CN114647775A - 信息推送方法、装置及电子设备 - Google Patents
信息推送方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114647775A CN114647775A CN202011522713.6A CN202011522713A CN114647775A CN 114647775 A CN114647775 A CN 114647775A CN 202011522713 A CN202011522713 A CN 202011522713A CN 114647775 A CN114647775 A CN 114647775A
- Authority
- CN
- China
- Prior art keywords
- information
- pushing
- industry
- request
- degree
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012549 training Methods 0.000 claims description 55
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开关于一种信息推送方法、装置及电子设备,涉及数据处理技术领域,其中,该方法包括:获取信息推送请求,其中,信息推送请求包括:用户特征、设备特征以及行业类型;根据用户特征以及行业类型,获取与信息推送请求对应的候选信息序列,其中,候选信息序列包括:按照推送度排序的至少一个信息;结合历史时间段内行业类型对应的行业内各个信息的推送度、用户特征以及设备特征对行业的预设推送度门槛进行调整,得到与信息推送请求对应的推送度门槛;结合与信息推送请求对应的推送度门槛,从候选信息序列中选择待推送的信息,并进行信息推送,提高了信息推送效率,以及推送信息的准确度。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种信息推送方法、装置及电子设备。
背景技术
随着经济的发展,市场竞争也越发激烈,信息***需要针对用户的请求进行信息推送。信息推送时,需要根据推送条件召回信息,并基于手工设置的门槛过滤掉推送度较低的信息,进而选择信息进行推送。
但是,手工设置的门槛是固定的,例如,针对某个行业类型,推送度较高的信息较多,若门槛设置的过高,则会导致向用户推送的信息过少。针对某个行业类型,推送度较低的信息较多,若门槛设置的过低,则会导致向用户推送大量不合适的信息,从而降低了信息推送效率,以及推送的信息的准确度。
发明内容
本公开提供一种信息推送方法、装置及电子设备,以至少解决相关技术中,手工设置的门槛是固定的,导致向用户推送的信息过少,或者向用户推送大量不合适信息,降低信息推送效率以及推送信息的准确度的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种信息推送方法,包括:获取信息推送请求,其中,所述信息推送请求包括:用户特征、设备特征以及行业类型;根据所述用户特征以及所述行业类型,获取与所述信息推送请求对应的候选信息序列,其中,所述候选信息序列包括:按照推送度排序的至少一个信息;结合历史时间段内所述行业类型对应的行业内各个信息的推送度、所述用户特征以及所述设备特征对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛;结合与所述信息推送请求对应的推送度门槛,从所述候选信息序列中选择待推送的信息,并进行信息推送。
根据本公开的一个实施例,所述结合历史时间段内所述行业类型对应的行业内各个信息的推送度、所述用户特征以及所述设备特征对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛,包括:根据所述用户特征以及所述设备特征,确定所述信息推送请求的质量;结合历史时间段内所述行业类型对应的行业内各个信息的推送度,确定所述历史时间段内所述行业的信息平均推送度;根据所述历史时间段内所述行业的信息平均推送度以及所述信息推送请求的质量对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛。
根据本公开的一个实施例,所述根据所述用户特征以及所述设备特征,确定所述信息推送请求的质量,包括:获取预设的质量预测模型;将所述用户特征以及所述设备特征输入所述质量预测模型,获取所述信息推送请求的质量,其中,所述质量预测模型,用于结合所述信息推送请求中的用户特征和设备特征,预测所述信息推送请求的质量。
根据本公开的一个实施例,在获取预设的质量预测模型之前,还包括:获取训练数据,所述训练数据包括:正例训练数据和负例训练数据,其中,所述正例训练数据包括:第一用户特征和第一设备特征,所述第一用户特征和所述第一设备特征分别为第一信息推送请求中的用户特征和设备特征,所述第一信息推送请求为所推送的信息被转化的信息推送请求;所述负例训练数据包括:第二用户特征和第二设备特征,所述第二用户特征和所述第二设备特征分别为第二信息推送请求中的用户特征和设备特征,所述第二信息推送请求为所推送的信息未被转化的信息推送请求;采用所述正例训练数据和所述负例训练数据对初始质量预测模型进行训练,得到所述预设的质量预测模型。
根据本公开的一个实施例,所述结合历史时间段内所述行业类型对应的行业内各个信息的推送度,确定所述历史时间段内所述行业的信息平均推送度之前,还包括:针对所述行业类型对应的行业内的每个信息,获取所述信息在所述历史时间段内的属性信息以及被点击记录;根据所述信息在所述历史时间段内的属性信息、所述被点击记录以及推送度预测模型,获取所述信息的推送度。
