信息处理方法、装置、设备及介质制造方法及图纸

本申请提供一种信息处理方法、装置、设备及介质，该信息处理方法包括：获取为用户进行内容推送的至少两个候选时间；通过傅里叶级数展开，构建候选时间的时间特征；根据时间特征以及用户特征，在候选时间中确定为用户进行内容推荐的目标时间。从而，利用傅里叶级数展开进行时间特征建模，确保时间特征同时符合连续性要求和周期性要求，提高时间特征的准确性，进而提高基于时间特征进行时间决策和内容推送的准确性。送的准确性。送的准确性。

【技术实现步骤摘要】
信息处理方法、装置、设备及介质


[0001]本申请涉及计算机
，尤其涉及一种信息处理方法、装置、设备及介质。

技术介绍

[0002]为提高互联网业务的开展效果，深度学习模型逐渐用于互联网业务中的时间决策任务，其中，时间特征建模为时间决策任务中的重要一环。
[0003]在确定目标时间的过程中，通常的，将时间建模为单值连续特征，比如，将0～24时分别表示为0～24个单值；或者，将时间建模为离散嵌入(embedding)特征，比如采用独热编码(One
‑
Hot Encoding)对0～24时分别进行编码。
[0004]然而，上述特征建模方式是统计数据和/或离散数据通用的特征建模方式，并不适用于时间的特征建模，导致时间决策的准确性较低。

技术实现思路

[0005]本申请提供一种信息处理方法、装置、设备及介质，用以解决现有特征建模方式不适用于时间的特征建模，导致时间决策的准确性较低的问题。
[0006]第一方面，本申请实施例提供一种信息处理方法，包括：获取为用户进行内容推送的至少两个候选时间；通过傅里叶级数展开，构建候选时间的时间特征；根据时间特征以及用户特征，在候选时间中确定为用户进行内容推荐的目标时间。
[0007]在本申请的一个实施例中，通过傅里叶级数展开，构建候选时间的时间特征，包括：通过傅里叶级数展开和特征长度，构建特征工程模型；通过特征工程模型对候选时间进行特征化，得到时间特征。
[0008]在本申请的一个实施例中，通过傅里叶级数展开和特征长度，构建特征工程模型，包括：通过傅里叶级数展开，确定特征长度个三角函数；根据三角函数，得到特征工程模型。
[0009]在本申请的一个实施例中，三角函数包括周期参数，根据三角函数，得到特征工程模型，包括：通过候选时间的时间周期，确定三角函数中的周期参数；根据周期参数确定后的三角函数，得到特征工程模型。
[0010]在本申请的一个实施例中，根据时间特征以及用户特征，在候选时间中确定为用户进行内容推荐的目标时间，包括：根据时间特征以及用户特征，通过时间决策模型，在候选时间中确定目标时间，其中，时间决策模型为深度学习模型，时间决策模型的输入数据包括时间特征和用户特征。
[0011]在本申请的一个实施例中，时间决策模型的输入数据还包括推送内容，根据时间特征以及用户特征，通过时间决策模型，在候选时间中确定目标时间，包括：将时间特征、用户特征和推送内容输入至时间决策模型，在时间决策模型中，对时间特征、用户特征和推送内容进行特征处理，确定目标时间。
[0012]在本申请的一个实施例中，根据时间特征以及用户特征，通过时间决策模型，在候选时间中确定目标时间之后，还包括：在目标时间，向用户发送推送内容。
[0013]第二方面，本申请实施例提供一种信息处理装置，包括：获取单元，用于获取为用户进行内容推送的至少两个候选时间；特征单元，用于通过傅里叶级数展开，构建候选时间的时间特征；决策单元，用于根据时间特征以及用户特征，在候选时间中确定为用户进行内容推荐的目标时间。
[0014]第三方面，本申请实施例提供一种云服务器，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使云服务器能够执行本申请第一方面中任一项提供的信息处理方法。
[0015]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本申请第一方面中任一项提供的信息处理方法。
[0016]本申请实施例提供一种信息处理方法、装置、设备及介质，该信息处理方法包括：获取为用户进行内容推送的至少两个候选时间；通过傅里叶级数展开，构建候选时间的时间特征；根据时间特征以及用户特征，在候选时间中确定为用户进行内容推荐的目标时间。从而，考虑到时间具备连续性和周期性的特点，采用能够将时间映射到频域的傅里叶级数展开，对候选时间进行特征建模，特征建模得到的时间特征同时符合连续性要求和周期性要求，提高了基于时间特征进行时间决策和内容推送的准确性。
附图说明
[0017]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本申请实施例提供的一种信息处理方法的场景示意图；
[0019]图2为本申请实施例提供的信息处理方法的流程示意图一；
[0020]图3为本申请实施例提供的信息处理方法的流程示意图二；
[0021]图4为本申请实施例提供的信息处理方法的流程示意图三；
[0022]图5为本申请实施例提供的信息处理装置50的结构框图；
[0023]图6为本申请示例性实施例提供的一种云服务器的结构示意图。
[0024]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0025]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0026]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据
在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
[0027]此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
[0028]首先，对本申请实施例涉及的部分用语进行解释：
[0029]特征建模：又称为特征设计，是指通过特征工程生成数据的特征表示。
[0030]傅里叶级数展开：通过三角函数不断逼近周期性函数的展开式。
[0031]相关技术中，对时间进行特征建模的方式主要包括：
[0032]方式一、将时间建模为单值连续特征。比如，将0～24时分别表示为0～24中的多个连续的单值。
[0033]方式二、将时间建模为离散嵌入特征，比如，采用独热编码对0～24时进行编码，得到时间0～24时分别对应的嵌入表示。
[0034]然而，方式一在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理方法，其特征在于，包括：获取为用户进行内容推送的至少两个候选时间；通过傅里叶级数展开，构建所述候选时间的时间特征；根据所述时间特征以及用户特征，在所述候选时间中确定为所述用户进行内容推荐的目标时间。2.根据权利要求1所述的信息处理方法，其特征在于，所述通过傅里叶级数展开，构建所述候选时间的时间特征，包括：通过傅里叶级数展开和特征长度，构建特征工程模型；通过所述特征工程模型对所述候选时间进行特征化，得到所述时间特征。3.根据权利要求2所述的信息处理方法，其特征在于，所述通过傅里叶级数展开和特征长度，构建特征工程模型，包括：通过傅里叶级数展开，确定所述特征长度个三角函数；根据所述三角函数，构建所述特征工程模型。4.根据权利要求3所述的信息处理方法，其特征在于，所述三角函数包括周期参数，所述根据所述三角函数，构建所述特征工程模型，包括：通过所述候选时间的时间周期，确定所述三角函数中的周期参数；根据周期参数确定后的三角函数，得到所述特征工程模型。5.根据权利要求1至3中任一项所述的信息处理方法，其特征在于，所述根据所述时间特征以及用户特征，在所述候选时间中确定为所述用户进行内容推荐的目标时间，包括：根据所述时间特征以及所述用户特征，通过时间决策模型，在所述候选时间中确定所述目标时间，其中，所述时间决策模型为深度学习模型，所述时间决策模型的输入数据包括所述时间特征和所述用户特征。6.根据权...

【专利技术属性】
技术研发人员：张子钊，赵一飞，胡张广达，刘敏，
申请(专利权)人：阿里巴巴中国有限公司，
类型：发明
国别省市：