[發明專利]推送應用程序的方法、裝置、計算機設備和存儲介質

有效

• 申請號: 202010173116.0
• 申請日: 2020-03-13
• 公開（公告）號: CN111046298B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 張峻旗;白冰;林也;白琨
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

本申請涉及一種基于機器學習的推送應用程序的方法、裝置、計算機設備和存儲介質。所述方法包括：獲取待推送應用程序，根據待推送應用程序的應用類別確定推送范圍，獲取推送范圍的應用鏡像集合和應用操作記錄；將應用鏡像集合和應用操作記錄輸入至預測模型，通過預測模型的第一疊層網絡提取第一時期需求特征，通過預測模型的第二疊層網絡提取第二時期需求特征，通過特征連接層對第一時期需求特征和第二時期需求特征進行融合得到目標需求特征；根據目標需求特征確定各個用戶標識對待推送應用程序的興趣度評分；根據興趣度評分篩選目標用戶標識，根據目標用戶標識對待推送應用程序進行推送。采用本方法能夠有效提高應用程序的推送準確度。

技術領域

本申請涉及計算機技術領域，特別是涉及一種推送應用程序的方法、裝置、計算機設備和存儲介質。

背景技術

隨著互聯網技術的迅速發展，各種各樣的應用軟件層出不窮，例如通訊軟件、多媒體軟件、辦公室軟件等多種類型的應用軟件，用戶可以根據需求獲取感興趣的應用軟件。隨著人工智能(Artificial Intelligence, AI)技術的迅速發展，能夠基于云計算、分布式存儲、大數據處理等技術，向用戶智能推送應用軟件。在海量應用軟件市場下，為了幫助用戶快速找到感興趣或需要的應用軟件，出現了一些應用軟件推送方式。

傳統的方式中通常是基于邏輯回歸、循環神經網絡序列或注意力機制等推送方式，這些方式通常僅根據用戶的短期行為記錄進行推送，用戶短期行為中存在較多噪聲，導致推送的準確性不高。因此，如何有效提高推送應用軟件的準確度成為目前需要解決的技術問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠有效提高應用程序的推送準確度的推送應用程序的方法、裝置、計算機設備和存儲介質。

一種推送應用程序的方法，所述方法包括：

獲取待推送應用程序，所述待推送應用程序包括應用類別；

根據所述應用類別確定推送范圍，獲取所述推送范圍對應的各個用戶標識的應用鏡像集合和應用操作記錄；

將所述應用鏡像集合和所述應用操作記錄輸入至已訓練的預測模型，通過所述預測模型的第一疊層網絡提取各個用戶標識的第一時期需求特征，通過所述預測模型的第二疊層網絡提取各個用戶標識的第二時期需求特征；

通過所述預測模型的特征連接層對所述第一時期需求特征和所述第二時期需求特征進行融合得到目標需求特征；根據所述目標需求特征確定各個用戶標識對應所述待推送應用程序的興趣度評分；

根據所述興趣度評分篩選滿足推送條件的目標用戶標識，將所述待推送應用程序推送至所述目標用戶標識對應的用戶終端。

一種推送應用程序的裝置，所述裝置包括：

應用獲取模塊，用于獲取待推送應用程序，所述待推送應用程序包括應用類別；

數據獲取模塊，用于根據所述應用類別確定推送范圍，獲取所述推送范圍對應的各個用戶標識的應用鏡像集合和應用操作記錄；

興趣預測模塊，用于將所述應用鏡像集合和所述應用操作記錄輸入至已訓練的預測模型，通過所述預測模型的第一疊層網絡提取各個用戶標識的第一時期需求特征，通過所述預測模型的第二疊層網絡提取各個用戶標識的第二時期需求特征；通過所述預測模型的特征連接層對所述第一時期需求特征和所述第二時期需求特征進行融合得到目標需求特征；根據所述目標需求特征確定各個用戶標識對應所述待推送應用程序的興趣度評分；

應用推送模塊，用于根據所述興趣度評分篩選滿足推送條件的目標用戶標識，將所述待推送應用程序推送至所述目標用戶標識對應的用戶終端。

一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現以下步驟：