[发明专利]信息推送方法和装置

说明书

本申请实施例公开了信息推送方法和装置。该方法的一具体实施方式包括：响应于确定出用户信息样本集合中的用户信息样本的数量大于预设的数量阈值，在用户信息样本集合中选取用户信息样本组成训练用样本集合；利用训练用样本集合，对当前的线上模型进行训练得到训练后的线上模型；对于每个用户信息，将该用户信息输入到训练后的线上模型中得到该用户信息为异常类型的第一概率，并将该用户信息输入到当前的线上模型中得到该用户信息为异常类型的第二概率；基于第一概率和第二概率，生成训练后的线上模型与当前的线上模型的差异结果，并向审核端推送差异结果。该实施方式通过对线上模型进行迭代，使得模型可以输出新的异常类型的用户信息。

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息推送方法和装置。

背景技术

随着互联网行业的快速发展，越来越多的人选择网上购物和网上订餐的购物方式，人们在网上选择物品时，通常会参考各个物品的销量以及商户的信用度，商户为了提高销量和信用度可能会存在一些异常行为(作弊行为)，为了找到存在异常行为的商户，通常会先找出存在异常特征的用户。现有的判定异常用户的方法通常是对用户行为进行周期性的特征挖掘，利用挖掘到的用户特征建立模型，并利用得到的模型来找出异常用户，然而，这种方式生成的模型无法及时发现新的异常类型的用户信息。

发明内容

本申请实施例的目的在于提出一种改进的信息推送方法和装置，来解决以上背景技术部分提到的技术问题。

本申请实施例提供A1、一种信息推送方法，该方法包括：响应于确定出用户信息样本集合中的用户信息样本的数量大于预设的数量阈值，在用户信息样本集合中选取预设数目用户信息样本组成训练用样本集合，其中，训练用样本集合包括正常类型的用户信息样本和异常类型的用户信息样本；利用正常类型的用户信息样本和异常类型的用户信息样本，对当前的线上模型进行训练得到训练后的线上模型，其中，当前的线上模型用于表征用户信息与用户信息为异常类型的概率的对应关系，训练后的线上模型也用于表征用户信息与用户信息为异常类型的概率的对应关系；对于获取到的多个用户信息中的每个用户信息，将该用户信息输入到训练后的线上模型中得到该用户信息为异常类型的第一概率，并将该用户信息输入到当前的线上模型中得到该用户信息为异常类型的第二概率；基于多个用户信息对应的多个第一概率和多个第二概率，生成训练后的线上模型与当前的线上模型的差异结果，并向审核端推送差异结果。

A2、如A1上述的方法，生成训练后的线上模型与当前的线上模型的差异结果，包括：将第一概率大于预设的第一概率阈值、且第二概率小于第一概率阈值的用户信息确定为训练后的线上模型与当前的线上模型的差异结果。

A3、如A1或A2上述的方法，生成训练后的线上模型与当前的线上模型的差异结果，包括：将第一概率小于预设的第二概率阈值、且第二概率大于第二概率阈值的用户信息确定为训练后的线上模型与当前的线上模型的差异结果。

A4、如A1上述的方法，该方法还包括：响应于从审核端接收到将训练后的线上模型作为当前的线上模型的指示信息，将当前的线上模型更新为训练后的线上模型；响应于从审核端接收到将当前的线上模型继续作为当前的线上模型的指示信息，删除训练后的线上模型，并将生成训练后的线上模型所使用的训练用样本集合中的样本划分到用户信息样本集合中。

A5、如A1上述的方法，在用户信息样本集合中选取预设数目用户信息样本组成训练用样本集合，包括：将用户信息样本集合所包含的异常类型的用户信息样本的数量与预设的异常类型的用户信息样本的最大数量中的最小值确定为异常类型的用户信息样本的待选取数量；将预设数目与异常类型的用户信息样本的待选取数量之差确定为正常类型的用户信息样本的待选取数量；按照异常类型的用户信息样本的待选取数量和正常类型的用户信息样本的待选取数量，在用户信息样本集合中选取用户信息样本组成训练用样本集合。