[發明專利]對象推送方法、裝置、電子設備及存儲介質在審
| 申請號: | 201910989857.3 | 申請日: | 2019-10-17 |
| 公開(公告)號: | CN112685627A | 公開(公告)日: | 2021-04-20 |
| 發明(設計)人: | 姜谷雨;高宏洋;馬庚 | 申請(專利權)人: | 北京星選科技有限公司 |
| 主分類號: | G06F16/9535 | 分類號: | G06F16/9535;G06Q30/06 |
| 代理公司: | 北京智信四方知識產權代理有限公司 11519 | 代理人: | 鐘文芳;宋海龍 |
| 地址: | 100085 北京市海淀區*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 對象 推送 方法 裝置 電子設備 存儲 介質 | ||
1.一種對象推送方法,其特征在于,包括:
獲取目標用戶的特征數據;
根據所述目標用戶的特征數據確定至少一個目標對象;
確定所述目標對象對應的至少一個目標組合;其中,所述目標組合中包括被同一個所述目標對象提供的至少兩種資源;
將至少一個所述目標對象以及至少一個所述目標組合推送給所述目標用戶對應的終端。
2.根據權利要求1所述的方法,其特征在于,所述目標用戶的特征數據包括畫像數據和位置信息;根據所述目標用戶的特征數據確定至少一個目標對象,包括:
確定所述位置信息所在區域范圍內的多個候選對象;
根據所述目標用戶的畫像數據和所述候選對象的畫像數據,利用機器自學習模型從多個所述候選對象中確定至少一個所述目標對象。
3.根據權利要求2所述的方法,其特征在于,對所述機器自學習模型進行訓練的正樣本為用戶獲取過資源的正樣本對象;負樣本為在用戶前被曝光過、且未被所述用戶獲取過資源的負樣本對象。
4.根據權利要求3所述的方法,其特征在于,所述正樣本的特征數據包括所述正樣本對象的畫像數據和獲取過所述正樣本對象的資源的用戶的畫像數據;所述負樣本的特征數據包括所述負樣本對象的畫像數據和所述負樣本對象的資源被曝光過的用戶的畫像數據。
5.根據權利要求1-4任一項所述的方法,其特征在于,所述目標用戶的特征數據包括時間信息;確定所述目標對象對應的至少一個目標組合,包括:
確定所述時間信息所在的目標時間段內所述目標對象對應的至少一個目標組合。
6.根據權利要求5所述的方法,其特征在于,確定所述時間信息所在的目標時間段內所述目標對象對應的至少一個目標組合,包括:
根據所述目標用戶提供的需求信息從所述目標對象在所述目標時間段內對應的資源組合中確定至少一個所述目標組合。
7.根據權利要求6所述的方法,其特征在于,根據所述目標用戶提供的需求信息從所述目標對象在所述目標時間段內對應的資源組合中確定至少一個所述目標組合,包括:
存在所述目標對象在所述目標時間段內對應的至少一個第一資源組合時,根據所述需求信息從所述至少一個第一資源組合中確定所述目標組合;其中,所述第一資源組合中包括所述目標對象的至少兩種資源;
不存在所述目標對象在所述目標時間段內對應的至少一個第一目標組合時,根據所述需求信息從至少一個第二資源組合中確定所述目標組合;其中,所述第一資源組合為預設固定組合,且被用戶獲取的次數超過第一預設閾值;所述第二資源組合與所述預設固定組合不同,且所述第二資源組合包括所述目標對象的至少兩種資源,且所述至少兩種資源同時被用戶獲取的共現概率超過第二預設閾值。
8.一種對象推送裝置,其特征在于,包括:
第一獲取模塊,被配置為獲取目標用戶的特征數據;
第一確定模塊,被配置為根據所述目標用戶的特征數據確定至少一個目標對象;
第二確定模塊,被配置為確定所述目標對象對應的至少一個目標組合;其中,所述目標組合中包括被同一個所述目標對象提供的至少兩種資源;
推送模塊,被配置為將至少一個所述目標對象以及至少一個所述目標組合推送給所述目標用戶對應的終端。
9.一種電子設備,其特征在于,包括存儲器和至少一個處理器;其中,
所述存儲器用于存儲一條或多條計算機指令,其中,所述一條或多條計算機指令被所述至少一個處理器執行以實現權利要求1-7任一項所述的方法。
10.一種計算機可讀存儲介質,其上存儲有計算機指令,其特征在于,該計算機指令被處理器執行時實現權利要求1-7任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京星選科技有限公司,未經北京星選科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910989857.3/1.html,轉載請聲明來源鉆瓜專利網。





