CN111782960A - 文案推送方法、装置及电子设备 - Google Patents

文案推送方法、装置及电子设备 Download PDF

Info

Publication number
CN111782960A
CN111782960A CN202010733172.5A CN202010733172A CN111782960A CN 111782960 A CN111782960 A CN 111782960A CN 202010733172 A CN202010733172 A CN 202010733172A CN 111782960 A CN111782960 A CN 111782960A
Authority
CN
China
Prior art keywords
pushing
user
result
client
file
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010733172.5A
Other languages
English (en)
Inventor
杨哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN202010733172.5A priority Critical patent/CN111782960A/zh
Publication of CN111782960A publication Critical patent/CN111782960A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • G06Q20/401—Transaction verification
    • G06Q20/4014—Identity check for transactions
    • G06Q20/40145—Biometric identity checks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本说明书公开了一种文案推送方法、装置及电子设备，其中，该文案推送方法包括：接收客户端发送的第一推送结果；获取服务端特征，以及将所述第一推送结果和所述服务端特征输入到所述服务端本地的第二文案推送模型中，得到第二推送结果；将所述第二推送结果发送给所述客户端，所述第二推送结果用于所述客户端根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述第二推送结果还用于所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。

Description

文案推送方法、装置及电子设备
技术领域
本说明书涉及计算机技术领域，尤其涉及一种文案推送方法、装置及电子设备。
背景技术
生物核身方式是一种既安全又便捷的核身方式，能够实现快速地进行身份识别，提升用户的核身体验。
目前，主要通过服务端分析用户历史数据来确定推送给用户生物核身方式。然而，上述推荐方式的实时性较差，所推荐生物核身方式可能并不适合用户。
因此，需要一种新的生物核身方式的推送方法。
发明内容
有鉴于此，本说明书实施例提供了一种文案推送方法，用于解决现有技术中生物核身方式推送的实时性较差，所推荐生物核身方式可能并不适合用户的问题。
本说明书实施例采用下述技术方案：
本说明书实施例提供一种文案推送方法，应用于服务端，包括：
接收客户端发送的第一推送结果，其中，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
获取服务端特征，以及将所述第一推送结果和所述服务端特征输入到所述服务端本地的第二文案推送模型中，得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
将所述第二推送结果发送给所述客户端，所述第二推送结果用于所述客户端根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述第二推送结果还用于所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
本说明书实施例还提供另一种文案推送方法，应用于客户端，包括：
响应目标操作，获取客户端特征；
将所述客户端特征输入到所述客户端本地的第一文案推送模型中，得到第一推送结果，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
将所述第一推送结果发送给服务端，所述第一推送结果用于所述服务端将所述第一推送结果和服务端特征输入到所述服务端本地的第二文案推送模型中以得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
接收所述服务端返回的第二推送结果；
根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
本说明书实施例还提供一种文案推送装置，包括：
第一接收模块，接收客户端发送的第一推送结果，其中，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
第一处理模块，获取服务端特征，以及将所述第一推送结果和所述服务端特征输入到所述服务端本地的第二文案推送模型中，得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
第一发送模块，将所述第二推送结果发送给所述客户端，所述第二推送结果用于所述客户端根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述第二推送结果还用于所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
本说明书实施例还提供一种文案推送装置，包括：
获取模块，响应目标操作，获取客户端特征；
第二处理模块，将所述客户端特征输入到所述客户端本地的第一文案推送模型中，得到第一推送结果，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
第二发送模块，将所述第一推送结果发送给服务端，所述第一推送结果用于所述服务端将所述第一推送结果和服务端特征输入到所述服务端本地的第二文案推送模型中以得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
第二接收模块，接收所述服务端返回的第二推送结果；
所述第二处理模块，根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
