[發(fā)明專利]信息推送效果評估方法、裝置、電子設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202011149093.6
• 申請日: 2020-10-23
• 公開（公告）號: CN112148994A
• 公開（公告）日: 2020-12-29
• 發(fā)明（設計）人: 王韻陶;陳炳文
• 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;G06K9/62;G06N20/20;H04L29/08
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 張筱寧;張海秀

1.一種信息推送效果評估方法，其特征在于，所述方法包括：

獲取待推送信息對應的候選推送用戶集合以及所述候選推送用戶集合中各用戶對應于所述待推送信息的用戶初始畫像特征；

根據所述各用戶的用戶初始畫像特征，確定所述候選推送用戶集合的用戶群的畫像特征；

基于所述用戶群的畫像特征，確定所述候選推送用戶集合對應于所述待推送信息的推送效果評估結果。

2.根據權利要求1所述的方法，其特征在于，所述根據所述各用戶的用戶初始畫像特征，確定所述候選推送用戶集合的用戶群的畫像特征，包括：

將所述各用戶的用戶初始畫像特征進行統計分析，得到所述候選推送用戶集合的至少一個統計特征，將所述至少一個統計特征作為所述候選推送用戶集合的用戶群的畫像特征。

3.根據權利要求2所述的方法，其特征在于，所述用戶初始畫像特征包括用戶的興趣特征或屬性特征中的至少一項，對于興趣特征或屬性特征中的任一項，該特征對應的統計特征包括以下至少一項：

具有同一特征的用戶數量、具有同一特征的用戶的占比。

4.根據權利要求1所述的方法，其特征在于，所述獲取待推送信息對應的候選推送用戶集合，包括：

基于各所述待推送用戶初始畫像特征，通過推送模型，確定所述候選推送用戶集合；

所述推送效果評估結果包括評估得分，所述方法還包括：

若所述評估得分大于設定評估值，則向所述候選推送用戶集合中的各用戶推送所述待推送信息；

獲取已推送信息的推送效果數據；

基于各已推送信息的推送效果數據，調整所述推送模型的訓練數據集，并基于調整后的訓練數據集對所述推送模型進行訓練。

5.根據權利要求1所述的方法，其特征在于，所述基于所述用戶群的畫像特征，確定所述候選推送用戶集合對應于所述待推送信息的推送效果評估結果，包括：

基于所述用戶群的畫像特征，通過推送效果評估模型，得到所述推送效果評估結果；

其中，所述推送效果評估模型是通過以下方式訓練得到的：

獲取訓練樣本集，所述訓練數據集中包括各訓練樣本，每個訓練樣本包括樣本用戶集合對應的樣本用戶群的畫像特征和推送效果標注標簽，所述推送效果標注標簽表征了所述樣本用戶集合的真實推送效果；

將各訓練樣本輸入至初始推送效果評估模型中，得到各訓練樣本各自對應的推送效果預測值；

基于各訓練樣本各自對應的推送效果預測值和推送效果標注標簽，計算損失函數的值；

基于各訓練樣本和損失函數的值對模型進行迭代訓練，直至滿足預設的訓練結束條件，將訓練結束時的模型作為所述推送效果評估模型。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

存儲已推送信息對應的候選推送用戶集合的用戶群的畫像特征；

獲取已推送信息的推送效果數據；

基于已推送信息對應的候選推送用戶集合的用戶群的畫像特征和已推送信息的推送效果數據，對所述推送效果評估模型進行優(yōu)化。

7.根據權利要求6所述的方法，其特征在于，所述推送效果評估模型包括多個子分類模型，所述基于所述用戶群的畫像特征，通過推送效果評估模型，得到所述推送效果評估結果，包括：

基于所述用戶群的畫像特征，分別通過各子分類模型，得到各子分類模型對應的推送效果評估結果；

將各子分類模型對應的推送效果評估結果進行融合，得到所述推送效果評估模型的推送效果評估結果。

8.根據權利要求5所述的方法，其特征在于，所述獲取訓練樣本集，包括：

獲取各歷史推送數據，每個所述歷史推送數據包括歷史推送用戶集合、所述歷史推送用戶集合中各用戶的用戶初始畫像特征、以及所述歷史推送用戶集合對應的推送效果數據；

基于所述各歷史推送數據，得到所述各訓練樣本。