信息推送方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115858922A(43)申请公布日2023.03.28(21)申请号202211482343.7(22)申请日2022.11.24(71)申请人中国农业银行股份有限公司地址100005北京市东城区建国门内大街69号(72)发明人张胜凡(74)专利代理机构北京同立钧成知识产权代理有限公司11205专利代理师梁瑜刘芳(51)Int.Cl.G06F16/9535(2019.01)G06F18/214(2023.01)G06F18/2415(2023.01)权利要求书2页说明书12页附图7页(54)发明名称信息推送方法、装置、电子设备及存储介质(57)摘要本申请提供一种信息推送方法、装置、电子设备及存储介质，通过获取目标用户针对业务平台的访问数据；基于预训练的预测模型对标准数据访问数据进行处理，得到目标业务项，其中，标准数据预训练的预测模型用于预测标准数据访问数据对应的访问意图，且未被标准数据目标用户访问；向标准数据目标用户推送标准数据目标业务项对应的业务信息，标准数据业务信息用于指示标准数据目标业务项对应的访问入口。通过利用预训练的预测模型对访问数据进行分析，预测目标用户的访问意图，从而确定目标业务项，实现对目标业务项的快速访问，提高用户定位所需要访问的目标业务项的速度，降低业务平台服务器的负载。CN115858922ACN115858922A权利要求书1/2页1.一种信息推送方法，其特征在于，所述方法包括：获取目标用户针对业务平台的访问数据；基于预训练的预测模型对所述访问数据进行处理，得到目标业务项，其中，所述预训练的预测模型用于预测所述访问数据对应的访问意图，所述目标业务项为所述访问意图对应的业务项，所述目标业务项位于所述业务平台内，且未被所述目标用户访问；向所述目标用户推送所述目标业务项对应的业务信息，所述业务信息用于指示所述目标业务项对应的访问入口。2.根据权利要求1所述的方法，其特征在于，所述预测模型包括依次连接的深度信念网络模型和朴素贝叶斯模型，其中，所述深度信念网络模型用于输出所述访问数据对应的降维数据，所述朴素贝叶斯模型用于对所述降维数据进行分类，得到所述降维数据对应的目标业务项。3.根据权利要求2所述的方法，其特征在于，所述深度信念网络模型包括依次设置的第一子网络、第二子网络和第三子网络，其中，所述第一子网络和所述第二子网络均为受限玻尔兹曼机网络，所述第三子网络模型为后反馈神经网络。4.根据权利要求1所述的方法，其特征在于，在基于预训练的预测模型对所述访问数据进行处理，得到目标业务项之前，所述方法还包括：获取所述业务平台的历史访问数据；对所述历史访问数据进行预处理，得到对应的标准数据集；基于所述标准数据集对初始预测模型进行训练，得到所述预训练的预测模型。5.根据权利要求4所述的方法，其特征在于，对所述历史访问数据进行预处理，得到对应的标准数据集，包括：对所述历史访问数据进行特征映射，得到所述历史访问数据对应的字符型特征；对所述字符型特征进行转换，得到数字型特征；对所述数字型特征进行归一化，得到所述标准数据集。6.根据权利要求4所述的方法，其特征在于，所述初始预测模型包括依次连接的预训练的深度信念网络模型和初始朴素贝叶斯模型；基于所述标准数据集对初始预测模型进行训练，得到所述预训练的预测模型，包括：基于所述预训练的深度信念网络模型对所述标准数据集进行数据降维，得到降维数据集；基于所述降维数据集对所述初始朴素贝叶斯模型进行训练，直至满足预设条件，得到预训练的朴素贝叶斯模型；基于所述预训练的朴素贝叶斯模型和所述预训练的深度信念网络模型，得到所述预训练的预测模型。7.根据权利要求1所述的方法，其特征在于，所述访问数据中包括针对所述业务平台的访问时长；向所述目标用户推送所述目标业务项对应的业务信息，包括：获取所述访问数据中的访问时长；当所述访问时长大于预设时长后，向所述目标用户推送所述目标业务项对应的业务信息。2CN115858922A权利要求书2/2页8.一种信息推送装置，其特征在于，包括：获取模块，用于获取目标用户针对业务平台的访问数据；处理模块，用于基于预训练的预测模型对所述访问数据进行处理，得到目标业务项，其中，所述预训练的预测模型用于预测所述访问数据对应的访问意图，所述目标业务项为所述访问意图对应的业务项，所述目标业务项位于所述业务平台内，且未被所述目标用户访问；推送模块，用于向所述目标用户推送所述目标业务项对应的业务信息，所述业务信息用于指示所述目标业务项对应的访问入口。9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至7中