本说明书实施例还提供一种电子设备，包括存储器以及处理器，所述存储器存储程序，并且被配置成由所述处理器执行上述的文案推送方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
通过客户端与服务端结合的方式判断是否推荐用户开通新的生物核身方式，可以较为准确地识别出用户当前是否有开通生物核身方式的业务需求，将适合用户的生物核身方式推荐给用户，生物核身方式推送的实时性更好、准确性更高。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书实施例提供的文案推送方法的***结构示意图；
图2为本说明书实施例提供的一种文案推送方法的流程示意图；
图3为本说明书实施例提供的另一种文案推送方法的流程示意图；
图4为本说明书实施例提供的一种文案推送装置的结构示意图；
图5为本说明书实施例提供的另一种文案推送装置的结构示意图；
图6为本说明书实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
在实际应用中，核身方式分为生物核身方式和非生物核身方式。
可以理解的是，生物核身方式是采用生物识别技术对用户进行身份验证的方式。生物核身方式例如为指纹核身方式、刷脸核身方式、面容核身方式，但并不限于此。
指纹核身方式是指用户所输入的指纹特征是否与预先存储的指纹特征一致，若一致，则确定用户通过身份验证，若不一致，则确定用户未通过身份验证。
刷脸核身方式是指用户所输入的脸部特征是否与权威数据库的脸部特征一致，若一致，则确定用户通过身份验证，若不一致，则确定用户未通过身份验证。权威数据库由权威机构提供的可信度较高的数据库，权威数据库根据实际的业务需求进行设定，权威数据库例如为相关部门的人口身份信息数据库。
面容核身方式是指用户所输入的脸部特征是否与预留的脸部特征一致，若一致，则确定用户通过身份验证，若不一致，则确定用户未通过身份验证。需要指出的是，预留的脸部特征是从用户指定的包括其脸部的图片中提取的生物特征。
可以理解的是，非生物核身方式是没有生物识别技术对用户进行身份验证的方式。非生物核身方式例如为密码核身方式、短信验证码核身方式等。
其中，密码核身方式需要用户先输入密码，再判断用户输入的密码是否与预先存储的注册密码一致，若一致，则确定用户通过身份验证，若不一致，则确定用户未通过身份验证。
其中，短信验证码核身方式需要用户先输入短信验证码，再判断用户输入的短信验证码是否与向用户所发送的短信验证码一致，若一致，则确定用户通过身份验证，若不一致，则确定用户未通过身份验证。
由于生物核身方式是一种既安全又便捷的核身方式，为了实现快速地进行身份识别，提升用户的核身体验，越来越多的业务场景都推荐用户采用生物核身方式进行身份识别。目前，主要通过服务端分析用户历史数据来确定推送给用户生物核身方式。然而，上述推荐方式的实时性较差，所推荐生物核身方式可能并不适合用户。
为了解决上述技术问题，本说明书实施例提供的文案推送方法，可以较为准确地识别出用户当前是否有开通生物核身方式的业务需求，将适合用户的生物核身方式推荐给用户，生物核身方式推送的实时性更好、准确性更高。
需要指出的是，本说明书实施例提供的文案推送方法，适用于需要进行核身验证的应用场景。其中，应用场景为支付场景、登录应用程序场景，但并不限于此。
需要指出的是，本说明书实施例提供的文案推送方法，适用于向用户推荐其尚未开通的生物核身方式。可以理解的是，当用户已经开通了某种生物核身方式时，则不会向该用户推荐已开通的生物核身方式的文案。
需要指出的是，本说明书实施例提供的文案推送方法，需要确保用户至少开通了一种核身方式，该核身方式可以是非生物核身方式，也可以是生物核身方式。
图1为本说明书实施例提供的文案推送方法的***结构示意图。如图1所示，该***包括客户端和服务端。其中，客户端可以配置在用户的电子设备中，服务端可以是任意类型的电子设备，电子设备例如为手机、平板电脑、车载设备、可穿戴设备等，但并不限于此。
本说明书实施例提供的文案推送方法是一种客户端和服务端相结合的文案推送方法。具体的，先由客户端确定第一推送结果，该第一推送结果包括各个候选文案的第一推送概率，每个候选文案均为推送生物核身方式的文案。接着，客户端将第一推送结果发生给服务端，这时，服务端会获取服务端特征，将所获取的服务端特征和第一推送结果输入到服务端本地的第二文案推送模型中，得到第二推送结果，第二推送结果包括各个候选文案的第二推送概率；接着，服务端会将第二推送结果发送给客户端，客户端根据第二推送结果进行决策，确定是否需要向用户推送文案，在需要向用户推送文案时，从各候选文案中选择目标文案推送给用户。
由于客户端是最接近用户的环节，客户端所确定的第一推送结果很可能接近用户期望的生物核身方式，客户端所确定的第一推送结果具有较好的实时性。因此，服务端结合客户端发送的第一推送结果和服务端特征确定第二推送结果，可以较为准确地识别出用户当前是否有开通生物核身方式的业务需求，能够给用户进行有时效性的生物核身方式推荐，提高了生物核身方式推荐的准确性。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图2为本说明书实施例提供的一种文案推送方法的流程示意图。该方法应用于服务端，服务端可以是任意类型的电子设备，包括但不限于：手机、平板电脑、智能可穿戴设备、车机、个人计算机、大中型计算机、计算机集群等。
如图2所示，该文案推送方法可以包括以下步骤：
步骤202：接收客户端发送的第一推送结果，其中，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率。
在本说明书实施例中，生物核身方式包括以下任一种：指纹核身方式、刷脸核身方式、面容核身方式，但并不限于此。
在本说明书实施例中，候选文案为候选的用于推送生物核身方式的文案。每个生物核身方式的文案数量可以是一个或者多个，文案数量根据实际的业务需求确定。
可以理解的是，多种多样的用于推送生物核身方式的文案，可以满足用户的开通多种生物核身方式的推荐的需求，让用户由仅能使用一种核身方式，升级为在不同场景使用不同的生物核身方式，提升用户的核身体验。
例如，某些手机配置的是机型较老的指纹模组，存在传感器老化、按键失灵等情况，导致指纹核身成功率下降，这时，可以向用户推荐开通刷脸核身方式或面容核身方式。又例如，夜间刷脸屏幕太亮、疫情期间线下刷脸还得摘下口罩，这时，可以向用户推荐开通指纹核身方式。
以支付场景为例，推荐刷脸支付的文案类型可以包括以下几种：安全感类型、便捷类型、从众类型、夸赞类型。其中，安全感类型的文案可以为“安全支付，你值得拥有”。便捷类型的文案可以为“你的支付神器，刷脸支付快人一步”。从众类型的文案可以为“身边人都在用，还不赶紧试试？”。夸赞类型的文案可以为“让密码藏在你的颜值里”。
