基于点击行为预测的信息推送方法及装置制造方法及图纸

本申请公开了一种基于点击行为预测的信息推送方法及装置，涉及人工智能与数字医疗领域，目的在于现有根据患者就诊结果直接匹配医疗项目进行推送，并未考虑患者行为信息，导致无法满足患者医疗信息推送需求，从而降低接收推送信息有效性的问题。包括：获取用户特征信息以及产品特征信息；基于已完成的点击行为预测模型对用户特征信息以及产品特征信息进行预测处理，得到预测点击行为结果；若结果为预期点击行为，则提取与产品特征信息匹配的目标产品信息中的目标关键词，并确定产品数据库中各产品关键词与目标关键词之间的相似度；获取相似度大于预设相似阈值的产品关键词所对应的关联产品信息，并按照联动方式输出关联产品信息、目标产品信息。目标产品信息。目标产品信息。

【技术实现步骤摘要】
基于点击行为预测的信息推送方法及装置


[0001]本申请涉及一种人工智能与数字医疗
，特别是涉及一种基于点击行为预测的信息推送方法及装置。

技术介绍

[0002]随着人工智能的快速发展，人工智能已经在数字医疗业务的大数据领域全面普及。其中，在基于数字医疗进行医疗就诊后，可以通过智能医疗系统进行信息推送。
[0003]目前，现有医疗信息的推送通常根据不同患者的就诊结果直接匹配相关的医疗项目进行推送，但是，基于直接匹配的方式进行信息推送并不会考虑到患者的行为信息，无法真正满足患者医疗信息推送需求，从而降低了信息推送的接收有效性，使得推送的信息成为无效信息。

技术实现思路

[0004]有鉴于此，本申请提供一种基于点击行为预测的信息推送方法及装置，主要目的在于现有根据不同患者的就诊结果直接匹配相关的医疗项目进行推送，并未考虑患者行为信息，导致无法真正满足患者医疗信息推送需求，从而降低信息推送的接收有效性的技术问题。
[0005]依据本申请一个方面，提供了一种基于点击行为预测的信息推送方法，包括：
[0006本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点击行为预测的信息推送方法，其特征在于，包括：获取用户特征信息以及产品特征信息；基于已完成的点击行为预测模型对所述用户特征信息以及所述产品特征信息进行预测处理，得到预测点击行为结果，所述点击行为预测模型为基于重定向分解机算法构建网络权重完成模型训练得到的；若所述预测点击行为结果为预期点击行为，则提取与所述产品特征信息匹配的目标产品信息中的目标关键词，并确定产品数据库中各产品关键词与所述目标关键词之间的的相似度；获取所述相似度大于预设相似阈值的产品关键词所对应的关联产品信息，并按照联动方式输出所述关联产品信息、所述目标产品信息。2.根据权利要求1所述的方法，其特征在于，所述基于已完成的点击行为预测模型对所述用户特征信息以及所述产品特征信息进行预测处理，得到预测点击行为结果之前，所述方法还包括：获取产品点击行为训练样本集，并构建基础神经网络；基于重定向分解机算法对所述基础神经网络中全连接层网络、失活网络、激活网络所对应的权值向量进行限定重置，得到完成限定重置的预测模型；基于所述产品点击行为训练样本集对所述预测模型进行模型训练，得到点击行为预测模型。3.根据权利要求2所述的方法，其特征在于，所述基于重定向分解机算法对所述基础神经网络中全连接层网络、失活网络、激活网络所对应的权值向量进行限定重置，得到完成限定重置的预测模型包括：确定所述基础神经网络的神经网络多层感知机，并将所述神经网络多层感知机与全连接层网络构、失活网络、激活网络建立连接关系；将经过构建连接关系后得到向量与预设分解机算法的嵌入向量层参数进行相乘操作，得到权值向量的重定向分解机算法；基于所述重定向分解机算法进行所述权值向量内积操作，生成的限定重置后的预测模型。4.根据权利要求3所述的方法，其特征在于，所述基于所述产品点击行为训练样本集对所述预测模型进行模型训练，得到点击行为预测模型之前，所述方法还包括：根据所述产品点击行为训练样本集中的样本数据定义损失函数，其中，所述损失函数为基于所述重定向分解机算法进行限定，并结合交叉熵损失函数与激活函数得到。5.根据权利要求1所述的方法，其特征在于，所述基于已完成的点击行为预测模型对所述用户特征信息以及所述产品特征信息进行预测处理，得到预测点击行为结果之后，所述方法还包括：若所述预测点击行为结果为预期...

【专利技术属性】
技术研发人员：陈浩，谯轶轩，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：