[發明專利]基于多源數據的對象推送方法、電子裝置及存儲介質

有效

• 申請號: 202010002173.2
• 申請日: 2020-01-02
• 公開（公告）號: CN111177568B
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 喻寧;陳克炎;朱艷喬
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/951
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及數據推送技術，提供了一種基于多源數據的對象推送方法、電子裝置及存儲介質。該方法通過對獲取對象屬性數據執行預處理后作為訓練樣本，構建神經網絡模型后利用第一計算規則計算出隱含層節點數量的取值范圍，基于訓練樣本集及第二計算規則計算出神經網絡模型在隱含層節點數量為各取值時的學習誤差，將學習誤差最小的神經網絡模型作為對象等級識別模型，響應用戶發出的推送對象的請求，基于用戶的位置信息獲取第一距離范圍的對象識別后進行推送，若預設時長內未收到用戶的確認信息，再獲取第二距離范圍的對象進行識別并推送。本發明可提高對象等級識別的準確率，從而實現對用戶需求對象的精準推送。

技術領域

本發明涉及數據推送領域，尤其涉及一種基于多源數據的對象推送方法、電子裝置及存儲介質。

背景技術

目前，關于對象的識別推送，通常是將待識別的對象的各類因素與參考對象進行比較而確定是否推送給用戶的，但是參考對象的確定往往是人為主觀的選擇，導致該方法識別的準確性較低，推送結果與用戶實際需求偏差較大。雖然市面上出現了自動識別推送的技術方案，但這些方案通常是基于某種預測算法進行，存在準確性不高、靈活性不足或對于系統性能的要求較高等技術問題。

發明內容

鑒于以上內容，本發明提供一種基于多源數據的對象推送方法、電子裝置及存儲介質，其目的在于解決現有技術中因識別不準確導致的推送的對象準確性低的問題。

為實現上述目的，本發明提供一種基于多源數據的對象推送方法，該方法包括：

獲取步驟：從預設的多個數據源獲取預設數量的對象的屬性數據，對所述屬性數據執行預處理，將預處理后的屬性數據作為訓練樣本集；

構建步驟：構建神經網絡模型并設定該神經網絡模型的初始參數，利用第一計算規則計算出該神經網絡模型的隱含層節點數量的取值范圍，根據第二計算規則及所述訓練樣本集，分別計算所述隱含層節點數量等于所述取值范圍中各取值時的神經網絡模型的學習誤差，將學習誤差取值最小時確定的神經網絡模型作為對象等級識別模型；

第一推送步驟：響應用戶發出的推送對象的請求，獲取所述用戶的位置信息，查找與所述位置信息對應的第一距離范圍內的第一對象集，從數據庫讀取所述第一對象集的屬性數據輸入所述對象等級識別模型，得到所述第一對象集中各對象的等級信息后推薦至所述用戶并生成時間戳；及

第二推送步驟：基于所述時間戳偵測在預設時長內是否接收到所述用戶發送的確認信息，若未接收到確認信息，則查找與所述位置信息對應的第二距離范圍內的第二對象集，從所述第二對象集中篩除所述第一對象集得到第三對象集，從所述數據庫讀取所述第三對象集的屬性數據輸入所述對象等級識別模型，得到所述第三對象集中各對象的等級信息后推送至所述用戶。

優選的，所述預處理包括數據清洗處理及聚合處理，所述聚合處理包括：

對所述屬性數據中的重復數據進行聚合，得到去重后的聚合數據；

確定屬性數據聚合處理前的數量為A，確定所述聚合數據中數據的數量為B，根據A和B建立索引向量，其中，索引向量的長度為A，索引向量的取值范圍為[-B，-1]∪[1，B]中的整數；

隨機讀取索引向量的取值，并根據所述取值從所述聚合數據中獲取對應的數據，將獲取到的數據作為所述預處理后的屬性數據。

優選的，所述第一計算規則包括：

其中，K表示訓練樣本集中樣本的個數，n₁表示神經網絡模型的隱含層節點數量，n表示神經網絡模型的輸入層節點數量，i表示[0，n]的整數。

優選的，所述第二計算規則包括：

loss(θ)＝(y_i-η(X_i，w，β))²，