根据本公开的一个实施例,所述根据所述历史时间段内所述行业的信息平均推送度以及所述信息推送请求的质量对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛,包括:根据所述历史时间段内所述行业的信息平均推送度,对所述行业的预设推送度门槛进行负调整,得到第一推送度门槛;根据所述信息推送请求的质量,对所述第一推送度门槛进行负调整,得到与所述信息推送请求对应的推送度门槛。
根据本公开的一个实施例,所述历史时间段内所述行业的信息平均推送度,对所述行业的预设推送度门槛进行负调整,得到第一推送度门槛,包括:获取所述行业的预设推送度门槛与所述行业的信息平均推送度进行差值处理,得到所述第一推送度门槛;所述根据所述信息推送请求的质量,对所述第一推送度门槛进行负调整,得到与所述信息推送请求对应的推送度门槛,包括:获取预设总质量与所述信息推送请求的质量的第二差值;将所述第二差值与所述第一推送度门槛进行乘积处理,得到与所述信息推送请求对应的推送度门槛。
根据本公开的一个实施例,所述结合与所述信息推送请求对应的推送度门槛,从所述候选信息序列中选择待推送的信息,并进行信息推送,包括:删除所述候选信息序列中的第一候选信息,得到处理后的候选信息序列;其中,所述第一候选信息为所述候选信息序列中对应的推送度小于与所述信息推送请求对应的推送度门槛的信息;从所述处理后的候选信息序列中选择排序在前的第一预设数量的信息作为待推送的信息,并进行信息推送。
根据本公开的一个实施例,所述根据所述用户特征以及所述行业类型,获取与所述信息推送请求对应的候选信息序列,包括:召回与所述用户特征以及所述行业类型匹配的第一信息;结合所述第一信息的属性信息、被点击记录以及推送度预测模型,获取所述第一信息的推送度;按照对应的推送度对所述第一信息进行排序,并获取排序在前的第二预设数量的第二信息;根据所述第二信息,生成所述候选信息序列。
根据本公开实施例的第二方面,提供一种信息推送装置,包括:第一获取模块,被配置为获取信息推送请求,其中,所述信息推送请求包括:用户特征、设备特征以及行业类型;第二获取模块,被配置为根据所述用户特征以及所述行业类型,获取与所述信息推送请求对应的候选信息序列,其中,所述候选信息序列包括:按照推送度排序的至少一个信息;调整模块,被配置为结合历史时间段内所述行业类型对应的行业内各个信息的推送度、所述用户特征以及所述设备特征对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛;推送模块,被配置为结合与所述信息推送请求对应的推送度门槛,从所述候选信息序列中选择待推送的信息,并进行信息推送。
根据本公开的一个实施例,所述调整模块包括:第一确定单元,被配置为根据所述用户特征以及所述设备特征,确定所述信息推送请求的质量;第二确定单元,被配置为结合历史时间段内所述行业类型对应的行业内各个信息的推送度,确定所述历史时间段内所述行业的信息平均推送度;调整单元,被配置为根据所述历史时间段内所述行业的信息平均推送度以及所述信息推送请求的质量对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛。
根据本公开的一个实施例,所述第一确定单元具体被配置为:获取预设的质量预测模型;将所述用户特征以及所述设备特征输入所述质量预测模型,获取所述信息推送请求的质量,其中,所述质量预测模型,用于结合所述信息推送请求中的用户特征和设备特征,预测所述信息推送请求的质量。
根据本公开的一个实施例,所述调整模块还包括:训练单元,被配置为获取训练数据,所述训练数据包括:正例训练数据和负例训练数据,其中,所述正例训练数据包括:第一用户特征和第一设备特征,所述第一用户特征和所述第一设备特征分别为第一信息推送请求中的用户特征和设备特征,所述第一信息推送请求为所推送的信息被转化的信息推送请求;所述负例训练数据包括:第二用户特征和第二设备特征,所述第二用户特征和所述第二设备特征分别为第二信息推送请求中的用户特征和设备特征,所述第二信息推送请求为所推送的信息未被转化的信息推送请求;采用所述正例训练数据和所述负例训练数据对初始质量预测模型进行训练,得到所述预设的质量预测模型。
根据本公开的一个实施例,所述调整模块还包括:获取单元,被配置为针对所述行业类型对应的行业内的每个信息,获取所述信息在所述历史时间段内的属性信息以及被点击记录;根据所述信息在所述历史时间段内的属性信息、所述被点击记录以及推送度预测模型,获取所述信息的推送度。
根据本公开的一个实施例,所述调整单元具体被配置为:根据所述历史时间段内所述行业的信息平均推送度,对所述行业的预设推送度门槛进行负调整,得到第一推送度门槛;根据所述信息推送请求的质量,对所述第一推送度门槛进行负调整,得到与所述信息推送请求对应的推送度门槛。
根据本公开的一个实施例,所述调整单元具体被配置为:获取所述行业的预设推送度门槛与所述行业的信息平均推送度进行差值处理,得到所述第一推送度门槛;获取预设总质量与所述信息推送请求的质量的第二差值;将所述第二差值与所述第一推送度门槛进行乘积处理,得到与所述信息推送请求对应的推送度门槛。
根据本公开的一个实施例,所述推送模块包括:删除单元,被配置为删除所述候选信息序列中的第一候选信息,得到处理后的候选信息序列;其中,所述第一候选信息为所述候选信息序列中对应的推送度小于与所述信息推送请求对应的推送度门槛的信息;推送单元,被配置为从所述处理后的候选信息序列中选择排序在前的第一预设数量的信息作为待推送的信息,并进行信息推送。