在实际应用时，可以综合考虑用户特征、生物核身方式、场景特征等特征确定每个生物核身方式的文案。例如，针对年龄较大的用户可以推荐安全感类型；针对线下支付场景可以推荐便捷类型的文案；针对年轻的用户可以推荐从众类型的文案；针对喜欢被夸赞的用户可以推荐夸赞类型的文案。
可选的，第一推送结果是客户端本地的第一文案推送模型处理客户端特征得到的。第一文案推送模型可以处理多分类问题，根据输入的客户端特征确定各个候选文案被推送给用户的概率。
具体而言，可以在客户端本地部署第一文案推送模型，该第一文案推送模型能够基于输入的客户端特征输出第一推送结果。
可以理解的是，由客户端执行客户端特征的处理流程，相比由服务端执行客户端特征的处理流程，能够减少服务端内存和计算资源的消耗，减轻***压力。
可以理解的是，客户端特征是满足实时性要求的特征，客户端特征最能反应用户当时的核身体验，基于客户端特征进行推荐可以较为准确地理解用户的当前需求。当客户端特征包括的用户特征越多，对用户的理解越全面，越能提升生物核身方式推荐的准确性。此外，当客户端特征包含用户特征，不便将客户端特征上传到服务端，因此，由客户端执行客户端特征的处理流程，而不由服务端执行客户端特征的处理流程，可以避免因客户端特征被上传到服务端带来泄露用户的隐私信息的安全风险。进而在实现对用户隐私的保护的前提下，还能获取更多实时的包括用户特征的客户端特征，提升了生物核身方式推荐的准确性。
可选的，第一文案推送模型可以是LR(Logistic Regression，逻辑回归)模型、XGBoost(eXtreme Gradient Boosting，极端梯度提升)模型、神经网络模型，但并不限于此。其中，LR模型、XGBoost模型、神经网络模型均可以处理多分类问题。
优选的，第一文案推送模型为轻量级的LR模型，以尽可能地减少第一文案推送模型对客户端的计算资源的消耗，尽可能地避免客户端所在的电子设备的电量消耗过快。
在本说明书实施例中，客户端特征最能反映用户当前的业务需求，客户端处理客户端特征所得到第一推荐结果具有很好的实时性，进而有助于后续服务端提升核身方式推荐的准确性。
在本说明书实施例中，客户端特征与实际的应用场景相关，不同的应用场景可以有不同的客户端特征，根据具体的核身业务需求获取相应的客户端特征。
作为一种示例，客户端特征包括以下特征中的一种或多种：所述客户端侧的用户特征、所述客户端所在的电子设备的设备特征、所述电子设备所处环境的环境特征，当然，客户端特征并不限于上述特征，可以根据具体的核身业务需求确定具体的客户端特征。
其中，客户端侧的用户特征可以理解为由客户端通过对用户数据的分析得到的用户特征，该客户端侧的用户特征主要是对生物核身方式有影响的特征。
其中，客户端所在的电子设备的设备特征主要是对生物核身方式有影响的特征，设备特征例如为电子设备的加速度、指纹模组的灵敏度等。
其中，电子设备所处环境的环境特征主要是对生物核身方式有影响的特征，环境特征例如为电子设备所处环境的光照强度。
以应用场景为支付场景为例，客户端特征包括以下特征中的一种或多种：核身页面的页面停留时长、所述核身页面的页面行为轨迹、配置所述客户端的电子设备所处环境中的光照强度、所述电子设备的加速度、所述电子设备中指纹模组的灵敏度。其中，核身页面的页面停留时长、所述核身页面的页面行为轨迹可以理解为客户端侧的用户特征。
其中，核身页面是用户已开通的核身方式的页面。分析核身页面的页面停留时长可以判断用户对于当前核身方式的意愿是否足够强。例如当前核身方式为密码核身，若用户在密码核身的页面上停留时长较强，说明用户比较偏好密码核身方式，可以不向该用户推荐其他的核身方式。
其中，核身页面的页面行为轨迹是指用户在核身页面上的点击顺序。分析核身页面的页面行为轨迹可以判断用户是否对该核身页面对应的核身方式是否有犹豫，犹豫的话，说明可以向该用户推送其他的核身方式。
其中，配置客户端的电子设备所处环境中的光照强度可以用来判断是否适合进行刷脸核身方式或面容核身方式。例如，光照强度小于预设的光照强度阈值，这时认为光照强度较小，说明电子设备处于暗环境中，不是很适合推荐刷脸核身方式或面容核身方式。
其中，电子设备的加速度可以用来判断是否适合进行刷脸核身方式或面容核身方式。例如，电子设备的加速度大于预设的加速度阈值，这时认为电子设备的加速度较大，说明不适合推荐刷脸核身方式或面容核身方式。
其中，电子设备中指纹模组的灵敏度可以用来判断是否适合进行指纹核身方式。例如，指纹模组的灵敏度大于预设的灵敏度阈值，这时认为指纹模组的灵敏度较差，说明不适合推荐指纹核身方式。
步骤204：获取服务端特征，以及将所述第一推送结果和所述服务端特征输入到所述服务端本地的第二文案推送模型中，得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率。
在本说明书实施例中，在服务端部署第二文案推送模型，该第二文案推送模型可以是LR(Logistic Regression，逻辑回归)模型、XGBoost(eXtreme Gradient Boosting，极端梯度提升)模型、神经网络模型，但并不限于此。其中，LR模型、XGBoost模型、神经网络模型均可以处理多分类问题。
优选的，第二文案推送模型为轻量级的LR模型，以尽可能地减少第二文案推送模型对服务端的计算资源的消耗。
在本说明书实施例中，服务端结合客户端发送的第一推送结果和服务端特征确定第二推送结果，可以较为准确地识别出用户当前是否有开通生物核身方式的业务需求，能够给用户进行有时效性的生物核身方式推荐。
在本说明书实施例中，服务端特征可以包括实时特征和离线特征。其中，实时特征能够有助于服务端提升核身方式推荐的准确性。
在本说明书实施例中，服务端特征与实际的应用场景相关，不同的应用场景可以有不同的服务端特征，根据具体的核身业务需求获取相应的客户端特征。
作为一种示例，服务端特征包括：服务端侧的用户特征。当然，服务端特征并不限于上述特征，可以根据具体的核身业务需求确定具体的服务端特征。
其中，客户端侧的用户特征可以理解为由服务端通过对用户数据的分析得到的用户特征，该服务端侧的用户特征主要是对生物核身方式有影响的特征。
以应用场景为支付场景为例，实时特征包括以下特征中的一种或多种：用户的当前核身方式、用户是否将当前核身方式切换密码核身方式、用户的当前支付场景。离线特征包括以下特征中的一种或多种：用户的历史核身成功率、用户对核身方式的偏好信息、用户的历史支付信息、用户的电子设备的品牌信息。当然，以上实时特征和离线特征并不限于以上举例说明。
其中，用户的当前核身方式说明用户已经开通对应的核身方式，无需在开通，这时，服务端确定已开通的核身方式被推送给用户的概率较低，以便后续客户端不向用户推荐已开通的核身方式，减少对用户的打扰。
其中，用户是否将当前核身方式切换密码核身方式，说明用户可能不太喜欢生物核身方式，这时，服务端会对各个生物核身方式赋予较小的概率，以便后续客户端不向用户推荐生物核身方式，减少对用户的打扰。
