【技术实现步骤摘要】
数据推送方法、装置、电子设备以及可读存储介质
[0001]本申请涉及数据推送
，特别是涉及数据推送方法、装置、电子设备以及可读存储介质。
技术介绍
[0002]如今大数据下的数据推送不再是盲目推送和分析，而是以海量数据为基础，以分析挖掘技术为前提，针对覆盖范围内的人群进行个性化分析、精准化投放，同时为公司提供全方位的投前广告效果预估、投后广告效果监测报告。实现智能、高效的精准营销，降低企业推广成本的同时，满足用户的个性化需求。
[0003]专利技术人长期研究发现，相关技术的数据推送方法主要推送用户重复或相似内容的东西，一方面，会降低用户在同一个主题上的兴趣度，另一方面，这不利于挖掘、延伸用户的潜在偏好。
技术实现思路
[0004]本申请提供了数据推送方法、装置、电子设备以及可读存储介质，能够改善推送数据的多样性，能够挖掘、延伸用户的潜在偏好。
[0005]第一方面，提供一种数据推送方法，该方法包括：基于原始网络模型输出的用户偏好信息，推送第一数据；获取用户对第一数据进行操作的操作事件信息...
【技术保护点】
【技术特征摘要】
1.一种数据推送方法，其特征在于，所述方法包括：基于原始网络模型输出的用户偏好信息，推送第一数据；获取用户对所述第一数据进行操作的操作事件信息；将所述操作事件信息分别输入至所述原始网络模型和变异网络模型，以使所述原始网络模型和所述变异网络模型在线训练；其中，所述变异网络模型由所述原始网络模型进行结构变异得到；将所述原始网络模型和所述变异网络模型中训练精度高的一者作为新的所述原始网络模型，并基于所述原始网络模型输出的用户偏好信息，推送第二数据。2.根据权利要求1所述的方法，其特征在于，所述变异网络模型由所述原始网络模型进行结构变异得到，包括：确定所述原始网络模型中的加权矩阵；对所述加权矩阵中的权重值进行随机变换；利用随机变换后的加权矩阵对所述原始网络模型进行结构变异，得到变异网络模型。3.根据权利要求1所述的方法，其特征在于，所述将所述原始网络模型和所述变异网络模型中训练精度高的一者作为新的所述原始网络模型，包括：获取历史操作事件信息；利用所述历史操作信息确定出所述原始网络模型的第一训练精度，以及确定出所述变异网络模型的第二训练精度；将第一预测精度和第二训练精度中较高的一者对应的网络模型作为新的所述原始网络模型。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述操作事件信息包括历史操作事件信息；所述将所述操作事件信息分别输入至所述原始网络模型和变异网络模型，以使所述原始网络模型和所述变异网络模型在线训练，包括：在满足预设条件时，将所述历史操作事件信息分别输入至所述原始网络模型和变异网络模型，以使所述原始网络模型和所述变异网络模型在线训练。5.根据权利要求1
‑<...
【专利技术属性】
技术研发人员：张磊，
申请(专利权)人：深圳市欢太科技有限公司，
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。