根据本公开的一个实施例,所述第二获取模块包括:召回单元,被配置为召回与所述用户特征以及所述行业类型匹配的第一信息;获取单元,被配置为结合所述第一信息的属性信息、被点击记录以及推送度预测模型,获取所述第一信息的推送度;排序单元,被配置为按照对应的推送度对所述第一信息进行排序,并获取排序在前的第二预设数量的第二信息;生成单元,被配置为根据所述第二信息,生成所述候选信息序列。
根据本公开实施例的第三方面,提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现如上所述的信息推送方法。
根据本公开实施例的第四方面,提供一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如上所述的信息推送方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,当计算机程序由电子设备的处理器执行时,使得电子设备能够执行如上所述的信息推送方法。
本公开的实施例提供的技术方案至少带来以下有益效果:通过结合历史时间段内行业类型对应的行业内各个信息的推送度、行业的预设推送度门槛、用户特征以及设备特征动态地调整信息推送请求对应的推送度门槛,并根据该推送度门槛进行信息推送,提高了信息推送效率,以及推送信息的准确度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一个示例性实施例示出的一种信息推送方法的流程图;
图2是根据一示例性实施例示出的另一种信息推送方法的流程图;
图3是根据一示例性实施例示出的又一种信息推送方法的流程图;
图4是根据一示例性实施例示出的预设的质量预测模型的示意图;
图5是根据一示例性实施例示出的一种信息推送装置的框图;
图6是根据一示例性实施例示出的一种用于信息推送的电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”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,以便这里描述的本公开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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一个示例性实施例示出的一种信息推送方法的流程图。需要说明的是,本公开实施例的信息推送方法被配置于信息推送装置中来举例说明,该信息推送装置可以应用于任一电子设备中,以使该电子设备可以执行信息推送功能。
如图1所示,包括以下步骤:
在步骤101中,获取信息推送请求,其中,信息推送请求包括:用户特征、设备特征以及行业类型。
在本公开实施例中,用户在打开网页或者切换网页时,用户所使用的终端设备会向网页后台服务器发送网页请求,后台服务器根据终端设备的网页请求提供相应的网页,同时基于网页请求向信息推送装置发送信息推送请求,以获取推送的信息,并在用户所请求的网页上展示信息。其中,信息推送请求可包括但不限于用户特征、设备特征以及行业类型。其中,用户特征可为信息面向的用户的特征,比如,用户的性别,男生或者女生,用户所属地域,用户年龄段等,设备特征可为信息适用的设备的特征,比如为设备版本、型号等,行业类型可为信息所属的领域,如电商信息、游戏信息、教育类信息等。
在步骤102中,根据用户特征以及行业类型,获取与信息推送请求对应的候选信息序列,其中,候选信息序列包括:按照推送度排序的至少一个信息。
为了可以准确地选出推送度较高的信息,在本公开实施例中,可根据用户特征以及行业类型,进行信息定向召回以及排序操作,选出候选信息序列。其中,需要说明的是,候选信息序列可包括:按照推送度排序的至少一个信息。此外,若根据用户特征以及行业类型,进行信息定向召回以及排序操作时,未获取到任何匹配的信息,则不进行信息推送。
作为一种示例,可通过召回与用户特征以及行业类型匹配的第一信息,接着,根据第一信息的属性信息、被点击记录及推送度预测模型,获取第一信息的推送度,根据对应的推送度对第一信息进行排序,获取排序在前的第二预设数量的第二信息,之后,根据第二信息生成候选信息序列。具体详见后续实施例的描述。
作为另一种示例,为了在不增加计算量的前提下进一步提高候选信息序列的生成准确度,获取第一信息的推送度的模型可以为轻量级推送度预测模型,获取第二信息之后,还可以执行以下过程:根据第二信息的属性信息、被点击记录及重量级推送度预测模型,重新获取第二信息的推送度,最后,根据第二信息的推送度对第二信息进行排序,根据排序在前的第三预设数量的信息生成候选信息序列。
在步骤103中,结合历史时间段内行业类型对应的行业内各个信息的推送度、用户特征以及设备特征对行业的预设推送度门槛进行调整,得到与信息推送请求对应的推送度门槛。
为了可以准确地动态地调整信息推送请求对应的推送度门槛,可选地,根据用户特征以及设备特征,确定信息推送请求的质量;结合历史时间段内行业类型对应的行业内各个信息的推送度,确定历史时间段内行业的信息平均推送度;根据历史时间段内行业的信息平均推送度以及信息推送请求的质量对行业的预设推送度门槛进行调整,得到与信息推送请求对应的推送度门槛。具体详见后续实施例的描述。
在步骤104中,结合与信息推送请求对应的推送度门槛,从候选信息序列中选择待推送的信息,并进行信息推送。
为了提高信息推送效率以及提高推送信息的准确度,作为一种示例,删除候选信息序列中的第一候选信息,得到处理后的候选信息序列;其中,第一候选信息为候选信息序列中对应的推送度小于与信息推送请求对应的推送度门槛的信息;从处理后的候选信息序列中选择排序在前的第一预设数量的信息作为待推送的信息,并进行信息推送。
也就是说,可将候选信息序列中的每个信息的推送度与信息推送请求对应的推送度门槛进行比对,若候选信息序列中存在对应的推送度小于所述推送度门槛的第一候选信息,则删除第一候选信息,之后,可将候选信息序列中剩余的信息进行推送度排序,将排序在前的第一预设数量的信息,作为待推送的信息并进行推送。