其中，用户的当前支付场景例如为线下支付场景、线上支付场景，线下支付场景适合刷脸核身方式、面容核身方式，不适合指纹核身方式，而线上支付场景适合刷脸核身方式、面容核身方式、指纹核身方式。
其中，用户的历史核身成功率可以用于判断用户已开通的核身方式的体验是否良好，若不良好，可以向用户推荐其未开通的生物核身方式。
其中，用户对核身方式的偏好信息，可以用于判断用户是否有对特定的核身方式有偏好，若对特定的核身方式有偏好，可以不向用户推荐其未开通的生物核身方式。
其中，用户的历史支付信息，可以用于判断用户是线上支付比较多还是线下支付比较多；若线下支付比较多，可以推荐刷脸核身方式、面容核身方式；若线上支付比较多，可以推荐刷脸核身方式、面容核身方式、指纹核身方式。
其中，电子设备的品牌信息，可以用来判断是否支持生物核身方式。
步骤206：将所述第二推送结果发送给所述客户端，所述第二推送结果用于所述客户端根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述第二推送结果还用于所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
在本说明书实施例中，通过客户端与服务端结合的方式判断是否推荐用户开通新的生物核身方式，并在确定用户需要开通新的生物核身方式时，确定采用哪种文案推送给用户的转化效果好，进而满足用户开通多种生物核身方式的需求，能够地避免了频繁向用户推荐生物核身方式造成的资源浪费，有效地避免了对用户的频繁打扰，保证了良好的核身体验。
例如，客户端分析第二推送结果，确定没有一个候选文案的第二推送概率大于推送概率阈值，这时，客户端可以确定无需向用户推送文案。
又例如，客户端分析第二推送结果，确定存在至少一个候选文案的第二推送概率大于推送概率阈值，这时，客户端可以确定需要向用户推送文案，可以将第二推送概率最大的候选文案作为目标文案推送给用户。当然，若检测到用户拒绝推送的目标文案，可以按照第二推送概率从大到小的顺序，依次将剩下的第二推送概率较大的候选文案作为新的目标文案推送给用户，直到达到最大推送次数或者检测到用户接受所推送的目标文案。其中，以不打扰用户为目标，根据实际业务需求设定最大推送次数，例如，最大推送次数为2次。向用户推送的文案的概率大于推送概率阈值，该推送概率阈值视实际情形而定。
本说明书实施例提供的文案推送方法，通过客户端与服务端结合的方式判断是否推荐用户开通新的生物核身方式，可以较为准确地识别出用户当前是否有开通生物核身方式的业务需求，将适合用户的生物核身方式推荐给用户，生物核身方式推送的实时性更好、准确性更高。
在上述实施例的基础上，可选的，所述第一推送结果是所述客户端本地的第一文案推送模型处理客户端特征得到的，所述服务端训练所述第一文案推送模型的方式为：获取第一样本集合，所述第一样本集合中的第一样本包括一种或多种客户端特征；确定所述第一样本的第一标注结果，所述第一标注结果用于指示所述第一样本对应的期望推送文案；根据所述第一样本集合以及各个第一标注结果对初始的第一文案推送模型进行训练；若训练轮数达到最大训练轮数或者训练后的第一文案推送模型的损失函数收敛，则停止训练，得到所述第一文案推送模型，其中，所述第一文案推送模型的输出结果是所述第一样本的实际推送文案及其概率。
在本说明书实施例中，可以由服务端训练第一文案推送模型，并将第一文案推送模型推送到客户端。由服务端训练第一文案推送模型，可以便于第一文案推送模型推送到各个客户端，也便于对各个客户端上的第一文案推送模型进行更新。
在上述实施例的基础上，可选的，所述服务端训练所述第二文案推送模型的方式为：获取第二样本集合，所述第二样本集合中的第二样本包括至少一种服务端特征，以及与所述至少一种服务端特征组合的第一样本的模型输出结果，其中，通过所述第一文案推送模型得到所述第一样本的模型输出结果；确定所述第二样本的第二标注结果，所述第二标注结果用于指示所述第二样本对应的期望推送文案；根据所述第二样本集合以及各个第二标注结果对初始的第二文案推送模型进行训练；若训练轮数达到最大训练轮数或者训练后的第二文案推送模型的损失函数收敛，则停止训练，将训练后的第二文案推送模型确定为所述第二文案推送模型，其中，所述第二文案推送模型的输出结果是所述第二样本的实际推送文案及其概率。
需要指出的是，上述模型训练涉及的到最大训练轮数、损失函数可以根据实际的情形进行设定。其中，在计算损失函数时可以采用梯度下降法。以下为一种示例的损失函数：
Figure BDA0002604043160000131
其中，m为样本总数，x(i)为第i个样本，y(i)为第i个样本的实际输出结果，hθ(x(i))为第i个样本的期望输出结果，J(θ)为损失函数，θ为参数，求解最优的θ，使损失函数J(θ)取最小值。
需要指出的是，若生物核身方式有N种，上述模型训练时，需要考虑以下几种情况：用户未开通任一种生物核身方式、用户开通一种生物核身方式、用户开通两种生物核身方式……用户开通N-1种生物核身方式。根据以上几种情况准备第一样本集合和第二样本集合，以及对第一样本集合中的第一样本进行标注，对第二样本集合中的第二样本进行标注，标注处理后的第一样本集合和标注处理后的第二样本集合能够覆盖以上需要考虑的几种情形，使得训练得到的第一文案推荐模型、第二文案推荐模型可以按照以上几种情形进行文案推荐。
以生物核身方式包括指纹核身方式、刷脸核身方式、面容核身方式等3种核身方式为例，需要考虑以下几种情况：
在未开通任一种生物核身方式的情况下，推荐指纹核身方式；
在未开通任一种生物核身方式的情况下，推荐刷脸核身方式；
在未开通任一种生物核身方式的情况下，推荐面容核身方式；
在已开通指纹核身方式的情况下，推荐刷脸核身方式；
在已开通指纹核身方式的情况下，推荐面容核身方式；
在已开通刷脸核身方式的情况下，推荐指纹核身方式；
在已开通刷脸核身方式的情况下，推荐面容核身方式；
在已开通面容核身方式的情况下，推荐刷脸核身方式；
在已开通面容核身方式的情况下，推荐指纹核身方式；
在已开通指纹核身方式、刷脸核身方式的情况下，推荐面容核身方式；
在已开通指纹核身方式、面容核身方式的情况下，推荐刷脸核身方式；
在已开通刷脸核身方式、面容核身方式的情况下，推荐指纹核身方式。
具体而言，训练得到的第一文案推荐模型、第二文案推荐模型可以按照以上几种情形进行文案推荐，推荐用户尚未开通的生物核身方式，而不会推荐用户已开通的生物核身方式。
图3为本说明书实施例提供的另一种文案推送方法的流程示意图。该方法应用于客户端，该方法应用于客户端，客户端可以是配置在任意类型的电子设备，包括但不限于：手机、平板电脑、智能可穿戴设备、车机、个人计算机、大中型计算机、计算机集群等。
如图3所示，该文案推送方法可以包括以下步骤：
步骤302：响应目标操作，获取客户端特征。
