[发明专利]任务推送方法及装置、存储介质及电子设备

权利要求书

1.一种任务推送方法，其特征在于，包括：

获取预设时间内多个用户的特征信息，并根据所述特征信息对所述用户进行聚类得到多种参考用户类型和多个聚类中心；

根据目标用户的所述特征信息和所述聚类中心将所述目标用户所属的参考用户类型作为目标用户类型；

获取多个候选任务，并计算所述候选任务分配给所述目标用户类型的概率；

根据所述概率判断是否将所述候选任务推送给所述目标用户。

2.根据权利要求1所述的方法，其特征在于，获取预设时间内多个用户的特征信息，并根据所述特征信息对所述用户进行聚类得到多种参考用户类型和多个聚类中心，包括：

从数据库中获取多个用户的特征信息；

根据所述特征信息确定特征向量；

根据所述特征向量和所述聚类中心对多个所述用户进行聚类得到多种参考用户类型。

3.根据权利要求2所述的方法，其特征在于，根据所述特征向量和所述聚类中心对多个所述用户进行聚类得到多种参考用户类型，包括：

利用多个所述聚类中心对多个所述特征向量进行聚类得到特征向量类型；

根据所述特征向量类型将多个所述用户分为多种参考用户类型。

4.根据权利要求2所述的方法，其特征在于，根据目标用户的所述特征信息选取所述目标用户所属的参考用户类型作为目标任务类型，包括：

获取所述目标用户的特征信息；

依据所述特征信息确定所述目标用户的特征向量；

依据所述目标用户的特征向量，将与所述目标用户的特征向量距离最近的所述聚类中心所对应的所述参考用户类型作为目标用户类型。

5.根据权利要求1所述的方法，其特征在于，获取多个候选任务，并计算所述候选任务分配给所述目标用户类型的概率，包括：

从数据库中获取多个候选任务，其中每个所述候选任务包括多个特征属性；

根据所述特征属性利用深度学习模型计算所述候选任务分配给所述目标用户类型的概率。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括；

获取训练数据，所述训练数据包括样本候选任务的多个所述特征属性和所述样本候选任务是否分配给所述目标用户类型的判定结果；

基于所述训练数据对一机器学习模型进行训练得到所述深度学习模型。

7.根据权利要求1所述的方法，其特征在于，根据所述概率判断是否将所述候选任务推送给所述目标用户，包括：

判断所述概率与预设值的大小；

若所述概率大于所述预设值，则将所述概率对应的候选任务作为嘴尖任务推送给所述目标用户。

8.一种任务推送装置，其特征在于，包括：

获取模块，获取预设时间内多个用户的特征信息，并根据所述特征信息对所述用户进行聚类得到多种参考用户类型；

选择模块，根据目标用户的所述特征信息选取所述目标用户所属的参考用户类型作为目标用户类型；

计算模块，获取多个候选任务，并计算所述候选任务分配给所述目标用户类型的概率；

判断模块，根据所述概率判断是否将所述候选任务推送给所述目标用户。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的任务推送方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的任务推送方法。