【技术实现步骤摘要】
推送模型构建方法、装置、计算机设备及存储介质
[0001]本专利技术实施例涉及人工智能
，尤其涉及一种推送模型构建方法、装置、计算机设备及可读存储介质。
技术介绍
[0002]随着移动互联网技术的高速发展，人们每天都接触到大量的信息。对于信息的发起者而言，如何从各式各样的信息中脱颖而出，把自己的信息精准推送给潜在用户，并追踪其接收的效果，转化为预期的结果，是一项极具挑战的工作。
[0003]现有的活动数据推送技术，大多是基于用户分组和信息打标两个维度展开数据推送。然而上述方法多是根据用户分组和信息打标两个维度的数据分析得到预测用户完成活动的概率，并根据预测概率进行数据推送。然而，仅基于用户分组和信息打标两个维度进行数据推送，缺乏对每个用户的针对性分析，导致给用户推送的活动数据不精准，活动转化率低。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供了一种推送模型构建方法、装置、计算机设备及计算机可读存储介质，用于解决基于用户分组和信息打标两个维度实现数据推送方法，数据推送不精准的问题。
【技术保护点】
【技术特征摘要】
1.一种推送模型构建方法，其特征在于，应用于服务端，所述方法包括：获取样本用户的多个样本用户数据和多个样本活动数据组合；根据数据类型对所述样本用户数据进行分类，以得到样本基础数据、样本用户行为数据以及样本用户偏好数据；获取预先设置的原始权重参数和偏好阈值；将所述样本基础数据、所述样本用户行为数据、所述样本用户偏好数据以及所述原始权重参数输入至待训练模型中，以通过所述待训练模型输出所述样本用户对应的置信度集合，所述置信度集合包括所述样本用户对于每个样本活动数据组合的置信度，其中，所述样本活动数据组合包括多个样本活动数据和对应的样本活动执行路径；将所述置信度集合中的每个置信度与预设偏好阈值进行比对，并将所述置信度集合中大于所述偏好阈值的置信度对应的样本活动数据组合定义为所述样本用户的预测样本活动数据组合；根据所述样本用户的预测样本活动数据组合与其对应的样本活动数据组合，计算得出偏差值；及基于所述偏差值，调整所述原始权重参数和偏好阈值，以得到推送模型。2.根据权利要求1所述的推送模型构建方法，其特征在于，所述获取多个样本用户的多个用户数据和每个样本用户的样本活动数据的步骤，还包括：预先在所述服务端中各个页面进行数据埋点，以在预设时间周期内获取每个样本用户的多个样本用户实时数据；分析每个样本用户的多个用户实时数据，以得到多个样本用户的多个样本用户数据。3.根据权利要求1所述的推送模型构建方法，其特征在于，活动数据包括主活动数据、多个与所述主活动数据关联的子活动数据以及活动路径；所述方法还包括：预先构建活动数据；所述预先构建活动数据包括：预先定义主活动数据的活动内容、活动形式以及活动投放的位置；根据所述活动内容、所述活动形式以及每个样本用户设置活动推送时间以及活动开展时间；根据所述活动内容、所述活动形式、所述活动推送时间以及所述活动开展时间，将所述主活动数据与多个子活动数据进行关联，以得到样本活动数据。4.根据权利要求1所述的推送模型构建方法，其特征在于，所述将所述多个样本基础数据、所述多个样本用户行为数据、所述多个样本用户偏好数据以及所述原始权重参数输入至待训练模型中，以通过所述待训练模型输出每个样本用户对应的置信度集合，每个样本用户的置信度集合包括该样本用户对于每个样本活动数据的置信度，包括：将所述多个样本基础数据、所述多个样本用户行为数据、所述多个样本用户偏好数据以及所述原始权重参数输入至待训练模型中，以通过所述待训练模型输出每个样本用户对应每个样本活动数据的第一置信度；基于每个样本活动数据的第一置信度和每个样本活动数据的参考权重，计算得到每个样本用户对应每个样本活动数据组合的置信度。5.根据权利要求1所述的推送模型构建方法，其特征在于，所述方法还包括：
获取目标用户的多个用户数据，所述多个用户数据包括多个基础数据、多个用户行为数据以及多个用户偏好数据；将所述多个基础数据、所述多个用户行为数据以及所述多个用户偏好数据输入至所述推送模型中，以通过所述推送模型输出多个活动数据组合对应的多个置信度；将每个置信度与预设偏好阈值进行比对，将大于所述偏好阈值的活动数据组合定义为目标活动数据组合，所述目标活动数据组合包括多个目标活动数据和所述...
【专利技术属性】
技术研发人员：孙裕，
申请(专利权)人：平安科技深圳有限公司，
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。