在本说明书实施例中，目标操作可以视为进行文案推荐的触发条件。在不同的应用场景中，目标操作不同。例如，在支付场景中，目标操作可以是支付完成操作。在登录应用程序的场景中，目标操作为确认登录操作。
在本说明书实施例中，客户端特征最能反映用户当前的业务需求，客户端处理客户端特征所得到第一推荐结果具有很好的实时性，进而有助于后续服务端提升核身方式推荐的准确性。
在本说明书实施例中，客户端特征与实际的应用场景相关，不同的应用场景可以有不同的客户端特征，根据具体的核身业务需求获取相应的客户端特征。
作为一种示例，客户端特征包括以下特征中的一种或多种：所述客户端侧的用户特征、所述客户端所在的电子设备的设备特征、所述电子设备所处环境的环境特征，当然，客户端特征并不限于上述特征，可以根据具体的核身业务需求确定具体的客户端特征。
其中，客户端侧的用户特征可以理解为由客户端通过对用户数据的分析得到的用户特征，该客户端侧的用户特征主要是对生物核身方式有影响的特征。
其中，客户端所在的电子设备的设备特征主要是对生物核身方式有影响的特征，设备特征例如为电子设备的加速度、指纹模组的灵敏度等。
其中，电子设备所处环境的环境特征主要是对生物核身方式有影响的特征，环境特征例如为电子设备所处环境的光照强度。
以应用场景为支付场景为例，客户端特征包括以下特征中的一种或多种：核身页面的页面停留时长、所述核身页面的页面行为轨迹、配置所述客户端的电子设备所处环境中的光照强度、所述电子设备的加速度、所述电子设备中指纹模组的灵敏度。其中，核身页面的页面停留时长、所述核身页面的页面行为轨迹可以理解为客户端侧的用户特征。
其中，核身页面是用户已开通的核身方式的页面。分析核身页面的页面停留时长可以判断用户对于当前核身方式的意愿是否足够强。例如当前核身方式为密码核身，若用户在密码核身的页面上停留时长较强，说明用户比较偏好密码核身方式，可以不向该用户推荐其他的核身方式。
其中，核身页面的页面行为轨迹是指用户在核身页面上的点击顺序。分析核身页面的页面行为轨迹可以判断用户是否对该核身页面对应的核身方式是否有犹豫，犹豫的话，说明可以向该用户推送其他的核身方式。
其中，配置客户端的电子设备所处环境中的光照强度可以用来判断是否适合进行刷脸核身方式或面容核身方式。例如，光照强度小于预设的光照强度阈值，这时认为光照强度较小，说明电子设备处于暗环境中，不是很适合推荐刷脸核身方式或面容核身方式。
其中，电子设备的加速度可以用来判断是否适合进行刷脸核身方式或面容核身方式。例如，电子设备的加速度大于预设的加速度阈值，这时认为电子设备的加速度较大，说明不适合推荐刷脸核身方式或面容核身方式。
其中，电子设备中指纹模组的灵敏度可以用来判断是否适合进行指纹核身方式。例如，指纹模组的灵敏度大于预设的灵敏度阈值，这时认为指纹模组的灵敏度较差，说明不适合推荐指纹核身方式。
步骤304：将所述客户端特征输入到所述客户端本地的第一文案推送模型中，得到第一推送结果，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率。
在本说明书实施例中，可以在客户端本地部署第一文案推送模型，该第一文案推送模型能够基于输入的客户端特征输出第一推送结果。第一文案推送模型可以处理多分类问题，根据输入的客户端特征确定各个候选文案被推送给用户的概率。
可以理解的是，由客户端执行客户端特征的处理流程，相比由服务端执行客户端特征的处理流程，能够减少服务端内存和计算资源的消耗，减轻***压力。
可以理解的是，客户端特征是满足实时性要求的特征，客户端特征最能反应用户当时的核身体验，基于客户端特征进行推荐可以较为准确地理解用户的当前需求。当客户端特征包括的用户特征越多，对用户的理解越全面，越能提升生物核身方式推荐的准确性。此外，当客户端特征包含用户特征，不便将客户端特征上传到服务端，因此，由客户端执行客户端特征的处理流程，而不由服务端执行客户端特征的处理流程，可以避免因客户端特征被上传到服务端带来泄露用户的隐私信息的安全风险。进而在实现对用户隐私的保护的前提下，还能获取更多实时的包括用户特征的客户端特征，提升了生物核身方式推荐的准确性。
可选的，第一文案推送模型可以是LR(Logistic Regression，逻辑回归)模型、XGBoost(eXtreme Gradient Boosting，极端梯度提升)模型、神经网络模型，但并不限于此。其中，LR模型、XGBoost模型、神经网络模型均可以处理多分类问题。
优选的，第一文案推送模型为轻量级的LR模型，以尽可能地减少第一文案推送模型对客户端的计算资源的消耗，尽可能地避免客户端所在的电子设备的电量消耗过快。
在本说明书实施例中，客户端特征最能反映用户当前的业务需求，客户端处理客户端特征所得到第一推荐结果具有很好的实时性，进而有助于后续服务端提升核身方式推荐的准确性。
步骤306：将所述第一推送结果发送给服务端，所述第一推送结果用于所述服务端将所述第一推送结果和服务端特征输入到所述服务端本地的第二文案推送模型中以得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率。
需要指出的是，关于服务端的内容可以参见上述实施例的介绍，本实施例不再赘述。
步骤308：接收所述服务端返回的第二推送结果。
步骤310：根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
在本说明书实施例中，通过客户端与服务端结合的方式判断是否推荐用户开通新的生物核身方式，并在确定用户需要开通新的生物核身方式时，确定采用哪种文案推送给用户的转化效果好，进而满足用户开通多种生物核身方式的需求，能够地避免了频繁向用户推荐生物核身方式造成的资源浪费，有效地避免了对用户的频繁打扰，保证了良好的核身体验。
例如，客户端分析第二推送结果，确定没有一个候选文案的第二推送概率大于推送概率阈值，这时，客户端可以确定无需向用户推送文案。
又例如，客户端分析第二推送结果，确定存在至少一个候选文案的第二推送概率大于推送概率阈值，这时，客户端可以确定需要向用户推送文案，可以将第二推送概率最大的候选文案作为目标文案推送给用户。当然，若检测到用户拒绝推送的目标文案，可以按照第二推送概率从大到小的顺序，依次将剩下的第二推送概率较大的候选文案作为新的目标文案推送给用户，直到达到最大推送次数或者检测到用户接受所推送的目标文案。其中，以不打扰用户为目标，根据实际业务需求设定最大推送次数，例如，最大推送次数为2次。向用户推送的文案的概率大于推送概率阈值，该推送概率阈值视实际情形而定。
本说明书实施例提供的文案推送方法，通过客户端与服务端结合的方式判断是否推荐用户开通新的生物核身方式，可以较为准确地识别出用户当前是否有开通生物核身方式的业务需求，将适合用户的生物核身方式推荐给用户，生物核身方式推送的实时性更好、准确性更高。
