[發(fā)明專利]一種信息推送方法和裝置

有效

• 申請?zhí)枺?/td>: 201410757445.4
• 申請日: 2014-12-10
• 公開（公告）號: CN105740268B
• 公開（公告）日: 2019-04-09
• 發(fā)明（設(shè)計）人: 楊志雄;呂韜
• 申請（專利權(quán)）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/02
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 李輝

1.一種信息推送方法，其特征在于，包括：

響應(yīng)于用戶的當前行為，從所述當前行為所屬的會話中提取屬性特征，并將所述屬性特征輸入到預(yù)置的用戶行為生命周期模型，輸出所述用戶當前在用戶行為生命周期中的階段，其中所述用戶行為生命周期包括目標對象不明確階段、目標對象明確選擇階段和目標對象鎖定階段；

將從待推送對象和用戶中提取的屬性特征輸入到預(yù)置的且與所述用戶當前在用戶行為生命周期中的階段對應(yīng)的命中概率模型中，所述命中概率模型用于輸出所述待推送對象的命中概率，其中不同階段對應(yīng)的命中概率模型不同；

按照所述待推送對象的命中概率從大到小的順序選取至少一個待推送對象；

對選取的待推送對象進行推送。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用戶行為生命周期模型是對GradientBoost Regression Tree模型進行訓(xùn)練所得到的連續(xù)模型。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述命中概率模型是對邏輯回歸LR模型進行訓(xùn)練所得到的離散模型。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)置的且與所述用戶當前在用戶行為生命周期中的階段對應(yīng)的命中概率模型包括：曝光點擊轉(zhuǎn)化率模型、點擊收藏轉(zhuǎn)化率模型和點擊下單轉(zhuǎn)化率模型；

則所述將從待推送對象和用戶中提取的屬性特征輸入到預(yù)置的且與所述用戶當前在用戶行為生命周期中的階段對應(yīng)的命中概率模型中，輸出所述待推送對象的命中概率，包括：

當所述用戶當前在用戶行為生命周期中的階段為目標對象不明確階段時，將從待推送對象和用戶中提取的屬性特征輸入到曝光點擊轉(zhuǎn)化率模型中，輸出所述待推送對象的被曝光數(shù)量與被點擊數(shù)量之間的轉(zhuǎn)化率；

或者，

當所述用戶當前在用戶行為生命周期中的階段為目標對象明確選擇階段時，將從待推送對象和用戶中提取的屬性特征輸入到點擊收藏轉(zhuǎn)化率模型中，輸出所述待推送對象的被點擊數(shù)量與被關(guān)注數(shù)量之間的轉(zhuǎn)化率；

當所述用戶當前在用戶行為生命周期中的階段為目標對象鎖定階段時，將從待推送對象和用戶中提取的屬性特征輸入到點擊下單轉(zhuǎn)化率模型中，輸出所述待推送對象的被點擊數(shù)量與被下單數(shù)量之間的轉(zhuǎn)化率。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述按照所述待推送對象的命中概率從大到小的順序選取至少一個待推送對象包括：

當所述用戶當前在用戶行為生命周期中的階段為目標對象不明確階段時，按照所述待推送對象的被曝光數(shù)量與被點擊數(shù)量之間的轉(zhuǎn)換率從大到小的順序選取至少一個候選對象；

當所述用戶當前在用戶行為生命周期中的階段為目標對象明確選擇階段時，按照所述待推送對象的被點擊數(shù)量與被關(guān)注數(shù)量之間的轉(zhuǎn)換率從大到小的順序選取至少一個候選對象；

當所述用戶當前在用戶行為生命周期中的階段為目標對象鎖定階段時，按照所述待推送對象的被點擊數(shù)量與被下單數(shù)量之間的轉(zhuǎn)換率從大到小的順序選取至少一個候選對象。

6.根據(jù)權(quán)利要求1至5中任意一項所述的方法，其特征在于，所述待推送對象是在本地獲得的，所述方法還包括：

根據(jù)相關(guān)性算法計算各個對象與搜索到的對象之間的相似度值；

按照相似度值從大到小的順序選取至少一個對象并作為候選對象；

從所述候選對象中剔除出搜索到的對象，將剩余下的候選對象作為待推送對象。