[发明专利]电子券推送方法、装置

权利要求书

1.一种电子券推送方法，其特征在于，所述方法包括：

获取与待推送用户相关联的特征数据；

基于所述特征数据，通过预先训练的电子券推荐模型为所述待推送用户推荐至少一类电子券；

在向所述待推送用户推送所述至少一类电子券之后，获取所述待推送用户根据推送的电子券而产生的消费数据；

基于所述特征数据与所述消费数据对所述电子券推荐模型进行训练，得到训练后的电子券推荐模型，所述训练后的电子券推荐模型用于进行下一次电子券推荐。

2.根据权利要求1所述的方法，其特征在于，所述电子券推荐模型包括归一化层和多个隐藏层，所述基于所述特征数据，通过预先训练的电子券推荐模型为所述待推送用户推荐至少一类电子券，包括：

通过所述归一化层对与待推送用户相关联的特征数据进行归一化处理，得到归一化处理后的数据；

将所述归一化处理后的数据输入至所述多个隐藏层中的首层隐藏层，并通过所述多个隐藏层中的尾层隐藏层分别输出与各类电子券一一对应的尾层节点数据；

通过映射函数分别对各尾层节点数据进行映射，以映射得到针对每一类电子券的推荐概率值；

根据所述推荐概率值，为所述待推送用户推荐至少一类电子券。

3.根据权利要求2所述的方法，其特征在于，所述通过映射函数分别对各尾层节点数据进行映射，以映射得到针对每一类电子券的推荐概率值，包括：

通过Softmax函数分别对各尾层节点数据进行映射，以映射得到针对每一类电子券的推荐概率值。

4.根据权利要求2所述的方法，其特征在于，所述根据所述推荐概率值，为所述待推送用户推荐至少一类电子券，包括：

按照各类电子券所对应的推荐概率值，在各个类别的电子券中依概率随机选择至少一类推荐给待推送用户。

5.根据权利要求2至4任一项所述的方法，其特征在于，所述基于所述特征数据与所述消费数据对所述电子券推荐模型进行训练，包括：

根据所述消费数据，确定用于训练所述电子券推荐模型的尾层节点期望数据；

将所述特征数据输入至所述电子券推荐模型，以输出得到与各类电子券一一对应的尾层节点输出数据；

通过所述尾层节点输出数据与所述尾层节点期望数据的对比，通过梯度反向传递对所述电子券推荐模型中的隐层参数进行校正。

6.根据权利要求5所述的方法，其特征在于，所述多个隐藏层包括第一子模型和第二子模型，所述第一子模型具有对所述特征数据的特征进行记忆的能力，所述第二子模型具有对所述特征数据的特征进行泛化的能力，所述将所述特征数据输入至所述电子券推荐模型，以输出得到与各类电子券一一对应的尾层节点输出数据，包括：

将所述特征数据输入至第一子模型，以输出第一子模型数据；

将所述特征数据输入至第二子模型，以输出第二子模型数据；

针对每一类电子券，对所述第一子模型数据和第二子模型数据进行加权计算，得到所述电子券的尾层节点输出数据。

7.根据权利要求6所述的方法，其特征在于，所述第一子模型包括双线性变换模型，所述将所述特征数据输入至第一子模型，以输出第一子模型数据，包括：

将所述特征数据输入至双线性变换模型，对所述特征数据进行特征交叉，得到所述第一子模型数据。

8.根据权利要求6所述的方法，其特征在于，所述第二子模型为神经网络模型，所述将所述特征数据输入至第二子模型，以输出第二子模型数据，包括：

将所述特征数据输入至神经网络模型，对所述特征数据进行特征变换，得到所述第二子模型数据。