本说明书实施例还提供一种对应于图2的文案推送装置。图4为本说明书实施例提供的一种文案推送装置的结构示意图。如图4所示，该文案推送装置包括：
第一接收模块10，接收客户端发送的第一推送结果，其中，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
第一处理模块20，获取服务端特征，以及将所述第一推送结果和所述服务端特征输入到所述服务端本地的第二文案推送模型中，得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
第一发送模块30，将所述第二推送结果发送给所述客户端，所述第二推送结果用于所述客户端根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述第二推送结果还用于所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
进一步的，所述第一推送结果是所述客户端本地的第一文案推送模型处理客户端特征得到的，所述服务端训练所述第一文案推送模型的方式为：
获取第一样本集合，所述第一样本集合中的第一样本包括一种或多种客户端特征；
确定所述第一样本的第一标注结果，所述第一标注结果用于指示所述第一样本对应的期望推送文案；
根据所述第一样本集合以及各个第一标注结果对初始的第一文案推送模型进行训练；
若训练轮数达到最大训练轮数或者训练后的第一文案推送模型的损失函数收敛，则停止训练，得到所述第一文案推送模型，其中，所述第一文案推送模型的输出结果是所述第一样本的实际推送文案及其概率。
进一步的，所述服务端训练所述第二文案推送模型的方式为：
获取第二样本集合，所述第二样本集合中的第二样本包括至少一种服务端特征，以及与所述至少一种服务端特征组合的第一样本的模型输出结果，其中，通过所述第一文案推送模型得到所述第一样本的模型输出结果；
确定所述第二样本的第二标注结果，所述第二标注结果用于指示所述第二样本对应的期望推送文案；
根据所述第二样本集合以及各个第二标注结果对初始的第二文案推送模型进行训练；
若训练轮数达到最大训练轮数或者训练后的第二文案推送模型的损失函数收敛，则停止训练，将训练后的第二文案推送模型确定为所述第二文案推送模型，其中，所述第二文案推送模型的输出结果是所述第二样本的实际推送文案及其概率。
进一步的，所述服务端特征包括：服务端侧的用户特征。
进一步的，所述服务端特征包括：实时特征和离线特征；
其中，所述实时特征包括以下特征中的一种或多种：所述用户的当前核身方式、所述用户是否将当前核身方式切换密码核身方式、所述用户的当前支付场景；
其中，所述离线特征包括以下特征中的一种或多种：所述用户的历史核身成功率、所述用户对核身方式的偏好信息、所述用户的历史支付信息、用户的电子设备的品牌信息。
进一步的，所述生物核身方式包括以下任一种：
指纹核身方式、刷脸核身方式、面容核身方式。
本说明书提供的装置是与本申请提供的方法一一对应的，因此，所述装置也具有与所述方法类似的有益技术效果，由于上面已经对所述方法的有益技术效果进行了详细说明，因此，这里不再赘述所述装置的有益技术效果。
本说明书实施例还提供一种对应于图3的文案推送装置。图5为本说明书实施例提供的另一种文案推送装置的结构示意图。如图5所示，该文案推送的装置包括：
获取模块40，响应目标操作，获取客户端特征；
第二处理模块50，将所述客户端特征输入到所述客户端本地的第一文案推送模型中，得到第一推送结果，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
第二发送模块60，将所述第一推送结果发送给服务端，所述第一推送结果用于所述服务端将所述第一推送结果和服务端特征输入到所述服务端本地的第二文案推送模型中以得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
第二接收模块70，接收所述服务端返回的第二推送结果；
所述第二处理模块50，根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
进一步的，所述客户端特征包括以下特征中的一种或多种：
所述客户端侧的用户特征、所述客户端所在的电子设备的设备特征、所述电子设备所处环境的环境特征。
进一步的，所述客户端特征包括以下特征中的一种或多种：核身页面的页面停留时长、所述核身页面的页面行为轨迹、配置所述客户端的电子设备所处环境中的光照强度、所述电子设备的加速度、所述电子设备中指纹模组的灵敏度。
本说明书提供的装置是与本申请提供的方法一一对应的，因此，所述装置也具有与所述方法类似的有益技术效果，由于上面已经对所述方法的有益技术效果进行了详细说明，因此，这里不再赘述所述装置的有益技术效果。
本说明书实施例还提供一种电子设备。图6为本说明书实施例提供的一种电子设备的结构示意图。如图6所示，该电子设备包括：存储器11以及处理器12，所述存储器11存储程序，并且被配置成由所述处理器12执行以下步骤：
接收客户端发送的第一推送结果，其中，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
获取服务端特征，以及将所述第一推送结果和所述服务端特征输入到所述服务端本地的第二文案推送模型中，得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
将所述第二推送结果发送给所述客户端，所述第二推送结果用于所述客户端根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述第二推送结果还用于所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
和/或，被配置成由所述处理器12执行以下步骤：
响应目标操作，获取客户端特征；
将所述客户端特征输入到所述客户端本地的第一文案推送模型中，得到第一推送结果，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
将所述第一推送结果发送给服务端，所述第一推送结果用于所述服务端将所述第一推送结果和服务端特征输入到所述服务端本地的第二文案推送模型中以得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
接收所述服务端返回的第二推送结果；
根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
本说明书实施例还提供了上述方法对应的计算机可读介质。计算机可读介质上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现以下方法：
接收客户端发送的第一推送结果，其中，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