若候选信息序列中不存在对应的推送度小于所述推送度门槛的第一候选信息,可直接将候选信息序列中的信息进行推送度排序,将排序在前的第一预设数量的信息,作为待推送的信息并进行推送。由此,可对对应的推送度大于或等于所述推送度门槛的信息进行推送,提高了信息推送效率,以及推送信息的准确度。
综上,通过结合历史时间段内行业类型对应的行业内各个信息的推送度、行业的预设推送度门槛、用户特征以及设备特征动态地调整信息推送请求对应的推送度门槛,并根据该推送度门槛进行信息推送,提高了信息推送效率,以及推送信息的准确度。
图2是根据一示例性实施例示出的另一种信息推送方法的流程图,如图2所示,为了可以准确地选出推送度较高的信息,在本公开实施例中,可通过召回与用户特征及行业匹配的第一信息,接着,根据第一信息的属性信息、被点击记录及推送度预测模型获取第一信息的推送度,根据对应的推送度对第一信息进行排序,获取排序在前的第二预设数量的第二信息,之后,根据第二信息生成候选信息序列。对应的,图1所示实施例的步骤102中还可包括如下步骤:
在步骤201中,召回与用户特征以及行业类型匹配的第一信息。
在本公开实施例中,信息推送装置可根据用户特征和行业类型进行查找,将与用户特征与行业类型匹配的所有信息作为第一信息,并对第一信息进行召回。
也就是说,可根据用户特征(例如,用户的性别,男生或者女生,用户所属地域等)以及信息所属的领域(如电商信息、游戏信息、教育类信息等)进行查找,将与用户特征以及信息所属的领域相符合的所有信息作为第一信息,并将该第一信息进行召回。
在步骤202中,结合第一信息的属性信息、被点击记录以及推送度预测模型,获取第一信息的推送度。
在步骤203中,按照对应的推送度对第一信息进行排序,获取排序在前的第二预设数量的第二信息。
在步骤204中,根据第二信息,生成候选信息序列。
在本申请实施例中,为了在不增加计算量的前提下进一步提高生成的候选信息序列的准确度,获取第一信息的推送度的模型可以为轻量级推送度预测模型,获取第二信息之后,还可以执行以下过程:根据第二信息的属性信息、被点击记录及重量级推送度预测模型,重新获取第二信息的推送度,最后,根据第二信息的推送度对第二信息进行排序,根据排序在前的第三预设数量的信息生成候选信息序列。
其中,轻量级推送度预测模型可为规模较小、计算量较小、准确率较低的、用于信息推送度初步预测的神经网络模型。比如,轻量级推送度预测模型可根据第一信息的内容、创意、第一信息被用户点击的次数及浏览时间的记录等,对第一信息进行推送度预测,从而可获取第一信息的推送度。
其中,重量级推送度预测模型可为规模较大、计算量较大、准确率较高的、用于信息推送度精确预测的神经网络模型。
综上,通过召回与用户特征以及行业类型匹配的第一信息;结合第一信息的属性信息、被点击记录以及推送度预测模型,获取第一信息的推送度;根据第一信息的推送度对第一信息进行排序,获取排序在前的第二预设数量的第二信息;根据第二信息,生成候选信息序列,由此,可以准确地选出推送度较高的信息生成候选信息序列。
图3是根据一示例性实施例示出的又一种信息推送方法的流程图,如图3所示,为了可以准确地动态地设置信息推送请求对应的推送度门槛,可选地,根据用户特征以及设备特征,确定信息推送请求的质量;同时,结合历史时间段内行业类型对应的行业内各个信息的推送度,确定历史时间段内行业的信息平均推送度;最后,根据历史时间段内行业的信息平均推送度以及信息推送请求的质量对行业的预设推送度门槛进行调整,得到与信息推送请求对应的推送度门槛。对应的,图1所示实施例的步骤103中可包括如下步骤:
在步骤301中,根据用户特征以及设备特征,确定信息推送请求的质量。
可选地,获取预设的质量预测模型;将用户特征以及设备特征输入质量预测模型,获取信息推送请求的质量,其中,质量预测模型,用于结合信息推送请求中的用户特征和设备特征,预测信息推送请求的质量。
也就是说,可将信息推送请求中的用户特征及设备特征输入预设的质量预测模型中,该模型可输出该信息推送请求的质量(如,50%)。其中,需要说明的是,如图4所示,预设的质量预测模型可为经过训练的全连接神经网络模型,该模型可包括但不限于隐含层1、隐含层2及输出层。其中,输出层可采用公式sigmoid(WX+b)输出数值,其中,W,b为输出层系数,X可为隐含层2的输出。
为了准确地获取信息推送请求的质量,在将信息推送请求中的用户特征以及设备特征输入预设的质量预测模型之前,可先获取预设的质量预测模型。
作为一种示例,获取训练数据,训练数据包括:正例训练数据和负例训练数据,其中,正例训练数据包括:第一用户特征和第一设备特征,第一用户特征和第一设备特征分别为第一信息推送请求中的用户特征和设备特征,第一信息推送请求为所推送的信息被转化的信息推送请求;负例训练数据包括:第二用户特征和第二设备特征,第二用户特征和第二设备特征分别为第二信息推送请求中的用户特征和设备特征,第二信息推送请求为所推送的信息未被转化的信息推送请求;采用正例训练数据和负例训练数据对初始质量预测模型进行训练,得到预设的质量预测模型。
也就是说,若某个信息推送请求所推送的信息被转化,比如,用户对所推送的信息进行点击、浏览、通过信息进行相关账号注册、购买信息相关产品等,可将该信息推送请求中的用户特征和设备特征作为训练数据中的正例训练数据;若某个信息推送请求所推送的信息未被转化,比如,用户对所推送的信息未进行任何操作,可将该信息推送请求中的用户特征和设备特征作为训练数据中的负例训练数据。
进一步地,将训练数据中的正例训练数据和负例训练数据作为初始质量预测模型的输入,对初始质量预测模型进行训练,得到预设的质量预测模型。其中,需要说明的是,初始质量预测模型,可为未经训练的全连接神经网络模型;预设的质量预测模型输出的质量为0-1之间的数值。
