[发明专利]信息处理和模型训练方法、装置、电子设备、存储介质

说明书

技术领域

本发明涉及互联网技术领域，特别是涉及一种信息处理和模型训练方法、装置、电子设备、存储介质。

背景技术

目前，为了便于用户及时获取并查看感兴趣的信息，在电子设备(如智能手机、平板电脑、笔记本等)上设置了弹窗功能，当电子设备接收到信息后，通过弹窗功能显示该信息，此时，可以将需要通过弹窗功能显示的信息成为弹窗信息。

随着科技的发展，网络中的弹窗信息越来越丰富，这些弹窗信息中加杂这大量的用户不感兴趣的弹窗信息，若将这些弹窗信息都发送给电子设备，这直接导致的结果为：电子设备通过弹窗功能显示大量用户不感兴趣的弹窗信息，影响用户对电子设备的正常使用，用户体验不佳。

发明内容

本发明实施例的目的在于提供一种信息处理和模型训练方法、装置、电子设备、存储介质，以解决电子设备显示大量用户不感兴趣的弹窗信息的问题。具体技术方案如下：

一方面，本发明实施例公开了一种信息处理方法，所述方法包括：

获取发送给电子设备的待处理弹窗信息；

将所述待处理弹窗信息输入弹窗管理模型；所述弹窗管理模型为：基于深度神经网络构建的、用于确定输入的弹窗信息是否为用户感兴趣的弹窗信息的模型；所述用户感兴趣的弹窗信息为关注度大于阈值的信息；

若所述弹窗管理模型的输出结果为所述待处理弹窗信息为用户感兴趣的弹窗信息，将所述待处理弹窗信息发送给所述电子设备，以使所述电子设备通过弹窗功能显示所述待处理弹窗信息。

可选的，所述方法还包括：

若所述弹窗管理模型的输出结果为所述待处理弹窗信息为用户不感兴趣的弹窗信息，拒绝将所述待处理弹窗信息发送给所述电子设备。

可选的，所述弹窗管理模型通过以下方式训练获得：

基于深度神经网络，构建弹窗管理模型；所述弹窗管理模型的建模单元为：是否为用户感兴趣的弹窗信息；

获取训练集，将所述训练集中的弹窗信息转换为特征向量，为所述训练集中的弹窗信息标记用户感兴趣的弹窗信息或用户不感兴趣的弹窗信息的标签；

使用所述特征向量和所述标签，训练所述弹窗管理模型。

可选的，所述将所述训练集中的弹窗信息转换为特征向量的步骤，包括：

根据显示时间、显示延迟时长、显示地点、用户所使用的电子设备的规格，将训练集中的弹窗信息转换为特征向量。

可选的，所述弹窗管理模型包括输入层、抽象层和输出层；

其中，所述弹窗管理模型的输入层包括的神经元个数与所述特征向量的维数相同；所述抽象层的激活函数为ReLu(Rectified Linear Units，修正线性单元)函数；所述输出层的激活函数为sigmoid(S型)函数。

可选的，在所述将所述待处理弹窗信息输入弹窗管理模型的步骤之后，所述方法还包括：

将所述弹窗管理模型的输出结果与所述待处理弹窗信息的对应关系加入所述训练集。

可选的，所述用户感兴趣的弹窗信息为用户查看的弹窗信息。

可选的，所述训练集通过以下方式确定：

将获取的弹窗信息发送给所述电子设备；以使所述电子设备通过弹窗功能显示所述弹窗信息，并记录用户是否查看所述弹窗信息；

接收所述电子设备返回的所述弹窗信息与用户是否查看所述弹窗信息的对应关系；

将接收的对应关系加入所述训练集。

二方面，本发明实施例公开了一种模型训练方法，所述方法包括：

基于深度神经网络，构建弹窗管理模型；所述弹窗管理模型的建模单元为：是否为用户感兴趣的弹窗信息；所述用户感兴趣的弹窗信息为关注度大于阈值的信息；

获取训练集，将所述训练集中的弹窗信息转换为特征向量，为所述训练集中的弹窗信息标记用户感兴趣的弹窗信息或用户不感兴趣的弹窗信息的标签；

使用所述特征向量和所述标签，训练所述弹窗管理模型。

可选的，所述将所述训练集中的弹窗信息转换为特征向量的步骤，包括：

根据显示时间、显示延迟时长、显示地点、用户所使用的电子设备的规格，将训练集中的弹窗信息转换为特征向量。

可选的，所述弹窗管理模型包括输入层、抽象层和输出层；

其中，所述弹窗管理模型的输入层包括的神经元个数与所述特征向量的维数相同；所述抽象层的激活函数为ReLu函数；所述输出层的激活函数为sigmoid函数。

可选的，所述用户感兴趣的弹窗信息为用户查看的弹窗信息。

可选的，所述训练集通过以下方式确定：