一种信息展示的方法、装置及存储介质制造方法及图纸

本申请公开了一种信息展示的方法、装置及存储介质，具体包括：接收到第一信息展示请求消息；根据第一用户ID从数据库获取匹配的第一待展示信息；利用第一机器学习模型获得用户被激活的第一概率和第二概率；将第一概率和第二概率之间的差值作为用户被激活概率的增量值；根据用户被激活概率的增量值计算第一待展示信息相应的第一价值信息并返回第一信息展示回复消息。应用本申请实施例方案，由于利用用户被激活概率的增量值来计算第一待展示信息相应的第一价值信息，可以准确预估第一价值信息，最大化第一价值信息的作用并降低推送第一待展示信息的成本。待展示信息的成本。待展示信息的成本。

【技术实现步骤摘要】
一种信息展示的方法、装置及存储介质


[0001]本申请涉及互联网
，尤其涉及一种信息展示的方法，一种信息展示的装置、一种计算机可读存储介质和一种计算机程序产品。

技术介绍

[0002]目前越来越多的企业通过手机或平板等终端在线向用户推送或展示业务信息。用户根据自己的日常习惯在线浏览各类信息，比如浏览新闻等媒体平台。为了更好地激活用户，使用户在站内处于活跃状态，企业希望用户在线浏览时，可以适当地向用户推送信息，通过信息展示达到激活用户的目的。但信息展示通常需要耗费成本，不恰当的推送信息展示将极大耗费成本。