获取服务端特征，以及将所述第一推送结果和所述服务端特征输入到所述服务端本地的第二文案推送模型中，得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
将所述第二推送结果发送给所述客户端，所述第二推送结果用于所述客户端根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述第二推送结果还用于所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
和/或，所述计算机可读指令可被处理器执行以实现以下方法：
响应目标操作，获取客户端特征；
将所述客户端特征输入到所述客户端本地的第一文案推送模型中，得到第一推送结果，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
将所述第一推送结果发送给服务端，所述第一推送结果用于所述服务端将所述第一推送结果和服务端特征输入到所述服务端本地的第二文案推送模型中以得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
接收所述服务端返回的第二推送结果；
根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (12)

1.一种文案推送方法，应用于服务端，包括：
接收客户端发送的第一推送结果，其中，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
获取服务端特征，以及将所述第一推送结果和所述服务端特征输入到所述服务端本地的第二文案推送模型中，得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
将所述第二推送结果发送给所述客户端，所述第二推送结果用于所述客户端根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述第二推送结果还用于所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
2.如权利要求1所述方法，所述第一推送结果是所述客户端本地的第一文案推送模型处理客户端特征得到的，所述服务端训练所述第一文案推送模型的方式为：
获取第一样本集合，所述第一样本集合中的第一样本包括一种或多种客户端特征；
确定所述第一样本的第一标注结果，所述第一标注结果用于指示所述第一样本对应的期望推送文案；
根据所述第一样本集合以及各个第一标注结果对初始的第一文案推送模型进行训练；
若训练轮数达到最大训练轮数或者训练后的第一文案推送模型的损失函数收敛，则停止训练，得到所述第一文案推送模型，其中，所述第一文案推送模型的输出结果是所述第一样本的实际推送文案及其概率。
3.如权利要求2所述方法，所述服务端训练所述第二文案推送模型的方式为：
获取第二样本集合，所述第二样本集合中的第二样本包括至少一种服务端特征，以及与所述至少一种服务端特征组合的第一样本的模型输出结果，其中，通过所述第一文案推送模型得到所述第一样本的模型输出结果；
确定所述第二样本的第二标注结果，所述第二标注结果用于指示所述第二样本对应的期望推送文案；
根据所述第二样本集合以及各个第二标注结果对初始的第二文案推送模型进行训练；
若训练轮数达到最大训练轮数或者训练后的第二文案推送模型的损失函数收敛，则停止训练，将训练后的第二文案推送模型确定为所述第二文案推送模型，其中，所述第二文案推送模型的输出结果是所述第二样本的实际推送文案及其概率。
4.如权利要求1至3任一项所述方法，所述服务端特征包括：服务端侧的用户特征。
5.如权利要求1至3任一项所述方法，所述服务端特征包括：实时特征和离线特征；
其中，所述实时特征包括以下特征中的一种或多种：所述用户的当前核身方式、所述用户是否将当前核身方式切换密码核身方式、所述用户的当前支付场景；
其中，所述离线特征包括以下特征中的一种或多种：所述用户的历史核身成功率、所述用户对核身方式的偏好信息、所述用户的历史支付信息、用户的电子设备的品牌信息。
6.如权利要求1至3任一项所述方法，所述生物核身方式包括以下任一种：
指纹核身方式、刷脸核身方式、面容核身方式。
7.一种文案推送方法，应用于客户端，包括：
响应目标操作，获取客户端特征；
将所述客户端特征输入到所述客户端本地的第一文案推送模型中，得到第一推送结果，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
将所述第一推送结果发送给服务端，所述第一推送结果用于所述服务端将所述第一推送结果和服务端特征输入到所述服务端本地的第二文案推送模型中以得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
接收所述服务端返回的第二推送结果；
根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
8.如权利要求7所述方法，所述客户端特征包括以下特征中的一种或多种：
所述客户端侧的用户特征、所述客户端所在的电子设备的设备特征、所述电子设备所处环境的环境特征。
9.如权利要求7所述方法，所述客户端特征包括以下特征中的一种或多种：核身页面的页面停留时长、所述核身页面的页面行为轨迹、配置所述客户端的电子设备所处环境中的光照强度、所述电子设备的加速度、所述电子设备中指纹模组的灵敏度。
10.一种文案推送装置，包括：
第一接收模块，接收客户端发送的第一推送结果，其中，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
第一处理模块，获取服务端特征，以及将所述第一推送结果和所述服务端特征输入到所述服务端本地的第二文案推送模型中，得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
第一发送模块，将所述第二推送结果发送给所述客户端，所述第二推送结果用于所述客户端根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述第二推送结果还用于所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
11.一种文案推送装置，包括：
获取模块，响应目标操作，获取客户端特征；
第二处理模块，将所述客户端特征输入到所述客户端本地的第一文案推送模型中，得到第一推送结果，所述第一推送结果包括用于指示生物核身方式的各个候选文案对应的第一推送概率，所述第一推送概率表征对应的候选文案被推送给用户的概率；