在步骤302中,结合历史时间段内行业类型对应的行业内各个信息的推送度,确定历史时间段内行业的信息平均推送度。
在本公开实施例中,可将历史时间段内行业内的每个信息的推送度进行相加求和,并将该相加求和结果与该历史时间段内行业内的信息总数进行相比,将相比结果作为该历史时间段内行业的信息平均推送度。
其中,需要说明的是,将历史时间段内行业内的每个信息的推送度进行相加求和之前,可先获取该历史时间段内行业内的每个信息的推送度。
作为一种示例,针对行业类型对应的行业内的每个信息,获取信息在历史时间段内的属性信息以及被点击记录;根据信息在历史时间段内的属性信息、被点击记录以及推送度预测模型,获取信息的推送度。
也就是说,对于行业类型对应的行业内的每个信息,可获取该信息在历史时间段内的信息的属性信息(比如,内容、创意等)以及该信息的被点击记录(比如,点击次数等);将该信息在历史时间段内的属性信息、被点击记录输入至推送度预测模型中,该模型可输出该信息的推送度。其中,需要说明的是,推送度预测模型为对信息进行推送度预测的神经网络模型,行业类型对应的行业内信息的内容质量越高、创意越好、被点击记录越高,则该信息的推送度也越高。
在步骤303中,根据历史时间段内行业的信息平均推送度以及信息推送请求的质量对行业的预设推送度门槛进行调整,得到与信息推送请求对应的推送度门槛。
可选地,根据历史时间段内行业的信息平均推送度,对行业的预设推送度门槛进行负调整,得到第一推送度门槛;根据信息推送请求的质量,对第一推送度门槛进行负调整,得到与信息推送请求对应的推送度门槛。
其中,根据历史时间段内行业的信息平均推送度,对行业的预设推送度门槛进行负调整的过程例如可以为,获取行业的预设推送度门槛与行业的信息平均推送度进行差值处理,得到第一推送度门槛。根据信息推送请求的质量,对第一推送度门槛进行负调整的过程例如可以为,获取预设总质量与信息推送请求的质量的第二差值;将第二差值与第一推送度门槛进行乘积处理,得到与信息推送请求对应的推送度门槛。
举例而言,比如,将与信息推送请求对应的推送度门槛表示为ecpm_thre_H,将行业的预设推送度门槛表示为ecpm_pre_H,历史时间段内行业的信息平均推送度表示为ecpm_mean_H,预设总质量为1,信息推送请求的质量表示为pv_quality,则第一推送度门槛可表示为ecpm_pre_H-ecpm_mean_H,第二差值可表示为1-pv_quality,第一推送度门槛与第二差值进行乘积处理,得到的与信息推送请求对应的推送度门槛,可表示为ecpm_thre_H=(1-pv_quality)*(ecpm_pre_H-ecpm_mean_H)。
综上,根据用户特征以及设备特征,确定信息推送请求的质量;同时,结合历史时间段内行业类型对应的行业内各个信息的推送度,确定历史时间段内行业的信息平均推送度;最后,根据历史时间段内行业的信息平均推送度以及信息推送请求的质量对行业的预设推送度门槛进行调整,得到与信息推送请求对应的推送度门槛,从而可以准确地动态地设置信息推送请求对应的推送度门槛。
本公开实施例的信息推送方法,通过获取信息推送请求,其中,信息推送请求包括:用户特征、设备特征以及行业类型;根据用户特征以及行业类型,获取与信息推送请求对应的候选信息序列,其中,候选信息序列包括:按照推送度排序的至少一个信息;结合历史时间段内行业类型对应的行业内各个信息的推送度、用户特征以及设备特征对行业的预设推送度门槛进行调整,得到与信息推送请求对应的推送度门槛;结合与信息推送请求对应的推送度门槛,从候选信息序列中选择待推送的信息,并进行信息推送,提高了信息推送效率,以及推送信息的准确度。
图5是根据一示例性实施例示出的一种信息推送装置的框图。参照图5,该装置500包括:第一获取模块510、第二获取模块520、调整模块530、推送模块540。
其中,第一获取模块510,被配置为获取信息推送请求,其中,信息推送请求包括:用户特征、设备特征以及行业类型;第二获取模块520,被配置为根据所述用户特征以及所述行业类型,获取与所述信息推送请求对应的候选信息序列,其中,所述候选信息序列包括:按照推送度排序的至少一个信息;调整模块530,被配置为结合历史时间段内所述行业类型对应的行业内各个信息的推送度、所述用户特征以及所述设备特征对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛;推送模块540,被配置为结合与所述信息推送请求对应的推送度门槛,从所述候选信息序列中选择待推送的信息,并进行信息推送。
作为本公开实施例的一种可能实现方式,调整模块530包括:第一确定单元、第二确定单元、调整单元。
其中,第一确定单元,被配置为根据所述用户特征以及所述设备特征,确定所述信息推送请求的质量;第二确定单元,被配置为结合历史时间段内所述行业类型对应的行业内各个信息的推送度,确定所述历史时间段内所述行业的信息平均推送度;调整单元,被配置为根据所述历史时间段内所述行业的信息平均推送度以及所述信息推送请求的质量对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛。
作为本公开实施例的一种可能实现方式,第一确定单元具体被配置为:获取预设的质量预测模型;将所述用户特征以及所述设备特征输入所述质量预测模型,获取所述信息推送请求的质量,其中,所述质量预测模型,用于结合所述信息推送请求中的用户特征和设备特征,预测所述信息推送请求的质量。
作为本公开实施例的一种可能实现方式,调整模块530还包括:训练单元。
