[发明专利]信息推送方法、装置、计算机设备和存储介质

说明书

本申请实施例提供了一种信息推送方法、装置、计算机设备和存储介质，该方法包括获取待处理样本集；针对待处理样本集中的每个待处理样本，为该待处理样本生成样本特征向量，并预测该待处理样本在预设样本标签集中每个样本标签下的初始概率；基于每个待处理样本在样本标签集中每个样本标签下的初始概率，从所述待处理样本集中，确定部分待处理样本；基于每个待处理样本对应的样本特征向量和部分待处理样本分别对应的真实标签，以及所述样本标签集中每个样本标签对应的标签概率预测模型，从所述样本标签集中，为每个待处理样本选择目标标签，并推送。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种信息推送方法、装置、计算机设备和存储介质。

背景技术

在模型训练中一般需要为输入模型的样本进行标签标注，标注内容通常为几个词的短语，且能涵盖文本有意义的主题，比如客服中关于报税的问题，可标签为报税表格，或补税等主题。

为样本标注标签的过程一般是通过人工标注的方式实现的，非常耗时耗力，当样本量比较大时，人工标注的标签时可能会存在标错现象，降低了最终得到的样本的标签的准确度。

发明内容

有鉴于此，本申请实施例的目的在于提供一种信息推送方法、装置、计算机设备和存储介质，以提高推送信息的效率。

第一发明，本申请实施例提供了一种信息推送装置，该装置包括：

获取模块，用于获取待处理样本集；

第一处理模块，用于针对待处理样本集中的每个待处理样本，为该待处理样本生成样本特征向量，并预测该待处理样本在预设样本标签集中每个样本标签下的初始概率；

确定模块，用于基于各个待处理样本在样本标签集中每个样本标签下的初始概率，从所述待处理样本集中，确定部分待处理样本；

第二处理模块，用于基于每个待处理样本对应的样本特征向量和部分待处理样本分别对应的真实标签，以及所述样本标签集中每个样本标签对应的标签概率预测模型，从所述样本标签集中，为每个待处理样本选择目标标签，并推送。

在一种实施方式中，所述第一处理模块用于根据以下步骤为该待处理样本生成样本特征向量：

针对每个待处理样本，对该待处理样本进行分词处理，得到该待处理样本对应的词汇集；

为该待处理样本对应的词汇集中的每个词汇生成词汇向量；

对该待处理样本对应的词汇集中的各个词汇对应的词汇向量进行加权处理，得到该待处理样本对应的样本特征向量。

在一种实施方式中，所述第一处理模块用于根据以下步骤预测该待处理样本在预设样本标签集中每个样本标签下的初始概率：

针对样本标签集中的每个样本标签，将该待处理样本的样本特征向量输入到该样本标签对应的第一标签概率预测模型，预测得到该待处理样本在该样本标签下的初始概率。

在一种实施方式中，所述第一处理模块还用于：

针对待处理样本集中的每个待处理样本，将最大初始概率确定为该待处理样本对应的目标初始概率，并将目标初始概率对应的样本标签作为该处理样本选择的第一标签；

基于为每个待处理样本选择的第一标签，确定属于同一样本标签的待处理样本的第一数目；

基于每个待处理样本对应的初始概率，以及每个样本标签对应的第一数目在样本总数中的占比，调整每个样本标签对应的第一标签概率预测模型的模型参数，得到每个样本标签对应的调整模型参数。

在一种实施方式中，所述第二处理模块用于根据以下步骤从所述样本标签集中，为每个待处理样本选择目标标签：