[发明专利]通知消息的推送方法、装置、存储介质及电子设备

权利要求书

1.一种通知消息的推送方法，其特征在于，包括：

当接收到通知消息时，获取所述通知消息的内容；

基于预先训练好的深度强化学习模型，根据所述内容计算所述通知消息的优先级，其中，所述深度强化学习模型根据用户查看历史通知消息的经验数据训练得到；

根据所述通知消息的优先级和通知栏中未读消息的优先级，确定所述通知消息的排列顺序，并根据所述通知消息的优先级确定所述通知消息的展示方式；

按照所述排列顺序和所述展示方式推送所述通知消息。

2.如权利要求1所述的通知消息的推送方法，其特征在于，按照所述排列顺序和所述展示方式推送所述通知消息的步骤之后，所述方法还包括：

根据用户对所述通知消息的查看情况，记录用户查看所述通知消息的查看时长和奖励值；

将所述内容、所述查看时长和所述奖励值作为所述通知消息的经验数据，存储到经验池。

3.如权利要求2所述的通知消息的推送方法，其特征在于，根据用户对所述通知消息的查看情况，获取用户查看所述通知消息的查看时长和奖励值的步骤，包括：

若检测到用户点击并查看所述通知消息，则记录用户查看所述通知消息的查看时长，并将所述通知消息的奖励值记录为正数；

若检测到所述通知消息被清除，则将所述通知消息的查看时长记录为零，并将所述通知消息的奖励值记录为负数。

4.如权利要求2或3所述的通知消息的推送方法，其特征在于，所述方法还包括：

每间隔预设时间间隔，获取经验池中的存储的历史通知消息的经验数据；

根据主题模型算法对所述历史通知消息的内容进行处理，提取所述历史通知消息的文档主题特征；

根据所述历史通知消息的文档主题特征和经验数据，训练所述深度强化学习模型的价值网络，以获取网络参数。

5.如权利要求4所述的通知消息的推送方法，其特征在于，所述深度强化学习模型为基于深度Q网络算法的模型，根据所述历史通知消息的文档主题特征和经验数据，训练所述深度强化学习模型的价值网络，以获取网络参数的步骤，包括：

将所述历史通知消息的文档主题特征作为所述深度强化学习模型的价值网络的状态数据；

将所述历史通知消息的经验数据中的查看时长作为所述价值网络的动作数据；

根据所述状态数据、所述动作数据和所述奖励值，训练所述价值网络，获取网络参数。

6.如权利要求4所述的通知消息的推送方法，其特征在于，基于预先训练好的深度强化学习模型，根据所述内容计算所述通知消息的优先级的步骤，包括：

获取预先训练好的深度强化学习模型的价值网络；

根据所述主题模型算法提取所述通知消息的文档主题特征；

根据所述通知消息的文档主题特征和所述价值网络，计算所述通知消息的优先级。

7.如权利要求6所述的通知消息的推送方法，其特征在于，根据所述通知消息的文档主题特征和所述价值网络，计算所述通知消息的优先级的步骤，包括：

将所述通知消息的文档主题特征作为当前的价值网络的下一个状态数据，根据训练好的所述价值网络，计算所述价值网络中各个动作数据对应的Q值；

根据Q值最大的动作数据确定所述通知消息的优先级，其中，所述动作数据中的查看时长与所述优先级之间成正比。

8.如权利要求7所述的通知消息的推送方法，其特征在于，根据所述通知消息的优先级确定所述通知消息的展示方式的步骤，包括：

若所述优先级不大于预设阈值，则将所述通知消息的展示方式设置为折叠显示；

若所述优先级大于所述预设阈值，则将所述通知消息的展示方式设置为展开显示。