[发明专利]一种信息推送方法及装置

说明书

本发明公开了一种信息推送方法及装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取第一用户针对第一物品的第一实时行为数据；根据所述第一实时行为数据以及行为预测模型，确定所述第一用户执行目标行为的第一概率；其中，所述行为预测模型是根据多个第二用户的历史行为数据进行训练，且根据第三用户的第二实时行为数据、以及所述第三用户是否执行所述目标行为的操作结果进行优化得到的；根据所述第一概率，为所述第一用户推送信息。该实施方式提高了行为预测模型的预测准确性，并提高了信息推送的准确性，有利于提高用户粘度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种信息推送方法及装置。

背景技术

在电商领域中，加购行为预示着用户在短期内对加购的物品、或者该物品所属品类、品牌或店铺有着较强的兴趣。如何准确预测用户加购行为的有效性，对于优化电商平台的运营以及提高用户粘性来说十分重要。

目前，主要基于用户的历史行为数据(如用户在过去几个月内的点击行为数据)来构建模型，并基于构建的模型来预测用户加购行为的有效性。

由于模型构建过程仅考虑了用户的历史行为数据，导致模型预测结果的实时性较差，从而降低了预测结果的准确性。

发明内容

有鉴于此，本发明实施例提供一种信息推送方法及装置，由于根据用户的实时行为数据来确定用户执行目标行为的第二概率，并根据第二概率以及用户实时加购数据的操作结果来优化行为预测模型，也就是根据用户的实时加购数据及其实时的操作结果来优化行为预测模型，从而提高了模型预测结果的准确性，由此进一步根据模型预测结果进行信息推送，从而提高信息推送的准确性，有利于提高用户粘度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种信息推送方法。

本发明实施例的一种信息推送方法包括：获取第一用户针对第一物品的第一实时行为数据；

根据所述第一实时行为数据以及行为预测模型，确定所述第一用户执行目标行为的第一概率；其中，所述行为预测模型是根据多个第二用户的历史行为数据进行训练，且根据第三用户的第二实时行为数据、以及所述第三用户是否执行所述目标行为的操作结果进行优化得到的；

根据所述第一概率，为所述第一用户推送信息。

可选地，对所述行为预测模型的优化包括：

根据所述第二实时行为数据以及训练后的所述行为预测模型，确定所述第三用户执行所述目标行为的第二概率；

根据所述操作结果以及所述第二概率，对所述行为预测模型进行优化；所述操作结果包括所述第三用户是否执行所述目标行为。

可选地，所述历史行为数据包括以下任意一个或多个：所述历史行为数据对应的第一加购事件特征、所述第二用户的长期用户特征、所述历史行为数据对应物品的长期属性特征。

可选地，在所述历史行为数据包括了所述长期用户特征和所述长期属性特征的情况下，还包括：

根据所述行为预测模型的深度以及缓存的容量，对所述长期用户特征和所述长期属性特征进行筛选；

将筛选后的长期用户特征和所述长期属性特征存入所述缓存中。

可选地，所述确定所述第三用户执行所述目标行为的第二概率，包括：

根据所述第二实时行为数据，确定所述第二实时行为对应的第二物品被加购时的第二加购事件特征、第三用户的短期行为特征和所述第二物品的属性特征；

分别对所述第三用户的短期行为特征和所述第二物品的属性特征与所述缓存中存储的所述长期用户特征、所述长期属性特征进行合并；

根据合并后的数据以及所述第二加购事件特征，生成预测样本；