[發(fā)明專利]一種信息推薦的方法、裝置、電子設(shè)備和可讀存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110369872.5
• 申請日: 2021-04-06
• 公開（公告）號(hào): CN112765479B
• 公開（公告）日: 2021-09-14
• 發(fā)明（設(shè)計(jì)）人: 姜秋宇;李曉宇;張?jiān)蛮i;孫長發(fā)
• 申請（專利權(quán)）人: 北京神州泰岳智能數(shù)據(jù)技術(shù)有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06K9/62;G06Q30/06
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 李飛

本申請屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，公開了一種信息推薦的方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，該方法包括，獲取目標(biāo)用戶的應(yīng)用程序操作數(shù)據(jù)；采用訓(xùn)練好的性別預(yù)測模型，基于應(yīng)用程序操作數(shù)據(jù)，對(duì)目標(biāo)用戶的性別進(jìn)行預(yù)測，獲得目標(biāo)用戶的預(yù)測性別；根據(jù)目標(biāo)用戶的預(yù)測性別以及應(yīng)用程序操作數(shù)據(jù)，向目標(biāo)用戶進(jìn)行信息推薦，提高了信息推薦的準(zhǔn)確度。

技術(shù)領(lǐng)域

本申請涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，具體而言，涉及一種信息推薦的方法、裝置、電子設(shè)備和可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，互聯(lián)網(wǎng)在人們?nèi)粘５膶W(xué)習(xí)、工作和生活中得到廣泛的應(yīng)用。人們?nèi)粘５母鞣N事務(wù)都可以通過互聯(lián)網(wǎng)來處理和呈現(xiàn)。

現(xiàn)有技術(shù)中，服務(wù)器通常向不同用戶推送相同的信息，使得用戶通常會(huì)接收到大量的無用信息，給用戶帶來了不便。

因此，如何向用戶進(jìn)行精準(zhǔn)地信息推薦，是一個(gè)需要考慮的技術(shù)問題。

發(fā)明內(nèi)容

本申請實(shí)施例的目的在于提供一種信息推薦的方法、裝置、電子設(shè)備和可讀存儲(chǔ)介質(zhì)，用以在向用戶進(jìn)行信息推薦時(shí)，提高信息推薦的準(zhǔn)確度。

一方面，提供一種信息推薦的方法，包括：

獲取目標(biāo)用戶的應(yīng)用程序操作數(shù)據(jù)；

采用訓(xùn)練好的性別預(yù)測模型，基于應(yīng)用程序操作數(shù)據(jù)，對(duì)目標(biāo)用戶的性別進(jìn)行預(yù)測，獲得目標(biāo)用戶的預(yù)測性別；

根據(jù)目標(biāo)用戶的預(yù)測性別以及應(yīng)用程序操作數(shù)據(jù)，向目標(biāo)用戶進(jìn)行信息推薦；

其中，性別預(yù)測模型是基于梯度提升樹算法構(gòu)建的，用于預(yù)測用戶的性別。

在上述實(shí)現(xiàn)過程中，提高了信息推薦的準(zhǔn)確度。

較佳的，采用訓(xùn)練好的性別預(yù)測模型，基于應(yīng)用程序操作數(shù)據(jù)，對(duì)目標(biāo)用戶的性別進(jìn)行預(yù)測，獲得目標(biāo)用戶的預(yù)測性別，包括：

根據(jù)應(yīng)用程序操作數(shù)據(jù)，建立目標(biāo)用戶的目標(biāo)稠密矩陣，其中，應(yīng)用程序操作數(shù)據(jù)包括目標(biāo)用戶操作各目標(biāo)應(yīng)用程序的操作信息；

將目標(biāo)稠密矩陣，輸入至性別預(yù)測模型，獲得目標(biāo)用戶的預(yù)測性別。

在上述實(shí)現(xiàn)過程中，對(duì)數(shù)據(jù)進(jìn)行了數(shù)據(jù)轉(zhuǎn)換，以便模型處理。

較佳的，在獲取目標(biāo)用戶的應(yīng)用程序操作數(shù)據(jù)之前，進(jìn)一步包括：

獲取多個(gè)用戶的訓(xùn)練樣本數(shù)據(jù)，訓(xùn)練樣本數(shù)據(jù)包括用戶的應(yīng)用程序操作數(shù)據(jù)以及性別樣本信息；

根據(jù)各用戶的訓(xùn)練樣本數(shù)據(jù)，生成稠密矩陣樣本；

根據(jù)稠密矩陣樣本，對(duì)初始分類模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的性別預(yù)測模型；

其中，初始分類模型是基于梯度提升樹算法構(gòu)建的。

在上述實(shí)現(xiàn)過程中，通過樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練。

較佳的，根據(jù)稠密矩陣樣本和性別樣本信息，對(duì)初始分類模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的性別預(yù)測模型，包括：

將稠密矩陣樣本，輸入至初始分類模型，獲得各用戶的預(yù)測性別；

采用損失函數(shù)，基于根據(jù)各用戶的預(yù)測性別以及相應(yīng)的性別樣本信息，確定預(yù)測誤差；

根據(jù)預(yù)測誤差，對(duì)初始分類模型的參數(shù)進(jìn)行初步調(diào)整，獲得第一分類模型；

基于獲取的各應(yīng)用程序的權(quán)值，從各應(yīng)用程序中篩選出多個(gè)目標(biāo)應(yīng)用程序，其中，權(quán)值是根據(jù)各用戶的訓(xùn)練樣本數(shù)據(jù)確定的；

基于各用戶的訓(xùn)練樣本數(shù)據(jù)中包含的各目標(biāo)應(yīng)用程序?qū)?yīng)的操作信息以及性別樣本信息，對(duì)第一分類模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的性別預(yù)測模型。