其中,训练单元,被配置为获取训练数据,所述训练数据包括:正例训练数据和负例训练数据,其中,所述正例训练数据包括:第一用户特征和第一设备特征,所述第一用户特征和所述第一设备特征分别为第一信息推送请求中的用户特征和设备特征,所述第一信息推送请求为所推送的信息被转化的信息推送请求;所述负例训练数据包括:第二用户特征和第二设备特征,所述第二用户特征和所述第二设备特征分别为第二信息推送请求中的用户特征和设备特征,所述第二信息推送请求为所推送的信息未被转化的信息推送请求;采用所述正例训练数据和所述负例训练数据对初始质量预测模型进行训练,得到所述预设的质量预测模型。
作为本公开实施例的一种可能实现方式,调整模块530还包括:获取单元。
其中,获取单元,被配置为针对所述行业类型对应的行业内的每个信息,获取所述信息在所述历史时间段内的属性信息以及被点击记录;根据所述信息在所述历史时间段内的属性信息、所述被点击记录以及推送度预测模型,获取所述信息的推送度。
作为本公开实施例的一种可能实现方式,调整单元具体被配置为:根据所述历史时间段内所述行业的信息平均推送度,对所述行业的预设推送度门槛进行负调整,得到第一推送度门槛;根据所述信息推送请求的质量,对所述第一推送度门槛进行负调整,得到与所述信息推送请求对应的推送度门槛。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例的信息推送装置,通过获取信息推送请求,其中,信息推送请求包括:用户特征、设备特征以及行业类型;根据用户特征以及行业类型,获取与信息推送请求对应的候选信息序列,其中,候选信息序列包括:按照推送度排序的至少一个信息;结合历史时间段内行业类型对应的行业内各个信息的推送度、用户特征以及设备特征对行业的预设推送度门槛进行调整,得到与信息推送请求对应的推送度门槛;结合与信息推送请求对应的推送度门槛,从候选信息序列中选择待推送的信息,并进行信息推送,提高了信息推送效率,以及推送信息的准确度。
图6是根据一示例性实施例示出的一种用于信息推送的电子设备的框图。
如图6所示,上述电子设备600包括:
存储器610及处理器620,连接不同组件(包括存储器610和处理器620)的总线630,存储器610存储有计算机程序,当处理器620执行所述程序时实现本公开实施例所述的信息推送方法。
总线630表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
电子设备600典型地包括多种电子设备可读介质。这些介质可以是任何能够被电子设备600访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器610还可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)640和/或高速缓存存储器650。电子设备600可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***660可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线630相连。存储器610可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块670的程序/实用工具680,可以存储在例如存储器610中,这样的程序模块670包括——但不限于——操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块670通常执行本公开所描述的实施例中的功能和/或方法。
电子设备600也可以与一个或多个外部设备690(例如键盘、指向设备、显示器691等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口692进行。并且,电子设备600还可以通过网络适配器693与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器693通过总线630与电子设备600的其它模块通信。应当明白,尽管图6中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理器620通过运行存储在存储器610中的程序,从而执行各种功能应用以及数据处理。
需要说明的是,本实施例的电子设备的实施过程和技术原理参见前述对本公开实施例的信息推送方法的解释说明,此处不再赘述。
本公开实施例提供的电子设备,可以执行如前所述的信息推送方法,通过获取信息推送请求,其中,信息推送请求包括:用户特征、设备特征以及行业类型;根据用户特征以及行业类型,获取与信息推送请求对应的候选信息序列,其中,候选信息序列包括:按照推送度排序的至少一个信息;结合历史时间段内行业类型对应的行业内各个信息的推送度、用户特征以及设备特征对行业的预设推送度门槛进行调整,得到与信息推送请求对应的推送度门槛;结合与信息推送请求对应的推送度门槛,从候选信息序列中选择待推送的信息,并进行信息推送,提高了信息推送效率,以及推送信息的准确度。
为了实现上述实施例,本公开还提出一种存储介质。
其中,该存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如前所述的信息推送方法。
为了实现上述实施例,本公开还提供一种计算机程序产品,当计算机程序由电子设备的处理器执行时,使得电子设备能够执行如前所述的信息推送方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种信息推送方法,其特征在于,包括:
获取信息推送请求,其中,所述信息推送请求包括:用户特征、设备特征以及行业类型;
根据所述用户特征以及所述行业类型,获取与所述信息推送请求对应的候选信息序列,其中,所述候选信息序列包括:按照推送度排序的至少一个信息;
