[发明专利]一种基于延迟转化预测模型的信息推送方法及相关设备

权利要求书

1.一种基于延迟转化预测模型的信息推送方法，其特征在于，包括：

获取用户的身份信息、所述用户的历史购买记录以及目标机构的交易数据；

根据所述用户的身份信息、所述用户的历史购买记录确定所述用户的用户特征集合，并根据所述目标机构的交易数据确定金融特征集合；

将所述用户特征集合和所述金融特征集合输入至预训练的延迟转化预测模型中，得到所述用户的预测转化率；

在根据所述用户的预测转化率确定所述用户满足预设推送条件的情况下，向所述用户推送推荐信息；

其中，所述延迟转化预测模型是根据训练样本集中发生转化的训练样本作为正样本，且所述训练样本集中在预设时间段内未发生转化的训练样本作为负标记样本进行训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述训练样本集中的正样本的标签包括转化时间，所述将所述用户特征集合和所述金融特征集合输入至预训练的延迟转化预测模型中，得到所述用户的预测转化率之前，所述方法还包括：

获取训练样本集，所述训练样本集包括正样本集合和负样本集合；

将正样本输入至初始延迟转化预测模型中，根据所述初始延迟转化预测模型确定所述正样本在所对应的转化时间发生转化的转化概率；

将负样本输入至所述初始延迟转化预测模型中，根据所述初始延迟转化预测模型确定所述负样本在所述预设时间段内未发生转化的未转化概率；

根据所述正样本集合中的各个转化概率和所述负样本集合中各个未转化概率确定目标损失函数值；

根据所述目标损失函数值和所述训练样本集对所述初始延迟转化预测模型进行迭代训练，在所述目标损失函数值满足训练结束条件的情况下，确定所述目标损失函数值满足训练结束条件时的初始延迟转化预测模型为所述延迟转化预测模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述初始延迟转化预测模型确定所述负样本在所述预设时间段内未发生转化的未转化概率，包括：

根据所述初始延迟转化预测模型确定所述负样本不会发生转化的第一条件概率；

根据所述初始延迟转化预测模型确定所述负样本在当前训练时刻之后发生转化的第二条件概率；

根据所述第一条件概率和所述第二条件概率，确定所述负样本在所述预设时间段内未发生转化的未转化概率，所述未转化概率为所述第一条件概率与所述第二条件概率的和。

4.根据权利要求3所述的方法，其特征在于，所述将所述用户特征集合和所述金融特征集合输入至预训练的延迟转化预测模型中，得到所述用户的预测转化率，包括：

将所述用户特征集合和所述金融特征集合输入至所述预训练的延迟转化预测模型中，得到所述用户在第N个单位时间段发生转化的概率，所述N为大于或等于1的整数；

根据参考时间段中每个单位时间段发生转化的概率，确定所述用户在所述参考时间段发生转化的概率，将所述用户在所述参考时间段发生转化的概率作为所述用户在所述参考时间段的预测转化率；

其中，所述用户在所述参考时间段发生转化的概率为所述参考时间段中每个单位时间段发生转化的概率之和。

5.根据权利要求4所述的方法，其特征在于，所述向所述用户推送推荐信息之前，所述方法还包括：

将所有用户作为第一待推送用户集合，确定所述第一待推送用户集合中各个用户针对所述推送信息的推送状态；

去除所述第一待推送用户集合中针对所述推送信息的推送状态为关闭状态的用户，得到第二待推送用户集合；

去除所述第二待推送用户集合中用户的身份信息不满足推送内容对应的推送条件的用户，得到第三待推送用户集合；

对所述第三待推送用户集合中各个用户的预测转化率按照从大到小进行排序，得到排序结果，在所述用户的预测转化率在所述排序结果的前M位中的情况下，确定所述用户的所述预测转化率满足所述推送条件，所述M为大于1的整数。