[发明专利]信息推送装置、方法、电子设备和计算机可读存储介质在审

专利信息
申请号: 201910785399.1 申请日: 2019-08-23
公开(公告)号: CN111831927A 公开(公告)日: 2020-10-27
发明(设计)人: 刘磊;陈欢 申请(专利权)人: 北京嘀嘀无限科技发展有限公司
主分类号: G06F16/9537 分类号: G06F16/9537;G06Q10/04;G06Q50/30
代理公司: 北京超成律师事务所 11646 代理人: 许书音
地址: 100193 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 信息 推送 装置 方法 电子设备 计算机 可读 存储 介质
【权利要求书】:

1.一种信息推送装置,其特征在于,该装置包括:

获取模块,用于获取发起服务请求的请求端的候选目的地集;

特征处理模块,用于针对所述获取模块获取的所述候选目的地集中的每个候选目的地,基于该候选目的地对应的多个历史出行行为特征,确定该候选目的地的高维抽取特征和所述请求端选择该候选目的地的初始概率;

概率确定模块,用于对所述请求端的属性特征、该候选目的地的属性特征、该候选目的地对应的所述多个历史出行行为特征、所述特征处理模块确定的所述高维抽取特征和所述初始概率进行不同种组合方式下的特征组合,基于在每种组合方式下分别得到的组合特征,确定在每种组合方式下,所述请求端选择该候选目的地的概率;

目的地确定模块,用于基于所述概率确定模块确定的所述候选目的地集中各候选目的地分别对应的在每种组合方式下,所述请求端选择该候选目的地的概率,从所述候选目的地集中为所述请求端选择推荐目的地,并将选择的推荐目的地推送给所述请求端。

2.根据权利要求1所述的信息推送装置,其特征在于,所述特征处理模块具体用于:

将所述候选目的地的多个历史出行行为特征输入到预先训练的第一概率预测模型的特征组合模块,得到所述候选目的地的所述高维抽取特征;

将所述候选目的地的所述高维抽取特征输入到所述第一概率预测模型的概率预测模块,确定所述请求端选择该候选目的地的初始概率。

3.根据权利要求1所述的信息推送装置,其特征在于,所述概率确定模块具体用于:

将所述请求端的属性特征、所述候选目的地的属性特征、所述候选目的地对应的所述多个历史出行行为特征、所述高维抽取特征和所述初始概率输入到预先训练的第二概率预测模型的特征组合模块中对每两个特征进行特征组合,得到所述候选目的地的第一组合特征;

将所述第一组合特征输入到所述第二概率预测模型的概率预测模块中,得到所述请求端选择该候选目的地的第一概率;

将所述请求端的属性特征、所述候选目的地的属性特征、所述候选目的地对应的所述多个历史出行行为特征、所述高维抽取特征和所述初始概率输入到预先训练的第三概率预测模型的特征组合模块中对所有特征进行特征组合,得到所述候选目的地的第二组合特征;

将所述第二组合特征输入到所述第三概率预测模型的概率预测模块中,得到所述请求端选择该候选目的地的第二概率。

4.根据权利要求2所述的信息推送装置,其特征在于,该装置包括第一训练模块,所述第一训练模块具体用于根据以下步骤训练得到所述第一概率预测模型:

构建第一训练样本库,所述第一训练样本库包括历史出行订单对应的历史候选目的地的多个历史出行行为特征、历史实际目的地的多个历史出行行为特征和对应的出行选择结果;

将所述历史候选目的地的多个历史出行行为特征、所述历史实际目的地的多个历史出行行为特征作为所述第一概率预测模型的输入特征,将对应的出行选择结果作为所述第一概率预测模型的输出特征,训练得到所述第一概率预测模型。

5.根据权利要求3所述的信息推送装置,其特征在于,该装置包括第二训练模块,所述第二训练模块具体用于根据以下步骤训练得到所述第二概率预测模型:

构建第二训练样本库,所述第二训练样本库包括历史出行订单对应的历史请求端的属性特征、历史候选目的地对应的属性特征、多个历史出行行为特征、历史高维抽取特征和历史预测概率、历史实际目的地对应的属性特征、多个历史出行行为特征、历史高维抽取特征和历史预测概率,以及对应的出行选择结果;

将所述历史请求端的属性特征、所述历史候选目的地对应的属性特征、多个历史出行行为特征、历史高维抽取特征和历史预测概率、所述历史实际目的地对应的属性特征、多个历史出行行为特征、历史高维抽取特征和历史预测概率作为所述第二概率预测模型的输入特征,将对应的出行选择结果作为所述第二概率预测模型的输出特征,训练得到所述第二概率预测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京嘀嘀无限科技发展有限公司,未经北京嘀嘀无限科技发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910785399.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top