[发明专利]信息推送方法、装置、电子设备和计算机可读介质

说明书

本公开的实施例公开了信息推送方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：根据时间粒度信息，将对应反馈目标的反馈用户特征向量集拆分为各个一级反馈用户特征向量子集；对于每个一级反馈用户特征向量子集，对各个一级反馈用户特征向量进行聚类处理，得到各个二级反馈用户特征向量子集；对所得到的各个二级反馈用户特征向量子集进行优选处理，得到种子用户特征向量集合；响应于接收到目标用户特征向量，生成相似度信息；响应于相似度信息满足预设相似度条件，将预设频道信息推送至对应于目标用户特征向量的用户终端。该实施方式提高了圈选的种子用户的准确率、召回率，提升了相似人群放大的关联效果，节省了算力资源。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及信息推送方法、装置、电子设备和计算机可读介质。

背景技术

人群lookalike，是基于种子用户，找到更多拥有潜在关联性的相似人群的技术。目前，在圈选种子用户时，通常采用的方式为：人工圈选种子用户或将实时反馈用户作为种子用户。

然而，当采用上述方式圈选种子用户时，经常会存在如下技术问题：用户画像标签较多时，通过人工方式圈选的种子用户的准确率和召回率较低；将反馈用户直接作为种子用户，种子用户的特征较为分散，相似人群放大的关联效果较差，同时，反馈用户较多时进行相似人群查找，造成算力资源浪费。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了信息推送方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种信息推送方法，该方法包括：根据预设的时间粒度信息，将对应反馈目标的反馈用户特征向量集拆分为各个一级反馈用户特征向量子集，其中，每个一级反馈用户特征向量子集对应一个时间段；对于上述各个一级反馈用户特征向量子集中的每个一级反馈用户特征向量子集，对上述一级反馈用户特征向量子集中的各个一级反馈用户特征向量进行聚类处理，得到各个二级反馈用户特征向量子集；对所得到的各个二级反馈用户特征向量子集进行二级反馈用户特征向量子集优选处理，得到优选处理后的二级反馈用户特征向量子集作为种子用户特征向量集合；响应于接收到目标用户特征向量，基于上述种子用户特征向量集合和上述目标用户特征向量，生成相似度信息；响应于上述相似度信息满足预设相似度条件，将对应上述反馈目标的预设频道信息推送至对应于上述目标用户特征向量的用户终端。

可选地，方法还包括：响应于上述相似度信息满足预设相似度条件，将上述目标用户特征向量添加至上述种子用户特征向量集合中。

可选地，上述生成相似度信息，包括：对上述种子用户特征向量集合中的各个种子用户特征向量进行均值化处理，得到均值化种子用户特征向量；将上述目标用户特征向量和上述均值化种子用户特征向量的相似度确定为相似度信息。

可选地，在上述根据预设的时间粒度信息，将对应反馈目标的反馈用户特征向量集拆分为各个一级反馈用户特征向量子集之前，方法还包括：响应于接收到对应上述反馈目标的目标埋点日志数据，对上述目标埋点日志数据进行解析处理，得到反馈用户特征向量集。

可选地，上述对上述目标埋点日志数据进行解析处理，包括：对上述目标埋点日志数据进行字段解析处理，得到解析用户特征向量集；响应于上述解析用户特征向量集中存在相同的解析用户特征向量，对上述解析用户特征向量集进行去重处理，得到去重后的解析用户特征向量集作为反馈用户特征向量集；响应于上述解析用户特征向量集中的各个解析用户特征向量相异，将上述解析用户特征向量集确定为反馈用户特征向量集。