结合历史时间段内所述行业类型对应的行业内各个信息的推送度、所述用户特征以及所述设备特征对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛;
结合与所述信息推送请求对应的推送度门槛,从所述候选信息序列中选择待推送的信息,并进行信息推送。
2.如权利要求1所述的信息推送方法,其特征在于,所述结合历史时间段内所述行业类型对应的行业内各个信息的推送度、所述用户特征以及所述设备特征对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛,包括:
根据所述用户特征以及所述设备特征,确定所述信息推送请求的质量;
结合历史时间段内所述行业类型对应的行业内各个信息的推送度,确定所述历史时间段内所述行业的信息平均推送度;
根据所述历史时间段内所述行业的信息平均推送度以及所述信息推送请求的质量对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛。
3.如权利要求2所述的信息推送方法,其特征在于,所述根据所述用户特征以及所述设备特征,确定所述信息推送请求的质量,包括:
获取预设的质量预测模型;
将所述用户特征以及所述设备特征输入所述质量预测模型,获取所述信息推送请求的质量,其中,所述质量预测模型,用于结合所述信息推送请求中的用户特征和设备特征,预测所述信息推送请求的质量。
4.如权利要求3所述的信息推送方法,其特征在于,在获取预设的质量预测模型之前,还包括:
获取训练数据,所述训练数据包括:正例训练数据和负例训练数据,其中,所述正例训练数据包括:第一用户特征和第一设备特征,所述第一用户特征和所述第一设备特征分别为第一信息推送请求中的用户特征和设备特征,所述第一信息推送请求为所推送的信息被转化的信息推送请求;所述负例训练数据包括:第二用户特征和第二设备特征,所述第二用户特征和所述第二设备特征分别为第二信息推送请求中的用户特征和设备特征,所述第二信息推送请求为所推送的信息未被转化的信息推送请求;
采用所述正例训练数据和所述负例训练数据对初始质量预测模型进行训练,得到所述预设的质量预测模型。
5.如权利要求2所述的信息推送方法,其特征在于,所述结合历史时间段内所述行业类型对应的行业内各个信息的推送度,确定所述历史时间段内所述行业的信息平均推送度之前,还包括:
针对所述行业类型对应的行业内的每个信息,获取所述信息在所述历史时间段内的属性信息以及被点击记录;
根据所述信息在所述历史时间段内的属性信息、所述被点击记录以及推送度预测模型,获取所述信息的推送度。
6.如权利要求2所述的信息推送方法,其特征在于,所述根据所述历史时间段内所述行业的信息平均推送度以及所述信息推送请求的质量对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛,包括:
根据所述历史时间段内所述行业的信息平均推送度,对所述行业的预设推送度门槛进行负调整,得到第一推送度门槛;
根据所述信息推送请求的质量,对所述第一推送度门槛进行负调整,得到与所述信息推送请求对应的推送度门槛。
7.一种信息推送装置,其特征在于,包括:
第一获取模块,被配置为获取信息推送请求,其中,所述信息推送请求包括:用户特征、设备特征以及行业类型;
第二获取模块,被配置为根据所述用户特征以及所述行业类型,获取与所述信息推送请求对应的候选信息序列,其中,所述候选信息序列包括:按照推送度排序的至少一个信息;
调整模块,被配置为结合历史时间段内所述行业类型对应的行业内各个信息的推送度、所述用户特征以及所述设备特征对所述行业的预设推送度门槛进行调整,得到与所述信息推送请求对应的推送度门槛;
推送模块,被配置为结合与所述信息推送请求对应的推送度门槛,从所述候选信息序列中选择待推送的信息,并进行信息推送。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至6中任一项所述的信息推送方法。
9.一种存储介质,其特征在于,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至6中任一项所述的信息推送方法。
10.一种计算机程序产品,其特征在于,当计算机程序由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至6中任一项所述的信息推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011522713.6A CN114647775A (zh) | 2020-12-21 | 2020-12-21 | 信息推送方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011522713.6A CN114647775A (zh) | 2020-12-21 | 2020-12-21 | 信息推送方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114647775A true CN114647775A (zh) | 2022-06-21 |
Family
ID=81991909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011522713.6A Pending CN114647775A (zh) | 2020-12-21 | 2020-12-21 | 信息推送方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114647775A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760043A (zh) * | 2016-01-29 | 2016-07-13 | 珠海市魅族科技有限公司 | 一种通知的处理方法及装置 |
