[發明專利]信息推送方法、信息推送裝置及計算機可讀存儲介質

有效

• 申請號: 201910163986.7
• 申請日: 2019-03-05
• 公開（公告）號: CN110427548B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 張博;王帥強;丁卓冶;成藝;殷大偉;趙一鴻
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 姜雍;方亮

1.一種信息推送方法，包括：

根據樣本物品相關聯的用戶性別，為樣本物品的各個屬性特征標注用戶性別；

初始化所述各個屬性特征的權值；將所述各個屬性特征的權值的正則化項與第一機器學習分類模型的初始損失函數相加，得到包含正則化項的損失函數；確定使所述包含正則化項的損失函數取最小值時，所述各個屬性特征的權值；將權值大于第一閾值的所述各個屬性特征，作為與用戶性別相關聯的所述各個屬性特征；

利用標注了用戶性別的與用戶性別相關聯的所述各個屬性特征，對第二機器學習分類模型進行訓練，所述第二機器學習分類模型包括第二邏輯回歸分類模型和第三邏輯回歸分類模型；其中，利用標注了男性或非男性的與用戶性別相關聯的所述各個屬性特征，對第二邏輯回歸分類模型進行訓練，使得第二邏輯回歸分類模型能夠根據輸入的目標物品的屬性特征，輸出目標物品相關聯的用戶性別為男性的概率；利用標注了女性或非女性的與用戶性別相關聯的所述各個屬性特征，對第三邏輯回歸分類模型進行訓練，使得第三邏輯回歸分類模型能夠根據輸入的目標物品的屬性特征，輸出目標物品相關聯的用戶性別為女性的概率所述第二機器學習分類模型包括第二邏輯回歸分類模型和第三邏輯回歸分類模型；

利用訓練后的第二機器學習分類模型，對目標物品的各個屬性特征進行處理，確定目標物品相關聯的用戶性別；其中，將目標物品的屬性特征分別輸入訓練后的第二邏輯回歸分類模型以及第三邏輯回歸分類模型；訓練后的第二邏輯回歸分類模型根據目標物品的屬性特征，輸出第一概率，訓練后的第三邏輯回歸分類模型根據目標物品的屬性特征，輸出第二概率；在第一概率與第二概率之差大于第二閾值的情況下，確定目標物品相關聯的用戶性別為男性；在第二概率與第一概率之差大于第三閾值的情況下，確定目標物品相關聯的用戶性別為女性；在其它情況下，確定目標物品相關聯的用戶性別為中性；

將目標物品的相關信息推送至客戶端，所述客戶端的用戶具有目標物品相關聯的用戶性別。

2.如權利要求1所述的信息推送方法，其中，所述第一機器學習分類模型為第一邏輯回歸分類模型；所述第一機器學習分類模型的初始損失函數為第一邏輯回歸分類模型的交叉熵損失函數。

3.如權利要求2所述的信息推送方法，其中，所述確定使所述包含正則化項的損失函數取最小值時，所述各個屬性特征的權值包括：

采用梯度下降法，確定使所述包含正則化項的損失函數取最小值時，所述各個屬性特征的權值。

4.如權利要求2或3中任一項所述的信息推送方法，其中，所述正則化的方法為L1正則化的方法，所述正則化項為L1正則化項。

5.如權利要求2或3中任一項所述的信息推送方法，其中，所述第一閾值為0。

6.如權利要求1所述的信息推送方法，還包括：根據樣本物品的屬性，獲取樣本物品的各個屬性特征。

7.如權利要求6所述的信息推送方法，其中，所述根據樣本物品的屬性，獲取樣本物品的各個屬性特征包括：

對樣本物品的標題名稱進行切詞，得到樣本物品的各個分詞；

對樣本物品的各個分詞進行編碼，得到樣本物品的各個分詞特征。

8.如權利要求7所述的信息推送方法，其中，所述根據樣本物品的屬性，獲取樣本物品的各個屬性特征還包括：

對樣本物品的類別信息、品牌信息以及規格信息進行編碼，得到樣本物品的各個信息特征；

將樣本物品的各個分詞特征以及各個信息特征進行組合，得到樣本物品的各個屬性特征。

9.如權利要求1所述的信息推送方法，其中，所述根據樣本物品相關聯的用戶性別，為樣本物品的各個屬性特征標注用戶性別包括：

獲取各個用戶的性別；

將各個用戶購買的物品作為第一樣本物品；

根據各個用戶的性別，為第一樣本物品的各個屬性特征標注用戶性別。