子模型和所述信息转化率预测子模型确定的；
[0026]基于所述各个训练样本的第二预测结果，与对应的第二实际结果之间的总损失值，二次调整所述信息播放率预测子模型；其中，所述一个训练样本的第二预测结果是基于所述信息播放率预测子模型、所述信息点击率预测子模型和所述购买行为预测子模型确定的；
[0027]基于所述各个训练样本的第三预测结果，与对应的第三实际结果之间的总损失值，再次调整所述信息播放率预测子模型；其中，所述一个训练样本的第三预测结果是基于所述信息播放率预测子模型、所述信息点击率预测子模型确定的；
[0028]基于所述各个训练样本的第四预测结果，与对应的第四实际结果之间的损失值，再次调整所述信息播放率预测子模型；其中，所述一个训练样本的第四预测结果是基于所述信息播放率预测子模型确定的。
[0029]可选的，执行以下步骤，调整所述信息点击率预测子模型的模型参数：
[0030]基于一批训练样本集合中各个训练样本的第一预测结果与对应的第一实际结果之间的总损失值，调整所述信息点击率预测子模型的模型参数；其中，一个训练样本的第一
预测结果是基于所述信息播放率预测子模型、所述信息点击率预测子模型、所述购买行为预测子模型和所述信息转化率预测子模型确定的；
[0031]基于所述各个训练样本的第二预测结果，与对应的第二实际结果之间的总损失值，二次调整所述信息点击率预测子模型；其中，所述一个训练样本的第二预测结果是基于所述信息播放率预测子模型、所述信息点击率预测子模型和所述购买行为预测子模型确定的；
[0032]基于所述各个训练样本的第三预测结果，与对应的第三实际结果之间的总损失值，再次调整所述信息点击率预测子模型；其中，所述一个训练样本的第三预测结果是基于所述信息播放率预测子模型、所述信息点击率预测子模型确定的。
[0033]可选的，执行以下步骤，调整所述购买行为预测子模型的模型参数：
[0034]基于一批训练样本集合中各个训练样本的第一预测结果与对应的第一实际结果之间的总损失值，调整所述购买行为预测子模型的模型参数；其中，一个训练样本的第一预测结果是基于所述信息播放率预测子模型、所述信息点击率预测子模型、所述购买行为预测子模型和所述信息转化率预测子模型确定的；
[0035]基于所述各个训练样本的第二预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐的方法，其特征在于，包括：响应于信息推荐指令，获取推荐信息集合；基于推荐预测模型中的信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得所述推荐信息集合中各个推荐信息对应的信息点击率、购买行为预测率和信息转化率；基于所述各个推荐信息对应的信息点击率、购买行为预测率和信息转化率，获得对应的第一推荐概率，并将第一推荐概率超过设定门限值的推荐信息推送给目标对象。2.如权利要求1所述的方法，其特征在于，所述推荐预测模型还包括信息播放率预测子模型，所述方法还包括：基于所述信息播放率预测子模型、信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得所述各个推荐信息对应的信息播放率、信息点击率、购买行为预测率和信息转化率；基于所述各个推荐信息对应的信息播放率、信息点击率、信息转化率和购买行为预测率，获得对应的第二推荐概率，并将第二推荐概率超过设定门限值的推荐信息推送给所述目标对象。3.如权利要求2所述的方法，其特征在于，所述基于所述信息播放率预测子模型、信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得所述各个推荐信息对应的信息播放率、信息点击率、购买行为预测率和信息转化率，包括：获取目标对象的历史推荐特征集合；依次读取所述各个推荐信息，其中，每读取一个推荐信息，基于当前读取的所述一个推荐信息，更新所述历史推荐特征集合，并将更新后的历史推荐特征集合分别输入到所述信息播放率预测子模型、所述信息点击率预测子模型、所述购买行为预测子模型和所述信息转化率预测子模型中，获得对应的信息播放率、信息点击率、购买行为预测率和信息转化率。4.如权利要求3所述的方法，其特征在于，所述历史推荐特征集合至少包括：目标对象特征信息、历史推荐资源的特征信息、目标对象的资源偏好特征信息、资源使用行为特征信息；所述基于当前读取的所述一个推荐信息，更新所述历史推荐特征集合，包括：若未检测到所述目标对象在指定第一历史时间段内的至少一个资源使用行为，则基于所述一个推荐信息关联的资源属性信息，对所述历史推荐资源的特征信息进行更新，并将所述目标对象特征信息、所述目标对象的资源偏好特征信息、所述资源使用行为特征信息以及更新后的历史推荐资源的特征信息拼接，获得所述更新后的历史推荐特征集合；若检测到所述目标对象在指定第一历史时间段内的至少一个资源使用行为，则基于所述一个推荐信息关联的资源属性信息、与所述目标对象在所述第一历史时间段内的至少一个资源使用行为，对所述历史推荐特征集合进行更新，获得所述更新后的历史推荐特征集合。5.如权利要求2所述的方法，其特征在于，所述信息播放率预测子模型、所述信息点击率预测子模型、所述购买行为预测子模型和所述信息转化率预测子模型，均是基于所述目标对象的行为链路训练得到的；其中，所述行为链路表征在获得所述目标对象的行为结果
的过程中，所述目标对象执行多个行为的先后顺序。6.如权利要求5所述的方法，其特征在于，执行以下步骤，调整所述信息播放率预测子模型的模型参数：基于一批训练样本集合中各个训练样本的第一预测结果与对应的第一实际结果之间的总损失值，调整所述信息播放率预测子模型的模型参数；其中，一个训练样本的第一预测结果是基于所述信息播放率预测子模型、所述信息点击率预测子模型、所述购买行为预测子模型和所述信息转化率预测子模型确定的；基于所...

【专利技术属性】
技术研发人员：王诗佳，肖强，赵逸龙，李伟生，彭正超，李勇，
申请(专利权)人：杭州网易云音乐科技有限公司，
类型：发明
国别省市：