技术实现思路

[0003]针对上述现有技术，本专利技术实施例公开一种信息展示的方法，可以克服不恰当推送展示信息的缺陷，达到准确预估和最大化待展示信息的价值，降低成本的目的。
[0004]鉴于此，本申请实施例提出一种信息展示的方法，该方法包括：
[0005]接收到第一信息展示请求消息，所述第一信息展示请求消息包括第一用户ID；
[0006]根据所述第一用户ID从数据库获取匹配的第一待展示信息，所述第一待展示信息是将为所述第一用户ID对应的第一用户展示的信息；
[0007]将事先记录的第一用户特征作为第一特征，将所述第一用户获得所述第一待展示信息这一特征作为第二特征，将所述第一特征和所述第二特征作为参数输入到已训练的第一机器学习模型中，获得用户被激活的第一概率，所述第一机器学习模型是用于计算用户被激活概率的模型，所述用户被激活表示所述用户在预设时间内处于活跃状态；r/>[0008]再次将事先记录的第一用户特征作为所述第一特征，将所述第一用户未获得所述第一待展示信息这一特征作为第三特征，将所述第一特征和所述第三特征作为参数输入到所述已训练的第一机器学习模型中，获得用户被激活的第二概率；
[0009]将所述第一概率和第二概率之间的差值作为用户被激活概率的增量值；
[0010]根据所述用户被激活概率的增量值计算所述第一待展示信息相应的第一价值信息；
[0011]返回第一信息展示回复消息，所述第一信息展示回复消息包括所述第一待展示信息和所述第一价值信息，所述第一待展示信息在所述第一价值信息评估通过后展示给所述第一用户。
[0012]进一步地，
[0013]所述接收到第一信息展示请求消息的步骤之前，该方法进一步包括：训练所述第一机器学习模型；
[0014]所述训练所述第一机器学习模型的步骤包括：
[0015]将获得的用户集按照用户设备ID随机划分在实验桶和对照桶中，实验桶中的用户
集为参与训练的第二用户集，对照桶中的用户集为用于检验的第三用户集；
[0016]针对所述第二用户集中的每一个用户，分别执行第二待展示信息筛选过程、第二价值信息确定过程和第二价值信息参评过程，所述第二待展示信息筛选过程表示从所述数据库中筛选出与该用户匹配的第二待展示信息的过程，所述第二价值信息确定过程表示确定与所述第二待展示信息相应的第二价值信息的过程，所述第二价值信息参评过程表示将所述第二价值信息参与评估的过程，且在所述第二价值信息评估通过后获得所述第二待展示信息；
[0017]针对所述第三用户集中的每一个用户，分别执行第三待展示信息筛选过程和第三价值信息确定过程，所述第三待展示信息筛选过程表示从所述数据库中筛选出与该用户匹配的第三待展示信息的过程，所述第三价值信息确定过程表示确定与所述第三待展示信息相应的第三价值信息的过程；
[0018]在所述第二用户集中，将获得所述第二待展示信息的用户组成第四用户集；
[0019]利用所述第四用户集和所述第三用户集对初始化后的所述第一机器学习模型进行训练，获得所述已训练的第一机器学习模型。
[0020]进一步地，
[0021]所述利用所述第四用户集和所述第三用户集对初始化后的所述第一机器学习模型进行训练，获得所述已训练的第一机器学习模型的步骤包括：
[0022]在所述第二用户集中，未获得所述第二待展示信息的用户组成第五用户集；
[0023]将所述第四用户集中的用户作为训练第二机器学习模型的正样本，将所述第五用户集中的用户作为训练第二机器学习模型的负样本，对所述第二机器学习模型进行训练，获得训练后的第二机器学习模型，所述第二机器学习模型是用于计算获得所述第二待展示信息的概率；
[0024]利用所述第二机器学习模型计算所述第四用户集中每一个用户获得所述第二待展示信息的概率，并根据设置的概率区间确定所述第四用户集各概率区间的用户数量比例；
[0025]利用所述第二机器学习模型计算所述第三用户集中每一个用户获得第三待展示信息的概率，并根据所述第四用户集各概率区间的用户数量比例从所述第三用户集中进行抽取，抽取出的用户组成第六用户集；
[0026]将所述第四用户集和所述第六用户集作为训练样本，输入所述初始化后的所述第一机器学习模型进行训练，获得所述已训练的第一机器学习模型，所述第四用户集和所述第六用户集中被激活的用户作为训练所述第一机器学习模型的正样本，所述第四用户集和所述第六用户集中未被激活的用户作为训练所述第一机器学习模型的负样本。
[0027]进一步地，
[0028]所述根据所述第一用户ID从数据库获取匹配的第一待展示信息的步骤包括：
[0029]根据所述第一用户ID从数据库获取对应的所述第一用户特征，所述第一用户特征包括用户基本特征和用户站内行为特征，所述用户基本特征包括用户下载渠道和注册距今时间，所述用户站内行为特征包括站内登录次数、站内搜索次数和交易前期过程执行次数；所述用户下载渠道表示用户下载应用程序的渠道，所述应用程序是与所述第一待展示信息关联的目标应用程序，所述注册距今时间是用户在所述应用程序中注册时距离当前的时
间，所述站内登录次数是用户在预设时间段内登录所述应用程序的次数，所述站内搜索次数是用户在预设时间段内发生搜索行为的次数，所述交易前期过程执行次数是用户在预设时间段内发生交易前期过程的行为次数；
[0030]根据所述第一用户特征从所述数据库筛选出备选展示信息；
[0031]根据事先设置的排序策略进行排序，并将排序第一的备选展示信息作为所述第一待展示信息。
[0032]针对上述现有技术，本专利技术实施例还公开一种信息展示的装置，可以克服不恰当推送展示信息的缺陷，达到准确预估和最大化待展示信息的价值，降低成本的目的。
[0033]鉴于此，本申请实施例提出一种信息展示的装置，该装置包括：接收模块、筛选模块、价值计算模块和发送模块；
