基于机器学习模型的信息推送方法、装置、设备及介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113918810A(43)申请公布日2022.01.11(21)申请号202111157213.1(22)申请日2021.09.29(71)申请人未鲲（上海）科技服务有限公司地址200135上海市浦东新区自由贸易试验区陆家嘴环路1333号15楼(72)发明人覃德龚燕(74)专利代理机构广州三环专利商标代理有限公司44202代理人熊永强(51)Int.Cl.G06F16/9535(2019.01)G06Q30/02(2012.01)G06N20/00(2019.01)权利要求书2页说明书13页附图3页(54)发明名称基于机器学习模型的信息推送方法、装置、设备及介质(57)摘要本申请涉及人工智能领域，公开了一种基于机器学习模型的信息推送方法、装置、设备及介质，该方法包括：获取包括推送信息和推送对象信息的推送请求；获取推送对象对应的候选推送通道集合；获取推送对象的对象特征以及推送对象在各个候选推送通道上针对历史推送信息的历史点击信息，基于通道推荐模型对对象特征和历史点击信息进行概率预测，得到各个候选推送通道的推送概率；根据各个候选推送通道的推送概率从候选推送通道集合中确定目标推送通道，利用目标推送通道将推送信息推送至推送对象。可以为对象匹配较优的推送通道，以提高信息点击率，从而提高信息推送准确性。本申请涉及区块链技术，如可将上述数据写入区块链中，以用于信息推送等场景。CN113918810ACN113918810A权利要求书1/2页1.一种基于机器学习模型的信息推送方法，其特征在于，包括：获取信息推送请求，所述信息推送请求中包括推送信息和推送对象；获取所述推送对象对应的候选推送通道集合，所述候选推送通道集合中包括多个候选推送通道；获取所述推送对象的对象特征以及所述推送对象在各个候选推送通道上针对历史推送信息的历史点击信息，并基于预训练的通道推荐模型对所述对象特征和所述历史点击信息进行概率预测，得到所述各个候选推送通道的推送概率；根据所述各个候选推送通道的推送概率从所述候选推送通道集合中确定目标推送通道，并利用所述目标推送通道将所述推送信息推送至所述推送对象。2.根据权利要求1所述的方法，其特征在于，所述获取所述推送对象对应的候选推送通道集合，包括：获取所述推送对象对应的初始推送通道集合，所述初始推送通道集合包括多个初始推送通道；获取各个初始推送通道上向所述推送对象所推送的历史推送信息的第一信息数量以及所述历史推送信息的第一被点击数量；根据所述第一信息数量和所述第一被点击数量，确定所述推送对象在所述各个初始推送通道上针对所述历史推送信息的第一历史点击率；将第一历史点击率超过预设点击率对应的初始推送通道确定为候选推送通道，并将所述候选推送通道添加到所述候选推送通道集合中。3.根据权利要求1所述的方法，其特征在于，所述基于预训练的通道推荐模型对所述对象特征和所述历史点击信息进行概率预测，得到所述各个候选推送通道的推送概率之前，还包括：获取训练样本集，所述训练样本集包括一个或多个训练样本，每个训练样本包括一个训练对象的训练对象特征和训练历史推送信息的训练点击信息；为所述训练样本集中的各个训练样本添加训练标签，任一训练样本对应的训练标签用于指示所述任一训练样本中所包括的各个训练推送通道的训练推送概率；将添加训练标签的各个训练样本输入预设的机器学习模型进行训练，得到所述通道推荐模型；所述基于预训练的通道推荐模型对所述对象特征和所述历史点击信息进行概率预测，得到所述各个候选推送通道的推送概率，包括：将所述对象特征和所述历史点击信息输入所述通道推荐模型，得到所述各个候选推送通道的推送概率。4.根据权利要求3所述的方法，其特征在于，所述训练样本集包括第一训练样本，所述获取训练样本集，包括：获取训练对象对应的训练对象特征以及训练推送通道集合，所述训练推送通道集合包括多个训练推送通道，并确定所述训练推送通道集合中各个训练推送通道的训练历史推送信息的训练点击信息；确定所述训练对象对应的训练对象特征、以及所述各个训练推送通道的训练历史推送信息的训练点击信息为所述第一训练样本。2CN113918810A权利要求书2/2页5.根据权利要求4所述的方法，其特征在于，所述第一训练样本中的训练历史推送信息的训练点击信息包括：所述第一训练样本中的各个训练推送通道上向所述训练对象所推送的训练历史推送信息的第二信息数量、以及所述训练历史推送信息的第二被点击数量；所述为所述训练样本集中的各个训练样本添加训练标签，包括：分别计算所述各个训练推送通道对应的第二被点击数量和第二信息数量之间的比值，得到所述各个训练推送通道分别对应的训练推荐概率；基于所述各个训练推送通道对应的训练推荐概率确定所述第一训练样