[发明专利]一种信息推荐的方法、装置、电子设备和可读存储介质

权利要求书

1.一种信息推荐的方法，其特征在于，包括：

获取目标用户的应用程序操作数据，其中，所述应用程序操作数据包括所述目标用户操作各目标应用程序的操作信息；

采用训练好的性别预测模型，基于所述应用程序操作数据，对所述目标用户的性别进行预测，获得所述目标用户的预测性别；

根据所述目标用户的预测性别以及所述应用程序操作数据，向所述目标用户进行信息推荐；

其中，所述目标应用程序是采用以下步骤确定的：

按照各应用程序的权值，将各应用程序进行排序，获得排序组成的应用程序序列；循环执行以下步骤，直至获得的应用程序序列中仅包含一个应用程序：从当前获得的应用程序序列中，删除指定数量的应用程序，并存储获得的新的应用程序序列；

分别基于存储的每一新的应用程序序列以及对应的操作信息以及性别样本信息，进行模型训练，获得训练好的第二分类模型；基于获取的多个用户的验证样本数据，分别对每一个训练好的第二分类模型进行评估，获得相应的预测评估结果；根据各新的应用程序序列对应的第二分类模型的预测评估结果，从各新的应用程序序列中选取一个新的应用程序序列；将所述新的应用程序序列中的各应用程序，确定为目标应用程序；

其中，所述性别预测模型是基于梯度提升树算法构建的，用于预测用户的性别，所述性别预测模型为所述新的应用程序序列对应的第二分类模型。

2.如权利要求1所述的方法，其特征在于，采用训练好的性别预测模型，基于所述应用程序操作数据，对所述目标用户的性别进行预测，获得所述目标用户的预测性别，包括：

根据所述应用程序操作数据，建立所述目标用户的目标稠密矩阵，其中，所述应用程序操作数据包括所述目标用户操作各目标应用程序的操作信息；

将所述目标稠密矩阵，输入至所述性别预测模型，获得所述目标用户的预测性别。

3.如权利要求1所述的方法，其特征在于，在获取目标用户的应用程序操作数据之前，进一步包括：

获取多个用户的训练样本数据，所述训练样本数据包括用户的应用程序操作数据以及性别样本信息；

根据各用户的训练样本数据，生成稠密矩阵样本；

根据所述稠密矩阵样本，对初始分类模型进行训练，获得训练好的性别预测模型；

其中，所述初始分类模型是基于梯度提升树算法构建的。

4.如权利要求3所述的方法，其特征在于，根据所述稠密矩阵样本和性别样本信息，对初始分类模型进行训练，获得训练好的性别预测模型，包括：

将所述稠密矩阵样本，输入至所述初始分类模型，获得各用户的预测性别；

采用损失函数，基于根据各用户的预测性别以及相应的性别样本信息，确定预测误差；

根据所述预测误差，对所述初始分类模型的参数进行初步调整，获得第一分类模型；

基于获取的各应用程序的权值，从各应用程序中筛选出多个目标应用程序，其中，所述权值是根据各用户的训练样本数据确定的；

基于各用户的训练样本数据中包含的各目标应用程序对应的操作信息以及性别样本信息，对所述第一分类模型进行训练，获得训练好的性别预测模型。

5.如权利要求4所述的方法，其特征在于，在将所述稠密矩阵样本，输入至所述初始分类模型，获得各用户的预测性别之前，进一步包括：

将所述稠密矩阵样本进行矩阵转换，获得稀疏矩阵，其中，所述稀疏矩阵表示所述稠密矩阵样本中每一非零值在所述稠密矩阵样本中的位置；

基于所述稀疏矩阵中各应用程序对应的操作信息，确定各应用程序的权值；

将所述稀疏矩阵进行矩阵转换，获得稠密矩阵样本。