[发明专利]一种信息推送方法与相关装置

说明书

本申请提供了一种信息推送方法与相关装置，一种信息推送方法与相关装置。首先得获取用户原始数据；其中，用户原始数据包括用户ID与历史记录，然后按照预设定种类的对用户ID进行分类，并依据贝叶斯分类算法确定每个分类中的目标用户ID，再将历史记录与用户ID的分类类型输入至预设定的模型中，以获取线性回归模型，其中，线性回归模型用于输出每种分类类型与商品的匹配度，然后利用线性回归模型输出每种分类类型与商品的匹配度的预测值，再依据匹配度预设值确定目标分类类型，最后向目标分类类型中的每个用户ID推送商品信息。本申请提供的信息推送方法与相关装置具有推送的信息更加具有针对性，用户的满意度更高的优点。

技术领域

本申请涉及信息推送技术领域，具体而言，涉及一种信息推送方法与相关装置。

背景技术

目前，对于互联网企业而言，能够准确地向用户进行商品信息的推送至关重要，例如进行商品广告的推送，商品优惠活动的推送等。

然而，目前对于商品信息的推送，预测结果普遍通过算法直接得出，对于特定的场景，无法是做到定制化。换言之，目前在进行商品信息的推送时，其推送的人群较难有针对性，使得用户的体验感不高。

综上，目前的商品信息推动方法存在推送时较难有针对性，用户体验感不高的问题。

发明内容

本申请的目的在于提供一种信息推送方法与相关装置，以解决现有技术中商品信息推动方法存在推送时较难有针对性，用户体验感不高的问题。

为了实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供一种信息推送方法，所述方法包括：

获取用户原始数据；其中，所述用户原始数据包括用户ID与历史记录；

按照预设定种类的对所述用户ID进行分类，并依据贝叶斯分类算法确定每个分类中的目标用户ID；

将所述历史记录与所述用户ID的分类类型输入至预设定的模型中，以获取线性回归模型，其中，所述线性回归模型用于输出每种分类类型与商品的匹配度；

利用线性回归模型输出每种分类类型与所述商品的匹配度的预测值；

依据所述匹配度预设值确定目标分类类型；

向所述目标分类类型中的每个用户ID推送商品信息。

进一步地，在所述利用线性回归模型输出每种分类类型与所述商品的匹配度的预测值的步骤之前，所述方法还包括：

按照预设定的参数对一种或多种分类类型的权重进行调整。

进一步地，所述将所述历史记录与所述用户ID的分类类型输入至预设定的模型中，以获取线性回归模型的步骤包括：

对所述历史记录进行预处理，以从所述历史记录中确定目标参数，并输出所述预设定的模型中。

进一步地，所述对所述历史记录进行预处理，以从所述历史记录中确定目标参数，并输出所述预设定的模型中的步骤包括：

依据预设定的参数类型从所述历史记录中确定目标参数；

当所述历史记录中的目标参数存在缺失时，获取缺失的所述目标参数的权重；

当缺失的所述目标参数的权重大于阈值时，将预设定的平均参数作为所述目标参数，并将处理后的目标参数输入至所述预设定的模型中；

当缺失的所述目标参数的权重小于阈值时，直接将所述目标参数输入至所述预设定的模型中，

第二方面，本申请实施例还提供了一种信息推送装置，所述装置包括：