[發(fā)明專利]信息推送方法及裝置

有效

• 申請?zhí)枺?/td>: 201910027383.4
• 申請日: 2019-01-11
• 公開（公告）號: CN109816438B
• 公開（公告）日: 2020-10-30
• 發(fā)明（設計）人: 王喆;李濤
• 申請（專利權(quán)）人: 珠海天燕科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F40/263;G06F40/30;G06F16/33
• 代理公司: 北京國昊天誠知識產(chǎn)權(quán)代理有限公司 11315
• 代理人: 姜鳳巖;南霆

本申請實施例公開了一種信息推送方法及裝置。所述方法包括：獲取與針對各推送信息的用戶行為相關(guān)的多個樣本數(shù)據(jù)；及，提取各樣本數(shù)據(jù)中的樣本用戶特征及各推送信息對應的符合第一預設低頻條件的樣本語料；根據(jù)各樣本用戶特征、各樣本語料及各推送信息的排序特征，訓練與用戶特征及語料相關(guān)的排序模型；針對目標用戶對應的多個待推送信息，利用排序模型及預設的不確定性預測方式，確定各待推送信息對應的排序信息；根據(jù)排序信息，從待推送信息中篩選出不確定性評估值滿足預設不確定條件的至少一個目標信息，并將篩選出的目標信息推送給目標用戶。該技術(shù)方案增加了低頻語料對應的信息的展示機會，提高了信息推送的多樣性。

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理技術(shù)領(lǐng)域，尤其涉及一種信息推送方法及裝置。

背景技術(shù)

在個性化推薦及在線廣告系統(tǒng)中，需要利用用戶行為數(shù)據(jù)訓練點擊率或排序模型，如果訓練集中某部分樣本不足，將影響模型對該類輸入的預估結(jié)果的準確度。如果低估其點擊率或排序結(jié)果，將會降低相應內(nèi)容或廣告的展示機會，如果高估其點擊率或排序結(jié)果，也會降低其他內(nèi)容或廣告的展示機會，這會使模型永遠不能充分學習某一部分(即樣本不足的這部分數(shù)據(jù))輸入，同時降低推薦結(jié)果的多樣性，影響用戶體驗。

為解決上述問題，傳統(tǒng)的LinUCB等算法基于線性模型訓練點擊率或排序模型，但線性模型的表現(xiàn)能力有限，對于表現(xiàn)能力更強、效果更高的深度學習等神經(jīng)網(wǎng)絡模型無法應用，因此只能通過切分出部分流量來增加新內(nèi)容的展示機會，且對于流量切分的探索程度依賴于人工判斷，容易導致探索不足或流量浪費。

發(fā)明內(nèi)容

本申請實施例的目的是提供一種信息推送方法及裝置，用以均衡信息中低頻語料的分布，從而增加信息推薦的多樣性及提高信息推薦的準確度。

為解決上述技術(shù)問題，本申請實施例是這樣實現(xiàn)的：

一方面，本申請實施例提供一種信息推送方法，包括：

獲取與針對各推送信息的用戶行為相關(guān)的多個樣本數(shù)據(jù)；及，提取各所述樣本數(shù)據(jù)中的樣本用戶特征及各所述推送信息對應的符合第一預設低頻條件的樣本語料；其中，所述第一預設低頻條件包括所述樣本語料在各所述推送信息的屬性信息中的出現(xiàn)頻次低于第一預設閾值；

根據(jù)各所述樣本用戶特征、各所述樣本語料及各所述推送信息的排序特征，訓練與用戶特征及語料相關(guān)的排序模型；其中，所述排序模型是利用預設的神經(jīng)網(wǎng)絡模型訓練得到的；

針對目標用戶對應的多個待推送信息，利用所述排序模型及預設的不確定性預測方式，確定各所述待推送信息對應的排序信息；其中，所述排序信息包括各所述待推送信息的排序結(jié)果的不確定性評估值；

根據(jù)所述排序信息，從所述待推送信息中篩選出所述不確定性評估值滿足預設不確定條件的至少一個目標信息，并將篩選出的所述目標信息推送給所述目標用戶。

在一個實施例中，所述神經(jīng)網(wǎng)絡模型為包括多個全連接層的多層模型；

所述根據(jù)各所述樣本用戶特征、各所述樣本語料及各所述推送信息的排序特征，訓練與用戶特征及語料相關(guān)的排序模型，包括：

按照預設的向量轉(zhuǎn)換方式，對各所述樣本用戶特征及其對應的各所述樣本語料進行向量轉(zhuǎn)換，得到樣本向量；

將各所述樣本向量作為所述神經(jīng)網(wǎng)絡模型的輸入數(shù)據(jù)，按照所述神經(jīng)網(wǎng)絡模型對應的疊加方式依次疊加所述輸入數(shù)據(jù)，得到各所述樣本數(shù)據(jù)分別對應的樣本排序結(jié)果；其中，所述疊加方式包括各所述全連接層的模型參數(shù)信息；

確定各所述樣本排序結(jié)果及各所述排序特征之間的誤差，并根據(jù)所述誤差調(diào)整各所述全連接層的模型參數(shù)信息，直至所述誤差滿足預設的模型損失函數(shù)時，獲得所述排序模型。

在一個實施例中，所述利用所述排序模型及預設的不確定性預測方式，確定各所述待推送信息對應的排序信息，包括：