[發明專利]資源包發送方法、裝置、電子設備和計算機可讀介質

在審

• 申請號: 201911305139.6
• 申請日: 2019-12-17
• 公開（公告）號: CN111176750A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 李長青;呂兵;羅恒亮
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F9/445
• 分類號: G06F9/445;G06F9/54
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

1.一種資源包發送方法，其特征在于，所述方法包括：

確定目標用戶在目標時長內依次訪問的目標應用中的業務模塊；

獲取所述依次訪問的業務模塊的業務特征，并匯總為特征序列；

將所述特征序列輸入至預先訓練的序列處理模型，從將所述序列處理模型輸出的信息和所述目標用戶的用戶特征輸入至預先訓練的訪問意圖預測模型，得到所述目標用戶的訪問意圖信息，所述訪問意圖信息用于指示所述目標用戶意圖訪問的目標業務模塊；

向所述目標用戶發送所述目標業務模塊對應的資源包。

2.根據權利要求1所述的方法，其特征在于，所述確定目標用戶在目標時長內依次訪問的目標應用中的業務模塊，包括：

響應于接收到目標用戶所使用的終端設備發送的目標應用啟動消息，獲取所述目標用戶使用所述目標應用時產生的用戶行為數據；

從所述用戶行為數據中，提取所述目標用戶在目標時長內對所述目標應用中的各業務模塊的訪問記錄，所述訪問記錄包括訪問時間；

按照訪問時間由先到后的順序，確定所述目標用戶在所述目標時長內依次訪問的業務模塊。

3.根據權利要求1所述的方法，其特征在于，所述向所述目標用戶發送所述目標業務模塊對應的資源包，包括：

向所述目標用戶所使用的終端設備發送資源包下載消息；

響應于接收到所述終端設備返回的資源包下載請求，向所述終端設備發送所述目標業務模塊對應的資源包。

4.根據權利要求1所述的方法，其特征在于，所述序列處理模型和所述訪問意圖預測模型通過如下步驟訓練得到：

獲取樣本集，其中，所述樣本集中的樣本包括特征信息和標注信息，所述特征信息包括樣本特征序列和樣本用戶特征，所述樣本特征序列由用戶依次訪問的歷史業務模塊的業務特征構成，所述標注信息用于指示用戶在依次訪問歷史業務模塊后所訪問的目標歷史業務模塊；

將所述樣本集中的樣本特征序列輸入至預先建立的注意力模型，將所述注意力模型輸出的信息和所述樣本用戶特征所述輸入至預先建立的深度神經網絡，將所輸入的樣本特征序列中的各業務特征的標注信息作為所述深度神經網絡的輸出，利用機器學習方法對所述注意力模型和所述深度神經網絡進行訓練；

將訓練后的所述注意力模型確定為序列處理模型，將訓練后的所述深度神經網絡確定為訪問意圖預測模型。

5.根據權利要求1所述的方法，其特征在于，業務模塊為所述目標應用的功能模塊，所述目標應用中的每一個功能模塊用于為一個業務線提供支持，所述目標業務模塊為所述目標應用中用戶意圖訪問的功能模塊；以及

所述向所述目標用戶發送所述目標業務模塊對應的資源包，包括：

獲取所述目標業務模塊對應的全量資源包；

向所述目標用戶所使用的終端設備發送所述全量資源包。

6.根據權利要求1所述的方法，其特征在于，業務模塊為目標應用中的資源包對應的數據模塊，業務模塊的業務特征為資源包的特征，所述目標業務模塊為所述目標應用中用戶意圖使用的目標資源包對應的數據模塊；以及

所述向所述目標用戶發送所述目標業務模塊的對應資源包，包括：

獲取所述目標資源包；

向所述目標用戶所使用的終端設備發送所述目標資源包。

7.根據權利要求6所述的方法，其特征在于，所述序列處理模型和所述訪問意圖預測模型通過如下步驟訓練得到：

獲取樣本集，其中，所述樣本集中的樣本包括特征信息和標注信息，所述特征信息包括樣本特征序列和樣本用戶特征，所述樣本特征序列由用戶依次訪問的歷史資源包的特征構成，所述標注信息用于指示用戶在依次訪問歷史業務模塊后所訪問的目標歷史業務模塊；

將所述樣本集中的樣本特征序列輸入至預先建立的注意力模型，將所述注意力模型輸出的信息和所述樣本用戶特征所述輸入至預先建立的深度神經網絡，將所輸入的樣本特征序列中的各特征的標注作為所述深度神經網絡的輸出，利用機器學習方法對所述注意力模型和所述深度神經網絡進行訓練；

將訓練后的所述注意力模型確定為序列處理模型，將訓練后的所述深度神經網絡確定為訪問意圖預測模型。