[发明专利]推送参数确定方法、装置、设备及计算机可读存储介质

权利要求书

1.一种推送参数确定方法，其特征在于，包括：

当检测到推送请求时，获取推送请求对应的目标用户的用户画像数据和历史行为数据；

根据所述用户画像数据和所述历史行为数据预测所述目标用户对应的参考值；其中，所述目标用户对应的参考值用于作为多媒体对象推送上限的设定依据；

根据所述目标用户对应的参考值和历史参考均值确定所述多媒体对象推送上限，以根据所述多媒体对象推送上限响应所述推送请求，向所述目标用户推送多媒体对象；

其中，根据所述用户画像数据和所述历史行为数据预测所述目标用户对应的参考值，包括：

根据所述用户画像数据和所述历史行为数据计算任务集合中各任务行为在单位时间内的完成概率；

根据所述完成概率和所述各任务对应的预设评价参数预测所述目标用户对应的参考值；其中，所述预设评价参数用于表示用户活跃度。

2.根据权利要求1所述的方法，其特征在于，所述用户画像数据包括：性别和年龄中至少一种；所述历史行为数据包括：听歌时长满足于预设时长、参与听歌游戏、发布动态、听推荐歌曲集合或精选歌曲集合、观看直播、留言、推荐歌曲至社交好友、与他人一起听歌、发布短视频以及分享歌曲中至少一种。

3.根据权利要求1所述的方法，其特征在于，获取推送请求对应的目标用户的用户画像数据和历史行为数据，包括：

读取所述推送请求中用于表示所述目标用户的用户标识；

从画像数据库中获取与所述用户标识对应的用户画像数据，并从历史行为数据库中获取与所述用户标识对应的历史行为数据。

4.根据权利要求3所述的方法，其特征在于，从历史行为数据库中获取与所述用户标识对应的历史行为数据之前，所述方法还包括：

按照第一时长间隔向至少一个存储区域请求用户行为日志，并接收所述用户行为日志；其中，所述至少一个存储区域对应于不同的行为类型；

将所述用户行为日志存储于所述历史行为数据库中。

5.根据权利要求4所述的方法，其特征在于，根据所述目标用户对应的参考值和历史参考均值确定所述多媒体对象推送上限之前，所述方法还包括：

按照预设单位时长统计各用户对应的历史行为数据，各历史行为数据均包括用户在预设单位时长内对应的参考值；

根据预设单位时段从所述历史行为数据库中获取至少一个特定历史行为数据；

根据所述至少一个特定历史行为数据计算所述历史参考均值。

6.根据权利要求1所述的方法，其特征在于，根据所述完成概率和所述各任务对应的预设评价参数预测所述目标用户对应的参考值，包括：

将一一对应的完成概率和预设评价参数进行分别相乘，得到多个乘积；

计算所述多个乘积之和作为所述目标用户对应的参考值。

7.根据权利要求1所述的方法，其特征在于，根据所述用户画像数据和所述历史行为数据计算任务集合中各任务行为在单位时间内的完成概率，包括：

将所述用户画像数据和所述历史行为数据输入深度神经网络；

通过所述深度神经网络中的嵌入层将所述用户画像数据和所述历史行为数据表示为标准化数据；

通过所述深度神经网络中的多层特征提取层提取所述标准化数据的特征向量；

根据所述特征向量计算任务集合中各任务行为在单位时间内的完成概率。

8.根据权利要求7所述的方法，其特征在于，将所述用户画像数据和所述历史行为数据输入深度神经网络之前，所述方法还包括：

按照第二时长间隔从历史行为数据库和画像数据库中获取当前的第二时长间隔对应的训练样本；

将所述训练样本输入所述深度神经网络，以使得所述深度神经网络预测所述训练样本对应的参考值；

根据所述训练样本对应的参考值和所述训练样本对应的实际值计算损失函数；

根据所述损失函数对所述深度神经网络进行参数调整，完成所述当前的第二时长间隔对应的网络训练，并按照所述第二时长间隔循环至下一次网络训练。