【技术实现步骤摘要】
基于神经网络的消息推荐方法、装置、设备及存储介质
[0001]本申请涉及人工智能
，尤其涉及一种基于神经网络的消息推荐方法、装置、设备及存储介质。
技术介绍
[0002]随着互联网的高速发展，用户的数据重要性与日俱增，对用户线上和线下行为深度洞察，构建全面、精准、多维的用户画像体系，为企业提供丰富的用户画像数据以及实时的场景识别能力，帮助企业全方位了解用户，个性化推荐由此应运而生，多维标签分类，实时场景甄别，实现千人千面运营。这些都属于利用AI与机器学习进行内容创建、利用AI与机器学习进行内容推荐优化。
[0003]现有的向用户推送消息的方法是通过工作人员对所有用户设定统一的信息推送时间和通知渠道，并在设定的时间向用户进行推送。然而，有的用户在收到推送信息时由于处于工作状态等原因，不会打开推送的信息，甚至有些通知渠道并不是所有用户都拥有，从而导致推送消息的触达率较低，导致用户对推送消息的点击率较低。现亟需一种能够提高用户对推送消息点击率的方法。
技术实现思路
[0004]本申请实施例的目的在于提...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络的消息推荐方法，其特征在于，包括：获取用户信息数据，并对所述用户信息数据进行特征提取，得到每一个用户的职业信息和年龄信息；基于预设序列，将所述职业信息、所述年龄信息与预设维度信息进行向量化处理，得到初始数据，其中，所述初始数据分为训练数据以及验证数据，所述预设维度信息包括时间段、日期以及通知渠道；基于梯度下降法，通过所述初始数据对误差逆向神经网络进行训练，得到预测模型；获取待推荐用户信息数据，并对所述待推荐用户信息数据进行向量化处理，得到目标数据，其中，所述目标数据包括各个时间段、日期以及通知渠道的多维向量；通过所述预测模型将所述目标数据进行预测计算，得到目标预测值，其中，所述目标预测值包括所述多维向量对应的目标时间段、目标日期以及目标通知渠道；基于所述目标预测值，将待推荐消息按照所述目标时间段、目标日期以及目标通知渠道推送给待推荐用户。2.根据权利要求1所述的基于神经网络的消息推荐方法，其特征在于，所述获取用户信息数据，并对所述用户信息数据进行特征提取，得到每一个用户的职业信息和年龄信息，包括：从数据库中获取所述用户信息数据；对所述用户信息数据进行数据清洗，得到基础数据；采用正则匹配的方式，从所述基础数据中提取身份信息、工作信息以及年龄信息，并将所述身份信息、工作信息转换为对应的职业信息。3.根据权利要求1所述的基于神经网络的消息推荐方法，其特征在于，所述基于预设序列，将所述职业信息、所述年龄信息与预设维度信息进行向量化处理，得到初始数据，包括：将所述职业信息以及所述通知渠道按照预设顺序排列，得到第一排列结果；将所述年龄信息、所述时间段以及所述日期按照预设级别进行排列，得到第二排列结果，并将所述第一排列结果和第二排列结果进行组合，得到预设排列结果；将每个所述用户数据与所述预设排列结果中的因素进行对比，得到对比结果，并根据所述对比结果对所述用户数据进行向量化标记，得到所述初始数据。4.根据权利要求1所述的基于神经网络的消息推荐方法，其特征在于，所述基于梯度下降法，通过所述初始数据对误差逆向神经网络进行训练，得到预测模型，包括：将所述训练数据输入到所述误差逆向神经网络中进行计算，得到输出值，并基于预设的期望输出与所述输出值，确定误差值；基于所述误差值调整所述误差逆向神经网络模型中的权重和偏置参数，得到调整后的误差逆向神经网络模型；基于梯度下降法，将所述训练数据以及所述预设的期望输出计算调整后的所述误差逆向神经网络模型的误差值，并结合所述误差值调整所述误差逆向神经网络模型中的权重和偏置参数，直至所述误差值小于预设值时，得到所述预测模型。5.根据权利要求4所述的基于神经网络的消息推荐方法，其特征在于，所述将所述训练数据输入到所述误差逆向神经网络中进行计算，得到输出值，并基于预设的期望输出与所述输出值，确定误差值，包括：
获取所述...
【专利技术属性】
技术研发人员：刘洋，
申请(专利权)人：未鲲上海科技服务有限公司，
类型：发明
国别省市：
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。