[0034]所述接收模块，用于接收到第一信息展示请求消息，所述第一信息展示请求消息包括第一用户ID；
[0035]所述筛选模块，用于根据所述第一用户ID从数据库获取匹配的第一待展示信息，所述第一待展示信息是将为所述第一用户ID对应的第一用户展示的信息；
[0036]所述价值计算模块，将事先记录的第一用户特征作为第一特征，将所述第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息展示的方法，其特征在于，该方法包括：接收到第一信息展示请求消息，所述第一信息展示请求消息包括第一用户ID；根据所述第一用户ID从数据库获取匹配的第一待展示信息，所述第一待展示信息是将为所述第一用户ID对应的第一用户展示的信息；将事先记录的第一用户特征作为第一特征，将所述第一用户获得所述第一待展示信息这一特征作为第二特征，将所述第一特征和所述第二特征作为参数输入到已训练的第一机器学习模型中，获得用户被激活的第一概率，所述第一机器学习模型是用于计算用户被激活概率的模型，所述用户被激活表示所述用户在预设时间内处于活跃状态；再次将事先记录的第一用户特征作为所述第一特征，将所述第一用户未获得所述第一待展示信息这一特征作为第三特征，将所述第一特征和所述第三特征作为参数输入到所述已训练的第一机器学习模型中，获得用户被激活的第二概率；将所述第一概率和第二概率之间的差值作为用户被激活概率的增量值；根据所述用户被激活概率的增量值计算所述第一待展示信息相应的第一价值信息；返回第一信息展示回复消息，所述第一信息展示回复消息包括所述第一待展示信息和所述第一价值信息，所述第一待展示信息在所述第一价值信息评估通过后展示给所述第一用户。2.根据权利要求1所述的方法，其特征在于，所述接收到第一信息展示请求消息的步骤之前，该方法进一步包括：训练所述第一机器学习模型；所述训练所述第一机器学习模型的步骤包括：将获得的用户集按照用户设备ID随机划分在实验桶和对照桶中，实验桶中的用户集为参与训练的第二用户集，对照桶中的用户集为用于检验的第三用户集；针对所述第二用户集中的每一个用户，分别执行第二待展示信息筛选过程、第二价值信息确定过程和第二价值信息参评过程，所述第二待展示信息筛选过程表示从所述数据库中筛选出与该用户匹配的第二待展示信息的过程，所述第二价值信息确定过程表示确定与所述第二待展示信息相应的第二价值信息的过程，所述第二价值信息参评过程表示将所述第二价值信息参与评估的过程，且在所述第二价值信息评估通过后获得所述第二待展示信息；针对所述第三用户集中的每一个用户，分别执行第三待展示信息筛选过程和第三价值信息确定过程，所述第三待展示信息筛选过程表示从所述数据库中筛选出与该用户匹配的第三待展示信息的过程，所述第三价值信息确定过程表示确定与所述第三待展示信息相应的第三价值信息的过程；在所述第二用户集中，将获得所述第二待展示信息的用户组成第四用户集；利用所述第四用户集和所述第三用户集对初始化后的所述第一机器学习模型进行训练，获得所述已训练的第一机器学习模型。3.根据权利要求2所述的方法，其特征在于，所述利用所述第四用户集和所述第三用户集对初始化后的所述第一机器学习模型进行训练，获得所述已训练的第一机器学习模型的步骤包括：在所述第二用户集中，未获得所述第二待展示信息的用户组成第五用户集；将所述第四用户集中的用户作为训练第二机器学习模型的正样本，将所述第五用户集
中的用户作为训练第二机器学习模型的负样本，对所述第二机器学习模型进行训练，获得训练后的第二机器学习模型，所述第二机器学习模型是用于计算获得所述第二待展示信息的概率；利用所述第二机器学习模型计算所述第四用户集中每一个用户获得所述第二待展示信息的概率，并根据设置的概率区间确定所述第四用户集各概率区间的用户数量比例；利用所述第二机器学习模型计算所述第三用户集中每一个用户获得第三待展示信息的概率，并根据所述第四用户集各概率区间的用户数量比例从所述第三用户集中进行抽取，抽取出的用户组成第六用户集；将所述第四用户集和所述第六用户集作为训练样本，输入所述初始化后的所述第一机器学习模型进行训练，获得所述已训练的第一机器学习模型，所述第四用户集和所述第六用户集中被激活的用户作为训练所述第一机器学习模型的正样本，所述第四用户集和所述第六用户集中未被激活的用户作为训练所述第一机器学习模型的负样本。4.根据权利要求1～3任一项所述的方法，其特征在于，所述根据所述第一用户ID从数据库获取匹配的第一待展示信息的步骤包括：根据所述第一用户ID从数据库获取对应的所述第一用户特征，所述第一用户特征包括用户基本特征和用户站内行为特征，所述用户基本特征包括用户下载渠道和注册距今时间，所述用户站内行为特征包括站内登录次数、站内搜索次数和交易前期过程执行次数；所述用户下载渠道表示用户下载应用程序的渠道，所述应用程序是与所述第一待展示信息关联的目标应用程序，所述注册距今时间是用户在所述应用程序中注册时距离当前的时间，所述站内登录次数是用户在预设时间段内登录所述应用程序的次数，所述站内搜索次数是用户在预设时间段内发生搜索行为的次数，所述交易前期过程执行次数是用户在预设时间段内发生交易前期过程的行为次数；根据所述第一用户特征从所述数据库筛选出备选展示信息；根据事先设置的排序策略进行排序，并将排序第一的备选展示信息作为所述第一待展示信息。5.一种信息展示的装置，其特征在于，该装置包括：接收模块、筛选模块、价值计算模块和发送模块；所述接收模块，用于接收到第一信息展示请求消息，所述第一信息展示请求消息包括第一用户ID；所述...

【专利技术属性】
技术研发人员：刘雷，王志勇，刘尚堃，刘思明，
申请(专利权)人：北京房江湖科技有限公司，
类型：发明
国别省市：