CN106453055A (zh) * | 2016-10-28 | 2017-02-22 | 努比亚技术有限公司 | 一种通过用户行为进行信息推送的方法、装置和终端 |
CN108960898A (zh) * | 2018-06-11 | 2018-12-07 | 北京奇艺世纪科技有限公司 | 一种广告投放方法和装置 |
CN111372095A (zh) * | 2018-12-25 | 2020-07-03 | 深圳市茁壮网络股份有限公司 | 一种计算热度的方法及装置 |
CN111478963A (zh) * | 2020-04-07 | 2020-07-31 | 北京奇艺世纪科技有限公司 | 消息推送方法、装置、电子设备及计算机可读存储介质 |
CN111966914A (zh) * | 2020-10-26 | 2020-11-20 | 腾讯科技(深圳)有限公司 | 基于人工智能的内容推荐方法、装置和计算机设备 |
-
2020
- 2020-12-21 CN CN202011522713.6A patent/CN114647775A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760043A (zh) * | 2016-01-29 | 2016-07-13 | 珠海市魅族科技有限公司 | 一种通知的处理方法及装置 |
CN106453055A (zh) * | 2016-10-28 | 2017-02-22 | 努比亚技术有限公司 | 一种通过用户行为进行信息推送的方法、装置和终端 |
CN108960898A (zh) * | 2018-06-11 | 2018-12-07 | 北京奇艺世纪科技有限公司 | 一种广告投放方法和装置 |
CN111372095A (zh) * | 2018-12-25 | 2020-07-03 | 深圳市茁壮网络股份有限公司 | 一种计算热度的方法及装置 |
CN111478963A (zh) * | 2020-04-07 | 2020-07-31 | 北京奇艺世纪科技有限公司 | 消息推送方法、装置、电子设备及计算机可读存储介质 |
CN111966914A (zh) * | 2020-10-26 | 2020-11-20 | 腾讯科技(深圳)有限公司 | 基于人工智能的内容推荐方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20200123015A (ko) | 정보를 추천하는 방법, 장치, 기기 및 저장 매체 | |
US20200356729A1 (en) | Generation of text from structured data | |
WO2020088058A1 (zh) | 生成信息的方法和装置 | |
CN110633421B (zh) | 特征提取、推荐以及预测方法、装置、介质和设备 | |
CN111950279B (zh) | 实体关系的处理方法、装置、设备及计算机可读存储介质 | |
US11238050B2 (en) | Method and apparatus for determining response for user input data, and medium | |
CN111783039B (zh) | 风险确定方法、装置、计算机***和存储介质 | |
CN112749300B (zh) | 用于视频分类的方法、装置、设备、存储介质和程序产品 | |
CN114443958A (zh) | 一种推荐方法、推荐***及推荐***训练方法 | |
WO2023185925A1 (zh) | 一种数据处理方法及相关装置 | |
CN114168841A (zh) | 内容推荐方法及其装置 | |
CN115391589A (zh) | 内容召回模型的训练方法、装置、电子设备及存储介质 | |
CN113344647B (zh) | 一种信息推荐的方法及装置 | |
CN114647775A (zh) | 信息推送方法、装置及电子设备 | |
CN111475711A (zh) | 信息推送方法、装置、电子设备和计算机可读介质 | |
CN116257758A (zh) | 模型训练方法、人群拓展方法、介质、装置和计算设备 | |
CN114092608B (zh) | 表情的处理方法及装置、计算机可读存储介质、电子设备 | |
CN112967100B (zh) | 相似人群扩展方法、装置、计算设备以及介质 | |
CN115049546A (zh) | 样本数据处理方法、装置、电子设备及存储介质 | |
CN113947431A (zh) | 一种用户行为质量评估方法、装置、设备和存储介质 | |
CN112115316B (zh) | 一种分箱方法、装置、电子设备及存储介质 | |
CN112417131A (zh) | 信息推荐方法和装置 | |
Zhang et al. | Import vertical characteristic of rain streak for single image deraining | |
CN112118486A (zh) | 内容项投放方法、装置、计算机设备及存储介质 | |
CN116366716A (zh) | 基于用户表情的信息推送方法、装置和电子设备 |
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 |