第二发送模块，将所述第一推送结果发送给服务端，所述第一推送结果用于所述服务端将所述第一推送结果和服务端特征输入到所述服务端本地的第二文案推送模型中以得到第二推送结果，所述第二推送结果包括各个所述候选文案对应的第二推送概率，所述第二推送概率表征对应的候选文案被推送给用户的概率；
第二接收模块，接收所述服务端返回的第二推送结果；
所述第二处理模块，根据所述第二推送结果判断是否向用户进行文案推送，若判断出需要向用户进行文案推送，则所述客户端根据所述第二推送结果从各个所述候选文案中选择目标文案推送给用户。
12.一种电子设备，包括存储器以及处理器，所述存储器存储程序，并且被配置成由所述处理器执行权利要求1-6中任一项所述的文案推送方法或者权利要求7-9中任一项所述的文案推送方法。
CN202010733172.5A 2020-07-27 2020-07-27 文案推送方法、装置及电子设备 Pending CN111782960A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010733172.5A CN111782960A (zh) 2020-07-27 2020-07-27 文案推送方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010733172.5A CN111782960A (zh) 2020-07-27 2020-07-27 文案推送方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN111782960A true CN111782960A (zh) 2020-10-16

Family

ID=72765049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010733172.5A Pending CN111782960A (zh) 2020-07-27 2020-07-27 文案推送方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN111782960A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109558199A (zh) * 2018-11-29 2019-04-02 广州市百果园信息技术有限公司 一种信息推送方法、装置、设备和存储介质
WO2019174395A1 (zh) * 2018-03-13 2019-09-19 阿里巴巴集团控股有限公司 一种信息推荐的方法、装置及设备
WO2020039241A1 (zh) * 2018-08-24 2020-02-27 优视科技新加坡有限公司 消息推送方法及其装置、设备/终端/服务器、计算机可读介质
CN110852793A (zh) * 2019-10-28 2020-02-28 北京深演智能科技股份有限公司 文案推荐方法及装置、电子设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019174395A1 (zh) * 2018-03-13 2019-09-19 阿里巴巴集团控股有限公司 一种信息推荐的方法、装置及设备
WO2020039241A1 (zh) * 2018-08-24 2020-02-27 优视科技新加坡有限公司 消息推送方法及其装置、设备/终端/服务器、计算机可读介质
CN109558199A (zh) * 2018-11-29 2019-04-02 广州市百果园信息技术有限公司 一种信息推送方法、装置、设备和存储介质
CN110852793A (zh) * 2019-10-28 2020-02-28 北京深演智能科技股份有限公司 文案推荐方法及装置、电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋闻达;: "基于深度检测的用户行为分析以及Web推送的设计与实现", 软件, no. 12 *

Similar Documents

Publication Publication Date Title
CN107358157B (zh) 一种人脸活体检测方法、装置以及电子设备
CN107679686B (zh) 一种业务执行方法及装置
US20220058524A1 (en) Distributed training of machine learning models for personalization
US10692089B2 (en) User classification using a deep forest network
US11093774B2 (en) Optical character recognition error correction model
US20200202068A1 (en) Computing apparatus and information input method of the computing apparatus
CN111325444B (zh) 一种风险防控决策方法、装置、***及设备
CN110674188A (zh) 一种特征提取方法、装置及设备
US10831870B2 (en) Intelligent user identification
CN113826135B (zh) 使用话音识别进行非接触式认证的***、方法和计算机***
CN110008394B (zh) 一种舆情信息的识别方法、装置及设备
CN111292734A (zh) 一种语音交互方法和装置
CN113111340A (zh) 一种显示登录方式选项的方法、装置、设备和可读介质
CN115146601A (zh) 语言处理任务的执行方法、装置、可读存储介质以及设备
CN110532755B (zh) 一种计算机实现的风险识别的方法及装置
CN114819614A (zh) 数据处理方法、装置、***及设备
CN116909889A (zh) 一种模型的风险评测方法、装置及设备
CN110705622A (zh) 一种决策方法、***以及电子设备
CN115545720B (zh) 一种模型训练的方法、业务风控的方法及装置
CN113408254A (zh) 一种页面表单信息填写方法、装置、设备和可读介质
CN113221717A (zh) 一种基于隐私保护的模型构建方法、装置及设备
JP2021149965A (ja) 申告評価装置およびその動作方法
CN112597459A (zh) 一种身份验证方法及装置
CN111400443A (zh) 信息处理方法、装置及存储介质
CN111782960A (zh) 文案推送方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination