[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

说明书

本申请实施例应用于人工智能领域，公开了一种基于延迟转化预测模型的信息推送方法及相关设备，包括：获取用户的身份信息、用户的历史购买记录以及目标机构的交易数据；根据用户的身份信息、用户的历史购买记录确定用户的用户特征集合，根据目标机构的交易数据确定金融特征集合；将用户特征集合和金融特征集合输入至预训练的延迟转化预测模型，得到用户的预测转化率；若根据用户的预测转化率确定用户满足预设推送条件，则向用户推送推荐信息。采用本申请实施例，可以使得推送更为精准，提高推荐的效果。本申请涉及区块链技术，上述信息/特征可存储于区块链中。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于延迟转化预测模型的信息推送方法及相关设备。

背景技术

随着信息技术的发展，人们的理财意识逐渐增强，越来越多的人开始将闲置的资源数据投入到购买理财产。用户购买某一个理财产品的过程可能是通过浏览、点击、加购物车，或者分享、收藏，最后到购买成交的，或者后续用户还有可能发生复购。其中，理财产品的商家可以投放推荐广告或者推送信息，投放之后用户可以浏览，通常来说，推送信息或者广告投放的效果是通过浏览之后顾客购买成交的结果来反映的，即通过转化率(Conversion Rate，CVR)来衡量投放的效果。所谓转化率是指有成交记录的次数与投放的次数的比值。目前，为了提高投放的转化率，常用的做法是通过用户在注册某理财产品平台时所填写的身份信息所对应的身份标签确定的，这种方式比较依赖用户在注册信息推送平台时的输入的身份信息，若身份信息输入不够准确，则可能导致推荐不够精准，推荐的效果不好，转化率低。

发明内容

本申请实施例提供一种基于延迟转化预测模型的信息推送方法及相关设备，可以，更符合用户的行为习惯，提高预测的准确性，提高投放的转化率。

第一方面，本申请实施例提供一种基于延迟转化预测模型的信息推送方法，包括：

获取用户的身份信息、上述用户的历史购买记录以及目标机构的交易数据；

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

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

在根据上述用户的预测转化率确定上述用户满足预设推送条件的情况下，向上述用户推送推荐信息；

其中，上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，且上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。

进一步地，上述训练样本集中的正样本的标签包括转化时间，上述将上述用户特征集合和上述金融特征集合输入至预训练的延迟转化预测模型中，得到上述用户的预测转化率之前，上述方法还包括：

获取训练样本集，上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，根据上述初始延迟转化预测模型确定上述正样本在所对应的转化时间发生转化的转化概率；

将负样本输入至上述初始延迟转化预测模型中，根据上述初始延迟转化预测模型确定上述负样本在上述预设时间段内未发生转化的未转化概率；

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

根据上述目标损失函数值和上述训练样本集对上述初始延迟转化预测模型进行迭代训练，在上述目标损失函数值满足训练结束条件的情况下，确定上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上述延迟转化预测模型。

进一步地，上述根据上述初始延迟转化预测模型确定上述负样本在上述预设时间段内未发生转化的未转化概率，包括：